Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin

Universidad Nacional Experimental Simn Rodrguez
Asignatura: Terminologia en Estadistica e Investigacion













Facilitador: Participantes:
Ronhiel Blanca Maria Blanquicett. C.I 24.891.069
Anabel Silva C.I 18.237.945
Johana Salazar C.I 18.598.555
Thisika Carter C.I 27.010.368
Brian Centeno C.I 24.378.431

Ciudad Bolivar, 11 de abril de 2014
ndice
Pg
Introduccin.1
Desarrollo 2
Qu son las medidas de variabilidad? 2
Rango..2
Rango para datos agrupados....3
Mediana de las desviaciones absolutas (la media).3
Coeficiente de variacin.4
Correlacin y Causalidad5
Probabilidades...6
Mtodos de medicin de Probabilidad...7
Conclusin..10
Bibliografa..11
















Introduccin
Una medida de dispersin o variabilidad nos determina el grado de
acercamiento o distanciamiento de los valores de una distribucin frente a su
promedio de localizacin, sobre la
Base de que entre ms grande sea el grado de variacin menor uniformidad
tendrn los datos (sinnimo de heterogeneidad) y por lo tanto menor
representatividad o confiabilidad del promedio de tendencia central o
localizacin por haber sido obtenido de datos dispersos. Por el contrario, si este
valor es pequeo (respecto a la unidad de medida) entonces hay una gran
uniformidad entre los datos. Cuando es cero quiere decir que todos los datos
son iguales.
Hay bsicamente dos tipos de medidas de dispersin: Medidas Absolutas y
Medidas Relativas. Las absolutas se caracterizan por ser nmeros concretos,
es decir, valores expresados en las mismas unidades de la variable en estudio
y que por lo tanto no permiten comparaciones o anlisis respecto a la mayor o
menor dispersin de series expresadas en diferentes unidades. Estas medidas
son: la varianza, la desviacin estndar y el rango intercuartilico.
Las medidas relativas de dispersin son valores abstractos, es decir, medidas a
dimensionales y por lo tanto no expresadas en ninguna unidad especfica,
obviando as el inconveniente sealado para las medidas absolutas. La
principal medida es el Coeficiente de variacin.
La probabilidad es una herramienta de ayuda para la toma de decisiones
porque proporciona una forma de medir, expresar y analizar las incertidumbres
asociadas con eventos futuros de razones entre el nmero de casos favorables
y el nmero de casos posibles.







Desarrollo
Qu son las medidas de variabilidad?
La puntuacin media en una distribucin es importante en muchos contextos
de investigacin. Pero tambin lo es otro conjunto de estadsticos que
cuantifican que tan variables, o que tan dispersas, tienden a ser las
puntuaciones. Las puntuaciones varan mucho, o tienden a tener valores muy
similares. A veces, la variabilidad en las puntuaciones es la cuestin central en
una investigacin. La variabilidad es un concepto cuantitativo, de modo que
nada de esto se aplica a las distribuciones de datos cualitativos. Hay varias
razones para analizar la variabilidad en una serie de datos. Primero, al aplicar
una medida de variabilidad podemos evaluar la medida de tendencia central
utilizada. Una medida de variabilidad pequea indica que los datos estn
agrupados muy cerca, digamos, de la media. La media, por lo tanto es
considerada bastante representativa de la serie de datos. Inversamente, una
gran medida de variabilidad indica que la media no es muy representativa de
los datos. Una segunda razn para estudiar la variabilidad de una serie de
datos es para comparar como estn esparcidos los datos en dos o ms
distribuciones.
Por ejemplo, la calificacin promedio de dos estudiantes,
A = {90, 80, 75, 75 }
y
B = {90, 55, 85, 90 }, es de 80.
Basados en esto podramos pensar que sus calificaciones son idnticas. Pero
si revisamos el detalle de sus calificaciones vemos que esta conclusin no es
correcta. Hay muchas medidas de variabilidad intuitivamente atractivas, pero
poco utilizadas, como el rango, la desviacin media y la desviacin cuartilar. De
lejos, las medidas de variabilidad ms ampliamente utilizadas son las que
tienen que ver con cmo extender los resultados a partir de la media. Estas son
la desviacin estndar (s), y la varianza (s o "var").
Rango
La forma ms sencilla de medir la variabilidad es el rango. Es la diferencia
entre los ms altos y ms bajos valores en un conjunto de datos no agrupados.
En la forma de una ecuacin:
Rango = valor ms alto - valor ms bajo
El rango tiene la ventaja de ser fcil de calcular y entender.
Ejemplo:
Las calificaciones de cinco estudiantes de estadstica son: 8, 8, 10, 6, y 8.
Cul es el rango de las calificaciones?
Rango = valor ms alto - valor ms bajo = 10 - 6 = 4
Rango para datos agrupados
Para estimar el rango de una distribucin de frecuencia se resta el lmite inferior
del intervalo de clase ms chico del lmite superior del intervalo de clase ms
grande
Ejemplo:
Una muestra de las edades del pblico de un concierto se encuentra distribuida
de la siguiente manera:
Edades Nmero de personas
15 - 19 2
20 24 1
25 29 4
30 34 15
35 - 39 10
40 - 44 5
45 - 49 3
Rango = mayor limite superior - menor lmite inferior = 49 - 15 = 34
(Valor absoluto de un nmero a = | a | es el nmero a sin su signo.)

Mediana de las desviaciones absolutas (la media)
Cuando la mediana es la medida de tendencia que mejor representa los datos,
la Meda es la medida ms apropiada. Se calcula mediante:

Es decir, contiene la mediana de las diferencias, en valor absoluto, respecto a
la mediana. El proceso de clculo supone que se debe obtener, en primer
lugar, el valor de la mediana de la muestra y, a continuacin, obtener las
diferencias en valor absoluto de cada uno de los valores con la mediana. Luego
se ordenan estas diferencias y se determina la mediana.
Ejemplo
Suponga que se tiene la siguiente muestra
10, 10, 11, 12, 12, 13, 14, 15, 15, 15, 16, 18, 19
Aqu la mediana es 7
Las respectivas desviaciones en valor absoluto de cada dato con respecto a la
mediana son:
4, 4, 3, 2, 2, 1, 0, 1, 1, 1, 2, 4, 5
Reordenando se tiene
0, 1, 1, 1, 1, 2, 2, 2, 3, 4, 4, 4, 5
Y as la meda es 2
Coeficiente de variacin
Es una medida que se emplea fundamentalmente para:
1. Comparar la variabilidad entre dos grupos de datos referidos a distintos
Sistema de medidas de medida. Por ejemplo, kilogramos y centmetros.
2. Comparar la variabilidad entre dos grupos de datos obtenidos por dos o
ms personas distintas.
3. Comparar dos grupos de datos que tienen distinta media.
4. Determinar si cierta media es consistente con cierta varianza.
El Coeficiente de variacin muestral se denota y se define como:

Ejemplo
Con un micrmetro, se realizan mediciones del dimetro de un balero, que
tienen una media de 4.03 mm y una Desviacin estndar de 0.012 mm; con
otro micrmetro se toman mediciones de la longitud de un tornillo que tiene una
media de 1.76 pulgadas y una desviacin estndar de 0.0075 pulgadas. Cul
de los dos micrmetros presenta una variabilidad relativamente menor? Los
coeficientes de variacin son:
CV =
y
CV =
En consecuencia, las mediciones hechas por el primer micrmetro exhiben una
variabilidad relativamente menor con respecto a su media que las efectuadas
por el otro micrmetro.
Correlacin y Causalidad
Con respecto a la determinacin de causalidad, debemos ser siempre
extremadamente cautelosos. Como ya dijimos la existencia de correlacin no
implica causalidad. En el mejor de los casos, los estadsticos pueden
establecer una correlacin entre diferentes elementos, esto es, que los
elementos que se estn midiendo se comportan como si estuvieran
relacionados. Y por cierto, tambin pueden establecer que no hay ninguna
relacin entre los objetos estudiados. Pero la estadstica no puede establecer
causalidad. En otras palabras, no se puede inferir causalidad sobre la base de
una correlacin emprica.

El hecho de que dos variables parezcan estar correlacionadas no
necesariamente significa que una est causando a la otra. Para empezar, la
relacin podra ser falsa o casual. Pero la relacin entre las variables tambin
puede ser el resultado de una tercera variable que causa o explica las otras
dos, y que por lo tanto lleva a que las dos variables causadas por esta tercera
parezcan estar relacionadas entre s. Por ejemplo, si en una escuela
primaria uno midiera la relacin entre las habilidades aritmticas de los
estudiantes y las estaturas de estos, se concluira que, de hecho, existe una
correlacin positiva entre estatura y habilidades aritmticas, es decir, mientras
mayor es la estatura de los estudiantes, mayores son sus habilidades
aritmticas. Sin embargo, sabemos que la altura no hace que los estudiantes
aprendan matemtica ni que el aprendizaje de la aritmtica hace que los
estudiantes sean ms altos. En este caso, que es muy evidente, hay un tercer
factor que explica la correlacin entre las mejores habilidades aritmticas y la
estatura de los estudiantes: la edad de los estudiantes. De modo que no es
que los estudiantes ms altos sean mejores para la aritmtica, sino que los
estudiantes de ms edad, o sea en los niveles ms altos, tienden a ser ms
altos y a tener mayores habilidades aritmticas. Hay un tercer factor que
explica las dos variables y que por este motivo parecen estar relacionadas,
pero en realidad no hay ninguna relacin entre ellas.

Desafortunadamente, la mayora de nosotros tenemos la tendencia a inferir
automticamente una relacin de causalidad sobre la base de una correlacin.
Pero para sostener una causalidad se debe siempre ir ms all de los hechos
empricos y buscar una explicacin o teora aceptable que conecte
convincentemente las variables involucradas. Una teora es a un conjunto de
hechos o datos, lo que un edificio es a un montn de ladrillos. Una teora, que
desde luego debe resistir sistemticamente las pruebas empricas, es la que
proporciona la base para hablar de una relacin causal entre variables y as
darle significado real a los datos.
En los siguientes prrafos presentamos algunos ejemplos especficos para la
educacin que deberan ayudarlo a pensar un poco ms acerca de las
relaciones de causalidad entre las variables. Los ejemplos tratan de subrayar la
necesidad, como usted bien sabe, de ser muy cautelosos al extraer
conclusiones sobre la base de una correlacin.
1. Los cambios a largo plazo en la remuneracin de los maestros primarios
y las tasas de matrcula primaria estn correlacionados. En la mayor
parte del mundo, a partir de los aos sesenta han aumentado tanto las
remuneraciones reales de los maestros primarios como las tasas de
matrcula, pero significa esto que el aumento de los salarios de los
maestros constituye la causa del aumento de las matrculas en
educacin primaria? No necesariamente.
En primer lugar, una tercera causa podra explicar la correlacin entre
las dos variables. En general, tres dcadas de desarrollo econmico a
su vez han originado mayores presupuestos para la educacin y esto ha
permitido que los pases aumenten simultneamente las
remuneraciones de los maestros primarios y las matrculas.

En segundo lugar, y lo que es muy importante, hay explicaciones ms
plausibles para el crecimiento simultneo de las tasas de matrcula
primaria y la remuneracin real de los maestros primarios, aunque esto
ltimo podra tener algn efecto indirecto al mejorar la calidad de la
enseanza.
2. En muchos pases en desarrollo, aunque no en todos, los alumnos de
las escuelas privadas tienden a tener mejor rendimiento que los
estudiantes de escuelas pblicas en pruebas de rendimiento en
matemtica y lectura. Significa esta correlacin entre el tipo de escuela
y el rendimiento de los estudiantes que las escuelas privadas (escuelas
relativamente autnomas, manejadas en forma relativamente autnoma
por administradores privados) imparten una mejor enseanza de
matemticas y lectura a los nios que las escuelas pblicas (escuelas
con poca autonoma, manejadas por funcionarios pblicos supervisados
atentamente y regulados en forma rigurosa)? No necesariamente.

