Módulo: Modelación Estadística

Clase 1: Repaso de Conceptos.

José Aldinever Bonilla Ariza
Docente Institución Universitaria
Antonio José Camacho
 La modelación Estadística

• La Estadística es la ciencia
que se encarga de las
tareas de la recolección,
procesamiento,
organización,
presentación, análisis e
interpretación de datos.
 La modelación Estadística
• El fin del uso de los métodos estadísticos es
proporcionar conclusiones válidas
científicamente, así como ayudar en el proceso de
toma de decisiones.

• Su utilización es transversal a casi todas las

disciplinas.

• Requiere del trabajo conjunto o interdisciplinario.

 La modelación Estadística
Ejemplos de aplicación

• Salud: Diseño de experimentos con el fin de

determinar si una nueva medicina es efectiva o en
que grado es efectiva para combatir una
enfermedad.
 La modelación Estadística
Marketing: Estudio de grandes
bases de datos con el fin de
optimizar sus esfuerzos hacia
clientes, productos o servicios,
precios, etc. Uso de la minería
de datos.

Ingeniería: Estudios sobre

control de procesos, control de
calidad y mejoramiento.
 La modelación Estadística
Economía: Estimación de
modelos econométricos con
fines de explicación de la
realidad económica o
pronostico de variables.

Educación: Diseños
experimentales para medir
rapidez de aprendizajes.
 La modelación Estadística

Psicología: Aplicación de test

para evaluar comportamiento
humano, selección de personal.

Politica: Medición de la
intensión de voto.
 La modelación Estadística
Razones de uso de la estadística:
• La razón fundamental es la presencia de la
incertidumbre.

• La imposibilidad de conocer con certeza lo que

ocurrirá.

• La aleatoriedad de los fenómenos.

• En muchas situaciones bajo las mismas

condiciones los resultados pueden ser diferentes.
 La modelación Estadística

Conceptos básicos
• Estudio Descriptivo
Métodos gráficos y numéricos que permiten resumir,
procesar y presentar datos.

• Estudio Inferencial
Métodos de estimación, predicción o procedimiento
de pruebas de hipótesis que generalizan los
resultados de una muestra hacia la población.
Construcción de modelos.
 La modelación Estadística
Técnicas Descriptivas Técnicas Inferenciales
• Tablas de frecuencias.
• Intervalos de confianza.
• Gráficos: Barras,
circulares, histogramas, • Pruebas de hipótesis.
frecuencias acumuladas, • Modelos de regresión.
diagramas de cajas, • Series temporales.
diagramas de
dispersión.
• Indicadores de
tendencia central,
dispersión, posición y
forma.
 La modelación Estadística
• Población de interés: es la
colección o conjunto de
elementos bajo estudio y sobre
los cuales se quieren sacar
conclusiones.

• Población Estadística:
Población estadística: conjunto
de valores que se pueden
registrar de una característica
definida en las unidades
experimentales.
 La modelación Estadística
• Muestra: es un subconjunto representativo de la
población de interés.
 La modelación Estadística

• Censo: Examina toda la población.

• El muestreo: Examinar una parte de la población.

Exactitud.
Económica
 La modelación Estadística
Repaso de algunos conceptos básicos

Unidad de análisis Es cada cosa, elemento, persona u

objeto que compone la población. También puede
referirse a unidades experimentales

Unidad de información: es el elemento, persona o

grupo que brinda la información.
 La modelación Estadística
Repaso de algunos conceptos básicos

Variables: Son las características medidas en las

unidades experimentales.

Tipos de variables:

Variables Cualitativas: Atributos no numéricos.

Variables Cuantitativas: Valores numéricos.

Cuantitativas discretas y continuas
 La modelación Estadística
Repaso de algunos conceptos básicos

Escalas de medición:

Nominal: los elementos solo pueden ser clasificados en

categorías que no implica un orden o jerarquía.
Ej: Profesión. (Ingeniero, Administrador, Abogado, etc)

Ordinal: los elementos son clasificados en categorías

que tienen un orden o jerarquía, aunque no se puede
cuantificar la diferencia entre los valores.
Ej: Nivel de escolaridad (Primaria, Bachiller,
Universitaria)
 La modelación Estadística
Repaso de algunos conceptos básicos

Escalas de medición:

Intervalo: Valoraciones numéricas, se puede establecer

la diferencia entre valores más no como razones, el
valor cero es arbitrario y no significa ausencia.

Razón: Valoraciones numéricas se pueden establecer

diferencias entre valores y razones. El cero es absoluto,
es decir, implica la ausencia.
 La modelación Estadística
Repaso de algunos conceptos básicos

Parámetro: Valor numérico que resume todos los datos

de una población.

Estadístico: Valor numérico que resume los datos de

una muestra.
 La modelación Estadística
Ejemplo.

Cierta compañía de investigación realiza un estudio para

establecer la relación entre el gasto mensual en miles de
pesos y el ingreso mensual de las familias de la ciudad
de Cali. Para realizar la estimación se procedió a
seleccionar una muestra aleatoria estratificada de 420
familias residentes en la ciudad. Los estratos se
definieron a través de la estratificación socioeconómica
de la ciudad.

Identifique los elementos o conceptos estadísticos del

caso.
 La modelación Estadística
Ejemplo.
• Población de interés: Todos los hogares de la ciudad
Cali.

• Variables de interés:

El Ingreso mensual por familia, variable de tipo

cuantitativo en escala de razón.

El gasto mensual por familia, variable de tipo cuantitativo

en escala de razón.
 La modelación Estadística
Ejemplo.
• Unidad de análisis: El hogar de la ciudad Cali.

• Tipo de estudio: Inferencial.

• Tipo de muestreo: Muestreo Aleatorio Estratificado.

• Tamaño de la muestra: 420 familias.

• Técnicas específicas: Modelo de regresión lineal

simple.
 La modelación Estadística
Ejemplo.
• Parámetros a estimar:

- Ingreso promedio por familia.

- Gasto promedio por familia.

- Gasto esperado por cada peso de ingreso adicional.

 La modelación Estadística
ETAPAS DE LA MODELACION ESTADISTICA.

- Descripción / Documentación.
1. DEFINICION DEL PROBLEMA - Población.
- Objetivos.
- Hipótesis.
- Variables.
- Parámetros.

-Diseño del experimentos/diseño

muestral.
-¿censo o muestreo?
2. DISEÑO DEL ESTUDIO -Tipo de muestreo a utilizar y el tamaño
de la muestra según error y nivel de
confianza.
-Definirse la logística de la recolección
de la información.
 La modelación Estadística
ETAPAS DE LA MODELACION ESTADISTICA.

3. PROCESAMIENTO Y ANALISIS
DE RESULTADOS
- Inspección grafica e identificación
de tendencias.
- Consideración de hipótesis
distribucionales y relacionales.
Propuesta de modelos.
- Ajuste y revisión (diagnostico) de
modelos. Comparación y selección
del mejor modelo.
- Valoración de la capacidad
predictiva del modelo. Validación.
- Interpretación y conclusiones.
 La modelación Estadística
¿Qué es un Modelo?

Un modelo es una representación o abstracción de la

realidad.

Un modelo debe poseer dos características:

1- Debe ser fácil de manipular.
2- Proveer una mejor visión del sistema bajo estudio.

En todas las disciplinas se utilizan modelos

 La modelación Estadística
¿Qué tipos de Modelos existen?

Físicos: intentan mostrarse de alguna forma semejantes

a la realidad que representan. Prototipos. Ejemplo es
representar el sistema solar a escala.

Analógico o físico práctico: no asemejan físicamente

el sistema bajo estudio sino que exhiben una conexión
entre los parámetros de entrada y las variables de salida
proporcionales a los existentes en el sistema real.
 La modelación Estadística
¿Qué tipos de Modelos existen?

Matemáticos: incorporan las propiedades y el

comportamiento básico del sistema bajo estudio
mediante relaciones matemáticas.

Determinísticos: Las relaciones entre las variables se

determinan con certeza. Ejemplo de la mecánica de
Newton:

𝑉 = 𝑣0 + 𝑎𝑡
 La modelación Estadística
¿Qué tipos de Modelos existen?

Estocástico: Incorpora variables aleatorias. No hay

certeza de los valores de esta variables. Incertidumbre.
Variables de entrada Variables de Salida

𝑀𝑜𝑑𝑒𝑙𝑜 Se sabe el valor

Determinístico con anticipación

𝑀𝑜𝑑𝑒𝑙𝑜 No se sabe el valor

Estocástico con certeza.
Valor probable.
 La modelación Estadística
¿Para que se construye un modelo?

• Considerar aspectos fundamentales de un sistema

que pueden ser muy difíciles o imposibles de analizar
sin la ayuda de un modelo.
• Estudiar el alcance de objetivos del sistema, su
estructura y restricciones del mismo.
• Ayuda a definir parámetros y/o indicadores en el
análisis del sistema bajo estudio.
• Evaluación sistemática de alternativas de solución de
problemas o modificación del sistema.
• Realizar análisis de sensibilidad, simulación,
predicción, etc.