Probabilidad y estadística (página 2)

.Es la parte de la estadística matemática que se encarga del estudio de los métodos para la obtención del modelo de probabilidad que sigue una variable aleatoria de una determinada población, a través de una muestra obtenida de la misma.

.proceso de análisis que consiste en inferir las propiedades de una población con base en la caracterización de la muestra.

TEORÍA DE DECISIÓN

Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se sirven de la inspección y los experimentos, se denominan teoría descriptiva de decisión; los estudios de la toma de decisiones racionales, que utilizan la lógica y la estadística, se llaman teoría preceptiva de decisión. Estos estudios se hacen más complicados cuando hay más de un individuo, cuando los resultados de diversas opciones no se conocen con exactitud y cuando las probabilidades de los distintos resultados son desconocidas. La teoría de decisión comparte características con la teoría de juegos, aunque en la teoría de decisión el "adversario" es la realidad en vez de otro jugador o jugadores.

Al hacer un análisis sobre esta teoría, y mirándola desde el punto de vista de un sistema, se puede decir que al tomar una decisión sobre un problema en particular, se debe tener en cuenta los puntos de dificultad que lo componen, para así empezar a estudiarlos uno a uno hasta obtener una solución que sea acorde a lo que se esta esperando obtener de este, y sino, buscar otras soluciones que se acomoden a lo deseado.

La teoría de decisión, no solamente se puede ver desde el punto de vista de un sistema, sino en general, porque esta se utiliza a menudo para tomar decisiones de la vida cotidiana, ya que muchas personas piensan que la vida es como una de las teorías; La teoría del juego, que para poder empezarlo y entenderlo hay que saber jugarlo y para eso se deben conocer las reglas de este, para que no surjan equivocaciones al empezar la partida.

Se puede decir que la Teoría de decisión es una de las ramas que sirve para que al dar un paso, no se vaya a dar en falso, porque si se conoce de esta no hay el porque de equivocarse.

POBLACION EN ESTADISTICA

El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal. Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan características comunes. "Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levan & Rubin (1996). "Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974). Ejemplo: Los miembros del Colegio de Ingenieros del Estado Cojedes. El tamaño que tiene una población es un factor de suma importancia en el proceso de investigación estadística, y este tamaño vienen dado por el número de elementos que constituyen la población, según el número de elementos la población puede ser finita o infinita. Cuando el número de elementos que integra la población es muy grande, se puede considerar a esta como una población infinita, por ejemplo; el conjunto de todos los números positivos. Una población finita es aquella que está formada por un limitado número de elementos, por ejemplo; el número de estudiante del Núcleo San Carlos de la Universidad Nacional Experimental Simón Rodríguez. Cuando la población es muy grande, es obvio que la observación de todos los elementos se dificulte en cuanto al trabajo, tiempo y costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una muestra estadística. Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado población o universo, se examina una pequeña parte del grupo llamada muestra.

Población o Universo: es el total del conjunto de elementos u objetos de los cuales se quiere obtener información. Aquí el término población tiene un significado mucho más amplio que el usual, ya que puede referirse a personas, cosas, actos, áreas geográficas e incluso al tiempo.

La población debe estar perfectamente definida en el tiempo y en el espacio, de modo que ante la presencia de un potencial integrante de la misma, se pueda decidir si forma parte o no de la población bajo estudio. Por lo tanto, al definir una población, se debe cuidar que el conjunto de elementos que la integran quede perfectamente delimitado.

MUESTRA ALEATORIA

Es una muestra sacada de una población de unidades, de manera que todo elemento de la población tenga la misma probabilidad de selección y que las unidades diferentes se seleccionen independientemente.

Muestra aleatoria: muestra elegida independientemente de todas las demás, con la misma probabilidad que cualquier otra y cuyos elementos están elegidos independientemente unos de otros y con la misma probabilidad. Muestra aleatoria

Una muestra aleatoria es una muestra sacada de una población de unidades, de manera que todo elemento de la población tenga la misma probabilidad de selección y que las unidades diferentes se seleccionen independientemente.

Variables aleatorias y distribuciones

Se llama variable aleatoria aquella que toma diversos valores o conjuntos de valores con distintas probabilidades. Existen 2 características importantes de una variable aleatoria, sus valores y las probabilidades asociadas a esos valores.

Una tabla, gráfico o expresión matemática que de las probabilidades con que una variable aleatoria toma diferentes valores, se llama distribución de la variable aleatoria.

Como vimos anteriormente, la inferencia estadística se relaciona con las conclusiones que se pueden sacar acerca de una población de observaciones basándose en una muestra de observaciones. Entonces intervienen las probabilidades en el proceso de la selección de la muestra; en este caso se desea saber algo sobre una distribución con base en una muestra aleatoria de esa distribución.

De tal manera vemos que trabajamos con muestras aleatorias de una población que es mas grande que la muestra obtenida; tal muestra aleatoria aislada no es mas que una de muchas muestras diferentes que se habrían podido obtener mediante el proceso de selección. Este concepto es realmente importante en estadística.

La distribución de un estadígrafo en todas las muestras aleatorias de tamaño n tomadas de una población, se llama distribución muestral del estadígrafo para muestras aleatorias de tamaño n.

Para muestras aleatorias de tamaño n de toda población base, la media de la distribución muestral de la media muestral, es la mediaµ de la población de base.

Para muestras aleatorias de tamaño n de toda población base, la varianza de la distribución muestral de la media muestral, es s2/ n que es la varianza de la población de base dividida por el tamaño de la muestra.

Para muestras aleatorias de tamaño n de toda población de base, la media de la distribución muestral de la varianza muestral s2, es la varianza s2 de la población de base.

PARAMETROS ALEATORIOS

Se llama variable aleatoria aquella que toma diversos valores o conjuntos de valores con distintas probabilidades. Existen 2 características importantes de una variable aleatoria, sus valores y las probabilidades asociadas a esos valores.

Una tabla, gráfico o expresión matemática que dé las probabilidades con que una variable aleatoria toma diferente valores, se llama distribución de la variable aleatoria.

