Biometría I

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 10

TEMA 1: LÍNEA BASE

DEFINICIÓN
Una línea base es una herramienta importante en la gestión de proyectos. Se usa para
medir y comparar el progreso de un proyecto. La línea base cuenta con tres componentes
principales: Cronograma, costo y alcance del proyecto. A estos componentes cada uno por
separado se les denomina líneas base, por ejemplo tenemos: línea base del cronograma,
línea base del costo, y así.

Si las líneas de base están integradas, es posible conocer qué tanto afecta un retraso en el
cronograma sobre los costos del proyecto; además de otras utilidades.

ELEMENTOS

 Alcance: La línea base del alcance comprende los entregables y los resultados que
se esperan obtener luego de finalizar el proyecto. También incluye la identificación
de hitos y tareas específicas en una de las etapas. Con todo ello podemos calcular
si los objetivos planteados se están cumpliendo o no.
 Cronograma: Una línea base del cronograma consiste simplemente en determinar
el tiempo de duración del proyecto, desde su puesta en marcha hasta la
consolidación de los objetivos.
 Costos: Es igual de fundamental que los elementos anteriores y, no es otra cosa
más que valorar cuanto costará la implementación del proyecto y definir el
presupuesto que el equipo encargado puede gastar.

1
TEMA 2: MEDIDAS DE TENDENCIA CENTRAL

DEFINICIÓN

También conocidas como medidas de centralización, las medidas de tendencia central son
parámetros estadísticos que indican cuál es el centro de una serie de datos o muestras.
Las más empleadas son: media, mediana y moda.

MEDIA

Promedio o media, es el valor que obtenemos al dividir la sumatoria de todos los datos de
un conjunto entre la cantidad de datos analizados; esto que se expresa mediante la
siguiente fórmula:

x 1+ x 2 + x 3 ⋯ x n
x=
n

La fórmula anterior es aplicable solo para datos no agrupados, si fuera el caso que
tratemos con datos distintos habremos de recurrir a la fórmula a continuación:

x=
∑ ( xi. fi )
fi

Donde Fi = frecuencia absoluta (veces que un dato se repite) y, Xi = variable aleatoria


estadística.

MEDIANA

La mediana es el valor que se ubica exactamente a la mitad, cuando los datos son
dispuestos en orden ascendente. Para calcular la mediana de un conjunto de datos de
tamaño par o impar, hacemos uso de la siguiente fórmula:

~
x=
∑ xi . fi
n

Donde “n”, es el tamaño del conjunto de datos.

MODA

2
La moda es la variable que más se repite en un conjunto de datos o muestra poblacional.
Una muestra puede presentar más de una moda. No hay manera específica para calcular
la moda, solamente hay que verificar cuál es el valor que más se repite.

Ejemplo: En una cierta comunidad nativa se realizó una encuesta a veinte personas
aleatoriamente, referida a las edades de estas y, se obtuvo los siguientes resultados.

 15; 17; 19; 17; 18; 20; 20; 15; 17; 18; 18; 14; 16; 17; 17; 19; 16; 15; 17; 19

¿Cuál será la moda en esta serie de edades?

Si analizamos detenidamente, notamos que el valor que más se repite es el 17, siendo así
este nuestra moda.

TEMA 3: MEDIDAS DE DISPERSIÓN

DEFINICIÓN
Las medidas de dispersión consisten en valores numéricos obtenidos a través de fórmulas,
que ofrecen información sobre el grado de variabilidad de la variable en estudio.

Las medidas de dispersión más conocidas son: rango, varianza, desviación estándar y
coeficiente de variación.

RANGO

Es la diferencia entre el valor máximo y el valor mínimo de un población o muestra


poblacional y, como su nombre lo indica, representa el rango de unidades numéricas que
abarca aquel conjunto de datos.

Rango = M á x x - Mí nx
i i

Por ejemplo: Determine el rango de los siguientes valores: 2; 5; 7; 8; 9; 16; 16; 18; 19; 23.

Rango = 23 – 2 = 21

VARIANZA

3
La varianza es una medida de dispersión que se halla con el fin de obtener información
sobre el grado de variabilidad de una serie de valores con respecto a su media. Se calcula
como la suma de los cuadrados de las diferencias entre los datos y su media, divididos
entre el tamaño de la población o, la muestra restada en una unidad.

MUESTRAL S=2∑ (x¿¿ i−x )2


¿
n−1

2 ∑ (x i−x)2
POBLACIONAL σ =
N

∑(x i− x)2
PARA DATOS AGRUPADOS S2=
∑f
Donde n : tamaño de la muestra; N : tamaño de la población; y f : frecuencia de los datos

DESVIACIÓN ESTÁNDAR

La desviación estándar o desviación típica es una medida que ofrece información sobre la
dispersión media de una variable. Su cálculo es simple, basta con hallar la raíz cuadrada
de la varianza. Su valor siempre es mayor o igual a cero y se denota por la letra S.

S=
√ ∑( x i−x )2
∑f
COEFICIENTE DE VARIACIÓN

Coeficiente de variación o coeficiente de variación de Pearson. Es el cociente entre la


desviación típica y la media. Se entiende como una medida de dispersión relativa (no tiene
unidades) y se utiliza principalmente para comparar la dispersión de muestras de distintas
σ S
poblaciones. cv = =
| x| |x|

TEMA 4: DISTRIBUCIÓN NORMAL

DEFINICIÓN

4
La distribución normal es un modelo estadístico que aproxima el valor de una variable
aleatoria continua a una situación normal o ideal, dependiendo de su media y desviación
estándar.

Figura 1. Gráfica de distribución normal o curva de Gauss – Laplace.

CARACTERÍSTICAS

 Toma en cuenta la media y la desviación estándar.


 El área bajo la curva es igual a la unidad.
 Presenta simetría respecto del centro a los lados izquierda y derecha (es igual a
ambos lados de la media).
 Para que se cumpla que una distribución es normal; la media, moda y mediana
deben de ubicarse en un mismo punto (ser iguales).

DISTRIBUCIÓN NORMAL ESTÁNDAR

5
Antes de resolver cualquier ejercicio sobre distribución normal tenemos que tener claro que
primero debemos de estandarizar las variables o lo que se conoce como distribución
normal estándar o simplemente distribución Z. A continuación, la fórmula para que una
variable aleatoria continua con distribución normal se establezca bajo un modelo de
distribución estándar.

x i−x
z=
σ

Donde x i: variable aleatoria continua con distribución normal; x : media y σ : desviación


estándar.

TEMA 5: DISTRIBUCIÓN BINOMIAL

DEFINICIÓN

Es una distribución de probabilidad que utiliza variables discretas; como su nombre indica,
trabaja únicamente con dos resultados, éxito y fracaso o “p” y “q” respectivamente. Lo que
hace es describir la probabilidad de obtener tantos éxitos en “n” intentos o ensayos de un
experimento dado.

CARACTERÍSTICAS

 El experimento consta de una secuencia de “n” ensayos idénticos.


 En cada ensayo solo puede acontecer dos resultados (éxito o fracaso).
 La probabilidad de éxito es la misma para cada ensayo.
 Los ensayos son independientes, por ende, el resultado de uno no afecto el
resultado del otro.

FÓRMULA

6
Donde P: probabilidad; n: número de ensayos; x: éxitos a obtener; p: probabilidad de éxito
del ensayo; 1 – p: probabilidad de fracaso;

Se lee: la probabilidad de obtener x éxitos en ” ensayos es igual a la combinatoria de ” en


x, multiplicado por la probabilidad de éxito elevado al número de éxitos, y la probabilidad
de fracaso elevado a la diferencia entre ensayos y éxitos.

DISTRIBUCIÓN BINOMIAL NEGATIVA

Deriva de la distribución binomial y se diferencia de esta última solo porque incluye a la


distribución de pascal. Admite variables discretas solamente.

Es un modelo adecuado para tratar aquellos casos en los que se repite un determinado
ensayo o prueba hasta conseguir un número determinado de resultados favorables (por
primera vez).

FÓRMULA

Donde: x : Número de ensayos


k : Número de éxitos
θ : Probabilidad de éxito

TEMA 6: DISTRIBUCIÓN CHI – CUADRADO ( X 2 )

7
DEFINICIÓN

Técnicamente es la distribución normal estándar pero ahora con sus variables elevadas al
cuadrado, y con “n” grados de libertad (GL).

2 2 ( x i−x )
X =z =
σ2

CARÁCTERÍSTICAS

 Solo asumen valore positivos.


 Hay una distribución chi – cuadrado para cada valor de los grados de libertad.
 La grafica de la función de densidad de esta variable presenta asimetría derecha.

Figura 2. Gráfica de la función de distribución Chi – Cuadrado

 Es muy asimétrica cuando los grados de libertad son pocos (muestra pequeña) y se
aproxima a la normal cuando los GL son muchos.
 Cuenta con tres usos principales:

8
1. Bondad de ajuste: o prueba de ajuste para determinar si los datos se ajustan a un
modelo determinado.

2. Independencia: prueba para corroborar la independencia entre las variables.

3. Homogeneidad de parámetros: Para determinar si dos o más parámetros son


iguales.

9
10

También podría gustarte