Documentos de Académico
Documentos de Profesional
Documentos de Cultura
tablas y gráficas
En el presente capitulo abordaremos los siguientes temas:
𝑨 ( 𝟑𝟎 % )
𝑩
( 𝟒𝟎 % )
𝑫 (𝟏𝟎 % )
𝑪
( 𝟐𝟎 % )
2.1 Tablas y gráficas para datos categóricos
Diagrama de Pareto
En un diagrama de Pareto las respuestas categorizadas se trazan en
orden descendente de acuerdo con sus frecuencias o porcentajes y se
combina con la línea de porcentaje acumulado en la misma gráfica.
2.1 Tablas y gráficas para datos categóricos
2.2 Organización de datos cuantitativos
continuos
• Procedimiento del método agrupación de datos
• Numero de clases ()
Se utiliza la siguiente formula probada por el estadístico Sturges
tamaño de la muestra
Si es decimal se aproxima al menor entero tal que . Por ejemplo si el
tamaño de la muestra es entonces:
Prueba de Turno
Laboratorio
Día Tarde
Insatisfactorias 16 24
Satisfactorias 654 306
Descripción de datos: medidas numéricas
•Objetivos
de aprendizaje
• Medidas de ubicación: media poblacional , media muestral , mediana ,
moda .
• Otras medidas de ubicación: Cuartiles , Deciles , Percentiles .
• Medidas de variabilidad: Rango , varianza poblacional , error estándar
poblacional , varianza muestral , error estándar muestral .
• Medidas relacionadas: medidas que relacionan una medida de ubicación
y una medida de variabilidad : coeficiente de variación , estandarización ,
regla de Chebyshev.
Descripción de datos: medidas numéricas
Medidas de ubicación
•
Media poblacional.
: letra minúscula griega , representa la media poblacional;
: es el número de valores en la población;
representa cualquier valor particular de la población;
Observación. Recordemos que un parámetro es una característica
medible de una población, luego la media poblacional es un
parámetro.
Media muestral.
Descripción de datos: medidas numéricas
Medidas de ubicación
•
Observación. Recordemos que un estadístico es una característica medible de
una muestra, luego la media muestral es un estadístico. Los estadísticos se
utilizan para estimar parámetros, los cuales por lo general son desconocidos.
Ejemplo. Recordemos la situación del costo de la energía eléctrica en el mes de
julio de 2019 para los departamentos de una habitación en una comuna X de
la ciudad. Se tomaron los costos de 50 departamentos tomados al azar, los
cuales se resumieron utilizando el procedimiento agrupación de datos.
Calcular la media muestral e interpretarla.
Solución (ver hoja de Excel)
Descripción de datos: medidas numéricas
Medidas de ubicación
•
Propiedades de la media
a. La media para un conjunto de datos es única
b. La media es el punto de equilibrio de un conjunto de datos
c. Si son los datos de una muestra que pertenecen al mismo nivel de
intervalo o de razón, con media , entonces la suma de las diferencias de
cada valor a la media es cero. Esto es, . En efecto,
d. La media es muy sensible a datos extremadamente grandes o pequeños en
comparación con la mayoría de los datos. En estos casos se utilizan otras
medidas de ubicación, como la mediana o la moda.
Descripción de datos: medidas numéricas
Medidas de ubicación
•Mediana.
La mediana de un conjunto de datos cuantitativos, es el punto medio de los
valores una ves se han ordenado de menor a mayor o de mayor a menor. El
punto medio divide al conjunto de datos ordenados en dos subconjuntos cada
uno con el 50% de los datos.
¿Cómo calcular ?
• Para datos no agrupados. Si son los datos de una muestra de valores
cuantitativos organizados de menor a mayor, entonces:
Descripción de datos: medidas numéricas
Medidas de ubicación
•
Ejemplo. Supongamos que los siguientes datos organizados de menor a mayor
corresponden a una muestra cuantitativa.
• moda.
La
Valor de la observación que aparece con mayor frecuencia. La moda se puede
utilizar para datos cuantitativos, pero es de especial utilidad para resumir
datos de nivel nominal
Ejemplo. Se quiere determinar el tipo de aceite de cocina que se consumen en
los hogares de una comuna , de la ciudad de Medellín.
Se elige en forma aleatoria 50 hogares de dicha comuna Frecuencia
Número de encuestados
20
20
15
consumen aceite tipo 20 consumen aceite tipo ; 15
10
10
•Ejemplo.
Encontrar la moda de los datos correspondientes al costo de la
energía bajo el supuesto de que los datos, los tenemos en forma agrupada.
Clase de la moda. Clase con mayor frecuencia (clase 4, clase modal)
Li Ls Xi fi % % acumulado
81 100 90,5 4 8,00% 8,00%
100 119 109,5 6 12,00% 20,00%
119 138 128,5 9 18,00% 38,00%
138 157 147,5 12 24,00% 62,00%
157 176 166,5 10 20,00% 82,00%
176 195 185,5 5 10,00% 92,00%
195 214 204,5 4 8,00% 100,00%
Total 50
Ejemplo. Con relación al ejemplo del costo de la energía, suponga que 38% de
los departamentos de una habitación realizó un pago mayor o igual a . ¿Cuál
es el valor de ?
Descripción de datos: medidas numéricas
Cálculo de los Cuartiles, Deciles y Percentiles
•Solución.
Utilizando la regla empírica, aproximadamente el 68% de las latas tendrán entre 12.04 y 12.08
onzas, aproximadamente el 95% tendrá entre 12.02 y 12.10 onzas, y aproximadamente el 99.7%
tendrá entren12.00 y 12.12 onzas. Así es poco probable que una lata tenga menos de 12 onzas.
Si no tiene forma de campana la distribución, podemos decir que entre 0 y 11,11% de las latas
tienen menos de 12 onzas.
Probabilidad básica
Objetivos de aprendizaje
Conceptos básicos: experimento, espacios muéstrales de experimentos,
eventos o sucesos, concepto de probabilidad, probabilidad de un evento o
suceso, tablas de contingencia y diagramas de Venn
Métodos básicos para calcular probabilidades: método empírico, método
subjetivo y método clásico.
Reglas para calcular probabilidades: Regla de la adición, probabilidad
condicional, probabilidad conjunta, regla del producto.
Regla de Bayes
Reglas de conteo
Probabilidad básica
Conceptos básicos
•Experimento.
Un experimento estadístico es cualquier acción, procedimiento con
las siguientes características:
1. Todos los posibles resultados del experimento son conocidos antes de hacer
una realización del experimento
2. El resultado exacto en cualquier ejecución del experimento no es predecible
(aleatorio).
Ejemplos:
𝐴 ∪ 𝐵= { 𝑥 ∈ 𝑆/ 𝑥 ∈ 𝐴 ∨ 𝑥 ∈ 𝐵 } 𝐴 ∩ 𝐵= { 𝑥 ∈ 𝑆/ 𝑥 ∈ 𝐴 ∧ 𝑥 ∈ 𝐵 }
′
𝐴 = { 𝑥 ∈ 𝑆/ 𝑥 ∈ 𝑆 ∧ 𝑥 ∉ 𝐴 }
Conceptos básicos:
Diagramas de Venn y tablas de contingencias
− 𝑨 ={ 𝒙 ∈ 𝑺 / 𝒙 ∈ 𝑩∧ 𝒙 ∉ 𝑨 }
𝑩
𝑨 − 𝑩={ 𝒙 ∈ 𝑺 / 𝒙 ∈ 𝑨 ∧ 𝒙 ∉ 𝑩 }
′ 𝐵 − 𝐴 ={ 𝑥 ∈ 𝑆 /𝑥 ∈ 𝐵∧ 𝑥 ∈ 𝐴 ′ }=𝐵 ∩ 𝐴 ′
𝐴 − 𝐵={ 𝑥 ∈ 𝑆 / 𝑥 ∈ 𝐴 ∧ 𝑥 ∈ 𝐵 } = 𝐴 ∩ 𝐵′
𝐵 − 𝐴 =𝐵 ∩ 𝐴 ′
Enresumen si es el espacio muestral de
un experimento son eventos,
subconjuntos de , entonces se puede
dividir de la siguiente forma ( 𝐴 ∪ 𝐵 )′ = 𝐴 ′ ∩ 𝐵 ′
𝐴 − 𝐵=𝐴 ∩𝐵 ′
𝐴 ∩ 𝐵
Conceptos básicos:
Diagramas de Venn y tablas de contingencias
≡
𝐴 − 𝐵=𝐴 ∩𝐵 ′ 𝐴 ∩ 𝐵 𝐵 − 𝐴 =𝐵 ∩ 𝐴 ′
Enfoques para asignar probabilidades
•
Describiremos tres formas, métodos de asignar una probabilidad a un evento:
Clásica, empírica y subjetiva. Los dos primeros se basan en datos e información. El
método subjetivo se basa en la creencia del sujeto acerca de la probabilidad de un
evento.
Probabilidad clásica. La probabilidad clásica parte del supuesto de que los
resultados de un experimento son igualmente posible.
Regla de la adición
𝐴 ∩ 𝐵
Reglas para calcular probabilidades
•Observación.
• Dos eventos son mutuamente excluyentes si ambos eventos no pueden
ocurrir de manera simultanea. Esto es
Por tanto
El espacio muestral restringido en este caso son todos los que planean hacer
la compra (250), y de ellos 200 la realizan realmente.
Observación.
Reglas para calcular probabilidades
• general, si son eventos de un mismo espacio muestral se tiene:
En