Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoría - Parcial 1
Teoría - Parcial 1
Clasificación de Stevens
- Escala nominal: clasifica en categorías a los sujetos u objetos que se desea medir
haciendo que todos los que se encuentren en la misma categoría sean equivalentes en
la característica que se está midiendo. Propiedades:
Exhaustividad: todos los objetos son clasificables.
Exclusividad: selo puede ser clasificable en una categoría.
- Escala ordinal: los objetos o sujetos son ordenados según la cantidad que poseen de la
característica medida. Se les asigna un numero para seguir ese orden (esto permite
saber la cantidad de característica que posea el objeto).
- Escala de intervalos: además de poder afirmar que la característica medida se da con
mayor en un objeto o sujeto que en otro, también es posible determinar la cantidad de
la diferencia existente.
- Escala de razón: añade a los intervalos la presencia del cero absoluto. El cero en una
escala de razón indica ausencia absoluta de la característica medida. La presencia de
cero absoluto permite afirmar que la característica medida es el doble, triple…; que
otro.
Variable
Los valores que se obtienen al medir una característica en un conjunto de elementos no son
idénticos en todos los elementos medidos.
- Categóricas: mediciones resultantes de aplicar una escala nominal. Se incluyen aquí las
variables que, aun siendo ordinales, solo tienen unas pocas. Son discretas.
- Cuantitativas: mediciones que resultan de aplicar una escala de intervalos o de razón,
también se incluyen aquí las escalas ordinales que no se encuentran encajadas en la
discusión anterior.
Discretas: entre dos valores consecutivos no puede darse un valor intermedio
(por ejemplo, número de hijos).
Continuas: entre dos valores consecutivos siempre es posible encontrar un
valor intermedio (por ejemplo, edad o tiempo).
Población y muestra
Población: conjunto de elementos que poseen una o más características en común. Cada
unidad observacional de una población es un individuo con propiedades propias (variables).
Los elementos de una población además de poseer características comunes poseen otras que
no comparten o que no coinciden:
Un parámetro es un valor numérico que describe una característica poblacional. Se utiliza para
referirse a ellos letras griegas minúsculas: μ, π, σ, β.
Un estadístico es una valor numérico que describe una característica muestral. No es
constante, varía de una muestra a otra. Se utiliza para referirse a ellos letras latinas
mayúsculas: E, V, B, S. Los estadísticos se van a usar para intentar formarnos una idea sobre los
valores de sus correspondientes parámetros.
Herramientas descriptivas:
- Centro: valor que más se repite en variables categóricas y el promedio del conjunto de
valores en variables cuantitativas.
Valor donde la tendencia es más alta: moda (en variables categóricas) y media (en
variables cuantitativas).
- Dispersión: grado de concentración o alejamiento de los valores en torno al centro de
la variable (desviación típica, varianza).
- Forma: frecuencia con la que se repite un valor o cada rango de valores. Puede ser
asimétrica o simétrica.
Tipos de distribución:
Se construye sobre el plano definido por dos ejes: el eje horizontal corresponde a los valores
de la variable y el eje vertical corresponde a las frecuencias. También es útil para variables
cuantitativas discretas con pocos variables.
PK : valor que acumula el k% de los casos; se calcula como i = k·(n+1)/100 (k, porcentajes en
los que dividimos las muestra).
Q3
Q2 AIQ
Q1
Tenemos que
aproximar Y ~ N(μ,σ) a Z ~ N(0,1); esto se hará de la siguiente manera:
Y −μ
Z=
σ
Una vez transformada ya es posible conocer la probabilidad asociada al valor dado de Y, ya que
P(Y) = P(Z). De la misma forma, P(Y>Yi) = P(X>Xi) y P(Y<Yi) = P(X<Xi).
P(Z>a) = 1-P(Z≤a)
P(Z≤-a) = 1-P(Z≤a)
P(Z>-a) = P(Z<a)
Cada muestra de tamaño n que podemos extraer de una población definida por una
distribución normal proporciona una media. Si consideramos cada una de estas medias como
valores de una variable aleatoria podemos estudiar su distribución.
2
La media de ese grupo de medias es E( Ý ) = μY (media poblacional), y la varianza es V( Ý ) = σ Ý =
σ Y2 /n (varianza poblacional entre el tamaño de la muestra). De la varianza obtenemos σ Ý = σ Y /
√ n. La distribución de Ý también será normal: Ý ~ N(μY, σ Ý ); y la aproximamos a Z = (0,1) al
igual que Y:
Ý −μY
Z=
σ Ý
En muestras pequeñas la sustitución de S(Ý ) por σ Ý tiene consecuencias que significativas que
no pueden pasarse por alto; siendo σ^Ý = SY/√ n. Pero si n es lo suficientemente grande σ^Ý = σ Ý .
Se dice que [a,b] es un intervalo de confianza de la media (μ 2), con confianza 1-α, si
P(a≤ μY ≤b) = 1- α
σ Ý
Si Ý ~ N(μY, σ Ý ) aproximamos a Z ~ N(0,1) definiendo Z = Ý −μ Y / .
√n
Sean Z ∝ = α/2 y Z1− ∝ los cuantiles de órdenes α/2 y 1- α/2, es decir
2 2
Entonces,
P( Z ∝ ≤ Z ≤ Z1− ∝ ) = 1-α
2 2
σ Y SY
[ Ý −|Z |· σ , Ý +|Z |· σ ]
∝
2
Ý ∝
2
Ý , con σ Ý = =
√n √n
podemos encontrar μY con una probabilidad del 1-α.
Por ejemplo, para un nivel de confianza de 0,95 tenemos que Z1− ∝ = 1,96 (ya que en la tabla
2