SÍNTESIS DE PRESENTACIÓN DE DATOS

SÍNTESIS DE MEDIDAS DE TENDENCIA CENTRAL

1. TIPOS DE VARIABLES
• CUALITATIVA (cualidades) - Cualidades o características
1. MEDIA ARITMETICA µ , x
• CUANTITATIVA (cantidades) - Discreta: Números enteros
- Continuas: Números reales
Datos no agrupados ∑ xi = x1 + x2 + ...+ xn
2. PRESENTACIÓN DE LOS DATOS x=
€ n n
• DATOS NO AGRUPADOS - Conjunto de datos

• DATOS AGRUPADOS - Variable cualitativa y cuantitativa discreta en Datos agrupados en clases individuales ∑ ni xi
clases individuales v=
ü Tabla de frecuencia con clases individuales ∑ ni
ü Gráfico de Barras
ü Gráfico circular
Datos agrupados en intervalos de clase ∑ ni mi
- Variable continua en intervalos de clase m=
ü Tabla de frecuencia con intervalos ∑ ni
ü Histograma
ü Polígono de frecuencias
ü Ojiva 2. MEDIANA M e
3. COMPOSICIÓN DE TABLAS
Variable Marca de Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Datos cuantitativos no agrupados n +1
clase Absoluta Relativa Relativa Absoluta Relativa Relativa Pos( Me ) =
Porcentual Acumulada Acumulada Porcentual Se determina€según la posición 2
Acumulada
(mi) (fi) (fr) (fr%) (F) (Fr) (Fr%)
f/n fr x 100% Datos agrupados en clases individuales n +1
Suma de las Pos( Me ) =
Edad / Sexo Solo si las Cantidad de Probabilidad Porcentaje Suma de las Suma de las frecuencias Se determina según la posición 2
Sueldo variables están elementos de cada de cada frecuencias frecuencias relativas
Color / Etc. en intervalos. por variable. variable variable absolutas relativas porcentual
4. GRÁFICOS Datos agrupados en intervalos de clase n
− N i−1
BARRA CIRCULAR
Para la clase i Me = Li−1 + 2 • ai
frecuencias ni

f2 Clase 1 3. MODA M o
f1 Clase 2
Clase 3
f3
f4
Clase 4 Datos cuantitativos no agrupados Categoría con mas alta frecuencia
variable
A B C cualitativa o
1 2 3 cuantitativa Datos €
agrupados en clases individuales Valor de la clase con mas alta frecuencia

HISTOGRAMA OJIVA “Menor o igual que” Datos agrupados en intervalos de clase d1

frecuencias frecuencia Mo = Li−1 + •a
f3 acumulada d1 + d 2 i
f1 + f2 +f3 =Nn
f1
f2 f1 + f2 +f3 = n f1 + f2
f1

variable
L0 L1 L2 L3 L0 L1 L2 L3 variable
 SÍNTESIS DE MEDIDAS DE DISPERSIÓN SÍNTESIS DE MEDIDAS DE POSICIÓN

Posición de percentiles k(n +1)

Pos(Pk ) =
100
RANGO Valor Máximo – Valor Mínimo

DESVIACIÓN MEDIA Posición de cuartiles k(n +1)

Dm =
∑ xi − x Pos(Qk ) =
4
N
Posición de quintiles k(n +1)
VARIANZA DATOS NO AGRUPADOS 2 Pos(Ck ) =
s2 =
∑( xi − x ) 5
n
Posición de deciles k(n +1)
Pos(Dk ) =
VARIANZA DATOS AGRUPADOS EN 2
10
CLASES. DOS FÓRMULAS s 2  =
(
∑ xi – x • fi )
n Rango intercuartílico RIC = Q3 – Q1
∑( xi2 • fi ) − (x ) 2
s2 =
n

DESVIACIÓN ESTANDAR
s = s2

COEFICIENTE DE VARIACIÓN: s
CV =
Dispersión relativa x

DISPERSIÓN EN LA CURVA NORMAL:

menor dispersión
Comparación gráfica
mayor dispersión

x
 SÍNTESIS DE ANÁLISIS COMBINATORIO SÍNTESIS DE MUESTREO ESTADÍSTICO

Fórmula Parámetros Promedio Poblacional µ

Principio aditivo n=p+q Desviación Estándar Poblacional σ

Principio multiplicativo n=p•q Estadígrafos Promedio Muestral x

Desviación Estándar Muestral s
Permutación simple de n P = n! Todos los elementos
(ordenada) Importa el orden
No se repiten Tipos de Muestreo

Permutación circular de n P = (n – 1)!

Sesgado Aleatorio
Permutación de n con un Todos los elementos
n!
elemento repetido q veces. P= Importa el orden
q!
Solo repiten algunos Simple Sistemático Estratificado
Variación Algunos elementos
n! Con reposición sin reposición
V= Importa el orden
(r de n, con orden) (n – r)!
No se repiten

Variación con repetición Algunos elementos

V = nr
Importa el orden
(r de n, con orden) TIPO DE MUESTRAS NÚMERO DE MUESTRAS DIFERENTES
Se repiten (con reemplazo)

Combinación ⎛ ⎞ Algunos elementos Con reposición y con M = Nn

n!
(r de n, sin orden)
C = ⎜⎜ n ⎟⎟ = No importa el orden orden
⎝ r ⎠ (n – r)! • r! No se repiten
Sin reposición y con N!
orden V=
(N–n)!

Con reposición y sin ⎛N + n – 1⎞ (N + n – 1)!

orden C= ⎜ ⎟=
⎝ n ⎠ (N – 1)! • n!

Sin reposición y sin !N $ N!

orden C= # &=
"n % (N – 1)! • n!
 SÍNTESIS DE PROBABILIDADES 1 SÍNTESIS DE PROBABILIDADES 2: CASOS DE DOS O MÁS EVENTOS

Experimento aleatorio Experimentos cuyos resultados son TIPOS DE EVENTOS Conjunción: Y Disyunción: O
impredecibles
Eventos P(A∩B) = P(A) • P(B)
Espacio muestral Conjunto de posibles resultados de un independientes
experimento aleatorio P(A/B) = P(A)

Evento Subconjunto de un espacio muestral P(B/A) = P(B)

P(A∪B) = P(A) + P(B) –P(A∩B)
Probabilidad Cf
P(A) = Eventos P(A∩B) = P(B) • P(A/B)
Cp
dependientes
P(A∩B) = P(A) • P(B/A)
Complemento P(A) = 1 – P(A)

Clasificación de eventos Imposible: P(A) = 0 Eventos compatibles P(A∩B) = P(B) • P(A/B)

Certeza Plena: P(A) = 1
P(A∩B) = P(A) • P(B/A)
Eventos incompatibles P(A ∪B) = P(A) + P(B)
P(A ∩B) = 0 Eventos excluyentes P(A∩B) = 0 P(A∪B) = P(A) + P(B)
ó incompatibles
Casos esperados de un evento n(A) ≈ P(A) •N

Ley de los grandes números frecuencia relativa ≈ P(x)


SÍNTESIS DE VARIABLE ALEATORIA DISCRETA (VAD)
Se llama Variable Aleatoria a un número real que se asocia a cada elemento del
espacio muestral. Se utilizan letras mayúsculas X, Y, ... para designar variables
aleatorias, y las respectivas minúsculas (x, y, ...) para designar valores concretos de
las mismas. El conjunto de todos los posibles valores que pueda tomar la variable, se
llama el recorrido de la variable aleatoria.
SÍNTESIS DE VARIABLE ALEATORIA CONTINUA
Probabilidad de que una VAC esté en un intervalo: La probabilidad de que una variable
aleatoria continua esté entre dos valores a y b, es decir P(a ≤ x ≤ b) corresponde al área
bajo la curva de f(x) entre a y b, como se muestra. La probabilidad de que x tome un solo
valor es cero, es decir P ( x = a) = 0, pues no existe área bajo la curva.
Función densidad de probabilidad a) f(x) ≥ 0 para todo valor de x
b) el área total bajo la gráfica de f(x) es 1.

Función de probabilidad f(a) = P(x = a) Función de distribución acumulada F(x) = P(X ≤ x)

P(a ≤ x ≤ b) = F(b) –F(a)

Función de distribución simétrica P( Z ≥ a ) = 1 – F(a)

Función de distribución a
F(a) = P(x ≤ a) = ∑ f(x) P( Z ≤ -a ) = 1 – F(a)
mínimo
Distribución normal de media µ y N( µ , σ 2 )
varianza σ 2
Esperanza de una VAD E(X) = x1 •p(x1) + x 2 •p(x 2 ) + ... + xn •p(xn )
Distribución normal estándar N(0, 1)

Estandarización de una distribución x–x

Varianza de una VAD ⎡ 2 ⎤ normal z= x=x + z •s
⎡ ⎤
s2 = ∑⎢ xi – E(X) •p(xi )⎥ = ∑⎢Δi2 •p(xi )⎥ s
⎣
( ) ⎦ ⎣ ⎦
Aproximación de distribución aproxima a
binomial a normal
B(n,p) ⎯⎯⎯⎯⎯→ N np, np(1– p) ( )
Varianza de una VAD ⎡ ⎤
(
s2 = ∑⎢xi2 •p(xi )⎥ – E(x)2
⎣ ⎦ )
(fórmula alternativa)
95,4%
68,2%

34,1% 34,1% 47,7% 47,7%

Función de probabilidad binomial ⎛ ⎞ n!
P(x = k) = ⎜⎜ n ⎟⎟ •pk • qn–k =
15,9% 15,9%
•pk • qn–k x-s x x+s
2,3%
x -2s x x+2s
2,3%

⎝ k ⎠ k!(n – k)!
z F(z) = P(Z ≤ z)
-1,00 0,159
0,00 0,500
Esperanza en distribución E(X) = np 0,67 0,749
binomial 0,99 0,839
1,00 0,841
1,15 0,875
1,28 0,900
Varianza en distribución binomial Var(X) = npq = np(1 – p) 1,64 0,950
1,96 0,975 " +
2,00 0,977
0 z Z
2,17 0,985
2,32 0,990
2,58 0,995
 SÍNTESIS ESTADÍSTICA INFERENCIAL

Error Estándar σ
n

Nivel de confianza 1− α
Probabilidad que µ esté en intervalo de confianza

Intervalo de confianza ⎡ ⎤
⎢x – z σ σ ⎥
α • , x + z α •
⎢ 1– n 1– n ⎥⎦
⎣ 2 2

Error máximo de estimación de la σ

media (EMEM) EMEM = Z α •
1−
2
n

Tamaño de la muestra 2
⎛z •σ ⎞
⎜ 1− α ⎟
n≥⎜ 2 ⎟
⎜ EMEM ⎟
⎜ ⎟
⎝ ⎠

Relación entre límites del intervalo l +l l −l

de confianza, media muestral y x= i s y EMEM = s i
EMEM 2 2

Fórmula para buscar F(z) en la tabla α 1 + nivel de confianza

y luego encontrar z F(z) = 1− =
2 2