Estadística

Universidad Tecnológica Nacional FRGP

Carrera : Tecnicatura Superior en Programación
Docente : Ing. Alejandro Blech
ablech@docentes.frgp.utn.edu.ar

Programa

Ing. Alejandro Blech - 2018

 Bibliografía
• Elementos Básicos de Estadís1ca Descrip1va - Gabriel Posada Hernández - Editorial Juan
Amigo - 2016- ISBN 978-958-8943-05-3

Unidad 1 - Capítulo 1 páginas (10 - 20) Unidad 2 - Capítulo 7 páginas (73 - 83)
Unidad 1 - Capítulo 3 páginas (35 - 39) Unidad 2 - Capítulo 8 páginas (87 - 94)
Unidad 1 - Capítulo 4 páginas (44 - 48) Unidad 2 - Capítulo 9 páginas (97 - 106)
Unidad 1 - Capítulo 5 páginas (53 - 60) Unidad 2 - Capítulo 11 páginas (117 - 124)

• Estadís1ca Básica para Estudiantes de Ciencias - J.Gorgas Garcia, N. Cardiel Lopez y J.

Zamorano Calvo - Universidad Complutense de Madrid - 2011 - ISBN 978-84-691-8981-8

Unidad 3 - Capítulo 5 páginas (47 - 61)
Unidad 4 - Capítulo 6 páginas (63 - 70)
Unidad 4 - Capítulo 7 páginas (79 - 87)
Unidad 5 - Capítulo 6 páginas (66 - 70)
Unidad 5 - Capítulo 8 páginas (89 - 94)
Unidad 6 - Capítulo 9 páginas (105 - 112)
Unidad 6 - Capítulo 10 páginas (123 - 133)
Unidad 6 - Capítulo 11 páginas (123 - 132)
Unidad 6 - Capítulo 11 páginas (135 - 136)
Unidad 7 - Capítulo 17 páginas (185 - 195)

• Probabilidad y Estadís1ca para Ingeniería y Ciencias - Jay Devore - Editorial

Cengage - 7ma edición - 1998 - ISBN 978-607481338-8

Unidad 1 - Capítulo 1 páginas (01 - 24)
Unidad 2 - Capítulo 1 páginas (24 - 45)
Unidad 3 - Capítulo 2 páginas (46 - 84)
Unidad 4 - Capítulo 3 páginas (86 - 115)
Unidad 4 - Capítulo 3 páginas (121 - 129)
Unidad 5 - Capítulo 4 páginas (130 - 156)
Unidad 6 - Capítulo 6 páginas (228 - 252)
Unidad 6 - Capítulo 7 páginas (254 - 282)
Unidad 7 - Capítulo 12 páginas (446 - 465)
Unidad 7 - Capítulo 12 páginas (485 - 488)

Bibliogra)a Complementaria

• Probabilidad e Inferencia Estadís1ca - Luis Santaló - Departamento de

Asuntos Cien[ficos de la Secretaría General de la OEA - 2da edición - 1970
• Estadís1ca - Murray Spiegel - Serie Schaum- Editorial Mc Graw Hill - 4ta
edición - 2003 - ISBN 978-970-10-6887-8

Ing. Alejandro Blech - 2018

 Otros recursos didác-cos
• Microso' Excel versiones 2013 o 2016
• Aplicaciones Vestac h:ps://lstat.kuleuven.be/newjava/vestac
• Tabla binomial
• Tabla normal Epificada
• Videos uElización calculadoras en modo estadísEco
Elección de modelos/conceptos
h:ps://www.youtube.com/watch?v=bjVV7m5L2Wc&list=PL1A424227AC0C7E9B
Grupo MS
h:ps://www.youtube.com/watch?v=6jqoucoas8Y&index=2&list=PL1A424227AC0C7E9B
Grupo ES
h:ps://www.youtube.com/watch?v=9ql-vTM6gq0&list=PL1A424227AC0C7E9B&index=3
Grupo Modelos AnEguos
h:ps://www.youtube.com/watch?v=ECOzuHXFvk0&index=4&list=PL1A424227AC0C7E9B

