Nociones de Estadística



Documentos relacionados
5.3 Estadísticas de una distribución frecuencial

Aproximación a la distribución normal: el Teorema del Límite Central

MEDIDAS DE TENDENCIA CENTRAL

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

ESTADÍSTICA poblaciones

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística Contenidos NM 4

Cálculo y EstadísTICa. Primer Semestre.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Estadística Descriptiva

Colegio Sagrada Familia Matemáticas 4º ESO

Los Histogramas. Histograma simple

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

La inferencia estadística es primordialmente de naturaleza

Métodos indirectos de estimación: razón, regresión y diferencia

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Estadística Contenidos NM 4

Esta t d a í d s í titcos o TEMA 3.3

ERRORES EN LAS MEDIDAS (Conceptos elementales)

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

MEDIDAS DE CENTRALIZACIÓN

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

V II Muestreo por Conglomerados

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

Inferencia Estadística

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

GENERALIDADES ESTADISTICA DESCRIPTIVA

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

PARÁMETROS ESTADÍSTICOS ... N

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.

REGRESIÓN LINEAL SIMPLE

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Como en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente.

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

Regresión - Correlación

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

Probabilidad y estadística

Estadística Espacial. José Antonio Rivera Colmenero

Análisis de Regresión

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

3 Metodología de determinación del valor del agua cruda

7. Muestreo con probabilidades desiguales.

4º MEDIO: MEDIDAS DE POSICIÓN

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

Estadística aplicada al Periodismo

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

ANGEL FRANCISCO ARVELO LUJAN

3. La distribución normal multivariada

MEDIDAS DE TENDENCIA CENTRAL

Probabilidad y estadística

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Contraste de Hipótesis

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Intensificación en Estadística

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Contraste de Hipótesis

MEDIDAS DE FORMA Y CONCENTRACIÓN

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

Laboratorio de Física PRÁCTICA 1

No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

1 ESTADÍSTICA DESCRIPTIVA

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Análisis de Regresión y Correlación Lineal

Estadística Descriptiva

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

Transcripción:

Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos). Esto hace que o se pueda sacar coclusoes co total certeza. Lo que s podemos hacer es utlzar las herrametas que proporcoa la estadístca para aceptar coclusoes que tee ua alta probabldad de ser correctas y rechazar aquellas que o. Exste dos tpos de descrptores (estadígrafos) que permte hacer esta valoracó: las meddas de tedeca cetral y las meddas de dspersó. Meddas de tedeca cetral Moda: Valor (o valores) que aparece co mayor frecueca e u cojuto de datos. Medaa: Valor que dvde e dos partes guales al cojuto ordeado de datos. Para u cojuto mpar es el valor que ocupa la poscó cetral, para u cojuto par es el promedo de los datos cetrales Meda artmétca: x x dode x represeta al compoete ésmo del cojuto de medcoes y es el úmero total de medcoes Propedades de la meda: - S las medcoes está formadas por u solo valor que se repte, la meda es el propo valor. - S se suma o se resta ua costate a todas las medcoes del cojuto, la meda quedará aumetada o dsmuda e esa catdad. - S todas las medcoes se multplca o dvde por ua costate, la meda quedará multplcada o dvdda por ella. - La suma de las desvacoes de las medcoes del cojuto co respecto a su meda es cero. Meda geométrca ( ) / G xx x No se puede usar s uo de los datos es cero o egatvo. Meda armóca H x H x

Químca Aalítca Prof. Aa Galao Jméez Meda poderada: Promedo de las medas teedo e cueta el peso relatvo (w) de cada ua de ellas. Co la troduccó de estos pesos se da dferete mportaca a cada valor. x wx w Meddas de dspersó Rago o recorrdo: Es la dfereca etre el mayor valor y el meor valor del cojuto. R x x max m Desvacó estádar: Mde las desvacoes de los datos co respecto a su meda. S ( x x ) Para obteer u valor adecuado de S es ecesaro: -Exclur heterogeedades del materal. -Exclur errores subjetvos. -Establecer codcoes expermetales. -Realzar cada medcó depedete-mete e cluyedo sempre los msmos pasos. -Emplear los valores expermetales s aproxmarlos. Dspersó o varaza: Se le llama de este modo al cuadrado de la desvacó estádar. Propedades de S y S : - S todas las medcoes so détcas: S S 0 - S las medcoes se multplca o dvde por ua costate, S queda multplcada o dvdda por el cuadrado de esa costate y S queda multplcada o dvdda por esa costate. - S a todos los datos se les suma o se les resta ua costate, S y S permaece alterables Desvacó estádar relatva: També coocda como coefcete de varacó. Es ua medda de dspersó de los datos co respecto a la meda y suele expresarse e forma porcetual: S SR 00 x El valor correspodete a la medcó de terés suele reportarse como: x x ± S

Químca Aalítca Prof. Aa Galao Jméez Otros coceptos estadístcos Poblacó: Cualquer cojuto (fto o o) de dvduos u objetos, que preseta algua característca e comú observable o determable. Muestra: Subcojuto de la poblacó al que se le realza las medcoes. Muestreo smple o aleatoro: E el que todos los elemetos que compoe la poblacó tee gual probabldad de ser seleccoados para formar parte de la muestra. Dstrbucó empírca de frecuecas: Es el agrupameto de los datos e clases, acompañados por sus frecuecas. Se preseta e forma de tablas para facltar la represetacó gráfca de los datos, lo que a su vez permte ua mejor vsualzacó del comportameto de dchos datos. Itervalos o clases: Partes e que se dvde el rago total de valores obtedos. Cas sempre so de gual ampltud para que sea comparables. El úmero de tervalos (NI) suele tomarse como aproxmadamete gual a la raíz cuadrada del úmero total de medcoes (). Por lo tato el acho de los tervalos (a) queda como: R R a NI Marca de clase: es u úmero que perteece al tervalo y lo caracterza para el trabajo posteror. Se toma geeralmete como el puto medo o alguo de los extremos del tervalo. Las marcas de clase debe ser equdstates. Frecueca absoluta (f): es el úmero de valores o medcoes que hay e u tervalo. De modo que para medcoes y j tervalos se cumple que: NI f j j Frecueca relatva (f R ): Refleja la proporcó de observacoes cotedas e u tervalo. f j frj Frecueca acumulatva (f A ): Es la sumatora de las frecuecas absolutas de los k prmeros tervalos. k f Ak f j j Frecueca acumulatva relatva (f AR ): Proporcó de observacoes cuyos valores so meores o guales al límte superor de la clase k. k f AR f k Rj j 3

Químca Aalítca Prof. Aa Galao Jméez Hstograma: Gráfco de barras co las frecuecas (absoluta o relatva) e la ordeada (eje y) y los tervalos o clases e la abscsa (eje x). Dstrbucó ormal o e forma de campaa de Gauss: S ua medcó se repte u gra úmero de veces y los errores cometdos so puramete aleatoros los resultados tede a agruparse smétrcamete e toro al valor medo. La fucó desdad asemeja ua campaa. Muchas medcoes de feómeos aturales sgue este tpo de dstrbucó. Es la dstrbucó de probabldad que co más frecueca aparece e estadístca y teoría de probabldades. Para ua sere fta μ se aproxma a x y σ se aproxma a S. 4

Químca Aalítca Prof. Aa Galao Jméez La líea verde correspode a la dstrbucó ormal estádar. Polígoos de frecueca: Es la uó sucesva de las marcas de clases de los dferetes tervalos medate líeas rectas. Se puede costrur co frecuecas absolutas, relatvas, acumulatvas o acumulatvas relatvas. Utldad de los polígoos de frecueca absoluta: Al gual que los hstogramas, permte ua fácl vsualzacó del comportameto de los datos obtedos. Utldad de los polígoos de frecueca acumulatva: La obtecó de cuatles (valor por debajo del cual se ecuetra ua determada proporcó de los valoresde la dstrbucó). 5

Químca Aalítca Prof. Aa Galao Jméez Percetl: es el cuatl más comú, os permte saber qué porceto de los datos se ecuetra por debajo de u valor dado. Por ejemplo P 5 dca el valor por debajo del cual se ecuetra el 5% de la dstrbucó de valores. Pruebas de hpótess Permte comparar estadígrafos y decdr s exste dferecas sgfcatvas etre ellos. Verfca s la dfereca etre dos valores calculados es real o s se trata de ua dfereca casual, aleatora, debda al azar. El método clásco de trabajo e Estadístca es propoer ua hpótess que cotee ua gualdad y es coocda como hpótess ula (H 0 ). Por ejemplo: H : x x hpótess ula 0 H: x x hpótess alteratva S se cumple H 0 decmos que o exste dferecas sgfcatvas etre los estadígrafos comparados. S o se cumple H 0 decmos que exste dferecas sgfcatvas etre los estadígrafos comparados. Al tomar la descó de rechazar o o rechazar la hpótess ula puede cometerse dos tpos de errores: tpo (α): rechazar ua hpótess que o debe ser rechazada. tpo (β): o rechazar ua hpótess que debe ser rechazada. De modo que: s H 0 e realdad es Decsó VERDADERA FALSA No rechazar H 0 Decsó Correcta Error tpo (β) Rechazar H 0 Error tpo (α) Decsó Correcta Procedmeto: - Formulacó de la hpótess ula. - Reur muestras observables o calculables. 3- Examar los resultados para establecer s está e cocordaca co lo que platea uestra hpótess. (S la cocordaca es grade o rechazamos la hpótess ula y s es pequeña la rechazamos) Para determar s la cocordaca es grade o pequeña se calcula algú estadígrafo y se compara sus valores. Para realzar esta comparacó es mportate coocer el vel de cofaza (α). Este o es más que la probabldad (expresada e tato por uo) de cometer u error α, o sea de rechazar ua hpótess ula sedo certa. Los químcos e geeral empleamos α0.05. Esto sgfca que aproxmadamete e 5 ocasoes de cada 00 rechazamos ua hpótess ula que era certa. La úca forma de reducr el resgo de cometer u error tpo (α) es realzar u cotraste más rguroso, por ejemplo tomar α0.0. S embargo debe teerse e cueta que a medda que dsmuye las posbldades de cometer u error α (tpo ) aumeta las de cometer u error β (tpo ). 6

Químca Aalítca Prof. Aa Galao Jméez Determacó de errores burdos Prueba Q ( 0) Se utlza para decdr s ua medcó que o parece coherete co las restates se descarta o se retee. x x Qcalc R dode x es el valor dudoso y x el valor más próxmo a x. Recordemos que R es el rago o recorrdo (Rx max -x m ) Luego se compara Q calc co Q(α,). S Q calc > Q(α,) el puto sospechoso se descarta y s Q calc Q(α,) el puto sospechoso se retee. Prueba NS ( > 0) E este caso es ecesaro calcular la meda artmétca y la desvacó estádar a partr de los valores de las medcoes s clur el valor del que se duda y se cosdera que este o es u error burdo s se ecuetra e el tervalo: x ± NS dode N se toma frecuetemete como N4, lo que es equvalete a trabajar co α99.99%, esto sgfca que la probabldad de rechazar la hpótess ula sedo certa es de u 0.0%. O sea que al cosderar u valor como error burdo es muy poco probable que o lo sea. α99% (N.58) α95% (N.96) Itervalo de cofaza de la meda Es mportate otar que esto o costtuye ua prueba de hpótess. S solo dspoemos de u úmero lmtado de medcoes o podemos hallar la verdadera meda (μ) la verdadera desvacó estádar (σ) de la poblacó. Lo que podemos hacer es calcular la meda ( x ) y la desvacó estádar (S) de la muestra. El tervalo de cofaza os brda los límtes, para u α dado, detro de los cuales debe ecotrarse el valor medo real (poblacoal) compatble co la meda muestral ( x ±Δ x ). t( α, f ) S Δ x dode f represeta los grados de lbertad (f -), y t(α,f) es coocda como t de Sudet. Sus valores se ecuetra tabulados para dferetes veles de cofaza (α) y grados de lbertad. El valor del tervalo de cofaza depede del úmero de determacoes y dsmuye cosderablemete al aumetar el úmero de determacoes de a 3 ó de 3 a 4. Al aumetar el úmero de determacoes a más de 4 esta dsmucó o es cosderable, por lo que e geeral u gra cremeto del úmero de determacoes o es justfcable (desde el puto de vsta del tervalo de cofaza) e comparacó co el aumeto de gastos y tempo ecesaro para la realzacó de los expermetos. 7

Químca Aalítca Prof. Aa Galao Jméez Comparacó de dspersoes muestrales (Prueba F) E químca es frecuete que sea ecesaro comparar dos magtudes proporcoales a los errores aleatoros presetes e dos codcoes de trabajo dadas, esto es: comparar dos dspersoes. O sea se hace ecesaro decdr s la dfereca etre dos dspersoes S y S se ecuetra detro de los límtes de los errores casuales, e cuyo caso puede cosderarse como estmacoes de la msma dspersó poblacoal (σ ) o s o es así. La hpótess ula e este caso sería: H0: S S Y la hpótess alteratva sería: H: S S Para verfcar la hpótess ula se emplea la dstrbucó F de Fsher. Prmeramete se calcula F calc segú: S Fcalc S dode S > S. Además f y f so los grados de lbertad de las muestras y para los cuales aparece tabulada. F(α,f,f ). Luego se compara F calc co F(α,f,f ). S F calc es mayor que F(α,f,f ) rechazamos la hpótess ula y s es meor o gual la aceptamos. Comparacó de medas muestrales Se usa para comparar dos cojutos de medcoes y decdr s so o o dferetes. E este caso: La hpótess ula sería: H0 : x x Y la hpótess alteratva sería: H: x x Exste tres casos dferetes dode es mportate esta comparacó ya que os permte decdr s dos resultados so o o cocdetes detro del error epermetal: Caso : Se mde ua catdad varas veces y se obtee el valor medo y la desvacó estádar correspodete y se ecesta comparar el resultado obtedo co u valor coocdo y aceptado. Prmeramete se obtee la t de Studet calculada segú: x x0 tcalc dode x 0 represeta al valor coocdo. S Luego se compara t calc co t(α,f). S t calc es mayor rechazamos la hpótess ula, o sea las medcoes realzadas y el valor aceptado o cocde. S es S t calc t(α,f) meor que aceptamos la hpótess ula, o sea cosderamos que medcoes realzadas y el valor aceptado cocde para u vel de cofaza α. 8

Químca Aalítca Prof. Aa Galao Jméez Caso : Se mde ua catdad varas veces co dos métodos dferetes y se calcula los valores medos y las desvacoes estádar correspodetes. E este caso la hpótess ula sería cosderar que ambos cojutos de medcoes produce resultados equvaletes y la hpótess alteratva sería que ambos cojutos de medcoes produce resultados dferetes. Los valores, x y S correspode al prmer cojuto de medcoes (método ) y los valores, x y S correspode al segudo cojuto de medcoes (método ). Prmeramete se aalza las dspersoes (varazas) de ambos cojutos (prueba F). S o exste dferecas sgfcatvas etre las dspersoes S y S, para el vel de cofaza empleado, se calcula la t de Studet calculada segú: x x tcalc S C + dode S C represeta la desvacó estádar combada que se obtee a partr de: S f+ S f SC fc y a su vez f C so los grados de lbertad combados, o sea los grados de lbertad de los dos cojutos tratados como u todo: f f + f + C Luego se compara t calc y t(α,f). S t calc es mayor rechazamos la hpótess ula, o sea los dos cojutos de medcoes o produce resultados cocdetes. S es S t calc t(α,f) meor aceptamos la hpótess ula, o sea cosderamos que ambos cojutos de medcoes cocde para u vel de cofaza α. S exste dferecas sgfcatvas etre las dspersoes S y de cofaza empleado, etoces se calcula la t de Studet calculada segú: x x tcalc S + S Y se compara co t(α) calculada como: ( ) ( ) ( ) St α, f + S t α, f t α S + S Otra alteratva es comparar t calc co la t de Studet tabulada para f C gual a: ( S / + S / ) fc ( S / ) ( S / ) + + + S, para el vel 9

Químca Aalítca Prof. Aa Galao Jméez Caso 3: Se mde la muestra ua sola vez la co el método A y ua sola vez co el método B y o se obtee el msmo resultado. Se repte el proceso para la muestra y uevamete los resultados obtedos por el método A y el método B o cocde. Se repte el proceso para muestras. E este caso o se replca gua medcó, por lo que se aplca la prueba t a las dferecas dvduales (d ) etre los resultados de cada muestra: d tcalc Sd dode S d ( d ) d d co d y para cada muestra d xa xb Valores crítcos de Q para el test de Dxo, e fucó del úmero de determacoes y del vel de cofaza Nvel de cofaza 90% 95% 99% 3 0.94 0.970 0.994 4 0.765 0.89 0.96 5 0.64 0.70 0.8 6 0.560 0.65 0.740 7 0.507 0.568 0.680 8 0.468 0.56 0.634 9 0.437 0.493 0.598 0 0.4 0.466 0.568 0.376 0.46 0.5 4 0.349 0.396 0.508 6 0.39 0.374 0.463 8 0.63 0.356 0.44 0 0.300 0.34 0.45 5 0.77 0.37 0.393 30 0.60 0.98 0.37 0

Químca Aalítca Prof. Aa Galao Jméez

Químca Aalítca Prof. Aa Galao Jméez