INDICE

1. Historia de la Estadistica y Propabilidad

1.1. Los Inicios de la Teoria de la Probabilidad
1.2. Los Primeros Fundamentos
2. Concepto
2.1. Poblacin.
2.2. Muestra.
2.3. Muestra representativa.
2.4. Muestreo
2.5. Censo.
2.6. Parmetro.
2.7.Estadstico o estadgrafo.
2.8. Datos estadsticos (Variables).
2.9. Variable.
2.10. Clases de datos
3. Clases
3.1. Probabilidad Clasica
3.2. Probabilidad a Priori
3.3. Probabilidad Clsica o a Priori
3.4. Probabilidad emprica o frecuencial
3.5. Probabilidad subjetiva
4. Usos o Aplicaciones
4.1. Campos de aplicacin
4.2. Presentacin de datos
4.3. Nmeros ndices
4.4. Estadsticas comunes
5. Impotancia de la Estadistica
6. Aplicacion en la Ing. de Minas
7. Bibliografia

1. HISTORIA
1.1. LOS INICIOS DE LA TEORA DE LA PROBABILIDAD
En los comienzos del siglo XVI, los matemticos italianos comienzan a
interpretar los resultados de experimentos aleatorios sencillos. Los ms
representativos sern:
a. Gerolano Cardano (1501-1576), cuyo tratado, De Ludo Aleae, puede
ser el mejor manual escrito para un jugador de la poca. En l resuelve
varios problemas de anlisis combinatorio. Establece la equiprobabilidad
en la aparicin de las caras de un dado a largo plazo, describe algunos
juegos y precauciones necesarias para emplear contra el adversario.
Cardano afirma como uno de sus primeros axiomas que el dado y las
cartas deben jugarse por dinero.
b. Galileo Galilei (1564-1642). Nacido en Pisa en 1564, Galilei fue
matemtico, astrnomo y fsico. Escribi una obra titulada Sopra le
Scorpete de i Dadi, que posteriormente aparece en sus obras completas,
en 1718, con el ttulo Considerazione sopra il Giuco dei Dadi. Debemos
destacar de su obra la originalidad de pensamiento y claridad de
objetivos. Parece que el inters por la probabilidad le surgi a Galileo
porque un amigo le consult el problema siguiente: los resultados 9 y 10
se pueden obtener con tres dados mediante seis combinaciones
diferentes, pero la experiencia demuestra que el resultado 10 se obtiene

mayor nmero de veces que el 9. Galileo razon que de las 216

combinaciones posibles equiprobables, 27 eran favorables a que
resultase el 10 y 25 eran favorables a que resultase el 9; por tanto la
nica diferencia entre las probabilidades de obtener 10 y 9 es 2/216 =
0,01.
El amigo que consulta a Galileo no tiene en cuenta el orden y enumera
as los casos favorables al 9: 126, 135, 144, 225, 234, 333 y del
siguiente modo los casos favorables al 10: 136, 145, 226, 235, 244, 343.
De esta manera se obtenan el mismo nmero de casos favorables a 9 y
a 10, en ambos casos seis. Galileo, sin embargo calculaba as los casos
posibles y favorables. Nmero de casos posibles 3 = VR 6,3 = 63 = 216 .
Los casos favorables al 9 seran: la combinacin 126 y en cualquier otro
orden son P3 = = 3! 6 casos favorables. De la misma forma para las
combinaciones 135 y 234. La combinacin 144 y en cualquier otro orden
P32,1 = 3 casos favorables. De la misma forma, para las combinacin 225.
Por ltimo la combinacin 333. En total son: 6+6+6+3+3+1 = 25 casos
favorables al 9. De la misma forma calcul lo casos favorables al 10,
cambiando el orden de cada combinacin distinta. As se obtienen 27
casos favorables al 10. Estos datos muestran como exista un intuitivo
pero preciso anlisis emprico de los resultados aleatorios, ya a finales
del siglo XVI.
1.2. LOS PRIMEROS FUNDAMENTOS
El desarrollo, y los primeros fundamentos, del clculo de probabilidades para
los juegos de azar se produce lentamente durante los siglos XVI y XVII, con
autores como Blaise Pascal (1623-1662) y Pierre de Fermat (1601-1665).
Pascal, alejndose un poco del clculo probabilstico para los juegos de azar,
como ya mencionamos en la introduccin, escribe la famosa Apuesta por la
creencia en Dios en la que introduce los elementos bsicos de un problema de
decisin; esto es un conjunto de alternativas posibles que pueden ocurrir con
unos estados de la naturaleza. Pascal no considera la posibilidad de
experimentacin, simplemente describe la situacin de un hombre ante la
incertidumbre de si existe o no existe Dios y tiene que decidir entre llevar una
vida piadosa con las normas de la religin cristiana o una vida mundana al

margen de esas normas. Los estados de la naturaleza seran: E 1 = existe Dios;

E2 = no existe Dios. Las alternativas posibles: a 1 = llevar una vida piadosa, y a2
= llevar una vida mundana. La matriz de decisin del proceso sera:

2. CONCEPTO
La estadstica es la ciencia que estudia cmo debe emplearse la informacin y
cmo dar una gua de accin en situaciones prcticas que entraan
incertidumbre. (Gutirrez, p.23)
La estadstica es la ciencia de los datos, la cual implica su recoleccin,
clasificacin, sntesis, organizacin, anlisis e interpretacin, para la toma de
decisiones frente a la incertidumbre (ngel, p. 28)
La estadstica es la rama del conocimiento humano que tiene como objeto el
estudio de ciertos mtodos inductivos aplicables a fenmenos susceptibles de
expresin cuantitativa. (Lpez, p.1)
La estadstica es el arte de aprender a partir de los datos. Est relacionada con
la recopilacin de datos, su descripcin subsiguiente y su anlisis, lo que nos
lleva a extraer conclusiones. (Ross, p.3)
La estadstica es una ciencia exacta cuyo objetivo fundamental es el estudio de
diversas forma de comportamiento de la sociedad, para lo cual se fundamenta
en

el

uso

de

diversos mtodos y procedimientos

demostrables de manera formal y rigurosa. (Cndor, p.10)

matemticamente

La estadstica es una ciencia que facilita la toma de decisiones mediante la

presentacin ordenada de los datos observados en tablas y grficos
estadsticos, reduciendo los datos observados a un pequeo nmero de
medidas estadsticas que permitirn la comparacin entre diferentes series de
datos y estimando la probabilidad de xito que tiene cada una de las decisiones
posibles. (Fernndez et.al, p.18)
A continuacin se definen algunos de los trminos ms usados en estadstica:
2.1. Poblacin. Es el conjunto de todos los posibles elementos que intervienen
en un experimento o en un estudio. La hay de dos tipos:

Poblacin finita. Es aquella que indica que es posible alcanzarse o

sobrepasarse al contar. Es aquella que posee o incluye un nmero
limitado de medidas y observaciones.

Poblacin infinita. Es infinita si se incluye un gran conjunto de medidas

y observaciones que no pueden alcanzarse en el conteo. Son
poblaciones infinitas porque hipotticamente no existe lmite en cuanto al
nmero de observaciones que cada uno de ellos puede generar.

2.2. Muestra. Un conjunto de medidas u observaciones tomadas a partir de

una poblacin dada. Es un subconjunto de la poblacin.
2.3. Muestra representativa. Un subconjunto representativo seleccionado de
una poblacin de la cual se obtuvo.
2.4. Muestreo. Al estudio de la muestra representativa.
2.5. Censo. Al estudio completo de la poblacin.
2.6. Parmetro. Lo constituyen las caractersticas medibles en una poblacin
completa. Se le asigna un smbolo representado por una letra griega.
2.7.Estadstico o estadgrafo. Es la medida de una caracterstica relativa a
una muestra. La mayora de los estadsticos muestrales se encuentran por

medio de una frmula y suelen asignrseles nombres simblicos que son letras
latinas.
2.8. Datos estadsticos (Variables). Los datos son agrupaciones de cualquier
nmero de observaciones relacionadas. Para que se considere un dato
estadstico debe tener 2 caractersticas: a) Que sean comparables entre s. b)
Que tengan alguna relacin.
2.9. Variable. Una caracterstica que asume valores.
2.10. Clases de datos

Variable cuantitativa o escalar. Ser una variable cuando pueda

asumir sus resultados en medidas numricas.

Variable cuantitativa discreta. Es aquella que puede asumir slo

ciertos valores, nmeros enteros. Ejemplo: El nmero de estudiantes
(1,2,3,4)

Variable cuantitativa continua. Es aquella que tericamente puede

tomar cualquier valor en una escala de medidas, ya sea entero o
fraccionario. Ejemplo, Estatura: 1.90 m

Variables cualitativas nominales. Cuando no es posible hacer medidas

numricas, son susceptibles de clasificacin. Ejemplo: Color de autos:
rojo, verde, azul.

Experimento. Es una actividad planificada, cuyos resultados producen

un conjunto de datos. Es el proceso mediante el cual una observacin o
medicin es registrada.

3. CLASES
3.1. PROBABILIDAD CLASICA: Un evento ocurra dividiendo el nmero de
resultados donde ocurre el evento entre el nmero de posibles resultados.
*es decir: si retomamos nuestro ejemplo del experimento de la moneda en un
lanzamiento, el resultado de dicho lanzamiento es 1 entre la cantidad de
posibilidades.
3.2. PROBABILIDAD A PRIORI: La probabilidad clsica a menudo recibe el
nombre de P. a priori, por que si estamos usando ejemplos ordenados como 2
monedas, dados, nairas, podemos anticipar un resultado sin necesidad de
hacer el experimento ya que podemos hacer la probabilidad que sucedan 2
eventos.
Una de las limitaciones que contiene este enfoque clsico es que es til para
situaciones controladas y podria resultar con graves problemas si se quisiera
utilizar en la toma de desiciones con situaciones menos ordenadas que en los
ejemplos anteriores.
Supone un mundo que no existe ya que descarga situaciones que son poco
probables pero que pueden ocurrir como en el caso de la moneda que caiga de
canto.
Supone una especie de simetria que en situaciones reales no existen, por lo
tanto la probabilidad clsica puede resultar til para los juegos de azar mas no
para la vida cotidiana.
3.3. Probabilidad Clsica o a Priori
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e
igualmente probables, y m de ellas poseen una caracterstica A

3.4. Probabilidad emprica o frecuencial

Una teora de mayor aplicacin y muy sostenida es la basada en la frecuencia
relativa. Puede atribuirse a este punto de vista el adelanto registrado en la
aplicacin de la probabilidad en la Fsica, la Astronoma, la Biologa, las
Ciencias Sociales y los negocios.
Esta teora est estrechamente relacionada con el punto de vista expresado
por Aristteles: lo probable es aquello que ocurre diariamente.
Notamos a travs de gran cantidad de observaciones acumuladas con los
diversos juegos de azar una forma general de regularidad que permiti
establecer una teora.
Supongamos que efectuamos una serie de n repeticiones del experimento E,
intentando mantener constantes las condiciones pertinentes. Sea f el nmero
de repeticiones en las que se presenta el suceso A, de forma que en las
restantes n f no se presentar. Obtendremos as una serie de frecuencias
relativas para n1, n2 .

Estas frecuencias relativas diferirn poco entre s cuando las ni sean grandes y
tendern a acumularse en la proximidad de un valor fijo.
Debemos sealar que la estabilidad, a la larga, de las frecuencias relativas se
aplica a una amplia clase de experimentos aleatorios, de los que el juego de
azar constituye un caso en particular, casi insignificante.
Para establecer una descripcin matemtica sencilla de la conducta de las
frecuencias relativas para grandes valores de n, vamos a postular la existencia
de un nro. p que es el nro. al cul tiende fr, es decir, la frecuencia relativa del
suceso en estudio.
Este nmero se llamar probabilidad del suceso A en relacin con el
experimento aleatorio E.
La frecuencia relativa fr se considerar entonces como una medida
experimental de la probabilidad y diremos:
De acuerdo con el concepto emprico de la estabilidad de las razones
frecuenciales cabe esperar que, para grandes valores de n, la razn frecuencial

observada sea aproximadamente igual a p que se llamar probabilidad del

suceso en estudio.
Estaremos entonces estimando el valor de una probabilidad desconocida por
medio de un estudio de la conducta de las frecuencias relativas del hecho o
suceso correspondiente.
La aplicacin de esta definicin est relacionada con un experimento aleatorio
que puede ser repetido varias veces en condiciones uniformes. Naturalmente,
la repeticin real ser en ocasiones difcil o incluso imposible de realizar, por
ejemplo, debido a los costos prohibitivos de experimentacin, pero bastar con
que sea concebible una repeticin en condiciones uniformes.
Pensaste cuando tirs muchas, muchas veces una moneda cal es la
probabilidad de que salga cara?
Aplicaste esta definicin? Por qu?. Discutilo en grupos y analiz la
explicacin con tu profesora.
3.5. Probabilidad subjetiva
Se refiere a la probabilidad de ocurrencia de un suceso basado en la
experiencia previa, la opinin personal o la intuicin del individuo. En este caso
despus de estudiar la informacin disponible, se asigna un valor de
probabilidad a los sucesos basado en el grado de creencia de que el suceso
pueda ocurrir.

4. USOS
4.1. Campos de aplicacin
La estadstica es una ciencia de aplicacin prctica casi universal en todos los
campos cientficos:

En las ciencias naturales: se emplea con profusin en la descripcin

de modelos termodinmicos complejos (mecnica estadstica), en fsica
cuntica, en mecnica de fluidos o en la teora cintica de los gases,
entre otros muchos campos.
En las ciencias sociales y econmicas: es un pilar bsico del
desarrollo de la demografa y la sociologa aplicada.
En economa: suministra los valores que ayudan a descubrir
interrelaciones entre mltiples parmetros macro y microeconmicos.
En las ciencias mdicas: permite establecer pautas sobre la evolucin
de las enfermedades y los enfermos, los ndices de mortalidad
asociados a procesos morbosos, el grado de eficacia de un
medicamento, etctera.

4.2. Presentacin de datos

Los datos estadsticos se presentan generalmente expresando el valor de la
frecuencia absoluta que toman las variables significativas de un estudio, ya
correspondan a una poblacin o a una muestra. La frecuencia absoluta de un
valor o de una modalidad de una variable estadstica es el nmero de datos
observados que presentan ese valor o modalidad. El cociente entre la
frecuencia absoluta de un valor o modalidad y el nmero total de datos es
llamado frecuencia relativa. Tambin suelen presentarse los datos en forma de
porcentaje (es decir, en forma de razn de denominador 100).
Una razn se obtiene como el cociente entre dos cantidades numricas
comparables. Si el cociente se refiere a dos cantidades que se indican en
unidades distintas, la razn recibe el nombre de tasa. Un ejemplo de tasa es la
densidad de poblacin, que se define como el nmero de habitantes por
kilmetro cuadrado y que se aplica habitualmente en los estudios
demogrficos.
Dada una suma de varios sumandos, si el cociente hace referencia a la divisin
numrica entre uno de los sumandos y la suma total, la cantidad expresada se
denomina proporcin.
4.3. Nmeros ndices
Otros mtodos de presentacin de datos utilizados en estadstica se basan en
el empleo de nmeros ndices.Tales nmeros reflejan la evolucin que
experimenta con el paso del tiempo una variable estadstica de inters. As, se
toma como referencia del ndice el valor de la variable en un instante dado, de
manera que sus valores posteriores se expresan como una razn de cambio
con respecto a dicha referencia (a menudo, en forma de porcentaje).
Un ejemplo tpico de empleo de nmeros ndices es el ndice burstil, cuya
definicin obedece a criterios diferentes en cada pas (ndice Dow Jones, en la
Bolsa de Nueva York; ndice Nikkei, en Tokio, etctera).

4.4. Estadsticas comunes

Varios estudios estadsticos comunes que aparecen con frecuencia en los
medios de comunicacin son los siguientes:

Encuesta de Poblacin Activa (EPA), elaborada por el Instituto

Nacional de Estadstica (INE) con periodicidad trimestral, segn
recomendaciones de la Organizacin Internacional del Trabajo (OIT),
para obtener y clasificar datos sobre la actividad de la poblacin. Esta
encuesta se realiza por muestreo, y los resultados se ordenan por edad,
sexo, nivel de estudios, profesin y otros parmetros.
ndice de Precios al Consumo (IPC), que mide por medios estadsticos
la evolucin exprimentada por los precios de los bienes y servicios
consumidos por la poblacin espaola. Se basa en la Encuesta de
Presupuestos Familiares (EPF), y selecciona varios centenares de
artculos, clasificados en ocho grupos, que se consideran
representativos de la evolucin de los precios. Los artculos
seleccionados componen lo que se denomina cesta de la compra,
considerada en la encuesta.
Producto Interior Bruto (PIB), que registra la produccin nacional de
un pas en bienes y servicios asociados a procesos considerados
productivos.
Poder adquisitivo, que maneja combinadamente datos del Salario
Mnimo Interprofesional (SMI) y el IPC.

