Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
y presentación de datos
Introducción
Hoy en día la estadística es de suma aplicación en nuestra vida cotidiana,
ya que esta ciencia posee instrumentos que nos ayudan en nuestro
desempeño profesional, un ejemplo de esta es la organización,
presentación e interpretación de resultados que es lo óptimo para la toma
de decisiones.
En esta primera semana se analiza sobre la definición e importancia de la
Ciencia Estadística, así como su objeto y objetivos de estudio.
Haremos uso de la nomenclatura Estadística, clasificación de variables y la
aplicación de los métodos de recolección de datos.
Estudiaremos la organización y presentación de datos, donde
clasificaremos datos primarios y secundarios para presentarlos en cuadros y
gráficos, construyendo e interpretando distribuciones de frecuencias de
acuerdo a la naturaleza de la variable, ya que esta puede ser de tipo
cualitativo o cuantitativo y dentro de esta clasificación consideramos a las
variables cualitativas y cuantitativas.
Aprendizajes esperados
CAPACIDADES
Define a la Ciencia Estadística.
Explica la importancia de la Estadística descriptiva e inferencial.
Clasifica variables relacionados con casos estadísticos.
Clasifica datos primarios y secundarios para presentarlos en cuadros y
gráficos
Construye e interpreta distribuciones de frecuencias y gráficos
estadísticos.
ACTITUDES
Demuestra interés en los conocimientos de los conceptos fundamentales
del desarrollo personal potenciando fortalezas, mejorando debilidades y
otros aspectos, a través de las tutorías virtuales.
Es ordenado en el desarrollo de casos Estadísticos.
Muestra interés por la validez y confiabilidad de los instrumentos de
recolección de datos.
Participa activamente en las tareas asignadas cumpliendo el cronograma
establecido.
Mapa conceptual referido al tema
Te invito a visualizar el mapa conceptual de la primera semana
a) Estadística descriptiva:
Es la rama que se encarga de describir, analizar una serie de datos
y extraer conclusiones sobre el comportamiento de estas. Los
gráficos, tablas, diagramas y cálculos descriptivos nos ayudan a
mostrar los datos de manera más clara y elocuente.
b) Estadística inferencial:
Es la rama que implica generalizaciones y afirmaciones con
respecto a la probabilidad de su validez.
1.1.2 Importancia
No existe actividad humana en que se deje de usar la Estadística, las
decisiones más importantes en nuestra vida se toman con ayuda de esta
ciencia. La importancia en el área científica es porque:
Realiza una descripción más exacta.
Permite resumir los resultados de manera significativa y cómoda.
Nos permite obtener conclusiones generales y específicas.
a) Medición:
La medición es un proceso de asignación de números u otros signos a
las características de los objetos, de acuerdo con ciertas reglas
especificadas con anticipación.
b) Población:
Es el Conjunto de todos los elementos que comparten un grupo común
de características y forman un universo para el propósito del
problema de investigación educativa.
c) Muestra:
Es una parte, un subgrupo de elementos de la población que se
selecciona para participar en el estudio. Cuando la población es muy
grande, es decir tiene cientos o miles de elementos o cuando los
medios y el tiempo son limitados, la investigación se conduce sólo por
la muestra.
d) Dato
Es una representación simbólica de un atributo. Los datos
describen hechos empíricos, sucesos y entidades. Los datos pueden
ser constantes o variables.
e) Constantes
Es un dato cuyo valor no puede cambiar durante la ejecución de la
investigación. Recibe un valor en el momento de la recolección y este
permanece inalterado durante toda la investigación.
f) Variables
Es una palabra que representa a aquello que varía o que está sujeto a
algún tipo de cambio. Se trata de algo que se caracteriza por ser
inestable, inconstante y mudable.
1.4. Clasificación de variables
b) Gráfico Circular
Se usa para representar la dimensión de las partes de un fenómeno total.
Para su elaboración se utiliza la circunferencia, siendo necesario que los
valores absolutos y/o porcentuales, sean traducidos en GRADOS.
c) Diagrama de Bastones
Las barras deben ser estrechas para representar los valores que toma la
variable pues son discretos.
d) Histograma
Un histograma se construye a partir de la tabla estadística, representando
sobre cada intervalo, un rectángulo que tiene a este segmento como base.
El criterio para calcular la altura de cada rectángulo es el de mantener la
proporcionalidad entre las frecuencias absolutas (o relativas) de cada
intervalo y el área de los mismos.
e) Polígono de frecuencias
El polígono de frecuencias se construye fácilmente si tenemos
representado previamente el histograma, ya que consiste en unir mediante
líneas rectas los puntos del histograma que corresponden a las marcas de
clase. Para representar el polígono de frecuencias en el primer y último
intervalo, suponemos que adyacentes a ellos existen otros intervalos de la
misma amplitud y frecuencia nula, y se unen por una línea recta los puntos
del histograma que corresponden a sus marcas de clase. Obsérvese que de
este modo, el polígono de frecuencias tiene en común con el histograma el
que las áreas de la gráfica sobre un intervalo son idénticas
Al respecto para conocer un poco más sobre este tema, y dar respuesta a
las preguntas planteadas a continuación te invitamos a revisar la siguiente
lectura:
Anterior | Siguiente
Conclusiones
Ejemplo:
El 40% de los trabajadores, tienen un ingreso máximo de 902.61 soles.
2.7 Percentiles
B). Varianza: ( σ2 )
Es el promedio de las desviaciones con respecto al promedio elevado al
cuadrado.
La varianza no tiene interpretación.
Varianza para datos originales:
c. Desviación Estándar: ( σ )
Se define como la raíz cuadrada de la varianza.
Ejemplo: Encontrar la desviación estándar para el caso b.1
Por Ejemplo si lanzas una moneda, cuyo resultado puede ser, caer
cara o caer sello. En este experimento no podemos predecir con
seguridad cuál resultado aparecerá con certeza. Otro experimento
aleatorio es el siguiente: al lanzar un dado, los resultados que se
obtienen pueden ser cualquier número del 1 al 6.
S = {1, 2, 3, 4, 5, 6 }
Más Ejemplos:
Dados los siguientes experimentos:
E1: Lanzar una moneda y observar la cara superior.
E2: Lanzar un dado y observar el número que aparece en la cara superior.
E3: Extraer una bola de una urna que contiene bolas rojas “R” y bolas
verdes “V”.
E4: Designar un delegado de un grupo de 50 personas a través de un
sorteo.
E6: Elegir un punto del intervalo cerrado [0,1]
E7: Observar el tiempo de vida de un T.V. SONY.
E8: verificar el estado de un transistor (0= apagado, 1= prendido).
Indicar su espacio muestral:
Solución:
Evento y suceso
Con base a los experimentos anteriores (lanzar un dado, lanzar
dos monedas y lanzar dos dados), observamos que éstos pueden
tener uno o más resultados, a los cuales se les llama “Eventos” y
que se representan mediante letras mayúsculas.
Por tanto un Evento es un subconjunto de un Espacio Muestral.
(Tomeo, 2003)
Se puede hacer una lista de muchos eventos asociados con un
experimento, algunos con más posibilidad de ocurrir que otros.
Desde el punto de vista de conjuntos, un evento es un subconjunto
de un espacio muestral. Por Ejemplo, en el experimento de tirar un
dado se tiene:
{1} es el evento elemental o evento simple que indica que al
lanzar un dado salga la unidad.
{2, 4,6} es un evento que indica que al lanzar un dado salga
número par.
{1, 2,3} es un evento que indica que al lanzar un dado salga un
número menor que 4
{1, 2, 3, 4, 5, 6} es un evento que indica que al lanzar un dado
salga un número menor que 7
Otro Ejemplo: En el experimento aleatorio lanzar 4 monedas
simultáneamente. Definimos los eventos siguientes:
E1: “Todas las monedas muestran el mismo lado”
E2: “Ocurren por lo menos dos caras”
E3: “Ocurre sello en el tercer lanzamiento”.
3.3 Axiomas y teorema de probabilidad
Ejemplo: Se lanza dos dados. Calcular la probabilidad de:
a) Obtener suma 4.
b) Obtener suma 7.
c) Obtener suma par.
d) Obtener suma mayor que 5.
e) Que el resultado del primer dado sea mayor que el resultado del
segundo?
3. Probabilidad Subjetiva
La probabilidad es subjetiva cuando en un experimento determinado, la
probabilidad de que un evento A ocurra, tiene un grado de creencia
asignado a la ocurrencia de este evento por un individuo en particular,
pero eso sí, está basado en toda la evidencia a su disposición, con las
siguientes exigencias:
1) P(A) = 0 , representa la certeza de que el evento A no ocurrirá.
2) P(A) = 1, representa la certeza de que el evento A si ocurrirá.
3) 0 ≤ P(A) ≤ 1, representa la certeza de que el evento A, ocurrirá.
Claro es que si la probabilidad es subjetiva de la ocurrencia de un evento
A, para una persona tendrá un determinado valor de acuerdo a las
condiciones o evidencias que dispone. Y para otra persona que tiene de
repente más evidencias, podría asignar a la ocurrencia del evento A otra
probabilidad diferente (un número diferente al anterior).
Ejemplo:
¿Cuál es la probabilidad de que la selección peruana se clasifique al
próximo Mundial de Fútbol?
¿Cuál es la probabilidad de que un profesor en educación pública gane
S/.10000 en el próximo gobierno?
Como pueden observar, son eventos únicos, que no han ocurrido antes. No
hay forma de que se puedan interpretar tales probabilidades como una
frecuencia relativa o como una probabilidad Clásica. Entonces el enfoque
subjetivo de la probabilidad es pues adecuado en la respuesta de las
preguntas últimamente expuestas. (Walpole, 1998)
2. Principio Multiplicativo
Si se desea realizar una actividad que consta de r pasos, en donde el
primer paso de la actividad a realizar puede ser llevado a cabo de
N1 maneras o formas, el segundo paso de N2 maneras o formas y el r-ésimo
paso de Nr maneras o formas, entonces esta actividad puede ser llevada a
efecto de;
N1 x N2 x ..........x Nr maneras o formas
El principio multiplicativo implica que cada uno de los pasos de la
actividad deben ser llevados a efecto, uno tras otro.
Ejemplos:
Una persona desea construir su casa, para lo cuál considera que puede
construir los cimientos de su casa de cualquiera de dos maneras (concreto
o block de cemento), mientras que las paredes las puede hacer de adobe,
adobón o ladrillo, el techo puede ser de concreto o lámina galvanizada y
por último los acabados los puede realizar de una sola manera ¿cuántas
maneras tiene esta persona de construir su casa?
Solución
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2
N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las técnicas de conteo que
posteriormente se tratarán nos proporcionan todas las maneras o formas
posibles de como se puede llevar a cabo una actividad cualquiera.
c) Combinaciones:
Una combinación de objetos es aquel acto de juntarlos en donde
no cuenta el orden de colocación de los objetos. Las diversas
combinaciones de objetos difieren entre si por la calidad de los
ingredientes; es decir, dado un conjunto de elementos se pide
cuantos subconjuntos de elementos hay.
Ejemplo: del conjunto A={a, b, c, d}. ¿Cuántos subconjuntos de
3 elementos hay?
Sol: hallamos las combinaciones de 3 elementos (subconjuntos de
3 elementos del conjunto
A) {a, b, c}, {a,b,d}, {a, c, d}, {b, c, d} Luego hay 4
combinaciones.
La dificultad se da si A tiene muchos elementos, para hallar el
número de combinaciones existe el siguiente teorema:
Fuente: http://www.eumed.net/cursecon/libreria/drm/drm-estad.pdf
Tema 4: Distribuciones de probabilidad
Introducción
En esta cuarta semana identificaremos las distribuciones de probabilidad
de una variable discreta y continua, resaltando que una distribución de
probabilidad es el resultado de un experimento, la misma que es similar a
una distribución de frecuencias relativas, a diferencia que aquí estamos
refiriéndonos a la probabilidad de realizar un evento en el futuro.
Para el desarrollo de esta semana haremos énfasis en las distribuciones:
Binomial, Hipergeométrica, Poisson, Normal, T Student y Chi
Cuadrado.Según Badii & Castillo (2007). Los valores de una variable sirven
para describir o clasificar individuos o distinguir entre ellos. La mayoría de
nosotros hacemos algo más que simplemente describir, clasificar o
distinguir, porque tenemos ideas respecto a las frecuencias relativas de los
valores de una variable. En estadística decimos que la variable tiene una
función de probabilidad, una función de densidad de probabilidad o
simplemente una función de distribución.
Por lo antes mencionado debemos considerar que las distribuciones de
probabilidad se utilizan con énfasis en la toma de decisiones, es por ello
que en esta semana analizaremos y elegiremos que distribución de
probabilidad debemos utilizar
Mapa conceptual referido al tema
Ejemplo
La probabilidad de que cierto componente resista una prueba de impacto
es de 4/5. Encuentre la probabilidad de que 3 de los 5 componentes
siguientes resistan la prueba de impacto.
Solución:
Se supone que las pruebas son independientes entre si, donde p = 0,8, para
cada una de las 5 pruebas, se considera a la v.a. X como el número de
componentes que resisten la prueba.
4.2 Distribución hipergeométrica
Definición:
Si X es una v.a. discreta y cuando la probabilidad de éxito es
pequeña y n es grande en un proceso binomial, donde el producto
np se hace constante, o cuando los sucesos se realizan en un
intervalo de tiempo o espacio; la distribución que representa a
este tipo de procesos aleatorios se llama Distribución de Poisson,
cuya función de cuantía está dada por la siguiente expresión:
Donde λ es el número promedio de ocurrencias por unidad de tiempo o
espacio y lt es el número promedio de ocurrencias de eventos en el
intervalo de tiempo o espacio de tamaño t.
La aproximación de una v.a del tipo binomial a una del tipo Poisson, es
muy buena si n ³ 30 y p £ 0,05
Existen muchos casos en las que se pueden usar la distribución de Poisson,
tales como: en el número de llamadas telefónicas a una central, el número
de personas que llegan a una posta médica para ser atendidos, o a la
ventanilla de un banco para hacer alguna transacción, el número de
tornillos fabricados en un día, el número de aviones que llegan a un
aeropuerto durante el día, el número de barcos que arriban a un puesto en
una semana, el número de manchitas que puede tener una loseta de 20
cm2, el número de bacterias que puede haber en un centímetro cúbico de
agua, etc., en general todos los problemas llamados líneas de espera,
teoría de colas o similares. (Espejel, 2007)
Ejemplo :
Se sabe que el número promedio de camiones que llegan a un terminal
terrestre durante el día es de 10, las instalaciones del terminal pueden
atender como máximo 15 camiones al día. ¿Cuál es la probabilidad de que
la capacidad de atención del terminal sea superado en un día cualquiera?
Solución:
X = número de camiones que llegan al terminal terrestre durante el día
para ser atendidos.
X= 0, 1, 2, 3,…..
Mapa conceptual
Conclusiones
Hoy en día, las pruebas de hipótesis son muy utilizadas, ya que mediante
ellas podemos tomar decisiones, decisiones que deben tener sustento
teórico, ya que una decisión errónea puede traer consigo consecuencias
fatales que pondrían en tela de juicio nuestra ética y desempeño
profesional.
Aprendizajes esperados
Capacidad
o Contrasta hipótesis estadística en los casos presentados.
o Aplica la prueba estadística Chi cuadrado en la asociación de dos
variables cualitativas y la prueba estadística de Pearson o Spearman en el
caso de dos variables cuantitativas.
Actitudes
Demuestra perseverancia en la búsqueda de soluciones.
Participa proactivamente en el foro temático aportando ideas,
comentarios e información sobre prueba de hipótesis y asociación de
variables.
Mapa conceptual
Fuente:hipotesis.phttp://www.iuma.ulpgc.es/~nunez/mastertecnologiastelecomuni
cacion/Tema2InferenciaEstadistica/estadistica-y-R/2-hipotesis.pdfdf
Referencia bibliográfica
Conclusiones
Introducción
Sin bien, hoy en día cuando tenemos un conjunto de datos de
cierta variable y estos datos han venido ocurriendo por un periodo
consecutivo, y necesitamos realizar una estimación o predicción
adecuada de esa variable en un periodo determinado, una de las
posibles opciones es encontrar el modelo adecuado de la variable de
acuerdo a como se ha venido manifestando. Cuando estamos ante esa
problemática debemos enfocarnos ante un modelo de regresión, existen
diversos modelos, pero en esta semana sólo estudiaremos la regresión
lineal simple y una introducción a la regresión lineal múltiple, la misma
que está referidas a los modelos que tienen más de una variable
independiente.
Capacidad
Elabora modelos de regresión a través del método de mínimos cuadrados.
Establece relaciones entre dos o más variables cuantitativas, tomando
como referencia diagramas de dispersión o nube de puntos.
Estima e interpreta los coeficientes de regresión, de correlación y de
determinación entre variables cuantitativas.
Actitudes
Demuestra perseverancia en la búsqueda de soluciones.
Participa proactivamente en el foro temático aportando ideas,
comentarios e información sobre Regresión lineal simple y múltiple.
Mapa conceptual
Preguntas de análisis
Al respecto para conocer un poco más sobre este tema, y dar respuesta a
las preguntas planteadas a continuación te invitamos a hacer clic en el
siguiente botón
El análisis de regresión consiste en emplear métodos que permitan
determinar la mejor relación funcional entre dos o más variables
concomitantes (o relacionadas). El análisis de correlación estudia el grado
de asociación de dos o más variables.
Análisis de Regresión
Una relación funcional matemáticamente hablando, está dada por:
Y = f(x1,...,xn; θ1,...,θm)
Donde:
Y : Variable respuesta (o dependiente)
xi : La i-ésima variable independiente (i=1,..,n)
θj : El j-ésimo parámetro en la función (j=1,..,m)
f : La función
Fuente: http://tarwi.lamolina.edu.pe/~fmendiburu/index-
filer/academic/metodos1/Regresion.pdf
Conclusiones