Comic Probabilidad 3

DADOS Y DATOS lll
El paso de la incertidumbre al riesgo
DADOS Y DATOS lll

El paso de la incertidumbre al riesgo
Edicin: Institut dEstadstica de les Illes Balears (IBESTAT)

Direccin del proyecto: Andreu Sans Rossell
Coordinacin general: Dami Perell Femenia y Sara Fernndez Vzquez
C/ de Sant Sebasti, 1
07001 Palma (Mallorca)
Telfono: 971 784 575
Fax: 971 784 579
Autor: Javier Cubero
Gestin y produccin: inrevs SL
Ilustraciones y maquetacin: Alex Fito
Coordinacin y guin adaptado: Pere Joan

Coleccin: Estadstica al carrer. Volumen 3

Ttulo: Dados y datos III. El paso de la incertidumbre al riesgo
Nm. IBESTAT: 4/2008
Depsito legal:
Impresin: Jorvich
Fecha de edicin: 2010
Derechos de reproduccin: Institut dEstadstica de les Illes Balears (IBESTAT)
PRESENTACIN
on la constitucin del Institut dEstadstica de les Illes Balears (IBESTAT), este

2008, como entidad autnoma, se ha querido dar un paso muy importante en
todo lo que debe ser la vertebracin de un verdadero sistema estadstico para nuestra comunidad autnoma. Tambin ha sido un momento de anlisis y de reflexin
sobre la labor que ya se haba llevado a cabo en etapas anteriores y que, por su calidad y vala, era necesario recuperar y proyectar hacia el futuro. Este ha sido el caso
de la coleccin Dados y datos, que con Javier Cubero como autor, ha sido capaz de
encontrar una formulacin muy pedaggica para hacer llegar los grandes conceptos
estadsticos a amplios sectores de la poblacin, entre los cuales cabe mencionar a
los ms jvenes.
El formato amable y atractivo que supone el uso del cmic como soporte lo hace
prcticamente nico en su especialidad, pero no por ello falto de rigor ni del nivel
que requiere una publicacin de carcter cientfico como sta. Esto ha llevado a
que las dos ediciones anteriores, que se materializaron bajo los auspicios de los
directores generales de Economia Antoni Monserrat (volumen I) y Maria Marqus
(volumen II), hayan tenido que ser reeditadas y completadas con un tercer volumen
que cerrar una triloga muy completa por lo que respecta al conocimiento de los
principios estadsticos. Todo este proceso se enmarca en la voluntad de fomentar la
estadstica como disciplina til para el conocimiento de la realidad que nos rodea a
partir de elementos que aparentemente son sencillos pero cuyo alcance formativo
es grande.
Para terminar, quisiera agradecer la colaboracin de todas las personas que han
participado en la edicin de este material didctico, tanto por lo que respecta a los
creativos y dibujantes como a los tcnicos. Igualmente, me gustara animar a todo
el mundo para que se acerque a estas publicaciones y as descubrir un mundo lleno
de conocimientos que sin duda nos ayudarn a comprender mejor nuestra realidad
de una forma ms apasionante y racional a la vez.
Andreu Sans Rossell

Director del IBESTAT
NDICE
Captulo 1 - GEORGES LOUIS LECLERC
pg. 6
Captulo 2 - Sir Francis Galton
pg. 23
Captulo 3 - Pafnuti ChebyshEv
pg. 51
LOS PERSONAJES
55
acertijo
azarita
binomio
gauss
grfiCA
Captulo 1
GEORGES LOUIS LECLERC

Conde de Buffn (1773)
Montbard, Borgoa,1707 Pars, 1788

Matemtico y naturalista francs.
Estudioso de la mecnica, la astronoma, medicina, la teora de los nmeros,
el clculo, la geometra y la probabilidad.
Se hizo famoso en esta ltima materia por su curioso experimento de determinar
muchas cifras decimales en el valor del nmero tratndolo como una experiencia
de probabilidad geomtrica conocida como la aguja de Bufn.
Captulo 1 Georges Louis Leclerc
Ya comenzamos, Ahora un problema! Debemos

realizar un trabajo sobre: Nmeros ndices.
Eso no es
lo del I.P.C.
y todos esos
numeracos
econmicos
que hoy da
van tan mal?
Pues vaya
tiempo para
mandarnos
el trabajo,
en otras fechas
hubiera sido
un exitazo.
O sea, si mi abuelo
Un poco menos de 004.
compraba una
Lo repito: menos de cuatro
ensaimada a 6
cntimos.
pesetas
y lo
Qu?!
comparamos
con lo que nos
cuesta hoy...
Bueno, algo de eso y
Cuntos das u horas o minutos tena que
de muchas cosas ms
trabajar mi abuelo para comprar una ensaimada?
que comparamos; pues
y cuntos tendra que trabajar yo, hoy da?
fijaos, podramos pensar
Y sera una ensaimada de iguales caractersticas?
lo siguiente:
Sin querer hemos rozado los

conceptos de deflactacin,
precio en unidades constantes,
ndice de precio, hasta muy de
lejos el de precio hednico.
Has pasado
mala noche
verdad?
Bueno, lo que s veo es que tenemos

que inventar algo general
que defina esas comparaciones
y ms que pudieran surgir.
Y tendra que tener

tratamiento matemtico, para
su aplicacin correcta.
10
Pues lo tenemos:
son los NMEROS
NDICE. Mirad la
pantalla.
nmeros ndice
Medida estadstica que compara dos

situaciones de una misma variable,
permitiendo estudiar su evolucin
Periodo corriente o actual

Periodo de referencia o base
esta pantalla queda
Pues que el
Verbigracia: el ndice de
muy bien y con unos
nmero ndice es
precios del melocotn,
dibujos animados
el cociente entre
tomando como base el ao
Mejor! Pero
dos cantidades.
qu quiere decir?
2000 y, como actual, el

actual ao 2008 sera
Djame la
pizarra
Dejadla
sola!
11
Os aclaro que aunque para operar
Entonces lo das en
lo haremos como indica la pizarra,
tantos por ciento.
generalmente para su exposicin se

multiplica el resultado por cien.
Ol! Eureka!
UNO!
He estado con Grfica en la
Hemos elaborado unos
biblioteca y hemos observado
servirnos para el trabajo.
Nmeros ndice.
12
grficos que pueden
algunas propiedades de los
Mirad!
Identidad
INVERSIN
CCLICA
13
CIRCULAR
Pues creo que
Dediquemos ahora un buen
Bueno, ni tanto ni tan calvo
nos va a ayudar
rato, en cuerpo y alma a
Creo que podramos divertirnos...
bastante.
divertirnos. Y cuando se nos
Pero para la semana que viene nos
olvide este rato, empezamos
repartimos una serie de trabajos.
de nuevo.
Los podramos hacer en la

sala de nuevas tecnologas;
nos dejan usarla.
...Y con todos hacer

una exposicin privada
por nosotros, con
nosotros y para
nosotros.
14
Una semana despus
ndice precio relativo:
La visin y el
continente son
extraordinarios.
No os despistis.
Veamos los contenidos.
Esto quiere decir que si el

precio de un producto en el ao
2007 es de 30 y en el 2001 era
de 25... El ndice es:
15
A ver
si lo he entendido
El precio ha aumentado
el 120-100= 20%"
ndice cantidad relativa:
O sea, si del producto

anterior en 2007
compramos 200 kilogramos
y en 2001 habamos
comprado 300 kgs
Ssssss!
Perfecto!
O sea, compramos
un 333 % menos.
ndice valor relativo:
16
Claro, el valor
de un producto
igual a precio del kilogramo de
ser el precio
los melocotones por cantidad
por la cantidad.
Ya lo hemos complicado!
Valor de los melocotones es
de melocotones comprados.
de cantidades,
Qu curioso!
pero decir cuntico
El ndice de Valor es igual al
es ms divertido.
producto del ndice de precios

por el ndice cuntico.
Qu?!
Ya en una experiencia
anterior hablamos de
Menos mal que lo
Laspeyres y Paasche
has dicho, pues yo

crea que Cuntico
Bueno, dejaos de
era eso del F.B.I.
bromas y dejemos
del anlisis de
tambin los ndices
personalidad que
simples, as la
creo que est en
semana que viene los
esa ciudad.
Podramos
complicamos.
17
hacer lo mismo que

hemos hecho con ndices
complejos ponderados.
VAMOS!
ndice Laspeyres de precios
Lp
cantidades
viejas
cantidades viejas
cantidades viejas
precios
nuevos
precios nuevos
precios viejos
cantidades
viejas
precios
viejos
ndice Laspeyres cuntico
LQ
cantidades
nuevas
precios viejos
precios viejos
cantidades nuevas
cantidades viejas
cantidades
viejas
18
precios
viejos
precios
viejos
ndice Paasche de precios
Pp
cantidades
nuevas
precios
nuevos
cantidades nuevas precios nuevos

cantidades nuevas precios viejos
cantidades
nuevas
precios
viejos
ndice Paasche cuntico
PQ
cantidades
nuevas
precios
nuevos
precios nuevos cantidades nuevas

precios nuevos cantidades viejas
cantidades
viejas
precios
nuevos
19
Ahora estableceremos
en la pizarra para
Laspeyres de precios
Laspeyres cuntico
o de produccin
Paasche de precios
unas cuantas frmulas
Paasche cuntico
complementar el trabajo.
ndice de Fisher precios
20
ndice de Fisher cuntico
Gauss, t dijiste
al principio algo
de explosin o
deflagracin.
Cmo te gusta
hacer el burro!
Ja, ja, Ja
Hablaste de
deflactacin, y creo que
interesa saber pasar
de moneda corriente a
moneda constante.
O sea:
MONEDA CORRIENTE, la de cada periodo.
MONEDA CONSTANTE, la que

rige en el periodo estudiado.
21
Pues si deflactacin es el paso a moneda

constante y se usa normalmente Laspeyres,
y a veces tambin Paasche
haremos un ltimo
ejercicio
Pero despus Ya que este

captulo lo dedicamos al Conde
de Buffon tendramos que hacer
algo de l.
Veamos primero lo
menos simptico.
Laspeyres precios x Paasche cuntico.
ndice de Valor
Laspeyres cuntico x Paasche precios.
No! Menos mal

que ha acabado.
ndice de Valor
Un aplauso a Gauss por lo bien
que lo ha hecho.
22
UF!
La aguja de BUFFON
El nmero es frecuente e importante en realizaciones estadsticas y el Conde de Buffon, mediante un experimento que de forma simple y sencilla exponemos a continuacin, fue uno de los muchos que dedicaron
esfuerzos a la tarea de descubrir cuantas ms cifras, mejor, de un nmero que tiene infinitas.
Experimento:
Tomemos una hoja de papel, tracemos en ella ocho particiones iguales, separadas
por segmentos como indica la figura, y obtengamos un palillo con longitud "p" igual
a la distancia entre los segmentos, ya sea recortndolo o midiendo primero el
palillo y despus las divisiones de la hoja.
Realizacin:
Lancemos el palillo sobre la hoja, cuantas
ms veces mejor (lanzamientos suaves) y
anotemos el nmero total de lanzamientos
al que llamaremos T. Vayamos al mismo
tiempo contando las veces que de estos
lanzamientos la aguja corta a las rayas rojas; a este conteo le llamaremos C.
No
Nmero de lanzamientos T
Nmero de cortes
El conteo puedes hacerlo como lo indicamos en una de nuestras primeras experiencias.

