Pres EstDescriptiva

1.
ESTADSTICA DESCRIPTIVA
Informtica. Universidad Carlos III de Madrid
Tema 1: Estadstica descriptiva
1. 2. 3. 4. 5. 6. 7. 8.
Introduccin. El propsito de la estadstica Tipos de datos Descripcin de datos mediante tablas Descripcin de datos mediante grficos Medidas caractersticas de una variable Transformaciones lineales y su efecto en las medidas caractersticas Transformaciones no lineales que mejoran la simetra Relacin entre dos variables. La recta de regresin
1. Introduccin. El propsito de la estadstica
Qu es la estadstica?Por qu estudiamos estadstica?
aprender de la observacin
A partir de un nmero reducido de datos, sacar conclusiones que sean generales
Fenmeno real
Datos observados Anlisis estadstico Aprendizaje sobre el fenmeno
Dos formas alternativas de acceder al conocimiento del mundo
A partir de teoras Leyes fsicas Reglas matemticas Propiedades de los materiales ideales
A partir de la observacin Datos Estadstica
A partir de los modelos tericos DEDUCIMOS la realidad

DEDUCIR= Sacar consecuencias de un principio, proposicin o supuesto.
A partir de los datos INDUCIMOS o INFERIMOS un modelo (emprico)

INDUCIR= Extraer, a partir de determinadas observaciones o experiencias particulares, el principio general que en ellas est implcito.
4
En la realidad... una combinacin de INDUCCIN y DEDUCCIN

Modelo que explica la realidad
DEDUCCIN
Con el modelo se predice la realidad
INDUCCIN
Anlisis del error. Reformulacin del modelo
Realidad
Error del modelo= diferencia entre lo observado y lo que prev el modelo Informtica. Universidad Carlos III de Madrid
5
Cuestiones
Indica cules de los siguientes razonamientos son inductivos y cules deductivos 1. 2. 3. 4. Despus de lanzar varias veces un dado, un jugador piensa que el dado est trucado. En el piso de enfrente no debe vivir nadie, pues nunca he visto las luces encendidas. Como este procesador es ms rpido, tardar menos en ejecutar el programa. La energa cintica de un cuerpo de masa 10 Kg y velocidad 5 m/s es de E=1/2mv=25 (julios).
1. 2. 3. 4. 5. 6. 7. 8.
2. Tipos de datos
Individuos: Elementos sobre los que se toma informacin. Pueden ser personas, o simplemente objetos. Variable: Caracterstica de inters de un individuo. Una variable puede tomar valores diferentes en cada individuo. En caso contrario no ser una variable, sino una constante.
Ejemplos
Variables calificacin de una asignatura resistencia a la rotura tiempo de acceso a una red Individuos alumnos diferentes piezas ordenadores que intentan conectarse
8
2. Tipos de datos
Dato= Valor observado de una variable al medir a un individuo. Realizacin de una variable.
varios criterios de clasificacin de los datos (de inters en estadstica)
1. POR SU NATURALEZA Cuantitativos Continuos: longitudes, pesos, tiempos... Discretos: nmero de veces que sucede algo, ... Cualitativos: color, tipo de tecnologa, ...
2. Tipos de datos 2. POR SU REPRESENTATIVIDAD Poblacin: conjunto de todos los datos posibles Muestra: slo un subconjunto de la poblacin
Ejemplo: Aula con 50 alumnos. Variable: estatura Muestra Poblacin las estaturas de algunos alumnos las 50 estaturas
Ejemplo: Dado. Variable: resultado de su lanzamiento Poblacin? ?
10
Necesitamos definir mejor qu es poblacin
EXPERIMENTO: Cualquier procedimiento de obtencin de un dato, dadas unas condiciones de experimentacin

medir la longitud de un tipo de pieza, cronometrar el tiempo de una tarea, ver si ciertas conexiones se realizan o se bloquean... Si obtenemos un nuevo dato manteniendo constantes las condiciones de experimentacin estamos REPITIENDO el experimento medir otras piezas similares, cronometrar repeticiones de la misma tarea, ver si varias conexiones similares se bloquean..
POBLACIN: conjunto de datos que se obtienen al repetir un experimento todas las veces posibles
11
POBLACIN: conjunto de datos que se obtienen al repetir un experimento todas las veces posibles
Depende del experimento que nos interese
Ejemplo: Aula con 50 alumnos. Variable: estatura Condiciones de experimentacin: alumnos del aula seleccionados sin reposicin Muestra las estaturas de algunos alumnos Poblacin las 50 estaturas
Si analizamos a los individuos sin reposicin, la poblacin son el conjunto de valores de la variable en todos los individuos.
Ejemplo:
Dado. Variable: resultado de su lanzamiento Condiciones de experimentacin: siempre el mismo dado Poblacin infinitos valores discretos repetidos 1,2,...,6
Ejemplo:
Programa informtico. Variable: tiempo de ejecucin Condiciones de experimentacin: mismo programa, mismo ordenador Poblacin infinitos valores continuos, tal vez todos distintos
Hay poblaciones infinitas que slo existen conceptualmente

12
El objetivo de la estadstica es entender cmo es la poblacin a partir de una muestra Repetimos un experimento, y obtenemos as un conjunto de datos
muestra
Anlisis estadstico Poblacin de caractersticas desconocidas finita o infinita

Conclusiones sobre la POBLACIN
13
Cmo aprendemos de la realidad usando la estadstica?
1- Seleccionamos la/s variable/s de inters 2- Definimos el experimento que nos interesa ejecutar para conseguir datos de la poblacin de dicha variable 3- Repetimos el experimento un nmero de veces para obtener una muestra de datos 4- Analizamos la muestra de datos 5- Las conclusiones se extienden, con un determinado grado de precisin, al resto de la poblacin. Es decir, al resto de los hipotticos valores que se obtendran repitiendo el experimento todas las veces posibles.
14
2. Tipos de datos
3. POR SU PROCEDIMIENTO DE OBTENCIN
Datos observacionales
no se ejerce control sobre la variable Ejemplo: estatura de los alumnos
su valor se recoge de forma pasiva
Datos experimentales su valor lo determina el analista

configuran las condiciones de experimentacin Ejemplo: elegimos el aula cuyos alumnos queremos medir
15
2. Tipos de datos
3. POR SU PROCEDIMIENTO DE OBTENCIN Datos observacionales Datos experimentales En un experimento, intervienen ambos tipos de datos
Variable de inters (variable respuesta): siempre datos observacionales Otras variables que puedan afectar a la variable de inters (factores): unas proporcionarn datos experimentales (condiciones de experimentacin) y otras datos observacionales
16
Ejemplo: Se eligen al azar 3 alumnos del aula 1 y otros 3 del aula 2, y se toman algunos datos de ellos: estatura, sexo, y nmero de hermanos. Cuntos experimentos se han hecho?Cuntas repeticiones de cada uno? Clasifica los datos segn su naturaleza (cualitativa, cuantitativa...) Clasifica los datos segn su representatividad (poblacin, muestra) Clasifica los datos segn su procedimiento de obtencin (experimental, observacional)
Observacin 1 2 3 4 5 6
Aula 1 1 1 2 2 2
Estatura 175 163 181 166 170 169
Sexo v m v m v v
N de hermanos 0 1 0 2 1 1
17
2. Tipos de datos
Al observar cmo cambia la variable respuesta al manipular los factores, puedo establecer relaciones CAUSA-EFECTO
generan datos experimentales
Factores controlados
X1
X2
X3 ...
Xk
Experimento
Factores no controlados
Z1 Z2 Z3 ... Zp
Variable de inters
dato observacional
su valor lo determina el entorno : azar generan datos observacionales
18
Ejemplo:
Un analista quiere saber la influencia de la temperatura de una CPU en su velocidad. Para ello ejecuta una serie de programas y contabiliza su tiempo de ejecucin. Repite dicha tarea 30 veces, 10 en cada una de las temperaturas T, T, y T.
Experimento
Temperatura
Tiempo
1 2 : 11 12 : 30
T1 T1
:
T2 T2
:
45 36
:
datos observacionales
34 13
tiempo
T3
26
T1
T2
T3
datos experimentales
19
1. 2. 3. 4. 5. 6. 7. 8.
20
3. Descripcin de datos mediante tablas Objetivo: resumir la informacin para facilitar su anlisis
Tablas univariantes Muestran la frecuencia de cada valor observado

Ejemplo 1: nmero de cilindros de 155 vehculos (fichero cardata.sf)
21
3. Descripcin de datos mediante tablas
Tablas univariantes
Ejemplo 2: mes de nacimiento de 95 estudiantes de primer curso
22
3. Descripcin de datos mediante tablas Tablas univariantes

Si hay muchos valores distintos: se agrupan en intervalos clasesEjemplo: precio de 155 vehculos (fichero cardata.sf)
Nmero de clases?
23
3. Descripcin de datos mediante tablas Tablas bivariantes

Si tenemos, para cada individuo, dos datos usamos una tabla de doble entrada Ejemplo: para cada coche tenemos el nmero de cilindros y su ao de fabricacin (cardata.sf)
24

Cada celda: frecuencias conjuntas

25

Las univariantes: frecuencias marginales
26

Cada fila o columna: frecuencia condicionada (al valor de la fila o columna)

27
Cuestiones
1. 2. 3. 4. 5.
Las frecuencias absolutas se expresan en porcentajes? La suma de las frecuencias absolutas es el tamao de la muestra? En una tabla de doble entrada, la suma de las frecuencias marginales relativas de ambas variables es.... La suma de las frecuencias marginales absolutas de una de las variables es... Las frecuencias condicionadas son las que se obtienen sumando las frecuencias por filas o por columnas
28
1. 2. 3. 4. 5. 6. 7. 8.
29
4. Descripcin de datos mediante grficos
4.1 Diagrama de barras 4.2 Histograma y polgono de frecuencias 4.3 Diagrama de tartas 4.4 Series temporales 4.5 Grficos de dispersin
30
4.1 Diagrama de barras

Es la representacin grfica de una tabla de frecuencias sin agrupar en intervalos
Frecuencia de cada valor observado

Ejemplo: nmero de cilindros de 155 vehculos (fichero cardata.sf)
31
4.2 Histograma y polgono de frecuencias

Es la representacin grfica de una tabla de frecuencias con datos agrupados
Ejemplo: precio de 155 vehculos (fichero cardata.sf)
El histograma es una de las herramientas grficas ms tiles para resumir informacin
32

El histograma sirve para resumir la siguiente informacin: Concentraciones Asimetras Huecos Atpicos
33

34
Ejemplo:
Longitudes de 100 clavos del mismo tipo, medidos por dos personas, 50 clavos cada una, que usaron calibres diferentes.
Las dos concentraciones parecen deberse a los dos calibres Qu calibre es mejor?
35
Ejemplo:
Valores de velocidad de viento (m/s) registrados en un parque elico durante varios meses. Cada dato es la velocidad media registrada durante una hora, y se tienen 14000 datos
Potencia generada por un aerogenerador en funcin de la velocidad del viento
hay una concentracin alrededor de 2.5 m/s? (a 2.5 m/s los aerogeneradores no producen energa)
36
Ejemplo:
Valores de velocidad de viento (m/s) registrados en un parque elico durante varios meses. Cada dato es la velocidad media registrada durante una hora, y se tienen 14000 datos
hay una concentracin alrededor de 2.5 m/s? (a 2.5 m/s los aerogeneradores no producen energa)
37
Ejemplo:
Tiempo que un ordenador tarda en escribir un fichero de 300 Mb en su disco duro. Se hacen dos experimentos; uno en el que el disco duro est desfragmentado, y otro en el que el disco duro tiene una fragmentacin del 40%. Cada experimento se repite 79 veces
38

El polgono de frecuencias se consigue uniendo con lneas los puntos centrales de la parte superior del histograma.
39
4.3 Diagrama de tartas

Es un crculo dividido en porciones proporcionales a las frecuencias relativas
Ejemplo: nmero de cilindros de 155 vehculos (fichero cardata.sf)
40
4.4 Series temporales

El eje X es el tiempo. Representa la evolucin temporal de la variable
41
4.4 Series temporales

El eje X es el tiempo. Representa la evolucin temporal de la variable
42
4.5 Grfico de dispersin

Para cada individuo tenemos dos datos: X e Y
43
4.5 Grfico de dispersin

Para cada individuo tenemos dos datos: X e Y
Potencia generada por un molino de viento
44
1. 2. 3. 4. 5. 6. 7. 8.
45
5. Medidas caractersticas de un conjunto de datos Objetivo: buscamos resumir las caractersticas ms importantes de los datos en un conjunto reducido de nmeros. Cada caracterstica
5.1 Medidas de centralizacin Cul es el centro de los datos? Hay muchas medidas alternativas. Las ms importantes son
un nmero
Media aritmtica Mediana Moda
46
5.1 Medidas de centralizacin
Media aritmtica
Sea un conjunto de observaciones x1, x2,...,xn
Si hay J valores diferentes que se repiten: X1, se repite n1 veces X2, se repite n2 veces ... xJ, se repite nJ veces
Donde fr(xj) es la frecuencia relativa del valor xj
47
Media aritmtica
Ejemplo: x={1,2,3,3,5,5,5,6,6}
x=
O bien:
1+ 2 + 3 + 3 + 5 + 5 + 5 + 6 + 6 =4 9
1 1 2 3 1 x = 1 + 2 + 3 + 5 + 6 = 4 9 9 9 9 9
48
Media aritmtica
Puede interpretarse como el centro de gravedad de los datos. Por ejemplo, en un histograma, es el punto de apoyo para que est en equilibrio
49
Media aritmtica
Cuanto ms asimtrica sea ms se desplaza la media hacia la cola
Media
Media
50
Media aritmtica
Es muy sensible a valores atpicos
Media
Un solo dato puede desplazar la media hasta hacerla poco representativa del centro de los datos
Media
51
Mediana
Es el valor que deja a cada lado el 50% de los datos. Es poco sensible a asimetras Es insensible a valores atpicos 1 2 5 8 11 13 24 28 31 9 datos
Mediana=11 Con un nmero impar de datos: el dato en posicin central
11
13
24
28
31
10 datos
Mediana=(8+11)/2=9,5 Con un nmero par de datos: la media de los dos centrales
52
Mediana
Es el valor que deja a cada lado el 50% de los datos. Es poco sensible a asimetras Es insensible a valores atpicos
50%
50%
50%
50%
Media= mediana
Mediana
Media
La mediana no vara, pero la media se desplaza
53
Mediana
50%
50%
Media= mediana
54
Mediana
50%
50%
Mediana
Media
Los valores atpicos no alteran las posicin de la mediana Con valores atpicos y asimetras fuertes, la mediana es una medida de centralizacin ms til que la media
55
Moda
Es el valor ms frecuente 1 2 2 2 2 5 5 5 8 8 11 13
Moda=2
Con datos agrupados, es la clase ms frecuente. Puede haber varias, sugiriendo la posible existencia de varios grupos
Distribucin unimodal
Distribucin trimodal
56
5.1 Medidas de centralizacin 5.2 Medidas de dispersin

Varianza (desviacin tpica) Meda Rango Cuartiles Diagrama de caja (box-plot)
media, mediana, moda
Varianza Promedio de desviaciones a la media, al cuadrado
Desviacin tpica
Coeficiente de variacin
57
Varianza Promedio de desviaciones a la media, al cuadrado
Poca dispersin Baja varianza Baja desviacin tpica Bajo CV
media
Mucha dispersin Mucha varianza Mucha desviacin tpica Alto CV
Informtica. media Universidad Carlos III de Madrid
58
Ejemplo:
Longitudes de 100 clavos del mismo tipo, medidos por dos personas, 50 clavos cada una, que usaron calibres diferentes.
Qu calibre es mejor? Varianza Calibre 1: 7.25 mm Varianza Calibre 2: 21.47 mm
59
MEDA Mediana de desviaciones absolutas a la mediana
Datos Mediana
x1, x2, x3, ..., xn xm
Desviaciones absolutas a la mediana
|x1- xm|, |x2- xm|, |x3- xm|, ..., |xn- xm|
Mediana de los valores anteriores
MEDA
Menos sensible a atpicos y asimetras que la varianza Por qu?

60
Rango o recorrido Valor mximo menos valor mnimo X: 1 2 5 8 11 13 24 28 31
Rango: 31-1=30
A mayor rango mayor dispersin
61
Cuartiles Q1, Q2, Q3 Son los valores que dividen la muestra en 4 grupos, cada uno con el 25% de los datos (aproximadamente) Entre el mnimo y Q1 Entre Q1 y Q2 Entre Q2 y Q3 Entre Q3 y el mximo
25% de los datos 25% de los datos 25% de los datos 25% de los datos 50% 50%
Q2 = mediana Q3-Q2=Rango Intercuartlico (R.I.) 25% 25% 25% 25%
min
Q1
Q2
Q3
max
Hay varios mtodos para calcular Q1 y Q3. Con pocos datos pueden dar valores diferentes Informtica. Universidad Carlos III de Madrid
62
Cuartiles Q1, Q2, Q3
x:{1,1,3,3,5,9,11,14,15}
Mtodo sencillo para calcular cuartiles
1: Obtenemos la mediana Q2 2: Excluimos ese valor y nos quedamos con dos grupos de datos, uno a cada lado de la mediana 3: Q1 es la mediana del grupo que queda a la izquierda
5 izda.: {1,1,3,3,} dcha.: {9,11,14,15}
Q1=(1+3)/2=2
4: Q3 es la mediana del grupo que queda a la derecha
Q3=(11+14)/2=12.5
63
Diagrama de caja (box-plot) Es la representacin grfica de los cuartiles 25% 25% 25% 25%
min
Q1
Q2
Q3
max
64
Los grficos Box-plot son muy tiles para: Comparar grupos Ver asimetras Detectar atpicos **
65
Datos extremos (o atpicos)
66
Para construir un Box-plot con marcas de atpicos Primer paso
67
Segundo paso
68
Tercer paso
Los puntos que caigan en estas zonas se marcan

69
Tercer paso
Las lneas laterales se extienden slo hasta el ltimo punto dentro de la barrera interna
70
Ojo!! Cuando hay asimetras, un dato extremo no debe necesariamente catalogarse como atpico
Dato atpico: dato que se sale del patrn general de los datos
La asimetra indica que al final de la cola habr cada vez menos datos.
No es atpico. Es compatible con el patrn de los datos
S es atpico
71
Es compatible con la asimetra positiva

72
5.1 Medidas de centralizacin 5.2 Medidas de dispersin
media, mediana, moda varianza, desv. tpica, coeficiente de variacin, meda, rango, cuartiles, box-plot
5.3 Otras medidas de forma

Medidas de asimetra Medidas de apuntamiento
Medidas de asimetra Coeficiente de asimetra
CA = 0; si la distribucin es perfectamente simtrica CA > 0; si hay asimetra positiva CA < 0: si hay asimetra negativa Informtica. Universidad Carlos III de Madrid
73
Medidas de asimetra Coeficiente de asimetra

CA = 0; si la distribucin es perfectamente simtrica CA > 0; si hay asimetra positiva CA < 0: si hay asimetra negativa
74
Medidas de apuntamiento Coeficiente de apuntamiento o Curtosis

CAp = 3; distribucin con forma de campana CAp>3; distribucin ms picuda que una campana CAp<3; distribucin menos picuda que una campana
CAp<3
CAp=3
CAp>3
Muchos programas de Estadstica definen Curstosis como CAp-3

75
1. 2. 3. 4. 5. 6. 7. 8.
76
6. Transformaciones lineales y su efecto en las medidas caractersticas

Sea y una transformacin lineal de x y=a+b x dados un conjunto de datos x1, x2, x3, ..., xn Medidas caractersticas de x
Medidas caractersticas de y?
Medidas de localizacin
Medida_loc (y)=a+b Medida_loc(x)
La transformacin lineal no cambia el orden relativo La transformacin lineal no cambia la frecuencia de aparicin de cada valor
ym=a+b xm Moda(y)=a+b Moda(x)

77
6. Transformaciones lineales y su efecto en las medidas caractersticas

Medidas de dispersin
y=a+b x
La constante a no influye
78
1. 2. 3. 4. 5. 6. 7. 8.
79
7. Transformaciones no lineales que mejoran la simetra

Dados un conjunto de datos x1, x2, x3, ..., xn con distribucin asimtrica Buscamos una transformacin y=h(x) tal que y sea ms simtrica
x Asimetras positivas
y=ln(x) Estas transformaciones son no lineales pues comprimen mucho a los datos grandes y poco a los pequeos
(muy frecuentes)
Transformaciones del tipo y=xc ,c<1
ln( x )
ln(x) puede interpretarse como el lmite de la transformacin y=xc cuando c0 Cuanto mayor sea la asimetra, necesitamos un c menor Informtica. Universidad Carlos III de Madrid
80
7. Transformaciones no lineales que mejoran la simetra

Dados un conjunto de datos x1, x2, x3, ..., xn con distribucin asimtrica Buscamos una transformacin y=h(x) tal que y sea ms simtrica
Asimetras negativas
Transformaciones del tipo y=xc ,c>1 Estas transformaciones son no lineales pues expanden mucho a los datos grandes y poco a los pequeos
x1,5
x2
Cuanto mayor sea la asimetra, necesitamos un c mayor Informtica. Universidad Carlos III de Madrid
81
1. 2. 3. 4. 5. 6. 7. 8.
82
Medidas de dependencia lineal
Coeficiente de covarianza Coeficiente de correlacin
Entre estas variables no hay relacin lineal
Entre estas variables hay relacin lineal La lnea roja podra ser un buen resumen de esa relacin
83
Para n individuos, tenemos datos de 2 variables

Individuo 1 2 : n x x1 x2 : xn y y1 y2 : yn
Covarianza
Correlacin
Covarianza y Covarianza y correlacin negativas correlacin positivas Informtica. Universidad Carlos III de Madrid
84
La covarianza tiene unidades (unidades_x)(unidades_y) La correlacin es adimensional. ES MS FCIL DE INTERPRETAR Se puede demostrar que -1r1
r=1
r=0.8
r=0.06
r=-0.94
r=-0.83 Informtica. Universidad Carlos III de Madrid
r=-0.08
85
La recta de regresin
Cmo obtener la ecuacin de esa recta resumen?
( xi , yi )
X
86
y
Ecuacin de la recta: Y=a+bX Si tiene que pasar por dos puntos: solucin nica
X
87
Es imposible que una recta pase por todos los puntos Cmo elegir la que ms nos interesa?
( xi , yi )
X
88
Buscamos una recta muy concreta llamada RECTA DE REGRESIN (de regresin simple) Es la recta que, dado el valor de X me da la mejor prediccin de Y
( xi , yi )
X
89
Es la recta que, dado el valor de X me da la mejor prediccin de Y
a + bx
( xi , yi )
Valor observado Valor previsto por la recta
yi
i y
valor observado
ei
Error de prediccin:
i ei = yi y
xi
X
90
Buscamos la recta que minimiza los errores de prediccin:
a + bx
min ei
i =1
(recta de mnimos cuadrados)
( xi , yi ) yi
ei
i y
valor observado
xi
X
91
SOLUCIN
a + bx
cov( x, y ) b= 2 sx
a = y bx
( xi , yi )
x
X
92
Ejemplo
La variable V1 tiene la velocidad del viento registrada en la localizacin 1, mientras que la variable V2 tiene las velocidades registradas en esos mismos instantes en la localizacin 2. Se tiene un total de 115 pares de medidas
Loc.1: media: 2.51 varianza: 1.91
cov (V1,V2)=1.995
En la localizacin 1 se va a establecer un sistema informtico para la telemedida de la velocidad del viento, pero no para la localizacin 2. Se quiere calcular la recta de regresin que permita predecir la velocidad de la Localizacin 2 sabiendo la de la Localizacin 1
93
Ejemplo
La variable V1 tiene la velocidad del viento registrada en la localizacin 1, mientras que la variable V2 tiene las velocidades registradas en esos mismos instantes en la localizacin 2. Se tiene un total de 115 pares de medidas
cov (V1,V2)=1.995
b=cov(x,y)/var(x)=1.995/1.91=1.045 a = y bx = 3.28 1.045 2.51 = 0.657
= 0.657 + 1.045 V V 2 1
Si, por ejemplo, en la Localizacin 1 se mide una velocidad de viento de 5 m/s, la prediccin en la Localizacin 2 es de un viento de 0.657+1.045x5=5.88 m/s
94

Pres EstDescriptiva

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Pres EstDescriptiva

Transféré par

Droits d'auteur :

Formats disponibles

1.

Informtica. Universidad Carlos III de Madrid

Tema 1: Estadstica descriptiva

Informtica. Universidad Carlos III de Madrid

1. Introduccin. El propsito de la estadstica

Qu es la estadstica?Por qu estudiamos estadstica?

A partir de un nmero reducido de datos, sacar conclusiones que sean generales

Informtica. Universidad Carlos III de Madrid

Dos formas alternativas de acceder al conocimiento del mundo

A partir de la observacin Datos Estadstica

A partir de los modelos tericos DEDUCIMOS la realidad

A partir de los datos INDUCIMOS o INFERIMOS un modelo (emprico)

Informtica. Universidad Carlos III de Madrid

En la realidad... una combinacin de INDUCCIN y DEDUCCIN

Informtica. Universidad Carlos III de Madrid

Tema 1: Estadstica descriptiva

Informtica. Universidad Carlos III de Madrid

Informtica. Universidad Carlos III de Madrid

varios criterios de clasificacin de los datos (de inters en estadstica)

Ejemplo: Dado. Variable: resultado de su lanzamiento Poblacin? ?

Informtica. Universidad Carlos III de Madrid

Necesitamos definir mejor qu es poblacin

EXPERIMENTO: Cualquier procedimiento de obtencin de un dato, dadas unas condiciones de experimentacin

Hay poblaciones infinitas que slo existen conceptualmente

Anlisis estadstico Poblacin de caractersticas desconocidas finita o infinita

Conclusiones sobre la POBLACIN

Cmo aprendemos de la realidad usando la estadstica?

Informtica. Universidad Carlos III de Madrid

3. POR SU PROCEDIMIENTO DE OBTENCIN

su valor se recoge de forma pasiva

Datos experimentales su valor lo determina el analista

Informtica. Universidad Carlos III de Madrid

Informtica. Universidad Carlos III de Madrid

Estatura 175 163 181 166 170 169

Informtica. Universidad Carlos III de Madrid

generan datos experimentales

su valor lo determina el entorno : azar generan datos observacionales

Informtica. Universidad Carlos III de Madrid

Informtica. Universidad Carlos III de Madrid

Tema 1: Estadstica descriptiva

Informtica. Universidad Carlos III de Madrid

Tablas univariantes Muestran la frecuencia de cada valor observado

Informtica. Universidad Carlos III de Madrid

3. Descripcin de datos mediante tablas

Informtica. Universidad Carlos III de Madrid

3. Descripcin de datos mediante tablas Tablas univariantes

Informtica. Universidad Carlos III de Madrid

3. Descripcin de datos mediante tablas Tablas bivariantes

Informtica. Universidad Carlos III de Madrid

3. Descripcin de datos mediante tablas Tablas bivariantes

Cada celda: frecuencias conjuntas

3. Descripcin de datos mediante tablas Tablas bivariantes

Informtica. Universidad Carlos III de Madrid

Las univariantes: frecuencias marginales

3. Descripcin de datos mediante tablas Tablas bivariantes

Cada fila o columna: frecuencia condicionada (al valor de la fila o columna)

Informtica. Universidad Carlos III de Madrid

Tema 1: Estadstica descriptiva

Informtica. Universidad Carlos III de Madrid

4. Descripcin de datos mediante grficos

Informtica. Universidad Carlos III de Madrid

4.1 Diagrama de barras

Frecuencia de cada valor observado

Informtica. Universidad Carlos III de Madrid