El documento trata sobre estadística descriptiva e inferencial. La estadística descriptiva se utiliza para describir datos observados, mientras que la estadística inferencial toma una muestra representativa de una población para analizarla e inferir resultados sobre la población. También se discuten los métodos de selección de muestras y conceptos básicos como unidad estadística, característica, observación y población.

1.  Estadística:Disciplinadesarrollóoaplicaciónde lostemasde lastécnicasapropiadaspara
la recolecciónclasificaciónpresentaciónanálisise interpretaciónde información
cuantitativaobtenidoporobservacionesoexperimentaciónparalatoma de decisiones.
o Estadísticadescriptiva:describirlosdatosobservadosde maneraqsean
fácilmente comprensiblesenestaaplicacionesel interese se limitaal conjuntode
datosobservado,paralograr una caracterizaciónde ese conjuntoyutilizamos
para ellocuadrosgraficascálculosde promediosporcentajesmedidasde
variabilidadetc.
o Estadísticainferencial:eslaestadísticaqtoma una muestrarepresentativade una
poblaciónlaanalizaylosresultadoslosproyectaa lapoblaciónde donde se tomó
la muestrase debende tomar2 factoresimportantesel tamañode lamuestray el
métodoutilizado paraseleccionarlamuestra.Cualquierase puede utilizarel mas
comúnel del azar y el menosusadoconveniencia.
 Tres métodosde selecciónde muestra
 Ale toreaal azar : cada uno de loselementos lapoblacióntienen
una probabilidadconocidade serincluidaenlamuestra
 Intencional ode juicio:utilizandoel criteriooconocimientode
una personaexpertaenel campo
 Conveniencia.escogiendounidadoelementosdisponibleso
fácilesde conseguirse corre el riesgoqla muestranosea
representativa.
 Xq se prefiere el muestreoaleatorioeliminasesgosde selección,produce
erroresmediblesmediante modelosprobabilísticos,el errorde muestro
disminuye al aumentarel tamañode lamuestra,
o EstadistaBayesiana
 Conceptosbásicos
o Unidadestadística:cada uno de loselementosde lapoblación.
o Característica:es loq nos interesasaberde launidadestadística
o Observación:eslainformaciónqnosbrindalacaracterística relacionadaconla
unidadestadística.
o Población:conjuntode unidadestadísticas
 Poblaciónfinitatiene unlimite
 Poblacióninfinitanotiene límite generaincertidumbre
o Muestra: sonloselementosde unapoblaciónqse analizanconlaintensiónde
hacer algunasinferenciassobre el total del grupo.Lapoblaciónesfinitaperomuy

2. grande y cualquierestudiosobre ellatardaríamuchotiempoymuchodinero,
cuandoes infinita,cuandolaunidadestadísticase transformaose destruye
 Selecciónde lamuestra
Sesión 2
 Diagrama de Pareto
o Doc. Juran aplicoel conceptode Paretoa lacalidadobteniendoloqse conoce
ahora como laregla80/20 segúneste conceptosi se tiene unproblemacon
muchascausas podemosdecirqel 20% de la causas resuelvenel 80% del
problemaporlotanto esuna técnicaq separalos pocosvitalesde losmuchos
triviales.
o Ejemplo
 En la fabricaciónde unacopa de vidriodurante unturnode 8 horas se
recolectolasiguiente informaciónde defectos
Tipode defecto Cantidad
Fractura 10
Rayado 62
Mancha 6
Tension 125
Rajadura 4
Burbuja 20
Otros 14

3. Sesión4
Datos si agrupar
Mediaes unpromedio
Mediana:valorcentradode una seriade datos ordenadoscuandoel númerode datosespar se
calculade lasiguiente forma((N+1)/2)
Mediaaritméticasimple:
n
fx
x ii
Mediaaritméticaponderada:paradatosq se repiten
Cuantíalos:se trata de dividirunconjuntoordenadoenfraccionesespecificaslamedianaesun
ejemplode estasmedidasyaqdivide al conjuntoenpartesigualesse divide encuartilesquintiles
decilespercentiles
Datos agrupados
Medidasde tendenciacentral endatosagrupadosenunadistribuciónde frecuencias
Cuandolos datos estánagrupadosenuna distribuciónde frecuenciasnopodemosutilizarlos
procedimientosanterioresporloqse utilizaranotrasformulas
Moda: se debe ubicarlaclase modal óseala clase enla q existe mayordensidadde frecuencia
lsubi esigual al limitinferiorreal de laclase modal
d1 es igual a la diferenciaentre lafrecuenciaabsolutade laclase modal yla frecuenciaabsolutade
la clase anterior
d2: es igual a la diferenciaentre lafrecuenciaabsolutade laclase modal yla frecuenciaabsoluta
de la clase posterior.
C tamaño del intervalo.
mediana
Li esigual al limitinferiorreal de laclase modal
Fa frecuenciaacumulada–dde la clase anteriora la clase donde estalamediana
Fi frecuenciaabsolutade laclase donde estalamediana
C esigual al tamañodel intevalo

