Clases Teoricas de Estadisticas

Haga clic aqu para modificar. Haga clic aqu para modificar.
2017 - I
1
Es una ciencia que usa un conjunto de mtodos y/o tcnicas que son
necesarias para RECOLECTAR, RESUMIR, CLASIFICAR, ANALIZAR e
INTERPRETAR, el comportamiento de los datos con respecto a una
caracterstica materia de estudio.
Es decir que se encarga de obtener informacin para describirla y

luego la usa para predecir "algo" de ella.
Divisin de la Estadstica:
1.- Estadstica Descriptiva
2.- Estadstica Inferencial 2
Estadstica y Probabilidades Amrica Campomanes Morn
1.- ESTADISTICA DESCRIPTIVA.-
Se conoce como el conjunto de mtodos usados para la
RECOLECCIN, PRESENTACIN Y CARACTERIZACIN de un
conjunto de datos.
En conclusin la estadstica descriptiva, ANALIZA Y DESCRIBE
los datos.
2.- ESTADISTICA INFERENCIAL.-
Es la encargada de la PREDICCIN DE ALGO. Es la que posibilita
la toma de decisiones en base a una informacin parcial
obtenida mediante tcnicas descriptivas.
Usa el calculo de la probabilidad, en las decisiones.
3
CONCEPTOS BASICOS DE LA ESTADISTICA
1.- POBLACION
Es el conjunto total de individuos, objetos u entes
que tienen determinadas caractersticas que se
puede estudiar.
EJEMPLO:
Todos las personas (tienen razas, sexo, religin,
edad, talla, idiomas, peso, nacionalidad etc.)
Todos los estudiantes de la URP. (Que tienen en
comn?)
4
La Poblacin puede ser:
FINITA.- Cuando los elementos se pueden contar, o el
nmero de elementos que la conforman se puede
determinar.
Ejemplo:
Todos los alumnos de la URP
Toda la produccin de tornillos durante un mes
INFINITA.- Cuando el nmero de elementos que la

conforman no se puede determinar.
Ejemplo:
Todas las estrella del firmamento
Todos los rboles de la selva peruana. 5
2.- MUESTRA.-
Es una parte relativamente pequea de la poblacin, o tambin se
define como un subconjunto de la poblacin.
Ejemplo: Un grupo de 140 alumnos de la URP
3.- UNIDAD ESTADISTICA
Es un solo elemento de la poblacin o muestra.
Ejemplo: un alumno de la URP
4.-CARACTERISTICA (VARIABLE)
Es lo que le interesa al investigador para su estudio o trabajo
La caracterstica es la propiedad de los fenmenos y puede tomar
diferentes valores
Ejemplo: Edad, sexo, peso, cociente intelectual, ventas.
6
LA VARIABLE.- Esta relacionada con la caractersticas y se denota con
letras maysculas del alfabeto, X, Y, Z.
Las variables pueden ser:
CUALITATIVA.- Se refiere a la cualidad que presenta un
fenmeno (se expresa en letras)
DISCRETA.- Son valores enteros.
CONTINUA. Son infinitos valores que se encuentran entre dos
nmeros.
5.- TIPOS DE DATOS
Depende de la caracterstica (variable) y se dividen en:
Datos cualitativos
Datos cuantitativos
7
Datos Cualitativos.- Son atributos o cualidades que solo se expresan en
forma literal. Ejemplo:
Estos se dividen en nominales y ordinales.
Datos Cuantitativos.- Son expresiones numricas, y se dividen en:

1.- Cuantitativo Discretos.- Porque solo toman valores enteros, y se
obtiene por conteo.
Ejemplo: nmero de hermanos, nmero de hijos, nmero de curso
matriculados, nmero de crditos aprobados, etc.
2.- Cuantitativo Continuo.- porque sus valores pueden ser enteros y/o
fraccionario, es decir entre dos nmeros pueden tomar infinitos
valores. Se obtienen por medio de la medicin, duracin o tiempo.
Ejemplos: estatura, edad, peso, etc.
8
2017 - I
9
DISTRIBUCION DE FRECUENCIAS
Es la presentacin ordenada de la informacin, en una
Tabla (Cuadro) que contiene en forma general lo siguiente:
1.- Variable o caracterstica
2.- Seis (6) Frecuencias: frecuencia absoluta (fi),
frecuencia relativa (hi), frecuencia absoluta acumulada
creciente y decreciente (Fi,Fi), frecuencia relativa
acumulada creciente y decreciente(Hi,Hi)
Frecuencia absoluta (fi).- Se obtiene de contar cuantas

veces se repite cada valor de la variable. Se obtiene por
conteo, siempre es un valor entero. La suma de las
frecuencias absolutas es igual al nmero total de datos (n)
10
Frecuencias Relativa (hi).- para obtenerla se divide (fi/n) y sus
valores son expresados en forma decimal.
La suma de las (hi) por definicin es igual a 1.0000
Frecuencia Absoluta acumulada (Fi).- se obtiene de sumar las

frecuencias absolutas (fi) hasta un determinado valor de la variable.
La primera frecuencia absoluta (F1) es igual a la primera frecuencia
absoluta simple (f1)
La ltima frecuencia absoluta (Fm) es igual al nmero total de datos
(n).
Frecuencia Relativa acumulada (Hi).- se obtiene de sumar las

frecuencias relativas (hi) hasta un determinado valor de la variable.
La primera frecuencia relativa (H1) es igual a la primera frecuencia
relativa simple (h1)
La ltima frecuencia relativa (Hm) es igual a la unidad.
11
Frecuencia Absoluta acumulada decreciente (Fi).-
Se obtiene de restar las frecuencias absolutas (fi)
La primera frecuencia absoluta acumulada (F1) es
igual a n (Nmero total de datos) (F1 = n)
La ltima frecuencia absoluta acumulada (Fm) es
igual a fm
Frecuencia Relativa acumulada decreciente (Hi).-

Se obtiene de restar las frecuencias relativas (hi).
La primera frecuencia relativa acumulada (H1) es igual a
1.000 (H1 = 1.0000)
La ltima frecuencia relativa acumulada (Hm) es igual a hm
12
DISTRIBUCION DE FRECUENCIAS
Frec. Frec.
Variable Absoluta Relativa FRECUENCIAS ACUMULADAS
Xi fi hi Fi Hi Fi H'i
X1 f1 h1 F1 H1 F1 H1
X2 f2 h2 F2 H2 F2 H2
X3 f3 h3 F3 H3 F3 H3
X4 f4 h4 F4 H4 F4 H4
X5 f5 h5 F5 H5 F5 H5
Xm fm hm Fm Hm Fm Hm
TOTALES n= 1.00
13
TIPOS DE DISTRIBUCIONES DE
FRECUENCIAS:
1.- DISTRIBUCION DE FRECUENCIA PARA
VARIABLE CUALITATIVA (DATOS
CUALITATIVOS)

VARIABLE DISCRETA (DATOS
CUANTITATIVOS DISCRETOS)

VARIABLE CONTINUA (DATOS
CUANTITATIVOS CONTINUOS) 14
1.-DISTRIBUCION DE FRECUENCIAS PARA
VARIABLE CUALITATIVA
La distribucin de frecuencias para este tipo de datos
contiene :
1.- Variable o caracterstica
2.- Frecuencia absoluta, frecuencia relativa y porcentaje.
El grafico adecuado es el circular, aunque tambin se usa
la barra o bastones
Variable (Xi) Frecuencia Absoluta (fi) Frecuencia Relativa (hi) Porcentajes ( % )
X1 f1 h1 %
X2 f2 h2 %
X3 f3 h3
:
:
Xm fm hm %
TOTALES n = fi 1.0000 100% 15
Ejemplo: Se seleccionan a 60 estudiantes de la facultad de Ingeniera y se le
pregunta su especialidad, las respuestas que se obtienen son las siguientes:
C E C C M MI C E MME E C MI I C C C
C C MC E C I I C E F F F E I I F I C E
C MME E C ME I F C MI E F I I C C C
Leyenda: C= Civil, E= Electrnica, I= Industrial, F = Informtica, M=
Mecatrnica.
a) Sepide formar la distribucin de frecuencias.

b) Grficos circular de frecuencia absoluta y frecuencia relativa.
c) Dar el valor y significado de f2 y h4
d) Graficar una barra porcentual
e) Grafico barras de frecuencia absoluta.
16
2.- DISTRIBUCION DE FRECUENCIAS PARA VARIABLE
DISCRETA
Frec. Frec.
Variable FRECUENCIAS ACUMULADAS
Absoluta Relativa
Xi fi hi Fi Hi Fi H'i
X1
X2
X3
Xm
TOTAL n= 1.0000
17
GRFICOS : Barras o bastones para ( fi y hi) y las escaleras
para las acumuladas.
Ejemplo.- A un grupo de estudiantes de ingeniera se le pregunta sobre
el nmero de cursos aprobados y las respuestas son las siguientes:
3 2 3 5 6 1 3 2 0 6 4 6 1 2 3 4
2 3 6 4 2 4 2 4 5 2 3 0 4 2 3 2
5 5 4 3 3 4 6 1 2 3 4 3 5 4 6 4
a) Se pide formar la distribucin de frecuencias.

b) Graficar la frecuencia absoluta y frecuencia relativa
c) Formar la distribucin de frecuencias relativas.
d) Graficar una escalera porcentual
e) Formar la distribucin de frecuencias absolutas
f) Dar valor y significado de f2 , h4, F3 , F4 H3
g) Graficar la frecuencia absoluta acumulada creciente
18
3. DISTRIBUCION DE FRECUENCIAS PARA
VARIABLE CONTINUA
Marca Frec. Frec.

Intervalos Frecuencias Acumuladas
Clase Absoluta Relativa
X'i-1 - X'i Xi fi hi Fi Hi F'i H'i
Total N = 1.0000
19
INTERVALOS
Tipos de intervalos: -
Cerrados [ ]
Semicerrados : Por la derecha ( ] y por la izquierda [ )
Tipos de Lmites.-
Lmites Aparentes (cuando los intervalos son cerrados)
Lmites Reales de Clase (cuando los intervalos son
semicerrados)
PROCESO DE OBTENCIN DE LOS INTERVALOS:
I.- Determinar: El nmero menor (X min) y El nmero mayor (X mx.)
II.- Calcular el Rango o Recorrido ( R ) Donde R = X mx. - X min
III.- Determinar el nmero de intervalos ( m )
3.1 Regla de Sturgen: m = 1 + 3.322 log n
3.2 Emprico: m = n
PROPIEDAD.- m siempre es un nmero entero 20
IV.- Calcular la Amplitud ( C ) de cada intervalo
Tambin se le conoce como distancia de cada intervalo C = R / m
Propiedad de La amplitud.- Su magnitud debe ser igual al de los
datos originales. ( Xmin y X mx.)
V.- Correccin ( D )
Formula: D = (m)*(C ) R
D > 0. Satisface la amplitud ( C) y el numero de intervalos ( m) y la
diferencia se reparte equitativamente en los extremos ( X min y X
mx.)
D < 0. Se tiene que efectuar 2 correcciones.
En D1 solo se corrige la amplitud ( C corregido)
En D2 solo se corrige el nmero de intervalo ( m
corregido)
De los 2 se escoge el que tiene el valor menor.
D = 0 . Satisface la amplitud ( C) y el nmero de intervalos ( m) y se
forma los intervalos con los Xmin y X max originales.
21
GRFICOS : Histogramas y polgonos de frecuencias para ( fi y hi)
Ojivas para las acumuladas ( Fi , Hi, Fi , Hi )
EJEMPLO.- Los siguientes datos corresponden a los pesos de 45
alumnos y los resultados fueron los siguientes:
60 75 68 76 69 72 78 58 65 73 79 67 67 59 62
67 53 68 72 90 75 79 87 73 85 69 69 76 79 71
72 75 61 63 74 63 73 81 75 79 59 71 84 73 84
a) Elaborar la distribucin de frecuencias (usando la regla de sturgen)

b) Graficar un histograma de frecuencia absoluta
c) Graficar un polgono de frecuencia absoluta
d) Graficar un polgono porcentual
e) Formar una distribucin de frecuencias absolutas
f) Graficar una ojiva porcentual
g)Graficar una ojiva de frecuencia absoluta decreciente
h) Dar valor y significado a f3, h5, H4, H2
22
DISTRIBUCIONES CON DOS ( 2 ) VARIABLES
DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS
Son tablas donde se presenta en forma ordenada dos caractersticas de

cada individuo o elementos que se desee estudiar o investigar.
* Por ejemplo: edad y peso; estatura y peso; nmero de hijos y nivel
educativo de los padres; edad y estado civil; produccin y venta etc.
Cada frecuencia es un par ordenado (x , y)
Una variable es independiente ( X ) (se ubica en el eje horizontal)
y la otra variable es dependiente ( Y ) (se ubica en el eje vertical)
Existen 4 cuadros de distribucin bidimensional de frecuencias

1.- Distribucin Bidimensional de frecuencias absolutas (fxy)
2.- Distribucin Bidimensional de frecuencias relativas (hxy)
3.- Distribucin Bidimensional de frecuencia absoluta acumulada
(Fxy), No tiene marginales
4.- Distribucin Bidimensional de frecuencias relativa acumulada
(Hxy), No tiene marginales
23
1.- DISTRIBUCIN BIDIMENSIONAL DE FRECUENCIAS
ABSOLUTAS (fxy). (Tiene marginales)
Y \ X X1 X2 ... XJ f .y
y1 f11 f21 ... fj1 fy1
y2 f12 f22 ... fj2 fy2
f13 f23 fj3 fy3
f14 f24 fj4 fy4
yk f1k f2k ... fjk fyk
f x. fx 1 fx 2 fxj n
Donde:
(f x .) es marginal de la variable X
(f . y) es marginal de la variable Y
n = es el nmero total de pares ordenados
24
2.- DISTRIBUCIN BIDIMENSIONAL DE
FRECUENCIAS RELATIVAS (hxy). (Tiene marginales)
Y \ X X1 X2 .. Xj h .y
Y1 h11 h21 .. hj1 hy1
Y2 h12 h22 .. hj2 hy2
h13 h23 .. hj3 hy3
h14 h24 .. hj4 hy4
Yk h1k h2k .. hjk hyk
hx. hx1 hx2 .. hxk 1
Donde:
(hx .) es marginal de la variable X
(h . y) es marginal de la variable Y
hxy = 1.0000
25
2017 - I
26
MEDIDAS DE TENDENCIA CENTRAL
1.- Media Aritmtica
2.- Mediana
3.- Moda
4.- Cuantilas
4.1. Cuartil
4.2. Decil
4.3. Percentil
27
1.- MEDIA ARITMTICA
Es el promedio de un conjunto de datos (o Punto de Equilibrio).

Se denota por x raya = ( X )
PARA DATOS NO TABULADO.-

La media aritmtica es la suma de todos los valores de los datos
de la muestra dividida por el nmero total de datos (n)
_
FORMULA: X = Xi
n
Ejemplo:
Los valores que se detallan corresponden a las cantidades cursos matriculados
por 10 alumnos.: 3, 5, 6, 2, 5, 7, 4, 5, 6, 5. Calcular la media aritmtica del
nmero de cursos matriculados y de su significado e indique el tipo de variable
y el tipo de dato.
28
PARA DATOS TABULADOS.-
Es la sumatoria del producto de la variable con la

frecuencia dividida por el nmero total de datos (n).
FORMULA: _
X = Xifi
n
Ejemplo:
Hoja adicional de problemas
29
PROPIEDADES DE LA MEDIA ARITMETICA
P1.- La unidad de medida de la Media Aritmtica es la misma que la
unidad de las observaciones.
P2.- La Media Aritmtica es influenciada por todos los valores de la serie
de datos.
P3.- Si a cada valor de los datos, se le suma o resta una constante, la media
aritmtica del nuevo conjunto es igual a la media aritmtica original ms
menos la constante. ____ _____
Es decir: X+K = X+K
P4.- Si a cada valor del conjunto de datos, se le multiplica por una
constante, la media aritmtica del nuevo conjunto es igual la Media
Aritmtica original multiplicado por la constante.
____ ____
Es decir: X*K = K* X
30
P5.- La suma algebraica de las desviaciones de cada valor de la
variable con la media aritmtica es igual a cero.
_
( Xi - X) = 0
P6.- Dado dos (2) conjuntos de datos, cada uno con un nmero de
observaciones, se puede obtener la Media Total, mediante la
siguiente formula.
_
XT = ni*xi.
ni
31
Es un valor central, ya que divide a la distribucin en dos partes
iguales, cada parte tiene el valor de 50%.
Se denota: Md
PARA DATOS NO TABULADOS (pocos datos)

Se obtiene de la siguiente forma: Ordenar los valor de menor a
mayor
Hay que determinar si el nmero de datos es:
IMPAR.- ( n = impar). Entonces Md = X(n+1)/2
PAR.- ( n = par ) Entonces Md =1/2( X(n/2) + X(n+2)/2 )
Ejemplos:
Los pesos de ciertas cajas con productos de un almacn se
detallan a continuacin: 52, 62, 72.8, 48, 60, 68, 44, 68, 79, 64.5,
55.3, 49.7. Calcule su mediana y dar su significado. 32
PARA DATOS TABULADOS
a) SIN INTERVALOS
1. Calcular la Frecuencia Acumulada ( Fi )
2. Posicin de la mediana ( n/2)
3. Hallar el FJ (que es el valor inmediatamente superior a la
posicin de la mediana)
4. Hallar el FJ-1 (valor anterior al FJ)
5. Comparar el FJ-1 con n/2, y se tiene 2 condiciones: (<) o
(=)
Entonces: Md = X J cuando es FJ-1 < n/2

Entonces: Md = (X J + X J-1) cuando es FJ-1 = n/2
33
b) CON INTERVALOS
Calcular la Frecuencia Acumulada (Fi)
Posicin de la mediana (n/2)
Hallar el FJ
Hallar el FJ-1
Hallar el lJ (que es el lmite real inferior de la recta del FJ)

Calcular la amplitud ( CJ ) del intervalo de la recta de FJ
Aplicar la FORMULA.-
Md = lj + (n/2 Fj-1) * Cj
(Fj Fj-1 )
34
3.- MODA
Se denota Mo y se define de acuerdo ha como se presente

los datos:
Para DATOS NO TABULADOS
Es el valor de la variable que se repite ms veces
Ejemplo:
Para DATOS TABULADOS:
a) SIN INTERVALOS
Es el valor de la variable que tiene la frecuencia ms alta
Ejemplo:
b) CON INTERVALOS
Es el valor de la variable donde tiende a concentrarse mas la
informacin y se obtiene con la siguiente FORMULA.
Mo = lmo + _( 1 __)_*Cmo
(1 + 2 )
Ejemplo: hoja adicional de problemas 35
4.- CUANTILAS
4.1- CUARTILES
Se denota Qi
Son tres ( 3 ) nmeros que dividen a la distribucin en cuatro
partes iguales.
Valor de cada parte es de 25 %.
POSICION para datos NO TABULADOS
i (n +1) /4
Posicin para datos TABULADOS es:
(in/4) donde (i = 1, 2,3)
FORMULA: .- Qi = lj + (in/4 Fj-1) * Cj

( Fj Fj-1 )
Ejemplo: Hoja adicional de problemas 36

4.2.- DECILES
Se denota Di
Son nueve (9 ) nmeros que dividen a la distribucin en
10 partes iguales.
El valor de cada parte es de 10 %
i (n +1) /10
La posicin para datos TABULADOS es:
(in / 10) donde ( i = 1,2,......,9)
FORMULA.-
Di = lj + (in/10 Fj-1) * Cj
( Fj Fj-1 )
Ejemplo:
Hoja adicional de problemas 37
4.3-PERCENTILES
Se denota Pi
Son noventa y nueve (99) nmeros que dividen a la
distribucin en 100 partes iguales.
El valor de cada parte es 1 %
i (n +1) /100
La posicin para datos TABULADOS es:
(in / 100 ) donde ( i= 1,2,....., 99 )
FORMULA: .-
Pi = lj + _(in/100 Fj-1)_ * Cj
(Fj Fj-1 )
Ejemplo:
Hoja adicional de problemas 38
ESTADSTICA Y PROBABILIDADES
MEDIDAS DE
DISPERSION
2017-I
Lic. Amrica Campomanes Morn

39
MEDIDAS DE DISPERSION
(Tambin conocida como medidas de Variacin). Tiende a
medir el grado en que los datos numricos tienden a
extenderse alrededor de un valor central
VARIANZA
DESVIACION ESTANDAR
RANGO SEMIINTERCUARTILICO
COEFICIENTE DE VARIACION
40
I.- VARIANZA
Se denota con V(X)
se define: COMO LA MEDIA ARITMTICA DEL CUADRADO DE LAS
DESVIACIONES DE LOS DATOS CON RESPECTO A LA MEDIA ARITMTICA DE
ESOS DATOS.
Es el grado promedio de dispersin al cuadrado.
FORMULAS:
1.- Para DATOS SIN TABULAR _
V(x) = (Xi X)2
n
2.- Para DATOS TABULADOS _
V(x) = (Xi X)2 * fi
n
Ejemplo:
Hoja adicional de problemas
41
PROPIEDADES
1.- La varianza siempre es un nmero NO NEGATIVO
V (X) 0
2.- La varianza de una constante es igual a cero

V (K) = 0 donde K = constante
3.- Si a cada valor de la serie de datos se le SUMA O RESTA una constante; la

varianza de la nuevas serie de datos, es igual a la varianza original.
V ( X K ) = V(X) + V (K) = V(X)
4.- Si a cada valor de la serie de datos se le multiplica una constante; la varianza

de la nueva serie de datos es igual a la varianza original multiplicado por la
constante al cuadrado.
V ( X *K ) = K2 V(X)
5.- Dado dos series de datos donde se conoce la media aritmtica y la varianza
de cada serie se puede calcular la varianza de las dos series mediante la
siguiente formula:
VT = ni*Vi.
ni 42
2.- DESVIACION ESTNDAR
Se define como la raz cuadrada positiva de la varianza.

Da un grado promedio simple de variacin (Dispersin)
La unidad de medida es la misma que la de los datos
observados
FORMULAS:
DATOS SIN TABULAR ___________
S(x) = (Xi X)2
n
DATOS TABULADOS ______________
S(x) = (Xi X)2 * fi
n
Ejemplo: Hoja adicional de Problemas 43
PROPIEDADES
1.- Es siempre un valor positivo
2.- Es influenciado por todos los valores de la serie de datos.
3.- Mayor influencia ejerce los valores extremos que los que
estn cerca del promedio.
4.- Si la distribucin es normal o ligeramente asimtrica se
cumple_ la siguiente relacin:
X + S = 68.23% = 68%
X + 2S = 95.46% = 95%
X + 3S = 99.73% = 99.7
CORRECCION DE SHEPPARD
Se usa solo para datos agrupados con intervalos de
amplitudes iguales. El factor es (C2 / 12)
y su formula V corregida = V(x) C2
12
Ejemplo: Hoja adicional de Problemas
44
3.- RANGO (DESVIACION) SEMIINTERCUARTILICA
Mide la dispersin entre el 50% de los valores
centrales
No esta afectada por los valores extremos
Una desviacin semiintercuartilica baja, indica
una pequea variacin entre el 50% de los datos
centrales
Se denota con RS
RS = ( Q3 Q1)
2
Ejemplo: Hoja adicional de Problemas 45
4.- COEFICIENTE DE VARIACIN ( C.V.)
SE USA PARA COMPARAR DOS O MS MUESTRAS.

Significa el nmero de veces que supone la desviacin
tpica (estndar) con respecto a la media aritmtica.
Generalmente se expresa en porcentaje
Es independiente de la unidad de medida en que estn
expresados los datos.
Es mejor o aceptable la tiene menor coeficiente de
variacin.
C.V. = ( _S_ )*100
X
Ejemplo:
Hoja adicional de Problemas
46
MEDIDAS DE ASIMETRIA

47
2017-I
MEDIDAS DE ASIMETRIA
Nos indica la deformacin horizontal de la distribucin
Es simtrica cuando su curva es igual a una campana, la
media aritmtica, mediana y moda coinciden. Grafico.
Tiene asimetra positiva (a la derecha).- si su ramificacin
es extendida hacia la derecha o hacia los valores
mayores. Grafico:
Tiene asimetra negativa (a la izquierda).-si la ramificacin
es extendida hacia la izquierda o hacia los valores
pequeos. Grafico
MEDIDAS
1. Primer Coeficiente de Pearson
2.- segundo coeficiente de Pearson
3.- Media Asimtrica 48
1.- PRIMER COEFICIENTE DE PEARSON
Se denota A1, nos indica el sesgo de la distribucin

Se usa cuando la distribucin es unimodal (Una Moda)
Formula: _
A1 = (X Mo)
S
Propiedades:
A1 = 0 la distribucin es simtrica
A1 > 0 la distribucin tiene sesgo positivo esta
sesgada a la derecha.
A1 < 0 la distribucin tiene sesgo negativo est
sesgada a la izquierda.
49
2.- SEGUNDO COEFICIENTE DE PEARSON
Se denota con A2, nos indica el sesgo de la distribucin
Se usa cuando se tiene ms de una moda o en
distribuciones que no tengan moda.
Formula: _
A2 = 3 * ( X Md)
S
Propiedades:
A2 = 0 la distribucin es simtrica
A2 > 0 la distribucin tiene sesgo positivo esta
A2 < 0 la distribucin tiene sesgo negativo est
50
3.- MEDIA ASIMETRICA
Se denota con Asq
Se usa cuando los intervalos no tienen definidos los
lmites de los intervalos. Casos especiales de
distribuciones.
Formula:
Asq = ( Q1 + Q3 2*Q2)
(Q3 Q1)
Propiedades:
Asq = 0 la distribucin es simtrica
Asq > 0 la distribucin tiene sesgo positivo esta
Asq < 0 la distribucin tiene sesgo negativo est
51
DIAGRAMA DE DISPERSION

52
2017-I
MEDIDAS DE ANALISIS DE 2 VARIABLES
DIAGRAMA DE DISPERSION
COEFICIENTE DE CORRELACION
RECTA DE REGRESION DE MINIMOS
CUADRADOS.
OTRAS
53
I.- DIAGRAMAS DE DISPERSIN.-
Es la representacin grfica de los datos en el sistema de
coordenadas (x , y), adems de determinar la relacin que existe
entre las dos variables, tambin nos puede indicar el tipo de
tendencia de los elementos.
TIPOS DE RELACION.-
Relacin directa
A medida que aumenta los valores de x tambin
aumentan los valores de y (es decir tiene una forma
ascendente). Grfico:
Relacin Inversa
A medida que los valores de x son pequeos los valores
de y son grandes y viceversa. (Su forma es
descendente).Grfico:
54
Relacin nula
Cuando los valores de X e Y estn dispersos sin
coordinacin. Grfico:
Relacin Directa Perfecta

Cuando los valores de X e Y todos caen en una recta
ascendente. Grfico
Relacin Inversa Perfecta

Cuando los valores de X e Y todos caen en una recta
descendente. Grfico:
55
II. COEFICIENTE DE CORRELACION
Es el estadgrafo que mide el grado de relacin que existe entre dos

variables que estn relacionadas entre si.
Se denota por r
El coeficiente de correlacin siempre esta dentro de un intervalo:
[ -1 < r < +1 ]
PROPIEDADES:
a) Si r > 0 existe relacin directa
b) Si r < 0 existe relacin inversa
c) Si r = 0 existe relacin nula
d) Si r = 1 existe relacin directa perfecta
e) Si r = -1 existe relacin inversa perfecta
l
La Informacin se dice que es confiable o consistente cuando el

r > 0.6 ; r < - 0.6
56
FORMULA PARA DATOS NO TABULADOS
r = . nXY - XY .
[nX2 (X)2][nY2 (Y)2]
___
r = C(X , Y) donde C(X,Y) = XY - XY
S(x) S(y) n
FORMULA PARA DATOS TABULADOS

___
r = C(X , Y) donde C(X,Y) = XYfxy - XY
S(x) S(y) n
Ejemplo: Hoja adicional de Problemas
57
III.-RECTA DE REGRESION DE MINIMOS CUADRADOS
Nos permite estimar o predecir valores futuros o anteriores o
aquellos valores que no estn definidos dentro de la serie de
datos.
Existen dos rectas de regresin:
1.- Recta de Regresin de Y sobre X
2.- Recta de Regresin de X sobre Y
Recta de Regresin de Y sobre X

La ecuacin es
= a + b (x)
Donde:
b= N XY - X Y
[nX2 (X)2]
_ _
a = Y (b ) X 58
Recta de Regresin de X sobre Y
La ecuacin es
X* = a + b (y)
Donde:
b =. nXY - XY
[nY2 (Y)2]
a = X (b) Y
Ejemplo:
Hoja adicional de Problemas
59
ESTIMAR DATOS QUE SIGUEN SERIE DE TIEMPO
Se tiene que cambiar las variables tiempos (aos, meses o das) por nmeros
naturales en forma consecutiva. (Ejem: 1, 2, 3,4,, etc.).
La variable tiempo se considera como (X).
Ejemplo:
Aos : 2009 20010 2012 2013 2014 2016

Prod.: 2.3 2.7 3.6 3.2 3.9 4.9
a) Estime la produccin para los aos 2011 Y 2015

b) Estime en que ao la produccin ser de 5.8 toneladas mtricas.
c) Grafique las 2 rectas. Sobre el diagrama de dispersin.
d) Grado de relacin de los aos y produccin.
e) Calcular el valor promedio de la produccin.
60
TEORIA DE LA DECISION ESTADISTICA DOCIMA

SOBRE LA MEDIA POBLACIONAL
Lic.HagaAmrica Campomanes
clic aqu para modificar.
Morn
Haga clic aqu para modificar.
2017-I
61
TEORIA DE LA DECISION ESTADISTICA.-
DOCIMA DE HIPOTESIS
Es la decisin (o conclusin) que se hace respecto a un parmetro
de la poblacin en base a una muestra que se selecciona de la
misma poblacin.
Para tomar esta decisin se debe de tener en cuenta varias
condiciones:
1.- IDENTIFICAR LA POBLACIN

Es decir identificar el tipo de distribucin y se denomina a
este efecto ENFOQUE PARAMETRICO
2.- TIPO DE HIPOTESIS

Hiptesis Nula : Ho
Hiptesis Alternativa: H1
62
Hiptesis nula.-
Es una declaracin tentativa de que un parmetro
de la poblacin es IGUAL a un valor especfico.
Hiptesis Alternativa.-
Es una declaracin tentativa de que el MISMO
parmetro de la poblacin tiene un VALOR DIFERENTE del
especificado en la Hiptesis Nula.
A esta Hiptesis se le denomina HIPOTESIS DE TRABAJO.
La relacin matemtica que se usa para cada hiptesis es:

Hiptesis Nula: se usa la relacin de igualdad ( = )
Hiptesis Alternativa: se usa las relaciones Diferente ( ), Menor
( < ); Mayor ( > )
63
3.- NIVEL DE SIGNIFICACION.- ()
Es el subconjunto del espacio muestral
que nos conduce a Rechazar la Hiptesis Nula cuando es
Verdadera.
= P [RECHAZAR Ho / Ho ES VERDADERO]
Generalmente se trabaja con = 0.05 o con = 0.01
4.- TIPO DE DOCIMA:

Esto depende del enunciado de la HIPOTESIS
ALTERNATIVA, y pueden ser:
64
UNILATERALES o BILATERALES
Las unilaterales:
a) H1 : > o
1-
_______________________
o
b) H1 : < o
1-
_______________________
o
Bilateral
c) H1 : o
/2 1- /2
________________________
o
65
5.- PLANTEAMIENTO DE LA REGLA DE DECISION.-
Para poder aceptar a rechazar la HIPOTESIS NULA, debemos de
conocer lo siguiente:
(1 )
/2 /2
o
REGION DE ACEPTACION .-
Contiene los valores para los cuales
NO SE RECHAZA , la Hiptesis Nula ( Ho )
66
REGION CRITICA.-
(llamada tambin Regin de Rechazo
margen de error) contiene los valores para los cuales SE
RECHAZA la Hiptesis Nula (Ho).
VALOR CRITICO.-
Es el valor que separa la regin de Rechazo,
de la regin de Aceptacin.
Es el PRIMER VALOR de la Regin Critica.
67
6. - TIPO DE ERRORES.-
SE PUEDEN COMETER 2 TIPOS:
ERROR DE TIPO I
Consiste en Rechazar la Hiptesis Nula (Ho), siendo esta verdadera.
= P [RECHAZAR Ho / Ho ES VERDADERA]
ERROR DE TIPO II
Consiste en ACEPTAR Hiptesis Nula (Ho), siendo esta falsa
= P [ACEPTAR Ho / Ho ES FALSA]
68
TABLA DE DECISION
HIPOTESIS NULA Ho
DECISION VERDADERO FALSA
RECHAZAR Error Tipo I Decis.Correcta
ACEPTAR Decis.Correcta Error Tipo II
69
DOCIMA SOBRE LA MEDIA POBLACIONAL
PARA MUESTRAS GRANDES:
( n > 30) DISTRIBUCION SIMTRICA

_
Z = X - o_
/ n
Donde:
_
X = media de la muestra
= Media de la Poblacin
= Desviacin tpica de la poblacin
n = tamao de la muestra
70
PARA MUESTRAS PEQUEAS: (n < 30)
_
t. = X - o
s/n
Donde:
__
X = media de la muestra
= Media de la Poblacin
s = Desviacin tpica de la muestra
n = tamao de la muestra
71
Ejemplos:
1.-Se conoce que el promedio de los sueldos de los ingenieros
egresados de la URP es de 4500 nuevos soles con una
desviacin tpica de 350 nuevos soles. Recientemente una
muestra de 60 ingenieros egresados tienen un promedio de
5200 con una desviacin estndar de 150 soles
a) Cul es la hiptesis nula?
b) Cmo se simboliza la hiptesis alternativa?
c) Su docima es de una cola o dos colas?
d) Es cierto que el sueldo promedio de los egresados ha
aumentado? Considere un nivel de significacin del 6%
e) Es cierto que el sueldo promedio de los egresados ha
aumentado? Considere un nivel de significacin del 1%
72
Ejemplo
2.-Se conoce que los precios de las cmaras de
video digitales son normales con un promedio de
$1100 y una desviacin estndar de $80. Un
ingeniero esta interesado en comprar una
cmara por lo que visita por internet varias
distribuidoras y obtiene los siguientes precios: $
1000, $ 900, $ 1040 y $ 1010.
a) Cuales son las hiptesis?
b) Es cierto que el precio de las cmaras de video
estn disminuyendo ? Emplee un nivel de
significacin del 10%?
73

Clases Teoricas de Estadisticas

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

Clases Teoricas de Estadisticas

Загружено:

Авторское право:

Доступные форматы

Haga clic aqu para modificar. Haga clic aqu para modificar.

Es decir que se encarga de obtener informacin para describirla y

INFINITA.- Cuando el nmero de elementos que la

Datos Cuantitativos.- Son expresiones numricas, y se dividen en:

Frecuencia absoluta (fi).- Se obtiene de contar cuantas

Frecuencia Absoluta acumulada (Fi).- se obtiene de sumar las

Frecuencia Relativa acumulada (Hi).- se obtiene de sumar las

Frecuencia Relativa acumulada decreciente (Hi).-

2.- DISTRIBUCION DE FRECUENCIA PARA

3.- DISTRIBUCION DE FRECUENCIA PARA

a) Sepide formar la distribucin de frecuencias.

a) Se pide formar la distribucin de frecuencias.

Marca Frec. Frec.

a) Elaborar la distribucin de frecuencias (usando la regla de sturgen)

Son tablas donde se presenta en forma ordenada dos caractersticas de

Existen 4 cuadros de distribucin bidimensional de frecuencias

Es el promedio de un conjunto de datos (o Punto de Equilibrio).

PARA DATOS NO TABULADO.-

Es la sumatoria del producto de la variable con la

PARA DATOS NO TABULADOS (pocos datos)

Entonces: Md = X J cuando es FJ-1 < n/2

Hallar el lJ (que es el lmite real inferior de la recta del FJ)

Se denota Mo y se define de acuerdo ha como se presente

FORMULA: .- Qi = lj + (in/4 Fj-1) * Cj

Ejemplo: Hoja adicional de problemas 36

Lic. Amrica Campomanes Morn

2.- La varianza de una constante es igual a cero

3.- Si a cada valor de la serie de datos se le SUMA O RESTA una constante; la

4.- Si a cada valor de la serie de datos se le multiplica una constante; la varianza

Se define como la raz cuadrada positiva de la varianza.

SE USA PARA COMPARAR DOS O MS MUESTRAS.

Lic. Amrica Campomanes Morn

Se denota A1, nos indica el sesgo de la distribucin

Lic. Amrica Campomanes Morn

Relacin Directa Perfecta

Relacin Inversa Perfecta

Es el estadgrafo que mide el grado de relacin que existe entre dos

La Informacin se dice que es confiable o consistente cuando el

FORMULA PARA DATOS TABULADOS

Ejemplo: Hoja adicional de Problemas

Recta de Regresin de Y sobre X

Aos : 2009 20010 2012 2013 2014 2016

a) Estime la produccin para los aos 2011 Y 2015

TEORIA DE LA DECISION ESTADISTICA DOCIMA

1.- IDENTIFICAR LA POBLACIN

2.- TIPO DE HIPOTESIS

La relacin matemtica que se usa para cada hiptesis es:

Generalmente se trabaja con = 0.05 o con = 0.01

4.- TIPO DE DOCIMA:

Es el PRIMER VALOR de la Regin Critica.

SE PUEDEN COMETER 2 TIPOS:

DECISION VERDADERO FALSA

RECHAZAR Error Tipo I Decis.Correcta

ACEPTAR Decis.Correcta Error Tipo II

PARA MUESTRAS GRANDES:

( n > 30) DISTRIBUCION SIMTRICA

Вам также может понравиться