2009 Ii 01 Estadistica Descriptiva Ii

32,048 views

Published on

Objetivos de Aprendizaje

Saber que significa la estadística y sus aplicaciones.
Explicar el significado de la estadística descriptiva y estadística inferencial.
Distinguir entre niveles de medición nominal, ordinal, de intervalo y de razón.
Organizar datos en una distribución de frecuencias.
Representar la distribución de frecuencias en un histograma, un polígono de frecuencias.
Desarrollar una representación de “tallo y hoja”
Representar datos utilizando líneas, de barras y de sectores (circulares).

Published in: Education
2 Comments
11 Likes
Statistics
Notes
No Downloads
Views
Total views
32,048
On SlideShare
0
From Embeds
0
Number of Embeds
151
Actions
Shares
0
Downloads
1,212
Comments
2
Likes
11
Embeds 0
No embeds

No notes for slide
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • ESTADISTICA A UNMSM - FQIQ ING.JOSE MANUEL GARCIA PANTIGOZO
  • 2009 Ii 01 Estadistica Descriptiva Ii

    1. 1. Tema Nº 01: ESTADISTICA DESCRIPTIVA I Facultad de Química e Ingeniería Química Ing. José Manuel García Pantigozo 2009 - II UNMSM ESTADISTICA A [email_address]
    2. 2. Tema Nº 01: ESTADISTICA DESCRIPTIVA I Facultad de Química e Ingeniería Química Ing. José Manuel García Pantigozo 2009 - II UNMSM ESTADISTICA A [email_address]
    3. 3. Objetivos de Aprendizaje <ul><li>Saber que significa la estadística y sus aplicaciones. </li></ul><ul><li>Explicar el significado de la estadística descriptiva y estadística inferencial. </li></ul><ul><li>Distinguir entre niveles de medición nominal, ordinal, de intervalo y de razón. </li></ul><ul><li>Organizar datos en una distribución de frecuencias. </li></ul><ul><li>Representar la distribución de frecuencias en un histograma, un polígono de frecuencias. </li></ul><ul><li>Desarrollar una representación de “tallo y hoja” </li></ul><ul><li>Representar datos utilizando líneas, de barras y de sectores (circulares). </li></ul>
    4. 4. 1.- CONCEPTOS
    5. 5. ¿Qué es la estadística? Que deberían saber al terminar esta clase: <ul><li>Que queremos significar por estadística </li></ul><ul><li>Que entendemos por estadística descriptiva e inferencial . </li></ul><ul><li>Que es una población y que una muestra. </li></ul><ul><li>Que es una variable, el dato y los datos </li></ul><ul><li>Cuando la información se refiere a un parámetro y cuando a una estadística </li></ul><ul><li>Distinguir cuando una variable es c ualitativa y cuando cuantitativa . </li></ul><ul><li>Distinguir entre una variable discreta y continua. </li></ul><ul><li>Distinguir las distintas escalas de medición nominal , ordinal , de intervalo y de razón </li></ul>
    6. 6. ¿Qué es la estadística? <ul><li>Estadística es la ciencia de : </li></ul><ul><ul><li>Recolectar </li></ul></ul><ul><ul><li>Describir </li></ul></ul><ul><ul><li>Organizar </li></ul></ul><ul><ul><li>Interpretar </li></ul></ul><ul><li>para transformarlos en información, para la toma mas eficiente de decisiones. </li></ul>Datos
    7. 7. Ciencia que proporciona las herramientas (métodos y procedimientos) necesarios para recolectar, procesar analizar e interpretar datos. ESTADISTICA
    8. 8. ¿Para qué sirve la estadística? <ul><li>La Ciencia se ocupa en general de fenómenos observables. </li></ul><ul><li>La Ciencia se desarrolla observando hechos, formulando leyes que los explican y realizando experimentos para validar o rechazar dichas leyes. </li></ul><ul><li>Los modelos que crea la ciencia son de tipo determinista o aleatorio (estocástico). </li></ul><ul><li>La Estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la incertidumbre forman parte de su naturaleza. </li></ul>
    9. 9. ¿Quienes usan la estadística? <ul><li>Organismos oficiales. </li></ul><ul><li>Diarios y revistas. </li></ul><ul><li>Políticos. </li></ul><ul><li>Deportes. </li></ul><ul><li>Marketing. </li></ul><ul><li>Control de calidad. </li></ul><ul><li>Administradores. </li></ul><ul><li>Investigadores científicos. </li></ul><ul><li>Médicos </li></ul><ul><li>etc. </li></ul>
    10. 10. ESTADISTICA ESTADISTICA DESCRIPTIVA ESTADISTICA INFERENCIAL Describe un conjunto de datos con indicadores estadísticos o estadígrafos Obtiene información (variables e indicadores) de una muestra representativa de población
    11. 11. Tipos de Estadística <ul><li>ESTADÍSTICA DESCRIPTIVA: Método de recolectar, organizar, resumir, analizar e interpretar los datos. </li></ul><ul><ul><li>Ejemplo 1: Los datos del Censo de población de 2001. </li></ul></ul><ul><ul><li>Ejemplo 2: La cantidad de robos ocurridos el último mes en en el municipio. </li></ul></ul><ul><ul><li>Ejemplo 3: La cantidad de pacientes atendidos en el Hospital municipal el último año. </li></ul></ul><ul><li>Mencionamos algunos procedimientos: </li></ul><ul><ul><li>Tablas de distribuciones de frecuencia; Gráficos de distribución de frecuencias; Diagramas de cajas; Diagramas de tallos y hojas; Estadísticos de posición; Estadísticos de dispersión; y Estadísticos de asociación </li></ul></ul>
    12. 12. ESTADISTICA DESCRIPTIVA
    13. 13. Tipos de Estadística <ul><li>ESTADÍSTICA INFERENCIAL : Métodos usados para determinar algo acerca de la población, basado en una muestra. </li></ul><ul><li>Población ( 1) es la colección, o conjunto, de individuos, objetos o eventos cuyas propiedades serán analizadas. </li></ul><ul><li>Muestra es un subconjunto de la población de interés. </li></ul><ul><li>(1) Algunos autores utilizan Universo como sinónimo </li></ul><ul><li>La estadística inferencial comprende dos áreas importantes: Estimación puntual y por intervalos; y la Prueba de hipótesis estadística </li></ul>
    14. 14. POBLACION MUESTRA Técnica Del Muestreo Inferencia Estadística Obtención de Variables e Indicadores: Estadígrafos (Estimadores) ESTADISTICA INFERENCIAL
    15. 15. Conceptos Estadísticos
