Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Descriptiva
Medidas de Medidas de
localización Dispersión
Media Varianza
Moda Desviación estándar
Mediana Error estándar
Cuartiles Coefic. de variación
Percentiles Rango o amplitud
Deciles Rango o recorrido
intercuartílico
1
BIOLOGÍA PESQUERA Unidad 2R
Aplicación
Estadística Inferencial
Pruebas de
Estimación
hipótesis
Intervalos de
confianza
Pruebas Pruebas no
(95% generalmente)
paramétricas paramétricas
Análisis exploratorio de una muestra de tallas (cm) de una especie íctica (n=27)
14,2 16,3 14,8 13,2 16,9 12,4 14,3 15,7 15,3 11,2 12,9 13,5 18,2 16,8
11,6 18,5 16,3 15,5 15,8 13,2 19,0 12,0 17,1 15,4 14,6 14,0 18,1
X i
406,8
X i 1
Media
15,1 cm
n 27
n
Varianza
i
X X 2
121,48
S 2 i 1 4,6723 cm cuadrados
n 1 26
S 2,16
Error estándar Sx 0,42
n 27
Coeficiente de variación o S
desviación estándar relativa
CV *100 14,3%
X
Rango R máximo - mínimo 19,0 11,2 7,8 cm
El S tatAdvisor
Esta opción ejecuta una tabulación de frecuencias dividiendo el rango de tallas_decimal_comas en intervalos del mismo an
datos en cada intervalo. Las frecuencias muestran el número de datos en cada intervalo, mientras que las frecuencias relat
BIOLOGÍA PESQUERA Unidad 2R
Aplicación
Histograma de frecuencias
Histograma
4
frecuencia
0
10 12 14 16 18 20
Tallas
BIOLOGÍA PESQUERA Unidad 2R
Aplicación
11 13 15 17 19
Talla (cm)
BIOLOGÍA PESQUERA Asimetría o Sesgo (Skewness)
Aplicación R
40
Asimetría Positiva
n 3
30
n ( X i X )
frequency
20
10 Asimetria i 1
0
(n 1)( n 2) 3
0 2 4 6 8
120
Distribución Simétrica
100
Asimetría Positiva
80 s
Sesgo > 0
frequency
60
40
-1.7
0.3
2.3
4.3
Histogram
Asimetría Negativa
s
Sesgo < 0
15
Asimetría Negativa
12
frequency
Distrib. Normal
s
3 -2 ≤ Sesgo ≤ 2
0
estandarizado
0 3 6 9 12 15
BIOLOGÍA PESQUERA Apuntamiento o Curtosis (Kurtosis)
Aplicación R
Leptocúrtica
Mesocurtica
Platicurtica
Leptocúrtica
s
Curtosis > 0
Curtosis ≈ 0 Mesocúrtica
s
Platicúrtica
s
Curtosis < 0
-2 ≤ Curtosis ≤ 2 s
Distribución Normal
estandarizada
BIOLOGÍA PESQUERA Aplicación R
Normal Binomial
t de Student Hipergeométrica
F de Fisher -
Snedecor
Funciones de densidad de
probabilidad Funciones de Probabilidad
1.5
BIOLOGÍA PESQUERA Aplicación R
1
2
f (X )
Normal Distribution Normal Distribution
e
2
1 1
Mean,Std. Dev. Mean,Std. Dev.
5,1 15,0.5
0.8 0.8
Frecuencia
Frecuencia
0.6 0.6
0.4 0.4
μ = media poblacional
2
1 x x
nL 2 s
Fc e
s 2
Fc = frecuencia teórica
n = número de observaciones
2
1 x 15,1
27 *1 2 2,16
Fc( x) e
2,16 2 * 3,14159
x 15,12
Fc( x) 4,9868 * e 9,33
BIOLOGÍA PESQUERA DISTRIBUCIÓN NORMAL ESTÁNDAR
Aplicación R
μ=0 y σ=1
s
Distribución normal (0,1) = Distrib. Normal Estándar
X
Z = Unidades de desviación estándar respecto a la
media
BIOLOGÍA PESQUERA Aplicación R
Ejemplo: Los datos colectados por un investigador sobre una
variable determinada (tallas, pesos, resistencia, tiempos,
rendimientos de un proceso, etc.) presentan una distribución normal,
cuyos parámetros son μ=10.8 y σ=3.7.
