Iteración 1 A

Estadística inferencial
Abarca el conjuntos de técnicas que se utilizan para obtener información sobre el comportamiento
de una población,
basados en los datos de muestras tomadas a partir de ella.
Definiciones básicas
Población
Se refiere al conjunto total de objetos que tienen una característica en común. Esta característica es
de interés para
un problema dado, por ejemplo:
• Total de niños que están estudiando bachillerato en un País.
• Número de establecimientos educativos en un País.
• Número de hogares en un departamento.
Muestra
Hace alusión al subconjunto finito de una población. Ejemplo: si la población fuera de todos los
estudiantes que
estudian en un establecimiento educativo universitario, entonces el número de estudiantes en un
establecimiento
educativo en particular sería una muestra.

R es un lenguaje computacional para el an_alisis y modelamiento de datos (R Core Team, 2018).

Utilizado como
lenguaje de programaci_on orientado a objetos, o como un entorno estad__stico en el que el usuario
pueden utilizar,
crear o modi_car librer__as para diferentes metodol_ogias. (Ihaka y Gentleman, s.f.).
R es un software libre con licencia GNU (General Public Licence). Esto a hecho que R tenga una
capacidad y
versatilidad incre__ble, ya que con est_e software se pueden realizar desde análisis sencillos como
tambi_en análisis
complejos y muy utilitarios en diferentes ramas de las ciencias.
2. >Por qu_e utilizar R?
Seg_un Jones (s.f.), algunas de las principales razones para utilizar R, son las siguientes:
R es usado por la mayor__a de los estad__sticos acad_emicos. Actualmente en el software R se
implementar
_an nuevos desarrollos, lo que lo hace muy utilizado por los estad__sticos.
R es independiente de la plataforma (sea Linux, Windows, MacOS). Se puede instalar para
cualquiera
de las plataforma m_as utilizadas.
R dispone de muchas recursos de ayudas. En la Internet hay muchas ayudas disponibles de R.
Incluso hay
bibliograf__a especializada en R, como tambi_en revistas con publicaciones de c_odigo y
programas en R.
Permite realizar gr_a_cos de gran calidad. Existen muchos paquetes que para hacer gr_a_cos de
calidad lo
que lo hace muy potente en est_e entorno.
La interfaz de l__neas de comandos es mejor para la ense~nanza.

¿Para que sirve la estadística?

El uso de la estadística les permite a las personas y empresas tomar decisiones correctas sobre el
uso de su
información y desarrollar destrezas como las siguientes: *Presentar y describir la información de
forma adecuada.
*Inferir conclusiones sobre poblaciones grandes basándose solamente en muestras. *Utilizar
modelos para realizar
pronósticos acertados.
Clasificación de la estadística
Estadística descriptiva
Se compone de aquellos métodos que incluyen técnicas para recolectar, presentar, analizar e
interpretar datos.
Los par_ametros ai;j ; bi y ci se deben seleccionar de manera que yi+1 sea tan buena aproximaci_on
como se quiera.
Para encontrar estos par_ametros debemos plantear un sistema de ecuaciones no lineal, el cual
podr__a resultar
complicado si deseamos aumentar el orden del m_etodo, aumentando las etapas en (3).
Para resolver sistemas de ecuaciones lineales de forma computacional, dos m_etodos se presentan;
los m_etodos directos
y los m_etodos indirectos. Dentro de los m_etodos directos, probablemente el m_as importante es la
eliminaci_on
de Gauss el cual es la base de muchos otros m_etodos m_as complejos que solucionan sistemas de
ecuaciones lineales
grandes de forma m_as e_ciente.
@
b1
b2
b3
1
A (3)
como la matriz ampliada
[A j b] =
0
@
a11 a12 a13 j b1
a21 a22 a23 j b2
a31 a32 a33 j b3
1

1.1. M_etodos de Runge-Kutta de orden 2

En esta secci_on veremos como poder obtener algunos m_etodos RK de orden 2. En particular, el
siguiente.
1.1.1. M_etodo del punto medio
Partiendo de la expansi_on de Taylor
y(ti+1) = y(ti) + hy0(ti) +
h2
2!
y00(ti) +
h3
3!
y000(_) (5)
donde h = xi+1 􀀀 xi, _ 2 (t1; ti+1) y recordando que y0(ti) = f(ti; yi)
y(ti+1) = y(ti) + hf(ti; yi) +
h2
2!
f0(ti; yi) +
h3
3!
f00(_)
Luego, aplicando la regla de la cadena para f0(t; y(t)) =
@f
@t
dt
dt
+
@f
@y
dy
dt
se obtiene que
y(ti+1) = y(ti) + hf(ti; yi) +
h2
a1f (ti + _; y + _) _ a1f(ti; yi) + a1_
@f
@t
(ti; yi) + a1_
@f
@y
(ti; yi)f(ti; yi): (10)
Con lo cual, para tener el mismo error de truncamiento local, al comparar (9) y el lado derecho de
(10) necesaria-
mente se ha de cumplir que
a1 = 1;
h
2
= a1_;
h
2
f(ti; yi) = a1_
es decir,

POLI
Elementos o individuos
Seres u objetos (en general, unidades experimentales) que contienen la información que se desea
estudiar. Los
objetos pueden ser personas, animales, productos, etc.
Variable
Representa la característica de la población observable que se analiza en el estudio estadístico.
Datos u observaciones
Son números o denominaciones que podemos asignar a un individuo o elemento de la población.
Ejemplo Respuestas a las siguiente variables: Edad de las personas, Estatura, Peso, sexo de las
personas, situación

TE_CNICO GRANCOLOMBIANO 2
Eliminaci_on hacia adelante: usaremos una notaci_on t__pica del _algebra lineal m_as compacta
para describir todos los
cambios operativos que aplicaremos a la matriz ampliada (6).

Finalmente, reemplazando los valores encontrados para x2 = 1:25 y x3 = 􀀀0:15 en la primera

ecuaci_on de (10),
obtenemos el valor de x1
4x1 􀀀 9(2:5) + 2(􀀀0:15) = 5
x1 = 6; 95
As__, la soluci_on del sistema es x1 = 6:95; x2 = 2:5 y x3 = 􀀀0:15.
Observaciones:
POLITE_CNICO GRANCOLOMBIANO 3
1. El m_etodo de eliminaci_on de Gauss es altamente e_ciente a condici_on de que aii 6= 0 o
valores que no sean
muy cercanos a cero Es decir, que todos los elementos sobre la diagonal principal de la matriz de
coe_cientes
A sean distintos de cero y no sean muy peque~nos. Esto es exigido, pues con tales elementos se
realizan
divisiones durante todo el proceso.
2. Si alg_un aii = 0 o muy pr_oximo a cero el m_etodo de Gauss puede ser mejorado por otras
versiones como
eliminaci_on de Gauss con pivoteo total y eliminaci_on de Gauss con pivoteo parcial. Para
profundizar m_as en
estos conceptos, se recomienda al lector la lectura complementaria incluida en el presente escenario.
0
@
a11 a12 a13
a21 a22 a23
a31 a32 a33
1
A
0
@
x1
x2
x3
1
A=
0
@
b1
b2
b3
1
A (13)
o equivalentemente a
Ax = b:
Para nuestro prop_osito, debemos descomponer la matriz A como el producto de dos matrices
triangulares; una
triangular inferior L y otra triangular superior U. Esto es lo que en esencia se conoce como
factorizaci_on LU.