Traduciendo...

*Página 1*

Introducción a la Estadística y
Análisis de los datos
Sistemas de información
------------------------------------------------------------------------
*Página 2*

Agenda
1. Descripción general: inferencia estadística, muestras, poblaciones y
el papel de la probabilidad
2. Procedimientos de muestreo, recopilación de datos
3. Medidas de ubicación: la media y la mediana de la muestra
4. Medidas de variabilidad
5. Datos discretos y continuos
6. Modelado estadístico, inspección científica y
Diagnóstico gráfico
------------------------------------------------------------------------
*Página 3*

1. Información general:
Inferencia estadística, muestras, poblaciones y la
Papel de la probabilidad
------------------------------------------------------------------------
*Página 4*

Uso de datos científicos

● Una distinción profunda entre la recopilación de datos científicos
información y estadísticas inferenciales.
● Los métodos estadísticos están diseñados para contribuir a la
proceso de hacer juicios científicos frente a
*incertidumbre*y *variación*.
● Por ejemplo: los métodos estadísticos se utilizan para analizar datos
de un proceso para tener más sentido de en qué parte del proceso
Se pueden realizar cambios para mejorar la *calidad*de la
proceso.
------------------------------------------------------------------------
*Página 5*

Variabilidad en los datos científicos

● Si la *densidad de producto*observada en el proceso fuera siempre la
mismo y siempre en el objetivo, no habría necesidad de
métodos de estadística.
● ¡Pero este no es siempre el caso!
● Las *estadísticas inferenciales*utilizan técnicas que nos permiten ir
más allá de simplemente *informar datos*para sacar conclusiones (o
inferencias) sobre el sistema científico.
● La información se recopila en forma de *muestras*o colecciones.
de observaciones.
● Las muestras se recolectan de *poblaciones*.
● *Estadísticas descriptivas*: resumen de un conjunto de datos
representados.
en la *muestra*.
------------------------------------------------------------------------
*Página 6*

------------------------------------------------------------------------
*Página 7*

El papel de la probabilidad
● Es bastante natural estudiar la probabilidad antes de
estudiar la inferencia estadística.
● Los *elementos de probabilidad*nos permiten *cuantificar*la fuerza
o "confianza" en nuestras conclusiones.
● Esto significa que la probabilidad proporciona la transición entre
estadística descriptiva y métodos inferenciales.
------------------------------------------------------------------------
*Página 8*

Ejemplo
● Dos muestras de 10 rojos del norte
Las plántulas de roble se plantaron en un
invernadero, uno que contiene
plántulas tratadas con nitrógeno
y el otro conteniendo
plántulas sin nitrógeno.
● Todos los demás ambientales
las condiciones se mantuvieron constantes.
● Los pesos de los tallos en gramos fueron
registrado después del final de 140
dias.
● Hay dos muestras de dos
poblaciones separadas.
------------------------------------------------------------------------
*Página 9*

Ejemplo
*Análisis:*
1. Dos poblaciones distintas
2. El uso de nitrógeno tiene
influencia en el crecimiento de
raíces.
3. Apariencia general de los datos
podría sugerirle al lector
que, en promedio, el uso de
el nitrógeno aumenta el tallo
peso.
4. Las conclusiones pueden ser
resumido en una probabilidad
declaración o valor P
------------------------------------------------------------------------
*Página 10*

¿Cómo funcionan juntas la probabilidad y la inferencia estadística?

La inferencia estadística hace uso de conceptos en probabilidad.
/*La muestra junto con la estadística inferencial nos permite*/
/*sacar conclusiones sobre la población*/(con inferencia
estadísticas que hacen un uso claro de elementos de probabilidad.
Los elementos de probabilidad nos permiten sacar conclusiones sobre
características de los datos hipotéticos tomados de la
población, basada en características conocidas de la población.
------------------------------------------------------------------------
*Página 11*

2. Procedimientos de muestreo, recopilación de datos

------------------------------------------------------------------------
*Pagina 12*

Muestreo aleatorio simple

● El muestreo aleatorio simple implica que cualquier muestra en particular
de un tamaño de muestra específico tiene la *misma probabilidad de ser*
*seleccionado*como cualquier otra muestra del mismo tamaño.
● El tamaño de la muestra es el *número de elementos*de la muestra.
● Si no se utiliza un muestreo aleatorio, la muestra está *sesgada*.
● Si las unidades de muestreo no son homogéneas, el procedimiento es
llamado *muestreo aleatorio estratificado*e involucra al azar
selección de una muestra dentro de cada estrato.
● ¿Un ejemplo de estrato? estado civil, raza, zona ...
------------------------------------------------------------------------
*Página 13*

Diseño experimental
● Vinculado al concepto de asignación aleatoria.
● Se compararán los grupos de tratamiento y control.
● Piense en nuestro tratamiento con nitrógeno frente a sin nitrógeno.
● Dentro del grupo de nitrógeno (o del grupo sin nitrógeno)
Existe una *variabilidad*considerable en los pesos de los tallos.
● Variabilidad por *unidad experimental*(plántulas).
● Variabilidad excesiva entre unidades experimentales
“Camufla” los descubrimientos científicos.
------------------------------------------------------------------------
*Página 14*

Diseño experimental
● Característica de los pacientes que producen *variabilidad.*
en los resultados se encuentran la edad, el sexo y el peso.
● Suponga simplemente por casualidad que el grupo de placebo contiene un
muestra de personas que tienden a tener una mayor
presión arterial que los del grupo de tratamiento.
● ¡Resultado sesgado!
● Recuerde la importancia de *asignar al azar*
*unidades experimentales para cada grupo*!
------------------------------------------------------------------------
*Página 15*

3. Medidas de ubicación: la media y la mediana de la muestra

------------------------------------------------------------------------
*Página 16*

Muestra promedio
X
tu
------------------------------------------------------------------------
*Página 17*

Mediana de la muestra
------------------------------------------------------------------------
*Página 18*

Para llevar
● La base para el cálculo de es la de una *estimación.*
*de la población media.*
● El propósito de la inferencia estadística es dibujar
conclusiones sobre las características de la población o
parámetros.
*● ¿Cuándo prefiere la media a la mediana? (Tarea)*
------------------------------------------------------------------------
*Página 19*

4. Medidas de variabilidad
------------------------------------------------------------------------
*Página 20*

Intro
El propósito del experimento es detectar diferencias
entre las dos poblaciones. ¿Qué conjunto de datos debo elegir?
Pista: *variabilidad*
------------------------------------------------------------------------
*Página 21*

Rango de muestra y desviación estándar de la muestra

Rango de muestra:
La cantidad n - 1 a menudo se llama *grados de libertad*asociados con la
varianza.
estimar. En este sencillo ejemplo, los grados de libertad representan el
número de
piezas independientes de información disponibles para calcular la
variabilidad.
------------------------------------------------------------------------
*Página 22*

¿Qué medida de variabilidad es más importante?

● Dos parámetros importantes son la media de la población y
varianza de la población.
● *La desviación estándar de la muestra*tiene un papel importante en
con *media muestral*en inferencias que se hacen sobre
*media de la población*.
● *La varianza de la muestra*se usa para hacer inferencias sobre la
*varianza de la población*.
● En general, la varianza se usa en teoría, estándar
desviación en las aplicaciones.
------------------------------------------------------------------------
*Página 23*

Datos discretos y continuos

conteo
decimal
------------------------------------------------------------------------
*Página 24*

5. Modelado estadístico, inspección científica y

Diagnóstico gráfico
------------------------------------------------------------------------
*Página 25*

Intro
● El análisis puede requerir un modelo determinado para los datos, por
ejemplo, que las dos muestras proceden de
Distribuciones gaussianas.
● La función del muestreo y la visualización de datos para
La mejora de la inferencia estadística se explora en
detalle.
------------------------------------------------------------------------
*Página 26*
Gráfico de dispersión
------------------------------------------------------------------------
*Página 27*

Histograma
------------------------------------------------------------------------
*Página 28*

Histograma
------------------------------------------------------------------------
*Página 29*

Flujo de trabajo de histograma

------------------------------------------------------------------------
*Página 30*

Diagrama de caja
------------------------------------------------------------------------
*Página 31*

Diagrama de caja
------------------------------------------------------------------------
*Página 32*

Diagrama de caja
------------------------------------------------------------------------
*Página 33*

Histogramas Vs Diagramas de caja

------------------------------------------------------------------------
*Página 34*

Distribuciones de frecuencia
------------------------------------------------------------------------
*Página 35*

Distribuciones de proporciones
------------------------------------------------------------------------
*Página 36*

Distribuciones de frecuencia frente a proporciones

Google Traductor de Google

Texto original

Introduction to Statistics and

Sugiere una traducción mejor
------------------------------------------------------------------------