Clase 2. Estadistica

Unidad I.
Conceptos Bsicos y
Estadstica Descriptiva
Tecnologas de la Informacin y
Comunicacin
Concepto de Estadstica
Tema 1. Introduccin
Se refiere a un conjunto de
mtodos para manejar la
obtencin, presentacin y
anlisis de observaciones
numricas.
Concepto de Estadstica
Tema 1. Introduccin
Sus fines son describir al

conjunto de datos obtenidos y
tomar decisiones o realizar
generalizaciones acerca de las
caractersticas de todas las
observaciones
bajo
consideracin.
reas que conforman a la Estadstica
DESCRIBIR
Tema 1. Introduccin
Estadstica Descriptiva (Deductiva):

es la encargada de la organizacin,
condensacin, presentacin de los
datos en tablas y grficos y del
clculo de medidas numricas que
permitan estudiar los aspectos ms
importantes de los datos.
reas que conforman a la Estadstica
INFERIR
Tema 1. Introduccin
Estadstica Inferencial o Inferencia

Estadstica: est definida por un
conjunto de tcnicas, mediante las
cuales se hacen generalizaciones o
se toman decisiones en base a
informacin
parcial
obtenida
mediante tcnicas descriptivas.
reas de Aplicacin de la Estadstica
El uso de la Estadstica es muy amplio.

Resulta difcil nombrar un rea en la cual no
se emplee.
Los mtodos estadsticos han encontrado
aplicacin en:
Tema 1. Introduccin
Gobierno
Negocios
Ciencias Sociales
Ingeniera
Ciencias Fsica y Naturales
Control de Calidad
Procesos de Manufactura
Muchos otros campos de la actividad intelectual.
reas de Aplicacin de la Estadstica
Esto se debe a la creciente facilidad

con la cual se pueden manejar
grandes
cantidades
de
datos
numricos, debido al uso de
Tema 1. Introduccin
Conceptos de Poblacin y Muestra
Poblacin: es la coleccin de todas

las
posibles
mediciones
u
observaciones que pueden hacerse
de una variable bajo estudio.
Tema 1. Introduccin
Se clasifica en dos categoras:

Finita:
Tema 1. Introduccin
es aquella que incluye una

cantidad
limitada
contable
de
observaciones, individuos o medidas.
Siempre que sea posible alcanzar
(contar) el nmero total de todas las
posibles mediciones, se considera
como finita la poblacin.

Infinita:
Tema 1. Introduccin
es aquella que incluye un gran

conjunto
de
observaciones
o
mediciones que no pueden alcanzarse
por conteo. Al menos, hipotticamente,
no existe lmite en cuanto al nmero de
observaciones que el experimento
puede generar.
Muestra:
es
un conjunto de mediciones u
observaciones tomadas a partir de una
poblacin.
es un subconjunto de la poblacin.
Tema 1. Introduccin
Tema 1. Introduccin
Muestra aleatoria: se considera

aleatoria siempre y cuando cada
observacin, medicin o individuo
de la poblacin tenga la misma
probabilidad de ser seleccionado.
Tipos de datos y escalas de medida
Variables:
son
Datos:
son
los valores que toma la variable en

cada caso.
Tema 1. Introduccin
las caractersticas o lo que se

estudia de cada individuo de la
muestra. Ej: sexo, edad, peso,
estatura, color de ojos, estado civil,
temperatura, cantidad de nacimientos,
presin, grosor, dimetro, ...
Tipos de datos
Cualitativos: son datos que solo toman

valores asociados a las cualidades o
atributos, clasificndolos en una de varias
categoras, es decir, no son valores
numricos. Ej:
Sexo: f/m.
Hbito de fumar: Fumador/No fumador
Color de ojos: negro, azul, marrn,
Religin: catlica, evanglica,
Estado civil: soltero, casado, divorciado,
Tema 1. Introduccin
Tipos de datos
Cuantitativos: provienen de variables que

pueden medirse, cuantificarse o
expresarse numricamente. Ejemplos:
Tema 1. Introduccin
Peso
Edad
Estatura
Presin
Humedad
Intensidad de un sismo
Cantidad de hermanos
Escalas de medida
Tipos de variables cuantitativas:

Discretas:
Tema 1. Introduccin
es aquella que solo puede

tomar un nmero finito o infinito
numerable de valores. Ejemplo:
cantidad de hermanos.
Continuas: es la variable que puede
tomar cualquier valor en una escala
continua. Ejemplo: cantidad de lquido
contenido en un recipiente.
Escalas de medida
Nominal.
Variables Cualitativas
Ordinal.
de Intervalos.
Variables
de Razn o Proporcin. Cuantitativas
Absoluta.
Tema 1. Introduccin
Escala
Escala
Escala
Escala
Escala
Escalas de medida
Tema 1. Introduccin
Escala nominal: los datos se pueden

agrupar en categoras que no
mantienen una relacin de orden
entre si, por lo tanto no estn
definidas las operaciones lgicas (>,
<, , ) sino solo las de igualdad o
diferencia.
Ejemplos: color de ojos, sexo,
profesin, estado civil, religin.
Escalas de medida
Tema 1. Introduccin
Escala ordinal: existe un cierto

orden o jerarqua entre las
categoras (>, <, , ).
Ejemplos: grados militares,
organigrama de una empresa,
escalafn de los profesores
universitarios, grados de disnea,
estadiaje de un tumor.
Escalas de medida
Escala de Intervalos: valores numricos de las

variables y adems de las relaciones de orden
(>, <, , ), se pueden establecer distancias,
es decir, tienen sentido las operaciones de
suma y resta. Tiene dos propiedades:
Existe una unidad de medida que se mantiene

constante para todos los valores que toma la
variable.
Existe un valor patrn u origen relativo que no
significa la ausencia de valor en la variable.
Tema 1. Introduccin
Escalas de medida
Ejemplo: temperatura, nivel de

ruido, movimientos ssmicos.
Tema 1. Introduccin
Escalas de medida
Tema 1. Introduccin
Escala de razn o proporcin: es la

ms completa y general de todas las
escalas. Se caracteriza porque los
valores de la variable son nmeros
entre los cuales, adems de las
relaciones de orden (>, <, , ) y
distancia (+,-), se pueden establecer
mltiplos y proporciones.
Ejemplos: peso, altura, volumen
Escalas de medida
Tema 1. Introduccin
Escala Absoluta: se caracteriza

porque los valores que toma la
variable son el resultado de contar y
por lo tanto, est constituida por los
enteros positivos y el cero.
Ejemplos: nmero de hermanos,
cantidad de autos vendidos,
cantidad de accidentes en una
interseccin, cantidad de hijos,
Datos Univariantes y Multivariantes
Tema 1. Introduccin
Univariantes o unidimensionales:
slo recogen informacin sobre una
caracterstica (Ej: edad de los
alumnos de una clase).
Bivariantes o bidimensionales:
recogen informacin sobre dos
caractersticas de la poblacin. (Ej:
edad y estatura de los alumnos de
una clase).
Datos Univariantes y Multivariantes
Tema 1. Introduccin
Multivariantes o pluridimensionales:
recogen informacin sobre tres
ms caractersticas. (Ej: edad,
estatura y peso de los alumnos de
una clase).
Abusos que se pueden cometer con la

Estadstica
Conclusiones errneas debido a que los

datos son numricamente insuficientes.
Representaciones grficas engaosas
(escalas).
Datos muestrales no representativos:
Muestra que no incluye a elementos de toda la

poblacin.
Ciertas categoras de personas no responden
correctamente.
Respuestas voluntarias (sesgadas).
Tema 1. Introduccin
TEMA 2. ESTADSTICA DESCRIPTIVA
Organizacin de los datos
Tema 2. Estadstica Descriptiva
Una vez que se ha

realizado la
recoleccin de los
datos, se obtienen
datos en bruto, los
cuales rara vez son
significativos sin
una organizacin y
tabulacin.
Formas de organizar los datos:
Un arreglo: es la forma ms sencilla de

organizar los datos en bruto, consiste en
colocar las observaciones en orden segn su
magnitud: ascendente o descendente.
Poco prctica cuando se tiene una gran
cantidad de datos.
Clase
Pto.
Medio
fi
Fi
fri
FRi
Una distribucin de frecuencias: es un

arreglo de los datos que permite expresar
la frecuencia de ocurrencias de las
observaciones en cada una de las clases,
mostrando el patrn de la distribucin de
manera ms significativa.
La Distribucin de Frecuencias:
Se
La regla de Sturges: k = 1 + 3.3log(n)

k = n
recomienda su uso cuando se tienen

grandes cantidades de datos (n).
Su construccin requiere, en primer
lugar, la seleccin de los lmites de los
intervalos de clase.
Para definir la cantidad de intervalos de
clase (k), se puede usar:
La cantidad de clases no puede ser tan

pequeo (menos de 5) o tan grande (ms
de 20), que la verdadera naturaleza de la
distribucin sea imposible de visualizar.
La amplitud de todas las clases deber ser
la misma. Se recomienda que sea impar y
que los puntos medios tengan la misma
cantidad de cifras significativas que los
datos en bruto.
Los lmites de las clases deben tener una
cifra significativa ms que los datos en
bruto.
Determinar:
Punto
Frecuencia
acumulada de la clase (Fi).
Frecuencia
relativa de la clase (fri):
fri = fi/n
Frecuencia
clase (FRi).
relativa acumulada de la
medio = (Li+Ls)/2.
Frecuencia absoluta de la clase (fi).
Ejemplos de Distribucin de
Frecuencias
A continuacin se presentan
las calificaciones de 60
estudiantes que
presentaron la PINA en el
ao 2009:
Ejemplos de Distribucin de
Frecuencias
23
80
52
41
60
34
60
77
10
71
78
67
79
81
64
83
89
17
32
95
75
54
76
82
57
41
78
64
84
69
74
65
25
72
48
74
52
92
80
88
84
63
70
85
98
62
90
80
a) Construya una distribucin de frecuencias.

b) Qu puede concluir de estos datos.
82
55
81
74
15
85
36
76
67
43
79
61
Representacin grfica de los datos
Histogramas.
Polgono de frecuencias.
Ojiva o Polgono de frecuencias acumuladas.
Los grficos permiten visualizar en forma

global y rpida el comportamiento de los
datos.
Para datos cuantitativos agrupados en
clases, comnmente se utilizan tres
grficos:
Histograma
Histograma y Polgono de Frecuencias
Ojiva
Para datos cualitativos se usan:

Curvas
Sectores
Barras

Barras
Barras
Curvas

Sectores, torta o circular
Ejemplos de construccin
de grficos
Medidas de tendencia central o

posicin
Corresponden a valores que

generalmente se ubican en la parte
central de un conjunto de datos.
Forma como los datos pueden
condensarse en un solo valor
central alrededor del cual todos los
datos muestrales se distribuyen.
Medidas de tendencia central o

posicin
Las medidas de tendencia central

ms importantes son:
Aritmtica y Aritmtica
ponderada.
Mediana.
Moda.
Media:
Media Aritmtica
Es la suma de todas las observaciones dividida entre

el nmero total de observaciones.
Expresada de forma ms intuitiva, podemos decir
que la media aritmtica es la cantidad total de la
variable distribuida a partes iguales entre cada
observacin. (wikipedia)
Por ejemplo, si en una habitacin hay tres personas,
la media de dinero que tienen en sus bolsillos sera
el resultado de tomar todo el dinero de los tres y
dividirlo a partes iguales entre cada uno de ellos. Es
decir, la media es una forma de resumir la
informacin de una distribucin (dinero en el bolsillo)
suponiendo que cada observacin (persona) tendra
la misma cantidad de la variable. (wikipedia)
Clculo de la media aritmtica
Para datos no agrupados:

n
i 1
Para datos agrupados:

k
m f
i i
i 1
Donde: mi: punto medio de la clase i

fi: frecuencia absoluta de la clase i
k: cantidad de clases
Mediana
Es el valor que ocupa la posicin

central de un conjunto de
observaciones, una vez que han
sido ordenados en forma
ascendente o descendente.
Divide al conjunto de datos en dos
partes iguales.
Clculo de la mediana
Para datos no agrupados:

Si
n es impar: posicin donde se ubica

la mediana es igual a (n+1)/2.
Si n es par: (n+1)/2 no es entero, por
lo tanto la mediana ser igual al
promedio de las dos posiciones
centrales.
Clculo de la mediana
n 1
F ( xm 1 )
Md Lm 2
Cm
f ( xm )
Donde:
Lm: lmite inferior de la clase mediana.

F(xm-1): frecuencia acumulada de la clase
anterior a la clase mediana.
f(xm): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
Datos agrupados: clase mediana es la

que contiene a la observacin que
ocupa la posicin n/2.
Moda
Observacin o clase que tiene la

mayor frecuencia en un conjunto de
observaciones.
Un conjunto de datos puede ser
unimodal, bimodal o multimodal.
Es la nica medida de tendencia
central que se puede determinar
para datos de tipo cualitativo.
Clculo de la moda
1
Mo Lim
Cm
1 2
Donde:
Lim: lmite inferior de la clase modal.

1: diferencia entre fi de la clase modal y la
anterior.
2: diferencia entre fi de la clase modal y la
posterior.
Cm: amplitud de la clase modal (clase de mayor
frecuencia).
Para datos no agrupados: es simplemente

la observacin que ms se repite.
Para datos agrupados:
Relacin entre la media, la mediana y

la moda
Cuando los datos son sesgados es mejor emplear la Md
Propiedades, ventajas y desventajas

de la media
Propiedades:
La suma de las diferencias entre las
media muestral y el valor de cada
observacin es cero.
La media de una constante es la
constante.
Si todas las observaciones xi se
multiplican por una constante a, la X
tambin se debe multiplicar por ese
mismo valor constante.

de la media
Si se somete a una variable

estadstica X a un cambio de origen
y escala, Y = a + bX, la media
aritmtica de dicha variable X vara
en la misma proporcin.
La media de la suma de dos
variables es igual a la suma de sus
medias.

de la media
Ventajas:
Emplea en su clculo toda la
informacin disponible.
Se expresa en las mismas unidades
que la variable en estudio.
Es el centro de gravedad de toda la
distribucin, representando a todos
los valores observados.
Es una valor nico.

de la media
Se trata de un concepto familiar

para la mayora de las personas.
Es til para llevar a cabo
procedimientos estadsticos como la
comparacin de medias de varios
conjuntos de datos.

de la media
Desventajas:
Se ve adversamente afectada por valores
extremos, perdiendo representatividad.
Si el conjunto de datos es muy grande
puede ser tedioso su clculo manual.
No se puede calcular para datos
cualitativos.
No se puede calcular para datos que
tengan clases de extremo abierto, tanto
superior como inferior.
Ventajas y desventajas de la mediana
Ventajas:
Fcil de calcular si el nmero de
observaciones no es muy grande.
No se ve influenciada por valores
extremos, ya que solo influyen los
valores centrales.
Fcil de entender.
Se puede calcular para cualquier

tipos de datos cuantitativos, incluso
los datos con clase de extremo
abierto.
Es la medida de tendencia central
ms representativa en el caso de
variables que solo admiten la escala
ordinal.
Desventajas:
No utiliza en su clculo toda la
informacin disponible.
No pondera cada valor por el
nmero de veces que se ha
repetido.
Hay que ordenar los datos antes de
determinarla.
Ventajas y desventajas de la moda
Ventajas:
No requiere clculos.
Puede usarse para datos tanto
cuantitativos como cualitativos.
Fcil de interpretar.
No se ve influenciada por valores
extremos.
Se puede calcular en clases de
extremo abierto.
Desventajas:
Para conjuntos pequeos de datos su
valor no tiene casi utilidad, si es que
de hecho existe. Solo tiene significado
en el caso de una gran cantidad de
datos.
No utiliza toda la informacin
disponible.
No siempre existe, si los datos no se
repiten.
En ocasiones, el azar hace que una

sola observacin se no
representativa se el valor ms
frecuente del conjunto de datos.
Difcil de interpretar si los datos
tiene 3 o ms modas.
Medidas de dispersin, variacin o

variabilidad.
Son valores numricos que indican

o describen la forma en que las
observaciones estn dispersas o
diseminadas, con respecto al valor
central.

