Tema 01v01

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION
Dise no de Experimentos
Tema 1 Daniel Mart nez Bello
Universidad Cooperativa de Colombia Facultad de Medicina Veterinaria y Zootecnia
August 31, 2011
Daniel Mart nez Bello
QUE ES ESTAD ISTICA
Estad stica se reere a los m etodos cient cos para recolectar, organizar, resumir, presentar y analizar datos, asi como obtener conclusiones validas y hacer decisiones razonables sobre la base de tales an alisis.
PARA QUE SIRVE LA ESTADISTICA
Sin t ecnicas estad sticas las conclusiones de estudios experimentales y observacionales no tienen validez
QUE SON ESTUDIOS OBSERVACIONALES Y EXPERIMENTALES?
El estudio experimental y el estudio observacional. La diferencia principalmente es que el estudio experimental ofrece la posibilidad de determinar la relacion causa y efecto entre una o mas variables predictoras o explicatorias o independientes y una variable respuesta. Con el estudio observacional podemos establecer una asociacion entre las variables explicatorias o predictoras y la variable respuesta, pero no una causaci on.
Que es un experimento?
Un experimento es una operaci on conducida bajo condiciones controladas para descubrir un efecto previamente desconocido, para probar o establecer una hip otesis o para demostrar un ley conocida.
Un experimento es una operaci on conducida bajo condiciones controladas para descubrir un efecto previamente desconocido, para probar o establecer una hip otesis o para demostrar un ley conocida. El objetivo de un experimento es aclarar la relaci on entre las condiciones controlables y el resultado de un experimento.
Un experimento es una operaci on conducida bajo condiciones controladas para descubrir un efecto previamente desconocido, para probar o establecer una hip otesis o para demostrar un ley conocida. El objetivo de un experimento es aclarar la relaci on entre las condiciones controlables y el resultado de un experimento. Un an alisis experimental se realiza sobre observaciones que son afectadas no solamente por las condiciones controladas, sino tambien por condiciones no controladas y errores de medida.
Un experimento es una operaci on conducida bajo condiciones controladas para descubrir un efecto previamente desconocido, para probar o establecer una hip otesis o para demostrar un ley conocida. El objetivo de un experimento es aclarar la relaci on entre las condiciones controlables y el resultado de un experimento. Un an alisis experimental se realiza sobre observaciones que son afectadas no solamente por las condiciones controladas, sino tambien por condiciones no controladas y errores de medida. (The Concise Encyclopedia of Statistics, 2008).
Daniel Mart nez Bello Dise no de Experimentos
OBJETIVO DE LA EXPERIMENTACION
Obtener conclusiones acerca de la pregunta cient ca planteada por un investigador, basado en un m etodo cient co que implica controlar al maximo la variabilidad de los datos generados por un experimento
POBLACION
La colecci on completa de objetos, personas, animales o entidades individuales m nimas de las cuales el investigador desea obtener informaci on. Ejemplos El investigador desea conocer algun atributo espec co de la poblaci on. Cada miembro de la poblaci on tiene un NUMERO asociado con el. Por ejemplo Podemos denir como un modelo de la poblaci on, la colecci on de n umeros para cada individuo en la poblaci on real.
PARAMETRO
Un investigador requiere conocer la distribuci on de los numeros de la poblaci on. El investigador esta interesado en los parametros de una poblaci on. Los parametros son numeros asociados con la distribuci on de la poblaci on, son numeros que resumen la distribuci on de una poblaci on. Ejemplos: Media poblacional, mediana, desviaci on standard.
