Estadística para La Educacion Superior 1

METODOS ESTADISTICO PARA LA
EDUCACION SUPERIOR
(MESU 05)
Del 16/03 al 06/04/2009
Por: Ing. M.Sc. Francisco Martínez Solaris

Mgs. Educación Superior
martinezsolaris@cotas.com.bo
martinezsolaris@hotmail.com
EDUCACION SUPERIOR
Nociones Generales
Sexo
Total
HAI Femenino Masculino
n % n % n %
Negativo 182 57.59 134 42.41 316 80.2
Positivo 46 58.97 32 41.03 78 19.8
Total 228 57.87 166 42.13 394 100
200 182
150 134
Femenino
100
46 Masculino
50 32
0
Negativo Positivo
EDUCACION SUPERIOR
Nociones Generales
ESTADÍSTICA ¿Qué es?...
DESCRIPTIVA INFERENCIAL
PROPOSITO PROPOSITO
METODOS METODO
• TABULARES PROBABILISTICO
Características • GRAFICOS
• NUMERICOS
EDUCACION SUPERIOR
Nociones Generales
Ciencia encargada de la Recolección,

Manipulación, Organización y
Presentación de información de
manera tal que ésta tenga una
Confiabilidad determinada
EDUCACION SUPERIOR
Nociones Generales
INFERENCIA
ESTIMACION
Población
N Muestra
Parámetro Deducción n=?
s µ, σ2, p, Estadísticos
etc Estadígrafos
TECNICAS DE
MUESTREO
EDUCACION SUPERIOR
Nociones Generales
Probabilístico MAS, MAP y MAE
MUESTREO
No Probabilística
Probabilístico
Azar
MUESTRA Tipos
No Probabilística
Arbitraria
METODOS ESTADISTICO PARA LA EDUCACION
SUPERIOR
Nociones Generales
POBLACION MUESTRA • Nombre

• Definición
Atributo • Rango de Valores
• Clasificación
Cambiar
Variable Elementos
Cualitativas Categorías
Tipos
Discretas
Cuantitativas
Continuas
SUPERIOR
Nociones Generales
• Nombre
Variable Elementos • Definición

• Rango de Valores
+ • Clasificación
Nominal
Medirse
Ordinal
Escalas de
De Intervalo
Medición
De Razón
SUPERIOR
Métodos Tabulares
DESCRIPTIVA
Sea X y Y dos variables y sea x1, x2, … xn y
y1, y2, … yn, valores que toman las variables
METODOS X y Y, y sean “a” y “b” dos constantes.
Entonces:
TABULARES x1 + x2 + x3 + …xn y1 + y2 + y3 + …yn
∑ ∑
n n
xi i =1
yi
Sumatoria i =1
Propiedades
SUPERIOR
Propiedades de Sumatoria
SUPERIOR
Métodos Tabulares/Ordenamiento
Edad (años) Edad (años) Valores

17 15
extremos
18 16
18 16
16 17
21 17
15 Ordenándolo 18
17 18
Valores mas
19 18 frecuente
Desventaja
20 18
18 19
16 20
Valores
18 21 extremos
EDUCACION SUPERIOR
Cuadro de Frecuencia
Edad
fi fr Fia Fra
Cuadros de (años)
Frecuencia 15 1 8.3 1 8.3
16 2 16.7 3 25.0
17 2 16.7 5 41.7
18 4 33.3 9 75.0
19 1 8.3 10 83.3
20 1 8.3 11 91.7
21 1 8.3 12 100
Total 12 100
EDUCACION SUPERIOR
Lugar de realización del

n %
Diplomado
Extranjero 19 13.87
Universidad Objeto de Estudio 87 63.50
Otras universidades bolivianas 31 22.63
Total 137 100
SUPERIOR
67.7 39.2 52.5 42.3 69.8 61.2
63.9 37.2 45.7 41.7 69.1 55.5
64.9 38.9 52.4 41.9 69.2 58.9
68.3 39.2 52.6 42.7 70.0 61.9
68.3 39.2 53.3 45.5 70.1 63.2
La Estadística ofrece otra

Cuadro de alternativa Tablas de Frecuencias
Frecuencia Absolutas y Relativas
SUPERIOR
Tabla de Frecuencia
Procedimiento
Definir el Número de
≥ 5 ó ≤ 20 ó 25
Intervalos
Sturges
Ac = A/k
A = Valor Máx.- Valor Mín.
K = 1 + 3.33* log n
Tipo de Intervalos
(Li - LS]
Ac = Ajustada
RI = Ac*K > A
MD = (RI – A)/2
EDUCACION SUPERIOR
Tabla de Frecuencia
Intervalos de Clases PMC fi fr Fia Fra
37.1 a 42.6 39.85 8 0.27 8 0.27
42.6 a 48.1 45.35 3 0.10 11 0.37
48.1 a 53.6 50.85 4 0.13 15 0.50
53.6 a 59.1 56.35 2 0.07 17 0.57
59.1 a 64.6 61.85 4 0.13 21 0.70
64.6 a 70.1 67.35 9 0.30 30 1

30 1
EDUCACION SUPERIOR
Métodos Gráficos
Diagrama de Puntos
Histograma
Métodos Gráficos Clásicos Polígono de Frecuencias
Ojiva
Diagrama de Sectores
EDUCACION SUPERIOR
Diagrama de Puntos
15 16 17 18 19 20 21
Edad (años)
EDUCACION SUPERIOR
Histograma
Histograma de Frecuencias Absolutas

10
8
Número de Estudiantes
6
4
(fi)
2
0
.1
37
2.6
8.1
3.6
9.1
4.6
0.1
a4
a5
a6
a7
a4
a5
.1
.1
.1
.6
.6
.6
37
48
59
64
42
53
Tiempo (minutos)
EDUCACION SUPERIOR
Polígono de Frecuencias
10 Polígono de Frecuencias Absoluta

Número de Estudiantes
8
6
(fi)
4
2
0
39.85 39.85 45.35 50.85 56.35 61.85 67.35 72.85
Puntos Medios de Clases
EDUCACION SUPERIOR
Ojiva
40 Ojiva/Polígono de Frecuencias Acumuladas
30
20
fia
10
0
37.1 42.6 48.1 53.6 59.1 64.6 70.1
Tiempos (minutos)
EDUCACION SUPERIOR
(19*360)
1 -------360
X= = 49.9
19 ------- x
137
Lugar de realización de estudios

n Grados
Postgraduales
Extranjero 19 50
Universidad de Interés 87 229
Otras universidades bolivianas 31 81
Total 137 360
EDUCACION SUPERIOR
Lugar de realización de estudios postgraduales

Otras
universidades Extranjero
bolivianas 13.87%
22.63%
Universidad
de Interés
63.50%
EDUCACION SUPERIOR
Métodos Numéricos (Medidas de Tendencia Central)
Cuando se desea comparar dos o más
poblaciones o bien muestras, y si las
variables de interés son de carácter
numérico …
Los métodos tabulares no son los más

recomendables
La Estadística oferta otra herramienta

llamada Métodos Numéricos
EDUCACION SUPERIOR
Medidas de Tendencia Central
Localizan el centro de
una base de datos
numéricas
Medidas de Tendencia
Central
Cuantifican cuánto se
dispersan los datos de una
Métodos Numéricos medida de tendencia
central
Medidas de Dispersión
EDUCACION SUPERIOR
Promedio
Media Ponderada
Medidas de Tendencia
Central Mediana
Moda
SUPERIOR
Medidas de Tendencia Central/Promedio
Media µ
Población
Poblacional
Es la sumatoria de las observaciones que

Promedio toma una variable dividido entre el total
de éstas
Media
Muestra
Muestral
x
Se interpreta como el punto de equilibrio

de una base de datos numéricas
SUPERIOR
Tiempo
Desviaciones
(minutos)
( xi − x )
52.6
-4.15
38.9
-17.85
68.3
11.55
67.2
10.45
63.9
7.15 n
64.9
68.3
8.15 Propiedad ∑ ( xi − x ) = 0
i =1
11.55
39.2
-17.55
42.3
-14.45
61.9
Suma 5.15
567.5 Suma
0
56.75
Promedio
SUPERIOR
Media en datos tabulados
Si la tabla no presenta clases abierta es

posible hacer una estimación de la media
tomando en cuenta lo siguiente:
• PMC es el promedio de las observaciones de las

observaciones que caben dentro del intervalos.
• PMC*fi proporciona una estimación de la suma de las
observaciones que caben en el intervalo y como una
tabla tiene k-ésimo intervalos entonces:
SUPERIOR
Intervalos PMC*fi
PMC fi
de Clases
37.1 a 42.6 39.85 8 318.8
42.6 a 48.1 45.35 3 136.05
48.1 a 53.6 50.85 4 203.4
1624.5
53.6 a 59.1 56.35 2 112.7 x= 30
= 54.15
59.1 a 64.6 61.85 4 247.4
64.6 a 70.1 67.35 9 606.15
30 1624.5
SUPERIOR
Cuando los datos tienen diferente peso dentro de la

base de datos, si desea obtener el promedio, la media
aritmética no es la más indicada
Cargo fi Salario
Rector 1 2000
Asesores 2 1200
Vic. Académico 1 1150
Vic. Administrativo 1 1250
Jefe de Carrera C.S 2 1000
Jefe de Carrera 5 800
Administrativo 2 600
Secretarias 9 120
SUPERIOR
Salario Xiwi
Cargo fi (wi) (xi)
Rector 1 2000 2000
Asesores 2 1200 2400
Vic. Académico 1 1150 1150

15080
Vic. Administrativo 1 1250 1250 xw = = 655.65
23
Jefe de Carrera C.S 2 1000 2000
Jefe de Carrera 5 800 4000
Administrativo 2 600 1200
Secretarias 9 120 1080
15080
SUPERIOR
Si los datos no se distribuyen

simétricamente (curva simétrica) el
promedio no es la mejor medida para
localizar el centro de los mismos •Ordenar
Impar
n Me = xn/2 + 0.5
Datos sin tabular
Par
Me = (xn/2 + x n/2 + 1 )/2

Mediana (Me)
(b-a)(0.5- c)
Me = a +
Datos tabulados
d
SUPERIOR
Tiempo Tiempo
(minutos) (minutos)
38.9 38.9
39.2 Me = xn/2 + 0.5
39.2
42.3 42.3
52.6
n es impar 52.6
61.9 61.9
63.9
Me
63.9
64.9 64.9
67.2 67.2
68.3 68.3
SUPERIOR
Tiempo Tiempo
(minutos) (minutos)
38.9 38.9 Me = (xn/2 + x n/2 + 1 )/2
39.2 39.2
42.3 42.3 61.9 + 63.9
n es par 52.6 52.6 Me = = 62.9
61.9 61.9 2
62.9
63.9 63.9
64.9 64.9
67.2 67.2 Mediana es aquella medida
68.3 68.3 de tendencia central que
antes y después de ella no
68.3 68.3
existe más del 50% de la
información
SUPERIOR
(b-a)(0.5- c)
Me = a +
d
Clase de la Mediana
a = Límite inferior de la • Complete la columna Fia
clase de la Me • Localice la menor Fia >
b = Límite superior de la n/2
clase de la Me • La clase a la que
c = Fra una clase antes de pertenece esta frecuencia
la clase de la Me (Nj-1) es la clase de la mediana
(Nj)
d = fr de la clase de la Me
• La Clase antes de Nj es
Nj -1
SUPERIOR
(b-a)(0.5- c) a = Límite inferior de la
Me = a + clase de la Me
d b = Límite superior de la clase de
la Me
(59.1-53.6)(0.5- 0.5) c = Fra una clase antes de la
Me = 53.6 + = 53.6 clase de la Me (Nj-1)
0.07 d = fr de la clase de la Me
Intervalos
PMC fi fr Fia Fra
de Clases Ubicación de la
37.1 a 42.6 39.85 8 0.27 8 0.27 clase de la Me
42.6 a 48.1 45.35 3 0.10 11 0.37
n = 30
48.1 a 53.6 50.85 4 0.13 15 0.50
n/2 = 15
53.6 a 59.1 56.35 2 0.07 17 0.57
Nj = 17… (53.6 – 59.1)
59.1 a 64.6 61.85 4 0.13 21 0.70
Nj- 1 = (48.1 – 53.6)
64.6 a 70.1 67.35 9 0.30 30 1
EDUCACION SUPERIOR
Connotancia de Moda Tiempo

(Mo) en Estadística (minutos)
38.9
39.2
En caso de existir es la 42.3
(s) observación (nes) 52.6
que más se repiten en 61.9
una base de datos 63.9
64.9
Distribuciones: 67.2
68.3
Unimodales
68.3 Mo
Bimodales
Etc.
SUPERIOR
(ficmo- ficpremo)
Mo = Licmo + Acmo
(ficmo-ficpremo) + (ficmo – ficpostmo)
Donde:
Licmo: Límite inferior de la Clase Modal
Acmo: Ancho de clase de la Clase Modal
Ficmo: Frecuencia absoluta de la Clase Modal
Ficpremo: Frecuencia absoluta de la Clase Premodal
Ficpostmo: Frecuencia absoluta de la Clase Postmodal
Clase Modal es la (s) que tiene(n) la mayor (es) fi

SUPERIOR
(ficmo- ficpremo)
Mo = Licmo + Acmo
(ficmo-ficpremo) + (ficmo – ficpostmo)
Intervalos
PMC fi
de Clases
37.1 a 42.6 39.85 8

(9 - 4)
42.6 a 48.1 45.35 3
Mo = 64.6 + 5.5 = 66.56
48.1 a 53.6 50.85 4 (9 - 4) + (9 – 0)
53.6 a 59.1 56.35 2
59.1 a 64.6 61.85 4
64.6 a 70.1 67.35 9

EDUCACION SUPERIOR
Una medida de tendencia central por si sola no es tan

importante. Por esta razón debe estar acompañada de
una medida de dispersión
Rango/Distancia/Amplitud o Recorrido
Varianza (Variancia)
Desviación Típica o Estándar
Coeficiente de Variación
EDUCACION SUPERIOR
Rango Rango = Valor Máximo – Valor Mínimo

2
∑ ( xi − µ )
N
Población ( σ²) σ =2 i=1
N
Es el promedio de las desviaciones al
Varianza cuadrado de las observaciones que
toma una variable respecto a su media
Muestra (S²)
2
 ∑ n xi 
 i =1 
∑ i =1
n
xi 2
−
 n 
S2 =  
n−1
SUPERIOR
xi (Desviaciones)2
52.6 17.2225
38.9 318.6225
1372.725
68.3 133.4025
S² = = 152.525mi²/est²
67.2 109.2025
63.9 51.1225 10 - 1
64.9 66.4225
Desventaja
68.3 133.4025
39.2 308.0025
Desviación Típica S = √S²
42.3 208.8025
61.9 26.5225 S = √152.525 = 12.35 min/est
Sumatoria 567.5 1372.725
Promedio 56.75 Interpretación x±S
56.75 ± 12.35 min/est.

SUPERIOR
Si la tabla no presenta clases abierta es posible

hacer una estimación de la varianza de la siguiente
forma:
Intervalos de PMC fi
Clases
37.1 a 42.6 39.85 8
42.6 a 48.1 45.35 3
48.1 a 53.6 50.85 4
53.6 a 59.1 56.35 2
59.1 a 64.6 61.85 4
64.6 a 70.1 67.35 9

SUPERIOR
91693.475 −
(1624.5)
2
S2 = 30 = 124.774
30 −1
Intervalos de PMC*fi PMC2*fi

PMC fi S = 124.774 =11.70
Clases
37.1 a 42.6 39.85 8 318.8 12704.18
42.6 a 48.1 45.35 3 136.05 6169.8675
48.1 a 53.6 50.85 4 203.4 10342.89
53.6 a 59.1 56.35 2 112.7 6350.645
59.1 a 64.6 61.85 4 247.4 15301.69

64.6 a 70.1 67.35 9 606.15 40824.203
1624.5 91693.475
EDUCACION SUPERIOR
Todas las medidas de dispersión expuestas

anteriormente son dimensionales (toman las unidades
de medidas de las variables)
Existe otra medida de dispersión pero adimensional

llamadas Coeficiente de Variación o Dispersión
Relativa
S S
C.V =   C.V =   * 100
x x
EDUCACION SUPERIOR
Las medidas de dispersión cuantifican cuánto se

dispersan los datos alrededor de una medida de
tendencia central, pero,¿Para donde se desvían los
datos?, a la izquierda de la media, a la derecha o se
distribuyen simétricamente.
Existen otras medidas aplicable solo a curvas

unimodales que tratan de las deformación de curvas
tanto de forma horizontal como vertical
EDUCACION SUPERIOR
Deformación de Curvas Unimodales
Asimetría Positiva x > Me > Mo
Curvas Simétricas x = Me = Mo
Asimetría
Asimetría Negativa x < Me < Mo

EDUCACION SUPERIOR
Deformación de Curvas Unimodales
Curva Leptocúrtica Kur > 3
Curva Mesocúrtica Kur = 3

Curtosis
Curva Platicúrtica Kur < 3

EDUCACION SUPERIOR
Regresión Lineal Simple
En el desarrollo de los eventos,

X1 puede ser que una variable sea
Y X2 afectada por el comportamiento de
. otra (s) variable (s)
.
.
Es de interés poder cuantificar

Xi este tipo de relación de manera
que se pueda predecir una variable
en función de otra
Y: Variable Dependiente En Regresión Lineal Simple es de
X: Variable Independiente interés cuando una variable afecta
el comportamiento de otra variable
Y = f(X)
Propósito de la R.L.S: Predicción
EDUCACION SUPERIOR
Regresión Lineal Simple
Por análisis de regresión se entiende al conjunto de métodos
estadísticos que tratan con la formulación de modelos
matemáticos que describen la relación entre variables y el
uso de estas relaciones modeladas con el propósito de
predecir e inferir.
Por Regresión Lineal Simple se entiende al conjunto de
cambios que experimenta una variable dependiente por un
único cambio en la variable independiente
“Y” es una variable aleatoria cuya
distribución probabilística depende
de “X”
Supuestos del Análisis Modelo de la Línea Recta
de Regresión Lineal Homogeneidad de Varianza
Simple
Normalidad
Independencia
EDUCACION SUPERIOR
Regresión Lineal Simple/Diagrama de Dispersión
Llamado también Ploteo de Datos, tiene como propósito
mostrar la posible tendencia (en caso de existir) entre las
variables “X” y “Y”.
Consiste en llevar los pares de valores “x, y” a un sistema de
coordenadas (bidimensional)
(x, y)
X
EDUCACION SUPERIOR
Regresión Lineal Simple/Diagrama de Dispersión
SUPERIOR
Regresión Lineal Simple/Métodos de Mínimos Cuadrados
El supuesto No 2 de RLS plantea que de existir una relación

entre “X” y “Y”, ésta es una línea recta, por lo tanto se puede
pensar en una ecuación de la siguiente forma:
Parámetros
Estimación
De tal manera que se llegue a obtener una ecuación de la

siguiente naturaleza:
SUPERIOR
Regresión Lineal Simple/Métodos de Mínimos Cuadrados
Uso de la Técnica de
Mínimos Cuadrados (Carl
Gauss)
A partir de muestras (x1, y1), (x2, y2), …(xi, yi) de las variables
“X” y “Y”, se trata de obtener los estimadores . Para ello la
Técnica de Mínimos Cuadrados minimiza la suma de cuadrado de
las distancias entre los valores observados y los estimados de
tal manera que :
Y
X
EDUCACION SUPERIOR
Regresión Lineal Simple/Recta de Estimación
Estimada una vez la recta de Predicción y teniendo en cuenta

que el propósito de la R.L.S es la predicción, se hace
necesario estar seguro que la ecuación estimada es capaz de
predecir.
Por esta razón es necesario validar la ecuación estimada

SUPERIOR
Regresión Lineal Simple/Validación de la Recta de Estimación
Validación
Cálculo de Coeficiente Análisis de Varianza

de Determinación R² de la Regresión “ANARE”
Cuantifica la cantidad de la
variabilidad de “Y” que
puede ser explicada por “X”
R² ≥ 70%
SUPERIOR
Regresión Lineal Simple/Validación de la Recta de
Estimación/ANARE
Por análisis de Varianza se entiende, de forma general, a la

partición de la variación total en fuente de variación conocida
que en el caso de R.L.S son de acuerdo al siguiente modelo
aditivo lineal:
xi= Variación debida a

Regresión
εi = Variación debida al Error
FV gl SC CM Fc Ft (Pr>F)
CMRegresión
Regresión 1 SCRegresión CMRegresión
/CMError
Error n-2 SCError CMError
Total n.1 SCTotales
Regla de Decisión
NRHo : Fc ≤ Ft
RHo : Fc > Ft

Estadística para La Educacion Superior 1

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estadística para La Educacion Superior 1

Загружено:

Авторское право:

Доступные форматы

METODOS ESTADISTICO PARA LA

Del 16/03 al 06/04/2009

Por: Ing. M.Sc. Francisco Martínez Solaris

Ciencia encargada de la Recolección,

POBLACION MUESTRA • Nombre

Variable Elementos • Definición

TABULARES x1 + x2 + x3 + …xn y1 + y2 + y3 + …yn

Edad (años) Edad (años) Valores

Lugar de realización del

67.7 39.2 52.5 42.3 69.8 61.2

63.9 37.2 45.7 41.7 69.1 55.5

64.9 38.9 52.4 41.9 69.2 58.9

68.3 39.2 52.6 42.7 70.0 61.9

68.3 39.2 53.3 45.5 70.1 63.2

La Estadística ofrece otra

Intervalos de Clases PMC fi fr Fia Fra

37.1 a 42.6 39.85 8 0.27 8 0.27

42.6 a 48.1 45.35 3 0.10 11 0.37

48.1 a 53.6 50.85 4 0.13 15 0.50

53.6 a 59.1 56.35 2 0.07 17 0.57

59.1 a 64.6 61.85 4 0.13 21 0.70

64.6 a 70.1 67.35 9 0.30 30 1

Métodos Gráficos Clásicos Polígono de Frecuencias

Histograma de Frecuencias Absolutas

10 Polígono de Frecuencias Absoluta

40 Ojiva/Polígono de Frecuencias Acumuladas

Lugar de realización de estudios

Lugar de realización de estudios postgraduales

Los métodos tabulares no son los más

La Estadística oferta otra herramienta

Es la sumatoria de las observaciones que

Se interpreta como el punto de equilibrio

Media en datos tabulados

Si la tabla no presenta clases abierta es

• PMC es el promedio de las observaciones de las

Cuando los datos tienen diferente peso dentro de la

Rector 1 2000 2000

Asesores 2 1200 2400

Vic. Académico 1 1150 1150

Jefe de Carrera 5 800 4000

Administrativo 2 600 1200

Secretarias 9 120 1080

Si los datos no se distribuyen

Me = (xn/2 + x n/2 + 1 )/2

Connotancia de Moda Tiempo

Clase Modal es la (s) que tiene(n) la mayor (es) fi

37.1 a 42.6 39.85 8

59.1 a 64.6 61.85 4

64.6 a 70.1 67.35 9

Una medida de tendencia central por si sola no es tan

Rango Rango = Valor Máximo – Valor Mínimo

56.75 ± 12.35 min/est.

Si la tabla no presenta clases abierta es posible

37.1 a 42.6 39.85 8

42.6 a 48.1 45.35 3

48.1 a 53.6 50.85 4

53.6 a 59.1 56.35 2

59.1 a 64.6 61.85 4

64.6 a 70.1 67.35 9

Intervalos de PMC*fi PMC2*fi

53.6 a 59.1 56.35 2 112.7 6350.645

59.1 a 64.6 61.85 4 247.4 15301.69

Todas las medidas de dispersión expuestas

Intervalos de PMCfi PMC2fi