Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Criminología y Criminalística
Sede Tihuatlán
TAREA:
Unidad II
ALUMNO:
ASESOR SOLIDARIO:
UNIDAD DE APRENDIZAJE:
Estadística Delictiva
UNIDAD II: MODELOS ESTADÍSTICOS
Una vez recolectada la información de las diferente fuentes, se reúnen una gran cantidad de
datos, que a su vez requieren una organización a través de las clases o categorías que
determinan de manera más resumida y organizada la frecuencia y otros datos que permitirá
llega a interpretaciones posteriores. El ordenamiento se concreta por medio de la tabla de
distribución de frecuencias en clases.
Para realizar del PROCESO DE ORDENAMIENTO hay que seguir los siguientes pasos:
b. Rol de frecuencia: una vez ordenados los datos se determina cuantas veces se repiten los
datos
c. Tabla de frecuencia: en este último paso, se realiza la tabla de discriminando las clases,
la frecuencia, las proporciones y los porcentajes de la información y a partir de ellos se
establecen las conclusiones del estudio.
El análisis de datos estadísticos es el proceso que nos permite interpretar los datos
numéricos que disponemos, con el objetivo de tomar las decisiones de negocio más
eficaces. De hecho,las empresas pueden tomar decisiones 5 veces más rápido que su
competencia si las basan en el análisis de datos.
Cada decisión que se quiera tomar en nuestras organizaciones debe estar basada en datos.
Esto significa que la estadística es una herramienta muy potente en nuestras manos. Por
ello, cerca del 81% de los directivos considera que sus decisiones deben estar basadas en
datos.
Existen muchas herramientas para el análisis de datos estadísticos, Excel es una de ellas.
Este software cuenta con funciones estadísticas que nos facilitan la gestión de los datos.
Antes de todo análisis de datos estadísticos hay que tener en cuenta el tipo de datos de que
disponemos. Así, unos datos cualitativos, provenientes de entrevistas, notas o documentos,
nos proporcionan respuestas categóricas ya que miden cualidades; por otro lado, los datos
cuantitativos nos proporcionan respuestas numéricas.
También es necesario tener en cuenta que la estadística se divide en dos ramas principales:
la estadística descriptiva o deductiva y la estadística inferencial, o inductiva. La primera es
útil a la hora de describir y representar los datos mediante técnicas numéricas y gráficas,
mientras que la segunda permite obtener conclusiones utilizando la teoría de
probabilidades.
Son muchas las técnicas de análisis de datos estadísticos a disposición, entre las cuales se
encuentran:
Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un
solo valor a un conjunto de valores. Representan un centro en torno al cual se encuentra
ubicado el conjunto de los datos. Las medidas de tendencia central más utilizadas son:
media, mediana y moda. Las medidas de dispersión en cambio miden el grado de dispersión
de los valores de la variable. Dicho en otros términos las medidas de dispersión pretenden
evaluar en qué medida los datos difieren entre sí. De esta forma, ambos tipos de medidas
usadas en conjunto permiten describir un conjunto de datos entregando información acerca
de su posición y su dispersión.
Los procedimientos para obtener las medidas estadísticas difieren levemente dependiendo
de la forma en que se encuentren los datos. Si los datos se encuentran ordenados en una
tabla estadística diremos que se encuentran “agrupados” y si los datos no están en una tabla
hablaremos de datos “no agrupados”.
Según este criterio, haremos primero el estudio de las medidas estadísticas para datos no
agrupados y luego para datos agrupados.
Promedio o media
Mediana
Moda
La moda de una distribución se define como el valor de la variable que más se repite. En un
polígono de frecuencia la moda corresponde al valor de la variable que está bajo el punto
más alto del gráfico. Una muestra puede tener más de una moda.
Medidas de dispersión
Rango de variación
El término probabilidad proviene de lo probable, o sea, de aquello que es más posible que
ocurra, y se entiende como el mayor o menor grado de posibilidad de que un evento
aleatorio ocurra, expresado en una cifra entre 1 (posibilidad total) y 0 (imposibilidad
absoluta), o bien en porcentajes entre el 100% o el 0%, respectivamente.
Para ello se sigue lo establecido por la Teoría de la probabilidad, una rama de las
matemáticas dedicada al estudio de la probabilidad. Esta disciplina es largamente empleada
por otras ciencias naturales y sociales como disciplina auxiliar, ya que les permite manejar
escenarios posibles en base a generalizaciones.
Las primeras consideraciones formales sobre esta materia provienen del siglo XVII,
específicamente de la correspondencia entre Pierre de Fermat y Blaise Pascal en 1654, o de
los estudios de Christiaan Huygens en 1657 y de la Kybeia de Juan Caramuel en 1649,
texto hoy en día perdid
Estimar puede tener dos significados interesantes. Significa querer e inferir. Desde luego, el
primer significado es más trascendente. Pero no tiene ningún peso en la estadística,
disciplina que no se ocupa de los asuntos del amor. El segundo significado es el importante
aquí. Una estimación estadística es un proceso mediante el que establecemos qué valor
debe tener un parámetro según deducciones que realizamos a partir de estadísticos. En otras
palabras, estimar es establecer conclusiones sobre características poblacionales a partir de
resultados muestrales. Vamos a ver dos tipos de estimaciones: puntual y por intervalo. La
segunda es la más natural. Y verás que forma parte habitual de nuestro imaginario como
personas sin necesidad de una formación estadística. La primera, la estimación puntual, es
la más sencilla y, por ese motivo, vamos a comenzar por ella. Ocurre, además, que la
estimación por intervalo surge, poco más o menos, de construir un intervalo de posibles
valores alrededor de la estimación puntual. Una estimación puntual consiste en establecer
un valor concreto (es decir, un punto) para el parámetro. El valor que escogemos para decir
“el parámetro que nos preocupa vale X” es el que suministra un estadístico concreto. Como
ese estadístico sirve para hacer esa estimación, en lugar de estadístico suele llamársele
estimador. Así, por ejemplo, utilizamos el estadístico “media aritmética de la muestra”
como estimador del parámetro “media aritmética de la población”. Esto significa: si quieres
conocer cuál es el valor de la media en la población, estimaremos que es exactamente el
mismo que en la muestra que hemos manejado.
La estimación se divide en tres grandes bloques, cada uno de los cuales tiene distintos
métodos que se usan en función de las características y propósitos del estudio:
-Estimación puntual:
-Estimación bayesiana.