UNIVERSIDAD TE CNOLOGICA DE MORELIA

TECNOLOGIAS DE LA INFORMACION Y COMUNICACIN

DESARROLLO DE HABILIDADES DEL PENSAMIENTO LOGICO
2E
UNIDAD V
CARLOS ALFREDO SANTIBAES
Nombre del profesor
UTM111216TIC
08/04/2012 EN MI CASAHAHAHA XD
















Estadstica Descriptiva
La estadstica descriptiva es una parte de la estadstica que se dedica a analizar y
representar los datos. Este anlisis es muy bsico, pero fundamental en todo
estudio. Aunque hay tendencia a generalizar a toda la poblacin las primeras
conclusiones obtenidas tras un anlisis descriptivo, su poder inferencial es mnimo
y debera evitarse tal proceder. Otras ramas de la estadstica se centran en el
contraste de hiptesis y su generalizacin a la poblacin.
Clasificacin de la estadstica

La estadstica se puede clasificar en dos grandes ramas:
1. Estadstica descriptiva o deductiva.
2. Estadstica inferencial o inductiva.
La primera se emplea simplemente para resumir de forma numrica o grfica un
conjunto de datos. Se restringe a describir los datos que se analizan. Si aplicamos
las herramientas ofrecidas por la estadstica descriptiva a una muestra, solo nos
limitaremos a describir los datos encontrados en dicha muestra, no se podr
generalizar la informacin hacia la poblacin. La estadstica inferencial permite
realizar conclusiones o inferencias, basndose en los datos simplificados y
analizados de una muestra hacia la poblacin o universo. Por ejemplo, a partir de
una muestra representativa tomada a los habitantes de una ciudad, se podr
inferir la votacin de todos los ciudadanos que cumplan los requisitos con un error
de aproximacin.
Historia de la Estadstica
Los comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos
faraones lograron recopilar, hacia el ao 3050 antes de Cristo, prolijos datos
relativos a la poblacin y la riqueza del pas. De acuerdo al historiador griego
Herodoto, dicho registro de riqueza y poblacin se hizo con el objetivo de preparar
la construccin de las pirmides. En el mismo Egipto, Ramss II hizo un censo de
las tierras con el objeto de verificar un nuevo reparto.
En el antiguo Israel la Biblia da referencias, en el libro de los Nmeros, de los
datos estadsticos obtenidos en dos recuentos de la poblacin hebrea. El rey
David por otra parte, orden a Joab, general del ejrcito hacer un censo de Israel
con la finalidad de conocer el nmero de la poblacin.
Tambin los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos
efectuaron censos peridicamente con fines tributarios, sociales (divisin de
tierras) y militares (clculo de recursos y hombres disponibles). La investigacin
histrica revela que se realizaron 69 censos para calcular los impuestos,
determinar los derechos de voto y ponderar la potencia guerrera.
Pero fueron los romanos, maestros de la organizacin poltica, quienes mejor
supieron emplear los recursos de la estadstica. Cada cinco aos realizaban un
censo de la poblacin y sus funcionarios pblicos tenan la obligacin de anotar
nacimientos, defunciones y matrimonios, sin olvidar los recuentos peridicos del
ganado y de las riquezas contenidas en las tierras conquistadas. Para el
nacimiento de Cristo suceda uno de estos empadronamientos de la poblacin
bajo la autoridad del imperio.
Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy
pocas operaciones Estadsticas, con la notable excepcin de las relaciones de
tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por
Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos
censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopil el
Domesday Book o libro del Gran Catastro para el ao 1086, un documento de la
propiedad, extensin y valor de las tierras de Inglaterra. Esa obra fue el primer
compendio estadstico de Inglaterra.
Aunque Carlomagno, en Francia; y Guillermo el Conquistador, en Inglaterra,
trataron de revivir la tcnica romana, los mtodos estadsticos permanecieron casi
olvidados durante la Edad Media.
Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols
Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes,
hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se
crearon los Estados Nacionales y surgi como fuerza el comercio internacional
exista ya un mtodo capaz de aplicarse a los datos econmicos.
Para el ao 1532 empezaron a registrarse en Inglaterra las defunciones debido al
temor que Enrique VII tena por la peste. Ms o menos por la misma poca, en
Francia la ley exigi a los clrigos registrar los bautismos, fallecimientos y
matrimonios. Durante un brote de peste que apareci a fines de la dcada de
1500, el gobierno ingls
comenz a publicar estadstica semanales de los decesos. Esa costumbre
continu muchos aos, y en 1632 estos Bills of Mortality (Cuentas de Mortalidad)
contenan los nacimientos y fallecimientos por sexo. En 1662, el capitn John
Graunt us documentos que abarcaban treinta aos y efectu predicciones sobre
el nmero de personas que moriran de varias enfermedades y sobre las
proporciones de nacimientos de varones y mujeres que cabra esperar. El trabajo
de Graunt, condensado en su obra Natural and Political Observations...Made upon
the Bills of Mortality (Observaciones Polticas y Naturales ... Hechas a partir de las
Cuentas de Mortalidad), fue un esfuerzo innovador en el anlisis estadstico.
Por el ao 1540 el alemn Sebastin Muster realiz una compilacin estadstica
de los recursos nacionales, comprensiva de datos sobre organizacin poltica,
instrucciones sociales, comercio y podero militar. Durante el siglo XVII aport
indicaciones ms concretas de mtodos de observacin y anlisis cuantitativo y
ampli los campos de la inferencia y la teora Estadstica.
Los eruditos del siglo XVII demostraron especial inters por la Estadstica
Demogrfica como resultado de la especulacin sobre si la poblacin aumentaba,
decreca o permaneca esttica.
En los tiempos modernos tales mtodos fueron resucitados por algunos reyes que
necesitaban conocer las riquezas monetarias y el potencial humano de sus
respectivos pases. El primer empleo de los datos estadsticos para fines ajenos a
la poltica tuvo lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor
alemn que viva en Breslau. Este investigador se propuso destruir la antigua
creencia popular de que en los aos terminados en siete mora ms gente que en
los restantes, y para lograrlo hurg pacientemente en los archivos parroquiales de
la ciudad. Despus de revisar miles de partidas de defuncin pudo demostrar que
en tales aos no fallecan ms personas que en los dems. Los procedimientos de
Neumann fueron conocidos por el astrnomo ingls Halley, descubridor del
cometa que lleva su nombre, quien los aplic al estudio de la vida humana. Sus
clculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas las
compaas de seguros.
Durante el siglo XVII y principios del XVIII, matemticos como Bernoulli, Francis
Maseres, Lagrange y Laplace desarrollaron la teora de probabilidades. No
obstante durante cierto tiempo, la teora de las probabilidades limit su aplicacin
a los juegos de azar y hasta el siglo XVIII no comenz a aplicarse a los grandes
problemas cientficos.
Godofredo Achenwall, profesor de la Universidad de Gotinga, acu en 1760 la
palabra estadstica, que extrajo del trmino italiano statista (estadista). Crea, y
con sobrada razn, que los datos de la nueva ciencia seran el aliado ms eficaz
del gobernante consciente. La raz remota de la palabra se halla, por otra parte, en
el trmino latino status, que significa estado o situacin; Esta etimologa aumenta
el valor intrnseco de la palabra, por cuanto la estadstica revela el sentido
cuantitativo de las ms variadas situaciones.
Jacques Qutelect es quien aplica las Estadsticas a las ciencias sociales. Este
interpret la teora de la probabilidad para su uso en las ciencias sociales y
resolver la aplicacin del principio de promedios y de la variabilidad a los
fenmenos sociales. Qutelect fue el primero en realizar la aplicacin prctica de
todo el mtodo Estadstico, entonces conocido, a las diversas ramas de la ciencia.
Entretanto, en el perodo del 1800 al 1820 se desarrollaron dos conceptos
matemticos fundamentales para la teora Estadstica; la teora de los errores de
observacin, aportada por Laplace y Gauss; y la teora de los mnimos cuadrados
desarrollada por Laplace, Gauss y Legendre. A finales del siglo XIX, Sir Francis
Gaston ide el mtodo conocido por Correlacin, que tena por objeto medir la
influencia relativa de los factores sobre las variables. De aqu parti el desarrollo
del coeficiente de correlacin creado por Karl Pearson y otros cultivadores de la
ciencia biomtrica como J. Pease Norton, R. H. Hooker y G. Udny Yule, que
efectuaron amplios estudios sobre la medida de las relaciones.
Los progresos ms recientes en el campo de la Estadstica se refieren al ulterior
desarrollo del clculo de probabilidades, particularmente en la rama denominada
indeterminismo o relatividad, se ha demostrado que el determinismo fue
reconocido en la Fsica como resultado de las investigaciones atmicas y que este
principio se juzga aplicable tanto a las ciencias sociales como a las fsicas.



Media Aritmtica
La media aritmtica de n observaciones de la variable X se denotar por el
smbolo

y se define como la suma de ellas dividida por n. Simblicamente:

Ejemplo: La media aritmtica de los nmeros 3, 9, 12, 5 y 6 es:


Si se grafican estos puntos se obtiene:


En la figura es claro que la media aritmtica corresponde geomtricamente al
punto de equilibrio de los datos.
En una tabla de frecuencias, la media aritmtica se calcula suponiendo que todas
las observaciones en una clase son iguales a su valor medio (m
i
), por lo que la
contribucin de la i-sima clase a la suma es f
i
m
i
. Por lo tanto, se calcula la media
por la ecuacin:

Esta ecuacin tambin puede re-escribirse como:

Donde:
f
i
= frecuencia de la clase i-sima
m
i
= Valor medio de la clase i-sima
fR
i
= Frecuencia relativa de la clase i-sima

Ejemplo: Calcular la media de la siguiente tabla de distribucin de frecuencias:
intervalos
Punto medio
de clase (m
i
)
Conteo f
i
fA
i
FR
i
FRA
i

(07.7 , 11.7] 9.7 ||||| ||||| ||||| ||| 18 18 18/90 18/90
(11.7 , 15.7] 13.7 ||||| ||||| ||| 13 31 13/90 31/90
(15.7 , 19.7] 17.7
||||| ||||| |||||
||||| ||||
24 55 24/90 55/90
(19.7 , 23.7] 21.7 ||||| ||||| ||||| || 17 72 17/90 72/90
(23.7 , 27.7] 25.7 ||||| ||||| ||| 13 85 13/90 85/90
(27.7 , 31.7] 29.7 0 85 0/90 85/90
(31.7 , 35.7] 33.7 |||| 4 89 4/90 89/90
(35.7 , 39.7] 37.7 | 1 90 1/90 90/90
TOTAL 90 90 90/90 90/90

Se tiene la siguiente formula:
Se van a tomar todos los valores de la tabla de la columna f
i
y m
i
; se va a sustituir
en la frmula anterior y queda como:



Tambin la media se puede calcular con la formula:
Al tomar los datos de la Tabla de Frecuencias para fRi y mi y sustituirlos en la
frmula el resultado queda de la siguiente manera:



Note que los resultados soun un poco diferentes por el nmero de decimales
utilizados para los calculos.



Mediana
La mediana (Me) de un conjunto de n nmeros ordenados de menor a mayor, es
el nmero central en el arreglo. Si n es un nmero impar (non), slo hay un valor
central en el arreglo. Si n es un nmero par, hay dos valores centrales y la
mediana debe tomarse como la media aritmtica de estos dos valores.

Ejemplo: Calcular la mediana de los nmeros 3, 9 , 12, 5 y 6

Primero hay que ordenar los nmeros de menor a mayor:
3, 4, 6, 9, 12
Despus se debe verificar si el valor de n es par o impar (non), en
caso de ser par se toman los dos valores que estn en el centro.
Como en este caso n = 5 (nmero non), hay un solo valor central, el
6 y ste es el valor de la mediana, es decir:
Me = 6

Ntese que la mediana es un valor ms tpico del conjunto anterior que la media
aritmtica:

Ejemplo: Se tienen las siguientes edades tomadas de un grupo de 10 estudiantes
del grupo del curso de Introduccin a los Diseos Experimentales del Colegio de
Postgraduados, se desea conocer cual sera su media y cul sera su mediana.
25, 27, 35, 28, 30, 24, 25, 29, 32, 37
a. Clculo de la media:

b. Clculo de la mediana:
Primero se ordenan los datos de menor a mayor:
24, 25, 25, 27, 28, 29, 30, 32, 35, 37
Puesto que n = 10(nmero par), hay dos valores centrales, que son 28 y 29. La
mediana es la media aritmtica de estos dos valores. Es decir



Para localizar la mediana en una tabla de frecuencias slo busque los valores que
indiquen aproximadamente la mitad de la frecuencia relativa acumulada
(aproximadamente el 50%), ya que la mediana es un valor que divide a los datos
en mitades.

Como los datos son 90 (nmero par) la mediana esta localizada entre la
observacin cuadragsima quinta y cuadragsima sexta (45
a
y 46
a
) que
corresponde al intervalo entre 15.7 y 19.7 como se muestra en la tabla:

intervalos Punto medio Conteo f
i
fA
i
FR
i
FRA
i

de clase (m
i
)
(07.7 , 11.7] 9.7 ||||| ||||| ||||| ||| 18 18 18/90 18/90
(11.7 , 15.7] 13.7 ||||| ||||| ||| 13 31 13/90 31/90
(15.7 , 19.7] 17.7
||||| ||||| |||||
||||| ||||
24 55 24/90 55/90
(19.7 , 23.7] 21.7 ||||| ||||| ||||| || 17 72 17/90 72/90
(23.7 , 27.7] 25.7 ||||| ||||| ||| 13 85 13/90 85/90
(27.7 , 31.7] 29.7 0 85 0/90 85/90
(31.7 , 35.7] 33.7 |||| 4 89 4/90 89/90
(35.7 , 39.7] 37.7 | 1 90 1/90 90/90
TOTAL 90 90 90/90 90/90

Otra forma de clculo sera utilizando la siguiente frmula:

Donde:
Me es mediana.
L es Lmite inferior de la clase mediana.
n es Tamao de muestra.
FA es Frecuencia Acumulada precedente a la clase mediana.
f es Frecuencia absoluta de la clase mediana.
c es amplitud del intervalo de clase.
De la tabla anterior se han tomando los valores necesarios para sustituir en la
frmula y obtener el valor de la Mediana:
L = 15.7
n = 90
FA = 31
f = 24
c = 4
Al sustituir en la formula queda la siguiente expresin:


Moda
La moda (Mo) de un conjunto de datos es el valor (si existe) que ocurre con mayor
frecuencia. Si es un valor nico decimos que la distribucin de frecuencias es
unimodal, si tiene dos o ms valores con la misma frecuencia mxima, decimos
que la distribucin es bimodal, trimodal, entre otras.

La moda es una medida de tendencia central que es poco usada por las siguientes
razones:
a) Puede ocurrir que no exista.
b) A menudo no es un valor nico.

Retomando el ejemplo de las edades tomadas de un grupo de 10 estudiantes del
grupo del curso de Introduccin a los Diseos Experimentales, el clculo de la
moda sera:
25, 27, 35, 28, 30, 24, 25, 29, 32, 37

La moda de este conjunto de datos es 25 puesto que tiene una frecuencia de 2,
mientras los dems valores tienen una frecuencia de 1.

Si se comparan los valores obtenidos por este conjunto de datos se tiene:




No siempre los datos obtenidos por la media, la mediana y la moda coinciden, este
es un ejemplo en el cual se nota ms este concepto.

En una tabla de frecuencias, la moda se define como el valor medio de la clase
cuya frecuencia tiene el valor numrico mayor, la cual recibe el nombre de clase
modal.


intervalos
Punto medio
de clase (m
i
)
Conteo f
i
fA
i
FR
i
FRA
i

(07.7 , 11.7] 9.7 ||||| ||||| ||||| ||| 18 18 18/90 18/90
(11.7 , 15.7] 13.7 ||||| ||||| ||| 13 31 13/90 31/90
(15.7 , 19.7] 17.7
||||| ||||| |||||
||||| ||||
24 55 24/90 55/90
(19.7 , 23.7] 21.7 ||||| ||||| ||||| || 17 72 17/90 72/90
(23.7 , 27.7] 25.7 ||||| ||||| ||| 13 85 13/90 85/90
(27.7 , 31.7] 29.7 0 85 0/90 85/90
(31.7 , 35.7] 33.7 |||| 4 89 4/90 89/90
(35.7 , 39.7] 37.7 | 1 90 1/90 90/90
TOTAL 90 90 90/90 90/90


Los valores obtenidos utilizando la tabla fueron:
Mo = 17.7 que es el punto medio del intervalo donde la frecuencia absoluta (24) es
mayor que los dems, y es de tipo unimodal.




Medidas de dispersin
Las medidas de tendencia central ttienen como objetivo el sintetizar los datos en
un valor representativo, las medidas de dispersin nos dicen hasta que punto
estas medidas de tendencia central son representativas como sntesis de la
informacin. Las medidas de dispersin cuantifican la separacin, la dispersin, la
variabilidad de los valores de la distribucin respecto al valor central. Distingamos
entre medidas de dispersin absolutas, que no son comparables entre diferentes
muestras y las relativas que nos permitirn comparar varias muestras.
MEDIDAS DE DISPERSIN ABSOLUTAS u VARIANZA ( s
2
): es el promedio del
cuadrado de las distancias entre cada observacin y la media aritmtica del
conjunto de observaciones.

Haciendo operaciones en la frmula anterior obtenemos otra frmula para calcular
la varianza:

Si los datos estn agrupados utilizamos las marcas de clase en lugar de X
i
.
u DESVIACIN TPICA (S): La varianza viene dada por las mismas unidades que
la variable pero al cuadrado, para evitar este problema podemos usar como
medida de dispersin la desviacin tpica que se define como la raz cuadrada
positiva de la varianza

Para estimar la desviacin tpica de una poblacin a partir de los datos de una
muestra se utiliza la frmula (cuasi desviacin tpica):

u RECORRIDO O RANGO MUESTRAL (R
e
). Es la diferencia entre el valor de las
observaciones mayor y el menor. R
e
= x
max
- x
min