00/01 - Introduccion al curso y a la estadística descriptiva
•Download as ODP, PDF•
13 likes•10,651 views
Qué es la estadística? Qué es la teoría de probabilidades? Qué es la estadística descriptiva? Qué es la estadística inferencial ------------------------------------------------------------ Definiciones básicas Medidas de tendencia no central Medidas de tendencia central Medidas de dispersión Momentos Representación gráfica de la información Histogramas
![00 – Introducción a la estadística y teoría de probabilidades ,[object Object],[object Object],[object Object],[object Object]](https://image.slidesharecdn.com/01-introestadisticadescriptiva-090718231851-phpapp01/85/00-01-Introduccion-al-curso-y-a-la-estadistica-descriptiva-1-320.jpg)
![Contenido ,[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (20)
Similar to 00/01 - Introduccion al curso y a la estadística descriptiva
Similar to 00/01 - Introduccion al curso y a la estadística descriptiva (20)
More from Diego Andrés Alvarez Marín
More from Diego Andrés Alvarez Marín (15)
Recently uploaded
Recently uploaded (20)
00/01 - Introduccion al curso y a la estadística descriptiva
- 14. Mínimo y máximo (con MATLAB)
- 15. Mínimo y máximo (con MS EXCEL)
- 19. Percentiles con MATLAB Observe que MS EXCEL y MATLAB calculan los percentiles con diferentes algoritmos
- 20. Percentiles con MS EXCEL Observe que MS EXCEL y MATLAB calculan los percentiles con diferentes algoritmos
- 22. Media aritmética (o promedio)
- 23. Mediana
- 24. Mediana
- 25. Mediana
- 26. Media geométrica
- 28. Ejemplo
- 29. Propiedades de la media geométrica
- 30. Media armónica
- 31. Ejemplo
- 32. Ejemplo
- 33. Media armónica
- 34. Moda
- 35. Media acotada (o media truncada)
- 36. Medidas de tendencia central en MS EXCEL Observe que MATLAB y MS EXCEL utilizan diferentes algoritmos para calcular la moda
- 38. Medidas de tendencia central en MATLAB Observe que MATLAB y MS EXCEL utilizan diferentes algoritmos para calcular la moda
- 43. Varianza y desviación estándar muestral Use siempre estas fórmulas para calcular la varianza y la desviación estándar, a menos que se indique lo contrario. Ver: http://en.wikipedia.org/wiki/Variance http://en.wikipedia.org/wiki/Standard_deviation
- 44. Varianza y desviación estándar poblacional
- 47. Recorrido interdecil e intercuartil
- 48. Desviación media (mean absolute deviation - MAD) Desviación mediana (median absolute deviation)
- 49. Coeficiente de variación (coefficient of variation - C.O.V.) No confundir con la covarianza!
- 52. Medidas de dispersión en MS EXCEL
- 54. Medidas de dispersión en MATLAB
- 57. Sensibilidad de las medidas de tendencia central a valores atípicos
- 58. Sensibilidad de las medidas de dispersión a los valores atípicos
- 60. Curtosis y coeficiente de asimetría en MS EXCEL
- 61. Curtosis y coeficiente de asimetría en MATLAB MATLAB y MS EXCEL utilizan diferentes algoritmos para calcular estos parámetros
- 68. 4. Graficar el histograma de conteo
- 69. 4. Graficar el histograma de conteo Consultar la ayuda de la función FRECUENCIA de MS EXCEL para entender su uso
- 71. 5. Graficar el histograma de frecuencias relativas El eje Y tiene unidades de frecuencia por m 3 /día
- 72. Histograma de frecuencia de clase con MATLAB
- 73. Histograma de frecuencia de clase con MATLAB El eje Y tiene unidades de frecuencia por m 3 /día
- 74. Histogramas con MS EXCEL MS EXCEL 2003: http://www.bloggpro.com/creating-histograms-in-excel/ MS EXCEL 2007: http://www.bloggpro.com/creating-a-simple-histogram-in-excel-2007/ or just GOOGLE IT! http://www.google.com/search?q=histograms+excel+2007
- 76. Percentil 80 El eje Y tiene unidades de frecuencia únicamente
- 80. Método de Shimazaki y Shinomoto (2007)
- 86. Fuente: http://www.census.gov/prod/2004pubs/c2kbr-33.pdf U.S. Census Bureau – tiempo de viaje al trabajo. El censo encontró que 124 millones de personas trabajan fuera de su casas.
- 88. . Histograma del tiempo de viaje (censo USA, 2000) El área bajo la curva es igual al número de casos = 124 millones. Este diagrama usa cantidad/ancho de la tabla.
- 90. . Histograma de frecuencia relativa del tiempo de viaje (censo USA, 2000) El área bajo la curva es igual a 1 Este diagrama usa cantidad/total/ancho de la tabla.
- 93. Otras funciones de MS EXCEL
- 94. Otras funciones de MATLAB
- 95. Otras formas gráficas de representar los datos
Editor's Notes
- # Sturges, H. A. (1926). "The choice of a class interval". J. American Statistical Association: 65–66. # ^ Scott, David W. (1979). "On optimal and data-based histograms". Biometrika 66 (3): 605–610. doi:10.1093/biomet/66.3.605. # ^ Freedman, David; Diaconis, P. (1981). "On the histogram as a density estimator: L_2 theory". Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete 57 (4): 453–476.
- %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 2006 Author Hideaki Shimazaki % Department of Physics, Kyoto University % shimazaki at ton.scphys.kyoto-u.ac.jp % Please feel free to use/modify this program. % % Data: the duration for eruptions of % the Old Faithful geyser in Yellowstone National Park (in minutes) clear all; x = [4.37 3.87 4.00 4.03 3.50 4.08 2.25 4.70 1.73 4.93 1.73 4.62 ... 3.43 4.25 1.68 3.92 3.68 3.10 4.03 1.77 4.08 1.75 3.20 1.85 ... 4.62 1.97 4.50 3.92 4.35 2.33 3.83 1.88 4.60 1.80 4.73 1.77 ... 4.57 1.85 3.52 4.00 3.70 3.72 4.25 3.58 3.80 3.77 3.75 2.50 ... 4.50 4.10 3.70 3.80 3.43 4.00 2.27 4.40 4.05 4.25 3.33 2.00 ... 4.33 2.93 4.58 1.90 3.58 3.73 3.73 1.82 4.63 3.50 4.00 3.67 ... 1.67 4.60 1.67 4.00 1.80 4.42 1.90 4.63 2.93 3.50 1.97 4.28 ... 1.83 4.13 1.83 4.65 4.20 3.93 4.33 1.83 4.53 2.03 4.18 4.43 ... 4.07 4.13 3.95 4.10 2.27 4.58 1.90 4.50 1.95 4.83 4.12]; x_min = min(x); x_max = max(x); N_MIN = 4; % Minimum number of bins (integer) % N_MIN must be more than 1 (N_MIN > 1). N_MAX = 50; % Maximum number of bins (integer) N = N_MIN:N_MAX; % # of Bins D = (x_max - x_min) ./ N; % Bin Size Vector %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Computation of the Cost Function for i = 1: length(N) edges = linspace(x_min,x_max,N(i)+1); % Bin edges ki = histc(x,edges); % Count # of events in bins ki = ki(1:end-1); k = mean(ki); % Mean of event count v = sum( (ki-k).^2 )/N(i); % Variance of event count C(i) = ( 2*k - v ) / D(i)^2; % The Cost Function end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Optimal Bin Size Selectioin [Cmin idx] = min(C); optD = D(idx); % *Optimal bin size edges = linspace(x_min,x_max,N(idx)+1); % Optimal segmentation %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Display an Optimal Histogram and the Cost Function subplot(1,2,1); hist(x,edges); axis square; subplot(1,2,2); plot(D,C,'k.',optD,Cmin,'r*'); axis square;
- As an example we consider data collected by the U.S. Census Bureau on time to travel to work (2000 census, Ref. Table 2). The census found that there were 124 million people who work outside of their homes. This rounding is a common phenomenon when collecting data from people.
- This histogram shows the number of cases per unit interval so that the height of each bar is equal to the proportion of total people in the survey who fall into that category
- This histogram differs from the first only in the vertical scale. The height of each bar is the decimal percentage of the total that each category represents. The curve displayed is a simple density estimate. This version shows proportions, and is also known as a unit area histogram. In other words a histogram represents a frequency distribution by means of rectangles whose widths represent class intervals and whose areas are proportional to the corresponding frequencies. They only place the bars together to make it easier to compare data.