TEMA 1 Estadística Descriptiva
description
Transcript of TEMA 1 Estadística Descriptiva
1
TEMA 1Estadística Descriptiva
IntroducciónComparativos gráficosMedidas de tendencia
centralMedidas de dispersión
2
¿Haz escuchado el término de estadística?
•A diario recibimos muchos datos ó información… en conversaciones, libros y televisión, acerca de estadísticas.
•Casi cualquier estudio científico usa la estadística como herramienta para reportar resultados.
3
Importancia de la Estadística La estadística es una herramienta muy útil
que nos ayuda a tomar decisiones en un ambiente de incertidumbre, es decir, dónde esta presente la variabilidad.
Ejemplos: En Planeación de la producción, saber cuánto
voy a comprar de materiales de acuerdo a lo que se espera sean las ventas (pronóstico estadístico).
En la naturaleza hay variabilidad. Un animador digital es capaz de “imitar” la variabilidad de la naturaleza en sus diseños.
4
Población y Muestra
MuestraPoblación
5
¿Qué tienen en común estos objetivos? El valor de la característica de interés cambia de individuo a
individuo (la inflación, el número de glóbulos rojos, la puntuación en matemáticas, la evaluación a los profesores de cursos en el área de las matemáticas, el clima organizacional, el nivel de desempeño laboral).
A estas características les llamaremos variables. Se representan con letras mayúsculas, y los valores que toma con letras minúsculas
X = Número de estudiantes que llegan tarde x=0, 1, 2,…, 15 El individuo puede ser una persona, un país, un producto de la
línea de producción, etc. Dato: Es el valor de la variable observado en un individuo Ejemplo de variable: temperatura en Monterrey en un día
de Enero 0°C, 17°C representan dos datos diferentes.
6
Estadística inferencial
(se apoya en la probabilidad)
Estadística descriptiva
Ramas de la Estadística
La estadística es la rama de la investigación científica que proporciona
métodos para organizar y resumir información
y usar ésta para obtener diversas conclusiones
7
Estadística Descriptiva
Estadística Descriptiva
Distribuciones de frecuencias(tabulación de
datos)
Representaciones gráficas
Medidas descriptivas
Tendencia central
Dispersión
Histograma
Diagrama de barras
Diagrama de pastel
8
¿Cuál es la finalidad de un gráfico?
Por medio de un gráfico se puede visualizar el comportamiento de un conjunto de datos. Un gráfico habla más que mil palabras. Dependiendo si la variable es cualitativa ó cuantitativa, se selecciona el tipo de gráfico.
9
Resúmenes gráficosReflexión
Observa la escala en cada gráfica.
10
Nivel Educativo Número de casos (frecuencia absoluta)
Frecuencia Relativa
Número ACUMULADO de casos (frecuencia ACUMULADA)
Frecuencia Relativa ACUMULADA
Primaria o menos 12 0.12 12 0.12Secundaria 26 0.26 38 0.38Preparatoria 45 0.45 83 0.83Profesional o postgrado 17 0.17 100 1.00
Total 100 1.00
¿Qué información brinda una tabla de frecuencias?¿Para qué tipos de variables, cualitativas ó cuantitativas, se puede usar una tabla de frecuencias?¿Qué es frecuencia absoluta?, ¿Qué es frecuencia relativa? ¿Qué es frecuenciaAcumulada?Para la siguiente tabla, distingue qué tipo de variable es el nivel educativo. ¿Qué proporción de individuos tiene al menos estudios de preparatoria?
11
Histograma El objetivo de un
histograma es resumir la información de una variable cuantitativa.
Pasos: Se secciona la
información en clases ó intervalos
Se cuenta el número de datos en cada clase. Esta se llama frecuencia
Se puede calcular la frecuencia relativa
Se grafica un histograma, teniendo como eje “x” las clases, como eje “y” las frecuencias ó frecuencias relativas. En cada clase se dibuja un rectángulo que tiene como altura su frecuencia ó frecuencia relativa.
Sesgo a la derecha
12
¿Cómo construir un histograma?
1. Ordenar los datos2. Obtener el Rango: Max-Min3. Definer el número de clases.
4. Definir la amplitud de clase
5. Generar la tabla de Frecuencia6. Dibujar el histograma
MinMaxA nclasesn .
nMinMaxAmplitud
DatoHemoglobina
(gr/cm3)
1 18.5
2 8.2
3 10.6
4 16.7
5 6.2
6 16.9
7 13
8 10.1
9 9.1
10 11.9
11 14.1
12 15.8
13 14.4
14 10.7
15 11.6
16 11.9
17 9.3
18 12.1
19 15
20 14.7
Paso 1. Determine la cantidad de datos (n)
n=20
Distribución de Frecuencias
Paso 2. Ordene los datos de menor a mayor
Distribución de FrecuenciasDato
Hemoglobina (gr/cm3)
Hemoglobina (ordenados)
1 18.5 6.2
2 8.2 8.2
3 10.6 9.1
4 16.7 9.3
5 6.2 10.1
6 16.9 10.6
7 13 10.7
8 10.1 11.6
9 9.1 11.9
10 11.9 11.9
11 14.1 12.1
12 15.8 13
13 14.4 14.1
14 10.7 14.4
15 11.6 14.7
16 11.9 15
17 9.3 15.8
18 12.1 16.7
19 15 16.9
20 14.7 18.5
Paso 3. Identifique el Valor Mayor (VM) y el Valor menor (Vm)
VM =18.5Vm = 6.2
Distribución de FrecuenciasDato
Hemoglobina (gr/cm3)
Hemoglobina (ordenados)
1 18.5 6.2
2 8.2 8.2
3 10.6 9.1
4 16.7 9.3
5 6.2 10.1
6 16.9 10.6
7 13 10.7
8 10.1 11.6
9 9.1 11.9
10 11.9 11.9
11 14.1 12.1
12 15.8 13
13 14.4 14.1
14 10.7 14.4
15 11.6 14.7
16 11.9 15
17 9.3 15.8
18 12.1 16.7
19 15 16.9
20 14.7 18.5
Distribución de Frecuencias Representación Gráfica
Se establecen los límites entre los que se encuentran todos los datos de la muestra.
6.2 VM=18.5Vm=
Paso 4. Obtenga el Rango (R)
R = VM - Vm R = 18.5 - 6.2
R = 12.3
Distribución de FrecuenciasDato
Hemoglobina (gr/cm3)
Hemoglobina (ordenados)
1 18.5 6.2
2 8.2 8.2
3 10.6 9.1
4 16.7 9.3
5 6.2 10.1
6 16.9 10.6
7 13 10.7
8 10.1 11.6
9 9.1 11.9
10 11.9 11.9
11 14.1 12.1
12 15.8 13
13 14.4 14.1
14 10.7 14.4
15 11.6 14.7
16 11.9 15
17 9.3 15.8
18 12.1 16.7
19 15 16.9
20 14.7 18.5
Distribución de Frecuencias Representación Gráfica
Se obtiene la distancia que hay entre el límite inferior y el límite superior.
6.2 VM=18.5Vm=
R= VM – Vm
R= 18.5 - 6.2R= 12.3
Paso 5. Obtenga el número aproximado de intervalos (k)
k = sqrt(n)
Tenemos que n=20 por lo tanto
k = sqrt(20)
k = 4.47
Redondeandok ≈ 5
Distribución de FrecuenciasDato
Hemoglobina (gr/cm3)
Hemoglobina (ordenados)
1 18.5 6.2
2 8.2 8.2
3 10.6 9.1
4 16.7 9.3
5 6.2 10.1
6 16.9 10.6
7 13 10.7
8 10.1 11.6
9 9.1 11.9
10 11.9 11.9
11 14.1 12.1
12 15.8 13
13 14.4 14.1
14 10.7 14.4
15 11.6 14.7
16 11.9 15
17 9.3 15.8
18 12.1 16.7
19 15 16.9
20 14.7 18.5
Distribución de Frecuencias Representación Gráfica
Se divide la sección que tenemos entre el número de grupos (clases) que se obtuvo con la fórmula (5 grupos)
6.2
1 2 43
18.5
5
R = 12.3
Paso 5. Obtenga la longitud de cada intervalo (W)
Distribución de FrecuenciasDato Hemoglobina
1 6.2
2 8.2
3 9.1
4 9.3
5 10.1
6 10.6
7 10.7
8 11.6
9 11.9
10 11.9
11 12.1
12 13
13 14.1
14 14.4
15 14.7
16 15
17 15.8
18 16.7
19 16.9
20 18.5
kRW
46.25
3.12 W
Dado que R = 12.3 y k ≈ 5
Distribución de Frecuencias Representación Gráfica
Se calcula el ancho que debe tener cada grupo (clase).
6.2
1 2 43
18.5
5
R=12.3
2.46 2.46 2.46 2.46 2.46
Paso 6. Construya los 5 intervalos con una longitud de 2.46.
Distribución de FrecuenciasDato Hemoglobina
1 6.2
2 8.2
3 9.1
4 9.3
5 10.1
6 10.6
7 10.7
8 11.6
9 11.9
10 11.9
11 12.1
12 13
13 14.1
14 14.4
15 14.7
16 15
17 15.8
18 16.7
19 16.9
20 18.5
[6.2,8.66)
[8.66,11.12)
[11.12,13.58)
[13.58,16.04)
[16.04,18.5]
Corchetes [ ]: Se incluye el valor en el Intervalo
Paréntesis (): No se Incluye el valor en el Intervalo
Distribución de Frecuencias Representación Gráfica
Se establecen los valores que separan un grupo (clase) de otro.
6.2 18.5
2.46 2.46 2.46 2.46 2.46
8.66 11.12 16.0413.58
R=12.3
Paso 7. Identifique y cuente los datos que caen dentro de cada Intervalo.
Distribución de FrecuenciasDato Hemoglobina
1 6.2
2 8.2
3 9.1
4 9.3
5 10.1
6 10.6
7 10.7
8 11.6
9 11.9
10 11.9
11 12.1
12 13
13 14.1
14 14.4
15 14.7
16 15
17 15.8
18 16.7
19 16.9
20 18.5
Intervalo Datos fi
[6.2,8.66) 6.2,8.2 2
[8.66,11.12) 9.1,9.3,10.1,10.6,10.7 5
[11.12,13.58) 11.6,11.9,11.9,12.9,13 5
[13.58,16.04) 14.1,14.4,14.7,15,15.8 5
[16.04,18.5] 16.7,16.9,18.5 3
fi : Frecuencia Absoluta
De esta manera se obtiene la distribución de Frecuencia Absolutas
Distribución de Frecuencias
fi : Frecuencia Absoluta
Intervalo fi [6.2,8.66) 2
[8.66,11.12) 5
[11.12,13.58) 5
[13.58,16.04) 5
[16.04,18.5] 3
Total 20
Distribución de Frecuencias Representación Gráfica
A esta gráfica se le conoce como histograma de frecuencias absolutas.
6.2
1234567
8.66 11.12 16.0413.58 18.5
Frec
uenc
ia
Niveles de Hemoglobina en la Sangre (gr/cm3)
Para obtener las frecuencia relativas (hi ) divida cada frecuencia absoluta entre el Total
Distribución de Frecuencias
fi : Frecuencia Absoluta
Intervalo fi hi
[6.2,8.66) 2 2/20 0.1
[8.66,11.12) 5 5/20 0.25
[11.12,13.58) 5 5/20 0.25
[13.58,16.04) 5 5/20 0.25
[16.04,18.5] 3 3/20 0.15
Total 20 20/20 1
Distribución de Frecuencias Representación Gráfica
Cuando se grafican las frecuencias relativas se conoce como histograma de frecuencias relativas y se representan en porcentajes.
6.2
510152025
8.66 11.12 16.0413.58 18.5
Frec
uenc
iaR
elat
iva
(%)
Niveles de Hemoglobina en la Sangre (gr/cm3)
3035
La frecuencia absoluta acumulada (fai) y la frecuencia relativa acumulada (hai ) es la suma de las frecuencias anteriores
Distribución de Frecuencias
Intervalo fi faihi hai
[6.2,8.66) 2 2 0.1 0.1
[8.66,11.12) 5 7 0.25 0.35
[11.12,13.58) 5 12 0.25 0.6
[13.58,16.04) 5 17 0.25 0.85
[16.04,18.5] 3 20 0.15 1
Total 20 1
Distribución de Frecuencias Representación Gráfica
6.2
1234567891011121314151617181920
8.66 11.12 16.0413.58 18.5Niveles de Hemoglobina en la Sangre (gr/cm3)
Frec
uenc
ia A
bsol
uta
Acu
mul
adaCuando se
grafican las frecuencias absolutas
acumuladas se conoce como histograma de
frecuencias absolutas
acumuladas
32
Completa los espacios en blanco en la siguiente tabla de frecuencias. La variable de estudios son los años de escolaridad de los adultos de cierta colonia.
frecuencia frecuencia acumulada
frecuencia relativa
frecuencia relativa
acumulada
0 - 6 años 36 10.7%
7 - 9 años 38.5%
10 - 12 años 72.5%
13 - 17 años 97.0%
18 - 22 años 100.0%
Total 335 -- 100% --
33
Solución:
frecuencia frecuencia acumulada
frecuencia relativa
frecuencia relativa
acumulada
0 - 6 años 36 36 10.7% 10.7%
7 - 9 años 93 129 27.8% 38.5%
10 - 12 años 114 243 34.0% 72.5%
13 - 17 años 82 325 24.5% 97.0%
18 - 22 años 10 335 3.0% 100.0%
Total 335 -- 100% --
Asociadas a ideas como: valor esperado, representante de los datos, punto de equilibrio.
Medidas de centralización
Media aritmética
Mediana
ModaTambién llamadas medidas de localización.
Media aritméticaSe representa por x y se calcula sumando todos los datos y dividiéndolos entre el total de ellos.
muestra para n
xx
Ejemplo, 2,2, 3, 3, 4, 5, 5, 7 su media es 31/8 = 3.875
suma dato x
datos de número N on aritmética Media o x
población para N
x
El Vaticano tiene un promedio de dos Papas por
kilómetro cuadrado.
Valor de los datos que ocupa la posición central cuando los datos se ordenan según su tamaño.
Ejemplos, 2,2, 3, 3, 4, 5, 5, 7 su mediana es 3 ó 4, o bien 3.5 si tiene sentido, según el tipo de datos.A, A, A, A, B, B, B, C, C, C, C, D, D, D, F Su mediana es C
7 datos 7 datosMediana
Mediana
• Mediana Muestral: se obtiene al ordenar primeramente las n observaciones de menor a mayor, (incluyendo valores repetidos). Entonces:
• Si n es impar = (n + 1)/2 valor ordenado• Si n es par = promedio de (n/2)ésimo y (n/2 + 1)ésimo
valores ordenados
Ejemplo salarios en dolares30.70 34.1 33.8 32.50 32.90 34.5 36.0
• Moda: Es el valor que más se repite en conjunto de datos
Ejemplo, 2, 2, 2, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5, 5, 7 en este caso es bimodal (hay dos modas) y son 3 y 5.
A, A, A, A, A, B, B, B, C, C, C, C, D, D, D, FLa moda es A
Moda
Una distribución simétrica es la que se puede dividir en dospartes iguales. En estas distribuciones el valor de la media, mediana y moda son iguales.
¿Qué es una distribución simétrica?
Distribución Normal
Características: Simetría alrededor
de Forma de campana La mayoría de los
datos se encuentran a una distancia de tres desviaciones estándar de la media.
¿Cómo es una distribución sesgada hacia la derecha ó con sesgo positivo?
En este caso, la media es mayor que la mediana.
La mediana divide a un conjunto de datos en dos. Pero en este caso, el 50% de los datos menores a la mediana están más concentrados y el 50% de los datos mayor a ella, están más alejados entre sí.
¿Cómo es una distribución sesgada hacia la izquierda ó con sesgo negativo?
En este caso, la media es menor que la mediana.
La mediana divide a un conjunto de datos en dos. Pero en este caso, el 50% de los datos menores a la mediana están más alejados entre sí y el 50% de los datos mayor a ella, están más concentrados.
Medidas de dispersión
Asociadas a ideas como: variación, dispersión entre los datos, distancia de los datos respecto a una medida de centralización, …
Rango
Varianza
Desviación estándar
Medidas de Dispersión
También se conocen como medidas de variabilidad.
Las medidas de tendencia central pueden no ser suficientes para describir totalmente un conjunto de datos.
0 1 2 3 4 5 6 7 8 9 10 11
• ¿Cuál es la diferencia?• ¿Qué se puede hacer
para describir mejor cada muestra?
1:
2:
3:
Estas 3 muestras son idénticas en su media y su mediana,
Rango
Es la diferencia entre el mayor y el menor de los datos. Rango R = Max – Min
EjemploDe los datos 2, 2, 2, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5, 5, 7El rango es R=7 – 2 = 5
Varianza
1)( 2
2
n
xxs N
x
22 )(
muestra Población
s2 = varianzax = dato = media aritmética de la muestran = tamaño de la muestrax
= varianzax = dato = media aritmética de la poblaciónn = tamaño de la población
2
Desviación estándar
1)( 2
n
xxs N
x
2)(
muestra Población
s = desv. Estándar x = dato = media aritmética de la muestran = tamaño de la muestrax
= desv. estándarx = dato = media aritmética de la poblaciónn = tamaño de la población
48
1. Determina el rango, la varianza y la desviación estándar para los siguientes datos:
2 4 3 5 2 2 0 1
R = Rango 5; Varianza 2.5536 y Desviación Estándar 1.5980
2. Determina el rango, la varianza y la desviación estándar para los siguientes datos:
-2 -4 -3 -5 -2 -2 0 -1R = Rango 5; Varianza 2.5536 y Desviación Estándar 1.5980
3. Determina el rango, la varianza y la desviación estándar para los siguientes datos:
6 12 9 15 6 6 0 3R = Rango 15; Varianza 22.9821 y Desviación Estándar 4.7940
Ejercicio:
49
1. La mitad de los datos están por debajo de la media.2. Cuando hay dos valores que se repiten más que los demás se dice que la
moda no existe.3. La mediana es el dato que se presenta en un 50% de las veces.4. Al comparar dos grupos de datos del mismo tipo de medición, el grupo que
tiene menor varianza es el que tiene una mayor concentración de datos cerca de su media.
5. En un tabla de frecuencias, la suma de las frecuencias relativas es 1.0.6. La media y la mediana son medidas de tendencia central e indican la
ubicación (locación) central de los datos.
Indica si las siguientes expresiones son siempre verdaderas (V) o no necesariamente verdaderas (F):
50
7. Si la media aritmética de un grupo de n datos es positiva, entonces los n datos son no-negativos.
8. La varianza de cualquier base de datos debe ser no negativa.9. La desviación estándar entre los datos: 8, 8, 8, 8, 8, 8, 8, es mayor a
cero. (Sin realizar cálculos).10. El rango no puede tomar valores negativos.
Indica si las siguientes expresiones son siempre verdaderas (V) o no necesariamente verdaderas (F):