PARAMETRO
En muchos estudios no es factible obtener informaci on acerca de todas la unidades de una poblaci on. La poblaci on puede tener caracter sticas que impiden obtener datos para la poblaci on entera. Ejemplo: la poblaci on puede ser muy grande, o muy peque na , o estar muy dispersa, o puede ser muy costoso recoger los datos para la poblaci on completa.
MUESTRA
Una muestra es una parte de la poblaci on. Una muestra se toma para conocer alguna caracter stica de una poblaci on. Ejemplo: La poblaci on de globulos blancos de un mam fero se puede estimar a partir de una muestra de sangre. La poblaci on de caninos de un barrio se puede estimar a partir de una muestra de unidades familiares. La producci on de huevo de una regi on productora de huevo se puede estimar a partir de una muestra de granjas productoras de huevo.
ESTAD ISTICO
Un estad stico de una muestra es una caracter stica num erica, es un n umero, que resume la distribuci on de una muestra. La media de la muestra, la mediana de la muestra y la desviacion standard de la muestra. Un estad stico tiene una relaci on similar a una muestra, como un par ametro es a una poblaci on. Ejemplo: el promedio de gastos de inversi on para proyectos agropecuarios en los municipios de santander. Ejemplo: el nivel de enzima fosfatasa alcalina sangu nea en promedio para 10 equinos en reposo.
INFERENCIA ESTADISTICA
Inferencia estad stica es realizar una declaraci on, una armaci on un enunciado acerca de un par ametro poblacional basado en un estad stico de una muestra. Para que la inferencia estad stica sea valida la muestra debe ser representativa de la poblaci on La representatividad de la muestra esta dada por la similitud de la distribuci on de la muestra con respecto a la distribuci on de la poblaci on de la cual proviene. Sesgo por muestreo es una tendencia a colectar una muestra no representativa, generando inferencias no validas.
LETRAS GRIEGAS
alfa beta gama delta tau epsilon sigma chi lambda mu omega teta ro nu eta kappa upsilon xi psi iota zeta
NOTACION
Una poblaci on se denota con una letra may uscula. Los par ametros de una poblaci on se denotan con una letra griega. Una muestra se denota con una letra may uscula. Un estad stico se denota con una letra may uscula o min uscula.
VARIABLE
Es un atributo de una poblaci on o una muestra. Es la representaci on de una caracter stica de una poblaci on o una muestra que toma diferentes valores. Una variable se denota con una letra may uscula o min uscula. Ejemplos: Peso, edad, color de ojos, porcentaje de grasa en la leche, porcentaje de huevos incubables de un lote de postura, edad al primer parto.
TIPOS DE VARIABLES
Variables CONTINUAS. Es una variable cuyos valores se encuentran en un intervalo de valores. Ejemplos: Peso, edad, nivel de una sustancia en la sangre. Variables DISCRETAS (conocidas tambien como Variables CATEGORICAS) Es una variable cuyos valores se denen en categorias. Ejemplos: presencia o ausencia de una enfermedad, sexo, tipo de ganado(leche, carne, doble proposito).
EJEMPLO
Peso de hembras bovinas de despaje de mas de 5 a nos de raza Cebu, en kilogramos 449, 400, 459, 428, 359, 328, 330, 355, 432, 330, 324, 354, 385, 445, 330, 420, 350, 415, 375, 435
REPRESENTACION GRAFICA DE UNA VARIABLE
Gr aco de puntos (Dotplot) Gr aco de cajas y bigotes (Box and Whiskers plot, Box plot) Gr aco (Stem and Leaf plot) Tabla de frecuencias Histograma Pol gono de frecuencias acumuladas
GRAFICO DE PUNTOS (DOTPLOT)