Como vimos anteriormente, la inferencia estadística se relaciona con las conclusiones que se pueden sacar acerca de una población de observaciones basándose en una muestra de observaciones. Entonces intervienen las probabilidades en el proceso de la selección de la muestra; en este caso se desea saber algo sobre una distribución con base en una muestra aleatoria de esa distribución.

De tal manera vemos que trabajamos con muestras aleatorias de una población que es más grande que la muestra obtenida; tal muestra aleatoria aislada no es más que una de muchas muestras diferentes que se habrían podido obtener mediante el proceso de selección. Este concepto es realmente importante en estadística.

ENFOQUE CLASICO EN ESTADISTICA

En el enfoque clásico los primeros gerentes y autores sobre administración buscaban "el mejor camino", una serie de principios para crear una estructura organizacional que funcionara bien en todas las situaciones. Max Weber, Frederick Taylor y Henri Fayol fueron los principales contribuyentes al llamado enfoque clásico para diseñar organizaciones. Ellos pensaban que las organizaciones más eficientes y eficaces tenían una estructura jerárquica en la cual los miembros de la organización, en sus acciones, eran guiados por un sentimiento de obligación en la organización y por una serie de regla y reglamentos racionales. Según Weber, cuando estas organizaciones se habían desarrollado plenamente, se caracterizaban por la especialización de tareas, los nombramientos por méritos, la oferta de oportunidades para que sus miembros hicieran carrera, la rutinización de actividades y un clima impersonal y racional en la organización, Weber lo llamó burocracia.

Weber alababa la burocracia porque establecía reglas para tomar decisiones, una cadena de mando clara y a la promoción de las personas con base en la capacidad y la experiencia, en lugar del favoritismo o el capricho. Asimismo, admiraba que la burocracia especificaba, con claridad, la autoridad y la responsabilidad lo cual, en su opinión, facilitaba la evaluación de los resultados y su recompensa. Tanto él como otros autores clásicos, así como sus contemporáneos en la administración, vivieron en una época en que este enfoque para diseñar organizaciones se fundamentaba en el precedente de los servicios civiles del gobierno. El término burocracia no siempre ha tenido la connotación negativa moderna; es decir, un marco para la actividad lenta, ineficiente, sin imaginación de las organizaciones.

ENFOQUE BAYESIANO EN ESTADISTICA

En el enfoque Bayesiano de la Estadística, la incertidumbre presente en un modelo dado, es representada a través de una distribución de probabilidad sobre los posibles valores del parámetro desconocido (típicamente multidimensional) que define al modelo. El Teorema de Bayes, permite entonces incorporar la información contenida en un conjunto de datos, produciendo una descripción conjunta de la incertidumbre sobre los valores de los parámetros del modelo a través de la distribución final. Desafortunadamente, la implementación de las técnicas Bayesianas usualmente requiere de un esfuerzo computacional muy alto. La mayor parte de este esfuerzo se concentra en el cálculo de ciertas características de la distribución final del parámetro de interés (que llamaremos resúmenes inferenciales). Así, por ejemplo, para pasar de una distribución conjunta a una colección de distribuciones y momentos marginales que sean útiles para hacer inferencias sobre subconjuntos de parámetros, se requiere integrar. En la mayoría de los casos los resúmenes inferenciales básicos se reducen a integrales de la forma donde, , , y . Así, por ejemplo, donde denota a la función indicadora del conjunto y denota a la distribución predictiva de una observación futura. En la práctica es común que la dimensión de sea muy grande. Por otro lado, excepto en aplicaciones muy sencillas tanto como pueden llegar a tener formas muy complicadas. En la gran mayoría de los problemas las integrales requeridas no pueden resolverse analíticamente, por lo que es necesario contar con métodos numéricos eficientes que permitan calcular o aproximar integrales en varias dimensiones.

El propósito de estas notas es revisar de manera general algunos de los métodos clásicos para calcular integrales, tales como la aproximación de Laplace, cuadratura (integración numérica) y el método de Monte Carlo, así como discutir algunas de las técnicas de integración desarrolladas durante los últimos años y conocidas con el nombre genérico de técnicas de Monte Carlo vía cadenas de Markov. El lector interesado en el enfoque Bayesiano de la Estadística o en aspectos específicos de los métodos aquí discutidos puede consultar los libros de Bernardo y Smith (1994) y O"Hagan (1994), así como las referencias que ahí se incluyen.

En términos generales, los métodos antes mencionados serán más eficientes y darán resultados más precisos en la medida en que la distribución final sea más parecida a una distribución normal. Es por esta razón que en la mayoría de los casos resulta conveniente trabajar en términos de una reparametrización del modelo, de manera que cada uno de los nuevos parámetros tome valores en todo y su distribución final sea aproximadamente normal. También es importante que la correlación final entre los nuevos parámetros no sea muy alta.

En lo que resta de esta sección describiremos dos problemas que nos servirán para ilustrar y comparar los métodos discutidos en estas notas. Algunos de estos métodos han sido instrumentados en el lenguaje S de S-Plus. El código correspondiente, así como los resultados principales, pueden encontrarse en los apéndices al final de este trabajo.

DESCRIPCION DE DATOS EN ESTADISTICA

La estadística descriptiva es una parte de la estadística que se dedica a analizar y representar los datos. Este análisis es muy básico, pero fundamental en todo estudio. Aunque hay tendencia a generalizar a toda la población las primeras conclusiones obtenidas tras un análisis descriptivo, su poder inferencia es mínimo y debería evitarse tal proceder. Otras ramas de la estadística se centran en el contraste de hipótesis y su generalización a la población.

Algunas de las técnicas empleadas en este primer análisis de los datos se enumeran más abajo en el listado de conceptos básicos. Básicamente, se lleva a cabo un estudio calculando una serie de medidas de tendencia central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central.

DATOS AGRUPADOS Y NO AGRUPADOS

Cuando la muestra que se ha tomado de la población o proceso que se desea analizar, es decir, tenemos menos de 20 elementos en la muestra, entonces estos datos son analizados sin necesidad de formar clases con ellos y a esto es a lo que se le llama tratamiento de datos no agrupados.

Cuando la muestra consta de 30 o más datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las características de la muestra y por consiguiente las de la población de donde fue tomada. Antes de pasar a definir cuál es la manera de determinar las características de interés (media, mediana, moda, etc.) cuando se han agrupado en clases los datos de la muestra, es necesario que sepamos como se agrupan los datos.

FRECUANCIA DE CLASE

Marca de clase (punto medio): punto que divide a la clase en dos partes iguales. Es el promedio entre los límites superior e inferior de la clase.

Intervalo de clase: para una distribución de frecuencias que tiene clases del mismo tamaño, el intervalo de clase se obtiene restando el límite inferior de una clase del límite inferior de la siguiente.

FRECUENCIA RELATIVA

Es la relación o cociente entre la frecuencia absoluta y el número total de observaciones. Es la proporción entre la frecuencia de un intervalo y el número total de datos.

PUNTO MEDIO

Punto medio

Punto medio es el punto que divide a un segmento en dos partes iguales.

El punto medio de un segmento, es único y equidista de los extremos del segmento. Cumpliendo esta última condición, pertenece a la mediatriz del segmento.

La fórmula para determinar el punto medio de un segmento en el plano, con coordenadas: (x1,y1) y (x2,y2) es: [(x1 + x2) / 2] + [(y1 + y2) / 2]

LIMITES EN ESTADISTICA

Son los valores extremos que tiene el intervalo de clase, inferior y superior, entre los cuales van a estar los valores de los datos agrupados en ese intervalo de clase.

HISTOGRAMA EN ESTADISTICA

El Histograma representa la frecuencia con la que se presentan los diferentes grupos de datos de la variable objeto de estudio. Es un conjunto de rectángulos, los cuales representan a cada una de las clases. En el eje de abscisas se representan las clases definidas y en el eje de ordenadas la frecuencia de cada una de ellas. La amplitud del intervalo de las clases se halla dividiendo el Recorrido entre el número de clases. El Histograma proporciona mucha información respecto a la estructura de los datos. Por tanto, es importante analizar la situación del centro del Histograma y el ancho del mismo que definen la tendencia central y la variabilidad del conjunto de datos respectivamente, así como la forma del Histograma que identifica algunas de las características del proceso en estudio.

Historia de la Estadística""

Etimología

La palabra "estadística" procede del latín statisticum collegium ("consejo de Estado") y de su derivado italiano statista ("hombre de Estado" o "político"). El término alemán Statistik, introducido por Gottfried Achenwall (1749), designaba originalmente el análisis de datos del Estado, es decir, "la ciencia del Estado". No fue hasta el siglo XIX cuando el término estadística vino a designar la colección y clasificación de datos.

En su origen, por tanto, la estadística estuvo asociada al control de datos poblacionales por parte de la administración pública. Este tipo de prácticas han sido analizadas por Michel Foucault como una forma de impolítica, un estilo de gobierno caracterizado por regular a las poblaciones a través del biopoder. Desde los comienzos de la civilización han existido formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el número de personas, animales o ciertas cosas. Hacia el año 3000 a. C. los babilonios usaban ya pequeñas tablillas de arcilla para recopilar datos en tablas sobre la producción agrícola y de los géneros vendidos o cambiados mediante trueque. Los egipcios analizaban los datos de la población y la renta del país mucho antes de construir las pirámides en el siglo XXXI a. C. Los libros bíblicos de Números y Crónicas incluyen, en algunas partes, trabajos de estadística. El primero contiene dos censos de la población de Israel y el segundo describe el bienestar material de las diversas tribus judías. En China existían registros numéricos similares con anterioridad al año 2000 a. C. Los griegos clásicos realizaban censos cuya información se utilizaba hacia el 594 a. C. para cobrar impuestos.

HISTOGRAMA DE FRECUENCIA RELATIVA

El histograma de una imagen representa la frecuencia relativa de los niveles de gris de la imagen. Las técnicas de modificación del histograma de una imagen son útiles para aumentar el contraste de imágenes con histogramas muy concentrados.

Sea u una imagen de tamaño NxN, la función de distribución del histograma es: Fu(l) = (Numerodepixels(i,j)talesqueu(i,j) < = l) / N2

Ejemplos de otros tipos de representaciones gráficas: Hay histogramas donde se agrupan los datos en clases, y se cuenta cuántas observaciones (frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables cualitativas) las clases están definidas de modo natural, p.e sexo con dos clases: mujer, varón o grupo sanguíneo con cuatro: A, B, AB, O. En las variables cuantitativas, las clases hay que definirlas explícitamente (intervalos de clase).

Se representan los intervalos de clase en el eje de abscisas (eje horizontal) y las frecuencias, absolutas o relativas, en el de ordenadas (eje vertical).

A veces es más útil representar las frecuencias acumuladas.

O representar simultáneamente los histogramas de una variable en dos situaciones distintas.

Otra forma muy frecuente, de representar dos histogramas de la misma variable en dos situaciones distintas.

En las variables cuantitativas o en las cualitativas ordinales se pueden representar polígonos de frecuencia en lugar de histogramas, cuando se representa la frecuencia acumulativa, se denomina ojiva.

MEDIDAS DE TENDENCIA CENTRAL

También se les conoce como medidas de posición o promedios son los valores que se utilizan para representar el conjunto de observaciones. Tienden a situarse en el centro del conjunto de los datos, previamente ordenados.

• Las principales medidas centrales son:

La media, la mediana y la moda.

MEDIA ARITMETICA GEOMETRICA PONDERADA

Media aritmética:

Es uno de los promedios de mayor utilización. Su generalización se debe a las propiedades que posee, que la convierten en un indicador muy representativo.

Se obtiene sumando los productos de cada valor de la variable por su respectiva frecuencia, y dividiendo esta suma por el total de observaciones.

MEDIANA EN ESTADISTICA

Mediana:

Es el valor de la variable que divide a la distribución de frecuencias en dos partes iguales.

• Para hallar la mediana ordenamos la frecuencias de mayor a menor o viceversa, y si hay un número impar de valores la mediana es el central y si es par será la semisuma de los dos valores.

MEDIDAS DE DISPERSIÓN

MODA EN ESTADÍSTICA

En Estadística, la moda es el valor que cuenta con una mayor frecuencia en una distribución de datos.

Hablaremos de una distribución bimodal de los datos, cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima. Una distribución trimodal de los datos es en la que encontramos tres modas. Si todas las variables tienen la misma frecuencia diremos que no hay moda.

El intervalo modal es el de mayor frecuencia absoluta. Cuando tratamos con datos agrupados antes de definir la moda, se ha de definir el intervalo modal.

La moda, cuando los datos están agrupados, es un punto que divide al intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que verifiquen que:

Siendo la frecuencia absoluta del intervalo modal las frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal.

Se llama típicaión de un conjunto de datos al grado en que los diferentes valores de los datos tiende a extenderse alrededor del valor medio utilizado.

Este grado de típicaión se mide por medio de los indicadores típicaións llamados medidas de típica ión, entre ellas tenemos el rango, la varianza, y la típicaión típica.

Hasta el momento hemos estudiado los valores centrales de la distribución, pero también es importante conocer si los valores en general están cerca o alejados de estos valores centrales, es por lo que surge la necesidad de estudiar medidas de dispersión.

Rango:

Es la primera medida que vamos a estudiar, se define como la diferencia existente entre el valor mayor y el menor de la distribución,. Lo notaremos como R. Realmente no es una medida muy significativa e la mayoría de los casos, pero indudablemente es muy fácil de calcular.

Hemos estudiado varias medidas de centralización, por lo que podemos hablar de desviación con respecto a cualquiera de ellas, sin embargo, la mas utilizada es con respecto a la media.

Desviación:

Es la diferencia que se observa entre el valor de la variable y la media aritmética. La denotaremos por di.

No es una medida, son muchas medidas, pues cada valor de la variable lleva asociada su correspondiente desviación, por lo que precisaremos una medida que resuma dicha información.

La primera solución puede ser calcular la media de todas las desviaciones, es decir, si consideramos como muestra la de todas las desviaciones y calculamos su media. Pero esta solución es mala pues como veremos siempre va a ser 0.

Luego por lo tanto esta primera idea no es valida, pues las desviaciones positivas se contrarrestan con las negativas.

Para resolver este problema, tenemos dos caminos:

Tomar el valor absoluto de las desviaciones. Desviación media Elevar al cuadrado las desviaciones. Varianza.

Varianza:

MEDIDAS DE DISPERSIÓN

VARIANZA EN ESTADISTICA

Varianza (Concepto)

Es el estadístico de dispersión que mide el grado de variabilidad que sintetiza el grado de homogeneidad o heterogeneidad de las diferencias individuales entre los casos de una muestra (o de varias muestras) respecto de una o varias variables numéricas continuas o cuantitativas.

En teoría de probabilidad y estadística la varianza es un estimador de la divergencia de una variable aleatoria x de su valor esperado E[x]. También se utilizan la desviación estándar, la raíz de la varianza.

La varianza s2 de una variable aleatoria x se define como

Método abreviado:

También se expresa como la diferencia entre el momento de orden 2 y el cuadrado del valor esperado:

Mientras que la desviación estándar es el promedio de la distancia de cada punto respecto del promedio la varianza es como un área.

s 2 = å f(x – m )2 / N

s 2 = varianza de la población.

x = punto medio de cada una de las clases.

m = media de la población.

N = número total de elementos de la población.

f = frecuencia de cada una de las clases donde vean el 2 se eleva al cuadrado y este símbolo (å) es de sumatoria

Cruz Bazan R. (Instituto Tecnológico Superior del Oriente del Estado De Hidalgo).

DESVIACION ESTANDAR

La desviación estándar (o desviación típica) es una medida de dispersión para variables de razón (ratio o cociente) y de intervalo, de gran utilidad en la estadística descriptiva. Es una medida (cuadrática) de lo que se apartan los datos de su media, y por tanto, se mide en las mismas unidades que la variable.

Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de tendencia central, sino que necesitamos conocer también la desviación que representan los datos en su distribución, con objeto de tener una visión de los mismos más acorde con la realidad a la hora de describirlos e interpretarlos para la toma de decisiones.

DESVIACION MEDIANA

Desviación Mediana.

El criterio que guía esta estadística, radica en el uso de diferencias de cada dato respecto a la mediana muestral m.

Si estas diferencias son muy grandes, entonces estamos ante un caso de gran variabilidad, y si son pequeñas se espera que la variabilidad sea pequeña.

Naturalmente que el criterio que parece más apropiado es agrupar las discrepancias individuales y tratarlas en conjunto.

Un agrupamiento natural sería una suma de ellas, pero el sólo uso de las diferencias no garantiza que se pueda medir discrepancias porque algunas (prácticamente la mitad) serán menores que la mediana, con diferencias negativas, y el resto mayores que la mediana, con diferencias positivas, y al sumar dichos valores habría compensaciones entre valores negativos y positivos.

Por lo tanto, una salida a esta dificultad es considerar el valor absoluto de las diferencias calculadas y promediarlos.

Puede verse entonces que, cuanto mayor sea la dispersión existente entre los datos, tanto mayor tenderá a ser el promedio del valor absoluto de las diferencias de los datos, respecto de la mediana muestral.

Esta estadística se encuentra medida en la misma escala que los datos originales, lo que facilita su comprensión.

RANGO EN ESTADISTICA

RANGO

El rango en estadística es la diferencia o resta del límite superior menos el límite inferior, de los datos utilizados en una clase.

Se simboliza con la letra R mayúscula.

Para averiguar el rango de un grupo de números:

Ordene los números según su tamaño Reste el valor mínimo al valor máximo.

PARAMETROS PARA DATOS AGRUPADOS

En el estudio de las distribuciones de datos, la estadística selecciona un conjunto de los mismos de forma que sean representativos de todos los de la distribución.

• Estos datos seleccionados se denominan características de la distribución o parámetros estadísticos.

MEDIA DE DATOS AGRUPADOS

MEDIA DE DATOS AGRUPADOS Media para un conjunto de datos agrupados.

La media para datos agrupados es la siguiente:

Donde es el total de datos, m el número total de clase y es la frecuencia de datos.

La definición es claramente entendida como una extensión de la definición que dimos para datos no agrupados, ya que es lógico suponer que datos que se repiten con una frecuencia pueden simplificar la suma por, por supuesto que los índices de la segunda suma con respecto a la primera corren con respecto a menor número, es decir, con respecto al número de agrupamientos m.

Ejemplo:

Sean los siguientes datos 1, 1, 2, 2, 4, 4, 5, 2, 3, 2, 3, 4, 1, 2, 1. La media para dichos datos es aproximadamente igual a 2.4666, es decir,

Sin embargo, el mismo resultado podemos obtener si tomamos la frecuencia con que aparecen los datos, en este caso:

Dato

Frecuencia

Producto de frecuencias y datos

1 4 4 2 5 10 3 2 6 4 3 12 5 1 5

La obtención de la media finalmente se convierte en para la obtención de la media cuando las frecuencias están sujetas a la elección de clase bajo los métodos mostrados, se realiza de igual manera, la única diferencia existe en determinar el valor como el punto medio de cada clase, veamos el siguiente ejemplo.

Supongamos que una clínica de salud, obtiene una tabla de edades de las personas que son atendidas en un fin de semana, para los que presentan la siguiente tabla. ¿Cuál será el promedio de edades de los enfermos que acudieron a recibir atención médica?

DISTRIBUCION DE FRECUENCIA

La distribución de frecuencia es la representación estructurada, en forma de tabla, de toda la información que se ha recogido sobre la variable que se estudia. Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x X1 n1 n1 f1 = n1 / n f1 X2 n2 n1 + n2 f2 = n2 / n f1 + f2 . . . . . Xn-1 nn-1 n1 + n2 +..+ nn-1 fn-1 = nn-1 / n f1 + f2 +..+fn-1 f( n fn = nn / n (Xn nn

Siendo X los distintos valores que puede tomar la variable. Siendo n el número de veces que se repite cada valor. Siendo f el porcentaje que la repetición de cada valor supone sobre el total Veamos un ejemplo: Medimos la altura de los niños de una clase y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno Estatura Alumno Estatura x x x x x x Alumno 1 1,25 Alumno 11 1,23 Alumno 21 1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13 1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5 1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26 1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18 1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10 1,29 Alumno 20 1,28 Alumno 30 1,21

Si presentamos esta información estructurada obtendríamos la siguiente tabla de frecuencia: Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6% 1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14 6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3% 80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendríamos una tabla de frecuencia muy extensa que aportaría muy poco valor a efectos de síntesis.

La distribución de frecuencia es la representación estructurada, en forma de tabla, de toda la información que se ha recogido sobre la variable que se estudia. Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x X1 n1 n1 f1 = n1 / n f1 X2 n2 n1 + n2 f2 = n2 / n f1 + f2 . . . . . Xn-1 nn-1 n1 + n2 +..+ nn-1 fn-1 = nn-1 / n f1 + f2 +..+fn-1 f( n fn = nn / n (Xn nn

Siendo X los distintos valores que puede tomar la variable. Siendo n el número de veces que se repite cada valor. Siendo f el porcentaje que la repetición de cada valor supone sobre el total Veamos un ejemplo: Medimos la altura de los niños de una clase y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno Estatura Alumno Estatura x x x x x x Alumno 1 1,25 Alumno 11 1,23 Alumno 21 1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13 1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5 1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26 1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18 1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10 1,29 Alumno 20 1,28 Alumno 30 1,21

Si presentamos esta información estructurada obtendríamos la siguiente tabla de frecuencia: Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6% 1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14 6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3% 80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendríamos una tabla de frecuencia muy extensa que aportaría muy poco valor a efectos de síntesis. (Tal como se verá en la siguiente lección).

DISTRIBUCIONES NUMERICAS

Distribución de frecuencia de clase o de datos Agrupados:

Es aquella distribución en la que la disposición tabular de los datos estadísticos se encuentra ordenada en clases y con la frecuencia de cada clase; es decir, los datos originales de varios valores adyacentes del conjunto se combinan para formar un intervalo de clase. No existen normas establecidas para determinar cuándo es apropiado utilizar datos agrupados o datos no agrupados; sin embargo, se sugiere que cuando el número total de datos (N) es igual o superior 50 y además el rango o recorrido de la serie de datos es mayor de 20, entonces, se utilizará la distribución de frecuencia para datos agrupados, también se utilizará este tipo de distribución cuando se requiera elaborar gráficos lineales como el histograma, el polígono de frecuencia o la ojiva.

La razón fundamental para utilizar la distribución de frecuencia de clases es proporcionar mejor comunicación acerca del patrón establecido en los datos y facilitar la manipulación de los mismos. Los datos se agrupan en clases con el fin de sintetizar, resumir,

DISTRIBUCIONES CATEGÓRICAS

Si las distribuciones se hallan agrupadas de acuerdo con alguna cualidad o atributo denominaremos distribución categórica a esa distribución.

DISTRIBUCIONES ACOMULADAS

Una distribución de frecuencias acumulada (ogiva) se usa para determinar cuántos o qué proporción de los valores de los datos es menor o mayor que cierto valor.

Una distribución de frecuencias acumuladas identifica el número acumulado de observaciones incluidas bajo el límite exacto superior de cada clase de la distribución. Las frecuencias acumuladas de una clase pueden determinarse sumando las frecuencias observadas de esa clase a las frecuencias acumuladas de la clase anterior.

La gráfica de una distribución de frecuencias acumuladas se llama ojiva. En el caso de distribuciones acumuladas del tipo "y menor que", esta gráfica indica las frecuencias acumuladas bajo cada límite exacto de clase de la distribución de frecuencias. Si esa gráfica de líneas se suaviza, se obtiene la curva llamada ojiva.

DISTRIBUCIONES PORCENTUALES ACOMULADAS

Es la distribución de frecuencias acumuladas

Fi = Ni/N

La Fi multiplicada por 100 se obtiene la distribución de porcentaje acumulado (Pi) que al igual que Fi deberá de resultar al final el 100% de N.

TECNICAS DE AGRUPACION DE DATOS

Estoy invitando a todos los maestros, alumnos y personas interesadas en esta área y/o carrera a colaborar construyendo este sitio dedicado a esta hermosa y útil profesión aportando el material apropiado a cada uno de los más de 1,000 temas que lo componen.

También los invito a aportar material a los más de 20,000 temas que constituyen las 20 carreras profesionales que se imparten en los Institutos Tecnológicos de México y se encuentran en este sitio.

Es un esfuerzo personal y de muchos amigos de MEXICO y el Mundo Hispano por devolver algo de lo mucho que hemos recibido en el proceso de la educación superior, saludos Prof. lauro soto, Tijuana, BC, mexica

PARA EMPEZAR SOLO USAR OPCION edit. ABAJO Y EMPIEZA A CONSTRUIR, SALUDOS Y MUCHAS GRACIAS

LIMITES DE CLASE

Límites Reales de Clases

Límite Real Inferior: Se determina sumando el límite inferior de la clase en la que nos ubicamos, más el límite superior de la clase contigua anterior y dividiendo por dos.

Límite Real Superior: Se determina sumando el límite superior de la clase en la que nos ubicamos, más el límite superior de la clase contigua siguiente o superior y dividendo por dos.

Por Ejemplo: Considerando una tabla de frecuencias:

Salarios diarios de Profesionales de la industria petrolera.

Salarios

Calculando los límites reales de clases para el primer intervalo de clase, resulta:

LÍMITE REAL INFERIOR = (Límite inferior actual + Límite superior anterior) / 2 = (30+29)/2 = 29.5

LÍMITE REAL SUPERIOR = (Límite superior actual + Límite inferior superior) / 2 = (39+40)/2 = 39.5

Por lo anterior, se concluye que los límites reales de clases para la tabla del ejemplo son:

Límites Reales de Clases

Salarios

La tabla anterior, resulta ser incierta, ya que los límites reales de clases no serán coincidentes con las observaciones reales, pues, si una observación fuese 49.5, no es posible definir si pertenece al intervalo de clase (39.5–49.5) o al intervalo de clase (49.5–59.5). Lo anterior da lugar, que a veces los "límites reales de clases" sean utilizados, únicamente como símbolos de las clases.

PARA EMPEZAR SOLO USAR OPCION edit. ABAJO Y EMPIEZA A CONSTRUIR, SALUDOS Y MUCHAS GRACIAS

FRONTERAS DE CLASE

Son los puntos medios entre límites de clases adyacentes. Los límites de una clase estarán siempre contenidos entre las fronteras de la misma clase y tendrán mayor aproximación que los datos, y por lo tanto también que los límites. La distancia entre la frontera inferior y el límite inferior de una misma clase, al igual que la distancia entre el límite superior y la frontera superior de una misma clase, es igual a media unidad de aproximación.

MARCA DE CLASE

En un estudio estadístico, valor representativo de cada intervalo. Tomamos como marca de clase el punto medio de cada intervalo y lo calculamos sumando los extremos del intervalo y dividiéndolo entre 2.

INTERVALO DE CLASE

Es cada uno de los grupos que formamos de los valores de la variable.

Para obtener la amplitud de cada intervalo, tenemos que dividir el recorrido de la variable por el número de grupos que queramos formar.

DIAGRAMA DE TALLOS Y HOJAS

EL DIAGRAMA DE TALLO Y HOJA

Es una técnica estadística para representar un conjunto de datos. Cada valor numérico se divide en dos partes. El o los dígitos principales forman el tallo y los dígitos secundarios las hojas. Los tallos están colocados a lo largo del eje vertical, y las hojas de cada observación a lo largo del eje horizontal.

Ejemplo

La siguiente distribución de frecuencia muestra el número de anuncios comerciales pagados por los 45 miembros de Grietear Bufadlo Automobile Dealer´s Association en 1999. Observemos que 7 de los 45 comerciantes pagaron entre 90 y 99 anuncios (pero menos de 100). Sin embargo, ¿El numero de comerciantes pagados en esta clase se agrupan en alrededor de 90, están dispersos a lo largo de toda clase, o se acumulan alrededor de 99? No podemos saberlo.

# De anuncios comprados Frecuencia

80 a 90 2

90 a 100 7

100 a 110 6

110 a 120 9

120 a 130 8

130 a 140 7

140 a 150 3

150 a 160 3

Sumatoria de la frecuencia= 45

Una técnica que se usa para presentar información cuantitativa en forma condensada es el diagrama de tallo y hoja. En el ejemplo anterior no se da la identidad de los valores de la clase de 90 a 100. Para ilustrar la construcción de un diagrama de tallo y hojas usando el número de comerciales comprados, supongamos que las 7 observaciones en la clase de 90 a 100 sean 96, 94, 93, 94, 95, 96, 97. EL valor de tallo es el digito o dígitos principales, en este caso el 9. Las hojas son los dígitos secundarios. EL tallo se coloca a la izquierda de una línea vertical y los valores de las hojas a la derecha.

Los valores de las clases de 90 a 100, aparecerían como sigue:

9 | 6 4 3 4 5 6 7

Por ultimo, ordenamos los valores dentro de cada tallo de menor a mayor. El segundo renglón del diagrama de tallo y hojas aparecería como sigue:

9 | 3 4 4 5 6 6 7

Con el diagrama de tallo y hojas podemos observar rápidamente que hubo 2 comerciantes que compraron 94 comerciales y que el número de anuncios comprados fue desde 93 hasta 97. Un diagrama de tallo y hojas es semejante a una distribución de frecuencia, pero con más información, esto es, valores de datos en lugar de marcas.

Diagrama de Pareto

El Diagrama de Pareto es una gráfica en donde se organizan diversas clasificaciones de datos por orden descendente, de izquierda a derecha por medio de barras sencillas después de haber reunido los datos para calificar las causas. De modo que se pueda asignar un orden de prioridades.

¿Qué es?

El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista italiano Vilfredo Pareto (1848–1923) quien realizo un estudio sobre la distribución de la riqueza, en el cual descubrió que la minoría de la población poseía la mayor parte de la riqueza y la mayoría de la población poseía la menor parte de la riqueza. Con esto estableció la llamada "Ley de Pareto" según la cual la desigualdad económica es inevitable en cualquier sociedad.

El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como la regla 80/20.

Según este concepto, si se tiene un problema con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del problema.

Por lo tanto, el Análisis de Pareto es una técnica que separa los "pocos vitales" de los "muchos triviales". Una gráfica de Pareto es utilizada para separar gráficamente los aspectos significativos de un problema desde los triviales de manera que un equipo sepa dónde dirigir sus esfuerzos para mejorar. Reducir los problemas más significativos (las barras más largas en una Gráfica Pareto) servirá más para una mejora general que reducir los más pequeños. Con frecuencia, un aspecto tendrá el 80% de los problemas. En el resto de los casos, entre 2 y 3 aspectos serán responsables por el 80% de los problemas.

En relación con los estilos gerenciales de Resolución de Problemas y Toma de Decisiones (Conservador, Bombero, Oportunista e Integrador)[1], vemos como la utilización de esta herramienta puede resultar una alternativa excelente para un gerente de estilo Bombero, quien constantemente a la hora de resolver problemas solo "apaga incendios", es decir, pone todo su esfuerzo en los "muchos triviales".

¿Cuándo se utiliza? · Al identificar un producto o servicio para el análisis para mejorar la calidad.

· Cuando existe la necesidad de llamar la atención a los problema o causas de una forma sistemática.

· Al identificar oportunidades para mejorar

· Al analizar las diferentes agrupaciones de datos (ej.: por producto, por segmento, del mercado, área geográfica, etc.)

· Al buscar las causas principales de los problemas y establecer la prioridad de las soluciones

· Al evaluar los resultados de los cambios efectuados a un proceso (antes y después)

· Cuando los datos puedan clasificarse en categorías

· Cuando el rango de cada categoría es importante

Pareto es una herramienta de análisis de datos ampliamente utilizada y es por lo tanto útil en la determinación de la causa principal durante un esfuerzo de resolución de problemas. Este permite ver cuáles son los problemas más grandes, permitiéndoles a los grupos establecer prioridades. En casos típicos, los pocos (pasos, servicios, ítems, problemas, causas) son responsables por la mayor parte el impacto negativo sobre la calidad. Si enfocamos nuestra atención en estos pocos vitales, podemos obtener la mayor ganancia potencial de nuestros esfuerzos por mejorar la calidad.

Un equipo puede utilizar la Gráfica de Pareto para varios propósitos durante un proyecto para lograr mejoras:

· Para analizar las causas

· Para estudiar los resultados

· Para planear una mejora continua

· Las Gráficas de Pareto son especialmente valiosas como fotos de "antes y después" para demostrar qué progreso se ha logrado. Como tal, la Gráfica de Pareto es una herramienta sencilla pero poderosa.

¿Cómo se utiliza? 1. Seleccionar categorías lógicas para el tópico de análisis identificado (incluir el periodo de tiempo).

2. Reunir datos. La utilización de un Check List puede ser de mucha ayuda en este paso.

3. Ordenar los datos de la mayor categoría a la menor

4. totalizar los datos para todas las categorías

5. calcular el porcentaje del total que cada categoría representa

6. trazar los ejes horizontales (x) y verticales (y primario – y secundario)

7. trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, según se calculó anteriormente)

8. de izquierda a derecha trazar las barras para cada categoría en orden descendente. Si existe una categoría "otros", debe ser colocada al final, sin importar su valor. Es decir, que no debe tenerse en cuenta al momento de ordenar de mayor a menor la frecuencia de las categorías.

9. trazar la escala del eje vertical derecho para el porcentaje acumulativo, comenzando por el 0 y hasta el 100%

10. trazar el gráfico lineal para el porcentaje acumulado, comenzando en la parte superior de la barra de la primera categoría (la más alta)

11. dar un título al gráfico, agregar las fechas de cuando los datos fueron reunidos y citar la fuente de los datos.

12. analizar la gráfica para determinar los "pocos vitales"

Consejos para la construcción / interpretación Como hemos visto, un Diagrama de Pareto es un gráfico de barras que enumera las categorías en orden descendente de izquierda a derecha, el cual puede ser utilizado por un equipo para analizar causas, estudiar resultados y planear una mejora continua.

Dentro de las dificultades que se pueden presentar al tratar de interpretar el Diagrama de Pareto es que algunas veces los datos no indican una clara distinción entre las categorías. Esto puede verse en el gráfico cuando todas las barras son más o menos de la misma altura.

Otra dificultad es que se necesita más de la mitad de las categorías para sumar más del 60% del efecto de calidad, por lo que un buen análisis e interpretación depende en su gran mayoría de un buen análisis previo de las causas y posterior recogida de datos.

En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido a que el mismo se ha demostrado como válido en literalmente miles de situaciones, es muy poco probable que se haya encontrado una excepción. Es mucho más probable que simplemente no se haya seleccionado un desglose apropiado de las categorías. Se deberá tratar de estratificar los datos de una manera diferente y repetir el Análisis de Pareto.

Esto nos lleva a la conclusión que para llevar a cabo un proceso de Resolución de Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de las herramientas básicas de la calidad, tanto desde el punto de vista teórico como desde su aplicación.

La interpretación de un Diagrama de Pareto se puede definir completando las siguientes oraciones de ejemplo:

"Existen (número de categorías) contribuyentes relacionados con (efecto). Pero estos (número de pocos vitales) corresponden al (número) % del total (efecto). Debemos procurar estas (número) categorías pocos vitales, ya que representan la mayor ganancia potencial para nuestros esfuerzos."

DIAGRAMA DE PUNTOS

El diagrama de puntos resulta de utilidad cuando el conjunto de datos desrazonablemente pequeño o hay relativamente pocos datos distintos. Cada dato representa con un punto encima de la correspondiente localización en una escala horizontal de medida. Cuando un valor se repite, hay un punto por cada ocurrencia y se colocan verticalmente. Permite por ejemplo analizar la dispersión y detectar datos atípicos.

HISTOGRAMA

Histograma: Es una representación grafica de datos a través de barras las cuales representan la frecuencia de las clases. Estas barras deben ser dibujadas sin espacios entre si y no necesariamente inician en el origen.

Se utiliza en datos cuantitativos en distribuciones de frecuencia.

Son rectángulos verticales unidos entre sí, en donde sus lados son los límites reales inferior y superior de clase y cuya altura es igual ala frecuencia de clase.

Con la distribución de frecuencia anterior se tiene:

DIAGRAMA DE BARRAS

Se utilizan rectángulos separados, que tienen como base a cada uno de los datos y como altura la frecuencia de ese dato. El diagrama de barras o gráfica de barras suele elaborarse con algunas variantes; por ejemplo, se pueden utilizar líneas en vez de rectángulos ó barras (ó líneas) horizontales en vez de verticales. Si se tienen datos cuantitativos se grafica en el eje de las x los valores centrales (marcas de clase), cuyas alturas son proporcionales a sus frecuencias.

POLIGONO DE FRECUENCIAS

Es la línea quebrada que une los puntos medios de los lados superiores (marcas de clase) de un histograma.

Los puntos o vértices del polígono de frecuencias están situados, por tanto, en las marcas de clase, ya que estos corresponden a los puntos medios de los intervalos.

OJIVAS

Una gráfica similar al polígono de frecuencias es la ojiva, pero ésta se obtiene de aplicar parcialmente la misma técnica a una distribución acumulativa y de igual manera que éstas, existen las ojivas mayores que y las ojivas menores que.

Existen dos diferencias fundamentales entre las ojivas y los polígonos de frecuencias (y por esto la aplicación de la técnica es parcial):

Un extremo de la ojiva no se "amarra" al eje horizontal, para la ojiva mayor que sucede con el extremo izquierdo; para la ojiva menor que, con el derecho.

En el eje horizontal en lugar de colocar las marcas de clase se colocan las fronteras de clase. Para el caso de la ojiva mayor que es la frontera menor; para la ojiva menor que, la mayor.

Las siguientes son ejemplos de ojivas, a la izquierda la mayor que, a la derecha la menor que, utilizando los datos que se usaron para ejemplificar el histograma:

La ojiva mayor que (izquierda) se le denomina de esta manera porque viendo el punto que está sobre la frontera de clase "4:00? se ven las visitas que se realizaron en una hora mayor que las 4:00 horas (en cuestiones temporales se diría: después de las 4:00 horas). De forma análoga, en la ojiva menor que la frecuencia que se representa en cada frontera de clase son el número de observaciones menores que la frontera señalada (en caso de tiempos sería el número de observaciones antes de la hora que señala la frontera).

Si se utiliza una distribución porcentual acumulativa entonces se obtiene una ojiva (mayor que o menor que según sea el caso) cuyo eje vertical tiene una escala que va del 0% al 100%. El siguiente ejemplo es la misma ojiva menor que se acaba de usar, pero con una distribución porcentual:

Distribuciones muestrales

El estudio de determinadas características de una población se efectúa a través de diversas muestras que pueden extraerse de ella.

El muestreo puede hacerse con o sin reposición (con o sin reemplazo, también aparece en la literatura), y la población de partida puede ser infinita o finita. Una población finita en la que se efectúa muestreo con reposición puede considerarse infinita teóricamente. También, a efectos prácticos, una población muy grande puede considerarse como infinita. En todo nuestro estudio vamos a limitarnos a una población de partida infinita o a muestreo con reposición.

Consideremos todas las posibles muestras de tamaño n en una población. Para cada muestra podemos calcular un estadístico (media, desviación típica, proporción,.) que variará de una a otra. Debemos aclarar que un "estadístico" es cualquier combinación lineal de los datos muéstrales. Así obtenemos una distribución del estadístico que se llama distribución muestra.

Las dos medidas fundamentales de esta distribución son la media y la desviación típica (estándar), también denominada error estándar.

Hay que hacer notar que si el tamaño de la muestra es lo suficientemente grande las distribuciones muéstrales son (aproximadamente) normales (para fines prácticos) y en esto se basarán todos los resultados que alcancemos.

1. DISTRIBUCIÓN MUESTRAL DE MEDIAS

Cada muestra de tamaño n que podemos extraer de una población proporciona una media. Si consideramos cada una de estas medias como valores de una variable aleatoria podemos estudiar su distribución que llamaremos distribución muestra de medias.

Si tenemos una población normal N (m, s) y extraemos de ella muestras de tamaño n, la distribución muestra de medias sigue también una distribución normal

Si la población no sigue una distribución normal pero n>30, aplicando el llamado Teorema central del límite la distribución muestra de medias se aproxima también a la normal anterior.

2. DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

En numerosas ocasiones se plantea estimar una proporción o porcentaje. En estos casos la variable aleatoria toma solamente dos valores diferentes (éxito o fracaso), es decir sigue una distribución binomio y cuando la extensión de la población es grande la distribución binomio B(n,p) se aproxima a la normal .

Para muestras de tamaño n>30, la distribución muestra de proporciones sigue una distribución normal

N(p, vpq/n)

Donde p es la proporción de uno de los valores que presenta la variable estadística en la población y q=1-p.

Autor:

Omar Alejandro Patino Arellano

Profesor: José Guadalupe