Condiciones de Cursado, Evaluación y Acreditación

• Para cursar la asignatura, es necesario tener aprobados los trabajos prácEcos de MatemáEca
(123)
• Durante el transcurso del cuatrimestre de cursado se evaluará a los alumnos con 2 parciales,
los cuales incluirán:
• Parcial 1 : Unidades 1, 2 y 3 Parcial 2 : Unidades 4, 5, 6 y 7
• Cada parcial Eene la posibilidad de una fecha de recuperación en caso de no haber sido
aprobado en la 1ra ocasión o de no haberse presentado a rendirlo
• Para aprobar la asignatura, es necesario:
• Tener un 80% como mínimo de asistencia a clase
• Aprobar los dos parciales, con nota mínima de 6(seis)
• Tener aprobada la asignatura MatemáEca (123)
• Rendir el examen Final correspondiente, con nota mínima de 6(seis)
• O bien, aprobar por el régimen de Promoción sin examen final, para lo cual deberá aprobar
ambos parciales con un promedio igual o superior a 8(ocho) sin haber realizado ningún
recuperatorio de los mismos
También para este caso se deberá contar con la asistencia a clase mínima del 80% y la
correlaEva anterior (MatemáEca) aprobada
Ing. Alejandro Blech - 2018
 Cronograma Estadís4ca TSP 1c 2018 Turno Noche

Clase Fecha Contenido

1 20/03 Presentación / Introducción a la Estadística

2 27/03 Estadística Descriptiva
3 03/04 Estadística Descriptiva / Probabilidad
4 10/04 Probabilidad
5 17/04 Probabilidad / Repaso / Consultas
6 24/04 1er Parcial
7 08/05 Variable aleatoria discreta
8 15/05 Variable aleatoria discreta / Variable aleatoria contínua

9 22/05 Variable aleatoria contínua

10 29/05 Inferencia Estadística
11 05/06 Inferencia Estadística
12 12/06 Regresión lineal
13 19/06 2do Parcial
14 26/06 Recuperatorio 1er o 2do Parcial / Consultas

15 03/07 Recuperatorio 1er o 2do Parcial / Consultas

Ing. Alejandro Blech - 2018

 Que entendemos por Estadís0ca ?

Según el Diccionario de la R.A.E.

• Estudio de los datos cuan,ta,vos de la población, de los recursos naturales e
industriales, del tráfico o de cualquier otra manifestación de las sociedades
humanas
• Conjuntos de estos datos
• Rama de la matemá,ca que u,liza grandes conjuntos de datos numéricos para
obtener inferencias basadas en el cálculo de probabilidades

….. en la prác,ca, su obje,vo es recopilar informacion de ,po cualita,vo o

cuan,ta,vo perteneciente a individuos, grupos, hechos o fenómenos y a
par,r del análisis de los datos dar respuestas a interrogantes, establecer
proyecciones futuras o tomar decisiones con dicha información

La estadís)ca en el )empo

Ing. Alejandro Blech - 2018

Clasificación

Población / Muestra

Ing. Alejandro Blech - 2018

Población / Muestra

Consideramos población o universo al conjunto de todos los elementos

(individuos, objetos o fenómenos) que son objeto de nuestro estudio
estadís:co.
Lo que ocurre es que, en muchas ocasiones, es muy complicado realizar el
estudio sobre toda la población por alguno de los siguientes mo:vos:
• Porque la población es muy numerosa y sería muy laborioso obtener los
datos de todos sus elementos.
• Porque sería muy costoso económicamente realizar el estudio con todos los
individuos.
• Porque al realizar dicho estudio desaparecen los objetos estudiados y, al
acabar el proceso, no tendríamos elementos. Por ejemplo, estamos
estudiando la vida ú:l de un cierto modelo de lámpara. Si realizamos el
estudio sobre todas las lámparas existentes nos quedaríamos sin ninguna
porque todas acabarían fundidas. El estudio sería muy preciso pero no
tendríamos lámparas para vender...

Es por este mo:vo por el que frecuentemente decidimos realizar el estudio

sobre una parte de la población a la que denominamos muestra.