Gr aco de puntos para las 20 hembras bovinas de despaje.
q q q q q q q q q q q q q q q q q q q q
320
340
360
380
400
420
440
460
GRAFICO DE CAJAS Y BIGOTES (BOX AND WHISKERS PLOT)

Gr aco de boxplot para las 20 hembras bovinas de despaje.
PESO (KILOGRAMOS)
320
340
360
380
400
420
440
460
Raices y hojas (stem and leaf plot)
Gr aco de raices y hojas para las 20 hembras bovinas de despaje. El punto decimal queda 2 digitos a la derecha de la barra vertical.
3 3 4 4
23333 556689 022334 556
TABLA DE FRECUENCIAS
Hembras bovinas de despaje Para realizar esta tabla se ordenan los datos de menor a mayor, luego se crean intervalos de igual longitud, y se cuenta el n umero de observaciones en cada intervalo.
Intervalo inferior 321 341 361 381 401 421 441
Intervalo superior 340 360 380 400 420 440 460
Frecuencia 5 4 1 2 2 3 3
Frecuencia Acumulada 5 9 10 12 14 17 20
HISTOGRAMA DE FRECUENCIAS
Hembras bovinas de despaje El histograma es una forma de representar las frecuencias de conteo en una forma gr aca.
Histogram of peso
5 Frecuencia 0 320 1 2 3 4
340
360
380
400
420
440
460
Peso (kilogramos)
GRAFICA DE FRECUENCIAS ACUMULADAS

Hembras bovinas de despaje
Frecuencia Acumulada
0 320
10
15
20
340
360
380
400
420
440
460
Peso(kilogramos)
MEDIDAS DE TENDENCIA CENTRAL
La media. La mediana.
MEDIA
La media de la poblaci on, los datos los tenemos de acuerdo a como los recolectamos y1 , y2 , , yn
Donde el sub ndice indica el orden en que los datos fueron recogidos Sumamos los datos y los dividimos por el numero total de datos
= Y
n i =1
n
MEDIANA
Los datos los tenemos de acuerdo a como los recolectamos y1 , y2 , , yn Donde el sub ndice indica el orden en que los datos fueron recogidos Primero ordenamos los datos de menor a mayor y[1] , y[2] , , y[n] Donde el sub ndice indica el orden de los datos de menor a mayor as [1] es el menor, [2] es el siguiente , hasta[n] que es el n umero mayor
MEDIANA
La mediana se determina como el valor medio que se encuentra en los datos ordenados. mediana = y[ n+1 ]
2
Si el sub ndice no es entero se toma el promedio entre los dos datos con sub ndices mas cercanos al sub ndice que corresponde a la mediana.
EJEMPLO: MEDIANA
Se ordenan los datos de menor a mayor 324 y[1] 385 y[11] 328 y[2] 400 y[12] 330 y[3] 415 y[13] 330 y[4] 420 y[14] 330 y[5] 428 y[15] cccc 350 y[6] 432 y[16] 354 y[7] 435 y[17] 355 y[8] 445 y[18] 359 y[9] 449 y[19] 375 y[10] 459 y[20]
EJEMPLO: MEDIANA
Para estimar la mediana mediana = y[ 20+1 ] = y[10,5]
2
Como el sub ndice no es entero se toman los datos con sub ndice y[10] correspondiente a 375 y y[11] correspondiente a 385, y se toma un valor promedio mediana = (375 + 385) = 380 2
La mediana de la poblaci on es de 380 kilogramos
MEDIDAS DE DISPERSION
Rango Rango intercuart lico. Varianza Desviaci on standard
RANGO
Primero ordenamos los datos de menor a mayor y[1] , y[2] , , y[n]
Donde el sub ndice indica el orden de los datos de menor a mayor asi [1] es el menor, [2] es el siguiente , hasta[n] que es el numero mayor Se selecciona el valor menor y[1] y el valor mayor y[n] . Se resta el valor mayor y[n] del menor valor y[1] , y se obtiene el rango
EJEMPLO: RANGO
324 328 330 330 330 Se ordenan los datos de menor a mayor 350 354 355 359 375 y[1] y[2] y[3] y[4] y[5] y[6] y[7] y[8] y[9] y[10] 385 400 415 420 428 432 435 445 449 459 y[11] y[12] y[13] y[14] y[15] y[16] y[17] y[18] y[19] y[20]
EJEMPLO:RANGO
El valor menor es 324 y el valor mayor es 459. El rango es 135 kilogramos.
RANGO INTERCUARTILICO
Primero ordenamos los datos de menor a mayor y[1] , y[2] , , y[n]
Donde el sub ndice indica el orden de los datos de menor a mayor asi [1] es el menor, [2] es el siguiente , hasta[n] que es el numero mayor Se seleccionan los valores que corresponden al 25% inferior y al 75% superior Cuartil25 = y[ n+1 ] , Cuartil75 = y 4
Daniel Mart nez Bello 3(n+1) 4
EJEMPLO: RANGO INTERCUARTILICO

Primero ordenamos los datos de menor a mayor y[1] , y[2] , , y[n] Se seleccionan los valores que corresponden al 25% inferior y al 75% superior Cuartil25 = y[ 20+1 ] = y[5,5] 4 Cuartil75 = y 3(20+1) = y[15,75]
4
Los valores mas cercanos a y[5,5] son y[5] (330) y y[6] (350), el valor promedio entre los dos es 340, este corresponde al cuartil 25%. Los valores mas cercanos a y[15,75] son y[15] (428) y y[16] (432), el valor promedio entre los dos es 430, este corresponde al cuartil 75%.
VARIANZA
Los datos los tenemos de acuerdo a como los recolectamos y1 , y2 , , yn
Donde el sub ndice indica el orden en que los datos fueron recogidos La varianza nos informa acerca de la dispersi on o variabilidad 2 de los datos, se denota con la letra griega S . S2 =
n i =1 (Yi
)2 Y
n
EJEMPLO: VARIANZA
Y 324 328 330 330 330 350 354 355 359 375 Y 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 i ) (Y Y -61,2 -57,2 -55,27 -55,2 -55,2 -35,2 -31,2 -30,2 -26,2 -10,2 )2 (Yi Y 3739,3 3266,1 3041,5 3041,5 3041,5 1235,5 970,3 909 683,8 103
EJEMPLO: VARIANZA
Y 385 400 415 420 428 432 435 445 449 459 Y 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 385,2 i ) (Y Y -0,1 14,9 29,9 34,9 42,9 46,9 49,9 59,9 63,9 73,9 )2 (Yi Y 0 220,5 891 1214,5 1836,1 2194,9 2485 3582 4076,8 5453,8
EJEMPLO: VARIANZA
S =
n i =1 (Yi
)2 Y
41986, 6 = 2099, 3 20
(1)
DESVIACION STANDARD
La desviaci on standard tiene la misma interpretaci on que la varianza, nos indica la variabilidad de los datos (la variabilidad de una poblaci on o de una muestra), se denota con la letra s . S = S2
EJEMPLO:DESVIACION STANDARD
S=
S2 =
2099.3 = 45, 82 Kilogramos
EJEMPLO: VARIANZA
S =
n i =1 (Yi
)2 Y
41986, 6 = 2209, 8 19
DESVIACION STANDARD
La desviaci on standard es la raiz cuadrada de la varianza. S = S2
EJEMPLO:DESVIACION STANDARD
S=
S2 =
2209.8 = 47, 01 Kilogramos
Bibliograf a
Daalgard, P. (2002). Introductory Statistics with R. Springer. 2002 R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org.

Tema 01v01

Cargado por

Información del documento

Título original

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

Tema 01v01

Cargado por

Copyright:

Formatos disponibles

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

August 31, 2011

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

QUE ES ESTAD ISTICA

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

PARA QUE SIRVE LA ESTADISTICA

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

QUE SON ESTUDIOS OBSERVACIONALES Y EXPERIMENTALES?

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

REPRESENTACION GRAFICA DE UNA VARIABLE

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

GRAFICO DE PUNTOS (DOTPLOT)

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

GRAFICO DE CAJAS Y BIGOTES (BOX AND WHISKERS PLOT)

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Raices y hojas (stem and leaf plot)

23333 556689 022334 556

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Intervalo inferior 321 341 361 381 401 421 441

Intervalo superior 340 360 380 400 420 440 460

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

Daniel Mart nez Bello

Deniciones POBLACION Y MUESTRA VARIABLES MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION

GRAFICA DE FRECUENCIAS ACUMULADAS

Daniel Mart nez Bello