Este documento presenta conceptos básicos de estadística descriptiva como distribuciones de frecuencia, histogramas y diagramas de caja. Explica cómo modelar datos usando distribuciones de probabilidad discretas y calcula el valor esperado y la varianza para una variable aleatoria discreta.
3. Ejemplo; cuánto gastas?
Analizar los saldos de las tarjetas de los clientes de
un banco. (300 observaciones)
Dr Jorge Ramírez Medina
EGADE Business School
14. El modelo representa el
mundo real?
• Para cuantificar el efecto en la población
seguimos un proceso de cuatro pasos:
1. Generar una hipótesis
2. Recolectar los datos
3. Ajuste del modelo
4. Evaluar el modelo
Dr. Jorge Ramírez Medina
EGADE Business School
15. Trabajamos en el
área de la probabilidad
Dr. Jorge Ramírez Medina
EGADE Business School
Ronald Fisher, 1925
2 copas, 50%
6 copas, 5%
Confianza del 95%
16. Trabajamos en el
área de la probabilidad
T A T T A A
T T A T A A
T T A A T A
T T A A A T
T A T T A A
T A T A T A
Dr. Jorge Ramírez Medina
EGADE Business School
17. Estadístico de prueba
• Variación Sistemática
– Variación que puede ser explicada por el
modelo
• Variación No Sistemática
– Variación que no puede ser explicada por el
modelo
Estadístico de prueba = ------------------------
Dr. Jorge Ramírez Medina
EGADE Business School
Variación explicada por el modelo
Variación no explicada por el modelo
18. Estadística Descriptiva
• Son los métodos tabulares , gráficos y
numéricos utilizados para sumarizar datos.
Dr Jorge Ramírez Medina
EGADE Business School
19. Estadística Inferencial
El propósito de esta rama es obtener
predicciones de una población con base en
información obtenida de una muestra.
Dr Jorge Ramírez Medina
EGADE Business School
20. X representa lo
desconocido
Dr Jorge Ramírez Medina
EGADE Business School
21. Variable aleatoria
Una variable aleatoria es una descripción numérica
Dr Jorge Ramírez Medina
EGADE Business School
del resultado de un experimento.
Una variable aleatoria discreta puede asumir un
número finito de valores o una secuencia infinita de
Valores.
Una variable aleatoria continua puede asumir
cualquier valor numérico en una intervalo o un
conjunto de intervalos.
22. Ejemplo: Tiendas de
Tome x = número de TVs vendidas en la tienda
en un día. x puede tomar 5 valores (0, 1, 2, 3, 4)
Dr Jorge Ramírez Medina
EGADE Business School
Todo
Variable aleatoria discreta con un número
finito de valores.
23. Ejemplo: Tiendas de
Variable aleatoria discreta con un número
infinito de valores.
Tome x = número de clientes que llegan a la tienda
en un día. x puede tomar 5 valores 0, 1, 2, 3, 4…..
Podemos contar los clientes pero no hay un
límite finito de los que puedan llegar.
Dr Jorge Ramírez Medina
EGADE Business School
Todo
24. Variables aleatorias
Pregunta Random Variable x Type
Tamaño de
La familia
Dr Jorge Ramírez Medina
EGADE Business School
x = Número of dependientes
reportados para el censo
Discreta
Distancia de la
casa a la escuela
x = Distancia en kms. de la
casa a la escuela
Continua
Tener mascota
perros y/o
gatos
x = 1 si no tiene mascota;
= 2 si tiene perro(s) únicamente;
= 3 si tiene gato(s) únicamente;
= 4 si tiene perro(s) y gatos(s)
Discreta
25. Distribuciones de
probabilidad discretas
La distribución de probabilidad de una variable
aleatoria describe como las probabilidades están
distribuidas sobre los valores de la variable.
Podemos representar la distribución discreta de
probabilidad con una tabla, una gráfica o una ecuación.
Dr Jorge Ramírez Medina
EGADE Business School
26. Distribuciones de
probabilidad discretas
La distribución de probabilidad está definida por una función
de probabilidad, f(x), la cuál provee la probabilidad para
Dr Jorge Ramírez Medina
EGADE Business School
cada valor de la variable aleatoria.
Las condiciones requeridas para una función de
Probabilidad discreta son;
ff((xx)) >> 00
Sff((xx)) == 11
27. Utilizando los datos de ventas de TV’s
desarrolle una representación tabular de la distribución
de probabilidad de las ventas de TVs
Unidades Número
Vendidas de días
0 80
1 50
2 40
3 10
4 20
Dr Jorge Ramírez Medina
EGADE Business School
200
x f(x)
0 .40
1 .25
2 .20
3 .05
4 .10
1.00
80/200
Distribuciones de
probabilidad discretas
28. Distribuciones de
probabilidad discretas
Representación gráfica de la distribución de probabilidad
Probabilidad
Dr Jorge Ramírez Medina
EGADE Business School
.50
.40
.30
.20
.10
0 1 2 3 4
Valores de la Variable Aleatoria x (ventas de TV)
29. Valor Esperado y
Dr Jorge Ramírez Medina
EGADE Business School
Varianza
El valor esperado, o media, de una variable aleatoria
es una media de su localización.
E(x) = m = Sxf(x)
La varianza resume la variabilidad en los valores de
la variable aleatoria.
Var(x) = s 2 = S(x - m)2f(x)
La desviación estándar, , está definida como la
raíz cuadrada positiva de la varianza.
30. Valor Esperado y
Varianza
Valor esperado
NNúúmmeerroo eessppeerraaddoo ddee TTVVss
vveennddiiddaass eenn uunn ddííaa..
Dr Jorge Ramírez Medina
EGADE Business School
x f(x) xf(x)
0 .40 .00
1 .25 .25
2 .20 .40
3 .05 .15
4 .10 .40
E(x) = 1.20
31. Valor esperado y
varianza
Varianza y Desviación estándar
0
1
2
3
4
Dr Jorge Ramírez Medina
EGADE Business School
x - m (x - m)2 f(x) (x - m)2f(x)
-1.2
-0.2
0.8
1.8
2.8
1.44
0.04
0.64
3.24
7.84
.40
.25
.20
.05
.10
.576
.010
.128
.162
.784
Varianza de las ventas diarias = s 2 = 1.660
x
TVs
al cuadrado
Desviación estándar de las ventas diarias = 1.2884 TVs
32. Valor Esperado y
Dr Jorge Ramírez Medina
EGADE Business School
Varianza
El valor esperado, o media, ddee uunnaa vvaarriiaabbllee aalleeaattoorriiaa
eess uunnaa mmeeddiiaa ddee ssuu llooccaalliizzaacciióónn..
E(x) = m = Sxf(x)
LLaa vvaarriiaannzzaa rreessuummee llaa vvaarriiaabbiilliiddaadd eenn llooss vvaalloorreess ddee
llaa vvaarriiaabbllee aalleeaattoorriiaa..
Var(x) = s 2 = S(x - m)2f(x)
LLaa ddeessvviiaacciióónn eessttáánnddaarr,, s,, eessttáá ddeeffiinniiddaa ccoommoo llaa
rraaíízz ccuuaaddrraaddaa ppoossiittiivvaa ddee llaa vvaarriiaannzzaa..
33. Asignación para
la siguiente sesión
Dr. Jorge Ramírez Medina
EGADE Business School