Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Docentes:
Dra. Zoila Culquichicón Malpica
Dra. Bilmia Veneros Urbina
Semestre: I - 2023
Definición de población.
Población o universo:
Está constituida por todos los valores de una
variable. Allí se encuentran la totalidad de las
observaciones individuales de una variable
acerca de la cual se pueden realizar
inferencias, y que existen en cualquier lugar o
al menos dentro de un área de muestreo
limitada por el espacio y por el tiempo.
Clases de población
1. De acuerdo al número de sus elementos.-
a. Finita: Cuando todos sus elementos pueden ser
contados.
Se puede diferenciar:
1. Cuando N (Número de elementos en la población)
es pequeño. Por ejemplo el número de truchas
reproductoras en un estanque: 100 o 200.
2. Cuando N es grande, por ejemplo el número de
óvulos de bonito: 500,000.
b. Infinita: Cuando no se pueden contar todos los
elementos de la población. Por ejemplo el número de
individuos de anchoveta en la población frente a la Costa
Peruana.
2. De acuerdo a la variabilidad de los
elementos:
Homogénea: Cuando los elementos son
similares en valor.
Heterogénea: Cuando los elementos
presentan una gran variación en los
valores.
Definición de muestra
Es el subconjunto de una población
estadística, Sokal y Rohlf (1980) la
definen como el conjunto de
observaciones seleccionadas por un
procedimiento específico, una
observación individual está basada en
un individuo; esto es un pez o un
cangrejo; aunque solo se hubiera
medido el peso de un individuo a
través de un determinado periodo, la
muestra estaría constituida por los
pesos registrados en momentos
sucesivos.
Características esenciales de una muestra.
MEDIDAS DE POSICION
Son aquellas medidas que nos ayudan a saber donde
están los datos pero sin indicar como se distribuyen.
Medidas de posición central:
Media: Media aritmética
_
μ = ΣYi/N Y = ΣYi/n (Para datos no agrupados)
_
Y = Σ(fi*Yi)/Σfi (Para datos agrupados)
Propiedades:
Me = (13+13)/2 = 13
1
2) 5, 7, 8, 9, 10, 10, 11
para n = 7
Me = 9
2
Me = 11,5 +(1/15)[19,5-12]
Me = 11,5 + 0,5 = 12 cm
Gráficamente: Grafique en un eje de coordenadas
Fi versus la marca de clase del intervalo. Calcule
(∑fi/2) = N/2. Trace una línea paralela al eje de las
abscisas desde el punto N/2 (que se ubica en la
ordenada) hasta la ojiva. Del punto de intersección
de la ojiva y la paralela trace una perpendicular al
eje de las abscisas. El valor de la Longitud
(abscisa) es el valor de la Me.
Ventajas e inconvenientes :
- Es la medida más representativa en el caso de
variables que solo admitan la escala ordinal.
- Es fácil de calcular.
- En la mediana solo influyen los valores
centrales y es insensible a los valores extremos
o “outliers ”.
- En su determinación no intervienen todos los
valores de la variable.
Moda:
Es el valor más frecuente
Mo=13 cm
Para datos agrupados:
Mo = Li + [(a.i. * D1)/(D1+D2)]
Donde:
D1: Es la diferencia entre F de la clase modal
(Fi)y F de la clase precedente (Fi-1)
D2: Es la diferencia entre F de la clase modal
(Fi)y F de la clase siguiente (Fi+1)
Mo = 11,5 + [1*(27-12)/(27-12)+(37-27)]
Ej: Sea X, las longitudes de Mugil cephalus obtenidas para dos puntos de
desembarque A y B
e) Error de estimación
Medidas de dispersión relativa
Nos permiten comparar la dispersión
de distintas distribuciones.
a) Coeficiente de variación de Pearson
( CV): Indica la relación existente
entre la desviación típica de una
muestra y la media.
Al dividir la desviación típica por la media se
convierte en un valor exento de unidad de medida.
Si comparamos la dispersión en varios conjuntos de
observaciones tendrá menor dispersión aquella que
tenga menor coeficiente de variación.
El principal inconveniente, es que al ser un
coeficiente inversamente proporcional a la media
aritmética, cuando ésta tome valores cercanos a
cero, el coeficiente tenderá a infinito.
b) Desviación estándar de medias (error
estándar)
MEDIDAS DE FORMA
Las medidas de forma de una distribución se pueden
clasificar en dos grandes grupos o bloques: medidas de
asimetría y medidas de curtosis.
Medidas de asimetría o sesgo : Coeficiente de asimetría de
Fisher.
Cuando al trazar una vertical, en el diagrama de barras o
histograma, de una variable, según sea esta discreta o
continua, por el valor de la media, esta vertical, se
transforma en eje de simetría, decimos que la distribución
es simétrica. En caso contrario, dicha distribución será
asimétrica o diremos que presenta asimetría. El coeficiente
de asimetría más preciso es el de Fisher, que se define por:
Según sea el valor de g1, diremos que la distribución
es asimétrica a la derecha o positiva (desplazada a
la derecha), a la izquierda o negativa (desplazada a
la izquierda), o simétrica:
Si g1 = 0 : la distribución es simétrica
Medidas de apuntamiento o curtosis: coeficiente
de curtosis de Fisher
Con estas medidas nos estamos refiriendo al
grado de apuntamiento que tiene una
distribución; para determinarlo, emplearemos el
coeficiente de curtosis de Fisher. (g2)
Si g2 > 3 la distribución será leptocúrtica o
puntiaguda
Estimador Límites
193 192,5 – 193,5
GRACIAS