ESTADISTICA II

PROFESOR:

ELVIS

MARTÍNEZ

ABRIL 2021
Prof. Elvis Martínez 1
 EVALUACIÓN:

Parciales (3) 30%

Trabajos de investigación individuales y 20%

grupales (6-8 )
40%
Examen Final (1) 10%
Asistencia
TOTAL ……………………………………………… 100%
 BIBLIOGRAFÍ
• Levin, Richard I. & Rubin, David S. (2010).
Estadística para Administración y
Economía. 7ª edición. Pearson.
• Mendenhall, William & Sinchich, Terry
(2003). Probabilidad y Estadística para
Ingenieros. Prentice Hall.
• Meyer, Paul L. (1998). Probabilidad y
Aplicaciones Estadísticas. 4ª edición.
Adisson Wesley.
• Montgomery, Douglas C. & Runger, George
C. (2010). Probabilidad y Estadística
aplicadas a la Ingeniería. 2ª edición.
Limusa Wiley.
 BREVE DESCRIPCIÓN DEL CURSO

La asignatura pretende mostrar al alumno la

importancia y utilidad de la Estadística en el
ámbito de los negocios e ingeniería. Con tal fin, el
alumno deberá aprender a manejar los métodos y
técnicas que le permitan el tratamiento y análisis
de la información proporcionada para
investigaciones, presentación de informes y toma
de decisiones.

Prof. Elvis 4
Introducción a la Estadística

Prof. Elvis 5
 Una visión general de la inferencia

Las 4 fases de un estudio o experimento

1. Definición de la población y parámetros de interés

2. Selección de la muestra
3. Análisis de datos
4. Inferencia hacia la población de interés

Prof. Elvis 6
 Una visión general de la inferencia

Selección de la muestra: Aleatorización, Replicación y estratificación (o bloqueo)

Población de interés Muestra seleccionada de la población descrita por e

Ejemplo:
descrita por parámetros.
Un estudio sobre 100 mapachines adultos del RVS Maquenque encontró que el 47%
Ejemplo: mapachines
adultos en el Refugio de
Vida Silvestre Maquenque
Parámetro: Proporción de
mapachines infectados
con el virus de rabia

Análisis: Gráficos, Estimación y Pruebas

Prof. Elvis 7
1. Definición de la población y parámetros de interés

 En el ejemplo, la población de interés es todos los

mapachines adultos que viven en el Refugio de Vida Silvestre
Maquenque.
 El parámetro de interés es la proporción de mapachines adultos
infectados por el virus de la rabia.
 Podría ser posible, aunque extremadamente impráctico, que
cada mapachín adulto viviendo dentro de los límites del RVS
Maquenque fuera capturado y examinado con un examen
para detectar el virus (de esta manera se conocería el valor
del parámetro).
 Sin embargo, en la práctica es imposible examinar cada
mapachín del RVS Maquenque.
 Por lo tanto, se toma una muestra.
Prof. Elvis 8
 2. Selección de la

 Se requiere una muestra que sea representativa

 Se requiere que la respuesta de nuestra muestra sea precisa.
 Se requiere que la muestra tome en consideración divisiones
o grupos establecidos de la población de interés.
 Para alcanzar estos 3 requerimientos se debe recurrir a 3
principios fundamentales de la estadística (ARE):

Aleatorización
Replicación = Tamaño de muestra
Estratificación (o Bloqueo)
Estadística Básica - Manuel
9
Spínola (ICOMVIS -
 2. Selección de la

Aleatorización

 Este es el aspecto más importante de un estudio o experimento

 Asegura que la muestra es “representativa” de la población
asegurando que, “en promedio”, la muestra contiene una
proporción de unidades de población que es
aproximadamente igual a la proporción encontrada en la
población.
 Si un experimento no es aleatorizado o un estudio no colecta
sus muestra al azar, raramente proporciona información útil.

Prof. Elvis 1
 2. Selección de la

Replicación

 Asegura que los resultados de un experimento o estudio serán

lo suficientemente precisos para ser útiles.
 Una muestra grande no implica que la muestra sea representativa (sólo
la aleatorización asegura representatividad).
 No se debe confundir replicación con repetir el estudio una
segunda vez.
 Se escogen 100 mapachines para dar cierta precisión a los resultados.

