2 pnfp bloque iii jornada interinstitucional presentacion 1 parte
Jornada 1 y 2
-
Upload
pablo-jurado -
Category
Documents
-
view
97 -
download
0
Transcript of Jornada 1 y 2
![Page 1: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/1.jpg)
MAESTRÍA EN DOCENCIA UNIVERSITARIA
ESTADÍSTICA APLICADA A LA EDUCACIÓN
8-9 /15-16 Febrero 2014
Ing. Edmundo Recalde Posso, MBA
![Page 2: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/2.jpg)
• Objetivos del curso:
1. Aplicar la estadística básica en el tratamiento de datos.
2. Interpretar los resultados estadísticos.
3. Desarrollar experimentos simples aplicados a la educación.
![Page 3: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/3.jpg)
• Metodología:– Para cada tema a tratar se utilizará la siguiente
distribución: • Presentaciones power point
• Ejemplos
• Ejercicios para los participantes
• Aplicaciones en Excel
• Formar grupos de máximo 3 personas
![Page 4: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/4.jpg)
Contenido y distribución del tiempoMAÑANA: 8H00-13H00TARDE: 14H00-18H00
• Jornada 1(8 de febrero 2014)– Bases de la estadística, Medidas de tendencia central,
medidas de dispersión. Aplicaciones con Excel
• Jornada 2 (9 febrero 2014)– Medidas de posición, medidas de forma, distribución
normal. Aplicaciones con excel
• Jornada 3 (15 febrero 2014)– Muestreo, Hipótesis, correlación y regresión, t student,
chi cuadrado, aplicaciones con excel
• Jornada 4 (16 febrero 2014) – Diseño e implantación de experimento, análisis de
varianza de uno y dos factores. Aplicaciones con excel
![Page 5: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/5.jpg)
Que debe tener el participante
• Calculadora.
• Computador.
• Tablas estadísticas.
![Page 6: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/6.jpg)
Evaluación:
– Talleres: 20% (D1, D2, D3, D4): (10 p)
– Tareas: 20% (D1, D2, D3): (10 p)
– Pruebas: 20% (D2, D3, D4): (10 p)
– Pr. de Inv.: 40% (D4): (20 p)
NOTA: 50/50.
![Page 7: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/7.jpg)
Bibliografía
• Triola, M. 2004 Probabilidad y Estadística
Pearson Educación Novena Edición México 648 p.
• Pérez, C. 2002 Estadística aplicada a través
de Excel Pearson Educación S.A. Madrid-España 596 p.
• Reyes, C. 1999 Diseño de experimentos
aplicados Editorial Trillas México 348 p.
• Gutiérrez, H. 2003 Análisis y Diseño de
Experimentos Editorial McGraw Hill México 559 p.
![Page 8: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/8.jpg)
8
![Page 9: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/9.jpg)
La Estadística es la Ciencia de la
• Sistematización, recogida, ordenación y presentación de los datos referentes a un fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con objeto de
• deducir las leyes que rigen esos fenómenos,
• y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u obtener conclusiones.
9
![Page 10: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/10.jpg)
10
![Page 11: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/11.jpg)
� La estadística en el diseño de los experimentos:� Es una colección de métodos para planear
experimentos, obtener datos, y después organizar, resumir presentar, analizar interpretar y llegar a conclusiones basadas en los datos.
11
![Page 12: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/12.jpg)
� Herramienta indispensable para la toma de decisiones.
12
![Page 13: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/13.jpg)
� Investigación de mercados.� Control de la Calidad� Medicina e Investigación� Agricultura� Censos poblacionales� Sociología.� Ingeniería
13
![Page 14: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/14.jpg)
� Indice de Precios al Consumidor Urbano IPC - SEPTIEMBRE 2007
� Variación Mensual: 0,71%� Variación Anual: 2,58%� En lo que va del año: 2,09%� Canasta Analítica Fam. Básica464,90� Canasta Analít.Familiar Vital323,87
14
![Page 15: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/15.jpg)
POBLACION:Es la colección completa de
todos los elementos (puntuaciones, personas, mediciones, etc) a estudiar.
MUESTRA:Es un subconjunto de los
miembros seleccionados de una población.
15
![Page 16: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/16.jpg)
16
![Page 17: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/17.jpg)
17
![Page 18: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/18.jpg)
� Tamaño de la muestra:� Número de unidades que constituyen una muestra.
� Variable: Característica de interés acerca de cada elemento de una población o m.
� Dato: Valor de la variable� Datos: Conjunto de valores de la variable� Observaciones: conjunto de modalidades o
valores de cada variable estadística medidos en un mismo individuo
18
![Page 19: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/19.jpg)
� Experimento: Actividad realizada según un plan definido cuyos resultados producen un conjunto de datos.
19
![Page 20: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/20.jpg)
� Parámetro: Número que describe algunas propiedades de la población
� Estadístico: Número que describe algunas propiedades de la muestra.
LA ESTADISTICA ES PARA LA MUESTRA LO QUE EL PARAMETRO ES PARA LA
POBLACION.
20
![Page 21: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/21.jpg)
Variable es la cantidad o carácter que puede ser medido y se halla sujeto a variación.
- Cualitativas- Cuantitativas
- Discretas (Si toman valores enteros)- Número de hijos, Número de plantas,
- Contínuas ( si entre dos valores, son posibles infinitos valores)- Altura, presión sanguínea, dosis de medicamento.
21
![Page 22: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/22.jpg)
� NOMINAL: Datos consistentes en nombres, etiquetas o categorías.� Ej. SI/NO.� ORDINAL: Cuando pueden agruparse por algún orden, aunque
no es posible establecer diferencias entre ellos.� Ej. Calificación de A, B, C, D.
� INTERVALO: Semejante al ordinal pero que los datos si tienen significado. Los datos no tienen un punto de partida natural desde cero.� Ej. La temperatura.
� RAZÓN: Semejante al nivel de intervalo pero este tiene un punto de partida o cero inherente.� Ej. Precios del litro de leche.
22
![Page 23: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/23.jpg)
SIMBOLOGIA
DESCRIPCION
X, Y, Z Variables
.a, b, c Constantes
∑ Sumatoria
i
Elementos de un conjunto ( iésima)
j Elementos de un conjunto ( jésima)
23
![Page 24: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/24.jpg)
24
Varianza de la población
Media aritméticaMedia aritmética ponderada
Moda Desviación media
![Page 25: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/25.jpg)
iXn
i
∑= 1
25
Desde
Hasta Observaciones
![Page 26: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/26.jpg)
26
Presentación ordenada de datos
0
1
2
3
4
5
6
7
Hombre Mujer
• Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información. Las dos exponen ordenadamente la información recogida en una muestra.
Género Frec.
Hombre 4
Mujer 6
![Page 27: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/27.jpg)
Agrupamiento de los datos en clases condensa los datos originales.
Frecuencia absolutaFrecuencia relativaFrecuencia acumulada
27
![Page 28: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/28.jpg)
28
• Diagramas de barras– Alturas proporcionales a las frecuencias (abs. o
rel.)
– Se pueden aplicar también a variables discretas
• Diagramas de sectores (tartas, polares)– No usarlo con variables ordinales.
– El área de cada sector es proporcional a su frecuencia (abs. o rel.)
• Pictogramas– Fáciles de entender.
– El área de cada modalidad debe ser proporcional a la frecuencia. ¿De los dos, cuál es incorrecto?.
![Page 29: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/29.jpg)
29
![Page 30: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/30.jpg)
30
![Page 31: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/31.jpg)
� Distribucion binomial
31
![Page 32: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/32.jpg)
32
![Page 33: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/33.jpg)
33
![Page 34: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/34.jpg)
34
![Page 35: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/35.jpg)
35
![Page 36: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/36.jpg)
� Graficas en 3D
36
![Page 37: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/37.jpg)
� Modelos en 3D
37
![Page 38: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/38.jpg)
� Ternary plots
38
![Page 39: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/39.jpg)
39
![Page 40: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/40.jpg)
40
![Page 41: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/41.jpg)
41
![Page 42: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/42.jpg)
� Reduccion de datos
42
![Page 43: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/43.jpg)
� Rotacion de datos en un espacio de 3D
43
![Page 44: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/44.jpg)
� Si no hay variación no existiría la estadística.� Bastaría solo una medición para obtener lo que
estamos buscando
44
![Page 45: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/45.jpg)
45
![Page 46: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/46.jpg)
46
“Todo tiene una causa, no hay causa sin efecto, ni efecto que no tenga una causa”
![Page 47: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/47.jpg)
47
VARIABLE INDEPENDIENTE
VARIABLE
DEPENDIENTE
CAUSA EFECTO
EJEMPLOS EJEMPLOS
FACTOR EN ESTUDIO VARIABLES
![Page 48: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/48.jpg)
� APLICADO A LOS PROCESOS
48
![Page 49: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/49.jpg)
� Las personas no son recordadas por el número de veces que fracasan, sino por el número de veces que tienen éxito.
