IntroducionEstadistica AnalisisDatos PDF

Introduccin a la Estadstica y al
Anlisis de Datos
UCR ECCI
CI-1352 Probabilidad y Estadstica
Prof. M.Sc. Kryscia Daviana Ramrez Benavides
Fundamentos de la Estadstica
La estadstica recoge, ordena y analiza datos para estudiar las
caractersticas o el comportamiento de un colectivo.
Es el conjunto de mtodos cientficos ligados a la toma, organizacin,
recopilacin, presentacin y anlisis de datos, tanto para la deduccin
de conclusiones como para tomar decisiones razonables de acuerdo
con tales anlisis.
Ejemplos de estudios estadsticos:
Opinin de los costarricenses sobre el TLC.
El color favorito de los alumnos de una clase.
Nmero de goles marcados por los equipos de ftbol de Primera
Divisin.
Estatura de los alumnos de la clase de BD de la ECCI.
UCR-ECCI CI-1352 Probabilidad y Estadstica

Introduccin a la Estadstica y al Anlisis de Datos 2
Fundamentos de la Estadstica (cont.)
Terminologa estadstica:
Poblacin: Conjunto de todos los elementos que cumplen una
determinada caracterstica. Conjunto de todos los valores de una
variable aleatoria. Los elementos de la poblacin se llaman
individuos o unidades estadsticas.
Muestra: Cualquier subconjunto de la poblacin.
Carcter estadstico: Es una propiedad que permite clasificar a los
individuos de una poblacin. Se distinguen dos tipos:
Cuantitativo: Son aquellos que se pueden medir.
Cualitativos: Son aquellos que no se pueden medir.
Variable estadstica: Es el aspecto que se va a estudiar. Si se puede
medir se llama variable cuantitativa si no se pueden medir se llama
variable cualitativa.

La variable estadstica es una propiedad caracterstica de la
poblacin que estamos interesados en estudiar.
Tipos de variables estadsticas:
Cualitativa: No se expresa mediante un nmero. Por ejemplo, la
opinin de los costarricenses sobre el TLC.
Cuantitativa: Se expresa mediante un nmero, hay dos tipos:
Cuantitativa Discreta: Slo admite valores aislados, toma un nmero
determinado de valores. Por ejemplo, el nmero de goles marcados por
los equipos de ftbol de Primera Divisin.
Cuantitativa Continua: Puede admitir cualquier valor dentro de un
intervalo, puede tomar cualquier valor entre los valores dados. Por
ejemplo, la estatura de los alumnos de la clase de BD de la ECCI.

Ejemplos: Variable Estadstica Cuantitativa Discreta
Calificaciones Nmero de Alumnos
1 0
2 1
3 0
4 4
5 5
6 3
7 3
8 2
9 1
10 1
Ejemplos: Variable Estadstica Cuantitativa Continua
Talla Nmero de Alumnos
[155,160[ 5
[160,165[ 2
[165,170[ 3
[170,175[ 4
[175,180[ 3
[180,185[ 3

Una variable no aleatoria (asociada al resultado de una
experiencia que s produce el mismo resultado) est
caracterizada por un valor para cada condicin.
Una variable aleatoria est caracterizada por la llamada
funcin densidad de probabilidad, a partir de la cual se
obtienen las probabilidades para sus posibles valores para cada
condicin.

Los objetivos se pueden entender en trminos de encontrar y
describir las variables de inters y las relaciones entre ellas,
para el problema en estudio.
La estadstica es la ciencia que estudia los mtodos que
permiten realizar este proceso para variables aleatorias, y se
divide en dos reas:
Estadstica descriptiva: Trata de describir las variables aleatorias en
las muestras.
Estadstica inductiva o inferencial: Trata de la generalizacin hacia
las poblaciones de los resultados obtenidos en las muestras y de las
condiciones bajo las cuales estas conclusiones son vlidas.

Existen dos formas de hacer inferencia estadstica:
La estimacin de parmetros: A partir de una muestra se proponen
dos objetivos:
Obtener valores aproximados de parmetros poblacionales con la
estimacin puntual (medidas de ciertas muestras).
La estimacin por intervalos de confianza tiene por objeto
proporcionar, a partir de la informacin recogida en la muestra, un
intervalo que contenga con alto nivel de confianza (probabilidad), al
parmetro objeto de nuestro inters.
A partir de dicho intervalo obtendremos una medida del error mximo
cometido al aproximar puntualmente el parmetro.

Existen dos formas de hacer inferencia estadstica:
Las pruebas de hiptesis: Si se quiere decidir entre dos hiptesis
que afectan a un cierto parmetro de la poblacin, a partir de la
informacin de la muestra se usa el contraste de hiptesis, cuando
se obtiene por una de estas dos hiptesis, se habr de conocer una
medida del error cometido, es decir, cuantas veces de cada cien se
cometi un error.
Es importante saber cmo se escribiran las hiptesis que se quieren
contrastar:
H0 se llama hiptesis nula y es lo contrario de lo que se sospecha que va a
ocurrir.
H1 se llama hiptesis alternativa y es lo que se sospecha que va a ser cierto.

En la inferencia estadstica hay varios mtodos, pero en
cualquier caso es necesario utilizar una muestra que represente
a la poblacin, esto se consigue con las tcnicas de muestreo.
Para estudiar una poblacin se puede hacer de dos formas:
Un estudio exhaustivo o censo es cuando la investigacin se ha
hecho sobre todos y cada uno de los elementos que constituyen la
poblacin.
Un estudio por muestreo cuando la investigacin se ha realizado
nica y exclusivamente sobre una muestra (un subconjunto limitado y
convenientemente seleccionado de la poblacin).

Distinguimos dos tipos fundamentales de muestreo:
Muestreo no probabilstico: En este tipo de muestreo, puede haber
clara influencia de la persona o personas que seleccionan la muestra o
simplemente se realiza atendiendo a razones de comodidad.
Salvo en situaciones muy concretas en la que los errores cometidos no
son grandes, debido a la homogeneidad de la poblacin, en general no es
un tipo de muestreo riguroso y cientfico, dado que no todos los
elementos de la poblacin pueden formar parte de la muestra.
Por ejemplo, si hacemos una encuesta telefnica por la maana, las
personas que no tienen telfono o que estn trabajando, no podrn formar
parte de la muestra.

Distinguimos dos tipos fundamentales de muestreo:
Muestreo probabilstico: En este tipo de muestreo, todos los
individuos de la poblacin pueden formar parte de la muestra, tienen
probabilidad positiva de formar parte de la muestra.
Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras
investigaciones, por ser el riguroso y cientfico.

En el contexto de muestreo probabilstico, existen varias
posibilidades de obtencin de una muestra:
Muestreo aleatorio simple: Todos los individuos tienen la misma
probabilidad de ser seleccionados. La seleccin de la muestra puede
realizarse a travs de cualquier mecanismo probabilstico en el que
todos los elementos tengan las mismas opciones de salir.
Por ejemplo, uno de estos mecanismos es utilizar una tabla de nmeros
aleatorios, o un generador de nmeros aleatorios comprendidos entre
cero y uno, y multiplicarlos por el tamao de la poblacin.

Muestreo aleatorio estratificado: Es frecuente que cuando se
realiza un estudio interese estudiar una serie de
subpoblaciones (estratos) en la poblacin, siendo importante que en
la muestra haya representacin de todos y cada uno de los estratos
considerados. El muestreo aleatorio simple no nos garantiza que tal
cosa ocurra. Para evitar esto, se saca una muestra de cada uno de los
estratos.

Muestreo aleatorio estratificado: Hay dos conceptos bsicos:
Estratificacin: El criterio a seguir en la formacin de los estratos ser
formarlos de tal manera que haya la mxima homogeneidad en relacin a
la variable a estudio dentro de cada estrato y la mxima heterogeneidad
entre los estratos.
Afijacin: Reparto del tamao de la muestra en los diferentes estratos o
subpoblaciones. Existen varios criterios entre los que se destaca:
Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en
la muestra.
Afijacin proporcional: Cada estrato tiene un nmero de elementos en la
muestra proporcional a su tamao.

Papel de la Probabilidad
La probabilidad permite cuantificar la fuerza o confianza en
las conclusiones.
Las conclusiones se pueden resumir en una declaracin de
probabilidad o valor P.
El puente entre los datos y la conclusin est basado en los
fundamentos de la inferencia estadstica, la teora de la
distribucin y las distribuciones de muestreos.
Es importante prestar atencin a las medidas de posicin y
variabilidad de la muestra.
Tanto el anlisis exploratorio o intuitivo de datos como la inferencia
estadstica formal dependen de estas medidas.

Medidas de Posicin
Las medidas de posicin en un conjunto de datos estn
diseadas para proporcionar al analista alguna medida
cuantitativa de dnde el centro de los datos en una muestra.
Una medida usada es la moda de la muestra; esta medida se
asocia al valor ms comn, ms tpico o que ocurre ms
frecuentemente; se puede definir formalmente como el valor al
cual corresponde la mayor frecuencia.
La principal limitacin est en el hecho de que requiere un nmero
suficiente de observaciones para que se manifieste o se defina ms
claramente.
En algunos casos puede no existir, no estar definida; e incluso si
existe puede no ser nica.
Esta medida se aplica a variables cualitativas y cuantitativas.
Medidas de Posicin (cont.)
Una medida obvia y muy til es la media de la muestra
(media aritmtica). La media es simplemente un promedio
numrico.
Suponga que las observaciones en una muestra son x1, x2, ,
xn. Entonces, la media simple de la muestra es
n
xi x1 + x2 + + xn
x = =
i =1 n n

Suponga que las observaciones en una muestra se agrupan en
x1, x2, , xk y c/u tiene una frecuencia f1, f2, , fk. Entonces,
la media ponderada de la muestra es
k
xi f i x1 f1 + x2 f 2 + + xk f k
x = =
i =1 n n
k
n = f1 + f 2 + + f = f i
i =1

Otra medida importante es la mediana de la muestra, el
propsito de esta medida es reflejar la tendencia central de la
muestra de manera que no est influida por los valores
extremos.
Se puede definir como el valor central de una serie de variables
estadsticas ordenadas.
Dado que las observaciones de una muestra son x1, x2, , xn,
acomodados en orden creciente de magnitud, la mediana de la
muestra es
~ x(n +1)/ 2 si n es impar
x =
xn / 2 , x(n / 2 )+1 si n es par
Ejemplo: Supongamos que el conjunto de datos es 1.7, 2.2,
3.9, 3.11 y 14.7.
La moda, la media y la mediana de la muestra son:
n = 5 es impar
Mo =
1.7 + 2.2 + 3.9 + 3.11 + 14.7
x= = 5.122
5
~
x = x(5+1)/ 2 = x3 = 3.9

La media est influida de manera considerable por la presencia
de la observacin extrema, mientras que la mediana hace
nfasis en el verdadero centro del conjunto de datos.
Las propiedades de la media son:
Si se multiplica la media por el nmero de observaciones se obtiene
la suma de las observaciones.
Si a cada una de las observaciones se le resta la media, y luego se
suman sus desviaciones (o diferencias) la suma resulta igual a 0.
Si se suma (o se resta) una constante b a cada una de las
observaciones, el promedio queda aumentado (o disminuido) en esa
constante b.
Si se multiplica (o se divide) cada una de las observaciones por una
constante b, el promedio queda multiplicado (o dividido) por esa
constante b.
Medidas de Variabilidad
La variabilidad de una muestra juega un papel muy importante
en el anlisis de datos.
La variabilidad de un proceso y de un producto es un hecho real en
los sistemas cientficos y de ingeniera.
La variabilidad en valores de poblacin y datos de una muestra es un
hecho real.
Una variabilidad grande entre las observaciones de una
muestra a menudo puede limpiar cualquier efecto que el
ingeniero puede tratar de detectar.
Las medidas de posicin en una muestra no proporcionan un
resumen apropiado de la naturaleza de un conjunto de datos.

Medidas de Variabilidad (cont.)
Al igual que hay muchas medidas de tendencia central o de
posicin, hay muchas medidas de dispersin o variabilidad.
Una de las ms simples es el rango de la muestra (recorrido
o amplitud), el cual puede ser muy til sobre control
estadstico de calidad.
xmax xmin
Valores mnimo y mximo de una variable estadstica.
Aprecia la variabilidad al considerar los valores extremos de la
muestra.
Otra forma de dar el rango de la muestra es decir: recorrido xmin a
xmax.

La ms utilizada es la desviacin estndar de la muestra.
Supongamos que lo valores de una muestra son x1, x2, , xn,
la desviacin estndar es:
n
(xi x )2
s=
i =1 (n 1)
Medida estadstica que muestra que tan dispersos estn los valores en
una coleccin de datos.
Trmino estadstico que mide la desviacin de los datos de una
muestra o de una poblacin respecto a su valor medio.
Indica cunto se alejan, en promedio, las observaciones de la media
del conjunto.

La varianza de la muestra se calcula como:
s 2
=
n
( xi x )
2
i =1 (n 1)
Medida estadstica que muestra la variabilidad de un valor; a mayor
varianza, mayores variaciones con respecto al promedio y en
consecuencia, mayor volatilidad.
Es la media de las diferencias al cuadrado de n puntuaciones respecto
a su media aritmtica.
Una variabilidad grande en un conjunto de datos produce
valores relativamente grandes de (x x ) y por ello una
2
varianza de la muestra grande.

La cantidad n 1 a menudo se denomina grados de libertad
asociados con la varianza estimada.
Los grados de libertad representan el nmero de piezas de
informacin independientes disponibles para calcular la
variabilidad.

Suponga que las observaciones en una muestra se agrupan en
x1, x2, , xn y c/u tiene una frecuencia f1, f2, , fn. Entonces,
la desviacin estndar y la varianza de la muestra son:
k k
(xi x ) (
i )
2 2
fi x x fi
s= i =1
s2 = i =1
k k
fi 1 fi 1
i =1 i =1

La covarianza de la muestra se calcula como:
n k (xi x )(y j y )(nij )
s xy =
i 1 j 1 n
Medida estadstica que muestra la relacin entre dos variables; una
covarianza 0 indica que no hay relacin alguna, mientras que valores
altos implican que el valor de una est muy ligado al valor de la otra
variable.

Ejemplo: Supongamos que se tiene el conjunto de datos es 5,
17, 6 y 4.
5 + 17 + 6 + 4 32
El promedio de la muestra es: x = = =8
4 4
La varianza de la muestra y la desviacin estndar de la muestra son:
s 2
=
(5 8) + (17 8) + (6 8) + (4 8)
2 2 2 2
s =
2 ( 3) + (9 ) + ( 2 ) + ( 4 ) 110
2 2 2 2
= = 36.667
3 3
s=
(5 8)2 + (17 8)2 + (6 8)2 + (4 8)2
3
s=
( 3)2 + (9)2 + ( 2)2 + ( 4)2 =
110
= 36.667 = 6.055
3 3
En el ejemplo anterior, las cantidades dentro de los parntesis
suman cero:
n
(x x ) = (5 8) + (17 8) + (6 8) + (4 8) = 3 + 9 2 4 = 0
i =1
i
Entonces, el clculo de una varianza de la muestra no implica

n desviaciones cuadradas independientes de la media x.
De hecho, como el valor de x x est determinado por los
primeros n 1 valores, se dice que estas son n 1 piezas de
informacin que producen s2.
Por ello hay n 1 grados de libertad en lugar de n grados de
libertad para calcular la varianza de la muestra.
Datos Discretos y Continuos
Los datos reunidos en las observaciones o experimentos
pueden ser discretos o continuos, dependiendo del rea de
aplicacin.
Los datos discretos son un nmero finito o infinito numerable de
elementos.
Se puede tener un experimento de combinacin de frmacos, donde se
puede encontrar datos binarios por naturaleza (el paciente responde o no).
Los datos continuos son un nmero infinito no numerable de
elementos.
Se puede tener un experimento de querer maximizar determinada
produccin, la cual puede ser en porcentaje, o gramos/libras, medida en
un continuo.

Datos Discretos y Continuos (cont.)
Los datos estn asociados a una variable aleatoria, la cual es
una funcin que asocia un nmero real, perfectamente
definido, a cada punto muestral.
Las v.a. definidas sobre espacios muestrales discretos se llaman v.a.
discretas y las definidas sobre espacios muestrales continuos se
llaman continuas.
Una v.a. puede ser continua, aunque slo se pueda acceder a un
subconjunto finito de valores; por ejemplo, la presin arterial es una
v.a. continua, pero slo se puede acceder a un conjunto finito de
valores por la limitacin de los aparatos de medida.
En general, las medidas dan lugar a v.a. continuas y los conteos a v.a.
discretas.
Modelado Estadstico, Inspeccin Cientfica y
Diagnsticos Grficos
Muy a menudo el resultado final de un anlisis estadstico es
la estimacin de los parmetros de un modelo postulado.
Un modelo estadstico no es determinista, sino debe involucrar
algunos aspectos probabilistas.
Una forma de modelo es la fundamentacin de las suposiciones que
hace el analista.
El formalismo del anlisis implica nociones de prueba de hiptesis.
El tipo de modelo que se utiliza para describir los datos a
menudo depende del objetivo del experimento, y la estructura
del modelo debe aprovecharse del insumo cientfico no
estadstico.

Diagnsticos Grficos (cont.)
La seleccin del modelo representa una suposicin
fundamental sobre la que se basa la inferencia estadstica
resultante.
A veces, los grficos o el anlisis exploratorio de los datos
puede ensear al analista algo no recuperado del anlisis
formal.
Casi cualquier anlisis formal requiere suposiciones que se
desarrollan a partir del modelo de datos.
Los grficos pueden resaltar bien la violacin de suposiciones que de
otra forma no se notaran.

Diagnsticos Grficos (cont.)
Proceso de un estudio estadstico: Se debe tener claro que la
informacin estadstica se resume en tablas y grficos, pero
antes, hay que seguir una serie de pasos:
Decidir qu se quiere estudiar: Establecer claramente la variable
estadstica, acotando, claramente, la poblacin de estudio.
Elaborar una encuesta de recoleccin de datos: Crear una serie de
preguntas breves y claras con respuesta cerrada.
Recoleccin de datos: Realizar las encuestas, procurando preguntar
a todo tipo de personas.
Organizar los datos: Ordenar, se pasan a papel o computador y se
confeccionan primero las tablas y luego los grficos.

Tablas de Referencia
La tabulacin de los datos consiste en confeccionar una tabla
en la que aparecen bien organizados los valores de la variables
que se estn estudiando, junto con otros datos:
Frecuencia absoluta (ni): Nmero de individuos que toma cada
valor.
Frecuencia relativa (fi): Resultado de dividir la frecuencia absoluta
entre el total de la poblacin fi = ni/N.
Frecuencia absoluta acumulada (Ni): Suma de las frecuencias
absolutas de los valores menores o iguales que l (slo tiene sentido
para variables estadsticas cuantitativas).
Frecuencia relativa acumulada (Fi): Suma de las frecuencias
relativas de los valores menores o iguales que l.

Tablas de Referencia (cont.)
Ejemplo: Nmero de das a la semana que practican deporte
20 alumnos de la clase de IO de la ECCI: 1, 4, 4, 1, 1, 3, 4, 3,
1, 1, 3, 2, 1, 4, 1, 1, 2, 3, 3, 3.
Valores ni fi Ni Fi
1 8 8/20 = 0.4 8 0.4
2 2 2/20 = 0.1 8+2 = 10 0.4+0.1 = 0.5
3 6 6/20 = 0.3 10+6 = 16 0.5+0.3 = 0.8
4 4 4/20 = 0.2 16+4 = 20 0.8+0.2 = 1
Total 20 20/20 = 1 --- ---

Con variables cuantitativas continuas, o cuando el nmero de
valores que toma la variable es grande, se agrupan los valores
en intervalos.

Ejemplo: Estatura en cm de 20 alumnos de la clase de IO de la
ECCI: 154, 158, 162, 148, 163, 153, 159, 180, 165, 168, 156,
148, 162, 157, 153, 158, 147, 165, 166, 175. El valor mnimo
es 147, el valor mximo es 180. Podemos tomar como
amplitud del intervalo: 10cm (se podra tomar cualquier otro
valor).
Intervalos ni fi Ni Fi
[145,155[ 6 6/20 = 0.3 6 0.3
[155,165[ 9 9/20 = 0.45 6+9 = 15 0.3+0.45 = 0.75
[165,175[ 3 3/20 = 0.15 15+3 = 18 0.75+0.15 = 0.9
[175,185[ 2 2/20 = 0.1 18+2 = 20 0.9+0.1 = 1
Total 20 20/20 = 1 --- ---
Grficos Estadsticos
Existen varios tipos de grficos estadsticos, siendo cada uno
de ellos adecuados a un tipo de variable, segn el siguiente
esquema:
Variables cualitativas Diagrama de sectores.
Variables cuantitativas discretas Diagramas de barras.
Variables cuantitativas continuas Histograma de frecuencias.

Grficos Estadsticos (cont.)
Diagrama de sectores: Consiste en dibujar en un crculo
tantos sectores como valores toma la variable estadstica, de
forma que el ngulo de cada sector es proporcional a la
frecuencia (absoluta o relativa).
Diagrama de barras: Consiste en unas barras estrechas que
se sitan sobre los valores puntuales de la variable, que estn
situadas a lo largo de una recta numrica.

Histograma de frecuencias: Es similar a un diagrama de
barras, slo que en este caso, las barras ocupan todo el ancho
del intervalo al que van asociadas, pudiendo estar pegadas
unas con otras (algo que nunca poda pasar en un diagrama de
barras).
Realmente, a diferencia de lo que pasaba en un diagrama de barras,
en los histogramas de frecuencias, el rea de cada rectngulo debe ser
proporcional a la frecuencia relativa, lo que pasa es que si tomamos
la precaucin de tomar todos los intervalos con la misma amplitud,
entonces no tendremos que preocuparnos, por ser la razn de
proporcionalidad siempre la misma: la amplitud del intervalo.

En un estudio de Febrero de 2006, la juventud costarricense
afirma que los principales problemas que existen en la
sociedad son los siguientes:
10%
Problema Porcentaje
Inseguridad y
Inseguridad y 15% delicuencia
45% Problemas
delincuencia 45% econmicos
Problemas
Problemas econmicos 30% sociales
Vivienda
Problemas sociales 15%
Vivienda 10% 30%

El nmero de hermanos de los alumnos del curso se distribuye
de la siguiente manera:
N de Hermanos Frecuencia
9
0 8 8
7
1 5
Frecuencia
6
5
2 3 4
3
3 2 2
1
4 1 0
0 1 2 3 4 5 6
5 0 N de Hermanos
6 1

Tiempo que emplean los alumnos del curso en ir desde casa a
la universidad se distribuye de la siguiente manera:
Tiempo (min) Frecuencia 9
8
[0,30[ 5 7
Frecuencia
6
[30,60[ 8 5
4
[60,90[ 3 3
2
[90,120[ 2 1
0
[120,150[ 1 30 60 90 120 150 180
[150,180[ 1 Tiempo (min)

Referencias Bibliogrficas
Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K.
Probabilidad y estadstica para ingeniera y ciencias. Octava
Edicin. Pearson Prentice-Hall. Mxico, 2007.
Material docente de la Unidad de Bioestadstica Clnica. URL:
http://www.hrc.es/bioest/M_docente.html.
Iniciacin a la Estadstica. URL:
http://descartes.cnice.mecd.es/Estadistica/iniciacion_estadistist
ica_fjgarcia/FGG990_UD.htm.
Estadstica Descriptiva y Probabilidad. URL:
http://thales.cica.es/rd/Recursos/rd99/ed99-0278-
01/indice.html.

Referencias Bibliogrficas (cont.)
Estadstica Descriptiva. URL:
http://descartes.cnice.mecd.es/Estadistica/Estadistica_descripti
va_1/estadistica_indice.htm.
Estadstica Inferencial. URL:
http://descartes.cnice.mecd.es/Estadistica/Muestreo_Inferencia
_Estadistica/inferencia_estadistica.html.


IntroducionEstadistica AnalisisDatos PDF

Transféré par

Informations du document

Titre original

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

IntroducionEstadistica AnalisisDatos PDF

Transféré par

Droits d'auteur :

Formats disponibles

Introduccin a la Estadstica y al

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

varianza de la muestra grande.

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

Entonces, el clculo de una varianza de la muestra no implica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

[150,180[ 1 Tiempo (min)

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

UCR-ECCI CI-1352 Probabilidad y Estadstica

Vous aimerez peut-être aussi