La Población puede ser finita, cuando el número de elementos que la integran

es conocido por los inves:gadores (puede ser contado), por ejemplo,
estudiantes de una universidad, lámparas fabricadas en un mes en
determinada empresa o puede ser infinita, cuando no se conoce el número de
elementos, por ser muy grande o por ser indeterminado, por ejemplo, peces
en el mar, can:dad de veces que personas pueden pasar por una determinada
zona de la ciudad

Ing. Alejandro Blech - 2018

Población / Muestra

Muestra es todo conjunto de elementos que pertenece a una población

determinada.
Una buena muestra debe ser representa/va de la población. Esto significa, que
todas las caracterís7cas a estudiar de la población 7enen que estar en la muestra en
la misma proporción que en la población.
Por lo tanto, podremos sacar conclusiones respecto de la población total a par7r de
una muestra, es decir, realizar una inferencia, para todas aquellas caracterís7cas en
las cuales la muestra representa a la población

• Parámetros: Son valores que describen una caracterís7ca de la población, por

ejemplo, media, varianza, coeficiente de variación
• Estadís7cos: Son valores que describen una caracterís7ca de la muestra, por
ejemplo, media muestral, varianza muestral

Ing. Alejandro Blech - 2018

Variables

Es cualquier caracterís.ca o propiedad de una población y que sea fac.ble de

medir o describir

Variables Cualita-vas : Representan atributos de los elementos y no permiten

una representación númerica definida, por ejemplo, estado civil, profesión,
color de una flor. También se las conoce como categóricas

Variables Cuan-ta-vas : Se representan númericamente a través de una

medida (valor) y una escala determinada, por ejemplo, estatura, salario de
empleados, can.dad de arUculos vendidos por una sucursal

Ambos .pos de variables se representan con letras mayúsculas ( X, Y, Z …..)

mientras que los valores que pueden tomar se representan en minúsculas con
subíndices (!", $% , &' …..)

Ejemplo X: estado civil de los empleados de una empresa

!" = soltero !% = casado !( = divorciado !) = viudo

Variables cuan-ta-vas

Discretas: Sólo pueden tomar determinados valores, existen separaciones

entre 2 valores que no pueden llenarse con otros valores intermedios, por
ejemplo, arUculos vendidos en un almacén, pueden ser 1 o 2 o 25 unidades,
pero no 3,7 o 6,25. Se dis.nguen porque pueden contarse

Con-nuas: Pueden tomar cualquier valor en un intervalo y entre uno y otro valor
siempre puede exis.r otro intermedio, por ejemplo, temperatura de una zona
determinada, puede ser 26 o 27 grados, pero también 26,3 grados o 26,34 grados.
Se dis.nguen porque pueden medirse

Ing. Alejandro Blech - 2018

Tabulación

Para facilitar la interpretación de los datos, estos se suelen tabular, es decir, ordenar
en tablas

NIVEL Nro personas

Para variables cualitaIvas se
recomienda un patrón con orden
Primario 20
cronológico, alfabé9co o jerárquico y
luego se realiza el conteo Secundario 18
determinando la frecuencia
correspondiente a cada atributo, por Terciario 22
ejemplo, si X es el nivel de escolaridad Universitario 15
de un grupo de 100 personas :
Posgrado 25

Nro hijos Nro personas

Para variables cuanItaIvas discretas se

0 27
emplean escalas numéricas y se ordena
en forma creciente, realizándose también 1 15
el conteo correspondiente, por ejemplo, si
Y es el número de hijos de un grupo de 50 2 12
personas 3 4
4 o mas 2

Ing. Alejandro Blech - 2018

 Intervalos - Clases
Rango: Es el recorrido que toma la variable desde el valor mas pequeño hasta el
mas grande y se define como:
R = [ !" - !# ]
donde $% = límite superior de la variable $& = límite inferior de la variable

