CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
|
|
- Alfonso Valentín Ramos Domínguez
- hace 8 años
- Vistas:
Transcripción
1 CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
2 EL PROGRAMA ESTADÍSTICO SPSS
3 . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El programa formátco SPSS es e la actualdad el más exteddo etre los vestgadores y profesoales, o sólo e el campo de las cecas socales, so també e las humaas, bomédcas, e la ecoomía, y, e geeral, e múltples campos de actvdad e el que se precse realzar u tratameto estadístco de la formacó. La gra acogda dspesada al programa SPSS es debdo a su flexbldad y facldad de maejo. El SPSS cluye ua ampla y varada gama de aálss estadístcos y de gestó de datos e u etoro gráfco. El programa se maeja a través de meús descrptvos y cuadros de dálogo, pero també se puede realzar todas las tareas a través de u leguaje de comados (programacó). Señalar que alguas de las opcoes dspobles sólo so accesbles a través de dcho leguaje. El paquete estadístco se puede adqurr e stalar de forma modular. Los módulos dspobles so: Base, Téccas estadístcas Profesoales, Téccas Estadístcas Avazadas, Tablas, Tedecas, Categorías, CHAID, Pruebas exactas, Redes Neuroales, Mapfo y AllCLEAR III. A cotuacó se preseta de forma gráfca las prcpales opcoes del programa a través del sstema de meús descrptvos y cuadros de dalogo. A lo largo del desarrollo del curso ofreceremos ua vsó global de las posbldades del programa y cometaremos los cotedos de los dferetes meús descrptvos.. LOS MENÚS EN SPSS MENÚ GENERAL DEL PROGRAMA E la barra de meús se ecuetra 0 opcoes co el sguete cotedo: ARCHIVO A través de este meú se realza las operacoes de abrr, crear o grabar fcheros, que puede ser de datos, struccoes, resultados o procesos. També se cotrola las tares de mpresó 3
4 EDICIÓN Se realza las tareas habtuales de edcó de texto, dspobles e la mayor parte de los programas del etoro Wdows: modfcar, borrar, copar, pegar, seleccoar, buscar, etcétera. 4
5 VER Desde esta opcó se cotrola dversos parámetros de vsualzacó. DATOS Permte defr varables y fechas, modfcar los fcheros de datos actvos, segmetar archvos, seleccoar y poderar casos, etc... Las fucoes de este meú so temporales y sólo permaece actvas metras dure la sesó. 5
6 TRANSFORMAR Permte, e el fchero de datos actvo, calcular uevas varables a partr de las exstetes, recodfcar, asgar etquetas a casos, y dversas operacoes relatvas a la modfcacó y creacó de uevas varables. També las modfcacoes so temporales y s éstas se quere coservar hay que grabar los cambos. ANALIZAR Medate este meú se accede a los dferetes aálss estadístcos dspobles e SPSS. 6
7 GRÁFICOS Desde aquí se accede a las posbldades gráfcas UTILIDADES Icluye dferetes opcoes para vsualzar el cotedo de los fcheros de datos y crear subcojutos de varables. 7
8 VENTANA Desde esta opcó podemos cotrolar la vetaa que queremos teer actva (ver apartado.3). AYUDA El programa permte acceder al maual de ayuda a través de u completo meú de opcoes:.3 EL SISTEMA DE VENTANAS EN EL SPSS El SPSS dspoe de ocho tpos de vetaas desde las cuales se puede efectuar dversas operacoes. Vetaa del edtor de datos. E esta vetaa está los datos del fchero co el que se está trabajado. Sólo puede haber u cojuto de datos actvo (u solo fchero). Los fcheros de datos e SPSS se ombra: *.sav Vetaa del vsor de resultados. E esta vetaa se guarda los dferetes resultados que geeramos: saldas de los dferetes procedmetos, lstados, subprogramas, mesajes de error, gráfcos, etcétera. Ua vetaa de este tpo se abre automátcamete cuado se geera el prmer resultado de la sesó. Se puede teer tatas vetaas abertas como se quera. Los fcheros de resultados e SPSS se ombra: *.spo 8
9 Vetaa del vsor de resultados de borrador. Es posble evar los resultados a u vsor preestablecdo al que se accede a través de: "archvo"/"uevo"/"resultados de borrador". També se puede mateer abertas tatas como se desee. Vetaa del edtor de tablas pvote. Permte edtar y modfcar las tablas pvote. Estas tablas dspoe de la posbldad de edtar texto, tercambar los datos traspoedo flas y columas, modfcar colores, etcétera. Vetaa del edtor de gráfcos. E todos los gráfcos que se geera e SPSS se puede realzar modfcacoes cambado colores, fuetes y tamaños, ejes, rotacoes, etc. Vetaa del edtor de resultados de texto. Para modfcar aquellos resultados de texto geerados por el programa. Vetaa del edtor de staxs. Vsualza los fcheros de staxs o de leguaje de comados, que se puede modfcar desde este edtor. Los fcheros de staxs se ombra: *.sps. Este edtor es de gra utldad especalmete e tres casos: - Alguas posbldades del SPSS sólo so accesbles a través del leguaje de comados. - E operacoes que habtualmete se repte es más adecuado grabar el programa completo y ejecutarlo desde esta vetaa. - S el ordeador tee que ser compartdo por muchos usuaros. Vetaa del edtor de procesos. També es posble automatzar y persoalzar procesos aplcado la tecología OLE y el leguaje BASIC. 9
10 ESTADÍSTICA DESCRIPTIVA 0
11 . ESTADÍSTICA DESCRIPTIVA.. INTRODUCCIÓN.. MEDIDAS DE POSICIÓN Meddas de poscó cetral Meda artmétca Meda geométrca Meda armóca La medaa La moda Meddas de poscó o cetral Cuartles Decles Percetles.3. MEDIDAS DE DISPERSIÓN Meddas de dspersó absoluta Recorrdo Recorrdo tercuartlco Desvacó absoluta meda respecto a la meda artmétca Desvacó absoluta meda respecto a la medaa La varaza La desvacó típca o estádar Meddas de dspersó relatva Coefcete de apertura Recorrdo relatvo Recorrdo sem-tercuartílco Coefcete de varacó de Pearso Ídce de dspersó de la medaa.4. TIPIFICACIÓN DE VARIABLES.5. MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS
12 Meddas de asmetría Coefcete de asmetría de Fsher Coefcete de asmetra de Bowley Medda de asmetría de Pearso Meddas de aputameto o curtoss Coefcete de aputameto o curtoss.6. MEDIDAS DE CONCENTRACIÓN Ídce de G Curva de Lorez.7. LA REPRESENTACIÓN GRÁFICA DE LOS DATOS Dagrama de Pareto Gráfcos de barras Hstograma Gráfcos de seres temporales Gráfcos de sectores Gráfcos de dspersó Dagramas de caja Dagramas de tallos y hojas (Stem a Leaf) Otras represetacoes gráfcas Creacó de gráfcos co Excel
13 .. INTRODUCCIÓN La Estadístca Descrptva es el prmer paso e la vestgacó de poblacoes o cojuto de datos procedetes del recueto o de expermetos. Nos proporcoa herrametas que os permte resumr la formacó obteda y pasar así de u gra volume de datos a otro más reducdo. La Estadístca Descrptva cubre u amplo cojuto de téccas y métodos. E este capítulo cotemplamos sólo alguos coceptos, los más elemetales. Las prcpales meddas que se estuda e la Estadístca Descrptva so: Meddas de Poscó Meddas de Dspersó Meddas de Asmetría y Curtoss Meddas de Cocetracó Los datos estadístcos sobre los que vamos a realzar los aálss que os proporcoa la Estadístca Descrptva se suele presetar e tres stuacoes dferetes: a) Los valores o se repte e gú caso. b) Cada valor de la característca medda se repte u determado úmero de veces. c) E umerosas ocasoes, clasfcamos las observacoes e tervalos. Así, al pregutar a ua persoa por su edad su respuesta puede ser clasfcada e uo de los sguetes tervalos: 0 a 8 años 9 a 30 años 3 a 45 años 45 a 60 años Más de 60 años lo habtual es que dchos tervalos se costruya basádose e u estudo prevo o medate algú crtero cetífco o técco específco. Por ejemplo, s medate u estudo ateror realzado por la Orgazacó Mudal de la Salud sabemos que el cosumo de ses cgarrllos daros o ejerce gú tpo de flueca 3
14 e la salud, de sete a dez cgarrllos se cosdera u cosumo moderado, de oce a vete es u cosumo de resgo y co más de vete teemos u cosumo excesvo, estableceremos los tervalos de acuerdo a dcho crtero. Es decr, defmos los sguetes grupos de cosumo: 0 a 6 cgarrllos 7 a 0 cgarrllos a 0 cgarrllos Más de 0 cgarrllos Establecer tervalos de ua forma arbtrara puede coducros a falsas coclusoes, de ahí la mportaca de utlzar u crtero recoocdo para defr los estratos. Segú estemos e ua u otra stuacó se utlzará ua forma dstta de presetacó de los datos, deomádose de tpo I a la prmera stuacó, de tpo II a la seguda y de tpo III a la tercera. A) PRESENTACIÓN DE TIPO I La otacó más utlzada e Estadístca y que se asume e este trabajo es la sguete: N -> Número de udades e las cuales efectuamos la medcó. X -> Valor que toma la característca e el dvduo. Por lo tato, los datos se represeta como la sucesó: X, X, X 3,..., X N. B) PRESENTACIÓN DE TIPO II La otacó utlzada es la sguete: N -> Número de udades e las cuales efectuamos la medcó. k -> Número de valores dsttos. X -> Valor que toma la característca e el dvduo, =,..., k. 4
15 -> Número de veces que aparece el valor X, es decr, frecueca del valor X, =,..., k. Por lo tato, cada dato X, tedrá asocada su frecueca de aparcó,. decr, N. Bajo esta otacó, la suma de todos los será gual al úmero de datos, es N = k = C) PRESENTACIÓN DE TIPO III S teemos los datos clasfcados e tervalos, utlzaremos la sguete otacó: N -> Número de udades e las cuales efectuamos la medcó. K -> Número de tervalos cosderados. L - -L -> Itervalo, sedo L - el límte feror y L el límte superor. -> Número de udades compreddas e el tervalo. N -> Número acumulado de udades hasta el tervalo. Así pues, a cada tervalo se le asoca el úmero de valores que cotee, verfcádose por tato: N = k = Se muestra a cotuacó ua tabla resume e la que aparece los tres tpos de presetacoes: 5
16 Tabla.. Formas de presetacó de los datos Tpo I Tpo II Tpo III X X N Itervalo N X X N L 0, L N X X N L, L N X X N L -, L N X N X k k N k L k-, L k k N k defcoes. E los apartados que sgue utlzaremos esta omeclatura para las sucesvas 6
17 .. MEDIDAS DE POSICION Meddas de poscó cetral Las meddas de poscó cetral más comues so: la meda, la medaa, y la moda. La meda, a su vez, puede ser defda como meda artmétca, geométrca y armóca. Cada ua de ellas preseta sus vetajas e coveetes y su eleccó depede tato de la aturaleza de la estadístca como del propósto para el que se utlza. a) La meda artmétca. Es la suma de todos los valores de la varable dvdda por el úmero total de los datos. x = x + x x = N x = N Las propedades de la meda artmétca so:. La suma de las desvacoes de los valores de la varable respecto al valor de la meda es cero. = x x ( ) = 0. La meda de las desvacoes elevadas al cuadrado de los valores de la varable respecto a ua costate cualquera es míma s esta costate es la meda. = x x N ( ) es míma 3. S a todos los valores de la varable les sumamos ua catdad costate k, la meda artmétca de la varable queda aumetada e esa costate. Lo msmo puede decrse respecto de la multplcacó. S a todos los valores de la varable les multplcamos por ua costate, la meda de esa varable se multplca por esa costate. 7
18 Bajo esta propedad, la varable X, defda de la sguete forma: x x = o c sedo o y c dos costates cualesquera, se cumple que: x o x = cx = x o x = cx + o c Las vetajas de utlzar la meda artmétca so: E el calculo tervee todos los valores de la varable Es úca Es calculable Es el cetro de gravedad de la dstrbucó. S embargo está muy afectada por los valores extremos que presete los datos, lo que puede orgar que a veces las coclusoes o sea muy atadas. b) La meda geométrca. Es la raíz N-ésma del producto de los valores de la varable elevados por sus respectvas frecuecas. G N x x... x = La propedad fudametal de esta meda es que el logartmo de la meda geométrca es gual a la meda artmétca de los logartmos de los valores de la varable. La prcpal vetaja que ofrece esta meda respecto a la meda artmétca es su meor sesbldad respecto a los valores extremos de la varable. La desvetaja es que o está determada s alguo de los valores de la varable es egatvo. També tee u sgfcado meos tutvo que la meda artmétca. Su utlzacó más frecuete es promedar porcetajes, y també se acoseja su uso cuado se presupoe que la varable aalzada se ha formado a partr de varacoes acumulatvas. 8
19 c) La meda armóca. La meda armóca es la meda artmétca de los versos de los valores de la varable. H = N N = X X X X = artmétca. E certos casos la meda armóca es más represetatva que la meda Tee como coveetes que está muy fluecada por los valores pequeños y o está determada cuado algú valor de la varable es gual a cero. d) La medaa. La medaa es el valor de la dstrbucó que dvde la dstrbucó de la varable e dos partes guales, es decr deja a la zquerda y a la derecha gual úmero de valores s el umero de datos es mpar. Cuado el úmero de valores es par se toma la meda artmétca de los dos valores cetrales. E térmos de frecueca se defe la medaa como aquel valor de la dstrbucó cuya frecueca acumulada es N. Para dstrbucoes agrupadas e tervalos aplcamos la sguete fórmula: M e L = + N N c sedo c es la ampltud del tervalo dode se ecuetra la mtad de la dstrbucó y N - es la frecueca acumulada medatamete ateror al tervalo dode se ecuetra la mtad de la dstrbucó (N/) y la frecueca del tervalo. La propedad fudametal de la medaa es que la suma de todas las desvacoes e valor absoluto de la varable respecto de la medaa es míma. La medaa adquere mayor mportaca cuado las varables so ordales, o susceptbles de ser ordeadas, e cuyo caso la medaa es la medda de tedeca cetral más represetatva. 9
