Propuesta metodológica

la teoría estadística se introduce a partir de la discusión de problemas ... estadísticos para reducir la incertidumbre y tomar mejores ... Estadística descriptiva. 2 ...
536KB Größe 5 Downloads 89 vistas
Propuesta metodológica ●



la teoría estadística se introduce a partir de la discusión de problemas del ámbito profesional que motiven al estudiante énfasis en la utilidad de los conceptos estadísticos para reducir la incertidumbre y tomar mejores decisiones profesionales

Propuesta metodológica ●



datos reales con los que se contestan preguntas a partir de modelos y conceptos estadísticos. aula de informática - "R commander"

El examen final se desarrollará en aula de informática con R commander.

Muestra

Población Pregunta Experimento espacio muestral (eventos posibles)

Variable

Datos = Resultados (realizaciones de eventos)

histograma

probabilidad Distribución de frecuencias relativas

polígono

Curva suavizada

Modelos matemáticos de distribución de probabilidades

Muestra

Población Pregunta Experimento espacio muestral (eventos posibles)

Variable

Datos = Resultados (realizaciones de eventos)

histograma

probabilidad Distribución de frecuencias relativas

polígono

Curva suavizada

Función de distribución de probabilidades

1 ¿Cómo recolectar datos? Diseño de experimentos (muestreo)

Población

Pregunta ●

Tamaño muestra (núm experimentos)

Variable aleatoria

● ● ●

Error de muestreo (precisión) Varianza Confianza Potencia

Sesgo vs. independencia (prob condicional)

Muestra

¿Cómo recolectar datos?

Muestreo aleatorio

Distribución uniforme

Reposición





Orden



Escogencia múltiple Combinación Permutación

Probabilidad de eventos

Espacio muestral

Modelo de distribución de probabilidades (independiente, orden no importa)

Muestreo Sin reposición ● Combinatoria ● Permutaciones



Con reposición Escogencia múltiple

Eventos dependientes

Eventos independientes

Modelo binomial Probabilidad constante

Eventos independientes (muestreo con reposición) Población grande (muestreo sin reposición)

P (x=2, n=2, p=3/5) = = 2C2* 3/52*2/50 = = 1 * 3/5 * 3/5 * 1 = 0,36

NO ALEATORIO

ALEATORIO

Experimentos

MANIPULATIVOS

MENSURATIVOS

C A U S A L I D A D

2 ¿Cómo resumir y presentar la información que contienen los datos? Estadística descriptiva

Espacio muestral

¿Cómo resumir y presentar datos?

experimentos

Frecuencia relativa de eventos

Realizaciones de eventos Datos

Tabla de frecuencias

Tabla de contingencia

Histograma Diagrama de caja y bigote

Probabilidad de eventos Polígono Curva suavizada

Modelo de distribución de probabilidades de datos

Estadísticos f(Y)

Parámetros ● ● ● ●

Tendencia Central Dispersión Asimetría Curtosis

Medidas de tendencia central, de dispersión,de asimetría y de curtosis

Asociación entre dos variables aleatorias

Cualitativas (categóricas)

Tabla de contingencia

Cuantitativas

Covarianza Correlación

Tabla de contingencia Tabla de frecuencias absolutas para todos los compostadores Clase (%MO)

AA

[49 a 52)

2

[52 a 55)

2

[55 a 58)

4

[58 a 61)

2

VA

VE

Clase (%MO)

AA

VA

VE

Bajo

4

0

1

Medio

6

1

6

Alto

0

8

0

1 1

4 2

[61 a 64)

2

[64 a 67)

5

[67 a 70)

1

50 40 30 20

M o r ta lid a d in fa n til ( n o . c a d a 1 0 0 0 )

10

100

200

300

400

500

G a s t o e n s a lu d ( U S $ p o r p e r s o n a )

600

Correlación ≠ Asociación causal

3 ¿Cómo extrapolar la información de una muestra a una población? Estadística inferencial

Incertidumbre y sus causas



Información incompleta



Variabilidad ------ Múltiples causas

estimación

Frecuencia relativa Edad

Calificación Var ( x )=N∗P∗( 1−P) r r r N −n E( x)=n∗( )> Var (x)=n ( )∗(1− )∗( ) N N N N −1 E( x)=Var ( x)

Uniforme

E( x)independiente de Var (x )

Normal

E( x)independiente de Var (x )

Exponencial

E( x)=√ Var (x)

MODELO BINOMIAL

Parámetros: ●n ●p

MODELO POISSON

Parámetros: ●Lambda

MODELO NORMAL

Parámetros: ●Media ●Desvío estándar

MODELO UNIFORME

Parámetros: ●a ●b

Distribuciones por muestreo Estadístico (estimador) Media muestral (x)

Distribuciones por muestreo Estadístico (estimador) Proporción muestral

Por teorema central del límite suponemos que las medias y proporciones muestrales siguen un modelo normal de distribución de probabilidades

n (tamaño muestral)

Potencia μ alternativo

= Confianza 2

s (varianza)

En la recolección de datos Independencia Sesgo Del estadístico

Independencia ● ●

= ausencia de sesgo en el diseño Entre variables categóricas o eventos P(condicional)=P(marginal)

¡MUCHAS GRACIAS!