Documente Academic
Documente Profesional
Documente Cultură
U SIDAD NA
ACIONAL
L EXPERIIMENTAL
L SUR DE
EL
LAGO
“Jeesús Maríía Semprrum”
L Universidad Productiva a C
La Cielo Abierrto
Población:: es el conjuunto de toddas las posibbles mediciiones que sse hacen sobre una
característicca de estud
dio. Esta puede ser finiita o infinita
a.
El número d
de elementtos que con
nforman una población
n se denom
mina tamaño
o de la
población y lo denota
aremos conn la letra N.
Muestra: es
e un subconjunto de la población
n. El númerro de eleme
entos que constituye u
una
muestra se denomina tamaño dee la muestra os a denotar con la letrra n.
a y lo vamo
Veamos
V alg
gunos ejem
mplos:
Clasificació
C ón de la esstadística:
Estadística
a descriptivva: Consiste
e en organizar, resumir, simplifica
ar, presenta
ar los datos en
cuadros y gráficos,
g y del d medidass numéricass que permiten destaccar los aspectos
d cálculo de
más importtantes de loos datos.
1
Inferencia estadística
Es la encargada de estudiar las características y leyes propias de una población mediante el
análisis e interpretación de una muestra seleccionada de ella.
Variable: es una característica que poseen los elementos del universo. Existen dos tipos de
variables, cualitativas y cuantitativas.
Las variables cualitativas son aquellas cuyos valores son expresados mediante una
categoría. Ejemplo: color de un vegetal, origen, etc.
Las variables cuantitativas son aquellas que toman valores numéricos. Ejemplos: nivel de
PH, peso, grado brix de una fruta, cantidad de sabores de una bebida, entre otros.
Las variables cuantitativas pueden ser discretas o continuas. Discretas cuando los posibles
valores que puede tomar la variable son finitos o infinito numerable. Continuas cuando
esta puede tomar valores dentro de un intervalo determinado.
Las escalas donde intervienen las variables cualitativas son: Nominal y ordinal
Escala Nominal: las únicas operaciones que se pueden hacer sobre estas son la igualdad y
diferencia.
Ejemplos: color, origen, variedad de una fruta, estado civil de una persona, sexo, etc.
Ejemplos: sabor de una fruta, desempeño de un operador de maquina: (5) optimo, (4)
bueno, (3) regular, (2) malo, (1) pésimo.
Las escalas donde intervienen las variables cuantitativas son: de intervalos, de razón y
absolutas.
2
Escala de razón: las operaciones a utilizar son, igualdad, diferencia, orden distancia y se
define operaciones aritméticas como la suma, diferencia y múltiplos.
Ejemplo: Consideremos una colección de tres manzanas, cuyos pesos son 185 gr, 200gr,
250gr. La variación respecto al peso de la manzana de 185gr a 200gr es de 15 gramos. Las
tres manzanas hacen un total de 635 gr. Obsérvese que existe un peso 0gr.
Escala absoluta: los valores que toma la variable son números enteros positivos. Las
operaciones a utilizar son, igualdad, diferencia, orden distancia y se define operaciones
aritméticas como la suma, diferencia y múltiplos.
Censo
Se dice que se ha realizado un Censo cuando una investigación es exhaustiva en el sentido
de analizar toda la población.
Muestreo
Cuando el estudio se hace sobre la base de una muestra de la población, se habla de un
muestreo.
Muestreo sistemático
Una muestra es sistemática cuando la toma de las unidades de observación se hace
obedeciendo a un periodo, siendo calculado el intervalo de selección para una población
finita, por medio de la división del tamaño de la población por el tamaño de la muestra
que va a ser seleccionada.
Ejemplo: Si se determina que el periodo es 10, entonces una muestra sistemática consta de
cada décima observación de la población.
3
Muestreo estratificado
Consiste en la separación de las observaciones de la población en grupos distintos
(llamados estratos) pero homogéneo en su interior
Ejemplo: en un estudio sobre las personas que ejercen cargos directivos en una empresa,
se realizaron 15 entrevistas y en relación al sexo se obtuvo la siguiente información.
F F M F M
M M M F M
F M M F F
Sexo Personas
Femenino
Masculino
Total
Límites de la clase: Son los extremos del intervalo de clase. Se denota LI al límite inferior
y Ls al límite superior.
4
Amplitud de la clase: Se denota Ci y se define como la diferencia entre el límite superior
de la clase i y el límite inferior de la clase i . (Ci Lsi LIi )
fi
f ri , donde n es el número total de observaciones
n
Frecuencia acumulada de una clase: se interpreta como el número de datos que estaría
por debajo o que son inferiores al valor representado por el límite superior de la clase
considerada. Se denota por Fi .
F1 f1 , F2 f1 f 2 F1 f 2 , F3 f1 f 2 f3 F2 f3 , , Fk Fk 1 f k
Frecuencia Relativa acumulada: representa la proporción de los datos que son menores
Si multiplicamos Fri por 100 se obtiene el porcentaje con respecto del total de datos que
son menores que el límite superior de la clase.
Marca de clase: Se define como el punto medio de esa clase. Se denota por mi
mi
LIi LSi
2
Recorrido: es la diferencia entre el valor máximo y valor mínimo de todas las
observaciones. Se denota por R
R
Denotaremos por K el número de clases, entonces K
Ci
i. Calcular el recorrido
6
iii. Hallar los límites de las clases
Límites de clases
[0.70 - 1,00)
[1,00 - 1,30)
[1,30 - 1,60)
[1,60 - 1,90)
[1,90 - 2,20)
[2,20 - 2,50)
[2,50 - 2,80)
Observe que, todos los valores de las observaciones están incluidos en una de las clases.
Clases fi f ri Fi Fri mi
[0.70 - 1,00) 2 0,05 2 0,05 0,85
7
Media aritmética
Representa el centro de gravedad o el punto de equilibrio de los datos.
7 3 -4 14 2
Grupo de control
5 22 -7 9 5
-6 5 9 4 4
Grupo de tratamiento
12 37 5 3 3
Las medias para las muestras son:
6+5+9+4+4+12+37+5+3+3
x Grupo de tratamiento
10
x Grupo de tratamiento 7, 6
∑
+ + ⋯+ ̅=
̅=
O
+ + ⋯+
8
Clases fi mi fi .mi
[0.70 - 1,00) 2 0,85 1,7
k
[1,60 - 1,90) 17 1,75 29,75 mi fi 71,5
[1,90 - 2,20) 9 2,05 18,45 x i 1
1, 7875
n 40
[2,20 - 2,50) 4 2,35 9,4
La mediana de una serie de datos que previamente han sido ordenados en forma
creciente o decreciente es aquel valor que ocupa la posición central de los datos. Se
denota .
Ejemplo:
Primero ordenemos los datos de ambas muestras en orden creciente
Como n 10 es par, debemos tomar el promedio entre los valores de las muestras
centrales, es decir, aquellos que toman las posiciones 5 y 6 respectivamente.
Grupo de control -7 -4 2 3 5 5 9 7 14 22
Grupo de tratamiento -6 3 3 4 4 5 5 9 12 37
55 4+5
M d Grupo control M d Grupo de tratamiento
2 2
M d Grupo Control 5 M d Grupo de tratamiento 4,5
Observación: La diferencia entre las medias es de 2,0 mientras que la diferencia entre las
medianas es de 0,5, esto se debe a la presencia de los valores extremos, en particular el
valor 37.
9
Mediana para datos agrupados
Sera un valor comprendido entre los límites de la clase medianal, esta es la clase que
contiene la frecuencia acumulada .
−
= + 2 ×
Dónde:
Ejemplo
Nº Clases fi Fi Luego:
3 [1,30 - 1,60) 5 9 = 1,60
=9
4 [1,60 - 1,90) 17 26 = 17
= 0,3
5 [1,90 - 2,20) 9 35
−
La clase medianal es la cuarta clase, ya = + 2 ×
que es la primera que contiene en su
frecuencia acumulada el valor 20 − 9
= 1,60 + × (0,3)
n 40 17
20 = 1,7941
2 2
Moda: se define como aquel valor que se repite más, es decir aquel valor que ocurre con
mayor frecuencia
Ejemplo
En el caso del grupo control la moda toma valor 5, mientras que el grupo tratamiento es
polimodal dado que se tienen tres modas, las cuales son 3, 4 y 5.
10
Moda para datos agrupados
Se determina la clase modal, es decir, la clase que tiene mayor frecuencia absoluta.
= + ×
+
Donde
:= limite inferior de la clase modal.
Ejemplo
Nº Clases fi = 1,60
3 [1,30 - 1,60) 5 = 17 − 5 = 12
= 17 − 9 = 8
4 [1,60 - 1,90) 17
= 0,3
5 [1,90 - 2,20) 9
= + ×
+
La clase modal es la cuarta clase, ya que 12
ésta presenta la mayor frecuencia = 1,60 + × (0,3)
12 + 8
f 4 17 = 1,78
absoluta.
El percentil Ph de un conjunto de datos ordenados es aquel valor que tiene por debajo el
h % de las observaciones y por arriba el (100 h) % de las observaciones.
Cuartiles: son los valores que dividen los datos en cuatro partes iguales.
Q1 P25 , Q2 P50 , Q3 P75
Deciles: son los valores que dividen los datos en diez partes iguales.
D1 P10 , D5 P50 , D9 P90
Percentiles: son los valores que dividen los datos en cien partes iguales.
P1 , , P53 , , P99
11
P7 5 , 75% de los datos son inferiores que P7 5 , y a lo sumo 25% de los datos son
mayores que P7 5 .
i. Grupo de control -7 -4 2 3 5 5 7 9 14 22
Grupo de tratamiento -6 3 3 4 4 5 5 9 12 37
75 10
ii. t 7,5
100
iii. El entero inmediato de 7,5 es 8, por lo tanto el percentil 75 del grupo de control es
9 y el del grupo de tratamiento es 9.
nh
100 Fap := limite inferior de la clase del
Ph Lip Cp percentil.
fp : Frecuencia acumulada de la clase
anterior de la clase del percentil.
12
:=Frecue encia absolu
uta de la cla
ase del := Amplitud de
d la clase del
d percentil.
percentil.
Ejemplo: Ha
allar P7 5
Nº Clases fi Fi = 1,90
4 [[1,60 - 1,90) 1
17 26 = 26
=9
5 [[1,90 - 2,20) 9 35 = 0,3
6 [[2,20 2,50) 4 39
nh
Fap
Ph Lip 1000 Cp
f
La clase del percentil es
e la quinta
a clase, ya p
que ésta co
ontiene inmmediatamen nte en su
frecuencia
f acumulada el valor 300 26
Ph 1,90 (0,30)
(
n h 40 75 9
30
100 1000 = 1,90 + 0,13
333
= 2,0333
Medidas ded dispersióón
Indican
I el punto
p hasta
a el cual las observacio
ones individduales se essparcen alre ededor de su
s
punto central. Miden la dispersió eflejan la tendencia de las
ón o variabilidad de loss datos y re
observaciones individu
uales a desviarse de dicho punto central.
Varianza:
V e
es una medida estadísttica que miide la dispe especto a un
ersión de los valores re
valor
v centra
al (media).
Dado una sserie de dattos x1 , x2 , , xn , cuyya media arritmética ess x , la varia
anza de eso
os
datos está definida co
omo el prom medio de laas desviacio
ones elevada as al cuadra ado.
Varianza
V p
para datos no agrupados
blacional
Caso pob ( x1 x) 2 ( x2 x) 2 ( xn x) 2
(X1 ) (X 2 ) (X
2
X N )
2 2 S
2
2 n 1
N n
N
(X ) 2 ( x x)
i
2
i
S2 i 1
2 i 1
n 1
N
Caso mu
uestral
13
Ejemplo:
(7 5, 6)2 (3 5, 6) 2 (9 5, 6) 2 (5 5, 6)2
S 2 (Grupo control)
10 1
S (Grupo control) 8,3293
2
(6 7, 6)2 (5 7, 6) 2 (3 7, 6) 2 (3 7, 6) 2
S (Grupo de tratamiento)
2
10 1
S 2 (Grupo de tratamiento) 11,3157
(m 2
f ) n( x ) 2
i i
S2 i 1
n 1
Ejemplo
k
fi mi fi .mi mi 2 . f i (m
i 1
2
i i f ) 133, 6
2 0,85 1,7 1,445
k
2 1,15 2,3 2,645 (m 2
f ) n( x ) 2
i i
S2 i 1
5 1,45 7,25 10,5125
n 1
17 1,75 29,75 52,0625
133, 6 (40)(1, 7875) 2
9 2,05 18,45 37,8225 S 2
40 1
4 2,35 9,4 22,09
14
Desviación estándar o desviación típica
S S2
Ejemplo datos no agrupados
S 2 (Grupo de tratamiento) 11,3157
S 2 (Grupo control) 8,3293 S (Grupo de tratamiento) 3,3639
S (Grupo control) 2,8861
S 2 0,1486
S 0,3855
Medidas de formas
Viene dada por el aspecto que presenta el gráfico que las representa.
3( x M d )
Asp
S
15
Ejemplo datos agrupados
3( x M d )
Asp
S
3(1, 7875 1, 7941)
Asp
0,3855
Asp 0, 0514
Conclusión:
Coeficiente B2 de Pearson
( xi x)
4 k
(m x)
i 1
i
4
f i
B2 n
S4 B2 n
S4
16
Ejemplo datos no agrupados
2
fi mi ( mi x ) f i
0,85 1,54495239
4
(m x)
i 1
i
4
fi 2,93677207
2 1,15 0,33033208 k
Historigrama
18
16
14
12
10
8
6
4
2
0
0,85 1,15 1,45 1,75 2,05 2,35 2,65
17