Descriptiva 1

Apunte Estadı́stica
Eduardo Valenzuela Domı́nguez
28 de agosto 2021
Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 1 / 29

Introducción:
Realidad versus Modelo

Modelos Determinı́sticos
Modelos no-Determinı́sticos

Definición
Estadı́stica: Mezcla entre ciencia y arte que entrega herramientas para

modelar fenómenos no-deterministicos
Toma de decisiones bajo Incertidumbre

Algunas aplicaciones:
Ingenierı́a
Compañı́as de Seguros
Estudios de Mercado
Control de Calidad
Instrumentos Financieros
Medicina

Algunos Términos
Población: Colección completa de todas los individuos de interes para

el investigador.
Parámetro: Valor que caracteriza un aspecto de la población.
Muestra: Subconjunto de la población y que es representativa de esta.
Estadistico: Medida descriptiva de la muestra que se utiliza para
estimar al respectivo parámetro poblacional.
Variable: Caracteristica de la población que se analiza en el estudio
estadistico.

Técnicas de Muestreo
Muestreo Aleatorio simple: Procedimiento mediante el cuál todas las

muestras de un determinado tamaño, poseen la misma ”chance” de
ser extraidas.
Muestreo Aleatorio Estratificado: Esquema de muestreo que primero
particiona a la población en diversos ”estratos” y posteriormente
extrae una mustra aleatoria simple en cada uno de ellos.

Muestreo
Error muestral: Diferencia entre el valor del parámetro poblacional y

el producido por el estadistico o estadigrafo basado en una muestra.
Sesgo muestral: Tendencia a favorecer la selección de determinados
individuos de la población.

Muestreo
Población vs Muestra
Muestreo implica Error muestral
Acotar la probabilidad de cometer errores
Estadistica
Descriptiva
Inferencial

Tipos de Variables
Variables cualitativas: Caracteristica que representa una cualidad de

los individuos poblacionales.
Variables cuantitativas: Caracteristica que corresponde a una
magnitud asociada a laos individuos de la población, hay discretas y
continuas.

Niveles de Medición
Escala nominal: Nombres o clases que se utilizan para organizar los

datos en categorias separadas y distintas.
Escala ordinal: Mediciones que jerarquizan los datos en categorias,
ordenadas en virtud de un determinado criterio.

Niveles de Medición
Escala de intervalos: Mediciones respecto de una escala numerica en

la cual la diferencia entre valores tiene interpretación y la ubicación
del cero es arbitrario.
Escala de proporciones: Mediciones respecto de una escala numerica
en la cual tanto la diferencia como los cuocientes tienen
interpretación y la ubicación del cero es absoluto.

Estadı́stica Descriptiva
Proporciona procedimientos que permiten organizar, procesar y presentar

los datos muestrales con el fin de extraer información relevante que este
contenida en ellos.
La descripción del comportamiento muestral, se suele separar en tres
categorias:
Representacions tabulares.
Representaciones gráficas.
Representaciones mediante estadı́grafos o estdı́sticos.

Agrupación en clases
Si los datos muestrales son:
u1 , u2 , u3 , . . . , un
Los agruparemos en k clases:
A1 , A2 , . . . , Ak
Para n datos muestrales, se suele usar la regla de “Sturges”:
k = [3, 3 · log10 (n)] + 1
Ejemplo: Para n = 1.000, usar:
k = [3, 3 · log10 (1.000)] + 1 = [3, 3 · 3] + 1 = [9, 9] + 1 = 9 + 1 = 10

Observaciones y Preguntas
Las clases deben ser excluyentes y todo elemento muestral debe

pertenecer a una y solo una de ellas.
¿Existen clases que concentren mas datos?.
¿Se presenta un comportamiento uniforme?.
¿Se visualiza mas de un punto de concentración?.

Construcción de clases
Si los datos muestrales estan medidos por lo menos al nivel de intervalos y

si los representamos por:
u1 , u2 , . . . , un
entonces la amplitud de las clases es de:
max (ui ) − min (ui ) RM

c= =
k k
Se denomina “Rango muestral” al valor RM = max (ui ) − min (ui )

Construcción de clases
Con esto, se determinan los limites superior e inferior de cada clase:
clase limites relaci ón

A1 [a1 → b1 [ b 1 = a1 + c
A2 [a2 → b2 [ b 2 = a2 + c
.. .. ..
. . .
Ak [ak → bk ] bk = ak + c
en donde a1 = min (ui ), bj = aj + c y ak+1 = bk

Ejemplo
Consideremos la muestra de n = 50 datos siguiente:

68 72 50 70 65 83 77 78 80 93
71 74 60 84 72 84 73 81 84 92
77 57 70 59 85 74 78 79 91 102 numero de clases:
83 67 66 75 79 82 93 90 101 80
79 69 76 94 71 97 95 83 86 69
k = [3, 3 log10 (50)] + 1 = [3, 3 · 1, 699] + 1 = [5, 6] + 1 = 5 + 1 = 6

Continuación Ejemplo
min (ui ) = 50 y max (ui ) = 102, por lo que c = 102−50

6 = 8, 7
redondeando, tomaremos c = 9, con lo que las clases quedan:
clase limites marca de clase

A1 [50 → 59[ 54, 5
A2 [59 → 68[ 63, 5
A3 [68 → 77[ 72, 5
A4 [77 → 86[ 81, 5
A5 [86 → 95[ 90, 5
A6 [95 → 104] 99, 5

Gráfico de Tallo y Hoja
Una forma alternativa de visualizar los datos, es mediante el gráfico de

tallo y hoja:
La coma decimal esta un digito a

la derecha de los dos puntos:
5 : 079
6 : 0567899
7 : 001122344567788999
8 : 001233344456
9 : 01233457
10 : 12

Distribuciones de Frecuencias
Para descubrir como se “reparten” los datos entre las clases,

consideraremos las frecuencias
Frecuencia absoluta: Es el número de observaciones muestrales que
caen en cada clase: ni , para i = 1, . . . , k.
Frecuencia relativa: Es la proporción de datos con respecto a toda la
muestra que pertenecen a cada clase: fi , para i = 1, . . . , k.
ni
Se tiene que: fi = n

Distribuciones de Frecuencias
Frecuencia absoluta acumulada: Es la suma acumulada de las

frecuencias
P absolutas hasta cada clase: Ni , para i = 1, . . . , k. con
Ni = ij=1 nj , para i = 1, . . . , k
Frecuencia relativa acumulada: Es la suma acumulada de las
fercuencias relativas hasta cada clase: Fi , para i = 1, . . . , k. con
Fi = ij=1 fj , para i = 1, . . . , k
P
Ni
Se tiene que: Fi = n

Ejemplo
clase limites ni Ni fi Fi fi /c
A1 [50 → 59[ 2 2 0, 04 0, 04 0, 0044
A2 [59 → 68[ 5 7 0, 10 0, 14 0, 0111
A3 [68 → 77[ 14 21 0, 28 0, 42 0, 0311
A4 [77 → 86[ 18 39 0, 36 0, 78 0, 0400
A5 [86 → 95[ 7 46 0, 14 0, 92 0, 0156
A6 [95 → 104] 4 50 0, 08 1, 00 0, 0089
total 50 1, 00

Representaciones Gráficas
Otra forma de representar la información muestral, es mediante gráficos

Histograma: Se grafican las frecuencias con respecto a las diversas clases.

Histogram of x
15
Frequency
10
5
0
50 60 70 80 90 100

Histogram of x
0.04
0.03
Density
0.02
0.01
0.00
50 60 70 80 90 100

Poligono de frecuencias: Representa las frecuencias en las marcas de clases
unidas por segmentos de rectas.
Distribucion de frecuencias acumuladas: Aqui se representan las
frecuencias acumuladas hasta cada clase.

Ojiva: Poligonal que une las frecuencias acumulativas en cada clase.

Gráfico de barras: Las frecuencias se representan por barras proporcionales
a ellas. Gráficos circulares: Las frecuencias se muestran como sectores
circulares.


Descriptiva 1

Cargado por

Copyright:

Formatos disponibles

Descriptiva 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Descriptiva 1

Cargado por

Copyright:

Formatos disponibles

Apunte Estadı́stica

Eduardo Valenzuela Domı́nguez

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 1 / 29

Realidad versus Modelo

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 2 / 29

Estadı́stica: Mezcla entre ciencia y arte que entrega herramientas para

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 3 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 4 / 29

Población: Colección completa de todas los individuos de interes para

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 5 / 29

Muestreo Aleatorio simple: Procedimiento mediante el cuál todas las

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 6 / 29

Error muestral: Diferencia entre el valor del parámetro poblacional y

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 7 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 8 / 29

Variables cualitativas: Caracteristica que representa una cualidad de

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 9 / 29

Escala nominal: Nombres o clases que se utilizan para organizar los

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 10 / 29

Escala de intervalos: Mediciones respecto de una escala numerica en

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 11 / 29

Proporciona procedimientos que permiten organizar, procesar y presentar

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 12 / 29

Los agruparemos en k clases:

Para n datos muestrales, se suele usar la regla de “Sturges”:

k = [3, 3 · log10 (n)] + 1

Ejemplo: Para n = 1.000, usar:

k = [3, 3 · log10 (1.000)] + 1 = [3, 3 · 3] + 1 = [9, 9] + 1 = 9 + 1 = 10

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 13 / 29

Las clases deben ser excluyentes y todo elemento muestral debe

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 14 / 29

Si los datos muestrales estan medidos por lo menos al nivel de intervalos y

max (ui ) − min (ui ) RM

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 15 / 29

Con esto, se determinan los limites superior e inferior de cada clase:

clase limites relaci ón

en donde a1 = min (ui ), bj = aj + c y ak+1 = bk

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 16 / 29

Consideremos la muestra de n = 50 datos siguiente:

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 17 / 29

min (ui ) = 50 y max (ui ) = 102, por lo que c = 102−50

clase limites marca de clase

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 18 / 29

Una forma alternativa de visualizar los datos, es mediante el gráfico de

La coma decimal esta un digito a

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 19 / 29

Para descubrir como se “reparten” los datos entre las clases,

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 20 / 29

Frecuencia absoluta acumulada: Es la suma acumulada de las

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 21 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 22 / 29

Otra forma de representar la información muestral, es mediante gráficos

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 23 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 24 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 25 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 26 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 27 / 29

Eduardo Valenzuela Domı́nguez Apunte Estadı́stica 28 de agosto 2021 28 / 29