Professional Documents
Culture Documents
PROGRAMACIN
OBJETIVOS
INTRODUCCIN
1. La importancia de la Estadstica
2. Fundamento del Mtodo Cientfico Experimental.
4.1. Binomial.
4.1.1. Propiedades: media, varianza y desviacin estndar.
4.2. Poisson.
4.2.1. Propiedades: media, varianza y desviacin estndar.
4.3. Hipergeomtrica.
4.3.1. Propiedades: media, varianza y desviacin estndar.
5.1. Normal
5.1.1. Propiedades: media, varianza y desviacin estndar.
5.2. Aproximacin de la normal a la binomial.
5.2.1. Propiedades: media, varianza y desviacin estndar.
INTRODUCCIN
2. La importancia de la Estadstica
-Lectura: Los retos de la cultura estadstica. BAT iANERO, Carmen.
Ensayo, mapa conceptual, glosario.
-Aplicaciones de la Estadstica: en la vida diaria, en la Agronoma.
* Participacin en clase e investigacin. Mapa mental.
-Investigacin general sobre la estadstica. (Artculos, noticias)
*Exposicin profesor (despus de compartir lectura y de ambos
trabajos de investigacin).
https://www.youtube.com/watch?v=v5SrbyUdBmo
-ESTADSTICA DESCRIPTIVA
-ESTADSTICA INFERENCIAL
Tipos de datos:
* Poblacin
* Muestra
La aleatoriedad por lo general juega un papel crucial para determinar cules son
los datos a reunir.
Los mtodos estadsticos se rigen por los datos. Por lo regular obtenemos datos
de dos fuentes distintas:
- Muestra probabilstica
Adems de controlar los efectos de las variables, otro elemento clave del diseo
experimental es el tamao de las muestras. stas deben ser suficientemente
grandes para que el comportamiento errtico, que es caracterstico de muestras
muy pequeas, no disfrace los efectos verdaderos de los diferentes tratamientos.
La repeticin de un experimento se llama rplica, la cual se utiliza con efectividad
cuando tenemos los sujetos suficientes como para reconocer las diferencias que
resultan de los diferentes tratamientos.
Base de datos agrcolas INEGI
http://www3.inegi.org.mx/sistemas/tabuladosbasicos/default.aspx?c=17177&s=est
Lmites inferiores de clase son las cifras ms pequeas que pueden pertenecer
a las diferentes clases.
Lmites superiores de clase son las cifras ms grandes que pueden pertenecer a
las diferentes clases.
Fronteras de clase son las cifras utilizadas para separar las clases, aunque sin
los espacios creados por los lmites de clase.
Se obtienen de la siguiente manera: se determina el tamao del espacio entre el lmite de clase
superior de una clase y el lmite de clase inferior de la siguiente. Se suma la mitad de esa cantidad
a cada lmite de clase superior, para obtener las fronteras de clase superiores; se resta la mitad de
esa cantidad de cada lmite de clase inferior, para obtener las fronteras de clase inferiores.
http://www.statdisk.org/, http://www.aw-bc.com/info/Triola/supps.html
http://www.aw-bc.com/info/Triola/statdisk.pdf
https://www.youtube.com/playlist?list=PLiuxxNbKiuJ4f0QpS6csnpOkquaWxHz9P
1. Decidir el nmero de clases que se desea tener. Debe ser de entre 5 y 20, y
deben utilizarse nmeros enteros o redondeados. NC=1+3.3 log(n) (Regla de
Storges)
3. Lmite inferior de la primera clase. Elegir el valor del dato ms bajo o un valor
conveniente que sea un poco ms pequeo.
4. Listar los dems lmites de clase inferior en forma vertical con el uso del
lmite ms bajo de la primera clase + la anchura de clase.
(Sume la anchura de clase al punto de partida para obtener el segundo lmite de clase inferior.
Despus, sume la anchura de clase al segundo lmite de clase inferior para obtener el tercero y as
sucesivamente).
5. Anotar los lmites superiores de clase, que pueden identificarse con facilidad.
6. Ponga una marca de frecuencia en la clase apropiada para cada dato. Utilice
las marcas para obtener la frecuencia total de cada clase.
Cuando construya una distribucin de frecuencias, asegrese de que las clases no se traslapen,
de modo que cada uno de los valores originales pertenezca exactamente a una de las clases.
Incluya todos los casos, aun aquellos que tienen una frecuencia de cero. Trate de utilizar la misma
anchura para todas las clases, aunque en ocasiones es imposible evitar los intervalos con finales
abiertos, como 65 aos o mayores.
Es la suma de las frecuencias para esa clase y todas las clases anteriores.
Histogramas
Grfica de barras en donde la escala horizontal representa clases de
valores de datos y la escala vertical representa frecuencias. Las alturas de
las barras corresponden a los valores de frecuencia, en tanto que las barras
se dibujan de manera adyacente (sin espacios entre ellas).
Polgonos de frecuencia
Ojivas
- Investigacin previa.
2.2. Medida de tendencia central.- Valor que se encuentra en el centro o a la
mitad de un conjunto de datos.
media = x
n
Se obtiene sumando los puntajes y dividendo el total entre el nmero de puntajes.
2.2.2. Mediana.- implica el valor que est en medio, cuando los valores
originales de los datos se presentan ordenados en orden de magnitud
creciente (o decreciente).
*La media se ve afectada de manera drstica por valores extremos, mientras que la mediana no.
Puesto que la mediana no es tan sensible a los valores extremos, con frecuencia se utiliza para
conjuntos de datos que tienen un nmero relativamente pequeo de datos distantes.
2.2.3. Moda.
Valor que ocurre con mayor frecuencia (M). Un conjunto de datos puede tener una
moda, ms de una moda o ninguna moda.
- Unimodal
- Bimodal
- Multimodal
- Sin moda
*En realidad, la moda no se utiliza mucho con datos numricos. Sin embargo, entre las distintas
medidas de tendencia central que consideramos, la moda es la nica que puede usarse con datos
de nivel nominal de medicin.
Mitad de rango
Cuando los datos se resumen en una distribucin de frecuencias es probable que no conozcamos
los valores exactos de una clase en particular. Para hacer que los clculos sean posibles,
pretendemos que todos los valores muestrales sean iguales a la marca de clase. Ya que cada
marca de clase se repite un nmero de veces igual a la frecuencia de clase, la sumatoria de todos
los valores muestrales es (f x), donde f denota la frecuencia y x representa la marca de clase. El
nmero total de valores muestrales es la sumatoria de frecuencias f.
Clculo en clase
Media ponderada
En algunos casos los valores varan su grado de importancia, de modo que es posible que
queramos acomodarlos de acuerdo con ello.
Media ponderada = (w . x)
w
Variacin.- Medida de la cantidad en que los valores de los datos varan entre s.
3.1.1. Rango
El rango de un conjunto de datos es la diferencia entre el valor mximo y el valor
mnimo.
Rango = (valor mximo) - (valor mnimo)
Es una medida que compara cada valor xi con la media, y determina que tan
separado se encuentra el dato de la media.
DM = | xi - |
n
Para ello, se obtiene la diferencia de cada elemento menos la media y se toma el valor absoluto,
despus se suman todas y se divide entre el nmero de datos.
El valor de la desviacin estndar s suele ser positivo. Slo es igual a cero cuando todos los valores de los
datos son el mismo nmero. Adems, valores grandes de s indican mayores cantidades de variacin.
El valor de la desviacin estndar s se puede incrementar de manera drstica con la inclusin de uno o ms
datos distantes (valores de datos que se encuentran muy lejos de los dems).
Las unidades de la desviacin estndar s (como minutos, pies, libras, etctera) son las mismas de los datos
originales.
3.2. Coeficiente de variacin (CV).
Expresado como porcentaje, describe la desviacin estndar relativa a la media, y
est dada de la siguiente forma:
- Distribucin hipergeomtrica
Distribucin hipergeomtrica
Ms informacin sobre Minitab 17
En este tema
Qu es la distribucin hipergeomtrica?
Ejemplo del clculo de probabilidades hipergeomtricas
La diferencia entre las distribuciones hipergeomtrica y binomial
Qu es la distribucin hipergeomtrica?
La distribucin hipergeomtrica es una distribucin discreta que modela el nmero de
eventos en una muestra de tamao fijo cuando usted conoce el nmero total de
elementos en la poblacin de la cual proviene la muestra. Cada elemento de la
muestra tiene dos resultados posibles (o es un evento o un no evento). Las muestras
no tienen reemplazo, por lo que cada elemento de la muestra es diferente. Cuando se
elige un elemento de la poblacin, no se puede volver a elegir. Por lo tanto, la
probabilidad de que un elemento en particular sea seleccionado aumenta con cada
ensayo, suponiendo que an no ha sido seleccionado.
Por ejemplo, usted recibe un envo de pedido especial de 500 etiquetas. Supongamos
que el 2% de las etiquetas tiene defectos. El conteo de eventos en la poblacin es de
10 (.02 * 500). Usted toma una muestra de 40 etiquetas y desea determinar la
probabilidad de que haya 3 o ms etiquetas defectuosas en esa muestra.
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-
graphs/probability-distributions-and-random-data/distributions/hypergeometric-distribution/