Академический Документы
Профессиональный Документы
Культура Документы
Distribución de Frecuencia
Medidas de Tendencia Central, Posición y Variabilidad
Probabilidad
Variables Aleatorias y Distribuciones de Probabilidad
ESTADÍSTICA DESCRIPTIVA
Notas de clase
Universidad de Córdoba
25 de marzo de 2017
Contenido
1 Conceptos Básicos
Introducción
Deniciones
2 Distribución de Frecuencia
Distribución de Frecuencia
Distribución de Frecuencia para datos agrupados
Representación Gráca de datos
3 Medidas de Tendencia Central, Posición y Variabilidad
Medidas de Tendencia Central
Medidas de Posición
Medidas de Dispersión
Técnicas de Conteo
4 Probabilidad
Conceptos de Probabilidad
Probabilidad Clásica
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos
Distribución de Frecuencia Introducción
Medidas de Tendencia Central, Posición y Variabilidad Deniciones
Probabilidad
Variables Aleatorias y Distribuciones de Probabilidad
¾Qué es estadística?
¾Qué es estadística?
Estadística
Usos
Estadística
Usos
Estadística
Usos
X
La estadística surge de la necesidad de describir y comprender la
variabilidad
La variabilidad
Clasicación
Estadística Descriptiva
Estadística Inferencial
Clasicación
Estadística Descriptiva
Estadística Inferencial
Deniciones
Población
Parámetro
Deniciones
Población
Parámetro
Deniciones
Muestra
Estadístico
Deniciones
Muestra
Estadístico
Variable
Variables Cualitativas
Nominal
Ordinal
Variables Cualitativas
Nominal
Ordinal
Variables Cuantitativas
Discreta
Continua
Variables Cuantitativas
Discreta
Continua
Distribución de Frecuencia
Tipos de Frecuencia
Frecuencia Absoluta
Frecuencia Relativa
Tipos de Frecuencia
Frecuencia Absoluta
Frecuencia Relativa
Tipos de Frecuencia
Frecuencia Acumulada
Tipos de Frecuencia
Frecuencia Acumulada
Propiedades
Ejemplo
Xi fi Fi ni Ni
1
27 1 1
31 = 0, 032 0,032
28 2 3 0,065 0,097
29 6 9 0,194 0,290
30 7 16 0,226 0,516
31 8 24 0,258 0,774
32 3 27 0,097 0,871
33 3 30 0,097 0,968
34 1 31 0,032 1
31 1
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos
Distribución de Frecuencia Distribución de Frecuencia
Medidas de Tendencia Central, Posición y Variabilidad Distribución de Frecuencia para datos agrupados
Probabilidad Representación Gráca de datos
Variables Aleatorias y Distribuciones de Probabilidad
Conceptos
Límites de Clase Li y Ls :
Marca de Clase Xi :
La marca de clase es el punto medio de cada intervalo y es el valor
que representa a todo el intervalo para el cálculo de algunos
parámetros.
Conceptos
Límites de Clase Li y Ls :
Marca de Clase Xi :
La marca de clase es el punto medio de cada intervalo y es el valor
que representa a todo el intervalo para el cálculo de algunos
parámetros.
Conceptos
Límites de Clase Li y Ls :
Marca de Clase Xi :
La marca de clase es el punto medio de cada intervalo y es el valor
que representa a todo el intervalo para el cálculo de algunos
parámetros.
Conceptos
Numero de Intervalos:
R
Amplitud de la Clase A= I :
La amplitud de la clase es la diferencia entre el límite superior e
inferior de la clase.
Conceptos
Numero de Intervalos:
R
Amplitud de la Clase A= I :
La amplitud de la clase es la diferencia entre el límite superior e
inferior de la clase.
Ejemplo
36 30 47 60 32 35 40 50 54 35 45 52 48 58 60 38 32 35 56 48
30 55 49 39 58 50 65 35 56 47 37 56 58 50 47 58 55 39 58 45
R = Xmáx − Xmı́n = 65 − 30 = 35
2) Se calculando el número de intervalos
R 35
A= = = 5, 83 w 6
Ignacio Osuna Vergara 6 Estadística Descriptiva
I
Conceptos Básicos
Distribución de Frecuencia Distribución de Frecuencia
Medidas de Tendencia Central, Posición y Variabilidad Distribución de Frecuencia para datos agrupados
Probabilidad Representación Gráca de datos
Variables Aleatorias y Distribuciones de Probabilidad
Solución
Li Ls Xi fi Fi ni Ni
[30 - 36) 33 8 8 0, 2 = 20 % 20 %
[36 - 42) 39 6 14 15 % 35 %
[42 - 48) 45 5 19 13 % 48 %
[48 - 54) 51 7 26 18 % 65 %
[54 - 60) 57 11 37 28 % 93 %
[60 - 66] 63 3 40 8% 100 %
Diagrama de Barras
Diagrama de Barras:
Diagrama de Líneas
Diagrama de Líneas:
Diagrama Circular
Diagrama de Circular:
360°×fi
n → 360° αi = n
n
∑ xi
x1 + x2 + · · · + nn i=1
X= =
n n
n
∑ xi × fi
i=1
X=
n
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Medidas de Tendencia Central
Distribución de Frecuencia Medidas de Posición
Medidas de Tendencia Central, Posición y Variabilidad Medidas de Dispersión
Probabilidad Técnicas de Conteo
Variables Aleatorias y Distribuciones de Probabilidad
n
∑ xi
x1 + x2 + · · · + nn i=1
X= =
n n
n
∑ xi × fi
i=1
X=
n
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Medidas de Tendencia Central
Distribución de Frecuencia Medidas de Posición
Medidas de Tendencia Central, Posición y Variabilidad Medidas de Dispersión
Probabilidad Técnicas de Conteo
Variables Aleatorias y Distribuciones de Probabilidad
Mediana
Mediana
n
− Fi−1
2
Me = Li + A
fi
Donde;
Li : Límite inferior del intervalo de la clase mediana
n : Tamaño de la muestra o población
Fi−1 : Frecuencia absoluta acumulada del intervalo anterior, al
intervalo de la clase mediana
fi : Frecuencia absoluta del intervalo de la clase mediana
A : Amplitud del intervalo de la clase mediana (A = Ls − Li )
Moda
Moda
(fi − fi−1 )
Mo = Li + A
(fi − fi−1 ) + (fi − fi+1 )
Donde;
Li : Límite inferior del intervalo de la clase modal
fi : Frecuencia absoluta del intervalo de la clase modal
fi−1 : Frecuencia absoluta acumulada del intervalo anterior, al
intervalo de la clase modal
fi+1 : Frecuencia absoluta acumulada del intervalo posterior, al
intervalo de la clase modal
A: Amplitud del intervalo de la clase modal (A = Ls − Li )
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Medidas de Tendencia Central
Distribución de Frecuencia Medidas de Posición
Medidas de Tendencia Central, Posición y Variabilidad Medidas de Dispersión
Probabilidad Técnicas de Conteo
Variables Aleatorias y Distribuciones de Probabilidad
Conclusiones
La Media
nos indica el promedio de los datos; es decir, nos informa el valor
que obtendría cada uno de los individuos si se distribuyeran los
valores en partes iguales.
La Mediana
por el contrario nos informa el valor que separa los datos en dos
partes iguales, cada una de las cuales cuenta con el cincuenta
porciento de los datos.
La Moda
La Moda nos indica el valor que más se repite dentro de los datos.
Conclusiones
La Media
nos indica el promedio de los datos; es decir, nos informa el valor
que obtendría cada uno de los individuos si se distribuyeran los
valores en partes iguales.
La Mediana
por el contrario nos informa el valor que separa los datos en dos
partes iguales, cada una de las cuales cuenta con el cincuenta
porciento de los datos.
La Moda
La Moda nos indica el valor que más se repite dentro de los datos.
Conclusiones
La Media
nos indica el promedio de los datos; es decir, nos informa el valor
que obtendría cada uno de los individuos si se distribuyeran los
valores en partes iguales.
La Mediana
por el contrario nos informa el valor que separa los datos en dos
partes iguales, cada una de las cuales cuenta con el cincuenta
porciento de los datos.
La Moda
La Moda nos indica el valor que más se repite dentro de los datos.
Cuantiles
Cuantiles
Cuartiles
Qk = X( kn + 1 )
4 2
Deciles
Dk = X( kn + 1 )
10 2
...
Percentiles
Pk = X( kn + 1 )
100 2
...
Conclusiones
Cuartil
nos indica por debajo de que valor se encuentra el 25 % de los datos.
Décil
nos indica por debajo de que valor se encuentra el 10 % de los datos.
Percentiles
nos indica por debajo de que valor se encuentra el 1 % de los datos.
Conclusiones
Cuartil
nos indica por debajo de que valor se encuentra el 25 % de los datos.
Décil
nos indica por debajo de que valor se encuentra el 10 % de los datos.
Percentiles
nos indica por debajo de que valor se encuentra el 1 % de los datos.
Conclusiones
Cuartil
nos indica por debajo de que valor se encuentra el 25 % de los datos.
Décil
nos indica por debajo de que valor se encuentra el 10 % de los datos.
Percentiles
nos indica por debajo de que valor se encuentra el 1 % de los datos.
Ejemplo
Medidas de Dispersión
Rango (R)
R = XM áx XMı́n
n−1 2
∑ xi − X
i=1
S2 =
n−1
n−1 2
∑ xi − X × fi
i=1
S2 =
n−1
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Medidas de Tendencia Central
Distribución de Frecuencia Medidas de Posición
Medidas de Tendencia Central, Posición y Variabilidad Medidas de Dispersión
Probabilidad Técnicas de Conteo
Variables Aleatorias y Distribuciones de Probabilidad
Varianza S2
Mide la dispersión de los valores respecto a la media
y se expresa en unidades cuadradas, su notación es
σ2 para una población y S2 para una muestra
n−1 2
∑ xi − X
i=1
S2 =
n−1
n−1 2
∑ xi − X × fi
i=1
S2 =
n−1
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Medidas de Tendencia Central
Distribución de Frecuencia Medidas de Posición
Medidas de Tendencia Central, Posición y Variabilidad Medidas de Dispersión
Probabilidad Técnicas de Conteo
Variables Aleatorias y Distribuciones de Probabilidad
Desviación Estándar
√
S= S2
Coeciente de Variación
S
CV = × 100 %
X
Conclusiones
Rango
nos indica la diferencia que hay entre la mayor y la menor de las
mediciones observadas.
Desviación Estándar
nos indica la disperción de los datos respecto a la media.
Coeciente de Variación
Conclusiones
Rango
nos indica la diferencia que hay entre la mayor y la menor de las
mediciones observadas.
Desviación Estándar
nos indica la disperción de los datos respecto a la media.
Coeciente de Variación
Conclusiones
Rango
nos indica la diferencia que hay entre la mayor y la menor de las
mediciones observadas.
Desviación Estándar
nos indica la disperción de los datos respecto a la media.
Coeciente de Variación
Técnicas de Conteo
Las técnicas de conteo son aquellas que son usadas para enumerar
eventos difíciles de cuanticar.
Ejemplos:
Introducción
Multiplicativo
Aditivo
Principio Multiplicativo
Principio Aditivo
Factorial de un número
n × (n − 1) × (n − 2) × · · · × (1)
n!= 1; si n = 0
1; si n = 1
Ejemplo:
5! = 5 × 4 × 3 × 2 × 1 = 120
Permutación
n n!
P =n Pr = Prn =
r (n − r )!
Combinatoria
Resúmen
Ejemplo
Probabilidad
Experimento aleatorio
Experimento aleatorio
Espacio Muestral
Evento
Evento
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Clásica
Probabilidad Condicional
Probabilidad Condicional
Probabilidad Condicional
P(A ∩ B)
P(A/B) =
P(B)
Ejemplo 1
Ejemplo 2
0.78
T
P(A D)
P(A/D) = P(D) = 0.83 = 0.94
b)
0.78
T
P(A D)
P(D/A) = P(A) = 0.82 = 0.95
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Conceptos de Probabilidad
Distribución de Frecuencia Probabilidad Clásica
Medidas de Tendencia Central, Posición y Variabilidad Probabilidad Condicional
Probabilidad Teorema de Probabilidad Total y Teorema de Bayes
Variables Aleatorias y Distribuciones de Probabilidad
Eventos Independientes
Denición 1
Denición 2
T
P(A B) = P (A) P (B)
Eventos Independientes
Denición 1
Denición 2
T
P(A B) = P (A) P (B)
Ejemplo
Solución:
T
P(A B) = P (A) P (B) = (0.98) (0.92) = 0.9016
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Conceptos de Probabilidad
Distribución de Frecuencia Probabilidad Clásica
Medidas de Tendencia Central, Posición y Variabilidad Probabilidad Condicional
Probabilidad Teorema de Probabilidad Total y Teorema de Bayes
Variables Aleatorias y Distribuciones de Probabilidad
Ejemplo
Solución:
T
P(A B) = P (A) P (B) = (0.98) (0.92) = 0.9016
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos Conceptos de Probabilidad
Distribución de Frecuencia Probabilidad Clásica
Medidas de Tendencia Central, Posición y Variabilidad Probabilidad Condicional
Probabilidad Teorema de Probabilidad Total y Teorema de Bayes
Variables Aleatorias y Distribuciones de Probabilidad
Ejemplo
1 4 11 13 113
P(Fundida) = + + = = 0, 3139
3 10
Ignacio Osuna Vergara3 6 Estadística
38 360
Descriptiva
Conceptos Básicos Conceptos de Probabilidad
Distribución de Frecuencia Probabilidad Clásica
Medidas de Tendencia Central, Posición y Variabilidad Probabilidad Condicional
Probabilidad Teorema de Probabilidad Total y Teorema de Bayes
Variables Aleatorias y Distribuciones de Probabilidad
Teorema de Bayes
P(Ai )P(B/Ai )
P(Ai /B) =
P(A1 )P(B/A1 ) + P(A2 )P(B/A2 ) + · · · + P(An )P(B/An )
Ejemplo
Introducción
Introducción
Denición
Ejemplo 1:
Ω Y P (Y = y )
2/7
Y P (Y = y )
RR 2
0 1/7
RN 1 2/7
1 4/7
NR 1 2/7
2 2/7
NN 0 1/7
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos
Distribución de Frecuencia
Medidas de Tendencia Central, Posición y Variabilidad
Probabilidad
Variables Aleatorias y Distribuciones de Probabilidad
Ejemplo 1:
Ω Y P (Y = y )
2/7
Y P (Y = y )
RR 2
0 1/7
RN 1 2/7
1 4/7
NR 1 2/7
2 2/7
NN 0 1/7
Ignacio Osuna Vergara Estadística Descriptiva
Conceptos Básicos
Distribución de Frecuencia
Medidas de Tendencia Central, Posición y Variabilidad
Probabilidad
Variables Aleatorias y Distribuciones de Probabilidad
Función de Probabilidad
Denición
(
P (X = x) si x pertenece al rango de X
fx (x) =
0 en otro caso
Propiedades
Ejemplo
Ejemplo
1/7 si y = 0
4/7
si y = 1
fY (y ) =
2/7
si y = 2
0 En cualquier otro caso
Denición
Fx (x) = P (X ≤ x) = ∑ fX (xi )
xi ≤x
Propiedades
0 ≤FX (x) ≤ 1
si x ≤ y , entonces FX (x) ≤ FY (y )
Ejemplo
Ejemplo
0 si y < 0
1/7
si 0 ≤ y < 1
fY (y ) =
4/7
si 1 ≤ y < 2
1 si y ≥ 2
Ω X P (X = x)
CCC 3 1/8
CCS 2 1/8 X P (X = x)
CSC 2 1/8 0 1/8
CSS 1 1/8 1 3/8
SCC 2 1/8 2 3/8
SCS 1 1/8 3 1/8
SSC 1 1/8
SSS 0 1/8
Ejemplo 3:
3
(
10 si x = 0
P (X = x) = 7
10 si x = 1
E (X ) = ∑ xP (X = x)
Rx
Var (X ) = ∑ (x − E (x))2 P (X = x)
Rx
Var (X ) = E X 2 − E 2 (X )
donde
E X 2 = ∑ x 2 P (X = x)
Rx
Ejemplo
Ejemplo 1:
Y P (Y = y )
1
0
7
4
1
7
2
2
7
Ejemplo
Ejemplo 1:
La varianza:
E Y 2 = ∑ y 2 P (Y = y ) = 2 1 2 4 2 2 12
0
7 + 1
7 + 2
7 = 7
Ry
Var (Y ) = E Y 2 − E 2 (Y )
2
12 8
= −
7 7
12 64
= −
7 49
20
=
49