20 d) La moda. Es el valor de la varable que más veces se repte. Para dstrbucoes agrupadas e tervalos se utlza la sguete fórmula. M o L = c + dode - + so las frecuecas asocadas a los tervalos ateror y posteror del tervalo que más se repte. N 4 S los tervalos o tee la msma ampltud debemos calcular las desdades de frecueca, que se obtee dvdedo las frecuecas absolutas de cada valor de la varable por las ampltudes de cada tervalo. Sedo d = c M o L = + d d + + d c + Meddas de poscó o cetral So meddas de poscó o cetral los cuartles, decles y percetles. Las meddas de poscó o cetrales dvde la dstrbucó e partes guales. Los cuartles so tres valores y dvde la dstrbucó e cuatro partes guales. Los decles so ueve y dvde la dstrbucó e dez partes. Los percetles so 99 y dvde la dstrbucó e ce partes. Así, el prmer cuartl C es el valor que ocupa el lugar el prmer decl D es el valor que ocupa el N 0 y el prmer percetl P es el valor que ocupa el lugar lugar N 00 Para dstrbucoes agrupadas e tervalos utlzamos la sguete fórmula 0
21 Q r/ k L = + r. k N N. c S k=4 y r =,, 3 obteemos los cuartles S k=0 y r =,,...,9 obteemos los decles S k=00 y r =,,...,99 obteemos los percetles A cotuacó vamos a calcular la meda, la medaa y la moda de la dstrbucó de salaros de la empresa XXX,SA (tabla.), costtuda por.000 trabajadores: Tabla.. Dstrbucó de los salaros que paga la empresa XXX S.A. Salaro Mesual X Marca de clase Nº de Trabajadores Nº acumulado de trabajadores N Total de Salaros X La meda artmétca se calcularía: x = x + x x = N x = N = = Para calcular la medaa partmos del tervalo cetral, el tervalo , e dode sabemos que ha de estar la mtad de uestra dstrbucó (N/). Esto
22 mplca que 460 sea el valor que toma N - (frecueca acumulada del tervalo medatamete ateror), y 0 el valor de (frecueca relatva del tervalo). M e L = + N N c = = E el cálculo de la moda dado que el tervalo que más se repte es el de , el valor de - es 60 y el de + es 00. M o L = c + = =
23 .3. MEDIDAS DE DISPERSION Meddas de dspersó absoluta Las meddas de dspersó o de varabldad mde la represetatvdad de las meddas de tedeca cetral, obteédose como desvacó de los valores de la dstrbucó respecto a estas meddas. Las meddas de dspersó o de varabldad so: el recorrdo, el recorrdo tercuartílco, la desvacó absoluta meda respecto a la meda artmétca, la desvacó absoluta meda respecto a la medaa, la varaza y la desvacó típca o estádar. a) Recorrdo. Es la dfereca etre el valor mayor y el valor meor de la dstrbucó X X R = b) Recorrdo tercuartílco. Es la dfereca que exte etre el tercer cuartl y el prmer cuartl R = C 3 C c) Desvacó absoluta meda respecto a la meda artmétca D = x X X = N d) Desvacó absoluta meda respecto a la medaa D X M = e M e = N e) La Varaza e) La Desvacó típca o estádar S X X = ( ) = N 3
24 S X X = ( ) = Las propedades de la desvacó típca so: Es sempre mayor o gual que cero Es ua medda de dspersó óptma Está acotada superor e ferormete No está afectada por cambos de orge S que está afectada por cambos de escala (queda multplcada por el factor de escala) N Meddas de dspersó relatva Las meddas de dspersó relatva trata de hacer comparables dstrbucoes dferetes, es decr, dstrbucoes que o vee expresadas e las msmas meddas. A dfereca de la meddas de varabldad, las meddas de dspersó relatva so meddas admesoales y las más utlzadas so: el coefcete de apertura, el recorrdo relatvo, el recorrdo sem-tercuartílco y el coefcete de varacó de Pearso. f) Coefcete de apertura. Es la relacó etre el mayor y el meor valor de la dstrbucó A = X X g) Recorrdo relatvo. Es el cocete etre el recorrdo y la meda. Esta expresó mde el úmero de veces que el recorrdo cotee a la meda artmétca RR = R e X h) Recorrdo sem-tercuartílco. Es el cocete etre el recorrdo tercuartílco y la suma del prmer y tercer cuartl 4
25 R C = C 3 s + 3 C C g) Coefcete de Varacó de Pearso. Resuelve el problema de comparar medas artmétcas proveetes de dstrbucoes meddas co udades dferetes. Es el cocete etre la desvacó típca y la meda artmétca V S = també se puede expresar e porcetaje: V X S =.00 X Al ver expresados tato la desvacó típca como la meda e las msmas udades, el coefcete de varacó de Pearso es admesoal. També es varable respecto a los cambos de orge. Dado que el coefcete represeta el úmero de veces que la desvacó típca cotee a la meda, etoces s V=0 la represetatvdad de la meda sería máxma y s V>0,5 dcaría ua baja represetatvdad de la meda j) Ídce de dspersó de la medaa V Me D M Me = = e = X M e M N. e 5
26 .4. LA TIPIFICACIÓN DE VARIABLES La tpfcacó de varables cosste e expresar la dfereca etre la meda y los valores de la varable e térmos de desvacó típca. Z = X X S Cuado tpfcamos ua varable, la meda de la varable tpfcada Z es gual a 0 y su desvacó típca. Veamos co u ejemplo, el uso de esta técca. Supógase que los alumos de prmer curso de matemátcas está dstrbudos e u cetro e dos aulas dsttas (Clase A y Clase B) y que para ua msma asgatura, aálss matemátco por ejemplo, tee dos profesores dsttos. Supógase además que detro de cada aula o ha habdo gua seleccó de alumos preva y puede esperarse u msmo vel de apredzaje e las dos aulas. Después de realzar el msmo exame de aálss matemátco, las otas de los alumos para cada aula so las sguetes: 6
27 Tabla.3. Notas de las clases A y B NOTAS Clase A Clase B Alumo 5,00 5,50 Alumo,00 7,00 Alumo 3 6,75 7,5 Alumo 4 9,00 5,00 Alumo 5 7,50 8,5 Alumo 6 6,75,80 Alumo 7 3,50 7,75 Alumo 8 5,30 8,5 Alumo 9 8,50 6,75 Alumo 0,75 7,5 Alumo 4,00 8,75 Alumo,75 6,75 Alumo 3 4,75 9,50 Alumo 4 3,00 8,5 Alumo 5 4,00 7,50 Alumo 6 3,00 5,5 Alumo 7 4,50 6,5 Alumo 8 4,75 6,50 Alumo 9 6,50 8,50 Alumo 0 5,00 5,75 Alumo 5,00 5,5 Alumo 4,50 4,75 Alumo 3 7,5 6,75 Alumo 4 6,00 8,50 Alumo 5 5,50 8,00 Las otas medas y las desvacoes típcas para cada aula so las sguetes: Clase A Clase B Meda 5,0 6,88 Desvacó típca,80,5 Puede observarse, que e la Clase A la ota meda ha sdo más baja que e la Clase B, dádose e la Clase A ua mayor varabldad. Esto puede deberse a que el profesor de la clase A ha sdo algo más exgete a la hora de corregr. S queremos comparar dos alumos, uo de ua clase y otro de otra, co el objetvo de comprobar cuál de ellos ha alcazado u mayor vel de apredzaje, utlzar la ota obteda por cada uo e el exame puede llevaros a falsas coclusoes, coscetes de que el profesor de la Clase A ha sdo, probablemete, más duro a la hora de corregr.. 7
28 Co el objetvo de elmar esta flueca, tpfcamos las otas de ambas clases. Los resultados obtedos so los sguetes: Tabla.4. Notas tpfcadas de las clases A y B NOTAS Clase A Clase B Alumo -0,06-0,9 Alumo -,7 0,08 Alumo 3 0,9 0,4 Alumo 4,7 -,4 Alumo 5,33 0,90 Alumo 6 0,9 -,69 Alumo 7-0,89 0,57 Alumo 8 0, 0,90 Alumo 9,89-0,09 Alumo 0 -,3 0,4 Alumo -0,6,3 Alumo -,3-0,09 Alumo 3-0,0,7 Alumo 4 -,7 0,90 Alumo 5-0,6 0,4 Alumo 6 -,7 -,07 Alumo 7-0,33-0,4 Alumo 8-0,0-0,5 Alumo 9 0,78,06 Alumo 0-0,06-0,75 Alumo -0,06 -,07 Alumo -0,33 -,40 Alumo 3,9-0,09 Alumo 4 0,50,06 Alumo 5 0, 0,74 Clase A Clase B Meda de varable tpfcada 0,00 0,00 Desvacó típca de varable tpfcada,00,00 S comparamos el prmer alumo de cada clase, podemos observar lo sguete: Alumo Clase A Clase B Dfereca Nota 5,00 5,50-0,50 Nota tpfcada -0,06-0,9 0,85 A pesar de que el alumo de la clase A tee ua ota lgeramete feror al de la clase B (5 frete a 5,5), e relacó al vel medo de su clase o cabe duda del mayor vel de apredzaje del prmer alumo de la clase A, ya que su ota tpfcada es mayor (-0,06 frete a -0,9). Además, gracas a la tpfcacó comprobamos que ambos alumos está por debajo de la meda de apredzaje. 8
29 .5. MEDIDAS DE FORMA: ASIMETRIA Y CURTOSIS Meddas de asmetría Las meddas de asmetría so dcadores que permte establecer el grado de smetría de ua dstrbucó de valores estadístcos s ecesdad de realzar el gráfco de la dstrbucó. a) Coefcete de asmetría de Fsher. g = 3 ( N ) = = x x ( ( x x) ) N 3 Segú el valor de g, se deduce: S g = 0 S g < 0 S g > 0 la dstrbucó es smétrca la dstrbucó es asmétrca a la zquerda la dstrbucó es asmétrca a la derecha b) Coefcete de asmetría de Bowley. Está basado e los valores de los cuartles y la medaa. + A C C M 3 e = B 3 Depededo del valor de A B coclumos que: S A B =0 la dstrbucó es smétrca S A B >0 la dstrbucó es asmétrca a la derecha S A B <0 la dstrbucó es asmétrca a la zquerda C C c) Medda de Asmetría de Pearso. A x M o = p S Dado que para dstrbucoes campaformes, umodales y moderadamete asmétrcas, se verfca que X 3( X ), alguos autores prefere utlzar esta otra medda de asmetría: M o M e 9
30 A p = 3( x ) M S e Depededo del valor que tome A p, señalamos que: S A p =0 la dstrbucó es smétrca S A p >0 la dstrbucó es asmétrca a la derecha S A p <0 la dstrbucó es asmétrca a la zquerda Meddas de aputameto o curtoss Por su parte, las meddas de aputameto o curtoss trata de estudar la dstrbucó de frecuecas e la zoa meda. El mayor o meor úmero de valores de la varable alrededor de la meda dará lugar a ua dstrbucó más o meos aputada. Para estudar el aputameto hay que defr ua dstrbucó tpo que os srva de refereca. Esta dstrbucó es coocda como dstrbucó Normal o curva de Gauss y se correspode co umerosos feómeos de la aturaleza. Su forma es la de ua campaa e dode la gra mayoría de los valores se ecuetra cocetrados alrededor de la meda, sedo escasos los valores que está muy dstacados de ésta. La represetacó gráfca de la dstrbucó ormal es: 30
31 Gráfco.. Represetacó gráfca de la dstrbucó ormal 0,5 DISTRIBUCIÓN NORMAL 0,5 0,4 0,4 0,3 0,3 0, 0, 0, 0, 0, Al tomar como refereca la dstrbucó ormal se dce que otra dstrbucó es más aputada que la dstrbucó ormal (leptocúrtca) o meos aputada (platcúrtca). A las dstrbucoes que se asemeja a la dstrbucó ormal se les deoma mesocúrtcas. Dado que e ua dstrbucó Normal se verfca sempre que : 4 m4 = ( x x ) = 3 ( x x) = 3( S ) = 3S N N = = 4 El coefcete de aputameto o curtoss utlzado es el sguete: g m4 = S 4 3 Depededo etoces del valor del coefcete g llamamos Mesocúrtca(Normal) Leptocúrtca Platcúrtca s s s g = 0 g > 0 g < 0 3
32 .6. MEDIDAS DE CONCENTRACION Deomamos cocetracó de ua varable a la mayor o meor equdad e el reparto de la suma total de esa varable. Las meddas de cocetracó teta, pues, mostraros el mayor o meor grado de gualdad e el reparto del total de los valores de ua varable Estas meddas tee mucho terés e alguas dstrbucoes dode la meda la varaza so sgfcatvas. Las meddas de cocetracó más utlzadas so el ídce de cocetracó de G y la curva de Lorez. Para proceder a su cálculo se utlza la sguete tabla Tabla.5. Cálculo del Ídce de G y la curva de Lorez x x N U p N = 00 q N U = 00 U x () x N U p q x () x N U p q x () x N U p q I x () x N U p q N u Prmero, se ordea los valores de la varable X; x( ) x( ) x( 3 )... x( ) se calcula los productos x ; y las frecuecas acumuladas N. Los valores U se calcula de la sguete forma: U = X U = X + X. U = X + X X = X = 3
33 Ídce de G El ídce de G se calcula a través de la sguete expresó: I G = = p q ( ) p = El ídce de G toma valores etre 0 y. S la varable está dstrbuda homogeeamete la cocetracó es míma p q = lo que mplca que el Ídce de G tome u valor próxmo a cero. Por el cotraro, s el total de la dstrbucó está muy cocetrado e el últmo valor de la varable el ídce se aproxmaría a. Curva de Lorez La curva de Lorez es la represetacó gráfca de los coefcetes p y q. E el eje de abcsas se represeta p y e el de ordeadas q. E la represetacó gráfca de la curva de Lorez se cluye la dagoal prcpal, que dca la mayor gualdad e el reparto de la varable (p =q ). E cosecueca, cuado la curva de Lorez se aproxme a la dagoal prcpal mayor homogeedad habrá e la dstrbucó de la varable. El ídce de G se calcula como el cocete del área compredda etre la dagoal prcpal y la curva de Lorez, y el área que está por debajo de la dagoal prcpal. Vamos a calcular el ídce de G y la curva de Lorez utlzado como ejemplo la dstrbucó de salaros de la tabla.. 33
34 Salaro Mesual Tabla.6. Ídce de G y curva de Lorez de la dstrbucó de salaros Marca de clase X Nº de Trabajado res Nº acumulado de trabajadores Total de Salaros N U = X = N U p = 00 N q = 00 U X U p q Al aalzar las dos últmas columas se observa que el 6% de los trabajadores se reparte el 7% de los salaros de la empresa y que el 46% de los trabajadores percbe solamete el 7% del total de los salaros.s los salaros estuvera equdstrbudos etoces el 6% de los trabajadores recbría el 6% de los salaros, el 46% recbría el 46% del total de los salaros, etc. Comprobamos a través del ídce de G que los salaros o está equdstrbudos. 34
35 I G = p = p = q ( ) = 0, 5 A la msma coclusó llegamos al realzar la curva de Lorez Gráfco.. Curva de Lorez de la dstrbucó de salaros
36 .7. LA REPRESENTACIÓN GRÁFICA DE LOS DATOS El estudo de las dstrbucoes estadístcas resulta más atractvo cuado va acompañado, o sólo de las meddas descrptvas señaladas aterormete, so també de gráfcos y dagramas que realce las característcas que tratamos de descrbr. Exste dversos tpos de aálss gráfcos. Aquí se descrbe aquellos más utlzados: Dagramas de Pareto pasos: Se emplea para represetar datos cualtatvos y su costruccó se realza e dos a) Ordeamos las clases o categorías segú la frecueca relatva de su aparcó b) Cada clase se represeta por u rectágulo co ua altura gual a la frecueca relatva El dagrama de Pareto represeta los valores de las varables e el eje de abscsas y las frecuecas absolutas y relatvas acumuladas e el eje de ordeadas. Gráfco.3. Ejemplo de dagrama de Pareto Frecueca 5 00,00% 90,00% 0 80,00% 70,00% 5 60,00% 50,00% 0 40,00% 30,00% 5 0,00% 0 A B C D E F G H I y mayor... Frecueca Clase % acumulado 0,00%,00% 36
37 Gráfcos de barras E geeral, se emplea para varables dscretas e dstrbucoes de frecuecas de datos s agrupar. Su mayor utldad es comparar valores dscretos a partr de dos o más seres. Estos dagramas represeta los valores de las varables e el eje de abscsas y e el de ordeadas se levata, para cada puto, ua barra co u valor gual a la frecueca absoluta o relatva. Gráfco.4. Ejemplo de dagrama de barras Clase Nº alumos Hstograma Los hstogramas so las represetacoes más frecuetes para ver los datos agrupados. Esta represetacó es u cojuto de rectágulos dode cada uo represeta ua clase. La base de los rectágulos es gual a la ampltud del tervalo y la altura se determa de tal forma que el área del rectágulo sea proporcoal a la frecueca de cada clase. 37
38 Gráfco.5. Ejemplo de hstograma Clases Gráfcos de seres temporales Ua secueca de valores a tervalos regulares de tempo costtuye ua sere temporal. E los gráfcos de seres temporales se represeta los valores ordeados segú la secueca temporal, la cual fgura e ordeadas, e tato que los valores obtedos se represeta e el eje de abscsas. Gráfco.6. Ejemplo de sere temporal 5 VENTAS MENSUALES /0/96 /03/96 /05/96 /07/96 /09/96 //96 /0/97 /03/97 /05/97 /07/97 /09/97 //97 /0/98 /03/98 /05/98 /07/98 /09/98 //98 38
39 Gráfcos de sectores Estos gráfcos se utlza para mostrar las cotrbucoes relatvas de cada puto de los datos al total de la sere. E u gráfco de sectores sólo se represeta ua sere. Gráfco.7. Ejemplo de gráfco de sectores EXPORTACIONES POR DESTINO ECONÓMICO. CASTILLA Y LEÓN. AÑO 997. BIENES INTERM EDIOS 6% BIENES DE CAPITAL 6% BIENES DE CONSUM O 58% Gráfcos de dspersó E este tpo de gráfcos se vsualza dos seres. Habtualmete el eje de ordeadas o eje y, es el eje de valores, y el de abcsas o eje x, es el de categorías. E los gráfcos de dspersó ambos ejes tee valores medbles, y ormalmete se utlza para ver la relacó que exste, etre las seres de datos que se represeta. E el ejemplo que sgue se muestra la relacó etre gastos e publcdad y vetas e ua empresa durate sete años. 39
40 Gráfco.8. Ejemplo de gráfco de dspersó Vetas Gastos e publcdad Dagramas de caja Los dagramas de caja so represetacoes semgráfcas de u cojuto de datos que muestra las característcas prcpales de la dstrbucó y señala los datos atípcos (outlers). Para la costruccó de u dagrama de caja hay que segur certos pasos. a) Se ordea los datos y se calcula el valor mímo, el máxmo y los tres cuartles Q, Q,Q 3 b) Dbujamos u rectágulo cuyos extremos sea Q y Q 3 y se dca detro de la caja medate ua líea la poscó de la medaa Q. c) Calculamos los valores atípcos, que será aquellos valores que cae fuera de los sguetes límtes: Límte feror Límte superor L I = Q -,5 ( Q 3 - Q ) L 5 = Q 3 +,5 ( Q 3 - Q ) d) Se dbuja ua líea que vaya desde cada extremo del rectágulo cetral hasta el valor más alejado y que o sea atípco. 40
41 e) Se marca todos los valores que sea atípcos La utlzacó de la medaa e este tpo de gráfcos, e vez de la meda, como medda cetral de los datos, vee justfcada porque la medaa es poco fluecable por los valores atípcos. E el sguete gráfco se ha represetado dos varables, la prmera co ua meda de 5 y co ua desvacó típca de 3, y la seguda co la msma desvacó típca y co ua meda de 9: Gráfco.9. Ejemplo de dagrama de caja (box plot) Dagramas de tallos y hojas. (Stem ad Leaf) Estos dagramas so procedmetos sem-gráfcos cuyo objetvo es presetar los datos cuattatvos de ua forma stétca, sempre y cuado, éstos o sea muy umerosos. 4
42 Para su costruccó seguremos los sguetes pasos. a) Se redodea los datos expresádolos e udades coveetes b) Se dspoe e ua tabla. A la zquerda se escrbe, para datos co dos cfras, el prmer úmero, que será el tallo, y a la derecha, las udades que formará las hojas. S el úmero es el 54 se escrbe 5/4 c) Cada tallo defrá ua clase y sólo se escrbe ua vez. El úmero de hojas represeta la frecueca de dcha clase. A cotuacó vamos a represetar u dagrama de tallos y hojas, utlzado como varable las meddas e cetímetros de ua peza de metal que se ha obtedo a partr de ua muestra de todas las pezas fabrcadas por ua udad de fabrcacó: 60, 70,4 58,9 60,7 6, 58, 60,4 70,6 66, 58, 60,9 55, 60,4 57, 70, 70,4 58,3 6,4 70,7 66,5 Redodeamos los datos a mlímetros Represetamos el dagrama de tallos y hojas Gráfco.0. Ejemplo de dagrama de tallos y hojas
43 Otras represetacoes gráfcas Dado que el verdadero terés de los gráfcos es descrbr la formacó de los datos, la aturaleza de las varables os puede sugerr otras represetacoes dsttas de las aterores. Dos ejemplos de ello se muestra a cotuacó: Gráfco.. Ejemplo de mapa o cartograma Gráfco.. Ejemplo de pctograma MATRICULACIÓN DE VEHÍCULOS EN CASTILLA Y LEÓN
44 .8 Ejemplo e SPSS E el SPSS el aálss descrptvo de los datos e SPSS es secllo. El meú "aálss"/"estadístcos descrptvos" dspoe de varar opcoes para aalzar las varables del fchero de datos. Vamos a utlzar la varable EDAD de la ecuesta descrta e el Aexo º. Desde el meú de SPSS Aalzar / Estadístcos Descrptvos accedemos a la sguete patalla: S optamos por Frecuecas obteemos los sguetes cuadros de dálogo E Estadístcos podemos elegr dferetes meddas de poscó, dspersó y forma: 44
45 E la opcó de Gráfcos podemos optar por realzar u hstograma, u gráfco de barras o de sectores També podemos dar formato a la salda de resultados: 45
46 La salda de resultados se preseta a cotuacó: EDAD N Váldos 465 Perddo 69 s Meda 40,6 Error típ. de la,3 meda Medaa 39,00 Moda 40 Desv. típ. 5,36 Varaza 35,85 Asmetría,466 Error típ. de,049 asmetría Curtoss -,377 Error típ. de,099 curtoss Rago 90 Mímo 9 Máxmo 99 Suma Percetles 5 8, , ,00 46
47 400 EDAD Frecueca 00 0 Desv. típ. = 5,36 Meda = 40,6 N = 465,00 00,0 95,0 90,0 85,0 80,0 75,0 70,0 65,0 60,0 55,0 50,0 45,0 40,0 35,0 30,0 5,0 0,0 5,0 0,0 EDAD E Descrptvos teemos dos patallas ua para troducr las varables y otra para elegr las meddas estadístcas 47
48 E Opcoes os muestra esta patalla El aálss exploratoro de datos es u cojuto de téccas que se utlza desde hace poco tempo y que persgue los msmos objetvos que la estadístca descrptva, pero cdedo de forma especal e la deteccó de aomalías y errores e la dstrbucó de las varables. Estos aálss se basa e aálss gráfcos y e estadístcos robustos relacoados co el orde y la medaa. Esta opcó permte realzar A cotuacó se muestra las patallas de SPSS relacoadas co el aálss exploratoro de los datos. 48
49 Descrptvos EDAD SEXO Hombre Meda Itervalo de cofaza para la meda al 95% Límte feror Límte superor Estadístco Error típ. 43,,40 4,33 43,9 Mujer Meda recortada al 5% Medaa Varaza Desv. típ. Mímo Máxmo Rago Ampltud tercuartl Asmetría Curtoss Meda Itervalo de cofaza para la meda al 95% Límte feror Límte superor 4,85 43,00 39,960 5, ,00,00,063 -,669,7 36,53,45 35,64 37,4 9 Meda recortada al 5% Medaa Varaza Desv. típ. Mímo Máxmo Rago Ampltud tercuartl Asmetría Curtoss Meda Itervalo de cofaza para la meda al 95% Límte feror Límte superor 35,74 34,00 95,39 3, ,00,850,079,439,57 56,50 6,99 38,5 74,48 Meda recortada al 5% Medaa Varaza Desv. típ. Mímo Máxmo Rago Ampltud tercuartl Asmetría Curtoss 56,8 55,00 93,500 7, ,5,074,845-3,0,74 49
50 EDAD Stem-ad-Leaf Plot for SEXO= Hombre GRÁFICO DE TALLOS Y HOJAS Frequecy Stem & Leaf 7,00. 4& 79, , , , , , , , , , , , , & 7,00 8. & Stem wdth: 0 Each leaf: 5 case(s) & deotes fractoal leaves. 50
51 Gráfco Q-Q ormal de EDAD 4 Para SEXO= Hombre 3 0 Normal esperado Valor observado Alguos de los resultados que os preseta SPSS, co las opcoes elegdas, se :muestra a cotuacó Resume del procesameto de los casos EDAD SEXO Hombre Mujer 9 Casos Váldos Perddos Total N Porcetaje N Porcetaje N Porcetaje ,0% 6 4,0% ,0% ,3% 48 4,7% 0 00,0% 6,8% 4 87,% 47 00,0% 5
52 DISTRIBUCIONES DE PROBABILIDAD Y CONTRASTES DE HIPÓTESIS 5
53 3. DISTRIBUCIONES DE PROBABILIDAD Y CONTRASTE DE HIPÓTESIS 3.. INTRODUCCIÓN 3.. DEFINICIÓN DE PROBABILIDAD, VARIABLE ALEATORIA Y VALOR ESPERADO Defcó de probabldad Defcó de varable aleatora Defcó de valor esperado: esperaza y varaza 3.3. DISTRIBUCIONES DE PROBABILIDAD Dstrbucó bomal Dstrbucó hpergeométrca Dstrbucó ormal o de Gauss 3.4. DISTRIBUCIONES DERIVADAS DE LA NORMAL Dstrbucó χ de Pearso Dstrbucó t de Studet Dstrbucó F de Fsher-Sedecor 3.5. TEOREMA CENTRAL DEL LÍMITE 3.6. DISTRIBUCIONES MUESTRALES Dstrbucó de la meda muestral Dstrbucó de la dfereca etre dos medas muestrales Dstrbucó de la proporcó muestral Dstrbucó de la dfereca etre dos proporcoes muestrales Dstrbucó de la varaza muestral Dstrbucó de la razó de varazas muestrales 3.7. INTERVALOS DE CONFIANZA 3.8. CONTRASTE DE HIPÓTESIS 3.9. DISTRIBUCIONES BIDIMENSIONALES Dstrbucoes margales Dstrbucoes codcoadas Depedeca leal 3.0. TABLAS DE CONTINGENCIA Estadístco χ de Pearso 53
54 Meddas de asocacó Odds Rato Coefcete de cotgeca Coefcete V de Cramer Q de Yule 54
55 3.. INTRODUCCIÓN E este capítulo desarrollaremos los coceptos fudametales de la teoría de la probabldad, los cotrastes de hpótess, el aálss de la varaza y la teoría de la regresó. Dchos coceptos se juzga claves a la hora de efretaros co la teoría del muestreo, la cual se expoe e el capítulo sguete. Uo de los objetvos de la ceca cosste e descrbr y predecr sucesos que ocurre a uestro alrededor de forma cotdaa. Ua maera de hacerlo es medate la costruccó de modelos matemátcos. Así, las dstrbucoes de probabldad se defe como modelos matemátcos que descrbe ua fdad de sucesos que acotece a uestro alrededor. S os plateamos predecr el sexo de cada uo de los acdos e u determado lugar, vemos que la costruccó de ua ecuacó que lo determe co total exacttud sería excesvamete compleja, hasta tal puto que o se ha descuberto aú gua, pero s embargo, aproxmarse al úmero total de acdos de cada sexo s puede realzarse satsfactoramete a través de u modelo matemátco. Se expoe e este capítulo los modelos matemátcos más mportates que os descrbe grupos de sucesos. Asmsmo, estos modelos matemátcos os permtrá, como veremos, cotrastar hpótess realzadas sobre u grupo de sucesos. 55
56 3.. DEFINICIÓN DE PROBABILIDAD, VARIABLE ALEATORIA Y VALOR ESPERADO Defcó de probabldad Se expoe a cotuacó las tres defcoes exstetes de probabldad, e orde al desarrollo hstórco de la teoría: a) Probabldad clásca o a pror: es ua probabldad cal. Por ejemplo, ates de lazar ua moeda al are, se supoe que la probabldad de que salga cara va a ser gual a ½, de gual forma, podría decrse que s u dado se arroja muchas veces la probabldad de obteer u uo o u dos será de /6, ya que este suceso puede aparecer veces de 6. Esta probabldad la defe Mood y Graybll (978) de la sguete maera: s u suceso puede ocurrr de maeras mutuamete excluyetes e gualmete verosímles y s A de éstas posee u atrbuto A, la probabldad de A es la fraccó A /. b) Probabldad a posteror o frecuecal: es ua probabldad expermetal. Por ejemplo, s sospechamos que u dado o está equlbrado, la úca maera de probar esta sospecha es arrojádolo muchas veces y observar s la frecueca relatva de obteer u uo se aproxma a u sexto. La probabldad a posteror se defe como el límte de la frecueca relatva cuado el úmero de expermetos realzados tede a fto, y se euca formalmete de la sguete maera: P(A) = lm A dode A sería el suceso obteer u uo y: úmero de veces que se repte el expermeto (lazameto del dado) A úmero de veces que aparece el resultado A. A deota, por tato, la frecueca relatva 56
57 lm deota el límte de la frecueca relatva a medda que el úmero de lazametos se aproxma a fto. La probabldad frecuecal parte del supuesto de que los dsttos posbles resultados o sucesos que puede dervarse de u expermeto o tee por que ser gualmete verosímles. c) De las defcoes aterores se deduce tres axomas que so los que costtuye la defcó axomátca de la probabldad. Sea S u espaco muestral (cojuto de todos los posbles sucesos de u determado expermeto) y A u determado suceso de S (cualquer elemeto o subcojuto de S), dremos que P es ua fucó de probabldad e el espaco muestral S s se satsface los tres axomas sguetes: Axoma. P(A) es u úmero real tal que P(A) 0 para todo suceso A de S, es decr, la probabldad de cualquer suceso e u expermeto es sempre mayor o gual que 0. Axoma. P(S) =, es decr, la probabldad de todos los sucesos posbles de u expermeto es gual a. Axoma 3. S A, B, C, es ua sucesó de sucesos mutuamete excluyetes de S, la probabldad asocada a la uó de todos ellos (que e u expermeto ocurra cualquera de ellos) es gual a la suma de sus probabldades. P( AU BU C) = P( A) + P( B) + P( C) De estos tres axomas se deduce los sguetes teoremas: 57
58 Teorema : S defmos suceso complemetaro de A, A, como aquel que está formado por todos los putos o sucesos del espaco muestral S que o está e A, etoces la probabldad de A será gual a: P(A ) = - P(A) ya que P(A U A ) = P(S) = P(A) +P(A ) = P(A ) = - P(A) Teorema. Sea A u suceso de S. Etoces se verfca: 0 P(A) ya que por el axoma p(a) 0 y por el teorema ateror sabemos que: P(A) + P(A ) = sedo por el axoma P(A) y P(A ) 0 P(A) = - P(A ) Teorema 3. S φ es el suceso ulo, etoces se verfca que: P(φ) = 0 ya que φ es el suceso complemetaro de S. Señalar por últmo que el cojuto de todos los sucesos posbles, S, puede ser: Dscreto: s toma solamete u úmero fto o umerable de valores. Cotuo: puede tomar cualesquera de los ftos valores de u tervalo. Defcó de varable aleatora Sea S u espaco muestral e el que se defe ua fucó de probabldad. Sea X ua fucó de valores reales defda e S. S la fucó X trasforma putos de S e 58
59 putos del eje X y es medble, etoces se dce que X es ua varable aleatora (varable aleatora udmesoal). Ua varable aleatora es, por tato, ua regla o mecasmo que asga u valor umérco a todos y cada uo de los sucesos asocados a u expermeto. Se muestra a cotuacó u ejemplo secllo de varable aleatora. los sguetes: Supogamos que se laza al are tres moedas, etoces los sucesos posbles so CCC XCC CXC CCX CXX XCX XXC XXX La probabldad de cada uo de estos sucesos es gual a /8. S asgamos u valor umérco a sacar ua cara, por ejemplo, u, y u valor umérco a sacar ua cruz, por ejemplo u 0, estamos costruyedo la sguete varable aleatora: S X(S) CCC 3 XCC CXC CCX CXX XCX XXC XXX 0 La fucó de probabldad de la varable aleatora sería etoces la sguete: P(X = 0) = P(X(S) = 0) = P(XXX) = /8 P(X = ) = P(X(S) = ) = P(CXX) + P(XCX) + P(XXC) = /8 + /8 + /8 = 3/8 59
60 P(X = ) = P(X(S) = ) = P(XCC) + P(CXC) + P(CCX) = /8 + /8 + /8 = 3/8 P(X = 3) = P(X(S) = 3) = P(CCC) = /8 Señalar que ua varable aleatora se dce dscreta s toma solamete u úmero fto o umerable de valores y cotua s puede tomar cualesquera de los ftos valores de u tervalo. Defcó de valor esperado El valor esperado, esperaza o meda de ua varable aleatora se obtee calculado el valor medo de la dstrbucó de valores de la varable aleatora. E el ejemplo ateror, el valor esperado de la varable aleatora costruda sería: E( X ) = 0 * + * + * + * =, Este valor esperado o esperaza de la varable aleatora se expresa formalmete de la sguete maera: + E( X ) = x * f ( x) s la varable aleatora es dscreta E( X ) = x * f ( x) dx s la varable aleatora es cotua sedo f(x) la fucó de probabldad y deotado el tervalo (-,+ ) el cojuto de todos los posbles valores que toma la varable aleatora. El valor esperado, esperaza o meda de ua fucó de ua varable aleatora se obtee calculado el valor medo de la dstrbucó de valores de la fucó de la varable aleatora. Formalmete toma la sguete expresó: + E( h( X )) = h( x) * f ( x) s la varable aleatora es dscreta 60
61 E( h( X )) = h( x) * f ( x) dx s la varable aleatora es cotua Nótese que s h(x) = x estaríamos calculado el valor esperado, esperaza o meda de la varable aleatora S calculamos el valor para h(x) = x estaríamos calculado el valor esperado, esperaza o meda de la varable aleatora al cuadrado, y s a este valor le restamos (E(X)), obtedremos la varaza de la varable aleatora, es decr: + Var( X ) = x f ( x) E( X ) s la varable aleatora es dscreta Var( X ) = x f ( x) dx E( X ) s la varable aleatora es cotua Cotuado co el ejemplo ateror, la varaza de la varable aleatora sería: + Var( X ) = x P( x) E( X ) = * + * + * + *, =
62 3.3. DISTRIBUCIONES DE PROBABILIDAD Se deoma dstrbucó de probabldad a cualquer regla o mecasmo que os permta determar la probabldad de que la varable aleatora ξ tome cada uo de los posbles valores x. Esta regla o mecasmo puede ser ua tabla, ua fórmula o u gráfco. La fucó de probabldad, será la fórmula que se emplee para calcular P[ξ=x]. Cualquer dstrbucó de probabldad, como se deduce del apartado ateror, ha de teer dos característcas ecesaras: cotua. x ) P(ξ x) 0 x s es dscreta o be f ( x) dx x 0 s es ) P(ξ =x) = s es dscreta o be f ( x) dx = s es cotua La fucó de dstrbucó es la probabldad de que la varable aleatora tome todos los valores meores o guales a x. Las dstrbucoes de probabldad puede ser dscretas o cotuas. No obstate, podríamos defr fucoes de probabldad mxtas, es decr, e uos tramos dscretas y e otros cotuas. Las dstrbucoes de probabldad dscretas que vamos a aalzar e este capítulo so: la dstrbucó bomal y la dstrbucó hpergeométrca. Etre las dstrbucoes cotuas se estuda la dstrbucó ormal o de Gauss, la dstrbucó χ de Pearso, la dstrbucó t de Studet y la dstrbucó F de Fsher- Sedecor. 6
63 Dstrbucó bomal Para comezar el estudo de la dstrbucó bomal vamos a cosderar ua varable aleatora ξ que puede tomar úcamete los valores y 0 co probabldades p y q respectvamete. P[ξ = ] = p P[ξ = 0] = q p + q = Ejemplos cocretos de estos feómeos aleatoros so: el lazameto de ua moeda a cara o cruz, los resultados de u exame de aprobado o suspeso o el lazameto de u dado co posbles resultados de sólo par o mpar. Estos expermetos dode se produce resultados mutuamete excluyetes se deoma esayos de Beroull, e hoor al matemátco suzo Jakob Beroulle ( ). Las codcoes que se debe de satsfacer so:. La probabldad de éxto p permaece costate de u expermeto a otro.. Los esayos so depedetes. La esperaza matemátca o la meda de esta dstrbucó es : E(ξ ) = p + 0q=p La varaza se calcula medate la sguete expresó: sedo q = -p σ = E(ξ - p) = pq La dstrbucó bomal de parámetros, p se basa e ua prueba coocda como expermeto de Beroull o problema de las pruebas repetdas, que cosste e averguar la probabldad de que e las extraccoes o pruebas se haya cosegudo x valores o/y -x valores 0. 63
64 La dstrbucó bomal de parámetros, p se costruye, pues, como ua suma de varables depedetes dstrbudas como las aterores. La varable ξ puede tomar todos los valores compreddos etre 0 y ξ = ξ + ξ +..+ ξ La fucó de cuatía o de probabldad vee expresada por la sguete fucó: x P[ ξ = x] = p q x x Para facltar la compresó de esta fucó os vamos a apoyar e el sguete ejemplo. Supógase la extraccó de r bolas e ua ura, de las cuales so blacas y egras, sedo el suceso a medr el úmero de bolas blacas extraídas. Cada vez que efectuemos ua extraccó se volverá a troducr la bola detro de la ura. La fucó de cuatía o probabldad tee ua seclla deduccó e el ejemplo expuesto. E prmer lugar, dado que partmos de sucesos depedetes, la probabldad se obtee multplcado las probabldades de los sucesos, es decr, s la ura cotee úcamete cuatro bolas, dos blacas y dos egras, y efectuamos dos extraccoes, la probabldad de que ua sea blaca y la otra o, sedo la probabldad de obteer bola blaca p = 0,5 (ya que teemos dos bolas blacas sobre cuatro), sería: p(blaca, egra) = p(blaca) * p(egra) = p(-p) = pq=0,5 Ahora be, hemos de teer e cueta que el orde o fluye y, por tato, obteemos dos casos favorables sobre los cuatro posbles, teedo cada uo probabldad pq: Casos posbles Blaca, egra Negra, blaca Negra, egra Blaca, blaca Casos favorables 64
65 Al ser dos los casos favorables se deberá multplcar pq por, es decr la probabldad del suceso a evaluar es la sguete: pq. El úmero de estos casos favorables se calcula a través del úmero combatoro, sedo e el caso que os ocupa = y x =. x La esperaza matemátca de la dstrbucó es: E(ξ) = p La varaza de la dstrbucó es: σ = pq Por ejemplo, la probabldad de obteer x caras e 0 lazametos de ua moeda será gual a: P[ x] x p x q x x x ξ = = = 0 0 0, 5 0, 5 0 sedo 0 x 0 x S x = 0 estaríamos calculado la probabldad de obteer 0 cruces o gua cara, que sería gual a 0, A su vez, la probabldad de obteer 5 caras y 5 cruces (x = 5) sería de 0,4609. Esta dstrbucó se aplca a sodeos exhaustvos co reemplazameto, costtuyedo la base teórca de las formulacoes desarrolladas e el muestreo aleatoro co reemplazameto. 65
66 Dstrbucó hpergeométrca Ua varable aleatora, ξ, que toma todos los valores compreddos etre 0 y, se dce que sgue ua dstrbucó hpergeométrca cuado: P [ = r] ξ Np Nq r r = N r dode Np y Nq so úmeros eteros, sedo Np + Nq = N. U ejemplo de esta dstrbucó lo ecotramos cuado queremos saber cual es la probabldad de extraer de ua ura que cotee N bolas, de las cuales (Np e la fórmula) so blacas y (Nq) so egras, r bolas blacas y -r bolas egras al hacer extraccoes. Cada vez que se efectúe ua extraccó, la bola o se repoe de uevo e la ura, es decr, o etrará a formar parte de la sguete extraccó. La esperaza matemátca de la dstrbucó es: E[ξ ] = p La varaza de la dstrbucó vee dada por la sguete expresó: σ = N pq N Esta dstrbucó es la base teórca del muestreo aleatoro s reposcó. Dstrbucó ormal o de Gauss E u bue úmero de sucesos aleatoros, la dstrbucó de probabldad, sgue ua dstrbucó específca e forma de campaa, llamada curva ormal o curva de 66
67 Gauss. Esta dstrbucó es la más comú y útl de la estadístca, dado que muchos feómeos se suele ajustar a esta dstrbucó: errores de observacó, procesos de medcó s errores sstemátcos, meddas físcas del cuerpo humao, etc. Decmos que ua varable aleatora ξ que toma los valores x (desde - hasta + ) se dstrbuye ormalmete co parámetros (0, ), es decr, co meda 0 y varaza, cuado su fucó de dstrbucó vee dada por la sguete expresó: x P[ ξ x] = F( x) = e dx π x - <x< La fucó de desdad la obteemos dervado la fucó de dstrbucó: f ( X ) = e x π A su vez, decmos que ua varable aleatora η se dstrbuye ormalmete co parámetros (α, σ) cuado está lgada a la dstrbucó ormal de parámetros (0, ) por la sguete expresó: η = σξ + α sedo σ > 0 La fucó de desdad de la dstrbucó ormal de parámetros (α, σ) toma, etoces, la sguete expresó: f ( X ) x α = σ πσ e La represetacó gráfca de la fucó de desdad de la dstrbucó ormal de parámetros (α, σ), tee las sguetes característcas: Karl Fredrch Gauss, , vestgó el comportameto de los errores de medda y llegó a la expresó matemátca que se cooce como Ley de los errores o Ley de Gauss. 67
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesDefinición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:
Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesEsta t d a í d s í titcos o TEMA 3.3
TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesMEDIDAS DE FORMA Y CONCENTRACIÓN
MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor
árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detallesColegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesColegio Sagrada Familia Matemáticas 4º ESO
Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesEstadística aplicada al Periodismo
Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES
Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para
Más detalles1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesUNIDAD DIDÁCTICA 13: Estadística Descriptiva
Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
Más detallesESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesQué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.
Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS
Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Grado de ADE. Prmer curso Raquel Mª Álvarez Esteba Descrpcó umérca de ua varable Objetvo: Resumr dsttos aspectos de las dstrbucoes de frecuecas Iterés de los resúmees umércos:
Más detallesEstadística Descriptiva
Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama
Más detallesAGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detallesPROBABILIDAD Y ESTADISTICA
1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca
Más detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesTeoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.
Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesEjercicios Resueltos de Estadística: Tema 1: Descripciones univariantes
Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detallesEste documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesNo debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
Más detallesESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.
ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesEJERCICIOS RESUELTOS TEMA 3.
INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.
Más detallesGestión de operaciones
Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesTEMAS CUESTIONARIO DE AUTOEVALUACIÓN
TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesMS Word Editor de Ecuaciones
MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua
Más detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesManual de Estadística
Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo
Más detalles