Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica - General PDF
Estadistica - General PDF
Inventario Forestal
Estadística: concepto
Parámetro
Es una constante que describe una población.
Variable
Cualquier característica (cuantitativa o cualitativa)que
pueda variar de una unidad a otra.
Parámetros
Área basal
Densidad (árb ha-1)
Altura dominante
Índice de Sitio
Variables
DAP
Altura total
Calidad
Tipos de variables
Discreta
Cuando tiene un finito o contable infinito número de
posibles valores.
Continua
Cuando puede tomar cualquier valor dentro de un
determinado intervalo y tiene un infinito número de
valores.
Escalas de medida
Exactitud, Precisión y Sesgo
Exactitud
Cercanía entre un valor estimado y su valor real.
Precisión
Grado de concordancia entre mediciones sucesivas.
Sesgo
Error sistemático.
Exactitud, Precisión y Sesgo
Simetría
Curtosis
Posición central
Variabilidad
La misma
media
Menor
variabilidad
Mayor
variabilidad
Variabilidad
La misma
media
Menor
variabilidad
Mayor
variabilidad
Dispersión
Análisis descriptivo de datos
Resumir información
Ejercicio
Se ha medido el DAP y HT en 9 árboles muestras dentro de una población
finita de 50 árboles.
DAP (cm) HT (m)
18.1 18.1
17.2 16.2
16.5 15.4
21.6 21.4
33.2 27.1
23.1 23.4
17.3 15.8
14.3 14.0
5.2 8.3
y i
y= i =1
n
Estimación de Intervalo: complementa la estimación
puntual incorporando incertidumbre a través de la
construcción de intervalos.
y t(n −1),1− 2 S y
Población
n! donde :
nPk = Cuando no se
nPk =
3!
=6 nPk = 3 = 9 2
(3 − 2)!
(A,B) ; (A,C) ; (B,A); (B,C); (C,A); (C,B) (A,A); (A,B) ; (A,C) ; (B,A); (B,B); (B,C);
(C,A); (C,B);(C,C)
Combinaciones
n!
nCk =
k!(n − k )!
donde :
n = número total de objetos.
k = número de objetos dentro de cada grupo.
Combinaciones
3!
nCk = =3
2! (3 − 2 )!
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
Distribución normal
Pico centro
distribución
La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
La media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico.
La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
Distribución normal
Pico centro
distribución
La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
La media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico.
La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
Distribución normal
Pico centro
distribución
La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
Distribución normal
Pico centro
distribución
La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
Distribución normal
Pico centro
distribución
La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
-∞ +∞
La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo
X ~ N ( , )
izquierda de dicho punto.
La distribución de probabilidad normal es simétrica
alrededor de su media.
La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
El teorema del límite central: las medias de muestras
grandes y aleatorias son aproximadamente normales
Y → N ,
n
Donde:
μ = media poblacional
σ = es la desviación estándar poblacional
n = es el número de muestras
Ejemplo Y → N ,
n
Una población se compone de 5 alturas (m): 11, 13, 17, 15 y 14.
n = 5, k = 2 n = 5, k = 4
Ejemplo Y → N ,
n
Una población se compone de 5 alturas (m): 11, 13, 17, 15 y 14.
n = 5, k = 2 n = 5, k = 4
muestras posibles = 10 muestras posibles = 5
(11, 13) y =12 (11, 13, 17, 15) y =14
(11, 17) y =14 (11, 17, 15, 14) y =14.3
(11, 15) y =13 (11, 13, 15, 14) y =13.3
(11, 14) y =12.5 (11, 13, 17, 14) y =13.8
(13, 17) y =15 (13, 17, 15, 14) y =14.8
(13, 15) y =14
(13, 14) y =13.5
(17, 15) y =16
(17, 14) y =15.5
(15, 14) y =14.5
n = 5 , k = 2, muestras n = 5 , k = 4, muestras
posibles = 10 posibles = 5
2.00 2.00
Y → N 14, Y → N 14,
10 5
Error estándar
Ya vimos que la distribución muestral de las medias corresponde a:
Y → N ,
n
Como solo se tiene una muestra
El error estándar es el estimador de σ:
Para poblaciones infinitas Para poblaciones finitas
Sy Sy
n
Sy = Sy = 1−
n n N
Es la desviación estándar de las medias muestrales
Límites de confianza
Como σ es desconocida en la mayoría de casos forestales
se estandariza usando la distribución t-student
Y −
t= Distribución t-student
Sy
n
Límites de confianza: con σ desconocida
Si fijamos una probabilidad α, podemos obtener -t y t que limitan un área de
valor 1 - α.
y−
−t = = y + t Sy
Sy
y−
+t = = y − t Sy
Sy
1-α
( ) (
y − t( n −1;1− 2) S y y + t( n −1;1− 2) S y )
Error de muestreo
E = t(n −1;1− 2 ) S y
Error de muestreo relativo:
t(n −1;1− 2 ) S y
E% =
y
Ejercicio
Se ha medido el DAP y HT en 9 árboles muestras dentro de una población finita de 50
árboles.