Documente Academic
Documente Profesional
Documente Cultură
GENERALES
INTRODUCCIÓN A LA
ESTADÍSTICA
Análisis Probabilístico
ANÁLISIS DESCRIPTIVO
Permite describir en forma apropiada el
comportamiento de las variables a través de
cuadros, gráficos y medidas que resumen
Cuantitativa: discreta
continua
Cualitativa
VARIABLE CUALITATIVA
Es aquella que se origina a partir de datos
cualitativos
Observación Directa
La recopilación documental
Censo
PRESENTACIÓN DE LOS DATOS
La presentación se realiza habitualmente a
través de cuadros y gráficos estadísticos
Porcentaje de
Esperanza de vida al nacer, Tasa global de fecundidad
Años
Adultos mayores Jóvenes (2) en años (3) (hijos / mujer)
Gráfico de líneas
Pictograma
Mapas Estadísticos
GRÁFICO DE BARRAS
60
50
40
Series1
30
20
10
0
1869 1895 1914 1947 1960 1970 1980 1991 2001
Fuente: Indec
GRÁFICO DE PARTES COMPONENTES
45
40
35
30
25 Jóvenes
Adultos
20
15
10
0
1869 1895 1914 1947 1960 1970 1980 1991 2001
Fuente : Indec
GRÁFICO DE ÁREA (CIRCULAR)
Urbana (1)
Rural (2)
Fuente: Indec
GRÁFICOS DE LÍNEAS
4
Series1
3
0
1869 1895 1914 1947 1960 1970 1980 1991 2001
Fuente: Indec
Introducción a la Esradística
Conceptos Generales
Mg. Marcelo De Feudis (MBA)
PICTOGRAMA
ORGANIZACIÓN DE DATOS EN SERIES
DE FRECUENCIAS
Cuando la variable es discreta podemos organizar
los datos de la siguiente manera
Tomamos una muestra de 25 empleados
0 – 0 – 1 – 1- 1 – 1- 2 -2 -2 -2 -2 -2 -2 -2- 3 -3- 3-
3- 3- 4 -4- 4- 5 – 6- 8
ORGANIZACIÓN DE DATOS EN SERIES
DE FRECUENCIAS
X f F G fr
0 2 2 25 2/25 X: variable
1 4 6 23 4/25 f: frecuencia absoluta
10
Cantidad de
empleados
8
6
4
2
0
0 1 2 3 4 5 6 7 8
Cantidad hijos a cargo
GRÁFICO ESCALONADO
Sirve para representar la frecuencia acumulada o
acumulada relativa cuando la variable es de tipo
discreta
Hijos a Cargo
4
GRÁFICO ESCALONADO
3
2
1
0
5
0
30
25
20
15
10
Empleados
ORGANIZACIÓN DE DATOS POR
INTERVALOS DE CLASE
X: Remuneración del último mes
954.90 – 689.85 – 1361.50 – 1093 – 1007 –
1361.50 – 739.80 – 1147.80 – 1571.20 – 985
= 5
3º i= Rango / h =1069.15 / 5 = 213.83 aprox. 200
25
ORGANIZACIÓN DE DATOS POR
INTERVALOS DE CLASE
x f PM F G fr
600 - 800 6 700 6 25 6/25
1200
1000
800
600
HISTOGRAMA
10
8
6
4
2
0
Cantidad de empleados
POLÍGONO DE FRECUENCIA
Polígono de Frecuencia
10
8
6
4
2
0
600 800 1000 1200 1400 1600 1800
Sueldo
Introducción a la Esradística
Conceptos Generales
Mg. Marcelo De Feudis (MBA)
1800
1600
1400
Sueldo
1200
Ojiva
1000
800
600
5
0
30
25
20
15
10
Empleados
OJIVA
Introducción a la Esradística
Conceptos Generales
Mg. Marcelo De Feudis (MBA)
EN ESTA CLASE HEMOS VISTO
Conceptos Generales
AUTOEVALUACIÓN
Indica si las siguientes variables son discretas o
continuas
a) Cantidad de pacientes por médico
Muchas Gracias
PRÓXIMA CLASE
ANÁLISIS
DESCRIPTIVO
INTRODUCCIÓN A LA
ESTADÍSTICA
Fractiles (Percentiles)
PROMEDIO
Estudiaremos la media aritmética
Se la define como la sumatoria de todos los valores
de la variable dividida por la cantidad de datos
Se la simboliza con x para el caso de una muestra y
con µ para una población
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIA ARITMÉTICA
Datos sin agrupar
Muestra del plantel de empleados en una
sucursal por área de trabajo
25
x= =5 empleados
5
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIA ARITMÉTICA
Datos organizados por frecuencia
x=
∑ x. f
n
66
x= = 2,64hijos
25
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIA ARITMÉTICA
Variable organizada con intervalos
x f PM PM. f
x=
∑ Pm. f
=
n
25500
x= = $1020
25
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA MEDIA
ARITMÉTICA
∑ (x − x) = 0
Ej: Se toma una muestra de tres familias arrojándose la
siguiente cantidad de hijos por familia: 1 – 2 – 3
x = 2hijos
x 1 2 3
-1 0 1
∑ (x − x) = 0
x−x
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA MEDIA
ARITMÉTICA
∑ (x− x)
2
= mínimo
Usando el ejemplo anterior
X 1 2 3
( x − x ) 2 -1 0 1
( x− x ) 1 0 1 ∑ ( x − x ) = 2
2
x (k ) = k
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA MEDIA
ARITMÉTICA
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MODO
Es el valor de variable que más se repite o que
presenta mayor frecuencia absoluta
La simbolizamos con Mo
5
4
3
2
1
0
Modo
10
8
6
4
2
0
empleados
Cantidad de
MODO
MODO
Datos organizados por intervalos
Mo = LI + ∆ 1
.i
∆1 + ∆ 2
∆ 1
= f mod al − f anterior
∆ 2
= f mod al − f posterior
2
Mo = 800 + .200 = $880
2+3
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
1800
1600
1400
Sueldo
Histograma
1200
1000
800
Modo
600
10
8
6
4
2
0
Cantidad de empleados
MODO
MEDIANA
Es aquel valor de variable que supera y es
superado por la misma cantidad de datos
Lo simbolizamos con Me
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIANA
Gráfico Escalonado
30
25
Empleados
20
15
10
5
0
0 1 2 3 4 5 6 7 8
Hijos a Cargo
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIANA
Datos organizados por intervalos
x f F
n
− F ant
Me = Li + 2 .i
f
12,5 − 6
Me = 800 + .200 = $962,5
8
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
1800
1600
1400
Sueldo
1200
Ojiva
1000
800
600
MEDIANA
5
0
30
25
20
15
10
Empleados
FRACTILES
Es aquel valor de variable que deja un porcentaje
de los datos por encima de ese valor y otro
porcentaje por encima
k .n
− F ant
= + 100 .i
P k Li
f
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PERCENTILES
10 − 6
P 40 = 800 + .200 = $900
8
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PERCENTILES
22,5 − 22
P90 = 1400 + .200 = $1450
2
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PERCENTILES
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PERCENTILES
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
MEDIDAS DE VARIABILIDAD
Estas medidas nos indican como se apartan los
datos con respecto a su valor central.
Las que estudiaremos son las siguientes:
∑ − ∑ − µ
2 2
( x x ) ( x )
σ =
2
=
2
S n −1 N
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
X max – X min (valor máximo – valor mínimo)
RANGO O AMPLITUD TOTAL
VARIANCIA
Datos sin agrupar
Muestra del Plantel de empleados en una
sucursal por área de trabajo
∑ x − n. 2
x
2
189 − 5 . 5
2
S = n − 1 = 4 = 16 empleados
2 2
X X2
4 16
12 144
4 16
3 9
2 4 Σ x2 = 189
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
VARIANCIA
Datos organizados por frecuencia
X f X.f X2 . f
2
=
∑ x
2
f − n. x 2
=
S n −1
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
VARIANCIA
Variable organizada con intervalos
x f PM PM. f PM2 .f
∑ PM f − n.2
x
2
S = =
2
n −1
27930000 − 25.10202 2
= = $ 80000
2
S 24
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA VARIANCIA
σ (k ) = 0
2
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA VARIANCIA
σ ( x + k ) = σ ( x) σ ( x − k ) = σ ( x)
2 2 2 2
3 3
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PROPIEDADES DE LA VARIANCIA
S= S 2
σ= σ 2
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
COEFICIENTE DE VARIACIÓN
S
CV =
x
σ
CV =
µ
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
COEFICIENTE DE VARIACIÓN
El coeficiente de variación tiene los siguientes
usos:
1º Nos mide la homogeneidad de un grupo de
frecuencia
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
En este caso el promedio es menor al modo
Variable
ASIMETRÍA NEGATIVA
frecuencia
SIMÉTRICA
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
PLATICÚRTICA
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
EN ESTA FILMINA HEMOS VISTO
Análisis Descriptivo
AUTOEVALUACIÓN
¿Cuál es el valor solo superado por el 18 % de los
sueldos?