Calcular la probabilidadNormal
de Distribution
registrar datos mayores de 8.9.
Probability = 0.696205
0.12 Mean,Std. Dev.
10.8,3.7
0.1
0.08
Densidad
0.06
0.04
0.02
0
-8 2 12 22 32
x
X 8.9 10.8
Paso 1: Cálculo del valor de Z Z 0.51
3.7
BIOLOGÍA PESQUERA Aplicación R
Paso 2:
Consultar la
tabla de la
distribución
normal
estándar
Muestras
grandes o s
pequeñas, σ Uso de t (Distribución t de Student)
desconocido
0.4
D. F.
10
X X
0.3 90
t
170
density
0.2
s/ n sx
0.1
0
-6 -4 -2 0 2 4 6
x
BIOLOGÍA PESQUERA Aplicación R
BIOLOGÍA PESQUERA Aplicación R
Limite de Limite de
Confianza Confianza
Inferior Superior
Intervalo de
X t0.05( 2),v S x X t0.05( 2),v S x Confianza de μ
Límites de Student's
confianza t Distributiondel 95%
Probability = 0.0500921
0.4
D. F.
24
X 15,1 cm
0.3
s x 0,42 cm
density
0.2
0.025 0.025
t0,05( 2),26 2,06
0.1 95%
0
-6 -4 -2 0 2 4 6
x
Regresión
Lineal Regresión Lineal Simple
Simple
y = a + bX
BIOLOGÍA PESQUERA Aplicación R
17,1 4,8 4
3.5
18,5 4,9
3
19,0 5,6 11 13 15
Longitud total (cm)
17 19
BIOLOGÍA PESQUERA Aplicación R
DIFERENTES CURVAS TEÓRICAS DE REGRESION:
LINEALES Y NO LINEALES
BIOLOGÍA PESQUERA Aplicación R
ECUACIÓN MODELO DE LA REGRESIÓN LINEAL
Se dice que una curva de regresión de Y y X es una regresión lineal
si y solo si:
números reales 0
Y !X x y
Coeficientes de regresión
119
Niveles_contaminacion
109
99
89
79
69
59
50 60 70 80 90 100
Remoción Tendencia a
la linealidad
BIOLOGÍA PESQUERA Aplicación R
2. Establecer el modelo (lineal) que mejor se ajusta a los datos.
Método a
utilizar Método de los mínimos cuadrados
Recta
obtenida Recta de los mínimos cuadrados
Y X
Gráfico del Modelo Ajustado
Niveles_contaminacion = -1 + 1.12364*Remoción
119
Niveles_contaminacion
89
79
69
59
50 60 70 80 90 100
BIOLOGÍA PESQUERA Aplicación R
Coeficiente de Determinación R2
n xi
b 2 xi2 i 1 Interpretación de R2:
i 1 n
Proporción de variabilidad en
SSR la variable dependiente que es
R
2
2
explicada por la regresión
n
SST
yi lineal, es decir, por la relación
con la variable independiente
i 1
n
i 1
y 2
i
n
BIOLOGÍA PESQUERA Aplicación R
EVALUACIÓN DE LA Ho: β = 0, CONTRA LA Ha: β ≠ 0
MEDIANTE PRUEBA t
(estimado.del. parámetro) (valor.hipotetiza do.del. parámetro)
t
error .estándar.del. parámetro
b 0
t
Sb
Sb= error estándar del coeficiente de regresión
b 0 1.12364 0
t 9.7887
Sb 0.11479
t0.05(2), 9=2.26216
2. Relacionar
3. Un Factor
4. Regresión Simple
6. Aceptar
BIOLOGÍA PESQUERA Aplicación R
ANÁLISIS DE CORRELACIÓN
=0 X e Y no están correlacionados
BIOLOGÍA PESQUERA Aplicación R
n n n
n xy x y
ˆ R i 1 i 1 i 1
n 2 n 2 n 2 n 2
n x x y y
i 1 i 1 i 1 i 1
ˆ R R 2
BIOLOGÍA PESQUERA Aplicación R
RESULTADOS
a Coeficientes
de Regresión
b
Prueba t
Anova
R2
BIOLOGÍA PESQUERA Aplicación R
RESULTADOS
Intervalos de confianza de la var. dependiente para
los valores dados de remoción
Gráfico del Modelo Ajustado
Niveles_contaminacion = -1 + 1.12364*Remoción
119
Niveles_contaminacion
109
99
89
79
69
59
50 60 70 80 90 100
Remoción
Intervalos de confianza de la var. dependiente para nuevas
observaciones (predicciones o pronósticos
BIOLOGÍA PESQUERA Aplicación R
Ejemplo Se realiza un estudio de fotoperíodo (número de horas luz por día)
en aves acuáticas. Se pretende establecer una ecuación para
predecir el tiempo de reproducción Y con base en el conocimiento del
fotoperíodo bajo el que se inició la reproducción, X. Se obtuvieron
los siguientes datos, observando el comportamiento de once (11)
Aythia (patos buceadores). Determinar la ecuación de regresión y
establecer si el modelo lineal es válido (mediante ANOVA, R 2 y
prueba t.
X (fotoperíodo) Y (tiempo de
reproducción)
12.8 110
13.9 54
14.1 98
14.7 50
15.0 67
15.1 58
16.0 52
16.5 50
16.6 43
17.2 15
17.9 28
BIOLOGÍA PESQUERA Aplicación R
Ejemplo de aplicación de la prueba de hipótesis
(bilateral) de la diferencia de medias
Ejemplo de Probar, por ejemplo, si hay diferencias significativas entre
aplicación las alturas del cuerpo de dos muestras de peces
capturados con dos tamaños de malla diferentes (3.0” y
3.5”).
Datos colectados
Hipótesis
Ho: μ1 = μ2
Ha: μ1 ≠ μ2
Nivel de significación
α = 0.05
Cálculos
n1 = 6 n2 = 7
v1 = 5 v2 = 6
x1 8.75% x2 9.74%
SS1= 1.6950(%)2 SS2= 4.0171(%)2
Aplicación R
Continuación Cálculos
s 2p s 2p
0.5193 0.5193
s x1 x2 0.0866 0.0742
n1 n2 6 7
0.1608 0.40%
Decisión
Conclusión
0
-6 -4 -2 0 2 4 6 Student's t Distribution
x Probability = 0.0123925
0.4
t= -2.201 t= 2.201 D. F.
1124
0.3
0.2
el correspondiente valor de la 0.015 0.015
probabilidad (P-value) en una
distribución t con v=11 0.1
0
-6 -4 -2 0 2 4 6
t= -2.475 x t= 2.475
BIOLOGÍA PESQUERA Aplicación R
Pasos en Statgraphics para evaluar las hipótesis concernientes a dos
medias (hipótesis bilateral)
Digitar los datos de las columnas “Malla 3.0” y “Malla 3.5”
Comparar
Dos Muestras
Muestras independientes
Introducir los datos en las casillas correspondientes (“Malla 3.0” y
“Malla 3.5”)
Aceptar
Seleccionar “Comparación de Medias” (ampliar el panel de estos
resultados)
Con botón alterno del ratón sobre este panel de resultados, hacer click
en “opciones de ventana”
Verificar que esté activa la opción “Diferente”
Chequear resultados y comparar con cálculos manuales.