Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
|
|
- Ramona Vega Roldán
- hace 6 años
- Vistas:
Transcripción
1 Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad Medidas de localizació Relativa y Detecció de Outliers Aálisis de Datos Exploratorio Medidas de Asociació etre dos Variables La Media Poderada y Datos Agrupados x Slide 2 Slide 3 Medidas de Localizació Media Mediaa Moda Percetiles Cuartiles Slide 3
2 Slide 4 Se preseta ua muestra de valores de arriedo mesual ($) para departametos de u ambiete. La muestra es de tamaño 70 e ua ciudad particular. Los datos so presetados e orde ascediete. Slide 4 Slide 5 Media La media de u cojuto de datos es el promedio de todos los valores de los datos. Si los datos so muestrales, deotamos a la media mediate x x x i Si los datos proviee de la població, deotamos a la media por m (mu). x i N Slide 5 Slide 6 Media x x i 34, Slide 6
3 Slide 7 Mediaa La mediaa es la medida de localizació más frecuetemete usada para igresos auales y todo tipo de datos de valores de propiedad. Si existe alguos datos extremadamete grades de igreso o valores de propiedad, esto puede iflar a la mediaa. Slide 7 Slide 8 Mediaa La mediaa de u cojuto de datos es el valor que se ecuetra justo e el medio cuado los datos se ordea e orde ascedete. Para u úmero impar de observacioes, la mediaa es tambié el valor de e medio. Para u úmero par de observacioes, la mediaa es el promedio de los dos valores cetrales. Slide 8 Slide 9 Ejemplo: Reta de apartametos Mediaa, Dóde se ecotrará? E i! Mediaa = 50th percetil i = (p/100) = (50/100)70 = 35.5 Promediado el valor 35vo y 36vo teemos ( par) : Mediaa = ( )/2 = 475 Slide 9
4 Slide 10 Moda La moda de u cojuto de datos es el valor que ocurre co mayor frecuecia. La mayor frecuecia puede ocurrir e dos o más valores diferetes Si el cojuto de datos tiee exactamete dos modas, los datos se deomia bimodales. Si el cojuto de datos tiee más de dos modas, los datos se deomia multimodales. Slide 10 Slide 11 Ejemplo: Reta de apartametos Moda 450 es el valor que más se repite (7 veces) Moda = 450 Slide 11 Slide 12 Percetiles U percetil provee iformació acerca de cómo se ecuetra esparcidos los datos sobre u itervalo, desde el valor más pequeño hasta el más grade. Los putajes de admisió a los colegios y uiversidades, por ejemplo, so comúmete expresados e térmios de percetiles. Slide 12
5 Slide 13 Percetiles El pth percetil de u cojuto de datos es u valor tal que al meos u porcetaje p de los elemetos toma dicho valor o meos, y al meos u porcetaje (100 - p) de los datos toma dicho valor o más. Primero hay que ordear los datos de maera ascedete. Después computar el ídice i, la posició del p-ésimo percetil. i = (p/100) Si i o es etero, redodear. El percetil p-ésimo es el valor que se ecuetra e la i-ésimo posició. Si i es u etero, el percetil p-ésimo es el promedio de los valores e las posicioes i-ésima y (i+1) -ésima. Slide 13 Slide 14 Ecotremos el percetil 90vo i = (p/100) = (90/100)70 = 63 Promediado los valores 63vo y 64vo: 90vo Percetil = ( )/2 = 585 Slide 14 Slide 15 Ahora es su turo! Calcule (Por ½ Putos e Cotrol) a) 10 percetil b) 30 Percetil c) 50 Percetil d) 60 Percetil e) 80 Percetil Recuerde, i = (p/100) Slide 15
6 Slide 16 Cuartiles Los Cuartiles so úicamete percetiles co valores específicos Primer Cuartil = 25th Percetil Segudo Cuartil = 50th Percetil = Mediaa Tercer Cuartil = 75th Percetil Slide 16 Slide 17 Tercer Cuartil Tercer Cuartil = 75th percetil i = (p/100) = (75/100)70 = 52.5 = 53 Tercer Cuartil = 525 Slide 17 Slide 18 Ahora es su turo! Calcule a) Primer Cuartil b) Segudo Cuartil Recuerde, i = (p/100) Slide 18
