E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
|
|
- Victoria Crespo Muñoz
- hace 7 años
- Vistas:
Transcripción
1 E.U.I.T.I. Blbao Asgnatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
2 E.U.I.T.I. Blbao Asgnatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 2: ESTADÍSTICA DESCRIPTIVA
3 1. RESUMEN Métodos para resumr y descrbr conjuntos de datos medante dstntos tpos de tablas, gráfcos y meddas estadístcas Palabras clave: datos cuanttatvos y cualtatvos datos dscretos y contnuos dstrbucón de frecuencas dagramas de barras y de sectores, hstograma meda, medana, moda, cuantles varanza, desvacón típca, asmetría, datos atípcos
4 2. ÍNDICE DEL TEMA 2.1. Introduccón 2.2. Datos Defncón Tpos Descrpcón 2.3. Representacones gráfcas Varable cuanttatva dscreta Varable cuanttatva contnua Varable cualtatva
5 2. ÍNDICE DEL TEMA 2.4. Representacones numércas. Síntess de datos Parámetros y estadístcos Tpos Meddas de centralzacón: meda, moda y medana Meddas de dspersón: recorrdo, varanza y desvacón típca Meddas de poscón no central: cuartles, percentles y z-score Datos atípcos Dagramas de caja
6 Observacón 2. INTRODUCCIÓN Encuestas..... Datos Expermentos Descrpcón Clasfcacón Ordenacón { x } 1, x 2,, x k { x } ( 1, 2,, k ) Sere estadístca
7 2. INTRODUCCIÓN Objetvo básco: descrbr de forma senclla los datos para presentarlos de forma clara y concsa Sere estadístca x n 1 n x x 1 + x n x n s 2 x n 1 ( x x ) n 1 2 Métodos numércos Presentacón Métodos gráfcos Una magen vale más que ml palabras
8 3. DATOS: DEFINICIÓN Dato (ó caracter): cualdad o propedad nherente del ndvduo la observacón del ndvduo se descrbe medante uno o más datos EJEMPLOS INDIVIDUO LIBRO de una bbloteca OPERARIO de un taller A PIEZAS producdas en taller A DATOS Peso, dmensones, número de hojas, color de pastas, autor, Sexo, edad, grupo sanguíneo, número de hjos, número de pezas producdas por día, Tamaño, caldad, peso, color,
9 4.DATOS: TIPOS Cualtatvos (ó categórcos): característcas de la poblacón que no pueden asocarse a valores numércos Representacón gráfca: dagrama de barras y de sectores EJEMPLOS INDIVIDUO LIBRO de una bbloteca OPERARIO de un taller A PIEZAS producdas en taller A DATOS Color de pastas, autor, Sexo, grupo sanguíneo, color de ojos, Caldad, color,
10 4.DATOS: TIPOS Cuanttatvos (ó numércos): característcas de la poblacón que pueden asocarse a valores numércos Son medbles Se llaman varables estadístcas (X, Y, Z, ) Sus dstntas posbldades se llaman valores (x, y, z, ) Tpos: dscretos y contnuos
11 Dscretos 4.DATOS: TIPOS Cuanttatvos (ó numércos): característcas de la poblacón que pueden asocarse a valores numércos conteo de una característca toman valores enteros Asocarlos con el verbo CONTAR representacón gráfca: dagrama de barras EJEMPLOS INDIVIDUO LIBRO de una bbloteca OPERARIO de un taller A PIEZAS producdas en taller A DATOS Nº de págnas, nº de volúmenes, Nº de hjos, nº accdentes laborales, Nº pezas/día,
12 4.DATOS: TIPOS Cuanttatvos (ó numércos): característcas de la poblacón que pueden asocarse a valores numércos Contnuos toman nfntos valores en un ntervalo dado representacón gráfca: hstograma EJEMPLOS Asocarlos con el verbo MEDIR INDIVIDUO LIBRO de una bbloteca OPERARIO de un taller A PIEZAS producdas en taller A DATOS Peso, Altura, peso, Peso, dámetro de una arandela,
13 4.DATOS: TIPOS EJEMPLO muestra cualtatva POBLACIÓN: personas resdentes en una cudad MUESTRA: 50 personas (N50) DATO 1: opnón sobre una película (buena, mala, regular) DATO 2: edad (para clasfcar opnón por edades) muestra cuanttatva undmensonal
14 5.DATOS: DESCRIPCIÓN Recorrdo: dferenca entre el valor mayor y el valor menor de una sere estadístca Rxmax-xmn una varable estadístca, X, puede tomar dferentes valores { } ( 1, 2,, k ) x EJEMPLO: temperatura de una persona enferma a lo largo de una semana: R41,5º-37,5º4º
15 5.DATOS: DESCRIPCIÓN Frecuenca (absoluta): número de veces que se repte el valor x en el conjunto de las observacones notacón: ( 1, 2,, k ) n Frecuenca relatva: cocente entre la frecuenca absoluta y el número de observacones realzadas, N notacón: f ( 1, 2,, k ) n N f 100 % nterpretacón: proporcón de aparcones del valor x respecto del total de observacones k 1 propedad: f 1
16 5.DATOS: DESCRIPCIÓN Frecuenca absoluta acumulada: número de observacones hasta la nclusve; se obtene sumando las frecuencas absolutas de los valores xj / j (1,, k) notacón: j j N n j 1 N k N Frecuenca relatva acumulada: cocente entre la frecuenca absoluta acumulada y el número de observacones realzadas, N notacón: ( ) k,,, N N F 2 1 j 1 j j j j j j j j j f N n n N N N F
17 5.DATOS: DESCRIPCIÓN Tabla de dstrbucón de frecuencas : formato de ordenacón y presentacón de los datos varable estadístca, X, cuanttatva o cualtatva dscreta
18 5.DATOS: DESCRIPCIÓN 100 f 12% : el número de veces que se repte el valor x supone el 12% de la muestra (ejemplo) F 48% 100 : todos los valores menores o guales que x totalzan el 48% de la muestra (ejemplo)
19 5.DATOS: DESCRIPCIÓN EJEMPLO. La sguente tabla muestra los ttulados de la U.P.V./E.H.U. en el año 2001 por tpos de ttulacón:
20 5.DATOS: DESCRIPCIÓN EJERCICIO. Los sguentes datos son los números de taras observadas en una muestra de 48 sábanas producdas por una empresa textl: Obtener la tabla de frecuencas
21 5.DATOS: DESCRIPCIÓN EJERCICIO. Solucón
22 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase : smplfcacón de conjuntos de datos con un número de valores elevado (ó varables contnuas) se clasfcan los valores en grupos (ntervalos de clase) se susttuye cada medda por el valor del centro del ntervalo (marca de clase) smplfcacón pérdda de nformacón
23 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase INTERVALOS DE CLASE acotados extremo nferor de un ntervalo gual al extremo superor del ntervalo anteror sere: { } j x [ L, L + 1 ) { x j / L x j < L +1 } 1, 2,,k número apropado de ntervalos: k N ampltud constante (sempre que el problema lo permta) A L +1 L ( 1, 2,,k )
24 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase MARCA DE CLASE [ L ) L punto medo de cada ntervalo L, L +1 M 2 valor que representa la nformacón que contene un ntervalo faclta representacones gráfcas y el cálculo de parámetros estadístcos pérdda de nformacón: sólo tene en cuenta el número de observacones dentro de cada ntervalo y no la dstrbucón en su nteror
25 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase EJEMPLO Edades en años de 26 nños número de ntervalos: 26 5 recorrdo: x max x mn , 6 se amplían los ntervalos ncal y fnal para contener todas las observacones en ntervalos de ampltud constante: A3
26 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase EJEMPLO Edades en años de 26 nños
27 5.DATOS: DESCRIPCIÓN Varables agrupadas en ntervalos de clase TABLA DE FRECUENCIAS ( ) ( ) 1. rango de datos (recorrdo): rango max x mn 2. número de ntervalos: k N 3. ntervalos de gual ampltud (s es posble) x
28 REPRESENTACIONES GRÁFICAS
29 1. INTRODUCCIÓN Analzar el sguente gráfco y opnar sobre la nformacón que sumnstra
30 1. INTRODUCCIÓN Analzar el sguente gráfco y opnar sobre la nformacón que sumnstra Uso capcoso de la Estadístca
31 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de barras en el eje de abscsas se colocan los dferentes valores de la varable { } ( 1, 2,, k ) x sobre cada una de ellos se levanta una barra (ó línea) cuya altura es la frecuenca (que se mde, por tanto, en el eje de ordenadas) conjunto de barras vertcales cuyas alturas suman N (frecuenca absoluta) ó 1(frecuenca relatva)
32 2.VARIABLE CUANTITATIVA DISCRETA Polígono de frecuencas gráfco en el que se muestran las frecuencas de los dferentes valores de la varable y, luego, se conectan los puntos del gráfco medante líneas rectas es decr, se obtene unendo los extremos superores de las barras de un dagrama de barras
33 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de barras y polígono de frecuencas EJEMPLO: número de días de baja de los trabajadores de una fábrca
34 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de barras EJEMPLO: dagrama de barras de frecuenca absoluta
35 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de barras EJEMPLO: dagrama de barras de frecuenca relatva
36 2.VARIABLE CUANTITATIVA DISCRETA Polígono de frecuencas EJEMPLO: para la frecuenca absoluta
37 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de tallo y hojas forma efcente de representar un conjunto de datos numércos de tamaño pequeño o medano se dvde cada valor de datos en dos partes (el talloy la hoja) método semgráfco
38 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de tallo y hojas Procedmento se redondean los datos a dos o tres cfras sgnfcatvas (undades adecuadas) se dsponen los datos en dos columnas separadas por una línea datos de dos cfras: decena en la columna zquerda (tallo) y undades en la columna derecha (hoja) alneadas con la decena datos de tres cfras: decenas y centenas en la columna zquerda (tallo) y undades en la columna derecha (hojas) alneadas ejemplo 1: número 75 Tallo Hoja 7 5 ejemplo 2: números 751 y 757 Tallo Hojas 75 1, 7
39 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de tallo y hojas Ejemplo: El sguente gráfco de tallo y hojas muestra el peso en klos de 50 deportstas masculnos de una competcón de atletsmo 16 hojas en el tallo 6 16 ndvduos con pesos entre 60kg. y 69kg.
40 2.VARIABLE CUANTITATIVA DISCRETA Dagrama de tallo y hojas Ejemplo: Parece un hstograma grado con el añaddo de que presenta todos los valores exstentes en cada clase
41 3.VARIABLECUANTITATIVACONTINUA Hstograma caso partcular del dagrama de barras varables agrupadas en ntervalos de clase: representacón de frecuencas medante áreas de rectángulos se obtene levantando sobre cada ntervalo de clase un rectángulo cuyo área sea gual a la frecuenca del msmo s los ntervalos son correlatvos los rectángulos aparecen pegados en la representacón gráfca
42 3.VARIABLECUANTITATIVACONTINUA Hstograma Procedmento ordenar los datos en forma crecente elegr los ntervalos de clase de forma que todos aparezcan en uno de ellos construr una tabla de frecuencas dbujar las barras adyacentes con alturas guales a las frecuencas obtendas s la ampltud de los ntervalos no es gual para todos hay que hacer concdr el área del rectángulo con la frecuenca del ntervalo
43 3.VARIABLECUANTITATIVACONTINUA Hstograma Ejemplo: nveles de colesterol de 40 empleados de una empresa observacones
44 3.VARIABLECUANTITATIVACONTINUA Hstograma Ejemplo: nveles de colesterol de 40 empleados de una empresa tabla de frecuencas
45 3.VARIABLECUANTITATIVACONTINUA Hstograma Ejemplo: nveles de colesterol de 40 empleados de una empresa hstograma
46 3.VARIABLECUANTITATIVACONTINUA Hstograma Ejemplo: nveles de colesterol de 40 empleados de una empresa polígono de frecuencas
47 3.VARIABLECUANTITATIVACONTINUA Hstograma permte organzar y presentar los datos gráfcamente con lo que puede prestarse atencón a determnadas característcas mportantes de dchos datos: la smetría la dspersón la concentracón en los dferentes ntervalos s exsten brechas entre los datos s algunos valores están muy separados de otros
48 3.VARIABLECUANTITATIVACONTINUA Hstograma
49 4.VARIABLECUALITATIVA Dagrama de barras Eje de ordenadas: frecuencas Eje de abscsas: caracteres cualtatvos M atemátcas Flosofía Derecho Económcas Químcas Ing. Técnca Tt ulacones
50 4.VARIABLECUALITATIVA Dagrama de sectores tambén: gráfcos de tarta o de questos se traza un círculo y se asgna un sector crcular a cada uno de los caracteres cualtatvos sendo la ampltud del sector proporconal a la frecuenca del carácter se consgue hacendo corresponder 360º a la suma de todas las frecuencas de los caracteres y hallando la correspondente proporconaldad
51 4.VARIABLECUALITATIVA Dagrama de sectores para el ejemplo anteror 671; 6% 4753; 46% 1235; 12% 2135; 21% Matemátcas Flosofía Derecho Económcas Químcas Ing. Técnca 452; 4% 1121; 11%
52 SÍNTESIS DE CONJUNTOS DE DATOS SÍNTESIS DE CONJUNTOS DE DATOS REPRESENTACIONES NUMÉRICAS
53 1. INTRODUCCIÓN se ha vsto como descrbr y representar de forma gráfca los conjuntos de datos ahora se van a obtener meddas que permtan sntetzar los datos son magntudes numércas cuyos valores venen determnados por dchos datos
54 2. DEFINICIÓN: PARÁMETROS Parámetro: cantdad numérca calculada sobre una poblacón ejemplo: altura meda de los ndvduos de un país se pretende resumr toda la nformacón de la poblacón en unos pocos números: parámetros Notacón: letras gregas meda poblaconal: µ varanza poblaconal: 2 σ número de elementos de la poblacón: N
55 2. DEFINICIÓN: ESTADÍSTICOS Estadístco (ó estadístco muestral): cantdad numérca calculada sobre una muestra medda cuanttatva, dervada de un conjunto de datos de una muestra, cuyo objetvo es estmar o contrastar característcas de una poblacón ejemplo: altura meda de los presentes en este aula Notacón: letras latnas meda muestral: x es una muestra representatva de la poblacón (país, en este caso)? varanza muestral: 2 s número de elementos de la muestra: n
56 2. PARÁMETROS Y ESTADÍSTICOS Estmador: estadístco que se usa para aproxmar un parámetro generalmente, nteresa conocer un parámetro pero, por la dfcultad de estudar toda la poblacón, se calcula un estmador en una muestra y se confía en que sean próxmos se verá como elegr muestras para que el error sea pequeño con una determnada confanza
57 3.TIPOS DE ESTADÍSTICOS Estadístcos de poscón dan nformacón sobre la poscón relatva de una observacón dentro del conjunto de datos para su cálculo es necesaro que los datos se ordenen de menor a mayor Tpos: Centrales (de tendenca central ó de centralzacón), ndcan valores (valor central) respecto a los cuales los datos parecen agruparse: meda, medana y moda No centrales para conocer otros puntos característcos de la dstrbucón que no son los valores centrales; los cuantles son aquellos valores de la varable que dvden a la dstrbucón en partes que contenen el msmo número de ndvduos
58 3.TIPOS DE ESTADÍSTICOS Estadístcos de dspersón señalan la dspersón en conjunto de todos los datos de la dstrbucón respecto de la medda o meddas de poscón adoptadas Tpos: Dspersón absoluta : recorrdo, varanza, desvacón típca, recorrdo ntercuartílco Dspersón relatva : coefcente de varacón de Pearson Dagrama de caja
59 3.TIPOS DE ESTADÍSTICOS Estadístcos de forma Estudan la smetría y la deformacón respecto de una dstrbucón modelo denomnada dstrbucón normal Tpos: smetría (sesgo): coefcente de asmetría deformacones respecto a la moda y a la medana curtoss (apuntamento): coefcente de curtoss
60 3.TIPOS DE ESTADÍSTICOS Estadístcos de concentracón concentracón de una dstrbucón frente a la unformdad Tpos: curva de Lorenz índce de Gn
61 3.TIPOS DE ESTADÍSTICOS Ejemplos gráfcos
62 3.TIPOS DE ESTADÍSTICOS Notacón en las sguentes defncones se van a denotar las n observacones del conjunto de datos estudado como sgue: x 1, x 2,, x n
63 4.MEDIDAS DE CENTRALIZACIÓN Meda muestral: estadístco que se usa para ndcar el centro de un conjunto de datos defnda como la meda artmétca de los valores de los datos (notacón, x): x n 1 n x x 1 + x ejemplo: meda de 7, 11, 11, 8, 12, 7, 6, 6 n x n x 8 1 n x , 5
64 4.MEDIDAS DE CENTRALIZACIÓN Meda muestral: cálculo s la muestra de n datos se organza en una tabla de frecuencas, los valores x se suceden con sus frecuencas n, entonces: ejemplo: x n 1 n n x x 4 1 n n x 56, 5 10 kg.
65 4.MEDIDAS DE CENTRALIZACIÓN Meda muestral: cálculo s la varable esta agrupada en k ntervalos de clase se asgnan las frecuencas a las marcas de clase y se procede como s la varable fuera dscreta: ejemplo: k k k k x f x n n n x n x años x n n x
66 4.MEDIDAS DE CENTRALIZACIÓN Meda muestral: debldad debldad como ndcador del centro de un conjunto de datos ya que resulta muy afectada por los valores extremos ejemplo: X { 1, 6, 211, 2, 8, 12, 7, 9, 10, 4 } x Un solo valor de la muestra es mayor que la meda
67 4.MEDIDAS DE CENTRALIZACIÓN Medana: valor que dvde el conjunto de datos en dos partes guales; es decr, es el valor medo cuando los datos están ordenados de menor a mayor la mtad de los valores son menores que la medana y la otra mtad son mayores que la medana notacón: Me ó ~ x x~ M e tér tér mn o mn o [( n + 1) / 2 ] ( n / 2) + tér mn o [( n / 2) + 1] 2 cuando n es mpar cuando n es par
68 4.MEDIDAS DE CENTRALIZACIÓN Medana: valor que dvde el conjunto de datos en dos partes guales; es decr, es el valor medo cuando los datos están ordenados de menor a mayor ejemplo: X { 1, 6, 8, 12, 17 } M e 8 n 5 2 ejemplo: X { 1, 6, 8, 12, 17, 21} M e n 6 2 ndca orden dentro de la muestra sólo usa un únco valor central ó un par de valores centrales: no le afectan los valores extremos
69 4.MEDIDAS DE CENTRALIZACIÓN Medana: cálculo con tabla de frecuencas se dvde el número de observacones entre 2: n x k + x k+ 1 N k M e 2 2 : n 2 N 9 3 n 2 M e x 3 + x x 5,944 6
70 4.MEDIDAS DE CENTRALIZACIÓN Medana: cálculo con tabla de frecuencas se dvde el número de observacones entre 2: n 2 n N k N 2 < < Nk + 1 : M e x x k +1 n N 2 5 < 7,5 < 9 N 2 M e x 3 5 x 5,867 3
71 4.MEDIDAS DE CENTRALIZACIÓN Medana: cálculo con ntervalos de clase fundamentalmente se habla de clase medana que es aquélla cuya frecuenca acumulada sobrepasa o es gual n/2 la medana para datos agrupados se calcula hallando el valor de la varable que dvde al hstograma en dos partes guales?
72 4.MEDIDAS DE CENTRALIZACIÓN Moda: valor de la varable que más veces se repte, es decr, el valor que tene mayor frecuenca absoluta en un conjunto de datos en un conjunto de datos puede que: no exsta moda (todas las frecuencas son guales) haya más de una moda (multmodal) notacón: MO con datos cualtatvos no se puede calcular la meda n la medana pero sí la moda con datos agrupados en ntervalos de clase se habla de clase modal: aquélla(s) con mayor frecuenca
73 4.MEDIDAS DE CENTRALIZACIÓN Cuál es la más apropada? depende del tpo de datos la moda puede calcularse para datos cualtatvos y cuanttatvos s el número de observacones es muy pequeño la meda se ve muy afectada por los valores extremos, sn embargo, la medana no s el número de observacones es grande la medana y la meda tenden a ser guales la meda es más fácl de calcular que la medana
74 5.MEDIDAS DE DISPERSIÓN Introduccón Las meddas de centralzacón proporconan un valor para representar certa nformacón de los datos hay nformacón mportante que no se tene en cuenta se necesta conocer lo dspersos que están los datos ejemplo x n y n 5, ,5 2
75 5.MEDIDAS DE DISPERSIÓN Introduccón ejemplo x n x y 6 x~ y ~ 6 ( M O ) ( M ) 6 x O y y n 5, ,5 2 Conjuntos de datos dferentes aunque las meddas centrales concden
76 5.MEDIDAS DE DISPERSIÓN Introduccón: concepto de dspersón concepto de dspersón o varabldad ejemplo: los estudantes de una asgnatura recben dferentes calfcacones; es decr, hay varabldad en las notas causa prncpal: dferencas ndvduales en el conocmento de la matera aunque todos los alumnos tengan exactamente los msmos conocmentos lo más probable es que las calfcacones no sean guales para todos por dferentes motvos dferencas ndvduales en la habldad ante un examen varabldad por error de medda: un examen escrto no es una herramenta perfecta para medr el conocmento aleatoredad o varabldad por azar
77 5.MEDIDAS DE DISPERSIÓN Recorrdo: dferenca entre la mayor observacón y la menor observacón del conjunto de datos es la medda de dspersón más smple da una dea senclla sobre la dspersón de los datos se basa en los datos extremos y no nforma sobre como se dstrbuyen Re max ( x ) mn ( x ) H L k k
78 5.MEDIDAS DE DISPERSIÓN Recorrdo: dferenca entre la mayor observacón y La menor observacón del conjunto de datos se usa en control de caldad porque se trabaja con muestras de tamaño pequeño muy sensble a los datos extremos (outlers) por lo que no es la mejor medda de dspersón 1, ,8 6 0,6 Ser e1 5 4 Ser e1 0,4 3 0,
79 5.MEDIDAS DE DISPERSIÓN Varanza: estadístco que ndca el mayor o menor grado de dspersón de los valores de la muestra respecto de su meda artmétca meda de la suma de las desvacones a la meda al cuadrado (notacón, s 2 ): s 2 n 1 ( x x ) para datos agrupados en ntervalos de clase: n 2 s 2 r 1 ( x x ) n 2 n r: número de clases x: marca de clase n: frecuenca de la clase
80 Varanza 5.MEDIDAS DE DISPERSIÓN ( ) n n x x s r ( ) r f x x s r x r r f x f x x f x s x f x x x f x s r r x n n x s r
81 5.MEDIDAS DE DISPERSIÓN Varanza: nconvenente sus undades no concden con las undades de la varable sus undades son el cuadrado de las undades de la varable s las undades son mnutos mnutos al cuadrado? s se mden alturas metros al cuadrado para obtener una dea aproxmada, nunca exacta, de la dspersón hay que obtener la raíz cuadrada que es la desvacón típca
82 5.MEDIDAS DE DISPERSIÓN Desvacón típca: raíz cuadrada de la varanza notacón: s s n 1 ( x x ) n 2 para datos agrupados en ntervalos de clase: s r 1 ( x x ) n 2 n r: número de clases x: marca de clase n: frecuenca de la clase
83 5.MEDIDAS DE DISPERSIÓN Ejemplo tabla de frecuencas con los pesos, meddos en klos, de 10 recén nacdos en una materndad x 6 1 n 1 32, 39 n x 3, kg. 2 s x 0,1547 kg 2. sx s 2 x 0, 3933 kg.
84 6. CAMBIOS DE VARIABLE Meddas de centralzacón y dspersón a veces, es necesaro realzar un cambo de escala dado que los valores consderados son grandes en estos casos se realza un cambo de varable de tpo lneal: y a + b x los estadístcos estudados se ven afectados de la sguente manera: meda: varanza: y a + b x s b y s x desvacón típca: s y b s x
85 7.MEDIDASDEPOSICIÓNNOCENTRAL Introduccón Consttuyen una medda únca y se calcula cuando los datos son numércos para stuar la dstrbucón y dar una dea de su poscón Indcan la poscón de un dato en un conjunto ordenado de datos ó la poscón relatva respecto a la meda
86 7.MEDIDASDEPOSICIÓNNOCENTRAL Cuantl de orden p: valor de la varable por debajo del cual se encuentra una frecuenca relatva acumulada p. meddas de poscón que dvden a la dstrbucón en un certo número de partes de manera que en cada una de ellas hay el msmo porcentaje, p, de valores de la varable tpos: cuartles, decles, percentles, z-score, notacón: p C ( 0 < p < 1)
87 7.MEDIDASDEPOSICIÓNNOCENTRAL Cuantl de orden p: valor de la varable por debajo del cual se encuentra una frecuenca relatva acumulada p. nforman del valor de la varable que ocupa la poscón (en tanto por cento) que nos nterese respecto del conjunto de varables
88 7.MEDIDASDEPOSICIÓNNOCENTRAL Cuartles: tres valores de la varable que dvden el conjunto de datos en cuatro partes guales (tres dvsones) notacón: Q1,Q 2 Me, Q3 prmer cuartl (ó cuartl nferor): medana de la prmera mtad de los valores; es decr, valor de la varable que, aproxmadamente, deja el 25% de las observacones menores ó guales que él notacón: Q 1 cálculo: como el de la medana pero consderando n 4
89 7.MEDIDASDEPOSICIÓNNOCENTRAL segundo cuartl (ó cuartl medo): se trata de la medana ya que es el valor de la varable que deja la mtad (50%) de las observacones menores ó guales que él notacón: Q M 2 e tercer cuartl (ó cuartl superor): es la medana de la segunda mtad de las observacones; es decr,el valor de la varable que, aproxmadamente, deja el 75% de las observacones menores ó guales que él notacón: Q 3 cálculo: como el de la medana pero consderando 3n 4
90 7.MEDIDASDEPOSICIÓNNOCENTRAL Ejemplo: cálculo de cuartles
91 7.MEDIDASDEPOSICIÓNNOCENTRAL Ejemplo: cálculo de cuartles prmer cuartl: n 42 N 10 3 < 10, 5 < N 13 Q
92 7.MEDIDASDEPOSICIÓNNOCENTRAL Ejemplo: cálculo de cuartles tercer cuartl: 3n N 6 24 < 315, < N Q 3 12
93 7.MEDIDASDEPOSICIÓNNOCENTRAL Percentl (ó centl k ésmo ): valor de la varable que deja nferores o guales a él, aproxmadamente, el k% de los datos notacón: k P ( k 1, 2, 3,, 99 ) cálculo: análogo al de los cuartles y medana ejemplo anteror: P 90 N 90n 35 < 37, 8 < N P 90 x8 14
94 7.MEDIDASDEPOSICIÓNNOCENTRAL z score (undades tpfcadas): ndca el número de desvacones típcas en que un valor dado, x, se stúa por encma o por debajo de la meda de su muestra ó poblacón cálculo: z x x x µ z s σ descrbe la poscón de un dato respecto a la meda medda en térmnos de la desvacón típca z<0: la observacón está a la zquerda de la meda z>0: la observacón está a la derecha de la meda se puede usar, tambén, para comparar valores de dferentes muestras o poblacones
95 8. DATOS ATÍPICOS Datos atípcos (outlers ): observacones que son numércamente dstantes del resto de los datos y, por tanto, son heterogéneas con los demás datos son observacones extremadamente pequeñas ó grandes en comparacón con los otros datos pueden ser debdas a: error de medda, por ejemplo, la observacón procede de una poblacón dferente error en la ntroduccón o la transcrpcón de los datos observacón correcta pero corresponde a un suceso poco común (atípco)
96 8. DATOS ATÍPICOS Deteccón z-score: z x s x dato atípco es aquel cuyo z > 3 de otra forma, son atípcos aquellos tales que: x [ x 3 s, x + s ] 3 x método adecuado cuando el hstograma tene forma de campana
97 8. DATOS ATÍPICOS Deteccón medante los percentles: se obtenen los percentles 25 y 75 (cuartles 1 y 3): P 25 Q1, P75 Q se calcula el rango ntercuartílco (mde la dspersón de la mtad central del conjunto de datos), IQRRIC: 3 IQR Q 3 Q1 P75 P25
98 8. DATOS ATÍPICOS Deteccón medante los percentles: datos atípcos: x < P 1. 5 IQR x > P IQR datos atípcos extremos: x x < > P P IQR + 3 IQR
99 8. DATOS ATÍPICOS Deteccón: ejemplo los datos sguentes corresponden al tempo necesaro para procesar 25 trabajos en una CPU tabla de frecuencas con datos en ntervalos de clase hstograma deteccón de datos atípcos
100 8. DATOS ATÍPICOS Deteccón: ejemplo ntervalos de clase número: 25 5 valor mínmo: x mn valor máxmo: x max recorrdo: 4.73 rango del hstograma: ampltud de los ntervalos:
101 8. DATOS ATÍPICOS Deteccón: ejemplo tabla de frecuencas y cálculo de estadístcos
102 hstograma 8. DATOS ATÍPICOS Deteccón: ejemplo
103 8. DATOS ATÍPICOS datos atípcos: z-score Deteccón: ejemplo x : 3 < z < 3 por tanto, no hay datos atípcos en la muestra sn embargo, como el hstograma no tene forma de campana este método no es el más adecuado para detectar datos atípcos
104 8. DATOS ATÍPICOS Deteccón: ejemplo datos atípcos: percentles IQR Q Q P P P x 25 > IQR P IQR dato atípco: [ 1. 19, ] no hay datos atípcos extremos: [ 3. 2, ] x
105 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) gráfco representatvo de las dstrbucones de un conjunto de datos se construye usando cnco meddas descrptvas (números resumen) de los datos menor valor: L mayor valor: H los tres cuartles: Q1, Q2, Q3 L H 0,02 4,75 CUARTIL 1 CUARTIL 2 CUARTIL 3 0,8200 1,3800 2,1600 ejemplo anteror
106 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) los cnco números resumen dvden la muestra en cuatro ntervalos que contenen el 25% de los datos, aproxmadamente [ L,Q ] [ Q ] [ Q ] 2, Q 1 1, Q [ ] 2 3 Q 3, H nformacón que sumnstra: sobre la tendenca central, la dspersón y la smetría de los datos de estudo permte dentfcar, con clardad, lo datos atípcos
107 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) etmología deado por John Tukey en 1977 nombre orgnal: box and whsker plot (dagrama de caja y bgotes) Orgen de las palabras, razón de su exstenca de su sgnfcacón y de su forma
108 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) dseño en el eje horzontal se dbuja un segmento entre los valores menor (L) y mayor (H) de los datos superpuesta a este segmento se coloca una caja que comenza en el prmer cuartl y termna en el tercer cuartl, con lo que contene el 50% central de las observacones (rango ntercuartílco) dentro de la caja se ndca el valor del segundo cuartl medante una línea vertcal
109 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) dseño se denomnan bgotes a las partes del segmento rectlíneo que quedan a ambos lados de la caja generalmente, los bgotes se trazan de forma que no lleguen hasta los extremos (valores máxmo y mínmo) sno que comprendan los valores del ntervalo [ Q, 5 IQR,Q + 1, 5 IQR ] fuera de ese ntervalo los valores se consderan atípcos
110 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) dseño
111 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) volvendo al ejemplo anteror:
112 8. DATOS ATÍPICOS Deteccón: dagrama de caja (boxplot) ejemplo:
113 Deteccón: desgualdad de Chebycheff sea una muestra de n valores: meda: 8. DATOS ATÍPICOS x desvacón típca: s sea el ntervalo: ( x k s, x + k s ) en ese ntervalo hay un porcentaje del total de datos que es superor o gual a : k
114 8. DATOS ATÍPICOS Deteccón: desgualdad de Chebycheff es decr, s nk es el número de datos contendos en el ntervalo se cumple : n k N k este resultado permte establecer otro crtero que determna s un dato es atípco suelen consderarse atípcos los datos que se encuentran a más de tres desvacones típcas de la meda (ya usado en la deteccón de datos atípcos con el z-score la frecuenca relatva de estos datos atípcos es menor de 9 1
115 8. DATOS ATÍPICOS Deteccón: desgualdad de Chebycheff la proporcón de datos cuyo valor dsta de la meda menos de 3 veces la desvacón típca será: % la proporcón de datos cuyo valor dsta de la meda menos de 4 veces la desvacón típca será: %
116 9. REGLA EMPÍRICA Conjunto de datos normal: es aquel conjunto cuyo hstograma tene las propedades sguentes: la máxma altura se alcanza en el ntervalo central al desplazarse desde el ntervalo central en cualquer sentdo la altura decrece de tal modo que el hstograma completo tene una forma acampanada es smétrco con respecto al ntervalo central Ross, M.S.; Introduccón a la Estadístca; Ed. Reverté S.A. (2005)
117 9. REGLA EMPÍRICA Conjunto de datos aproxmadamente normal: s su hstograma se aproxma al de un hstograma normal Ross, M.S.; Introduccón a la Estadístca; Ed. Reverté S.A. (2005)
118 9. REGLA EMPÍRICA Regla empírca: sea un conjunto de datos aproxmadamente normal meda muestral: desvacón típca muestral: s los sguentes asertos son certos: x aproxmadamente, un 68% de las observacones caen x s, x + s dentro del ntervalo: ( ) aproxmadamente, un 95% de las observacones caen x 2 s, x + 2s dentro del ntervalo: ( ) aproxmadamente, un 99.7% de las observacones caen x 3 s, x + 3s dentro del ntervalo: ( )
119 9. REGLA EMPÍRICA Regla empírca: sólo es válda para datos con dstrbucones más o menos de campana Desv. típ. 568,43 Meda 2023 N 407,00 Peso recén nacdos en partos gemelares
120 9. REGLA EMPÍRICA Regla empírca: se llama empírca porque derva de la observacón de lo que suele suceder en la práctca por eso se formula como aproxmadamente x± s 68.5 % x ± 2s 95 %
121 10. COEFICIENTE DE PEARSON Coefcente de varacón de Pearson: es el cocente entre la desvacón típca y la meda artmétca e ndca el número de veces que la desvacón típca contene a la meda artmétca es el más usado de los estadístcos de dspersón relatva evdentemente no puede hallarse cuando x 0 tambén, llamado índce de dspersón de Pearson notacón: CV v 1 s x x
122 10. COEFICIENTE DE PEARSON tambén, se le denomna varabldad relatva y, en ocasones, se multplca por 100 para trabajar con porcentajes nteresante para comparar la dspersón de varables dferentes ejemplo: en una muestra de ndvduos se mde su peso y su altura CV peso 30% CV altura 10% el peso de los ndvduos está más dsperso que su altura
123 11.ANEXO: FÓRMULAS C p Cuantles ( ): cálculo con ntervalos de clase r p 0 < r < 1 p se multplca el número de observacones por r : n p r se comprueba s el número obtendo se encuentra en la columna de frecuencas absolutas acumuladas, N, de la tabla de dstrbucón de frecuencas s el valor se encuentra en esa columna es que es la frecuenca absoluta acumulada de un certo ntervalo [ de clase L ) k, L k +1 y, por tanto, el cuantl peddo es el extremo superor de dcho ntervalo
124 11.ANEXO: FÓRMULAS C p Cuantles ( ): cálculo con ntervalos de clase r s no se encuentra en dcha columna el valor estará comprenddo entre dos valores N k 1 y N k que corresponden con las frecuencas absolutas acumuladas de dos ntervalos de clase [ L ) y [ ) k 1, L k Lk, L k +1, respectvamente; por lo tanto, el cuantl se encuentra en el ntervalo [ L ) k, L k +1, calculándose su poscón exacta con la sguente fórmula: C p r L k + p r n N n k k 1 A k
125 11.ANEXO: FÓRMULAS C p Cuantles ( ): cálculo con ntervalos de clase r ejemplo: cálculo del prmer cuartl:
126 11.ANEXO: FÓRMULAS C p Cuantles ( ): cálculo con ntervalos de clase r ejemplo: cálculo del prmer cuartl: n N 1 90 < 125 < N C1 [ 100, 200 ) 4 n N C1 L 2 + A n 140 2
Descripción 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 detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesINTRODUCCIÓN. 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 detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
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 detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
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 detallesTema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva
Descrpcón de datos: Estadístca descrptva undmensonal Estadístca descrptva Objetvos: Ordenar, clasfcar, resumr grandes conjuntos de datos de modo que puedan ser fáclmente nterpretables Defncones báscas:
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
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 detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallesMEDIDAS DESCRIPTIVAS
Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento
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 detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
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 Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detalles4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA
UNIDAD 14: ESTADÍSTICA INTRODUCCIÓN La presenca de la Estadístca es habtual en multtud de contextos de la vda real: encuestas electorales, sondeos de opnón, etc. La mportanca de la Estadístca en la socedad
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 detallesESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor
el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
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 detallesDEPARTAMENTO DE MATEMÁTICAS
. INTRODUCCIÓN En la socedad de la nformacón en la que vvmos resulta mprescndble dsponer de técncas y conceptos que permtan extraer, de manera fable y senclla, nformacón relevante de dferentes conjuntos
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
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 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 detallesel blog de mate de aida CSI: Estadística unidimensional pág. 1
el blog de mate de ada CSI: Estadístca undmensonal pág. ESTADÍSTICA La estadístca es la cenca que permte hacer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que ahorra tempo
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 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 detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Introduccón La estadístca es una rama de las matemátcas que trata de la recogda, ordenacón, análss y presentacón adecuada de datos recogdos sobre certa poblacón (no necesaramente
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 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 detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesGUÍA DE APOYO AL APRENDIZAJE N 1
GUÍA DE APOYO AL APRENDIZAJE N 1 1.- Dencones de conceptos báscos. Estadístca: la estadístca es un conjunto de métodos y procedmentos que srven para recolectar, organzar y presentar los datos obtendos,
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 detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detalles5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.
5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar
Más detallesUNIDAD 1: Tablas de frecuencias
UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
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 detallesESTADÍSTICA DESCRIPTIVA
Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesGUÍA DE APOYO AL APRENDIZAJE N 2
GUÍA E APOYO AL APREIZAJE Meddas de Tendenca Central ó de Resumen Las meddas de resumen son valores de la varable que permten resumr la normacón que hay en una tabla undamentalmente estas meddas se usan
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 detallesACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS
IES ÍTACA ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS HOJA 18: ESTADÍSTICA 1. El número de hermanos de los alumnos de una clase es el sguente: 1 3 1 1 1 1 1 1 1 1 3 1 3 5 a)
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
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 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 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 detallesPara construir un diagrama de tallo y hoja seguimos los siguientes pasos:
UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA PROBLEMARIO DE ESTADÍSTICA MÓDULO I. REPRESENTACIÓN DE DATOS MÓDULO II. MEDIDAS DE TENDENCIA CENTRAL ELABORADO
Más detallesTema 8: Estadística en una variable (unidimensional)
Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Tema 8: Estadístca en una varable (undmensonal) 1. Introduccón Se desconocen con exacttud los orígenes de la
Más detallesESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA?
ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? La Estadístca es la rama de las Matemátcas que se ocupa del estudo de una determnada característca en una poblacón, recogendo
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
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 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 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 detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detalles1. ESTADÍSTICA DESCRIPTIVA.
Departamento de Matemátcas http://www.colegovrgendegraca.org/eso/dmate.htm Estadístca descrptva 1. ESTADÍSTICA DESCRIPTIVA. 1.1. Introduccón. En general, cuando se va a estudar un determnado colectvo,
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 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 detallesMétodos Estadísticos de la Ingeniería Tema 3: Medidas Estadísticas Grupo B
Métodos Estadístcos de la Ingenería Tema 3: Meddas Estadístcas Grupo B Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Enero 2010 Contendos...............................................................
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesEstadística. Problemas de Estadística 1º Ciclo ESO Departamento de Matemáticas Raúl González Medina
1 Estadístca 01.- Indca que varables son cualtatvas y cuales cuanttatvas: a) Comda Favorta. b) Profesón que te gusta. c) Número de goles marcados por tu equpo favorto en la últma temporada. d) Número 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 detallesUNIDAD 1. Estadística descriptiva.
UNIDAD 1 Estadístca descrptva. 8 Desde hace muchos años, la estadístca ha tendo presenca en todos los ámbtos de estudo: economía, admnstracón, ngenería, etc. La estadístca descrptva es una rama de las
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 detallesDATOS AGRUPADOS POR INTERVALOS DE CLASE
3. Datos agrupados por ntervalo (Varable contnua) Generalmente los datos se agrupan por medo de ntervalos de clase, los cálculos son una aproxmacón a la realdad, se faclta los cálculos. En la agrupacón
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesElaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información.
Elaboracón de Tablas ó Cuadros La elaboracón de tablas o cuadros, faclta el análss la presentacón de la nformacón. Para elaborar los cuadros, se debe, antes que todo, dentfcar las varables, característcas
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesProblemas resueltos de estadística aplicada a las ciencias sociales
Problemas resueltos de estadístca aplcada a las cencas socales Pablo Juan Verdoy Modesto Joaquín Beltrán María José Pers Departament de Matemàtques Cods d assgnatura RA10, RL0906 Edta: Publcacons de la
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesTema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
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 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 detallesESTADÍSTICA DESCRIPTIVA I
ESTADÍSTICA DESCRIPTIVA I 1.- DISTRIBUCIONES UNIDIMENSIONALES. CONCEPTOS GENERALES. La estadístca se puede dvdr en dos partes: Estadístca descrptva o deductva. Estadístca nferencal o nductva. La estadístca
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 detallesLISTA DE TALLERES DE ESTADÍSTICA
1 LISTA DE TALLERES DE ESTADÍSTICA Nº Tema Págnas Calfcacón 1 Conceptos fundamentales de estadístca 2 2 Tablas de frecuenca 3,4,5 3 Meddas de tendenca central 6,7,8 Evaluacón 9 4 Gráfcos estadístcos 10,11,12
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 detallesESTADISTICA DESCRIPTIVA COMPETENCIAS
ESTADISTICA DESCRIPTIVA COMPETENCIAS Descrbe e nterpreta las propedades de estadístca descrptva en problemas reales. Es asertvo con su opnón. Partcpa actvamente en forma ndvdual y grupal. SESIÓN 16 E S
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Bajo el térmno Estadístca Descrptva se engloban las técncas que nos permtrán realzar un análss elemental de las observacones
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 detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
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 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 detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesPoblación y Muestra, Variables Estadísticas, Diagramas y Medidas de Centralización en 3º de ESO
43 ANEXO 1: Tablas facltadas al alumnado Las sguentes tablas serán rellenadas por parte de los grupos de estudantes que se realzarán en el aula, tal y como se comenta en el presente trabajo. Tabla de
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices
Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detalles