Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AL CONTROL
LA
LA ESTADÍSTICA
ESTADÍSTICA
COMO
COMO HERRAMIENTA
HERRAMIENTA
DE
DE CONTROL
CONTROL
POR QUE LA ESTADÍSTICA COMO
HERRAMIENTA DE CONTROL
HERRAMIENTA MATEMÁTICA
PODEROSA
CONTROL DE SISTEMAS,
PROCESOS Y PRODUCTOS
ANALIZAR DATOS
OBTENER RESULTADOS
CONVERTIRLOS EN
INFORMACIÓN ÚTIL
INFORMACIÓN CONFIABLE PARA…
EXPERIMENTO FENÓMENO
COMPORTAMIENTO CAUSA
DATOS INFORMACIÓN
DIAGNÓSTICO PRONÓSTICO
MÉTODOS TÉCNICAS
EFECTOS CONSECUENCIA
ANÁLISIS MEDIDAS
LA CIENCIA ESTADÍSTICA
CONCEPTO
CONCEPTO DE ESTADÍSTICA
MATEMATICA
DA
DA METODOS
METODOS ESTADISTICA
PARA
PARA INFERIR
INFERIR
RESULTADOS
RESULTADOS A A DA
DA METODOS
METODOS
POBLACIONES
POBLACIONES PARA
PARA TRABAJAR
TRABAJAR
con
con CALCULOS
CALCULOS LOS
LOS DATOS
DATOS DE
DE
aa partir
partir de
de MODELO
MODELO MUESTRAS
MUESTRAS
PROBABILISTICO
PROBABILISTICO
LA ESTADÍSTICA APLICADA
CONCEPTOS
CONCEPTOS Y
Y DEFINICIONES
DEFINICIONES
LOS CAMPOS DE LA ESTADÍSTICA
ESTADISTICA
ESTADISTICA
DESCRIPTIVA
ESTADISTICA
ESTADISTICA
INDUCTIVA
LA ESTADÍSTICA DESCRIPTIVA:
Establece reglas y procedimientos para
presentar los datos estadísticos, en la forma
más útil y significativa posible valiéndose de
tablas y gráficos. Además, formula reglas
para el cálculo de medidas referentes a los
datos.
LA ESTADÍSTICA INDUCTIVA:
Hace inferencias acerca de poblaciones, a
partir de las muestras extraídas de ellas.
MÉTODO OPERATIVO DE LA
ESTADÍSTICA
REGISTROS NORMAS DE
HISTÓRICOS MUESTREO
CIENCIA
ESTADÍSTICA
PRUEBAS
DATOS
MUESTRA
ORDEN Y
ANÁLISIS MÉTODOS
UNIVERSO
O
RESULTADOS CONCLUSIONES
POBLACIÓN
REPRESENTACIONES
REPRESENTACIONES INFERENCIAS
GRÁFICAS
GRÁFICAS ESTADÍSTICAS
ELEMENTOS DE LA
ESTADÍSTICA
DEFINICIONES
DEFINICIONES Y
Y
CARACTERÍSTICAS
CARACTERÍSTICAS
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
CARACTERÍSTICAS DE LA CALIDAD
Cualquier propiedad que contribuya a la
adecuación al uso de un producto, proceso o
servicio.
VARIABLES ESTADÍSTICAS
Frente a un análisis estadístico, las características
de la calidad son variables estadísticas.
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
VARIABLE ESTADÍSTICA
Característica o fenómeno que puede tomar
distintos valores del conjunto que compone el
dominio de la variable y que puede ser valorada y
expresada por un número.
Ejemplos: temperatura, humedad, peso de una
pieza, número de unidades demandadas, velocidad
de la herramienta de una máquina.
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
VARIABLES ESTADÍSTICAS
Variables: Variables estadísticas
cuantitativas o mensurables.
Discretas: Solo valores enteros.
Continuas: Cualquier valor del dominio.
Fracciones de la unidad.
Atributos: Variables estadísticas
cualitativas o no mensurables.
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
DATOS ESTADISTICOS
Definición: Números o medidas recopilados
como resultado de observaciones realizadas.
Características: Pueden ser valorizados,
comparados, analizados e interpretados.
Comentario: Constituyen la M.P. de la
Estadística.
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
POBLACIÓN
Conjunto completo de individuos, objetos o medidas, que
poseen alguna característica común observable.
Tamaño de la población:
Es la cantidad de valores (repetidos o no) que componen
la población.
Generalmente al tamaño de una población finita, se lo
identifica con la letra “N” (mayúscula).
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
Tamaño de la población:
Población finita: Número finito de individuos.
Población infinita: Hay dos casos prácticos:
Infinitos valores. N = .
Ejemplo: Registro diario e indefinido de las
temperaturas ambientes máximas de una ciudad.
Gran cantidad de valores. N > 500000.
Ejemplo: Producciones "en serie" de gran volumen.
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
MUESTRA
Parte de la población seleccionada según una
política determinada, para que sea representativa
de ella.
Tamaño de la muestra:
Es la cantidad de valores (repetidos o no) que componen
la muestra.
Generalmente al tamaño de la muestra, se lo identifica
con la letra “n” (minúscula).
PROCESO
ESTADÍSTICA HABITUAL DE TRABAJO
APLICADA
CONCEPTOS GENERALES
SE MIDE Y ANALIZA
MUESTRA
POBLACIÓN
CONCLUSIONES
SE INFIEREN RESULTADOS
INSPECCIÓN
OBTENCIÓN O RECOLECCIÓN DE LOS DATOS
INSPECCIÓN
INSPECCION
Es la actividad mediante la cual se recogen los
datos estadísticos.
INSPECCION
INSPECCION
Inspección Total [100 %]
Censos cada 10 años
Sólo en lotes muy pequeños o por seguridad
Errores que no pueden ser acotados » Poco fiable
Tiene un alto costo operativo
TIPOS DE INSPECCION
LOTES LOTES
PEQUEÑOS
TOMA DE DATOS GRANDES
INSPECCIÓN
INSPECCIÓN
A UNA
TOTAL O 100%
MUESTRA
ANÁLISIS A
ANÁLISIS A LA TÉCNICAS
TODA LA
MUESTRA DE MUESTREO
POBLACIÓN
TÉCNICAS PARA
PRESENTACIÓN ESTADÍSTICA ESTADÍSTICA CÁLCULO DE
INFERIR EFECTOS A
DE LOS DATOS DESCRIPTIVA INDUCTIVA PROBABILIDADES
POBLACIÓN
OBTENCIÓN O RECOLECCIÓN DE LOS DATOS
INSPECCIÓN
MUESTREO
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
MUESTREO
Acción de extraer y obtener una muestra.
Conclusiones Válidas para la Población sólo con una
Muestra Representativa (de la Población)
La Muestra Representativa (de la Población) debe
reflejar las características y comportamientos de
"toda" la población.
Exigencias para una muestra representativa:
Cualitativas: En que forma se extraen.
Cuantitativas: Cuantas unidades se extraen.
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
EXIGENCIAS CUALITATIVAS
1. Cumplir con el principio de aleatoriedad.
2. Cumplir con el principio de independencia.
Muestreo con reposición.
No se altera el universo original.
Muestreo sin reposición.
Se altera el universo original.
Se considera universo sin variación cuando N
> 8n.
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
EXIGENCIAS CUANTITATIVAS
1. Tamaño correcto de la muestra (IRAM 15)
2. Igualdad de condiciones al extraer cada
elemento de la muestra.
Condiciones Ambientales.
Procesos y Procedimientos de Extracción.
3. Detección y eliminación de errores no
muestrales.
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
TIPOS DE MUESTREO
Objeto. Ofrecer procedimientos que aseguren el
principio de aleatoriedad.
TIPOS DE
MUESTREO
ALEATORIO SISTEMÁTICO
APLICACIONES
APLICACIONES PRINCIPALES
PRINCIPALES
•• Estudios
Estudios relativos
relativos aa las
las personas
personas (edades,
(edades, zonas,
zonas,
ingresos,
ingresos, educación,
educación, sexo,
sexo, etc.).
etc.).
•• Grupos
Grupos separados
separados en en proporción
proporción aa variables
variables
determinadas
determinadas (horas
(horas de
de trabajo,
trabajo, cantidad
cantidad producida,
producida,
tipo
tipo de
de proveedor,
proveedor, etc.).
etc.).
•• Control
Control de
de recepción
recepción en en distintos
distintos bultos
bultos oo paquetes
paquetes
(partida
(partida con
con varios
varios lotes).
lotes).
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO SISTEMÁTICO
APLICACIONES
APLICACIONES PRINCIPALES
PRINCIPALES
•• Procesos
Procesos dede producción
producción automáticos
automáticos (garantizan
(garantizan
muestreos
muestreos sistemáticos
sistemáticos aleatorios).
aleatorios).
•• Selección
Selección de
de muestras
muestras enen procesos
procesos sometidos
sometidos al al
C.E.P.
C.E.P. (en
(en este
este caso
caso se
se extraen
extraen submuestras
submuestras de de 44 óó
55 piezas
piezas consecutivas
consecutivas que
que luego
luego se
se analizan
analizan -- por
por
ejemplo
ejemplo 55 piezas
piezas por
por hora).
hora).
OBTENCIÓN O RECOLECCIÓN DE LOS DATOS
MUESTREO SISTEMÁTICO PURO
OBTENCIÓN O RECOLECCIÓN DE LOS DATOS
MUESTREO SISTEMÁTICO ALEATORIO
LA ESTADÍSTICA
DESCRIPTIVA
LA ESTADÍSTICA DESCRIPTIVA
OBJETIVOS
TABLAS
AGRUPAMIENTO
AGRUPAMIENTO DE
DE DATOS
DATOS EN
EN
TABLA SIMPLE DE
FRECUENCIAS
ESTADÍSTICA DESCRIPTIVA
TABLA SIMPLE DE FRECUENCIAS
Se desarrolla en un ejemplo:
PLANTEO:
En una fábrica de electrodomésticos se han obtenido los siguientes
valores de gastos en dólares, que generaron las 19 NO
CONFORMIDADES detectadas en la sección armado durante el
último año: 500, 1000, 1000, 800, 1000, 1700, 1200, 800, 1600 600,
1500, 600, 500, 700, 1000, 600, 160, 500 y 800.
PROPÓSITO:
Agrupar los datos en una TABLA.
Estos datos tienen las siguientes características:
- Son pocos valores.
- Algunos aparecen repetidos.
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA SIMPLE DE FRECUENCIAS
500 | | | 3 3
600 | | | 3 6
700 | 1 7
800 | | | 3 10
1000 | | | | 4 14
1200 | 1 15
1500 | 1 16
1600 | | 2 18
1700 | 1 19
XXVOLVER
Total 19
AGRUPAMIENTO
AGRUPAMIENTO DE
DE DATOS
DATOS EN
EN
TABLA DE FRECUENCIAS
CON DATOS AGRUPADOS
POR INTERVALOS DE CLASE
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
En un ejemplo
PLANTEO:
Los siguientes datos, representan las facturaciones en dólares de 40
prestaciones realizadas en un trimestre, por una compañía proveedora de
servicios de limpieza en edificios: 900, 500, 450, 1900, 1200, 1250, 2500,
550, 1650, 1200, 1000, 550, 950, 600, 750, 1300, 850, 350, 1400, 700, 300,
1100, 300, 1600, 1500, 1000, 1800, 900, 500, 650, 2000, 1000, 2000, 450,
750, 850, 600, 3000, 350 y 1500.
PROPÓSITO:
Agrupar los datos en una TABLA, que aquí tienen como característica:
- Son demasiados valores.
- Muchos aparecen una sola vez.
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Paso 3:
Corregimos el cálculo. Si multiplicamos la amplitud por el número de
intervalos, obtenemos el RANGO REAL.
En el segundo paso aproximamos al entero superior, pues de lo contrario el rango nos
daría menor a 2700. Por lo tanto, al construir las clases, nos encontraríamos con valores
de la muestra que no pertenecerían a ninguna clase.
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Consideramos:
Límite inferior = valor mínimo menos 1.
Límite superior = valor máximo más 1.
Es decir:
Extremo inferior del primer intervalo: 300 - 1 = 299.
Extremo superior del último intervalo: 3000 + 1 = 3001.
Si no hubiera diferencia entre el rango y el rango real, consideraríamos el
valor mínimo de la muestra como el límite inferior del primer intervalo.
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Paso 4.
Construimos los intervalos.
Al extremo inferior 299, le sumamos la amplitud y obtenemos el extremo
superior de la primera clase:
299 + 386 = 685
Éste a su vez, es el límite inferior del segundo intervalo.
Así repetimos el procedimiento hasta obtener los extremos de los 7
intervalos que son:
685, 1071, 1457, 1843, 2229, 2615 y 3001
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Paso 5.
Asignamos los datos de la muestra al intervalo que correspondan
logrando así la frecuencia absoluta de cada clase.
Por convención, vamos a considerar los intervalos de forma tal que
incluyan al extremo inferior pero no al superior.
Si hubiera algún valor que quedara vacío (es decir, sin ningún valor),
deberíamos replantear el número de intervalos.
Ordenamos los resultados en una tabla y tenemos la que se muestra en
la siguiente transparencia…
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Intervalos Conteo fi fr Fi xm
Totales 40 1.000
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
Observaciones:
La columna fr es la que corresponde a las frecuencias relativas. Se
calculan haciendo el cociente entre la frecuencia absoluta de cada
clase y el número total de datos de la muestra.
Por ejemplo, el primer valor de fr sería:
fr = 13/40 = 0.325
La fr nos indica qué proporción del total de datos corresponde a
cada clase.
En el caso visto, el 0.325 nos dice que el 32.5 % de los préstamos están entre los $ 299
y $ 685.
Es lógico, que la suma de todos los valores de esta columna resultará igual a 1; es decir
representa el 100 %.
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
VER TABLA
ESTADÍSTICA DESCRIPTIVA
TABLA DE FRECUENCIAS POR INTERVALOS
OJO
Cuando las muestras no son lo suficientemente grandes, es
preferible trabajar con todos los datos, sin necesidad de
agruparlos.
Si necesitáramos comparar una muestra con otra previamente
agrupada, será muy importante que escojamos el mismo
agrupamiento, pues si ignoráramos esta convención sería muy
difícil comparar los resultados de los distintos estudios.
ESTADÍSTICA DESCRIPTIVA
REPRESENTACIONES GRÁFICAS
ESTADÍSTICA DESCRIPTIVA
REPRESENTACIONES GRÁFICAS
GRAFICO DE LINEAS
Ejemplo: Evolución de la temperatura de un enfermo
EVOLUCIÓN DE LA TEMPERATURA
42
41
40
39
38
37
36
35
12 15 18 21 24 3 6 9 12 15 18 21 24 3 6 9
ESTADÍSTICA DESCRIPTIVA
REPRESENTACIONES GRÁFICAS
20%
ESTADÍSTICA DESCRIPTIVA
REPRESENTACIONES GRÁFICAS
GRAFICO DE BARRAS
Ejemplo: Medición del grado de conformidad con hotelería
Excelente 0.7%
Muy Buena 16.5%
Buena 18.7%
Regular 48.8%
Mala 2.6%
No sabe - No contesta 12.7%
GRAFICO DE COLUMNAS
Ejemplo: Variabilidad en temperatura de un horno
30
23 21
20 18 16
Repeticiones
10 10 9
2 1
0
98.0-98.5 98.5-99.0 99.0-99.5 99.5-100.0 100.0-100.5 100.5-101.0 101.0-101.5 101.5-102.0
Temperaturas
ESTADÍSTICA DESCRIPTIVA
Entonces….
Entonces…. En
En donde
donde colocamos
colocamos refuerzos??
refuerzos??
Ejercicio grupal – caso real
El ejercicio consiste en juntarse en
equipos de 2 o 3 máximo, y en un plazo
de 5 a 10 minutos evaluar la información
Respuesta:
Wald
Wald -- matemático
matemático estadístico
estadístico hizo
hizo una
una explicación
explicación magistral:
magistral: “Si
“Si los
los aviones
aviones regresan
regresan con
con daños
daños en en las
las zonas
zonas
grisadas,
grisadas, es es porque
porque esas
esas zonas
zonas son
son laslas que
que menos
menos necesitan
necesitan de de las
las armaduras”.
armaduras”.
Después
Después de de todo,
todo, sisi los
los aviones
aviones podían
podían recibir
recibir ese
ese número
número de de impactos
impactos peropero podían
podían regresar
regresar es
es porque
porque allí
allí no
no
estaba
estaba elel problema.
problema. Siguió
Siguió Wald:
Wald: “El
“El hecho
hecho queque lala cabina
cabina yy lala cola
cola tuvieran
tuvieran muchísimo
muchísimo menos
menos impactos
impactos no no tenía
tenía
que
que ver
ver con
con que
que los
los proyectiles
proyectiles no no llegaban
llegaban hasta
hasta ellas,
ellas, sino
sino que…
que…(y(y aquí
aquí lele pido
pido que
que meme preste atención)… los
preste atención)… los
aviones
aviones que que sufrían
sufrían ese
ese tipo
tipodede impactos,
impactos, en en esos
esos lugares…
lugares… ¡no ¡no retornaban
retornaban más!
más!”.”.
Aunque
Aunque ahora
ahora parezca
parezca una una trivialidad,
trivialidad, lala observación
observación de de Wald
Wald fuefue espectacular.
espectacular. Si Si había
había una
una distribución
distribución
uniforme
uniforme de de los
los proyectiles,
proyectiles, ¿dónde
¿dónde estaban
estaban loslos agujeros
agujeros queque faltaban?
faltaban? ¡Estaban
¡Estaban en los aviones
en los aviones queque faltaban
faltaban,,
los
los aviones
aviones queque no
no volvieron!”
volvieron!”
ESTADÍSTICA DESCRIPTIVA
HISTOGRAMA
ESTADÍSTICA DESCRIPTIVA
HISTOGRAMAS
Particularidades del
HISTOGRAMA:
1. La altura de cada barra
FRECUENCIAS
es la “FRECUENCIA” o
número de veces que se
repite cada valor en el
diagrama lineal. La
frecuencia queda
reflejada en el eje
vertical o de ordenadas.
ESTADÍSTICA DESCRIPTIVA
HISTOGRAMAS
Particularidades del
HISTOGRAMA:
2. El ancho de cada barra es la
FRECUENCIAS
del "INTERVALO DE
CLASE" que hemos
adoptado para agrupar las
frecuencias. Los valores o
datos extraídos de la
muestra quedan
representados en el eje
horizontal o de abscisas.
INTERVALOS DE CLASE
ESTADÍSTICA DESCRIPTIVA
HISTOGRAMAS
Particularidades del
HISTOGRAMA:
3. El histograma tiene las
FRECUENCIAS
COLUMNAS UNIDAS, a
diferencia de un diagrama
de barras común. Esto se
debe a que representamos
intervalos de clase y los
extremos de estos intervalos
se suceden sin
interrupciones.
INTERVALOS DE CLASE
ESTADÍSTICA DESCRIPTIVA
HISTOGRAMAS
Particularidades del
HISTOGRAMA:
4. El área de cada columna del
FRECUENCIAS
histograma es proporcional
a la frecuencia de
ocurrencia del valor sobre el
que se levanta dicha
columna. Por eso conviene
que todos los intervalos
tengan el mismo ancho.
INTERVALOS DE CLASE
ESTADÍSTICA DESCRIPTIVA
COMO
COMO SE
SE TRAZA
TRAZA UN
UN
HISTOGRAMA
HISTOGRAMA
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
1. Recolectar y registrar
los datos. Por lo general los datos
En el ejemplo se toman se registran en una
125 muestras de una tabla.
característica de Para este caso, con 25
calidad variable de columnas (25 coladas)
fundición. La muestra y 5 filas (5 muestras de
se ha obtenido de una cada
serie de 25 coladas una de las coladas).
sucesivas.
EJEMPLO DE HOJA TÍPICA PARA TOMAR DATOS:
Para este caso, hay 10 columnas (procesos observados), y
5 filas (5 muestras medidas en cada una de las observaciones).
Es decir que se ha estudiado una muestra de 50 unidades producidas.
Mínimo Máximo
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
2. Calcular el Rango.
Se buscan los valores Para nuestras 125
extremos (máximo y medidas suponemos
mínimo) y se hace la que los extremos son:
diferencia obteniendo el X max = 112
rango (intervalo que X min = 91
contiene el total de la
muestra). El RANGO resulta:
R = 112 – 91 = 21
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
3. Elegir el número de
clases. Con una tabla que da
Se trata de determinar números de clase en
la cantidad de función al tamaño de
intervalos en que se la muestra y con el
partirá el rango. empleo de un
procedimiento para
Se emplean diferentes
elegir la apropiada se
métodos. Aquí se uso
elige n = 7 y [a] = 3.
una tabla adecuada al
problema.
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
97 – 100 97 - 99.5 ///// ///// ///// ///// ///// ///// ///// /// 38
100 – 103 100 -102.5 ///// ///// ///// ///// ///// ///// /// 33
POR LO GENERAL SE CONSTRUYE UNA TABLA DE FRECUENCIAS ORDENADA POR INTERVALOS DE CLASE
CONSTITUYE EL CASO MÁS FRECUENTE EN LA PRÁCTICA
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
6. Dibujar el histograma:
En el eje horizontal van los números de clase, en el eje vertical se colocan las
frecuencias. Sumando los valores de frecuencia de cada columna tendremos las
125 medidas [100%] “proporcionales” al área total del gráfico escalonado obtenido
[mismo ancho de cada clase]
40
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
ESTADÍSTICA DESCRIPTIVA
POLÍGONO
POLÍGONO DE
DE FRECUENCIAS
FRECUENCIAS
CURVA
CURVA DE
DE FRECUENCIAS
FRECUENCIAS
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
ESTADÍSTICA DESCRIPTIVA
COMO SE TRAZA UN HISTOGRAMA
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
ESTADÍSTICA DESCRIPTIVA
DESCRIPCIÓN
DESCRIPCIÓN DE
DE LOS
LOS DATOS
DATOS
MEDIDAS
MEDIDAS DESCRIPTIVAS
DESCRIPTIVAS
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DESCRIPTIVAS
MEDIDAS DESCRIPTIVAS
Son medidas concebidas para mostrar en un resumen
sencillo, claro y conciso las principales características
del conjunto de datos.
Medidas de tendencia central y posición.
Medidas de centralización.
Medidas de dispersión.
Medidas de variabilidad.
ESTADÍSTICA DESCRIPTIVA
DESCRIPCIÓN
DESCRIPCIÓN DE
DE LOS
LOS DATOS
DATOS
MEDIDAS
MEDIDAS DE
DE TENDENCIA
TENDENCIA CENTRAL
CENTRAL
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIA.
El promedio de los n valores.
MEDIANA.
El valor central de los n valores.
MODA.
El valor más repetido de los n valores
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIA.
Media aritmética o Promedio o Valor esperado.
El promedio de los "n" o "N" valores.
Valoriza la exactitud del proceso.
n N
x i
x 1 x 2 ... x n x x 1 x 2 ... x N
i
x i 1
μ i 1
n n N N
35
30
25
Media = 100.248
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIA.
Media aritmética o Promedio o Valor esperado
El promedio de los n valores.
A FAVOR:
Fácil cálculo. Interpretación sencilla. Es la medida más utilizada
y difundida. Es útil en innumerables desarrollos.
EN CONTRA:
Cuando alguno de los valores extremos (o ambos) son de
magnitud desproporcionada respecto al resto de los datos (sobre
todo si estos son poco numerosos), la media suele alejarse de la
realidad y deja de ser representativa y útil.
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIANA.
Valor central.
El valor central de los "n" o "N" valores.
35
30
25
Mediana = 100
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIANA.
Valor central.
El valor central de los n valores.
A FAVOR:
Fácil comprensión. No se ve afectada por los valores extremos fuera
de contexto, en esos casos es más representativa del comportamiento
real de los datos que con la media.
EN CONTRA:
No se pueden hacer cálculos adicionales a partir de ella. No suministra
demasiada información de un conjunto de datos. Cuando el conjunto
de datos es grande, no resulta sencillo ordenarlos, salvo que se
empleen planillas en PC (tipo Excel).
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MODA.
Valor frecuente o Valor más frecuente.
El valor más repetido de los "n" o "N" valores.
35
30
25
Moda = 99
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE TENDENCIA CENTRAL
MODA.
Valor frecuente o Valor más frecuente.
El valor más repetido de los "n" o "N" valores.
Comentarios:
Puede haber conjuntos de datos sin moda (ningún valor
repetido más veces que otro), es decir que todas las
frecuencias absolutas tienen el mismo valor.
Puede haber conjuntos de datos con una moda única (sólo
un valor repetido más veces que el resto)
Puede haber conjuntos de datos multimodales (presentan
más de 1 moda).
ESTADÍSTICA DESCRIPTIVA
RANGO.
Es la amplitud en la que se encuentran todos los datos.
Matemáticamente es la diferencia entre el máximo y el mínimo
de los n datos.
DESVIACIÓN ESTÁNDAR.
Representa la mayor o menor dispersión de los datos
observados alrededor del valor promedio. Da información de la
distribución de todos los elementos y ello se asocia al concepto
de “precisión” de los procesos .
VARIANZA.
Se la define matemáticamente, como al valor del cuadrado del
desvío estándar
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE DISPERSIÓN
RANGO.
Ancho o Amplitud o Recorrido.
Diferencia entre xmáx y xmín.
R x max x min
35
MAXIMO = 112
MINIMO = 91
30
25
20
15
10
5 RANGO
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE DISPERSIÓN
RANGO.
Ancho o Amplitud o Recorrido.
Diferencia entre xmáx y xmín.
A FAVOR:
Cálculo sencillo. Da idea de la variabilidad de los procesos, cuando se
trabaja con muestras poco numerosas. Es comprensible aun para
operadores sin entrenamiento en estadística.
EN CONTRA:
Sólo refleja lo que ocurre con los valores extremos de la muestra, pero
no da ninguna información (precisa o no) de lo que ocurre dentro de
ese intervalo. No es aconsejable utilizarlo en muestras numerosas (se
pueden cometer errores importantes por interpretaciones falsas).
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE DISPERSIÓN
DESVIACIÓN ESTÁNDAR
Desvío Estándar o Desvío Típico.
Mayor o menor dispersión de los datos observados
alrededor del valor promedio.
Da información de la distribución de todos los
elementos. Valoriza la precisión del proceso.
n n N N
(x i x ) x i2 n x (x x
2 2
i μ) 2 2
i N μ2
S i 1
i 1
σ i 1
i 1
n1 n1 N N
30
Desvío = 4.1205
25
Media = 100.248
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE DISPERSIÓN
DESVIACIÓN ESTÁNDAR
Desvío Estándar o Desvío Típico.
Mayor o menor dispersión de los datos observados
alrededor del valor promedio.
A FAVOR:
Da idea precisa de la variabilidad de los procesos, aun cuando se
trabaje con muestras numerosas. Asociada al valor medio, define
completamente al grupo de datos. Su cálculo se puede hacer en
calculadoras científicas o en planillas de cálculo tipo Excel. Es
importante para analizar distribuciones normales. Los resultados
son lo suficientemente precisos para aplicarlos prácticamente aún
cuando se trabaje con datos agrupados.
EN CONTRA:
No es fácil su interpretación para las personas con poca
preparación.
DESCRIPCIÓN DE LOS DATOS
MEDIDAS DE DISPERSIÓN
VARIANCIA
Varianza.
Cuadrado del desvío estándar.
En general se la utiliza para hacer demostraciones
teóricas.
Próximo Tema
PROBABILIDAD Y
CALCULO DE
PROBABILIDADES