7 Slide 19 Medidas de Variabilidad Muchas veces es deseable cosiderar medidas de variabilidad o de dispersió, así como medidas de localizació. Por ejemplo, al escoger u proveedor A o u proveedor B, podríamos querer cosiderar o solo el promedio de tiempos de etrega de isumos que tiee cada uo, sio cuato varía, e promedio, sus etregas de isumos. Slide 19 Slide 20 Medidas de Variabilidad Rago Rago Itercuartil Variaza Desviació Estádar Coeficiete de Variació Slide 20 Slide 21 Rago El rago de u cojuto de datos es la diferecia etre el valor más grade y el valor más chico. Es la medida más simple de variabilidad. Es muy sesible e relació a los valores muy grades, o muy pequeños, de los datos. Slide 21
8 Slide 22 Ejemplo: Reta de apartametos Rago Rago = Mayor Valor Meor Valor Rago = = 190 Slide 22 Slide 23 Rago Itercuartil El Rago Itercuartil de u cojuto de datos es la diferecia etre el tercer y el primer cuartil. Es el rago para el 50% de los datos cetrales. Vetaja: supera la sesibilidad e relació a valores extremos. Slide 23 Slide 24 Rago Itercuartil 3er Cuartil (Q3) = 525 1er Cuartil (Q1) = 445 Rago Itercuartil = Q3 - Q1 = = 80 Slide 24
9 Slide 25 Variaza La variaza es ua medida de variació que utiliza toda la iformació proveiete de los datos. Se ecuetra basada e la diferecia etre el valor de cada observació (x i ) y media (x e ua muestra, para la població). Slide 25 Slide 26 Variaza La variaza es el promedio de las diferecias cuadradas etre cada valor de los datos y su media. Si los datos so muestrales, deotamos a la variaza mediate s ( x s i x ) 1 Si los datos so poblacioales, deotamos a la variaza mediate ( x ) i N Slide 26 Slide 27 Desviació Estádar La desviació estádar de u cojuto de datos es la raíz cuadrada positiva de la variaza. Se mide e las mismas uidades que los datos, lo que la hace más ituitiva y fácil de iterpretar, que la variaza. Si los datos so muestrales, la desviació estádar se deota mediate s. 2 s s Si los datos so poblacioales, la desviació estádar se deota mediate (sigma). 2 Slide 27
10 Slide 28 Coeficiete de Variació El coeficiete de variació idica que ta grade es la desviació estádar co relació a la media. Si los datos so muestrales, el coeficiete de variació se computa de la siguiete forma: s x ( 100) Si los datos so poblacioales, el coeficiete de variació se computa de la siguiete forma : ( 100) Slide 28 Slide 29 Ejemplo: Reta de apartametos Variaza xi x 2 2 s ( ) 2, Desviació Estádar 2 s s Coeficiete de Variació s x Slide 29 Slide 30 Su Turo!: Datos de Coeficiete Itelectual Variaza 2 s ( x 2 i x ) 1 Desviació Estádar s Coeficiete de Variació 2 s s 100 x Slide 30
11 Slide 31 Su Turo!: Datos de Coeficiete Itelectual Variaza 2 s ( x 2 i x ) 1 Desviació Estádar s Coeficiete de Variació 2 s s 100 x Slide 31 Slide 32 Medidas de Localizació Relativa y Detecció de Outliers Valores z Teorema de Chebyshev Regla Empírica Detecció de Outliers Slide 32 Slide 33 Valores z Los Valores z so llamados a veces valores estadarizados. Es u úmero que deota a cuátas desviacioes estádar se ecuetra u valor x i de la media. x x z i i s Si el valor del dato es Meor que la media muestral, tedrá u Valor z Meor a cero (Negativo). Si el valor del dato es Mayor que la media muestral, tedrá u Valor z Mayor a cero (Positivo). U valor igual a la media tedrá u Valor z de cero. Slide 33
