Universidad Diego Portales Facultad de Economía y Negocios. Martes 30 de Marzo, 2010 Slide 1
|
|
- Pilar Salas Godoy
- hace 5 años
- Vistas:
Transcripción
1 Universidad Diego Portales Facultad de Economía y Negocios Martes 30 de Marzo, 2010 Slide 1
2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos n Medidas de Localización n Medidas de Variabilidad n Medidas de localización Relativa y Detección de Outliers n Análisis de Datos Exploratorio n Medidas de Asociación entre dos Variables n La Media Ponderada y Datos Agrupados x Slide 2
3 Medidas de Localización n Media n Mediana n Moda n Percentiles n Cuartiles Slide 3
4 Ejemplo: Renta de Apartamentos Se presenta una muestra de valores de arriendo mensual ($) para departamentos de un ambiente. La muestra es de tamaño 70 en una ciudad particular. Los datos son presentados en orden ascendiente Slide 4
5 Media n La media de un conjunto de datos es el promedio de todos los valores de los datos. n Si los datos son muestrales, denotamos a la media mediante x xi x n n Si los datos provienen de la población, denotamos a la media por m (mu). xi N Slide 5
6 Ejemplo: Renta de Apartamentos n Media x x i 34, 356 n Slide 6
7 Mediana n La mediana es la medida de localización más frecuentemente usada para ingresos anuales y todo tipo de datos de valores de propiedad. n Si existen algunos datos extremadamente grandes de ingreso o valores de propiedad, esto puede inflar a la mediana. Slide 7
8 Mediana n La mediana de un conjunto de datos es el valor que se encuentra justo en el medio cuando los datos se ordenan en orden ascendente. n Para un número impar de observaciones, la mediana es también el valor de en medio. n Para un número par de observaciones, la mediana es el promedio de los dos valores centrales. Slide 8
9 Ejemplo: Renta de apartamentos n Mediana, Dónde se encontrará? En i! Mediana = 50th percentil i = (p/100)n = (50/100)70 = 35.5 Promediando el valor 35vo y 36vo tenemos (n par) : Mediana = ( )/2 = Slide 9
10 Moda n La moda de un conjunto de datos es el valor que ocurre con mayor frecuencia. n La mayor frecuencia puede ocurrir en dos o más valores diferentes n Si el conjunto de datos tiene exactamente dos modas, los datos se denominan bimodales. n Si el conjunto de datos tiene más de dos modas, los datos se denominan multimodales. Slide 10
11 Ejemplo: Renta de apartamentos n Moda 450 es el valor que más se repite (7 veces) Moda = Slide 11
12 Percentiles n Un percentil provee información acerca de cómo se encuentran esparcidos los datos sobre un intervalo, desde el valor más pequeño hasta el más grande. n Los puntajes de admisión a los colegios y universidades, por ejemplo, son comúnmente expresados en términos de percentiles. Slide 12
13 Percentiles n El pth percentil de un conjunto de datos es un valor tal que al menos un porcentaje p de los elementos toman dicho valor o menos, y al menos un porcentaje (100 - p) de los datos toman dicho valor o más. Primero hay que ordenar los datos de manera ascendente. Después computar el índice i, la posición del p-ésimo percentil. i = (p/100)n Si i no es entero, redondear. El percentil p-ésimo es el valor que se encuentra en la i-ésimo posición. Si i es un entero, el percentil p-ésimo es el promedio de los valores en las posiciones i-ésima y (i+1) -ésima. Slide 13
14 Ejemplo: Renta de apartamentos n Encontremos el percentil 90vo i = (p/100)n = (90/100)70 = 63 Promediando los valores 63vo y 64vo: 90vo Percentil = ( )/2 = Slide 14
15 Cuartiles n Los Cuartiles son únicamente percentiles con valores específicos n Primer Cuartil = 25th Percentil n Segundo Cuartil = 50th Percentil = Mediana n Tercer Cuartil = 75th Percentil Slide 15
16 Ejemplo: Renta de apartamentos n Tercer Cuartil Tercer Cuartil = 75th percentil i = (p/100)n = (75/100)70 = 52.5 = 53 Tercer Cuartil = Slide 16
17 Medidas de Variabilidad n Muchas veces es deseable considerar medidas de variabilidad o de dispersión, así como medidas de localización. n Por ejemplo, al escoger un proveedor A o un proveedor B, podríamos querer considerar no solo el promedio de tiempos de entrega de insumos que tiene cada uno, sino cuanto varían, en promedio, sus entregas de insumos. Slide 17
18 Medidas de Variabilidad n Rango n Rango Intercuartil n Varianza n Desviación Estándar n Coeficiente de Variación Slide 18
19 Rango n El rango de un conjunto de datos es la diferencia entre el valor más grande y el valor más chico. n Es la medida más simple de variabilidad. n Es muy sensible en relación a los valores muy grandes, o muy pequeños, de los datos. Slide 19
20 Ejemplo: Renta de apartamentos n Rango Rango = Mayor Valor Menor Valor Rango = = Slide 20
21 Rango Intercuartil n El Rango Intercuartil de un conjunto de datos es la diferencia entre el tercer y el primer cuartil. n Es el rango para el 50% de los datos centrales. n Ventaja: supera la sensibilidad en relación a valores extremos. Slide 21
22 Ejemplo: Renta de Apartamentos n Rango Intercuartil 3er Cuartil (Q3) = 525 1er Cuartil (Q1) = 445 Rango Intercuartil = Q3 - Q1 = = Slide 22
23 Varianza n La varianza es una medida de variación que utiliza toda la información proveniente de los datos. n Se encuentra basada en la diferencia entre el valor de cada observación (x i ) y media (x en una muestra, para la población). Slide 23
24 Varianza n La varianza es el promedio de las diferencias cuadradas entre cada valor de los datos y su media. n Si los datos son muestrales, denotamos a la varianza mediante s 2. s 2 ( x i x ) n 1 2 n Si los datos son poblacionales, denotamos a la varianza mediante 2. 2 ( xi ) N 2 Slide 24
25 Desviación Estándar n La desviación estándar de un conjunto de datos es la raíz cuadrada positiva de la varianza. n Se mide en las mismas unidades que los datos, lo que la hace más intuitiva y fácil de interpretar, que la varianza. n Si los datos son muestrales, la desviación estándar se denota mediante s. s n Si los datos son poblacionales, la desviación estándar se denota mediante (sigma). s 2 2 Slide 25
26 Coeficiente de Variación n El coeficiente de variación indica que tan grande es la desviación estándar con relación a la media. n Si los datos son muestrales, el coeficiente de variación se computa de la siguiente forma: s x ( 100) n Si los datos son poblacionales, el coeficiente de variación se computa de la siguiente forma : ( 100) Slide 26
27 Ejemplo: Renta de apartamentos n Varianza 2 s xi x 2 ( ) 2, n 1 n Desviación Estándar s 2 s n Coeficiente de Variación s x Slide 27
28 Medidas de Localización Relativa y Detección de Outliers n Valores z n Teorema de Chebyshev n Regla Empírica n Detección de Outliers Slide 28
29 Valores z n Los Valores z son llamados a veces valores estandarizados. n Es un número que denotan a cuántas desviaciones estándar se encuentra un valor x i de la media. n Si el valor del dato es Menor que la media muestral, tendrá un Valor z Mayor a cero (Positivo). n Si el valor del dato es Mayor que la media muestral, tendrá un Valor z Menor a cero (Negativo). n Un valor igual a la media tendrá un Valor z de cero. z i x i s x Slide 29
30 Ejemplo: Renta de apartamentos n Valores z para el valor más pequeño (425) z x i x s Valores z para todos los datos de nuestro ejemplo: Slide 30
31 Teorema de Chebyshev Dice que por lo menos (1-1/k 2 ) de los elementos en cualquier conjunto de datos se encontrará a k desviaciones estándar de la media. Aquí, k es cualquier valor mayor a 1. Por lo menos el 75% de los elementos se encontrarán alrededor de k = 2 desviaciones estándar de la media. Por lo menos el 89% de los elementos se encontrarán alrededor de k = 3 desviaciones estándar de la media. Por lo menos el 94% de los elementos se encontrarán alrededor de k = 4 desviaciones estándar de la media. Slide 31
32 Ejemplo: Renta de Apartamentos n Teorema de Chebyshev Sea k = 1.5 con = y s = Por lo menos (1-1/(1.5) 2 ) = = 0.56 o 56% de los valores de arriendo deben estar alrededor de x x x - k(s) = (54.74) = 409 y + k(s) = (54.74) = 573 Slide 32
33 Ejemplo: Renta de Apartamentos n Teorema de Chebyshev (continúa ) En realidad, el 86% de los valores de arriendo están entre 409 y Slide 33
34 Regla Empírica Para datos con distribuciones en forma de campana: Aproximadamente el 68% de los datos están alrededor de una desviación estándar de la media. Slide 34
35 Regla Empírica Para datos con distribuciones en forma de campana : Aproximadamente el 95% de los datos están alrededor de dos desviaciones estándar de la media. Slide 35
36 Regla Empírica Para datos con distribuciones en forma de campana: Casi todos (99.7%) de los datos están alrededor de tres desviaciones estándar de la media. Slide 36
37 Ejemplo: Renta de apartamentos n Regla Empírica Intervalo % en Intervalo Alrededor +/- 1s a /70 = 69% Alrededor +/- 2s a /70 = 97% Alrededor +/- 3s a /70 = 100% Slide 37
38 Detectando Outliers n Un outlier es un valor inusualmente pequeño o grande en un grupo de datos. n Un dato con un valor z menor a -3 o mayor que +3 puede ser considerado un outlier. n Puede tratarse de un dato que ha sido incorrectamente capturado, escrito o digitalizado. n Puede ser un dato perteneciente a otro grupo de datos, y erróneamente incluido en el conjunto de datos en el que estamos trabajando. n O puede ser un dato correcto que sí, efectivamente, corresponde a nuestro conjunto de datos de interés! Slide 38
39 Ejemplo: Renta de Apartamentos n Detectando Outliers Los valores z más extremos son y Usando la regla de z > 3 como criterio para la detección de outliers, no tenemos outliers en nuestro conjunto de datos Slide 39
40 Análisis de Datos Exploratorio n Resumen de 5-números n Box Plot Slide 40
41 Resumen de 5-números n Valor menor n Primer Cuartil n Mediana n Tercer Cuartil n Valor Mayor Slide 41
42 Ejemplo: Renta de Apartamentos n Resumen de 5-números Valor Menor = 425 Primer Cuartil = 450 Mediana = 475 Tercer Cuartil = 525 Valor Mayor = Slide 42
43 Box Plot n Se dibuja una caja cuyas puntas terminan en el primer y tercer cuartil n Se dibuja una línea vertical en la caja en la localización de la mediana. n Los límites se encuentran (no se dibujan) usando el Rango Intercuartil (IQR). El límite inferior se localiza 1.5(IQR) debajo de Q1. El límite superior se localiza 1.5(IQR) arriba de Q3. Todos los datos que se encuentran fuera de dichos límites son considerados outliers. continúa Slide 43
44 Box Plot (Continúa ) n Se dibujan líneas puntuadas desde las esquinas de la caja y hasta el valor más pequeño y más grande que existan dentro de los límites. n La localización de cada outlier se muestra con el símbolo *. Slide 44
45 Ejemplo: Renta de Apartamentos n Box Plot Límite Inferior: Q1-1.5(IQR) = (75) = Límite Superior: Q (IQR) = (75) = No existen Outliers Slide 45
46 Medidas de asociación entre dos Variables n Covarianza n Coeficiente de Correlación Slide 46
47 Covarianza n La covarianza es una medida de la asociación lineal entre dos variables. n Valores positivos de la covarianza indican una relación positiva entre las variables. n Valores negativos de la covarianza indican una relación negativa entre las variables. Slide 47
48 Covarianza n Si los datos son muestrales, denotamos covarianza mediante s xy. ( x x y y s i )( i ) xy n 1 n Si los datos son poblacionales, denotamos covarianza mediante. xy xy ( x )( y ) i x i y N Slide 48
49 Coeficiente de Correlación n El coeficiente puede tomar valores entre -1 y +1. n Valores cerca de -1 indican una fuerte asociación lineal negativa. n Valores cerca de +1 indican una fuerte asociación lineal positiva. n Si los datos son muestrales, denotamos al coeficiente mediante r xy. r xy s xy s s x y xy xy x y n Si los datos son muestrales, denotamos al coeficiente mediante xy. Slide 49
50 La media ponderada y cómo trabajar con datos agrupados n Media Ponderada n Media para datos agrupados n Varianza para datos agrupados n Desviación Estándar para datos agrupados Slide 50
51 Media Ponderada n Una Media Ponderada es cuando la media es calculada asignando a cada dato un peso específico que refleja su importancia dentro del grupo. n El cálculo de una promedio de grados (GPA en USA), es un ejemplo del cálculo de una media ponderado. En ese caso, los pesos asignados son los números de horas-crédito ganados para cada nota. n Cuando los datos varían en importancia, el analista debe escoger el peso que mejor refleje la importancia de cada valor. Slide 51
