Presentación Estadistica para Profesores

QU ES ESTADSTICA?
Es
una ciencia que se ocupa de: recolectar, organizar,

presentar, analizar e interpretar datos con el propsito
de ayudar a una toma de decisiones ms efectiva.
Es
una rama de las matemticas, trata con mtodos que

sirven para obtener conclusiones de un conjunto de
datos (poblacin) basndose en una parte o porcin
representativa de la misma (muestra).
1
POR
QU
ESTADSTICA?
ESTUDIAR
1.
Los datos se encuentran en todos los lados.
2.
Las tcnicas estadsticas se utilizan para la toma de

muchas decisiones que afectan nuestra vida.
3.
Al Profesional, la estadstica le ayudar a interpretar con

mayor eficiencia los resultados que se recopilaran de las
investigaciones y as podr tomar decisiones.
2
CAMPOS DE APLICACIN?
Las
tcnicas estadsticas se usan ampliamente
por personas en reas de:

Comercializacin,
Contabilidad,
Control
de calidad,
Deportes,
Administracin
de hospitales, etctera...
Qu es Poblacin?
Es
el conjunto de todos los elementos que estamos

estudiando, ya sean compuestos de personas o de cosas
acerca de los cuales intentamos sacar conclusiones.
Es la recoleccin completa de todas las observaciones
de inters para el investigador.
Ejemplo:
La
Cantidad total de estudiantes de la Facultad de

Ciencias Administrativas es de 15,000.
4
Qu es Muestra?
Es
una parte de la poblacin que aislamos para estudiarla y

obtener resultados.
Es la reunin de datos que se desea estudiar, obtenidos de
una proporcin reducida y representativa de la poblacin.
Ejemplos:
De
la poblacin de 15,000 estudiantes de FCA Una muestra

de esta poblacin sera 12000 alumnos de la Modalidad
Presencial.
El
profesor de estadstica desea conocer cul es la5

edad promedio estimada de sus estudiantes.
Qu es Muestreo?
Es la tcnica para recoger una muestra a
partir de una poblacin o un subgrupo de
esta.
Permite inferir sobre la poblacin
basndose en la informacin de la muestra.

6
MTODOS DE
MUESTREO
Simple
Se clasifican
en :
Doble
Mltiple
7
Muestreo Simple
Es
cuando toma solamente una muestra de una
poblacin
dada
para
el
propsito
de
inferencia
estadstica.
Puesto
que solamente una muestra es tomada, el
tamao de muestra debe ser los suficientemente grande

para extraer una conclusin.
8
Muestreo Doble
Bajo
este tipo de muestreo, cuando el resultado del

estudio de la primera muestra no es decisivo, una
segunda muestra es extrada de la misma poblacin. Las
dos muestras son combinadas para analizar los
resultados.
Ejemplo:
Al
probar
la calidad de
un
lote
de productos manufacturados, si la primera muestra
arroja una calidad muy alta, el lote es aceptado; si arroja
una calidad muy pobre, el lote es rechazado. Solamente si
la primera muestra arroja una calidad intermedia, ser
requerir la segunda muestra.
Muestreo Mltiple
El
procedimiento bajo este mtodo es similar al

expuesto en el muestreo doble, excepto que el nmero
de muestras sucesivas requerido para llegar a una
decisin
es
ms
de
dos
muestras.
Los elementos de una muestra pueden ser
seleccionados de dos maneras diferentes:
a. Basados en el juicio de una persona.
b. Seleccin aleatoria (al azar)
10
EJERCICIOS
Determinar cul es poblacin, y muestra.
1) Los miembros del Colegio de Ingenieros Comerciales del
Ecuador.
2)
a)
Respuesta: poblacion
b)
La cantidad de habitantes del Ecuador.
c)
Respuesta:poblacion
d)
Un estudio realizado a 50 miembros del Colegio de Espritu

Santo.
e)
Respuesta : muestra
Cinco estudiantes fueron seleccionados como los mejores de

su clase en la modalidad presencial de FCA.
a)
3)
Respuesta: muestra
Se llevo acabo un censo para saber el nivel de conocimiento 11

de los Docentes que laboran en la Facultad de Administracin
a)
Respuesta:poblacin
Qu son Datos?
Un
dato es cada uno de los valores que se a obtenido al

realizar un estudio estadstico.
Son medidas, valores o caractersticas susceptibles de ser
observados y contados.
Ejemplo:
Son
los valores que se han obtenido de la cantidad de

estudiantes que hay en la Facultad de ciencias
Administrativas es de 15,000.
12
QU ES UNA VARIABLE?
Es
cada una de las caracterstica o cualidades que

poseen los individuos de una poblacin.
Puede tener diferentes valores en los distintos
elementos de un conjunto.
Ejemplos:
Variable estadstica a una propiedad caracterstica
de la poblacin que estamos interesados en estudiar.
El nmero de estudiantes aprobados en anatoma, el
color de los ojos, la renta familiar, etc...
13
TIPOS DE VARIABLE O DATOS

Cualitativos
Se clasifican
en :
Cuantitativos
14
La
Qu son Cualitativas o
Atributos?
caracterstica o variable que se estudia no es

numrica.
No se pueden medir y se describen con palabras.
Ejemplo:
Razas
de perro, estado civil de una persona, sexo,

tipo de automvil que se posee, lugar de
nacimiento, color de los ojos, etc.
15
Tipos de Cualitativas:
Ordenables:
Aquellas que sugieren una ordenacin.
Ejemplos: Grados de servidores de la Polica Nacional, el

nivel de estudios, nmero de hijos, etc.
No
ordenables: Aquellas que slo admiten una mera

ordenacin alfabtica, pero no establece orden por su
naturaleza.
Ejemplos: El color del pelo, sexo, estado civil, etc.
16
Qu son Cuantitativas o
Numricos?
Se pueden medir y expresar con nmeros.
La
variable se puede registrar numricamente.
Ejemplos:
Saldo
en una cuenta de cheques, minutos que faltan
para que termine la clase, nmero de nios en una

familia, nmero de goles en un partido de ftbol.
17
Tipos de Cuantitativas:
Discretas:
Solo
puede
tomar
valores
aislados.
Se
representa con un nmero natural. (Ejemplo: El nmero de

hermanos, nmero de sillas, etc.).
Continuas:
Pueden tomar todos los valores de un intervalo.
Se representa con un nmero decimal. (Ejemplo: La

estatura de una persona, el peso de los estudiantes, etc.).
18
EJERCICIOS
Defina cules son las variables cualitativas y cuantitativas.
1.
2.
Una encuesta revel sobre el estado civil de una poblacin.
R. cualitativa
Se llev a cabo un concurso de perros de raza en Guayaquil.
R. Cualitativa
3.
Comida Favorita.
R. cualitativa
4.
Profesin que te gusta.
R. Cualitativa
5.
Nmero de goles marcados por tu equipo favorito en la ltima temporada.
R. Ccuantitativatitativa
6.
Nmero de alumnos de tu Instituto.
R. Cuantitativa
7.
El color de los ojos de tus compaeros de clase.
R. Cualitativa
8.
Coeficiente intelectual de tus compaeros de clase.
R. Cuantitativa
19
TIPOS DE VARIABLE
CUANTITATIVAS
Discretas
Se dividen :
Continuas
20
Discretas
Es
aquella que toma valores aislados, es decir no

admite valores intermedios entre 2 valores
especficos.
Solo puede tomar valores enteros y un nmero finito.
Ejemplos:
Nmero de hermanos, nmero de habitantes
menores de edad, nmero de aulas de la Facultad de
Educacin Fsica Deportes y Recreacin. (Ej: 10)
El nmero de habitaciones en una casa (Ej: 1,2,3,...,
etc.).
21
Continuas
Es
aquella
que
puede
tomar
valores
comprendidos entre 2 nmeros.
Pueden tomar cualquier valor dentro de un
intervalo especfico.
Ejemplos:
Estatura de una persona: 1.73 ; 1.85; 1.77
El tiempo de vuelo de Guayaquil a Japn: 14 horas
y media.
22
EJERCICIOS
Defina: Cules son las variables discretas y continuas?
1)
Nmero de acciones vendidas cada da en la Bolsa de Valores.

a)
2)
Temperaturas registradas cada hora en un observatorio.

a)
3)
Respuesta: CcontinuasTINUA
Nmero de hijos de 50 familias.

a)
6)
Respuesta: DdiscretasRETA
El dimetro de las ruedas de varios coches.

a)
5)
Respuesta: continuasCONTINUA
Suma de puntos obtenidos en el lanzamiento de un par de dados

a)
4)
Respuesta: DdiscretasSCRETAS
Respuesta: DdiscretasRETA
Censo anual de los Ecuatorianos.

a)
Respuesta: DdiscretasCRETA
23
Descriptiva
La
Estadstica
se divide
en :
Inferencial
24
ESTADSTICA
DESCRIPTIVA
Es una ciencia que analiza una serie de datos y la utilizamos para recolectar,
organizar, resumir, presentar y analizar la informacin. Es la medida de
relaciones entre 2 o ms variables.
Se dedica exclusivamente al ordenamiento y tratamiento mecnico de la
informacin para su presentacin por medio de tablas y de
representaciones grficas, que son tiles para la explicacin de la
informacin.
EJEMPLO
En un sondeo de opinin se encontr que el 49% de las personas en una
encuesta saban el nombre del Presidente de Bolivia. La estadstica 49
describe el nmero de cada 100 personas que saben la respuesta
25
ESTADSTICA
INFERENCIAL
Se refiere a los estudios que se hacen sobre una parte de la poblacin
(Muestra), con el fin de obtener ( inferir) conclusiones sobre las
caractersticas de inters de dicha poblacin.
EJEMPLOS:
Las cadenas de TV monitorean la popularidad de sus programas
contratando a empresas especializadas para muestrear las preferencias
de los televidentes.
El departamento de contabilidad de una empresa elegir una muestra
de facturas para verificar la exactitud de todas las facturas de la
compaa.
26
MEDIDAS DE
TENDENCIA CENTRAL:
MEDIA, MEDIANA Y
MODA
MEDIDAS DE TENDENCIA CENTRAL:
Este tipo de medidas nos permiten

identificar y ubicar el punto (valor)
alrededor del cual se tienden ha reunir los
datos (Punto central).
NOTA: en las poblaciones se denominan
parmetros y en las muestras se les
denomina estimadores.
LA MEDIA
Es la suma de todos los valores observados, dividido
por el nmero total de observaciones para obtener un
promedio.
NOTA: es la mas sencilla y la mas utilizada.
EJEMPLOS
= sumatoria
= media
N = nmero de elementos
X = valores o datos
Calcule la media de los siguientes nmeros:
10 , 11 , 12 , 12 , 13
1.Sumar las cantidades< 10 + 11 + 12 + 12 + 13
=58>
2. Dividir la suma por la cantidad de
elementos<58/5>
3. El resultado es la media <11.6>
LA MEDIANA
Con esta medida podemos identificar el valor que se
encuentra en el centro de los datos, despus que los
elementos han sido ordenados.
EJEMPLO
PAR
1,2,3,4,5,6
La mediana est entre 3 y 4.
IMPAR:
1,2,3,4,5
La mediana es el 3
LA MODA
La medida modal nos indica el valor que ms veces se
repite dentro de los datos.
NOTA: en algunos casos pueden presentarse dos valores

que se repiten en igualdad de veces, por lo tanto puede ser
bimodal o multimodal.
EJEMPLO
Buscar la moda de:
5 12 9 5 8 7 1
Como la moda es el nmero que ms se repite, la moda es 5.
Buscar la moda de:
14 16 18 16 15 12
El 14 se repite 3 veces.
Por lo tanto, la moda es 16.
14
14
16
18 20 16 16
Buscar la moda de :
23 35 45 33 47 31 29 22
Como ningn nmero se repite, no tiene moda.
CONCLUSIN
En conclusin las Medidas de tendencia central, nos permiten
identificar los valores ms representativos de los datos, de
acuerdo a la manera como se tienden a concentrar.
La Media nos indica el promedio de los datos; es decir, nos
informa el valor que obtendra cada uno de los individuos si se
distribuyeran los valores en partes iguales.
La Mediana por el contrario nos informa el valor que separa los
datos en dos partes iguales, cada una de las cuales cuenta con el
cincuenta porciento de los datos.
La Moda nos indica el valor que ms se repite dentro de los datos.
MEDIDAS DE DISPERSION
Varianza
Desviacin estndar
MEDIDAS DE
DISPERSIN
Existen diversas medidas estadsticas de dispersin, pero
muchos autores coinciden en que las principales son:
Rango
Varianza
Desviacin estndar
Coeficiente de variacin
En algunos casos existen conjuntos de datos que tienen la misma

media y la misma mediana, pero esto no refleja qu tan dispersos
estn los elementos de cada conjunto.
Ejemplo:
Conjunto 1.
Conjunto 2.
80, 90, 100, 110, 120

0, 50, 100, 150, 200
Conjunto 1
Conjunto 2
Media
80 90 100 110 120

100
5
Media
0 50 100 150 200

100
5
Observa que para ambos conjuntos la Mediana es igual a 100.

Tambin nota que los datos del conjunto 2 estn ms dispersos
con respecto a su media que los datos del conjunto 1.
RANGO
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado
(Lmite superior) y el valor ms bajo (Lmite inferior).
FRMULA
Rango X MAX X MIN
Ejemplo 1.
Ante la pregunta sobre nmero de hijos por familia, una muestra de 12
hogares, marc las siguientes respuestas:
2 1 2 4 1 3
2 3 2 0 5 1
Calcula el rango de la variable
Rango 5 0 5
Ejemplo 2.
Hay dos conjuntos sobre la cantidad de lluvia (mm) en Taipei y Sel
en un ao.
Calcula el rango en cada una de las ciudades.

Solucin.
Aplicando la frmula correspondiente tenemos:
Taipei
Rango 305mm 66mm 239mm
Sel
Rango 252mm 13mm 239mm
En este caso se puede

observar que el rango es el
mismo para ambos casos
aunque las cantidades sean
diferentes.
VARIANZA (Datos no agrupados)

Mide la distancia existente entre los valores de la serie y la media.
Se calcula como sumatoria de las diferencias al cuadrado entre
cada valor y la media, multiplicadas por el nmero de veces que se
FRMULA
ha repetido cada valor.
La sumatoria obtenida se divide por el
tamao de la muestra.
n
Muestral
s2
2
(
x
x
)
i
i 1
n 1
Poblacional
2
(
x
)
i x
i 1
La varianza siempre ser mayor que cero. Mientras ms se

aproxima a cero, ms concentrados estn los valores de la serie
alrededor de la media. Por el contrario, mientras mayor sea la
varianza, ms dispersos estn.
Ejemplo 1.
Calcula la varianza para los siguientes datos
2
Solucin.
Primero es necesario obtener la media. En este caso
Ahora aplicamos la frmula correspondiente
(2 2.16)2 (1 2.16)2 (2 2.16)2 (4 2.16)2 (1 2.16) 2 (3 2.16)2 (2 2.16)2 (3 2.16)2 (2 2.16)2 (0 2.16)2 (5 2.16)2 (1 2.16)2
s
12 1
2
s2
21.6672
1.9697
11
x 2.16
Ejemplo 2.
A continuacin se muestran dos conjuntos de datos obtenidos a
partir de un experimento qumico que realizaron dos estudiantes
distintos. Calcular la varianza.
DESVIACIN ESTNDAR (Datos no agrupados)

Tambin llamada desviacin tpica, es una medida de dispersin usada en
estadstica que nos dice cunto tienden a alejarse los valores puntuales del
promedio en una distribucin.
Especficamente, la desviacin estndar es "el promedio de la distancia de cada
punto respecto del promedio". Se suele representar por una S o con la letra
sigma,, segn se calcule en una muestra o en la poblacin.
Una desviacin estndar grande indica que los puntos estn lejos de la media, y
una desviacin pequea indica que los datos estn agrupados cerca de la
media.
N
FRMULAS
(x )
i
i 1
Muestral
n
Poblacional
(x
i 1
x )2
n 1
Ejemplo 1.
Si retomamos el ejemplo 1 que corresponde a la varianza:
Calcula la desviacin estndar para los siguientes datos
2
Solucin.
Una vez que hemos calculado la media y la varianza, slo resta
calcular la raz cuadrada de la varianza.
x 2.16
s2
21.6672
1.9697
11
S 1.9697 1.4034
Ejemplo 2.
Considerando nuevamente el segundo ejemplo que estudiaste para calcular la
varianza, tenemos:
A continuacin se muestran dos conjuntos de datos obtenidos a partir de un
experimento qumico que realizaron dos estudiantes distintos. Calcular la
varianza.
Solucin.
Una vez que has calculado la media y la varianza, es necesario calcular la
desviacin estndar a partir de la obtencin de la raz cuadrada de la varianza.
Estudiante A
s2
91.6
9.16
10
S 9.16 3.026
Estudiante B
s2
76
7.6
10
S 7.6 2.756
COEFICIENTE DE VARIACIN
Es una medida de dispersin que se utiliza para poder

comparar las desviaciones estndar de poblaciones con
diferentes medias y se calcula como cociente entre la
desviacin tpica y la media.
FRMULA
Muestral
Poblacional
S
CV 100%
x
CV 100%
Ejemplo 1.
En dos cursos los promedios que sacaron sus alumnos fueron 6.1 y
4.3 y las desviaciones estndar respectivas fueron 0.6 y 0.45
respectivamente. En qu curso hay mayor dispersin?
CV
S
100%
x
CVA
0. 6
(100%) 9.8%
6 .1
CVB
0.45
(100%) 10.4%
4.3
Solucin
Para responder esto, debemos obtener el coeficiente de variacin
aplicando la frmula
VARIANZA Y DESVIACIN ESTNDAR (Datos agrupados)
Cuando los datos estn agrupados en tablas de frecuencias, el significado de las

medidas de dispersin es el mismo, sin embargo la manera de calcularlas es
diferente.
Enseguida se muestra la frmula para la varianza, pero recuerda que la desviacin
estndar es igual a la raz cuadrada de la primera.
FRMULA
s2
i 1
f i ( xi x )
Muestral
Poblacional
2 i 1
fi ( xi )
N
n 1
i 1
i 1
f x
2
i i
fi xi2
N
x f
i 1
n 1
i i
Ejemplo 1.
Se han registrado durante 5 das, el nmero de viajeros que hacen
reservaciones a una agencia de viajes pero que no las hacen efectivas:
i
Nmero de viajeros
(xi )
Frecuencia
(fi)
12
13
14
15
16
Total
70
20
Calcula las medidas de dispersin de la variable en estudio. Interpreta
Medidas de posicin
CUARTILES
PERCENTILES
DECILES
Medidas de posicin
Anlogos a la mediana
Permiten fijar la posicin de datos

mayores
Cuartiles (dividen la distribucin en 4 partes
que una proporcin determinada de

iguales).
casos
Deciles (dividen la distribucin en
10 partes iguales).
Percentiles (dividen la distribucin
en 100 partes
MEDIDAS DE POSICIN
CUARTIL
que dividen la distribucin en partes iguales.

Indicadores
o cuantiles dividen a la distribucin en cuatro partes
Los cuartiles
el primer cuartil Q1 (primera cuarta parte del conjunto de las
iguales, cada una de estas partes posee la misma cantidad de
observaciones.
observaciones)
el valores
segundo
(dos
primeras cuartas
Se generan tres
quecuartil
dividenQ2
a la
distribucin;
partes de las observaciones, por lo que sera igual
que hablar de la mediana)
el tercer cuartil Q3 (contiene las tres primeras
partes del conjunto de
observaciones)
55
MEDIDAS DE POSICIN PERCENTIL
Funcin PERCENTIL.EXC(matriz; k)
Devuelve un valor numrico. El percentil es una medida de posicin no
central.
Argumento matriz. Contiene la referencia a un rango de celdas con
valores numricos o
una matriz de nmeros.
Argumento k. Contiene un valor numrico mayor que 0 y menor
que 1. Indica cul es el valor de percentil que desea localizar.
56
Distribucin
De
Frecuencias
Para datos no
agrupados
Para datos
agrupados
57
Mtodo de Organizacin de los datos

Distribucin de Frecuencias:
Es
una ordenacin de datos estadsticos representados en

una tabla, organizados de ascendente a descendente.
La
utilizacin de la distribucin de frecuencias tiene como

objetivo principal presentar los datos de una manera que
facilite su comprensin e interpretacin.
58
Qu es clase?
Son
divisiones o categoras en las cuales se

agrupan un conjunto de datos ordenados con
caractersticas comunes.
Una clase es un rango, grupo o intervalo de
datos numricos.
59
Lmites de la clase
Representan el tamao de cada clase, determinadas por dos valores que son el
lmite superior y el lmite inferior.
Rango o Amplitud de la clase

Es la diferencia entre el lmite superior e inferior de la clase.
60
Qu es Frecuencia Absoluta?
Es el nmero de veces que aparece un
determinado valor en un estudio estadstico. Se
representa por fi.
Esta frecuencia tiene sentido calcularla para
variables cuantitativas o cualitativas ordenables.
61
Qu es Frecuencia Absoluta
Acumulada?
Son aquellas que se obtienen de las sumas sucesivas
de las ( fi ) que integran cada una de las clases de una
distribucin de frecuencia de clase, esto se logra cuando
la acumulacin de las frecuencias ( Fi )se realiza
tomando en cuenta la primera clase hasta alcanzar la
ultima.
62
Qu es Frecuencia Relativa?
La frecuencia relativa porcentual se obtiene dividendo
la frecuencia absoluta y el nmero total de datos.
La frecuencia relativa se puede expresar en tantos por
ciento y se representa por hi.
63
Qu es Frecuencia Relativa
Acumulada?
Es el resultado de la suma de los distintos valores de la
frecuencia relativa, el total de estos valores nos dar como
resultado la unidad o el 100%.
Una distribucin de frecuencias relativas acumuladas expresa
la frecuencia acumulada de cada clase en relacin con toda la
muestra. El proceso de acumulacin puede basarse en un
principio de <<o mas>> o <<menor que>>.
64
Distribucin de Frecuencias No
Agrupados
Se emplea si las variables toman un nmero pequeo de
valores o la variable es discreta.
No se agrupan los valores en intervalos.
65
DISTRIBUCIN DE FRECUENCIAS PARA

DATOS NO AGRUPADOS
Sea X la variable que representa el nmero de faltas de
asistencia de los estudiantes del colegio 28 de mayo
durante un ao escolar. X genera el siguiente conjunto de los
datos numricos de 50 estudiantes de primer ao:
3, 2, 3, 4, 1, 2, 3, 4, 3, 3, 3, 5, 6, 6, 5, 3, 4, 1, 2, 3, 2, 5, 1, 3,
3, 3, 2, 4, 1, 2, 2, 3, 3, 5, 5, 6, 3, 4, 4, 1, 2, 4, 3, 7, 7, 3, 7, 6,
5, 3.
66
DISTRIBUCIN DE FRECUENCIAS PARA

DATOS NO AGRUPADOS
POBLACIN: La totalidad de los estudiantes del
colegio 28 de mayo.
MUESTRA: 50 estudiantes de primer ao.
TIPO DE VARIABLE: variable discreta.
LMITES DE CLASES: LI=1 LS=7
RANGO: LS - LI = 7-1= 6
Ordenemos los datos, representmoslos mediante una
tabla de frecuencia.
67
ORDENAR DATOS
1111
2222
3333
4444
5555
6666
777=
TOTAL
1
2
3
4
5
=
=
2
3
4
5
5
22=
8
3 3 3 3 3 3 3 3 3 3 3 = 17
4=
7
=
6
4
3
50
68
DISTRIBUCIN DE FRECUENCIAS
PARA DATOS NO AGRUPADOS
Xi
(Clases)
1
2
3
4
5
6
7
Total
(n)
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi Frecuencia
relativa
5
8
17
7
6
4
3
50
5
13
30
37
43
47
50
10
16
34
14
12
8
6
100%
(fi/n)*100
Hi
Frecuencia
relativa
acumulada
(Fi/n) *100
10
26
60
74
86
94
100
69
DISTRIBUCIN DE
FRECUENCIAS PARA
DATOS NO AGRUPADOS
Sea X la variable que representa el nmero total
que recorre un jugador en un partido de ftbol.
genera el siguiente conjunto de los datos numricos:

8,6,7,5,3,2,4,6,2,1,7,4,6,7,8,3,9,1,6,7,5,1,9,8,7,4,5,6,8
,1,6,7,9,3,2,4
70
ORDENAR DATOS
1
2
3
4
5
6
7
8
9
111
22=
33=
444
55=
666
777
888
99=
TOTAL
4
3
3
4
3
66= 6
77= 6
=
4
3
36
71
DISTRIBUCIN DE FRECUENCIA
PARA DATOS NO AGRUPADOS
Xi
(Clases)
1
2
3
4
5
6
7
8
9
Total (n)
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi
Frecuencia
relativa
Hi
Frecuencia relativa
acumulada
% (fi/n)*100
% (Fi/n) *100
11
11
3
3
7
10
8
8
19
27
14
11
38
17
23
29
33
46
17
17
11
63
80
91
9
100%
100
6
6
4
3
36
36
72
DISTRIBUCIN DE
FRECUENCIAS PARA DATOS NO
AGRUPADOS
Sea X la variable que representa a nadadores durante una
competencia que se desarroll en la piscina olmpica de la ciudad de
Guayaquil mostraron sus dominios en los diferentes estilos.
genera el siguiente conjunto de datos numricos:

9,6,7,5,8,2,10,4,6,2,3,4,6,2,8,9,5,6,10,7,9,9,10,2,10,6,7,8,3,9,10,2,10
73
ORDENAR DATOS
2 2 2 2 2 =
3 3 =
4 4 =
5 5 =
6 6 6 6 6 =
7 7 7 =
8 8 8 =
9 9 9 9 9 =
10 10 10 10 10 10
TOTAL
5
2
2
2
5
3
3
5
6
33
74
DISTRIBUCIN DE
FRECUENCIA PARA DATOS
X
f
F
hi
Hi
Frecuencia Frecuencia relativa
NO
AGRUPADOS
(clases) Frecuencia
Frecuencia
absoluta
i
absoluta
acumulada
10
2
2
2
5
3
3
5
6
Total (n)
33
4
5
6
7
8
9
relativa
acumulada
% (fi/n)*100
% (Fi/n) *100
100%
75
Distribucin de Frecuencias
Agrupadas
Conocida tambin como tabla con datos agrupados se emplea
si las variables toman un nmero grande de valores o la
variable es continua.
Se agrupan los valores en intervalos que tengan la misma
amplitud denominados clases. A cada clase se le asigna su
frecuencia correspondiente.
76
Nmero de clases
deseados
2cn
Frmula:
C= # de clases
n= # de Observaciones
Ejemplo de 50 datos:
2cn
2c50
2650
77
CLCULO DE TABLA
1 2
2 2x2
=2
=4
3 2x2x2 = 8
4 2x2x2x2 = 16
5 2x2x2x2x2 = 32
6 2x2x2x2x2x2 = 64
7 2x2x2x2x2x2x2 = 128
8 2x2x2x2x2x2x2x2 = 256
9 2x2x2x2x2x2x2x2x2 = 512
10 2x2x2x2x2x2x2x2x2x2 = 1024
78
Intervalos de Clases
El intervalo de clases es el recorrido de los valores que se encuentran dentro de una clase. Para
determinarlo se resta el limite inferior de una clase con el limite superior de la clase siguiente.
Para construir la tabla de frecuencias el intervalo de clases se puede determinar con ayuda de la
expresin siguiente:
Ci
Valor
Valor
mximo (LS)
mnimo (LI)
Nmero de clases deseados
(Nc)
79
Marca de clase
Es el valor correspondiente al punto medio o mediano de un intervalo de clases, es la marca de clase y

su valor es igual a la mitad de la suma de los limites Inferior y Superior del intervalo de clase.
Marca de clase
o
Punto Medio de
clase
LI + LS
2
80
clase
Marca
clase
Clase
50.15 59.74
59.74 69.33
69.33 78.92
78.92 -
de
LI + LS
2
Marca de Clase
54.95
64.54
74.13
81
DISTRIBUCIN DE
FRECUENCIAS PARA DATOS
AGRUPADOS
Sea X la variables que representa la estatura de los
jugadores del EMELEC. X genera el siguiente conjunto
de los datos numricos:
1.70 1.60 1.80 1.55 1.70

1.60 1.70 1.72 1.50 1.32
1.82 1.90 1.72 1.60 1.70
82
EJERCICIO 1:
1. Ordenarlos
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
1.32
1.50
1.55
1.60
1.60
1.60
1.70
1.70
1.70
1.72
1.72
1.80
1.82
1.90
1.70
83
EJERCICIO 1:
2. Determinar el lmite inferior y superior
LI= 1.32
LS= 1.90
3. Determinar el nmero de clases
2cn
2c15
2415
4. Determinar el intervalo o amplitud
84
EJERCICIO 1:
5. Distribuir los datos en cada categora o clase
Clase
1.32 1.47 1.62 1.77
1.47
1.62
1.77
1.92
fi
Frecuencia
absoluta
1
5
6
3
15
Fi
Frecuencia
absoluta
acumulada
1
6
12
15
hi
Frecuencia
relativa
%
(fi/n)*100
6.67
33.33
40.00
20.00
Hi
Frecuencia
relativa
acumulada
Marca de
Clase
% (Fi/n)
*100
6.67
40.00
80.00
100.00
1.40
1.55
1.70
1.85
100.00
85
EJEMPLO 2
Un sondeo revela que varios atletas han aumentado de
peso, he aqu los datos obtenidos:
65.25
66.43
59.30
73.50
70.30
62.12
79.20
50.15
98.10
80.15
51.43
68.43
62.18
79.10
63.25
60.20
55.15
94.00
90.15
66.40
86
EJEMPLO 2
(CONTINUACIN):
1. Ordenarlos
LI= 50.15
LS= 98.10
2cn
2c20
2520
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
16)
17)
18)
87
19)
20)
50.15
51.43
55.15
59.30
60.20
62.12
62.18
63.25
65.25
66.40
66.43
68.43
70.30
73.50
79.10
79.20
80.15
90.15
94.00
98.10
EJEMPLO 2
(CONTINUACIN):
Clase
50.15
59.74
59.74
69.33
69.33
78.92
78.92
88.51
88.51
98.10
Hi
Frecuencia
relativa
acumulada
Fi
Frecuenci
a absoluta
acumulad
a
hi
Frecuencia
relativa
%
20.00
20.00
54.95
12
40.00
60.00
64.54
14
10.00
70.00
74.13
17
15.00
85.00
83.72
20
15.00
100.00
93.31
fi
Frecuencia
absoluta
20
(fi/n)*100
100
Marca de
Clase
% (Fi/n)
*100
88
EJERCICIO 3
A continuacin se presenta el nmero de minutos y segundos que le toma a
un grupo de futbolistas para ir desde su hogar hasta la cancha de
entrenamiento,.
28.30 30.10
41.55
32.22
66.32
67.53
36.00
31.50 45.25
25.25
43.59
42.69
75.14
71.25
25.62 60.32
27.47
35.11
70.05
31.29
77.12
26.15 90.10
31.18
26.17
38.20
67.20
80.13
1. Ordenarlos
89
EJERCICIO 3
(CONTINUACIN):
1. Ordenarlos
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
25.25
25.62
26.15
26.17
27.47
28.30
30.10
31.18
31.29
31.50
32.22
35.11
36.00
38.20
15)
16)
17)
18)
19)
20)
21)
22)
23)
24)
25)
26)
27)
28)
41.55
42.69
43.59
45.25
60.32
66.32
67.20
67.53
70.05
71.25
75.14
77.12
80.13
90.10
90
EJERCICIO 3
(CONTINUACIN):
LI= 25.25
LS= 90.10
2cn
2c25
2525
91
EJERCICIO 3
(CONTINUACIN):
Clase
25.25
38.25
51.25
64.25
77.25
38.25
51.25
64.25
77.25
90.25
fi
Frecuencia
absoluta
14
4
1
7
2
28
Fi
Frecuencia
absoluta
acumulada
14
18
19
26
28
hi
Frecuencia
relativa
Hi
Frecuencia
relativa
acumulada
%
% (fi/n)*100
(Fi/n) *100
50.00
14.29
3.57
25.00
7.14
50.00
64.29
67.86
92.86
100.00
100
92
Marca de
Clase
31.75
44.75
57.75
70.75
83.75
GRFICOS
Histogramas, polgono de frecuencias y ojiva
Otros grficos
93
HIPOTESIS
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros de una o ms
poblaciones.
Un procedimiento que conduce a una

decisin sobre una hiptesis en particular
recibe el nombre de prueba de hiptesis.
Los procedimientos de prueba de hiptesis
dependen del empleo de la informacin
contenida en la muestra aleatoria de la
poblacin de inters.
HIPOTESIS NULA
La hiptesis nula son, en un sentido, el reverso de las

hiptesis
de
investigacin.
Tambin
constituyen
proposiciones acerca de la relacin entre variables
solamente que sirven para refutar o negar lo que afirma la
hiptesis de investigacin. Por ejemplo, si la hiptesis de
investigacin propone: Los adolescentes le atribuyen ms
importancia al atractivo fsico en sus relaciones
heterosexuales que las mujeres, la nula postulara:
Los jvenes no le atribuyen ms importancia al atractivo
fsico en sus relaciones heterosexuales que las
adolescentes.
HIPOTESIS ALTERNATIVA
La hiptesis alternativa, representada por H1, es la

afirmacin contradictoria a Ho, y sta es la hiptesis del
investigador.
Como su nombre lo indica, son posibilidades alternativas - ante
las hiptesis de investigacin y nula. Ofrecen otra descripcin o
explicacin distintas a las que proporcionan estos tipos de
hiptesis. Por ejemplo, si la hiptesis de investigacin
establece: Esta silla es roja, la nula afirmar: Esta silla no
es roja, y podran formularse una o ms hiptesis
alternativas: Esta silla es azul, Esta silla es verde, Esta
silla es amarilla, etc. Cada una constituye una descripcin
distinta a las que proporcionan las hiptesis de investigacin y
nula.
Slo pueden formularse cuando efectivamente hay otras
posibilidades adicionales a las hiptesis de investigacin y
nula. De ser as, no pueden existir.
EJEMPLO:
La empresa Delicias y Mariscos del Ecuador desea lanzar un nuevo producto

elaborado con atn que se denomina XYZ para medir la aprobacin o percepcin
del consumidor respecto a este producto contratar a la empresa Margen y
Asociados a fin de que realice las pruebas correspondientes. Esta empresa toma
una muestra de 1960 posibles consumidores de los cuales 1176 despus de probar
el producto indicaron que estarn dispuestos a adquirirlo si se lanzara al mercado.
Cul es la informacin que proporciona Margen y Asociados a la empresa
productora de este novedoso bien?
Qu decisin tomar la empresa productora XYZ con respecto a la informacin y

de qu tipo de estadstica estamos hablando?
La decisin ser de lanzar el producto al mercado y estamos hablando de una
estadstica inferencial.
98
GRFICOS
REPRESENTACIONES GRFICAS
Las tres formas de grficas ms usadas son

histogramas, polgonos de frecuencia y
distribuciones de frecuencias acumuladas
(ojiva).
Histograma
Grfica donde las clases se marcan en el eje

horizontal (X) y las frecuencias de clase en
el eje vertical (Y). Las frecuencias de clase
se representan por las alturas de las barras y
stas se trazan adyacentes entre s
100
HISTOGRAMA
Conjunto de barras
Eje X - Limites de clase
Eje Y - fi= Frecuencias no Acumuladas
Y
23
25
20
15
# vehiculos
10
5
17 18
8
4 2
Precios en miles
101
EJERCICIO DE HISTOGRAMA
Tabla de datos:
Pblico que asiste a un partido de ftbol.
Meses
Asistentes
Enero
100
Febrero
120
Marzo
140
Abril
80
180
140
120
120
100
80
60
Enero
Febrero
Marzo
Abril
102
EJERCICIO DE HISTOGRAMA
De los datos del ejemplo 1 obtenemos
16
Clase
25.25 - 38.25
38.25 - 51.25
51.25 - 64.25
64.25 - 77.25
77.25 - 90.25
fi
Frecuencia
absoluta
14
4
1
7
2
28
14
14
12
10
7
8
6
4
2
0
4
1
25.25 38.25 51.25 64.25
2
77.25
90.25 103.25
103
POLGONO
Consiste en segmentos de lnea que

conectan los puntos formados por el punto
medio de la clase y la frecuencia de clase.
El polgono se cierra con el eje X,
agregando un intervalo de clase antes del
inicial y otro a continuacin del ltimo.
104
POLGONO
Conjunto de punto
Eje X Puntos medios, marca de clase, promedio
Eje Y fi = Frecuencias no Acumuladas
105
EJEMPLOS DE POLGONO
fi
Clase
16 - 23
23 - 30
30 - 37
37 - 44
44 - 51
Fi
hi
Frecuencia Frecuencia Frecuencia

Absoluta acumulada relativa
3
9
6
5
1
24
3
12
18
23
24
10
0.13
0.38
0.25
0.20
0.04
1
Hi
Frecuencia
Marca de
Relativa
clase
acumulada
0.13
19.50
0.51
26.50
0.76
33.50
0.96
40.50
1.00
47.50
8
Frecuencia
6
4
2
0
12.5 19.5 26.5 33.5 40.5 47.5 54.5
Marca de clase
106
EJERCICIO EN CLASE
fi
hi
Clase (PV)
Frecuencia
Absoluta
Frecuencia
Relativa
Punto Medio o
Marca de clase
50 60
60 70
70 80
80 90
4
5
6
2
0.20
0.25
0.30
0.10
55
65
75
85
90 - 100
3
20
0.15
1
95
107
OJIVA
Se usa para determinar cuntos o qu

proporcin de los valores de los datos es
menor o mayor que cierto valor.
108
OJIVA
Conjunto de Puntos
Eje X - Limites de clase superiores
Eje Y - Ni= Frecuencias Acumuladas
109
EJEMPLO
Clase
16 - 23
23 - 30
30 - 37
37 - 44
44 - 51
Fi <
fi
Fi >
Frecuencia
Frecuencia
acumulada
Absoluta
<
3
3
9
12
6
18
5
23
1
24
24
Frecuencia
acumulada
>
21
12
6
1
0
30
30
25
20
15
10
5
0
23
25
Ojiva Menor (<)
Ojiva Mayor (>)
30
37
44
51
20
15
10
5
0
23
110
30
37
44
51
EJEMPLO
30
25
20
23; 21
15
10
24
37; 6
44; 1
51; 0
37
44
51
18
30; 12
5
03
23
23
30
Las 2 Ojivas se intersectan en un punto M (30,12) tal que el

nmero de mayores que y menores que son iguales; este
punto es la mediana del nmero de casos observados
111
EJERCICIO EN CLASE
fi
Clase
Frecuencia
Absoluta
50 60
60 70
70 80
80 90
4
5
6
2
90 - 100
3
20
Fi <
Fi >
Frecuencia Frecuencia
acumulada acumulada
>
<
4
16
9
11
15
5
17
3
20
0
112
CIRCULAR
Es en especial til para desplegar una

distribucin de frecuencias relativas. Se
divide un crculo de manera proporcional a
la frecuencia relativa y las rebanadas
representan los diferentes grupos.
113
CIRCULAR
Ventas
12%
Menos de una vez

al mes
Una vez al mes
9%
Una vez a la
semana
48% Dos veces a la

semana
8%
3 - 4 veces a la
semana
13%
Todos los dias

10%
114
Ejercicio
Clase
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi
Frecuencia
relativa
%
Hi
Frecuencia
relativa
acumulada
%
Marca de
Clase
(Fi/n) *100
(fi/n)*100
25.25 - 38.25
14
14
50.00
50.00
31.75
38.25 - 51.25
18
14.29
64.29
44.75
51.25 - 64.25
19
3.57
67.86
57.75
64.25 - 77.25
26
25.00
92.86
70.75
77.25 - 90.25
28
7.14
100.00
93.75
115
LINEAL
Nos permite expresar unidades de tiempo en el eje
horizontal
116
El peridico el Universo realizo un estudio del # de homicidios durante

el periodo 1986 1999 en un sector de la ciudad de Guayaquil.
Trace una grfica de lneas para resumir los datos que correspondan a
los ltimos 14 aos.
Ao Homicidio
Homicidios
1986
21
1987
34
50
40
1988
26
1989
42
30
1990
37
20
1991
37
1992
44
10
1993
45
1994
40
1995
35
1996
30
28
19861987198819891990199119921993199419951996199719981999
Fuente: El peridico el Universo

Periodo 1986 1999 (Homicidios)
117
DIAGRAMA DE PARETO EN EXCEL

Un diagrama de Pareto est formado por un grfico de barras y un grfico de lnea. Los valores
individuales se representan por las barras y el total acumulado es representado por la lnea.
El eje vertical es la frecuencia con la que ocurren los valores individuales y el eje vertical derecho es el
porcentaje acumulado.
El propsito del diagrama de Pareto es resaltar los valores individuales ms importantes y hacer notar
cmo el 20% de ellos suma generalmente el 80% del total acumulado, lo cual conocemos como la
regla del 80-20 o como principio de Pareto. Para crear un diagrama de Pareto debemos preparar los
118
FUNCIN COMBINAT
Devuelve el nmero de combinaciones para un nmero
determinado de elementos. Use COMBINAT para determinar
el nmero total de grupos posibles para un nmero
determinado de elementos. En esta funcin no importa el
orden de los datos.
FRMULA MANUAL
n! = n factorial donde n es el numero

r!= r factorial donde r es el tamao de la combinacin y
esto a su vez multiplicado por (n-r)! factorial.
SINTAXIS
La sintaxis de lafuncin COMBINATes la siguiente.
La sintaxis de lafuncin COMBINATes la siguiente.
Numero:esel nmero de elementos que forman el

conjunto de los que se tomaran para la combinacin, el
parmetro es obligatorio.
Tamao:parmetro
obligatorio
numrico,
que
FUNCIN PERMUTACIONES
Una permutacin es un conjunto o subconjunto de objetos
o de sucesos en el que el orden de los objetos es
importante.
Difiere en esto de las combinaciones en las que el orden de
los elementos no es significativo. Se utiliza esta funcin
para los clculos de probabilidad tipo sorteos.
TIPOS DE PERMUTACIONES
Hay dos tipos de permutaciones:
Se permite repetir
Sin repeticin
Existen dos tipos de permutaciones: Sin repeticiones y con

repeticiones. Se refiere al hecho de que en el conjunto de
objetos que se van a permutar haya o no cosas repetidas.
FRMULA MANUAL
n! = n factorial donde n es el numero
k!= k factorial donde k es el tamao de la permutacin.
SINTAXIS
La sintaxis de lafuncin PERMUTACIONESes la siguiente.
Nmero:es un nmero entero que describe el nmero de

objetos.
Tamao: es un nmero entero que describe el nmero de
objetos en cada permutacin.
Consideraciones importantes sobre

lafuncin PERMUTACIONES
Los argumentos deben ser nmeros enteros, en caso
contrario, Excel truncar los nmeros.
Si los argumentos nmero o tamao no son numricos,
PERMUTACIONES devuelve el valor de error #VALOR!
Si nmero 0 o si tamao < 0, PERMUTACIONES devuelve
el valor de error #NUM!
Si nmero < tamao, PERMUTACIONES devuelve el valor
de error #NUM!
CONCLUSIN
La combinacin es todo arreglo de elementos en donde no
nos interesa el lugar o posicin que ocupa cada uno de los
elementos que constituyen dicho arreglo.
En cambio permutacin es todo arreglo de elementos en

donde nos interesa el lugar o posicin que ocupa cada uno
de los elementos que constituyen dicho arreglo.
UNIVERSIDAD DE GUAYAQUIL
Facultad de Ciencias Administrativas
Carpeta de Computacin
Mdulo: Excel Aplicado a la Estadstica
Tema:
Distribucin Binomial
Distribucin Binomial Negativa
Integrantes:
Morales Aguirre Gnesis
Jimnez Vsquez Anglica
Docente: Alex Duque
Condiciones para una distribucin binomial
Una distribucin se denomina binomial cuando se cumplen las

condiciones siguientes:
O El experimento aleatorio de base se repite n veces, y todos los
resultados obtenidos son mutuamente independientes.

O En cada prueba se tiene una misma probabilidad de xito
(suceso A), expresada por p. Asimismo, existe en cada prueba una

misma probabilidad de fracaso (suceso), que es igual a 1 - p.
O El objetivo de la distribucin binomial es conocer la probabilidad de
que se produzca un cierto nmero de xitos. La variable aleatoria

X, que indica el nmero de veces que aparece el suceso A (xito),
es discreta, y su recorrido es el conjunto {0, 1, 2, 3, ..., n}.
SINTAXIS
O nm_xitos: aqu debe escribir el nmero de xitos que se desea
obtener.
O ensayos: es el tamao de la muestra n
O prob_xito: probabilidad p de xito.
O acumulado: verdadero o falso. (si escribe verdadero: la distribucin
calcula la distribucin binomial acumulada desde x hasta cero; si
escribe falso: la distribucin binomial solo calcula el valor puntal x).
EJEMPLO
Por ejemplo si estamos interesado en encontrar la probabilidad

binomial de n=3 ensayos de los cuales x=2 son xitos con una
probabilidad de acierto de p=0.40
b(x=2; n=3, p=0.40)= 0.2880. La probabilidad que eso

ocurra es de 0.2880
Se ubica en una celda vaca y escribe =DISTR.BINOM.N el

software le mostrar las distribuciones existentes mientras
usted est escribiendo. Puede ver que entre parntesis
aparecen cuatro parmetros:
si estamos interesado en encontrar la probabilidad binomial
de n=3 ensayos de los cuales x=2 son xitos con una
probabilidad de acierto de p=0.40
Puede ver que es el mismo resultado que obtuvimos con las tablas,
no obstante en algunos casos habr pequeas diferencias dado que
las tablas contiene solo valores de probabilidad de cuadro decimales
(es decir diezmilsimas) y en Excel usted puede pedirle que le
muestre los decimales que quiera (usando formatos).
DISTRIBUCIN BINOMIAL NEGATIVA

DEFINICIN:
Devuelve la distribucin binomial negativa.
Esta funcin es similar a la distribucin binomial, con
excepcin de que el nmero de xitos es fijo y el nmero
ensayos es variable. Al igual que la distribucin binomial,
supone que los ensayos son independientes.
la
de
se
APLICACIN EN EXCEL
DISTRIBUCIN BINOMIAL NEGATIVA

(NEGBINOMDIST)
SINTAXIS
NEGBINOMDIST(nm_fracasos;nm_xitos;prob_xito)
Nm_fracasos es el nmero de fracasos.

Nm_xitos
es el nmero lmite de xitos.
Prob_xito
es la probabilidad de obtener un xito.
OBSERVACIONES
Los argumentos nm_fracasos y nm_xitos se truncan a enteros.
Si uno de los argumentos no es numrico, NEGBINOMDIST devuelve
el valor de error #VALOR!
Si el argumento prob_xito < 0 o si probabilidad > 1,
NEGBINOMDIST devuelve el valor de error #NUM!.
Si los argumentos nm_fracasos < 0 o nm_xitos < 1, la funcin
NEGBINOMDIST devuelve el valor de error #NUM!.
La ecuacin para la distribucin binomial negativa
Dnde:
x es nm_fracasos,
r es nm_xitos,
p es prob_xito y
q=1-p.
DISTRIBUCIONES DE
PROBABILIDAD:
Distribucin de Poisson y
Distribucin Hipergeomtrica
Distribucin Poisson
Es una distribucin de probabilidad discreta que expresa la

probabilidad que un determinado nmero de eventos ocurran en
un determinado periodo de tiempo, dada una frecuencia media
conocida e independientemente del tiempo discurrido desde el
=POISSON( x; Media; Acumulado)
ultimo evento.
X = es el nmero de sucesos.
Media = es el valor numrico esperado.
Acumulado = es un valor lgico que determina la forma de la
distribucin de probabilidad devuelta. Si el argumento
acumulado es VERDADERO, POISSON devuelve la
probabilidad de Poisson de que un suceso aleatorio ocurra un
nmero de veces comprendido entre 0 y x inclusive; si el
argumento acumulado es FALSO, la funcin devuelve la
probabilidad de Poisson de que un suceso ocurra exactamente x
Distribucin
Hipergeometrica
Es una de las distribuciones de probabilidad discreta. Esta
distribucin se utiliza para calcular la probabilidad de una
seleccin aleatoria de un objeto sin repeticin. Aqu, el tamao
de la poblacin es el nmero total de objetos en el experimento.
=DISTR.HIPERGEOM(muestra_xito;n
m_de_muestra;poblacin_xito;nm_de_po
blacin)
Muestra xito = es el nmero de xitos en la muestra.
Nm_de_muestra = es el tamao de la muestra.
Poblacin xito = es el nmero de xitos en la poblacin.
Nm_de_poblacin = es el tamao de la poblacin.
Resumen
La distribucin de probabilidad de una variable aleatoria es
una funcin que asigna a cada suceso definido sobre la variable
aleatoria LA PROBABILIDAD DE QUE DICHO SUCESO
OCURRA.
DISTR.BINOM.N(nm_xito;ensayos;prob_xito;acumulado)
Mide el nmero de xitos en una secuencia de n ensayos independientes entre s
NEGBINOM.DIST(nm_fracasos; nm_xitos;prob_xito;acumulado)
Expresa la probabilidad de que haya un nmero de fracasos antes de que haya un nmero de
xitos.
Resumen
La distribucin de probabilidad de una variable aleatoria es
una funcin que asigna a cada suceso definido sobre la variable
aleatoria LA PROBABILIDAD DE QUE DICHO SUCESO
OCURRA.
POISSON( x; Media; Acumulado)
Expresa la probabilidad que un determinado nmero de eventos ocurran en un determinado
periodo de tiempo,
DISTR.HIPERGEOM(muestra_xito;nm_de_muestra;poblacin_xito;nm_de_
poblacin)
Se utiliza para calcular la probabilidad de una seleccin aleatoria de un objeto sin repeticin

Presentación Estadistica para Profesores

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Presentación Estadistica para Profesores

Diunggah oleh

Hak Cipta:

Format Tersedia

QU ES ESTADSTICA?

una ciencia que se ocupa de: recolectar, organizar,

una rama de las matemticas, trata con mtodos que

Los datos se encuentran en todos los lados.

Las tcnicas estadsticas se utilizan para la toma de

Al Profesional, la estadstica le ayudar a interpretar con

tcnicas estadsticas se usan ampliamente

por personas en reas de:

el conjunto de todos los elementos que estamos

Cantidad total de estudiantes de la Facultad de

una parte de la poblacin que aislamos para estudiarla y

la poblacin de 15,000 estudiantes de FCA Una muestra

profesor de estadstica desea conocer cul es la5

Permite inferir sobre la poblacin

basndose en la informacin de la muestra.

cuando toma solamente una muestra de una

que solamente una muestra es tomada, el

tamao de muestra debe ser los suficientemente grande

este tipo de muestreo, cuando el resultado del

procedimiento bajo este mtodo es similar al

La cantidad de habitantes del Ecuador.

Un estudio realizado a 50 miembros del Colegio de Espritu

Cinco estudiantes fueron seleccionados como los mejores de

Se llevo acabo un censo para saber el nivel de conocimiento 11

dato es cada uno de los valores que se a obtenido al

los valores que se han obtenido de la cantidad de

cada una de las caracterstica o cualidades que

TIPOS DE VARIABLE O DATOS

caracterstica o variable que se estudia no es

de perro, estado civil de una persona, sexo,

Aquellas que sugieren una ordenacin.

Ejemplos: Grados de servidores de la Polica Nacional, el

ordenables: Aquellas que slo admiten una mera

Ejemplos: El color del pelo, sexo, estado civil, etc.

variable se puede registrar numricamente.

en una cuenta de cheques, minutos que faltan

para que termine la clase, nmero de nios en una

representa con un nmero natural. (Ejemplo: El nmero de

Pueden tomar todos los valores de un intervalo.

Se representa con un nmero decimal. (Ejemplo: La

Una encuesta revel sobre el estado civil de una poblacin.

Profesin que te gusta.

Nmero de goles marcados por tu equipo favorito en la ltima temporada.

Nmero de alumnos de tu Instituto.

El color de los ojos de tus compaeros de clase.

Coeficiente intelectual de tus compaeros de clase.

aquella que toma valores aislados, es decir no

Nmero de acciones vendidas cada da en la Bolsa de Valores.

Temperaturas registradas cada hora en un observatorio.

Nmero de hijos de 50 familias.

El dimetro de las ruedas de varios coches.

Suma de puntos obtenidos en el lanzamiento de un par de dados

Censo anual de los Ecuatorianos.

MEDIDAS DE TENDENCIA CENTRAL:

Este tipo de medidas nos permiten

NOTA: es la mas sencilla y la mas utilizada.

NOTA: en algunos casos pueden presentarse dos valores

En algunos casos existen conjuntos de datos que tienen la misma

80, 90, 100, 110, 120

80 90 100 110 120

0 50 100 150 200

Observa que para ambos conjuntos la Mediana es igual a 100.

Rango X MAX X MIN