    16. 16. <ul><li>Unidad de Análisis: es el objeto del cual se desea obtener información. Muchas veces nos referimos a las unidades de análisis con el nombre de elementos . En estadística, un elemento o unidad de análisis puede ser algo con existencia real, como un automóvil o una casa, o algo más abstracto como la temperatura o un intervalo de tiempo. Dada esta definición, puede redefinirse población como el conjunto de unidades de análisis. </li></ul><ul><li>Ejemplo: Cada uno de los alumnos matriculados en el curso de Química General. </li></ul>Conceptos Estadísticos
    17. 17. <ul><li>Parámetro: Valor numérico que resume todos los datos de una población completa. Se utilizan letras griegas para simbolizar un parámetro como ser  y  Ejemplos: La calificación “promedio” del egresado secundario cuando postula al Proceso de Admisión . </li></ul><ul><li>Estadística: Valor numérico que resume los datos de una muestra. Se utilizan letras del alfabeto español para simbolizarlas como ser x y s . </li></ul><ul><li>Ejemplo: La edad “promedio” registrada en una encuesta de 150 consumidores de pizzas. </li></ul>Conceptos Estadísticos
    18. 18. Población y Muestra Población Muestra
    19. 19. <ul><li>Población: Es el conjunto de todos los individuos o elementos (unidad de análisis) que son el objetivo de nuestro interés. La Población, según su número de elementos puede ser: </li></ul>Población Finita Población Infinita NOTA: EN LA PRÁCTICA CUANDO UNA POBLACIÓN TIENE UN NUMERO MUY GRANDE O INDETERMINADO DE ELEMENTOS SE LE CONSIDERA POBLACIÓN INFINITA. <ul><li>Ejemplo: </li></ul><ul><li>- Alumnos de la UNMSM. </li></ul><ul><li>- Trabajadores de una empresa. </li></ul><ul><li>- Camiones de carga pesada. </li></ul><ul><li>Clientes de un empresa comercial . </li></ul><ul><li>Ejemplo: </li></ul><ul><li>Peces del mar peruano </li></ul><ul><li>Bacterias </li></ul><ul><li>Flores Silvestres. </li></ul><ul><li>Productos fallados. </li></ul>Conceptos Estadísticos
    20. 20. <ul><li>Muestra: Es una parte o un subconjunto de una población. Tiene la característica fundamental de ser representativa de la población. </li></ul><ul><li>La selección y estudio de una muestra facilita la inferencia de conclusiones válidas para la población de donde se obtuvo la muestra. </li></ul><ul><li>Ejemplos: </li></ul><ul><ul><li>Grupo de bolsas de azúcar que se extraen sistemáticamente de una línea de envasado. </li></ul></ul><ul><ul><li>Grupo de tasas que se extrae para llevar a cabo el control de calidad. </li></ul></ul>Conceptos Estadísticos
    21. 21. <ul><li>Ejemplo 1: Una encuesta desarrollada por IBOPE, en marzo 2009, dice que el rating de radio en la Gran Lima esta encabezado por RPP con un 10.5% seguido por RCN con 9.18% </li></ul><ul><li>Ejemplo 2: De acuerdo con una encuesta desarrollada por Apoyo sobre telefonía residencial en el 2008, el gasto mensual promedio por cliente es de S/. 90.30. a nivel nacional. </li></ul><ul><li>Ejemplo 3: El INEI informó que la Encuesta Permanente de Hogares (EPH) del mes de marzo de 2009 reporto la tasa mas alta de desempleo que ascendió al 10.3% a nivel nacional </li></ul>Tipos de Estadística (ejemplos de estadística inferencial)
    22. 22. VARIABLES
    23. 23. VARIABLES Y SUS TIPOS La definición de una Población y sus Características dependerán (Variables) de sus unidades elementales que deben ser observadas y dependiendo de la naturaleza del problema planteado
    24. 24. <ul><li>Variable: Característica de interés sobre cada elemento individual de una población o muestra . </li></ul><ul><li>Dato: Valor de la variable asociada a un elemento de la población o muestra. Este valor puede ser un número, una palabra o un símbolo. </li></ul><ul><li>Ejemplo : La familia González tiene “4” miembros, sus ingresos mensuales son de “US$ 685.00”, “2” son de sexo femenino y “2” masculino. </li></ul>Variable
    25. 25. <ul><li>Datos: Conjunto de valores recolectados para la variable de cada uno de los elementos que pertenecen a la población o muestra . </li></ul><ul><li>Ejemplo1: El conjunto de 54 “cantidad de miembros” recolectados de 54 familias residentes en Escobar. </li></ul><ul><li>Ejemplo2: El conjunto de las “calificaciones” de los 43 estudiantes de estadística de la carrera de Sistemas </li></ul>Variable (cont.)
    26. 26. <ul><li>Cualitativa o de Atributos Clasifica o describe un elemento de la población. Los valores que puede asumir no constituyen un espacio métrico, por lo tanto las operaciones aritméticas, como sumar y obtener promedios, no son significativas. </li></ul><ul><li>Ejemplos: Sexo, Nacionalidad, Marcas de auto, Grado de Satisfacción con la Universidad, etc. </li></ul>Tipos de Variables
    27. 27. <ul><li>Dicotómicas : Sólo hay dos categoría, que son excluyentes una de la otra. </li></ul><ul><li>Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre. </li></ul><ul><li>Nominal : tiene mas de dos categorías y no hay orden entre ellas. </li></ul><ul><li>Ejemplo: color de los ojos, grupo sanguíneo. </li></ul><ul><li>Ordinal: tiene varias categorías y hay orden entre ellas. </li></ul><ul><li>Ejemplo: grado tumoral, calificación del riesgo en anestesia. </li></ul>Tipos de Variables(cont.)
    28. 28. Tipos de Variables (cont.) <ul><li>Cuantitativa o Numérica cuantifica un elemento de la población. Los valores que puede asumir constituyen un espacio métrico, por lo tanto las operaciones aritméticas, como sumar y obtener promedios, son significativas. </li></ul><ul><li>Ejemplos: Cantidad de Habitaciones, Número de hijos, Kilómetros recorridos, Tiempo de vuelo, Ingreso, etc. </li></ul>
    29. 29. <ul><li>Las variables cuantitativas se pueden clasificar a su vez en discretas o continuas . </li></ul><ul><li>Cuantitativas Discretas: solo pueden asumir ciertos valores y normalmente hay huecos entre ellos. Son conteos normalmente. </li></ul><ul><li>Ejemplo1: cantidad de materias aprobadas.(1, 2,3 ......) </li></ul><ul><li>Ejemplo2: cantidad de hijos (1, 2, 3,4...) </li></ul>1-9 Tipos de Variables (cont.)
