Documente Academic
Documente Profesional
Documente Cultură
Estadstica
Formas Simples de Resumir datos
Curva de Frecuencia Acumulada
Consiste en agrupar datos sumando las observaciones de
una clase con las de la anterior.
Ejemplo: de la tabla anterior se tiene:
Contenido de Nmero de
Estadstica Frecuencia
2 Formas Simples de Resumir datos Acumulada
Cmo dibujar un Histograma Estao
1. Agrupar las observaciones entre 5 y 20 intervalos de clase muestras
2. Obtener un representante de clase que es el punto medio (% de Sn)
de la clase. 20 - 22
3. Determinar el nmero de observaciones en cada clase o 22 - 24
intervalo. 24 - 26
4. Construir rectngulos con centros en el representante de 6
clase. 6
Ejercicio: construir el histograma de la distribucin de edades 15
de los alumnos de la clase 40
19/9/2016 21
Jaime Ortega 61
14 26 - 28
28 - 30
30
Estadstica 9
Formas Simples de Resumir datos 91
Curva de Frecuencias 9
Si hay muchas observaciones, el histograma se puede Total
reemplazar por una curva suave que pasa por 100
las intersecciones de los valores de frecuencia con los 19/9/2016
representantes de clase. Jaime Ortega
19/9/2016 16
valor esperado de una distribucin; de hecho, es un
estimador de mxima verosimilitud. Se
Estadstica calcula mediante:
2 Formas Simples de Resumir datos n
Curva de Frecuencia Acumulada y
19/9/2016 i
Jaime Ortega n
17 _
y =
Estadstica i=1
II Formas Simples de Resumir datos Donde : yi son las observaciones y n es el nmero total de
Estadgrafos de Resumen de Datos observaciones.
Adems de los mtodos grficos, es til calcular algunos 19/9/2016
parmetros que resumen el conjunto de datos. Jaime Ortega
Cualquier cantidad que es calculada a partir de datos 19
estadsticos se llama estadgrafo.
Los ms simples son de dos tipos: medidas de locacin o
tendencia central y medidas de dispersin. Estadstica
Medidas de Posicin Central Formas Simples de Resumir Datos
Son la media, mediana y moda. La Media
Estas medidas asumen la representatividad del conjunto de Si los datos estn tabulados en frecuencias la formula de
datos. clculo es:
Cuando la distribucin es simtrica, todas ellas se centralizan N
cerca al mximo de la curva.
19/9/2016 f y
Jaime Ortega i i
18 _
y = i1
N
Estadstica
Formas Simples de Resumir datos f i
La Media i1
Es el estadgrafo ms importante de todos. Ms adelante se Donde N es el nmero de observaciones no repetidas, yi es
ver que la media muestral estima el el representante de clase y fi es la
frecuencia con la que se repite la i-sima observacin.
19/9/2016 tiene un cierto nivel de ventas, segn se muestra en la
Jaime Ortega tabla abajo. Cual es la media del margen de
20 utilidades?
Lnea de Margen de Utilidad en
Ventas (US$)
Estadstica (W)
Formas Simples de Resumir datos n
La Media Ponderada
Tambin conocida como promedio ponderado, es una media yiwi
aritmtica en donde cada uno de los Productos
valores se pondera de acuerdo con su importancia en el %
grupo en general. Esto es, que a cada valor i1
yi se multiplica por el factor de ponderacin (X)
correspondiente, w , tras de lo cual los productos se A
i B
suman para posteriormente dividirse entre la suma de las 4.2
ponderaciones. 5.5
La frmula de clculo es: 30,000
n 20,000 110,000
126,000
wi yi C
_ D
y = i1n Total
7.4
wi 10.1
i1 5,000
19/9/2016 3,000
Jaime Ortega 58,000
21 37,000
30,300
303,300
Estadstica 19/9/2016
Formas Simples de Resumir datos Jaime Ortega
La Media Ponderada 22
Ejemplo: Se tiene cuatro de lneas de productos: A B, C, D y
cada lnea deja un margen de utilidad y
Estadstica =
Formas Simples de Resumir datos con n par
_ +1
y (arit) = 2
4.2 5.5 7.4 10.1 6.8% +
2
La Media Aritmtica 2+1
4 =
y_ = 303,300 5,23% con n impar
58,000 2
La Media Ponderada 19/9/2016
Utilizar la media aritmtica de 6.8 % es asumir Jaime Ortega
errneamente- que todos los productos tienen el mismo 24
volumen de ventas y que se puede esperar un margen de
utilidad de 6.8% para todos.
Ejercicio: calcular la media ponderada de los habitantes de Estadstica
La Paz, Oruro y Cochabamba. Formas Simples de Resumir Datos Medidas de Dispersin
19/9/2016 Ejemplo: un estudio de gente afectada por una enfermedad
Jaime Ortega revel que la mayora de las personas
23 afectadas estaban por debajo de los dos aos y por encima
de los setenta; seria por tanto engaoso
concluir simplemente que el "promedio de edad de la gente
Estadstica afectada es 36 aos" sabiendo que los
Formas Simples de Resumir Datos datos estn dispersos sobre casi todo el rango de la vida
La Mediana humana.
Es el valor de clase que corresponde al 50% de las Es importante saber cuan dispersos estn los datos pues:
observaciones. Se la utiliza en ocasiones en lugar de - Permite juzgar la confiabilidad de la medida de tendencia
la media, especialmente en casos de distribucin asimtrica. central. Si los datos se encuentran
La mediana es una medida de la accin de ampliamente dispersos, la posicin central es menos
contar y por tanto no esta afectada por valores extremos. representativa.
Si y , y , y , .y son los datos de una muestra ordenada, - Una amplia dispersin de valores con respecto al centro de
entonces: distribucin presenta riesgos
1 generalmente inaceptables
2 19/9/2016
3 Jaime Ortega
n 25
27
Estadstica
Formas Simples de Resumir Datos Medidas de Dispersin Estadstica
Toda medida de posicin central, para tener una adecuada Formas Simples de Resumir Datos
interpretacin, debe estar acompaada Medidas de Dispersin: La Varianza Muestral y la Desviacin
de una de dispersin. Las ms comunes son: el rango, la Estndar
desviacin media absoluta, la varianza, Ambas dan una medida de la dispersin de los datos
la desviacin estndar y el coeficiente de variacin. alrededor de la media. Cuando los valores
El Rango estn ms alejados los unos de los otros, mayor ser el
Diferencia entre el valor de la mayor y la menor observacin. valor de la Varianza y de la desviacin
til para comparar la variabilidad de estndar.
muestras de igual tamao. Es muy sensitivo al nmero de 2
observaciones y por tanto no es una La Varianza Muestral se calcula mediante:
caracterstica descriptiva de una poblacin. 2
19/9/2016 =
Jaime Ortega 1
26 =1
2
La desviacin estndar es la raz cuadrada de la Varianza:
Estadstica = =
Formas Simples de Resumir Datos Medidas de Dispersin 1
La Desviacin Media Absoluta (MAD) =1
Es el promedio de las desviaciones absolutas respecto de la La desviacin estndar tiene las mismas unidades que las
media. Es decir: medidas originales y por esta razn se la
prefiere como un estadgrafo de dispersin; sin embargo,
y y para propsitos de anlisis terico y de
clculo, se trabaja generalmente con varianzas.
n 19/9/2016
i Jaime Ortega
28
M.A.D =
n
i=1 Estadstica
19/9/2016 Formas Simples de Resumir Datos
Jaime Ortega Medidas de Dispersin
La Varianza Muestral y la Desviacin Estndar =1
2 =1
2 19/9/2016
1 Jaime Ortega
2 30
=
= =
1 Estadstica
=1 Formas Simples de Resumir Datos
=1 Medidas de Dispersin: La Varianza Muestral y la
El uso de (n-1) en lugar de n en el denominador confunde a Desviacin Estndar
muchas personas. Es el nmero de grados = = =0
de libertad de una suma de cuadrados, es igual al nmero de =1
elementos independientes en dicha suma. =1
19/9/2016 Ahora imaginemos que se tienen 3 valores de y que se
Jaime Ortega pueden modificar arbitrariamente, pero con la
29 condicin de que la suma de los residuos sea 0. Se puede
utilizar cualquier cantidad a dos de los tres
valores de y, porque el otro va a estar dado por la frmula, es
Estadstica decir que tienes dos grados de libertad
II Formas Simples de Resumir Datos En aquellas raras ocasiones cuando se conoce la media
Medidas de Dispersin: La Varianza Muestral y la Desviacin poblacional, la formula de la varianza tendr
Estndar n en el denominador.
2 19/9/2016
2 Jaime Ortega
1 31
2
=
= = Teora de Probabilidades
1 Concepto de Probabilidad
=1 Probabilidad es la posibilidad de ocurrencia de un cierto
=1 evento en un experimento dado. La teora de
En Estadstica, la suma de los residuos es probabilidades permite medir dicha posibilidad.
necesariamente 0 ya que existen variables con valores Estadstica y Probabilidad
superiores e inferiores a la media. La relacin entre probabilidad y estadstica puede verse
= = =0 mediante el siguiente ejemplo:
Un lote de 10,000 vlvulas de tubera se importan para 19/9/2016
la industria petroqumica. El fabricante Jaime Ortega
especifica que el lote contiene una proporcin p igual al 33
10 % o 0.1 de defectuosas. Si se toman
muestras de 100 vlvulas, se debe esperar que existan 10
defectuosas en cada muestra; sin embargo, al Teora de Probabilidades
tomar varias muestras, algunas tendrn 8 defectuosas, Concepto de Probabilidad
otras tendrn 9, 10, 11, etc. La Teora de Estadstica y Probabilidad
Probabilidades nos permite calcular la posibilidad o En resumen:
probabilidad de obtener un nmero determinado de La Estadstica acumula y analiza la masa de datos
vlvulas defectuosas en una muestra, obtenida bajo ciertas numricos provenientes de los resultados de
condiciones. En la realidad, la Estadstica ciertas actividades o de la observacin de fenmenos.
nos permite estimar el valor de p. La Probabilidad se encarga de evaluar la posibilidad de
19/9/2016 ocurrencia de los resultados de todas
Jaime Ortega aquellas actividades en donde se tiene incertidumbre
32 acerca de los resultados que se pueden
esperar.
19/9/2016
Teora de Probabilidades Jaime Ortega
Concepto de Probabilidad 34
Estadstica y Probabilidad
Una situacin real implica el conocer varios parmetros
o variables (en el ejemplo anterior el Teora de Probabilidades
parmetro es p). Definiciones y Conceptos
Si stos no se conocen y tienen que ser estimados a partir de Experimento Aleatorio
datos experimentales, se est en presencia Se llama experimento o fenmeno aleatorio a aqul cuyos
de un problema estadstico. resultados no se pueden predecir de
Una ves que dichos parmetros han sido estimados, ellos antemano en una experiencia concreta.
pueden ser utilizados para deducir el Se llama experimento determinista o determinstico al
comportamiento de un sistema o modelo a travs de la que, realizado en las mismas condiciones, es
solucin a un problema probabilstico; sin posible predecir los resultados (Fsica del problema).
embargo, Espacio Muestral: Es el conjunto de todos los posibles
.. para poder resolver el problema estadstico, se necesita resultados de un experimento aleatorio.
un conocimiento previo de la teora de Punto Muestral: Es un posible resultado de un experimento
probabilidades lo que determina una relacin biunvoca entre (un evento) aleatorio.
Probabilidades y Estadstica. 19/9/2016
Jaime Ortega el sentido de que los valores de probabilidad indican en el
35 largo plazo la tasa relativa de ocurrencia
del evento.
19/9/2016
Teora de Probabilidades Jaime Ortega
Definiciones y Conceptos 37
Probabilidad de La Place
Cuando se pueda asegurar que se cumple el postulado de
indiferencia, es decir que todos los sucesos Teora de Probabilidades
elementales o posibles resultados de un experimento son Definiciones y Conceptos
igualmente posibles y mutuamente excluyentes Probabilidad Puntual o Probabilidad del Punto Muestral
(no pueden ocurrir dos al mismo tiempo) entonces se define Es la frecuencia de ocurrencia del evento en muchas
que la probalidad de ocurrencia de un evento repeticiones del experimento.
cualquiera (a) se la puede estimar mediante: Si se designa un evento con y, la probabilidad de su
P(a) nmerode casosfavorables ocurrencia se expresa por P(y).
nmerode casosposibles Ejemplos:
19/9/2016 1.- Se lanza una moneda regular (experimento), el Espacio
Jaime Ortega Muestral es Cara y Cruz, es decir Ca y Cr. La
36 probabilidad de ocurrencia de Cara es igual a la de Cruz y se
denota por: P(Ca) = P(Cr) = 1/2.
19/9/2016
Teora de Probabilidades Jaime Ortega
Definiciones y Conceptos 38
Probabilidad de La Place
Se observ que en 9 de cada 50 vehculos que pasan por
una cierta esquina, los conductores no Teora de Probabilidades
tienen cinturn de seguridad. Si un vigilante de trnsito se Definiciones y Conceptos
para en esa misma esquina en un da Probabilidad del Punto Muestral
cualquiera Cul ser la probabilidad que detenga un 2.- Se lanzan dos dados. El Espacio Muestral consiste de 36
vehculo sin cinturn de seguridad? combinaciones que se muestran abajo.
P(a) frecuencia observada de casosfavorables 9 1,1
0.18 2,1
frecuenciaobservada de casosposibles 50 3,1
Tanto el enfoque clsico como el enfoque emprico conducen 4,1
a valores objetivos de probabilidad, en 5,1
6,1
1,2 19/9/2016
2,2 Jaime Ortega
3,2 39
4,2
5,2
6,2 Teora de Probabilidades
1,3 Definiciones y Conceptos: Tipos de Eventos
2,3 a) Eventos Mutuamente Excluyentes
3,3 Dos eventos E1 y E2 son mutuamente excluyentes si
4,3 ambos no pueden ocurrir al mismo tiempo. En
5,3 trminos de probabilidad esto se expresa por:
6,3 P(E E ) = P(E ) + P(E2)
1,4 1
2,4 2
3,4 1
4,4 b) Eventos que no son Mutuamente Excluyentes
5,4 Dos eventos E y E no son mutuamente excluyentes si
6,4 ambos pueden ocurrir al mismo tiempo. En
1,5 1
2,5, 2
3,5 trminos de probabilidad esto se expresa por:
4,5 P(E E ) = P(E ) + P(E ) - P(E y E2)
5,5 1
6,5 2
1,6 1
2,6 2
3,6 1
4,6 Donde P(E y E ) es la probabilidad que ambos eventos
5,6 ocurran.
6,6 1
Cada uno de los 36 puntos muestrales tiene la misma 2
probabilidad de ocurrencia. Por la simple 19/9/2016
inspeccin de la tabla anterior se tiene que: Jaime Ortega
P(suma de dos dados sea siete) = 6/36 = 1/6 40
Return
P(suma de dos dados sea siete u once) = 6/36 + 2/36 = 2/9
Teora de Probabilidades Ejemplo: Se tienen cinco libros de distintas materias:
Definiciones y Conceptos: Tipos de Eventos Matemtica, Biologa, Qumica, Fsica y Lenguaje.
Ejemplo: Se lanzan dos dados, cual es la probabilidad que Si se toma uno de ellos, cul es la probabilidad de que este
la suma sea 7 (E ) o al menos uno de los dados sea de matemtica o de fsica?
1 Solucin:
sea 3 (E )? Sean los eventos:
2 E =Tomar el libro de Matemticas.
Examinando la tabla anterior se tiene: 1
Posibles resultados de E (1,6), (2,5), (3,4), (4,3) (5,2), E =Tomar el libro de Fsica.
(6,1) 2
1 La probabilidad pedida es: P(E E ) = P(E ) + P(E ) -
P(E ) = 6/36 P(E y E2)
1 1
(1,3), (2,3), (3,3), (4,3), (5,3), (6,3), 2
(3,1), (3,2), (3,4), (3,5), (3,6) 1
Posibles resultados de E2 2
P(E ) =11/36 1
2 P(E E ) = P(E ) + P(E ) - P(E E2)
Posibles resultados de E y E (3,4), (4,3) 1
P(E y E ) = 2/36 2
1 1
2 2
1 1
2 Como E y E son eventos mutuamente excluyentes: P(E
Por lo tanto E )=0
P(E E ) = P(E ) + P(E ) - P(E y E ) = 6/36 + 11/36 - 2/36 1
= 15/36 2
1 2 1 2 1 2 1
41 2
19/9/2016 Por lo tanto nos queda:
Jaime Ortega P(E E ) = P(E ) + P(E ) = 1/5 + 1/5 = 2/5
1
Teora de Probabilidades 2
Definiciones y Conceptos: Tipos de Eventos 1
2
19/9/2016 19/9/2016
Jaime Ortega Jaime Ortega
42 43
Teora de Probabilidades
Distribucin Normal
La grfica de la Distribucin Normal es:
19/9/2016
Jaime Ortega
70
Teora de Probabilidades
Distribucin Normal
La grfica de la Distribucin Acumulada de la Distribucin
Normal es:
19/9/2016
Jaime Ortega
71
Teora de Probabilidades
Distribucin Normal
Puede demostrarse que:
E(Y ) y Varianza (Y )
Lo anterior indica que los parmetros que caracterizan a la
distribucin normal, y , son
2
la esperanza y Varianza de Y, respectivamente.
19/9/2016
Jaime Ortega
72