Documente Academic
Documente Profesional
Documente Cultură
ESTADÍSTICA
Darwin Leguisamo
CURSO 2017 LICEO TOMÁS BERRETA
Capítulo 1-Introducción a Estadística Descriptiva
1
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
Conveniencia de la
muestra: económica,
temporal, practicidad.
Características: La
muestra tiene que ser
representativa de la
Población, para ello debe
ser proporcional y
conservar las
características de la
población. (dar ejemplos)
Obtención: Obtener la muestra es quizá una de las etapas más
importantes del estudio. En ella radica la precisión y efectividad de
los resultados obtenidos, recordemos que a partir de la muestra
intentamos describir a la Población.
2
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
3
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
Imagen 4
4
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
5
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
Variables estadísticas
Una variable es una característica que toma distintos valores en los
individuos de una población o una muestra. Son ejemplos de esto:
cantidad de hermanos de un estudiante, nivel educativo, estatura, color
de pelo, etc. Vemos que estos valores hablan de cantidades y de
cualidades. Clasificamos las variables según los valores que toman en dos
grandes grupos:
Variables cualitativas:
Hablan de una cualidad o un atributo. En los ejemplos anteriores tenemos
el color de pelo y el nivel educativo.
Se dividen en dos tipos:
Cualitativas Ordinales: Son aquellas donde existe un orden de
precedencia.
Ejemplo: Si hago un relevamiento del nivel educativo de las personas,
podría clasificarlo en: primaria incompleta, primaria completa, secundaria
incompleta, secundaria completa, terciaria incompleta, terciaria completa.
Es claro que se trata de una variable cualitativa donde existe un orden
establecido.
Cualitativas Nominales: Son aquellas donde no existe un orden
preestablecido.
Ejemplo: Preferencia de comidas de una persona, en este caso es un dato
cualitativo donde no es posibles establecer un orden.
Variables cuantitativas:
Se cuantifican, es decir, se mide la cantidad de la propiedad que se está
estudiando, por ejemplo la estatura.
Se dividen en dos tipos:
Cuantitativas Discretas: Son aquellas en las cuales entre dos valores
consecutivos posibles no existen valores intermedios. En general se
asocian con números enteros. Ejemplo: la cantidad de hermanos
Cuantitativas continuas: Son aquellas en las cuales entre dos valores que
toma la variable siempre es posible encontrar valores intermedios. Se
corresponden con los números reales, ejemplo: estatura.
6
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
7
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
X fa fr
Rock 4 0,4
Salsa 1 0,1
new age 1 0,1
folklore 2 0,2
melódico 1 0,1
Tango 0 0
Clásica 1 0,1
Otros 0 0
TOTAL 10 1
8
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
Representación gráfica
Para representar
Preferencia musical
las variables
cualitativas
utilizaremos dos
tipos de gráfico,
circular o
pictograma y
gráficos de barras.
rock salsa new age folklore melódico tango clásica otros
Preferencia musical
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
rock salsa new age folklore melódico tango clásica otros
Ventas
Cualitativa Ordinal
Las variables cualitativas ordinales dan lugar a la definición de una nueva
frecuencia.
9
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
10
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
11
Darwin Leguisamo-José Rebellato Curso 2015 (revisión 2016)
Capítulo 1-Introducción a Estadística Descriptiva
Construimos la tabla
Intervalos N fr Fr mc Marca de clase (mc): es el punto
[24.5,27.6) 3 0,15 0,15 26,05 medio de cada intervalo, es un
valor que representa a la clase y
[27.6,30.7) 6 0,30 0,45 29,15
será utilizado para diversos
[30.7,33.8) 4 0,2 0,65 32,25 cálculos.
[33.8,36.9) 5 0,25 0,9 35,35
[36.9,40] 2 0,1 1 38,45
Totales 20 1
Tabla 2
12
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
Ojiva
Fr
Descripciones numéricas:
Los métodos gráficos vistos son un buen elemento de análisis de las
características observadas en una población. Sin embargo no siempre
resultan suficientes o claros para realizar un análisis adecuado, por lo que
13
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
Puede ocurrir que exista más de una moda (eso ocurre cuando hay dos
valores que tienen la misma frecuencia y es la mayor), o más de un
intervalo modal, en ese caso la muestra es polimodal.
14
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
𝑥𝑛 𝑥𝑛
+ +1
2 2
Si n es par: 𝑀𝑑 =
2
Ejemplos:
2, 4, 8, 9, 10, 12,15 como n es 7 tenemos 𝑀𝑑 = 𝑥7+1 = 𝑥4 = 9.
2
𝑥4 +𝑥5 9+10
2, 4, 8, 9, 10, 12,15 ,17 como n es 8 tenemos 𝑀𝑑 = = = 9,5.
2 2
15
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
Fr
16
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
Medidas de dispersión
Las medidas de dispersión dan una idea del alejamiento de los datos
respeto de las medidas de centralización. Veamos un ejemplo de la
necesidad de introducir estas medidas.
Supongamos que conocemos el ingreso de dos grupos de 6 personas:
Este es un ejemplo donde queda claro que no basta con las medidas de
tendencia central para describir una muestra o población.
2
(𝑥1 − 𝜇)2 + (𝑥2 − 𝜇)2 + ⋯ + (𝑥𝑁 − 𝜇)2 ∑𝑖=𝑁
𝑖=1 (𝑥𝑖 − 𝜇)
2
𝜎 = =
𝑁 𝑁
En el caso de tener una muestra de tamaño n, se usará el estimador
insesgado:
2
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + ⋯ + (𝑥𝑛 − 𝑥̅ )2 ∑𝑖=𝑛
𝑖=1 (𝑥𝑖 − 𝑥̅ )
2
𝑆 = =
𝑛−1 𝑛−1
Desviación estándar o desviación típica: La desviación estándar es la raíz
cuadrada de la varianza, de acuerdo con lo anterior tenemos:
Desviación poblacional 𝜎 = √𝜎 2
Desviación maestral 𝑆 = √𝑆 2
17
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
Grupo 2 𝜇 = 30000
(35000−30000)2 +(25000−30000)2 +(33000 −30000)2 +(27000 −30000)2 +(29000 −30000)2 +(31000 −30000)2
𝜎= √ =3415,7
6
Cuartiles: Los cuartiles son tres valores que dividen al conjunto de datos
en 4 partes iguales, el primer cuartil (𝑄1 ) deja al conjunto divido en dos
partes, de manera que el 25% está por debajo de 𝑄1 , el segundo cuartil
coincide con la mediana (𝑄2 ), el tercer cuartil (𝑄3 ) deja al 75% de los
18
Darwin Leguisamo -Curso 2017
Capítulo 1-Introducción a Estadística Descriptiva
datos por debajo. De esta forma los cuartiles dividen al conjunto de datos
en 4 subconjuntos que contienen al 25% de la población.
Supongamos que contamos con datos sobre la estatura de los alumnos del
liceo, si queremos saber qué estatura mínima debe tener un estudiante
para pertenecer al 25% de los estudiantes con mayor altura, la respuesta
es 𝑄3 .
Observaciones:
Para determinar los cuartiles se procede igual que en el caso de la
mediana, determinado preimágenes en la Ojiva.
Existen otras medidas de posición similares, quintiles, deciles,
percentiles. Estas medidas dividen a la población en 5, 10 y 100
partes iguales (20% , 10%, 1%). La forma de calcularlas es análoga.
La denominación general para ellos es cuantiles.
19
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Capítulo 2: Probabilidad
Consideraciones previas:
EXPERIMENTO ALEATORIO: Es cualquier acto o proceso en el que se
realizan observaciones que no pueden ser predichas con certeza.
EVENTO SIMPLE: Es el resultado más básico de un experimento. Es
un punto en el espacio muestral.
SUCESO: Es una colección específica de eventos simples.
ESPACIO MUESTRAL E: En un experimento es el conjunto que
consta de la totalidad de puntos muestrales (eventos simples),
mutuamente excluyentes, que resultan de la ejecución del
experimento.
Ejemplo:
Experimento aleatorio: Lanzar un dado y observar el número de la cara
superior.
Eventos Simples: {1}, {2}, {3}, {4}, {5}, {6}. Cada uno de estos son los
resultados que se pueden obtener en el experimento, se denominan
eventos simples.
Suceso: A= {4, 5,6} B= “Obtener un número par”. En este caso el Suceso
A, refiere a obtener en el lanzamiento un número mayor a 3. En el caso B
el suceso equivale a B= {2, 4,6}, obtener en el lanzamiento alguno de esos
tres resultados.
Completa P(A)=…….. y P(B)=………
Espacio Muestral: E= {1, 2, 3, 4, 5, 6}.
20
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
21
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Cálculo de Probabilidad
Regla de Laplace
La probabilidad de un suceso se calcula, siempre que los sucesos
elementales sean equiprobables, mediante la llamada regla de Laplace:
𝑛° 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝐴
𝑃(𝐴) =
𝑛° 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Enfoque frecuencista
Dejamos caer 1 chinche y nos preguntamos cuál es la probabilidad de que
caiga con la punta hacia arriba. En este caso, ¿te parece correcto aplicar la
regla de Laplace? ¿Cuál sería la probabilidad?
Realiza el experimento varias veces y saca conclusiones
Conclusión:
Existen experimentos donde no es posible aplicar la regla de
Laplace.
En este caso es necesario conocer otro enfoque para determinar la
probabilidad.
El enfoque clásico está limitado a los casos donde existe igual probabilidad
entre los sucesos elementales. Esto nos limita y no nos permite trabajar
casos como el anterior.
Por esta razón introducimos una definición alternativa de probabilidad,
donde la probabilidad está asociada a la frecuencia relativa de la aparición
u ocurrencia del suceso, cuando el número de observaciones es muy
grande.
La probabilidad es límite de la frecuencia relativa cuando el número de
observaciones crece indefinidamente (Ley de los grandes números)
𝐥𝐢𝐦 𝒇𝒓 (𝑨) = 𝒑(𝑨)
𝒏→∞
𝑛𝐴
𝑓𝑟 (𝐴) = , es la frecuencia relativa del suceso A, o sea las veces que
𝑛
aparece A en n ensayos.
22
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Probabilidad condicionada
La probabilidad de un suceso A puede verse modificada si ha ocurrido
previamente otro suceso B. Para recoger esta influencia entre los sucesos,
se define la probabilidad de A condicionada por B y se escribe P(A/B).
Ejemplo: En una urna hay 6 bolas numeradas del 1 al 6. Sean los sucesos
A= “extraer un bola con número par” y B= “extraer una bola con un
número mayor a 3”.
a. Calcular p(A) y p(B).
b. Sabiendo que ya se extrajo una bola par, ¿cuál es la probabilidad de
que su número sea mayor a 3?
a. p(A)=3/6 p(B)=3/6.
b. p(B/A)=2/3.
2/6 𝑝(𝐴∩𝐵) 𝒑(𝑨∩𝑩)
Observemos que: 𝑝(B/A) = = , en general 𝒑(B/A) =
3/6 𝑝(𝐴) 𝒑(𝑨)
23
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
En general:
24
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Esperanza Matemática
Si 𝒑 es la probabilidad de que una persona reciba una suma de dinero S, la
esperanza matemática, o simplemente la esperanza se define como 𝒑. 𝑺.
Ejemplo: Si la probabilidad de que un hombre gane un premio de $10 es
1/5, su esperanza es (1/5).(10)=2.
El concepto de esperanza es fácilmente generalizado. Si 𝑋representa una
variable aleatoria discreta que puede tomar los valores 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 con
probabilidades respectivas 𝑝1 , 𝑝2 , … , 𝑝𝑛 , donde 𝑝1 + 𝑝2 +. . +𝑝𝑛 = 1, la
esperanza matemática de 𝑋 (simbolizada 𝐸(𝑋)), se define como:
𝑖=𝑛
𝐸(𝑋) = 𝑝1 𝑋1 +𝑝2 𝑋2 + ⋯ + 𝑝𝑛 𝑋𝑛 = ∑ 𝑝𝑖 𝑋𝑖
𝑖=1
Experimentos de Bernoulli
Un experimento de Bernoulli, es un experimento donde la variable
aleatoria X involucrada solamente puede tomar dos valores, 0 y 1.
Consideremos por ejemplo el caso de contestar una pregunta en un
cuestionario múltiple opción. En este experimento se pueden dar dos
resultados, contesto de forma correcta o no. Si asignamos 1 al suceso
contestar de forma correcta y 0 al otro, estamos ante un experimento de
Bernoulli. Donde 1 se da con probabilidad p y 0 con probabilidad (1-p).
Entonces un experimento de Bernoulli será aquel donde se puedan dar
solamente dos resultados, el resultado favorable (éxito) 1 o un resultado
no favorable (fracaso) 0, estos dos resultados son complementarios y sus
probabilidades deben sumar 1.
25
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Ejemplo:
Siguiendo con el caso mencionado anteriormente donde se responde a un
cuestionario múltiple opción, supongamos que cada pregunta tiene tres
posibles respuestas, donde solamente una es correcta, la probabilidad de
que un estudiante que no posee conocimiento alguno acierte, es 1/3.
Ahora ¿Cuál será la probabilidad de que al responder 4 preguntas acierte
en 3?
Queda claro que responder cada pregunta se ajusta a un experimento de
Bernoulli, pero acá estamos analizando 4 experimentos de Bernoulli al
mismo tiempo, transformando esta situación en un experimento Binomial.
Como cada experimento de Bernoulli toma valores 0 o 1, este
experimento que consiste en analizar lo ocurrido en 4 aplicaciones tomará
valores ,0 ,1 ,2 ,3 y 4, donde 0 significa no acertó a ninguna de las 4
preguntas y 4 significa que acertó a las cuatro respuestas.
Pensemos la solución en un diagrama de árbol, donde A es éxito con
probabilidad 1/3 y B es fracaso con probabilidad 2/3.
Observemos que los
caminos que nos conducen
a responder la pregunta
planteada son 4, entonces
la probabilidad de acertar
tres veces es:
26
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Observaciones:
La media en la distribución binomial es E ( X ) n. p .
La desviación típica será n. p.(1 p) .
Aplicaremos la probabilidad Binomial cuando haya una serie de n
ensayos de Bernoulli.
0, 𝑠𝑖 𝑥 < 0
1
, 𝑠𝑖 0 ≤ 𝑥 < 1
4
𝐹(𝑥) 3
, 𝑠𝑖 1 ≤ 𝑥 < 2
4
1, 𝑠𝑖 𝑥 ≥ 2
{
27
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Distribuciones Continuas
En este caso nos encargaremos de la asignación de probabilidad a
variables aleatorias del tipo continua (recordar la definición de variables
continuas ya trabajada). En el caso de las variables aleatorias continuas la
asignación de probabilidad se hará analizando áreas, veamos un ejemplo:
Se denomina función de
densidad y es la función que
nos permitirá el cálculo de
probabilidad. Obsérvese que
el área bajo la curva es 1.
28
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
29
Darwin Leguisamo -Curso 2017
Capítulo 2-Probabilidad
Referencias:
30
Darwin Leguisamo -Curso 2017