1. ESTADÍSTICA DESCRIPTIVA.
|
|
- Ana Isabel Reyes Gutiérrez
- hace 7 años
- Vistas:
Transcripción
1 Departamento de Matemátcas Estadístca descrptva 1. ESTADÍSTICA DESCRIPTIVA Introduccón. En general, cuando se va a estudar un determnado colectvo, se suele tener un gran conjunto de datos y números que nos nforman sobre el msmo y que suelen ser, por sí msmos, poco transparentes y/o nos proporconan una nformacón que no somos capaces de nterpretar. Es necesaro, por tanto, poder dgerrlas y procesarlas de una manera fácl y asequble. En este sentdo, la Estadístca va a ser el conjunto de procedmentos y métodos que, entre otras cosas, nos van a soluconar este problema. La palabra estadístca se utlza, prncpalmente, bajo dos sgnfcados dstntos: a) Como coleccón de datos numércos (se sobreentende que están presentados de manera ordenada y sstemátca): Esta prmera acepcón, que tene orígenes hstórcos y es el sgnfcado más coloqual, se encuentra bastante arragada en la socedad actual ya que nos encontramos nmersos en un mundo de cfras tales como datos de seres sobre el PIB (producto nteror bruto), tasa de nflacón, cotzacones bursátles,... que llenan los medos de comuncacón y, por tanto, mpregnan nuestras referencas personales. b) Como cenca: Además de facltar los métodos precsos para la obtencón de la nformacón numérca de base, proporcona métodos objetvos de análss de dcha nformacón y, en general, métodos de nvestgacón aplcables al resto de las cencas. Esta rrupcón de la Estadístca en el ámbto de las cencas en general, es un fenómeno relatvamente recente pero de enorme vgor. En este sentdo, la cenca Estadístca estuda el comportamento de los fenómenos de masa y pretende obtener las regulardades que se dan en dchos fenómenos para, además de descrbrlos, utlzarlos con fnes de predccón. Así, la Estadístca tene como prmer objetvo ndcar los métodos de recogda y agrupamento de datos, como segundo el análss de dchos datos en funcón de los propóstos de la nvestgacón y, por últmo, su utlzacón con fnes de predccón en algunas crcunstancas. La Estadístca matemátca nacó en el s. XVII y se forma al msmo tempo que la Teoría de la Probabldad. Su desarrollo se debe a matemátcos como Gauss, Gosset, Tchebyschev, Markov, Fsher, Kolmogorov, Pearson, Neyman y otros. 1
2 Departamento de Matemátcas Estadístca descrptva 1.. Poblacón: elementos y caracteres. Toda nvestgacón estadístca va a estar referda a un conjunto o coleccón de elementos (personas, cosas,...) que tenen una o varas característcas en común y que lo defnen. Dcho conjunto recbe el nombre de poblacón y cada uno de los elementos que la forman se llama elemento o ndvduo. Hay que tener en cuenta dos cosas: la poblacón puede ser fnta o nfnta, dependendo del número de ndvduos que la formen, y dchos elementos pueden tener exstenca real (coche, casa,...) o referrse a algo más abstracto (ntervalo de tempo, votos,...). Tambén es muy mportante tener perfectamente ben defnda la poblacón, de forma que en todo momento tengamos claro s un ndvduo forma parte de la msma o no. Los elementos de la poblacón presentan certas propedades o característcas que se conocen con el nombre de caracteres (altura; color de pelo,...) que a su vez se subdvden o presentan dferentes modaldades (185 cm, 05 cm; rubo, moreno,...). Los caracteres se pueden clasfcar en: (A) Caracteres cuanttatvos o varables: son aquellos cuyas modaldades son medbles, es decr, se pueden descrbr numércamente (peso, número de hermanos,...). Las modaldades son los dstntos valores que puede tomar la varable (65 kg, 80 kg, 91 kg,...;, 3, 4,...). A su vez hay dos tpos de varables estadístcas: a.1.) Varables dscretas: los valores que toma la varable son aslados, es decr, no tenen sentdo los valores ntermedos a dos cualesquera. Por ejemplo, la varable número de hermanos puede tomar los valores 0,1,,3,4, pero no tene sentdo que haya 7 hermanos. a..) Varables contnuas: la varable toma valores dentro de un ntervalo, por ejemplo, la varable puede tomar los valores 1 y pero tambén los valores 1'5, 1'01, 1'89874,...; en general, cualquer valor comprenddo entre 1 y : ntervalo [1,]. (B) Caracteres cualtatvos o atrbutos: son aquellos cuyas modaldades se referen a cualdades de los ndvduos, por lo que no son medbles, es decr, expresables numércamente (color de ojos, marcas de coches,...). Las modaldades venen descrtas por palabras (azules, marrones, negro,...; Opel, Seat,...). A su vez hay dos tpos de atrbutos: b.1.) Ordenables: Aquellas que tenen una ordenacón objetva. Por ejemplo: la graduacón mltar, el nvel de estudos, los meses del año, las calfcacones de una asgnatura (SB, NT, BI, SF, IN), b..) No ordenables: Aquellas que sólo admten una ordenacón alfabétca, pero nnguna ordenacón por su naturaleza. Por ejemplo: el color de pelo, el estado cvl,
3 Departamento de Matemátcas Estadístca descrptva Podemos observar ahora otra dstncón fundamental entre varables y atrbutos: s los caracteres venen descrtos medante varables, los elementos de la poblacón se pueden ordenar de menor a mayor según los valores que toma la varable, es decr, exste una jerarquzacón natural de los elementos de la poblacón. En cambo, ésta no sempre es posble en los atrbutos. Ahora ben, normalmente en un estudo estadístco, no se puede trabajar con todos los elementos de la poblacón porque es muy costoso temporal o económcamente, por lo que se realza sobre un subconjunto de la msma. Este subconjunto puede ser una muestra, cuando se toma un determnado número de elementos de la poblacón sn que, en prncpo, tengan nada en común; o una subpoblacón, que es el subconjunto de la poblacón formado por los elementos de la msma que comparten una determnada característca (p.e. de los alumnos del centro la subpoblacón formada por los alumnos de 3º ESO, o la subpoblacón de los varones). Una vez selecconados los caracteres que van a ser objeto del estudo estadístco, se procede a observarlos en los elementos de la poblacón, subpoblacón o muestra. S se trata de una varable habrá que medr el valor numérco que toma en cada elemento y, s es un atrbuto, habrá que clasfcar a cada elemento en su modaldad correspondente. Así pues, las etapas de todo estudo estadístco son: 1. PLANIFICACIÓN. a) Defncón de OBJETIVOS. b) Defncón de la POBLACIÓN y/o MUESTRA. c) Defncón de las CARACTERÍSTICAS que se van a estudar. d) Descrpcón de los posbles DATOS que se pueden obtener.. EJECUCIÓN. a) Recoleccón de los datos. b) Organzacón de los datos. c) Descrpcón, análss e nterpretacón de los datos. 3. CONCLUSIÓN. Y, a su vez, podemos consderar dos fases: 1. Estadístca descrptva o deductva, que trata del recuento, ordenacón y clasfcacón de los datos obtendos por las observacones. Se construyen tablas y se representan gráfcos, se calculan parámetros estadístcos que caracterzan la dstrbucón, etc.. Estadístca nferencal o nductva, que establece prevsones y conclusones sobre una poblacón a partr de los resultados obtendos de una muestra. Se apoya fuertemente en el cálculo de probabldades. 3
4 Departamento de Matemátcas Estadístca descrptva Ejercco. Indca s los sguentes caracteres son cualtatvos o cuanttatvos, y en caso de ser varables, s son dscretas o contnuas: Número de nacdos en un día. Grupo sanguíneo de una persona. Tempo que se necesta para resolver un problema. Número de preguntas de un examen. Temperatura de una persona. Partdo polítco votado en las últmas eleccones. Número de goles marcados por un jugador en una temporada Dstrbucón de frecuencas. Aunque hoy en día, s se realza un estudo estadístco mportante esta tarea la realza el ordenador, ya sea por medo de programas de estadístca específcos BMDP, SPSS, STATGRAFICS o ben utlzando herramentas nformátcas de propósto general como Bases de Datos u Hojas de Cálculo. En casos sencllos podemos realzarlo manualmente, utlzando dversas técncas para r anotando puntuacones: (A) La frecuenca absoluta de una modaldad x es el número de veces que aparece en el estudo dcho valor. La representaremos por n. Propedad. La suma de las frecuencas absolutas de todas las modaldades es el número total de elementos que tene la poblacón o muestra. Tene la ventaja de que sempre será un número natural, por lo que resulta muy cómoda para realzar cálculos, pero tene el nconvenente de que no podemos utlzarla para comparar, puesto que sus valores dependen del tamaño total de la poblacón o muestra y éste no aparece en ella. Además, s la utlzamos para hacer cálculos, debemos recordar que al fnal tenemos que dvdr por el número total de ndvduos. (B) La frecuenca relatva de una modaldad x es la proporcón o dvsón entre el número de veces que aparece dcho valor y el tamaño de la poblacón o muestra. La representaremos por se calcula: f n n =. Propedad. La suma de las frecuencas relatvas de todas las modaldades es 1. f y 4
5 Departamento de Matemátcas Estadístca descrptva Tene la ventaja de que, cuando realzamos los cálculos, obtenemos el resultado deseado drectamente, aunque las operacones sean menos cómodas al ser con fraccones o decmales (es más recomendable, por exacttud, utlzar fraccones, sobre todo cuando no son decmales exactos). Tambén podemos hablar de frecuencas acumuladas, pero sempre y cuando estemos trabajando con una varable estadístca o un atrbuto ordenable. En otro caso no tene mucho sentdo el cálculo de estas frecuencas ya que vararían en el momento en que cambemos el orden de los datos. (C) La frecuenca absoluta acumulada de una modaldad absolutas de dcha modaldad y todas las anterores. La representaremos por x es la suma de las frecuencas N. (D) La frecuenca relatva de una modaldad modaldad y todas las anterores. La representaremos por x es la suma de las frecuencas relatvas de dcha F y se calcula: F N n = Tablas estadístcas. Representacones gráfcas. Las tablas estadístcas consttuyen una parte fundamental de la nvestgacón ya que en ellas aparecen reflejados claramente todos los datos obtendos en la msma y, por tanto, sumnstran toda la nformacón que se necesta para cubrr los objetvos persegudos con el estudo. Ahora ben, a veces es necesaro o convenente traducr la nformacón que nos proporcona una tabla estadístca en un gráfco con el fn de hacerla más patente. No obstante, las representacones gráfcas no deben consderarse como un medo defntvo para extraer conclusones, sno como un medo auxlar de la nvestgacón estadístca, que es fundamentalmente numérca, y ésto sempre que el mpacto vsual de la gráfca responda a la realdad, para lo cual debemos recurrr a sstemas geométrcos capaces de descrbr los datos de manera correcta. En general, las representacones gráfcas más utlzadas se basan en un sstema de ejes cartesanos donde se representan, en el eje de abscsas los valores que toma la varable y en el eje de ordenadas las frecuencas con que dchos valores se toman Tablas de tpo I. Corresponden a la stuacón en que estudamos una varable estadístca dscreta que toma un número pequeño de valores y, además, dspone de pocas observacones. En este caso no se debe pensar en una tabulacón en sentdo estrcto de los datos, sno más ben en una dsposcón ordenada de los msmos. No tene sentdo dsponerlos de forma gráfca. Ejemplo 1. Puntuacones de los 0 alumnos de una clase en un examen de Matemátcas: 0, 0, 1,,, 3, 4, 5, 5, 5, 5, 6, 6, 7, 7, 7, 7, 8, 9, 9 5
6 Departamento de Matemátcas Estadístca descrptva Tablas de tpo II. Dagramas de barras y sectores. Pctogramas. Se utlzan en stuacones en las que estudamos un atrbuto o una varable estadístca dscreta que toma pocos valores pero, sn embargo, hay muchas observacones. Ejemplo. Las notas en un examen de Matemátcas de los alumnos de 3º A ESO del Colego Vrgen de Graca de Granada (España) han sdo las sguentes: X n f 0 /30 / /30 5 5/30 1 1/30 6 6/ /30 7 7/ /30 8 8/ / /30 6 / / / / /30 5 5/ / / N F Ejemplo 3. Las marcas de los móvles de los membros de una famla son: Noka, Semens, Noka, Motorota, Noka, Semens X n Noka 3 3/6 Motorola 1 1/6 Semens /6 6 1 f Exsten dferentes tpos de gráfcos estadístcos. Algunos sólo se pueden utlzar con un tpo de caracter, pero otros se pueden utlzar ndependentemente de cómo sea el msmo. En cualquer caso, exste un tpo de representacón que se suele utlzar más con cada tpo de caracter. La representacón más típca asocada a una varable estadístca dscreta recbe el nombre de dagrama de barras y consste en levantar, para cada valor x de la varable, una barra cuya altura sea su frecuenca absoluta (o relatva): Frecuencas absolutas Notas 6
7 Departamento de Matemátcas Estadístca descrptva Las formas más usadas para representar gráfcamente un atrbuto son: 1) Dagrama de sectores: es la representacón más utlzada y consste en repartr la superfce total de un círculo en tantos sectores como modaldades tenga el atrbuto, de manera que cada sector tenga área proporconal a la frecuenca absoluta de dcha modaldad. S repartmos los 360º proporconalmente a las frecuencas relatvas, el número de grados correspondente a cada modaldad x es 360 f : 3% 17% 17% 7% 10% 3% 3% 3% 10% 7% % 17% 50% Noka Motorola Semens ) Pctograma: consste en representar la nformacón medante un dbujo alusvo a la dstrbucón que se estuda. Pueden ser de dos tpos: Pctograma de repetcón: Se asgna un valor a una fgura base, y ésta se repte tantas veces como convenga según la frecuenca de la modaldad. Pctograma de amplfcacón: A cada modaldad se le asgna una únca fgura-motvo con un área proporconal a la frecuenca de aquella. 7
8 Departamento de Matemátcas Estadístca descrptva Tablas de tpo III. Hstogramas. Cuando el tamaño de la poblacón o muestra y la dferenca entre el mayor y el menor valor de la varable (recorrdo) son grandes, es necesaro agrupar en ntervalos los valores de la msma. En este tpo de tablas aparecen algunos valores mportantes: -La ampltud de clase es la dferenca entre los extremos del ntervalo. No todos los ntervalos tenen que tener la msma ampltud y, caso que no la tengan, se debe añadr una columna a la tabla, con la densdad de frecuenca (absoluta o relatva) de cada modaldad: h n =, que srve para que en la representacón gráfca podamos reconocer a la modaldad a de mayor frecuenca a través del área, NO de la altura. -La marca de clase es el punto medo del ntervalo, y es el dato fundamental para realzar todos los cálculos. Asocada a este tpo de tablas tenemos la representacón gráfca llamada hstograma, que consste en levantar sobre cada ntervalo un rectángulo cuya área sea su frecuenca absoluta o relatva. Para consegur que el área sea la frecuenca, se representa en el eje de ordenadas la densdad de frecuenca de cada ntervalo. S consderamos las marcas de cada clase con el valor que el hstograma les da a cada una (altura del rectángulo) y unmos dchos puntos, obtenemos el polígono de frecuencas. Ejemplo 4. S a un grupo de 30 alumnos les preguntamos el dnero (en pesetas) que en ese momento llevan encma, nos encontramos con los sguentes datos: Evdentemente, la varable estadístca tene un recorrdo muy grande, 4998 pesetas, por lo que sí queremos hacer una tabla con estos datos tendremos que tomar ntervalos. Para decdr la ampltud de los ntervalos, necestaremos decdr cuántos queremos. Normalmente se suele trabajar con no más de 10 ó 1 (s es posble menos, mejor; aunque cuantos menos haya más nformacón se perde ). Así pues, ampltud = 4998/10 = 499,8, por lo que tomaremos ntervalos de ampltud
9 Departamento de Matemátcas Estadístca descrptva [ L 1, L[ a X n f N F [ 0, 500 [ /30 0,53 53% 16 16/30 0,53 53% [ 500, 1000 [ /30 0, 0% /30 0,73 73% [ 1000, 1500 [ /30 0,1 10% 5 5/30 0,83 83% [ 1500, 000 [ /30 0,07 7% 7 7/30 0,90 90% [ 000, 500 [ /30 0,03 3% 8 8/30 0,93 93% [ 500, 3000 [ /30 0,03 3% 9 9/30 0,96 96% [ 3000, 3500 [ /30 0 0% 9 9/30 0,96 96% [ 3500, 4000 [ /30 0 0% 9 9/30 0,96 96% [ 4000, 4500 [ /30 0 0% 9 9/30 0,96 96% [ 4500, 5000 [ /30 0 0% 9 9/30 0,96 96% [ 5000, 5500 [ /30 0,03 3% 30 30/30 0,99 99% % El hstograma correspondente al ejemplo anteror es:
10 Departamento de Matemátcas Estadístca descrptva Ejercco. Observa detendamente los sguentes gráfcos estadístcos. a) Indca el nombre de cada una de las representacones. b) Indca el tpo de carácter que representan. NOMBRE: CARACTER: NOMBRE: CARACTER: NOMBRE: CARACTER: NOMBRE: CARACTER: NOMBRE: CARACTER: NOMBRE: CARACTER: 1.5. Parámetros estadístcos. Ya que después de realzar un estudo estadístco, tenemos una gran cantdad de datos, tratamos de obtener una sere de meddas numércas que nos permtan, con objetvdad y precsón, tener una vsón más completa del fenómeno estudado, resumr toda la nformacón, comparar dstntas dstrbucones, El Estadístco Yule defnó algunas propedades deseables para cualquer medda estadístca: 1ª) Debe defnrse de manera objetva: dos observadores dstntos deben llegar al msmo resultado numérco. ª) Usar todas las observacones y no algunas de ellas solamente, de manera que s varía alguna observacón, la medda consderada debe reflejar esta varacón. 3ª) Tener un sgnfcado concreto: la nterpretacón debe ser nmedata y senclla 4ª) Ser senclla de calcular. 5ª) Prestarse fáclmente al cálculo algebraco, es decr, con las fórmulas generales, lo que permtrá demostracones más elegantes. 6ª) Ser poco sensble a las fluctuacones muestrales. Esta condcón es mprescndble en la Estadístca Matemátca y en la Teoría de Sondeos. 10
11 Departamento de Matemátcas Estadístca descrptva Por otra parte, dependendo del crtero que utlcemos para obtener esos parámetros, tenemos dferentes tpos de meddas: De poscón: Nos permten clasfcar, de alguna forma los elementos de la poblacón o muestra: percentles, decles, cuartles y medana. Dentro de éstas se pueden consderar las meddas de poscón central, que srven para ver en torno a qué valores se concentra la varable: moda, medana y meda. De dspersón: Nos dan una dea sobre la representatvdad de las meddas centrales (a mayor dspersón, menor representatvdad): recorrdo, desvacón meda, varanza, desvacón típca. De smetría: Srven para ver s la dstrbucón tene el msmo comportamento por encma y por debajo de los valores centrales. De forma: Comparan la forma de la dstrbucón con la forma de la dstrbucón Normal, que es la que se toma como referenca. En general, los parámetros sólo se podrán calcular en el caso de varables, exceptuando la moda, que tambén se puede hallar para todos los atrbutos, y la medana, que se puede calcular en los atrbutos ordenables MEDIDAS DE POSICIÓN CENTRAL. Las meddas de poscón central resumen los datos. Según el crtero que se utlce para hacer dcho resumen, tenemos dstntos tpos de meddas: Medana: es el valor M e central de la varable, es decr, supuesta la muestra ordenada en orden crecente o decrecente, el valor que dvde en dos partes la muestra. (A) Cálculo de la medana en el caso dscreto: Depende del tamaño N de la poblacón o muestra: -S N es mpar, hay un térmno central X n + 1 que será el valor de la medana. -S N es par, hay dos térmnos centrales X y X n n + 1, y la medana será la meda de los dos. 11
12 Departamento de Matemátcas Estadístca descrptva Ejemplo 6. n=1 par n=13 Impar 1,4,6,7,8,9,1,16,0,4,5,7 1,4,6,7,8,9,1,16,0,4,5,7,30 Térmnos centrales: el 6º y 7º 9 y 1 Térmno central: el 7º 1 M e 9+ 1 = = 10, 5 M e = 1 Moda: Es el valor M o de la varable que más se repte, es decr, que tene mayor frecuenca. Puede haber más de una moda: s hay dos la dstrbucón se dce que es bmodal y, en general, s hay más de dos se dce que es plurmodal. Es la únca medda de centralzacón que tene sentdo estudar en una varable cualtatva o atrbuto, pues no precsa la realzacón de nnguna cuenta. Ejemplo 7. X n N n = 3 19 mayor frecuenca Mo = x3 = 75 Meda: La meda artmétca de una varable es la suma de los productos de los valores de la varable por sus frecuencas relatvas correspondentes. S la varable es contnua, consderaremos las marcas de clase como valores de la msma. Otra vez en el msmo ejemplo anteror: [ L 1, L[ x n f x f [ 45, 55 [ /50 300/50 [ 55, 65 [ /50 600/50 [ 65, 75 [ / /50 [ 75, 85 [ /50 880/50 [ 85, 95 [ /50 360/ / x = = 69 '
13 Departamento de Matemátcas Estadístca descrptva MEDIDAS DE DISPERSIÓN. Las meddas de dspersón mden, en general, lo dstantes o dspersos que se encuentran los datos respecto de alguna medda de poscón central. Dado que exsten dstntos tpos de parámetros de centralzacón, podemos defnr dstntas meddas de dspersón, aunque como la medda central más utlzada es la meda, tendrán especal mportanca las meddas que mdan la dstanca respecto a la msma. El recorrdo de la varable es la dferenca entre el mayor y el menor valor de la msma. La varanza σ es la meda de las desvacones cuadrátcas respecto de la meda: o Se calculan las desvacones o dferencas entre los valores y la meda o Se elevan al cuadrado dchas desvacones o Se multplcan por sus frecuencas o Se suman Hay que llamar la atencón sobre el hecho de que la varanza de una dstrbucón sempre es postva (suma de sumandos postvos). Esto nos permte, entre otras cosas, defnr: La desvacón típca σ es la raíz cuadrada de la varanza. La ventaja de la desvacón es que tene las msmas undades que la meda (cosa que la varanza no cumple al elevar las desvacones al cuadrado). Por tanto es más fácl de nterpretar: cuanto más próxma a cero esté, más representatva será la meda. σ El coefcente de varacón es el cocente entre la desvacón típca y la meda: CV =. x Este parámetro es admensonal (no tene undades, ya que la desvacón típca y la meda tenen las msmas) y es muy útl para comparar dos poblacones dstntas. Además, tambén es mejor utlzarlo para nterpretar la bondad de la meda cuando los datos tenen un recorrdo muy amplo: cuanto más próxmo a cero se encuentre, mejor será la meda Ejemplos resueltos. Vamos a analzar detendamente un ejemplo de cada uno de los tpos de caracteres estadístcos que nos podemos encontrar, y en ellos estudaremos todo aquello que hemos comentado hasta ahora, y nos servrán de ejemplos de cálculo de las meddas de dspersón que acabamos de defnr. 13
14 Departamento de Matemátcas Estadístca descrptva Ejemplo I: CARACTER CUALITATIVO o ATRIBUTO. X = número de vuelos según naconaldades. Poblacón = avones que aterrzaron en Barajas durante la Semana Santa de Tabla: X n f 360º f Franca 350 7/18 0,39 39% 140 Alemana 150 1/6 0,17 17% 60 Inglaterra 50 1/18 0,06 6% 0 Itala 50 5/18 0,8 8% 100 Otros 100 1/9 0,11 11% Pctograma 1: Pctograma : 14
15 Departamento de Matemátcas Estadístca descrptva Dagrama de sectores: 11% Franca 8% 38% Alemana Inglaterra Itala 6% 17% Otros Dagrama de barras: Franca Alemana Inglaterra Itala Otros Parámetros estadístcos: Sólo se puede calcular la moda M o = Franca. S el atrbuto fuera ordenable, se podrían calcular tambén las meddas de poscón, aunque la únca que tendría un sgnfcado más concreto sería la medana. 15
16 Departamento de Matemátcas Estadístca descrptva Ejemplo II: CARACTER CUANTITATIVO DISCRETO o VARIABLE DISCRETA. X = nº de accdentes automovlístcos daros regstrados durante Dcembre y Enero de Poblacón = vehículos que crculaban por el casco urbano de Granada (España). Tabla: x n f N x f x x f /31 0,06 4 0,00 0,00 0,00-4,16 17,31 1, /31 0,03 6 0,03 1,00 0,03-3,16 9,99 0, /31 0,10 1 0,19 4,00 0,39 -,16 4,67 0, /31 0,16 0,48 9,00 1,45-1,16 1,35 0, /6 0,11 9 0,45 16,00 1,81-0,16 0,03 0, /31 0,6 45 1,9 5,00 6,45 0,84 0,71 0, /31 0,3 59 1,35 36,00 8,13 1,84 3,39 0, /31 0, ,3 49,00 1,58,84 8,07 0, /6 0,0 6 0,13 64,00 1,03 3,84 14,75 0,4 6 x x ( x x) ( ) x x f 360 º f 6 1 1,00 4,16 0,87 3, Dagrama de barras:
17 Departamento de Matemátcas Estadístca descrptva Dagrama de sectores: 3% 6% 3%% 6% 3% 10% 11% 16% Parámetros estadístcos: Moda: Mo Medana: Me 58 Meda: x = = 416 ' 6 Recorrdo = 8 0 = 8 = x6 = 5 porque es el valor de la varable con mayor frecuenca n 6 = 16 = x6 = 5 porque es el prmer valor de la varable con n 6 N 6 = 45 > = = 31 Varanza: σ = 356 ' ó σ = = = 355 ' Desvacón típca: σ = σ = 356 ' = 188 ' Coefcente de varacón: CV σ ' = = ' x 416 ' 17
18 Departamento de Matemátcas Estadístca descrptva Ejemplo III: CARACTER CUANTITATIVO CONTINUO o VARIABLE CONTINUA. X = cantdad, en centos de euros, gastada semanalmente en almentacón durante Poblacón = famlas que resden en el barro del Zadín de Granada (España). Tabla: x n f N 360 º f x f x I x f a h 1 0,5 1 0,5 0,75 3 1/0 0,05 3 6,00 18,0 0,04 0,56 0,03 1 1,5 0,5 1,5 8 /15 0, ,00 48,0 0,17 1,56 0,1 3 1,5 0,5 1,75 1 1/5 0,0 3 4,00 7,0 0,35 3,06 0, ,5 0 1/3 0, ,00 10,0 0,83 6,5, /6 0, ,00 60,0 0,67 16,00, ,5 7 7/60 0,1 60 1,40 4,0 0,88 56,5 6, ,00 360,0,94 1,16 Hstograma y polígono de frecuencas (absolutas): h ,5 1 1,
19 Departamento de Matemátcas Estadístca descrptva Parámetros estadístcos: Intervalo modal: I = [, [ 4 3 porque es el ntervalo con mayor frecuenca n 4 = 0 Intervalo medano: I = [, [ 4 3 porque es el prmer ntervalo con n 60 N 4 = 43 > = = 30 Meda: x = 94, Recorrdo = 10 0,5 = 9,5 Varanza: σ = ( ) 1, 16, 94 3' 60 Desvacón típca: σ = σ = 36 ' 19 ' Coefcente de varacón: CV σ ' = = ' x 94 ' 1.7. EJERCICIOS. 1. Sea X la puntuacón de los alumnos de la clase de 3º B de ESO del colego Vrgen de Graca de Granada (España) en un examen de Matemátcas, que toma los valores sguentes: 0, 0, 1,,, 3, 4, 5, 5, 5, 5, 6, 6, 7, 7, 7, 7, 8, 9, 9 a. Indcar cuál es la poblacón. b. Indcar cuál es el número de elementos de la poblacón. c. Indcar qué tpo de varable estadístca es X. d. Elaborar una tabla que recoja los datos anterores junto con las frecuencas. e. Completar la tabla anteror con las columnas necesaras para calcular las meddas de poscón central y de dspersón de la varable X. f. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 19
20 Departamento de Matemátcas Estadístca descrptva. Sea X el número de aparatos de teléfono por famla en el bloque de vecnos de la calle Pedro Antono de Alarcón nº 40 de Granada (España) a fecha marzo de 1998, que toma los sguentes valores: X n a. Indcar cuál es la poblacón. b. Cuál es el número de elementos de la poblacón? c. Razonar qué tpo de carácter estadístco es X. d. Completar la tabla anteror con las columnas necesaras para calcular las meddas de poscón central y de dspersón de la varable X. e. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 3. Sea X la marca de los automóvles que poseen los vecnos del bloque del ejercco anteror, con fecha Abrl 008, que toma los sguentes valores: X Mercedes Ctroën Renault Seat Honda Peugeot Otros n a. Indcar cuál es la poblacón y su número de elementos. b. Razonar qué tpo de caracter es X. c. Calcular la moda de la dstrbucón. d. Completar la tabla de frecuencas anteror. e. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 4. Sea X la cantdad, en decenas de euros, gastada los fnes de semana en saldas por los alumnos del tercer curso de la Facultad de Derecho de la Unversdad de Granada (España): I a x n [ 0, [ 6 [ 4, [ 9 [ 46, [ 11 [ 68, [ 6 [ 810, [ 8 N f F h = n / a 0
21 Departamento de Matemátcas Estadístca descrptva a. Indcar cuál es la poblacón y su número de elementos. b. Razonar qué tpo de caracter estadístco es X. c. Completar la tabla anteror con las columnas necesaras para calcular las meddas de poscón central y de dspersón de la varable X. d. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 5. Consderamos el sguente gráfco que corresponde a una varable estadístca X: n a. Indcar el nombre de la representacón gráfca anteror. b. Indcar qué tpo de varable estadístca es X. c. Qué frecuenca tene el ntervalo [ 10, 14 [? Y el [, [ 6 30? d. Deduce el número total de personas de la poblacón a partr del gráfco. e. Razona cuál es la moda. f. Reconstrur la tabla de la dstrbucón de X a partr de la representacón gráfca. g. Completar la tabla anteror con todas las columnas necesaras para poder calcular las meddas de poscón central y de dspersón de X. 1
22 Departamento de Matemátcas Estadístca descrptva 6. Consderamos el sguente gráfco que corresponde a un caracter estadístco X: a. Indcar el nombre de la representacón gráfca anteror. b. Indcar qué tpo de caracter es X. c. Cuál es la moda de la dstrbucón de datos? d. Cuántas modaldades tene el carácter? e. Reconstrur la tabla de las frecuencas de X a partr de la representacón gráfca. 7. Consderamos el sguente gráfco que corresponde a una varable estadístca X: a. Indcar el nombre de la representacón gráfca anteror. b. Razonar que tpo de carácter estadístco es X. c. Cuáles son las modaldades del carácter? d. Qué modaldad tene frecuenca 1 94? Cuál tene mayor frecuenca? e. Cuántos elementos tene la poblacón? f. Reconstrur la tabla de la dstrbucón de X a partr de la representacón gráfca. g. Completar la tabla anteror con todas las columnas necesaras para poder calcular las meddas de poscón central y de dspersón de X.
23 Departamento de Matemátcas Estadístca descrptva 8. Consderamos la sguente tabla: I a x n N [ 0, [ 7 5 [ 4, [ 5 [ 46, [ 5 [ 68, [ 15 [ 810, [ 15 f F h = n / a a. Razonar qué tpo de varable es X. b. Completar la tabla anteror con todas las columnas necesaras para calcular las meddas de poscón central y de dspersón de la varable X. c. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 9. La sguente tabla corresponde a la dstrbucón de una varable estadístca X: X N a. Indcar cuál es el número de elementos de la poblacón. b. Razonar el tpo de varable que es X. c. Completar la tabla anteror con todas las columnas necesaras para calcular las meddas de poscón central y de dspersón de la varable X. d. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X. 3
24 Departamento de Matemátcas Estadístca descrptva 10. La sguente tabla corresponde a la dstrbucón de un atrbuto X: X F Albno 430 Rubo Castaño Negro 30 Otros a. Indcar cuál es el número de elementos de la poblacón. b. Completar la tabla de frecuencas anteror. c. Elaborar todas las representacones gráfcas posbles que correspondan a la dstrbucón de la varable estadístca X BIBLIOGRAFÍA. Para la elaboracón de estos apuntes, se ha utlzado como materal: 1º Mayortaramente, las explcacones y ejerccos propuestos en clase por los profesores del Departamento de Matemátcas del Colego Vrgen de Graca (Granada). º Como ayuda para desarrollar y completar algunos apartados: -Apuntes del profesor Gregoro Gómez Sorano. 4
INTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesTEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables
Más detallesEstadística Descriptiva Análisis de Datos
El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesEstadística Empresarial I
Estadístca Empresaral I Tema Concepto de Estadístca EE I - Carlos G. García González - ULL Qué es la Estadístca? Concepto de Estadístca: La Estadístca forma parte de los métodos cuanttatvos que utlza la
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detalles4 E.M. Curso: NOMBRE: 4º. Colegio SSCC Concepción - Depto. de Matemáticas. Guía N. Unidad de Aprendizaje: Estadísticas
Curso: Colego SSCC Concepcón - Depto. de Matemátcas Undad de Aprendzaje: Estadístcas Capacdades/Destreza/Habldad: Raconamento Matemátco/ Comprensón, Aplcacón/ Valores/ Acttudes: Respeto, Soldardad, Responsabldad
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS GUÍA PARA PREPARAR EL EXAMEN EXTRAORDINARIO DE ESTADISTICA Y PROBABILIDAD
Más detallesCuaderno de actividades 4º ESO
Estadístca Undmensonal 1 Conceptos báscos. Cuaderno de actvdades º ESO Cualquer elemento o ente que sea portador de nformacón sobre alguna propedad en la cual se está nteresado se denomna ndvduo. El conjunto
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesESTADÍSTICA 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 detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detalles-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto:
-.GEOMETRÍA.- Ejercco nº 1.- Calcula el lado que falta en este trángulo rectángulo: Ejercco nº 2.- En los sguentes rectángulos, se dan dos catetos y se pde la hpotenusa (s su medda no es exacta, con una
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesT. 5 Estadísticos de forma de la distribución
T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
Más detallesCréditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias
Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detalles3.3 Caracterización de grupos: Estadísticos de forma de la distribución
3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesPRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso
PRACTICA 4 Asgnatura: Economía y Medo Ambente Ttulacón: Grado en cencas ambentales Curso: º Semestre: 1º Curso 010-011 Profesora: Inmaculada C. Álvarez Ayuso Inmaculada.alvarez@uam.es PREGUNTAS TIPO TEST
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesMatemáticas A 4º E.S.O. pág. 1
Matemátcas A º E.S.O. pág. HOJA : ESTADÍSTICA º.- Agrupa en ntervalos y construye una tabla de frecuencas (con la marca de clase ncluda) y la frecuenca absoluta de las sguentes alturas, meddas en centímetros,
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detalles