Descriptiva II 2017 UNQ

Probabilidad y Estadística
ESTADISTICA DESCRIPTIVA
En un problema de Probabilidad, se supone que se conocen las propiedades de
la población en estudio, y se formulan y responden preguntas respecto de una
muestra.
En un problema estadístico, el experimentador dispone de características de la

muestra y desea sacar conclusiones con respecto a la población.
La relación entre las dos disciplinas puede resumirse como:
Generalmente en la vida profesional tenemos algún problema relacionado con

datos. En definitiva una pregunta que queremos contestar.
En base a esa respuesta que necesitamos, deberemos elegir métodos para

analizar esos datos.
En mi fábrica textil, ¿Influirá el porcentaje de algodón en mis telas sobre la

resistencia de la tela?
Un médico hizo un estudio donde le preguntó a sus pacientes su altura y su

peso. Después los pesó y los midió. Quiere saber si en realidad sus pacientes
reportan un peso inferior al que tienen…
En una embotelladora de agua mineral, tienen 2 máquinas. El departamento

de control de calidad sospecha que las maquinas difieren en el volumen de
llenado…
Una fábrica de zapatos está investigando cajas que sean más resistentes a la
compresión. Para eso analiza 4 tipos de cajas diferentes. ¿Las cajas difieren en
su resistencia a la compresión?
 Recolección de datos
 Organizar y resumir datos – sacar conclusiones
 Censo vs. Muestra: tiempo y $$
Etapas en toda investigación
 Diseño: Planeamiento y desarrollo

 Descripción: Resumen y exploración de los datos
 Inferencia: Predicción y toma de decisiones
Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 1

Tipos de variables
Variables cualitativas
Registran la presencia de un atributo, una categoría, éstas deben ser
mutuamente excluyentes y exhaustivas (pueden cuantificarse, de alguna
manera). Por ejemplo:
Algunos ejemplos de variables cualitativas
Cualitativas nominales: No hay un orden natural. Entonces asignamos un

“nombre”.
Por ejemplo:
Fuma – No fuma
Grupo sanguíneo: A, B, AB, 0
Cualitativas ordinales: Existe un orden natural.

Por ejemplo:
Tipo de herida: Leve=0, Moderada=1, Severa=2, Fatal=3
Variables cuantitativas
En las variables cuantitativas el resultado es un número generalmente con

dimensión. Pueden ser:
Cuantitativa discreta: los números que asume son naturales o están en un

conjunto finito; frecuentemente surgen por conteo. Ejemplo: cantidad de hijos;
cantidad de terremotos en América del Sur.
Cuantitativa continua: es una medición que se expresa en unidades y que

puede tomar, al menos teóricamente, un número infinito de valores dentro de
un rango. En la práctica estos valores posibles dependen de la precisión del
instrumento de medición o por la manera de medirla.
Ejemplo: altura, peso, tiempo empleado en cierto experimento.

Cuantitativa discreta:
Cantidad de hijos
Cuantitativa continua:
Altura de los alumnos
Ejemplo: Si la variable aleatoria X tiene distribución Normal (3, 0.1)
Y seleccionamos una muestra de tamaño 50. Luego calculamos su media y

graficamos la distribución de la media para n=50.
Observación: ¿Qué significa n suficientemente grande? ¿Cómo sabemos si la

aproximación es buena?
El tamaño de muestra requerido para que la aproximación sea razonablemente

buena, depende de la forma de la distribución de las Xi .

Mientras más simétrica y acampanada sea la distribución original de

los datos, más rápidamente se obtiene una buena aproximación de la
media y del total a la normal.
Ejemplo sobre TCL: Supongamos que la variable aleatoria X tiene

distribución Exponencial (0.1)

graficamos la distribución aproximada de la media para n=50.
Ejemplo sobre TCL: Supongamos que la variable aleatoria X tiene

distribución Uniforme (1,3)
graficamos la distribución aproximada de la media para n=50.

DISTRIBUCIONES DE BINOMIALES PARA DISTINTOS TAMAÑOS DE

MUESTRAS (Corolario del Teorema Central del Limite)

Uso de programas estadísticos
Se dispone de cantidad de programas estadísticos. Es aconsejable optar por

algunos de ellos teniendo en cuenta:
 Que sea metodológicamente confiable. Esto es que no tenga errores.

 Estudiarlo a fin de poder aprovechar todo su potencial.
 Que su manejo sea amigable.
 Casi todos leen datos de archivos excel.
Algunos programas confiables disponibles: Statistixs, S-Plus, Infostat,

SAS, Stata. Utilizaremos el programa R.
Como cargar R:
http://www.r-project.org/
http://cran.r-project.org/
Figura en Argentina la Universidad Nacional de La Plata:
http://mirror.fcaglp.unlp.edu.ar/CRAN/
Instalar paquetes en R: Desde la ventana de comandos:
>library(Devore7)
Instalar paquete: R comander

>library(Rcmdr)
Al recibir un conjunto de datos para su análisis, debemos revisarlo:

 Si existen datos faltantes.
 Errores de tipeo o en el ingreso de los datos.
 Preparar el archivo para que el software lo pueda leer.
GRAFICOS
Gráfico de tallo hoja (Stem leaf)
Gráfico de puntos (Dot plots)
Diagrama de barras (Bar charts)
Histograma (Histogram)
Diagrama de frecuencias acumuladas
Polígono de frecuencias
Boxplot
QQplot
Gráfico Tallo - Hoja

Proporciona una primera aproximación rápida de la distribución de los datos
Se procede de la siguiente manera:

 Se separa cada observación en dos partes: tallo y hoja.
 Se lista en forma vertical y creciente los tallos y se agregan las hojas a
la derecha del tallo correspondiente.

Datos:
15, 16, 21,23, 23, 26, 26, 30, 32, 41
¿Qué información es deseable obtener?
Rango de las observaciones, valores máximos y mínimos.

Si hay simetría, asimetría a derecha o izquierda.
Si se visualizan picos.
Posición del centro de la distribución y concentración de los datos
Desviaciones muy marcadas respecto del comportamiento general.
Casos atípicos.
Si hay grupos separados.
Tragedia del transbordador espacial Challenger 1986

Devore Ejemplo 1.1
Las razones de la falla de la misión se enfocó en el comportamiento de los
sellos anulares del motor del cohete. Se estudió la temperatura del sello anular
del motor del cohete en cada encendido de prueba o lanzamiento del cohete.
Los datos son los siguientes:
84 49 61 40 83 67 45 66 70 69 80 58 68 60 67 72 73 70 57 63 70 78 52 67
53 67 75 61 70 81 76 79 75 76 58 31
Gráfico Tallo – Hoja en R

Graficas – Graficas de Tallos y Hojas –
Menu con el nombre de la variable del conjunto de datos activo: temp
> stem(xmp01.01$temp)
The decimal point is 1 digit(s) to the right of the |
3 | 1
4 | 059
5 | 23788
6 | 01136777789
7 | 000023556689
8 | 0134
Se observa una asimetría en los datos hacia la izquierda!!

Capitulo 1 ejemplo 5, Devore 6 (Nombre del archivo en R: xmp01.05)
En un artículo de «Health and Behavioral consequences of Binge Drinking in

college» se describe un estudio detallado del alto consumo de alcohol en las
140 Universidades de los Estados Unidos. Se definió la variable aleatoria X:
porcentaje de alumnos con alto consumo de alcohol en cada Universidad. Se
considera alto consumo de alcohol para los varones, 5 o mas copas seguidas y
para las mujeres 4 o más copas seguidas.
> stem(xmp01.05$bingePct)
The decimal point is 1 digit(s) to the right of the |
0 | 4
0 |
1 | 134
1 | 5678889
2 | 12234
2 | 56666777889999
3 | 0112233344
3 | 555666677777888899999
4 | 11122222334444
4 | 5566666677788888999
5 | 001112222334
5 | 55666667777888899
6 | 011112444
6 | 55666778
Gráfico de puntos
Es un atractivo resumen de datos numéricos cuando el conjunto es
relativamente pequeño.
Así como el tallo hoja, el grafico de puntos nos da información sobre
localización, dispersión, extremos y cortes.
Para el ej 1.1 de Devore6: Tragedia del transbordador espacial Challenger

1986

Para el ej 1.5 de Devore6: Alto consumo de alcohol en 140
Universidades de EEUU
> dotplot(xmp01.05$bingePct)

Diagrama de Barras: Datos cualitativos
Histogramas: Datos cuantitativos
Diagrama de Barras
Se utiliza para representar datos cualitativos o cuantitativos discretos

En el eje de abscisas (x) los valores de la variable
En el eje de ordenadas (y) la frecuencia absoluta o relativa
Frecuencia (f): Es la cantidad de veces que se repite un valor de la variable.

Frecuencia relativa: Es el cociente entre f y el número de observaciones n.
Ejemplo de Diagrama de Barras - Datos cualitativos
El ejercicio 29 del capítulo 1 de Devore7:

Considere los siguientes tipos de problemas de salud que aqueja a los que
trabajan plantando árboles.
J: hinchazón de articulaciones
F: Fatiga
B: dolor de espalda
M: debilidad muscular
C: tos
N: irritación de nariz
O: otro
Grafique el histograma:
Rcmdr:
Datos – Conjuntos de datos en paquetes – Leer conjunto de datos en paquete
adjunto: Devore7 – ex01.29
Graficas: Está inactivo Histograma, está activo Diagrama de Barras.

Diagrama de Frecuencias acumuladas

Ordenamos de manera creciente los datos y sea fk la frecuencia absoluta del
dato xk. Llamaremos F(xk) a la frecuencia acumulada, que es el número de
observaciones que no exceden xk.
Si representamos en el eje de abscisas los reales y en el eje de ordenadas las

Frecuencias acumuladas relativas, tendremos una función escalonada cuyo
conjunto imagen es el intervalo [0;1].
Ejemplo
Tras encuestar a 25 familias acerca del número de hijos que tenían, se
obtuvieron los siguientes resultados: datos discretos.
La Tabla de distribución de frecuencias queda:

Histograma para datos agrupados
Eje x de abscisas: Intervalos

Con intervalos de igual longitud,
Histograma: se grafican los rectángulos con altura igual a la frecuencia o
frecuencia relativa del intervalo correspondiente.
¿Qué forma puede tener un histograma?

Un aspecto a tener en cuenta en la distribución de los datos es la simetría. Un
conjunto de datos que no se distribuye simétricamente, se llama asimétrico.
La asimetría puede verse en el esquema de Tallo y Hoja o en el Histograma.
En los siguientes gráficos se muestran algunas de las formas posibles

que puede tener un histograma:
Histograma del Ejemplo1 sobre la falla de la misión Challenger

(temperatura de sello anular del motor,v.a. continua ) en R
> hist(tmp)
En el eje y tenemos la frecuencia. Supongamos que queremos tener en el eje

y la frecuencia relativa, o sea la probabilidad

Histograma del Ejemplo5 sobre alto consumo de alcohol en 140
Universidades de Estados Unidos, en R
Histograma del Ejemplo10 cap 1 sobre información sobre hábitos de

consumo de energía de clientes, en R
Medidas de resumen
Se resumirá la información de los datos provenientes de variables numéricas

mediante medidas de fácil interpretación que reflejen sus características más
relevantes.
Medidas de posición o de tendencia central
¿Cuál es el valor central o que mejor representa a todos los datos?
Si la distribución es simétrica, diferentes medidas darán resultados similares.

Si la distribución es asimétrica, no existirá un CENTRO evidente.
Media o Promedio Muestral

Dados un conjunto de n datos x1, x2, … , xn se llama Media Muestral a la suma
de todos los datos dividido el total de observaciones.

Estatura Media para una población homogénea o heterogénea
Una interpretación física: representemos los puntos en una escala

horizontal, y demos a cada punto un peso de 1kg. El punto en el cual la
balanza estará equilibrada es el punto donde se encuentra la media.

Media Muestral
Media Muestral en el ejemplo 01.01 del Challenger, con R
Entonces, le voy a pedir al R en el Comander que elabore todas las medidas de

resumen que pueda:
Estadísticos – Resúmenes – Resúmenes numéricos
Mediana Muestral (Robusta)
Teniendo las observaciones ordenadas de manera creciente, es aquel valor que

divide a la muestra en dos partes de igual tamaño.
Para hallarla debemos considerar dos posibilidades:

Comparación entre Media y Mediana Muestral
La Mediana es resistente a los casos atípicos pero utiliza poca información
Modo o Moda
 Es la observación de mayor frecuencia.
 Puede haber más de una.
 Puede no existir.
 Es de poca importancia.
 En la 1ª y 2ª muestra, Modo=2
Ubicación de Media, Mediana y Modo en base a la simetría de la

distribución
Media, Mediana y Rango en el ejemplo del Challenger con R
> summary(tmp)
Min. 1st Qu. Median Mean 3rd Qu. Max.
31.00 59.50 67.50 65.86 75.00 84.00
Medidas de variabilidad o de dispersión

¿Cuán dispersos están los datos?
¿Cuán próximos están del valor típico?
Ejemplo
Coinciden Media y Mediana en ambas muestras!
Como medir entonces las diferencias que se observan en las muestras???

Rango
Rango Muestral: Es la diferencia entre el mayor valor y el menor valor.
Esta medida es muy sensible a la presencia de datos extremos!!!
Varianza Muestral
En la 3ª y 4ª Muestra, Media y Mediana coinciden (5)
y el Rango también coincide (10)
Se calcula la Varianza Muestral como:
Promedio de los cuadrados de los desvíos respecto de la media

Desvío o dispersión Muestral
3ª Muestra: s2= 20.5 y s= 4.258

4ª Muestra: s2= 12.5 y s= 3.536
Tanto la varianza como el desvío son sensibles a datos atípicos.

Una medida de variabilidad más resistente que el desvió estándar es la

DISTANCIA INTERCUARTIL (Robusta)
Se comienza por definir los percentiles

Los percentiles son valores que dividen a la distribución en partes iguales.
Vimos ya el percentil 50% la MEDIANA
El percentil a % de la distribución de los datos es el valor por debajo del cual

se encuentran el a % de los datos en la muestra ordenada.
Para calcularlo:
1. Se ordena la muestra de menor a mayor
2. Se busca el dato que ocupa la posición
Como caso particular de los percentiles: Los cuartiles
Primer Cuartil q1: deja a izquierda el 25% de los datos.

Segundo Cuartil q2: coincide con la Mediana.
Deja a izquierda el 50% de los datos.
Tercer Cuartil q3: deja a izquierda el 75% de los datos.
Gráficamente esto es ….
Cuartiles en R para el ejemplo 01.01 del Challenger

Distancia Intercuartil (IQR)
Una medida sumamente interesante es la Distancia o Rango Intercuartil.
Entre ambos cuartiles tenemos el 50% de los datos centrales.
Para el ejemplo: q1=59.50 q3=75
Distancia Intercuartil = dl (IQR) = 75 – 59.50= 15.50
Box Plot o diagramas de Caja
Se presentan en escala vertical u horizontal. Se dibuja una caja cuyos

extremos son los cuartiles 1 y 3 y un segmento en el centro que representa la
mediana.
Box Plot o diagramas de Caja Largo de los Bigotes

Box Plot o diagramas de Caja
Largo de los Bigotes y Outliers o datos atípicos

Tallo hoja, Histograma y Box Plot para el ejemplo 01.01, accidente del
Challenger, con R
Tallo hoja, Histograma y Box Plot para el ejemplo 01.05, consumo de

alcohol en 140 Universidades, con R

Histograma y Box Plot, para los datos de los pesos reportados y reales
de pacientes.
Ejemplo: Un experimento en el cual se compararon varios tipos diferentes de

cajas con respecto a la resistencia a la compresión. ¿Sugieren los datos que la
resistencia a la compresión de las cajas varía según el tipo de caja?

Para el ejemplo 01.02, sobre resistencia del concreto a la flexion, con
R
Histograma y Box Plot para el ejemplo 01.02, resistencia a la flexión

del concreto, con R
¿La muestra proviene de una distribución en particular?
Muchos procedimientos de inferencia estadística están basados en la

suposición de que la distribución de la población es de un tipo específico.
Una forma efectiva de verificar una suposición distribucional es construir un

gráfico de probabilidad o Qqplot (Gráfico Cuantil – Cuantil).
Si interesa comparar con la distribución Normal se llama gráfico de

probabilidad normal o Plot Normal.