La autonoma de la administracin de las escuelas y el conjunto de
incentivos asociados con ello podra constituir una parte de la
explicacin, pero otras variables tendran tambin gran peso en ayudar a
explicar las diferencias en los resultados de aprendizaje de los
estudiantes en escuelas privadas y pblicas en pases en desarrollo.
Una explicacin alternativa, y bastante razonable, es el hecho de que en
los pases en desarrollo, los nios de las escuelas privadas tienden a
provenir de estratos socioeconmicos ms altos que los nios de las
escuelas pblicas y por lo tanto son factores independientes de las
escuelas los que tienden a explicar las diferencias en los resultados.
Otra explicacin razonable es que las escuelas privadas tienen mayores
recursos por estudiante que las pblicas. Desde luego, esto no descarta
que la autonoma de las escuelas privadas para determinar la poltica
educacional, junto con su mayor responsabilidad frente a las familias de
los estudiantes, tambin ayude a explicar porqu los estudiantes de las
escuelas privadas obtienen, en gran parte de los pases en desarrollo,
mejores resultados.
Probabilidades.
Las probabilidades constituyen una rama de las matemticas que se ocupa de
medir o determinar cuantitativamente la posibilidad de que un suceso o
experimento produzca un determinado resultado. La probabilidad est basada
en el estudio de la combinatoria y es fundamento necesario de la estadstica.
La creacin de la probabilidad se atribuye a los matemticos franceses del siglo
XVII Blaise Pascal y Pierre de Fermat, aunque algunos matemticos anteriores,
como Gerolamo Cardano en el siglo XVI, haban aportado importantes
contribuciones a su desarrollo.
La probabilidad matemtica comenz como un intento de responder a varias
preguntas que surgan en los juegos de azar, por ejemplo saber cuntas veces
se han de lanzar un par de dados para que la probabilidad de que salga seis
sea el 50 por ciento.
La probabilidad de un resultado se representa con un nmero entre 0 y 1,
ambos inclusive. La probabilidad 0 indica que el resultado no ocurrir nunca, y
la probabilidad 1 que el resultado ocurrir siempre. Los problemas ms
sencillos estudian la probabilidad de un suceso favorable en un experimento o
acontecimiento con un nmero finito de resultados, todos ellos con igual
probabilidad de ocurrir.
Si un experimento tiene n posibles resultados, y f de ellos se consideran
favorables, la probabilidad de un suceso favorable es f/n. Por ejemplo, un dado
no trucado se puede lanzar de seis formas posibles, por tanto, la probabilidad
de que salga un 5 un 6 es 2/6.
Problemas ms complicados estudian acontecimientos en que los distintos
resultados tienen distintas probabilidades de ocurrir. Por ejemplo, encontrar la
probabilidad de que salga 5 6 al lanzar un par de dados: los distintos
resultados (2, 3,12) tienen distintas probabilidades. Algunos experimentos
pueden incluso tener un nmero infinito de posibles resultados, como la
probabilidad de que una cuerda de circunferencia dibujada aleatoriamente sea
de longitud mayor que el radio.
Los problemas que estudian experimentos repetitivos relacionan la probabilidad
y la estadstica. Algunos ejemplos: encontrar la probabilidad de obtener 5 veces
un 3 y al menos 4 veces un 6 al lanzar un dado, sin hacer trampas, 50 veces; si
una persona lanza una moneda al aire y da un paso hacia delante si sale cara y
un paso hacia atrs si sale cruz, calcular la probabilidad de que, despus de 50
pasos, la persona est a menos de 10 pasos del origen.
El uso ms generalizado de la probabilidad es su utilizacin en el anlisis
estadstico. Por ejemplo, la probabilidad de sacar 7 al lanzar dos dados es 1/6,
lo que significa (se interpreta como) que al lanzar dos dados aleatoriamente y
sin hacer trampas, un gran nmero de veces, alrededor de un sexto de los
lanzamientos darn 7.
La probabilidad matemtica se utiliza mucho en las ciencias fsicas, biolgicas
y sociales, as como en el comercio y la industria. Se aplica a muchas reas tan
dispares como la gentica, la mecnica cuntica y los seguros. Tambin
estudia problemas matemticos tericos de gran importancia y dificultad y est
bastante relacionada con la teora del anlisis matemtico, que se desarroll a partir
del clculo.

