Universidad del valle de México.

Herramientas estadísticas para ingeniería.

Maestra: Elizabeth Cataño Vargas.

Unidad 1: Introducción a la estadística y análisis de

datos.

Actividad 1: Síntesis/ejercicio.

Alumno: Jimmy Lara Pech.

Fecha: 04/11/19

1
 Introducción.
El siguiente material se enfoca al tema de la estadística, donde se tocan
temas de inferencia estadística, datos agrupados y los tipos de graficas que se
pueden implementar dependiendo de los resultados que se quiera plasmar
individualmente de la problemática que se quiera solucionar.

La estadística es el estudio de los modos de recolectar y analizar datos con

el fin de establecer conclusiones acerca del medio del cual se han obtenido los
datos. En si es la ciencia que trata sobre la toma, organización recopilación,
presentación y análisis de datos para deducir conclusiones sobre ellos y para tomar
decisiones que estén de acuerdo con los análisis efectuados.

La Estadística es una disciplina que utiliza recursos matemáticos para

organizar y resumir una gran cantidad de datos obtenidos de la realidad, e inferir
conclusiones respecto de ellos.

En este caso la estadística describe la muestra en términos de datos

organizados y resumidos, y luego infiere conclusiones respecto de la población.

Como se sabe la estadística se divide en dos, descriptiva e inferencial, la

última es en la cual se va a estar enfocado.

La estadística inferencial, se dedica a la generación de los modelos,

inferencias y predicciones asociadas a los fenómenos en cuestión teniendo en
cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los
datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias
pueden tomar la forma de respuestas a preguntas si/no prueba de hipótesis,
estimaciones de características numéricas (estimación), pronósticos de futuras
observaciones, descripciones de asociación (correlación) o modelamiento de
relaciones entre variables (análisis de regresión).

2
 Inferencia estadística.
Con base en la información obtenida de una pequeña parte o muestra, se hacen
estimaciones y predicciones de una o varias características de la población y se
realiza una toma decisiones.

Como el azar afecta tanto a la recolección de datos como a su análisis, debe

ser tomado en cuenta al hacer inferencias, y es aquí donde la estadística se
relaciona con la probabilidad, la cual puede definirse como el estudio matemático
del azar y los fenómenos aleatorios.

Los métodos paramétricos de la inferencia estadística se pueden dividir,

básicamente, en dos: métodos de estimación de parámetros y métodos de contraste
de hipótesis. Ambos métodos se basan en el conocimiento teórico de la distribución
de probabilidad del estadístico muestral que se utiliza como estimador de un
parámetro.

La estimación de parámetros consiste en asignar un valor concreto al

parámetro o parámetros que caracterizan la distribución de probabilidad de la
población. Cuando se estima un parámetro poblacional, aunque el estimador que
se utiliza posea todas las propiedades deseables, se comete un error de estimación
que es la diferencia entre la estimación y el verdadero valor del parámetro.

El error de estimación es desconocido por lo cual es imposible saber en cada

caso cual ha sido la magnitud o el signo del error; para valorar el grado de precisión
asociado con una estimación puntual se parte de dicha estimación para construir un
intervalo de confianza.

Los métodos de contraste de hipótesis tienen como objetivo comprobar si

determinado supuesto referido a un parámetro poblacional, o a parámetros
análogos de dos o más poblaciones, es compatible con la evidencia empírica
contenida en la muestra. Los supuestos que se establecen respecto a los
parámetros se llaman hipótesis paramétricas. Para cualquier hipótesis paramétrica,
el contraste se basa en establecer un criterio de decisión, que depende en cada
caso de la naturaleza de la población, de la distribución de probabilidad del

3
estimador de dicho parámetro y del control que se desea fijar a priori sobre la
probabilidad de rechazar la hipótesis contrastada en el caso de ser ésta cierta.

En todo contraste intervienen dos hipótesis.

La hipótesis nula (Ho) es aquella que recoge el supuesto de que el parámetro

toma un valor determinado y es la que soporta la carga de la prueba.

La decisión de rechazar la hipótesis nula, que en principio se considera cierta,

está en función de que sea o no compatible con la evidencia empírica contenida en
la muestra. El contraste clásico permite controlar a priori la probabilidad de cometer
el error de rechazar la hipótesis nula siendo ésta cierta; dicha probabilidad se llama
nivel de significación del contraste ( ) y suele fijarse en el 1%, 5% o 10%.

La proposición contraria a la hipótesis nula recibe el nombre de hipótesis

alternativa (H1) y suele presentar un cierto grado de indefinición: si la hipótesis
alternativa se formula simplemente como 'la hipótesis nula no es cierta', el contraste
es bilateral o a dos colas; por el contrario, cuando se indica el sentido de la
diferencia, el contraste es unilateral o a una sola cola.

4
 Datos agrupados.
Los datos agrupados son como lo indica su nombre, una cantidad de datos que
puede clasificarse, ya sea por sus cualidades cualitativas o cuantitativas, y por tal
agruparse para su análisis.

Estos datos por lo general son aconsejables agruparles cuando su población

cuenta con alrededor de 20 o más elementos que comparten una característica y
caben dentro de una categorización, pues permite un mejor manejo y análisis más
profundo de los mismos. Porque al emplear este método podemos manejarlos por
clases, una clase es una categoría en la que se agrupan los datos.

