Академический Документы
Профессиональный Документы
Культура Документы
IBOS300
Descripcin de la Asignatura
1
13-03-2017
Objetivos
Proveer con una slida base de conceptos y aplicacin de mtodos
estadsticos que apoyen el trabajo de investigacin y que permita
continuar con estudios avanzados de otros mtodos estadsticos.
Estadstica
Se puede dividir en dos grandes ramas:
Estadstica descriptiva que se encarga de
resumir la informacin contenida en los datos
empleando estadsticos.
2
13-03-2017
Mtodo Cientfico
Experimentacin Poblacin
Probabilidad Inferencia
Estadstica
Razonamiento
Muestra
Medicin Estadstica
Descriptiva
Datos
Conceptos Estadsticos
Poblacin
Coleccin de todos los objetos que son de inters
para un estudio: finita o infinita.
Muestra
Seleccin de una parte representativa de la
poblacin.
3
13-03-2017
Poblacin y Muestra
N = 60
n = 10
Conceptos Estadsticos
Parmetro
Es una constante que describe una poblacin.
Variable
Cualquier caracterstica que pueda variar de
una unidad a otra.
4
13-03-2017
Un parmetro se ESTIMA
n N
y i y
i =1
i
y= i =1 y =
n N
Y = 0 + 1 X +
Tipos de Estimaciones
Estimacin Puntual, provee de una descripcin especfica de la
poblacin a travs de estadsticos descriptivos muestrales.
n
yi =1
i
y=
n
y t ( n1),1 / 2 s y
5
13-03-2017
Tipos de Variables
Variables Cualitativas
Las observaciones son asignadas a una
determinada clase (ej. Sano o Enfermo); siendo
stas excluyentes.
Variables Cuantitativas
Consideran la medicin de alguna caracterstica
de inters.
Otra clasificacin
Variables Continuas
Puede tomar cualquier valor
dentro de un intervalo.
Ej. Altura de una plntula en
vivero.
Variables Discretas
Finito nmero de posibles
valores.Ej. Nmero de hojas
de la misma plntula.
6
13-03-2017
Escalas de Medida
Para la medicin de variables se han definido
cuatro escalas de medida:
Escala Nominal
Escala Ordinal
Escala de Intervalo
Escala de Razn
Escala NOMINAL
Se aplica cuando la variable de inters tiene
asociado un atributo.
7
13-03-2017
Escala ORDINAL
Se aplica cuando la variable de inters tiene
asociado un atributo que representa un orden
implcito.
Escala de INTERVALO
Existe un punto de medicin cero, pero es
relativo y dependiente de la unidad de medida.
8
13-03-2017
Escala de RAZN
Existe un punto de medicin cero que tiene
Una interpretacin fsica y que es independiente
de la unidad de medida.
Transformacin de Unidades
Escala de Intervalo (F a C)
C = 0.556(F-32)
CM = 2.54 PULG
9
13-03-2017
Conceptos Estadsticos
Exactitud
Cercana entre un valor estimado y su valor real.
Precisin
Grado de concordancia entre mediciones
sucesivas.
Sesgo
Error sistemtico.
Sesgado Insesgado
xx
xx
xxx
Preciso xx x
xxxx
x
x x
Impreciso x
x x xx
xx x
xx x
10
13-03-2017
IBOS300
Fundamentos de
Probabilidad
Teora de Probabilidad
Desarrollar y estudiar modelos matemticos para fenmenos
aleatorios cuyos resultados no pueden predecirse con exactitud.
Resultado (outcome)
Corresponde a cada uno de los elementos del espacio muestral
(o resultados posibles de un experimento).
11
13-03-2017
Teora de Probabilidad
Evento (E)
Se define como una subconjunto de resultados del espacio
muestral.
Espacio de Probabilidad
1. La probabilidad de un evento E contenido en S.
0 P(E) 1 para todo E S
P(S) = 1
12
13-03-2017
P(Ec) = 1 P(E)
E S
Dado que E y Ec son eventos mutualmente
excluyentes y S = E U Ec, entonces por
aditividad:
P(S) = P(E) + P(Ec)
P() = 1 + P(S) = 0
Si E un subevento de F entonces:
F S P(E) P(F)
y
E
P(F-E) = P(F) P(E)
Por lo tanto,
13
13-03-2017
Por lo tanto,
P( A B) = P(A) + P(B)
A B
A B
14
13-03-2017
Interpretaciones de Probabilidad
Clsica, que asume que todos los posibles eventos tienen
igual probabilidad.
NA NA
P( A) = P( A) = 1 P( A) = 1 -
N N
Ejemplo:
Si se lanzan dos dados Cual es la probabilidad que la suma
de ambos sea menor o igual a 4 ?.
P(S <= 4) = ?
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
15
13-03-2017
Probabilidad Condicional
Eventos no excluyentes Eventos excluyentes (independientes)
S S
Ejemplo:
Demostrar que si se lanza una moneda en dos oportunidades
la probabilidad de obtener caras en cada uno de los
lanzamientos es INDEPENDIENTE.
Eventos A : obtener cara en el primer lanzamiento.
B : obtener cara en el segundo lanzamiento.
16
13-03-2017
nk
n!
n Pk =
(n k )!
17
13-03-2017
n!
n Ck =
k!(n k )!
Consideremos {a, b, c, d}
Permutacin Combinacin
4 P 3 = 24 4 C3 = 4
18