NOMBRE: TANIA LÓPEZ GALLARDO

DEFINICIONES Y PARAMETROS.
CONCEPTO PARAMETROS
MEAN 6.56e -15
MEDIA
Es el valor promedio del grupo datos,
es decir, la cifra que se obtiene al
sumar todos los datos y dividir el
resultado entre la cantidad de los
mismos. 
MEDIAN 1.97e-14
MEDIANA
Calcular la mediana es mucho más
fácil porque es justo el valor central, es
decir, el que se encuentra en la mitad
de la lista. 
MAXIMUM 3.87e-13
son los valores de los elementos más
grandes y más pequeños de un
conjunto de datos (es decir, de la
muestra)
MINIMUM -3.52e-13
Es una técnica de análisis numérico
enmarcada dentro de la optimización
matemática, en la que, dados un
conjunto de pares ordenados —
variable independiente, variable
dependiente
STD. DEV 1.51e-13
La desviación estándar (en inglés
“standard deviation”; SD) es
una medida de la dispersión de los
datos, cuanto mayor sea la dispersión
mayor es la desviación estándar, si no
hubiera ninguna variación en los datos,
es decir, si fueran todos iguales, la
desviación estándar sería cero.
SKEWNESS 0.037322
OBLICUIDAD
Las medidas de asimetría son
indicadores que permiten establecer el
grado de simetría que presenta una
distribución de probabilidad de una
variable aleatoria sin tener que hacer
su representación gráfica. Como eje de
 simetría consideramos una recta
paralela al eje de ordenadas que pasa
por la media de la distribución.
KURTOSIS 3.252779
CURTOSIS
Es una medida del grado de cuántos
valores atípicos hay. Para una
distribución normal, el valor del
estadístico de curtosis es 0. Una
curtosis positiva indica que los datos
muestran más valores atípico extremos
que una distribución normal.
JARQUE-BERA 0.164989
En estadística, la prueba de Jarque-
Bera es una prueba de bondad de
ajuste para comprobar si una muestra
de datos tiene la asimetría y la curtosis
de una distribución normal. La prueba
recibe el nombre de Carlos Jarque y
Anil K. Bera
PROBABILITY 0.920816
La probabilidad es una medida de la
certidumbre de que ocurra un evento.
Su valor es un número entre 0 y 1,
donde un evento imposible
corresponde a cero y uno seguro
corresponde a uno.
ESTIMACIÓN DE PARAMETROS

En una población cuya distribución es conocida pero desconocemos algún

parámetro, podemos estimar dicho parámetro a partir de una muestra
representativa.

Un  estimador es un valor que puede calcularse a partir de los datos muestrales y

que proporciona información sobre el valor del parámetro. Por ejemplo la media
muestral es un estimador de la media poblacional, la proporción observada en la
muestra es un estimador de la proporción en la población.

Una estimación es puntual cuando se obtiene un sólo valor para el parámetro.

Los estimadores más probables en este caso son los estadísticos obtenidos en la
muestra, aunque es necesario cuantificar el riesgo que se asume al considerarlos.
Recordemos que la distribución muestral indica la distribución de los valores que
tomará el estimador al seleccionar distintas muestras de la población. Las dos
medidas fundamentales de esta distribución son la media que indica el valor
promedio del estimador y la desviación típica, también denominada error típico
de estimación, que indica la desviación promedio que podemos esperar entre el
estimador y el valor del parámetro.

Más útil es la estimación por intervalos en la que calculamos dos valores entre los
que se encontrará el parámetro, con un nivel de confianza fijado de antemano.

 Llamamos Intervalo de confianza al intervalo que con un cierto nivel de

confianza, contiene al parámetro que se está estimando.

 Nivel de confianza es la "probabilidad" de que el intervalo calculado

contenga al verdadero valor del parámetro. Se indica por 1-a y
habitualmente se da en porcentaje (1-a)100%. Hablamos de nivel de
confianza y no de probabilidad ya que una vez extraída la muestra, el
intervalo de confianza contendrá al verdadero valor del parámetro o no, lo
que sabemos es que si repitiésemos el proceso con muchas muestras
podríamos afirmar que el (1-a)% de los intervalos así construidos
contendría al verdadero valor del parámetro.