Asignatura:

Estadística Descriptiva (para Agrarias) (Grupo _32)

Programa:
Zootecnia

Presenta:
Diana Marcela Penagos Roncancio

Docente:
Francisco José Montealegre

Vélez / Santander 11 de marzo de 2020

WEBCONFERENCIA
INTRODUCCIÓN
Este trabajo tiene como objetivo dar a conocer como el estudiante interpreta los
fundamentos de los tipos de variables estadísticas cuantitativas y cualitativas y su
forma de procesamiento, también dando respuesta a cada una de las preguntas
propuestas en la guía, fortaleciendo así los conocimientos y fundamentándolos de
manera individual en el foro.
OBJETIVO GENERAL

Hacer uso de la bibliografía propuesta en el entorno de conocimiento para dar

solución a los términos consignados en la guía de seguimiento y evaluación.

OBJETIVOS ESPECIFICOS

• Investigar sobre Muestra y población.

• Investigar sobre Tipos de variables.
DESARROLLO DEL TRABAJO

1. Variable cuantitativa continua:

Se definen como aquellas entidades o variables que toman valores numéricos

correspondientes a un valor fijo, perteneciente a un intervalo determinado, el cual
además se encuentra siempre entre dos valores visibles, entre los cuales siempre
se encuentra un posible tercer valor intermedio, cuya magnitud casi siempre toma
la Variable Cuantitativa Continua.

2. Variable cuantitativa discreta:

Es conocida como aquella variable cuyo valor numérico sólo puede encontrarse
comprendido entre un número finito o limitado de valores, es decir que es aquella
variable cuyo valor sólo puede encontrarse entre dos valores definidos,
pertenecientes a un mínimo conjunto de números, encontrándose sin la posibilidad
de adquirir cualquier valor que no pertenezca a dicho conjunto, así como a los
límites establecidos entre sí.

3. Variable cualitativa nominal:

Es aquella que presenta modalidades no numéricas que no admiten un criterio de

orden. Por ejemplo: El estado civil, con las siguientes modalidades: soltero, casado,
separado, divorciado y viudo.

4. Variable cualitativa categórica:

Es una variable que puede tomar uno de un número limitado, y por lo general fijo,
de posibles valores, asignando a cada unidad individual u otro tipo observación a
un grupo en particular o categoría nominal sobre la base de alguna característica
cualitativa.

5. Media poblacional:
Una media o promedio es una medida de tendencia central. Resulta al efectuar una
serie determinada de operaciones con un conjunto de números y que, en
determinadas condiciones, puede representar por sí solo a todo el conjunto.

6. Media muestral. Mostrar la fórmula de cálculo:

Sirve para estimar la media de la población de la que se ha extraído la misma; la

varianza muestral podría usarse para estimar la varianza poblacional, etc. Esto se
denomina como realizar una estimación puntual.

FORMULA:

7. Varianza poblacional:

El análisis de varianza puede servir para determinar si las diferencias entre las
medidas muestrales revelan las verdaderas diferencias entre los valores medios de
cada una de las poblaciones, o si las diferencias entre los valores medios de la
muestra son más indicativas una variabilidad de muestreo.

8. Varianza muestral. Registrar fórmulas de cálculo:

Se dice que la varianza muestral s2 es un estimador sin sesgo de la varianza

poblacional o2, lo que significa que los valores de s2 tienden a igualar el valor de
o2, en lugar de tender, de manera sistemática, a sobreestimar o subestimar o2.

FORMULA:

9. Desviación estándar:
La desviación estándar es la medida de dispersión más común, que indica qué tan
dispersos están los datos con respecto a la media. Mientras mayor sea la desviación
estándar, mayor será la dispersión de los datos.

10. Mediana:

Calcula el valor intermedio de los datos: la mitad de las observaciones es menor

que o igual al valor intermedio y la mitad de las observaciones es mayor que o igual
al valor intermedio.

11. Moda:

La moda es el valor de los datos que ocurre con más frecuencia en el conjunto de
datos. Si existen múltiples modas, Minitab muestra las modas más pequeñas, hasta
un total de cuatro. N en el caso de la Moda es el número de veces que aparece la
moda (o las modas).

12. Cuartiles:

Los cuartiles son valores que dividen una muestra de datos en cuatro partes iguales.
Utilizando cuartiles puede evaluar rápidamente la dispersión y la tendencia central
de un conjunto de datos, que son los pasos iniciales importantes para comprender
sus datos.

13. Percentiles:

Los percentiles dividen el conjunto de datos en partes. En general, el enésimo

percentil tiene n% de las observaciones por debajo y (100-n)% de las observaciones
por encima.

Por ejemplo, en la siguiente gráfica, el 25% del total de valores de datos está por
debajo del percentil 25 (región roja), mientras que el 75% se encuentra por encima
del percentil 25 (región blanca).

14. Regla de Sturges ¿para qué sirve?:

La regla de Sturges es un método empírico muy utilizado en la estadística
descriptiva para determinar el número de clases que deben existir en un histograma
de frecuencias, para así poder clasificar un conjunto de datos que representan una
muestra o población.

Regla de Sturges

En estadística descriptiva la Regla de Sturges es un criterio muy utilizado cuando

se quiere realizar un histograma de frecuencias ya que con esta regla se calcula el
número de clases (o intervalos) necesarios para representar fielmente los datos.

La Regla de Sturges nos propone que dadas N observaciones, el número k de

intervalos viene dado por

k=1+log2(N)k=1+log2(N)

Donde N es el número de muestras observadas y k el número óptimo de clases o

intervalos.

Hoy en día, con el uso del ordenador, esta regla se hace menos conocida ya que
son los propios paquetes estadísticos los que se encargan de calcular el número
de intervalos óptimo. De hecho, en R, el comando hist tiene el parámetro breaks =
“Sturges” por defecto, aunque siempre podemos modificar este parámetro.

Ahora bien, ¿de donde viene la regla de Sturges?

Sturges consideró un histograma de frecuencias ideal con k intervalos, donde el i-

ésimo intervalo contiene un número de muestras dado por el Coeficiente Binomial:

C(k−1,i),Ck−1i,(k−1i)=(k−1)!i!(k−1−i)!C(k−1,i),Cik−1,(k−1i)=(k−1)!i!(k−1−i)!

En R se puede calcular el Coeficiente Binomial mediante la función combn(k-1, i).

Por el Teorema Central del Límite sabemos que cuando k aumente el histograma
de frecuencias se aproximará a la distribución Normal, por lo que podemos
calcular el número de muestras de todos los intervalos, ya que

N=∑i=0k−1(k−1i)=(1+1)k−1=2k−1N=∑i=0k−1(k−1i)=(1+1)k−1=2k−1
Si aplicamos logaritmos a ambas partes de la ecuación, tenemos:

log2(N)=k−1log2(N)=k−1

por lo que el número óptimo de intervalo k vendrá dado por:

k=1+log2(N)k=1+log2(N)

que es la Regla de Sturges.

Veamos algunos ejemplos donde podamos ver el ajuste dado por este criterio.
Vamos a considerar 500 muestras provenientes de una distribución normal de
media 10 y desviación típica 2.

Ahora realizamos tres histogramas con estos datos em los que vamos a aplicar
la Regla de Sturges y una aproximación por debajo y por encima del número de
intervalos propuestos por la Regla de Sturges. Si calculamos el número de
intervalos porpuestos por la Regla de Sturges vemos que:

k=1+log2(N)=1+log2(500)≈10k=1+log2(N)=1+log2(500)≈10

Es decir, 10 intervalos.
FIGURA 1: Tres aproximaciones a la distribución de las 500 observaciones
siguiendo tres criterios.

Observamos que al usar la regla Sturges no obtenemos exactamente 10 clases, ya

que la función intenta ajustar el número de intervalos óptimo con unos
cortes naturales. En este caso, los cortes coinciden con valores enteros.

15. Frecuencia absoluta:

Es el número de veces que aparece un determinado valor en un estudio estadístico.

La suma de las frecuencias absolutas es igual al número total de datos, que se
representa por N. Para indicar resumidamente estas sumas se utiliza la letra griega
Σ (sigma mayúscula) que se lee suma o sumatoria.

16. Frecuencia relativa:

La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado

valor y el número total de datos. La frecuencia relativa se puede expresar en tantos
por ciento y se representa por ni. La suma de las frecuencias relativas es igual a 1.

17. Frecuencia absoluta acumulada:

Es el resultado de ir sumando las frecuencias absolutas de las observaciones o

valores de una población o muestra. Esta se representa por las siglas Fi. Para
calcular la frecuencia absoluta acumulada, hay que calcular primero la frecuencia
absoluta (fi) de la población o muestra.

18. Frecuencia relativa acumulada:

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de

un determinado valor y el número total de datos.

19. Tabla de frecuencias:

Son herramientas de Estadística donde se colocan los datos en columnas
representando los distintos valores recogidos en la muestra y las frecuencias (las
veces) en que ocurren.

20. ¿Cómo es la tabla de frecuencias de una variable continua y de una

discreta? ¿cuál tiene intervalos?:
21. Boxplot o diagrama de cajas:

El Diagrama de Caja y bigotes (box and whisker plot en inglés ) es un tipo de gráfico
que muestra un resumen de una gran cantidad de datos en cinco medidas
descriptivas, además de intuir su morfología y simetría.
Este tipo de gráficos nos permite identificar valores atípicos y comparar
distribuciones. Además de conocer de una forma cómoda y rápida como el 50% de
los valores centrales se distribuyen.

22. Histograma y en qué tipo de variables se usa:

Los histogramas son gráficos que indican la frecuencia de un hecho mediante una
distribución de los datos. Los histogramas no se pueden elaborar con atributos, sino
con variables medibles tales como peso, temperatura, tiempo, etc.

En definitiva, un histograma es una representación gráfica de una variable en forma

de barras, donde la superficie de cada barra es proporcional a la frecuencia de los
valores representados. En el eje vertical se representan las frecuencias, y en el eje
horizontal los valores de las variables, normalmente señalando las marcas de clase,
es decir, la mitad del intervalo en el que están agrupados los datos.

23. Gráfico de barras y en qué tipo de variables se usa:

Se usa cuando se pretende resaltar la representación de porcentajes de datos que

componen un total. Una gráfica de barras contiene barras verticales que
representan valores numéricos, generalmente usando una hoja de cálculo. Las
gráficas de barras son una manera de representar frecuencias; las frecuencias
están asociadas con categorías. Una gráfica de barras se presenta de dos maneras:
horizontal o vertical. El objetivo es poner una barra de largo (alto si es horizontal)
igual a la frecuencia. La gráfica de barras sirve para comparar y tener una
representación gráfica de la diferencia de frecuencias o de intensidad de la
característica numérica de interés.

CONCLUSIÓN
La estadística es una herramienta exacta para datos no solo en áreas comunes sino
también en la parte agropecuaria enfocada a la investigación y toma de decisiones,
por lo tanto, se debe tener muy claro cada concepto, la terminología debe ser puesta
en practica de manera exacta para que los datos obtenidos y los procesos
realizados sean correctos, los términos como los números en la estadística son muy
importantes ya que uno complementa el otro.
BIBLIOGRAFIA
Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat en
problemas de agronomía, p. 257-292. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID=32217
75&query=bioestadistica
Matus, R., Hernández, M., & García, E. (2010). Estadística. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=1&docID=3
187261&tm=1519661894239
1.3 Programas para procesamiento estadístico caso Excel y R
Mecabot. (2017). El software R, una herramienta para implementar métodos
numéricos. Recuperado de: http://mecabot-ula.org/tutoriales/r-project-metodos-
numericos/
Mirás M & Rodríguez E. (20181). Técnicas estadísticas con hoja de cálculo y R.
Recuperado de: www.investigo.biblioteca.uvigo.es/xmlui/handle/11093/970
Saenz J. (2010). Métodos estadísticos con R y R Commander. Recuperado
de: https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
http://estadisticaise.blogspot.com/2012/09/graficos-de-barras.html
https://www.aec.es/web/guest/centro-conocimiento/histograma
https://www.pgconocimiento.com/diagrama-boxplot/
https://www.universoformulas.com/estadistica/descriptiva/tabla-frecuencias/