Metodos Estadisticos-MADE-RESUMEN-Sesion06 PDF

Maestría en Marketing y Dirección Comercial
MÉTODOS ESTADÍSTICOS
RESUMEN
ESTADÍSTICAS DESCRIPTIVA
Método científico y estadística
Plantear Diseñar
hipótesis experimento
Recoger
Obtener
datos
conclusiones
y analizarlos
MSc. Freddy Tejada Escobar

freddytejada@hotmail.com 1
Variable estadística
VARIABLE ATRIBUTO
Son aquellas que pueden Son aquellos que no son

ser expresados mediante susceptibles de medición, es
números. Son caracteres decir que no se pueden
susceptibles de medición expresar mediante un número
Ejercicios
 Es población o muestra?
Los participantes en un estudio sobre

Muestra
un nuevo medicamento para la diabetes
Todos los conductores que recibieron

una multa por conducir a alta velocidad Población
en Guayaquil
Todas las personas que reciben ayuda
del gobierno por medio del servicio de Población
bienestar social en el país
Las 30 acciones reportadas como parte Muestra

del Promedio Industrial Dow Jones

Ejercicio – Distribución de Frecuencias
 Datos: Egresados de carreras de pre- grado por

edad según estudio año 2004 en la Facultad de
Arquitectura de la Universidad Nacional de
Córdova en Argentina
EDAD
27
23
24
23
27
26
22
26
28
Análisis exploratorio de datos (AED)

 Calificaciones en el examen final
79 78 78 67 76 87 85 73 66 f
99 84 72 66 57 94 84 72 63 40-49 1
50-59 3
51 48 50 61 71 82 93 100 89
60-69 5
70-79 8
80-89 6
90-99 3
>99 1
Estadística aplicada a la
Educación

ESTADÍSTICAS DESCRIPTIVA
Medidas de Tendencia Central –
Medidas de Dispersión
Medidas de Tendencia Central

Promedio de las
MEDIA observaciones   X / N
MEDIA PONDERADA Peso de las w  ( X * w) /  w
observaciones
Punto medio de las x n 1  n es impar

 
MEDIANA observaciones  2 
ordenadas xn   xn 1

2 2
n es par
2
Valor de las
MODA observaciones con
más frecuencia

Altura mediana
Medidas de Dispersión
( X   ) 2
VARIANZA
Dispersión de los 2 
datos N
DESVIACIÓN
ESTANDAR
Dispersión de los
datos
  2

Variabilidad o dispersión
 Los maestrantes de Estadística reciben diferentes calificaciones en la

asignatura (variabilidad). ¿A qué puede deberse?
 Diferencias individuales en el conocimiento de la materia.
 ¿Podría haber otras razones (fuentes de variabilidad)?

 Por ejemplo supongamos que todos los alumnos poseen el mismo nivel de
conocimiento. ¿Las notas serían las mismas en todos? Seguramente No.
 Dormir poco el día del examen,

 Diferencias individuales en la habilidad para hacer un examen.
 El examen no es una medida perfecta del conocimiento.

 Variabilidad por error de medida.
 En alguna pregunta difícil, se duda entre varias opciones, y al azar se elige la

mala
 Variabilidad por azar, aleatoriedad.
Dispersión en distribuciones ‘normales’

0.05
0.05
0.04
0.04
0.03
0.03
0.02
0.02
0.01
0.01
x s x 2s
68.5 % 95 %
0.00
0.00
150 160 170 180 190 150 160 170 180 190
 Centrado en la media y a una desv. típica de distancia hay

aproximadamente el 68% de las observaciones.
 A dos desviaciones típicas tenemos el 95% (aprox.)


VENTAJA DESVENTAJA
 Media Aritmética  Media Aritmética
 El cálculo se realiza  Los efectos que sobre
con todos los valores ella producen los
de la variable valores extremos, que
 Es siempre calculable muchas veces son poco
 Su resultado es único
significativos por su
rareza.

