Estadistica Basica UNSL 09

Estadística
Básica
Julio Bruna Novillo & José A. Bassan

INTRODUCCION
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.
– El resultado de esta cuantificación es el “modelamiento

estadístico” de una determinada población de datos con
la cual nos permite, organizar nuestras elecciones y
decisiones, para que éstas sean coherentes con lo que se
conoce del fenómeno estudiado, pero no permite
legitimar estas elecciones de manera absoluta.
2 08 al 11 Noviembre 2009 –
08 al 11 Noviembre 2009 –San Luis, Argentina
RECOLECCION DE MUESTRA
¾ Una muestra debe ser representativa de una población.
¾ La manera con la cual se obtiene la muestra a partir de la

población determinará la calidad y la precisión de la
información aportada por la muestra.
¾ Todo razonamiento estadístico basado en la muestra,

comporta una parte inevitable de incertidumbre que se
requiere cuantificar, especificando por ejemplo la
probabilidad de error.
CONCEPTOS BASICOS
¾ Individuo
¾ Población
¾ Muestra, muestreo
¾ Variables
¾ Cuantitativas (numéricas)
¾ Cualitativa (codificadas)
¾ Observación
¾ Tabla de datos
ESTADISTICA DESCRIPTIVA
Distribución de Frecuencia e Histograma
• La distribución de frecuencia fracciona los datos en grupos o

clases y muestra ya sea el número de observaciones en cada
clase, o bien el número de observaciones en cada clase
dividido por el número total de observaciones.
• Un histograma es un gráfico de barras de una distribución

de frecuencia: las clases se miden en el eje de abscisa,
mientras que el número de observaciones o las frecuencias
se miden en el eje de ordenada.

• Histograma:
Calcular el número de muestras en cada clase .
“Ancho” de clase suele ser constante la altura de cada barra
del histograma es proporcional a la frecuencia de la clase
Entrega estadísticas de las muestras (no de la población).
Escala logarítmica puede ser útil.
¿Cómo construirlo?
Dependiendo del número de muestras, escoger un número de
clases (10-50)
Desplegar el rango importante de los datos (colas no se ven
bien)
Desplegar estadísticas con un número razonable de decimales
• La distribución de frecuencia acumulada muestra,

para cada clase, el número total de observaciones
en todas las clases inferiores y en la clase en
cuestión, dividido eventualmente por el número
total de observaciones.
• La representación gráfica de dicha distribución se

hace mediante un histograma acumulado.

Histograma acumulado:
Puede servir para distinguir poblaciones estadísticas
Puede utilizarse para comparar la distribución de datos con
modelos paramétricos (normal / lognormal)
Puede utilizarse para ver el efecto de compositar a un
determinado largo
• ¿Cuántas muestras vamos a cortar?
No requiere definir un ancho de clase; pueden crearse a la
resolución de los datos
Se puede leer los intervalos de probabilidad desde el gráfico
de frecuencia acumulada
Medidas de Tendencia Central
• La tendencia central se refiere a la localización de una

distribución. Las más importantes medidas son:
Media
Mediana
Moda
• Se medirá para toda la población y para la muestra extraída
de esta población.
• Importante definir la representatividad de la muestra
• La media aritmética o promedio de la población se

representa por m, y para una muestra por
Si la población consta de N individuos {X1,... XN} y la muestra

es el sub-conjunto {X1,... Xn} con n ≤ N, entonces se tiene:
N
1
m=
N
∑X
i =1
i
(población)
1 n
X = ∑ Xi (muestra)
n i =1
10 08 al 11 Noviembre 2009 –
• La mediana es el valor del individuo central (de la

población o de la muestra) cuando todos los individuos están
dispuestos en orden ascendente en término de valores.
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 –
• La moda es el valor que aparece más frecuentemente en el

conjunto de datos, o sea, el valor correspondiente al máximo
de la distribución de frecuencia.
Æ Distribución unimodal / bimodal / multi-modal
• A diferencia de la media, la mediana y la moda no son

afectados por valores extremos en el conjunto de datos.
12 08 al 11 Noviembre 2009 –
Ejemplo: toneladas descargadas por un camión en cada viaje

Se tiene la siguiente serie de observaciones:
260, 290, 270, 280, 300, 270, 280, 250, 240, 280, 290,
280, 300
Verificar los siguientes estadísticos

Media: 276.2
Mediana: 280
Moda: 280
13 08 al 11 Noviembre 2009 –
Medidas de Dispersión
• La dispersión se refiere a la variabilidad o amplitud en los

datos. Las medidas más importantes son:
Desviación media y diferencia relativa media

Varianza
Desviación estándar
Coeficiente de variación
Rango
Rango intercuartil
14 08 al 11 Noviembre 2009 –
• La desviación media (MAD) está dada por el promedio de las

diferencias absolutas entre cada observación y la media:
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 –
• La diferencia relativa media (RMD) es el promedio de las

diferencias absolutas entre todos los pares posibles de
observaciones:
1 N N
RMD = 2 ∑∑ | X i − X j | para la población
N i =1 j =1
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 –
• La varianza mide el promedio de las diferencias cuadráticas

entre cada observación y la media:
N
1
σ 2 = ∑ ( X i − m) 2 para la población
N i =1
1 n
S = ∑ ( X i − X )2
2 para la muestra
n i =1
Debido a su definición, la varianza es positiva o nula; se expresa

en cuadrado de la unidad de las observaciones.
17 08 al 11 Noviembre 2009 –
• La desviación estándar se define como la raíz cuadrada

positiva de la varianza:
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
Se expresa en la misma unidad que cada una de las

observaciones.
18 08 al 11 Noviembre 2009 –
MEDIDAS DE DISPERSION
Yacimiento tipo pórfido

cuprífero CV = 0.7
Yacimiento de cobre de
mediana var. CV = 1.5
Yacimiento de oro de alta
variabilidad CV = 4.5
19 08 al 11 Noviembre 2009 –
MEDIDAS DE DISPERSION
Ejemplo: toneladas descargadas por un camión en cada viaje

260, 290, 270, 280, 300, 270, 280, 250, 240, 280,
290, 280, 300
Verificar los siguientes estadísticos
Rango: 60
Desviación media: 14.0
Varianza: 300.6
Desviación estándar: 17.34
20 08 al 11 Noviembre 2009 –
GRAFICOS DE PROBABILIDAD
Histograma acumulado con escala “normal ” en eje Y

En el eje X se puede utilizar distintas escalas:
• Aritmética Æ línea recta indica que la
distribución es normal
• Logarítmica Æ línea recta indica que la
distribución es lognormal
ESTADÍSTICA BÁSICA Y MUESTREO – UNIVERSIDAD DE CHILE
21 08 al 11 Noviembre 2009 –
• El gráfico de probabilidad normal distorsiona el eje de

las ordenadas del histograma acumulado, de modo que el
gráfico dibujaría una recta en caso de tener una
distribución normal o gaussiana.
• El gráfico de probabilidad lognormal consiste en usar

una escala logarítmica en el eje de las abscisas: si la
distribución de los valores fuera lognormal, se obtendría
una recta.
22 08 al 11 Noviembre 2009 –
• Útiles para chequear la presencia de dos poblaciones
23 08 al 11 Noviembre 2009 –
• Útiles para chequear la presencia de dos poblaciones:

Quiebres indican posibles mezclas de poblaciones
Se manifiestan como múltiples modas en histograma
• Útiles para determinar presencia de outliers (valores
erráticos)
24 08 al 11 Noviembre 2009 –
• 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”
25 08 al 11 Noviembre 2009 –
• 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.
26 08 al 11 Noviembre 2009 –
NUBES DE CORRELACION
• También llamados gráficos de dispersión o gráficos XY

• Permiten el análisis bivariable y detectar poblaciones
• Pares deben corresponder a la misma ubicación en el espacio
(co-localizados)
27 08 al 11 Noviembre 2009 –
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 ⎠
- Una correlación de | ρXY| = 1 implica que X e Y están perfectamente

correlacionadas.
- Independencia entre dos variables implica que el coeficiente de
correlación es cero: ρXY = 0. Sin embargo, la inversa no es siempre
cierta.
- Correlación cero no implica necesariamente independencia entre
las dos variables.
28 08 al 11 Noviembre 2009 –
• Coeficiente de correlación lineal es muy sensible a valores

aberrantes
• El coeficiente de correlación cambia incluso de signo
Correlación con valor aberrante Correlación sin valor aberrante
Y Y
ρ = 0,73
ρ = -0,68
X X
29 08 al 11 Noviembre 2009 –
• Si, en lugar de calcular el coeficiente de correlación de los

datos, utilizamos su orden relativo en cada distribución, se
puede calcular el coeficiente de correlación de posición
• El coeficiente de correlación de posición es un complemento
útil:
si ρrank > ρ entonces unos pocos outliers dañan la que en otro
caso seria una buena correlación
si ρrank < ρ entonces unos pocos outliers mejoran la que en
otro caso seria una pobre correlación
si ρrank = 1 entonces una transformación no lineal de una
variable puede hacer ρ = 1
30 08 al 11 Noviembre 2009 –
GRAFICO QUANTIL - QUANTIL
• También llamado q-q plot

• Se utiliza para comparar distribuciones
• No considera la relación de los pares ordenados
• No se le debe calcular el coeficiente de correlación Æ no tiene
sentido
31 08 al 11 Noviembre 2009 –
32 08 al 11 Noviembre 2009 –
• Si todos los puntos están en una línea de 45°, las dos

distribuciones son exactamente iguales.
• Si la línea está desplazada de los 45°, las dos distribuciones
tienen la misma forma pero diferentes medias.
• Si la inclinación de la línea no es 45°, las dos distribuciones
tienen diferentes varianzas.
• Si hay un carácter no lineal en el gráfico, las distribuciones
tienen diferentes formas en el histograma.
33 08 al 11 Noviembre 2009 –

Estadistica Basica UNSL 09

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estadistica Basica UNSL 09

Enviado por

Direitos autorais:

Formatos disponíveis

Estadística

Julio Bruna Novillo & José A. Bassan

– El resultado de esta cuantificación es el “modelamiento

¾ Una muestra debe ser representativa de una población.

¾ La manera con la cual se obtiene la muestra a partir de la

¾ Todo razonamiento estadístico basado en la muestra,

Distribución de Frecuencia e Histograma

• La distribución de frecuencia fracciona los datos en grupos o

• Un histograma es un gráfico de barras de una distribución

Distribución de Frecuencia e Histograma

Distribución de Frecuencia e Histograma

• La distribución de frecuencia acumulada muestra,

• La representación gráfica de dicha distribución se

Distribución de Frecuencia e Histograma

Medidas de Tendencia Central

• La tendencia central se refiere a la localización de una

• Importante definir la representatividad de la muestra

Medidas de Tendencia Central

• La media aritmética o promedio de la población se

Si la población consta de N individuos {X1,... XN} y la muestra

Medidas de Tendencia Central

• La mediana es el valor del individuo central (de la

Medidas de Tendencia Central

• La moda es el valor que aparece más frecuentemente en el

Æ Distribución unimodal / bimodal / multi-modal

• A diferencia de la media, la mediana y la moda no son

Medidas de Tendencia Central

Ejemplo: toneladas descargadas por un camión en cada viaje

Verificar los siguientes estadísticos

• La dispersión se refiere a la variabilidad o amplitud en los

Desviación media y diferencia relativa media

• La desviación media (MAD) está dada por el promedio de las

• La diferencia relativa media (RMD) es el promedio de las

• La varianza mide el promedio de las diferencias cuadráticas

Debido a su definición, la varianza es positiva o nula; se expresa

• La desviación estándar se define como la raíz cuadrada

Se expresa en la misma unidad que cada una de las

Yacimiento tipo pórfido

Ejemplo: toneladas descargadas por un camión en cada viaje

Verificar los siguientes estadísticos

Histograma acumulado con escala “normal ” en eje Y

• El gráfico de probabilidad normal distorsiona el eje de

• El gráfico de probabilidad lognormal consiste en usar

• Útiles para chequear la presencia de dos poblaciones

• Útiles para chequear la presencia de dos poblaciones:

• También llamados gráficos de dispersión o gráficos XY

- Una correlación de | ρXY| = 1 implica que X e Y están perfectamente

• Coeficiente de correlación lineal es muy sensible a valores

Correlación con valor aberrante Correlación sin valor aberrante

• Si, en lugar de calcular el coeficiente de correlación de los

• También llamado q-q plot

• Si todos los puntos están en una línea de 45°, las dos

Você também pode gostar