P. 1
HERRAMIENTAS ESTADÍSTICAS viernes 3

HERRAMIENTAS ESTADÍSTICAS viernes 3

4.78

|Views: 9.872|Likes:
Publicado pormariasantiago6
Introducción estadística
Introducción estadística

More info:

Published by: mariasantiago6 on Aug 03, 2007
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

04/11/2013

pdf

text

original

HERRAMIENTAS ESTADÍSTICAS

LA ESTADÍSTICA COMO UNA HERRAMIENTA EN LA INVESTIGACIÓN. La investigación es un proceso en el que se vinculan diferentes niveles de abstracción, se cumplen determinados principios metodológicos y se cubren diversas etapas lógicamente articuladas, apoyando dicho proceso en teorías, métodos, técnicas e instrumentos adecuados y precisos para poder alcanzar un conocimiento objetivo, es decir verdadero, sobre determinados procesos o hechos sociales. EL SIGNIFICADO DE ESTADÍSTICA La palabra estadística tiene fundamentalmente dos significados. El primero de ellos se refiere a datos clasificados, especialmente numéricos a cerca de una clase de objetos. En un segundo significado, se llama estadística a la ciencia que trata de la recolección, análisis, interpretación y representación de datos. CLASIFICACIÓN DE ESTADÍSTICA Los problemas asociados a la descripción, resumen y análisis de los datos ha dado lugar al desarrollo de métodos que constituyen una de las partes de la estadística que más ha sido estudiada, la estadística descriptiva. La mayoría de la información estadística proviene de observaciones efectuadas a una pequeña proporción del conjunto total. Como resultado de esto, la estadística inferencial ha desarrollado técnicas que permiten hacer predicciones a partir de datos conocidos, o bien, obtener información a cerca de una población conociendo únicamente a algunos representantes de ella, CONCEPTOS IMPORTANTES Población Si un conjunto de datos consta de todas las observaciones concebiblemente posibles (o hipotéticamente posibles) de cierto fenómeno, lo llamamos población. Muestra Si un conjunto de datos contiene únicamente una parte de estas observaciones, lo llamamos muestra. Entidad Se refiere a un elemento o miembro individual de un grupo de personas, lugares o cosas. Variable Es el conjunto de características de las entidades que interesan en una investigación. Variable Aleatoria Si los valores numéricos que toma una variable provienen de factores fortuitos y si un determinado valor no se puede predecir exactamente con anticipación, esa variable se denomina variable aleatoria.

Variable Continua Es aquella que teóricamente puede tomar cualquier valor dentro de un intervalo de valores. La estatura de los niños de secundaria, el peso de los adultos mayores en la Ciudad de México, el tiempo que tarda en desplazarse una persona de su casa al trabajo, son ejemplos de variables continuas. Variable discreta Cuando los valores que puede tomar una variable están separados entre sí, por una determinada cantidad, la variable se llama variable discreta. Ejemplos de variables discretas son es número de integrantes de las familias en el estado de Veracruz, la matrícula en las primarias de la zona norte del estado, el número de nacimientos en el mes del Julio del 2007.

MEDIDAS DE TENDENCIA CENTRAL La mayor parte de los conjuntos de datos muestran una tendencia a agruparse alrededor de un punto “central” y por lo general es posible elegir algún valor promedio que describa todo un conjunto de datos. Un valor típico descriptivo como ese es una medida de tendencia central o “posición”. Con frecuencia se utilizan tres tipos de promedios como medidas de tendencia central, que son: media aritmética, mediana y moda.

Media aritmética La media aritmética (también denominada media) es el promedio o medida de tendencia central que se utiliza con mayor frecuencia. Se calcula sumando todas las observaciones de un conjunto de datos, dividiendo después ese total entre el número total de elementos involucrados.

MEDIA PARA DATOS NO AGRUPADOS.
n

x=

∑x
i =1

i

n

Ejemplo 1. Se desea conocer la calificación final del alumno Juan Alvarado Cancino, cuando obtuvo durante el curso las siguientes calificaciones parciales: 8, 7, 9, 8.

x=

8+7+9+8 =8 4

Por lo tanto la calificación final de Juan es 8. Ejemplo 2. Una guardería es una institución elegible para recibir el subsidio, destinado a los servicios sociales del condado, a condición de que la edad promedio de sus niños no llegue a 9. Si los datos siguientes representan la edad de todos los niños que actualmente asisten a ella: 8, 5, 9, 10, 9, 12, 7, 12, 13, 7, 8. ¿Llena los requisitos para recibir el subsidio? 8 + 5 + 9 + 10 + 9 + 12 + 7 + 12 + 13 + 7 + 8 = 9.09 11

x=

Por lo tanto al rebasar la edad promedio requerida, la guardería no recibirá el subsidio.

Mediana La mediana es el valor es el valor que se encuentra en el centro de una secuencia ordenada de datos. Si no hay empates, la mitad de las observaciones serán menores y la mitad serán mayores. La mediana no se ve afectada por observaciones extremas en un conjunto de datos. Por ello, cuando se presenta alguna observación extrema, resulta apropiado utilizar la mediana, para describir el conjunto de datos.

Para calcular la mediana a partir de un conjunto de datos colectados en su forma natural, primero se deben ordenar en forma creciente o decreciente, y el dato central es el resultado; en caso de que queden dos datos centrales se determina un promedio.

Ejemplo 1: Los siguientes datos son el número de minutos que en 15 días laborales una persona tiene que esperar el autobús que la llevará a su trabajo: 10, 1, 13, 9, 5, 9, 2, 10, 3, 8, 6, 17, 2, 10, y 15. Determine que tiempo en promedio debe esperar la persona su autobús.

Al ordenar quedan: 1, 2, 2, 3, 5, 6, 8, 9, 9, 10, 10, 10, 13, 15, 17. La mediana es 9. Ejemplo 2: La producción de automóviles Chrysler para el mercado nacional en el periodo 1991-1996, está dada por la siguiente tabla: AÑO PRODUCCIÓN 1991 52 472 1992 83 724 1993 57 636 1994 46 816 1995 15 624 1996 13 205

¿Cuál es la producción promedio durante este periodo?

Al ordenar: 13205, 15624, 46816, 52472, 57636, 83724, vemos que hay dos datos centrales, por la tanto

la mediana será:

46816 + 52472 = 49644 unidades. 2

Moda

En ocasiones, cuando se describe o se resume un conjunto da datos, se utiliza la moda como medida de tendencia central. La moda es el valor de un conjunto de datos que aparece con mayor frecuencia. La moda puede existir o n o existir, si existe puede ser unimodal, bimodal o multimodal. A diferencia de la media aritmética, la moda no se afecta ante la ocurrencia de valores extremos. Sin embargo, sólo se utiliza para propósitos descriptivos porque es más variable.

Ejemplo 1: En los siguientes datos determine cuál es la moda. a) 7, 15, 12, 19, 13, 8, 10 b) 32, 19, 42, 30, 19, 40, 28 c) 14, 5, 17, 12, 10, 5, 17, 8 moda: no existe. moda: 19 , unimodal. moda: 5 y 17, bimodal.

Ejemplo 2: Se entrevistó a 20 comentaristas deportivos sobre el horario que recomendaban a TV Azteca para el reality show deportivo. Su opinión fue; 23:00, 13:00, 16:00, 20:00, 12:00, 20:00, 19:00, 14:00, 16:00, 20:00, 12:00, 16:00, 13:00, 12:00, 20:00, 8:00, 18:00, 18:00, 20:00, 23:00. Usando la moda ¿cuál es el horario más recomendable? Los datos que más se repiten son: 20:00 y 12:00 hrs, por eso es el horario recomendado para transmitir el programa según los comentaristas.

MEDIDAS DE DISPERSIÓN Una segunda propiedad importante que describe a un conjunto de datos es la dispersión. Dispersión es el grado de variación o diseminación de los datos. Estas medidas se emplean para saber si los valores están cercanos uno del otro. Existen tres medidas de dispersión importantes: rango, varianza y desviación estándar.

Rango Es la diferencia entre el valor mayor y valor menor de una serie de datos.

Ejemplo. Determine el grado de dispersión de la edad de un conjunto de personas. 15, 25, 34, 18, 40 años. Rango: 40 – 15 = 25 años.

Varianza Dos medidas de dispersión que se utilizan con frecuencia y que sí toman en consideración la forma en que se distribuyen todos los valores son la varianza y su raíz cuadrada, la desviación estándar. Estas medidas establecen la forma en que los valores fluctúan con respecto a la media.

Varianza muestral

S2 =

∑ ( x − x)
i =1 i

n

2

n −1

Desviación estándar muestral

S=

∑ ( x − x)
i =1 i

n

2

n −1

Ejemplo: Se realiza un estudio de los efectos de fumar sobre los patrones del sueño. La medición que se observa es el tiempo, en minutos, que toma el quedar dormido. Se obtienen los siguientes datos: Fumadores 69.3 56.0 No 28.6 27.0 fumadores 1 22.1 47.6 53.2 48.1 52.7 34.4 60.2 43.8 23.2 13.8 26.4 34.9 29.8 28.4 38.5 30.2 30.6 31.8 41.6 21.1 36.0 37.9 13.9

a) Encuentre la media de la muestra para cada grupo. b) Determine la desviación estándar para cada grupo. c) Comente que clase de imparto produce el fumar sobre el tiempo que se requiere para quedar dormido.

Solución: a) xF = x NF b) SF = S NF = (69.3 − 43.7) 2 + (56.0 − 43.7) 2 + (22.1 − 43.7) 2 + (47.6 − 43.7) 2 + .... + (13.8 − 43.7) 2 = 16.92 min 12 − 1 (28.6 − 30.45) 2 + (27.01 − 30.45) 2 + (26.4 − 30.45) 2 + (34.9 − 30.45) 2 + ...(13.9 − 30.45) 2 = 7.04 min 15 − 1 69.3 + 56.0 + 22.1 + 47.6 + 53.2 + 48.1 + 52.7 + 34.4 + 60.2 + 43.8 + 23.2 + 13.8 = 43.7 min 12 28.6 + 27.01 + 26.4 + 34.9 + 29.8 + 28.4 + 38.5 + 30.2 + 30.6 + 31.8 + ... + 13.9 = = 30.45 min 15

c) De acuerdo a los resultados anteriores se considera que el fumar si aumenta el tiempo para quedar dormido.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->