Descript Iva

1
Contenidos
1. Introduccin
2. Estadstica Descriptiva:
Univariante
Bivariante
3.- Probabilidades
4.- Distribucin de probabilidades
5.- Distribucin en el Muestreo
6.- Estimacin de Parmetros
7.- Dcimas de Hiptesis
Prof.: David Becerra Rojas 1
Bibliografa
1. Murray y Espieges Estadstica
2. Paul Newbold Estadstica para los negocios
3. Mario Triola Probabilidad y Estadstica
4. L. Chao
5. R. Levin
6. Mongomery
7. www.elprisma.com( Matemtica,.)
ESTADISTICA
CIENCIA QUE NOS PERMITE TOMAR
DECISIONES BAJO CIERTA
INCERTIDUMBRE
3
Trminos Comunes
Proceso de realizar una observacin o una medicin.
Caracterstica o fenmeno, que puede tomar distintos valores.
Resultado de la observacin de una variable.
Conjunto total de elementos o individuos, que poseen una
caracterstica comn, acerca de la cual se quiere informacin
Subconjunto de la poblacin, seleccionada de acuerdo a una regla o un plan.
Obtencin de todos los datos de inters que posee la poblacin
Funcin o formula que depende de los datos de la muestra
Estimacin del parmetro a travs del estadstico
Funcin o formula que depende de los datos de la poblacin
Muestra
Censo
Estadstico
Parmetro
Inferencia
Experimento
Variable
Dato
Poblacin
Mtodo Cientfico
1. Planteamiento del Problema
2. Diseo del Experimento
3. Experimentacin y Recoleccin
4. Organizacin y Descripcin de Resultados
5. Inferencia Estadstica
Muestreo
Notacin:
N : Tamao de la Poblacin
n : Tamao de la Muestra
2
Tipos de Muestreos Aleatorios
Aleatorio Simple
Estratificado
Sistemtico
Por Conglomerado
Muestreo Aleatorio Simple
Todos los elementos de la poblacin, tienen la misma
oportunidad de estar contenidos en la muestra.
Se enumeran todos los elementos, y luego se extraen
de uno en uno, aleatoriamente, hasta completar el
tamao de la muestra.
Cuando la poblacin es muy grande, se puede
recurrir a los nmeros aleatorios.
Muestreo Estratificado
Mtodo de seleccin, utilizado cuando la poblacin, est
dividida en grupos llamados estratos, cada uno, formado
por una gran cantidad de elementos homogneos.
Se toma una muestra aleatoria simple, en cada
estrato.
Los estratos, pueden ser de igual o distinto tamao,
si son distintos, una manera posible de determinar el
tamao de la muestra al interior de cada estrato, es
que esta sea proporcional al tamao del mismo, a
este tipo de asignacin, se le conoce como Afijacin
Proporcional, que no siempre resulta la mejor,
debido al costo de muestreo en cada estrato.
Muestreo Sistemtico
Este mtodo, se utiliza cuando la poblacin tiene sus
elementos ordenados. Se divide la poblacin (de tamao
N) en tantas sub poblaciones, como sea el tamao de la
muestra (n), todas de igual tamao
(k = N/n).
Se selecciona al azar un elemento de la primera sub
poblacin, y de ah en adelante, de las sub
poblaciones siguientes, se extrae el elemento
correspondiente.
Muestreo por Conglomerado
Se utiliza, cuando la poblacin, est dividida en una gran
cantidad de pequeos grupos, llamados Conglomerados,
cada uno formado por elementos heterogneos. Se toma
una muestra aleatoria de Conglomerados, y luego se
censan todos los conglomerados seleccionados.
Tipos (Gnero) de Variable
1.- Numricas :
a.- Discretas
b.- Continuas
2.- Categricas: a.- Ordinales
b.- Nominales
3
Organizacin de Datos
Consideremos que la variable X, se divide
En k clases o categoras, denominadas:
C
1
, C
2
, C
i
, C
k
Dando origen a la Siguiente tabla de Frecuencia
Tablas de Frecuencia
i X ni fi Ni Fi
1 C1 n1 f1 N1 F1
2 C2 n2 f2 N2 F2
: : : : : :
i Ci ni fi Ni Fi
: : : : : :
k Ck nk fk Nk Fk
T o t a l n 1 /// ///
Tablas de Frecuencias
Frecuencia Absoluta: (n
i
)
Frecuencia Relativa : ( f
i
=n
i
/n )
Frecuencia Acumulada Absoluta: (N
i
)
Frecuencia Acumulada Relativa : (F
i
=N
i
/n )
Ejemplo 1:
M MB B B R M MM R MB MB R B B M R
B B R MB B B B R M MM B R R B R
B R
Tabla
i X
1 MM
2 M
3 R
4 B
5 MB
Total
Determine: a.- La variable x:
b.- El tpo de Variable:
c.- Una tabla de frecuencia
ni
2
4
10
12
4
32
f
i
.06
.13
.31
.38
.12
1.0
N
i
2
6
16
28
32
//
F
i
.06
.19
.50
.88
1.0
//
Opinin de alumnos por una bebida nueva
d.- Determine e Interprete
k= f
4
=
n
3
= N
3
=
n= F
3
=
e.- Cuantos alumnos consideran que
la bebida es al menos regular?
5
10
32
.38
16
.50
26 alumnos
Opinin de los alumnos..
Categrica Ordinal
Ejemplo 2:
4 3 5 8 3 6 3 2 2 4 4 3 3
5 8 6 8 3 6 6 4 3 5 2 2 4
6 6 3 5
Tabla
i X
1 2
2 3
3 4
4 5
5 6
6 7
7 8
Total
Determine: a.- La variable X:
b.- El tpo de Variable:
c.- Una tabla de frecuencia
ni
4
8
5
4
6
0
3
30
f
i
.13
.27
.17
.13
.20
.00
.10
1.0
N
i
4
12
17
21
27
27
30
//
F
i
.13
.40
.57
.70
.90
.90
1.0
//
Nmero de artculos defectuosos por da.
d.- Determine e Interprete
k= f4=
n3= N4=
n= F3=
e.- En cuantos das el nmero de artculos
defectuosos fue de al menos 4?
7
5
30
.13
21
.57
18 das
Nmero de artic. Defec. Por da
Numrica Discreta
f.- Cul fu el nmero mximo de artculos
def. por da en los 15 das que hubieron menos?
4 artculo
g.- Cuntos artculos en total, se juntaron en
Los 6 das en que hubieron ms?
42 art.
Tabla de Frecuencia con Intervalos de
Clase
1. Rango: R = Valor Mx. Valor mn. + 1
u (1u: Una unidad de
medida)
2. Cantidad de Intervalos, Segn Sturgers: k = 1
+ 3.3 log(n) kN
3. Amplitud: c = Rk (c valor superior cuando no es exacto)
Aparentes (X
A
)
6. Marcas de Clases (X
i
)
Ej. Si 1
u
= 0.01
y C= R/k = 4.571 4.58 ( se expresa en la unidad de medida) 4. Adicionales: p = c*k R
5. Intervalos :
X
i
= ( Ls + Li ) 2
Caractersticas (X
A
):
1.- Limite inferior del primer intervalo corresponde al valor
mnimo menos las p* unidades adicionales correspondientes .
2.- Limite superior del ltimo intervalo corresponde al valor
mximo ms las p** unidades adicionales correspondientes.
3.- Se expresan en la unidad de medida.
4.- Estn separados por una unidad de medida.
Reales (X
R
)
Caractersticas ( X
R
):
Se obtienen a partir de los Intervalos Aparentes, ampliando
estos en media unidad de medida hacia cada extremo, de tal
manera, que el limite superior de un intervalo, corresponda al
inferior del intervalo siguiente.
Obs.: La amplitud (c), se puede obtener de la diferencia entre dos limites
inferiores o superiores consecutivos, o entre dos marcas de clases
consecutivas
4
Ejemplo
Sea Valor mnimo = 4.7
Valor Mximo = 12.6
n = 42
Determine los intervalos aparentes y reales
con sus respectivas marcas de clase.
1. Rango R = 12.6 4.7 + 0.1 = 8.0
2. K = 1 +3.3 log(42) = 6.4 6
3. C = 8.0 6 = 1.33 1.4
4. P = 1.4*6 -8.0=0.4
5. =Intervalos :i X
A
X
R
X
i
1
2
3
4
5
6
4.5 5.8
5.9 7.2
7.3 8.6
8.7 10.0
10.1 11.4
11.5 12.8
4.45 5.85
5.85 7.25
7.25 8.65
8.65 10.05
10.05 11.45
11.45 12.85
5.15
6.55
7.95
9.35
10.75
12.15
Ejemplo 2:
Considere los siguientes datos:
0.94 1.05 0.86 0.94 0.96 1.03 1.01
0.78 0.84 0.86 1.04 0.76 0.65 0.70
Confeccione una tabla de frecuencia
Con 5 intervalos.
1. Rango R = 1.05 0.65 + 0.01 = 0.41
2. K = 5
3. C = 0.41/5=0.082 0.09
4. P = 0.09*5 -0.41=0.04
5. =Intervalos :
i X
A
X
R
X
i
n
i
f
i
N
i
F
i
1
2
3
4
5
0.63 0.71
0.72 0.80
0.81 0.89
0.90 0.98
0.99 1.07
0.625 0.715
0.715 0.805
0.805 0.895
0.895 0.985
0.985 1.075
0.67
0.76
0.85
0.94
1.03
2
2
3
3
4
14
0.14
0.14
0.21
0.21
0.29
1.00
2
4
7
10
14
0.14
0.28
0.49
0.70
1.00
Complete la siguiente Tabla
1 - 12
2 - 0.20 12.6
3 - 48
4 - 0.80 18.4
5 - 120
Total //// ///// /////
i X
R
n
i
f
i
N
i
F
i
X
i
24
12
96 48
24
9.7
21.3
15.5
8.25
11.15 14.05
14.05 16.95
16.95 19.85
19.85 22.75
36
12
120
Luego como C = 2.9
11.15
TIPOS de GRFICOS
Grfico de Barras
Grfico de Sectores
Histograma
Polgono
Ojiva
Pctograma
Categricas y Numricas Discretas
Categricas
Numricas Continuas
Numricas Continuas
Numricas
Numricas y Categricas
Principalmente en variables :
5
Grfico de Barras
0
5
10
15
20
25
30
H A K M B
n
i
x
i
Grfico de Sectores ( Circular)
1
2
3
4
Histograma
3.5 5.5 7.5 9.5 11.5 13.5 XR
|
|
|
|
|
|
|
_________________________
n
i
120
100
80
60
40
20
Polgono
0
20
40
60
80
100
120
2.5 4.5 6.5 8.5 10.5 12.5 Xi
n
i
Ojiva
,00%
20,00%
40,00%
60,00%
80,00%
100,00%
1 2 3 4 5 6 7 8 9 10
F
i
Pictograma
1990
1995
2000
2005
1000 ejemplares
Consumo de carne de vacuno
6
Ejemplo 1
()ac
51.4
143.9
205.5
231.1
360.0
/////
i x
i
n
i
f
i
1 H 10
.143
2 A 18
.257
3 K 12
.171
4 M 5
.071
5 B 25
.357
To tal 70
1.00
f
i
x360
51.4
92.5
61.6
25.6
128.5
360
Confeccione un grfico de Barras y uno de Sectores
Ejemplo 2
i
1
2
3
4
X
4 - 5
6 - 7
8 - 9
10 - 11
T otal
ni
40
75
105
30
250
fi
.16
.30
.42
.12
1.0
Ni
40
115
220
250
Fi
.16
.46
.88
1.0
Xi
4.5
6.5
8.5
10.5
Confeccione un: Histograma, un Polgono, y un Ojiva
Ejercicio
Supongamos que los datos siguientes representan los tiempos, que
demoran unos atletas en terminar una maratn.
1:35 1:28 1:45 1:52 1:40 1:30 1:38
1:47 1:37 1:30 1:40 1:36 1:29 1:35
1:37 1:36 1:40 1:36 1:48 2:05 1:32
2:28 1:45 1:50 1:47 2:29 1:44 1:49
1. Identifique la variable
2. Indique el gnero ( tipo)
3. Construya una tabla de frecuencia de 5 intervalos
4. Confeccione un; Histograma, Ojiva
ESTADISTICOS ( o Estimadores)
CUANTILES ( Estadsticos de Orden)
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE DISPERSIN
CUANTILES: ( ESTADSTICOS DE ORDEN)
Cuartles : ( K
k
)
Quintles : (Qq)
Decles : ( D
d
)
Percentles : ( P
p
)
Cuartiles:
K
1
K
2
K
3
25%
50%
75%
k = 1, 2, 3
7
Quintiles:
Q
q
q x 20%
Q = 1, 2, 3, 4
Deciles:
D
d
(10*d)%
d = 1, 2, .., 9
Percentles:
P
p
p%
p = 1, 2, ., 99
Ejercicio
La tabla siguiente, representa los aos de
Servicio de los trabajadores de una empresa.
i X
i
n
i
1 3 15
2 6 18
3 9 26
4 10 38
5 12 30
6 18 25
Total 152
1. Calcular : K
1
, Q
3
, D
2
, P
45
N
i
15
33
59
97
127
152
F
i
0.09
0.22
0.39
0.64
0.84
1.00
2.- Cul es el ao de servicio mnimo
de los 30 trabajadores ms antiguos
12 aos
K
1
= 9
P
45
= 10
Q
3
= 10
D
2
= 6
Cuantiles:
Li : Limite real inferior del intervalo que contiene el cuantil t, que es aquel
donde por primera vez la frecuencia acumulada pasa el (t/Sx100)%.
S : 4, 5, 10, 100 ( Cuartil, Quintil, Decl, Percentil , respectivamente)
N
t-1
: frec. Acumulada anterior al intervalo que contiene el C
t
.
n
t
: frec. Absoluta del intervalo que contiene el C
t
.
C : Amplitud del intervalo.
n : Tamao de Muestra ( Total de Datos)
t
t t
n
c
N
S
n t
Li C *
*
1
(
+ =

t : 1,2,3 Cuartiles
1,2,3,4 Quintiles
1,2..9 Deciles
1,2,99 Percentiles Cuando los datos estn ordenados en una tabla de frecuencia
Con intervalos de clase, se puede utilizar la siguiente expresin
Ejemplo
8
6 . 0
* 4
10
50 * 1
95 . 2
1 (
+ = D
5
6 . 0
* 37
4
50 * 3
75 . 4
3 (
+ = K
15
6 . 0
* 12
100
50 * 35
55 . 3
35 (
+ = P
i X
1 2.4 - 2.9
2 3.0 - 3.5
3 3.6 - 4.1
4 4.2 - 4.7
5 4.8 - 5.3
6 5.4 - 5.9
Total
n
i
4
8
15
10
5
8
50
N
i
4
12
27
37
42
50
f
i
.08
.16
.30
.20
.10
.16
1.0
F
i
.08
.24
.54
.74
.84
1.0
= 4.81
= 3.025
Determine : K
3
, D
1
, P
35
, y P
74
, Q
3
= 3.77
Si la variable X representa la utilidad en M$ por da determine:
i.- Cul fue la utilidad mxima de los 15 das que gan menos?
ii. En cuntos das la utilidad fue de al menos M$ 5.0?
11 das
P
74
= 4.75
M$ 3.67
Q
3
= 4.33
8
MEDIDAS DE TENDENCIA CENTRAL
MODA
MEDIANA
MEDIA ARITMTICA
MEDIA ARMNICA
MEDIA GEOMTRICA
MODA ( MODO)
La denotaremos por : Mo
a.-Est dada por la observacin que ms se repite la
de mayor frecuencia.
b.-Es posible calcularla para cualquier tipo de variable.
c.- Pueden existir muchas o ninguna.
MODA
Ejemplo 1: Sean los siguientes datos:
F D R F T D R U D U U D
i X
i
n
i
1 F 2
2 D 4
3 R 2
4 T 1
5 U 3
Total 12
Luego; en este caso la
Moda es:
Mo = D
MODA
Ejemplo 2 :
2 3 5 1 1 5 2 5 4 2 4 2 5 1 6
i X
i
n
i
1 1 3
2 2 4
3 3 1
4 4 2
5 5 4
6 6 1
Total 15
En este caso tenemos dos Mo:
Mo
1
= 2 Mo
2
= 5
MODA
La moda para datos tabulados, se obtiene a partir de la
siguiente expresin:
Donde: Li: Limite real inferior del intervalo que contiene la Mo que es aquel
que tiene mayor frecuencia
1
: Diferencia entre las frecuencias absolutas del intervalo modal y
el intervalo anterior.
2
: Diferencia entre las frecuencias absolutas del intervalo modal y
el intervalo posterior.
c Li M
o
*
2 1
1
(
+ =
Ejemplo :
2 *
64 34
34
5 . 7
(
+
+ = o M
c Li M
o
*
2 1
1
(
+ =
i
1
2
3
4
X
4 - 5
6 - 7
8 - 9
10 - 11
T otal
n
i
42
68
102
38
250
= 8.19
Calcule la Moda
9
MEDIANA
La denotaremos como : Md
Puntuacin que divide la distribucin de los datos
( la muestra) en dos partes iguales.
Es decir nos indica el punto hasta donde se tiene
acumulado el 50% de las observaciones.
Nota: - Para su determinacin, los datos se
ordenan previamente.
- No tiene sentido cuando la variable
es categrica nominal.
MEDIANA
Si el nmero de observaciones impar,
entonces la Md estar dada por la observacin
central.
Si el nmero de observaciones par, entonces
la Md estar dada por el promedio de las dos
observaciones centrales.
MEDIANA
Ejemplo: 1
2 3 5 7 9 10 27 29 30 38 40 n=11
En este caso la Md = 10
Ejemplo: 2
2,3 2,6 3,6 5,8 6,8 7,9 n=6
123
Luego ; Md = (3,6+5,8)/2 = 4,7
MEDIANA
La mediana para datos tabulados, se obtiene a partir de
la siguiente expresin:
Donde: Li : Limite real inferior del intervalo que contiene la Md, que es aquel
donde por primera vez la frecuencia acumulada pasa el 50%.
n : Tamao de la muestra
N
d-1
: Frec. acumulada anterior al intervalo que contiene la Mediana.
n
d
: Frec. Absoluta del intervalo que contiene la Md
d
d d
n
c
N
n
Li M *
2
1 (
+ =

MEDIANA
Ejemplo: dado los siguientes datos:
i X
1 4
2 5
3 6
4 7
5 8
6 9
Total
n
i
3
2
2
3
4
3
17
Determine; Md
4 4 4 5 5 6 6 7 7 7 8 8 8 8 9 9 9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 N
i
3
5
7
10
14
17
F
i
.18
.29
.41
.59
.82
1.0
Md = 7
Ejemplo de Mediana
15
2
* 12
2
5 . 7
(
+ =
n
M
d
i X
1 4 - 5
2 6 - 7
3 8 - 9
4 10 - 11
5 12 - 13
6 14 - 15
Total
n
i
4
8
15
18
2
3
50
N
i
4
12
27
45
47
50
f
i
.08
.16
.30
.36
.04
.06
1.0
F
i
.08
.24
.54
.90
.94
1.0
Luego la M
d
= 9.23
y la Moda Mo = 9.82
Determine; M
d
, M
o
10
Ejercicio.
4.8 3.6 5.2 6.1 6.0
2.9 3.5 4.8 4.3 4.2
4.8 3.1 4.8 2.9 5.5
5.0 4.8 5.6 6.0
1. Calcular Mo , Md
2. Construya una tabla de frecuencia
3. Calcule de la tabla Mo , Md.
4. Comente.
MEDIA ARITMTICA
La media Aritmtica tambin llamada Promedio
simplemente Media, y esta dada para datos no
tabulados por : (Se calcula solamente en variables numricas)
Donde: X
i
: Corresponde a las Observaciones
n : Tamao de la Muestra
N : Tamao de la Poblacin
n
X
X
n
i
i
=
=
1
N
X
N
i
i
=
=
1
Muestral
Poblacional
Donde: Xi : Observacin Marca de Clase
n : Tamao de la muestra
n
i
: Frecuencia Absoluta de la observacin o del
intervalo
k : Nmero de intervalos
MEDIA ARITMTICA
Para datos Tabulados la Media est dada por :
n
X n
X
k
i
i i
=
=
1
=
=
k
i
i i
x f
1
Ejemplo: La tabla siguiente representa una muestra de los
aos de servicio de trabajadores.
= =

=
5
1 i
i i
n
x n
X
i
1
2
3
4
5
Xi
5
10
12
15
20
ni
4
7
8
3
2
24
Xi*ni
20
70
96
45
40
271
fi
0.167
0.292
0.333
0.125
0.083
1.00
fixxi
0.835
2.920
3.996
1.875
1.660
11.286
--------------------------------------------
--------------------------------------------
Total
Determine la Media:
= =

=
5
1 i
i i
x f X
= 11.286
286 . 11
24
271
= = X
Ejemplo 2: Se toma una muestra de 21 observaciones,
calcule la Media.
807 . 2
21
95 . 58
=
2 . 0
21
15
95 . 2

+ = c
n
u n
A X
k
i
i i
=
+ =
1
i X
1 2.3 - 2.4
2 2.5 - 2.6
3 2.7 - 2.8
4 2.9 - 3.0
5 3.1 - 3.2
6 3.3 - 3.4
Total
n
i
4
5
3
2
4
3
21
x
i
2.35
2.55
2.75
2.95
3.15
3.35
n
i
*x
i
9.40
12.75
8.25
5.90
12.60
10.05
58.95
Luego como
u
i
-3
-2
-1
0
1
2
n
i
*u
i
-12
-10
-3
0
4
6
-15
= 2.807
= =
=
5
1 i
i i
n
x n
X
MEDIA PONDERADA

= == =
= == =
k
1 i
x * n
n
i i
_ _ _
_ n
1
x
1
+ n
2
x
2
+.+n
k
x
k
x
T
= ---------------------------------
n
1
+ n
2
+ .+ n
k
_
100x480 + 300x320 + 400x Xc
290 = ---------------------------------------
100 + 300 + 400
Ejemplo: En una empresa donde se distinguen tres tipos de trabajadores, el
salario medio es de 290. Los 100 trabajadores de la categora A
tienen un salario medio de 480, los 300 de la categora B tienen un
salario medio de 320, Cunto es el salario medio de los 400 de la
categora C?
_
Luego X
c
= 220
11
Tarea N
Ventajas y Desventajas de: Moda, Mediana
y Media.
Defina y de un ejemplo de :
Media Geomtrica : (G)
Media Armnica : (H)
Sesgo
Curtosis
Media Geomtrica:
n
n n
x x x
i
n
i
G x * ..... * *
1
2 1
=
=
=

=
=
n
i i
x
n
H
1
1
Media Armnica:
Desviacin Media: (DM)
Desviacin Intercuartlica: (K)
Desviacin Tpica: ( s )
Varianza: ( s
2
)
Rango: (R)
Rango: (R)
R = V. Mximo V. Mnimo + 1 Unidad de Medida
Desviacin Intercuartlica: (K)
2
1 3
K K
K

=
Desviacin Media: (DM)
Para datos No Tabulados
Para datos Tabulados
n
X X
DM
n
1 i
i
=
n
X X n
DM
k
i
i i
=
=
1
12
Varianza: (s
2
,
2
)
Poblacional
2 1
2
1
2
2
) (
=

= =
N
x
N
x
N
i
i
N
i
i
Muestral : Para datos No Tabulados
( )
1
1
2
2
=
n
X X
S
n
i
i
) 1 n ( n
x x n
2
n
1 i
i
n
1 i
2
i
|
|
\
|
=

= =
( )
1
1
2
2
=
n
X X n
S
k
i
i i
) 1 (
2
1 1
2
\
|
=

= =
n n
x n x n n
k
i
i i
k
i
i i
Muestral : Para datos Tabulados
Ejemplo
6
5
30
= = X
( )
5 . 7
4
30
1
1
2
2
= =
=
n
X X
S
n
i
i
2
5
10
1
= =
=
n
X X
DM
n
i
i
( )
5 . 7
4 * 5
30 210 * 5
) 1 (
2
2
1 1
2
2
=
\
|
=

= =
n n
x x n
S
n
i
i
n
i
i
Obs. : x
1
x
2
x
3
x
4
x
5
Total
Xi : 2 5 6 8 9 30
Determinar: Desv Media
Varianza
___
x
i
- x : - 4 -1 0 2 3 0
_
x
i
- x : 4 1 0 2 3 10
_
(x
i
- x)
2
: 16 1 0 4 9 30
Sean las edades ( en ao) de 5 nios
X
2
i
: 4 25 36 64 81 210
Desviacin Tpica: (S , )
2 1
2
1
2
) (
=

= =
N
x
N
x
N
i
i
N
i
i
( )
1 n
X X
S
n
1 i
2
i
=
) 1 (
2
1 1
2
\
|
=

= =
n n
x x n
n
i
i
n
i
i
Poblacional:
Muestral : Para datos No Tabulados
Para datos Tabulados
( )
1
1
2
=
n
X X n
S
k
i
i i
) 1 (
2
1 1
2
\
|
=

= =
n n
x n x n n
k
i
i i
k
i
i i
COEFICIENTE DE VARIACIN

( (( (
( (( (

( (( (

= == = = == =
X
S
CV
Mide la homogeneidad que existe en los datos
Respecto a la variable en estudio.
Mientras ms pequeo, ms homogneo.
13
Ejemplo 2
75 . 2
19
25 . 52
:
1
= = =
=
n
x n
X que Sabemos
k
i
i i
( )
) 1 19 ( 19
25 . 52 ) 61 . 145 ( 19
2
=
) 1 (
2
1 1
2
\
|
=

= =
n n
x n x n n
S
n
i
i i
n
i
i i
i
1
2
3
4
5
6
X
2.3 - 2.4
2.5 - 2.6
2.7 - 2.8
2.9 - 3.0
3.1 - 3.2
3.3 - 3.4
n
i
4
5
3
2
4
1
19
x
i
2.35
2.55
2.75
2.95
3.15
3.35
n
i
xx
i
9.40
12.75
8.25
5.90
12.60
3.35
52.25
= 0.327
n
i
xx
i
2
22.09
32.51
22.69
17.41
39.69
11.22
145.61
Calcule: la Media , Desv. Tpica
119 . 0
75 . 2
327 . 0
= = =
x
s
CV
Ejemplo 2
c
n
u n
A X
k
i
i i
=
+ =
1
( )
) 1 19 ( 19
19 ) 67 ( 19
2 . 0
2

=
) 1 (
2
1 1
2
\
|
=

= =
n n
u n u n n
c S
n
i
i i
n
i
i i
2 . 0
19
) 19 (
95 . 2

+ =
i
1
2
3
4
5
6
X
2.3 - 2.4
2.5 - 2.6
2.7 - 2.8
2.9 - 3.0
3.1 - 3.2
3.3 - 3.4
n
i
4
5
3
2
4
1
19
x
i
2.35
2.55
2.75
2.95
3.15
3.35
u
i
-3
-2
-1
0
1
2
n
i
*u
i
-12
-10
-3
0
4
2
-19
= 2.75
n
i
*u
i
2
36
20
3
0
4
4
67
= 0.327
Calcule: la Media , Desv. Tpica
por el Medio Provisorio
Coeficiente de Asimetra ( Sesgo )
Su valor es cero cuando la distribucin es simtrica, positivo cuando existe
asimetra a la derecha y negativo cuando existe asimetra a la izquierda.
de Pearson
de Fisher
3
3
1
3
3 1
) (
1
S
x x n
S
k
i
i i

= =

=
Coeficiente de Curtosisi
ca Platicrti
a Mesocrtic
ca Leptocrti
: 0
: 0
: 0
2
2
2

3 3 ) (
1
4
4
1
4
4 2
= =

=
S
x x n
S
k
i
i i

Estadstica Descriptiva
Bivariante
Prof.: David Becerra Rojas 77 Prof.: David Becerra Rojas 78
Sean las siguientes variables:
X : A
1
, A
2
, ...................A
f
Y : B
1
, B
2
,.....................B
c
Estas variables, se pueden ordenar en una tabla de
doble entrada llamada Tabla de Contingencia:
Estadstica Descriptiva Bivariante
14
Tabla de Contingencia
X \ Y B
1
B
2
..B
j
.. B
c
Total
A
1

n
11
n
12

:
n
1
.
A
2

n
21
n
22

:
n
2
.
A
i
. .
n
ij

.
n
i
.
: :
:
A
f
:
n
f
.
Total n.
1
n.
2
... n.
j
..... n.
c

n

Frecuencia Absoluta
(Conjunta)
Se denota por n
ij
y se define como: Cantidad de
elementos que cuentan simultneamente con la
caracterstica A
i
de la variable X y B
j
de la variable Y
Frecuencia Absoluta
Marginal
n
i
.: Total de la fila i = n
ij
n.
j
: Total de la Columna j = n
ij
n.. : Total General = n
ij
= n ( Tamao muestra)
i=1 j=1
j=1
c
f
f c
i=1
Frecuencia Relativa
Conjunta
Se denota por fij =
n
ij
n
Frecuencia Marginal Relativa
f
i
. = f
ij
=
f.
j
= f
ij
=
f.. = f
ij
= 1
i=1 j=1
j=1
c
f
f c
i=1
n
n
n.
j
n
i
.
Frecuencia Condicional
. . i
ij
i
ij
i
j
n
n
f
f
f = =
j
ij
j
ij
j
i
n
n
f
f
f
. .
= =
De x dado y ( x/y):
De y dado x ( y/x):
15
Independencia de Variables
Diremos que dos variables X e Y son
independientes si y solo si, la conjunta es igual al
producto de las marginales, para todo i, y para todo j.
Es decir;
fij = fi. x f.j i , j
nij =
ni. X n.j
n
Estadstica Descriptiva Bivariante
Ejemplo: Considere una muestra de turistas
Sea X : Peso (Kg) de equipaje de Turistas
Y: Nacionalidad
X \ Y
Chilena Argentina Peruana Brasilea
Total
5 10
4 2 4 10 20
10 15
8 3 1 12 24
15 20
3 9 3 10 25
20 25
0 10 1 10 21
25 - 30
5 2 0 15 22
Total 20 26 9 57 112

Determine e Interprete : f = n
51
=
f
34
=
n
..
= n
.3
=
n
2.
=
f
j=4/i=3
= f
i=4/j=3
= f
.2
= f
4.
=
c= 5 4 5
24 9 112
10/112 21/112 26/112 1/9 10/25
0.083 0.19 0.23 0.11 0.40
Asociacin de Variables
Numricas
i
1
2
.
.
.
n
X
x
1
x
2
.
.
.
x
n
Y
y
1
y
2
.
.
.
y
n
. . .
.
.
.
.
.
.
.
.
.
x
y
Diagrama de
dispersin
Tipos de Asociacin
Favorable :
. .
. . .
..
..
..
y
x
Inversa:
..
. .
.
..
..
.
x
y
x
i x
j
x
j
x
i
y
j
y
i
y
i
y
j
) ( ) ( y y x x
) )( ( y y x x
Sea X:Remuneracin
Y: Cargas Familiares
1
1
3
4
4
5
18
3.0
2
3
3
5
2
6
21
3.5
-2
-2
0
1
1
2
0
1
2
3
4
5
6
Total
Media
-1.5
-0.5
-0.5
1.5
-1.5
2.5
0
Ejemplo:
3
1
0
1.5
-1.5
5
9
1.5
y x i
Covarianza ( cov(x,y) )
n
y y x x
y x Cov

=
) )( (
) , (
5 . 1
6
9
) , ( = = y x Cov
16
Coeficiente de Correlacin

=
) ) ( )( ) ( (
2 2 2 2
y y n x x n
y x xy n
r
-1 r 1
r : Se expresa en porcentaje
y x
y x Cov
r
*
) , (
=
) 21 87 * 6 )( 18 68 * 6 (
21 * 18 72 * 6
2 2

=
) ) ( )( ) ( (
2 2 2 2
y y n x x n
y x xy n
r
X
1
1
3
4
4
5
18
Y
2
3
3
5
2
6
21
XY
2
3
9
20
8
30
72
i
1
2
3
4
5
6
Total
X
2
1
1
9
16
16
25
68
En nuestro caso tenemos:
Y
2
4
9
9
25
4
36
87
= 0.65
Regresin Lineal
Y = a + bX
Consiste en ajustar a los datos (representados en el
diagrama de Dispersin, una lnea, que puede ser recta
o curvilnea .
En esta oportunidad analizaremos el caso de la lnea recta.
Esta recta, tambin sirve para marcar la tendencia
De los datos, para hacer proyecciones, y para estimar
algn valor de y dado un valor de x.

Error:
i i i
y y e =
Varianza del Error: (
2
)
cuyo estimador est dado por:
2
) (
2
2 2
= =

n
y y
S S
i i
x
y e

= = O y y e
i i i
) (
Debemos minimizar la varianza del Error
Para tal efecto debemos minimizar:
2 2
) ( ) (

= =
i i i i
bx a y y y A
Es decir derivar A
0
0
=
b
A
a
A
Sistema de Ecuaciones Normales
17

= + =
= =
i i
i i
y x b na
bx a y
a
A
0 ) 1 ( ) ( 2
Luego tenemos:

= +
= =
i i i i
i i i
y x x b x a
x bx a y
b
A
2
0 ) )( ( 2

= +
= +
xy x b x a
y x b na
i i
i
2
Por lo tanto, el sistema de Ecuaciones Normales
queda de la siguiente forma:
Por determinante tenemos;
( )

= =
2 2
2
x x n
x x
x n

= = xy x x y
x xy
x y
a
2
2

= = y x xy n
xy x
y n
b
=
a
a
=
b
b
Estimadores Mnimos Cuadrado
2 2
2
) x ( x n
xy x x y
a

=
2 2
) x ( x n
y x xy n
b

=
a
=
b
X b Y =
X
1
1
3
4
4
5
18
Y
2
3
3
5
2
6
21
XY
2
3
9
20
8
30
72
i
1
2
3
4
5
6
Total
X
2
1
1
9
16
16
25
68
En el caso que estamos analizando tenemos:
Y
2
4
9
9
25
4
36
87
^
Y
2.2
2.2
3.5
4.1
4.1
4.8
( e )
^
Y - Y
-0.2
0.8
-0.5
0.9
-2.1
1.2
0.0
( e
2
)
^
(Y Y)
2
0.04
0.64
0.25
0.81
4.41
1.44
7.59
Luego; 898 . 1
4
59 . 7
2
) (
2
2
= =
=

n
y y
S
i i
x y
Luego tenemos que; a = 1.571 b = 0.643
Error Tpico: ( )
38 . 1 898 . 1
4
59 . 7
2
) (
2
2
= = =
= =

n
y y
S S
i i
e x y
2
2

= =

n
xy b y a y
S S
x
y e
Tambin se puede obtener a partir de:
18
Coeficiente de Determinacin
El coeficiente de Determinacin, nos
indica la variabilidad explicada por la recta
de regresin lineal, es decir que tan bueno
es el ajuste de la recta.
Esta dado por: r
2
0 r
2
1
Nota: Referencia para el ajuste, tambin lo da
el error tpico S
y/x
Ejemplo:
Supongamos que tenemos dos variables:
X : Aos de servicio de vendedores.
Y : Ventas en M$
Vendedor
1
2
3
4
5
6
Total
X
2
2
3
4
4
5
20
Y
1.2
2.4
4.1
3.1
2.4
3.8
17.0
XY
2.4
4.8
12.3
12.4
9.6
19.0
60.5
X
2
4
4
9
16
16
25
74
Y
2
1.44
5.76
16.81
9.61
5.76
14.44
53.82
1. Confeccione un diagrama de dispersin
2. Determine el grado de asociacin entre las variables
3. Estime a travs de una recta de m. c. cuanto debiera vender un
vendedor con siete aos de servicio?.
4. Estime a travs de una recta de m. c. cuanto aos de servicio debera
tener, un vendedor que vende m$ 4.0?.
=

=

=
)
2
.) 17 ( .) 82 . 53 ( 6 )(
2
.) 20 ( .) 74 ( 6 (
.) 17 .)( 20 ( ) 5 . 60 ( 6
)
2
) y (
2
y n )(
2
) x (
2
x n (
y x xy n
r
=
=

2 2 2
) 20 ( ) 74 ( 6
) 17 )( 20 ( ) 5 . 60 ( 6
) x ( x n
y x xy n
b
=
=

2 2 2
2
) 20 ( ) 74 ( 6
) 5 . 60 )( 20 ( ) 74 )( 17 (
) x ( x n
xy x x y
a
Luego:
1.09
.523
=.5954
Varianza del Error:
Error Tpico:
2 2
) (
2 2
2
=

n
xy b y a y
n
y y
S
i i
x y
2 2
) (
2 2
=

n
xy b y a y
n
y y
S
i i
x y
=.9552
=.9124
Las propiedades de la media son las siguientes:
- La media de una constante es la propia constante.
- La media de la suma o diferencia de variables es igual a la suma o diferencia de las
medias de dichas variables.
- La media del producto de una constante por una variable, es igual a la constante por la
media de la variable.
- La media de una combinacin lineal de dos o ms variables es igual a la combinacin
lineal de las medias de dichas variables.
- La media es el centro de gravedad de la distribucin, ya que las desviaciones respecto
a la media suman 0.
- Mediana: La mediana es el valor del elemento que ocupa el lugar central, si los datos
estn ordenados, bien de forma creciente o de forma decreciente.
- Moda: La moda es el valor ms frecuente, es decir es el valor de la variable que se
repite un mayor nmero de veces.
En el caso de una distribucin totalmente simtrica, la media y la mediana coinciden. Si
la media y la mediana difieren mucho significa que hay heterogeneidad entre los datos
y que la distribucin, por tanto ser asimtrica.
Prof.: David Becerra Rojas 107 Prof.: David Becerra Rojas 108
Las propiedades de la varianza son:
- La varianza es siempre positiva o cero.
- La varianza de una constante es cero.
- La varianza de la suma o diferencia de una variable y una constante es igual a la
varianza de la variable.
- La varianza de un producto de una constante por una variable es igual al cuadrado de
la constante por la varianza de la variable.
Las propiedades de la desviacin tpica son:
- La desviacin tpica es siempre positiva o cero.
- La desviacin tpica de una constante es cero.
- La desviacin tpica de una constante por una variable es igual a la constante por la
desviacin tpica de la variable.
- La desviacin tpica de la suma o diferencia de una variable y una constante es igual a
la desviacin tpica de la variable.
19
Teorema 3.5.5. (Propiedades de ) Para una distribucin bien definida,
el operador de valor esperado cumple:
Escala:
Adicin:
Independencia: si X e Y son independientes.
Composicin:
No desviado:
Teorema 3.5.6. (Propiedades de la
varianza) Para una distribucin bien
definida, la varianza cumple:
Origen:
Adicin: si X e Y son independientes.
Escala:
Ejercicio:
X \ Y
Chilena Argentina Peruana Brasilea
Total
5 10
4 2 4 10 20
10 15
8 3 1 12 24
15 20
3 9 3 10 25
20 25
0 10 1 10 21
25 - 30
5 2 0 15 22
Total 20 26 9 57 112

Determine:
1.- Cuntos turistas chilenos app llevan un peso no superior a 12kr.
2.- Podemos decir que el comportamiento del peso que llevan los turistas
argentinos , es mas homogneo del que llevan los brasileros?
3.- Determine e interprete:
4.- Determine el grado de asociacin respecto al peso de equipaje,
entre los turistas chilenos y argentinos.
5.- A travs de una recta de m. c. estime cuntos turistas deberan llevar un
peso 27.5kr
Se toma una muestra de 112 turistas registrando
el peso de equipaje y nacionalidad.
f
j=1/i=2
=
Cuartiles
Li : Limite real inferior del intervalo que contiene el cuartil t, que es aquel
donde por primera vez la frecuencia acumulada pasa el (k/4x100)%.
k
k k
n
c
N
n k
Li K *
4
*
1
(
+ =

Quintiles
( Q
q
) q = 1,..,99
Li : Limite real inferior del intervalo que contiene el percentil q, que es aquel
donde por primera vez la frecuencia acumulada pasa el (q%)
q
q q
n
c
N
n q
Li Q *
5
*
1
(
+ =

Deciles
( D
d
) d = 1,.,9
Li : Limite real inferior del intervalo que contiene el decil d, que es aquel
donde por primera vez la frecuencia acumulada pasa el (d*10)%
d
d d
n
c
N
n d
Li D *
10
*
1
(
+ =

20
Percentiles
( P
p
) p = 1,..,99
Li : Limite real inferior del intervalo que contiene el percentil p, que es aquel
donde por primera vez la frecuencia acumulada pasa el (p%)
p
p p
n
c
N
n p
Li P *
100
*
1
(
+ =

Descript Iva

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Descript Iva

Hochgeladen von

Copyright:

Verfügbare Formate

1

Prof.: David Becerra Rojas 72

Prof.: David Becerra Rojas 76

Das könnte Ihnen auch gefallen