VENTAJA DESVENTAJA
 Mediana y Moda  Mediana y Moda
 No le influyen ni los  No utilizan toda la
valores muy grandes ni información posible,
los valores muy sólo el valor de la
pequeños de la observación central en
variable. el caso de la mediana
y el valor más
frecuente en el caso de
la moda.

Asimetría
Sesgo positivo Sesgo negativo

Simétrica CA=0
CA>0 CA<0
Media=Mediana moda Med Media Media Med moda

iana iana
Curtosis
k>0 k=0 k<0

Otras medidas de dispersión
 Percentil.- El percentil de orden k es la observación,

Pk que deja por debajo de sí el K% de la población
o muestra.
 Cuartiles
 Deciles
 Centiles o Porcentiles
Ubicación de un centil
P
LP  (n  1)
100
 Si el Promedio de las calificaciones escolares de un
alumno se encuentra en el octavo decil, se llega a
la conclusión que el 80% de los estudiantes tiene
un promedio menor de ese valor, y un 20% tiene
un promedio mayor.

Representación gráfica
 Por medio del diagrama de cajas
Valor mínimo Q1 Q2 Q3 Valor máximo
Amplitud cuartílica
ESTADÍSTICAS INFERENCIAL

Ejercicios
 Construcción de una encuesta
OBJETIVO DEL ESTUDIO
La Escuela Universitaria de Estudios Empresariales inició en 1991 con un Diplomado en

Ciencias Empresariales, tratando de dar respuesta a la fuerte demanda de estos estudios
en la Universidad de Córdova. Casi 15 años después se plantea la necesidad de saber de qué modo
se han incorporado los egresados al mercado laboral. También interesa conocer si trabajaron
antes, durante o después de los estudios y en qué actividades, de forma que podamos llegar a
alguna concusión que pueda caracterizarlos. Asimismo podremos obtener un acercamiento más
directo a las necesidades del mercado, a los problemas que se encuentran al buscar empleo,
y a la necesidad de otro tipo de formación complementaria, de forma que se pueda adaptar
sus enseñanzas lo mejor posible a la demanda social y empresarial.
En definitiva, el objetivo general del estudio es el conocimiento desde diversas perspectivas
del mercado laboral de nuestros egresados.
Ejercicios
 Análisis descriptivo de la Edad de los egresados.
Límite Límite Frecuencia Relativa Frecuencia %

i
Inferior Superior Absoluta Absoluta Acumulada acumulado
1 25 26 6 20% 6 20%
2 26 27 2 7% 8 27%
3 27 29 11 37% 19 63%
4 29 30 4 13% 23 77%
5 30 31 4 13% 27 90%
6 31 33 3 10% 30 100%
0 0% 30 100%

Datos
Edad
Histograma
12 40%
Media 28,31 35%
10
Error típico 0,41 30%
Frecuencia
8
Mediana 28,15 25%
Moda 28,00 6 20%
Desviación estándar 2,22 15%
4
10%
Varianza de la muestra 4,92 2
5%
Curtosis -0,53
0 0%
Coeficiente de asimetría 0,12 25 - 26 26 - 27 27 - 29 29 - 30 30 - 31 31 - 33
Rango 8,13 Límite Superior
Mínimo 24,67
Frecuencia Absoluta Relativa Absoluta
Máximo 32,80
Suma 849,37
Cuenta 30,00
Mayor (1) 32,80
Menor(1) 24,67
Nivel de confianza(95,0%) 0,83
Tipos de distribución
 CONTINUO
 Normal
T de Student
 Xi Cuadrado
F de Fisher

Tipificación
 Dada una variable de media μ y desviación típica σ, se denomina valor
tipificado z, de una observación x, a la distancia (con signo) con respecto a
la media, medido en desviaciones típicas, es decir
x
z

 En el caso de variable X normal, la interpretación es clara: Asigna a todo

valor de N(μ, σ), un valor de N(0,1) que deja exactamente la misma
probabilidad por debajo.
 Nos permite así comparar entre dos valores de dos distribuciones normales
diferentes, para saber cuál de los dos es más extremo.
Ejemplo
 Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se
asignará al que tenga mejor expediente académico.
 El estudiante A tiene una calificación de 8 en un sistema donde la calificación de los alumnos se
comporta como N(6,1).
 El estudiante B tiene una calificación de 80 en un sistema donde la calificación de los alumnos se
comporta como N(70,10).
 Solución
 No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como ambas
poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una
distribución de referencia N(0,1)
xA   A 86
zA   2
A 1
x   B 80  70
zB  B  1
B 10
 Como ZA>ZB, podemos decir que el porcentaje de compañeros del mismo sistema de estudios que ha
superado en calificación el estudiante A es mayor que el que ha superado B. Podríamos pensar en
principio que A es mejor candidato para la beca.

Muestreo
Población Test
Muestra
Estadístico
Conclusiones
Muestreo
Queremos saber Tenemos que

acerca de: trabajar con:
Muestreo
Población Muestra

Distribuciones de Muestreo
  x
TEOREMA DE LIMITE CENTRAL
x  
n
ESTIMACIÓN PUNTUAL E INTERVALOS DE

CONFIANZA
Estimación Puntual
Es una medida estadística que especifica como utilizar los datos

de la muestra para estimar un parámetro desconocido de la
población.
Intervalos de Confianza
Una gama de valores obtenidos a partir de datos de muestreo, de

modo que el parámetro ocurre dentro de esa variedad a
una probabilidad específica.
Probabilidad específica Nivel de confianza

Intervalos de confianza
 No conocemos el valor real del parámetro
 ....pero podemos decir en que intervalo se encontrará
con una cierta probabilidad.
Intervalos de confianza
 Caso con muestra única

 Distribución general: Intervalo de confianza para la
media.
 
x  z    x  z
2 n 2 n
 Distribución normal: Intervalo de confianza para la

media (no se conoce la varianza)
s s
x  t    x  t
2 n 2 n

Ejercicio - Taller
 Determine el intervalo de confianza para la edad
promedio de los egresados.
 Determine el intervalo de confianza para el salario
promedio de los egresados.
 Determine el intervalo de confianza para la
proporción de estudiantes que tiene trabajo actual.
Pruebas de hipótesis
Población Test
Muestra
Estadístico
Conclusiones

Contrastando una hipótesis

Son
demasiados...
Creo que la edad

media es 40 años...
Muestra ¡Gran
aleatoria diferencia!
Rechazo la
hipótesis
X  20 años
Pruebas de hipótesis
 Las hipótesis son las dos posibilidades que pueden

ocurrir:
 Hipótesis nula: H0
 Hipótesis alterna: H1

Identificación de hipótesis
 Hipótesis nula Ho  Hip. Alternativa H1
 La que contrastamos  Niega a H0
 Los datos pueden refutarla

 Los datos pueden mostrar evidencia a favor
 No debería ser aceptada sin una gran

 No debería ser rechazada sin una buena evidencia a favor.
razón.
H 0 : p  50% , , 
 , , 
 H1 : p  50%
Razonamiento básico
Si supongo que H0 es cierta...
¿qué hace un
científico cuando
su teoría no
coincide con sus
predicciones?
  40
X  20
... el resultado del experimento sería improbable.

Sin embargo ocurrió.

Rechazo que H0
sea cierta.
  40
X  20
... el resultado del experimento sería improbable.

Sin embargo ocurrió.
¿Si una teoría • No hay evidencia contra H0

hace predicciones •No se rechaza H0
con éxito, queda •El experimento no es
probado que es concluyente
cierta? •El contraste no es significativo
  40
X  38
... el resultado del experimento es coherente.

Región crítica y nivel de significación

Región crítica Nivel de significación: 
 Valores ‘improbables’ si...  Número pequeño: 1% , 5%
 Es conocida antes de realizar el  Fijado de antemano por el

experimento: resultados experimentales investigador
que refutarían H0  Es la probabilidad de rechazar H0
cuando es cierta
=5%
Reg. Crit. Reg. Crit.
No rechazo H0
H0: =40
Tipos de ensayos
 Unilateral Derecho
 Unilateral Izquierdo
 Bilateral

Contrastes: unilateral y bilateral

La posición de la región crítica depende de la hipótesis alternativa
Bilateral H1: 40
Unilateral Unilateral
H1: <40 H1: >40
PRUEBA CHI-CUADRADO
 Chi-Cuadrado (  2) es el nombre de una prueba de
hipótesis que determina si dos variables están
relacionadas o no.
 Pasos:
1) Realizar una conjetura.
2) Escribir la hipótesis nula y la alternativa.
Calcular el valor decalc .
2
3)
4) Determinar el valor de p y el grado de libertad.
5) Obtener el valor crítico.
6) Realizar una comparación entre el chi-cuadrado
calculado y el valor crítico.
7) Interpretar la comparación.

TABLA DE CONTINGENCIA
 Es la tabla que contiene los datos obtenidos
contados y organizados.
 Ejemplo:
USO DE CINTURÓN DE
SEGURIDAD
GÉNERO SÍ NO
FEMENINO 50 25
MASCULINO 40 45
FORMULACIÓN DE HIPÓTESIS
 NULA (H0): Es aquella en la que se asegura que los
dos parámetros analizados son independientes uno
del otro.
 ALTERNATIVA (H1): Es aquella en la que se

asegura que los dos parámetros analizados sí son
dependientes.

EJEMPLO
 Melissa conjetura que el uso de cinturón de
seguridad, en los conductores, está relacionado con
el género.
 H0: El uso del cinturón de seguridad es

independiente del género.
 H1: El uso del cinturón de seguridad no es
independiente del género.
TABLA DE FRECUENCIAS ESPERADAS
 Para calcular todos y cada uno de los valores de la

tabla de frecuencias esperadas se realiza:
Total Columna  Para dicha celda  Total Fila  Para dicha celda 

SumaTotal

TABLA DE VALORES OBSERVADOS

REALIZAR UNA TABLA CON LOS VALORES DE LA TABLA DE CONTINGENCIA Y AÑADIR
UNA FILA EN LA PARTE INFERIOR Y UNA COLUMNA EN LA PARTE DERECHA.
50 25
40 45

REALIZAR LAS SUMAS POR FILAS, POR COLUMNAS Y LA SUMA TOTAL
50 25 75
40 45 85
SUMA DE FILAS
FRECUENCIAS DE
VALORES
OBSERVADOS
90 70 160
SUMA DE COLUMNAS SUMA TOTAL

Usar la fórmula para obtener las frecuencias esperadas.
90  75  70  75 
42.1875 32.8125
160 160
90  85  70  85 
47.8125 37.1875
160 160
FRECUENCIAS DE VALORES ESPERADOS
CHI – CUADRADO CALCULADO

 Para obtener el valor de Chi-Cuadrado Calculado
se tiene la fórmula
 f 0  f e 2
calc
2
  fe
f0 : Frecuencia del valor observado.
fe : Frecuencia del valor esperado.

EJEMPLO
TABLA DE VALORES OBSERVADOS TABLA DE VALORES ESPERADOS
61
50 25 42.1875 32.8125
40 45 47.8125 37.1875
calc
2

 f 0  f e 2
fe
calc
2

 50  42.1875 
2

 25  32.8125 
2

 40  47.8125 
2

 45  37.1875 
2
42.1875 32.8125 47.8125 37.1875

calc
2
 1.4468  1.8601  1.2766  1.6413  6.2248
GRADO DE LIBERTAD v
 Para calcular el grado de libertad (v) se realiza:
v   Cantidad de filas  1 Cantidad decolumnas  1

EJEMPLO
TABLA DE VALORES OBSERVADOS
50 25
40 45
v   2  1 2  1
v  11  1
NIVEL DE SIGNIFICANCIA
 Es el error que se puede cometer al rechazar la

hipótesis nula siendo verdadera.
 Por lo general se trabaja con un nivel de

significancia de 0.05, que indica que hay una
probabilidad del 0.95 de que la hipótesis nula sea
verdadera.

EJEMPLO
 Melissa conjetura que el uso de cinturón de
seguridad, en los conductores, está relacionado con
el género. Los datos se muestran en la tabla inferior.
Melissa realiza la prueba de su conjetura usando
chi-cuadrado con un nivel de significancia del 1%.
USO DE CINTURÓN DE
SEGURIDAD
GÉNERO SÍ NO
FEMENINO 50 25
MASCULINO 40 45
 Entonces se tiene un nivel de significancia del 0.01.
VALOR DEL PARÁMETRO p
 Para calcular el valor de p se realiza:
p  1  Nivel de significancia
 Ejemplo:
p  1  0.01  0.99

EJEMPLO
COMPARACIÓN ENTRE LOS VALORES DEL CHI-

CUADRADO CALCULADO Y EL CRÍTICO
 Si el valor del chi-cuadrado calculado es menor o igual

que el chi-cuadrado crítico entonces se acepta la
hipótesis nula, caso contrario no se la acepta.
 Ejemplo:
calc
2
 Valor crítico
6.2248  6.635
Entonces se acepta la hipótesis nula, la cual es “El uso
del cinturón de seguridad es independiente del género”.

EJERCICIO 1
74

EJERCICIO 2

77
Riesgos al tomar decisiones

Ejemplo 1: Se juzga a un individuo por la presunta comisión de un delito
•Los datos pueden refutarla

•La que se acepta si las
 H0: Hipótesis nula pruebas no indican lo
 Es inocente contrario
•Rechazarla por error tiene
graves consecuencias
 H1: Hipótesis alternativa

 Es culpable
No debería ser aceptada sin una
gran evidencia a favor.
Rechazarla por error tiene

consecuencias consideradas
menos graves que la anterior

Riesgos al contrastar hipótesis

Ejemplo 2: Se cree que un nuevo tratamiento ofrece buenos resultados
Ejemplo 3: Parece que hay una incidencia de enfermedad más alta de lo normal
No especulativa
 H0: Hipótesis nula
 (Ej.1) Es inocente
 (Ej.2) El nuevo tratamiento no tiene efecto
 (Ej.3) No hay nada que destacar
Especulativa
 H1: Hipótesis alternativa
 (Ej.1) Es culpable
 (Ej.2) El nuevo tratamiento es útil
 (Ej. 3) Hay una situación anormal
Tipos de error al tomar una decisión
Realidad
Inocente Culpable
Inocente
OK Error
Menos grave
Veredicto
Culpable
Error OK
Muy grave

Instrumentos de Medición
 Entrevista.- Es un intercambio de información que se

efectúa cara a cara, se utilizan para recabar
información en forma verbal, a través de preguntas que
propone el analista
 Encuesta.- método de obtener información de una
muestra de individuos.
 Cuestionario.- Los cuestionarios proporcionan una
alternativa muy útil para la entrevista; si embargo,
existen ciertas características que pueden ser apropiada
en algunas situaciones e inapropiadas en otra. Al igual
que la entrevistas, deben diseñarse cuidadosamente
para una máxima efectividad
Procedimiento para construir un Instrumento de

Medición
1. Listar las variables

2. Revisar su definicion conceptual y comprender su
significado
3. Revisar como han sido definidas operacionalmente
las variables
4. Eligir un instrumento o instrumentos (ya
desarrollados) que hayan sido favorecidos y
adaptarlos al contexto de la investigación.

Procedimiento para construir un Instrumento de

Medición
5. Indicar el nivel de medición de las variables.

6. Codificar las categorias de las variables
7. Aplicar una prueba piloto del instrumento de
medición
8. Sobre base de la prueba piloto, el instrumento de
medición preliminar se modifica, ajusta y se mejora,
los indicadores de confiabilidad y validez son una
breve ayuda, y estaremos en condiciones de
aplicarlo
Fuentes de error en las encuestas
ERRORES DE ERRORES DE NO
MUESTREO MUESTREO
 Muestra no  No Respuesta
representativa  Respuestas inexactas
 Sesgo de Selección

MINIMIZAR ERRORES
 Reentrevistas NO
RESPUESTA
 Recompensas e incentivos
 Entrevistadores adiestrados
 Verificación de datos RESPUESTA
INEXACTA
 Construcción del cuestionario
Métodos de Recolección de datos

 Entrevista Personal
 Entrevista por teléfono
 Cuestionarios autoaplicados
 Observación directa

Diseño de un cuestionario
 Ordenamiento de las preguntas
 Preguntas abiertas contra preguntas cerradas
 Opción de Respuesta
 Redacción de las preguntas
ETAPAS DE UNA ENCUESTA POR MUESTREO

Planeación
Elaboración de un
diseño de investigación
Diseño del
Diseño de
cuestionari
la muestra
o
Trabajo de campo
Verificaci
ón y
Codificaci
ón
Preparació Preparació
n del n del
análisis informe

Planeación de una encuesta

1. Establecimiento de objetivos
2. Población objetivo
3. Diseño de muestreo
4. Método de medición
5. Instrumento de medición
6. Selección y Adiestramientos de investigadores de campo
7. Prueba piloto
8. Organización del trabajo de campo
9. Organización del manejo de datos
10. Análisis de los datos
DETERMINACIÓN TAMAÑO MUESTRA
 Cuando no se conoce con precisión el tamaño de la

población
 Cuando se conoce el tamaño de la población
 Para el muestreo estratificado

MUESTREO
 Muestreo aleatorio Simple.- misma probabilidad de

ser seleccionados
 Muestreo sistemático.- orden
 Muestro estratificado.- grupos homogéneos.
 Muestro por Conglomerado.- grupos heterogéneos y
efectúa un muestreo aleatorio de ellos.
EJERCICIOS
 Construcción de una encuesta
OBJETIVO DEL ESTUDIO
La Escuela Universitaria de Estudios Empresariales inició en 1991 con un Diplomado en

Ciencias Empresariales, tratando de dar respuesta a la fuerte demanda de estos estudios
en la Universidad de Córdova. Casi 15 años después se plantea la necesidad de saber de qué modo
se han incorporado los egresados al mercado laboral. También interesa conocer si trabajaron
antes, durante o después de los estudios y en qué actividades, de forma que podamos llegar a
alguna concusión que pueda caracterizarlos. Asimismo podremos obtener un acercamiento más
directo a las necesidades del mercado, a los problemas que se encuentran al buscar empleo,
y a la necesidad de otro tipo de formación complementaria, de forma que se pueda adaptar
sus enseñanzas lo mejor posible a la demanda social y empresarial.
En definitiva, el objetivo general del estudio es el conocimiento desde diversas perspectivas
del mercado laboral de nuestros egresados.

MUESTREO ALEATORIO SIMPLE
COMO SELECCIONAR UNA MUESTRA ALEATORIA SIMPLE
 Tabla de números aleatorios

 Extracción de números en papeletas perfectamente
mezcladas.
MUESTREO SISTEMÁTICO
COMO SELECCIONAR UNA MUESTRA SISTEMÁTICA
 Una muestra obtenida al seleccionar aleatoriamente

un elemento de los primeros k elemento en la
población y después cada k-esimo elemento.
 k≤ N/n

MUESTREO ESTRATIFICADO
COMO SELECCIONAR UNA MUESTRA ESTRATIFICADA
 Es la obtenida mediante la separación de los

elementos de la población en grupos que no
presenten traslapes, llamados estratos, y la
selección posterior de una muestra aleatoria simple
de cada estrato.
MUESTREO POR CONGLOMERADOS
COMO SELECCIONAR UNA MUESTRA POR CONGLOMERADOS
 Es una muestra aleatoria en la cual cada unidad de

muestreo es una colección, o conglomerado, de
elementos.
 Los conglomerados deben ser heterogéneos entre
ellos como sea posible, y un conglomerado debe ser
muy similar a otro para poder aprovechar las
ventajas económicas del muestreo.
 Luego de especificar el conglomerado se selecciona
una muestra aleatorio simple.

EJERCICIO
 Que tipo de muestreo utilizaría para los siguientes

casos:
 Se hará una encuesta en bancos comerciales de una
región. Algunos son muy grandes, con activos de más
de 500 millones de dólares; otros son de tamaño
mediano con activos entre 100 millones y 500 millones
de dólares; y los bancos restantes tienen activos
menos de 100 millones.
MUESTREO NO PROBABILISTICO
 Aquellos en los que no es posible calcular la

probabilidad de las diferentes muestras.
 Ejemplo: Muestra voluntaria
 Oyentes de programa de radio o televisión, a los que se
pide que llamen a un teléfono
 Muestreo de calle
 Entrevistador en una esquina y entrevista a gente que pasa
 Muestra sesgada, no es representativa


Metodos Estadisticos-MADE-RESUMEN-Sesion06 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

Metodos Estadisticos-MADE-RESUMEN-Sesion06 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Maestría en Marketing y Dirección Comercial

Método científico y estadística

MSc. Freddy Tejada Escobar

Son aquellas que pueden Son aquellos que no son

Los participantes en un estudio sobre

Todos los conductores que recibieron

Las 30 acciones reportadas como parte Muestra

MSc. Freddy Tejada Escobar

Ejercicio – Distribución de Frecuencias

 Datos: Egresados de carreras de pre- grado por

Análisis exploratorio de datos (AED)

MSc. Freddy Tejada Escobar

Medidas de Tendencia Central

Punto medio de las x n 1  n es impar

ordenadas xn   xn 1

MSc. Freddy Tejada Escobar

Medidas de Tendencia Central

MSc. Freddy Tejada Escobar

 Los maestrantes de Estadística reciben diferentes calificaciones en la

 Diferencias individuales en el conocimiento de la materia.

 ¿Podría haber otras razones (fuentes de variabilidad)?

 Dormir poco el día del examen,

 El examen no es una medida perfecta del conocimiento.

 En alguna pregunta difícil, se duda entre varias opciones, y al azar se elige la

Dispersión en distribuciones ‘normales’

 Centrado en la media y a una desv. típica de distancia hay

 A dos desviaciones típicas tenemos el 95% (aprox.)

MSc. Freddy Tejada Escobar

Medidas de Tendencia Central

Medidas de Tendencia Central

MSc. Freddy Tejada Escobar

Sesgo positivo Sesgo negativo

Media=Mediana moda Med Media Media Med moda

k>0 k=0 k<0

MSc. Freddy Tejada Escobar

Otras medidas de dispersión

 Percentil.- El percentil de orden k es la observación,

MSc. Freddy Tejada Escobar

Valor mínimo Q1 Q2 Q3 Valor máximo

MSc. Freddy Tejada Escobar

La Escuela Universitaria de Estudios Empresariales inició en 1991 con un Diplomado en

Límite Límite Frecuencia Relativa Frecuencia %

MSc. Freddy Tejada Escobar

MSc. Freddy Tejada Escobar

 En el caso de variable X normal, la interpretación es clara: Asigna a todo

MSc. Freddy Tejada Escobar

Queremos saber Tenemos que

MSc. Freddy Tejada Escobar

ESTIMACIÓN PUNTUAL E INTERVALOS DE

Es una medida estadística que especifica como utilizar los datos

Una gama de valores obtenidos a partir de datos de muestreo, de

Probabilidad específica Nivel de confianza

MSc. Freddy Tejada Escobar

 Caso con muestra única

 Distribución normal: Intervalo de confianza para la

MSc. Freddy Tejada Escobar

MSc. Freddy Tejada Escobar

Contrastando una hipótesis

Creo que la edad

 Las hipótesis son las dos posibilidades que pueden

MSc. Freddy Tejada Escobar

 Los datos pueden refutarla

 No debería ser aceptada sin una gran