variabilidad.
Son importantes debido a que dos

muestras de observaciones con el
mismo valor central pueden tener
una variabilidad muy distinta.

variabilidad.
Rango.
Varianza.
Desviacin Tpica.
Coeficiente de variacin.
Medidas de dispersin: Rango
Rango (amplitud o recorrido):

Est determinado por los dos
valores extremos de los datos
muestrales, es simplemente la
diferencia entre la mayor y menor
observacin.
Es una medida de dispersin
absoluta, ya que depende
solamente de los datos y permite
conocer la mxima dispersin.
Medidas de dispersin: Rango
Casi no se emplea debido a que

depende nicamente de dos
valores.
No proporciona una medida de
variabilidad de las observaciones
con respecto al centro de la
distribucin.
Notacin: R
Medidas de dispersin: Varianza

Es un valor numrico que mide el
grado de dispersin relativa porque
depende de la posicin de los datos
x1,x2,,xn con respecto a la media.
Es el promedio al cuadrado de las

desviaciones de cada observacin
con respecto a la media.
Notacin: s2, 2, var(X)
x x
n
Para datos NO
agrupados:
s2
i 1
n
n
s
2
2
x
i
i 1
Si la varianza de un conjunto de
observaciones es grande se dice que los
datos tiene una mayor variabilidad que
un conjunto de datos que tenga un
varianza menor.

Para datos agrupados en una
distribucin de frecuencias:
k
s2
x
fi
i
i 1
n
k
s2
2
m
i fi
i 1
Medidas de dispersin: Desviacin

Tpica
Es la raz cuadrada de la varianza.

Notacin: s, .
s s
Medidas de dispersin: Coeficiente de

Variacin
s
CV 100%
x
Es una medida de dispersin relativa que

permite comparar el nivel de dispersin
de dos muestras de variables estadsticas
diferentes.
No tiene dimensiones.
Notacin: CV
Ventajas y Desventajas del Rango
Ventajas:
til cuando se quiere conocer la
extensin de las variaciones
extremas (valor mximo de la
dispersin).
Fcil de calcular.
Ventajas y Desventajas del Rango
Desventajas:
No es una MD con respecto al
centro de la distribucin.
Solo emplea dos valores en su
clculo.
No se puede calcular en
distribuciones de lmite de clase
abierto.
Propiedades, Ventajas y Desventajas

de la Varianza
Propiedades:
1. Siempre es mayor o igual a cero y
menor que infinito.
2. La varianza de una constante es
cero.
3. Si a una variable X la sometemos a
Y=a+bX, la varianza de Y ser
Var(Y) = b2Var(X)
Propiedades, Ventajas y Desventajas

de la Varianza
Ventajas:
Es til cuando se compara la variabilidad
de dos o ms conjuntos de datos.
Utiliza toda la informacin disponible.
Desventajas:
No proporciona ayuda inmediata cuando
se estudia la dispersin de un solo
conjunto de datos.
Difcil de interpretar por tener sus
unidades elevadas al cuadrado.
Ventajas y Desventajas de la
Desviacin Tpica
Ventajas:
Esta expresada en las mismas
unidades que la variable en estudio.
Utiliza todas las observaciones en
su clculo.
Fcil de interpretar.
Desventajas:
No tiene.
Ventajas y Desventajas del Coeficiente

de Variacin
Ventajas:
Es la nica MD que permite
comparar el nivel de dispersin de
dos muestras de variables
diferentes.
Emplea toda la informacin
disponible en su clculo.
Fcil de calcular.
Ventajas y Desventajas del Coeficiente

de Variacin
Desventaja:
No es una MD con respecto al
centro de la distribucin de los
datos.
Medidas de Forma
Medidas
de forma
-Asimetra
-Kurtosis
Coeficiente de Pearson
Coeficiente de Fisher
o apuntamiento
Son medidas numricas que

permiten determinar la forma que
tiene la curva de los datos, por lo
tanto, sirven para corroborar lo que
los grficos muestran.
Medidas de Forma: Asimetra
Permiten estudiar la forma de la

curva, dependiendo de cmo se
agrupan los datos.
3 X Md
ASP
s
Interpretacin:
= 0, X=Md Simtrica
ASP
> 0, X>Md Asimtrica Positiva

< 0, X<Md Asimtrica Negativa
Coeficiente de Asimetra de Pearson:

Fcil de calcular e interpretar.
Clculo:
x X
n
ASF
i 1
ns
M
k
ASF
i 1
Datos NO agrupados
x fi
ns 3
Datos Agrupados
Coeficiente de Asimetra de Fisher:

No es de fcil clculo, pero si su
interpretacin.

o
Interpretacin:
= 0, Simtrica
> 0, Asimtrica Positiva
< 0, Asimtrica Negativa
ASF
Medidas de Forma: Kurtosis
Miden si los valores de la

distribucin estn ms o menos
concentrados alrededor de los
valores medios de la muestra (zona
central de la distribucin).
Se definen tres tipos de distribucin
segn su grado de Kurtosis:
Mesocrtica: grado de concentracin

medio alrededor de los valores
centrales de la variable.
Leptocrtica: grado de concentracin
elevado.
Platicrtica: grado de concentracin
reducido.

x X
n
CK
i 1
M
i 1
X fi
ns
Datos No Agrupados
Datos Agrupados
Interpretacin:
=0 Mesocrtica
CK
>0 Leptocrtica
<0 Platicrtica
ns
k
CK
Referencias:
Wikipedia(
http://es.wikipedia.org/wiki/Wikipe
dia:Portada
)
Walpole y Myers. Probabilidad y
Estadstica. Mc Graw-Hill.
Triola, Mario F. Estadstica. Pearson.

Clase 2. Estadistica

Cargado por

Información del documento

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

Clase 2. Estadistica

Cargado por

Copyright:

Formatos disponibles

Unidad I.

Sus fines son describir al

reas que conforman a la Estadstica

Estadstica Descriptiva (Deductiva):

reas que conforman a la Estadstica

Estadstica Inferencial o Inferencia

reas de Aplicacin de la Estadstica

El uso de la Estadstica es muy amplio.

reas de Aplicacin de la Estadstica

Esto se debe a la creciente facilidad

Conceptos de Poblacin y Muestra

Poblacin: es la coleccin de todas

Conceptos de Poblacin y Muestra

Se clasifica en dos categoras:

es aquella que incluye una

Conceptos de Poblacin y Muestra

es aquella que incluye un gran

Conceptos de Poblacin y Muestra

Conceptos de Poblacin y Muestra

Muestra aleatoria: se considera

Tipos de datos y escalas de medida

los valores que toma la variable en

las caractersticas o lo que se

Cualitativos: son datos que solo toman

Cuantitativos: provienen de variables que

Tipos de variables cuantitativas:

es aquella que solo puede

Escala nominal: los datos se pueden

Escala ordinal: existe un cierto

Escala de Intervalos: valores numricos de las

Existe una unidad de medida que se mantiene

Ejemplo: temperatura, nivel de

Escala de razn o proporcin: es la

Escala Absoluta: se caracteriza

Datos Univariantes y Multivariantes

Datos Univariantes y Multivariantes

Abusos que se pueden cometer con la

Conclusiones errneas debido a que los

Muestra que no incluye a elementos de toda la

TEMA 2. ESTADSTICA DESCRIPTIVA

Organizacin de los datos

Tema 2. Estadstica Descriptiva

Una vez que se ha

Organizacin de los datos

Formas de organizar los datos:

Tema 2. Estadstica Descriptiva

Un arreglo: es la forma ms sencilla de

Organizacin de los datos

Tema 2. Estadstica Descriptiva

Una distribucin de frecuencias: es un

Organizacin de los datos

La regla de Sturges: k = 1 + 3.3log(n)

Tema 2. Estadstica Descriptiva

recomienda su uso cuando se tienen

Organizacin de los datos

Tema 2. Estadstica Descriptiva

La cantidad de clases no puede ser tan

Organizacin de los datos

acumulada de la clase (Fi).

relativa de la clase (fri):

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

a) Construya una distribucin de frecuencias.

Representacin grfica de los datos