UNIVERSIDAD TÉCNICA DE COTOPAXI

INGENIERÍA INDUSTRIAL

ASIGNATURA:
Estadística

DOCENTE:
ING. Yadira Andrade

TEMA:
Informe

AUTOR:
Miguel Granda Taipe

CICLO:
Segundo

PARALELO:
“A”
 UNIVERSIDAD TÉCNICA DE COTOPAXI
1. INTRODUCCION:

El presente informe consta de diferentes temas esenciales en la Estadística moderna del siglo XXI, los
cuales deben ser estudiados y adquiridos por los estudiantes que cursan las diversas ingenierías, así
formar profesionales con capacidad de resolver y analizar estadísticamente diversos datos cotidianos y
laborales a nivel mundial.

2. OBJETIVOS

2.1 Objetivo general:

 Consolidar los conocimientos estadísticos en los estudiantes de ingeniería Industrial.
2.2 Objetivos específicos:
 Analizar los diversos contenidos a investigar.
 Conocer sobre regresión y contingencia en el ámbito de estadística.
 Estudiar de una manera minuciosa los diversos temas investigados.

MARCO TEÓRICO
1. Regresión y Contingencia
1.1 Regresión
Expresándolo en forma simple, la regresión lineal es una técnica que permite cuantificar la relación que
puede ser observada cuando se grafica un diagrama de puntos dispersos correspondientes a dos variables,
cuya tendencia general es rectilínea (Figura la); relación que cabe compendiar mediante una ecuación
“del mejor ajuste” de la forma:
y = a + bx
En esta ecuación, “y” representa los valores de la coordenada a lo largo del eje vertical en el gráfico
(ordenada); en tanto que “x” indica la magnitud de la coordenada sobre el eje horizontal (absisa). El valor
 UNIVERSIDAD TÉCNICA DE COTOPAXI
de “a” (que puede ser negativo, positivo o igual a cero) es llamado el intercepto; en tanto que el valor de
“b” (el cual puede ser negativo o positivo) se denomina la pendiente o coeficiente de regresión.

1.2 Regresión lineal simple

Se caracteriza porque para estimar o predecir la variable dependiente o endógena sólo se utiliza una
variable independiente o exógena, a través, de la siguiente ecuación:
Υi= α + β Хi+ єi i = 1,...,N
donde, N es el número de observaciones de las variables; los coeficientes α y β, son los parámetros
desconocidos que indican respectivamente, la ordenada en el origen (o valor estimado de Y cuando X=0)
y la pendiente o coeficiente de la regresión (o variación la variable dependiente ante variaciones unitarias
de la variable independiente); y ε, es la perturbación aleatoria que recoge todos aquellos hechos no
observables y que, por lo tanto, se asocian con el azar. Esta perturbación es la que confiere al modelo su
carácter estocástico.

1.3 Regresión lineal múltiple

La regresión lineal múltiple se caracteriza porque para estimar o predecir la variable dependiente, (Y),
se utilizan dos o más variables independientes, (X1, ..., Xk):
Υi = β0 + β1 Χ1i +...+ βk Χki + εi i =1, ..., N
donde, β0 es el término independiente y cada uno de los coeficientes de las variables independientes, βi ,
(i=1,...,k) mide el efecto que cada una de estas variables tiene sobre la variable dependiente.
Al igual que en la regresión simple el procedimiento de estimación es mínimos cuadrados ordinarios, si
bien es cierto que, en este caso, al aumentar el número de variables es más complicada la obtención del
estimador los parámetros del modelo.

1.1 Contingencia
Se sabe que la información proporcionada por una tabla bidimensional puede expresarse en términos
diversos: frecuencias absolutas conjuntas, relativas conjuntas, condicionadas de una variable a valores
de la otra. Además puede derivarse el comportamiento unidimensional de las variables implicadas
 UNIVERSIDAD TÉCNICA DE COTOPAXI
mediante las distribuciones marginales. La tabla bidimensional recibe el nombre de tabla de contingencia
cuando las características en estudio no son cuantitativas. Una tabla de doble entrada para las variables
X e Y con p filas y k columnas: X1 X2 ... Xk Y1 n11 n12 ... n1k Y2 n21 n22 ... n2k … ... ... ... ... Yp np1
np2 … npk donde nij expresa la frecuencia absoluta observada en las modalidades Xi e Yj refleja la
distribución conjunta de X e Y. La misma tabla puede expresarse en frecuencias relativas o proporciones
sin más que dividir cada casilla nij por el total N.

1.3 Análisis de tablas de contingencia

La tabla de contingencia es un medio particular de representar simultáneamente dos caracteres
observados en una misma población, si son discretos o continuos reagrupados en clases. Los dos

caracteres son e , el tamaño de la muestra es . Las modalidades o clases de se

escribirán , las de , . Se denota:

el efectivo conjunto de y : es el número de individuos para los cuales toma el

valor e el valor ,

el efectivo marginal de : es el número de individuos para los cuales toma el

valor ,

el efectivo marginal de : es el número de individuos para los cuales toma el

valor .
Se representan estos valores en una tabla de doble entrada, llamada tabla de contingencia:
 UNIVERSIDAD TÉCNICA DE COTOPAXI

2. Decisiones estadístico e hipótesis

2.1 Decisiones
A menudo en la vida, en la práctica, se tienen que tomar decisiones sobre poblaciones, partiendo de
la información muestral de las mismas. Tales decisiones se llaman decisiones estadísticas. Por ejemplo,
se puede querer decidir a partir de los datos del muestreo, si un suero nuevo es realmente efectivo para
la cura de una enfermedad, si un sistema educacional es mejor que otro, si una moneda determinada está
o no cargada. etc.

2.2 Hipótesis estadísticas.

En muchos casos se formulan las hipótesis estadísticas con el solo propósito de rechazarlas o invalidarlas.
Por ejemplo, si se quiere decidir si una moneda está cargada, se formula la hipótesis de que la moneda
está bien, s decir, p = 0.5; donde p es la probabilidad de cara. Análogamente, si se quiere decidir sobre si
un procedimiento es mejor que otro, se formula la hipótesis de que no hay diferencia entre
los procedimientos (es decir, cualquier diferencia observada se debe meramente a fluctuaciones en el
muestreo de la misma población). Tales hipótesis se llaman también hipótesis nulas y se denotan por Ho.
 UNIVERSIDAD TÉCNICA DE COTOPAXI
3. Errores y significación

3.1 Errores de tipo I y tipo II

Si se rechaza una hipótesis cuando debería ser aceptada, se dice que se comete un error del Tipo I. Si,
por el contrario, se acepta una hipótesis que debería ser rechazada, se dice que se comete un error del
Tipo II. En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
Para que cualquier ensayo de hipótesis o reglas de decisión sea bueno, debe diseñarse de forma que
minimice los errores de decisión. Esto no es tan sencillo como pueda parecer puesto que para un tamaño
de muestra dado, un intento de disminuir un tipo de error, va generalmente acompañado por un
incremento en el otro tipo de error. En la práctica, un tipo de error puede tener más importancia que el
otro, y así se tiende a conseguir poner una limitación al error de mayor importancia. La única forma de
reducir al tiempo ambos tipos de error es incrementar el tamaño de la muestra, lo cual puede ser o no ser
posible.

3.2 tipo de errores

3.2.1 Error sistemático
Es el error que posee todo instrumento, debido a que tiene una lectura mínima.

3.2.2 Error estadístico

Este error es el que se genera al realizar dos o más mediciones de una magnitud física. El Error
estadístico se puede calcular al igual que la desviación estándar.

3.2.3 Combinación de errores sistemático y estadístico o Error efectivo

Este error representa una combinación de los errores principales de medición, el sistemático y
estadístico.
 UNIVERSIDAD TÉCNICA DE COTOPAXI
3.2.4 Error relativo
Este error resulta del cociente entre el error efectivo y el valor medio.

3.2.5 Error relativo porcentual

Este error es definido para otorgar un mejor significado al error relativo. Por tal motivo es el error
relativo expresado en porcentaje.

3.2.6 Propagación de errores

Hay magnitudes que no se miden directamente, sino que se derivan de otras que sí son medidas en forma
directa. Por ejemplo, para conocer el área de un rectángulo se miden las longitudes de sus lados, o para
determinar el volumen de una esfera se tiene que medir el diámetro. Para un caso general, supongamos
que V es una función de los parámetros, x, y, z, etc.

3.3 significación
El nivel de significación de una prueba estadística es un concepto estadístico asociado a la verificación
de una hipótesis. En pocas palabras, se define como la probabilidad de tomar la decisión de rechazar
la hipótesis nula cuando ésta es verdadera (decisión conocida como error de tipo I, o "falso positivo").
La decisión se toma a menudo utilizando el valor p (o p-valor): si el valor p es inferior al nivel de
significación, entonces la hipótesis nula es rechazada. Cuanto menor sea el valor p, más significativo
será el resultado.

4. ANALISIS CRÍTICO
El presente informe nos dio a conocer la variedad de herramientas que existen en la estadística
moderna, donde debemos analizar y estudiar las diferentes tablas, así llegando a entender porque
surgen los errores en las diferentes tabulaciones, sus hipótesis y decisiones van ligadas a los datos a
adquirir en los diversos campos desempeñados.
 UNIVERSIDAD TÉCNICA DE COTOPAXI

5. CONCLUCIONES:

 La prueba de hipótesis nos permite analizar y estudiar datos para poder llegar a una decisión
coherente.

 Es estadísticamente improbable que un dato se dé al azar en una tabulacion.

 En conclusión no se puede obtener valores exactos Y existen herramientas con menor error que
otras.

6. RECOENDACIONES

 Investigar en páginas y libros confiables para adquirir conocimientos científicos de calidad y

validez para nuestro enriquecimiento.

 Se recomienda realizar una introspección de los conocimientos adquiridos en la vida diaria.

 UNIVERSIDAD TÉCNICA DE COTOPAXI
7. BIBLIOGRAFIA:

 FREIXA, M., et al. (1992) Análisis exploratorio de datos: Nuevas técnicas estadísticas.
Barcelona: PPU.
 GUJARATI, D. (1997) Econometría Básica. Bogotá: McGraw-Hill.
 KMENTA, J (1980) Elementos de Econometría. Barcelona: Vicens Universidad.
 MARTíN PLIEGO, F. (1994) Introducción a la Estadística Económica y Empresarial. (Teoría
y Práctica) Madrid: AC.
 MARTíN PLIEGO, F. y RUIZ-MAYA, L. (1995) Estadística I: Probabilidad. Madrid: AC.
 MARTíN PLIEGO, F. y RUIZ-MAYA, L. (1995) Estadística II: Inferencia. Madrid: AC.
 MARTíN-GUZMáN, P. y MARTíN PLIEGO, F. (1985) Curso Básico de Estadística
Económica. Madrid: AC.