Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A
Formulario
Métodos de tabulación
Descriptiva Métodos gráficos
Métodos numéricos
ESTADÍSTICA
Estimación de parámetros
Inferencial
Pruebas de hipótesis
x1 , x2 , x3 , ..., xN
o Universo (N ) Finita N o Infinita
Población
Parámetro: µ, σ 2 y P
ESTUDIO
x1 , x2 , x3 , ..., xn
(n)
Muestreo
Muestra
Estadı́stico o Estadı́grafo: x̄, s2 y pb
59
Contadurı́a Pública Universidad Salesiana de Bolivia
1.
Planteamiento del problema
2.
Recolección de la información
EL MÉTODO ESTADÍSTICO
3. Organización y clasificación de los datos
4. Análisis e interpretación de los resultados
Nominal
Cualitativa–Atributo
Ordinal
VARIABLE
Discreta
Cuantitativa-Métrica
Contı́nua
X, Y, Z, V, W, T, U, ......, X1 , X2 , ......
Censos
Encuestas por muestreo
FUENTE DE LOS DATOS
Registros
Diseño de experimentos
Si X es la variable, entonces {x1 , x2 , ..., xn } son los datos observados o las mediciones
realizadas a una muestra de elementos de tamaño n. Los cuales en una primera instancia,
se deben representar (resumir) en cuadros y gráficas.
60
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
donde:
frecuencias absolutas (ni ), cantidad de veces o el número de veces que entre los datos
aparece la Caracterı́stica A, B, C, ... , K.
• ni es positivo y entero
• 0 < ni < n
n
• n1 + n2 + · · · + nk = ni = n
P
i=1
frecuencias relativas (fi ), proporción de veces o el tanto por uno de veces que entre
los datos aparece la Caracterı́stica A, B, C, ... , K.
• fi es positivo y decimal
• 0 < fi < 1
n
• f1 + f2 + · · · + fk = fi = 1
P
i=1
frecuencias porcentuales (pi %), porcentaje de veces o tanto por cien de veces que
entre los datos aparece la Caracterı́stica A, B, C, ... , K.
• pi % es positivo
• 0 < pi % < 100
n
• p1 % + p2 % + · · · + pk % = pi % = 100 %
P
i=1
Si los datos {x1 , x2 , ..., xn } se repiten en k distintos valores (k < n) o casi todos en
su mayorı́a son distintos.
Según cómo se expresen los datos, se tiene tres alternativas para representar los datos.
Distribución Tipo I
Si los datos {x1 , x2 , ..., xn }:
Distribución Tipo II
Si los datos {x1 , x2 , ..., xn }:
Son los datos {x1 , x2 , ..., xn } repetidos entre k distintos posibles (k < n).
xi ni fi pi % Ni Fi Pi %
x1 n1 f1 p1 % N1 F1 P1 %
x2 n2 f2 p2 % N2 F2 P2 %
x3 n3 f3 p3 % N3 F3 P3 %
.. .. .. .. .. .. ..
. . . . . . .
xk nk fk pk % Nk Fk Pk %
Total n 1 100 %
Donde:
i=1
62
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
N1 = n1 Nk = n
Fi : frecuencia relativa acumulada “Menor que” del valor xi a la frecuencia relativa total de
las observaciones menores o iguales a xi
i
F i = f1 + f2 + f3 + · · · + fi Fi = Fi = Fi−1 + fi ∀i = 1, 2, ..., k.
X
fj
j=1
F 1 = f1 Fk = 1
j=1
∀i = 1, 2, ..., k. P 1 % = p1 % Pk = 100 %
Son los datos {x1 , x2 , ..., xn } muy distintos en su mayorı́a entre ellos.
R = xmáx − xmı́n
63
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
5 si n ≤ 25
√
K= n si n > 25
1 + 3.22 log(n) Fórmula de Sturges
Donde:
Li−1 y Li lı́mites inferior y superior de cada intervalo de clase respectivamente.
ni : frecuencia absoluta, es el número de observaciones que pertenecen la la clase i–ésima.
k
0 < ni < n ∀i = 1, 2, ..., k. ni = n
X
i=1
64
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
N1 = n1 Nk = n
F 1 = f1 Fk = 1
Pi %: frecuencia porcentual acumulada “Menor que” del valor xi al porcentaje total de las
observaciones menores o iguales a Li
i
Pi % = p 1 % + p 2 % + p 3 % + · · · + p i % Pi % = pj % Pi % = Pi−1 % + pi %
X
j=1
∀i = 1, 2, ..., k. P 1 % = p1 % Pk = 100 %
65
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
A.2.3. Gráficas
Deben conseguir que un simple análisis visual ofrezca la mayor información posible. Cuyas
dimensiones son proporcionales a la magnitud de los datos representados en figuras geométricas
(puntos, lı́neas, rectángulos, paralelepı́pedos, etc.). No es sustituto, es complementario al cuadro.
Gráfica de sectores
Diagrama de barras
Variables cualitativas
Pictogramas
Diagrama de barras
GRÁFICAS Discretas
Ojiva
Histograma
Variables cuantitativas
Contı́nuas Polı́gono de frecuencias
Ojiva
Caracterı́stica i: ni
66
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Variable: xi ; ni , fi o pi % Variable: xi ; Ni , Fi o Pi %
En esta sección se describen los diferentes estadı́grafos, llamados también números ı́ndices,
estadı́sticas, estadı́sticos, etc. Se trata de valores que aportan mucha más información que
la propia, como datos en sı́ mismos. Ası́ como un histograma puede ser considerado como
una manera clara y práctica de resumir la información contenida en la “nube” de datos, los
estadı́grafos la condensan aún más, reduciéndola a unos pocos valores que toma el lector para
darse una idea de todo el conjunto. El trabajo de analizar un gran número de datos siempre es
engorroso; en la actualidad, con las computadoras la tarea está mucho más aliviada, pero en los
inicios era una tarea muy pesada. Por eso, desde siempre se buscó la manera de unificar criterios
y técnicas para homogeneizar la manera de presentar datos en los informes cientı́ficos.
67
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
aritmética Media
Tendencia Central Mediana
De
Moda
Cuartil
Tendencia no Central Decil
De
Percentil
Rango o recorrido
ESTADÍGRAFOS: Rango intercuartil
Desviación Mediana
De Variación o Dispersión Varianza
Desviación estándar
Coeficiente de apertura
Coeficiente de variación
Asimetrı́a
De Forma
Curtosis
A.3.1. Promedios
Media aritmética
Sea X una variable cuantitativa con {x1 , x2 , ..., xn } un conjunto de datos observados o mediciones
de una muestra de tamaño n.
68
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Propiedad 1. Si todos los valores observados {x1 , x2 , x3 , ..., xn } son iguales a b, entonces
x̄ = M (X) = M (b) = b
ȳ = M (Y ) = M (X ± b) = M (X) ± b = x̄ ± b
ȳ = M (Y ) = M (a · X) = a · M (X) = a · x̄
ȳ = M (Y ) = M (a · X ± b) = a · M (X) ± b = a · x̄ ± b
i=1
i=1 i=1
decir
di = xi − Ot ∀ i = 1, 2, ..., k.
entonces
k
di ni
x̄ = M (X) = M (d) + Ot = d¯ + Ot con M (d) = d¯ =
X
i=1 n
entonces
k
ui ni
x̄ = M (X) = c · M (u) + Ot = c · ū + Ot con M (u) = ū =
X
i=1 n
Media ponderada
x̄p = i=1
k
P
wi
i=1
Media global
L
x̄h · nh
P
x̄G = h=1
L
P
nh
h=1
70
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Mediana
donde:
; si n es impar
x( n+1 )
2
Me =
x n + x( n +1)
(2)
; si n es par
2
71
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Moda
∆1
!
M o = Lj−1 + cj
∆1 + ∆ 2
donde:
M o = x0
correspondiente a la frecuencia i–ésima (absoluta (ni ), relativa (fi ) o porcentaje (pi %)) de
mayor valor.
Para distribuciones (curvas) de frecuencia unimodales que sean poco asimétricas se tiene
la siguiente relación empı́rica:
x̄ − M o = 3 · (x̄ − M e)
72
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
A.3.2. Cuantiles
Cuartiles
para todo r = 1, 2, 3.
Deciles
para todo r = 1, 2, 3, 4, 5, 6, 7, 8, 9.
73
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Percentiles
Relación entre Qr , Dr y Pr
A.3.3. Variación
Rango
Rango intercualtil
R.I. = Q3 − Q1
74
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Desviación mediana
DM e = i=1
n
Varianza
V (X) = s = 2 i=1
= i=1
− x̄2
n n
Desviación tı́pica
q
s = + V (X)
75
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Desiguadad de Schevyshev
Coeficiente de apertura
Coeficiente de variación
s ≤ 30 % homogéneo
C.V.(X) = · 100 =
|x̄| > 30 % heterogéneo
Estandarización o Tipificación
El denominado valor Z es una de las medidas de posición relativa. Dada una variable X, un valor
de Z describe la posición de una observación x relativa a la media en unidades de la desviación
estándar.
Un valor de Z negativo indica que la observación está por debajo de la media; un valor de Z
positivo indica que la observación se encuentra por encima del valor de la media.
X − X̄
Z=
S
76
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
A.3.4. Forma
Momentos
Momento r-ésimo con respecto al origen para distribuciones Tipo II o Tipo III
k k
xri · ni xri · pi %
P P
k
0
Mr = i=1
= xri · fi = i=1
∀ r = 1, 2, .....
X
n i=1 100
Momento r-ésimo con respecto a la Media (x̄) para distribuciones Tipo II o Tipo III
k k
(xi − x̄)r · ni (xi − x̄)r · pi %
P P
k
Mr = i=1
= (xi − x̄)r · fi = i=1
∀ r = 1, 2, .....
X
n i=1 100
Mr = i=1
∀ r = 1, 2, .....
n
Asimetrı́a
77
juchama24@gmail.com
Contadurı́a Pública Universidad Salesiana de Bolivia
Curtosis
0 Leptocúrtica
>
M4
K1 = 4 − 3 = 0 Mesocúrtica
s
< 0 Platicúrtica
0.263 Leptocúrtica
>
Q3 − Q1
K2 = = 0.263 Mesocúrtica
2(P90 − P10 )
< 0.263 Platicúrtica