5. IMPORTANCIA
La importancia de la probabilidad radica en que, mediante este recurso
matemtico, es posible ajustar de la manera ms exacta posible los
imponderables debidos al azar en los ms variados campos tanto de la ciencia
como de la vida cotidiana.
En efecto, la probabilidad es una estrategia mediante la cual se intenta estimar
la frecuencia con la que se obtiene un cierto resultado en el marco de una
experiencia en la que se conocen todos los resultados posibles. As, el ejemplo
ms tradicional consiste en definir cual es la prevalencia de obtener un nmero
al arrojar un dado. Sobre seis resultados posibles (todas las caras), slo es
posible lograr un nmero por cada vez que el dado es arrojado. En este caso,
la probabilidad puede expresarse como uno en seis, un sexto, la sexta parte o,
en trminos matemticos precisos, 0.16 16%.
La teora de la probabilidad, en especial en el marco de sistemas ms
complejos, se aplica en reas variadas del conocimiento, como las ciencias
exactas (estadstica, matemtica pura y aplicada, fsica, qumica, astronoma),
las ciencias sociales (sociologa, psicologa social, economa), la astronoma, la
meteorologa y, en especial en forma ms reciente, la biomedicina.
La importancia esencial de la aplicacin de los mtodos de clculo de la
probabilidad reside en su capacidad para estimar o predecir eventos. Cuanto

mayor sea la cantidad de datos disponibles para calcular la probabilidad de un

acontecimiento, ms preciso ser el resultado calculado. Dada la complejidad
de los sistemas en los que suele aplicarse la teora de la probabilidad, se
requiere de modelos informticos y estadsticos de gran elaboracin, que
seran imposibles de no contarse con los modernos recursos tecnolgicos
relacionados con la computacin.
Un buen ejemplo de su aplicabilidad cotidiana lo constituyen los anlisis del
comercio de las commodities (materias primas) en las relaciones
internacionales actuales. Dado que gran parte de los factores involucrados en
la estimacin de la produccin son azarosos (vientos, humedad ambiental,
exposicin solar, mano de obra real, condiciones econmicas y financieras
locales, avatares polticos regionales, entre otros), la teora de la probabilidad
resulta de gran importancia, ya que intenta ajustar en conceptos matemticos
cual ser el devenir de los acontecimientos para calcular, por ejemplo, la
produccin final de cereales, combustibles fsiles y otros recursos de un rea
geogrfica.

6. Aplicacion en la Ing. de Minas

La estadstica es la ciencia y el estudio que rene, clasifica y recuenta todos los
hechos o elementos que tienen una determinada caracterstica en comn, para
poder llegar a conclusiones a partir de los datos numricos extrados;
basndose en el clculo de probabilidades.
La estadstica aplicada a la minera se centra en el implementar los procesos
de probabilidades y estadsticas de anlisis e interpretacin de datos al entorno
industrial y sus procesos llevados a cabo.
Teniendo como objetivo

Ayudar en la toma de decisiones y en el control de los procesos

industriales y organizacionales

El proceso de analizar necesario para recolectar

grandes cantidades de datos.

El control de calidad y la fiabilidad.

informacin de

La recoleccin de datos e informacin es un paso a seguir que est presente

en todos los procesos o estudios de una determinada disciplina; para as poder
obtener resultados.
La actividad minera no es ajena a esto y la estadstica desempea tambien un
papel importante como una herramienta de apoyo y fundamentalmente de
estudio en los aspectos necesarios.

El almacenar estos datos su anlisis e interpretacin, de lo que precisamente

se encarga la estadstica para llegar a conclusiones, es de suma importancia;
ya que tambien aqu se guarda informacin clave; como resultados de
procesos mineros, de recursos obtenidos, de ingresos logrados, contabilidad
que envuelve a la minera como actividad y empresa; por lo tanto el tener
conocimientos sobre estadstica es de gran aplicacin para el manejo correcto
de una empresa y el logro de ptimos resultados; evitando prdidas y
consecuencias negativas.

7. BIBLIOGRAFIA
HERNDEZ Lerma Onsimo, Elementos de Probabilidad y Estadstica,
Fondo de Cultura Econmica, Mxico, 1979; 2nd. Printing 1982.
HOEL, Paul G., Estadstica elemental, Editorial CECSA, Mxico, 1966
JOHNSON, Kuby, Estadstica elemental. Tercera edicin, Editorial
Thompson, Mxico, 1999.
LINCON, Chao, Introduccin a la Estadstica, Editorial CECSA, 1992.
LIPSCHUTZ, Seymour. Matemticas finitas. McGraw-Hill, Mxico, 1992.
LIPSCHUTZ Seymour, Probabilidad, Editorial McGraw-Hill, 2da Edicin,
2001.
MEYER, Paul L. Probabilidad y Aplicaciones Estadsticas. Fondo
Educativo Interamericano S.A. Mxico, Mxico, 1973.
Pginas de Internet
http://www.bioestadistica.uma.es/libro/
http://www.bioestadistica.uma.es/libro/node89.htm
http://www.bioestadistica.uma.es/libro/node87.htm
www.estadistico.com/dic.html