Beruflich Dokumente
Kultur Dokumente
PARA ADULTOS
(UAPA)
Asignatura
Estadista General
TEMA
Trabajo final de estadística
PARTICIPANTE
Dilenia Merejildo faña
Matricula
2019-01834
FACILITADOR
Francisco Bobonagua
Fecha
21/03/2020
1
INDICE
Introducción…………………………………………3
Unidad #1…………………………………………….4-9
Unidad #2…………………….………………………10-14
Unidad #3……………………………………………..15-21
Unidad #4…………………………………………….22-28
Unidad #5…………………………………………….29-33
Unidad #6……………………………………………..34-38
Unidad #7……………………….…………………….39-44
Unidad #8……………………………………………..45-52
Unidad #9…………………..…………………………53-54
Unidad #10……………………………………………55-61
Evidencia de examen ………………………………...62
Conclusión……………………………………….........63
Bibliografía……………………………………………. 64
2
Introducción
3
Unidad #1
Introducción a Estadística descriptiva e inferencial
Párrafo introductorio
En un primer tiempo se presentarán los puntos fundamentales que expone la unidad #1
como lo es la estadística e importancia, clasificación descriptiva e inferencial, la
variables y su clasificación, población y muestra entre otros temas. Tambien veremos
la competencia de la unidad y evidencia.
Competencia de la unidad #1
4
Desarrollo
Unidad #1
Introducción a Estadística descriptiva e inferencial
La estadística para su mejor estudio se ha dividido en dos ramas las cuales son:
estadística descriptiva y estadística inferencial.
5
Normalmente se selecciona la muestra de una población para su estudio, debido a que
estudiar a todos los elementos de una población resultaría muy extenso y poco
práctico.
Clasificación
Cualitativas
Se determinan por las cualidades o atributos, verbigracia, colores (azul, verde, naranja,
rojo, amarillo, marrón, etc.), tamaños (grandes, pequeños, altos, bajos). Estas
cualidades pueden distinguir a una persona o cosa, las características podrán
distinguirse uno de otro, por lo que no pueden ser medidas por cifras. Por lo tanto, su
modalidad no es numérica, verbigracia, no pueden ser usadas en el campo de las
finanzas o en la economía. Sin embargo, a estas cualidades se le pueden atribuir
números, o letras para diferenciarlos o categorizarlos, como prototipo tenemos, al sexo
masculino el número 1 y al femenino el número 2, de tal manera poder hacer algún
análisis matemático.
Las cualitativas se determinan por ser:
Nominales: No corresponden a ningún orden. Estas no son numéricas, ejemplo;
amarillo, dorado, negro, fucsia, además de, casado o soltero.
Ordinales: En están tampoco son representadas por números sin por orden. Por
ejemplo, las calificaciones de un examen si es aprobado o reprobado,
sobresaliente, o no. Sonidos, débiles o fuertes.
Cuantitativas
Son de carácter numérico, cifras finitas, como las formulas o algoritmos, además, son:
Discretas: Manejan los valores precisos, enteros; no obstante, para que así lo sea
deben ser valores infinitos. Ahora bien, estas variables son usadas comúnmente en
experimentos.
Ejemplo:
6
Continuas: Cualquier valor real dentro de un intervalo. Su función es continua. En este
caso si es posible usar un valor medio como los decimales.
7
1.5.3 Grafico de línea
Los gráficos de líneas se utilizan para mostrar el valor cuantitativo en un intervalo o
intervalo de tiempo continúo. Se usa con mayor frecuencia para mostrar tendencias y
relaciones (cuando se agrupan con otras líneas). Los gráficos de línea también ayudan
a dar un «panorama general» en un intervalo, para ver cómo se ha desarrollado
durante ese período.
8
Evidencia de la unidad #1
9
UNIDAD #2
Organización, Distribución y Representación de Datos
Párrafo introductorio
En esta unidad se presentarán los puntos fundamentales que expone la unidad
#2 tales como: Distribución de Frecuencias cualitativas, Concepto e importancia,
Elaboración de distribución de frecuencia cualitativa, Presentación de datos
cualitativos. Tambien veremos la competencia de la unidad y evidencia.
Competencia de la unidad #2
Competencia concreta de la unidad: Aplica la distribución de frecuencias
cuantitativa y cualitativa a través de tablas y gráficas para representar datos del campo
laboral y de la investigación.
10
Para que me sirve
Sirven para tener una representación visual de la totalidad de la información. Los
gráficos estadísticos presentan los datos en forma de dibujo de tal modo que se pueda
percibir fácilmente los hechos esenciales y compararlos con otros.
Desarrollo de la unidad 2
Unidad # 2
11
2.1.2 Elaboracion de distribución de frecuencias cualitativas
En el caso de variable cualitativa no se pueden calcular las frecuencias acumuladas
pues no es posible establecer un orden en las clases dentro de la modalidad.
Colocamos en la tabla aquellos valores que son independientes del lugar en que se
pongan las modalidades. ("*Tablas de frecuencias para datos cualitativos", 2017)
Ejemplo:
Calculemos la tabla de frecuencias para una variable cualitativa.
Inactivos por tipos de inactividad declarada (miles de personas).
12
Evidencias
https://www.youtube.com/watch?v=EbZ9bhfJMLc
13
14
15
UNIDAD #3
Organización, Distribución y Representación de Datos
(continuación)
Párrafo introductivo
En esta unidad veremos los temas tales como Distribución de Frecuencias cuantitativa,
Concepto e importancia, Elaboración de distribución de frecuencias cuantitativas,
Rango, Amplitud total, Número de clases, Ancho de clase, Límites de clases,
Intervalos de clase, Punto medio de una clase, Frecuencia relativa y porcentual de la
clase, Frecuencias acumuladas de la clase, Histograma y Polígonos de frecuencias.
Tambien veremos la competencia de la unidad y evidencia.
Competencia de la unidad 3
Aplica la distribución de frecuencias cuantitativa y cualitativa a través de tablas y
gráficas para representar datos del campo laboral y de la investigación
16
Desarrollo Unidad #3
3.2.3. Rango
17
El rango de un conjunto de datos son dos números: el valor mínimo y
el valor máximo. Por ejemplo el conjunto de datos {9, 11, 12, 15, 15 ,
15, 18} tiene un rango 9 a 18; y el conjunto {2, 4, 5, 7, 7, 7, 9, 11, 12,
15, 15 ,15, 18} tiene un rango de 2 a 18.
18
Límites reales de clase: se obtienen sumando al LS de la clase el Lide la clase contigua
superior y dividiendo entre dos.
El polígono de frecuencia
Es la gráfica de la tabla de distribución de frecuencias para datos agrupados, consiste
de barras cuyas bases son los intervalos de clases y cuyas alturas son proporcionales
a las frecuencias absolutas (o relativas) de los correspondientes intervalos. Un
19
histograma permite ver la forma de la distribución de los datos, en particular, se puede
ver si hay simetría con respecto al centro de la distribución
Evidencia de la unidad #3
20
21
22
Continuación….
23
UNIDAD #4
Medidas de Tendencia Central
Párrafo introductorio
En esta unidad veremos los temas tales como Medidas de tendencia central: definición
e importancia, Media, Mediana y Moda para datos no agrupados, Percentiles, Deciles
y Cuartiles para datos no agrupados. Tambien veremos la competencia y evidencia de
la unidad.
Competencia de la unidad #4
24
Desarrollo de la unidad #4
25
La Moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No
depende de valores extremos, pero es más variables que la media y la mediana. La
moda es el dato que más se repite o el dato que ocurre con mayor frecuencia.. Un
grupo de datos puede no tener moda, tener una moda (unimodal), dos modas (bimodal)
o más de dos modas (multimodal).
DECILES
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez
partes porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son también un caso particular de los percentiles.
Los deciles se denotan D1, D2,..., D9, que se leen primer decil, segundo decil, etc.
Los deciles, al igual que los cuartiles, son ampliamente utilizados para fijar el
aprovechamiento académico.
Cuartiles
Los cuantiles son medidas de posición que se determinan mediante un método que
determina la ubicación de los valores que dividen un conjunto de observaciones en
partes iguales.
Los cuantiles son los valores de la distribución que la dividen en partes iguales, es
decir, en intervalos que comprenden el mismo número de valores. Cuando la
distribución contiene un número alto de intervalos o de marcas y se requiere obtener un
promedio de una parte de ella, se puede dividir la distribución en cuatro, en diez o en
cien partes.
26
Evidencias de la unidad #4
https://www.youtube.com/watch?v=biIhZa6jRMg
27
28
29
30
UNIDAD #5
Medidas de tendencia central
(continuación)
Competencia de la unidad# 5
31
Desarrollo de la unidad 5
Medidas de tendencia central (continuación)
La marca clase de una tabla para datos agrupados en intervalos corresponde al
promedio de los extremos de cada intervalo.
Moda para datos agrupados
Li Extremo inferior del intervalo modal (intervalo que tiene mayor frecuencia absoluta).
fi Frecuencia absoluta del intervalo modal.
fi-1 Frecuencia absoluta del intervalo anterior al modal.
32
fi+1 Frecuencia absoluta del intervalo posterior al modal.
ti Amplitud de los intervalos.
Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados
de menor a mayor. La mediana se representa por Me. La mediana se puede hallar sólo
para variables cuantitativas.
Los percentiles son ciertos números que dividen la sucesión de datos ordenados en
cien partes porcentualmente iguales. Estos son los 99 valores que dividen en cien
partes iguales el conjunto de datos ordenados. Los percentiles (P1, P2,... P99), leídos
primer percentil,..., percentil 99.
33
Datos Agrupados
Cuando los datos están agrupados en una tabla de frecuencias, se calculan mediante
la fórmula:
DECILES
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez
partes porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son también un caso particular de los percentiles.
Los deciles se denotan D1, D2,..., D9, que se leen primer decil, segundo decil, etc.
Los deciles, al igual que los cuartiles, son ampliamente utilizados para fijar el
aprovechamiento académico.
Datos Agrupados
Para datos agrupados los deciles se calculan mediante la fórmula.
Cuartiles
Como los cuartiles adquieren su mayor importancia cuando contamos un número
grande de datos y tenemos en cuenta que en estos casos generalmente los datos son
resumidos en una tabla de frecuencia. La fórmula para el cálculo de los cuartiles
cuando se trata de datos agrupados es la siguiente:
k= 1,2,3
34
números; es recomendada para datos de progresión geométrica, para promediar
razones, interés compuesto y números índice.
Evidencias de la unidad #5
https://www.youtube.com/watch?v=0DA7Wtz1ddg
35
UNIDAD #6
Medidas de Variación o Dispersión
Párrafo introductivo
36
En esta unidad abordaremos temas tales como: Utilidad de los estadísticos de
dispersión, Rango, Desviación media, Desviación típica y varianza, Coeficiente de
variación. Tambien veremos la competencia y evidencia de la unidad 6.
COMPETENCIA DE LA UNIDAD #6
DESARROLLO DE LA UNIDAD 6
Medidas de Variación o Dispersión
Rango.
El Rango es el intervalo entre el valor máximo y el valor mínimo; por ello,
comparte unidades con los datos. Permite obtener una idea de la dispersión de los
datos, cuanto mayor es el rango, más dispersos están los datos (sin considerar la
afectación de los valores extremos). El rango, también es llamado amplitud o recorrido.
Desviación media
En estadística la desviación absoluta promedio o, sencillamente desviación media o
promedio de un conjunto de datos es la media de las desviaciones absolutas y es un
resumen de la dispersión estadística.
La desviación media es el promedio de las distancias de cada uno de los datos a la
media. Es la media de lo que se desvía el conjunto de datos con respecto a la media.
Coeficiente de variación
38
El coeficiente de variación es una medida estadística que se calcula dividiendo la
desviación típica entre el valor absoluto de la media y multiplicando por 100 (para
obtener el resultado en tanto por ciento):
EVIDENCIA DE LA UNIDAD 6
39
40
41
UNIDAD #7
Teoría de las Probabilidades
COMPETENCIA DE LA UNIDAD 7
42
DESARROLLO DE LA UNIDAD 7
Conceptos básicos.
La teoría de la probabilidad es una rama de las matemáticas que estudia
los fenómenos aleatorios y estocásticos. Los fenómenos aleatorios se contraponen a
los fenómenos deterministas, los cuales son resultados únicos y/o previsibles de
experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se
calienta agua a 100 ºC a nivel del mar se obtendrá vapor. Los fenómenos aleatorios,
por el contrario, son aquellos que se obtienen de experimentos realizados, otra vez,
bajo las mismas condiciones determinadas pero como resultado posible poseen un
conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda.
43
6Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ..., xn}
Sucesos Dependientes
Dos eventos son dependientes si el resultado del primer evento afecta el resultado del
segundo evento así que la probabilidad es cambiada. En el ejemplo anterior, si la
primera canica no es reemplazada, el espacio muestral para el segundo evento cambia
y así los eventos son dependientes. La probabilidad de que ambos eventos ocurran es
el producto de las probabilidades de los eventos individuales:
P ( A y B ) = P ( A ) · P ( B )
44
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a
su mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y
exhaustivos, el teorema es totalmente válido.
Fórmula del teorema de Bayes
Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una fórmula. La formula se define matemáticamente como:
Evidencia de la unidad #7
45
46
47
UNIDAD #8
Teoría de las probabilidades
(Continuación)
PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Distribuciones de probabilidad discreta,
Variables aleatorias discretas, Valor esperado, Distribución Binomial, Distribución de
Poisson, Distribuciones de probabilidad Continua, Variables aleatorias continuas y
Distribución de probabilidad uniforme: Área como medida de probabilidad, Distribución
de probabilidad normal tambien veremos la competencia y evidencia de la unidad.
COMPETENCIA DE LA UNIDAD #8
Competencia concreta de la unidad: Aplica la teoría de probabilidad para resolver
situaciones en su área laboral y profesional.
Además esta unidad enseña a calcula la probabilidades de las distribuciones Binomial,
Poisson, uniforme y Normal.
48
DESARROLLO DE LA UNIDAD #8
Valor esperado
La esperanza matemática, también llamada valor esperado, es igual al sumatorio de las
probabilidades de que exista un suceso aleatorio, multiplicado por el valor del suceso
aleatorio. O, dicho de otra forma, el valor medio de un conjunto de datos. Teniendo en
cuenta, eso sí, que el término esperanza matemática está acuñado por la teoría de la
probabilidad. Mientras que en matemáticas, se denomina media matemática al valor
promedio de un suceso que ha ocurrido.
Distribución binomial
Consideremos un experimento que sólo puede presentar 2 posibles resultados que
llamaremos ´exito (si ocurre el suceso de interés) o fracaso (en caso contrario). Las
probabilidades de estos sucesos suelen denotarse por p = P (´exito) y q = 1 − p =
P(fracaso). Este tipo de experimento se conoce como ensayo de Bernoulli. Si el
experimento se repite n veces siempre en las mismas condiciones, entonces cada una
de estas realizaciones es independiente de las demás y la probabilidad de ´exito, p,
permanece constante.
Distribución de Poisson
La distribución de Poisson fue obtenida por el matemático francés Simeón Poisson
(1781-1840) como límite de la distribución binomial. La distribución de Poisson
49
proporciona el número de resultados o sucesos que ocurren de manera independiente
y aleatoria durante un intervalo de tiempo dado o en una región específica.
Por ejemplo: Definicion Se dice que una v.a. X tiene distribución de Poisson de
parámetro λ, X ❀ P(λ) cuando puede tomar los valores enteros positivos 0, 1, 2, 3, . . .
con la siguiente probabilidad
50
Distribución de probabilidad normal
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el
valor de una variable aleatoria continua a una situación ideal.
En otras palabras, la distribución normal adapta una variable aleatoria continua a una
función que depende de la media y la desviación típica. Es decir, la función y la variable
aleatoria continua tendrán la misma representación pero con ligeras diferencias.
EVIDENCIA DE LA UNIDAD #8
51
52
Continuación de probabilidad de Poisson
53
54
55
UNIDAD #9
(EL MUESTREO)
PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Métodos de cálculo del tamaño de una
muestra, Tamaño de la muestra para poblaciones finita, Tamaño de la muestra para
poblaciones infinitas. Tambien veremos la competencia, para que sirve y evidencia de
la unidad.
COMPETENCIA DE LA UNIDAD #9
Competencia concreta de la unidad: Utiliza diferentes métodos de muestreo para
determina el tamaño de una muestra finita o infinita, a partir de informaciones
recabadas para una investigación.
Además esta unidad enseña a saber cuándo una población es finita y infinita tambien a
calcularla.
56
Desarrollo de la unidad #9
El muestreo
57
9.1.2 Tamaño de la muestra para poblaciones infinitas.
58
Evidencia de la unidad #9
59
60
UNIDAD #10
(El muestreo continuación)
PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Métodos de Muestreo, Muestreo
aleatorio simple para poblaciones finitas e infinitas, Muestreo aleatorio estratificado,
Muestreo por conglomerados. Muestreo sistemático, Muestreo de conveniencia,
Muestreo subjetivo. Tambien veremos la competencia, para que sirve.
61
DESARROLLO DE LA UNIDAD #10
El Muestreo (continuación)
62
9.2.3 Muestreo por conglomerados.
en el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de la
población inmediatamente, el investigador realiza varios pasos para reunir su muestra
de la población.
El conglomerado más utilizado en la investigación es un conglomerado geográfico. Por
ejemplo, un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.
63
Asignatura: estadística general fecha: 29/02/2020
Nombre Dilenia Apellido: Merejildo faña matricula: 2019-01834
Facilitador: francisco Bobonagua
Examen
l- Encierre en un círculo la letra que representa el término correspondi
a la proposición dada.
a) Estadística descriptiva
b) Estadística inferencial
c) población
d) muestra
Opinión personal
Es de vital importancia para nuestra vida profesional venidera, que
manejemos estos conceptos con facilidad, así mismo el que los usemos de
la manera apropiada, siempre en pro de buscar soluciones a
los problemas que se nos puedan presentar.
65
Bibliografía
Unidad 1
https://es.wikipedia.org/wiki/Estad%C3%ADstica
https://es.wikipedia.org/wiki/Gr%C3%A1fico_circular
https://www.monografias.com/trabajos81/presentacion-datos-
estadisticos/presentacion-datos-estadisticos.shtml
Unidad 2 y 3
https://prezi.com/zutke_jdkfsk/reglas-para-determinar-el-numero-de-clases-y-la-
amplitud-del/
https://es.slideshare.net/Gerardo1977/intervalos-de-clase-estadstica
Unidad 4 y 5
http://tgrajales.net/tendencentral.pdf
https://es.wikipedia.org/wiki/Medidas_de_tendencia_central
Unidad 6
https://lamenteesmaravillosa.com/las-medidas-de-dispersion-en-estadistica/
https://es.wikipedia.org/wiki/Desviaci%C3%B3n_media
https://www.sangakoo.com/es/temas/varianza-y-desviacion-tipica
Unidad 7 y 8
https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/independent
-dependent-events
https://bookdown.org/aquintela/EBE/independencia-de-sucesos.html
https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_probabilidad
Unidad 9 y 10
https://www.abc.com.py/articulos/metodos-de-muestreo-700633.html
https://prezi.com/9zmerbe7bf_q/muestreo-aleatorio-simple-finito-e-infinito/
https://investigacionpediahr.files.wordpress.com/2011/01/formula-para-
cc3a1lculo-de-la-muestra-poblaciones-finitas-var-categorica.pdf
66