Está en la página 1de 33

El material que se presenta a continuación tiene como referencia los siguientes textos:

Zhang, H., & Gutiérrez, H. A. (2010). Teoría Estadística: aplicaciones y métodos. Bogotá,
Colombia: Universidad Santo Tomás.

All of Statistics
A Concise Course in Statistical Inference

1
INVESTIGACIÓN ESTADÍSTICA

Realidad
(concreto)
• Problema
Modelo
• Recolección de los datos
Modelo
• Análisis de los datos
Teoría
(Abstracto)
• Conclusiones
Existen las condiciones relaciones con las TIC para el
ofrecimiento del I semestre en forma virtual

3
Sobre el problema de
estudio …
¿Cómo formular un problema correctamente?

Entender el mundo “físico” del problema, es


decir entender el “marco conceptual”
Entender el objetivo del estudio
Situar el problema en términos estadísticos
Objetivos

• Determinar la proporción de estudiantes de la UPTC que tienen acceso a internet


• Determinar el número de veces semanal que tiene ingreso a la plataforma virtual un
estudiante de la UPTC
• Establecer la opinión que tienen los estudiantes sobre el uso de las tecnologías por
parte de los docentes de la UPTC

Variables

• Acceso internet
• Número semanal de acceso a plataforma
• Opinión uso de tecnología por parte de docentes

Problema en términos estadísticos (asignar un modelo de


probabilidad a cada variable)
• X: Acceso a internet
• Y: Número semanal de acceso a plataforma
• Z: Opinión uso de TIC

5
Sobre la recolección de los datos

Tener muy claro cómo fueron recogidos los datos

• ¿Observacionales o experimentales?
• ¿Provienen de muestra aleatoria? ¿Diseño muestral?
• ¿Hay datos faltantes?
• ¿Cómo están codificados los datos?
• ¿Cuáles son las unidades de medición?
Unidad Población
estadística

muestra

Población
• Tamaño N

Muestra
• Tamaño n

7
INVESTIGACIÓN ESTADÍSTICA

Realidad
(concreto)
• Problema
• Modelo de probabilidad
Modelo
• Recolección de los datos
Modelo
• Análisis de los datos
Teoría
(Abstracto)
• Conclusiones
Concepto de modelo de
probabilidad
Los modelos no son la realidad, buscan describirla, más
no explicarla a cabalidad
Modelo de probabilidad

• Acceso internet
• Número semanal de acceso a plataforma
• Opinión uso de tecnología por parte de
docentes
Variable Gráfica

X: Número de veces semanal que


ingresa un estudiante de la UPTC al aula
virtual
𝑥 = 0,1,2,3, …

X:Número de hijos de una estudiante de


la Uptc - Duitama
𝑥 = 0,1,2,3, …
Variable Histograma
Histograma tiempo tutoría

40
X:Tiempo invertido en cada estudiante

frecuencia absoluta

30
en una tutoría

20
𝑥≥0

10
0
0 10 20 30 40

Tiempo tutoría

Histograma tiempo de atención

40
X:Tiempo que se tarda en atender a un
frecuencia absoluta

30
cliente en un almacén
𝑥≥0
20
10
0

0 10 20 30 40 50 60 70

Tiempo atención
Variable Histograma

Histograma del Tiempo de vida bombilla

35
30
X:Tiempo de vida de una bombilla

25
frecuencia absoluta
𝑥≥0

20
15
10
5
0
1050 1100 1150 1200 1250 1300 1350

Tiempo de vida

Histograma de la nota examen

30
25
X:Notas de un examen de estadística
frecuencia absoluta

20
0≤𝑥≤5
15
10
5
0

1.5 2.0 2.5 3.0 3.5 4.0 4.5

Nota examen
Variable Histograma
Histograma tasa de retorno

20
X:Tasas de retorno producidas por

frecuencia absoluta

15
distintas compañías
0≤𝑥≤1

10
5
0
-0.1 0.0 0.1 0.2 0.3

Tasa de retorno

Histograma contenido impurezas

30
25
X:Peso de impurezas por lote de un

20
frecuencia absoluta
compuesto químico
𝑥≥0 15
10
5
0

5 10 15 20

Contenido impurezas
Variable Histograma

Histograma costo ejecución

40
30
frecuencia absoluta
X:Costo al ejecutar un contrato

20
𝑥≥0

10
0
350000 450000 550000 650000

Costo ejecución
El estudio de las distribuciones permite
simplificar el tratamiento estadístico de los
fenómenos reales

Los distintos nombres de las distribuciones de


probabilidad se dan cuando la función de
densidad toma una forma especial
Modelos de probabilidad

Existen modelos para el ajuste de cierto


tipo de datos, conocidos como
distribuciones de probabilidad o funciones
de densidad de probabilidad, que son
soporte para la inferencia estadística.
PARÁMETRO DE LA DISTRIBUCIÓN O
DE LA FUNCIÓN DE DENSIDAD DE
PROBABILIDAD
VALOR FIJO QUE DEFINE LA FORMA FUNCIONAL
DE UNA DISTRIBUCIÓN DE PROBABILIDAD, ES
DECIR, CUANDO EL PARÁMETRO CAMBIA DE
VALOR, LA FUNCIÓN DE DISTRIBUCIÓN Y DE
DENSIDAD CAMBIAN.

Una fdp puede tener varios parámetros


𝒇𝑿 𝒙, 𝜽
Notación
• Cuando tiene un solo parámetro se puede denotar con 𝜃
• Cuando tiene más de uno se puede denotar con 𝜽
• El espacio paramétrico Θ es el conjunto que contiene
todos los posibles valores del parámetro o vector de
parámetros.
• Para distribuciones con un solo parámetro Θ será un
subconjunto de ℝ, mientras que para distribuciones de k
parámetros Θ será un subconjunto de ℝ𝑘 .
• El soporte de la distribución o función de densidad son
todos los valores que puede tomar la variable aleatoria
Algunos modelos de probabilidad
asociados a variables aleatorias
discretas – Distribuciones de
Probabilidad
Variables aleatorias discretas

Resultados a tener en cuenta


Distribución Uniforme Discreta
Describe situaciones en donde el experimento
aleatorio puede tener un finito de resultados y
la probabilidad de ocurrencia es la misma para
cada posible resultado.
Definición
Una variable aleatoria X tiene una distribución
Uniforme Discreta sobre el conjunto
𝑥1 , 𝑥2 , … , 𝑥𝑘 , 𝑥𝑖 ≠ 𝑥𝑗 , 𝑐𝑢𝑎𝑛𝑑𝑜 𝑖 ≠ j , si su
función de densidad está dada por:

1
𝑓𝑋 𝑥 = 𝑃 𝑋 = 𝑥 = 𝐼 𝑥1 ,𝑥2 ,…,𝑥𝑘 (𝑥)
𝑘
Θ = 𝑘𝜖ℤ+
Notación: 𝑋~𝑈(𝑥1 , 𝑥2 , … , 𝑥𝑘 )
Ejemplos
• Lanzamiento de una moneda corriente
• Lanzamiento de un dado corriente
• Resultado de extraer una bola al azar de una
urna que contiene bolas numeradas de 1 a N.
Distribución Uniforme Discreta

Función de densidad

1/6

1 2 3 4 5 6

x
sobre 1,...,6
PROPIEDADES DE LA UNIFORME
DISCRETA
Si X es una variable aleatoria Uniforme Discreta
sobre el conjunto 1,2, … , 𝑁 entonces:

𝐸 𝑋 =
𝑉 𝑋 =
𝑀𝑋 (𝑡) =
Resultado:
Si X es una variable aleatoria Uniforme Discreta
sobre el conjunto 1,2, … , 𝑁 entonces:

𝑁+1
𝐸 𝑋 =
2
𝑁2 − 1
𝑉 𝑋 =
12
𝑒 𝑡 (1 − 𝑒 𝑘𝑡 )
𝑀𝑋 (𝑡) =
𝑘(1 − 𝑒 𝑡 )
Recordar…
𝑁
1
෍𝑖 = N N+1
2
𝑖=1

𝑁
12
෍ 𝑖 = N N + 1 (2𝑁 + 1)
6
𝑖=1

También podría gustarte