Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen Descriptiva PDF
Resumen Descriptiva PDF
Eduardo V. Domı́nguez
1 Introducción
• Modelación
• Modelos Deterministicos
• Modelos no-Deterministicos
• Algunas aplicaciones:
– Ingenierı́a
– Compañı́as de Seguros
– Estudios de Mercado
– Control de Calidad
– Instrumentos Financieros
– Medicina
2 Algunos Términos
• Población: Colección completa de todas los individuos de interes
para el investigador.
1
• Muestra: Subconjunto de la población y que es representativa de
esta.
3 Técnicas de Muestreo
• Muestreo Aleatorio simple: Procedimiento mediante el cuál todas
las muestras de un determinado tamaño, poseen la misma ”chance”
de ser extraidas.
3.1 Muestreo
• Error muestral: Diferencia entre el valor del parámetro poblacional
y el producido por el estadistico o estadigrafo basado en una muestra.
3.2 Muestreo
• Población vs Muestra
3.3 Estadistica
• Descriptiva
• Inferencial
2
3.4 Tipos de Variables
• Variables cualitativas: Caracteristica que representa una cualidad de
los individuos poblacionales.
• Variables cuantitativas: Caracteristica que corresponde a una magni-
tud asociada a laos individuos de la población.
4 Estadistica Descriptiva
Proporciona procedimientos que permiten organizar, procesar y presentar
los datos muestrales con el fin de extraer información relevante que este
contenida en ellos.
Datos Muestrales
Clasificación
A1 , A2 , . . . , Ak : clases
3
5 Construcción de clases
Si los datos muestrales estan medidos por lo menos al nivel de intervalos y
si los representamos por:
x1 , x2 , . . . , xn
entonces la amplitud de las clases es de:
max xi − min xi
c=
k
con esto se determinan los limites superior e inferior de cada clase:
clase limites relacion
A1 [a1 → b1 ] b1 = a1 + c
A2 ]a2 → b2 ] b2 = a2 + c
.. .. ..
. . .
Ak ]ak → bk ] bk = ak + c
en donde a1 = min xi y ak+1 = bk
Cabe hacer notar que existen otras formas de construir las clases.
6 Ejemplo
Consideremos una muestra de n = 50 datos:
68 72 50 70 65 83 77 78 80 93
71 74 60 84 72 84 73 81 84 92
77 57 70 59 85 74 78 79 91 102
83 67 66 75 79 82 93 90 101 80
79 69 76 94 71 97 95 83 86 69
numero de clases: k = [3, 3 log10 (50)] + 1 = 6.
Además:
min xi = 50 y max xi = 102, por lo que c = 102−506 = 8, 7 por lo que
redondeando, tomaremos c = 9, con lo que las clases quedan:
clase limites marca de clase
A1 [50 → 59] 54, 5
A2 ]59 → 68] 63, 5
A3 ]68 → 77] 72, 5
A4 ]77 → 86] 81, 5
A5 ]86 → 95] 90, 5
A6 ]95 → 104] 99, 5
4
7 Distribuciones de Frecuencias
Para descubrir como se “reparten” o “distribuyen” los datos entre las clases,
consideraremos las frecuencias:
para i = 1, . . . , k
Ni
• Se tiene que: Fi = n
7.1 Ejemplo
clase limites ni Ni fi Fi
A1 [50 → 59] 3 3 0, 06 0, 06
A2 ]59 → 68] 5 8 0, 10 0, 16
A3 ]68 → 77] 15 23 0, 30 0, 46
A4 ]77 → 86] 17 40 0, 34 0, 80
A5 ]86 → 95] 7 47 0, 14 0, 94
A6 ]95 → 104] 3 50 0, 06 1, 00
total 50 1, 00
5
Una forma alternativa de visualizar los datos, es mediante la repre-
sentación de tallo y hoja:
5 : 079
6 : 0567899
7 : 001122344567788999
8 : 001233344456
9 : 01233457
10 : 12
6
8 Representaciones Gráficas
Otra forma de representar la información muestral, es mediante gráficos
8.1 Histograma
7
8.2 Ojiva
Page 1/1
8
8.3 Pastel
Page 1/1
9
9 Estadistica descriptiva bivariada
Analisis descriptivo conjunto de dos o mas variables. Si (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )
es una muestra bivariada de las variables X e Y . Si k es el número de clases
para X y l, para Y , se definen:
ni,j , i = 1, . . . , k, j = 1, . . . , l
ni,j
• Frecuencia relativa conjunta: Proporción muestral fi,j = n .
10
Ejemplo:
• Moda
• Mediana
• Media ( geométrica )
• Media ( aritmética )
11 Medidas de variabilidad
Las medidas de variabilidad o de dispersión, pretenden cuantificar el grado
de homogeneidad presente en la muestra; determinan que tan concentrados
o dispersos estan los datos. Algunas medidad de dispersión son:
• Rango
• Desviación media
• Rango intercuartı́lico
11
La varianza se define por:
k k
X 1X
Sx2 = fi (xi − x̄)2 = ni (xi − x̄)2
i=1
n i=1
12 Observación
Cabe hacer notar que cuando la varianza muestral se usa como un estimador
de la varianza poblacional, su definición se modifica levemente en la forma:
k
1 X
S2 = ni (xi − x̄)2
n − 1 i=1
13 Desigualdad de Tschebyscheff
Una interpretación interesante de la desviacion estandar es la proporcionada
por la “Desigualdad de Tschebyscheff”, que plantea intuitivamente que:
En todo conjunto de observaciones y para todo numero real r > 1, se
tiene que al menos 1 − r12 de ellas caen en el intervalo:
12
14 Resumen
Las principales medidas descriptivas de la muestra son:
Resumen de $x$
N = 50 Median = 78.5
Quartiles = 71; 84
Page 1/1
13