T=
.............................
C=
.......................................
= 1.103
= 702
Una vez que tengis vuestros resultados efectuis la siguiente operacin:
Veris que el nmero resultante se va aproximando estocsticamente a a medida que las tiradas van siendo ms numerosas.
23
Sala de en el Palais de la Decouverte. Pars
24
Captulo
Captol X2
Sir Francis Galton

(1909)
Duddeston, 1822 Haslemere, 1911

Antroplogo y gegrafo, fue creador de la escuela biomtrica
Antropleg i gegraf, va crear lescola biomtrica anglesa. inglesa.
Realiz, terminados els estudios, grandes viajes grans viatges amb lobjectiu dinvestigar,
Una vegada acabats sus seus estudis, va realitzarcon objetivo investigador, como su primo
Charles Darwin.
com el seu cos Charles Darwin.
Es uno de traductors dels mtodes estadstics aplicats la Biologa conjuntament amb en
s un dels los introductores de los mtodos estadsticosaaplicados a la Biologa conjuntamente
con Karl Pearson, curiosament s autor duna biografia del personatge tractat.
Karls Pearson queque curiosamente es autor de una biografa del personaje tratado.
Entre molts altres temes va ser el primer en explicar el fenmenode regressi mitjana y usar
muchos otros temas fue el primero
fenmen de regresin media i
la lnea la regresin; fue uno de los pioneros en el en de de la distribuci normal.
emprar delnia de regressi; va ser un dels pioners usols la distribucin normal.
Su ingenio le el va dur a construir la mquina de Quincunx.
El seu enginy llev a construir la mquina de Quincunx.
Captulo 2 Sir Francis Galton
Un poco de aire nos ir bien

para refrescar las ideas. Os
acordis de cuando hablbamos
de variables aleatorias?
Aquello del
saltamontes y el
caracol
Eso era una clasificacin:

en discretas y en continuas.
Esperad, que me gustara hacer

un dibujo, por si refresca la
idea de variable aleatoria.
Pues no est mal.

Quedan monos!
26
Esta cartera que les

acompaa siempre, debe
de ser la probabilidad
Me lo explicis,
verdad?
por favor.
Afirmativo. Toda variable

aleatoria tiene siempre
anexionada en s una
probabilidad.
Y por qu? Aunque se ve bien

parece como movida.
La variable aleatoria puede adoptar varios valores, en algunos casos

infinitos, cada uno con su acompaante inseparable que es la probabilidad.
Y la suma de todas
las probabilidades ha
de ser siempre UNO.
0,15
0,50
0,25
0,10
1
27
Entonces, cmo se dibujara

lo de continua y discreta? Me
parece que esta ltima ser
ms difcil o no ser muy
discreta.
Lo de discreta no es
por calladita, sino
porque los valores no
son continuos.
Dan saltos.
DISCRETA
1/6
1/6
1/6
1/6
1/6
1/6
Continua
p1
p2
Sabiendo que
28
p3
p4
p5
p1+p2+p3+ ... + pk = 1
pk
Pongamos estos dos dibujos en un plan un poco ms serio.
La tirada de un dado
DISCRETAS
Igual probabilidad
Sabiendo que
O si lo miramos con tornillos, por ejemplo.
DISCRETAS
distinta probabilidad
97%
3%
Tornillos defectuosos 3%
Tornillos buenos 97%
Probabilidad
Pero esta no se parece a la

variable de Bernoulli?
29
Esto es aquello que deca Si

lanzo una moneda al aire, tengo
la probabilidad 05 de que salga
cara y 05 de que salga cruz.
Que no ser lo mismo

que tener media probabilidad
de cara y media de cruz.
Mira, t lo que tienes
Pero Qu dices!
que hacer es
Lo ves, no acierto
ni una
Pensar mucho las

cosas y cuando lo
hayas pensado bien
Di lo contrario y
Si el experimento de
acertars!
Bernoulli se repite
jA! jA! jA! jA! jA!
Podemos tener
S, pero antes fijaos en
la distribucin
esto Una transparencia
Binomial.
con las caractersticas

ms importantes.
30
Distribucin de Bernoulli
Siendo p la probabilidad de xito y (1-p), como es lgico, la de fracaso.
xito
fracaso
Su media o esperanza
Su varianza
Repetimos el
Muy bien! Y ahora

volvamos a la binomial.
experimento n
Qu sabemos de ella?
veces; cada prueba

que repetimos es
independiente
Pues que en cada realizacin slo hay dos

resultados posibles: xito y fracaso, con
dos probabilidades que suman uno.
No tienen nada que

ver una con otra
Sigo
La probabilidad de xito
Es independiente
es igual en todas las
de las dems.
repeticiones.
31
Ir Tal vez va bastante bien,

pero a m, como no me digas
un verbigracia, como dice
Va bastante bien.
55, no me viene.
Cuntos tornillos
defectuosos esperamos hallar
en una caja de 1.000 unidades?
La probabilidad de ser
un tornillo es de
defectuoso
0,03.
Por lo tanto la probabilidad de
no serlo es de 1 - 0,03 = 0,97.
Eso va un poco mejor
Pues creo que es la

hora de la binomial.
Funcin de probabilidad de la variable

aleatoria BINOMIAL
32
Uf! Buf! Puf! Aqu veo muchas clases de

problemas, s, de verdaderos problemas
Por ejemplo
Qu probabilidad tengo de que

me salga un tornillo defectuoso
si compro cuatro?
Otro problema! Y de
Anda! Y de
que me salgan dos si
que me salgan
compro cuatro?
tres si compro
cuatro?
Vaya! Y de cuatro
defectuosos si
compro cuatro?
Sigo! Y de que
me salgan cinco
defectuosos si
compro cuatro?
Para! Sooo! Que la

probabilidad es cero.
Pues tengo un grfico con el cual

respondemos a Acertijo en todo lo que
ha preguntado.
33
Si nos fijamos, la probabilidad de comprar cero

defectuosos en cuatro tornillos ser:
Y la suma sera:
pues son todas las oportunidades posibles.
34
S, pero de mi
pregunta, qu?
Los tornillos defectuosos que

"esperamos" al comprar 1.000.
La esperanza, o sea, la media
tornillos defectuosos.
Ya estoy agotado, por qu no lo

dejamos para la semana que viene?
Y a ver si damos el campanazo de Gauss
hablando de la distribucin normal.
Vale!
35
Aqu traigo mi
trabajito, amigos!
a l N[, o- ]
n d e d en si d a d N o rm
Fu n ci
2
Lo tuyo bien, pasemos

a ver lo de Grfica.
SIMTRICA
MESOCRTICA
95% de la
- 1'96
90% de la
+1'96
- 1'645
36
poblacin
+1'645
poblacin
Fu n ci n d e d en si d a d
La ltima integral, la vamos

a dejar por ahora; no
obstante, sabemos algunos
valores. Cules son?
a cu m u la d a
n ci n d e d is tr ib u ci n
Fu
La
es la suma de todas las

probabilidades.
Correcto.
pues no habra ninguna

oportunidad.
Pues yo lo que saba era

Y la
que la media, mediana y

moda coinciden en una
distribucin normal y he
dibujado esto:
porque es simtrica y
adems el mximo (MODA)
coincide con la media.
37
Alehop!
Extraordinario
Pues lo mismo que ha

intentado Acertijo
simplificar a su modo,
as se propuso una
simplificacin con la
distribucin normal.
Tipificndola?
Dale!
Es verdad
Dale!
Tipificndola o
Daleeee...!
estandarizndola.
Tipificar es restar a cada variable su media

y dividir el resultado por su desviacin tpica.
38
Vale, y qu
Que la media se convierta en cero
conseguimos?
y su varianza en 1.
Y todas se pueden
Vamos a ver
estandarizar
clarita la
distribucin
Normal
Pues claro!
Estndar, y
desde ahora
me las dais
Y para qu he
tipificadas
perdido el tiempo
todas.
estudiando todo lo
anterior?
N[0,1]
Funcin de densidad
Funcin de distribucin acumulada

As me aprendo una y
las resuelvo todas.
95%
-1'96
+1'96
39
Acertijo, toma una tabla con todos los

valores de esta ltima
N[0,1] calculados:
uci normal estndard
Taula 1: Funci de distrib
O sea, que cuando es una

Normal normalilla, corrientilla
se pone
N[,
en plan de
simplificar y cuando es normal

estndar se indica con
Verdaderamente
creis que esto que
estamos haciendo es
normal?
N[0,1].
Verdaderamente tipificado
Vamos de paseo un rato, a
no s si ests, pero tpico
ver si nos normalizamos.
eres vaya si lo eres.
40
Otra jornada y un da
de campo y trabajo;
empecemos recordando
el concepto de grados
Estis confundidos, esto no es
de libertad.
libertad, es prisin de primer

grado, de tercer grado
No tiene nada que ver

con crceles, ni con
maldades.
Digamos que es un
concepto estocstico,
del azar.
Definmoslo a travs
Entonces
de un entretenimiento.
Voy a lanzar un dado

a escondidas.
Acertijo tratar de adivinar el

resultado. Grafi, por favor,
lleva las cuentas.
41
Ha salido uno.
Tienes otra oportunidad.
Has fallado.
Tres.
Has fallado.
Otra
oportunidad.
Ha salido un seis.
Has fallado.
Otra!
Ha salido un cuatro.
Has fallado.
Tienes otra
oportunidad.
Venga, ha salido un cinco.

Has fallado.
Ni que fuera tonto, ahora s

que es el dos seguro.
Mira, el dado tiene seis

oportunidades de mostrar
una cara distinta.
42
Pero t slo has

tenido que elegir cinco.
Has tenido cinco

grados de libertad.
Ya que tu ltima
eleccin era forzada,
como muy bien dijiste.
Compliquemos un poco la cosa.
Hay que rellenar

las casillas
con nmeros
cualesquiera,
con la condicin
de que sumen
los totales ya
definidos, tanto
en filas como en
columnas. (Los
nmeros pueden
ser negativos).
Cuntas casillas podis

rellenar libremente?
O lo que es lo mismo, cules

sern los Grados de libertad?
A pensar toca:
43
Esto es lo mo; en la horizontal es

forzoso poner 12, y en la vertical 3
Podra rellenar todos los

cuadros de color, mientras que los
en blanco vienen forzados.
Es decir, tendramos
4 x 7 = 28 grados de libertad.
Ahora! Ahora s
O sea: GRADOS DE LIBERTAD:
[NMERO COLUMNAS 1] x [NMERO FILAS 1]

Por ah he visto que existe
una distribucin que se llama
no s qu de
44
Pearson.
khi
cuadrado de Pearson.
Esa s la s; se llama
La frmula de
esta distribucin s
que es complicada
1) Tomamos un cierto nmero de distribuciones normales estndar.

Para aprenderla,
N[0 1]
nosotros la veremos de
N[0 1]
N[0 1]
otra forma:
2) Elegiremos las que sean independientes entre s.

a) Puede ser slo una.
b) Podran ser de la forma N ( 1) pero nosotros supondremos
siempre que son estndar, por simplificar su estudio.
3) Las elevamos al cuadrado:
{N[0 1]}
][
2
{N[0 1]}2
{N[0 1]}
45
4) Las sumamos.
NID: Normales independientemente distribuidas.
O sea, es una khi-cuadrado

con
v grados de libertad.
Generalmente los grados de

libertad se representan con esta letra,
v, que es la n griega, la nu.
A ver!
Quiero decir que los
A ver si
grados de libertad son el
lo veo.
nmero de normales que

sumamos.
Si tomo 5 distribuciones
normales tipificadas
independientes entre s,
las elevo al cuadrado
y despus las sumo,
sale una.
Exacto.
46
Y ms an, de esa distribucin

sabemos que su media ser 5
y su varianza ser 10.
La media es igual a
los grados de libertad,
y la varianza, al doble.
Examinaremos sus grficas.
Funcin de
densidad de la
Siempre positivas
Funcin de
distribucin de
Las representaciones son distintas segn los grados de libertad.
47
Pues lo nico que me

queda por decir es:
Quiero decir...
lo siguiente:
Qu?
Que es
productiva.
Uf! Vale
Esto se anima.
Acordaos de aquel seor Cmo se llamaba?
Sealey Gosset, que para publicar sus estudios
tena que poner un seudnimo
Student.
Pobre hombre, con seudnimo

y su distribucin con minscula.
48
S! Pues tiene
una distribucin, la
de Student.
Creo que ser mejor indicarla

en una hoja de Grafi.
SIMTR
ICA
PLATIC
RTICA
La tambin tiene
grados de libertad.
S, pero son los mismos

que tiene la
khi cuadrado.
Y la media o esperanza:
Esta distribucin nos
ser de mucha utilidad
cuando tengamos que
trabajar con muestras
pequeas.
Y la varianza es:
49
Y sus grficas son:
Funcin de densidad
de probabilidad de t v
Funcin de distribucin
de probabilidad de t v
Un gran detalle!
Un pequeo detalle:
Ya est bieeeen!
50
Mquina de Galton
Caja con artilugio para que vayan cayendo las bolitas, que irn chocando aleatoriamente con unos clavos situados
como se ve en la figura, para al final caer sobre los casilleros de la base.
Las bolitas, al chocar con los clavos, tienen la misma probabilidad de ir a la derecha que a la izquierda.
Recordemos una experiencia realizada en el primer tomo.
51
Tendremos como resultado, cuando el nmero de bolitas sea lo suficientemente grande,

una colocacin sobre los casilleros que se acercar a la forma de la distribucin normal.
1.000 bolitas
100.000 bolitas
infinitas bolitas
52
Captulo
Captol X3
Pafnuti ChebyshEv
1821 - 1894
Sir Francis Galton
(1909)
Matemtico ruso tambin conocido como Tchebychew, Chebychev o Cebisev.
Defendi la tesis Un intento de anlisis elemental de la teora probabilstica.
Duddeston, 1822 Haslemere, 1911
Recibi la medalla de plata por el trabajo Clculo de las races de las ecuaciones.
La disertacin sobre la integracin con ayuda de algoritmos le hizo conseguir la plaza de Profesor
Antropleg i gegraf, va crear lescola biomtrica anglesa.
Titular en la Universidad de San Petersburgo.
Una vegada acabats els seus estudis, va realitzar grans viatges amb lobjectiu dinvestigar,
Pero es ms conocido entre los estudiantes de estadstica, principalmente, por su Desigualdad de
com el seu cos Charles Darwin.
Chebyshov.
s un dels traductors dels mtodes estadstics aplicats a la Biologa conjuntament amb en
Karls Pearson que curiosament s autor duna biografia del personatge tractat.
Que en un caso prctico sera:
Entre molts altres temes va ser el primer en explicar el fenmen de regressi mitjana i
emprar la lnia de regressi; va ser un dels pioners en ls de la distribuci normal.
El seu enginy el va dur a construir la mquina de Quincunx.
La probabilidad de un elemento para cualquier distribucin estadstica de encontrarse entre la media
y menos dos desviaciones tpicas, y la media ms dos desviaciones tpicas es mayor al 75%.
Captulo 3 Pafnuti Chebyshev
Pienso yooo.
JA!
JA!
JA!
Bueno quiero pensar
Explcate y te iremos
que la estadstica me
poniendo las pegas.
servira, por ejemplo,

No te digo!
si pongo una
fbrica de camisas y
pantalones modernos.
Bueno, si puedo hacer una

estadstica de alturas y dimensiones
de todos los posibles clientes
y si tambin realizo
una estadstica de
gustos en el vestir
54
con locura
mucho
un poco
ni s ni no
nada
O sea:
Bueno, has dicho

Podra saber qu
tallas fabricar y en
qu cantidad cada una
de ellas.
tantas cosas, bastante

buenas, que creo que
debemos definirlas
conceptualmente, por su
importancia.
Vamos a la biblioteca virtual,

nos informamos, preparamos el
tema a ver cmo sale.
55
Id dndome material
e ir fabricando una
presentacin.
Deberemos reunir todas

las imgenes, ver las
repeticiones
Pero, primero
hay que
realizarlas
elegir y
determinar las
que falten.
56
Yo har un
filtro de las
imgenes
elaboradas.
Individuos. O sea, un
Creo que la primera
conjunto de personas!
imagen debe ser
Todos y cada uno de los elementos (individuos) de los que

se desea tener una informacin.
No, especficamente
Fjate.
Que pueden ser

Elementos o individuos.
personas, rboles,
mesas, vigas, gustos,
ilusiones, cerdos,
elefantes
Lo que queramos estudiar.
57
De estos elementos podemos
S! Es decir, las
A estas ltimas las
estudiar una o varias
variables que pueden
llamamos atributos,
caractersticas, verdad?
ser cuantitativas
corrientemente.
y cualitativas.
Estatura (cuantitativa)
Elegancia (cualitativa)
Peso (cuantitativa)
O sea! Si queremos hallar
la media (media aritmtica)
de una variable de cierta
poblacin esta variable
puede ser la estatura.
58
Sumamos los datos de

esta variable, estatura, y
dividimos la suma entre el
nmero de elementos de
la poblacin.
Perfecto!
Cmo tericamente?
Tericamente
Perfecto! Y ya est.
No, porque a veces no

podemos medir
Por qu?
la poblacin.
Verbigracia
Yo creo que habra que ver algunos ejemplos.
Servidor pone el
ejemplo nmero 1:
Pues a ver quin

los va inventando;
premio al mejor.
59
Medir la resistencia media de las

vigas de la fbrica La resistente.
A ver, ponemos pesas hasta que se rompa
En el momento en que se rompe, apuntamos el
la viga, y as sabremos lo que resisten.
peso colocado y esa ser la resistencia.
Cuando hayamos probado todas las vigas, podremos hallar la

resistencia media.
Y tendremos que salir corriendo, ya que, gracias a nuestro

estudio, el fabricante podr saber mucho de cul era la
resistencia de sus vigas
pero no podr vender ninguna
60
Ahora pongo el mo,
Estarn todas rotas!!!
ejemplo nmero 2.
Vamos a probar la calidad de
Para ello iremos probando las manzanas
las manzanas de la frutera
y calificndolas como: Extraordinaria, Muy buena,
La fruta de oro.
Buena, Regular.
am!
am!
am!
Encuesta
completada
Extraordinaria
Muy buena
Buena
Regular
Qu piensas, Acertijo?
Que corramos, parece que nos quieren regalar una calabaza
...de una forma

muy rara.
61
Bueno, vamos a ver si el mo no acaba mal. Ejemplo nmero 3:
Me han pedido
Ya se cul es la
que halle el
poblacin pero
peso medio de
los cerdos, de
todos los cerdos
cuntas patas son?
de la empresa
Porquerizas el
Gorrino.
De cuatro, hombre de cuatro. Los ir pesando uno

