Documente Academic
Documente Profesional
Documente Cultură
Parte histórica:
¿Para qué sirve esta necesidad de información? Implica que es un insumo para la toma
de decisiones.
La estadística:
Ej: tipito escoses: esta persona mira y anota en una tabla. De esa realidad, que mira? Lo
que mira se llama “hecho observado”. Hay datos pero los datos no son la realidad. Estos
datos se escriben en la tabla. Hay miles de datos y que tengo que hacer con esos datos?
Voy a tener esos datos en archivos gigantescos (en muchas tablas). Entonces tengo que
procesar esos datos en un sistema que me genera una salida que se llama “información”.
Es decir, se analizan los datos convirtiéndolos en información. Una vez que tenemos la
información, esta surge una serie de reportes (informes)
Actividades:
o Observación: a partir la observación yo registro
o Análisis: ej: nuestro curso, que es un curso de análisis estadístico
o Interpretación; luego a la información la tenemos que someter a otro proceso, para
que sirva para la toma de decisiones. Es ver lo que esas estadísticas, esas
informaciones, convertirlas a la luz del problema, y eso es lo que se llama
“Inteligencia”
o Inteligencia: es la información aplicada al problema concreto que uno tiene. Hacer
un informe de inteligencia solo tiene sentido en la manera que solo sea situada
porque la inteligencia es una interpretación “Adom” quiere decir al efecto. La
inteligencia tiene tanto conocimiento que termina influyendo en la decisión.
3 puntos importantes:
Realidad: el sistema objeto
Datos: que se convierten en información
Interpretación: a través de indicios que te da la información vos podes corroborar
determinadas líneas de acción, determinadas situaciones, etc.
Términos primitivos:
Población (Universo): conjunto de elementos que satisfacen una definición común. Ej: la
población de fabricantes de sandalias; la población de las personas que fueron a la luna
(población finita, no hay tantos). De esta población puedo sacar una muestra/subconjunto
Muestra (Subconjunto): son técnicas de selección de muestra
Elemento (Unidad de análisis): cada una de las partes/unidades de una población
Dos tipos:
Cualitativas (cualidad) q. Son atributos. Técnicas de análisis que tratan de
datos que no son números (sexo, nacionalidad, etc)
Cuantitativas (cantidad) Q. Son variables. Del valor que pueda asumir una
unidad de análisis en una observación es una cantidad.
Clasificaciones:
1) Nominales cualitativas
2) Ordinales
3) Intervalares cuantitativas
4) De razón
Escala nominal o clasificatoria: distingue cosas. Ej: es distinto una zapatilla de una
zapato; es distinto una nacional que un extranjero, etc. NO MIDO
Escala ordinal o preferencia: no solo se distingue a los elementos sino que se los
puede ordenar en función de esa característica. Ej: jerarquías, rangos, que va
primero que va segundo que va tercero. Sabemos que una cosa es mejor que
otra. NO MIDO
Escalas cuantitativas: no solo ordeno y clasifico, sino que también podemos
establecer la distancia entre las clases (MIDO) cuán lejos está uno de otro.
La diferencia entre las intervalares y de razón está en el cero
De razón: Si el cero es real, y si indica como valor de la variable la ausencia del
atributo/característica. La mayoría de las cosas tiene cero reales. Ej: cuantas
veces fuiste a África? Cero.
Intervalares: si el cero es arbitrario. Ej: la temperatura. Cuando uno tiene cero
temperatura no significa que no tenga temperatura, si uno cambia la escala no
tiene cero, tiene otro número.
Suele ocurrir que las ordinales se conviertan en intervalares. Por ejemplo: me
gusta; no me gusta; me gusta mucho. Eso es una preferencia. Puedo decir que el
Excelente es un 10 y el Muy bien es un 3 y el Bien es un 0, el muy mal puede ser
-40 (no simétrico). Yo establezco la conversión entre lo ordinal a lo intervalar.
Nosotros vamos a hacer una observación de una actividad porque las muestras
generan observaciones/elementos. Esos elementos yo los someto a una actividad
castigativa. Ej: una pregunta, mido que temperatura tiene. Por eso observo, salgo
del sistema objeto y me meto en los datos. Pero datos de quien tengo? Yo solo
tengo datos muestrales. Los datos muestrales terminan siendo observaciones.
Estas observaciones yo luego las proceso ¿Qué hago? Las suma, la divido y
genero una media muestral.
Esquema de inferencia: Tenemos una población y una muestra. La primera
cuestión son las técnicas de selección de muestra.
La población “N” tiene parámetros: son el valor que tienen las características en la
población.
Media; M
Varianza: δ2
Proporción: P
Estadística
Tipos:
Descriptiva: tiene que ver con los propósitos. Es la que pretende exponer la
información. Ej: como se hacen las tablas, como se presentan los gráficos o
cuadros
Clasificación:
o Paramétrica: es aquella que indaga parámetros. Uno quiere saber cómo es
el modelo y trata de encontrar en ese modelo los parámetros (la media, el
desvio)
No paramétricos: pueden definirse como aquellos que no tienen que ver con los
parámetros de una población
Ventajas No paramétricos:
l. Si el tamaño de la muestra es muy pequeño, puede no haber otra opción que usar una
prueba estadística no para métrica, a menos que la naturaleza de la distribución de la
población se conozca con exactitud.
3. Las pruebas estadísticas no paramétricas están disponibles para analizar datos que
son inherentes a los rangos, así corno datos cuyas puntuaciones numéricas tienen
aparentemente la fuerza de los rangos.
4. Los métodos no paramétricos están disponibles para tratar datos que son simplemente
clasificatorios o categóricos, es decir, que son medidos en una escala nominal. Ninguna
técnica paramétrica se aplica a tales datos.
5. Existen pruebas estadísticas no para métricas que son adecuadas para tratar muestras
obtenidas de observaciones de diferentes poblaciones. Las pruebas paramétricas a
menudo no pueden manipular tales datos sin exigirnos hacer suposiciones aparentemente
irreales o requisitos pesados de computación.
6. Las pruebas estadísticas no paramétricas típicamente son más fáciles de aprender y
aplicar que las pruebas paramétricas. Además, su interpretación suele ser más directa
que la interpretación de las pruebas paramétricas.
Desventajas:
1. Resulta desventajoso utilizar métodos libres de distribución cuando se pueden
cumplir todas las suposiciones del procedimiento no paramétrico.
Conceptualización de la acción:
Real:
Hablamos de:
o Conceptos primitivos
o Población
o Muestras
o Elemento
o Característica
Capítulo 2: diferentes niveles de medición (cuadro)
Atributos: nominal, ordinal, intervalar y de razón
Técnicas de muestreo: tiene que ver con que la inferencia estadística no en el estudio
de toda la población sino en una parte de ella, y se hace luego un proceso inductivo. Entre
los elementos muestrales hacia la población.
Inducir: va de lo particular a lo general.
Particular: es la muestra, que es una parte de la población
Etapas
Teoría de la probabilidad
Clásica
Frecuencialista
Logicista
Subjetivista
Propencionalista
Propiedades:
Capítulo 9 “Distribuciones en el muestreo”
Imparcialidad o insesgamiento: implica el hecho de que el promedio de todas las
medias de muestra posibles será igual a la media de población. Tiene que ver con
la esperanza.
Capítulo 5 “Propiedades”
1) Imparcialidad o insesgamiento: