Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semestres I – 2017
1
EVALUACION
10 puntos
Nota 1 10
documento digital Se formalizará un trabajo de investigación que implemente los
Investigación resultados de aprendizajes alcanzados por los estudiantes
10 puntos durante el semestre. Un artículo científico
Nota 2 10
exposición
QUIEN LLEVA LA TUTORIA
5.2 PERFIL DEL DOCENTE:
NOMBRE: JUAN TARQUINO CALDERON CISNEROS
TÍTULOS OBTENIDOS:
Nombre de título Nivel Institución
INGENIERO EN ESTADISTICA INFORMATICA TERCER NIEVEL ESPOL
MASTER UNIVERSITARIO EN ANALISIS CUARTO NIVEL UNIVERSIDAD DE SALAMANCA
AVANZADO DE DATOS MULTIVARIANTES
MAGISTER EN EDUCACION SUPERIOR CUARTO NIVEL UNIVERSIDAD DE GUAYAQUIL
ESPECIALISTA EN PROYECTOS DE DESARROLLO CUARTO NIVEL UNIVERSIDAD DE GUAYAQUIL
EDUCATIVOS Y SOCIALES
DIPLOMA SUPERIOR EN DOCENCIA CUARTO NIVEL UNIVERSIDAD DE GUAYAQUIL
UNIVERSITARIA
DIPLOMADO EN ESTRATEGIAS Y NEGOCIOS CUARTO NIVEL UNIVERSIDAD DE GUAYAQUIL /
UNIVERSIDAD DE GUADALAJARA
EXPERIENCIA PROFESIONAL
Empresa/Institución Cargo/Actividad
UNIVERSIDAD DE GUAYAQUIL, DIRECTOR NACIONAL- UNIDAD DE
FACULTAD DE FILOSOFÍA, LETRAS Y EVALUACIÓN, ESTADÍSTICA Y PROYECTOS
CIENCIAS DE LA EDUCACIÓN
UNIVERSIDAD DE GUAYAQUIL, DIRECTOR INSTITUTO DE
FACULTAD DE FILOSOFÍA, LETRAS Y INVESTIGACIONES
CIENCIAS DE LA EDUCACIÓN
RESUMEN DEL CONTENIDO
1. EL PAPEL DE LA ESTADÍSTICA
4. TEORÍA COMBINATORIA
Johnson R, Kuby P. (2008) Estadísticas elemental: lo esencial. CENGAGE Learning Editores S.A., 10ª. Ed. Mexico. ISBN: 10: 970-686-835-6
BIBLIOGRAFIA COMPLEMENTARIA.
Organización Panamericana de la salud/Organización mundial de la salud. (2011). Modulo de principios de epidemiologia para el control de
enfermedades (MOPECE) (segunda edición revisada ed., vol. 3). (o. M. Carlos castillo salgado, ed.) N.W. Washington, Washington D.C., E.U.A:
Organización Panamericana de la Salud. Serie Paltex.
RESULTADO DE APRENDIZAJE DEL CURSO DE ESTADÍSTICA
I
27
Diferencial semántico
28
29
30
31
32
33
34
35
TALLER EN CLASES # 1
36
En la exploración se Existe una serie de
utilizan tablas, paquetes
gráficos, resúmenes computacionales
numéricos, etcétera estadísticos,
Se citan algunos de
Técnicas
estos: SPSS, SAS,
exploratorias que
MINITAB, S-PLUS, R,
describan de una
STATGRAPHICS,
manera rápida su ANALISIS STATISTICA,
comportamiento. EXPLORATORIO etcétera.
DE DATOS
“lo que dicen los
datos”
37
En las tablas se
muestra el número Entonces se describe
de elementos de la variabilidad de los
cada clase y la datos.
proporción.
Además se usan
Describen cómo se diferentes tipos de
distribuyen los gráficos, que
valores de un informan de una
conjunto de datos. manera rápida y
TABLAS DE concisa.
DISTRIBUCIÓN DE
FRECUENCIAS.