� Thomas Alva Edison
49
![Page 50: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/50.jpg)
50
Antes de
involucrarse en el
proceso de
investigación
Después de
involucrarse en el
proceso de
investigación
![Page 51: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/51.jpg)
Tema 2:Medidas de tendencia central
Maestría en Docencia UniversitariaEstadística Aplicada a la Educación
Ing. Edmundo Recalde Posso, MBA
![Page 52: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/52.jpg)
La media
Valor que pretende representar en un solo número las características mas relevantes de un conjunto de datos.
Media de la población
Media de la muestra
NiX /∑
niX /∑
=
=
![Page 53: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/53.jpg)
Ejemplo:
5 6 10 14 18 20 22
13.6
![Page 54: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/54.jpg)
La media
5 6 10 14 18 20 22
13.6
5 6 10 14 18 20 45
16.9
![Page 55: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/55.jpg)
Media ponderada
Ejemplo:
Las calificaciones obtenidas por 26 estudiantes de un curso de estadística fueron:
Calificaciones No. Estudiantes10 59 48 67 46 35 24 2
Xi f
∑ NXif
![Page 56: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/56.jpg)
Desarrollo del ejemplo:
![Page 57: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/57.jpg)
La mediana
• Valor de la variable que ocupa el lugar central.
– Ventajas. No influye en ella los valores extremos (estadístico robusto).
– Tiene utilidad en los gráficos de control de procesos.
![Page 58: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/58.jpg)
2 5 7 9 12
Media ?
Mediana ?
2 5 7 9 125
Media ?
Mediana ?
![Page 59: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/59.jpg)
2 5 7 9 12
Media 7
Mediana 7
2 5 7 9 125
Media 29.6
Mediana 7
![Page 60: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/60.jpg)
• Ejemplo:
– Hallar la mediana de los siguientes datos:
• 15,12, 20, 18, 22.
• PASOS:
• 1. Ordenar: 12 – 15 – 18 – 20 – 22.
• 2. Valor central: 18 (Me).
![Page 61: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/61.jpg)
Mediana con datos no agrupados
Calificaciones No. estudiantes
10 5
9 4
8 6
7 4
6 3
5 2
4 2
Me = ?
Pasos:1. Calcular fa.
2. Calcular N/2.
3. Localizar la primera fa > N/2
4. La Me es entonces el valor de la variable correspondiente.
![Page 62: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/62.jpg)
Mediana con datos no agrupados
Calificaciones No. estudiantes
10 5
9 4
8 6
7 4
6 3
5 2
4 2
Me = 8
Pasos:1. Calcular fa.
2. Calcular N/2.
3. Localizar la primera fa > N/2
4. La Me es entonces el valor de la variable correspondiente.
![Page 63: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/63.jpg)
Mediana con datos agrupados
Intervalos No.
75-79 3
80-84 4
85-89 8
90-94 10
95-99 15
100-104 20
Pasos:1. Calcular fa.
2. Calcular N/2.
3. Localizar la primera fa > N/2
4. Aplicar la fórmula:
![Page 64: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/64.jpg)
La Moda (Mo)
• Es el valor de la variable que más veces se repite.– Tipos: Bimodal, trimodal, multimodal
![Page 65: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/65.jpg)
La Moda (Mo)
• Es el valor de la variable que más veces se repite.– Tipos: Bimodal, trimodal, multimodal
2 7 6 5 7 8 Mo
4 3 1 4 3 6 Mo
9 6 3 5 2 Mo
5 5 8 7 8 5 6 8 7 2 7 Mo
?
?
?
?
5 8 9 4 5 Mo= ?
![Page 66: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/66.jpg)
La Moda (Mo)
• Es el valor de la variable que más veces se repite.– Tipos: Bimodal, trimodal, multimodal
2 7 6 5 7 8 Mo
4 3 1 4 3 6 Mo
9 6 3 5 2 Mo
5 5 8 7 8 5 6 8 7 2 7 Mo
7
3 y 4
-
5, 7, 8
5 8 9 4 5 Mo= 5
![Page 67: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/67.jpg)
Moda con datos no agrupados
Calificaciones No. estudiantes
10 5
9 4
8 6
7 4
6 3
5 2
4 2
Mo = ?
Pasos:1. Localizar la mayor f.2. La variable correspondiente a la mayor frecuencia es la moda.
![Page 68: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/68.jpg)
Resolución Mo
Calificaciones No. estudiantes
10 5
9 4
8 6
7 4
6 3
5 2
4 2
Mo = 8
![Page 69: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/69.jpg)
Moda con datos agrupadosEdad No. trabajadores
61-65 4
56-60 7
51-55 16
46-50 27
41-45 41
36-40 67
31-35 99
26-30 191
21-25 83
Pasos:1. Localizar el intervalo
con mayor frecuencia.
2. Aplicar la siguiente fórmula:
Donde:d1= diferencia entre frecuencia modal y frecuencia del intervalo menor de la serie.d2= Diferencia entre la frecuencia modal y la frecuencia del intervalo mayor de la serie
![Page 70: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/70.jpg)
Resolución de Moda
Edad No. trabajadores
61-65 4
56-60 7
51-55 16
46-50 27
41-45 41
36-40 67
31-35 99
26-30 191
21-25 83
Mo = 28.2 años
![Page 71: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/71.jpg)
Tema 3:Medidas de dispersión
Maestría en Docencia UniversitariaEstadística Aplicada a la Educación
Ing. Edmundo Recalde Posso, MBA
![Page 72: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/72.jpg)
Medidas de Dispersión
Si los valores están próximas entre sí o si por el contrario están muy dispersos.
![Page 73: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/73.jpg)
Medidas de dispersión
• Rango
• Desviación media
• Varianza
• Desviación estándar
• Coeficiente de variación
![Page 74: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/74.jpg)
• RANGO: Diferencia entre el mayor y el menor valor
• Ejemplos:
8 23 4 30 7 6 10
14 20 11 8 6 11 16 5
R =?
R = ?
![Page 75: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/75.jpg)
• Resolución:
8 23 4 30 7 6 10
14 20 11 8 6 11 16 5
R = 30-4 = 26
R = 20-5 = 15
![Page 76: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/76.jpg)
• DESVIACION MEDIA:
![Page 77: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/77.jpg)
• EJEMPLO:
• Los siguientes son las calificaciones de un grupo de estudiantes:
• 12, 14, 16, 12, 15, 14, 17, 19, 16
– Cuál es la desviación media?
– RESOLVAMOS
![Page 78: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/78.jpg)
• EJEMPLO:
• 12, 14, 16, 12, 15, 14, 17, 19, 16
• DM= 1.90
![Page 79: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/79.jpg)
LA VARIANZA:
Medida de variación igual al cuadrado de la desviación estándar
σ 2S
2
Unidades elevadas al cuadrado?
Y su uso?ANALISIS DE VARIANZA
(ADEVA)
![Page 80: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/80.jpg)
La varianza
8 cms.
8 + 8 + 8 + 8 + 8 + 8 + 8 + 8 + 8
9=
72
9= 8
![Page 81: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/81.jpg)
…Consideremos el siguiente cambio
¿Cuál es el nuevo promedio de estos 9 rectángulos?
8 + 8 + 8 + 8 + 10 + 8 + 8 + 6 + 8
9=
72
9= 8 cm
... ¡el mismo promedio! Pero... ¿ha habido variación?
8 cms.
10 cm
6 cm
![Page 82: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/82.jpg)
…la varianza
Rojo +2
Azul -2
8 cms.
10 cm
6 cm
Si sumamos estas diferencias de la altura respecto del promedio, tenemos
0 + 0 + 0 + 0 + 2 + 0 + 0 – 2 + 0 = 0
Este valor nos parece indicar que ¡no ha habido variabilidad! Y sin
embargo, ante nuestros ojos, sabemos que hay variación.
![Page 83: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/83.jpg)
…la varianza
8 cms.
10 cms
6 cms
Una forma de eliminar los signos negativos:
es elevar al cuadrado todas las diferencias, y luego sumar...
02 + 02 + 02 + 02 + 22 + 02 + 02 + (– 2)2 + 02 = 8
Y este resultado repartirlo entre todos los rectángulos, es decir lo
dividimos por el número de rectángulos que es 9
02 + 02 + 02 + 02 + 22 + 02 + 02 + (– 2)2 + 02 =
9 9
8= 0,89
![Page 84: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/84.jpg)
…la varianza es entonces?
8 cms.
10 cms
6 cms
Se dice entonces que la varianza fue de 0,89 cm2
![Page 85: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/85.jpg)
La desviación estándar
• Medida de variación de todos los valores con respecto a la media.
• Simbología s (para la muestra)
• Positivo y si es cero lo valores son el mismo número.
• Las unidades de desviación estándar son las mismas de los datos originales (kg, pie, minutos, etc.)
![Page 86: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/86.jpg)
Fórmulas para Desviación estándar
Fórmula para la población
Fórmula para la muestra
σ
s =
=
![Page 87: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/87.jpg)
…Regresemos a los rectángulos
8 cm
10 cm
6 cm
La varianza fue de 0,89
0,89 0,943=
La raíz cuadrada de la varianza se llama desviación estándar
![Page 88: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/88.jpg)
Que nos dice la desviación estándar?
8 cm
10 cm
6 cm
Que la desviación estándar haya sido de 0,943 significa que en promedio la
altura de los rectángulos variaron (ya sea aumentando, ya sea
disminuyendo) en 0,943 centímetros.
Es claro que esta situación es “en promedio”, puesto que sabemos que
los causantes de la variación fueron los rectángulos quinto y octavo.
Esta variación hace repartir la “culpa” a todos los demás rectángulos
que se “portaron bien”.
La desviación estándar mide la dispersión de los datos respecto del
promedio
![Page 89: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/89.jpg)
…la varianza
8 cm
10 cm
6 cm4 cm
8 cm 8 cm 8 cm7 cm
8 cm
¿Cuál es la varianza y la desviación estándar de las alturas de los rectángulos?
En primer lugar debemos calcular el promedio
8 + 4 + 8 + 8 + 10 + 8 + 7 + 6 + 8
9= 7,44
Luego debemos calcular la varianza
![Page 90: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/90.jpg)
…la varianza
8 cm
10 cm
6 cm4 cm
8 cm 8 cm 8 cm7 cm
8 cm
Promedio
7,44
0,56-3,44
0,56 0,56 2,56 0,56 -0,44 -1,44
0,56
0,562 + (-3,44)2 + 0,562 + 0,562 + 2,562 + 0,562 + (-0,44)2 + (-1,44)2 + 0,562
9
22,2224
9=
= 2,469Este es el valor de la varianza
![Page 91: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/91.jpg)
…la varianza10 cm
8 cm
6 cm4 cm
8 cm 8 cm 8 cm7 cm
8 cm
Promedio
7,44
Si la varianza fue de 2,469, entonces la desviación estándar es de...
2,469 1,57=
Lo que significa que, en promedio, los rectángulos se desviaron más o
menos (más arriba o más abajo) en 1,57 cm.
![Page 92: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/92.jpg)
• COEFICIENTE DE VARIACION (%)
– Grado de precisión del diseño y la conducción del experimento.
100xS
CV =
![Page 93: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/93.jpg)
Ejemplo de interpretación de CV
• Si el CV 0-10 %
• Si el CV 10-15%
• Si el CV 15-25 %
• Si el CV >25 %
MUY BUENO
BUENO
MALO
A DESECHAR
![Page 94: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/94.jpg)
Tema 4:Medidas de posición
Maestría en Ciencias de la EducaciónEstadística en Educación
Mgs. Edmundo Recalde Posso
![Page 95: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/95.jpg)
MEDIDAS DE POSICIÓN
- Cuartiles
- Quintiles
- Centiles
![Page 96: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/96.jpg)
Cuartiles
Q1 Q3Q2
0% 50% 75% 100%25%
�� � �� �
��4 �� � 1�
������ � �� �
��4 �� � 1�
����
K = 1, 2, 3
![Page 97: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/97.jpg)
Quintiles
Q1 Q3Q2
0% 40% 60% 100%20%
�� � �� �
��5 �� � 1�
������ � �� �
��5 �� � 1�
����
K = 1, 2, 3, 4
Q4
80%
![Page 98: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/98.jpg)
Centiles
0% 100%
�� � �� �
��100
�� � 1�
������ � �� �
��100
�� � 1�
����
K = 1, 2, 3, …, 99
![Page 99: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/99.jpg)
Medidas de forma
- Medidas de asimetría
- Curtosis.
![Page 100: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/100.jpg)
Medidas de asimetría
![Page 101: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/101.jpg)
Medidas de asimetría
g1=0g1>0
g1<0
http://www.spssfree.com/spss/analisis3.html
![Page 102: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/102.jpg)
Curtosis
http://www.uv.es/ceaces/base/descriptiva/curtosis.htm
![Page 103: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/103.jpg)
![Page 104: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/104.jpg)
![Page 105: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/105.jpg)
Curtosis
Fórmula de cálculo (g2)
• g2=0 (MESOCÚRTICA) +/- 0,5.
• g2>0 (LEPTOCÚRTICA)
• g2<0 (PLATICÚRTICA)
![Page 106: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/106.jpg)
Asimetría y curtosis
Si g1= +/- 0,5
Y g2= +/- 0,5
Distribución normal
Distribución NO normal
SI
NO
INFERENCIA
![Page 107: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/107.jpg)
La distribución normal
Estadística en Educación
Ing. Edmundo Recalde, MBA
![Page 108: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/108.jpg)
Distribución normal
• Distribucion de poisson
![Page 109: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/109.jpg)
Medidas de posicionamiento relativo
![Page 110: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/110.jpg)
Introducción
- Abraham Moivre (1667-1754). -Desarrollo
- Friedrich Gauss (1777-1855) –Ecuación de la curva.
Es la distribución de probabilidad más importante en estadística.
En Educación la mayoría de los casos se aproximan a una distribución normal.
![Page 111: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/111.jpg)
Características
• Asintótica.
• Area total =1.
• Simétrica.
• Se debe transformar cualquier valor de la variable a una variable normal tipificada.
Fuente de la imagen: http://www.uv.es/ceaces/pdf/normal.pdf
![Page 112: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/112.jpg)
Características
![Page 113: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/113.jpg)
La campana de Gauss
Fuente de imagen: http://rudy-gonzalez.blogspot.com/2010/09/distribucion-normal.html
![Page 114: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/114.jpg)
Distribución normal tipificada
Fuente imagen: http://www.disfrutalasmatematicas.com/datos/distribucion-normal-estandar.html
![Page 115: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/115.jpg)
Puntuación z
• Se calcula convirtiendo un valor a una escala estandarizada
Número de desviaciones estándar que un valor x
se encuentra por arriba o por debajo de la media
σ
µ−=
XZ
s
XZ
−=
![Page 116: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/116.jpg)
Criterios de puntuaciones z
Valores infrecuentes Valores infrecuentesValores comunes
-1-2-3 0 1 2 3
![Page 117: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/117.jpg)
Ejemplo
• Michael Jordan mide: 78 pulgadas (NBA)
• Rebecca Lobo mide 76 pulgadas (WNBA)
• Los hombres: media 69 pulgadas (S = 2.8 )
• Las mujeres: Media 63.6 pulg. (s= 2.5)
• Para comparar sus estaturas con respecto a las poblaciones de hombres y mujeres hay que estandarizar dichas estaturas.
![Page 118: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/118.jpg)
Resolución de ejemplo
• Transformamos a puntuaciones z:
– Jordan:z = 3.21
– Lobo: z = 4.96
• INTERPRETACION:– La estatura de Jordan está a 3.21 desviaciones estándar por arriba de
la media, pero la estatura de Lobo está a 4.96 desviaciones estándar
por arriba de la media.
• Es decir:– La estatura de Lobo entre las mujeres es relativamente mayor que la estatura
de Jordan entre los hombres.
![Page 119: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/119.jpg)
• Otro ejemplo:– Mugsy Bogues alcanzó el éxito con una
estatura de 5 pies y 3 pulgadas
– Estatura media de los hombres 69 pulg.
– Desviación estándar de 2.8 pulg.
– Quien desea calcular z =?.
![Page 120: Jornada 1 y 2](https://reader034.fdocuments.co/reader034/viewer/2022052316/558a9f51d8b42a3b518b457b/html5/thumbnails/120.jpg)
• Primero debemos tener las mismas unidades de medida, entonces:– 5 pies y 3 pulgas = 63 pulgadas.
QUE OBTENEMOS DE AQUÍ:
Siempre que un valor sea menor que la media, su puntuación z correspondiente será negativa.