La probabilidad mide la mayor o menor posibilidad de que se d un
determinado resultado (suceso o evento) cuando se realiza un experimento
aleatorio.
Para calcular la probabilidad de un evento se toma en cuenta todos los casos
posibles de ocurrencia del mismo; es decir, de cuntas formas puede ocurrir
determinada situacin.
Los casos favorables de ocurrencia de un evento sern los que cumplan con la
condicin que estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento,
entre 0% y 100%):
El valor cero corresponde al suceso imposible; ejemplo: lanzamos un dado al
aire y la probabilidad de que salga el nmero 7 es cero.
El valor uno corresponde al suceso seguro, ejemplo: lanzamos un dado al aire
y la probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno
(100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto
mayor cuanto ms probable sea que dicho suceso tenga lugar.
Mtodos de medicin de Probabilidad
Uno de los mtodos ms utilizados es aplicando la Regla de Laplace: define la
probabilidad de un suceso como el cociente entre casos favorables y casos
posibles.


Ejemplos:
a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable
(f) es tan slo uno (que salga el dos), mientras que los casos posibles (n) son
seis (puede salir cualquier nmero del uno al seis).
Por lo tanto:
(o lo que es lo mismo, 16,6%)
b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los
casos favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras
que los casos posibles (n) siguen siendo seis.
Por lo tanto:
(o lo que es lo mismo, 50%)
c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este
caso tenemos cuatro casos favorables (f) (que salga el uno, el dos, el tres o el
cuatro), frente a los seis casos posibles.
Por lo tanto:
(o lo que es lo mismo, 66,6%)
d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan
100.000 nmeros nos: tan slo un caso favorable (f), el nmero que jugamos,
frente a los 100.000 casos posibles (n).
Por lo tanto:
(o lo que es lo mismo, 0,001%)
d) Probabilidad al lanzar una moneda, con un guila en una cara y un sol en la
otra. Hay dos casos posibles (n) de ocurrencia (o cae guila o cae sol) y slo
un caso favorable (f) de que pueda caer guila (pues slo hay un guila en la
moneda).
Por lo tanto:
(o, lo que es lo mismo, 50 %)

Existe una probabilidad del 50% de obtener un guila al tirar una moneda.

e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10
manzanas. Qu fruta es ms probable que saque al azar de la canasta?

Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir
los casos posibles (n). Para calcular la probabilidad de sacar una manzana los
casos favorables (f) son 10 puesto que existen slo 10 manzanas.
Por lo tanto:
(o, lo que es lo mismo, 33,3 %)
(o, lo que es lo mismo, 66,7 %)
Fjate bien que 33,3% + 66,7% es igual al 100% porque siempre que saquemos
algo de la canasta es seguro que ser una fruta






















Conclusin
Podemos concluir que una medida razonable de la variabilidad podra ser la
amplitud o rango, que se obtiene restando el valor ms bajo de un conjunto de
observaciones del valor ms alto. Es fcil de calcular y sus unidades son las
mismas que las de la variable, aunque posee varios inconvenientes:
No utiliza todas las observaciones (slo dos de ellas);
Se puede ver muy afectada por alguna observacin extrema;
El rango aumenta con el nmero de observaciones, o bien se queda
igual. En cualquier caso nunca disminuye.
la estadstica es una rama de la matemtica que est no se encuentra muy
visible en lo cotidiano pero que en realidad es de mucha utilidad para
interpretar y ver desde un punto de vista muy general datos que se obtienen. A
travs de sus grficas, medidas de tendencia central, variabilidad y de
dispersin podemos ver mas claro y concreto un conjunto de datos que se nos
hacen muy complicados, en resumen es un verdadero mtodo de ayuda para
informar.















Bibliografa
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un1/cont_129_29.h
tml
http://www.cca.org.mx/cca/cursos/estadistica/html/m13/correlacion_causalidad.
htm
http://www.profesorenlinea.cl/matematica/probabilidades.htm
http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm