Seminario de Tesis

Docente: Dr. Ing. Aland Bravo Vecorena

2018-I
I
I
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
Seminario de Tesis
 Seminario de Tesis

Videos Tutoriales donados y relacionados al Curso:

 1.Metodologia-de-marco-lógico
 1.Udemy_bases-analisis-de-datos-SPSS
 1.Udemy_Como-hacer-la-Tesis-paso-a-paso-y-como-sustentarla
 1.Udemy_como-redactar-y-estructurar-una-tesis
 1.Udemy_Estadistica-facil-con-R
 1.Udemy_Estadistica-inferencial-en-SPSS
 1.Udemy_Fundamentos-de-Investigacion
 1.Udemy_Herramientas-para-escritura-academica-articulosTesis
 1.Udemy_InferenciaEstadistica_foli
 Seminario de Tesis

Tesis Estadística Ciencia

• Análisis Descriptivo Descriptiva Estadística
de Datos. • Ciencia que estudia • Proporciona un
• Presentación de cuantitativamente conjunto de
Datos. fenómenos métodos para
aleatorios. recopilar, organizar,
• Herramienta que resumir, interpretar
permite el proceso datos.
de la investigación • Presenta, analiza,
científica. hace predicciones y
decisiones sobre los
hechos.
 Seminario de Tesis

Partes de la Estadística Estadística

Estadística Descriptiva Inferencial
• Descriptiva • Recolecta, • Su propósito
• Inferencial clasifica, es inferir
organiza, conclusiones
presenta y y/o
describe una predicciones
población. respecto de
• No saca una población
conclusiones en estudio.
de tipo • Aplica
general. probabilidades.
 Partes de la Estadística

Población
Muestra
Conjunto de
personas u objetos Es un subconjunto Dato
susceptibles de ser de la población. Es
estudiadas. Es el resultado de
una parte la observación,
proporcional y entrevista o
representativa de recolección en
una población que general.
se desea estudiar.
 Partes de la Estadística

Parámetro
Frecuencia
Es un número que
resume la gran Número de veces Carácter Estadístico
cantidad de datos que se repite un
que pueden valor. Es una propiedad
derivarse del que permite
estudio de una clasificar a los
variable estadística. individuos de una
población, pudiendo
ser cualitativas o
cuantitativas.
 Partes de la Estadística

• Es la
característica de
Variable la muestra o
población que se
está observando.

• Es el conjunto de
valores que toma un
Variable carácter estadístico.
Si las características
Estadística permanecen
inalterables se
llaman constantes.
 Tipos de Variables según su Naturaleza

 Cualitativas: Es una cualidad o atributo. No se puede medir.

 Variable Cualitativa Nominal: Presenta modalidades no numéricas que no
admiten un criterio de orden. (Ejemplo: Estado civil)
 Variable Cualitativa Ordinal o Variable Cuasi cuantitativa: Presenta
modalidades no numéricas en las que existe un orden. (Ejemplo: nota de un
examen, reprobado, aprobado, notable, sobresaliente)
 Cuantitativas: Es aquella que podemos expresar numéricamente. Dan lugar a
variables estadísticas.
 Variable Discreta: Es aquella que se puede contar, se representa por un
número entero.
 Variable Continua: Es aquella que se puede medir, puede tomar los
infinitos valores de un intervalo.
 Tipos de Variables según su Función

Variable Independiente: Es aquella característica

o propiedad que supone es la causa del fenómeno
estudiado. En investigación experimental se llama
así, a la variable que el investigador manipula.
Variable Dependiente: propiedad o característica
que se trata de cambiar mediante la manipulación
de la variable independiente. La variable
dependiente es el factor que es observado y
medido para determinar el efecto de la variable
independiente.
 Presentación de Datos

 Variable Cualitativa:
 A) Problema: ¿Cuál es el estado civil de los estudiantes de posgrado UAP?
 B) Instrumento: Encuesta
Marque con un aspa su estado civil:
󠅖 Soltero/a 󠅖 󠅖Casado /a 󠅖󠅖 Viudo/a 󠅖 󠅖󠅖 Divorciado/a
 C) Clasificar los datos de la muestra
 Población Muestra = 1500 estudiantes, n=100 estudiantes posgrado UAP
 D) Ordenar los datos
Cuadro 󠅖sobre 󠅖“Estado 󠅖Civil 󠅖de 󠅖Estudiantes 󠅖de 󠅖Posgrado 󠅖UAP 󠅖2017”
 E) Analizar los datos
 F) Tabular
 G) Graficar
 H) Interpretar
 Seminario de Tesis
Cuadro 󠅖sobre 󠅖“Estado 󠅖Civil 󠅖de 󠅖Estudiantes 󠅖de 󠅖Posgrado 󠅖UAP 󠅖2017”

N° fi hi hi% Interpretación: H1 (%) el 75% de los

Soltero 75 0.75 75 estudiantes de la escuela de posgrado de la
UAP tienen como estado civil soltero.

Casado 15 0.15 15

Divorciad 5 0.05 5
o
Viudo 5 0.05 5
Total 100 1 100
Medidas de Tendencia Central o de Posición
Medidas de Tendencia Central o de Posición
Medidas de Tendencia Central o de Posición
Medidas de Tendencia Central o de Posición
Medidas de Dispersión
Medidas de Dispersión
A. Para datos sin Agrupar, para la Población para la Muestra
Medidas de Dispersión
 Medidas de Dispersión
Variancia Muestral:
Es una medición numérica de
cuan disperso es la data de la
muestra respecto a la media.

Variancia Poblacional: Del mismo modo, la Variancia

Poblacional está definido en
términos de la media de la
población µ y el tamaño de la
población N.
Medidas de Dispersión
Medidas de Dispersión
 Medidas de Dispersión

Población Completa Muestra Poblacional

 Medidas de Dispersión

Intervalo

2-4 3 1 3 4 4

4-6 5 2 10 0 0

6-8 7 1 7 4 4

4 20 8

Paso 2: Calculamos la varianza ->

 Medidas de Dispersión

Varianza de la Muestra:

Desviación Estándar de la Muestra:

 Medidas de Dispersión

Distribución Homogénea:

Poca Dispersión
Dispersión Aceptable

Distribución Heterogénea:
Dispersión Alta

Dispersión Muy Alta

 Medidas de Dispersión
Se tienen datos de dos poblaciones con las siguientes variables:

Variable Grupo 1 Grupo 2

Edad (años) 25 11
Peso (Kg) 72.5 40
S 5 5
N 15 15

¿Qué grupo es más homogéneo o menos variable en relación al peso?

Del cuadro tenemos lo siguiente:

Grupo 1 Grupo 2

Según el coeficiente de variación, se puede afirmar que el Grupo 1 tiene menos

dispersión de los pesos con respecto a la media que el Grupo 2.
 Medidas de Dispersión
Ejemplo Aplicativo:
El Gerente de una empresa de alimentos desea saber que tanto varían los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos 490, 500, 510, 515 y 520 expresados en gramos
respectivamente. Se pide hallar la desviación estándar o típica.
Solución:
Su media es ->

Varianza de la Muestra:

La Desviación Estándar sería:

Seminario de Tesis
Interpretación:
El peso promedio de los
empaques es de 507
gramos, con una
tendencia a variar por
debajo o por encima de
dicho peso en 12 gramos.

Esta información le
permite al gerente
determinar cuánto es el
promedio de perdidas
causado por el exceso de
peso en los empaques y
le da las bases para
tomar los correctivos
necesarios en el proceso
de empacado.
Medidas Auxiliares de Posición
Medidas Auxiliares de Posición
 Medidas de Distribución
Son medidas que permiten identificar la forma en que se separan o aglomeran los
valores de acuerdo a su representación gráfica. Estas medidas describen la manera
como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen
dentro de la información. Su utilidad radica en la posibilidad de identificar las
características de la distribución sin necesidad de generar el gráfico.

Sus principales medidas son la Asimetría y la Curtosis.

Asimetría
Esta medida nos permite identificar si los datos se distribuyen de
forma uniforme alrededor del punto central (Media aritmética).
Medidas de Distribución
 Medidas de Distribución

El Coeficiente de Asimetría se representa mediante la ecuación matemática:

Medidas de Distribución
 Medidas de Distribución

Métodos para calcular la Asimetría:

 Coeficiente de Karl Pearson (varía entre -3 y 3)
 Medida de Yule Bowley o Medida Cuartílica (varía entre -1 y 1)
 Medida de Fisher
 Para datos agrupados en tablas de frecuencias
 Para datos agrupados en intervalos
 Curtosis

CC>0 CC=0 CC<0

Coeficiente de Curtosis
Coeficiente de Curtosis
 Métodos para Calcular la Curtosis
a) Medida de Fisher
a) Para Datos sin Agrupar.
b) Para Datos Agrupados en Tablas de Frecuencias.
c) Para Datos Agrupados en Intervalos.

Pasos de Instalación del Lenguaje R:

 Instalar Anaconda que incluya Jupiter
 En el entorno Anaconda, instalar R
 Ejecutar el Servidor Jupiter y listo !!!!
 Tarea Domiciliaria N° 01

1) Elabore por cada Método un ejemplo teórico-práctico con

Lenguaje R / Excel, para calcular la Asimetría:
a) Coeficiente de Karl Pearson (varía entre -3 y 3)
b) Medida de Yule Bowley o Medida Cuartílica (varía entre -1 y 1)
c) Medida de Fisher
i. Para datos agrupados en tablas de frecuencias
ii. Para datos agrupados en intervalos

2) Elabore un ejemplo teórico-práctico sobre la Medida de Fisher para el

Coeficiente de Curtosis
a) Para Datos sin Agrupar.
b) Para Datos Agrupados en Tablas de Frecuencias.
c) Para Datos Agrupados en Intervalos.
¡Gracias!