52 Media Ponderada x = w i x i w i Donde: x i = Valor de la observación i w i = Peso para la observación i Slide 52
53 Datos Agrupados n El cálculo de Media Ponderada puede ser usado para obtener aproximaciones para la media, la varianza y la desviación estándar de datos agrupados. n Para calcular la media ponderada, tratamos al punto medio de cada clase como si fuera la media de todos los elementos de dicha clase. n Calculamos una media ponderada de los puntos medios de clase usando las frecuencias de clase como pesos. n Similarmente, al calcular la varianza y la desviación estándar, las frecuencias de clase son usadas como pesos. Slide 53
54 n Datos Muestrales n Datos Poblacionales Donde: Media para Datos Agrupados x f f i i N M f f i = Frecuencia de la clase i M i = Punto medio de la clase i i M i i Slide 54
55 Ejemplo: Renta de Apartamentos Abajo se muestran los mismos datos de rentas mensuales pero se presentan como datos agrupados en la forma de una distribución de frecuencias. Renta ($) Frecuencia Slide 55
56 Ejemplo: Renta de Apartamentos n Media para Datos Agrupados Renta ($) f i M i f i M i Total , 525 x Esta aproximación difiere $2.41 de la Media Real de $ Slide 56
57 Varianza para Datos Agrupados n Datos Muestrales n Datos Poblacionales s 2 2 f fi ( Mi x ) n 1 i 2 ( Mi ) N 2 Slide 57
58 Ejemplo: Renta de Apartamentos n Varianza para Datos Agrupados s 2 3, n Desviación Estándar para Datos Agrupados s 3, Esta aproximación difiere solo $0.20 de la desviación estándar efectiva de $54.74 que encontramos anteriormente Slide 58
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 detallesESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS
UNIDAD 2 ESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS Medidas numéricas de posición, dispersión, forma y asociación 1 Medidas numéricas de posición, dispersión, forma y asociación Si se calculan para
Más detallesDESCRIPCIÓN 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 detallesTécnicas Cuantitativas para el Management y los Negocios
Técnicas Cuantitativas para el Management y los Negocios Contador Público Módulo I: ESTADÍSTICA DESCRIPTIVA Contenidos Módulo I Unidad 1. Introducción y conceptos básicos Conceptos básicos de Estadística.
Más detallesOARI 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 detalles3.1 Medidas de localización Media
3.1 Medidas de localización 83 3.1 Medidas de localización Media La medida de localización más importante es la media, o valor promedio, de una variable. La media proporciona una medida de localización
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 2. Medidas de Tendencia Central y Dispersión Pedro Elosegui Medidas de Descripción del Conjunto de Datos -Estadísticas sumarias que permiten describir
Más detalles1. 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 detallesAnálisis Exploratorio de Datos Resumen gráfico y numérico
INSTITUTO DE MATEMÁTICA Y FIsiCA Análisis Exploratorio de Datos Resumen gráfico y numérico DOCENTE Gloria Correa Beltrán Etapas del Método Científico Pasos a seguir en el Análisis Exploratorio de Datos
Más detallesMedidas de variabilidad (dispersión)
Medidas de posición Las medidas de posición nos facilitan información sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas características de esta serie de datos. Las
Más detallesUNIDAD I. ESTADISTICA
MEDIDAS DE ESTADÍSTICA DESCRIPTIVA (Tomado de: http://www.universidadabierta.edu.mx/serest/map/metodos%20cuantitativos/py e/tema_12.htm) UNIDAD I. ESTADISTICA 1.2 Medidas Descriptivas MEDIDAS DESCRIPTIVAS
Más detallesInstrumentos y matriz de datos
Curso: Estadística Instrumentos y matriz de datos Medidas descriptivas de Tendencia Central y Posición Estadística Descriptiva Profesor: Gonzalo Fernández Fecha: 19/09/2017 LOGRO DE LA SESIÓN Al finalizar
Más detallesCurso de Estadística Básica
Curso de SESION 4 MEDIA Y DESVIACIÓN ESTÁNDAR DE DISTRIBUCIONES DE FRECUENCIA, MEDIDAS DE POSICIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Calcular la media y desviación estándar
Más detallesEstadística I Tema 2: Análisis de datos univariantes Descripción numérica de datos
Estadística I Tema 2: Análisis de datos univariantes Descripción numérica de datos Descripción numérica de datos: medidas descriptivas Centro Posición Variación Forma media cuartiles rango coef. asimetría
Más detallesINTRODUCCIÓN AL USO DE PAQUETES COMPUTACIONALES
INTRODUCCIÓN AL USO DE PAQUETES COMPUTACIONALES TEMAS MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE DISPERSION MATRICES DEFINICIONES POBLACION: conjunto de elementos de referencia sobre el que se realizan las
Más detallesEstadística I Tema 2: Análisis de datos univariantes
Estadística I Tema 2: Análisis de datos univariantes Tema 2: Análisis de datos univariantes Contenidos Gráficas para datos categóricos (diagrama de barras, diagrama de sectores). Gráficas para datos numéricos
Más detallesParámetros Estadísticos básicos, Resumen y Presentación de datos. Jhon Jairo Padilla, PhD.
Parámetros Estadísticos básicos, Resumen y Presentación de datos Jhon Jairo Padilla, PhD. Motivación Los resúmenes y las representaciones de datos son esenciales porque: Enfocan al ingeniero en características
Más detallesEstadística Descriptiva 2da parte
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 2da parte 2 Cuatrimestre 2018 COMISIÓN :1. Prof. Dr. Juan Ignacio Pastore. Qué es la estadística? El contenido de la
Más detallesEstadística 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 detallesEstadística descriptiva VARIABLES CUANTITATIVAS
Estadística descriptiva VARIABLES CUANTITATIVAS DESCRIPTIVA Medidas de tendencia central Media Mediana Moda Medidas de dispersión Rango Varianza Desviación estándar Coeficiente de variación Cuantiles (
Más detallesEstadística 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 detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesLa estadística es una ciencia que demuestra que si mi vecino tiene
UNIDAD DOS MEDIDAS ESTADÍSTICAS La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno. Frase de George Bernard Shaw PALABRAS CLAVE Datos originales
Más detallesTema 3: Estadística Descriptiva
Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesEstadística para el análisis de los Mercados S2_A1.1_LECV1
5. Parámetros estadísticos. 5.1. Parámetros de centralización. Estos parámetros nos indican en torno a que puntos se encuentran los valores de la variable cuantitativa en estudio. Es la forma de representar
Más detallesTema 2 Estadística Descriptiva
Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 36 alumnos de un curso de Estadística de la Universidad de Talca. En esta base de datos
Más detallesEstadística Descriptiva en R: Parámetros y estadísticos. José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016)
Estadística Descriptiva en R: Parámetros y estadísticos José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016) Parámetros y Estadísticos Parámetro: Es una cantidad numérica calculada
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detalles1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Más detallesResumenes numéricas de una muestra de datos. M. Wiper Análisis Estadístico del Delito 1 / 41
Resumenes numéricas de una muestra de datos M. Wiper Análisis Estadístico del Delito 1 / 41 M. Wiper Análisis Estadístico del Delito 2 / 41 Objetivo Introducir medidas de localización, dispersión y asimetría
Más detallesMedidas de dispersión. Rango o recorrido. Desviación media. Medidas de dispersión
Inicio Aritmética Álgebra Geometría Cálculo Estadística Trigonometría A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan
Más detallesSe 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 detallesMEDIDAS NUMÉRICAS Tendencia central
MEDIDAS NUMÉRICAS Tendencia central La tendencia central se refiere al punto medio de una distribución. Las medidas de tendencia central se conocen también como medidas de posición. MEDIDAS NUMÉRICAS Dispersión
Más detallesTema 1: Análisis de datos univariantes
Tema 1: Análisis de datos univariantes 1 En este tema: Conceptos fundamentales: muestra y población, variables estadísticas. Variables cualitativas o cuantitativas discretas: Distribución de frecuencias
Más detallesx i = n = 35 5 =7 MEDIDAS DE CENTRALIZACIÓN Media aritmética: variables cuantitativas , x 2 Datos no agrupados: x 1 ,...,x n x= x 1 +x
MEDIDAS DE CENTRALIZACIÓN Media aritmética: variables cuantitativas Datos no agrupados: x 1, x 2,...,x n x= x 1 +x 2 +... x n n n i=1 = n Ejemplo: dados los valores: X = 1, 4, 16, 11, 3, 6, su media es
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesOBJETIVOS. Parámetros vs Estadísticos. Descripción de datos: Medidas numéricas. Capítulo 3
Lind,Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. UAMX Descripción de datos: Medidas numéricas Capítulo 3 FVela/McGraw-Hill/Irwin
Más detallesMedidas Descriptivas Numéricas
2. Mediana La mediana de una colección de datos, que previamente han sido ordenados, es aquél valor más central o que está más en medio en el conjunto de datos. En otras palabras, la mediana es mayor que
Más detallesMedidas de Tendencia central Medidas de Dispersión Medidas de Asimetría
Medidas de Tendencia central Medidas de Dispersión Medidas de Asimetría 1 Intento de resumir la distribución, expresando el valor que se puede considerar mas típico o representativo de los datos. El término
Más detallesEstadística Básica 1er Cuatrimestre 2012
Estadística Básica 1er Cuatrimestre 2012 En todo análisis y/o interpretación se pueden utilizar diversas medidas descriptivas que representan las propiedades de tendencia central, dispersión y forma, para
Más detallesMEDIDAS DE TENDENCIA CENTRAL
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMERICA) MEDIDAS DE TENDENCIA CENTRAL 20/05/2008 Ing. SEMS 2.1 INTRODUCCIÓN En el capítulo anterior estudiamos de qué manera los
Más detallesProfesora: Beatriz Ponce Nely TADA- 03
NOMBRE DEL ALUMNO: GRUPO: Unidad 1: Interpretación de información. Resultado de Aprendizaje 1.1: Agrupa y grafica conjunto de datos cualitativos y cuantitativos con base en la distribución de frecuencias.
Más detallesGuía de actividad Independiente No 5. Estadística Descriptiva. Nombre del estudiante: Fecha:
Guía de actividad Independiente No 5. NOMBRE DE LA ASIGNATURA: Estadística Descriptiva TUTOR: Deivis Galván Cabrera Nombre del estudiante: Fecha: 1. Al comenzar el curso se pasó una encuesta a los alumnos
Más detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes enviarlos a klasesdematematicasymas@gmail.com TRABAJO DE APLICACIÓN La siguiente base de datos se conformó por la información suministrada en la entidad financiera BankAmerica,
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesMedidas Descriptivas Numéricas
Percentiles, Deciles y Cuartiles Además de las medidas de tendencia central, dispersión y forma, también existen algunas medidas interesantes de posición que se utilizan al resumir y analizar las características
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
Más detallesUNIDAD 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 detallesPROBABILIDAD. Unidad I Ordenamiento de la Información
1 PROBABILIDAD Unidad I Ordenamiento de la Información 2 Captura de datos muestrales Conceptos básicos de la estadística 3 Población (o universo): Totalidad de elementos o cosas bajo consideración Muestra:
Más detallesEstadística. Sesión 4: Medidas de dispersión.
Estadística Sesión 4: Medidas de dispersión. Contextualización En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal es el caso del rango, la varianza y la desviación estándar,
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesMedidas de posición para variables cuantitativas
Medidas de posición para variables cuantitativas Objetivos Que deberían saber al terminar esta clase: Qué es el valor mínimo y el máximo Qué es la moda o modo y como se interpreta Qué son los percentiles,
Más detallesLECCIÓN PÚBLICA. Tema 2 Medidas de Tendencia Central, Posición y Variabilidad. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 2 Medidas de Tendencia Central, Posición y Variabilidad Profa. María Fátima Dos Santos 1 Reducción de observaciones Medidas de posición MTC / datos no agrupados MTC / datos agrupados
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesMedidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesPara tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil.
Tomar decisiones es una gran responsabilidad. Para tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil. Generalmente se necesita una porción de la base de datos o muestra
Más detallesMÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesProbabilidad 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 detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesEstadística I. Finanzas y contabilidad
Estadística I. Finanzas y contabilidad Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad. Modelos probabilísticos.
Más detallesTema 1. Estadística Unidimensional
Tema 1. Estadística Unidimensional 1. Conceptos Básicos. Gráfcas estadísticas 3. Medidas de centralización y dispersión: media, rango, desviación típica, coefciente de variación 4. Medidas de posición:
Más detallesTEMA 14: ESTADÍSTICA 1. CONCEPTOS ESTADÍSTICOS
1. CONCEPTOS ESTADÍSTICOS TEMA 14: ESTADÍSTICA Población: conjunto formado por todos los individuos sobre los que se realiza un estudio. (ejercicio 1 cuestionario) Muestra: subconjunto de la población
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesEstadísticas 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 detallesEstadísticas Elemental Medidas de dispersión 3.1-1
Estadísticas Elemental Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión. Cuando la dispersión es grande, los valores se
Más detalles3 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 detallesEstadísticas aplicadas a la. Javier Toro, Ph.D. Psicólogo Clínico
Estadísticas aplicadas a la psicología Javier Toro, Ph.D. Psicólogo Clínico MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central son aquellas que identifican el punto en la distribución respecto
Más detallesCLASIFICACIÓN DE LA ESTADÍSTICA
Estadística aplicada a la Investigación Docente: BC. Aníbal Espínola Cano CLASIFICACIÓN DE LA ESTADÍSTICA 1 ESTADÍSTICA DESCRIPTIVA Ordenando la Información Al ordenar datos muy numerosos, es usual agruparlos
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA NOMBRE DEL ALUMNO(A): MAESTRO: Francisco Javier Tapia Moreno MATERIA: Estadística 1 ACTIVIDAD: Práctica 5. LUGAR Y FECHA: Hermosillo, Sonora, a 23 de febrero de 2017. 1. Introducción.
Más detallesEstadística 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 detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detalles2.2: Resumen numérico
2.2: Resumen numérico Medidas de localización. Medidas de dispersión. Medidas de forma. Lecturas recomendadas: Capítulos 2 a 6 del libro de Peña y Romo (1997) Capítulos 3 a 7 del libro de Portilla (2004)
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesEstadística. Población. Muestra. Probabilidad. rohen
Estadística Población Muestra Probabilidad Juntemos la estadística y la probabilidad. Al realizar un experimento aleatorio muchas veces, esperamos que los resultados obtenidos sean gobernados por sus probabilidades.
Más detallesRENTABILIDAD Y RIESGO
RENTABILIDAD Y RIESGO 1. MEDICIONES 1. SITUACIÓN La rentabilidad que tienen que entregar las inversiones, no solo involucran el beneficio natural que debe otorgar al capital por su utilización, sino la
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resumen sirven para describir en forma resumida un conjunto de datos que constituyen una muestra tomada de alguna población. Podemos distinguir cuatro
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesMedidas de Variabilidad
Medidas de Variabilidad 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 detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesESTADÍSTICA 1.- NOCIONES GENERALES
ESTADÍSTICA 1.- NOCIONES GENERALES : Conjunto de elementos cuyo conocimiento es objeto de estudio. Ejemplo: Jóvenes de Laguna de Duero. : Parte de la población cuyo estudio sirve para inferir características
Más detallesESTADISTICA DESCRIPTIVA. Mediante la presentación ordenada de los datos observados en tablas y gráficos estadísticos.
ESTADISTICA DESCRIPTIVA 1. DEFINICION La estadística es una ciencia que facilita la toma de decisiones: Mediante la presentación ordenada de los datos observados en tablas y gráficos estadísticos. Reduciendo
Más detallesII. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS
UNIVERSIDAD INTERAMERICANA PARA EL DESARROLLO ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS Contenido II. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS II. Tablas de frecuencia II. Gráficos: histograma, ojiva, columna,
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL. 30/09/2004 Proyecto MaMaEuSch 1
ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL 0/09/00 Proyecto MaMaEuSch Estadística Ciencia que trata sobre los métodos científicos para: Recoger, organizar, resumir y analizar datos Sacar conclusiones relevantes
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detalles