Número de Intervalos (Clases) : Con el fin de que no se haga muy extensa la tabla,

se suelen agruparlos elementos en intervalos o clases. Se busca que la canKdad de
estos no sea ni muy pequeña ni muy grande, de forma tal que permita una buena
visualización de los datos. Una buena aproximación es uKlizar la fórmula de
Sturges:
m = 1 + 3,3 log n
donde n = Nro total de elementos (datos) m = Nro de intervalos (clases)

Amplitud del Intervalo : Es el espacio entre el valor superior e inferior de cada

intervalo (clase)

' Es desable llegar a un número entero y para ello se puede

C= ( incrementar o disminuir ligeramente m. Es conveniente que sea el
mismo para todos los intervalos

Intervalos - Límites

Al construir los intervalos, cada uno estará determinado por 2 extremos, el límite
inferior )* y el superior )+ . Para el primer intervalo el )* es $* y el superior )+ se
obKene sumando C (Amplitud de intervalo) al límite inferior, y este límite superior
pasa a ser el )* para el siguiente intervalo y se conKnua de la misma forma hasta
llegar al )+ para el úlKmo intervalo que debería coincidir con el $+

Para evitar el solapamiento de valores en algún límite entre un intervalo y el

siguiente se conviene en tomar el final de un intervalo como cerrado y el inicio del
siguiente como abierto o viceversa

Extremo de intervalo abierto ( ) à los datos no se cuentan para ese intervalo

Extremo de intervalo cerrado [ ] à los datos si se cuentan para ese intervalo

Ing. Alejandro Blech - 2018

Intervalos (Tabla de frecuencias) - Ejemplo

Ejemplo : Se observan los Dempos (en minutos) requerido por un grupo de 50

personas para realizar una acDvidad

Tiempo para realizar la actividad (en minutos)

70 47 57 52 51
71 68 55 63 50
62 60 55 65 60
63 54 57 50 56
67 63 59 53 67
65 60 74 59 59
75 69 56 45 68
62 54 59 72 61
65 73 71 64 51
56 55 50 69 64
Ing. Alejandro Blech - 2018
Intervalos
En este caso:
!" = 45 min !# = 75 min R = 30 min

Aplicando la fórmula de Sturges m = 1 + 3,3 log 50 --> m = 6,606

si m = 6 à C = 30 / 6 à C = 5 min Se podrían tomar

si m = 7 à C = 30 / 7 à C = 4,28 min 6 o 7 intervalos

Elegimos C = 5 min por ser entero à m = 6

Número Límites de Intervalo Intervalo de Frecuencia

Intervalo ( $% + C = $& ) Clase (Nro personas)
1 45 + 5 = 50 [ 45 – 50 ] 5
2 50 + 5 = 55 ( 50 – 55 ] 9
3 55 + 5 = 60 ( 55 – 60 ] 12
4 60 + 5 = 65 ( 60 – 65 ] 11
5 65 + 5 = 70 ( 65 – 70 ] 7
6 70 + 5 = 75 ( 70 – 75 ] 6

Marca de Clase : Es el valor representaTvo para cada intervalo (su punto medio)
. Se representa por '" y se calcula promediando el (" y el (# de cada intervalo

$%*$&
)% = Al pasar de un intervalo al otro se incrementa en un valor C
+

Interv Límites de Intervalo Intervalo frec Marca de Clase ),%

( $% + C = $& ) de Clase

1 45 + 5 = 50 [ 45 – 50 ] 5 47,5

2 50 + 5 = 55 ( 50 – 55 ] 9 52,5

3 55 + 5 = 60 ( 55 – 60 ] 12 57,5

4 60 + 5 = 65 ( 60 – 65 ] 11 62,5

5 65 + 5 = 70 ( 65 – 70 ] 7 67,5

6 70 + 5 = 75 ( 70 – 75 ] 6 72,5
Ing. Alejandro Blech - 2018
 Intervalos - Frecuencias
Frecuencia absoluta (!" ) : Es la can)dad de elementos que pertenecen a cada
intervalo i
Frecuencia rela1va (#" ) : Se define como el cociente entre la frecuencia absoluta
$% respecto al total de elementos n para cada intervalo, expresada en porcentual

'(
ℎ% = )
* 100
Frecuencia absoluta acumulada (*" ) : Es la suma de frecuencias absolutas $%
intervalo a intervalo hasta alcanzar la totalidad de los datos

+% = ∑%-./ $-
Frecuencia rela1va acumulada (0" ) : Es la suma de frecuencias rela)vas ℎ%
intervalo a intervalo hasta alcanzar la totalidad de los datos

1% = ∑%-./ ℎ-

Finalmente la tabla completa para el ejemplo quedaría :

Int Int de Clase Marca Clase 23" !" *" #" 0"

1 [ 45 – 50 ] 47, 5 5 5 10% 10%

2 ( 50 – 55 ] 52,5 9 14 18% 28%

3 ( 55 – 60 ] 57,5 12 26 24% 52%

4 ( 60 – 65 ] 62,5 11 37 22% 74%

5 ( 65 – 70 ] 67,5 7 44 14% 88%

6 ( 70 – 75 ] 72,5 6 50 12% 100%

Las frecuencias absolutas y rela)vas se interpretan a par)r del intervalo, por

ejemplo, 9 personas se demoran entre 50 y 55 minutos para realizar la ac)vidad
En cambio las frecuencias acumuladas se interpretan u3lizando las expresiones
“máximo”, “hasta”, “a lo sumo”, por ejemplo, 14 personas se demoran a lo sumo
55 min en realizar la ac3vidad

Ing. Alejandro Blech - 2018

 Gráficas / Diagramas

La organización de los datos mediante una tabla de frecuencias no es suficiente

para analizar el comportamiento de la variable, por ello, se recurre al empleo de
gráficas y diagramas:

Para variables cuanHtaHvas

conHnuas se uHlizan histogramas
y polígonos, el histograma
consiste en graficar barras cuya
altura sea la correspondiente a la
frecuencia absoluta de cada
intervalo, las cuales estarán
centradas en la marca de clase de
cada intervalo y cuyo ancho sea la
amplitud de clase del mismo

En los polígonos se representa con un

punto la frecuencia absoluta de cada
intervalo centrada al igual que para los
histogramas en la marca de clase del
intervalo correspondiente
Finalmente se unen todos los puntos
mediante trazos rectos

De manera similar se pueden trazar el histograma y polígono para las

frecuencias acumuladas. En este caso el polígono recibe el nombre de ojiva
de frecuencias.

Histograma Ojiva
Ing. Alejandro Blech - 2018
Gráficas / Diagramas

Para las variables cualita.vas y las cuan.ta.vas discretas se u.lizan los diagramas
de barras y los circulares

Diagramas de Barras : En el eje horizontal se colocan los valores que toma la

variable y para c/u de ellos se eleva una barra cuya altura corresponde a la
frecuencias absolutas o rela.vas

Deporte Alumnos

Basquet 15

Futbol 20
Handbol 14

Voleibol 11

Tenis 3
Ninguno 5

Diagramas circulares : También conocidos como “Pie Chart”, se u.lizan como los
de barras para representar variables cualita.vas o cuan.ta.vas discretas. Se
representa la proporción de elementos (frecuencias rela.vas) de cada uno de los
valores de la variable mediante un sector del círculo
Un círculo completo son 360º. El ángulo de cada porción debe ser proporcional a
la frecuencia rela.va de cada valor de la variable. Por lo tanto para cada
frecuencia ℎ" se calcula su ángulo correspondiente #" :

$%
#" = 360 * ℎ" = 360 * &

Ing. Alejandro Blech - 2018

Gráficas / Diagramas

Ejemplo : Los con$nentes suponen el 29,1% de superficie de la Tierra, el resto es

agua. Supongamos que se pretende representar mediante un diagrama circular la
proporción de superficie de cada con@nente respecto a la superficie de todos los
con@nentes.
Para dibujar el diagrama, se calcula el ángulo de cada uno de los sectores (que
serán Europa, África, América, Asia, Oceanía, la Antár@da). Se ob@ene la siguiente
tabla:

El diagrama
circular en 3D
sería:

Ing. Alejandro Blech - 2018