Escolar Documentos
Profissional Documentos
Cultura Documentos
Básica
¾ Estadística en el Muestreo:
– Herramientas estadístico-matemáticas y técnicas que nos
permiten describir e interpretar mediante la
cuantificación los resultados obtenidos por estas
herramientas o bien tomar decisiones en una situación
de incertidumbre.
2 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
RECOLECCION DE MUESTRA
3 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
CONCEPTOS BASICOS
¾ Individuo
¾ Población
¾ Muestra, muestreo
¾ Variables
¾ Cuantitativas (numéricas)
¾ Cualitativa (codificadas)
¾ Observación
¾ Tabla de datos
4 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
5 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
7 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
9 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
1 n
X = ∑ Xi (muestra)
n i =1
10 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
También se puede definir los cuantiles como los valores que sub-
dividen la población o la muestra (dispuesta en orden ascendente)
en categorías de igual número de individuos:
Cuartiles
Deciles
Percentiles
11 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
12 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
13 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
Medidas de Dispersión
14 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
Medidas de Dispersión
1 N
MAD = ∑ | X i − m | para la población
N i =1
1 n
MAD = ∑ | X i − X | para la muestra
n i =1
La desviación media es positiva, o nula si todos los individuos
tienen el mismo valor.
15 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
Medidas de Dispersión
1 n n
RMD = 2 ∑∑ | X i − X j | para la muestra
n i =1 j =1
Esta medida también se denomina “coeficiente de selectividad”.
16 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
ESTADISTICA DESCRIPTIVA
Medidas de Dispersión
1 n
S = ∑ ( X i − X )2
2 para la muestra
n i =1
Medidas de Dispersión
1 N
σ= ∑ i
N i =1
( X − m ) 2 para la población
1 n
S= ∑ i
n i =1
( X − X ) 2 para la muestra
19 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
MEDIDAS DE DISPERSION
Rango: 60
Desviación media: 14.0
Varianza: 300.6
Desviación estándar: 17.34
20 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
21 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
22 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
23 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
24 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
• Valores extremos:
- afectan considerablemente las estadísticas
básicas
• ¿Qué hacer con ellos?:
- declarar los valores extremos como
erróneos y eliminarlos
- clasificarlos en poblaciones
estadísticas separadas
- usar estadísticas robustas, que son
menos sensibles a los valores
extremos: mediana, coeficiente de
correlación de posición
- transformar los datos para reducir su
influencia
- bajarlos a un máximo “razonable”
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
25 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICOS DE PROBABILIDAD
• Valores extremos:
- generan considerables problemas al
aplicar regresión, debido a que
tienen un efecto desproporcionado
sobre los coeficientes de regresión
estimados
- los datos considerados extremos
(outliers) puede eliminarse sólo si se
ha comprobado que están errados.
En caso de ser datos verdaderos,
proveen información que puede ser
crítica para la respuesta del modelo.
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
26 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
NUBES DE CORRELACION
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
27 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
MEDIDAS DE CORRELACION VARIABLE
N
1
• Covarianza Cov ( X , Y ) =
N
∑ (X
i =1
i − m X ) (Yi − mY )
1 N
• Coeficiente de correlación lineal Cov( X ,Y ) ∑ (Xi − mX ) (Yi − mY )
N i=1
Corr( X ,Y ) = =
SX ⋅ SY ⎛1 N 2 ⎞⎛ 1
N
⎞
⎜ ∑ ( Xi − mX ) ⎟⎜ ∑ (Yi − mY )2 ⎟
⎝ N i=1 ⎠⎝ N i=1 ⎠
28 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
MEDIDAS DE CORRELACION VARIABLE
Y Y
ρ = 0,73
ρ = -0,68
X X
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
29 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
MEDIDAS DE CORRELACION VARIABLE
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
31 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICO QUANTIL - QUANTIL
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
32 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
GRAFICO QUANTIL - QUANTIL
33 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina