Formas de una Curva de Frecuencias

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

Download "Formas de una Curva de Frecuencias"

Transcripción

1 Formas de una Curva de Frecuencias Cuando se tiene una muestra de las observaciones de una variable, éstas se pueden graficar a través de un polígono de frecuencias relativas. Cuando este polígono es suavizado, se da origen a una curva de frecuencias. Estas curvas son representaciones poblacionales de los datos muéstrales considerados. Lo más común es que una curva de frecuencia tenga una forma aproximadamente normal (simétrica). La importancia de la determinación de la forma de la curva de frecuencias de donde provienen los datos muestrales, radica en que éste

2 hecho, es de fundamental relevancia para la estimación aproximada de importantes parámetros poblacionales tales como, y p entre otros. La aproximación de éstos parámetros se hará a través de estimadores o estadísticas muestrales como y pˆ entre otras X, S A continuación se ilustra un polígono de frecuencias relativas suavizado a través de una curva de frecuencias relativas. En general, una curva de frecuencias puede asumir diversas formas, las más comunes son: Sesgada a la Derecha Aplanada

3 Simétrica Normal Sesgada a la Izquierda Empinada Existen algunos coeficientes que permiten medir de manera aproximada la forma de una curva de frecuencias. Estos coeficientes son: el coeficiente de sesgo y el coeficiente de curtosis. 7.1 Coeficiente de Sesgo (Asimetría) Uno de los aspectos importantes a estudiar es el grado de asimetría de una curva. Es de interés, el poder determinar si los datos tienen una representación poblacional a través de una curva aproximadamente simétrica. El coeficiente de sesgo, es una medida numérica a través de la cual se puede determinar si los datos de una variable tienen una distribución simétrica o sesgada.

4 C.S. = k i1 f i. X i n. S X 3 3 Sesgada a la Derecha C.S. > 0 Simétrica C.S. = 0 Sesgada a la Izquierda C.S. < Coeficiente de Asimetría (Sesgo) de Pearson Otra forma de determinar el grado de asimetría de una curva es a través del Coeficiente de Asimetría de Pearson, el cual mide el mismo, a través de la diferencia entre la media y la mediana en relación con la desviación estándar del grupo de medidas. Lo anterior se expresa a través de las fórmulas:

5 Asimetría de la Población = Asimetría de la Muestra = 3 X ~ ~ 3X X S En una distribución simétrica, el valor del coeficiente de asimetría, será siempre cero (C.S. = 0), por que la media y la mediana son iguales entre si en valor. En una distribución simétrica positiva (C.S. > 0), la media será siempre mayor que la mediana; en consecuencia, el valor del coeficiente es positivo. En una distribución simétrica negativa (C.S. < 0), la media siempre es menor que la mediana; por lo tanto, el valor del coeficiente es negativo. 7.3 Coeficiente de Curtosis Otro de los aspectos importantes a estudiar es si los datos tienen una representación más alta o más baja que la Curva Normal Estandarizada (esta es una curva simétrica llamada campana de Gauss). Para esto se calcula un coeficiente llamado coeficiente de curtosis. Este coeficiente es una medida numérica a través de la cual se puede determinar si los datos de una variable tienen una distribución Aplanada (Platicúrtica), normal (Mesocúrtica) o empinada (Leptocúrtica). K = k i1 f. X i i n. S X Aplanada o Platicúrtica K < 0 Normal o Mesocúrtica K = 0

6 Empinada o Leptocúrtica Otra forma de calcular K > 0 el Coeficiente de Curtosis es a través de una fórmula en función de los cuantiles P10, Q1, Q3 y P90. Ésta se ilustra a continuación: Q K = 2P P 3 90 Q En una distribución normal o mesocúrtica, el valor del coeficiente de curtosis, será igual a (K = 0.263). En una distribución aplanada o platicúrtica el valor del coeficiente de curtosis, será menor a (K < 0.263) y en una distribución empinada o leptocúrtica el valor del coeficiente de curtosis, será mayor a (K > 0.263). Ejemplo 50 : Considérense los datos tabulados en la Tabla A del Ejemplo 26 para calcular los coeficientes de sesgo y curtosis Desarrollo Coeficiente de Sesgo Se sabe que la media es X = y la desviación estándar es S = 4.22 Clases Intervalos f i X i X i X (X i X ) 3 f i.(x i X ) 3 Clase Clase Clase Clase Clase Clase Clase C.S. = 7 i1 f i. X i

7 ( ) + ( ) + (289.44)... + ( ) C.S. = = (50).(4.22) 3 Si se aplica la fórmula del Coeficiente de Asimetría de Pearson, dado que se conocen los valores X = 63.18, X ~ = 63.3 y S = 4.22 se tiene: Asimetría de la Muestra = ~ 3 X X S = = 0.1 Se concluye que la distribución de las estaturas del curso de 50 alumnos de estadística de la UNET, tiene una curva de frecuencia que se distribuye de una forma sesgada a la izquierda o negativa. C.S. < 0 Sesgada a la Izquierda Coeficiente de Curtosis Clases Intervalos f i X i X i X (X i X ) 4 f i.(x i X ) 4 Clase Clase Clase Clase Clase Clase Clase

8 K = 7 i1 f i. X i ( ) + ( ) + ( ) ( ) K = 3 = (4.22) 4 Si se calcula Coeficiente de Curtosis es a través de la fórmula en función de los cuantiles P10, Q1, Q3 y P90, se tiene: Q K = 2P P 3 90 Q 1 10 = = < Se concluye que la distribución de las estaturas del curso de 50 alumnos de estadística de la Universidad Nacional Experimental del Táchira, tiene una curva de frecuencia que se distribuye de una forma aplanada o platicúrtica. K < 0 Aplanada o Platicúrtica Una representación poblacional aproximada de los datos tabulados en la Tabla A del Ejemplo 26, se puede ilustrar a través de una curvada aplana y sesgada a izquierda de acuerdo a los coeficientes de sesgo y curtosis calculados en el ejemplo anterior Ejemplo 50. Esta curva es ilustrada a continuación:

9 Curva aplanada y sesgada a la izquierda 7.4 Teorema de Tchebyscheff Tchebyscheff fue un matemático Ruso del siglo XIX, el cual planteó y demostró un teorema que permite asegurar que cuando se tiene un conjunto de datos provenientes de cualquier distribución de los que se conoce la media X y la desviación estándar S, se puede asegurar que para una distancia hs de la media X con h > 1 se encuentran por lo 1 menos 1 100% 2 h de las observaciones de la distribución. hs hs X (hs) X X + (hs) R Tchebyscheff asegura que en el intervalo ( X hs, X + hs) están por 1 lo menos un 1 100% de todas las observaciones. 2 h Ejemplo 51 : Se realizan las mediciones del tamaño de los tiburones de una muestra de tamaño 30. Los resultados obtenidos están dados a través de la tabla adjunta:

10 Tome k = 2 y utilice el teorema de Tchebyscheff para predecir el % de datos que se encuentran entre ( X hs, X + hs). Desarrollo Se tiene que X = 3.93 y S = 0.82 lo cual se usa para calcular el intervalo (3.93 (2)(0.82), (2)(0.82)) = (2.29, 4.75). De acuerdo al teorema de Tchebyscheff por los menos el % 2 = 75% de los 2 tiburones de la muestra están comprendidos entre 2.3 y 4.8. (2)(0.82) = 1.64 (2)(0.82) = 1.64 (3.93) (2)(0.66) 3.93 (3.93) + (2)(0.82) R Ejemplo 52 : Si para un conjunto de datos la media es 45 y la desviación estándar es 5. Qué porcentaje se puede garantizar que están entre 35 y 55? Desarrollo Al graficar se tiene: hs = 10 hs = 10

11 (45) hs hs = 10 R Por otra parte dado que hs = 10, entonces se tiene que h = 10/5 = 2. De acuerdo al teorema de Tchebyscheff se puede asegurar que por lo menos el % 2 = 75% de las observaciones se encuentran entre 2 35 y Cuando los datos de una variable corresponden a una distribución aproximadamente Normal (curva simétrica llamada campana de Gauss), los resultados del teorema de Tchebyscheff se expresan de la siguiente manera: Es decir; El 68% de los datos se encuentran en el intervalo ( ; + ) El 95% de los datos se encuentran en el intervalo ( 2 ; + 2 )

12 El 99.75% de los datos se encuentran en el intervalo ( 3 ; + 3 ) Ejemplo 53 : Una fábrica de productos alimenticios a fijado el peso promedio de cierto alimento enlatado en 450 gramos, con una desviación estándar de 12 gramos. Supóngase que la curva que representa los pesos tiene una distribución simétrica en forma de campana. Responda lo siguiente: 1.) Qué proporción de latas pesa más de 462 gramos? 2.) Qué proporción de latas pesa más de 474 gramos? 3.) Qué proporción de latas pesa entre 414 gramos y 486 gramos? Desarrollo Al aplicar el teorema de Tchebyscheff a datos que provienen de una distribución aproximadamente simétrica acampanada se tiene: 1.) Se calcula el valor de h. Para esto, se usará el hecho de que + h = h(12) = 462 h = 1. De ahí que como el 68% de los datos se encuentran en el intervalo ( ; + ), se tiene que la proporción de latas que pesa más de 462 gramos es (1 0.68)/2 x 100% = 16%. 2.) Se calcula el valor de h. Para esto, se usará el hecho de que + h = h(12) = 474 h = 2. De ahí que como el 95% de los datos se encuentran en el intervalo ( 2 ; + 2 ), se tiene que la proporción de latas que pesa más de 474 gramos es (1 0.95)/2 x 100% = 2.5%.

13 3.) Se calcula el valor de h. Para esto, se usará el hecho de que h = h(12) = 414 h = 3. Además por otro lado también se obtiene h por + h = h(12) = 486 h = 3. De ahí que como el 99.75% de los datos se encuentran en el intervalo ( 3 ; + 3 ), se tiene que la proporción de latas que pesa entre 414 y 486 gramos es 99.75%.

Asimetría Coeficiente de Asimetría de Fisher

Asimetría Coeficiente de Asimetría de Fisher Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el

Más detalles

TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES

TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número

Más detalles

ESTADÍSTICA SEMANA 3

ESTADÍSTICA SEMANA 3 ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...

Más detalles

ESTADÍSTICA INFERENCIAL. Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas

ESTADÍSTICA INFERENCIAL. Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas ESTADÍSTICA INFERENCIAL Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas que toman estrictamente valores enteros,

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Medidas de Tendencia Central En un análisis estadístico, el promedio o centro físico de una distribución de datos de una variable en estudio es de interés fundamental. Aquellas medidas que se acerquen

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Estadística Inga Patricia Juárez, 2017 MEDIDAS DE TENDENCIA CENTRAL

Estadística Inga Patricia Juárez, 2017 MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central nos proporcionan la descripción significativa de un conjunto de observaciones. Como su nombre lo indica, son datos de una variable que tienden

Más detalles

UNIDAD 7 Medidas de dispersión

UNIDAD 7 Medidas de dispersión UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas

Más detalles

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos

Más detalles

Experimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}

Experimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX} 1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,

Más detalles

Estimación de Parámetros. Jhon Jairo Padilla A., PhD.

Estimación de Parámetros. Jhon Jairo Padilla A., PhD. Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de

Más detalles

Estimación de Parámetros. Jhon Jairo Padilla A., PhD.

Estimación de Parámetros. Jhon Jairo Padilla A., PhD. Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

DESCRIPCIÓN DE DATOS. Medidas Numéricas

DESCRIPCIÓN DE DATOS. Medidas Numéricas DESCRIPCIÓN DE DATOS Medidas Numéricas MEDIDAS DE TENDENCIA CENTRAL O POSICIÓN MEDIA ARITMÉTICA O PROMEDIO Media poblacional Cualquier característica medible de una población recibe el nombre de parámetro

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 2: Estadística descriptiva Tema 2: Estadísticos 1 Medidas La finalidad de las medidas de posición o tendencia central (centralización) es encontrar unos valores que sinteticen

Más detalles

Estadística Descriptiva en SPSS

Estadística Descriptiva en SPSS Estadística Descriptiva en SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 22 de

Más detalles

Estadística Descriptiva 2da parte

Estadística Descriptiva 2da parte Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 2da parte 1 Cuatrimestre 2014 Prof. Marina Tomei. Jueves de 8 a 10 hs. Mg. Stella Maris Figueroa. juevesde 13 a 105hs.

Más detalles

Tema 6. Variables aleatorias continuas

Tema 6. Variables aleatorias continuas Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),

Más detalles

Tema 5. Variables Aleatorias

Tema 5. Variables Aleatorias Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,

Más detalles

Julio Deride Silva. 18 de agosto de 2010

Julio Deride Silva. 18 de agosto de 2010 Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 18 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride

Más detalles

Estadística Descriptiva

Estadística Descriptiva Nociones de Probabilidades y Estadística Estadística Descriptiva Luis A. Salomón Departamento de Ciencias Matemáticas Escuela de Ciencias, EAFIT Luis A. Salomón (EAFIT) Inspira Crea Transforma Curso 2016

Más detalles

DISTRIBUCION JI-CUADRADA (X 2 )

DISTRIBUCION JI-CUADRADA (X 2 ) DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra

Más detalles

Transformaciones de Potencia

Transformaciones de Potencia Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen

Más detalles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira

Más detalles

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada

Más detalles

478 Índice alfabético

478 Índice alfabético Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión

Más detalles

OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN

OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN Licenciatura en Gestión Ambiental 2015 Estimación de estadísticos descriptivos Una descripción cuantitativa de datos incluye:

Más detalles

Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Dispone de 1 hora para resolver las siguientes cuestiones planteadas. ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Más detalles

TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION

TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION 1. Percentiles, cuartiles y deciies. 2. Estadígrafos de Posición. 3. Sesgo y curtosis o de pastel. Pictogramas. OBJETIVOS DE UNIDAD GENERALES. Que el futuro

Más detalles

5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD

5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina

Más detalles

RELACIÒN ENTRE LOS PROMEDIOS

RELACIÒN ENTRE LOS PROMEDIOS Capítulo : RELACIÒN ENTRE LOS PROMEDIOS INTRODUCCIÓN La Estadística es una ciencia matemática que se utiliza para describir, analizar e interpretar ciertas características de un conjunto de individuos

Más detalles

Análisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz

Análisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz Análisis de datos y gestión n veterinaria Tema 1 Estadística descriptiva Prof. Dr. José Manuel Perea Muñoz Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, de Septiembre

Más detalles

El Método Científico. Metodología de Investigación. Te sifón Parrón

El Método Científico. Metodología de Investigación. Te sifón Parrón El Método Científico Metodología de Investigación Te sifón Parrón Bioestadística Para qué sirve la Bioestadística? DESCRIPTIVA Sistematización, recogida, ordenación y presentación de los datos referentes

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la

Más detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1 Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Universidad Técnica de Babahoyo ESTADÍSTICA DESCRIPTIVA MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL OBJETIVO Analizar y Describir las Características de una Muestra a través de sus estadísticos ó estadígrafos

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE

Más detalles

Estimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido

Estimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:

Más detalles

METODOS ESTADÍSTICOS

METODOS ESTADÍSTICOS METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.

Más detalles

Muestreo y Distribuciones en el Muestreo

Muestreo y Distribuciones en el Muestreo Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo

Más detalles

( x) Distribución normal

( x) Distribución normal Distribución normal por Oliverio Ramírez La distribución de probabilidad más importante es sin duda la distribución normal (o gaussiana), la cual es de tipo continuo. La distribución de probabilidad para

Más detalles

ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS

ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;

Más detalles

IMADIL /10/2014

IMADIL /10/2014 TEMA 3: Características estadísticas fundamentales (Segunda parte: Dispersión y forma) Ignacio Martín y José Luis Padilla IMADIL 2014-2015 2 POSICIÓN DISPERSIÓN ESTADÍSTICOS SIMETRÍA APUNTAMIENTO 3. ESTADÍSTICOS

Más detalles

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión

Más detalles

Estimación de Parámetros.

Estimación de Parámetros. Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un

Más detalles

Teorema del límite central

Teorema del límite central TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución

Más detalles

Estimación de Parámetros

Estimación de Parámetros Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación

Más detalles

Sumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...

Sumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad... ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro

Más detalles

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24 Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00

Más detalles

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >> UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >> UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO En las unidades anteriores se manejó el uso de la distribución z, la cual

Más detalles

LABORATORIO DE REFUERZO PRIMER PARCIAL (2015) GANARE MI PRIMER PARCIAL (UNIREFORZANDO)

LABORATORIO DE REFUERZO PRIMER PARCIAL (2015) GANARE MI PRIMER PARCIAL (UNIREFORZANDO) LABORATORIO DE REFUERZO PRIMER PARCIAL (205) GANARE MI PRIMER PARCIAL (UNIREFORZANDO) Se cuenta con los gastos en Q. sobre el consumo de gasolina de una empresa durante un dia, siendo los siguientes, agrupados

Más detalles

INFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez

INFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez INFERENCIA ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez TEMA III ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE CONFIANZA La estimación puntual es útil pues proporciona

Más detalles

LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO

LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA

Más detalles

Número de árboles Crecimiento (m)

Número de árboles Crecimiento (m) UNIVERSIDAD PÚBLICA DE NAVARRA Hoja. Estadística Descriptiva. En un bosque con distintas especies de árboles se anota la longitud en metros que han crecido a lo largo del año, obteniéndose la tabla de

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

Distribuciones Fundamentales de Muestreo y Descripciones de Datos

Distribuciones Fundamentales de Muestreo y Descripciones de Datos Distribuciones Fundamentales de Muestreo y Descripciones de Datos UCR ECCI CI-135 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Muestreo Aleatorio En este tipo de muestreo, todos

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ADMINISTRATIVAS

UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ADMINISTRATIVAS Capítulo 6: DESVIACIÓN ESTÁNDAR INTRODUCCIÓN Como podemos observar, en el mundo de hoy necesitamos conocer con detalle un conjunto de datos, no basta con conocer solo las medidas de tendencia central,

Más detalles

Intervalo para la media si se conoce la varianza

Intervalo para la media si se conoce la varianza 178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol

Más detalles

Estimaciones puntuales. Estadística II

Estimaciones puntuales. Estadística II Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un

Más detalles

Cap 7 Intervalos de Confianza

Cap 7 Intervalos de Confianza Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información

Más detalles

El modelo de la curva normal. Concepto y aplicaciones

El modelo de la curva normal. Concepto y aplicaciones Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 7 El modelo de la curva normal. Concepto y aplicaciones Objetivos Comprender

Más detalles

RELACIÓN DE EJERCICIOS TEMA 2

RELACIÓN DE EJERCICIOS TEMA 2 1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación

Más detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 2. Estudio de mercado: ESTADÍSTICA 1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.

Más detalles

Habilidades Matemáticas. Alejandro Vera

Habilidades Matemáticas. Alejandro Vera Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos

Más detalles

Distribución normal estándar. Juan José Hernández Ocaña

Distribución normal estándar. Juan José Hernández Ocaña Distribución normal estándar Juan José Hernández Ocaña Tipos de variables jujo386@hotmail.com Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.

Más detalles

Tema 7 Intervalos de confianza Hugo S. Salinas

Tema 7 Intervalos de confianza Hugo S. Salinas Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca

Más detalles

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de

Más detalles

La Distribución Normal. La Distribución Normal. Características de la distribución de probabilidad normal

La Distribución Normal. La Distribución Normal. Características de la distribución de probabilidad normal La Distribución Normal La Distribución Normal Características de la distribución de probabilidad normal La familia de la distribución de probabilidad normal La distribución normal estándar Áreas bajo la

Más detalles

1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k

1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k 1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.

Más detalles

Distribuciones de Probabilidad Continuas

Distribuciones de Probabilidad Continuas Distribuciones de Probabilidad Continuas En el caso de variables aleatorias continuas, las funciones densidad de probabilidad más comunes y de uso más frecuente en inferencia estadística son: 1. Función

Más detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

Se quiere medir la dispersión de una muestra a través de su localización. En primer lugar, definimos una medida relacionada con la media.

Se quiere medir la dispersión de una muestra a través de su localización. En primer lugar, definimos una medida relacionada con la media. Medidas de dispersión Se quiere medir la dispersión de una muestra a través de su localización. En primer lugar, definimos una medida relacionada con la media. Ya habiendo calculado la media, x de una

Más detalles

BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN

BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes

Más detalles

3 ANALISIS DESCRIPTIVO DE LOS DATOS

3 ANALISIS DESCRIPTIVO DE LOS DATOS 3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3

Más detalles

DISTRIBUCIONES DE FRECUENCIAS

DISTRIBUCIONES DE FRECUENCIAS Distribuciones de frecuencias CAPITULO 2 DATOS SUELTOS Se les llama datos sueltos a los datos recolectados que no han sido organizados numéricamente. Un ejemplo es el conjunto de las estaturas de 100 estudiantes

Más detalles

Universidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales

Universidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales Universidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales Programa Analítico de la Asignatura: ESTADISTICA I Jefe del Departamento de: Prof.: Jefe de Cátedra: Profesores

Más detalles

Programa Regular. Probabilidad y Estadística.

Programa Regular. Probabilidad y Estadística. Programa Regular Probabilidad y Estadística. Modalidad de la asignatura: teórico-práctica. Carga horaria: 5hs. Objetivos: Con relación a los conocimientos a impartir en el desarrollo de la materia, es

Más detalles

Unidad 1. a. Probabilidades y Estadística

Unidad 1. a. Probabilidades y Estadística Unidad 1 a. Probabilidades y Estadística 1 IN3401 SEMESTRE OTOÑO, 2012 ESTADÍSTICA DESCRIPTIVA (Continuación) 2 Medidas de Tendencia Central Media Geométrica 3 La media geométrica proporciona una medida

Más detalles

CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA

CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA 1 (4.1) DISTRIBUCIÓN NORMAL 2 4.1.1- ASPECTOS GENERALES: Al graficarse los diferentes valores obtenidos de una variable X se obtiene una distribución

Más detalles

La distribución de Probabilidad normal, dada por la ecuación:

La distribución de Probabilidad normal, dada por la ecuación: La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada

Más detalles

Tema 2. Organización y representación de datos

Tema 2. Organización y representación de datos Tema 2. Organización y representación de datos 1. DISTRIBUCIÓN DE FRECUENCIAS 2. REPRESENTACIONES GRÁFICAS 3. MEDIDAS DE POSICIÓN: CENTILES 4. OTROS CUANTILES DECILES CUARTILES 5. EJERCICIOS Bibliografía:

Más detalles

MEDIDAS DE DISTRIBUCION

MEDIDAS DE DISTRIBUCION MEDIDAS DE DISTRIBUCION ASIMETRIA Y CURTOSIS Dr. EDGAR APAZA ZUÑIGA UNIVERSIDAD NACIONAL DEL ALTIPLANO MEDIDAS DE DISTRIBUCIÓN Las Medidas de Distribució permite idetificar y caracterizar la forma e que

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4 M.Sc. JIMMY DELGADO VILLCA 1. PARAMETRO Y ESTADIGRAFO Se entiende por parámetro a una característica o atributo de la población, en otras palabras se la puede entender

Más detalles

TH. DE CHEBYSHEV DISTRIB. NORMAL.

TH. DE CHEBYSHEV DISTRIB. NORMAL. f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso

Más detalles

Probabilidad y Estadística, EIC 311

Probabilidad y Estadística, EIC 311 Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda

Más detalles

RELACIÓN 1. DESCRIPTIVA

RELACIÓN 1. DESCRIPTIVA RELACIÓN 1. DESCRIPTIVA 1. En un estudio sobre el número de bacterias que aparecen en determinados cultivos se tomaron 1 de estos cultivos y se contó el número de bacterias que aparecieron en cada uno

Más detalles

Medidas de Distribución

Medidas de Distribución Medidas de Distribución Trabajo a realizar de este tema: En Excel 2003 hoja 1, prepara un(os) cuadro(s) sinópticos o mapas conceptuales o mapas mentales que sinteticen éste capítulo. En la hoja 2 y en

Más detalles

DISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π

DISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π DISTRIBUCIÓN NORMAL. Es la más importante de las distribuciones teóricas, es también conocida con los nombres de curva normal y curva de Gauss. De Moivre publico en 1773 su trabajo sobre la curva normal

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9) PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12

Más detalles

Recopilación: Camerina Laura Ramírez G. ESTADÍSTICA. Recopilación: Camerina Laura Ramírez G.

Recopilación: Camerina Laura Ramírez G. ESTADÍSTICA. Recopilación: Camerina Laura Ramírez G. ESTADÍSTICA DEFINICIÓN La Estadística es una disciplina que utiliza recursos matemáticos para organizar y resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15

Más detalles

DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES

DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES Muestreo Laura A. Gonzalez Objetivo: conocer características de una población a partir de una muestra Características Parámetros Los estadísticos

Más detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Curso de nivelación Estadística y Matemática Primera clase: Estadística Descriptiva Programa Técnico en Riesgo, 2016 Agenda 1 Tipos de variables y niveles de medición 2 3 Tipos de variables Variables Cuantitativas

Más detalles