a uno, y calculando posteriormente el peso medio.
62
Uf! Voy a tener que repetir
Quizs se podra
todo el proceso, pues
arreglar; teniendo
parece que los primeros
muchsimas balanzas y
que pes han engordado.
muchsimos pesadores.
Que han
engordado? Si
parecen elefantes.
63
Pero para eso hay que

tener mucho dinero
para gastar en el
Y ahora que
Dirs que estn en
estamos en crisis!...
crisis porque nosotros

lo estamos siempre.
estudio, y generalmente
el presupuesto es
ajustadito.
Unas veces por razones econmicas,
Pues tendremos
otras por destruccin de la poblacin,
que estimar
etc., parece que no podemos trabajar
los parmetros
con la poblacin.
que nos piden

de otra forma.
Pero no s qu pinta aqu lo primero,
Parmetro es un valor
ese palabro no lo conozco.
fijo, nico, aunque pueda

ser desconocido.
64
He odo
parmetro
y estimar;
lo segundo lo
conozco: yo estimo
mucho a Azarita.
Por ejemplo, la media de nuestro peso, el de

los seis en este momento, que es un nmero,
una variable determinista, un parmetro.
Es decir, sumamos nuestros pesos y lo dividimos

entre 6; el resultado es 47,8 kilos, que es el
parmetro peso medio de la poblacin formada por
nosotros seis.
Y de lo de estimar, qu?
A m me interesa mucho.
65
Una estimacin, ya lo dijimos, es una

aproximacin ms o menos acertada de un
parmetro, o un intervalo donde pensamos
que se encuentra el parmetro.
Si t dices: de aqu hasta all, habr
O si dices tengo
unos 15 metros. Nadie pensar que
entre 20 y 25 euros,
son 15 metros justos (parmetro),
es una estimacin,
sino que aproximadamente los habr,
es una variable
o sea, una estimacin.
aleatoria.
Te miras los bolsillos,

cuentas, tienes 21 ,
Esto es un parmetro, una
variable determinista.
66
Ahora lo pillo!
Qu?
Llegamos a la conclusin de que o bien no se puede

calcular el parmetro mediante la poblacin, o se puede
con muchas dificultades, generalmente.
Por lo que tendremos que inventar algo que
Existen dos
nos d una aproximacin, a ser posible muy
clases de
buena, sobre el parmetro, un estimador.
estimadores:
puntuales y por
intervalos.
Antes de seguir os quiero recordar una escena

de nuestros anteriores episodios sobre estimacin.
67
A m me gustara que viramos estas frases

que he encontrado en dos carteles.
La estadstica es la ciencia que estudia

el paso de la incertidumbre al riesgo.
Ms vale acertar aproximadamente que fallar exactamente.
68
La primera es para que
Las frases son muy bonitas,
nos acordemos de
pero a qu vienen?
que cuando hacemos

una estimacin siempre
corremos un riesgo de
equivocarnos, de cometer
un error.
Supongo que ya se habrn
Una cosa parecida,
La segunda nos indica
hecho investigaciones
podamos decir que es
que las estimaciones
para que sea lo ms
verdad con un cierto
debemos hacerlas
pequeo posible.
riesgo.
por intervalos, nunca

puntualmente, pues
corremos un elevado
riesgo de fallar.
Pues siempre daremos en toda

estimacin un intervalo, bueno
cuando
sepamos
hacerlo.
69
Os lo digo ms claro, seguid
Alegra! Alegra!
creando problemas.
Pero de qu
problemas hablas?
Los
enumerar:
1: Cmo hallamos el
estimador?
2: Dnde lo buscamos?
3: Cmo definimos el
intervalo?
4: Cmo comprobamos que
la estimacin es aceptable?
5: Qu utilidad le daremos?
Para ello vamos a analizar varias

cuestiones que al final creo que
paciencia, pero por favor, no lo
te dejarn contento.
70
De acuerdo, tendr un poco de

compliquemos demasiado.
Primero observemos
una definicin:
Muestra: Conjunto reducido de elementos de una poblacin,

extrados convenientemente para un mantenimiento lo ms
proporcional posible, con respecto a aquella, de las variables o
caractersticas estudiadas; de dicha muestra obtendremos una
informacin, que podremos inferir respecto de la poblacin.
Verdaderamente esto
es heavy metal.
Uaf! Bruuuf!
71
Haremos un esquema y creo

que se ver mejor.
Poblacin
Muestra
dimensin mUEstral= 15
72
Me gustara explicaros cuatro

cosas sobre el esquema:
1: La poblacin sera mucho mayor, pero

por claridad del dibujo vamos a suponer que
su tamao muestral es 75.
2: Se ha decidido que la muestra sea de 15
elementos.
3: La muestra se elige por unos procedimientos
que supongo que veremos posteriormente;
aqu la eleccin es terica, para poder
establecer las definiciones bsicas.
Yo he encontrado que:
Unidad Muestral:
Es cada uno de los posibles componentes

de la muestra.
Pues yo he encontrado que lo que hacamos

antes se llama Censo porque:
Censo:
El estudio de todos y cada uno de los elementos de la poblacin.
Yo aporto lo siguiente:
Marco muestral:
Enumeracin exhaustiva de todas las unidades

muestrales.
73
O sea, como aparece en el esquema:
Y lo que Grafi puso en el esquema sera:
Poblacin marco: Cada uno de los posibles componentes de la muestra.
He encontrado:
Coeficiente de elevacin: Cantidad de unidades poblacionales

representadas por cada uno de los componentes de la muestra.
En el ejemplo: 5
Qu casualidad, yo he encontrado:
Fraccin de muestreo: Inversa del coeficiente de elevacin.
O sea:
74
En resumen, quiero saber si tengo claros estos dos conceptos:
Parmetro:
Valor determinista fijo, aunque puede ser desconocido.
En nuestro caso, calculable a partir de los datos de la poblacin.
Estimador: Variable aleatoria calculada

a partir de una muestra; para aproximarse al
parmetro poblacional.
Esto va bien. Ahora tenemos que

contestar al primer problema de
Acertijo.
Cmo hallamos el estimador?
75
Yo s un mtodo, llamado de los momentos, que consiste en hacer un copia y pega

de la frmula que usaramos para calcular en la poblacin, y aplicarla a la muestra.
Por favor una racin

de ejemplos, que si no me
mareo
Supongamos que quiero calcular la estatura media de todos

los jvenes de 14 a 18 aos de Baleares; mediante una muestra.
La muestra estara bien

elegida, verdad?
Entraran chicos
de Palma?
S y ms que de Manacor, porque la poblacin es mas numerosa en Palma que en

Manacor, y tambin entraran de Santa Eulria, y de Ciutadella Aproximadamente en la
proporcin que en esta caracterstica contaran en la poblacin.
Qu bien, yo sera candidato a

pertenecer a esa muestra.
76
A lo que vamos. Para estimar la estatura media de la poblacin,

efectuaramos la suma de todas las estaturas, y la dividiramos por la
cifra de la poblacin.
Poblacin
Media
A ver si lo he entendido
Para hallar la estimacin a partir de la muestra efectuaramos:
Muestra
Estimacin de la media
Si entrara en la muestra, a m
Pero este estimador es un solo valor, o sea, es
tambin me mediran Bien!
puntual, y yo crea que habamos quedado en que

lo bueno era dar un intervalo.
77
Los intervalos los veremos hacia el final, ahora haremos una

pausa para enfrentarnos a los distintos tipos de muestreo.
Primero haremos un
largo descanso, muuuuuy
laaaaaargo y despus
De acuerdooooo.
veremos las formas de

muestrear.
Arriba!! Vamos con el muestreo!
zzz z z
78
Muestreo
Herramienta cientfica que ayuda en la investigacin de la estimacin de parmetros poblacionales.
Supongo que esta herramienta nos ayudar a

apretar los tornillos, en todos aquellos casos
que anteriormente vimos con la poblacin.
S, ayuda cuando la poblacin es muy numerosa.
79
Tambin cuando la medicin ha de hacerse
Cuando hay procesos
Veamos, pues,
con un procedimiento destructivo.
de alteracin.
los principales tipos

de muestreo:
PROBABILSTICOS
NO PROBABILSTICOS
STICOS
ROBABIL
P
MAS: o aleatorio simple.
Muestre
tico.
sistem
aleatorio
Muestreo
do.
estratifica
Muestreo
rados.
conglome
streo por
Mue
o.
polietpic
Muestreo
les.
s especia
Muestreo
NO PROBABILSTICOS
Muestreo de conveniencia.

Muestreo de juicios.

Muestreo por cuotas.
Muestreo de bola de nieve.
Empecemos viendo qu
Es el mtodo ms
es ese "MAS"...
sencillo conocido, pero
que debe ser lo ms.
generalmente el menos
usado.
80
Binomio, ve dando un nmero a todos y cada

uno de los elementos de la poblacin.
He repartido 1.329 nmeros.
Acertijo, trae un sombrero
Introduzcamos
grande, y vamos a ir
las papeletas
elaborando 1.329 papeletas
en el sombrero
numeradas.
y establezcamos
el tamao
muestral.
Voy!
81
Ahora viene lo de la
No, lo har Gauss; que sea el que ms
mano inocente Yo!
sabe de todos nosotros no implica que

no pueda ser el ms inocente.
El 27!
Pase a ser parte

de la muestra.
Y as hasta llegar a 20.
82
Hagamos algunas transparencias de definicin y resumen del proceso.
El MAS o Muestreo Aleatorio Simple,

selecciona la muestra por procesos
aleatorios, cumpliendo la condicin
de ser equiprobabilstico para todo
elemento.
Equiqu?
Cualquier elemento de
la poblacin tiene igual
probabilidad de formar
parte de la muestra.
con reposicin
sin reposicin
El procedimiento puede ser con

reposicin y sin reposicin.
Cul es mejor?
83
El mejor es con
reposicin; no obstante,
en poblaciones muy
grandes y con tamaos
de muestra adecuados,
el procedimiento sin
Podemos usar el sombrero, o un

bombo de lotera, y para muestras
grandes los seleccionaremos
mediante una tabla de nmeros
aleatorios.
reposicin es muy
aceptable.
Las tablas de nmeros aleatorios estn

generalmente en cualquier libro de estadstica.
Estn agrupados de
cuatro en cuatro, pero
nosotros podemos
agruparlos de 5 en 5,
o como queramos.
84
Tambin sera extraordinario tomar como lista de nmeros aleatorios

la de los primeros premios de la lotera durante muchos aos.
No es nada
extraordinario,
porque son nmeros
aleatorios.
No, si lo de extraordinario lo digo, porque si demostramos

que no lo son Qu montn de dinero bamos a ganar!
Creo que deberamos

empezar con el
Muestreo aleatorio
sistemtico.
Pues escenifiqumoslo:
Han salido: del primer
Y del segundo, un 7.
bombo, el 5
85
Empecemos el proceso:
Y as seguiramos con la
El muestreo aleatorio sistemtico es
muestra hasta que el nmero
con un sistema previo de realizacin; el
a la cantidad muestral.
86
como el muestreo aleatorio simple, pero
de seleccionados fuera igual
que se ha expuesto antes o
Se utiliza un solo bombo y, posteriormente, al nmero

resultante se le va sumando una constante:
Poblacin (tamao
Tamao muestral
Constante
Sorteo
1 de la muestra
2
3
4
25
50
87

Esto ha sido un ejemplo; del sorteo saldra posiblemente otro nmero en otro caso, y la
constante dependera, entonces, de la poblacin y de la cantidad muestral que se estableciera.
Para ir viendo los restantes tipos de

muestreo, creo que sera muy interesante que
Grafi nos elaborara unas pseudopeliculillas
de esas que ella sabe hacer tan bien.
Muestreo
estratificado???
Vale, a por ello.
poblacin total 20+10+5+30+20= 85 ????
88
Tenemos una poblacin, en la que existen subgrupos

internamente homogneos, aunque diferentes entre
s cuantitativa y cualitativamente.
Ya hemos
encontrado
los Estratos.
Tamaos poblacionales en cada estrato:

N1; N2; N3; N4; N5; N6
Tamao poblacional:
N1 + N2 + N3 + N4 + N5 + N6 = N
Tamaos muestrales en cada estrato:

n1; n2; n3; n4; n5; n6
Cmo elegimos las
cantidades muestrales de
cada estrato?
Tamao muestral:
n1 + n2 + n3 + n4 + n5 + n6 = n
Las tcnicas ms
generalizadas son:
1. Muestreo estratificado proporcional.

2. Muestreo estratificado no
proporcional.
3. Asignacin ptima de los estratos.
89
Para contestar ms directamente a Binomio tendramos

que buscar un nuevo concepto y sus clases:
estrato 1
Afijacin
estrato 2
d
cantida
artir la atos.
de rep
Forma entre los estr
al
muestr
Afijacin uniforme
Unidades muestrales de cada estrato:
Los estratos pequeos salen

beneficiados en precisin.
90
estrato
Todas las unidades de

la poblacin tienen la
misma probabilidad de
pertenecer a la muestra.
Desviaciones tpicas o estndares de cada estrato:
Tamaos muestrales de cada estrato:
91
Estrato 1
Los tamaos de las muestras de cada
estrato vienen influenciados por la
variabilidad y el propio tamao del estrato.
Aqu s que me he
podemos aclarar
fuera de juego.
92
Vamos a ver si
quedado un poco
algo.
Estrato 3
Estrato 2
Estrato 3: Tama
o grande

Variabilidad gra
nde
Estrato 4: Tama

o pequeo
Variabilidad gran
de
Estrato 2: Tama
o grande

Estrato 4
Variabilidad peq
uea
Estrato 1: Tama

o pequeo
Variabilidad peq
uea
El tamao muestral
tiene ese mismo
orden: 3, 4, 2, 1 de
mayor a menor.
93
O sea, que aparte del tamao se mira si
Va en la lnea, pero t lo
son muy diferentes o todos parecidos.
resuelves mediante la frmula.
Como ltimo tipo de

afijacin veremos la:
Afijacin ptima
En este tipo se tiene tambin en cuenta el coste. Sus frmulas son:
94
Veamos un nuevo tipo de muestreo: el

muestreo por conglomerados.
Har un pequeo esbozo.
95
Seleccionamos al azar una

Primero, desagregaremos
muestra de estos grupos,
la poblacin en grupos
tambin denominados reas o
heterogneos de individuos.
conglomerados.
Parece que est

cambiando el tiempo
Eh! Que digo que

est empezando
a nevar, chicos.
96
Y de los conglomerados seleccionados como muestra, hacemos un estudio

censal, o sea, estudiamos a todos los individuos que los componen.
Y as podramos
continuar con muchas
formas de muestreo.
Lo que tenemos que hacer

es continuar a cubierto.
97
Planteemos el ltimo esquema y en

el prximo ya veremos
Pero viendo el maravilloso

tiempo blanco que se est
formando
Proceso del muestreo

Definicin de los objetivos de la encuesta.
Definicin de la poblacin objeto de estudio.
Elementos. Unidades de muestreo.
Alcance. Tiempo.
Definicin del marco muestral.
Seleccin del procedimiento de muestreo.
Establecimiento de la medida de la muestra.
Obtencin de la muestra.
98
Antes de que nos

marchemos He
encontrado un tipo
de muestreo que le va
como anillo al dedo.
Qu
nevada!
Muestreo en bola de nieve: consiste

en hacer una primera seleccin y que
los encuestados te recomienden a
otros para encuestar y as
Cmo dices?
99
Las cosas estn cambiando Antes Acertijo siempre era

el primero en quererse ir, y hoy es el ltimo investigando.
100
A la nieve!!!
101
FIN
102

Comic Probabilidad 3

Cargado por

Copyright:

Formatos disponibles

Comic Probabilidad 3

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Comic Probabilidad 3

Cargado por

Copyright:

Formatos disponibles

DADOS Y DATOS lll

El paso de la incertidumbre al riesgo

DADOS Y DATOS lll

Edicin: Institut dEstadstica de les Illes Balears (IBESTAT)

Coleccin: Estadstica al carrer. Volumen 3

on la constitucin del Institut dEstadstica de les Illes Balears (IBESTAT), este

Andreu Sans Rossell

Captulo 1 - GEORGES LOUIS LECLERC

Captulo 2 - Sir Francis Galton

Captulo 3 - Pafnuti ChebyshEv

GEORGES LOUIS LECLERC

Montbard, Borgoa,1707 Pars, 1788

Captulo 1 Georges Louis Leclerc

Ya comenzamos, Ahora un problema! Debemos

Un poco menos de 004.

Lo repito: menos de cuatro

Captulo 1 Georges Louis Leclerc

Bueno, algo de eso y

Cuntos das u horas o minutos tena que

trabajar mi abuelo para comprar una ensaimada?

que comparamos; pues

y cuntos tendra que trabajar yo, hoy da?

fijaos, podramos pensar

Y sera una ensaimada de iguales caractersticas?

Sin querer hemos rozado los

Bueno, lo que s veo es que tenemos

Y tendra que tener

Captulo 1 Georges Louis Leclerc

Medida estadstica que compara dos

Periodo corriente o actual

esta pantalla queda

muy bien y con unos

precios del melocotn,

tomando como base el ao

2000 y, como actual, el

Captulo 1 Georges Louis Leclerc

Os aclaro que aunque para operar

lo haremos como indica la pizarra,

tantos por ciento.

generalmente para su exposicin se

He estado con Grfica en la

Hemos elaborado unos

biblioteca y hemos observado

servirnos para el trabajo.

grficos que pueden

algunas propiedades de los

Captulo 1 Georges Louis Leclerc

Captulo 1 Georges Louis Leclerc

Pues creo que

Dediquemos ahora un buen

Bueno, ni tanto ni tan calvo

rato, en cuerpo y alma a

Creo que podramos divertirnos...

divertirnos. Y cuando se nos

Pero para la semana que viene nos

olvide este rato, empezamos

repartimos una serie de trabajos.

Los podramos hacer en la

...Y con todos hacer

Captulo 1 Georges Louis Leclerc