1 ESTADÍSTICA DESCRIPTIVA

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "1 ESTADÍSTICA DESCRIPTIVA"

Transcripción

1 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e ua muestra. Detro de ella exste báscamete tres tpos de téccas: - Dstrbucó de Frecuecas - Gráfcas - Parámetros umércos La estadístca descrptva, e geeral es bastate seclla, auque o por ello deja de ser teresate y sobre todo mportate. Es así que s a través de la estadístca buscamos obteer coclusoes acerca de toda ua poblacó a partr de la formacó coteda e ua muestra, parece claro que o es posble hacerlo s o somos capaces prmeramete de descrbr el comportameto del cojuto de datos que teemos a la mao. Esto es, o podemos preteder descrbr o tur lo que ocurre co lo descoocdo, s o somos capaces de descrbr y aalzar prmero lo que sucede co lo que sí coocemos. De ahí la mportaca de la estadístca descrptva. Como se mecoó ates, la estadístca descrptva es u cojuto de téccas, pero cabe aclarar que dchas téccas o so excluyetes, so complemetaras, s embargo depededo del tpo de datos que se desee maejar, o sempre es posble utlzarlas todas. Idetfquemos etoces etre datos cualtatvos y cuattatvos. Los datos cualtatvos se refere, como su ombre lo dce, a formacó sobre cualdades o característcas del expermeto, que e ocasoes puede estar represetados por úmeros, metras que los datos cuattatvos so, ecesaramete, datos umércos. Exste la tedeca a pesar que todos los datos umércos so datos cuattatvos, s embargo esto o es así. E u proceso de medcó se puede detfcar cuatro dferetes escalas de meddas: M. e I. Isabel Patrca Agular Juárez 15

2 a) Nomal: Es el vel más prmtvo de medcó. E esta escala los úmeros se utlza como ombres y o como catdades o magtudes. Por lo tato los datos meddos e escala omal so datos cualtatvos aú sedo datos umércos. b) Ordal: E la escala ordal los dferetes valores observados represeta dferetes veles de posesó de la característca observada, etre las dferetes udades, auque o es posble comparar dchos veles a través de los valores observados. Esto sgfca que los datos auque o so comparables se puede ordear. U ejemplo de medcoes co esta escala so las observacoes del status ecoómco de ua persoa (alto, medo, bajo, etc.). Podría cosderarse las medcoes realzadas e esta escala como datos cualtatvos. c) Itervalar: Es ua forma más fa de medr, que la escala ordal y desde luego que la omal. Los datos meddos e esta escala represeta la magtud de las dferecas etre dsttas udades observadas, auque las medcoes aú o so del todo comparables. Por otro lado, el cero e esta escala de medcó es arbtraro y o mplca la auseca total de la característca medda. Por ejemplo cosdere medcoes relacoadas co el coefcete telectual de dferetes persoas, a partr de dchas medcoes o se puede cosderar que ua persoa A que tee el C.I. del doble de otra B, sea doblemete telgete que B. Otro ejemplo es la medcó de temperaturas e grados Fahrehet. Auque la dfereca etre 0 o F y 45 o F es la msma que etre 90 o F y 105 o F, s embargo e cuato a la catdad de calor, 90 o F o es el doble que 45 o F y 0 o F o sgfca auseca de temperatura. d) De razó: La escala de razó es ua escala tervalar, úcamete que cosdera u cero absoluto, esto es, los úmeros medos represeta gual úmero de udades de dstaca del cero absoluto, por lo tato las observacoes se puede comparar a través de razoes o porcetajes. Como ejemplos se puede mecoar las medcoes del tempo, la temperatura y la dstaca etre otras. Como se mecoó aterormete, el tpo de datos que se maeja e ua vestgacó lmta la utlzacó de alguos métodos estadístcos para el aálss de la formacó. Así, para descrbr datos cualtatvos lo usual es utlzar métodos gráfcos, ya que por las característcas de las otras téccas, o es posble aplcarlas co ese tpo de M. e I. Isabel Patrca Agular Juárez 16

3 formacó, metras que para aalzar datos cuattatvos (tervalares o de razó) puede aplcarse los tres tpos de téccas mecoadas aterormete y e este caso, como se djo ates, se apoya uas co otras, para lograr ua mejor y más ampla descrpcó del cojuto de datos. E muchas ocasoes o es posble elegr la escala e la que se desea efectuar las medcoes, so que esta está determada por el tpo de expermeto que se observará. De cualquer maera, el objetvo de presetar las cuatro escalas de medcó o es preocuparse por realzar ua clasfcacó precsa de los datos e algua de las cuatro escalas, ya que e muchos casos puede haber ambgüedad y o resulta u problema secllo, so úcamete detfcar etre los dsttos tpos de datos que usualmete se maeja, co el f de determar el tpo de téccas utlzables e el aálss de la formacó, así como cudar la terpretacó que se haga de los datos y de los resultados que a partr de ellos se geere. Descrbremos a cotuacó cada ua de las téccas de la estadístca descrptva, así como su aplcabldad de acuerdo al tpo de datos que costtuya la muestra.. DISTRIBUCIÓN DE FRECUENCIAS La costruccó de Tablas de Dstrbucó de Frecuecas es ua técca muy usual e la estadístca ya que hace más efcete el aálss de cojutos grades de datos. La tabla de dstrbucó de frecuecas se utlza prcpalmete para el aálss de datos cuattatvos, o obstate, també es comú realzar agrupacoes de datos cualtatvos, auque realmete tales agrupacoes o so tablas de dstrbucó de frecuecas propamete dchas, so solamete ua orgazacó de la formacó e la que el objetvo es cuatfcar el úmero de veces que se observó cada udad de formacó. M. e I. Isabel Patrca Agular Juárez 17

4 Ejemplo 1.1 E los estudos demográfcos de u país suele ser de terés la poblacó de cada ua de las dferetes razas: Blaca, Cha, Arabe, Ida, Negra, Mestza. Se seleccoa de maera aleatora u grupo de 500 persoas de la poblacó del país y se vestga cuál es su orge. Los resultados se obtedría de maera persoal, ya que sería las respuestas a la preguta cuál es su raza de oríge?, s embargo, u prmer teto para aalzar la formacó es agruparla, y el resultado sería ua tabla como la sguete: Raza del ecuestado Número de persoas Blaca 500 Cha 800 Arabe 300 Ida 50 Negra 300 Mestza 350 Defcó 1.1: Ua tabla de dstrbucó de frecuecas es ua clasfcacó de los datos e clases o categorías de acuerdo a sus valores. Este tpo de clasfcacó es comú e la presetacó de datos ecoómcos, cesales, etc. U ejemplo típco de ua tabla de dstrbucó de frecuecas es la que se muestra a cotuacó. M. e I. Isabel Patrca Agular Juárez 18

5 Límtes de clase Marcas de clase x Frecueca f Frecueca acumulada F Frecueca relatva f * Frecueca relatva acumulada F * - x < x < x < x < x < x < Tabla 1.1 Tabla clásca de dstrbucó de frecuecas. Como se puede observar, ua tabla completa de dstrbucó de frecuecas costa de ses columas cuyo cotedo se explcará eseguda. S aceptamos que e la costruccó de ua tabla de dstrbucó de frecuecas se realzará ua clasfcacó de los datos, resulta claro que es dspesable cotar, prmeramete, co el crtero de clasfcacó a utlzar, msmo que se defe a través de los límtes de clase ó be medate las froteras de clase. Límtes de clase: Costtuye u tervalo semaberto ( cerrado por la zquerda y aberto por la derecha). Los datos e la muestra, que sea mayores o guales al límte feror de la clase y meor que el límte superor de ella msma, perteecerá a la clase e cuestó. Los límtes de clase tedrá la msma aproxmacó que los datos, es decr: Aproxmacó de los datos eteros décmas cetésmas Aproxmacó de los límtes eteros décmas cetésmas Co este crtero se puede deducr de la tabla 1.1 que los datos que e ella se agruparo era todos úmeros eteros. M. e I. Isabel Patrca Agular Juárez 19

6 Para que la agrupacó sea válda, absolutamete todos los datos e la muestra se debe poder clasfcar co el crtero dado por los límtes, esto sgfca que guo debe estar fuera de esta clasfcacó. Por lo tato, també podemos estar seguros de que e la supuesta muestra agrupada e la tabla 1.1, gú dato es meor que - como tampoco exste gú dato mayor que 5. Marca de clase (x ): Es el puto medo del tervalo de clase y se cosdera represetatvo de los datos e dcha clase. Frecueca (f ): Es el úmero de datos de la muestra que correspode a la clase e cuestó. Para determar la frecueca de ua clase, basta co realzar u coteo del úmero de observacoes e la muestra, detfcado aquellos datos que cae detro del tervalo dcado por los límtes de clase. Frecueca acumulada (F ): Es el úmero de datos e la muestra cuyo valor es meor que el límte superor de la clase e cuestó. Para calcular F basta cotablzar las frecuecas observadas e la clase de terés y las aterores. Esto es, F = j=1 f j Frecueca relatva (f * ): Es la proporcó de los datos e la muestra que perteece a la clase e cuestó. S deotamos por al úmero de datos e la muestra y a como el úmero de la clase, la frecueca relatva se expresa como sgue: f f = = f * m j= 1 e dode m es el úmero de clases costrudas e la tabla de dstrbucó de frecuecas. Podríamos detfcar e este mometo ua prmera relacó etre la probabldad y la estadístca, ya que s recordamos, la terpretacó frecuetsta de la probabldad defe la probabldad de u eveto como la frecueca relatva co la que dcho eveto f j M. e I. Isabel Patrca Agular Juárez 0

7 ocurre e u úmero grade de repetcoes del expermeto bajo estudo, por lo tato, s uestra muestra fuera grade, podríamos pesar que la frecueca relatva de clase se aproxmaría a la probabldad de que la v.a. poblacoal tome valores e dcha clase. Evdetemete, se tedrá ua mejor aproxmacó cuato más grade sea la clase. Frecueca relatva acumulada (F * ): Es la proporcó de los datos e la muestra que so meores que el límte superor de la clase e cuestó. * F = = F F m f j e dode uevamete m es el úmero de clases costrudas. j=1 Por extesó, se puede coclur que la frecueca acumulada relatva se asemeja a la fucó de dstrbucó, y que la semejaza será mayor sempre que la muestra sea más grade. Lotgud de la clase: Se deota por c y es la dfereca etre los límtes superor e feror de ua msma clase. E este mometo estamos e codcoes de terpretar la formacó coteda e ua tabla de dstrbucó de frecuecas, s embargo queda aú s resolver el problema mportate de la costruccó de ua de ellas, a partr de u cojuto de datos. Es claro que la agrupacó de datos e tablas es vetajosa puesto que permte aalzar la formacó coteda e la muestra, de ua maera más seclla, dado que dsmuye el volume de formacó co la que tedrá que trabajar, s embargo tee la desvetaja de que al agrupar, se perde precsó e los datos que se maejará, co ua cosecuete pérdda e la precsó de las coclusoes que se obtega a partr de dcha formacó. Para evtar al máxmo la pérdda de formacó que provee la muestra, es ecesaro cudar la costruccó 1 de la tabla de dstrbucó de 1 Cabe aclarar que la que aquí se presetará es ua forma partcular de costruccó de ua tabla de dstrbucó de frecuecas, o así la úca, ya que e este setdo o hay u coseso. Exste alguas forma alteras de costruccó, s embargo, las dferecas que exste etre ellas so de forma y o de fodo, por lo cual es relatvamete secllo terpretar la formacó coteda e otra tabla de dstrbucó de frecuecas costruda de algua otra forma, y los resultados que de dcho aálss se obtega o tedrá dferecas radcales co los geerados medate la costruccó que aquí haremos, atrbubles a la forma de realzar la agrupacó. M. e I. Isabel Patrca Agular Juárez 1

8 frecuecas y por ello es coveete tomar e cosderacó las sguetes recomedacoes empírcas: 1.- La tabla de dstrbucó de frecuecas costará de etre 5 y 0 clases, clusve..- Todas las clases será de la msma logtud (c). Mostraremos la forma de costruccó de ua tabla de dstrbucó de frecuecas, a través de u ejemplo. Ejemplo 1. Cosdere los sguetes úmeros de scrpcó de alguos estudates de la Facultad de Igeería. Agrúpelos e ua tabla de dstrbucó de frecuecas Resolucó Recordemos que para que la tabla que se costruya se pueda cosderar adecuada para aalzar los datos, se requere que cotega a todos los datos e la muestra. Así, es ecesaro coocer el rago e el que se ecuetra los datos, para lo cual se tee la sguete defcó: Rago de la muestra: Es la dfereca etre los valores (datos) mayor y meor de la muestra. E este caso se tee que Rago = = 553 M. e I. Isabel Patrca Agular Juárez

9 Para determar ahora la logtud de clase, se puede empezar por establecer el úmero de clases que covee costrur, para lo cual se puede cosderar como valor adecuado el resultado de calcular Esto es, m = 46 7 Como el límte feror de la prmera clase debe ser u valor u poco meor al mímo, utlcemos 54. Por lo tato, la logtud de clase será = Por al razó utlzaremos c = 750. Como ya djmos, el límte feror de la prmera clase será 54. La tabla resultate será la que se muestra: Límtes x f F f * F * Descrpcó gráfca de los datos Geeralmete, cuado se desea hacer ua presetacó clara de u cojuto de datos, se elge ua forma gráfca. Así, se acostumbra presetar gráfcamete los resultados de ua compañía, se hace gráfcas comparatvas de las utldades de ua empresa, se hace gráfcas que muestre la composcó de ua poblacó (% de hombres adultos, % de mujeres adultas, %de ños), etc. M. e I. Isabel Patrca Agular Juárez 3

10 E realdad para todos es más claro compreder cuál es el comportameto de u cojuto de datos s éste se preseta de maera gráfca, que s se muestra úcamete a través de valores umércos. Por ello, exste ua gra varedad de gráfcas, s embargo utlzaremos solamete alguas de ellas. Cosderemos uevamete el tpo de datos a maejar. Usualmete para la represetacó de datos cualtatvos se utlza, etre otros, dos tpos de gráfcas: - Gráfcas de barras - Gráfcas de sectores crculares ( gráfcas de pe). Por su parte, para represetar el comportameto de datos cuattatvos exste també ua ampla varedad de posbldades de gráfcas, pero úcamete presetaremos tres de ellas: - Hstograma de frecuecas - Polígoo de frecuecas - Ojva o polígoo de frecuecas acumuladas 1.- Hstograma de Frecuecas Es ua gráfca formada por barras rectagulares cuyas bases se cetra e las marcas de clase de ua dstrbucó de frecuecas y sus áreas represeta las frecuecas absolutas o relatvas correspodetes. Nótese que de acuerdo co esta defcó o se requere más que u eje, e el cual se detfcará las marcas de clase coforme a las clases que se haya costrudo. Cabe sstr e que e este caso també es solo ua de las costruccoes posbles o coocdas, s embargo tee la vetaja de que es fácl ecotrar la smltud etre el hstograma de frecuecas relatvas, y el hstograma de probabldad que se costruye e probabldad para las fucoes de probabldad. Por otro lado, se matee la cocepcó de la probabldad de u eveto como área, que resulta útl para la más fácl compresó del cocepto de fucó de desdad e el caso de varables aleatoras cotuas. A cotuacó se muestra el hstograma de frecuecas absolutas para los datos del ejemplo: M. e I. Isabel Patrca Agular Juárez 4

11 Hstograma de Frecuecas marcas de clase També es comú costrur el hstograma de frecuecas como ua gráfca e el plao cartesao, cosderado a las frecuecas como las alturas de las barras, tal como se muestra a cotuacó. Hstograma de Frecuecas frecuecas marcas de clase.- Polígoo de Frecuecas Es ua gráfca polgoal que represeta para cada marca de clase la frecueca de dcha clase y se costruye uedo, medate líeas rectas, los putos medos de las bases superores de las barras del hstograma de frecuecas. Es claro que tampoco se requere trazar más que u eje, para hacer la gráfca del polígoo de frecuecas. M. e I. Isabel Patrca Agular Juárez 5

12 Como caso partcular se preseta a cotuacó la gráfca del polígoo de frecuecas de los datos del ejemplo ateror. Polígoo de Frecuecas Frecueca Marcas de Clase Exste ua forma alteratva de trazar la gráfca del polígoo de frecuecas, s ecesdad de hacerlo sobre el hstograma. Observe la sguete gráfca. Polígoo de Frecuecas Frecuecas Marcas de Clase M. e I. Isabel Patrca Agular Juárez 6

13 3.- Ojva Es ua gráfca polgoal que represeta para cada límte de clase la frecueca acumulada o la frecueca relatva acumulada hasta dcha frotera. Cuado la que se represeta es la frecueca relatva acumulada se le llama ojva porcetual. A dfereca de las gráfcas aterores, para trazar esta gráfca s es dspesable cotar co los dos ejes coordeados. Es claro que la dfereca etre la ojva y la ojva porcetual o es la forma de ellas, so solamete que ua de ellas es el resultado de trasladar a la otra haca arrba o haca abajo, depededo de cual se esté tomado como base. La ojva porcetual es, además, ua aproxmacó a la gráfca de la fucó de dstrbucó de la varable aleatora que represete a la poblacó. Ejemplo: Cosdere la sguete tabla de dstrbucó de frecuecas. Trace la ojva correspodete. Límtes x f F f * F * M. e I. Isabel Patrca Agular Juárez 7

14 Polígoo de Frecuecas Acumuladas (Ojva) 35 Frecueca Acumulada Límtes de Clase Descrpcó de los datos a través de parámetros umércos Desde luego es posble ya, medate la tabla de dstrbucó de frecuecas y las gráfcas hacer certa descrpcó del comportameto de los datos e la muestra, pero covee estar cocete de que sabemos que las gráfcas puede metr, e el setdo de que smplemete co u cambo de escala, varacoes que probablemete sea pequeñas se puede ver muy grades y vceversa, y la obtecó de valores que caracterce a toda la muestra puede solamete aproxmarse, ya que como djmos ates, ua represetacó gráfca puede o ser lo precsa que uo desearía, por lo que además de ua gráfca requermos de valores que sea represetatvos del comportameto de los datos y que depeda úcamete de dchos datos. A estos valores se les llama "parámetros umércos" y se utlza para ayudar a descrbr el comportameto de la muestra co u poco más de precsó. Los parámetros umércos, por el tpo de formacó que da, se clasfca e: M. e I. Isabel Patrca Agular Juárez 8

15 - Meddas de tedeca cetral - Meddas de dspersó - Parámetros de forma Presetaremos solamete los parámetros umércos que más comúmete se utlza. 1.- MEDIDAS DE TENDENCIA CENTRAL: So valores que se ecuetra detro del rago de la muestra y que se puede cosderar como represetatvos de la msma. Es mportate aclarar que o ecesaramete cocde co alguo de los datos observados. Etre las más usuales está la meda artmétca, la medaa y la moda, que estudaremos a cotuacó. a) Meda artmétca Es probablemete la medda de tedeca cetral de uso más geeralzado, se deota por x (es muy mportate que la x sea múscula, ya que la mayúscula se utlzará más adelate para deotar algo dferete} y se defe de la sguete forma: a) S x 1, x, x 3,..., x so los datos cotedos e ua muestra, y se ecuetra s agrupar, etoces dode es el tamaño de la muestra. x = Nótese que es la defcó que coocemos para el promedo usual de los datos e la muestra. x b) S los datos se ecuetra agrupados e ua tabla de dstrbucó de frecuecas, y utlzamos el msmo cocepto que para los datos s agrupar, se defe la meda artmétca como: x = m x f = m x f *, puesto que f = f * M. e I. Isabel Patrca Agular Juárez 9

16 e dode m es el úmero de clases x la marca de clase de la clase, y f la frecueca de la clase b) Medaa Es el valor que dvde al cojuto de datos de la muestra e dos cojutos de gual tamaño, es decr, es aquel valor para el cual exste el msmo úmero de datos meores o guales a él que mayores o guales a él. E otras palabras, la medaa es aquel valor para el cual el 50% de los datos so meores o guales a él. Para calcular la medaa de la muestra cuado los datos o se ecuetra agrupados e ua tabla de dstrbucó de frecuecas, se debe segur los sguetes pasos: 1.- Se ordea los datos e forma crecete..- Ua vez ordeados se tee dos casos: a) S el úmero de datos es mpar, la medaa es el valor cetral; aquel que se + 1 ecuetre e el lugar e la ordeacó. Esto es: x+ 1 x~ = b) S el úmero de datos es par, la medaa será el promedo de los dos datos cetrales e la ordeacó, es decr, de la datos que se ecuetre e los lugares y + 1. x x~ = + x +1 Ejemplo: E u proceso de maufactura, se observa el úmero de veces al mes que se detee el proceso durate u período de u año, debdo a fallas mecácas de la maquara. M. e I. Isabel Patrca Agular Juárez 30

17 Los datos obtedos so los sguetes: 7, 4, 1, 3, 9,, 7, 8, 0, 7, 3,. Obtega la medaa del úmero de fallas. Resolucó: 1) Ordeado los datos de meor a mayor se tee: 0, 1,,, 3, 3, 4, 7, 7, 7, 8, 9 ) Dado que el úmero de datos es par, la medaa será el promedo de los datos que ocupa los lugares / y (/) + 1 e la ordeacó, es decr, la medaa será el promedo de los datos que ocupe los lugares 6 y 7 e la ordeacó x~ = = 3.5 S los datos se ecuetra agrupados, para obteer la medaa se debe realzar ua terpolacó e la ojva, como se dca a cotuacó: 1.- Idetfcar la clase e la que se alcaza el 50% de los datos. Esta clase recbe el ombre de clase medaa..- Grafcar la ojva correspodete a la clase medaa. Frecueca Acumulada (0.5) F + 1 F L L + 1 Medaa Límtes de clase M. e I. Isabel Patrca Agular Juárez 31

18 x~ - L L+1 -L = F F 50% +1 -F - F ; F 50% = x~ - L L+1 -L -F = F+1 - F ( - F)(L +1 - L ) x~ = + L F+1- F e dode: L es el límte feror de la clase medaa L +1 es el límte superor de la clase medaa F es la frecueca acumulada hasta L F +1 es la frecueca acumulada hasta L +1 es el tamaño de la muestra Ejemplo: Los datos que se desplega e la sguete tabla de dstrbucó de frecuecas provee de u cojuto de observacoes de la duracó (e mutos) de las llamadas telefócas locales que se realza e el D. F. Calcule la medaa de dchos datos. Resolucó: Límtes de clase Marca de clase Frecueca Frecueca Acumulada La muestra es de tamaño = 64, por lo tato, / = 3 Por lo ateror, la clase medaa es la seguda, esto es, la medaa está etre 3 y 6. M. e I. Isabel Patrca Agular Juárez 3

19 Frecueca Acumulada x ~ 6 Límtes de clase De dode, etoces, -F x~ = F +1 ( - ) L +1 - F L +L (3-15)(6-3) = +3 = c) Moda Se deota como m o y es aquella observacó que se repte co mayor frecueca detro de la muestra. Puede exstr más de ua moda e ua msma muestra. De los datos agrupados se puede cosderar como moda, la marca de clase del tervalo co mayor frecueca. Es mportate hacer otar que a dfereca de la meda artmétca y la medaa, la moda o ecesaramete es u valor úco. Esto sgfca que e u msmo cojuto de datos, puede exstr varas modas, auque també puede ser úca..- MEDIDAS DE DISPERSIÓN Exste varas meddas de dspersó, y alguas de ellas (la mayoría) se mde co respecto a la meda por ser esta últma ua medda que se ecuetra alrededor del cetro del rago de la muestra, y cosderarse ua medda represetatva de los datos. Estas meddas os permte, además de descrbr el comportameto de la muestra, M. e I. Isabel Patrca Agular Juárez 33

20 valdar la represetatvdad de la meda como característca de todo el cojuto de datos. Rago Tal vez la medda de tedeca cetral más smple sea el rago que se defó para costrur la tabla de dstrbucó de frecuecas. Es ua medda de dspersó teresate, ya que proporcoa formacó medata acerca de la varabldad que tee los datos etre sí. Como se djo ates, el rago se defe como la dfereca etre los datos mayor y meor e la muestra, esto es: Rago = Dato mayor e la muestra - dato meor e la muestra. Auque el rago es ua medda mportate de dspersó, exste otras meddas, que proporcoa formacó adcoal acerca de dcha varabldad, alguas de ellas las defremos a cotuacó. Veamos: Sea x, = 1,,..., los datos de la muestra. Para medr la dspersó promedo de los datos co relacó a la meda de la muestra, pesaríamos medatamete e lo sguete: ( x - x ), s embargo, s desarrollamos dcha suma, ecotramos que se aula, depedetemete de cuales sea los datos cosderados, ya que : pero por defcó x = (x- x ) x = _ x - x = x x M. e I. Isabel Patrca Agular Juárez 34

21 y por otro lado, x = x de dode: ( x - x ) = x - x = 0 esto es: ( x - x ) = 0 por lo cual o es útl como medda de dspersó. Para evtar la cacelacó de los sgos e la suma, se tee dos opcoes: 1) Utlzar la fucó valor absoluto, lo cual da lugar a la desvacó meda. Desvacó meda: Sea x 1, x, x 3,..., x, los datos cotedos e ua muestra, se defe la desvacó meda como el promedo de los valores absolutos de las dspersoes alrededor de la meda, es decr, x - x d. m. = S los datos se ecuetra agrupados e ua tabla de dstrbucó de frecuecas, la expresó para el cálculo de la desvacó meda se trasforma e d. m. = m x - x f e dode m es el úmero de clases, x es la marca de la clase, y f es la frecueca de la msma clase. ) Utlzar ua fucó cuadrátca. Esta es probablemete la forma más geeralzada de resolver el problema. M. e I. Isabel Patrca Agular Juárez 35

22 Varaza: S x (,,3,..,) so los datos de la muestra, se defe la varaza de la muestra (s ) como: s = (x - x e tato que s los datos se tee e forma agrupada, se calculará la varaza como se dca a cotuacó: s = m ) ( x - x ) f e dode, uevamete, m es el úmero de clases, x es la marca de la clase -ésma, y f represeta la frecueca de la msma clase. La varaza, auque es más utlzada que la desvacó meda, preseta el problema de que sus udades o cocde co las de los datos de la muestra, ya que al elevar al cuadrado se obtee udades cuadradas, por lo que su terpretacó podría resultar u tato cofusa, s embargo, la forma que se ha ecotrado de resolver dcho problema de udades, cosste smplemete e extraer la raíz cuadrada de dcha medda, co lo cual el resultado se ecotrará e udades leales, por tal razó se defe la desvacó estádar de los datos. Desvacó estádar: Se defe la desvacó estádar de ua muestra, como la raíz cuadrada de la varaza de la msma muestra, y se deota por s. Esto es: s = s Coefcete de varacó: Evta el teer que referrse a los datos para determar la magtud de la varacó. s c.v. = x M. e I. Isabel Patrca Agular Juárez 36

23 Mometos Los mometos e probabldad, se calcula de la msma maera que e la mecáca, solamete que, e la prmera o tee ua terpretacó físca y solo se utlza como ua herrameta para la determacó de certos parámetros. Se puede defr co respecto a cualquer puto "a", pero las mas usuales so co respecto al orge y co respecto a la meda. Las defcoes correspodetes so: El r-ésmo mometo muestral co respecto al orge (m' r ) se defe como: S los datos se ecuetra s agrupar: m' r = x r dode x so los datos e la muestra y es el tamaño de la muestra. S los datos se ecuetra e forma agrupada: m' r = m x m dode x so marcas de clase, f so las frecuecas de clase y m es el úmero de clases r f f El r-ésmo mometo o mometo de orde r, de la muestra co respecto a la meda se defe como: S los datos se ecuetra s agrupar: m r = (x - x ) r dode x so datos de la muestra y es el tamaño de la muestra. S los datos se ecuetra agrupados: M. e I. Isabel Patrca Agular Juárez 37

24 m r = m (x - x m f ) r f dode x es la marca de clase, f la frecueca y m el úmero de clases. Así la varaza es el segudo mometo respecto a la meda y la meda es el prmer mometo respecto al orge. 3.- PARÁMETROS DE FORMA Coefcete de sesgo o asmetría El coefcete de sesgo se deota por "a" y se defe como: a = m3 s 3 tercer mometo respecto a la meda., dode m 3 es el De esta forma, s: a < 0 Sesgo egatvo a > 0 Sesgo postvo a = 0 Smétrca Curva Smétrca Curva Asmétrca (Sesgo postvo) M. e I. Isabel Patrca Agular Juárez 38

25 Coefcete de curtoss Es ua medda del grado de aputameto de ua dstrbucó. Se deota por k. k = m4 s 4 k < 3 > 3 = 3 platcúrt ca leptocúrt ca mesocúrtc a x Dstrbucó Mesocúrtca x Dstrbucó Leptocúrtca M. e I. Isabel Patrca Agular Juárez 39

26 x 3 Ejemplo: Dstrbucó Platcúrtca Ua muestra de 0 trabajadores de ua Cía. obtuvero los sguetes salaros e u mes determado: $40000, $40000, $40000,$40000, $40000, $40000, $40000, $40000, $55000, $55000, $65000, $65000, $80000, $80000, $90000, $300000, $305000, $35000, $330000, $ Calcular: la meda, medaa, moda, varaza, desvacó estádar, coefcete de desvacó, rago, coefcete de sesgo, coefcete de curtoss. Qué puede decr acerca de los salaros? Resolucó: a)meda: 8(40000) + (55000) + (65000) + (80000) x = 70,500 + x x b) Medaa: x~ = = = c) Moda = 40,000 M. e I. Isabel Patrca Agular Juárez 40

27 0 (x - x ) d) Varaza: s = 0 =1,097,50, 000 e) Desvacó Estádar: s = 33,14.76 f) Coefcete de varacó: c.v.= x s = 0.15 = 1.5%. Esto es que los datos se aleja de la meda u 1.5 %. g) Rago= 100,000 3 (x - x ) h)coefcete de sesgo: a = m3 = 3 m3 s 0 a = Es decr, los datos tee sesgo postvo 18 ) m x k = = 10 =.4 La dstrbucó de los datos es platcúrtca 4 4 s ( ) Co estos datos, hacer ua tabla de dstrbucó de frecuecas: Rago = 100,000 # aproxmado de clases = 0 = Límte feror de la prmera clase =35,000 c=105,000 / 5 = 1,000 Itervalos de clase Marcas de clase Frecuecas Frecueca Relatva Frecueca Frecueca AcumuladaAcum. Relat. 35,000 56,000 45, ,000 77,000 66, ,000 98,000 87, , , , , ,000 39, , , , M. e I. Isabel Patrca Agular Juárez 41

28 6 xf = 1 5,477,000 Meda: x = = = 73,850 0 Moda: Prmera marca de clase. Mo=45,500 Medaa: x~ = 56,000 Rago= 361,000 35,000 = 16, (x - 73,850) f.3175e + 10 Varaza: s = = = 1,158,77, Desvacó estádar: s = 34, C.V. = x s = = 1.430% Coefcete de sesgo: = m s 3 a 3 11 (x - x ) 3 f = E + 14 m3 = = = 3.86E f = E + 13 = (34, ) a 3 = por lo tato tee u sesgo postvo Coefcete de curtoss: = m s 4 k 4 M. e I. Isabel Patrca Agular Juárez 4

29 11 (x - x ) 4 f E 19 = =1 + m4 = = E f =1 4 s = ( 34, ) 4 k = ; k < 3, por lo tato es platcúrtca. M. e I. Isabel Patrca Agular Juárez 43

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma.

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma. CAPITULO II Meddas estadístcas Objetvo Calcular las meddas poscó, de tedeca cetral, de dspersó y de forma. Cotedo * * * * * * Itroduccó Meddas de poscó Meddas de tedeca cetral Meddas de dspersó Meddas

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo PM4 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados Prof. Mguel Hesquo Garduño. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

CAPITULO 1 DEFINICIONES GENERALES

CAPITULO 1 DEFINICIONES GENERALES CAPITULO DEFINICIONES GENERALES Se ha defdo la Estadístca como la rama de las matemátcas que trata de los datos: su complacó, aálss e terpretacó. Ua defcó más modera, declara que la Estadístca es la ceca

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

2 Representación gráfica de las series de frecuencias.

2 Representación gráfica de las series de frecuencias. Estadístca Tema. Geeracó de valores de ua varable aleatora. Pág. Represetacó gráfca de las seres de frecuecas.. Represetacó gráfca de caracteres cualtatvos... Dagramas dferecales... Dagramas tegrales..

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Ventajas e Inconvenientes.

Ventajas e Inconvenientes. 1. Itroduccó.. Meddas de Poscó..1. La Meda Artmétca..1.1. Propedades..1.. Cálculo Abrevado..1.3. Vetajas e Icoveetes... La Meda Geométrca...1. Propedades.... Vetajas e Icoveetes..3. La Meda Armóca..3.1.

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

MEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá:

MEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá: 3 MEDIDAS RESUMEN OBJETIVOS Al térmo de la udad el alumo podrá: 3. Compreder las meddas como ua herrameta más que descrbe los datos obtedos e ua vestgacó socal o de la vda dara. 3. Compreder los sgfcados

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

n 2 fi donde: n es el número de individuos

n 2 fi donde: n es el número de individuos ESTADÍSTICA. INTRODUCCIÓN La ecesdad de poseer datos cfrados sobre la poblacó y sus codcoes materales de exsteca ha debdo hacerse setr desde que se establecero socedades humaas orgazadas. Desde los comezos

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa de Caracas. Uversdad

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

2. Censura y truncamiento

2. Censura y truncamiento 2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles