Estadstica Inferencial

Lizeth Tatiana Hernndez Villa

ID 491209
Agosto 2016

Corporacin Universitaria Minuto De Dios.

Bogot D.C.
Estadstica Inferencial

INDICE

Descripcin

Pg.

Introduccin

Objetivos

Cul es la diferencia entre estadstica descriptiva y la inferencial?

Defina y de un ejemplo de variable continua y discreta

Defina que es media, mediana y moda. Realice un ejemplo de cada

uno para variable discreta y variable continua varianza continua

Que es clase y como se calcula la simetra de un conjunto de datos?

Realice un ejemplo de cada una

Bibliografa

Conclusiones

INTRODUCCION

El presente trabajo es sobre el tema de las ideas principales de la Estadstica es una ciencia formal
que estudia la recoleccin, anlisis e interpretacin de datos de una muestra representativa, ya sea para
ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno
o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo, la estadstica es ms
que eso, es decir, es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin
cientfica.

OBJETIVOS

1.

1)

Dar a conocer la definicin sobre los temas de estadstica descriptiva expresada en

el marco legal que compete.

2)

Comprender la definicin de cada tema.

3)

Analizar los elementos, semejanza, diferencia del tema tratado.

Cul es la diferencia entre estadstica descriptiva y la inferencial?

La estadstica descriptiva analiza, estudia y describe a la totalidad de individuos de una poblacin. Su finalidad
es obtener informacin, analizarla, elaborarla y simplificarla lo necesario para que pueda ser interpretada
cmoda y rpidamente y, por tanto, pueda utilizarse eficazmente para el fin que se desee.
La estadstica inferencial, sin embargo, trabaja con muestras, subconjuntos formados por algunos individuos
de la poblacin. A partir del estudio de la muestra se pretende inferir aspectos relevantes de toda la poblacin.
Cmo se selecciona la muestra, cmo se realiza la inferencia, y qu grado de confianza se puede tener en ella
son aspectos fundamentales de la estadstica inferencial, para cuyo estudio se requiere un alto nivel de
conocimientos de estadstica, probabilidad y matemticas.
2. Defina y de un ejemplo de variable continua y discreta

Una variable discreta es una variable que solo puede tomar algunos valores dentro de un
mnimo conjunto numerable, es decir, no acepta cualquier valor, nicamente aquellos que
pertenecen al conjunto. Estas variables se dan de modo coherente separaciones entre valores
observables sucesivos. Dicho con ms rigor, se define una variable discreta como la variable
que hay entre dos valores observables (potencialmente), hay por lo menos un valor no
observable (potencialmente). Como ejemplo, el nmero de animales en una granja (0, 1, 2,
3...).
En lgica matemtica, es una variable discreta que puede ser verdadera o falsa. Las variables
proposicionales son los bloques de construccin bsicos de las frmulas proposicionales,
usadas en lgica proposicional y en lgicas superiores.
Una variable continua puede tomar un valor fijo dentro de un intervalo determinado. Y siempre
entre dos valores observables va a existir un tercer valor intermedio que tambin podra tomar
la variable continua. Una variable continua toma valores a lo largo de un continuo, esto es, en
todo un intervalo de valores. Un atributo esencial de una variable continua es que, a diferencia
de una variable discreta, nunca puede ser medida con exactitud; el valor observado depende en
gran medida de la precisin de los instrumentos de medicin. Con una variable continua hay
inevitablemente un error de medida. Como ejemplo, la estatura de una persona (1.71m,
1.719m, 1.7154m....)
3. Defina que es media, mediana y moda. Realice un ejemplo para variables discretas y
variable continua
MEDIA: Es el centro de gravedad de la distribucin, o fiel de la balanza entre todos los datos. Se
calcula sumando los datos y dividiendo entre el tamao de la muestra, esto es, entre el nmero de datos.
En nuestro ejemplo, la suma de los datos es 26 y el nmero de ellos 13, de forma que la media vale
26/13 = 2.00; por su propia naturaleza, la media slo es definible para variables cuantitativas, ya que si
no hay nmeros no se puede sumar. Es la ms importante de las medidas de centralizacin y en general
de todos los parmetros estadsticos y al ser centro de gravedad tiene la propiedad de que si hallamos
las diferencias de cada dato con ella (llamadas desviaciones), la suma de estas diferencias o
desviaciones es SIEMPRE CERO para cualquier distribucin de cualquier variable, lo que resulta clave
para la definicin de las medidas de dispersin. En nuestro ejemplo, con media de 2, las desviaciones
(que se obtienen restando cada dato menos la media) son:
-2

-2

-2

-2

-1

-1

-1

+1

+2

+3

+5

que como puede calcularse suman cero (las negativas, que proceden de datos inferiores a la media,
suman 11, y las positivas, que proceden de datos superiores a la media, suman +11, de modo que todas
suman 0).
Existen otras medidas de centralizacin de uso menos frecuente, como la media ponderada (que es una
media aritmtica con distintos pesos de importancia para los distintos datos), la media geomtrica (raz
ensima del producto de los datos) o la media armnica (la inversa de la media aritmtica de los
inversos de los datos).
MEDIANA: es el valor que est en el centro de la distribucin, es decir, el valor que supera a la

mitad de los de la muestra y se ve superado por la otra mitad se calcula buscando el valor de la
muestra que ocupa el lugar con los datos ordenados. En nuestro ejemplo es el valor 1, que
corresponde al sptimo lugar. La mediana no puede definirse para variables cualitativas puras,
sino slo para ordinales y cuantitativas, ya que necesita un orden en los datos.
MODA: es el valor de la variable que tiene mayor frecuencia en la muestra, es decir, el que se
repite ms. En nuestro ejemplo es el valor 0, que tiene una frecuencia absoluta de cuatro, que
es la ms grande. La moda puede definirse para cualquier tipo de variables. Tambin se puede
hablar de moda local o secundaria, que sera cualquier valor ms frecuente que sus adyacentes,
es decir, con ms frecuencia que la que tengan el anterior y el posterior, lo que requiere al
menos orden en los datos; no hay ninguna moda secundaria en nuestro ejemplo.
4. Defina que es desviacin estndar o tpica y varianza. Realice un ejemplo para variables
discretas y variable continua

La VARIANZA: es la media aritmtica de los cuadrados de las desviaciones, por lo que se

calcula elevando al cuadrado cada desviacin, sumando esos cuadrados y dividiendo entre n;
en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones, con lo que la varianza
es 58/13 = 4.46 ; el cuadrado es matemticamente mucho ms manejable que el valor absoluto,
lo que hace de la varianza la reina de los parmetros de dispersin desde un punto de vista
terico. Sin embargo, el hecho de que carezca de interpretacin intuitiva y que sus unidades
sean cuadradas (hermanos cuadrados?) hace que es la prctica se use mucho ms su raz
cuadrada.
La DESVIACION STANDARD o DESVIACION TIPICA, con mucho la ms usada de las
medidas de dispersin, y que en nuestro ejemplo valdra 2.11, con lo que el informe ms
habitual para nuestros datos dara una media de 2.00 y la desviacin tpica de 2.11 como
parmetros ms informativos. Por motivos difciles de explicar aqu, relacionados con
cuestiones de inferencia estadstica, es ms recomendable usar el denominador n-1 en lugar
del n al calcular la varianza y la desviacin tpica de una muestra, quedndose el n para el caso
en que se conoce toda la poblacin; en nuestro ejemplo, pues, sera mejor calcular como
varianza 58/12 = 4.83 y como desviacin standard su raz cuadrada 2.20 (estos ltimos seran
la varianza muestra la varianza y la desviacin tpica muestra y seran los utilizados en la
prctica, aunque la definicin terica sea con denominador n por ser la varianza una "media").
A efectos comparativos entre distintas muestras e incluso entre distintas variables, se define:

El COEFICIENTE DE VARIACION, que es el cociente, a menudo expresado en tanto por

ciento, entre la desviacin tpica y la media de una distribucin. Es una especie de desviacin
tpica relativa, y en nuestro ejemplo valdra 2.2011/2.00 = 1.100055 bien 11005.05%
(ntese que no es un verdadero porcentaje, porque puede valer ms del 100%); este resultado
indicara mucha dispersin en los datos del ejemplo en relacin con la media.
5. Que es clase y como se calcula la simetra de un conjunto de datos? Realice un ejemplo
de cada una

Diremos que una distribucin es simtrica cuando su mediana, su moda y su media aritmtica
coinciden.
Diremos que una distribucin es asimtrica a la derecha si las frecuencias (absolutas o
relativas) descienden ms lentamente por la derecha que por la izquierda.
Si las frecuencias descienden ms lentamente por la izquierda que por la derecha diremos que
la distribucin es asimtrica a la izquierda.
Existen varias medidas de la asimetra de una distribucin de frecuencias. Una de ellas es
el Coeficiente de Asimetra de Pearson:

Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la

derecha y negativo cuando existe asimetra a la izquierda.

BIBLIOGRAFIA

http://www.tuveras.com/estadistica/estadistica02.htm

http://www.ditutor.com/estadistica/desviacion_estandar.html

CONCLUSION

Concluyo que la importancia en las diferencias entre estadstica descriptiva y estadstica

inferencial es saber la importancia de conocer y saber la importancia e investigar ms afondo
este tema conocido, pero muchas veces con informacin incompleta espero que este trabajo sea
de mucha ayuda.