Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
A LA GESTIN EDUCATIVA
DRA. IRENE TAFUR ANZUALDO
GUIA DIDCTICA
CICLO I
GUA DIDCTICA
ndice
1.
2.
3.
Introduccin a la Asignatura.
4.
Objetivos
5.
Requisitos
6.
Medios
7.
Contenidos.
8.
Orientacin Bibliogrfica
a. Bibliografa Bsica
b. Bibliografa Complementaria
9.
Actividades
10.
Evaluacin
11.
12.
Estimado participante:
Nos es grato dirigimos a usted para darle la BIENVENIDA
ESTADSTICA E
bibliografa
actualizada
que
lo
guiar
Equipo de docente
Equipo humano que lo apoyarn en el transcurso del curso y a los
cuales podr recurrir ante alguna duda o inquietud.
la
Objetivos
Comprender y manejar los conceptos y mtodos bsicos de la
estadstica e informtica aplicada a la gestin educativa.
Requisitos
Conocimiento y temtica inicial muy necesario que se debe tener en
consideracin cada uno de los temas a tratar, para lo cual, es
fundamental que usted, debe estudiar y repasar antes de iniciar sus
estudio de la asignatura.
Medios
Herramientas que van a permitir el acercamiento a la informacin y
conocimientos temticos capaces de complementar nuestro aprendizaje.
Contenidos
Contenido por temas: esquema, objetivos, materiales, introduccin,
orientaciones, conceptos claves, bibliografa y las actividades.
Fuentes de Informacin
b. Complementaria:
Referencias
bibliogrficas
adicionales
que
complementarn su aprendizaje.
Actividades
Abarca
Evaluacin Oral
Usted tendr una evaluacin oral, en la cuarta semana, que consiste en
la sustentacin de su trabajo presentado. As mismo, cada clase se ira
evaluando su participacin activa en los problemas a resolver.
Orientaciones para el estudio de cada unidad o tema
Consejos de cmo organizar su estudio, cmo afrontar dificultades que
pueda encontrar en la asignatura.
3. Introduccin a la asignatura
Gua didctica.
Libro
Gua
Didctica.
As
mismo,
Usted
encontrar
ms
1. Los temas tratados en esta unidad son de gran utilidad para los
temas posteriores.
2. Es importante interrelacionar la experiencia y los conocimientos
sobre el tema para una adecuada gestin educativa, y a usted le
permitir tener una visin mas clara de los aspectos tratados, ya
que le servirn de base para tomar una decisin adecuada y ser
de gran utilidad para realizar informes de su trabajo profesional y
en el su trabajo de investigacin.
-
6 horas semanales
3 horas
(Recuerde por favor que las horas que acabamos de considerar son
sugeridas, depender de su ritmo de aprendizaje y de los objetivos,
metas y motivacin que tenga usted.)
4. Objetivos
Objetivo General:
La asignatura de Estadstica e informtica aplicada a la gestin educativa;
tiene como objetivo fundamental desarrollar en los participantes los
conocimientos, destrezas y habilidades en el uso de las tcnicas y
herramientas para una adecuada gestin y toma de decisiones en una
institucin educativa, as mismo, les facilite la elaboracin y ejecucin de
informes para la toma de decisiones.
Unidad
Didctica
Objetivos Especficos
Material Didctico
Semana
de
Estudio
Conocer los
- Primera unidad
(Anexa a la
mtodos y tcnicas
presente gua
didctica).
1
Semana
estadsticos.
Organizar y
presentar datos en
tablas y diagramas.
- Segunda unidad
Describir conjunto
de mediciones.
Segunda
Unidad
Desarrollar un
modelo simple de
(Anexa a la
presente gua
didctica).
- Estadstica para
regresin y
administradores y
correlacin.
economistas de
Mason/Lind/Mahc
2
Semana
hal. Editorial
Alfaomega.
PRIMER EXAMEN ORAL
Unidad
Didctica
Objetivos
Especficos
Material Didctico
2
semana
Semana
de
Estudio
Comprender los
conceptos
bsicos de
probabilidad.
Tercera
Unidad
Desarrollar la
distribucin de
(Anexa a la presente
gua didctica)
3
Semana
probabilidades.
Determinar
tamao de
muestra.
- Cuarta unidad
Estimar intervalos
Cuarta
Unidad
(Anexa a la
de confianza para
presente gua
la media
didctica)
poblacional.
- Libro Estadstica
Desarrollar la
4a
para Administracin Semana
metodologa para
y Economa de
pruebas de
Mason/Lind/Mahc
hiptesis.
hal. Editorial
Alfaomega
4
semana
5. Requisitos
Se recomienda
6. Medios Didcticos
A continuacin detallaremos los medios que utilizar para llevar
adecuadamente la presente asignatura:
MATERIAL IMPRESO
1. Gua Didctica: Es el documento que tiene entre sus manos y que
est leyendo, el cual contiene la informacin necesaria y til que le
permitir conducir su aprendizaje y enfocarse en los temas claves
capaz de cumplir con los objetivos.
2. Unidades Didcticas: Son los captulos pedaggicamente divididos
cuyo contenido se encuentran dentro del libro que le fue entregado al
iniciar la presente asignatura.
3. Libros: Son los materiales de lectura obligatoria que contienen las
unidades didcticas y que a partir de ahora ser su gua y material
principal de estudio:
como
f.
g. Comunidades de Aprendizaje
Es el espacio dentro del aula virtual en la cual usted podr
relacionarse con otros compaeros del curso con el fin de
resolver preguntas para las actividades obligatorias o para
llevar a cabo los dilogos.
CORREO ELECTRNICO
Es el medio de comunicacin que usted utilizar para comunicarse
con el docente plantendole sus dudas o comentarios al respecto de
los temas del curso. Si usted tiene algn inconveniente con sus notas,
trtelo a travs de este medio; la universidad le ha proporcionado un
correo electrnico que viene a ser:
cdigo@mail.uap.edu.pe
donde cdigo
7. Contenidos
Material
didctico
Contenidos
Pginas
Semana
de
estudio
Objetivos
Introduccin
Contenidos
PRIMERA
UNIDAD
Estadstica e
informtica
aplicada a la
gestin
educativa
- Conceptos bsicos
de Estadstica e
informtica y su
Primera
Del 32 51 Primera
Unidad
utilidad.
semana
- Poblacin y
muestra
(Anexo a la
- Variables, tipos de
presente
variables.
gua
- La Estadstica y el
didctica)
proceso de gestin.
- Recopilacin y
presentacin de
datos.
SEGUNDA
(Anexo a la
UNIDAD
presente
Objetivos
Introduccin
gua
Descripcin
didctica)
de un
Estadstica
Contenidos
Medidas
de
tendencia central y
Del 52 al
83
conjunto de
mediciones.
Anlisis
univariado y
aplicada
a de dispersin.
los negocios
y
a
la Regresin
Economa.
correlacin
Lin/Marchal/
Wathen
Segunda
semana
y 430 -455
bivariado
Objetivos
Introduccin
(Anexo a la
presente
gua
didctica
Contenidos
Probabilidad,
experimentos,
eventos.
Del 84 al Tercera
112
semana
Principios para
asignar una
probabilidad
TERCERA
UNIDAD
Probabilidad
y
distribuciones
muestrales
Objetivos de la
distribucin de
probabilidades
Funcin de
densidad y
distribuciones
muestrales.
Tamao de muestra
Objetivos
CUARTA
UNIDAD
(Anexo a la
presente
gua
didctica
Introduccin
Del 113 al
148
Contenidos
Estimacin,
Estimaciones Estadstica
y pruebas de aplicada a
hiptesis
los negocios
y a la
economa de
Lind/Marchal
Cuarta
semana
Estimacin puntual,
Captulo 9
Estimacin por
intervalo para la
media y la varianza
Captulo
/Wathen.
poblacional.
10
Estadstica
para
Administraci
n y
Economa
de
Mason/Lind/
Marchal
Prueba de
hiptesis,
elementos de la
Captulo 9
prueba de hiptesis,
procedimiento para Captulo
una prueba de
10
hiptesis, prueba de
hiptesis para la
media y para la
varianza
poblacional y sus
aplicaciones
8. Orientacin Bibliogrfica
MASON/LIND/MARCHAL.
(2000).
Estadstica
para
Administracin
9. Actividades
1.
ACTIVIDAD SUGERIDA:
Es aquella actividad, que usted no tiene obligacin de entregarlo, pero es
importante que usted las resuelva para reforzar su aprendizaje.
ACTIVIDAD GRUPAL :
3.
PRESENTACIN DE UN TRABAJO:
El trabajo que usted, va ha desarrollar es de carcter individual, consiste en
la utilizacin de las tcnicas y herramientas en un trabajo profesional o de
investigacin.
4.
EVALUACION ORAL :
sustentar el trabajo
realizado.
Tener audfono.
Micrfono y
10. Evaluacin
Las evaluaciones tienen por finalidad medir los logros alcanzados de los
objetivos propuestos en cada unidad didctica.
UNIDAD
DIDACTICA
TEMAS EJES
ORIENTACIONES
HORAS DE
ESTUDIO
POR
SEMANA
SEMANA
DE
ESTUDIO
Leer, estudiar y
1. Mtodos y
PRIMERA
UNIDAD
practicar con
tcnicas de la
detenimiento cada
estadstica e
informtica
tratados en la
aplicada en la
unidad.
Enfoques de
gestin
estadstica e
educativa.
Es conveniente
informtica y su
2. Conceptos
aplicacin en la
bsicos
gestin educativa
3. Clasificacin de
1
8 horas
Semana
calculadora
cientfica
la informacin
4. Distribucin de
anlisis e
representacin
interpretacin de
grfica
los resultados.
1. Medidas de
SEGUNDA
UNIDAD
Caractersticas y
propiedades de
un conjunto de
mediciones
Es importante el
frecuencias y su
En esta unidad es
tendencia central y
importante
8 horas de la
de dispersin
practicar
maana
constantemente
2. Regla emprica de
la curva normal
Semana
a fin de
fortalecer el
aprendizaje
3. Regresin y
correlacin
4. Aplicaciones
TERCERA
1. Probabilidad,
No se olvide de
6 teoria
UNIDAD
Probabilidad,
variables
aleatorias y
experimento
10 de
aleatorio, espacio
prctica
muestral.
2. Variables aleatorias
mtodos y
3. Distribuciones
2. Es importante la
muestrales.
distribuciones
muestrales y
Semana
cientfica
probabilidad.
distribucin,
1. Una calculadora
y distribuciones de
su
4. Tamao de muestra
prctica de los
tamao de
ejercicios
muestra
contemplados en
las unidades.
1.
UNIDAD
2.
Estimacin y
Estimacin puntual y
toma de decisiones
6 teoria
por intervalo
educativas es importante
10 de
prctica
Intervalos
confianza
pruebas de
hiptesis
de
para
la
grandes y pequeas.
fortaleciendo su aprendizaje
3.
Pruebas de hiptesis
4.
Elementos
y conocimiento sobre la
y
procedimientos
de
una
de
prueba
hiptesis
5.
Prueba de hiptesis
para
la
media
varianza poblacional.
realidad educativa.
4
Semana
Tutora telemticas
tutora
y los dems
Por favor,
Si encuentra que hay algo que puede compartir hgalo, quizs est
en lo correcto y otros alumnos se podran beneficiar con su aporte,
adems demostrar que ya comienza a dominar el tema. Use el
foro y las salas de conversacin para esto.
SIGUIENDO ESTAS
INDICACIONES Y SIENDO
CONSTANTE EN SU
ESTUDIO, CULMINAR
ESTE CURSO
SATISFACTORIAMENTE.
ESTADSTICA E INFORMTICA
APLICADA A LA GESTIN EDUCATIVA
CONCEPTOS BSICOS DE
ESTADSTICA
Objetivo
Introduccin
Contenidos
Importancia:
El xito o fracaso de una gestin educativa se evala sobre la base de
los resultados obtenidos, razn por la cual los responsables de una
gestin, deben conocer y utilizar las tcnicas y los instrumentos que les
permitan lograr sus objetivos.
La estadstica tiene un alcance ilimitado de aplicaciones en diferentes
disciplinas de las ciencias de fcil comprensin. El aspecto ms
importante de la estadstica es la obtencin de conclusiones basados en
los datos experimentales, este proceso es la inferencia estadstica.
El trabajo estadsticos o el trabajo para la gestin es un proceso que
pasa generalmente por 6 etapas y la solucin de cada una de ellas
permite lograr los objetivos.
1. Formulacin del problema o la tarea. La definicin clara de la
poblacin de inters, es la parte ms importante de las etapas de un
trabajo estadstico, en esta parte se debe realizar una especificacin
clara de la pregunta a responder y de la poblacin sobre la cual dicha
pregunta se hace.
Estadstica Descriptiva:
Es el conjunto de mtodos estadsticos que se relacionan con el resumen y
descripcin de datos, con tablas grficas y el anlisis mediante algunos
clculos.
Inferencia Estadstica
Es el conjunto de mtodos con los que se hacen la generalizacin o la
inferencia sobre una poblacin utilizando la muestra a un determinado nivel
de confianza.
Estas dos partes de la estadstica no son mutuamente excluyentes, ya que
para utilizar los mtodos de la inferencia estadstica, se requiere conocer los
mtodos de la estadstica descriptiva.
Poblacin
Es un conjunto de elementos que contienen una o ms caractersticas
observables de naturaleza cualitativa o cuantitativa que se puede medir en
ellos.
Parmetro es una medida descriptiva de la poblacin total de todas las
observaciones de inters, es decir, es el valor representativo de una
poblacin. Se simbolizan con letras griegas.
Tipos de poblacin:
Por el nmero de elementos que la componen, la poblacin se clasifica en
finita o infinita. La poblacin es finita si tiene un nmero finito de
elementos. En caso contrario la poblacin es infinita.
Muestra Es una parte representativa de la poblacin que se selecciona
para ser estudiada de acuerdo con un plan o regla, con el fin de obtener
informacin a cerca de la poblacin de la cual proviene.
Estimador es el valor representativo de una muestra. Se simboliza con
letras latinas. Existen tantos estimadores como muestra se extraiga de una
poblacin.
PARAMETROS
ESTIMADORES
X Media muestral
Media poblacional
2 Varianza poblacional
S2 Varianza muestral
Proporcin poblacional
proporcin muestral
El uso de los datos es para mejorar la calidad del trabajo o de una gestin.
confiables. Los datos se recopilan como un medio para describir los hechos
que estn tras los datos.
1) Cmo se recopilan los datos?
Los
datos
deben
ser
pertinentes.
Deben
ser
2) Escala de Medida
Es un instrumento de medida, con el que se asigna valores
(cualidades o nmeros) a las unidades estadsticas para una variable
definida. El conocimiento de las escalas de medicin es muy
1. Masculino y
2. Femenino.
Escala ordinal
A, B, C, D
1 2 3 4
A >D
1 > 2
0
00,00
0 C
Escala de razn
enteros
Resultado final :
2 decimales
5,78
5,123
5,12
5)
a travs de
La encuesta.
6)
CARACTERSTICAS
Tasa de mortalidad
FUENTE
TCNICA
Secundaria
Fichaje
Encuesta
Entrevista
Primaria
No
No
Preguntas cerradas:
No
Preguntas abiertas
Excelente
11.11
Bueno
16
35.55
Aceptable
12
26.67
17.78
Malo
Muy malo
TOTAL
b)
8.89
45
100.00
Tablas cruzadas
Satisfaccin
con lectura
Rendimiento en el aprendizaje
Malo
Bajo
10
14
34
Medio
15
Alto
11
17
42
Total
17
27
26
21
91
Analizaremos
con
un
ejemplo
del
k 1 3.322log10 n
= 1 + 3.322 (log10 25)
= 1 + 3.322 (1.39794)
= 1 + 4.6439567
2.
El intervalo de clase es el
Se obtiene de la
IC
ValorMxim o ValorMnim o
NmeroDeClasesDeseado
IC
3.
27 10
17
2.8 3
6
6
4.
Li Ls
vi
2
6.
Li
Ls
7.
1/25
Intervalo
fi
Vi
fi//n
Fi//n
10 - 13
11.5
2/25=0.08
2/25= 0.08
13 - 16
14.5
2/25=0.08
4/25= 0.16
16 - 19
17.5
3/25=0.12
7/25= 0.28
19 - 22
20.5
6/25=0.24
13/25= 0.52
22 - 25
23.5
5/25=0.20
18/25= 0.72
25 - 28
26.5
7/25=0.28
25/25= 1.00
25
Informacin:
(i).
Resumen
-
Actividades Sugeridas
Lea con sumo cuidado cada uno de los temas, analiza e interprete los
resultados de los datos es vital para la discusin en todo trabajo
profesional y de gestin.
Objetivo
variable
independiente
para
predecir
otra
variable
Introduccin
Contenidos
Intervalo
fi
Vi
fi//n
Fi//n
15.0 - 17.5
16.25
3/25=0.12
3/25= 0.12
17.5 - 20.0
18.75
2/25=0.08
5/25= 0.20
20.0 - 22.5
21.25
4/25=0.16
9/25= 0.36
22.5 - 25.0
23.75
7/25=0.28
16/25= 0.64
25.0 - 27.5
26.25
5/25=0.20
21/25= 0.84
27.5 - 30.5
28.75
4/25=0.16
25/25= 1.00
25
a.
Histogramas
Fi
8
6
4
2
Limites de clase
15 17.5 20 22.5 25 27.5 30
b.
Es una grfica de lneas rectas que unen los puntos obtenido al colocar
en el eje horizontal a los valores medios de clase y en el vertical a las
frecuencias relativas o absolutas.
c.
Es una grfica construida con segmentos de lneas rectas que unen los
puntos obtenidos al colocar en el eje horizontal a los lmites superiores
de clase y en el eje vertical a las frecuencias acumuladas absolutas
2.
Mtodos numricos
a.
579
23.16
25
15, 17, 17, 19, 19, 20, 21, 22, 22, 23, 23, 23, 23, 24, 24, 24, 25, 25, 25,
26, 27, 28, 28, 29, 30
Md
Xn Xn
Md
X n X 26 X (13) 23
2
Xn
1
2
23 24
S / .23.5
2
X 131 X 14 24
Medidas de dispersin
Dispersin Los
datos
numricos
Varianza (S)
La varianza de un conjunto de datos o mediciones, es la suma de los
cuadrados de las desviaciones de las observaciones con respecto a su
media, dividida entre el nmero de observaciones menos uno.
2
xi
1
2
x
S
n 1
n
S2
5792 14.89
1
13
,
717
25 1
25
S S2
Coeficiente de Variacin
CV
S
100
X
CV
3.86
100 16.67%
23.16
Regla emprica
Para una distribucin de mediciones que es aproximadamente normal
(forma de campana) el intervalo.
contiene aproximadamente el 68.27% de las mediciones
2 contiene aproximadamente el 95.45% de las mediciones
3 contiene aproximadamente el 99.73% de las mediciones.
Izquierda (-)
X, Md, Mo
derecha (+)
68.27%
95.45%
99.73%
Ejemplo: Los aos de servicios de los 25 profesionales tienen una
distribucin aproximada a la normal con una media de 23.16 aos de
servicios y una desviacin estndar de 3.86 aos de servicios.
= 23.16 3.86 19.3 a 27.02
2 = 23.16 7.72 15.44 a 30.88
3 = 23.16 11.58 11.58 a 34.74
Statistics
Aos de serv icio
N
Valid
Missing
Mean
Median
Mode
St d. Dev iation
Variance
25
0
23.1600
23.0000
23.00
3.85876
14.890
Histogram
Frequency
1
Mean =23,16
Std. Dev. =3,859
N =25
0
16,00
18,00
20,00
22,00
24,00
26,00
28,00
30,00
Aos de servicio
Regresin y correlacin
f
Y est en funcin de X, y establece que Y depende de X de alguna
manera. Como Y depende de X, es la variable dependiente y X es la
variable independiente.
Y 0 1 X i i
La frmula representa la relacin poblacional segn la cual la Y es
regresiva en funcin de X. Los parmetros son o y 1.
fraccionario.
Variable aleatoria no observable. El valor (letra griega psilon)
es un trmino aleatorio de error ideado para recoger la variacin
por encima y por debajo de la recta de regresin debida a todos
los dems factores no incluidos en el modelo.
Modelos
determinista
estocstico.
Un
modelo
matemtico
0 1 i
Los valores 0 y 1 son estimadores de los parmetros poblacionales
coeficiente de regresin:
1 0 1 i i
i = 1,..., n
b)
0 y 1
recta de regresin i 0 1i
c)
0 y 1
0 y1 ,
SCE i 0 1 i
SCxy
SCx
SC xy xi y i
x y
i
SC x xi2
0 Y 1 X
La recta de regresin estimada es por tanto:
i 0 1 i
Estos clculos son de gran sensibilidad al redondeo, sobre todo cuando
se trata de calcular coeficientes de determinacin. Los errores de
redondeo en el clculo de la SCx y SCxy pueden afectar enormemente
la respuesta. Por lo que se recomienda trabajar por lo menos con cinco o
seis cifras.
Ejemplo de ajuste por mnimos cuadrados
El Director del Hospital Cayetano Heredia, supone que existe una
relacin directa entre los pesos y estaturas. Para determinar si esta
relacin existe recoge datos de 10 personas. Con estos datos solicita
determinar los estimadores de la regresin con su respectiva
interpretacin.
Individuos
Peso (Kg.)
Estatura (cm.)
XY
X2
Y2
63
162 10206
3969
26244
52
158
8216
2704
24964
78
167 13026
6084
27889
49
151
7399
2401
22801
71
162 11502
5041
26244
62
168 10416
3844
28224
68
167 11356
4624
27889
48
153
7344
2304
23409
56
152
8512
3136
23104
10
67
173 11591
4489
29929
614
1613 99568
38596 260697
614
1,613
38,596
260,697
99,586
i
2
i
2
i
Donde:
SCxy = 99,568 - (614) (1613) = 529.8
10
SCx = 38,596 - (614) = 896.4
10
SCy = 260.697 - (1613) = 529.1
10
Entonces el valor de 1 es:
= 529.8 = 0.591
896.4
Adems necesitamos:
= 61.4
= 161.3
y por lo tanto:
0 q
Estatura
180
170
160
Obser ved
150
Linear
40
50
60
70
80
Peso
b)
Una de las suposiciones del modelo es que para cada posible valor de
X, Y es una variable aleatoria con distribucin normal cuya media es
y/x E(y/x).
regresin
SC y 1 SC xy
SCE
n2
n2
2 S e2
S 0
2
S 1
S e2
2
i
nSCx
S e2
SCx
529.8
SCx
892.4
SCy
520.1
38,596.0
125.0126
0.591
61.4
Se2
25.873525
n2
n2
10 2
S 2 0
S 21
Se2 i2
nSCx
25.8738,596
111.39
10896.4
Se2
25.87
0.029
SCx 896.4
Li i S i t
2
Ls i S i t
2
n 2
n 2
n 2
Li 1 S 1 t
2
n 2
(0.0247, 1.1573)
Pruebas de inferencia sobre el coeficiente de regresin
Ahora utilizaremos el estimador y su varianza para producir inferencia
sobre el parmetro de inters. Conocemos la distribucin de los
estimadores:
o ~ N (o, o)
1 ~ N (1; 1)
2 2
Parmetros
S 2 0 S 21
Estimadores
Ho: i = i* en oposicin a
Ha: i i*
tc
i i*
S i
a)
Rechazar H0
s c > t (n-2)
b)
Rechazar H0
s c - t (n-2)
c)
Rechazar H0
H0: 1 = 0 en oposicin a
Ha: 1 0
1 = 0.591
S1 = 0.0285
tc
1 *
S 1
0.591 0
3.5008
0.0285
Interpretacin de la inferencia de 0
0 es la ordenada al origen de la recta, o sea el valor de Y cuando X=0
en consecuencia su estimador 0 es el valor de la prediccin YX=0.
Anteriormente se estableci que para que 0 tenga una interpretacin
prctica debe ser fsicamente posible que X tome el valor de cero,
adems que debe tener observaciones alrededor de este valor. Ahora
reforzamos estas ideas desde el punto de vista de las inferencias
estadsticas.
La varianza del estimador 0 es:
2 xi2
nSCx
y su varianza estimada:
S 0
2
De
donde
S 2 xi2
nSCx
apreciamos
que
la
varianza
se
incrementa
2
1
SCx
S e2
SCx
S 1
rxy
S xy
SxS y
S xy
1
x y
xy
n 1
n
S xy
1
x y 1 99,568 6141613 58.86
xy
n 1
n
10
Sxy = 58.86
Sx = 9.98
Sy = 7.60
rxy
S xy
58.86
0.776
9.987.60
Sx S y
Model Summary
F
df 1
30.751
1
R Square
.815
df 2
7
Sig.
.001
Paramet er Estimates
Constant
b1
-.079
.120
Notas de examen
Observed
Linear
18,00
17,00
16,00
15,00
14,00
13,00
12,00
90,00
100,00
110,00
120,00
130,00
Coeficiente intelectual
i 0.079 0.12 i
Model Summary
Model
1
R
.903a
R Square
.815
Adjusted
R Square
.788
Std. Error of
the Est imat e
.94280
140,00
Resumen
Actividades Sugeridas
PROBABILIDAD, DISTRIBUCIONES
MUESTRALES Y TAMAO DE MUESTRA
Objetivo
Introduccin
Empezamos
estudiando
las
caractersticas
de
una
Contenidos
Probabilidad
Para entender el fundamento racional de los procedimientos de decisin
estadstica es importante familiarizarse con la probabilidad.
Los
1.
Prefieren IBM
2.
Prefieren Olivetti
3.
Prefieren Compatible
4. Observar 4
2. Observar 2
5. Observar 5
3. Observar 3
6. Observar 6
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
No puede
seguramente
Ocurrir
ocurre
Experimento aleatorio
Es
aquel
cuyos
resultados
no
pueden
M = {X/0 x }
Espacio Muestral
caracterstica.
P (A) =
N casos favorables =
N casos posibles
b)
1 =
0.5
a.
P (A) [ 0, 1 ] A M
0 P(A) 1 A M
b.
P(M) = 1
c.
entonces:
n
n
i i
i 1
i 1
Variable aleatoria
Es una funcin definida en un espacio muestral en el que a cada evento
se le asocia un nmero real. Las distribuciones de probabilidad se basan
en los valores de las variables aleatorias.
B2
B3
B4
B5
B6
B7
B8
X (B5) = 2
X (B2) = 1
X (B6) = 2
X (B3) = 1
X (B7) = 2
X (B4) = 1
X (B8) = 3
1/8
3/8
3/8
P (B8)
1/8
Eventos
B1
Valor de X
P (X)
B2, B3, B4
B5, B6, B7
B8
1/8
3/8
3/8
1/8
3/8
2/8
1/8
0
b)
c)
(x)
P(a x b)
a
0
b
1
(x) =
1,
0 x 1
0,
de otra forma
F x
1, 0 x X
0, de otra forma
Ejemplo:
Se supone que una variedad de maz puede producir plantas con cero,
una, dos y tres mazorcas, se sabe adems que las probabilidades de
que se tenga plantas con estos nmeros de mazorcas son 0.1, 0.7,
0.1, 0.1 respectivamente, haciendo una tabla se tiene:
X
f (X)
0
0.1
1
0.7
X<0
X0
= 0
= 0.1
2
0.1
3
0.1
F (x) =
a)
X 1 = 0.8
X < 1 = 0.1
X 2 = 0.9
X < 2 = 0.8
X < 3 = 0.9
X>3 = 1
X3 = 1
b)
x = 0 = 0.1
c)
E X Xf x
La Varianza
Mide el grado de dispersin o variacin en una distribucin, nos permite
comparar la variacin entre dos distribuciones que tengan la misma
media, pero diferente dispersin.
2 X 2 f x
Pasos para su clculo
a)
b)
c)
X
f
(X)
0.1
0.7
0.1
0.1
1 Calcular la media:
= 0 (0.1) + 1 (0.7) + 2 (0.1) + 3 (0.1)
= 0 + 0.7 + 0.2 + 0.3
= 1.2
2 Calcular la varianza:
= (0-1.2)(0.1) + (1-1.2)(0.7) + (2- 1.2) (0.1) + (3-1.2)(0.1)
= 0.144 + 0.028 + 0.064 + 0.324
= 0.56
Modelo probabilstica
curva se
extiende
en
ambas
direcciones
tiende
= 37,200
= 800
37,200 800
36,400
37,200 +
800
38,000
2.
3.
4.
37,200 2,400
34,800
37,200+
2,400
39,600
Distribucin normal
Es de mucha importancia porque es un modelo adecuado para diversas
situaciones en el mundo real y la de mayor uso de todas las
distribuciones continuas de probabilidad. Es la piedra angular en la
aplicacin de la inferencia estadstica en el anlisis de datos, puesto que
las distribuciones de muchas estadsticas mustrales tienden hacia la
distribucin normal conforme crece el tamao de la muestra. Lo utilizan
como modelo los fsicos, astrnomos, bilogos, agrnomos y los
mdicos. Los parmetros de distribucin son la y , identificaremos
la variable normal por:
X ~ N ( , )
= es un parmetro de localizacin
= Parmetro de escala o de dispersin
Ejemplos:
Considerando que la distribucin de los coeficientes intelectuales de los
alumnos de la Universidad Alas Peruanas tienen una distribucin normal
con = 100 y
P( X 105)
0.05 0.1915
10
10
10
103 100
0.30 01179
10
0.2157
P( X 83.6) P
1.64 0.4495
10
10
Los mtodos para la seleccin de una muestra que tienen mayor utilidad
son las probabilsticas o aleatorias y las no probabilsticas.
Ventajas:
Este mtodo se parece al MAS donde cada unidad listada tiene igual
probabilidad de ser seleccionada, se diferencia en el proceso de
seleccin de la muestra
Distribuciones muestrales
n x
Ejemplos:
Si la telefnica quiere conocer la probabilidad de que una llamada dure
entre 150 y 155 segundos, considerando que la media de las llamadas
es de 150 segundos y su desviacin estndar de 15 segundos, la
probabilidad se determina de la siguiente manera:
P(150 X 155)
P(150 X 155)
35 155 150
1.97 0.4756
15
Z 2 2
n
X 2
n tamao de la muestra
Z Desviacin estndar en la distribucin normal que producir el nivel
deseado de confianza (para una confianza del 95%, Z = 1.96;
para una confianza del 99%, Z = 2.58)
Desviacin estndar de la poblacin (conocida o estimada a partir
de estudios anteriores)
E error, o diferencia mxima entre la media muestral y la media
poblacional que est dispuesto a aceptar en el nivel de confianza
que hemos indicado. E = (X - )2 error, Diferencia entre la media
muestral y la media poblacional
Z 2 2
n
e2
Ejemplo:
menos de 10.
n = Z2 2
= (1.96)2 (30) 2 = 35
(e)2
(10)2
2 1
n0
2
no
para una
Z 2 PQN
2 ( N 1) Z 2 PQ
n = Tamao de la muestra
no
no
1
N
Tamao de la muestra
no
Constante definida
Tamao de la poblacin
Resumen
Actividades Sugeridas
A manera de
Objetivo
Introduccin
Contenidos
Estimacin
, , , P (parmetros)
X, S, S, p (estimadores)
Propiedades de la Estimacin
Un estimador de un parmetro poblacional es un estadstico muestral
Parmetro
Estimador
Si ,
b) Varianza mnima Es aquel que tiene menor varianza entre todos los
estimadores in sesgados del parmetro que se quiere estimar.
c) Consistencia Un estimador es consistente si,
a medida que el
1
Donde y son valores arbitrariamente nfimos y positivos.
x
n
xi
1
2
x i
S
n 1
n
S S2
Li Ls 1
Li, Ls
1-
intervalo de confianza
Probabilidad de error
Es la desviacin Standard de la
Si no se conoce y n 30
Sx
S
n
90%
X 1.65 / n
95%
X 1.96 / n
99%
X 2.58 / n
Ejemplos:
1.
2.
a.
b.
c.
d.
e.
E Z / 2
10
(1.96)
2.77
n
50
N Mean
50 98.20
SE Mean
2.40
99% CI
(92.01, 104.39)
n x
N 0,1
n x
t n 1
n
Si toman valores t/2 (n-1) y - t/2 (n-1) en la distribucin t con n - 1
grados de libertad.
t
t n 1 t
1
n 1
2
2 n 1
Donde
t n 1
n x
S
S
S
P X t X t 1
n 2 n1
n 2 n1
Li X
S
t
n 2 n1
Ls X
S
t
n 2 n 1
Es claro que los lmites (Li, Ls) son variables aleatorias, ya que X y S lo
son, entonces el intervalo resultante es aleatorio.
Ejemplos:
1.
11,9
12,4
12,3
11,9
12,1
12,4
12,1. Encuentre los lmites de confianza al 99% para el peso medio por
tarro de leche, correspondiente a la poblacin de la cual se obtuvo la
muestra.
X = 12.15
S = 0.2
n=8
De la tabla de distribucin t de estudent
= 1 - 0.99 = 0.01
Li X
S
t
n 2 n 1
S
t
n 2 n 1
MINNITAB.
En un esfuerzo para determinar el nivel de ruido promedio debido a
camiones grandes, el Ministerio del Ambiente obtuvo una muestra
aleatoria de lectura del nivel de ruido en decibeles, en ocho camiones
grandes. Se encontr que la media muestral para estimar y la desviacin
estndar fueron 85.6 y 0.65 decibeles, respectivamente; usando la
media muestral para estimar dista E de X . Suponga que los niveles
de ruido de los camiones de distribuyen normalmente. Construya un
intervalo de confianza para la media poblacional al 95%.
Error mximo de estimacin:
E t / 2( n 1)
S
0.65
t0.05 / 2(81)
t0.025( 7 ) (0.2298) 2.3646 x0.2298 0.54
n
8
One-Sample T
N Mean StDev
8 85.600 0.650
SE Mean
95% CI
0.230 (85.057, 86.143)
(n 1) S 2
2n 1
Usando
2
2
2n 1
n 1
y 2
1
podemos
encontrar
valores
n 1
Tales que:
P 2
2n1 2
1
n1
1 n 1
2
2
Donde:
n 1
n 1S 2
2
1
S
n 1S 2
P 2
2 2
1
1 n 1
2
2 n 1
n 1S 2 n 1S 2
, 2
2
n 1
1 n 1
2
2
Ejemplo:
X0.95(2) = 0.1026
Statistics
N
20
StDev Variance
0.0424 0.00180
CI for Variance
(0.00089, 0.00500)
Prueba de hiptesis
El objetivo de una prueba de hiptesis es analizar cmo se puede probar
las hiptesis y sacar conclusiones sobre la poblacin
Hiptesis Estadstica Es la afirmacin sobre un modelo probabilstico.
Plantear la Ho y la Ha
La Ho se plantea con el objetivo de aceptarla o rechazarla, es
decir, la Ho es una afirmacin que se aceptar si los datos
muestrales no pueden proporcionar evidencia convincente de que
es falsa.
2.
Nivel de Significacin
Es la probabilidad de rechazar la Ho cuando en realidad es
verdadera. Al nivel de significacin tambin se le denomina nivel
de riesgo, porque existe el riesgo de rechazar la Ho cuando en
realidad es verdadera.
2.
Ho
Rechazar
No rechazar
3.
Cierta
Error tipo I
Decisin
correcta
Falsa
Decisin
correcta
Error tipo II
Estadstico de Prueba
4.
Regla de Decisin
Zona de
rechazo
5.
Valor
crtico
Tipos de hiptesis
Si es un parmetro cualquiera y o es una constante en el conjunto de
valores que puede tomar el parmetro, entonces el investigador
considera importante los posibles juegos de hiptesis.
a) Ho: o en oposicin a
Ha: > o
b) Ho: o en oposicin a
Ha: < o
c) Ho: = o en oposicin a
Ha: o
Prueba de hiptesis para la media poblacional cuando las muestras
son mayores de 30 observaciones
a)
Ho
Ha
:
:
>
o
o
en oposicin a
b)
Ho
Ha
:
:
>
<
o
o
en oposicin a
c)
Ho
Ha
:
:
o
o
en oposicin a
n X 0
Zc
S c
2
16
16
= 16.05 onzas
= 0.03 onzas
n = 50
Zc =
50 (16.05 -16) = 11.78
0.03
1 - 0.05
= Z0.95 = 1.645)
0.04
0.05
0.9495 0.9505
1.645
20
Ha:
< 20
One-Sample Z
Test of mu = 20 vs < 20
The assumed standard deviation = 12.5
98% Upper
N Mean SE Mean
Bound
Z
P
50 15.00
1.77
18.63 -2.83 0.002
Cuando se trabaja con MINITAB, se tiene que tener en cuenta las
probabilidades. De acuerdo a las resultados es significativo por
que P = 0.002 < que el nivel de significancia = 0.02. Razn por
la cual se rechaza hiptesis nula a un nivel de riesgo del 2%.
Concluyndose que las amas de casa ven televisn menos de 20
horas.
Ho
Ha
:
:
>
o
o
en oposicin a
b)
Ho
Ha
:
:
>
<
o
o
en oposicin a
c)
Ho
Ha
:
:
o
o
en oposicin a
tc
n X 0
S
n 1
S tc t
2
n 1
En cualquier caso los valores t(n-1) t/2(n-1) que limitan las regiones de
rechazo, se obtiene de la tabla de probabilidades de la distribucin t de
estudent.
Ejemplo:
Los propagandistas de cierta marca de cigarrillos sostienen que el
contenido promedio de nicotina de su producto es menor de 0.7
miligramos por cigarrillo. Suponiendo una distribucin normal para el
contenido de nicotina, su afirmacin es que < 0.7.
Ho: > 0.7
Ha: < 0.7
70
Ha:
70
One-Sample T: Calificaciones
Test of = 70 vs not = 70
Variable
4.45
95% CI
Ho
Ha
:
:
>
o
o
en oposicin a
b)
Ho
Ha
:
:
>
<
o
o
en oposicin a
c)
Ho
Ha
:
:
o
o
en oposicin a
2
c
n 1S 2
02
a) Rechazar Ho: S c2 2 n 1
c2 12 n 1
b) Rechazar Ho: S
c) Rechazar Ho: S c2 2
n 1
2
2
O s c2
n 1
Ejemplo:
Para establecer la variabilidad en las mediciones de un equipo, con el
que se trata de determinar el porcentaje de magnesio en un producto.
Se realizan 12 determinaciones en una solucin que se sabe tiene 5%
de magnesio. De acuerdo con las normas de calidad vigentes, la
mxima desviacin que podemos tolerar es de 0.2%, es decir, que si el
equipo es adecuado debe tener una < 0.04 (en %). La hiptesis que
conviene probar es:
Ho
Ha
:
:
>
<
0.04
0.04
5.1
5.3
4.9
4.9
5.2
4.8
5.2
5.3
4.8
4.8
2
c
n 1S 2 12 10.0463
12.7325
02
0.04
Statistics
Variable N StDev Variance
C1
6 4.82
23.3
95% Confidence Intervals
CI for
CI for
Variable Method
StDev
Variance
C1
Standard (3.01, 11.83) (9.1, 140.0)
Tests
Variable Method
C1
Standard
Chi-Square DF P-Value
4.65
5.00 0.919
Resumen
bajo
estudio
est
distribuida
normalmente
con
Actividades Sugeridas
Bibliografa
I.
Richard
Rubin
S.
David
(1996).
Estadstica
para
Segunda
edicin.
Editorial
Prentice-Hall