Beruflich Dokumente
Kultur Dokumente
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
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.
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.
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.
valor e el valor ,
valor ,
valor .
Se representan estos valores en una tabla de doble entrada, llamada tabla de contingencia:
UNIVERSIDAD TÉCNICA DE COTOPAXI
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.
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.
En conclusión no se puede obtener valores exactos Y existen herramientas con menor error que
otras.
6. RECOENDACIONES
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.