Metodos Geoestadisticos
1. Probabilidad de un suceso
La probabilidad de un suceso, S, indica el grado de posibilidad de que ocurra dicho
suceso. Se expresa mediante un número comprendido entre 0 y 1, y lo escribimos P(S).
P(S) = 0 (o) 1
2. Espacio muestral: Todos los resultados posibles de un experimento en su conjunto
forman el Espacio de la muestra
Ejemplo: Cuando lanzamos un dado se puede obtener cualquier resultado del 1 al 6.
Todos los números posibles que pueden aparecer en la cara superior forman el Espacio
Muestral (denotado por S). El espacio muestral de una tirada de dados es
S= {1,2,3,4,5,6}
3. Probabilidad
Para el cálculo de la probabilidad es necesario dividir el número de sucesos favorables
entre el número total de sucesos posibles.
Ejemplo:
Nuestro espacio muestral tiene 10 elementos:
E = {11, 12, 13, 14, 15, 16, 17, 18, 19, 20}
Y el suceso por el que nos preguntan es “obtener un número primo”.
Número de casos favorables = número de primos = 4 son los números primos dentro de
los resultados posibles (Los números 11, 13, 17 y 19 son primos)
Número de casos posibles = 10 (Todos los números del 11 al 20)
La probabilidad de sacar un número primo entre las 10 bolas es de 4/10 que simplificado
es 2/5.
Solución: P (número primo) =2/5
El cálculo de probabilidades se expresa en porcentaje y responde a la siguiente
fórmula:
Probabilidad = Casos favorables / casos posibles x 100.
4. Función de probabilidad de una variable aleatoria discreta
Es una función que asigna probabilidades a los valores de la variable aleatoria.
Ejemplo: función de probabilidad del resultado de lanzar un dado
𝟏
Formula: f(x) = 𝟔
Tabla:
Grafica:
1 f(x)
6
Probabilidad
1 2 3 4 5 6 x
Resultado de lanzar un dado
5. Función de densidad de población
𝑏
P (a ≤ X ≤ b) = área bajo la curva de densidad entre a y b = 𝑓 𝑎ሺ𝑥ሻ𝑑𝑥
x: Variable aleatoria continua
f (x): función de densidad de probabilidad
Ejemplo de función de densidad de probabilidad
Digamos que tenemos una variable aleatoria continua cuya función de densidad de
probabilidad está dada por f(x) = (x + 2)/6, cuando 0 < x ≤ 2.
Queremos hallar P(0.5 < X < 1). Luego integramos (x + 2)/6 dentro de los límites 0.5 y 1.
Esto nos da 0.229. Por lo tanto, la probabilidad de que la variable aleatoria continua se
encuentre entre 0.5 y 1 es 0.229.
6. Variables aleatorias
Es una función que asigna un valor numérico, al resultado de un experimento aleatorio.
7. Variable aleatoria discreta
Una variable aleatoria discreta es aquella que puede asumir un número contable de
valores.
Por ejemplo, si realizamos el experimento de salir a calle y seleccionar 5 personas al
azar para un examen sorpresa de matemáticas, podemos definir la variable aleatoria A:
A = número de personas que aprobaron el examen.
Los valores que asume A (en su rango), van del 0 al 5 (0, 1, 2, 3, 4, 5). El rango lo
expresaríamos de la siguiente manera:
𝑅𝑎 = {0, 1, 2, 3, 4, 5}
La variable aleatoria A asume un número contable de valores, por ello, es una variable
aleatoria discreta.
8. Variable aleatoria continua
Una variable aleatoria continua, es aquella que puede asumir un número incontable de
valores.
Por ejemplo, si realizamos el experimento de ir a mi granja y estudiamos las
características de las vaquitas, podemos definir la variable aleatoria B:
B = peso de una vaca en la granja de Jorge (en kilogramos).
Alguna vaquita puede pesar 425.1872 kg; otra puede pesar 612.5874541 kg; otra puede
pesar 545.897512121 kg. Si tomamos más vacas, podríamos tener más valores y nunca
terminaríamos.
Se conoce que el becerro más pequeño tiene un peso de 30 kg, y la vaca más grande
tiene un peso de 1000 kg.
𝑅𝐵 = 30 ≤ B ≤ 1000
9. Media o valor esperado (Esperanza) de variable aleatoria discreta
La media «µ» o valor esperado «E(X)» es un promedio ponderado de los valores que asume
la variable aleatoria cuando los pesos son las probabilidades.
Ejemplo:
Sea X el número de clientes que visitan una tienda por día. Calcular el valor esperado de X a
partir de su función de probabilidad:
x 0 1 2 3
f(x) 0.60 0.25 0.10 0.05
10. Varianza de variable aleatoria discreta
La varianza, σ2 o V(X), es un promedio ponderado de las desviaciones al cuadrado de una
variable aleatoria de su media. Los pesos son las probabilidades. La varianza σ2 o V(X) se
calcula con la siguiente fórmula:
Ejemplo:
Encuentra la media, varianza y desviación estándar de la variable aleatoria X:
11. Desviación estándar de variable aleatoria discreta
La desviación estándar σ es la raíz cuadrada positiva de la varianza:
12. Estadística descriptiva
La estadística descriptiva es una rama de la estadística que ayuda a resumir, organizar
y presentar datos de una manera significativa y concisa. Su objetivo principal es
proporcionar un resumen claro de las características y características principales de
un conjunto de datos.
a. Hay cuatro tipos de distribuciones de frecuencia:
1. Distribuciones de frecuencias no agrupadas
2. Distribuciones de frecuencias agrupadas
3. Distribuciones de frecuencias relativas
4. Distribuciones de frecuencias acumuladas
b. Tendencia central
Las medidas de tendencia central ayudan a encontrar el punto medio o el
promedio de un conjunto de datos. Las tres medidas más comunes son:
I. Moda: El valor más frecuente en un conjunto de datos
II. Mediana: El número medio en un conjunto de datos ordenado
III. Media: La suma de todos los valores dividida por el número total de valores.
Estas medidas intentan describir cómo podría ser un punto de datos típico. La
media es la medida de tendencia central más utilizada.
c. Variabilidad
I. Rango: La diferencia entre los valores más grandes y más pequeños
II. Rango Inter cuartil (RIC): el rango del 50 % medio de las puntuaciones
III. Varianza: La diferencia cuadrática promedio de las puntuaciones con
respecto a la media.
i. σ² = Σ(x – μ)² / N
IV. Desviación estándar: la cantidad promedio en que las puntuaciones
difieren de la media
i. σ = √(Σ(x – μ)² / N)