Вы находитесь на странице: 1из 3

1. ¿Cuándo se puede usar estadígrafos para hacer análisis de datos?

(consulte significado de estadígrafo)

El término de estadígrafo hace referencia a las medidas de análisis que permiten hallar un
valor numérico, el mismo que representa a una población o muestra en estudio; se vale de
datos recolectados a fin de obtener como conclusión un número real, en base a la estimación
de parámetros. Estos pueden ser usados como valores de distribuciones de probabilidad,
sobre los cuales se logran establecer inferencias estadísticas, a través del contraste entre la
hipótesis y los intervalos de confianza. Entre las más importantes se definen las medidas de
tendencia central (media, mediana, moda); las medidas de posición (deciles, cuartiles,
percentiles) y las medidas de dispersión (desviación estándar, varianza, coeficiente de
variación). (Rustom, A. 2012).

Se recomienda su aplicación cuando se disponga de datos relativamente homogéneos y


cuando las conclusiones a obtener únicamente sean referenciales para el manejo de
condiciones que posteriormente definan decisiones.

Antonio Rustom J. 2012. ESTADÍSTICA DESCRIPTIVA, PROBABILIDAD E INFERENCIA. Una visión


conceptual y aplicada. Facultad de Ciencias Agronómicas. Universidad de Chile

2. ¿Es la estadística una herramienta que siempre nos permite responder a


preguntas de series de datos? (ver adjunto sobre distribuciones
estadísticas y consulte sobre inferencia Bayesiana)

Una distribución estadística describe la disposición de los valores para un campo


específico, es decir se muestran los valores comunes y no comunes. Muchas de las
veces se utilizan distribuciones estadísticas para determinar cuál sería la probabilidad
de un valor concreto. Bajo este precepto, la estadística puede ser usada con gran
fidelidad, cuando los datos a ser estudiados presentan una homogeneidad relativa y
cuando las conclusiones a las que se quiere llegar sean simplemente referenciales.

La inferencia bayesiana es un tipo de inferencia estadística en la que las evidencias u


observaciones se emplean para actualizar o inferir la probabilidad de que una hipótesis pueda
ser cierta. La incertidumbre y la imprecisión son connaturales en el proceso de razonamiento.
La lógica establece unas reglas de inferencia a partir de las cuales se construye el sistema de
razonamiento deductivo, en el que una proposición determinada es considerada como cierta o
falsa, sin que se admitan grados entre estos dos extremos. (Rustom, A. 2012).

Antonio Rustom J. 2012. ESTADÍSTICA DESCRIPTIVA, PROBABILIDAD E INFERENCIA. Una visión


conceptual y aplicada. Facultad de Ciencias Agronómicas. Universidad de Chile
 Cómo se eliminan datos que son anómalos? (outliers) (consulte qué es un
dato outlier en una serie de datos? (ya le proporcioné la idea en clase))

Se denominan casos atípicos u outliers a aquellas observaciones con características


diferentes de las demás. Este tipo de casos no pueden ser caracterizados
categóricamente como benéficos o problemáticos, sino que deben ser contemplados
en el contexto del análisis y debe evaluarse el tipo de información que pueden
proporcionar.
Su principal problema radica en que son elementos que pueden no ser representativos
de la población pudiendo distorsionar seriamente el comportamiento de los contrastes
estadísticos.

Dos de las pruebas estadísticas utilizadas con mayor frecuencia en un grupo de datos
son la prueba de Dixon y la prueba de Grubbs.

Es importante mencionar que se deben considerar los datos gráficamente para


identificar la presencia de más de un outlier.

Las pruebas estadísticas se utilizan para identificar valores atípicos, no para retirarlos
del grupo de datos.

Técnicamente, una observación anómala no debe retirarse a menos que una


investigación halle una causa probable para justificar esta acción.

Si la investigación demuestra que no existe una causa probable para este dato
anómalo, un enfoque sería realizar un análisis de datos con el valor atípico y sin él. Si
las conclusiones son diferentes, entonces se considera que el valor atípico tiene
influencia y esto debería indicarse en el informe. Otra opción es utilizar estimadores
rigurosos para caracterizar los grupos de datos, tal como la mediana de la muestra en
lugar de la media.

Manejo de valores atípicos, Thomas Murphy y Alex T. Lau, ASTM Standardization News,
noviembre 2008.

 ¿Una serie de datos tiene un comportamiento aleatorio normal? (consulte


lo que significa distribución normal)

La distribución normal es una distribución con forma de campana denominada


Campana de Gauss donde las desviaciones estándar sucesivas con respecto a la
media establecen valores de referencia para estimar el porcentaje de
observaciones de los datos. Estos valores de referencia son la base de muchas
pruebas de hipótesis, como las pruebas Z y t.

Propiedades de la distribución normal:

La distribución normal posee ciertas propiedades importantes que conviene destacar:

i. Tiene una única moda, que coincide con su media y su mediana.

ii. La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre y es
teóricamente posible. El área total bajo la curva es, por tanto, igual a 1.
iii. Es simétrica con respecto a su media . Según esto, para este tipo de variables existe una
probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un
dato menor.
iv. La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una
desviación típica ( ). Cuanto mayor sea , más aplanada será la curva de la densidad.
v. El área bajo la curva comprendido entre los valores situados aproximadamente a dos
desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95% de

posibilidades de observar un valor comprendido en el intervalo .


vi. La forma de la campana de Gauss depende de los parámetros y (Figura 3). La media
indica la posición de la campana, de modo que para diferentes valores de la gráfica es
desplazada a lo largo del eje horizontal.

Antonio Rustom J. ESTADÍSTICA DESCRIPTIVA, PROBABILIDAD E INFERENCIA. Una visión


conceptual y aplicada. 2012, Santiago de Chile

Вам также может понравиться