a) P 18
b) P 82
c) Me
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
AUTOEVALUACIÓN
Calcular la mediana es idéntico a calcular el
Percentil 50
a) Verdadero
Medidas de Curtosis
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
“ El 90% de cada batalla es
Napoleón
FRASE PARA REFLEXIONAR
información”
Introducción a la Estadística
Análisis Descriptivo
Mg. Marcelo De Feudis (MBA)
Muchas Gracias
Probabilidades
PRÓXIMA CLASE
PROBABILIDADES
INTRODUCCIÓN A LA
ESTADÍSTICA
Análisis Descriptivo
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
TEMAS DE ESTA CLASE
Probabilidades
EXPERIMENTO ALEATORIO
Es todo proceso repetible bajo las mismas
condiciones cuyos resultados no pueden
predecirse en las mismas condiciones
P ( A) = limn→∞ fr
Este concepto se basa en el Principio de estabilidad
de la frecuencia relativa
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
TEORÍA AXIOMÁTICA O DE
KOLMOGOROV
Escrita por Andrei Nikolavevich Kolmogórov (25/4/1903 -
20/10/1987)
En1929 publica el libro “La teoría General de la medida y el
Cálculo de las probabilidades”
El define:
Si el suceso es un conjunto vacío, la probabilidad del suceso es 0
Si el suceso es el conjunto Universal , la probabilidad del suceso es
igual a 1
0 ≤ P( X ) ≤ 1
Por lo tanto:
P( S ) = 1 − P( S )
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
REGLA DE LA SUMA
P( AoB) = P( A) + P( B)
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
SUCESOS NO EXCLUYENTES
P( AoB) = P( A) + P( B) − P( AyB)
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
REGLA DE LA MULTIPLICACIÓN
Podemos encontrar dos tipos de sucesos:
Sucesos Independientes
P ( AyB) = P ( A).P ( B )
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
SUCESOS DEPENDIENTES
Dos sucesos son dependientes cuando la
ocurrencia de uno de ellos modifica la
probabilidad del otro suceso en por lo menos dos
experimentos aleatorios
P( AyB) = P( A).P( B / A)
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
PROBABILIDAD CONDICIONAL
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
PRUEBAS DE INDEPENDENCIA
1º P ( AyB) = P ( A).P ( B )
2º P ( B / A) = P ( B )
3º P( B / A) = P( B / A )
Introducción a la Estadística
Probabilidades
Mg Marcelo De Feudis (MBA)
AUTOEVALUACIÓN
Dados dos sucesos A y B y se sabe que P(A)=0.45,
P(B)=0.50 y P(A o B)= 0.75.
Indicar cómo son los sucesos, justificando
Y=α+ β.X+ε
yˆ = a + bx
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
ANÁLISIS DE REGRESIÓN
Para poder resolver y conseguir el valor de los
estimadores se usa el método de los mínimos
cuadrados.
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
EJEMPLO
Observación Tamaño del lote Costo de construcción
(en decenas de metros (en miles de dólares)
cuadrados)
1 5 31,6
2 7 32,4
3 10 41,7
4 10 50,2
5 12 46,2
6 20 58,5
7 22 59,3
8 15 48,4
9 30 63,7
10 40 85,3
11 12 53,4
12 15 54,5
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
50
40
Tamaño del Lote
Nube de Puntos
30
20
10
0
NUBE DE PUNTOS
100
80
60
40
20
0
Construcción
Costo de la
CÁLCULOS AUXILIARES
=∑
2 2 2
S yy y − n * y = 34878,58 − 12 * 52,1 = 2305,66
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
CÁLCULO DE ESTIMADORES
b=
S xy
=
1524,3
= 1,35
S xx
1129
a = y − b * x = 52,1 − 1,35 *16,5 = 29,825
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
RECTA DE REGRESIÓN
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
ESTIMACIÓN PUNTUAL
yˆ = 29,825 + 1,35 * 35
yˆ = 77,075 miles de dólares
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
ANÁLISIS DE REGRESIÓN
∑(y− y) = ∑ e
2 2
ANÁLISIS DE REGRESIÓN
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
ANÁLISIS DE REGRESIÓN
GRÁFICO DE LA RECTA DE REGRESIÓN
80
70
60
50 Y
Y
40 Pronóstico para Y
30
20
10
0
0 10 20 30 40 50
Variable X 1
COEFICIENTE DE DETERMINACIÓN
Mide la bondad del ajuste o sea en qué medida se
ajusta la recta de regresión a los datos,
idealmente si las observaciones coincidieran con
Lo simbolizamos con r2
2 2
2
=
S xy
=
1524,3 =
23235490,49
= 0.8926
r
S *S
xx yy
1129 * 2305,66 2603090,14
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
COEFICIENTE DE DETERMINACIÓN
0 ≤ r ≤1
2
El dominio de r es: −1 ≤ r ≤ 1
r=
S xy
=
1524,3
= 0,944
S *S
xx yy
1129 * 2305,66
Introducción a la Estadística
Regresiòn y Correlaciòn
M.G: Marcelo De Feudis, MBA
ANÁLISIS DE CORRELACIÓN
Esperanza Matemática
Variable Aleatoria
Varianza
VARIABLE ALEATORIA
Es toda regla bien definida para asignar valores
numéricos a todos los resultados posibles de un
experimento aleatorio
y
P(r ) ≥ 0 ∑ P(r ) = 1
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
FUNCIÓN DE PROBABILIDAD
f ( r ) = P ( r = r 0)
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
FUNCIÓN DE DISTRIBUCIÓN
G ( r ) = P ( r ≥ r 0)
F ( r ) = P ( r ≤ r 0)
FUNCIÓN DE DENSIDAD
Si la variable es continua y cumple con las
condiciones de la variable aleatoria, la función
matemática con la que se define dicha variable se
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
VARIANZA
σ = ∑ r . p (r ) − [ E (r )]
2 2 2
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
PROPIEDADES DE LA ESPERANZA
. E (k ) = k k= constante
E ( x.k ) = E ( x).k k distinta 0
E ( x + y ) = E ( x) + E ( y )
E ( x − y ) = E ( x) − E ( y )
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
PROPIEDADES DE LA VARIANZA
σ (k ) = 0
2
σ 2
( x.k ) = σ 2
( x ). k
2
σ
2
( x + y ) = σ
2
( x ) + σ ( y) ⇔
2 x,y son
estadísticamente independientes
− = + ⇔ x,y son
σ σ σ
2 2 2
( x y ) ( x ) ( y )
estadísticamente independientes
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
al tirar tres monedas
p(x)
1/8
3/8
3/8
1/8
EJEMPLO
Caras
0
1
2
3
x
EJEMPLO
b) 165
c) 1250
Introducción a la Estadística
Variable Aleatoria
Mg. Marcelo De Feudis, MBA
TEMAS DE LA PRÓXIMA FILMINA
Distribuciones Discretas
FRASE PARA REFLEXIONAR
Observaciones Independientes
CARACTERÍSTICAS
Dominio Naturales 0 ≤ r ≤ n
Parámetros Matemáticos n y p
n: cantidad de observaciones
p: probabilidad de éxito
Introducción a la Estadística
Distribución Binomial
Mg. Marcelo De Feudis, MBA
FORMA DE LA DISTRIBUCIÓN
x n− x n
Introducción a la Estadística
Distribución Binomial
Mg. Marcelo De Feudis, MBA
Introducción a la Estadística
Distribución Binomial
Mg. Marcelo De Feudis, MBA
ESPERANZA Y VARIANZA
σ2 ( x ) = n . p . q
E(x)=n.p
EJEMPLO
Una firma que comercializa juguetes ha
comprobado que el 40% de ellos tienen éxito en
las ventas Si se diseñaon 6 nuevos juguetes
Pitigrilli
Introducción a la Estadística
Distribución Binomial
Mg. Marcelo De Feudis, MBA
Distribución Normal
Muchas Gracias
PRÓXIMA CLASE
DISTRIBUCIÓN
NORMAL ESTADÍSTICA
I
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
Friedrich Gauss (30/4/1777-23/2/1855) por el gran usos que
le dio cuando analizaba datos astronómicos
Variable aleatoria Continua
Distribución Acampanada
Distribución Simétrica
Mesocúrtica
Unimodal
Asintótica al eje de abcisas
Tiene dos puntos de inflexión µ +/- σ
CARACTERÍSTICAS
Dominio todos los reales
Parámetros Matemáticos µ y σ
Función de densidad
x−µ
2
1
1 −
f ( x) =
e σ
. 2
2η ο
Introducción a la Estadística
Distribución Normal
Mg Marcelo De Feudis
DISTRIBUCIÓN NORMAL ESTANDARIZADA
Para entrar en tabla, debemos usar una normal
que tenga un µ = 0 y un σ = 1
La variable que usaremos se llama z
x−µ
Z=
σ
La función de densidad es
f ( x) =
1 −
1
(z )
2
2η
.
e 2
Introducción a la Estadística
Distribución Normal
Mg Marcelo De Feudis
TABLAS DE NORMAL
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
valor de z
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
$700 y un desvío de $100
Se selecciona una persona al azar
a) ¿Cuál es la probabilidad de que gane menos de
$500?
P (x < 500) = F ( -2) = 0.02275
z= (500 – 700) / 100 = -2
EJEMPLO
¿Cuál es la probabilidad de que gane más de
$760?
P( x > 760 ) = 1 – F ( 0.60 )
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
1 – 0. 72575
0. 27425
Z= 760-700
100
EJEMPLO
c) ¿Cuál es la probabilidad de que gane entre 500 y
760 ?
P ( 560 < x < 760 ) = F ( 0.60 ) – F ( -2 )
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
0.72575 – 0.02275
0. 703
EJEMPLO
d) ¿Cuál es el gasto no superado por el 5% de las
familias?
F ( z ) = 0.05 z= - 1.645
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
x= µ + z . σ
=700 – 1.645 . 100
= 535.5
EJEMPLO
e) ¿Cuál es el valor mínimo del 10 % de los
ingresos más elevados?
F ( z ) = 0.10 z= 1.282
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
x= µ + z . σ
=700 + 1.282 . 100
= 828.2
Introducción a la Estadística
Distribución Normal
Mg Marcelo De Feudis
EN ESTA CLASE HEMOS VISTO
Distribución Normal
AUTOEVALUACIÓN
1) Indica cuál de las características corresponden
a la distribución normal
a) Simétrica
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
b) Asimétrica Positiva
c) Parámetros µ y σ
d) Parámetros µ = 0 y σ = 1
AUTOEVALUACIÓN
2) Se sabe que el peso de las mujeres entre 30 y
40 años se distribuye normalmente con un
promedio de 55 kg. con un desvío de 5 kg
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
Se selecciona al azar una mujer entre 30 y 40
años ¿cuál es la probabilidad de que pese más de
55 kg?
a) 0
b) 0.64
c) 0.50
TEMAS DE LA PRÓXIMA CLASE
Aproximación de Binomial a Poisson
Aproximación de Binomial a Normal
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
Aproximación de Poisson a Normal
FRASE PARA REFLEXIONAR
Mg Marcelo De Feudis
Distribución Normal
Introducción a la Estadística
que hace las preguntas
correctas”
Claude Lévi
Strauss
Introducción a la Estadística
Distribución Normal
Mg Marcelo De Feudis
Muchas Gracias
Clase 12
PRÓXIMA CLASE
INTRODUCCIÓN A LA ESTADÍSTICA
DISTRIBUCIÓN x
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
que representan muestras
ESTIMACIÓN PUNTUAL
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
DISTRIBUCIÓN EN EL MUESTREO
Calcular la esperanza y la varianza de los
siguientes datos poblacionales:
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
1–2–3–4
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
12 22 32 42
13 23 33 43
14 24 34 44
DISTRIBUCIÓN EN EL MUESTREO
De cada una de ellas calculamos el promedio,
organizados nos queda la siguiente tabla
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
DISTRIBUCIÓN EN EL MUESTREO
f 1 2 3 4 3 2 1
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
DISTRIBUCIÓN EN EL MUESTREO
Distribución de Medias
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
4,5
4
3,5
Frecuencia
3
2,5
Frecuencia
2
1,5
1
0,5
0
1 1,5 2 2,5 3 3,5 4
Promedio
DISTRIBUCIÓN DE MEDIAS
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
DISTRIBUCIÓN DE MEDIAS
x−µ
z=
σ
n
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
PROPIEDADES DE LOS ESTIMADORES
Para que un estimador sea bueno debe gozar de
por lo menos una de estas propiedades:
Insesgado o no viciado
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
Consistente
Eficiente
Suficiente
INSESGADO
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
CONSISTENTE
Es una propiedad límite, se verifica para
muestras grandes. El valor esperado del
estimador tiende al parámetro y su variancia
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
tiende a 0
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
Cuando el estimador tiene variancia mínima
EFICIENTE
SUFICIENTE
El estimador puntual debe resumir la información
proporcionada por la muestra
Introducción a la Estadística
Mg Marcelo De Feudis,MBA
Distribución de medias
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
1) ¿Puede un parámetro ser variable?
AUTOEVALUACIÓN
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
“ El 90% de cada batalla es
Napoleón
FRASE PARA REFLEXIONAR
información”
Distribución de medias
Mg Marcelo De Feudis,MBA
Introducción a la Estadística
Muchas Gracias
INTERVALO DE CONFIANZA
INTRODUCCIÓN A LA
ESTADÍSTICA
Diapositivas elaboradas por el M.G.. Marcelo
De Feudis (MBA)
INFERENCIA ESTADÍSTICA
Estimaciones Puntuales
Por Intervalos de
Pruebas de Hipótesis
ESTIMACIÓN PUNTUAL
Consiste en utilizar un valor que depende de las
observaciones muestrales para poder estimar el
valor poblacional respectivo
Introducción a la Estadística
Intervalo de Confianza
M.G. Marcelo De Feudis (MBA)
NIVEL DE CONFIANZA
1 – α es el nivel de confianza. Es la probabilidad
de que intervalo contenga el parámetro que se
desea estimar.
al parámetro
HIPÓTESIS ESTADÍSTICA
. Es el procedimiento que
conduce a una decisión
P{x − ε ≤ µ ≤ x + ε } = 1 − α
σ
ε = z1−α / 2 *
n
σ σ
p x − z1−α / 2 * ≤ µ ≤ x + z1−α / 2 * = 1−α
n n
Introducción a la Estadística
Intervalo de Confianza
M.G. Marcelo De Feudis (MBA)
TAMAÑO DE MUESTRA
*σ
2
n =
Z −α
1 / 2
ε
Introducción a la Estadística
Intervalo de Confianza
M.G. Marcelo De Feudis (MBA)
CARACTERÍSTICAS DE LA DISTRIBUCIÓN
Χ2
2
χ =∑z
2
FRASE PARA REFLEXIONAR
“La estadística es la
primera de las ciencias
Edmond Gouncourt
Introducción a la Estadística
Intervalo de Confianza
M.G. Marcelo De Feudis (MBA)
Muchas Gracias
PRUEBAS NO PARAMÉTRICAS
INTRODUCCIÓN A LA
ESTADÍSTICA
Diapositivas elaboradas por el M.G.Marcelo
De Feudis, MBA
Introducción a la Estadística
Pruebas no paramétricas
MG Marcelo De Feudis, MBA
TEMAS DE ESTA FILMINA
Pruebas no Paramétricas
CONTRATE CHI-CUADRADO
En este curso estudiaremos Prueba de
Independencia
Desarrolladas por Karl Pearson (27/3/1857-
( fo − fe)
2
f c
χ = ∑∑
2
calc
i =1 j =1 fe
χ =χ
2 2
Introducción a la Estadística
Pruebas no paramétricas
MG Marcelo De Feudis, MBA
FRASE PARA REFLEXIONAR
“ El olvido de las matemáticas
perjudica a todo el
conocimiento, ya que el que
Roger Bacon
Introducción a la Estadística
Pruebas no paramétricas
MG Marcelo De Feudis, MBA
Muchas Gracias