Qqplot o gráfico Cuantil – Cuantil (Plot Normal)

 Las distintas curvaturas que pueden presentar estos gráficos, sugieren

que tipo de distribución puede tener la población de origen.
 La mayoría de los software estadísticos realiza estos gráficos y además

proveen el valor del estadístico de Shapiro-Wilk, W, que mide la
asociación entre los cuantiles poblacionales y muestrales.
PARA EL EJEMPLO LO HEMOS HECHO CON 10 DATOS PERO NO ES

CONVENIENTE REALIZAR QQPLOT NI BOXPLOT CON MENOS DE 15
DATOS.

Tallo hoja, Histograma y Box Plot para el ejemplo 01.01, accidente del
Challenger, con R
QQPlot para el ejemplo 01.05, consumo de alcohol, con R

QQPlot para el ejemplo 01.02, resistencia a la flexión del concreto.

Descriptiva II 2017 UNQ

Cargado por

Copyright:

Formatos disponibles

Descriptiva II 2017 UNQ

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Descriptiva II 2017 UNQ

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística

En un problema estadístico, el experimentador dispone de características de la

Generalmente en la vida profesional tenemos algún problema relacionado con

En base a esa respuesta que necesitamos, deberemos elegir métodos para

En mi fábrica textil, ¿Influirá el porcentaje de algodón en mis telas sobre la

Un médico hizo un estudio donde le preguntó a sus pacientes su altura y su

En una embotelladora de agua mineral, tienen 2 máquinas. El departamento

Etapas en toda investigación

 Diseño: Planeamiento y desarrollo

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 1

Algunos ejemplos de variables cualitativas

Cualitativas nominales: No hay un orden natural. Entonces asignamos un

Cualitativas ordinales: Existe un orden natural.

En las variables cuantitativas el resultado es un número generalmente con

Cuantitativa discreta: los números que asume son naturales o están en un

Cuantitativa continua: es una medición que se expresa en unidades y que

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 2

Ejemplo: Si la variable aleatoria X tiene distribución Normal (3, 0.1)

Y seleccionamos una muestra de tamaño 50. Luego calculamos su media y

Observación: ¿Qué significa n suficientemente grande? ¿Cómo sabemos si la

El tamaño de muestra requerido para que la aproximación sea razonablemente

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 3

Mientras más simétrica y acampanada sea la distribución original de

Ejemplo sobre TCL: Supongamos que la variable aleatoria X tiene

Y seleccionamos una muestra de tamaño 50. Luego calculamos su media y

Ejemplo sobre TCL: Supongamos que la variable aleatoria X tiene

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 4

DISTRIBUCIONES DE BINOMIALES PARA DISTINTOS TAMAÑOS DE

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 5

Se dispone de cantidad de programas estadísticos. Es aconsejable optar por

 Que sea metodológicamente confiable. Esto es que no tenga errores.

Algunos programas confiables disponibles: Statistixs, S-Plus, Infostat,

Instalar paquete: R comander

Al recibir un conjunto de datos para su análisis, debemos revisarlo:

Gráfico Tallo - Hoja

Se procede de la siguiente manera:

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 6

¿Qué información es deseable obtener?

Rango de las observaciones, valores máximos y mínimos.

Tragedia del transbordador espacial Challenger 1986

Gráfico Tallo – Hoja en R

Se observa una asimetría en los datos hacia la izquierda!!

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 7

En un artículo de «Health and Behavioral consequences of Binge Drinking in

The decimal point is 1 digit(s) to the right of the |

Para el ej 1.1 de Devore6: Tragedia del transbordador espacial Challenger

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 8

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 9

Diagrama de Barras: Datos cualitativos

Histogramas: Datos cuantitativos

Se utiliza para representar datos cualitativos o cuantitativos discretos

Frecuencia (f): Es la cantidad de veces que se repite un valor de la variable.

Ejemplo de Diagrama de Barras - Datos cualitativos

El ejercicio 29 del capítulo 1 de Devore7:

Graficas: Está inactivo Histograma, está activo Diagrama de Barras.

Cuatrimestre II – 2017 – Dr. Vera – Lic. Buongiorno Página 10

Diagrama de Frecuencias acumuladas

Si representamos en el eje de abscisas los reales y en el eje de ordenadas las

La Tabla de distribución de frecuencias queda: