Beruflich Dokumente
Kultur Dokumente
ESTADÍSTICA DESCRIPTIVA
CONTENIDO:
2
LOGRO DE LA SESION
Moda
Mediana
Media o
Promedio
Aritmético
MEDIDAS DE TENDENCIA CENTRAL
MEDIA:
σ𝑋
𝑋ത =
𝑛
MEDIANA O PERCENTIL 50
Datos no agrupados:
Cuando n es impar:
Se calcula el valor (n + 1)/2 y el valor mediano será el número que
ocupa el lugar (n + 1)/2
Cuando n es par:
El valor mediano será el promedio de los valores centrales
correspondientes a la serie ordenada.6
MEDIDAS DE TENDENCIA CENTRAL
MODA
• Valor de la observación que aparece con mayor
frecuencia. La moda no siempre existe y si existe, no
siempre es única.
POSICIONES RELATIVAS DE LA MEDIA, LA MEDIANA
Y LA MODA
Distribución
Asimétrica negativa: la
media es la menor
medida de las tres.
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Desviación
Estándar
Coeficiente de
Variación
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
RANGO O RECORRIDO
σ𝑛 ത 2
𝑖=1 𝑋𝑖 −𝑋
S=
𝑛−1
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
COEFICIENTE DE VARIACIÓN
RELACIÓN 𝑿 ഥ𝒚𝑺
• Para determinar la relación entre ambos estadísticos,
está dada por la desigualdad de Chebyshev y la regla
empírica, para lo cual en cualquier distribución de
frecuencias simétrica con forma de campana.
• Regla empírica
MEDIDAS DE FORMA
Sesgo o
Asimetría
Curtosis
MEDIDAS DE FORMA
SESGO O ASIMETRIA
CURTOSIS
1.17 1.2 1.21 1.2 1.17 1.23 1.17 1.17 1.19 1.19 1.18 1.15
1.13 1.14 1.15 1.18 1.17 1.22 1.16 1.13 1.18 1.2 1.21 1.2
1.15 1.19 1.2 1.15 1.17 1.19 1.17 1.22 1.11 1.2 1.2 1.12
1.2 1.13 1.18 1.13 1.17 1.13 1.18 1.19 1.19 1.17 1.22 1.11
1.18 1.19 1.17 1.2 1.18 1.15 1.19 1.21 1.19 1.25 1.19 1.18
1.17 1.16 1.17 1.17 1.24 1.15 1.23 1.2 1.17 1.16 1.14
1.16 1.18 1.13 1.19 1.16 1.22 1.19 1.19 1.19 1.16 1.19
1.2 1.16 1.16 1.23 1.18 1.19 1.16 1.17 1.17 1.2 1.17
1.17 1.17 1.16 1.2 1.16 1.18 1.19 1.19 1.2 1.2 1.2
1.17 1.15 1.17 1.24 1.22 1.19 1.2 1.22 1.16 1.16 1.16
EJEMPLO DE MEDIDAS
Los cuantiles son medidas de localización que dividen un conjunto de datos ordenados
en cierto número de grupos o partes que contienen la misma cantidad de datos.
Cuartiles
Percentiles
Experiment
o
Espacio
Muestral
Variable
Probabilidad - Binomial
- Poisson
- Normal
Distribuciones de
- Verificación de
Probabilidad
Normalidad
DEFINICIONES DE PROBABILIDAD
Experimento
Espacio Muestral
Evento
AUB={w / w A ó w B}
A B
𝑷 𝑨⋃𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨⋂𝑩)
OPERACIONES CON EVENTOS
AB = {w / w A y w B}
A B
OPERACIONES CON EVENTOS
A ={w / w A}
A A
ഥ =𝟏−𝑷 𝑨
𝑷 𝑨
OPERACIONES CON EVENTOS
Observación:
o Si AÇB = , se dice que A y B son eventos mutuamente excluyentes
ó incompatibles ó disjuntos.
A B
𝑷 𝑨⋃𝑩 = 𝑷 𝑨 + 𝑷 𝑩
𝑷 𝑨⋂𝑩 = 𝑷 𝑨 𝗑 𝑷 𝑩
PROBABILIDAD CONDICIONAL
P( A B)
P( A | B) A
P( B) B
Ejemplo:
un artículo cumple con especificaciones o no, una pieza resiste cierta fuerza o no, una
lámpara enciende o no. En control de calidad se suele llamar “éxito” al resultado con
connotación negativa de los dos posibles, dado que el interés de un estudio se enfoca
directamente a investigar cómo reducir la ocurrencia de éstos.
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
P X x C nx p x q n x , x 0, 1, 2, ... , n
E X np V X npq
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL
Solución:
La distribución binomial con parámetros n=6, p=0.15 es:
X p(X) cumulative
probability P 𝑋 = 0 = 0.37715
0 0.37715 0.37715
1 0.39933 0.77648 P 𝑋 = 1 = 0.39933
2 0.17618 0.95266
3 0.04145 0.99411
4 0.00549 0.99960
P 𝑋 > 2 = 0.04734
5 0.00039 0.99999
6 0.00001 1.00000
P 𝑋 ≤ 3 = 0.99411
Total 1.00000
DISTRIBUCIÓN DE PROBABILIDAD POISSON
E X V X
DISTRIBUCIÓN DE PROBABILIDAD POISSON
λ = np
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
Interpretación:
La probabilidad de que el ingreso de un supervisor
sea mayor a $1100 es de 0.1587 900 µ=1000
AJUSTE A UNA DISTRIBUCIÓN NORMAL
1.17 1.2 1.21 1.2 1.17 1.23 1.17 1.17 1.19 1.19 1.18 1.15
1.13 1.14 1.15 1.18 1.17 1.22 1.16 1.13 1.18 1.2 1.21 1.2
1.15 1.19 1.2 1.15 1.17 1.19 1.17 1.22 1.11 1.2 1.2 1.12
1.2 1.13 1.18 1.13 1.17 1.13 1.18 1.19 1.19 1.17 1.22 1.11
1.18 1.19 1.17 1.2 1.18 1.15 1.19 1.21 1.19 1.25 1.19 1.18
1.17 1.16 1.17 1.17 1.24 1.15 1.23 1.2 1.17 1.16 1.14
1.16 1.18 1.13 1.19 1.16 1.22 1.19 1.19 1.19 1.16 1.19
1.2 1.16 1.16 1.23 1.18 1.19 1.16 1.17 1.17 1.2 1.17
1.17 1.17 1.16 1.2 1.16 1.18 1.19 1.19 1.2 1.2 1.2
1.17 1.15 1.17 1.24 1.22 1.19 1.2 1.22 1.16 1.16 1.16
• Se utiliza ∝ = 0.05
• Para esta prueba se utiliza la Prueba de Ajuste de
Kolmogorov- Smirnov
• Si p (P- Value) ≤ 0.05. Se Rechaza la Ho
• Si p (P- Value) > 0.05. Se Acepta la Ho
AJUSTE A UNA DISTRIBUCIÓN NORMAL
APLICACIÓN DE LA DISTRIBUCIÓN NORMAL CON MINITAB
Ingresar la variables
Seleccionar la prueba
de ajuste
APLICACIÓN DE LA DISTRIBUCIÓN NORMAL CON MINITAB