12 Slide 34 Ejemplo: Reta de apartametos Valores z para el valor más pequeño (425) x x z i s Valores z para todos los datos de uestro ejemplo: Slide 34 Slide 35 Su Turo! Calcule los Valores Z para los valores marcados co Rojo de uestro ejemplo xi x z s Respuesta (-0.93, -0.01, 1.99, -0.56, -0.20) Slide 35 Slide 36 Teorema de Chebyshev Dice que por lo meos (1-1/k 2 ) de los elemetos e cualquier cojuto de datos se ecotrará a k desviacioes estádar de la media. Aquí, k es cualquier valor mayor a 1. Por lo meos el 75% de los elemetos se ecotrará alrededor de k = 2 desviacioes estádar de la media. Por lo meos el 89% de los elemetos se ecotrará alrededor de k = 3 desviacioes estádar de la media. Por lo meos el 94% de los elemetos se ecotrará alrededor de k = 4 desviacioes estádar de la media. Slide 36
13 Slide 37 Teorema de Chebyshev Sea k = 1.5 co x = y s = Por lo meos (1-1/(1.5) 2 ) = = 0.56 o 56% de los valores de arriedo debe estar alrededor de x - k(s) = (54.74) = 409 y x + k(s) = (54.74) = 573 Slide 37 Slide 38 Teorema de Chebyshev (cotiúa ) E realidad, el 86% (los primeros 60 valores co =70) de los valores de arriedo está etre 409 y 573. Slide 38 Slide 39 Regla Empírica Para datos co distribucioes e forma de campaa: Aproximadamete el 68% de los datos está alrededor de ua desviació estádar de la media. Slide 39
14 Slide 40 Regla Empírica Para datos co distribucioes e forma de campaa : Aproximadamete el 95% de los datos está alrededor de dos desviacioes estádar de la media. Slide 40 Slide 41 Regla Empírica Para datos co distribucioes e forma de campaa: Casi todos (99.7%) de los datos está alrededor de tres desviacioes estádar de la media. Slide 41 Slide 42 Ejemplo: Reta de apartametos Regla Empírica Itervalo % e Itervalo Alrededor +/- 1s a /70 = 69% Alrededor +/- 2s a /70 = 97% Alrededor +/- 3s a /70 = 100% Slide 42
15 Slide 43 Detectado Outliers U outlier es u valor iusualmete pequeño o grade e u grupo de datos. U dato co u valor z meor a -3 o mayor que +3 puede ser cosiderado u outlier. Puede tratarse de u dato que ha sido icorrectamete capturado, escrito o digitalizado. Puede ser u dato perteeciete a otro grupo de datos, y erróeamete icluido e el cojuto de datos e el que estamos trabajado. O puede ser u dato correcto que sí, efectivamete, correspode a uestro cojuto de datos de iterés! Slide 43 Slide 44 Detectado Outliers Los valores z más extremos so y Usado la regla de z > 3 como criterio para la detecció de outliers, o teemos outliers e uestro cojuto de datos Slide 44 Slide 45 Aálisis de Datos Exploratorio Resume de 5-úmeros Box Plot Slide 45
16 Slide 46 Resume de 5-úmeros Valor meor Primer Cuartil Mediaa Tercer Cuartil Valor Mayor Slide 46 Slide 47 Resume de 5-úmeros Valor Meor = 425 Primer Cuartil = 450 Mediaa = 475 Tercer Cuartil = 525 Valor Mayor = 615 Slide 47 Slide 48 Box Plot Se dibuja ua caja cuyas putas termia e el primer y tercer cuartil Se dibuja ua líea vertical e la caja e la localizació de la mediaa. Los límites se ecuetra (o se dibuja) usado el Rago Itercuartil (IQR). El límite iferior se localiza 1.5(IQR) debajo de Q1. El límite superior se localiza 1.5(IQR) arriba de Q3. Todos los datos que se ecuetra fuera de dichos límites so cosiderados outliers. cotiúa Slide 48
17 Slide 49 Box Plot (Cotiúa ) Se dibuja líeas putuadas desde las esquias de la caja y hasta el valor más pequeño y más grade que exista detro de los límites. La localizació de cada outlier se muestra co el símbolo *. Slide 49 Slide 50 Box Plot Límite Iferior: Q1-1.5(IQR) = (75) = Límite Superior: Q (IQR) = (75) = No existe Outliers mediaa er Fuera de Rago, o dibujado er Slide 50 Slide 51 Medidas de asociació etre dos Variables Covariaza Coeficiete de Correlació Slide 51
18 Slide 52 Covariaza La covariaza es ua medida de la asociació lieal etre dos variables. Valores positivos de la covariaza idica ua relació positiva etre las variables. Valores egativos de la covariaza idica ua relació egativa etre las variables. Slide 52 Slide 53 Covariaza Si los datos so muestrales, deotamos covariaza mediate s xy. ( x s i x )( yi y) xy 1 Si los datos so poblacioales, deotamos covariaza mediate xy. ( xi x )( yi y ) xy N Slide 53 Slide 54 Coeficiete de Correlació El coeficiete puede tomar valores etre -1 y +1. Valores cerca de -1 idica ua fuerte asociació lieal egativa. Valores cerca de +1 idica ua fuerte asociació lieal positiva. Si los datos so muestrales, deotamos al coeficiete mediate r xy. sxy rxy sxsy xy xy x y Si los datos so muestrales, deotamos al coeficiete Slide 54 mediate xy.
19 Slide 55 Ejemplos de Correlació Siusoide! Slide 55 Slide 56 La media poderada y cómo trabajar co datos agrupados Media Poderada Media para datos agrupados Variaza para datos agrupados Desviació Estádar para datos agrupados Slide 56 Slide 57 Media Poderada Ua Media Poderada es cuado la media es calculada asigado a cada dato u peso específico que refleja su importacia detro del grupo. El cálculo de ua promedio de grados (GPA e USA), es u ejemplo del cálculo de ua media poderado. E ese caso, los pesos asigados so los úmeros de horas-crédito gaados para cada ota. Cuado los datos varía e importacia, el aalista debe escoger el peso que mejor refleje la importacia de cada valor. Slide 57
20 Slide 58 Media Poderada Dode: x = w i x i w i x i = Valor de la observació i w i = Peso para la observació i Slide 58 Slide 59 Datos Agrupados El cálculo de Media Poderada puede ser usado para obteer aproximacioes para la media, la variaza y la desviació estádar de datos agrupados. Para calcular la media poderada, tratamos al puto medio de cada clase como si fuera la media de todos los elemetos de dicha clase. Calculamos ua media poderada de los putos medios de clase usado las frecuecias de clase como pesos. Similarmete, al calcular la variaza y la desviació estádar, las frecuecias de clase so usadas como pesos. Slide 59 Slide 60 Datos Muestrales Datos Poblacioales Dode: Media para Datos Agrupados x fi M fim i N f f i = Frecuecia de la clase i M i = Puto medio de la clase i i i Slide 60
21 Slide 61 Abajo se muestra los mismos datos de retas mesuales pero se preseta como datos agrupados e la forma de ua distribució de frecuecias. Reta ($) Frecuecia Slide 61 Slide 62 Media para Datos Agrupados Reta ($) f i M i f im i Total , 525 x Esta aproximació difiere $2.41 de la Media Real de $ x fi M f i i Slide 62 Slide 63 Variaza para Datos Agrupados Datos Muestrales 2 2 f M x s i ( i ) 1 Datos Poblacioales 2 2 f M i ( i ) N Slide 63
22 Slide 64 Variaza para Datos Agrupados s 2 3, Desviació Estádar para Datos Agrupados s 3, Esta aproximació difiere solo $0.20 de la desviació estádar efectiva de $54.74 que ecotramos ateriormete Slide 64
Medidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesLa frecuencia relativa acumulada se suele expresar en forma de % y nos indica el % de datos que hay menores o iguales al valor xi correspondiente.
º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMA.- ESTADÍSTICA DESCRIPTIVA.- TABLAS Y GRÁFICOS ESTADÍSTICOS Estadística : Es la ciecia que estudia cojutos de datos obteidos de la realidad. Estos datos
Más detallesProbabilidad y estadística
Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesUNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda
UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detalles2.- Estudio Poblacional y Muestral Univariante
.- Estudio Poblacioal y Muestral Uivariate Població: Colectivo de persoas o elemetos co ua característica comú, objeto de estudio. Imposibilidad de estudio de esta característica e toda la població - Coste
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detalles1. QUÉ ES LA ESTADÍSTICA?
1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detallesFórmulas Estadísticas. Recuerde: Hay k Categorías; n Datos en una muestra, N datos en una población.
Uiversidad Diego Portales Facultad de Ecoomía y Negocios Fórmulas Estadísticas Capítulo 2 Recuerde: Hay k Categorías; Datos e ua muestra, N datos e ua població. Frecuecia Relativa de Clase (f) Cuátas Clases
Más detalles3. Las medidas de centralización
FUOC XP00/71004/00017 21 Las medidas de cetralizació 3. Las medidas de cetralizació La mediaa y la media aritmética Los diagramas de tallos y hojas y los histogramas proporcioa ua descripció geeral de
Más detalles2 CARTAS DE CONTROL POR ATRIBUTOS
2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesTema 1. Estadística Descriptiva
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 1 Estadística Descriptiva 1 Itroducció 1 2 Coceptos geerales 2 3 Distribucioes de frecuecias 3 4 Represetacioes
Más detallesESTADÍSTICA. estadística. Recogida de datos. Las muestras de una población. Las variables estadísticas 03/06/2012
ESTADÍSTICA estadística Grupo 4 Opció A La estadística estudia u cojuto de datos para obteer iformació y poder tomar decisioes. Por tato,las FASES de utrabajoestadístico será: Recogida de datos. Orgaizació
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesResumen de fórmulas estadísticas y funciones en Excel
Resume de fórmulas estadísticas y fucioes e Excel 1. Medidas de posició o tedecia cetral Estadístico Fórmula Fució e Excel Media aritmética =A VERAGE(rago de datos) muestral para datos Xi o X = =AVERAGE(A
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesMedidas estadísticas
Medidas estadísticas Medidas de Tedecia Cetral: Se llama así debido a que ua vez bie calculadas, sus valores tiede a estar ubicadas e el cetro de la distribució ordeada. Esta característica la posee la
Más detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
Más detallesMATEMATICAS I Primer curso de Ciencias Ambientales / Curso HOJA 1
MATEMATICAS I Primer curso de Ciecias Ambietales / Curso 006-007 HOJA 1 1. E 1978, H. Cavedish realizó ua serie de 9 experimetos co objeto de medir la desidad de la tierra. Sus resultados, tomado como
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesTEMA 3: DISTRIBUCIONES BIDIMENSIONALES.
TEMA 3: DISTRIBUCIOES BIDIMESIOALES. 3.. Cocetos Geerales.... 3.2. Distribucioes bidimesioales de frecuecias... 3.2.. Tablas de correlació y cotigecia.... 3.2.2. Distribucioes margiales y codicioadas....
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detalles1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos
Aputes de Métodos Estadísticos I Prof. Gudberto J. Leó R. I- 46 Medidas Descriptivas Numéricas Frecuetemete ua colecció de datos se puede reducir a ua o uas cuatas medidas uméricas secillas que resume
Más detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más detallesMEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo.
MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. Admítelo ua salchicha o es ua zaahoria. Así decía la revista El Cosumidor e u cometario sobre la baja calidad utricioal de las salchichas. Hay tres tipos
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detalles[ELEMENTOS DE ESTADÍSTICA PARA LA INVESTIGACIÓN.]