    30. 30. <ul><li>Las variables cuantitativas se pueden clasificar a su vez en discretas o continuas . </li></ul><ul><li>Cuantitativas Continuas: puede asumir cualquier valor dentro del rango de medición. Normalmente se miden magnitudes como ser longitud, superficie, volumen, peso, tiempo, dinero </li></ul><ul><li>Ejemplo 1: Peso al nacer. </li></ul><ul><li>Ejemplo 2: Salario de un empleado </li></ul><ul><li>Ejemplo 3: Tiempo de viaje en ómnibus entre Lima e Ica. </li></ul>1-9 Tipos de Variables (cont.)
    31. 31. CENSO => Estadística Descriptiva <ul><li>Se emplea cuando el número de unidades de análisis no es grande (n< 40 aproximadamente) </li></ul><ul><li>Si el número de unidades de análisis es grande y se necesita una amplia cobertura de información en áreas menores, como distritos, Comunidades nativas, y otros. </li></ul><ul><li>Características </li></ul><ul><li>Costoso </li></ul><ul><li>Errores de Medición (de obtener la información). </li></ul>Técnicas de recolección de datos
    32. 32. MUESTREO => Estadística Inferencial <ul><li>Se emplea cuando el número de unidades de análisis es grande pero no se necesita información a detalle de áreas geográficas menores. </li></ul><ul><li>Características </li></ul><ul><li>Mayor rapidez y viabilidad </li></ul><ul><li>Mayor exactitud en la obtención de información </li></ul><ul><li>Reduce los costos </li></ul><ul><li>No tiene cobertura en áreas menores. </li></ul>Técnicas de recolección de datos
    33. 33. NIVELES DE MEDICION DE LAS VARIABLES
    34. 34. NIVELES DE MEDICIÓN DE LAS VARIABLES DE ACUERDO A SU NATURALEZA PUEDEN ENCONTRARSE ENTRE ESTAS ESCALAS Escala de medidas NOMINAL ORDINAL INTERVALAR DE RAZON
    35. 35. Niveles de medición de las variables Tipos Característica Ejemplos NOMINAL Valores que se agrupan en categorías disjuntas y exhaustivas <ul><li>Genero (sexo) </li></ul><ul><li>Color de pelo </li></ul><ul><li>Religión </li></ul>ORDINAL Hay un orden entre las categorías <ul><li>Clase social </li></ul><ul><li>Preferencias </li></ul><ul><li>Educación </li></ul>DE INTERVALO <ul><li>Hay orden </li></ul><ul><li>Hay distancia </li></ul><ul><li>Hay un cero convencional </li></ul><ul><li>Temperatura </li></ul><ul><li>Coeficiente Intelectual </li></ul>DE RAZON <ul><li>Hay orden </li></ul><ul><li>Hay distancia </li></ul><ul><li>Hay un cero natural </li></ul><ul><li>Edad </li></ul><ul><li>Producción </li></ul><ul><li>Ingresos </li></ul>
    36. 36. Escalas de Medición <ul><li>Las variables cualitativas se miden en escala nominal o ordinal . </li></ul><ul><li>Nominal: los elementos solo pueden ser clasificados en categorías pero no se da un orden o jerarquía </li></ul><ul><li>Ejemplo 1: Barrio de residencia de los alumnos . </li></ul><ul><li>Ejemplo 2: Color de ojos </li></ul><ul><li>Ejemplo 3: Simpatizante de un club de futbol </li></ul>
    37. 37. . Nivel Nominal <ul><li>Los valores de las Variables (datos) sólo se pueden clasificar exhaustivamente en categorías mutuamente excluyentes y no se pueden ordenar. </li></ul><ul><li>Exhaustivo: Cada persona u objeto o artículo debe clasificarse en al menos una categoría. </li></ul><ul><li>Mutuamente Excluyente; Un individuo (objeto o artículo) al ser incluido en una categoría debe excluirse de las demás, o sea no debe ser incluido en otro nivel </li></ul>
    38. 38. 1-12 Escalas de Medición <ul><li>Las variables cualitativas se miden en escala nominal o ordinal . </li></ul><ul><li>Ordinal: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores no se pueden realizar o no son significativas. </li></ul><ul><li>Ejemplo 1: Grado de satisfacción en el uso de un servicio público . </li></ul><ul><li>Ejemplo 2: Ocupación </li></ul>
    39. 39. . Nivel Ordinal <ul><li>Los valores de las Variables (datos) se pueden ordenar pero no es posible determinar la diferencia aritmética (o distancias) entre ellos. </li></ul><ul><li>Ejemplo: Resultados del sabor de tres bebidas A, B, C </li></ul><ul><li>X = Sabor. </li></ul><ul><li>La bebida C clasifico 1 ( o 1º) </li></ul><ul><li>La bebida B clasifico 2 ( o 2º) </li></ul><ul><li>La bebida A clasifico 3 ( o 3º) </li></ul><ul><li>Valores de x : 1, 2, 3 o (1º) (2º) (3º) </li></ul>
    40. 40. Escalas de Medición <ul><li>Las variables cuantitativas se miden en escala de intervalo o razón . </li></ul><ul><li>Intervalo: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores se pueden realizar y son significativas. La diferencia entre dos valores consecutivos es de tamaño constante y no existe el 0 absoluto. </li></ul><ul><li>Ejemplo: Temperatura en grados Celsius </li></ul>
    41. 41. . Nivel Intervalar <ul><li>Similar al nivel ordinal con la propiedad adicional de que se pueden determinar cantidades significativas </li></ul><ul><li>(distancias iguales) de las diferencias entre los valores. No existe un punto cero natural sino Convencional. </li></ul><ul><li>Temperatura en escala Grados Celsius. </li></ul><ul><li>Talla de camisas ( zapatos, ternos etc.) </li></ul>
    42. 42. Escalas de Medición <ul><li>Las variables cuantitativas se miden en escala de intervalo o razón . </li></ul><ul><li>Razón: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores se pueden realizar y son significativas. Existe el 0 absoluto, es decir la ausencia de la variable medida. </li></ul><ul><li>Ejemplo 1: Tiempo de vuelo. </li></ul><ul><li>Ejemplo 2: Ingresos familiares </li></ul>
    43. 43. . Nivel Razón <ul><li>Es aquella con un punto cero inicialmente inherente. Las diferencias y razones (cocientes) son significativas. </li></ul><ul><li>Ejemplo: </li></ul><ul><ul><li>Producción </li></ul></ul><ul><ul><li>b) Ingresos Mensuales Dinero. </li></ul></ul><ul><ul><li>c) Altura de los jugadores del equipo de fútbol de Osorno </li></ul></ul>
    44. 44. Variable Cuantitativa (Numérica) Variable Cualitativa (No numérica ) Continua Discreta Puede tomar cualquier valor en un intervalo dado. (Procesos de medición) Nº de trabajadores por oficina, nº de alumnos por curso etc . Sexo, ocupación, Condición de de empleo (nombrado o contratado) Nominal Ordinal <ul><li>Nivel de Educación, estrato socioeconómico, </li></ul><ul><li>categoría de ocupación. </li></ul>Ingreso, talla, peso etc. Toma sólo ciertos valores. (procesos de contar) Se caracteriza por Ejemplos Tienen un orden predeter-minado: No tienen un orden predeter-minado: Clasificación de Variables
    45. 45. FUENTES DE DATOS
    46. 46. FUENTES PRIMARIA DE DATOS DE DATOS ESTADÍSTICOS . <ul><li>No todos los temas disponen de datos publicados. En esos casos , la información deberá recolectarse y analizarse. Esto se llama “ Fuente Primaria ”. </li></ul><ul><li>Una forma de recolectar datos es mediante las encuestas. </li></ul><ul><li>Hay dos posibilidades: </li></ul><ul><li>a) Encuestas Muestrales ( En Muestras) </li></ul><ul><li>b) Encuestas Censales (En poblaciones) </li></ul>
    47. 47. FUENTES SECUNDARIA DE DATOS ESTADÍSTICOS <ul><li>Los problemas que se estudian o se investigan se adquieren de datos empíricos ( de la realidad) publicados u obtenidos. </li></ul><ul><li>Se pueden encontrar datos (estadísticas) relacionadas en artículos publicados, tesis, revistas y periódicos. </li></ul><ul><li>Estos se llaman “ Fuentes secundarias </li></ul>MUESTREOS Fuentes Secundarias
    48. 48. TIPOS DE GRAFICOS
    49. 49. Ejemplo Título y Subtítulo Fuente: …….. Nº valores del eje vertical = 0.60 x 8 = 4.8 = 5 Primer valor del eje vertical = 355 = 71 = 70 5
    50. 50. Construc- ción de Gráficos
    51. 51. Otros Gráficos: Especializados Mercado Bursátil Grafico de Velas (01/03 -28/03) Cierre apertura mínimo máximo Cotizaciones en alza Cotizaciones a la baja
    52. 52. Inicial y Primaria Inicial y Primaria
    53. 53. 1. Gráficos Lineales : Fuente : Bolsa de Valores de Lima. Bolsa de Valores de Lima: Cotizaciones Diarias de los ADR´s Telefónica de España: 1/10/01 - 23/01/02
    54. 54. Fuente : Bolsa de Valores de Lima. Bolsa de Valores de Lima: Montos Negociados según Operación Julio 1988 - Junio 1998 ( miles US$) 1.a Gráficos Lineales Compuestos :
    55. 55. 2. Gráficos de Barras Simple Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998 PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN : 1998 (Cifras Porcentuales) %
    56. 56. Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998 2a. Gráficos de Barras Compuesto PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998 (Porcentajes) %
    57. 57. Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998 2a. Gráficos de Barras Compuesto PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998 (Porcentajes) %
    58. 58. GRAFICO DE BARRAS HORIZONTALES
    59. 59. Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998 PERU: POBLACIÓN SEGÚN DOMINIOS DE ESTUDIO : 1997 (Porcentajes - Cifras Estimadas) 3. Gráfico Circular
    60. 60. VOLUMEN NEGOCIADO EN LA BOLSA DE VALORES DE LIMA: DIC. 1999 (miles US$) RENTA VARIABLE 47% INSTRUMENTOS DE DEUDA 39% OPERACIONES DE REPORTE 14% 3. Gráfico Circular Fuente: Bolsa de Valores de Lima
    61. 61. Miles de dólares US$ 4. Pictograma Gráfico Nº 3 Perú: Volumen de Ventas de Cerveza Pilsen y Cristral: 1990-95 (miles de US$)
    62. 62. 4. Pictograma Gráfico Nº 4 Perú: Deforestación de la Selva Amazónica : 1914-2028 (millones de arboles)
    63. 63. España: Pirámide Poblacional - 1981 Fuente: Boletín Demográfico 1981
    64. 64. Perú: Pirámide Poblacional – 2005 (Cifras Porcentuales)
    65. 65.
    66. 66. Gráfico: Mapa Estadístico
    67. 67. Perú: Densidad: Poblacional (Habitantes/ Km 2 MAPA ESTADISTICO Fuente: Censo Poblacional 1993
    68. 68. Gráfico: Pictograma Mujeres en el Mundo: 1990-95 Fuente: Roberto Avila Acosta - Estadística Elememtal
    69. 70. DISTRIBUCION DE FRECUENCIAS
    70. 71. <ul><li>Se denomina muestra al subconjunto de ese universo y del cual se recopilarán los datos. </li></ul><ul><li>Ejemplo , se quiere saber el número de hijos por matrimonio en Lima. Para este propósito, se elige una muestra representativa de   50   matrimonios de ella. Se obtienen los siguientes datos: </li></ul><ul><li>2 , 2 , 4 , 1 , 3 , 5 , 3 , 2 , 1 , 6 , 3 , 4 , 1 , 2 , 0 , 2 , 3 , 1 , 7 , 4 , 2, , 3 , 0 , 5 , 1 , 4 , 3 , 2 , 4 , 1 , 5 , 2 , 1 , 2 , 4 , 0 , 3 , 3 , 2 , 6 , 1 , 5 , 4 , 2 , 0 , 3 , 2 , 4 , 3 , 1 . </li></ul><ul><li>El número total de datos se representa con la letra   n.   En nuestro ejemplo   n   =   50. </li></ul>1-9 MUESTRA
    71. 72. <ul><li>La frecuencia absoluta es el número de veces que aparece un valor   (x i )   en los datos obtenidos. </li></ul><ul><li>En nuestro ejemplo, la frecuencia absoluta indica el número de familias que tienen esa cantidad de hijos: </li></ul>FRECUENCIA ABSOLUTA  ( f i ) TABLA x i f i 0 4 1 9 2 12 3 10 4 8 5 4 6 2 7 1
    72. 73. FRECUENCIA ABSOLUTA  ( f i ) GRAFICOS
    73. 74. FRECUENCIA ABSOLUTA  ( f i ) GRAFICOS
    74. 75. 1-9 FRECUENCIA ABSOLUTA  ( f i ) GRAFICOS
    75. 76. <ul><li>La frecuencia absoluta acumulada indica cuantos elementos de la lista de datos son menores o iguales a un valor dado. Es la suma de las frecuencias absolutas desde la primera fila hasta la fila elegida. </li></ul><ul><li>Por ejemplo, sabemos que hay 25 matrimonios de la muestra que tienen a lo más   2   hijos: </li></ul>1-9 FRECUENCIA ABSOLUTA ACUMULADA  ( F i )
    76. 77. FRECUENCIA ABSOLUTA ACUMULADA  ( F i ) TABLA x i f i F i 0 4 4 1 9 13 2 12 25 3 10 35 4 8 43 5 4 47 6 2 49 7 1 50
    77. 78. FRECUENCIA ABSOLUTA ACUMULADA  ( F i ) GRAFICA
    78. 79. FRECUENCIA ABSOLUTA ACUMULADA  ( F i ) GRAFICA
    79. 80. <ul><li>La frecuencia relativa es el cuociente entre la frecuencia absoluta   (f i )   y el número total de datos   (n). En nuestro ejemplo n   =   50: </li></ul>1-9 FRECUENCIA RELATIVA ( h i ) TABLA x i f i F i h i H i 0 4 4 0,08 0,08 1 9 13 0,18 0,26 2 12 25 0,24 0,50 3 10 35 0,20 0,70 4 8 43 0,16 0,86 5 4 47 0,08 0,94 6 2 49 0,04 0,98 7 1 50 0,02 1,00
    80. 81. 1-9 FRECUENCIA RELATIVA ( h i ) GRAFICA
    81. 82. FRECUENCIA RELATIVA ( h i ) GRAFICA
    82. 83. <ul><li>La frecuencia relativa acumulada es el cuociente entre la frecuencia absoluta acumulada   (F i )   y el número total de datos   (n). En nuestro ejemplo,   n   =   50: </li></ul>FRECUENCIA RELATIVA ACUMULADA  (H i ) TABLA: TABLA x i f i F i h i H i 0 4 4 0,08 0,08 1 9 13 0,18 0,26 2 12 25 0,24 0,50 3 10 35 0,20 0,70 4 8 43 0,16 0,86 5 4 47 0,08 0,94 6 2 49 0,04 0,98 7 1 50 0,02 1,00
    83. 84. FRECUENCIA RELATIVA ACUMULADA  (H i ) GRAFICA
    84. 85. FRECUENCIA RELATIVA ACUMULADA  (H i ) GRAFICA
    85. 86. <ul><li>La frecuencia porcentual es la frecuencia relativa (h i ) expresada en forma porcentual. En otras palabras, es la frecuencia relativa (h i ) multiplicada por 100. </li></ul><ul><li>En nuestro ejemplo </li></ul>FRECUENCIA PORCENTUAL (f i %) TABLA x i f i F i h i H i f i % 0 4 4 0,08 0,08 8 % 1 9 13 0,18 0,26 18 % 2 12 25 0,24 0,50 24 % 3 10 35 0,20 0,70 20 % 4 8 43 0,16 0,86 16 % 5 4 47 0,08 0,94 8 % 6 2 49 0,04 0,98 4 % 7 1 50 0,02 1,00 2 %
    86. 87. FRECUENCIA PORCENTUAL (f i %) GRAFICA
    87. 88. FRECUENCIA PORCENTUAL (f i %) GRAFICA
    88. 89. <ul><li>La frecuencia porcentual acumulada es la frecuencia relativa acumulada (H i ) multiplicada por 100. En nuestro ejemplo: </li></ul>FRECUENCIA PORCENTUAL  ACUMULADO (F i %) TABLA x i f i F i h i H i f i % F i % 0 4 4 0,08 0,08 8 % 8 % 1 9 13 0,18 0,26 18 % 26 % 2 12 25 0,24 0,50 24 % 50 % 3 10 35 0,20 0,70 20 % 70 % 4 8 43 0,16 0,86 16 % 86 % 5 4 47 0,08 0,94 8 % 94 % 6 2 49 0,04 0,98 4 % 98 % 7 1 50 0,02 1,00 2 % 100 %
    89. 90. FRECUENCIA PORCENTUAL  ACUMULADO (F i %) GRAFICA
    90. 91. FRECUENCIA PORCENTUAL  ACUMULADO (F i %) GRAFICA
    91. 92. 2. DESCRIPCION DE DATOS
    92. 93. ORGANIZACION Y PRESENTACION DE DATOS UNIDIMENSIONALES <ul><li>Frecuencia Absoluta (f i ) </li></ul><ul><li>Es el número de veces que se presenta un valor o categoría de una variable. Se representa por f i . </li></ul><ul><li>f 1 + f 2 + f 3 + …………….……f k = n </li></ul><ul><li>b) Frecuencia Absoluta Acumulada (F i ) </li></ul><ul><li>Es el número de datos igual o inferior (“menor o igual que”) al valor considerado de la variable o la suma de las frecuiencias absolutas menor o igual que el valor considerado de la variable. Es decir: </li></ul><ul><ul><ul><ul><ul><li>F 1 = f 1 </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>F 2 = f 1 + f 2 </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>----------------------------- </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>F k = f 1 + f 2 + ……….+ f k </li></ul></ul></ul></ul></ul> 
    93. 94. ORGANIZACION Y PRESENTACION DE DATOS UNIDIMENSIONALES <ul><li>c) Frecuencia Relativa (h i ) </li></ul><ul><li>Es igual a la frecuencia absoluta sobre el numero de observaciones. </li></ul><ul><li> h 1 =f 1 /n </li></ul><ul><li>b) Frecuencia Relativa Acumulada (H i ) </li></ul><ul><li>Es el resultado de cada frecuencia absoluta acumulada dividida entre el numero total de observaciones. </li></ul><ul><ul><ul><ul><ul><li>H 1 = F 1 /n </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>H 2 = F 2 /n </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>----------------------------- </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>H k = F k /n </li></ul></ul></ul></ul></ul> 
