Sunteți pe pagina 1din 60

METODOS ESTADISTICO PARA LA

EDUCACION SUPERIOR
(MESU 05)

Del 16/03 al 06/04/2009

Por: Ing. M.Sc. Francisco Martínez Solaris


Mgs. Educación Superior
martinezsolaris@cotas.com.bo
martinezsolaris@hotmail.com
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Nociones Generales

Sexo
Total
HAI Femenino Masculino
n % n % n %
Negativo 182 57.59 134 42.41 316 80.2
Positivo 46 58.97 32 41.03 78 19.8
Total 228 57.87 166 42.13 394 100

200 182

150 134
Femenino
100
46 Masculino
50 32

0
Negativo Positivo
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Nociones Generales
ESTADÍSTICA ¿Qué es?...

DESCRIPTIVA INFERENCIAL

PROPOSITO PROPOSITO

METODOS METODO

• TABULARES PROBABILISTICO
Características • GRAFICOS
• NUMERICOS
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Nociones Generales

Ciencia encargada de la Recolección,


Manipulación, Organización y
Presentación de información de
manera tal que ésta tenga una
Confiabilidad determinada
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Nociones Generales

INFERENCIA
ESTIMACION

Población
N Muestra
Parámetro Deducción n=?
s µ, σ2, p, Estadísticos
etc Estadígrafos

TECNICAS DE
MUESTREO
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Nociones Generales
Probabilístico MAS, MAP y MAE
MUESTREO
No Probabilística
Probabilístico
Azar

MUESTRA Tipos

No Probabilística

Arbitraria
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Nociones Generales

POBLACION MUESTRA • Nombre


• Definición
Atributo • Rango de Valores
• Clasificación
Cambiar

Variable Elementos

Cualitativas Categorías
Tipos
Discretas
Cuantitativas
Continuas
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Nociones Generales
• Nombre

Variable Elementos • Definición


• Rango de Valores

+ • Clasificación

Nominal
Medirse
Ordinal
Escalas de
De Intervalo
Medición

De Razón
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Métodos Tabulares
DESCRIPTIVA
Sea X y Y dos variables y sea x1, x2, … xn y
y1, y2, … yn, valores que toman las variables
METODOS X y Y, y sean “a” y “b” dos constantes.
Entonces:

TABULARES x1 + x2 + x3 + …xn y1 + y2 + y3 + …yn

∑ ∑
n n
xi i =1
yi
Sumatoria i =1

Propiedades
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Propiedades de Sumatoria
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Métodos Tabulares/Ordenamiento

Edad (años) Edad (años) Valores


17 15
extremos
18 16
18 16
16 17
21 17
15 Ordenándolo 18
17 18
Valores mas
19 18 frecuente
Desventaja
20 18
18 19
16 20
Valores
18 21 extremos
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Cuadro de Frecuencia

Edad
fi fr Fia Fra
Cuadros de (años)
Frecuencia 15 1 8.3 1 8.3
16 2 16.7 3 25.0
17 2 16.7 5 41.7
18 4 33.3 9 75.0
19 1 8.3 10 83.3
20 1 8.3 11 91.7
21 1 8.3 12 100
Total 12 100
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Cuadro de Frecuencia

Lugar de realización del


n %
Diplomado
Extranjero 19 13.87
Universidad Objeto de Estudio 87 63.50
Otras universidades bolivianas 31 22.63
Total 137 100
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Cuadro de Frecuencia

67.7 39.2 52.5 42.3 69.8 61.2

63.9 37.2 45.7 41.7 69.1 55.5

64.9 38.9 52.4 41.9 69.2 58.9

68.3 39.2 52.6 42.7 70.0 61.9

68.3 39.2 53.3 45.5 70.1 63.2

La Estadística ofrece otra


Cuadro de alternativa Tablas de Frecuencias
Frecuencia Absolutas y Relativas
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Tabla de Frecuencia
Procedimiento
Definir el Número de
≥ 5 ó ≤ 20 ó 25
Intervalos

Sturges
Ac = A/k
A = Valor Máx.- Valor Mín.
K = 1 + 3.33* log n

Tipo de Intervalos
(Li - LS]
Ac = Ajustada
RI = Ac*K > A
MD = (RI – A)/2
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Tabla de Frecuencia

Intervalos de Clases PMC fi fr Fia Fra

37.1 a 42.6 39.85 8 0.27 8 0.27

42.6 a 48.1 45.35 3 0.10 11 0.37

48.1 a 53.6 50.85 4 0.13 15 0.50

53.6 a 59.1 56.35 2 0.07 17 0.57

59.1 a 64.6 61.85 4 0.13 21 0.70

64.6 a 70.1 67.35 9 0.30 30 1


30 1
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Métodos Gráficos

Diagrama de Puntos

Histograma

Métodos Gráficos Clásicos Polígono de Frecuencias

Ojiva

Diagrama de Sectores
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Diagrama de Puntos

15 16 17 18 19 20 21

Edad (años)
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Histograma

Histograma de Frecuencias Absolutas


10
8
Número de Estudiantes

6
4
(fi)

2
0
.1
37

2.6

8.1

3.6

9.1

4.6

0.1
a4

a5

a6

a7
a4

a5
.1

.1

.1

.6
.6

.6
37

48

59

64
42

53

Tiempo (minutos)
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Polígono de Frecuencias

10 Polígono de Frecuencias Absoluta


Número de Estudiantes

8
6
(fi)

4
2
0
39.85 39.85 45.35 50.85 56.35 61.85 67.35 72.85
Puntos Medios de Clases
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Ojiva

40 Ojiva/Polígono de Frecuencias Acumuladas

30
20
fia

10
0
37.1 42.6 48.1 53.6 59.1 64.6 70.1
Tiempos (minutos)
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Diagrama de Sectores
(19*360)
1 -------360
X= = 49.9
19 ------- x
137

Lugar de realización de estudios


n Grados
Postgraduales
Extranjero 19 50
Universidad de Interés 87 229
Otras universidades bolivianas 31 81
Total 137 360
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Diagrama de Sectores

Lugar de realización de estudios postgraduales


Otras
universidades Extranjero
bolivianas 13.87%
22.63%

Universidad
de Interés
63.50%
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Métodos Numéricos (Medidas de Tendencia Central)
Cuando se desea comparar dos o más
poblaciones o bien muestras, y si las
variables de interés son de carácter
numérico …

Los métodos tabulares no son los más


recomendables

La Estadística oferta otra herramienta


llamada Métodos Numéricos
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Tendencia Central
Localizan el centro de
una base de datos
numéricas

Medidas de Tendencia
Central

Cuantifican cuánto se
dispersan los datos de una
Métodos Numéricos medida de tendencia
central

Medidas de Dispersión
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Tendencia Central

Promedio

Media Ponderada
Medidas de Tendencia
Central Mediana

Moda
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central/Promedio

Media µ
Población
Poblacional

Es la sumatoria de las observaciones que


Promedio toma una variable dividido entre el total
de éstas

Media
Muestra
Muestral
x

Se interpreta como el punto de equilibrio


de una base de datos numéricas
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Tiempo
Desviaciones
(minutos)
( xi − x )
52.6
-4.15
38.9
-17.85
68.3
11.55
67.2
10.45
63.9
7.15 n
64.9
68.3
8.15 Propiedad ∑ ( xi − x ) = 0
i =1
11.55
39.2
-17.55
42.3
-14.45
61.9
Suma 5.15
567.5 Suma
0
56.75
Promedio
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Media en datos tabulados

Si la tabla no presenta clases abierta es


posible hacer una estimación de la media
tomando en cuenta lo siguiente:

• PMC es el promedio de las observaciones de las


observaciones que caben dentro del intervalos.
• PMC*fi proporciona una estimación de la suma de las
observaciones que caben en el intervalo y como una
tabla tiene k-ésimo intervalos entonces:
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Intervalos PMC*fi
PMC fi
de Clases
37.1 a 42.6 39.85 8 318.8
42.6 a 48.1 45.35 3 136.05
48.1 a 53.6 50.85 4 203.4
1624.5
53.6 a 59.1 56.35 2 112.7 x= 30
= 54.15
59.1 a 64.6 61.85 4 247.4
64.6 a 70.1 67.35 9 606.15
30 1624.5
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Cuando los datos tienen diferente peso dentro de la


base de datos, si desea obtener el promedio, la media
aritmética no es la más indicada

Cargo fi Salario
Rector 1 2000
Asesores 2 1200
Vic. Académico 1 1150
Vic. Administrativo 1 1250
Jefe de Carrera C.S 2 1000
Jefe de Carrera 5 800
Administrativo 2 600
Secretarias 9 120
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Salario Xiwi
Cargo fi (wi) (xi)

Rector 1 2000 2000

Asesores 2 1200 2400

Vic. Académico 1 1150 1150


15080
Vic. Administrativo 1 1250 1250 xw = = 655.65
23
Jefe de Carrera C.S 2 1000 2000

Jefe de Carrera 5 800 4000

Administrativo 2 600 1200

Secretarias 9 120 1080

15080
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Si los datos no se distribuyen


simétricamente (curva simétrica) el
promedio no es la mejor medida para
localizar el centro de los mismos •Ordenar
Impar

n Me = xn/2 + 0.5
Datos sin tabular
Par

Me = (xn/2 + x n/2 + 1 )/2


Mediana (Me)

(b-a)(0.5- c)
Me = a +
Datos tabulados
d
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Tiempo Tiempo
(minutos) (minutos)
38.9 38.9
39.2 Me = xn/2 + 0.5
39.2
42.3 42.3
52.6
n es impar 52.6
61.9 61.9
63.9
Me
63.9
64.9 64.9

67.2 67.2

68.3 68.3
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

Tiempo Tiempo
(minutos) (minutos)
38.9 38.9 Me = (xn/2 + x n/2 + 1 )/2
39.2 39.2
42.3 42.3 61.9 + 63.9
n es par 52.6 52.6 Me = = 62.9
61.9 61.9 2
62.9
63.9 63.9
64.9 64.9
67.2 67.2 Mediana es aquella medida
68.3 68.3 de tendencia central que
antes y después de ella no
68.3 68.3
existe más del 50% de la
información
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

(b-a)(0.5- c)
Me = a +
d
Clase de la Mediana
a = Límite inferior de la • Complete la columna Fia
clase de la Me • Localice la menor Fia >
b = Límite superior de la n/2
clase de la Me • La clase a la que
c = Fra una clase antes de pertenece esta frecuencia
la clase de la Me (Nj-1) es la clase de la mediana
(Nj)
d = fr de la clase de la Me
• La Clase antes de Nj es
Nj -1
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central
(b-a)(0.5- c) a = Límite inferior de la
Me = a + clase de la Me
d b = Límite superior de la clase de
la Me
(59.1-53.6)(0.5- 0.5) c = Fra una clase antes de la
Me = 53.6 + = 53.6 clase de la Me (Nj-1)
0.07 d = fr de la clase de la Me

Intervalos
PMC fi fr Fia Fra
de Clases Ubicación de la
37.1 a 42.6 39.85 8 0.27 8 0.27 clase de la Me
42.6 a 48.1 45.35 3 0.10 11 0.37
n = 30
48.1 a 53.6 50.85 4 0.13 15 0.50
n/2 = 15
53.6 a 59.1 56.35 2 0.07 17 0.57
Nj = 17… (53.6 – 59.1)
59.1 a 64.6 61.85 4 0.13 21 0.70
Nj- 1 = (48.1 – 53.6)
64.6 a 70.1 67.35 9 0.30 30 1
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Tendencia Central

Connotancia de Moda Tiempo


(Mo) en Estadística (minutos)
38.9
39.2
En caso de existir es la 42.3
(s) observación (nes) 52.6
que más se repiten en 61.9
una base de datos 63.9
64.9
Distribuciones: 67.2
68.3
Unimodales
68.3 Mo
Bimodales
Etc.
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

(ficmo- ficpremo)
Mo = Licmo + Acmo
(ficmo-ficpremo) + (ficmo – ficpostmo)

Donde:
Licmo: Límite inferior de la Clase Modal
Acmo: Ancho de clase de la Clase Modal
Ficmo: Frecuencia absoluta de la Clase Modal
Ficpremo: Frecuencia absoluta de la Clase Premodal
Ficpostmo: Frecuencia absoluta de la Clase Postmodal

Clase Modal es la (s) que tiene(n) la mayor (es) fi


METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Tendencia Central

(ficmo- ficpremo)
Mo = Licmo + Acmo
(ficmo-ficpremo) + (ficmo – ficpostmo)
Intervalos
PMC fi
de Clases

37.1 a 42.6 39.85 8


(9 - 4)
42.6 a 48.1 45.35 3
Mo = 64.6 + 5.5 = 66.56
48.1 a 53.6 50.85 4 (9 - 4) + (9 – 0)
53.6 a 59.1 56.35 2

59.1 a 64.6 61.85 4

64.6 a 70.1 67.35 9


METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Dispersión

Una medida de tendencia central por si sola no es tan


importante. Por esta razón debe estar acompañada de
una medida de dispersión

Rango/Distancia/Amplitud o Recorrido

Varianza (Variancia)

Medidas de Dispersión
Desviación Típica o Estándar

Coeficiente de Variación
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Dispersión

Rango Rango = Valor Máximo – Valor Mínimo


2
∑ ( xi − µ )
N
Población ( σ²) σ =2 i=1

N
Es el promedio de las desviaciones al
Varianza cuadrado de las observaciones que
toma una variable respecto a su media

Muestra (S²)
2
 ∑ n xi 
 i =1 
∑ i =1
n
xi 2

 n 
S2 =  
n−1
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Dispersión
xi (Desviaciones)2
52.6 17.2225
38.9 318.6225
1372.725
68.3 133.4025
S² = = 152.525mi²/est²
67.2 109.2025
63.9 51.1225 10 - 1
64.9 66.4225
Desventaja
68.3 133.4025
39.2 308.0025
Desviación Típica S = √S²
42.3 208.8025
61.9 26.5225 S = √152.525 = 12.35 min/est
Sumatoria 567.5 1372.725
Promedio 56.75   Interpretación x±S

56.75 ± 12.35 min/est.


METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Dispersión

Si la tabla no presenta clases abierta es posible


hacer una estimación de la varianza de la siguiente
forma:

Intervalos de PMC fi
Clases

37.1 a 42.6 39.85 8

42.6 a 48.1 45.35 3

48.1 a 53.6 50.85 4

53.6 a 59.1 56.35 2

59.1 a 64.6 61.85 4

64.6 a 70.1 67.35 9


METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Medidas de Dispersión

91693.475 −
(1624.5)
2

S2 = 30 = 124.774
30 −1

Intervalos de PMC*fi PMC2*fi


PMC fi S = 124.774 =11.70
Clases
37.1 a 42.6 39.85 8 318.8 12704.18
42.6 a 48.1 45.35 3 136.05 6169.8675
48.1 a 53.6 50.85 4 203.4 10342.89

53.6 a 59.1 56.35 2 112.7 6350.645

59.1 a 64.6 61.85 4 247.4 15301.69


64.6 a 70.1 67.35 9 606.15 40824.203

1624.5 91693.475
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Dispersión

Todas las medidas de dispersión expuestas


anteriormente son dimensionales (toman las unidades
de medidas de las variables)

Existe otra medida de dispersión pero adimensional


llamadas Coeficiente de Variación o Dispersión
Relativa

S S
C.V =   C.V =   * 100
x x
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Medidas de Dispersión

Las medidas de dispersión cuantifican cuánto se


dispersan los datos alrededor de una medida de
tendencia central, pero,¿Para donde se desvían los
datos?, a la izquierda de la media, a la derecha o se
distribuyen simétricamente.

Existen otras medidas aplicable solo a curvas


unimodales que tratan de las deformación de curvas
tanto de forma horizontal como vertical
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Deformación de Curvas Unimodales

Asimetría Positiva x > Me > Mo

Curvas Simétricas x = Me = Mo
Asimetría

Asimetría Negativa x < Me < Mo


METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Deformación de Curvas Unimodales

Curva Leptocúrtica Kur > 3

Curva Mesocúrtica Kur = 3


Curtosis

Curva Platicúrtica Kur < 3


METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Regresión Lineal Simple

En el desarrollo de los eventos,


X1 puede ser que una variable sea
Y X2 afectada por el comportamiento de
. otra (s) variable (s)
.
.

Es de interés poder cuantificar


Xi este tipo de relación de manera
que se pueda predecir una variable
en función de otra
Y: Variable Dependiente En Regresión Lineal Simple es de
X: Variable Independiente interés cuando una variable afecta
el comportamiento de otra variable
Y = f(X)
Propósito de la R.L.S: Predicción
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Regresión Lineal Simple
Por análisis de regresión se entiende al conjunto de métodos
estadísticos que tratan con la formulación de modelos
matemáticos que describen la relación entre variables y el
uso de estas relaciones modeladas con el propósito de
predecir e inferir.
Por Regresión Lineal Simple se entiende al conjunto de
cambios que experimenta una variable dependiente por un
único cambio en la variable independiente
“Y” es una variable aleatoria cuya
distribución probabilística depende
de “X”
Supuestos del Análisis Modelo de la Línea Recta
de Regresión Lineal Homogeneidad de Varianza
Simple
Normalidad
Independencia
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Regresión Lineal Simple/Diagrama de Dispersión
Llamado también Ploteo de Datos, tiene como propósito
mostrar la posible tendencia (en caso de existir) entre las
variables “X” y “Y”.
Consiste en llevar los pares de valores “x, y” a un sistema de
coordenadas (bidimensional)

(x, y)

X
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Regresión Lineal Simple/Diagrama de Dispersión
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Regresión Lineal Simple/Métodos de Mínimos Cuadrados

El supuesto No 2 de RLS plantea que de existir una relación


entre “X” y “Y”, ésta es una línea recta, por lo tanto se puede
pensar en una ecuación de la siguiente forma:

Parámetros

Estimación

De tal manera que se llegue a obtener una ecuación de la


siguiente naturaleza:
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Regresión Lineal Simple/Métodos de Mínimos Cuadrados

Uso de la Técnica de
Mínimos Cuadrados (Carl
Gauss)

A partir de muestras (x1, y1), (x2, y2), …(xi, yi) de las variables
“X” y “Y”, se trata de obtener los estimadores . Para ello la
Técnica de Mínimos Cuadrados minimiza la suma de cuadrado de
las distancias entre los valores observados y los estimados de
tal manera que :
Y

X
METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
Regresión Lineal Simple/Recta de Estimación

Estimada una vez la recta de Predicción y teniendo en cuenta


que el propósito de la R.L.S es la predicción, se hace
necesario estar seguro que la ecuación estimada es capaz de
predecir.

Por esta razón es necesario validar la ecuación estimada


METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Regresión Lineal Simple/Validación de la Recta de Estimación

Validación

Cálculo de Coeficiente Análisis de Varianza


de Determinación R² de la Regresión “ANARE”

Cuantifica la cantidad de la
variabilidad de “Y” que
puede ser explicada por “X”

R² ≥ 70%
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Regresión Lineal Simple/Validación de la Recta de
Estimación/ANARE

Por análisis de Varianza se entiende, de forma general, a la


partición de la variación total en fuente de variación conocida
que en el caso de R.L.S son de acuerdo al siguiente modelo
aditivo lineal:

xi= Variación debida a


Regresión
εi = Variación debida al Error

FV gl SC CM Fc Ft (Pr>F)
CMRegresión
Regresión 1 SCRegresión CMRegresión
/CMError
Error n-2 SCError CMError
Total n.1 SCTotales

Regla de Decisión
NRHo : Fc ≤ Ft
RHo : Fc > Ft