Estadistica Conceptos Clave-2019

Conceptos Básicos y
Estadística Descriptiva
Concepto de Estadística
Se refiere a un conjunto de métodos

para manejar la obtención,
presentación y análisis de
observaciones numéricas.
Tema 1. Introducción
Concepto de Estadística
Sus fines son describir al conjunto de

datos obtenidos y tomar decisiones o
realizar generalizaciones acerca de las
características de todas las
observaciones bajo consideración.
Áreas que conforman a la Estadística
Estadística Descriptiva (Deductiva):

es la encargada de la organización,
condensación, presentación de los
datos en tablas y gráficos y del
cálculo de medidas numéricas que
permitan estudiar los aspectos más
importantes de los datos.
DESCRIBIR
Áreas que conforman a la Estadística
Estadística Inferencial: está definida

por un conjunto de técnicas,
mediante las cuales se hacen
generalizaciones o se toman
decisiones en base a información
parcial obtenida mediante técnicas
descriptivas.
INFERIR
Áreas de Aplicación de la Estadística
 El uso de la Estadística es muy amplio.
Resulta difícil nombrar un área en la cual no
se emplee.
 Los métodos estadísticos han encontrado
aplicación en:
 Gobierno
 Negocios
 Ciencias Sociales
 Ingeniería
 Ciencias Física y Naturales
 Control de Calidad
 Procesos de Manufactura
 Muchos otros campos de la actividad intelectual.
Áreas de Aplicación de la Estadística
 Esto se debe a la creciente facilidad con la cual se

pueden manejar grandes cantidades de datos
numéricos, debido al uso de …
Conceptos de Población y Muestra
 Población: es la colección de todas las
posibles mediciones u observaciones que
pueden hacerse de una variable bajo
estudio.
 Se clasifica en dos categorías:

 Finita: es aquella que incluye una cantidad limitada
contable de observaciones, individuos o medidas.
Siempre que sea posible alcanzar (contar) el número
total de todas las posibles mediciones, se considera
como finita la población.
 Infinita: es aquella que incluye un gran conjunto
de observaciones o mediciones que no pueden
alcanzarse por conteo. Al menos,
hipotéticamente, no existe límite en cuanto al
número de observaciones que el experimento
puede generar.
 Muestra:
 es un conjunto de mediciones u observaciones
tomadas a partir de una población.
 es un subconjunto de la población.
 Muestra aleatoria: se considera aleatoria
siempre y cuando cada observación,
medición o individuo de la población tenga
la misma probabilidad de ser seleccionado.
Tipos de datos y escalas de medida
 Variables:
 Son las características o lo que se estudia de
cada individuo de la muestra. Ejemplo: sexo,
edad, peso, estatura, color de ojos, estado civil,
temperatura, cantidad de nacimientos, presión,
grosor, diámetro, ...
 Datos:
 Son los valores que toma la variable en cada
caso.
Tipos de datos
 Cualitativos: son datos que solo toman valores
asociados a las cualidades o atributos,
clasificándolos en una de varias categorías, es decir,
no son valores numéricos. Ejemplo:
 Sexo: f/m.
 Hábito de fumar: Fumador/No fumador
 Color de ojos: negro, azul, marrón, …
 Religión: católica, evangélica, …
 Estado civil: soltero, casado, divorciado,…
Tipos de datos
 Cuantitativos: provienen de variables que pueden
medirse, cuantificarse o expresarse numéricamente.
Ejemplos:
 Peso
 Edad
 Estatura
 Presión
 Humedad
 Intensidad de un sismo
 Cantidad de hermanos
Escalas de medida
 Tipos de variables cuantitativas:
 Discretas: es aquella que solo puede tomar un

número finito o infinito numerable de valores.
Ejemplo: cantidad de hermanos.
 Continuas: es la variable que puede tomar
cualquier valor en una escala continua. Ejemplo:
cantidad de líquido contenido en un recipiente.
Escalas de medida
 Escala Nominal.
Variables Cualitativas
 Escala Ordinal.
 Escala de Intervalos.
Variables
 Escala de Razón o Proporción. Cuantitativas
 Escala Absoluta.
Escalas de medida
 Escala nominal: los datos se pueden

agrupar en categorías que no mantienen
una relación de orden entre si, por lo
tanto no están definidas las operaciones
lógicas (>, <, , ) sino solo las de
igualdad o diferencia.
Ejemplos: color de ojos, sexo, profesión,
estado civil, religión.
Escalas de medida
 Escala ordinal: existe un cierto orden o
jerarquía entre las categorías (>, <, , ).
Ejemplos: grados militares, organigrama de

una empresa, escalafón de los profesores
universitarios.
Escalas de medida
 Escala de Intervalos: valores numéricos

de las variables y además de las
relaciones de orden (>, <, , ), se
pueden establecer distancias, es decir,
tienen sentido las operaciones de suma y
resta. Tiene dos propiedades:
 Existe una unidad de medida que se mantiene
constante para todos los valores que toma la
variable.
 Existe un valor patrón u origen relativo que
no significa la ausencia de valor en la
variable.
Escalas de medida
 Ejemplo: temperatura, nivel de

ruido, movimientos sísmicos.
Escalas de medida
 Escala de razón o proporción: es la más
completa y general de todas las escalas. Se
caracteriza porque los valores de la variable
son números entre los cuales, además de las
relaciones de orden (>, <, , ) y distancia
(+,-), se pueden establecer múltiplos y
proporciones.
Ejemplos: peso, altura, volumen…
Escalas de medida
 Escala Absoluta: se caracteriza porque los valores
que toma la variable son el resultado de contar y
por lo tanto, está constituida por los enteros
positivos y el cero.
Ejemplos: número de hermanos, cantidad de autos

vendidos, cantidad de accidentes en una intersección,
cantidad de hijos,…
Datos Univariantes y Multivariantes
 Univariantes o unidimensionales: sólo

recogen información sobre una
característica (Ejemplo: edad de los
alumnos de una clase).
 Bivariantes o bidimensionales: recogen

información sobre dos características de la
población. (Ejemplo: edad y estatura de los
alumnos de una clase).
Datos Univariantes y Multivariantes
 Multivariantes o pluridimensionales:
recogen información sobre tres ó más
características. (Ejemplo: edad, estatura y
peso de los alumnos de una clase).
Abusos que se pueden cometer con la
Estadística
 Conclusiones erróneas debido a que los datos

son numéricamente insuficientes.
 Representaciones gráficas engañosas
(escalas).
 Datos muestrales no representativos:
 Muestra que no incluye a elementos de toda la
población.
 Ciertas categorías de personas no responden
correctamente.
 Respuestas voluntarias (sesgadas).
TEMA 2. ESTADÍSTICA DESCRIPTIVA
Organización de los datos
Una vez que se ha

realizado la recolección
de los datos, se obtienen
Tema 2. Estadística Descriptiva

datos en bruto, los cuales
rara vez son significativos
sin una organización y
tabulación.
 Formas de organizar los datos:
 Un arreglo: es la forma más sencilla de
organizar los datos en bruto, consiste en

colocar las observaciones en orden según su
magnitud: ascendente o descendente.
 Poco práctica cuando se tiene una gran
cantidad de datos.
 Una distribución de frecuencias: es un
arreglo de los datos que permite expresar
la frecuencia de ocurrencias de las
observaciones en cada una de las clases,

mostrando el patrón de la distribución de
manera más significativa.
Clase Pto. fi Fi fri FRi

Medio
 La Distribución de Frecuencias:
 Se recomienda su uso cuando se tienen
grandes cantidades de datos (n).

 Su construcción requiere, en primer
lugar, la selección de los límites de los
intervalos de clase.
 Para definir la cantidad de intervalos de
clase (k), se puede usar:
 La regla de Sturges: k = 1 + 3.3log(n)
 k = n
 La cantidad de clases no puede ser tan
pequeño (menos de 5) o tan grande (más
de 20), que la verdadera naturaleza de la
distribución sea imposible de visualizar.

 La amplitud de todas las clases deberá ser
la misma. Se recomienda que sea impar y
que los puntos medios tengan la misma
cantidad de cifras significativas que los
datos en bruto.
 Los límites de las clases deben tener una
cifra significativa más que los datos en
bruto.
 Determinar:
 Punto medio = (Li+Ls)/2.
Frecuencia absoluta de la clase (fi).


 Frecuencia acumulada de la clase (Fi).

 Frecuencia relativa de la clase (fri):
 fri = fi/n
 Frecuencia relativa acumulada de la
clase (FRi).
Ejemplos de Distribución de
Frecuencias
A continuación se presentan las calificaciones
de 60 estudiantes

Ejemplos de Distribución de Frecuencias
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
a) Construya una distribución de frecuencias.

b) Qué puede concluir de estos datos.
Representación gráfica de los datos
 Los gráficos permiten visualizar en forma

global y rápida el comportamiento de los
datos.

 Para datos cuantitativos agrupados en clases,
comúnmente se utilizan tres gráficos:
 Histogramas.
 Polígono de frecuencias.
 Ojiva o Polígono de frecuencias acumuladas.
Histograma

Histograma y Polígono de Frecuencias
Ojiva

 Para datos cualitativos se usan:

 Curvas
Barras


 Sectores
Barras
Barras
Curvas
Sectores, torta o circular

Ejemplos de construcción
de gráficos

Medidas de tendencia central o posición
 Corresponden a valores que generalmente se ubican

en la parte central de un conjunto de datos.
Forma como los datos pueden condensarse en un


solo valor central alrededor del cual todos los datos
muestrales se distribuyen.
Medidas de tendencia central o
posición
 Las medidas de tendencia central más

importantes son:

 Media: Aritmética y Aritmética ponderada.
 Mediana.
 Moda.
Media Aritmética
 Es la suma de todas las observaciones dividida entre
el número total de observaciones.
 Expresada de forma más intuitiva, podemos decir
que la media aritmética es la cantidad total de la

variable distribuida a partes iguales entre cada
observación.
 Por ejemplo, si en una habitación hay tres personas,
la media de dinero que tienen en sus bolsillos sería
el resultado de tomar todo el dinero de los tres y
dividirlo a partes iguales entre cada uno de ellos. Es
decir, la media es una forma de resumir la
información de una distribución (dinero en el bolsillo)
suponiendo que cada observación (persona) tendría
la misma cantidad de la variable.
Cálculo de la media aritmética
 Para datos no agrupados:
n
x

i
X i 1
n
 Para datos agrupados:
k
m f i i
X i 1
n
Donde: mi: punto medio de la clase i
fi: frecuencia absoluta de la clase i
k: cantidad de clases
Mediana
 Es el valor que ocupa la posición central de un
conjunto de observaciones, una vez que han sido
ordenados en forma ascendente o descendente.

 Divide al conjunto de datos en dos partes iguales.
Cálculo de la mediana
 Para datos no agrupados:
 Si n es impar: posición donde se ubica la

mediana es igual a (n+1)/2.
 Si n es par: (n+1)/2 no es entero, por lo tanto la

mediana será igual al promedio de las dos
posiciones centrales.
Cálculo de la mediana
 Datos agrupados: clase mediana es la
que contiene a la observación que
ocupa la posición n/2.

n 1
 F ( xm1 )
Md  Lm  2 Cm
f ( xm )
Donde: Lm: límite inferior de la clase mediana.

F(xm-1): frecuencia acumulada de la clase
anterior a la clase mediana.
f(xm): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
Moda
 Observación o clase que tiene la mayor frecuencia
en un conjunto de observaciones.
Un conjunto de datos puede ser unimodal, bimodal o


multimodal.
 Es la única medida de tendencia central que se

puede determinar para datos de tipo cualitativo.
Cálculo de la moda
 Para datos no agrupados: es simplemente la
observación que más se repite.
Para datos agrupados:


1
Mo  Lim  Cm
1   2
Donde: Lim: límite inferior de la clase modal.
1: diferencia entre fi de la clase modal y la
anterior.
2: diferencia entre fi de la clase modal y la
posterior.
Cm: amplitud de la clase modal (clase de mayor
frecuencia).
Relación entre la media, la mediana y
la moda

Cuando los datos son sesgados es mejor emplear la Md
Propiedades, ventajas y desventajas
de la media
Propiedades:
 La suma de las diferencias entre las media muestral y el
valor de cada observación es cero.

 La media de una constante es la constante.
 Si todas las observaciones xi se multiplican por una

constante a, la X también se debe multiplicar por ese
mismo valor constante.
de la media
 Si se somete a una variable estadística X a un

cambio de origen y escala, Y = a + bX, la media
aritmética de dicha variable X varía en la misma
proporción.

 La media de la suma de dos variables es igual a la
suma de sus medias.
de la media
Ventajas:
 Emplea en su cálculo toda la información disponible.
 Se expresa en las mismas unidades que la variable

en estudio.
 Es el centro de gravedad de toda la distribución,

representando a todos los valores observados.
 Es una valor único.

de la media
 Se trata de un concepto familiar para la mayoría de

las personas.
Es útil para llevar a cabo procedimientos estadísticos


como la comparación de medias de varios conjuntos
de datos.
de la media
Desventajas:
 Se ve adversamente afectada por valores extremos,
perdiendo representatividad.

 Si el conjunto de datos es muy grande puede ser
tedioso su cálculo manual.
 No se puede calcular para datos cualitativos.
 No se puede calcular para datos que tengan clases

de extremo abierto, tanto superior como inferior.
Ventajas y desventajas de la mediana
Ventajas:
 Fácil de calcular si el número de observaciones no es
muy grande.

 No se ve influenciada por valores extremos, ya que
solo influyen los valores centrales.
 Fácil de entender.
 Se puede calcular para cualquier tipos de datos

cuantitativos, incluso los datos con clase de extremo
abierto.

 Es la medida de tendencia central más
representativa en el caso de variables que solo
admiten la escala ordinal.
Desventajas:
 No utiliza en su “cálculo” toda la información
disponible.

 No pondera cada valor por el número de veces que
se ha repetido.
 Hay que ordenar los datos antes de determinarla.

Ventajas y desventajas de la moda
Ventajas:
 No requiere cálculos.
 Puede usarse para datos tanto cuantitativos como
cualitativos.

 Fácil de interpretar.
 No se ve influenciada por valores extremos.
 Se puede calcular en clases de extremo abierto.
Desventajas:
 Para conjuntos pequeños de datos su valor no tiene
casi utilidad, si es que de hecho existe. Solo tiene
significado en el caso de una gran cantidad de datos.

 No utiliza toda la información disponible.
 No siempre existe, si los datos no se repiten.

 En ocasiones, el azar hace que una sola observación
se no representativa se el valor más frecuente del
conjunto de datos.
 Difícil de interpretar si los datos tiene 3 o más

modas.
Medidas de dispersión, variación o
variabilidad.
 Son valores numéricos que indican o describen la

forma en que las observaciones están dispersas o
diseminadas, con respecto al valor central.

variabilidad.
 Son importantes debido a que dos

muestras de observaciones con el mismo
valor central pueden tener una variabilidad

muy distinta.
variabilidad.
 Rango.
 Varianza.
 Desviación Típica.

 Coeficiente de variación.
Medidas de dispersión: Rango
Rango (amplitud o recorrido):
 Está determinado por los dos valores extremos de

los datos muestrales, es simplemente la diferencia

entre la mayor y menor observación.
 Es una medida de dispersión absoluta, ya que

depende solamente de los datos y permite conocer
la máxima dispersión.
Medidas de dispersión: Rango
 Casi no se emplea debido a que depende
únicamente de dos valores.
No proporciona una medida de variabilidad de las


observaciones con respecto al centro de la
distribución.
 Notación: R
Medidas de dispersión: Varianza
 Es un valor numérico que mide el grado de
dispersión relativa porque depende de la posición de
los datos x1,x2,…,xn con respecto a la media.

 Es el promedio al cuadrado de las desviaciones de
cada observación con respecto a la media.
 Notación: s2, 2, var(X)

 Si la varianza de un conjunto de observaciones es
grande se dice que los datos tiene una mayor
variabilidad que un conjunto de datos que tenga un
varianza menor.

 x  x 
n
2
i
Para datos NO s2  i 1
agrupados: n
n
 i
x 2
2
s 
2 i 1
x
n
Para datos agrupados en una distribución de
frecuencias:
k

 i
m  x 2
 fi
s2  i 1
n
k
 i  fi
m 2
s2  i 1
 x 
2
n
Medidas de dispersión: Desviación
Típica
 Es la raíz cuadrada de la varianza.

 Notación: s, .

s s 2
Medidas de dispersión: Coeficiente de
Variación
 Es una medida de dispersión relativa que

permite comparar el nivel de dispersión
de dos muestras de variables estadísticas

diferentes.
 No tiene dimensiones.
 Notación: CV
s
CV  100%
x
Ventajas y Desventajas del Rango
Ventajas:
 Útil cuando se quiere conocer la extensión de las
variaciones extremas (valor máximo de la
dispersión).

 Fácil de calcular.
Ventajas y Desventajas del Rango
Desventajas:
 No es una MD con respecto al centro de la
distribución.
 Solo emplea dos valores en su cálculo.

 No se puede calcular en distribuciones de límite de
clase abierto.
Propiedades, Ventajas y Desventajas
de la Varianza
Propiedades:
1. Siempre es mayor o igual a cero y menor
que infinito.

2. La varianza de una constante es cero.
3. Si a una variable X la sometemos a
Y=a+bX, la varianza de Y será Var(Y) =
b2Var(X)
Propiedades, Ventajas y Desventajas
de la Varianza
Ventajas:
 Es útil cuando se compara la variabilidad
de dos o más conjuntos de datos.

 Utiliza toda la información disponible.
Desventajas:
 No proporciona ayuda inmediata cuando
se estudia la dispersión de un solo
conjunto de datos.
 Difícil de interpretar por tener sus
unidades elevadas al cuadrado.
Ventajas y Desventajas de la
Desviación Típica
Ventajas:
 Esta expresada en las mismas unidades que la
variable en estudio.
 Utiliza todas las observaciones en su cálculo.

 Fácil de interpretar.
Desventajas:
 No tiene.
Ventajas y Desventajas del Coeficiente
de Variación
Ventajas:
 Es la única MD que permite comparar el nivel de
dispersión de dos muestras de variables diferentes.
 Emplea toda la información disponible en su cálculo.

 Fácil de calcular.
Ventajas y Desventajas del Coeficiente
de Variación
Desventaja:
 No es una MD con respecto al centro de la
distribución de los datos.

Medidas de Forma
 Son medidas numéricas que permiten determinar la
forma que tiene la curva de los datos, por lo tanto,
sirven para corroborar lo que los gráficos muestran.

Coeficiente de Pearson
-Asimetría
Medidas Coeficiente de Fisher
de forma
-Kurtosis o apuntamiento
Medidas de Forma: Asimetría
 Permiten estudiar la forma de la curva, dependiendo
de cómo se agrupan los datos.

Coeficiente de Asimetría de Pearson:
 Fácil de calcular e interpretar.
 Cálculo:
 

3 X  Md
ASP 
s
o Interpretación:
= 0, X=Md Simétrica
ASP > 0, X>Md Asimétrica Positiva
< 0, X<Md Asimétrica Negativa

Coeficiente de Asimetría de Fisher:
 No es de fácil cálculo, pero si su
interpretación.

 x  X 
n
3
i
ASF  i 1
3
Datos NO agrupados
ns
 M 
k
3
i  x  fi
ASF  i 1 Datos Agrupados
ns 3
o Interpretación:
= 0, Simétrica

ASF > 0, Asimétrica Positiva
< 0, Asimétrica Negativa

Medidas de Forma: Kurtosis
 Miden si los valores de la distribución están más o
menos concentrados alrededor de los valores medios
de la muestra (zona central de la distribución).

 Se definen tres tipos de distribución según su grado
de Kurtosis:
 Mesocúrtica: grado de concentración medio

alrededor de los valores centrales de la
variable.

 Leptocúrtica: grado de concentración
elevado.
 Platicúrtica: grado de concentración
reducido.
 x  X 
n
4
i
CK  i 1
4
3 Datos No Agrupados
ns

 M 
k
4
i  X  fi
CK  i 1
4
3 Datos Agrupados
ns
Interpretación:
=0 Mesocúrtica
CK >0 Leptocúrtica
<0 Platicúrtica
Referencias:
 Walpole y Myers. Probabilidad y

Estadística. Mc Graw-Hill.
 Triola, Mario F. Estadística. Pearson.

Estadistica Conceptos Clave-2019

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

Estadistica Conceptos Clave-2019

Diunggah oleh

Hak Cipta:

Format Tersedia

Conceptos Básicos y

Se refiere a un conjunto de métodos

Sus fines son describir al conjunto de

Estadística Descriptiva (Deductiva):

Estadística Inferencial: está definida

 Esto se debe a la creciente facilidad con la cual se

 Se clasifica en dos categorías:

 Discretas: es aquella que solo puede tomar un

 Escala nominal: los datos se pueden

Ejemplos: grados militares, organigrama de

 Escala de Intervalos: valores numéricos

 Ejemplo: temperatura, nivel de

Ejemplos: número de hermanos, cantidad de autos

 Univariantes o unidimensionales: sólo

 Bivariantes o bidimensionales: recogen

 Conclusiones erróneas debido a que los datos

Una vez que se ha

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Clase Pto. fi Fi fri FRi

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

 Frecuencia acumulada de la clase (Fi).

Tema 2. Estadística Descriptiva

a) Construya una distribución de frecuencias.

 Los gráficos permiten visualizar en forma

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

 Para datos cualitativos se usan:

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

 Corresponden a valores que generalmente se ubican

Forma como los datos pueden condensarse en un

Tema 2. Estadística Descriptiva

 Las medidas de tendencia central más

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

 Si n es impar: posición donde se ubica la

Tema 2. Estadística Descriptiva

 Si n es par: (n+1)/2 no es entero, por lo tanto la

Tema 2. Estadística Descriptiva

Donde: Lm: límite inferior de la clase mediana.

Un conjunto de datos puede ser unimodal, bimodal o

Tema 2. Estadística Descriptiva

 Es la única medida de tendencia central que se

Para datos agrupados:

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

Tema 2. Estadística Descriptiva

 Si todas las observaciones xi se multiplican por una

 Si se somete a una variable estadística X a un

Tema 2. Estadística Descriptiva

 Se expresa en las mismas unidades que la variable

Tema 2. Estadística Descriptiva

 Es el centro de gravedad de toda la distribución,

 Es una valor único.

 Se trata de un concepto familiar para la mayoría de