4. Mediaen datosagrupadosse conoce el numerode observacionesperonoel valorde ellasporloq
se debe calcularenpuntomedioy se utilizaunahipótesisqse llamahipótesisarbitrariase supone
q losvaloresdentrode unaclase se distribuyenuniformemente porloq el puntomediolos
representaadecuadamente.
Sesión5
Si una distribuciónessimétricalosdatostiene esaforma
Xi Me Mo
Multimodal
AsimetríaPositivaValoresextremosaltos
Mo
Me
X
AsimetríaNegativo
Asimetríanegativavaloresextremosbajos

5. Para medirel nivel de asimetríase utilizael llamadocoeficientede asimetríaFisher(g1)
Si g1 esigual a 0 la distribuciónessimétrica
Si g1 mayor q 0 la distribuciónesasimétricapositiva
Si g1 esmenorq 0 esdistribuciónasimétricanegativa
Curtosis
El coeficiente de curtosisanaliza el gradode concentraciónqpresentanalrededorde lazona
central de la distribución
Meso curtica Presentaungradode concentración medioalrededorde losvalorescentralesde la
variable(esel mismoqpresentaladistribuciónnormal.Si g2 =0
Leptocurtica presentaunelevadogradode concentraciónalrededorde losvalorescentralesde la
variable g2>0
Platicurticapresentaunreducidogradode concentraciónalrededorde losvalorescentralesde la
variable g2<0
Fenómenode lavariabilidadysuimportancia
La mayoríade losfenómenosse repitenylohace demostrandovariacionesde mayor omenor
intensidad

6. La estadísticasuministraprocedimientoválido paraanalizarestoshechosyhacerinferencias
aunque existavariabilidad
Al analizarun conjuntode datosse tiene enmente 2 objetivos
1 descubrirlalasirregularidadesqpueden existir enél yresumirlasparmediosde unavalortípico
2 Procurar establecerlamedidaenqlosdatosse concentrano se dispersanalrededorde unvalor
típico
Es tan importante conocerese valortípicocomo lavariabilidadde losdatos alrededordel
Cuantomás se concentranlos datosalrededorde unvalortípico muchomás confianzase tiene en
ese valorpara representarel conjunto.
El recorridoamplitud(R):eneste métodose apreciaal variabilidadal considerarlosvalores
extremos se define comoladiferenciaentre el valormayoryel valormenorde un conjuntode
datoseste métodocasi no se utilizase usacuando nohay tiempode utilizarunamedidade
variabilidadmáscomplejase utilizacontrol de calidad
La desviaciónmedia(DM):tomaencuentatodoslosdatos y no estatan estrechamenteligadaal
númerode ellosse definecomolamediade lasdiferenciasenvalorabsolutode losvaloresde la
variable ala media.Mide el gradode representatividadde lamediacuántomáspequeña esesta
desviaciónmásrepresentativaeslamedia
La desviaciónestándar:eslamedidade dispersión másutilizadanosindicacuantose alejaen
promediolasobservacionesde lamediaaritméticatambiénesde muchaimportanciasucuadrado
q recibe el nombre de variancia
Símbolosydefinicionesparael promedioylavarianciasegúnseapoblaciónomuestraparadatos
sinagrupar
Calculode la varianciaendatosagrupadosen unadistribuciónde frecuencias
Cuandolosvaloresestánagrupadosenun distribuciónde frecuencianose conoce el valorde cada
una de las observacionescuandoesosvaloresestánagrupadosenunadistribuciónde frecuencia
no se conoce el valorde cada una de lasobservacionesporlotantose toma el puntomediode
cada clase como valorrepresentativo
Xi puntomediode cada clase
Fi frecuenciaabsolutade cadaclase
N la sumatoriade lafrecuenciaabsoluta