38
Variable: Cualitativa
39
Variable: Cuantitativa - Discreta
40
Variable: Cuantitativa - Continua
41
Si se eligen muchos Existen diferentes
intervalos, la reglas para
longitud de cada uno determinar el
de ellos resulta número de intervalos
pequeña de clase
Si se eligen pocos
intervalos, la
Una de ellas es la
longitud de cada
regla de Sturges.
intervalo de clase
resulta grande. NÚMERO DE
INTERVALOS DE
CLASE A USAR
42
2.- Calcular la longitud de la
clase con= 3.- Diseñar la tabla
𝑉𝑎𝑙𝑜𝑟 𝑚𝑎𝑦𝑜𝑟 − 𝑉𝑎𝑙𝑜𝑟 𝑚𝑒𝑛𝑜𝑟 con las clases y
𝑁𝑢𝑚𝑒𝑟𝑜 𝑐𝑙𝑎𝑠𝑒𝑠 frecuencias absolutas
y relativas
1.- Calcular el
numero de clases 4.- Adicional se calcula:
con=
* marca de clases se
1+3.3logN usa grafico de
polígonos
Donde N=numero de ELABORACION * Frecuencia
datos.
DE INTERVALOS acumulada se usa para
Aunque a muchas DE CLASES CON grafico de ojiva.
asumen el numero. LA REGLA DE
STURGES
43
* Gráfico de barras,
* Gráfico de sectores circulares
Variables * Líneas
cualitativas.
GRÁFICAS
* Gráfico de
Discretas
bastones
* Histogramas
Variables
Cuantitativas Continuas * Polígonos
* Ojivas
Discretas o * Diagrama de
Continuas dispersión
44
*Series de tiempo
Variable: Cualitativa
45
Variable: Cualitativa
46
Variable: Cuantitativa - Discreta
47
Variable: Cuantitativa - Continua
48
49
Variable: Cuantitativa
50
Variable: Cuantitativa
51
Para dos variables
categóricas X ,Y, indica
el número de veces que Además se generan
las variables, toma de gráficos de barras.
manera simultanea los
valores de X e Y.
También llamadas
Pueden frecuencias
tablas cruzadas o
absolutas o
tablas de
frecuencias relativas.
contingencia.
DISTRIBUCIÓN
CONJUNTA DE
FRECUENCIAS
52
53
54
EJERCICIOS EN CLASES
55
DEBER 1
56
Estas medidas son:
1.-Media aritmética
Es un valor promedio
3.-Mediana
para representar o
4.-Moda resumir las
características de un
conjunto de valores.
Permite determinar
la posición de un
valor respecto a un Se calcula tanto para
conjunto de datos, el datos agrupados en
cual lo consideramos tablas de frecuencia
como representativo. o para datos
MEDIDAS DE originales es decir no
agrupados
TENDENCIA
CENTRAL
57
Su fórmula para datos
no agrupados: Una desventaja es
σ𝑿 que es muy sensible
ഥ
𝑿=
𝒏 a valores muy
pequeños o grandes
σ𝑿
𝝁=
𝑵
Su fórmula para datos
agrupados:
Es la mas conocida, σ 𝑿. 𝒇
utilizada y entendida 𝝁=𝑿 ഥ=
por todos, es 𝒏
adaptable cuando se Donde:
trata de hacer
cálculos MEDIA X= marca de clase o el
matemáticos. ARITMETICA valor de la variable
Se la conoce como
media ponderada
58
Su fórmula para datos
agrupados: Su formula para datos
𝒏 no agrupados:
− 𝑭𝒋−𝟏
𝑴𝒆 = 𝑳𝒊𝒏𝒇 + 𝒊 ∗ 𝟐 (cuando n es impar)
𝒇𝒋
Su importancia es 𝑴𝒆 = 𝑿 𝒋
menor debido a su (cuando n es par)
fórmula que es rígidas 𝑿𝒋−𝟏 + 𝑿𝒋
ya que no admiten 𝑴𝒆 =
tratamiento algebraico. 𝟐
Es el valor central de un Para encontrar la
conjunto de datos posición de la mediana
ordenados. es:
Su ventaja es que los 𝒏+𝟏
valores extremos no 𝟐
tienen incidencia en el
calculo. MEDIANA
59
Su ventaja es que es la
única medida de Su formula para datos
posición que puede ser no agrupados:
utilizada en atributos
es decir cuando la (valor que mas se
característica es repite)
cualitativa 𝑴𝒐 = 𝑿 𝒋
Es el valor de la
variable que mas se
repite o aquel que Su formula para datos
representa la máxima agrupados:
frecuencia.
(valor que mas se repite
Puede suceder que una en las frecuencias)
distribución tenga dos
o mas modas. 𝑴𝒐 = 𝒎𝒂𝒓𝒄𝒂 𝒅𝒆 𝒄𝒍𝒂𝒔𝒆
MODA
60
EJERCICIOS EN CLASES
61
Sin embargo es posible
determinar si hay
concentración de datos
alrededor del promedio, el
cual nos indicaría una
buena representatividad Por el contrario una
Al calcular un gran dispersión
promedio, por estaría indicando
ejemplo la media no poca
sabemos hasta representatividad,
donde se dá la por lo tanto no sería
representatividad confiable o adecuada
para ese conjunto de par el conjunto de
datos. datos.
MEDIDAS DE
DISPERSION
62
La desviación Rango= Valor mayor –
estándar S ò σ Valor menor
Se define como la raíz
La varianza: S2 cuadrada positiva de la
Es la medida de dispersión
ò σ2 varianza
mas sencilla.
Se define como la media
de los cuadrados de las
diferencias entre los Coeficiente de
valores que toma la
variación=
𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕á𝒏𝒅𝒂𝒓
variable y su media. Sus
𝑴𝒆𝒅𝒊𝒂
símbolos son: MEDIDAS DE indica cuán grande es
S2 = varianza muestral
DISPERSION la desviación
σ2= varianza poblacional estándar en relación
con la media 63
DATOS NO AGRUPADOS Y AGRUPADOS
64
DATOS NO AGRUPADOS
65
DATOS NO AGRUPADOS Y AGRUPADOS
66
DATOS NO AGRUPADOS Y AGRUPADOS
67
DATOS AGRUPADOS
σ(𝑋 − ത 2𝑓
𝑋)
𝑆2 =
𝑛−1
σ 𝑋 2
𝑓 − 𝑛 ത2
𝑋
𝑆2 =
𝑛−1
σ 2
𝑋 𝑓
2
𝑆 = − 𝑋ത 2
𝑛−1
68
EJERCICIOS EN CLASES
69
OTRAS MEDIDAS DE POSICION
PERCENTILES
70
OTRAS MEDIDAS DE POSICION
PERCENTIL
71
CALCULO DEL PERCENTIL
72
CALCULO DEL PERCENTIL
Ejemplo
Determine el percentil 85 y 50 en los sueldos
mensuales iniciales.
73
CUARTILES
Con frecuencia es conveniente dividir los datos en
cuatro partes; así, cada parte contiene una cuarta
parte o 25% de las observaciones.
74
CUARTILES
A los puntos de división se les conoce como
cuartiles y están definidos
como sigue:
75
CUARTILES
76
CUARTILES
77
RESUMEN DE CINCO NÚMEROS
En el resumen de cinco números se usan los cinco números siguientes
para resumir los datos.
78
DIAGRAMA DE CAJA
Es un resumen gráfico de los datos con base en el
resumen de cinco números.
79
PASOS PARA ELABORAR UN
DIAGRAMA DE CAJA
80
81
DEBER 2
ejercicios proporcionados
por el docente
82
DIAGRAMA DE CAJA
83
Teoría de la probabilidad:
Principios de Conteo
1. Fórmula de la multiplicación
2. Fórmula de la permutación
3. Fórmula de la combinación
Teoría de la probabilidad:
Principios de Conteo
1. Fórmula de la multiplicación
Si una operación se puede llevar a cabo en n1 formas y si
para cada una de estas se puede realizar una
segunda operación en n2 formas entonces las dos
operaciones se pueden ejecutar juntas en n1*n2
formas.
n1*n2…nk formas.
Teoría de la probabilidad:
Principios de Conteo
Ejemplo
Cuantos almuerzos que consisten en una sopa, segundo,
postre y un jugo son posibles si podemos seleccionar
de 4 sopas, 3 tipos de segundo, 5 postres y 4 bebidas?
Teoría de la probabilidad:
Principios de Conteo
Ejemplo
1.- Un doctor tiene 10 camisas y 8 corbatas en su closet.
¿Cuántos conjuntos de camisas y corbatas tiene para
vestirse?
2.- Vamos a una cafetería que vende hamburguesas, un
anuncio nos dice que con los ingredientes lechuga,
tomate, tocino y cebolla podemos preparar una
hamburguesa. Cuantas formas diferentes podemos
pedir una hamburguesa?
Teoría de la probabilidad:
Principios de Conteo
Fórmula de la permutación
Es un arreglo de todo o parte de un conjunto de n
objetos distintos
n!
n Pr
(n r )!
Ejemplo
Suponga que hay ocho maquinas disponibles pero sólo tres espacios en el piso
del taller donde se han de instalar tales máquinas. ¿De cuántos modos
diferentes pueden colocarse las ocho en los tres espacios disponibles?
Teoría de la probabilidad:
Principios de Conteo
Fórmula de la combinación
El número de combinaciones de n objetos distintos
tomados de r a la vez es:
n!
nCr
r )! el orden del arreglo no es importante en las
r!(nNota2:
combinaciones
Teoría de la probabilidad:
Principios de Conteo
Ejemplo
Los ejecutivos Abel, Italo y Carlos han de ser elegidos como un
comité para negociar un contrato, de cuantas formas posibles
se puede elegir el comité de tres.
Teoría de la probabilidad:
Principios de Conteo
1.- El entrenador Suárez tiene que elegir 5 jugadores entre los doce del
equipo para incluirlos en alineación.
a.- ¿Cuántos grupos diferentes se pueden formar?
b.- Suponga que el entrenador Suárez debe clasificarlos en orden
• ¿Qué es un experimento?
• Los estadísticos utilizan la palabra experimento para describir
cualquier proceso que genere un conjunto de datos.
• Ejemplo:
De un proceso de fabricación se seleccionan tres artículos de forma aleatoria,
cada articulo se inspecciona y clasifica como defectuoso (D) o sin defectos (N).
• Determine S y enliste los resultados
PROBABILIDAD
• ¿Qué es un evento?
• Es un subconjunto de un espacio muestral.
• Del ejemplo anterior determine cuales elementos pertenecen al
evento de que dos artículos sean defectuosos
PROBABILIDAD
Ejemplo
Un experimento consiste en lanzar una moneda y después lanzarla por segunda
vez si sale cara. Si sale sello en el primer lanzamiento entonces se lanza un dado
una vez.
• Determine el espacio muestral, y
• Determine el evento A donde son los elementos que se obtiene cara.
PROBABILIDAD
ASIGANACION DE PROBABILIDADES
Ahora se tiene que asignar probabilidades a los resultados experimentales.
Los tres métodos comúnmente usados son:
METODO CLASICO
METODO SUBJETIVO
PROBABILIDAD
ASIGANACION DE PROBABILIDADES
Cualquier método que se utilice debe satisfacer 2 condiciones:
PROBABILIDAD
ASIGNACION DE PROBABILIDADES
METODO CLASICO
Es apropiado cuando todos los resultados experimentales tienen la
misma posibilidad.
Si existen n resultados experimentales, la probabilidad asignada a cada
resultado experimental es 1/n.
Si en un experimento n resultados que corresponden al evento A
entonces la probabilidad del evento A es:
n( A)
P ( A)
N
PROBABILIDAD
ASIGNACION DE PROBABILIDADES
METODO DE FRECUENCIA RELATIVA
Es el más conveniente cuando existen datos para estimar la proporción
de veces que se presentarán los resultados si el experimento se repite
muchas veces.
ASIGNACION DE PROBABILIDADES
METODO SUBJETIVO
Es el más indicado cuando no es factible suponer que todos los
resultados de un experimento sean igualmente posibles y además
cuenta con pocos datos relevantes
Considere el caso en el que Tom y Judy hacen una oferta para la compra
de una casa, hay dos resultados posibles:
E1: su oferta será aceptada
E2: su oferta no será aceptada
Reglas de probabilidad: ADICION
• Sirve para determinar la probabilidad de que ocurra por lo menos uno de dos
eventos. Es decir, si A y B son eventos mutuamente excluyentes y nos
interesa hallar la probabilidad de que ocurra el evento A o el B, entonces:
P(Ac)= 1-P(A)
Ejemplo:
Del ejercicio anterior, encontrar las siguientes probabilidades:
Regla de la Multiplicación
Ejemplo:
El diario El Universo, en un reporte indica que el 84% de los hogares de vía a
la costa están suscritos a la edición diaria del periódico (de lunes a
viernes), además indica que la probabilidad de que un hogar ya suscrito a
la edición diaria se suscriba también a la edición dominical es 0.75
Cual es la probabilidad de que un hogar se subscriba a ambas, a la edición
diaria y a la dominical?
Regla de la Multiplicación
Ejemplo:
El jefe de una gasolinera que por experiencia sabe que 80% de los clientes usan
tarjeta de crédito al pagar la gasolina. Cuál es la probabilidad de que los dos
siguientes clientes paguen la gasolina con tarjeta de crédito?
TEOREMA DE BAYES
Este teorema es una generalización de la probabilidad Condici
onada, el cual esta definido de la siguiente
Manera:
Sean A1, A2, ….An, sucesos mutuamente excluyentes
que ocupan todo el espacio muestral S.
128
DISTRIBUCIÓN DE PROBABILIDAD
VARIABLE ALETORIA
Una variable aleatoria puede ser discreta o continua, depende del tipo de
valores numéricos que asuma
DISTRIBUCIÓN DE PROBABILIDAD
Variable aleatoria discreta
Variable que sólo puede tener ciertos valores
claramente separados, que resultan de contar
algún elemento de interés.
DISTRIBUCIÓN DE PROBABILIDAD
Variable aleatoria continua
A una variable que puede tomar cualquier valor
numérico dentro de un intervalo
DISTRIBUCIÓN DE PROBABILIDAD
BINOMIAL
La distribución de probabilidad binomial es una distribución de
probabilidad que tiene muchas
aplicaciones
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
Ejercicios
DISTRIBUCIÓN BINOMIAL
Ejercicios
DISTRIBUCIÓN BINOMIAL
Ejercicios
DISTRIBUCIÓN POISSON
Ejercicio
DISTRIBUCIÓN POISSON
Ejercicio
DISTRIBUCIÓN POISSON
Ejercicio
DEBER 4
143
DISTRIBUCIÓN NORMAL
Tiene gran cantidad de aplicaciones prácticas, en las cuales la variable
aleatoria puede ser el peso o la estatura de las personas, puntaciones de
exámenes, resultados de mediciones científicas u otras cantidades similares.
1.- Toda familia de distribuciones normales se diferencia por medio de dos parámetros: la media y
la desviación estándar.
2.- El punto mas alto de una curva normal se encuentra sobre la media.
3.- La media de una distribución normal puede tener cualquier valor: negativo, positivo o cero. A
continuación se muestran 3 distribuciones normales que tienen la misma desviación estándar
pero diferentes medias (-10; 0; 20)
DISTRIBUCIÓN NORMAL
Características importantes:
4.- La distribución normal es simétrica, siendo la forma de la curva normal al lado izquierdo de la
media, la imagen de la forma al lado derecho de la media. Las colas de la curva normal se
extienden al infinito en ambas direcciones y en teoría jamás tocan el eje horizontal.
5.- La desviación estándar determina qué tan plana y ancha es la curva normal. A continuación se
muestran dos curvas normales que tienen la misma media pero distintas desviaciones estándar
DISTRIBUCIÓN NORMAL
Características importantes:
6.- Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas bajo
la curva normal. Toda el área bajo la curva de una distribución normal es 1. Como esta distribución
es simétrica el área bajo la curva y a la izquierda de la media es 0.50 y el área bajo la curva y a la
derecha de la media es 0.50
7.- Los porcentajes de los valores que se encuentran en algunos intervalos comúnmente usados
son:
DISTRIBUCIÓN NORMAL ESTANDAR
Tiene una distribución normal con media cero y desviación estándar de uno.
A continuación la gráfica:
DISTRIBUCIÓN NORMAL ESTANDAR
Para la distribución normal estándar se usa una tabla donde ya están calculadas las áreas
bajo la curva de la normal, es decir son las probabilidades:
1.- La probabilidad de que la variable aleatoria normal estándar z sea menor o igual que un
valor dado.
Se debe convertir la variable aleatoria X con media y desviación estándar en variable normal
estándar z, con la fórmula:
DISTRIBUCIÓN NORMAL ESTANDAR
Ejercicios
DISTRIBUCIÓN NORMAL ESTANDAR
Ejercicios
DEBER 5
160