Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE CHIMBORAZO
FACULTAD DE CIENCIAS
CARRERA DE BIOQUÍMICA Y
FARMACIA
Tema: Historia, Población y Muestra
Capítulo 1
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,
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
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
Capítulo 8
8.1 Regresión lineal simple
Autor: Matus, R.
CAPÍTULO I
Distribuciones frecuenciales
CAPÍTULO IV
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
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.
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.
BIBLIOGRAFÍA: