FACULTAD DE INGENIERIA

ESCUELA PROFESIONAL DE INGENIERIA CIVIL

Curso: Matemtica y Lgica

ESTADISTICA MATEMATICA

Autores: Jeisson Ramrez Fernndez
Miguel Quino Zurita
Alan Diaz Meja
Alejandro Meja Alayo
Aldhayr Terrones Jaime


Chimbote 2014
TEMA: Estadstica Matemticas

FINALIDAD: Recopilar, e interpretar datos que en el futuro servirn
para proyectar posibles problemticas futuras,
consiguiendo segn estos datos, la solucin ms
viable y rpida.


1. INTRODUCCION:
En la antigedad los egipcios hacan censos de las personas y de los bienes
inmuebles que permitan conocer la distribucin de las propiedades para volver
a restituirlos despus de la inundacin anual que provoca el ro Nilo. En la biblia
hay referencias a censos del pueblo judo. Los griegos y los romanos hacan
censos de personas y de propiedades.Un economista y profesor universitario
llamado Gottfried Achenwall (prusiano, 1719-1772) fue quien forj la palabra
"estadstica" con el significado de "ciencia de las cosas que pertenecen al
Estado". Achenwall dijo que "la poltica ensea cmo deben ser los Estados, la
Estadstica explica cmo son realmente".Dentro del campo de la estadstica
pueden estudiarse caractersticas de la sociedad, de las personas, de los
animales, de las plantas, de determinados productos o de cualquier objeto de
inters humano en general, bien lejos del concepto de las "cosas que pertenecen
al Estado".
Para desarrollar la estadstica son indispensable las matemticas
2. CUERPO:
Estadstica matemtica
La estadstica matemtica es escala previa en el estudio de la estadstica desde
un punto de vista puramente formal, usando la teora de la probabilidad y otras
ramas de la matemtica tales como lgebra lineal y anlisis matemtico. La
estadstica matemtica trata de la obtencin de informacin a partir de los datos.
En la prctica tales datos contienen cierta aleatoriedad o incertidumbre. La
estadstica trabaja con estos datos usando los mtodos de la teora de la
probabilidad.
La estadstica matemtica se divide en 2 partes que son:
Estadstica descriptiva: parte que se encarga de describir los datos, esto es,
de realizar un resumen y describir sus propiedades tpicas.
Inferencia estadstica: parte que elabora conclusiones a partir de una muestra
de los datos, en otras palabras, comprueba el ajuste de los datos a
determinadas condiciones y proporciona una medida de la bondad de los
mismos en trminos probabilsticos.
La estadstica matemtica es la base terica para muchas prcticas en
la estadstica aplicada.
Definiciones Bsicas: Con el objeto de definir algunos de los trminos
elementales que se usan en Estadstica, se plantear el estudio de un fenmeno
en particular, desde el punto de vista estadstico. Supngase que se desea
estudiar el fenmeno del rendimiento acadmico de los estudiantes de ao de
Ciencias de un cierto Liceo, en la asignatura de Fsica.
Poblacin: Se denomina 'poblacin' del estudio estadstico, en este caso,
al grupo de todos los elementos en cuestin. Es importante observar que
la palabra 'poblacin', en Estadstica, puede referirse a un conjunto de
objetos y no necesariamente a un conjunto de personas o seres vivos en
general.
Muestra: Cuando la poblacin es muy numerosa, se hace difcil obtener
y analizar la informacin proveniente de todos los individuos, y en ese
caso se seleccionan algunos individuos representativos de la poblacin
para hacer el estudio estadstico. El grupo de individuos seleccionados se
denomina muestra.
Variables estadsticas: Las variables estadsticas son los datos que
proporcionan los individuos de la poblacin (o muestra) observada.
Pueden ser cuantitativas o una variable cualitativa.
Organizacin de Datos: Un primer paso a tomar para la organizacin de
esta informacin, de manera que se facilite su estudio, es el siguiente: se
construye una tabla estadstica, llamada tabla de frecuencias.
La estadstica maneja gran cantidad de datos e intenta resumirlos en unos
pocos representativos. Estos son los parmetros centrales
Para guiarnos mejor partiremos de un ejercicio aplicativo:
En nuestro ejemplo, el tamao de la muestra es de 2.000 observaciones.





Por ejemplo: el rango de estaturas 1,40 - 1,45 m figura 34 veces en las 2.000
observaciones:
Frecuencia absoluta: 34 Frecuencia relativa: 34 / 2.000 =
1,7%
La estadstica maneja gran cantidad de datos e intenta resumirlos en unos pocos
representativos. Estos son los parmetros centrales.
1.- La media aritmtica representa el valor medio que toman los datos de una
observacin estadstica. Se calcula sumando todos los resultados y dividiendo
la suma entre el nmero de registros. La media aritmtica tan slo se puede
calcular con datos numricos (no se puede calcular con datos cualitativos).
Por ejemplo, en nuestro ejemplo sumaramos las 2.000 estaturas obtenidas y la
suma la dividiramos entre 2.000.
Media = suma de estaturas / 2.000 = 3.341,55 / 2000 = 1,671 m
2.- Moda: es el resultado ms repetido en una
observacin estadstica (se puede calcular con
datos numricos y cualitativos).
Vemos que en este ejemplo el rango de valores
ms repetido es 1,65 1,70, con 372 resultados.
Este rango sera la moda de la muestra.
3.- Mediana: es el valor que toma la variable de manera que al ordenarla de
menor a mayor quedara justo en el centro, siendo el 50% de los registros
menores que ella y el otro 50% superiores a ella.
En nuestro ejemplo ordenaramos las 2.000 estaturas de menor a mayor y
buscaramos la que ocupase la posicin 1.000 (por ejemplo 1,68), de manera
que la mitad de los resultados seran inferiores y la otra mitad superiores.
Y para una mejor lectura de los datos se aplican grficos estadsticos:

Grficos de barras verticales: Representan valores
usando trazos verticales, aislados o no unos de otros,
segn la variable a graficar sea discreta o continua.




Grficos de barras proporcionales
Se usan cuando lo que se busca es resaltar la
representacin de los porcentajes de los datos que
componen un total.


Grficos de barras comparativas
Se utilizan para comparar dos o ms series, para
comparar valores entre categoras


Grficos de barras apiladas
Se usan para mostrar las relaciones entre dos o
ms series con el total.



Grficos de lneas
En este tipo de grfico se representan los valores
de los datos en dos ejes cartesianos ortogonales
entre s.


Grficos circulares
Estos grficos nos permiten ver la distribucin
interna de los datos que representan un hecho, en
forma porcentual.


Grficos de barras horizontales
Representan valores discretos a base de trazos
horizontales, aislados unos de otros. Se utilizan
cuando los textos correspondientes a cada
categora son muy extensos.

VARIANZA
Esta medida nos permite identificar la diferencia promedio que hay entre cada
uno de los valores respecto a su punto central (Media ). Este promedio es
calculado, elevando cada una de las diferencias al cuadrado (Con el fin de
eliminar los signos negativos), y calculando su promedio o media; es decir,
sumado todos los cuadrados de las diferencias de cada valor respecto a la media
y dividiendo este resultado por el nmero de observaciones que se tengan. Si
la varianza es calculada a una poblacin (Total de componentes de un conjunto),
la ecuacin sera:



Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, ( )
representa la media poblacional y (N) es el nmero de observaciones tamao
de la poblacin. En el caso que estemos trabajando con una muestra la ecuacin
que se debe emplear es:




Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, ( )
representa la media de la muestra y (n) es el nmero de observaciones tamao
de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta uno al
tamao de la muestra; esto se hace con el objetivo de aplicar una pequea
medida de correccin a la varianza, intentando hacerla ms representativa para
la poblacin. Es necesario resaltar que la varianza nos da como resultado el
promedio de la desviacin, pero este valor se encuentra elevado al cuadrado.

2. Desviacin estndar o Tpica
Esta medida nos permite determinar el promedio aritmtico de fluctuacin de
los datos respecto a su punto central o media. La desviacin estndar nos da
como resultado un valor numrico que representa el promedio de diferencia que
hay entre los datos y la media. Para calcular la desviacin estndar basta
con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:




Para comprender el concepto de las medidas de distribucin vamos a suponer
que el gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente.

Por lo que su media es:



La varianza sera:



Por lo tanto la desviacin estndar sera:



Con lo que concluiramos que el peso promedio de los empaques es de 507
gramos, con una tendencia a variar por debajo o por encima de dicho peso en
12 gramos. Esta informacin le permite al gerente determinar cunto es el
promedio de perdidas causado por el exceso de peso en los empaques y le da
las bases para tomar los correctivos necesarios en el proceso de empacado.

Medidas de Distribucin - Asimetra y Carosis

Las medidas de distribucin nos permiten identificar la forma en que se separan
o aglomeran los valores de acuerdo a su representacin grfica. Estas medidas
describen la manera como los datos tienden a reunirse de acuerdo con la
frecuencia con que se hallen dentro de la informacin. Su utilidad radica en la
posibilidad de identificar las caractersticas de la distribucin sin necesidad de
generar el grfico. Sus principales medidas son la Asimetra y la Carosis.



1. ASIMETRA
Esta medida nos permite identificar si los datos se distribuyen de forma
uniforme alrededor del punto central (Media aritmtica). La asimetra presenta
tres estados diferentes [Fig.5-1], cada uno de los cuales define de forma concisa
como estn distribuidos los datos respecto al eje de asimetra. Se dice que
la asimetra espositiva cuando la mayora de los datos se encuentran por encima
del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen
aproximadamente la misma cantidad de valores en ambos lados de la media y
se conoce comoasimetra negativa cuando la mayor cantidad de datos se
aglomeran en los valores menores que la media.


Figura 5-1

El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,




Donde (g1) representa el coeficiente de asimetra de Fisher, (Xi) cada uno de
los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los
resultados de esta ecuacin se interpretan:

(g1 = 0): Se acepta que la distribucin es Simtrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media.
Este valor es difcil de conseguir por lo que se tiende a tomar los valores
que son cercanos ya sean positivos o negativos ( 0.5).
(g1 > 0): La curva es asimtricamente positiva por lo que los valores se
tienden a reunir ms en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimtricamente negativa por lo que los valores se
tienden a reunir ms en la parte derecha de la media.

Desde luego entre mayor sea el nmero (Positivo o Negativo), mayor ser la
distancia que separa la aglomeracin de los valores con respecto a la media.

2. CURTOSIS
Esta medida determina el grado de concentracin que presentan los valores en
la regin central de la distribucin. Por medio del Coeficiente de Curtosis,
podemos identificar si existe una gran concentracin de valores (Leptocrtica),
una concentracin normal (Mesocrtica) una baja concentracin
(Platicrtica).


Figura 5-2

Para calcular el coeficiente de Curtosis se utiliza la ecuacin:




Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores,
( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de
esta frmula se interpretan:

(g2 = 0) la distribucin es Mesocrtica: Al igual que en la asimetra es
bastante difcil encontrar un coeficiente de Curtosis de cero (0), por lo que
se suelen aceptar los valores cercanos ( 0.5 aprox.).
(g2 > 0) la distribucin es Leptocrtica
(g2 < 0) la distribucin es Platicrtica

Cuando la distribucin de los datos cuenta con un coeficiente de asimetra (g1
= 0.5) y un coeficiente de Curtosis de (g2 = 0.5), se le
denomina Curva Normal. Este criterio es de suma importancia ya que para la
mayora de los procedimientos de la estadstica de inferencia se requiere que los
datos se distribuyan normalmente.

La principal ventaja de la distribucin normal radica en el supuesto que el 95%
de los valores se encuentra dentro de una distancia de dos desviaciones estndar
de la media aritmtica (Fig.5-3); es decir, si tomamos la media y le sumamos
dos veces la desviacin y despus le restamos a la media dos desviaciones, el
95% de los casos se encontrara dentro del rango que compongan estos valores.




Desde luego, los conceptos vistos hasta aqu, son slo una pequea introduccin
a las principales medidas de Estadstica Descriptiva; es de gran importancia que
los lectores profundicen en estos temas ya que la principal dificultad
del paquete SPSSradica en el desconocimiento de los conceptos estadsticos.

Las definiciones plasmadas en este captulo han sido extradas de los
librosEstadstica para administradores escrito por Alan Wester de la
editorial McGraw-Hill y el libro Estadstica y Muestreo escrito por Ciro
Martnez editorial Ecoe editores (Octava edicin). No necesariamente tienes
que guiarte por estos libros ya que en las libreras encontraras una gran variedad
de textos que pueden ser de bastante utilidad en la introduccin a esta ciencia.