ESCUELA SUPERIOR POLITÉCNICA

DE CHIMBORAZO

FACULTAD DE CIENCIAS
CARRERA DE BIOQUÍMICA Y
FARMACIA
Tema: Historia, Población y Muestra

Nombre: Valeria León

Curso: Octavo “2”
Fecha: 10/04/2024
Código: 3389
Profesor: Ing. Nancy Elizabeth Chariguaman Maurisaca
 PRIMERA BIBLIOGRAFÍA ADICIONAL
TÍTULO DEL LIBRO: Estadística para ingeniería y ciencias

Autor: Héctor Adolfo Quevedo Urías - Blanca Rosa Pérez Salvador

Capítulo 1

1.2 Clasificación de variables: tipo de datos

La materia prima de la estadística son los datos recolectados y el análisis que se pueda
hacer de estos datos depende de sus características, por lo que se deben conocer los
niveles de medición de los datos. La primera clasificación de los datos es cualitativo y
cuantitativo. El sexo, el estado civil y el tono de un colorante son datos cualitativos; la
edad, el peso y el tiempo de duración de un proceso son datos cuantitativos.
Los datos cualitativos, a su vez, se clasifican en datos nominales y datos ordinales. Los
datos ordinales, a pesar de no ser datos numéricos, presentan un orden natural; por
ejemplo, la clasificación taxonómica de los animales en Biología (peces, anfibios,
reptiles, aves, mamíferos); el tono de un tinte (más claro o más oscuro); etc. Los datos
nominales son aquellos que no presentan un orden establecido; por ejemplo, las
licenciaturas que ofrece una escuela.
Los datos cuantitativos, a su vez, se clasifican en datos de intervalo y datos de razón. Los
datos de intervalo son aquellos donde el cero tiene una posición arbitraria, el ejemplo más
común es el de la temperatura, ya que de Ja escala depende Ja posición del cero. El cero
en la escala Kelvin no tiene Ja misma posición que en Ja escala Celsius. Los datos de
razón son datos en los que el cero está bien determinado; por ejemplo, el número de hijos,

1.3 Medidas de tendencia central o de localización

Las medidas de tendencia central son valores que indican la posición que tienen los
datos; es decir, una medida de localización se puede ver como un representante de la
posición de datos.

• Media aritmética: Es el promedio común de los datos; esto es, dados los
datos x1,x2,….xn su media aritmética es:
• Mediana: Es el valor que se encuentra en el centro cuando de han ordenado
los datos y se denomina con la letra M.
• Moda: Es el valor que ocurre con más frecuencia y se denota como Mo

1.4 Medidas de variabilidad o dispersión

Las medidas de posición proporcionan información importante acerca de los daros; sin
embargo, es insuficiente para describir como éstos se distribuyen. Por ejemplo,
conociendo el tiempo de vida promedio de los marcapasos se puede diseñar el
seguimiento de los pacientes en tratamiento y conocer la posición promedio de su tiempo
de vida útil mediante la media, la mediana o la moda para tener una idea de cuándo se
debe cambiar el aparato a los pacientes; pero resulta también importan te que el tiempo
de falla de los diferentes marcapasos presente poca variación según el valor central. Es
claro que un buen control de calidad tendría por objetivo lograr que el tiempo de vida de
los marcapasos tuviera poca variación entre ellos. Esto hace ver que es sumamente
importante conocer qué tan dispersos están los datos.

Capítulo 7
7.2 Análisis de varianza de diseño de bloques completamente aleatorizados

Como se dijo anteriormente, el diseño de bloques completamente aleatorios se usa para

reducir el error experimental, ya sea debido a muestras pequeñas o a la variación inherente
de las observaciones. Con este tipo de diseño por bloques completos es posible controlar
la variación dentro de las muestras (residual) generadas por algún factor indeseable. De
manera que, al bloquear las observaciones, se reduce la variación, que tal vez no se pueda
controlar cuando se usan diseños completamente aleatorizados.

Capítulo 8
8.1 Regresión lineal simple

El objetivo de estudiar regresión lineal simple es obtener el modelo de regresión más

apropiado, es decir, una ecuación de regresión lineal simple o múltiple para fines de
predicción y estimación. Los componentes de esta ecuación de regresión lineal, con sólo
una variable independiente, también llamado modelo lineal de primer orden, son la
variable dependiente Y' o función de respuesta y la variable independiente X . El modelo
de esta ecuación, que describe la relación de la variable X con la variable Y, se llama la
ecuación de regresión de Y sobre X y la gráfica de esta función se llama la curva de
regresión.

SEGUNDA BIBLIOGRAFÍA ADICIONAL

TÍTULO DEL LIBRO: Estadística

Autor: Matus, R.

CAPÍTULO I

Distribuciones frecuenciales

EI campo de la estadística trata de la recolecci6n, presentaci6n, procesamiento,

análisis y uso de datos para tomar decisiones, solucionar problemas y diseñar
productos y procesos. La estadística se divide en dos grandes ramas: La estadística
descriptiva y la estadística inferencial. La estadística descriptiva trata de la
descripci6n de una serie de datos y la estadística inferencial estudia el análisis e
interpretaci6n de los datos para obtener conclusiones (0 inferencias). Los métodos
estadísticos se utilizan como ayuda para describir y entender la variabilidad. Por
variabilidad se entiende a las observaciones sucesivas de un sistema 0 fen6meno
que no producen el mismo resultado.

1.1 Distribuciones frecuenciales de datos no agrupados

Cuando la población es finita y se consideran todos los elementos de ella (a tratar,

uno a uno), se trabaja 10 que se dice una distribuci6n de datos no agrupados.

1.1.1 Medidas de tendencia central de datos no agrupados

Son aquellas que determinan los valores centrales de los datos de un

experimento. Existen varios tipos de medidas de tendencia central, aqui
estudiaremos la media, la mediana y la moda.

CAPÍTULO IV

4.1 Teorema del límite central

Si Xl' X 2 , ••• , Xn constituyen una muestra aleatoria de una población infinita que
tiene la media U, la varianza y la función generatriz de momentos Px (f) , entonces
la distribución limitante es de: cuando n→ infinito es la distribución normal estándar

CAPÍTULO V

1. Introducción

EI análisis de correlación y regresión comprende el análisis de los datos

muestrales para saber cómo se relacionan entre si dos o más variables en una
población. EI análisis de corrección produce un número que resume el grado de
relación entre dos variables; y el análisis de regresión da lugar a una ecuación
matemática que describe dicha relaci6n.

La regresión lineal simple comprende el intento de desarrollar una línea recta o

ecuación matemática lineal que describa la relación entre dos variables.

Una forma de emplear las ecuaciones de regresión es para explicar los valores de
una variable en términos de la otra. Es decir, se puede intuir una relación de causa
y efecto entre dos variables. Por ejemplo, un economista puede intentar explicar
los cambios en la demanda de automóviles usados, en términos del nivel de
 desempleo. Un agricultor puede creer que la cantidad de fertilizantes que utilizó
influyó en la cosecha lograda. La velocidad de un automóvil podría ser un factor
para determinar la distancia de frenado.

TERCERA BIBLIOGRAFÍA ADICIONAL

TÍTULO DEL LIBRO: Probabilidad y estadísticas para ciencias e ingenierías

Autor: Delgado de la Torre, Rosario

TEMA 1 PROBABILIDAD Y APLICACIONES I

1.1 FENÓMENOS ALEATORIOS Y PROBABILIDAD

La Teoría de la probabilidad es la parte de las matemáticas que trata de situaciones y

modelos en los que interviene el azar. Aunque la noción intuitiva de probabilidad se
encuentra siempre presente en los juegos de azar, y estos se han venido practicando a
lo largo de toda la historia de la humanidad, el desarrollo de la Teoría de la probabilidad
como subconjunto del cuerpo de la matemática es relativamente reciente. En el siglo
XVII los matemáticos Pascal y Fermat colaboraron epistolarmente en la consideración
de ciertos problemas relacionados con juegos de azar y aplicaron por vez primera
técnicas combinatorias para su resolución.

1.2 PROBABILIDAD CONDICIONADA

Un concepto muy importante en probabilidad es el de condicionamiento (y, en relación

estrecha con él, el de independencia). Introduciremos la probabilidad condicionada de
un suceso por otro a partir de un ejemplo.

TEMA 2 PROBABILIDAD Y APLICACIONES II

2.1 VARIABLES ALEATORIAS

Las variables aleatorias desempeñan un papel fundamental tanto en probabilidad como

en estadística: habitualmente, al observar un fenómeno aleatorio estamos interesados en
alguna función numérica de los sucesos elementales más que en ellos mismos. Por
ejemplo, si realizamos el lanzamiento de tres monedas, podemos estar interesados en el
número total de caras que hemos obtenido (que será 0, 1, 2 o 3) más que en saber qué
lados de las monedas han salido, o si lanzamos dos dados, podemos estar interesados
en la suma de puntos obtenidos más que en saber qué caras han salido. El número de
caras en el primer caso y la suma de puntos en el segundo son variables aleatorias.
TEMA 7 REGRESIÓN LINEAL SIMPLE

7.1 LA RECTA DE REGRESIÓN Y EL COEFICIENTE DE CORRELACIÓN

En esta sección veremos, desde un punto de vista descriptivo, qué significado tiene y
cómo se obtiene la recta de regresión cuando se trata con dos variables de tipo
cuantitativo continuo, que es la descripción cuantitativa de la relación lineal existente
entre ambas, así como el coeficiente de correlación (de Pearson), que permite “medir”
hasta qué punto la recta explica la relación entre las variables, es decir, la “linealidad”
de esta relación.

7.2 INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE LA

RECTA DE REGRESIÓN

La inferencia estadística o estadística matemática estudia los métodos y técnicas

necesarios para poder hacer generalizaciones, predicciones o estimaciones
(“inferencias”) sobre una población estadística, que es la totalidad de la información o
de los objetos, individuos o ítems que conciernen a un determinado estudio. Concreta-
mente, estas inferencias se realizan sobre algunas de las características numéricas de la
población de interés, desconocidas, llamadas parámetros. Para ello será necesario partir
de la información contenida en una muestra, que es un subconjunto de la población
estadística que se esté considerando, que sea representativa y utilizar la Teoría de la
probabilidad. Se dice que una muestra es aleatoria si todos los elementos de la población
tienen las mismas posibilidades de ser escogidos para formar parte de ella, y no aleatoria
en caso contrario. Siempre, aunque no se indique, las muestras con las que trabajaremos
serán aleatorias (para que sean “representativas” de la población).

BIBLIOGRAFÍA:

Quevedo Urías, H. A. & Pérez Salvador, B. R. (2015). Estadística para ingeniería y

ciencias: ( ed.). Grupo Editorial Patria. https://elibro-
net.proxy.espoch.edu.ec/es/lc/espoch/titulos/39467?as_all=estadisticas&as_all_op=un
accent__icontains&fs_page=2&prev=as

Matus, R. (2010). Estadística: ( ed.). México, Mexico: Instituto Politécnico Nacional.

Recuperado de https://elibro-
net.proxy.espoch.edu.ec/es/ereader/espoch/76119?page=38.

Delgado de la Torre, R. (2007). Probabilidad y estadísticas para ciencias e ingenierías:

( ed.). Las Rozas, Madrid, Delta Publicaciones. Recuperado de https://elibro-
net.proxy.espoch.edu.ec/es/ereader/espoch/170147?page=140.