Me1 2014 I

1
Mtodos Estadsticos
Mg Sc Jaime Porras Cerrn
Captulo I:
Conceptos Generales y Estadstica
Descriptiva
1. Conceptos Bsicos en Estadstica.
2. Definicin de Estadstica.
3. Divisin de la Estadstica:
Estadstica Descriptiva e Inferencial.
4. Estadstica Descriptiva
4.1 Organizacin de datos: Tablas de Frecuencia y grficos.
4.2 Medidas de resumen: De posicin, de variabilidad, de
asimetra, de curtosis.

2
Poblacin
Es el conjunto de todos los elementos que se desean analizar y que presentan una
o varias caractersticas en comn.
Ejemplo:
Las familias del distrito de San Borja.
1. Conceptos Bsicos
Muestra
Es un subconjunto representativo de elementos provenientes de una poblacin.
Ejemplo:
30 familias del distrito de San Borja.
Unidad elemental
Es cada una de las personas, animales, cosas o entidades que conforman la
poblacin en estudio.
Ejemplo:
Una familia del distrito de San Borja.
Variable:
Es toda caracterstica que se desea medir o evaluar de las
unidades elementales.
Las variables se pueden clasificar en cuantitativas o
cualitativas.

Cualitativa
Cuantitativa
Nominal
Ordinal
Discreta
Continua
Variable
3
Variables Cualitativas
Proporcionan datos que dan como resultado una categora. Pueden ser
de tipo nominal u ordinal.
Nominales
Son aquellas cuyos valores o resultados pueden ser organizados y
presentados en cualquier orden.
Ejemplo:
Lugar de nacimiento de una persona.
Ordinales
Son aquellas cuyos valores o resultados deben ser organizados y
presentados en un orden definido.
Ejemplo:
Grado de instruccin.
1. Conceptos Bsicos
Variables Cuantitativas
Son aquellas cuyos valores pueden ser expresados en forma numrica.
Pueden ser de tipo discreto o continuo.
Discretas
Son aquellas que tienen un nmero finito o un nmero infinito numerable de
valores posibles.
Ejemplo:
Nmero de accidentes al mes en el distrito de San Borja.
Continuas
Son aquellas que tienen una cantidad infinita no numerable de valores
posibles, tambin se pueden obtener mediante instrumentos de medicin.
Ejemplo:
Sueldo de un empleado.
1. Conceptos Bsicos
4
Nominal: Los datos son etiquetas o nombres que se emplean para definir un
atributo del elemento.
Ejemplos: estado civil, profesin, gnero.
Ordinal: Los datos son etiquetas y, adems, se pueden ordenar en forma
ascendente o descendente.
Ejemplos: apreciacin de un producto.
Intervalo: Si los datos tienen propiedades de datos ordinales , el cero es
relativo, es decir, no indica la ausencia de la caracterstica medida.
Ejemplos: temperatura, fecha de calendario.
Razn: Los datos tienen todas las propiedades de los datos de intervalo, el
cero es absoluto, es decir, indica la ausencia de caracterstica de la medida.
Ejemplos: peso, estatura, salario.

1. Conceptos Bsicos
Otra forma de clasificacin de las variables es segn su escala de medida.
De esta manera la clasificacin seria:
Observacin
Es el dato registrado producto de la apreciacin de una caracterstica
en una unidad elemental.
Ejemplo:
El ingreso mensual de la familia Prez es de 6500 soles.

Parmetro
Es una medida que resume los datos provenientes de la poblacin.
Es decir es una funcin de todas las observaciones de una poblacin.
Ejemplo:
Luego de realizar un censo a las familias del distrito de San Borja se
obtuvo que el ingreso promedio familiar mensual es 6850.3 soles.

Estadstica
Es una medida que resume los datos provenientes de la muestra.
Ejemplo:
Luego de realizar un muestreo a 30 familias del distrito de San
Borja se obtuvo que el ingreso promedio familiar mensual es
6450.3 soles.

5
1. Conceptos Bsicos
1 2 p
11 12 1
21 22 2
1 2
V V . . . V
p
p
n n np
x x x
x x x
x x x
(
(
(
(
(

Variables
Unidad
Elemental
Matriz de datos muestral
Observacin
1 X
Estadstica
Es la ciencia que se ocupa de la creacin,
desarrollo y aplicacin de tcnicas que
permitan hacer un anlisis confiable de una
poblacin. En trminos generales, se ocupa
de la coleccin, resumen presentacin de
informacin, del anlisis e interpretacin de
datos y resultados, de modo tal que pueda
evaluarse la confiabilidad y riesgos asociados
a las conclusiones que se puedan derivar a
partir de la informacin captada.
6
Descriptiva
Son tcnicas de recoleccin, caracterizacin,
resumen y presentacin que permiten describir
un conjunto de datos.
Con un anlisis descriptivo se pueden obtener
indicadores (estimaciones puntuales), tablas de
frecuencia (o contingencia) y grficos.
Para realizar el anlisis descriptivo se debe tener
en cuenta el tipo de variable que se esta
analizando y la cantidad de variables que se
estn analizando a la vez (univariada, bivariada
o multivariada).

Inferencial
Son tcnicas para estimar caractersticas de una
poblacin o tomar decisiones sobre la poblacin
basadas en el resultado de una muestra. Estas
conclusiones pueden tener cierto margen de
error; por eso, se dan con una medida de
confiabilidad o probabilidad.
Comprende la estimacin de intervalos de
confianza y la realizacin de pruebas de
hiptesis para uno o varios parmetros.
Al igual que el Anlisis Descriptivo para realizar
un buen Anlisis Inferencial se debe tener en
cuenta la naturaleza de la variable (de que
distribucin provienen los datos), el tipo de
variable y la cantidad de variables involucradas
en el anlisis.
7
4.1 Organizacin de datos
Datos Cualitativos: Tabla de Frecuencia
N de
Clase
Categoras de
la variable
f
i
hi

p
i
1 Atributo 1
f
1
h
1
p
1
2 Atributo 2
k
Atributo k
f
k
h
k
p
k
Total
n 1 100%
Ttulo:
Fuente:
En R se puede realizar con la funcin table
Datos Cualitativos: Grficos
Fuente: Elaboracin propia
Fuente: Departamento de Ingreso
Alumnos por Facultad
En R con la funcin pie En R con la funcin barplot
8
Diagrama de Barras Apiladas
Diagrama de Barras Comparativas
Femenino Masculino
SanLuis
SanIsidro
SanBorja
Grafico de barras apiladas
Clase
0
2
0
4
0
6
0
8
0
1
0
0
acc good unacc vgood
big
med
small
Grafico de barras comparativa
Clase
0
1
0
0
2
0
0
3
0
0
4
0
0
Datos Cualitativos: Grficos
En R con la funcin barplot En R con la funcin barplot
Datos Cuantitativos (Discretos): Tabla de
Frecuencia

N de
Clase
Valores de X
f
i
h
i
p
i
1
x
1
f
1
h
1
p
1
2
x
2
k x
k
f
k
h
k
p
k
Total
n 1 100%
Fuente:
Ttulo:
En R con la funcin table
9
Datos Cuantitativos (Discretos): Grficos
Numero de pisos
%
4 3 2
50
40
30
20
10
0
Nmero de pisos por vivienda del distrito de Jess Mara
Fuente: Municipalidad de Jess Mara
En R con la funcin plot
Datos Cuantitativos (Continuos): Tabla de
Frecuencia - Clculos previos
Rango: r= X
max
-X
min

Nmero de clases k=1+3.3log(n)
(redondeo simple)
Tamao del ancho de la clase:
w= r/k (redondeo por exceso) a la
cantidad de decimales de los datos.

10
Otras reglas para la construccin de
histogramas:
Regla para la cantidad de intervalos
k=(2n)
1/3
Scott (1992)

k=10 log
10
n Dixon y Kronmal (1965)
k=2n
1/2
Velleman (1976)
k=1+3.32log
10
n Sturges (1926)
Regla para el ancho de los intervalos
w=3.49Sn
-1/3
Scott (1979)
w=2RICn
-1/3
Freedman y Diaconis (1981)

Datos Cuantitativos (Continuos): Tabla de
Frecuencia

N
de
Clase
Intervalos
de clase
Marca
de
clase
f
i
h
i
p
i
F
i
H
i
P
i
1 [LI
1
-LS
1
[ X
1 f
1
h
1
p
1
F
1
H
1
P
1
%
2 [LI
2
-LS
2
[ X
2 f
2
h
2
p
2
F
2
H
2
P
2
%
3 [LI
3
-LS
3
[ X
3 f
3
h
3
p
3
F
3
H
3
P
3
%
k [LI
k
-LS
k
] X
k f
k
h
k
p
k
F
k
1 100%
Total
n
1 100%
Ttulo:
Fuente:
11
Datos Cuantitativos (Continuos): Grficos
Salarios de los trabajadores la empresa Sper S.A.
Fuente: Departamento de RRHH
Pago de impuestos
%
336.85 307.35 277.85 248.35 218.85 189.35 159.85
25
20
15
10
5
0
Polgono de Frecuencias del pago por impuestos municipales por vivienda
6.25%
20.84%
25.00%
6.25%
12.50%
14.58%
14.58%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
130.35 159.85 189.35 218.85 248.35 277.85 307.35 336.85 366.35
Fuente: Municipalidad de San Isidro
Salarios de los trabajadores la empresa Sper S.A.
Fuente: Departamento de RRHH
En R con la funcin hist
Ejemplo:
El jefe de marketing realiz un estudio sobre
opinin que tienen los clientes de un nuevo
supermercado. El cuestionario con el que se
recolect la informacin estaba compuesto por
varias preguntas. Tres de las preguntas del
cuestionario fueron:
Cliente: Masculino _____ Femenino ____
De los siguientes servicios Cul deseara Ud. que
sea implementado prximamente en nuestro
establecimiento?
Cajeros Automticos ____ Servicio 24 horas ____
Crdito ____
Cul es la opinin de la atencin de nuestro
establecimiento?
Muy bueno ___ Bueno ____ Regular ___ Mala ____
12
N Gnero Servicio Opinin N Gnero Servicio Opinin
1 F cajeros regular 11 M 24 horas bueno
2 F cajeros bueno 12 M 24 horas regular
3 M crdito malo 13 M crdito malo
4 F cajeros bueno 14 F crdito muy bueno
5 M cajeros regular 15 F 24 horas muy bueno
6 M crdito regular 16 F crdito muy bueno
7 M cajeros malo 17 F crdito muy bueno
8 F cajeros muy bueno 18 F cajeros muy bueno
9 F cajeros bueno 19 F cajeros regular
10 M crdito muy bueno 20 M crdito bueno
Cuadro N 1: Nuevo servicio deseado por los clientes
N de
categora
Nuevo servicio
deseado
f
i
h
i
p
i
1 Cajeros Automticos 9 0.45 45.0%
2 Servicio 24 horas 3 0.15 15.0%
3 Crdito 8 0.40 40.0%
Total 20 1.00 100.0%
Fuente: Oficina de Marketing Supermercados Estrella
Grfico N 1: Nuevo servicio deseado por los clientes
0.00%
10.00%
20.00%
30.00%
40.00%
50.00% %
Cajeros
Automticos
Servicio 24 horas Crdito
Servicio
Resultados
13
Resultados
Cuadro N 2: Calidad de atencin al cliente

N de
categora
Calidad de atencin al
cliente f
i
h
i
p
i
1 Muy bueno 7 0.35 35.0%
2 Bueno 5 0.25 25.0%
3 Regular 5 0.25 25.0%
4 Malo 3 0.15 15.0%
Total 20 1.00 100.0%
Grfico N 2: Calidad de atencin al cliente

35%
25%
25%
15%
Muy bueno
Bueno
Regular
Malo
Ejemplo
Un economista es contratado para trabajar
en la Municipalidad de San Isidro. El jefe de
la Oficina de Rentas le encarga que realice
un estudio sobre impuestos que pagan los
vecinos del distrito.
Para realizar dicha labor el economista
elabora un plan de trabajo dentro del cual
tiene inters en evaluar dos variables:
X
1
: Nmero de pisos que tiene la vivienda
X
2
: Pago de los impuestos del ao 2011
14
N X
1
X
2
N X
1
X
2
N X
1
X
2
N X
1
X
2

1 2 145.1 13 2 216.3 25 3 252.5 37 3 303.6
2 2 151.0 14 2 225.9 26 3 257.1 38 3 305.8
3 2 159.0 15 2 227.1 27 3 259.2 39 3 315.4
4 2 195.6 16 2 231.2 28 3 262.5 40 3 315.5
5 2 196.9 17 2 234.8 29 3 265.2 41 4 317.2
6 2 202.6 18 2 238.4 30 3 271.0 42 4 320.2
7 2 204.9 19 2 239.9 31 3 286.7 43 4 324.8
8 2 206.1 20 2 241.1 32 3 288.1 44 4 331.1
9 2 206.5 21 2 242.9 33 3 289.1 45 4 331.7
10 2 208.0 22 2 244.0 34 3 291.0 46 4 344.6
11 2 208.0 23 3 247.7 35 3 291.9 47 4 346.7
12 2 209.3 24 3 249.5 36 3 294.5 48 4 351.1
Resultados
Cuadro N1: Nmero de pisos que tiene la vivienda
N
de
clase
Nmero
de pisos f
i
h
i
p
i
1 2 22 0.458 45.8%
2 3 18 0.375 37.5%
3 4 8 0.167 16.7%
Total 48 1.000 100.0%
Fuente: Oficina de Rentas Municipalidad de San Isidro
Grfico N 1: Nmero de pisos de la vivienda
Numero de pisos
%
4 3 2
50
40
30
20
10
0
15
La amplitud o rango r es:

El nmero de categoras o intervalos de clase
(por redondeo simple)

El tamao del intervalo de clase TIC es:
(redondeo por exceso)
max min
351.1 145.1 206 r x x = = =
7 548 . 6 ) 48 ( log 3 . 3 1 log 3 . 3 1
10 10
~ = + = + = n k
206
29.429 29.5
7
r
w
k
= = = ~
Resultados
Cuadro N2: Pago de impuestos municipales del ao 2011

N de
clase
Pago de
impuestos X`
i
f
i
h
i
p
i
F
i
H
i
P
i
1 [145.1,174.6] 159.85 3 0.0625 6.25% 3 0.0625 6.25%
2 ]174.6,204.1] 189.35 3 0.0625 6.25% 6 0.1250 12.50%
3 ]204.1,233.6] 218.85 10 0.2084 20.84% 16 0.3334 33.34%
4 ]233.6,263.1] 248.35 12 0.2500 25.00% 28 0.5834 58.34%
5 ]263.1,292.6] 277.85 7 0.1458 14.58% 35 0.7292 72.92%
6 ]292.6,322.1] 307.35 7 0.1458 14.58% 42 0.8750 87.50%
7 ]322.1,351.6] 336.85 6 0.1250 12.50% 48 1.0000 100.00%
Total 48 1.0000 100.00%
16
Grfico N 3: Histograma de frecuencias para el pago de impuestos municipales del ao 2011

Pago de impuestos
%
336.85 307.35 277.85 248.35 218.85 189.35 159.85
25
20
15
10
5
0
Grfico N 4: Histograma de frecuencias para el pago de impuestos
municipales del ao 2011

Polgono de Frecuencias del pago por impuestos municipales por vivienda
6.25%
20.84%
25.00%
6.25%
12.50%
14.58%
14.58%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
130.35 159.85 189.35 218.85 248.35 277.85 307.35 336.85 366.35
Fuente: Municipalidad de San Isidro
La media aritmtica
Media o promedio poblacional
donde N es el tamao de la poblacin.

Media o promedio muestral:
donde n es tamao de la muestra.
N
x
N
i
i
=
=
1
1
n
i
i
x
x
n
=
=

4.2 Medidas de resumen
17
Caractersticas de la media
Es un estadstico muy conocido y de fcil
comprensin
La mayor desventaja es que se ve afectada
por valores extremos
Se calcula para variables medidas en escala
de intervalo o razn.
En R con la funcin mean
La mediana es el valor que tiene la
propiedad de dividir un conjunto de
observaciones en dos partes iguales.

Clculo de la mediana muestral
Si n es impar

Si n es par

50% de datos
50% de datos
|
.
|
\
| +
=
2
1 n
x me
2
1
2 2
|
.
|
\
|
+ |
.
|
\
|
+
=
n n
x x
me
18
Caractersticas de la mediana
Es el percentil 50 (P
50
)
No se ve afectada por valores extremos
Se calcula para variables medidas en
escala ordinal, intervalo o razn.
No olvidar que para su clculo los datos
deben ser ordenados.

En R con la funcin median
La moda
La moda de un conjunto de observaciones es
simplemente el valor o atributo que ocurre
con ms frecuencia.

Se calcula para variables medidas en escala
nominal, ordinal, intervalo o razn

19
Caractersticas de la moda:
En un conjunto de observaciones no puede existir moda o pueden
existir varias modas.
Ejemplos:
Sea X: Peso de conservas (en gr.) producidas en el mes anterior:
200.3, 199.8, 201.1, 199.3, 200.1, 199.7, 198.9 (no hay moda)
Sea W: El nmero de cras nacidas de un grupo de conejos:
8, 7, 6, 7, 8, 9, 8, 8, 7, 8, 7, 6, 7 (existen 2 modas mo1= 7, mo2=8)
No es afectada por valores extremos.
Se aplica tanto a informacin cuantitativa como para informacin
cualitativa.
Ejemplo:
Sea Y: Raza de vacas.
Brown Swiss, Holstein, Holstein, Holstein, Holstein (la moda es
Holstein)
El percentil p es el valor que tiene la propiedad de
que el p% de las observaciones son menores o
iguales que l.

Deciles y cuartiles son casos especiales
Percentil p
p% de datos
(1-p)% de datos
require(stats) sapply(options(), mode)



20
Ordene los datos de manera ascendente. Calcule
la posicin p del percentil

p es el percentil y n es la cantidad de
observaciones
( ) ( ) ( ) ( ) . 1
0.
E d E E E
x x d x x
+
(
= +

( ) d E
p
n p
x x P
.
100
1
= =
|
.
|
\
| +
En R con la funcin quantile

El rango o amplitud de un conjunto de
observaciones es la diferencia entre la
observacin de mayor valor y la
observacin de menor valor.

Las desventajas del rango:
Est afectado por valores extremos
No mide la variabilidad de los datos
intermedios.

min max
x x r =
En R la funcin range no permite obtener el rango
pero si el mximo y el mnimo
21
Es la diferencia como la diferencia entre el
percentil 75 y el percentil 25 .

El rango intercuartlico excluye el 25%
superior y el 25% inferior de las
observaciones, dando un rango del 50% de
las observaciones centrales; a diferencia
del rango o amplitud no se encuentra
afectado por valores extremos.

75 25 3 1
ric P P Q Q = =
En R con la funcin IQR
La varianza de un conjunto de observaciones est
definida por:
Varianza Poblacional:

Varianza Muestral:

La varianza da como resultado de que la unidad de
medida sea elevada al cuadrado. Por ejemplo si las
unidades de las observaciones son minutos, la
varianza ser expresada en minutos
2
.
As mismo, se debe tener presente que la varianza
es un valor numrico que siempre es positivo.
( )
N
N x
N
x
N
i
i
N
i
i
2
1
2
1
2
2

o

=
=

= =
( )
1 1
2
1
2
1
2
2
=

= =
n
x n x
n
x x
S
N
i
i
N
i
i
En R con la funcin var
22
La deviacin estndar de un conjunto de observaciones
es igual a la raz cuadrada de la varianza
Des. Est. Poblacional:

Des. Est. Muestral:
La desviacin estndar, a diferencia de la varianza si se
encuentra en las mismas unidades que las
observaciones y al igual que la variancia su valor
numrico siempre es positivo.
( )
2
2 2
1 1
N N
i i
i i
x x N
N N

o
= =

= =

( )
2
2 2
1 1
1 1
n n
i i
i i
x x x nx
S
n n
= =

= =

En R con la funcin sd
Es una medida de dispersin relativa
positiva, es decir no tiene unidades y est
expresado en porcentaje; el coeficiente
de variabilidad est definido como el
cociente entre la desviacin estndar y la
media aritmtica de un conjunto de
observaciones.
Coeficiente de variabilidad poblacional:

Coeficiente de variabilidad muestral:
% 100 . . =
o
V C
. . 100%
S
c v
x
=
23
El coeficiente de asimetra de Pearson de un
conjunto de observaciones se define como:
Si el conjunto de observaciones es la poblacin:
Si el conjunto de observaciones es una muestra:

Observaciones:
Si as=0 entonces la distribucin es simtrica.
Si as<0 entonces la distribucin es asimtrica
negativa.
Si as>0 entonces la distribucin es asimtrica
positiva.
( )
o
Me
As

=
3
( ) 3 x me
as
S
=
La frmula para hallar la simetra en datos
sin agrupar es:

Si n es grande la expresin anterior se
simplifica a:

Los criterios para definir si es un conjunto
de datos simtricos o asimtricos son los
mismos que para el coeficiente de
asimetra de Pearson.

( )( ) ( )( )
( )
3
1
3
3
1
2 1 2 1 s
x x
n n
n
s
x x
n n
n
As
n
i
i
n
i
i

=
=

=
|
|
.
|
\
|

=
( )
3
1
3
ns
x x
As
n
i
i
=

=
24
Distribucin Simtrica
Para una poblacin:
Para una muestra:
Distribucion Asimtrica Positiva
Para una poblacin:
Para una muestra:
Distribucion Asimtrica Negativa
Para una poblacin:
Para una muestra:
Media Mediana Moda
Distribucin simtrica
Media= Mediana= Moda
sesgo a la izquierda sesgo a la derecha
Moda Mediana Media
Distribucin asimtrica Distribucin asimtrica
Mo Me ~ ~
mo me x ~ ~
Media Mediana Moda
Moda Mediana Media
Mo Me > >
mo me x > >
Media Mediana Moda
Moda Mediana Media
Mo Me < <
mo me x < <
La curtosis es el grado de concentracin de un
conjunto de datos, con relacin a la media
aritmtica:
Si el conjunto de observaciones es la poblacin:

Si el conjunto de observaciones es una muestra:

( )
( )
3 1
9 1
1
2
q q
k
d d
( )
( )
3 1
9 1
1
2
Q Q
K
D D
25
Distribucin Platicrtica
K<0.25

Distribucin Mesocrtica

Distribucin Leptocrtica
K>0.25
0.25 K ~

Me1 2014 I

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Me1 2014 I

Uploaded by

Copyright:

Available Formats

1

You might also like