Mapa Conceptual Estadística Primera Parte
1.A) Conceptos Generales y aplicados
Método Estadístico
Población y Muestra
Datos estadísticos (tipos)
Tablas estadísticas
Distribuciones de frecuencias
Datos agrupados
Distribuciones categóricas
Presentaciones graficas
Probabilidad: Busca datos numéricos más o menos objetivos para evaluar las posibilidades de
un evento futuro, es decir, su grado de certidumbre o verisimilitud
Estadística: Utiliza esos datos proporcionando métodos y técnicas útiles para la toma de
decisiones.
Dato: Es un valor que nos brinda cierta información.
Dato estadístico: Es cuando esa información nos sirve para algún análisis estadístico
Según sus características o según la variable
.Cualitativos: se refiere a una cualidad. Nombre del dato (color, letra, etc)
Cuantitativos: se refiere a cuando el dato es un número
o Discretos: cuando nosotros contamos los elementos, es exacto. Ej: cantidad de kilos.
o Continuos: cuando nosotros medimos los elementos, siempre puedo tener un valor
intermedio. Ej: cuanto pesa.
Según sus características o según la variable:
Simples: datos presentados de manera individual.
n = cantidad de datos = tamaño de la muestra
N = cantidad de datos = tamaño de la población
Repetidos: Son los datos presentados en una tabla según las veces que se
repite cada uno.
Agrupados: Son los datos presentados en una tabla según las veces que se repite cada uno
o Cuando los límites reales coinciden con los nominales
Marca de clase = ( LRI + LRS ) /2 c
Ancho de clase = LRS - LRI
o Cuando los límites reales NO coinciden con los nominales
Límite real Inferior = (Limite nominal inferior fi + Limites nominal superior fi-1 )/2
Límite real Superior = (Limite nominal inferior fi+1 + Limites nominal superior fi )/2
Nunca puedo calcular el límite real inferior de la primer clase, ni el límite real superior de la última
clase por lo que se usa la ecuación de la imagen.
Distribuciones de frecuencias:
• Cuando trabajamos con datos repetidos o agrupados
n = cantidad de datos = tamaño de la muestra = fi
N = cantidad de datos = tamaño de la población = fi
La frecuencia acumulada se logra sumandole a la su frecuencia absoluta la frecuencia acumulada
del anterior, como el primero no tiene nada queda igual. Ejemplo: Xi=12 su fi es 2 su Fi
(Frecuencia acumulada) es 4 porque se le sumo la Fi (Frecuencia acumulada) del Xi anterior.
Siempre la frecuencia acumulada del ultimo valor debe coincidir con el de la frecuencia absoluta.
Siempre por definición la frecuencia relativa da 1
La frecuencia acumulada relativa se logra sumandole a la frecuencia relativa la frecuencia
acumulada del anterior, como el primero no tiene nada queda igual. Ejemplo: Xi=12 su fri es 0,2
su Fri (Frecuencia acumulada relativa) es 0,4 porque se le sumo la Fri (Frecuencia acumulada
relativa) del Xi anterior, o sea, 0,2.
Siempre por definicion es 100
Método Estadístico (pasos que nos van a servir para solucionar el problema)
• Formulación del problema
• Diseño del experimento o investigación (técnicas que nos sirven para resolver un experimento y
otras que nos permiten resolver la investigación)
• Recolección de datos
• Procesamiento y análisis de datos (se trabajan los datos, para sacar conclusiones mediante
fórmulas y técnicas)
• Generalización e inferencia final.
Población: "Una población es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones"
Muestra: “Se llama muestra a una parte de la población a estudiar que sirve para representarla".
No cualquier parte de la población es muestra, para que lo sea tiene que ser representativa de
esta.
Diferenciación de muestra y población:
Lo que define si es muestra o población, es que si todos los elementos que están adentro del
objeto de estudio están incluidos es una población. Ejemplo un curso en la facultad, si el objeto de
estudio es el curso seria una población, pero si el objeto de estudio es la facultad, es una
muestra.
Razones del muestreo:
Costo: siempre trabajar con muestra va a ser más económico que la población.
Tiempo: el tiempo es escaso.
Pruebas destructivas: se trabaja con una muestra y no con toda la población, porque al
probar no sería lógico utilizar la totalidad, ya que te quedarías sin elementos para realizar
otras actividades o pruebas.
Razones para trabajar con la población:
Exactitud de los resultados
Contar(censo)
Sensibilidad de los resultados: si los datos son sensibles si o si hay que trabajar con la
población para lograr la exactitud en los resultados.
Tipos de SOPORTES (formas de mostrar los datos)
Encuesta: son simples oraciones que se utilizan
cuando son pocos datos.
Tablas
Elementos de las tablas:
Título: nos presenta la tabla, y nos dice de que
trata y como están expresados los datos
Encabezamiento: nos dice que contienen las
columnas
Conceptos: nombres del dato
Cuerpo: indica la frecuencia
Nota al pie: información importante, general.
Fuente: para determinar la confiabilidad de la información.
Gráficos:
Histograma de frecuencias (Gráfico de barras)
Polígono de frecuencias: marca puntos unidos por una línea.
Diagrama de Pareto: tengo que poner al principio lo que es más importante, en este caso
lo que tiene mayor frecuencia. O sea, están ordenados del de mayor frecuencia al de
menor frecuencia, únicamente se puede graficar frecuencias absolutas o frecuencias
relativas sin acumular.
Grafico de Ojiva: es los polígonos de frecuencia acumulada, cualquiera mientras sea
acumulada. NUNCA BAJA, por lo que ordene mal los valores.
Barra porcentual:
Círculo radiado: necesito tener calculado las frecuencias relativas, para construirlo.
Distribuciones categóricas
Una distribución de frecuencias categóricas muestra el número, o la proporción de
observaciones que corresponden a cada una de las clases cualitativas, mutuamente
exclusivas. Básicamente si una distribución es categórica te permite realizar análisis
estadísticos
Resumen Clase1 PYE.pdf
browser_emoji Estamos procesando este archivo...
browser_emoji Lamentablemente la previsualización de este archivo no está disponible. De todas maneras puedes descargarlo y ver si te es útil.
Descargar
. . . . .