Por lo cual pueden organizarse o clasificarse de dos formas: datos agrupados

en frecuencia o en intervalos.

Los datos agrupados en frecuencia son los que se distribuyen u organizan en

una tabla de frecuencia, así, por medio de ella, es fácil identificar la cantidad de
respuestas repetidas.

Los datos agrupados por intervalos son los que se organizan dentro de un
rango y se delimita su amplitud por límites establecidos. Así, por medio de esta, es
fácil identificar la cantidad de elementos en un determinado rango de valores.

5
 Representaciones gráficas.
Las gráficas son un modo muy eficiente de mostrar resultados. Por lo general, los
datos se muestran tanto en tablas (donde aparecen los números exactos), como en
gráficas, las cuales permiten visualizar mejor la forma de los datos y el patrón que
se da en ellos.

Un gráfico es un dibujo complementario a una tabla o cuadro, que permite

observar las tendencias de un fenómeno en estudio y facilita el análisis estadístico
de las variables allí relacionadas.

Los gráficos se utilizan para realizar un análisis exploratorio, permitiendo una

descripción preliminar de lo que se va a estudiar.

Componentes de un gráfico.

Un gráfico debe constar de:

Título: El cual debe ser claro y conciso, que responda a las preguntas: Qué
relaciona, cuándo y dónde se hicieron las observaciones.

El cuerpo: o gráfico en sí, cuya elección debe considerar el o los tipos

variables a relacionar, el público a quien va dirigido y el diseño del gráfico.

Notas de pie de gráfico: Donde se presentan aclaraciones respecto al gráfico,

las escalas de los ejes, y se indican las fuentes respectivas.

Gráfica de líneas.

Hay variados gráficos que se pueden utilizar para mostrar la información. Es

sumamente importante escoger el que sea más adecuado para las características
de los datos de que se dispone.

Este gráfico presenta sus datos como una serie de puntos conectados por una línea.
El gráfico de línea se usa mejor con los datos de un gran número de grupos.

6
Gráfica de Barras.

Un gráfico de barras muestra las series como conjuntos de barras horizontales. El

gráfico de barras sencillo está estrechamente relacionado con el gráfico de
columnas, que muestra las series como conjuntos de barras verticales, y con el
gráfico de intervalos de barras, que muestra las series como conjuntos de barras
horizontales con puntos iniciales y finales que varían.

El gráfico de barras es el único tipo de gráfico que muestra los datos

horizontalmente. Por esta razón, se usa habitualmente para representar datos que
se producen a lo largo del tiempo, con una fecha de inicio y otra de finalización.
También se suele usar para mostrar información de categorías, ya que las
categorías se pueden mostrar horizontalmente.

Sector Circular.

Un gráfico circular o gráfica circular, también llamado "gráfico de pastel", "gráfico de

tarta", "gráfico de torta" o "gráfica de 360 grados", es un recurso estadístico que se
utiliza para representar porcentajes y proporciones. El número de elementos
comparados dentro de una gráfica circular suele ser de más de cuatro.

Al igual que en la gráfica de barras, el empleo de tonalidades o colores facilita

la diferenciación de los porcentajes o proporciones. A diferencia de otros tipos de
gráficos, el circular no tiene ejes x o y.

7
 Se utilizan en aquellos casos donde interesa no solamente mostrar el número
de veces que se da una característica o atributo de manera tabular sino más bien
de manera gráfica, de tal manera que se pueda visualizar mejor la proporción en
que aparece esa característica respecto del total.

Hay mas tipos de gráficos, por el momento solo se agregaron 3.

8
 Ejercicio.

Frecuencia Frecuencia Frecuencia

Frecuencia relativa en relativa en relativa en Frecuencia
Intervalos absoluta fracción decimal porcentaje acumulada

2/16
54--55 2 0.125 12.50% 2
1/16
55--56 1 0.0625 6.25% 3
1/16
56--57 1 0.0625 6.25% 4
2/16
57--58 2 0.125 12.50% 6
1/16
58--59 1 0.0625 6.23% 7
1/16
59--60 1 0.0625 6.25% 8
3/16
60--61 3 0.1875 18.75% 11
2/16
61--62 2 0.125 12.50% 13
3/16
62--63 3 0.1875 18.75% 16

9
 Bibliografía
Benavides, P. K. (s.f.). Introducción a la Estadística y al Análisis de Datos.
Recuperado el 03 de Noviembre de 2019, de
http://www.kramirez.net/ProbaEstad/Material/Presentaciones/IntroducionEst
adistica_AnalisisDatos.pdf

D., L. J. (1991). ESTADÍSTICA APLICADA A ADMINISTRACIÓN Y ECONOMÍA. En

L. J. D.. México: McGRAW-HILL. Recuperado el 03 de Noviembre de 2019

ULL, E. I.-C. (s.f.). Estadística Empresarial I. Recuperado el 03 de Noviembre de

2019, de
https://cggarcia.webs.ull.es/Ficheros%20pdf%20a%20colgar/EEI/Guia_EEI.
pdf

Villegas, M. Á. (2005). INFERENCIA ESTADÍSTICA. Recuperado el 03 de

Noviembre de 2019, de
https://www.editdiazdesantos.com/wwwdat/pdf/9788479786878.pdf

10