Módulo 1
TR ATAMIEN TO DE DATOS
Introducción
1. OR DEN AMIEN TO Y R ECOPILACIÓN DE DATOS
1.1 Introducción a la estadística
1.2 Tabla de frecuencias
1.3 Representaciones grá cas
1.4 Tabla de frecuencias y grá cos para variables continúas
CIER R E DEL MÓDULO
Descarga del contenido
Tema 1 6
Introducción
Verify to continue
We detected a high number of errors from your connection. To continue, please confirm that
you’re a human (and not a spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
En este módulo se tratarán las bases de los profesionales, sus capacidades y funciones y las técnicas que deberán aplicar los mismos para recopilar la información,
muestrearla, ordenarla y analizarla.
MAPA COMPLETO
Objetivos del modulo
Comprender las distintas clases de temas y aplicaciones prácticas que se pueden lograr con técnicas estadísticas.
1.1 Introducción a la estadística. Presentación
de la información estadística.
UNIDAD 1
1.2 Tabla de frecuencias.
Ordenamiento y recopilación de datos.
1.3 Representaciones gráficas.
1.4 Tabla de frecuencias y gráficos para
variables continúas.
Organización de datos
Este video explica la relación entre variables, la agrupación de los datos en las distintas clases.
Verify to continue
We detected a high number of errors from your connection. To
continue, please confirm that you’re a human (and not a
spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
Ulax equis (2016) Aspectos básicos de la organización de datos. Recuperado el 8 de mayo de 2020 de YouTube.
Representación de datos
Este video explica la representación de datos agrupados y sin agrupar.
Verify to continue
We detected a high number of errors from your connection. To continue,
please confirm that you’re a human (and not a spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
Diplomas UCC (2014) Representación gráfica de datos estadísticos. Recuperado el 8 de mayo de 2020 de YouTube.
C O NT I NU A R
Tema 2 6
1.1 Introducción a la estadística
¿Qué es la Estadística?
Definición:
Estudio que reúne, clasifica y recuenta todos los hechos que tienen una determinada característica en común, para poder llegar a conclusiones a partir de los datos
numéricos extraídos.
La definición de diccionario no llega a cumplir con la importancia que tiene esta disciplina para nuestros trabajos académicos y laborales.
Las distintas ramas de la Estadística, por estudios y aplicaciones nos ayudan a recolectar datos, interpretarlos, desmenuzarlos, sacar del caos numérico un orden
y prioridad y una vez organizados poder estudiar ese universo de números, para sacar conclusiones, inferencias y objetos de conclusiones para inferir datos más
abstractos y generales.
En la actualidad vemos como esta disciplina es utilizada en las diferentes ciencias: la economía, la medicina, la sociología, la biología, la psicología, entre muchas
otras; así como también en la industria, que recurre a encuestas para determinar, por ejemplo, el impacto social sobre el lanzamiento de un nuevo producto.
La estadística no es sólo una lista de resultados o un cálculo de porcentajes, sino que trata de obtener conclusiones a partir de las observaciones hechas y
recopiladas.
Por otra parte, la estadística inferencial es el estudio que utiliza técnicas a partir de las cuales se toman decisiones, o se obtienen generalizaciones sobre una
población, en base a conclusiones sobre el total de las observaciones realizadas, obtenidas de las técnicas descriptivas. Por lo que su objetivo es, inferir, sacar
conclusiones y poder generalizar acerca de la población, en base a una parte de la misma.
Esta recopilación y análisis de datos en diferentes etapas se realiza con el fin de poder analizar las observaciones o estudios con datos que se hacen a diario en
los distintos trabajos y que sea mucho más sencillo y comprobable la conclusión y análisis de esos datos que luego pueden ser replicados y sus conclusiones
utilizadas en otros términos o como ejemplos que puedan ser extrapolados a distintas situaciones.
En base a estas utilidades trataremos en el presente curso, de aplicar todos los recursos académicos y prácticos para que se llegue a los objetivos necesarios y
estas utilidades puedan ser aplicadas en la práctica de las distintas situaciones a las que los alumnos/profesionales se enfrenten en las distintas situaciones de
la vida y puedan tener herramientas para poder solucionarlas.
Dicho esto, enfrenemos este camino con ánimos de dar luz a los problemas y enfrentarlos cara a cara aprendiendo de los errores y subsanándolos para lograr un
aprendizaje.
Introducción al análisis de datos en los negocios
Este video servirá para las relaciones de los análisis de datos, en poblaciones y muestras aplicadas en economía.
Verify to continue
We detected a high number of errors from your connection. To continue,
please confirm that you’re a human (and not a spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
Lic. Gabriel Leandro, MBA (2017) Introducción al análisis de datos en los negocios. Recuperado el 8 de mayo de 2020 de YouTube.
Datos estadísticos: agrupación y representación gráfica
Los datos que se obtienen a partir de observar la realidad que nos circunda pueden ser de dos tipos:
Los que se representan directamente por números como ser: el peso de una persona, el diámetro de un tornillo, el monto de las ventas diarias
1
de un negocio, a los que se denomina datos cuantitativos o variables.
2 Aquellos que no pueden ser representados por números como ser: el color del cabello, la raza, el sexo, el tipo de actividad de una empresa,
etc., llamados características cualitativas o atributos.
Entre las variables es preciso distinguir aquellas que pueden tomar cualquier valor dentro de un intervalo como ser: la temperatura, el monto de las ventas, el
diámetro de un pistón, etc., de las que solo pueden tomar algunos valores dentro de un intervalo (en particular números no negativos) como ser: la cantidad de
tornillos producidos en ocho horas de trabajo de una máquina, la cantidad de clientes atendidos por día, la cantidad de goles logrados por un equipo de fútbol.
A las variables que ejemplificamos en primer término se las llama continuas y a las segundas discontinuas o discretas.
Ver guía de estadística páginas 4 a 16
Material de lectura
Guia_Estadí[Link]
10 MB
Guia_EA_Analisis de [Link]
24.7 MB
Universidad Kennedy (2003). Estadística aplicada. Buenos Aires, Argentina: Ed. Leuka
C O NT I NU A R
Tema 3 6
1.2 Tabla de frecuencias
Tabla de frecuencias y gráficos para variables discretas
1 Con xi se simboliza a los valores distintos de la variable observada y suponemos que son m entre los n observados.
En general m y n con la igualdad verificándose en aquellos casos en que no tengan valores repetidos, situación en que la construcción de la
tabla de frecuencias no ofrece ninguna ventaja.
2 fi representa el número de veces que se ha observado cada valor de la variable, por ello se lo llama frecuencia absoluta o simple.
3 con fi se representa a la frecuencia relativa, simple y acumulada, respectivamente.
C O NT I NU A R
Tema 4 6
1.3 Representaciones gráficas
Diagramas de frecuencias (absolutas y relativas simples)
Tipos de gráficas
Nota. Recuperado de [Link]
La representación gráfica tiene la ventaja, sobre la numérica, de que permite ver una imagen global de la distribución
de los N datos de la muestra.
C O NT I NU A R
Tema 5 6
1.4 Tabla de frecuencias y gráficos para variables continúas
Requiere que se los agrupe en subconjuntos homogéneos dado que hay muy pocas observaciones iguales entre sí (si alguna) a menos que la cantidad total de
ellas sea muy grande.
Los subconjuntos, llamados intervalos o clases, constituyen una partición exhaustiva de la diferencia entre el mayor y el menor valor de la muestra de modo que al
clasificar las observaciones siempre hay un intervalo en el que pueden ser ubicadas.
La tabulación y representación gráfica de los datos observados, es sin dudas el primer paso a seguir en el análisis e interpretación de un fenómeno.
No obstante, es insuficientemente para llegar a conclusiones generales y más aún si se quiere dar un tratamiento matemático a la información básica disponible.
Ver guía de estadística páginas 4 a 16.
Probabilidades
Se ocupa del estudio de fenómenos aleatorios. Es un fenómeno empírico que se
caracteriza por una propiedad fundamental y propia: su observación repetida, en
condiciones constantes, no produce siempre el mismo resultado porque no existe
regularidad determinista sino regularidad estadística o aleatoria.
Ligados a los experimentos aleatorios, están el suceso aleatorio o probabilidad.
Un suceso aleatorio es un resultado de un experimento aleatorio y la probabilidad del suceso es una medida, es el límite hacia el cual converge la frecuencia
relativa cuando el número de observaciones o repeticiones del fenómeno o experimento aleatorio es suficientemente grande.
El cálculo de probabilidades estudia los fenómenos aleatorios, los que a su vez son originalmente fenómenos físicos, químicos, biológicos, etc.
Teoría clásica de probabilidad
Dado un experimento aleatorio y un resultado de interés a, se llama probabilidad de que ocurra a al cociente entre el número de veces que a se presenta (resultado
favorable) y el número de resultados posibles, con la condición de que estos sean todos igualmente posibles.
Teoría del límite de la frecuencia relativa
Se postula la existencia de un numero p, asociado a cada resultado posible, para que desempeñe el mismo rol de idealización matemática que la recta ideal de la
geometría tiene respecto a la recta real que se dibuja en un papel.
Este número p es por definición la probabilidad de que ocurra el resultado a en un experimento aleatorio previamente definido y resulta de calcular el límite de la
frecuencia relativa de a cuando n tiende al infinito.
Este límite no tiene el sentido matemático del límite de un cociente cuyo denominador
tiende a infinito.
Aquí a medida que n aumenta también aumenta fa o sea el número de veces que ocurre el resultado a en las n pruebas.
En cierto sentido es una expresión simbólica que pone de manifiesto la propiedad de regularidad y estabilidad estadística de las frecuencias relativas de a
alrededor del número p. Por cierto, que p es un número real no negativo y menor o igual que uno.
Teoría axiomática de probabilidad
Se llama punto muestral, a cada uno de los resultados posibles de un experimento
aleatorio y a la totalidad de los puntos muestrales espacio muestral, es un conjunto de
puntos tal que cada punto representa uno y solo uno de los resultados posibles de un
experimento aleatorio.
Un espacio muestral se llama discreto, si contiene un numero finito o infinito numerales de puntos muéstrales.
Espacio muestral continuo, si contiene una infinidad no-numerable de puntos muestrales. Se llama suceso a en el espacio muestral s a cualquier subconjunto de
puntos de s.
La probabilidad de que el suceso a ocurra es la probabilidad de que ocurra algún punto que pertenece al subconjunto a.
Un suceso imposible de ocurrir debe tener la probabilidad de ocurrir igual a cero y por lo tanto la probabilidad del conjunto vacío, que incluye a los sucesos
lógicamente imposibles, es igual a cero. (La probabilidad de que llueva de abajo para arriba).
Sucesos mutuamente excluyentes
Dos sucesos a y b del espacio muestral s se llaman mutuamente excluyentes cuando los subconjuntos a y b que los representan, no tienen elementos comunes.
El concepto de exclusión entre dos sucesos se verifica cuando la aparición u ocurrencia de uno de ellos impide la aparición u ocurrencia del otro, en una misma
observación del fenómeno o en la misma repetición del experimento aleatorio.
Definición axiomática de probabilidad
Dado el espacio muestral s y un suceso a en el experimento aleatorio e la probabilidad de a, por definición, una función de conjunto p (.) que asigna a cada suceso a
un número real no -negativo. p (a), llamada la probabilidad de que ocurra a.
La función p (.) debe satisfacer los axiomas siguientes:
Teorema de la suma de probabilidades
Sea s un espacio muestral con función de probabilidad p (.) . si a y b son dos sucesos pertenecientes a s la probabilidad de que ocurra a o b o ambos en la misma
repetición está dada por:
Teorema del producto de probabilidades
Sea s un espacio muestral con función de probabilidad p (.) y a y b dos sucesos pertenecientes a s. La probabilidad de que ocurra a y b simultáneamente es igual
a:
Sucesos independientes
Cuando la ocurrencia de uno de ellos no modifica la probabilidad de ocurrencia del otro, al considerarse por lo menos dos repeticiones sucesivas del experimento
aleatorio.
Esto se llama probabilidad del suceso marginal
Variable aleatoria
Es una función real definida en s tal que le hace corresponder valores numéricos reales a cada punto muestral.
Si s es un punto del espacio muestral s y x es una variable aleatoria, entonces x (s) es el valor de la variable aleatoria x en s. Es función aleatoria en lugar de variable
aleatoria por cuanto x(.) hace corresponder a cada punto del espacio muestral un valor del conjunto de los números reales, siendo aquellos el argumento y estos el
valor de la función. la variable aleatoria está definida en un espacio muestral, es necesario hacer la distinción entre variables aleatorias continuas y en consecuencia
entre funciones discretas o de cuantía o de densidad de probabilidad.
Variable aleatoria discreta
Cuando solamente puede tomar un numero finito o infinito numerales de valores de un cierto intervalo. La función de probabilidad correspondiente se llama función de
x
cuantía y se simboliza con p ( i)
Variable aleatoria continúa
Cuando puede tomar cualquier valor de un cierto intervalo. La función de probabilidad correspondiente se llama función de densidad de probabilidad y se simboliza
x
con f ( ).
Esperanza matemática
Sea x una variable aleatoria con función de probabilidad p (x) o f (x). La esperanza matemática de x, simbolizada E (x), es:
La esperanza matemática de una variable aleatoria no es ni el valor más frecuente ni el valor numérico que “esperamos que ocurra “ en el sentido común de esta
palabra, sino un promedio o media aritmética que se calcula ponderando a los valores de la variable aleatoria con las probabilidades o partículas de masa que les
corresponden. Con x discreta o continua, se dice que la esperanza matemática existe si y solo si el resultado del desarrollo de la sumatoria o de la integral resultan
valores reales, es decir cuando la suma o la integral son absolutamente convergentes. En caso contrario se dice que la esperanza matemática no está definida.
Algunas de las propiedades de la esperanza matemática son:
Momentos de una distribución
Análisis de Datos Estadístico en Excel
Forma parte de la guía de aprendizaje de Análisis de Datos Estadístico.
Verify to continue
We detected a high number of errors from your connection. To continue,
please confirm that you’re a human (and not a spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
Pavez, Fernando (2013). Análisis de Datos Estadístico en Excel. Recuperado el 8 de mayo de 2020 de YouTube.
Bibliografía de referencia
Berenson, M., y Levine, D. M., (1991). Estadística para administración y economía. Mc Graw Hill.
Cramer, H., (1997). Métodos matemáticos de Estadística. Editorial Aguilar.
Spiegel, M. (1998). Estadística Editorial Mc Graw Hill. Serie Schaum.
Bibliografía obligatoria
De La Fuente, B (2006). Estadística Relación Entre Variables. UOC.
Saez Castillo, A. J. (2012). Apuntes de estadísticas para Ingenieros. Universidad de Jaen.
Vila, J. (2006). Estadística Descriptiva. UOC.
C O NT I NU A R
Tema 6 6
Descarga del contenido
¿Quieres imprimir el contenido del módulo?
Para descargar el contenido del módulo, e imprimirlo, haz clic en el archivo que se encuentra a continuación.