    94. 95. <ul><li>Identificar el tipo de variable cuantitativo discreto o continuo. </li></ul><ul><li>Determinar el mayor (X max ) y el menor (X min ). </li></ul><ul><li>Calcular R donde R = X max – X min . </li></ul><ul><li>Si la variable es cuantitativa discreta </li></ul><ul><ul><li>El rango es pequeño, entonces trabajar con los valores originales ordenados de las variables. </li></ul></ul><ul><ul><li>Si el rango es grande entonces trabajar con los datos ordenados agrupados en intervalo de clase (ver Sturges). </li></ul></ul>DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    95. 96. <ul><li>Si la variable es cuantitativa continua: </li></ul><ul><ul><li>Determinar el numero de intervalos (entre 5 y 20). </li></ul></ul><ul><ul><li>Utilizar la regla de Sturge: m = 1 + 3,322log n </li></ul></ul><ul><ul><li>Si n = 50 </li></ul></ul><ul><ul><li>m = 1 + 3,322log(50) = 6,6439 </li></ul></ul><ul><ul><li>Se redondea a m = 7 intervalos de clase. </li></ul></ul><ul><ul><li>Intervalo cerrado por la izquierda y abierto por la derecha. </li></ul></ul><ul><ul><li>El menor del intervalo izquierdo =X` min = (X min ) – menor unidad/2. </li></ul></ul><ul><ul><li>Marca de clase= (x max 1er intervalo - X` min )/2 </li></ul></ul>DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    96. 97. Problemas <ul><li>Si la variable es cuantitativa continua: </li></ul><ul><ul><li>Determinar el numero de intervalos (entre 5 y 20). </li></ul></ul><ul><ul><li>Utilizar la regla de Sturge: m = 1 + 3,322log n </li></ul></ul><ul><ul><li>Si n = 50 </li></ul></ul><ul><ul><li>m = 1 + 3,322log(50) = 6,6439 </li></ul></ul><ul><ul><li>Se redondea a m = 7 intervalos de clase. </li></ul></ul><ul><ul><li>Intervalo cerrado por la izquierda y abierto por la derecha. </li></ul></ul><ul><ul><li>El menor del intervalo izquierdo =X` min = (Xmin) – menor unidad/2. </li></ul></ul><ul><ul><li>Marca de clase= (xmax 1er intervalo - X` min )/2 </li></ul></ul>
    97. 98. 3. Distribución de Frecuencias
    98. 99. Distribución de Frecuencias Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos 1 1 7 1 13 2 19 1 25 2 2 1 8 0 14 1 20 4 26 2 3 0 9 5 15 5 21 1 27 1 4 2 10 2 16 4 22 2 28 1 5 2 11 1 17 5 23 1 29 2 6 2 12 2 18 2 24 4 30 1
    99. 100. Distribución de Frecuencias x fi h1 Fi Hi hi% Hi% 0 2 0.067 2 0.067 6.67 6.667 1 11 0.367 13 0.433 36.67 43.333 2 11 0.367 24 0.800 36.67 80.000 3 3 0.100 27 0.900 10.00 90.000 4 3 0.100 30 1.000 10.00 100.000 Total 30 100
    100. 101. 4. PROBLEMAS
    101. 102. <ul><li>Se desea conocer la distribución de un proceso mediante la elaboración de una Tabla de Frecuencias y un Histograma : </li></ul><ul><ul><li>a) Recopilar datos, mínimo que sean 50 datos y 100 datos como deseable. </li></ul></ul><ul><ul><ul><li>b) Encontrar el valor máximo ( Xmax ) y el valor mínimo ( Xmin ) </li></ul></ul></ul><ul><ul><ul><li>c) Calcular el “ intervalo de clase ” (c), el cual debe ser múltiplo de la unidad mínima de medición. </li></ul></ul></ul>Problema Nº 01:
    102. 103. 27,9 27,9 28,1 27,8 27,8 28,1 28,0 28,0 28,3 27,8 28,0 28,3 28,4 27,8 27,9 28,1 28,3 27,6 27,2 27,5 28,8 28,1 27,6 27,9 27,7 28,1 28,4 28,5 28,0 28,2 28,1 28,0 28,3 28,2 27,9 27,5 28,3 27,6 28,0 28,3 28,0 28,1 28,4 28,1 28,0 28,1 27,8 28,0 28,3 27,8 27,6 28,0 27,8 28,3 28,2 27,5 27,9 28,0 27,9 27,9 27,9 28,1 28,5 27,9 28,0 28,9 28,6 28,3 28,6 28,7 28,5 27,8 27,9 27,8 28,1 28,0 27,9 27,9 28,0 27,5 28,1 27,8 28,0 27,9 27,7 28,4 28,1 27,6 28,1 27,8 27,8 27,9 28,3 27,9 28,3 27,7 27,9 28,1 27,7 28,3
    103. 104. <ul><li>c = (X max – X min )/K </li></ul><ul><li>c = (28,9 – 27,2)/10 = 0.17 => 0.2 </li></ul><ul><li>K = número de clases (número de barras en el gráfico), y que por experiencia se sugiere que tome los siguientes valores: </li></ul>Problema Nº 01 (continua) : JAPONES NUMERO DE DATOS VALORES DE K de 50 a 100 Aprox. de 6 a 10 de 100 a 200 Aprox. de 7 a 12 mas de 250 Aprox. de 10 a 20
    104. 105. <ul><li>d) Se calcula el límite de la 1era clase. </li></ul><ul><li>X min – Unidad mínima /2 = 27.2 - 0.1/2= 27.15 </li></ul><ul><li>e) Se calcula la marca de clase de cada intervalo. </li></ul><ul><li>Punto medio = (Limite superior – Limite inferior)/2 </li></ul><ul><li>f) Se llena la Tabla de Frecuencia </li></ul><ul><li>g) Se va marcando la clase donde corresponde cada dato. </li></ul><ul><li>h) Se suman las marcas de clase y se determina la frecuencia de cada clase (f i , F i , h i y H i ). </li></ul><ul><li>i) Se hace una grafica de barras, en donde el eje de “X” representa los valores de medición (las clases), y el eje “Y” la frecuencia . </li></ul>Problema Nº 01 (continua) :
    105. 106. Problema Nº 01 (continua) : TABLA DE DISTRIBUCION DE FRECUENCIAS CLASE MC MARCAS f i F i h i H i [ 27.15 - 27.35 ) 27.25 / 1 1 0.01 0.01 [ 27.35 - 27.55 ) 27.45 //// 4 5 0.04 0.05 [ 27.55 - 27.75 ) 27.65 ///////// 9 14 0.09 0.14 [ 27.75 - 27.95 ) 27.85 ///////////////////////////// 29 43 0.29 0.43 [ 27.95 - 28.15 ) 28.05 ////////////////////////////// 30 73 0.30 0.73 [ 28.15 - 28.35 ) 28.25 /////////////// 15 88 0.15 0.88 [ 28.35 - 28.55 ) 28.45 /////// 7 95 0.07 0.95 [ 28.55 - 28.75 ) 28.65 /// 3 98 0.03 0.98 [ 28.75 - 28.95 ] 28.85 // 2 100 0.02 1.00       100   1.00  
    106. 107. <ul><li>Problema Nº 02: </li></ul><ul><li>El Area de Control de Calidad de la empresa FUNDIDOS S. A. esta llevando a cabo un seguimiento a un lote de piezas mecanizadas en su taller de metalmecánica, para esto ha tomado una muestra aleatoria y se necesita obtener el siguiente análisis estadístico descriptivo: </li></ul><ul><ul><li>Tabla de Frecuencias. </li></ul></ul><ul><ul><li>Histogramas. </li></ul></ul><ul><ul><li>Polígonos de Frecuencia (tarea para el alumno). </li></ul></ul><ul><ul><li>Ojivas (tarea para el alumno). </li></ul></ul>
    107. 108. 1279,5 1285,0 1280,0 1273,0 1284,0 1280,5 1275,5 1278,0 1279,5 1275,0 1267,0 1272,0 1282,0 1276,0 1269,5 1266,0 1273,5 1285,5 1275,5 1283,5 1285,0 1273,0 1278,0 1273,0 1280,0 1277,5 1286,0 1280,0 1281,0 1275,0 1278,5 1279,5 1273,5 1275,0 1276,5 1271,5 1284,5 1276,0 1268,5 1272,5 1284,5 1286,0 1271,0 1265,5 1283,0 1282,5 1272,5 1275,5 1275,0 1282,0 1271,0 1280,5 1266,0 1282,5 1284,5 1276,0 1279,0 1281,0 1276,0 1287,5 1273,5 1272,5 1279,5 1279,0 1276,0 1281,5 1273,0 1271,5 1275,5 1277,0 1278,0 1283,5 1274,5 1279,0 1287,5 1276,0 1279,5 1268,0 1269,0 1285,5 1268,0 1272,5 1266,5 1278,0 1267,0 1271,0 1275,5 1277,0 1280,5 1269,0 1284,0 1287,0 1275,5 1280,0 1280,5 1278,0 1275,5 1280,0 1274,5 1285,0 1282,0 1276,5 1268,5 1275,5 1269,0 1271,5 1280,5 1287,0 1276,5 1272,0
    108. 109. <ul><li>Se identificó que la variable es cuantitativa continua. </li></ul><ul><li>Se tiene que (X max ) = 1287.5 y (X min )= 1265.5 </li></ul><ul><li>R =(X max ) - (X min )= 1287.5 – 1265.5 = 22 </li></ul><ul><li>Como el rango es grande entonces trabajamos con los datos ordenados agrupados en intervalo de clase (ver Sturges). Si la variable es cuantitativa continua: </li></ul><ul><ul><li>Determinar el numero de intervalos </li></ul></ul><ul><ul><li>Utilizar la regla de Sturge: m = 1 + 3,322log n </li></ul></ul><ul><ul><li>Si n = 110 </li></ul></ul><ul><ul><li>m = 1 + 3,322log(110) = 7.78 </li></ul></ul>1-9 DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    109. 110. <ul><li>Se redondea a m = 8 intervalos de clase. </li></ul><ul><li>Intervalo cerrado por la izq. y abierto por la der. </li></ul><ul><li>El menor del 1er intervalo izquierdo =X` min = (X min ) – menor unidad/2. </li></ul><ul><li>X` min = 1265.5 – 0.1/2 = 1265.45 </li></ul><ul><li>Amplitud de Clase= a = R/m = 22/8 = 2.75 = 2.8 </li></ul><ul><li>Marca de clase= MC=(x max 1er intervalo - X` min )/2 </li></ul><ul><li>MC 1 = 1265.45 + 2.8 = 1268.25 </li></ul><ul><li>Y se empieza la tabla </li></ul>DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    110. 111. INTERVALOS MC f i F i h i H i [ 1265.45 - 1268.25 ) 1266.85 8 8 0.07 0.07 [ 1268.25 - 1271.05 ) 1269.65 9 17 0.08 0.15 [ 1271.05 - 1273.85 ) 1272.45 16 33 0.15 0.30 [ 1273.65 - 1276.65 ) 1275.25 23 56 0.21 0.51 [ 1276.65 - 1279.45 ) 1278.05 12 68 0.11 0.62 [ 1279.45 - 1282.25 ) 1280.85 21 89 0.19 0.81 [ 1282.25 - 1285.05 ) 1283.65 13 102 0.12 0.93 [ 1285.05 - 1287.85 ] 1286.45 8 110 0.07 1.00     110   1.00  
    111. 112. <ul><ul><li>Histograma f i </li></ul></ul>
    112. 113. <ul><ul><li>Histograma F i </li></ul></ul>
    113. 114. <ul><ul><li>Histograma h i </li></ul></ul>
    114. 115. <ul><ul><li>Histograma H i </li></ul></ul>
    115. 116. <ul><li>Problema Nº 03: </li></ul><ul><li>Las estaturas en centímetros de 50 estudiantes mujeres un grupo se registraron. Los datos son: </li></ul>Agrupe adecuadamente los datos y elabore la respectiva tabla de frecuencias y el histograma de frecuencias relativas. 157 155 171 150 163 150 172 161 154 174 163 148 152 163 149 158 176 164 157 153 169 161 160 164 155 162 151 167 167 167 170 158 163 175 169 169 158 150 156 157 174 162 150 151 165 170 156 170 153 154
    116. 117. <ul><li>Se identificó que la variable es cuantitativa continua. </li></ul><ul><li>Se tiene que (X max ) = 176 y (X min )= 148 </li></ul><ul><li>R =(X max ) - (X min )= 28 </li></ul><ul><li>Como el rango es grande entonces trabajamos con los datos ordenados agrupados en intervalo de clase (ver Sturges) . Si la variable es cuantitativa continua: </li></ul><ul><ul><li>Determinar el numero de intervalos </li></ul></ul><ul><ul><li>Utilizar la regla de Sturge: m = 1 + 3,322log n </li></ul></ul><ul><ul><li>Si n = 50 </li></ul></ul><ul><ul><li>m = 1 + 3,322log(50) = 6,470678 </li></ul></ul>1-9 DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    117. 118. <ul><li>Se redondea a m = 7 intervalos de clase (se reajustará según se hagan los cálculos). </li></ul><ul><li>Intervalo cerrado por la izq. y abierto por la derecha. </li></ul><ul><li>El menor del 1er intervalo izquierdo =X` min = (X min ) – menor unidad/2. </li></ul><ul><li>X` min = 148 – 1/2 = 147.5 </li></ul><ul><li>Amplitud de Clase = a = R/m = 28/6.4706 = 4.327 </li></ul><ul><li>Marca de clase = MC=(x max 1er intervalo - X` min )/2 </li></ul><ul><li>MC 1 = 147.5 + 2.163 = 149.66 </li></ul><ul><li>Y se empieza la tabla </li></ul>1-9 DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    118. 119. INTERVALOS MC fi Fi hi Hi [ 147.50 – 151.83 ) 149.66 8 8 0.16 0.16 [ 151.83 – 156.15 ) 153.99 9 17 0.18 0.34 [ 156.15– 160.48 ) 158.31 7 24 0.14 0.48 [ 160.48 – 164.81 ) 162.64 10 34 0.20 0.68 [ 164.81 – 169.14 ) 166.97 7 41 0.14 0.82 [ 169.14 – 173.46 ) 171.30 5 46 0.10 0.92 [ 173.46 – 177.79 ] 175.62 4 50 0.08 1.00     50   1.00  
    119. 120. <ul><li>Problema Nº 03 : En un estudio de dos semanas sobre la productividad de los trabajadores de una fundición, se obtuvieron los siguientes datos sobre el número total de piezas aceptables que produjeron los trabajadores: </li></ul><ul><ul><ul><li>Elaborar la Tabla de Distribución de Frecuencias. </li></ul></ul></ul><ul><ul><ul><li>Dibujar el Histograma y Polígono de Frecuencia. </li></ul></ul></ul>1-9 PROBLEMA
    120. 121. 65 36 49 84 79 56 28 43 67 36 43 78 37 40 68 72 55 62 22 82 88 50 60 56 57 46 39 57 73 65 59 48 76 74 70 80 75 56 45 75 62 72 63 32 80 64 53 74 34 76 60 48 55 51 54 45 44 35 51 21 35 61 45 33 61 60 85 68 45 53 77 42 69 52 68 52 47 62 65 75 61 73 50 53 59 41 54 41 74 82 78 26 35 47 70 38 70
    121. 122. <ul><li>Se identificó que la variable es cuantitativa discreta. </li></ul><ul><li>Se tiene que (X max ) = 21 y (X min )= 88 </li></ul><ul><li>R =(X max ) - (X min )= 21 – 88 = 67 </li></ul><ul><li>Como el rango es grande entonces trabajamos con los datos ordenados agrupados en intervalo de clase (ver Sturges). Si la variable es cuantitativa continua: </li></ul><ul><ul><li>Determinar el numero de intervalos </li></ul></ul><ul><ul><li>Utilizar la regla de Sturge: m = 1 + 3,322log n </li></ul></ul><ul><ul><li>Si n = 97 </li></ul></ul><ul><ul><li>m = 1 + 3,322log(97) = 7.60 = 8 </li></ul></ul>1-9 DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    122. 123. <ul><li>Se redondea a m = 8 intervalos de clase. </li></ul><ul><li>Intervalo cerrado por la izq. y abierto por la der. </li></ul><ul><li>El menor del 1er intervalo izquierdo =X` min = (X min ) – menor unidad/2. </li></ul><ul><li>X` min = 21 – 1/2 = 20.5 </li></ul><ul><li>Amplitud de Clase= a = R/m = 67/8 = 8.375 = 9 </li></ul><ul><li>Marca de clase= MC=(x max 1er intervalo - X` min )/2 </li></ul><ul><li>MC 1 = 20.5 + 4.5 = 25 </li></ul><ul><li>Y se empieza la tabla </li></ul>1-9 DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
    123. 124. 5. DIAGRAMA DE PUNTOS
    124. 125. DIAGRAMA DE PUNTOS (herramienta útil para pocos datos) Ejemplo: Datos de resistencia a la tensión de muestras de mortero Portland (Kg/cm 2 ) con polímero agregado: 16.85 16.40 17.21 16.35 16.52 17.04 16.96 17.15 16.59 16.57 mortero Portland sin modificar: 17.50 17.63 18.25 18.00 17.86 17.75 18.22 17.90 17.96 18.15
    125. 126. DIAGRAMA DE PUNTOS (herramienta útil para pocos datos) 16.0 16.5 17.0 17.5 18.0 18.5 * * ** * * * * * * + + + + + + + + + + * = Mortero modificado + = Mortero sin modificar
    126. 127. 5. DIAGRAMA DE Y DE TALLO Y HOJAS
    127. 128. Gráfica de tallo y hojas (“Stem-and-Leaf ”) <ul><li>Es una gráfica usada para datos cuantitativos. </li></ul><ul><li>Ejemplo: Los siguientes datos representan pesos de una muestra de 15 varones adultos. </li></ul><ul><li>165 178 185 169 152 180 175 189 195 200 183 191 197 208 179 </li></ul><ul><li>Hacer su gráfica de “Stem-and Leaf”. </li></ul><ul><li>Solución: En este caso las ramas la forman los primeros dos dígitos de los datos, y las hojas serán dadas por los últimos dígitos de los datos. </li></ul>
    128. 129. Gráfica de tallo y hojas (“Stem-and-Leaf ”) <ul><li>Luego el “stem-and leaf “ será de la siguiente manera: </li></ul><ul><li>Interpretación: El uso del “stem-and-leaf” es exactamente igual al del Histograma, la única diferencia está en que del “stem-and-leaf” se pueden recuperar los datos muestrales, pero de un histograma no se puede hacer. En este ejemplo el “stem-and-leaf” es asimétrico a la izquierda, no tiene mucha variabilidad ni “outliers”. </li></ul>
    129. 130. Ejemplo: Resistencia a la Tensión de 80 muestras de aleación Aluminio-Litio 105 221 183 186 121 181 180 143 97 154 153 174 120 168 167 141 245 228 174 199 181 158 176 110 163 131 154 115 160 208 158 133 207 180 190 193 194 133 156 123 134 178 76 167 184 135 229 146 218 157 101 171 165 172 158 169 199 151 142 163 145 171 148 158 160 175 149 87 160 237 150 135 196 201 200 176 150 170 118 149 DIAGRAMA DE TALLO Y HOJAS
    130. 131. Tallo Hoja Frecuencia 7 6 1 8 7 1 9 7 1 10 5 1 2 11 5 8 0 3 12 1 0 3 3 13 4 1 3 5 3 5 6 14 2 9 5 8 3 1 6 9 8 15 4 7 1 3 4 0 8 8 6 8 0 8 12 16 3 0 7 3 0 5 0 8 7 9 10 17 8 5 4 4 1 6 2 1 0 6 10 18 0 3 6 1 4 1 0 7 19 9 6 0 9 3 4 6 20 7 1 0 8 4 21 8 1 22 1 8 9 3 23 7 1 24 5 1 DIAGRAMA DE TALLO Y HOJAS
    131. 132. Tema Nº 01: ESTADISTICA DESCRIPTIVA I Facultad de Química e Ingeniería Química Ing. José Manuel García Pantigozo 2009 - II UNMSM ESTADISTICA A [email_address]

    ×