Estadística y Probabilidad

Tema: Estadística descriptiva

Objetivos

1. Analizar los conceptos de la estadística

2. Identificar las medidas de tendencia
central
3. Calcular los indicadores estadísticos
básicos de un población
 Introducción
• La Estadística es una ciencia que facilita la
solución de problemas en los cuales
necesitamos conocer características sobre el
comportamiento de algún suceso o evento.
• Nos permite inferir el comportamiento de
sucesos iguales o similares sin necesidad de
que estos ocurran.
 Estadística descriptiva
 Esto nos da la posibilidad de tomar decisiones
acertadas y a tiempo, así como realizar
proyecciones del comportamiento del suceso.
 Sólo se realizan los cálculos y el análisis con los

datos obtenidos de una muestra de la

población y no con toda la población.
 Conceptos básicos
• La estadística es una rama de las
matemáticas aplicadas que proporciona
métodos para reunir, organizar, analizar e
interpretar información, y usarla para obtener
diversas conclusiones que ayuden a tomar
decisiones en la solución de problemas y en el
diseño de experimentos. Se divide en:
Estadística Descriptiva y Estadística Inferencial.
 Conceptos básicos
Estadística descriptiva:
• Se encarga de la recolección, organización,
presentación y análisis de los datos de una
población.
Estadística inferencial:
• Se encarga de analizar la información presentada
por la estadística descriptiva mediante técnicas
que nos ayuden a conocer, con determinado
grado de confianza, a la población. Lo que nos
permite tomar decisiones.
 Conceptos básicos
• Población: es el conjunto que incluye el total
de elementos o datos cuyo conocimiento es
de interés particular.
• Al número de integrantes de la población se
llama tamaño de la población y se representa
con la letra N.
• Las poblaciones pueden ser finitas o infinitas
 Conceptos básicos
• Población Estadística:
• Conjunto de TODOS los DATOS que se
obtienen al realizar la medición de una
variable en los elementos de una población.
• Muestra:

• Subconjunto de una población, que intenta

reflejar las características de la población lo
mejor posible
 Conceptos básicos
• El número de individuos que integran la
muestra, llamado tamaño de la muestra se
representa con la letra n.
• Individuo:
• Es el elemento de la población o de la
muestra que aporta información sobre lo que
se estudia.
 Conceptos básicos
Variable:
• Característica o propiedad de los individuos
que se desea estudiar y se puede medir o
calificar; cambia o varía con el tiempo en un
individuo dado, o cambia o varía de elemento
a elemento.
Ej. Edad, peso, sexo, estado civil, número de
hijos, etc.
 Conceptos básicos
Dato:
• Valor que se obtiene al realizar la medición de
la característica de la variable en estudio.
• Pueden ser univariados, bivariados o
multivariados.
• La naturaleza de los datos pueden ser datos
cuantitativos o datos cualitativos.
 Conceptos básicos
Datos Cuantitativos (números):
• Valores obtenidos al medir peso, estatura,
temperatura, número de hijos.
Datos Cualitativos (categorías):
• Se obtienen al calificar la característica en
cuestión como el sexo, estado civil, grado
máximo de estudios.
 Conceptos básicos
Variable Dicotómica:
• Sólo puede tomar dos valores (sí – no, 0 – 1,
hombre – mujer, bueno – malo, encendido –
apagado).
• En la variable CUANTITATIVA se pueden
distinguir dos tipos: continua y discreta.
 Conceptos básicos
Variable Continua:
• Si la variable puede tomar cualquier número
real entre dos valores dados (decimal o
entero). Ej. El peso de un individuo.
Variable Discreta:
• Si la variable sólo puede tomar números
enteros. Ej. El número de hijos de un
individuo.
 Tipos de muestreo
Muestreo aleatorio simple
• Este tipo de muestreo se caracteriza porque
cualquier elemento de la población en estudio
tiene la misma posibilidad de ser seleccionado.
• Por ejemplo, de la población estudiantil de una
universidad se puede seleccionar una muestra
aleatoria de 50 estudiantes para aplicar una
encuesta y obtener cierto tipo de información.
 Tipos de muestreo
Muestreo estratificado
• En este tipo de muestreo se divide la
población en grupos que no se traslapen, es
decir, que no tengan elementos en común, y
se procede a realizar un muestreo aleatorio
simple en cada uno de los grupos.
 Tipos de muestreo
Muestreo estratificado
• Por ejemplo, la población estudiantil de una
universidad se puede dividir en grupos
formados por diferentes especialidades
(ingeniería industrial, ingeniería en sistemas,
administración, etc.) y después de cada una de
ellas se procede a seleccionar una muestra
aleatoria para llevar a cabo una entrevista y
obtener la información deseada.
 Tipos de muestreo
• Los números que sintetizan los aspectos más
relevantes de una distribución estadística
pueden obtenerse tanto de una población
como de una muestra y por consiguiente
deben clasificarse:
• los obtenidos de la población, reciben el
nombre de parámetros y
• los obtenidos de una muestra se llaman
estadísticos o estimadores.
 Tipos de muestreo
• Los parámetros y estadísticos más comunes de la
estadística descriptiva se dividen, a su vez, en dos
tipos:
1. Medidas centrales: media, mediana, moda,
media geométrica, media armónica, media
ponderada.
2. Medidas de dispersión: rango, varianza,
desviación estándar, error estándar, coeficiente
de variación, percentiles, rango intercuartil.
 Medidas centrales, la media.
• La media. Es el promedio de los datos
disponibles
• Ejemplo, una persona tiene las cantidades
mensuales que ha ganado en los últimos seis
meses (10,800; 9,700; 11,100; 8,950; 9,750 y
10,500) y desea conocer el valor que
representa su salario promedio.
• (10,800+9,700+11,100+8,950+9,750+10,500)/6=10,133.33
• El sueldo promedio es $10,133.33.
 Medidas centrales, la mediana.
• La mediana de un conjunto de datos es el valor
medio de los datos cuando éstos se han ordenado en
forma no decreciente en cuanto a su magnitud.
• Ejemplo: Dado el conjunto muestral de datos,
referente al sueldo promedio, calcular su mediana.
• La siguiente tabla muestra el conjunto de diez datos
 Medidas centrales, la mediana.
La mediana
• Ordenando los sueldos de menor a mayor y
renombrándolos se obtiene
 Medidas centrales, la mediana.
• La cantidad de datos es diez y éste es un número par,
por consiguiente la mediana muestral se encuentra
con el promedio de los datos ordenados en las
posiciones n/2 y n/2 + 1. Es decir, en las posiciones
10/2 = 5 y 10/2 + 1 = 6

• Se dice que la mediana es una medida central

insensible de los datos
 Medidas centrales, la moda.
• La moda de un conjunto de datos es el valor
que se presenta en su distribución con mayor
frecuencia.
• En la siguiente lista se muestran las calificaciones de
20 exámenes. Se calcula la calificación que más se
repite, es decir, la moda de la distribución de las
calificaciones.
 Medidas centrales, la moda.
• Después del conteo de los datos, se tiene:
• Cinco datos con valor 5
• Un dato con valor 6
• Un dato con valor 7
• Tres datos con valor 8
• Seis datos con valor 9
• Cuatro datos con valor 10
• Por tanto, la moda es igual a 9; ya que es la
calificación de mayor frecuencia
 La media ponderada
• Valor medio ponderado o media ponderada
 La media ponderada
• Valor medio ponderado o media ponderada
• Valor medio ponderado o media ponderada
• Ejercicio: Calcular la calificación promedio de un
estudiante. La calificación está ponderada de la
siguiente forma: 10% tareas, 40% del primer
examen bimestral y 50% del examen final. Las
calificaciones del estudiante son 8, 9 y 4,
respectivamente.
• La calificación está ponderada, por tanto es:
• MP = 0.1*8+0.4*9 + 0.5*4 = 6.4
 Medidas de dispersión, el rango
• El rango es igual a el valor mayor menos el valor
menor de los datos.
• Por ejemplo, se tienen dos conjuntos de datos,
uno contiene los valores 20, 12, 15,16, 13 y 14, y
el segundo 5, 0, 50, 17, 8 y 10; se calcula su
media.
• Como se puede verificar en ambos casos se
obtiene 15. Pero si se representan los valores en
una recta, es notable que las observaciones del
segundo conjunto tienen una distribución
(variación) mucho mayor
Medidas de dispersión, el rango
 Medidas de dispersión, el rango
• Para los datos muestrales de los dos conjuntos de
datos anteriores
• En el primer conjunto su rango vale r1 = 20 – 12
= 8, es decir, los datos de este conjunto están
distribuidos a lo largo de un intervalo de longitud
8
• En el segundo conjunto su rango vale, r2 = 50 – 0
= 50, es decir, los datos de este conjunto están
distribuidos a lo largo de un intervalo de longitud
50
 Medidas de dispersión, el rango
• Los elementos del segundo conjunto tienen
una separación mayor entre ellos, pero el
resultado no muestra el comportamiento de
los datos con respecto a su media.
Medidas de dispersión, varianza
 Medidas de dispersión, varianza
• Varianza sesgada

• Varianza insesgada

• Respecto a la población
 Medidas de dispersión, sesgo
• Se denomina sesgo de un estimador a la
diferencia entre la esperanza (o valor
esperado) del estimador y el verdadero valor
del parámetro a estimar.
• Es deseable que un estimador sea insesgado
o centrado, es decir, que su sesgo sea nulo
por ser su esperanza igual al parámetro que
se desea estimar.
 Desviación estándar
• Se llama desviación estándar de un conjunto
de datos a la raíz cuadrada positiva de la
varianza, es decir:
 Desviación estándar
Desviación estándar
• Hallar la desviación media, la varianza y la
desviación típica de la series de números
siguientes:
• 2, 3, 6, 8, 11.
• 12, 6, 7, 3, 15, 10, 18, 5.
 Desviación estándar
Desviación estándar
Pregunta
• Realiza una investigación y describe utilizando
medidas estadísticas el avance que se tiene en
proceso de implementación de energías
alternativas en el país, tu redacción debe ser
personal, evita copiar textos de sitios web,
incluye la bibliografía aplicando la norma APA