Estadística Básica - Manuel

1
Spínola (ICOMVIS - UNA)
 2. Selección de la muestra

Estratificación (o Bloqueo)

 En ciertos estudios o experimentos el investigador conoce de

antemano una variable que influye marcadamente sobre la
variable respuesta. Por ejemplo, en el caso de los mapachines
se puede reconocer relaciones fuertes entre diferentes regiones
del RVS Maquenque y la variable respuesta.
 La estratificación posibilita incrementar la precisión del estimado
al estratificar o bloquear la población en grupos más
homogéneos.
 En cada estrato o bloque se realiza un muestreo aleatorio y los
resultados son entonces combinados.

Estadística Básica - Manuel

1
Spínola (ICOMVIS - UNA)
 3. Análisis de

 Una vez que el muestreo fue realizado se tiene un conjunto de

información (estadísticos) colectado de la población.
 El análisis de los datos depende de los datos colectados ( la
muestra) y de la manera que los datos fueron colectados (el
muestreo). Debe haber concordancia entre diseño de
muestreo y análisis.
 Por ejemplo, si los datos fueron colectados usando un
muestreo aleatorio estratificado, entonces se deben usar
métodos de análisis para muestreos estratificados.

Prof. Elvis 1
 4. Inferencia hacia la población de

 El interés está realmente en la población, no en la muestra.

 La muestra es simplemente un elemento para obtener
información sobre la población.
 La información de la muestra debe ser usada para
hacer inferencias sobre la población mediante:

Gráficos
Estimación
Prueba de Hipótesis
Prof. Elvis 1
 4. Inferencia hacia la población de

Gráficos

 Un buen gráfico (figura) es preferible a una tabla de números

o estadísticos.
 El gráfico debe ser claro, relevante e informativo.

Prof. Elvis 1
 4. Inferencia hacia la población de

Estimación

 El número obtenido de nuestra muestra es un estimado del

verdadero (y desconocido) valor del parámetro
poblacional.
 Siempre se debe reportar una medida de precisión del estimado.
 Hay diferentes manera de reportar la precisión de un estimado.

Prof. Elvis 1
 4. Inferencia hacia la población de

Prueba de Hipótesis (Estadística)

 Puede haber un estudio previo en el RVS Maquenque y se

quiere comparar si la tasa de infección aumento, es estable o
disminuyó.
 Puede haber un estudio en otra zona o parque nacional y se
quiere comparar si la tasa de infección es mayor, igual o menor.

Prof. Elvis 1
Variables Aleatorias

Prof. Elvis 1
 Escalas o Niveles de medida

Existen 4 escalas de medidas que deben ser consideradas:

1. Datos Nominales
2. Datos Ordinales
3. Datos de Intervalo
4. Datos de Razón (Racional)

Prof. Elvis 1
 Escalas de medidas
1. Datos Nominales
Son datos de clasificación (ejemplo: macho, hembra)
No tienen orden (no tiene sentido afirmar que macho > hembra).
Las etiquetas son arbitrarias: macho/hembra, 1/0.
Se puede examinar si el dato en escala nominal pertenece a un determinado valor (por ejemplo si el sexo d

2. Datos Ordinales
Los datos pueden ser ordenados pero las diferencias entre valores no pueden ser cuantificadas.
Escala de satisfacción de 1 a 5.
Clasificación de hoteles (1 a 5 estrellas).
Se puede ordenar un dato como menor o mayor que otro valor, pero no se puede “cuantificar”
la diferencia entre 2 valores ordinales.

Prof. Elvis 2
 Escalas de medidas
3. Datos de Intervalos

 Los datos pueden ser ordenados, tienen una escala constante, pero no tienen un cero natural.
 Esto implica que las diferencias entre valores tienen sentido, pero los cocientes entre
valores no. Ejemplo: 30°C - 20°C es igual a 20°C -10°C, pero 20°C/10°C no es 2 veces más
caliente.
 Temperaturas, fechas.
 El valor 0°C es arbitrario.

4. Datos de Cociente

Prof. Elvis 2
Los datos pueden ser ordenados, tienen un a escala constante, y tienen un cero natural.
Altura, peso, edad, largo, ancho, etc.
Tiene sentido decir que 10 m es 2 veces más largo que 5 m.

Prof. Elvis 2
 Variables
Variable Aleatoria (Random Variable)

 Una propiedad medida (peso corporal, número de individuos, pH, temperatura) por
observaciones individuales.
 El nombre aleatorio no significa que el peso de un individuo es aleatorio, sino que no se puede
predecir el peso de un individuo hasta que se mide.
 Es una medida numérica de un resultado aleatorio
Ejemplo
Variable aleatoria: peso corporal de mapachines adultos

Población Estadística: Pesos corporales de mapachines adultos del Parque Nacional Manuel

Muestra

Prof. Elvis 3,4 kg 3,8 kg 3,9 kg 2

3,5 2,4 kg
kg 3,7 kg
3,4 kg 3,4 kg
2,6 kg
3,6 kg 3,4 kg
3,6 kg 2,8 kg 3,4 kg

Prof. Elvis 2
 Tipos de variables

Variable Nominal

Variable Cualitativa
o
Categórica
Variable Ordinal

Variable
Variable Discreta

Variable Cuantitativa

Variable Continua

Prof. Elvis 2
 Tipos de variables

Variable continua Variable categórica Variable discreta

Peso corporal (kg) Sexo No. de garrapatas

12.8 Hembra 16

14.5 Macho 5

11.0 Hembra 14

Prof. Elvis 2
 Tipos de variables
Variables Categóricas

Son factores con 2 o más niveles.

Ejemplos

Vivo/muerto
Macho/hembra
Edades de tilapias (por ejemplo, 5 clases)

Prof. Elvis 2
 Tipos de variables

Variables Discretas

 Variables que pueden tomar sólo números enteros.

Ejemplos

Numero de huevos por nido

Numero de crías por camada
Numero de animales o plantas por unidad espacial o temporal

Prof. Elvis 2
 Tipos de variables
Variables Continuas
 Variables que pueden tomar cualquier valor dentro de
un intervalo.
Ejemplos
 Peso corporal de tapires
 Altura de árboles
 Largo de ala de tucanes
 Oxigeno disuelto en el agua
 Concentración de pesticida en tejidos de peces
 Desviaciones del promedio de pulsaciones por minuto del
corazón (números reales negativos y positivos)
Prof. Elvis 2
Estadística Descriptiva e Inferencial

Estadística Descriptiva

Estadística

Estadística Inferencial
(Estimación de parámetros y Prueba de hipótes

Prof. Elvis 3
 Estadística Descriptiva e Inferencial

Describe, analiza y representa un grupo

de datos utilizando métodos numéricos
Estadística descriptiva y gráficos que resumen y presentan la
información contenida en ellos.

Comprende los métodos y

procedimientos para deducir propiedades
(hacer inferencias) de una población a
Estadística inferencial
partir de una pequeña parte de la misma
(muestra).

Podemos clasificar la estadística en descriptiva, cuando los resultados del análisis no pretend

Prof. Elvis 3
 Estadística Inferencial

 La estadística inferencial se concentra en la estimación

de parámetros y la prueba de hipótesis estadísticas.
 La población aquí no se refiere a una población biológica
,se refiere a una población estadística.
 Una población estadística es definida como la colección
de todas las posibles observaciones de interés y sobre la
cual nosotros deseamos hacer inferencias.

Prof. Elvis 3
 Ejemplos de Poblaciones
Población estadística: Venados de cola blanca (Odocoileus viginianus)
en la Provincia de Guanacaste.
Medida: peso corporal
Diseño de muestreo: muestreo aleatorio estratificado, con estratificación
basada en sexo y edad.

Prof. Elvis 3
 Ejemplos de Poblaciones
Población estadística: Cajas nidos del pato arcoiris (Aix sponsa) en el Refugio
Nacional de Vida Silvestre Ottawa, Ohio, EUA.
Medidas: uso/no uso.

Diseño de muestreo: muestreo aleatorio simple.

Prof. Elvis 3
 Ejemplos de Poblaciones
Población estadística: Osos hormigueros (Myrmecophaga
tridactyla) en 4 Parques Nacionales de
Brasil.
Medidas: Densidad (Número de individuos /ha).
Diseño de muestreo: muestreo aleatorio estratificado, con estratificación
basada en cada uno de los parques nacionales.

Prof. Elvis 3
Estadística Descriptiva

Prof. Elvis 3
 Resumen Estadístico de una

Parámetro de población vs estadístico de muestra

 Es muy importante distinguir entre un parámetro de población y un estadístico

de muestra.
 Un parámetro es un resumen numérico de una población. Como una población
tiene muchos miembros o elementos, el valor del parámetro es difícil de
conocer, al menos que se realice un censo.
 Cualquier medida calculada de un subconjunto de la población (muestra) es un
estadístico.

Prof. Elvis 3
 Resumen Estadístico de una
Parámetro de población vs estadístico de muestra

Situación Parámetro Poblacional Estadístico de muestra

Encuesta política a favor de Proporción de votantes a favor de un Proporción a favor de un candidato

candidatos presidenciales candidato de 1000 encuestados

Nivel de DDT (pesticida) en huevos Nivel medio de DDT en todos los Nivel medio de DDT en 150
de una especie de ave rapaz que huevos de la especie en Guatemala huevos de la especie colectados en
habita en Guatemala Guatemala

Para distinguir entre parámetros poblacionales y estadísticos de muestra se usan diferentes sím
Se debe recordar que los estadísticos de muestra estiman el parámetro de población y la Estad

Prof. Elvis 3
 Estimación de Parámetros
 Un parámetro usualmente necesita ser estimado
 Si se intenta conocer el peso corporal de los mapachines del PN Manuel Antonio no
se pueden pesar todos los mapachines del parque.
 La estimación de parámetros se basa en la colecta de una muestra representativa de datos.
 Estos datos son colectados de acuerdo a un protocolo de base científica (diseño de muestreo).

Población Estadística: Mapachines adultos del Parque Nacional Manuel Antonio

Medida: Pesos corporal
Población estadística
Muestra

PN Manuel Antonio

Prof. Elvis 3
 Definiciones
Muestreo: la selección de una porción de un todo de tal manera que podemos usar esa

Población estadística: la colección completa de elementos de estudio. La agregación co

Elemento: un miembro de una población (un animal, una planta, una caja nido, una ma

Muestra: es un grupo de unidades seleccionados de un grupo mayor (la población). La in

38
Prof. Elvis
 Definiciones
Unidad de muestreo

Es aquel elemento o conjunto de elementos considerados para ser seleccionados por un

protocolo de muestreo. En muestreos de un solo nivel (single-stage), la unidad de
muestreo equivale al elemento. En un muestreo de 3 niveles (ejemplo, grupo de casas,
familia, adultos), todos son unidades de muestreos y solo los últimos son elementos.
Cada uno de los niveles se denominaría, unidad de muestreo primaria, unidad de
muestreo secundaria, unidad de muestreo final o terciaria (en el ejemplo).

Parámetro (estadísticos de población)

Un parámetro es un valor, usualmente desconocido (y por lo tanto tiene que ser

estimado), que representa cierta característica de la población.
Ejemplos: peso corporal, tamaño de población, diversidad de especies.
Se considera un valor fijo (no varían, no son variables aleatorias).
Generalmente se caracterizan con letras griegas: μ, σ, Ψ

39
Prof. Elvis
 Definiciones
Estadístico (Estadístico muestral)

 Es una cantidad que es calculada de una muestra de datos.

 Brinda información sobre valores no conocidos en la población correspondiente
 Por ejemplo, el promedio de los datos en una muestra brinda información sobre el promedio total
en la población de donde se tomó la muestra.
 La media muestral, la varianza muestral, etc., son estadísticos muestrales.
 Generalmente se caracterizan con letras romanas ( ejemplo, ,s2), xmentras que los equivalentes
valores no conocidos (parámetros) son caracterizados con letras griegas (ejemplo, µ, σ).

Estimado

Un estimado es una indicación del valor de una cantidad no conocida (parámetro) basado en los datos
observados.

Más formalmente, un estimado es el valor de un estimador y es usado para indicar el valor de un parámetro.
Ejemplo: Estimado del peso promedio de los mapachines adultos del PN Manuel Antonio = 5.5 kg

40
Prof. Elvis
Prof. Elvis Martínez 41