2010 Uiversidad de La Habaa. Facultad de Ecoomía. Departameto de Estadística e Iformática. Profesora: MSc. Mirielys Mirada Iglesias. [ELEMENTOS DE ESTADÍSTICA PARA LA INVESTIGACIÓN.] MATERIAL DE ESTUDIO
Más detallesLa Estadística y el Mejoramiento Genético
La Estadística y el Mejoramieto Geético. Itroducció 2. Valores idividuales y parámetros poblacioales 3. La distribució ormal 4. La media 5. Variació Importacia Medidas: - Variaza - Desvío estádar 6. Covariació
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesBIOESTADÍSTICA I 1. DEFINICIONES
BIOESTADÍSTICA I 1. DEFINICIONES 1.1 ESTADÍSTICA. Es ua disciplia, que hace parte de la matemática aplicada, que provee métodos y procedimietos para colectar, clasificar, resumir y aalizar iformació (datos)
Más detallesTEMA 3: DESCRIPCIÓN NUMÉRICA DE UNA VARIABLE ESTADÍSTICA: MEDIDAS DE LOCALIZACIÓN, DISPERSIÓN Y FORMA. MEDIDAS DE CONCENTRACIÓN.
TEMA 3: DESCRIPCIÓN NUMÉRICA DE UNA VARIABLE ESTADÍSTICA: MEDIDAS DE LOCALIZACIÓN, DISPERSIÓN Y FORMA. MEDIDAS DE CONCENTRACIÓN. Medidas de localizació. Medidas de dispersió. Coeficiete de variació. Mometos
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UIDIMESIOAL..- ITRODUCCIÓ A LA ESTADÍSTICA.- Objeto de la estadística La Estadística es el cojuto de métodos ecesarios para recoger, clasificar, represetar y resumir datos así como para iferir
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesSecretaría de Extensión Universitaria. Trabajo Practico N 3
Trabajo Practico N 3 Medidas de Tedecia Cetral La Media (promedio), se deota como x, de ua muestra es el promedio aritmético de sus valores. Y se calcula mediate al formula: Si aparece los datos agrupados
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesWalter Orlado Gozales Caicedo Secuecias Lógicas OBJETIVO: Lograr habilidad y destreza e el alumo practicado u razoamieto abstracto PROCEDIMIENTOS: INICIAL: Halla el valor del térmio que cotiúa e:,,,, 0,
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detalles11 Estadísticabidimensional
UNIDAD 11 Estadísticabidimesioal ÍNDICE DE CONTENIDOS 1. Estadísticauidimesioal.................................41 1.1. Població y muestra.................................. 41 1.. Parámetros estadísticos................................
Más detallesCAPITULO 1. Teorema del Binomio
CAPITULO 1 Teorema del Biomio Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes que ivolucre u úmero fiito
Más detallesPROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)
TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA
Más detallesEL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR).
1 EL MODELO DE MERCADO (MODELO DE ÍNDCE ÚNCO, O MODELO DE UN SOLO FACTOR). Disoemos de las tasas de redimieto de u cojuto de activos co riesgo (i = 1,,, ) y disoemos tambié de la tasa de redimieto de u
Más detalles, como el cociente = (n k)!k! Propiedades de los números combinatorios: n k = n. k x n k y k +... ( ) Dando valores x=y=1, se obtiene la igualdad n
NÚMEROS COMBINATORIOS Def:Dado u úmero etero o egativo, se defie el factorial de (! como el producto! = ( 1...1 Def: Dados dos úmeros,k eteros o egativos tales que k, se defie el úmero combiatorio sobre
Más detallesMOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL. Resumen: En este artículo se muestra como las transformaciones de funciones resultan
MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL Viceç Fot Departamet de Didàctica de les CCEE i de la Matemàtica de la Uiversitat de Barceloa Resume: E este artículo se muestra como las trasformacioes
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detalles