Este documento presenta la información sobre un curso de Estadística Descriptiva. Incluye detalles sobre las tareas, exámenes y proyecto final, el temario con 11 sesiones sobre diferentes temas estadísticos, el libro de texto, datos de contacto del profesor, y ejemplos de conceptos estadísticos como medidas de tendencia central, medidas de dispersión, diagramas de caja e histograma.
Esta es una presentación que se realiza a los alumnos de la clase de Control Estadísitico de Calidad del Instituto Tecnológico de Chihuahua con el objetivo de que conozcan las herramientas basicas del control estadísitico. Los graficos de control no se muestran en estas diapositivas ya que son propios de una Unidad.
Presentación de la charla introductoria de People Analytics realizada en la Facultad de Ciencias Sociales de la Universidad de Buenos Aires (UBA) por Sergio García Mora de Data 4HR
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “ROMPECABEZAS DE ECUACIONES DE 1ER. GRADO OLIMPIADA DE PARÍS 2024”. Esta actividad de aprendizaje propone retos de cálculo algebraico mediante ecuaciones de 1er. grado, y viso-espacialidad, lo cual dará la oportunidad de formar un rompecabezas. La intención didáctica de esta actividad de aprendizaje es, promover los pensamientos lógicos (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia, viso-espacialidad. Esta actividad de aprendizaje es de enfoques lúdico y transversal, ya que integra diversas áreas del conocimiento, entre ellas: matemático, artístico, lenguaje, historia, y las neurociencias.
Un libro sin recetas, para la maestra y el maestro Fase 3.pdfsandradianelly
Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestr
2. Información del curso
• Tareas, Exámenes rápidos
y Trabajo en clase 40 %
• Exámenes Final 20%
• Proyecto Final 40%
Dr Jorge Ramírez Medina
EGADE Business School
3. Temario
Sesión Fecha Tema
1 18-sep Estadística Descriptiva
2 25-sep
Dr. Jorge Ramírez Medina
EGADE Business School
Revisión de aspectos conceptuales y
definiciones
3, 4 02-oct, 09-oct Muestreo
5, 6 16-oct, 23-oct
Estimación por intervalos y pruebas de
hipótesis para medias y proporciones
7, 8 30-oct, 06-nov Comparación de medias y proporciones
9, 10 13-nov, 20-nov Regresión lineal simple
11, 12 27-nov, 4 dic Regresión lineal múltiple
4. Libro de texto
Texto:
Business Statistics in
practice.
Bowerman, O'Connell,
Murphree.
Dr. Jorge Ramírez Medina
EGADE Business School
5. Contacto
Teléfono: (55) 5864555 ext 2244
Correo: jorge.ramirez@itesm.mx;
mssg: jorge.ramirez@itesm.mx
Skype: Karoshi.Darkside;
Second Life: Karoshi Dezno
Twitter: @KaroshiDezno
Dr. Jorge Ramírez Medina
EGADE Bussines School
6. Estadística en el mundo
real
Dr Jorge Ramírez Medina
EGADE Business School
Fuente: Comparación del precio de la Gasolina México-USA 1938-2014 . Ing. Manuel
Aguirre Botello.
7. Tiene que ver con
toma de decisiones
“Hay tres tipos de mentiras: las mentiras, las malditas mentiras
y las estadísticas”
Benjamin Disraeli
“Las cifras no mienten; los mentirosos las imaginan”
Popular
Se ha comprobado que de cada 10 televidentes, el 100% ve
televisión,
Dr Jorge Ramírez Medina
EGADE Business School
8. Definición de
Estadística
Es la ciencia pura y aplicada que trata
de la recolección, organización,
presentación y análisis de conjuntos de
datos con el fin de obtener
conclusiones o inferencias y establecer
su grado de incertidumbre
Dr Jorge Ramírez Medina
EGADE Business School
Fuente: Estadística para Administración y Economía . Anderson, Sweeney y Williams
9. Datos Cualitativos
son Etiquetas oo nnoommbbrreess qquuee ssee uuttiilliizzaann ppaarraa iiddeennttiiffiiccaarr
uunn aattrriibbuuttoo ddee ccaaddaa eelleemmeennttoo..
AA mmeennuuddoo ssoonn ccoonnoocciiddooss ccoommoo DDaattooss CCaatteeggóórriiccooss
UUttiilliizzaann llaa eessccaallaa oorrddiinnaall oo nnoommiinnaall
PPuueeddeenn sseerr nnuumméérriiccooss oo nnoo nnuumméérriiccooss
EEll aannáálliissiiss eessttaaddííssttiiccoo ccoonn DDaattooss CCuuaalliittaattiivvooss eess
mmááss rreecciieennttee yy mmááss ccoommpplleejjoo..
Dr Jorge Ramírez Medina
EGADE Business School
11. Escalas de medición
CCuuaalliittaattiivvooss CCuuaannttiittaattiivvooss
NNuumméérriiccooss NNoo nnuumméérriiccooss NNuumméérriiccooss
Dr Jorge Ramírez Medina
EGADE Business School
DDaattooss
NNoommiinnaall OOrrddiinnaall NNoommiinnaall OOrrddiinnaall IInntteerrvvaalloo RRaazzóónn
12. Tablas de frecuencia
CCuuaalliittaattiivvooss
Dr Jorge Ramírez Medina
EGADE Business School
DDaattooss
NNoo nnuumméérriiccooss
NNoommiinnaall OOrrddiinnaall
13. CCuuaalliittaattiivvooss
Tablas de frecuencia
DDaattooss
NNoo nnuumméérriiccooss
NNoommiinnaall OOrrddiinnaall
Dr Jorge Ramírez Medina
EGADE Business School
Frecuencia
Frecuencia
relativa
Porcentaje
de
frecuencia
malo 3 0.15 15%
regular 4 0.2 20%
bueno 2 0.1 10%
muy bueno 6 0.3 30%
excelente 5 0.25 25%
Total 20 1 100%
14. Modelos estadísticos
simples
• Medidas de tendencia Central
– Media, Moda, Mediana
• Medidas de dispersión
– Varianza, Desviación estándar
Dr. Jorge Ramírez Medina
EGADE Business School
15. .35
.30
.25
.20
.15
.10
Dr Jorge Ramírez Medina
EGADE Business School
Moda
Relative Frequency
.05
0
corresponde al punto más alto de la gráfica
16. .35
.30
.25
.20
.15
.10
Dr Jorge Ramírez Medina
EGADE Business School
Mediana
Relative Frequency
.05
0
Divide la gráfica en dos áreas iguales
50% de los
datos
5500%% ddee llooss
ddaattooss
18. Varianza
LLaa vvaarriiaannzzaa eess eell pprroommeeddiioo ddee llaa ddiiffeerreenncciiaa ddee llooss
ccuuaaddrraaddooss eennttrree ccaaddaa vvaalloorr ddee ddaattooss yy llaa mmeeddiiaa..
se calcula de llaa ssiigguuiieennttee mmaanneerraa::
Dr Jorge Ramírez Medina
EGADE Business School
s xi x ( )
= S -
Para una
muestra
Para una
población
( )
1
2
2
-
n
n
xi
2
s 2 = S -m
NN
19. Desviación Estándar
Se calcula de llaa ssiigguuiieennttee mmaanneerraa::
Dr Jorge Ramírez Medina
EGADE Business School
s = s2 s = s2
Para un a
muestra
Para una
población
20. Coeficiente de
Variación
EEll ccooeeffiicciieennttee ooff vvaarriiaacciióónn iinnddiiccaa qquuee ttaann ggrraannddee eess llaa
ddeessvviiaacciióónn eessttáánnddaarrdd eenn rreellaacciióónn aa llaa mmeeddiiaa..
Dr Jorge Ramírez Medina
EGADE Business School
ssee ccaallccuullaa ccoommoo ssiigguuee::
Para una
muestra
ö
æ ´
m
Para una
población
( x ´100)%
s % 100÷÷ø
ççè
s
21. Cálculo en el ejemplo
2
i x x
å
2 ( )
2,996.16
-
= =
1
s
n
-
æç ´ ö÷ = æç ´ ö÷ = çè ÷ø çè ÷ø
Dr Jorge Ramírez Medina
EGADE Business School
100 % 54.74 100 % 11.15%
490.80
s
x
s = s2 = 2996.47 = 54.74 LLaa ddeessvviiaacciióónn
eessttáánnddaarrdd
eess cceerrccaa ddeell
1111%% ddee llaa mmeeddiiaa
• Varianza
• Desviación estándar
• Coeficiente de Variación
24. Diagrama de Caja
• Los bigotes (líneas punteadas) se dibujan del final de la caja a
los valores más grandes y pequeños dentro de los límites
325 400 425 450 475 500 525 550 575 600 645
Q1 = 445 Q3 = 525
Q2 = 475
Smallest value
inside limits = 425
Largest value
inside limits = 615
Dr Jorge Ramírez Medina
EGADE Business School
25. Diagrama de Caja
Sentida Falsa Miserable Neutra
Dr Jorge Ramírez Medina
EGADE Business School
28. Ejemplo; cuánto gastas?
Analizar los saldos de las tarjetas de los clientes de
un banco. (300 observaciones)
Dr Jorge Ramírez Medina
EGADE Business School
30. Histogramas y
Diagramas de Caja
applet_01_v4.exe
Dr Jorge Ramírez Medina
EGADE Business School
31. 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
32. 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%
33. 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
34. 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
35. Estadística Descriptiva
• Son los métodos tabulares , gráficos y
numéricos utilizados para sumarizar datos.
Dr Jorge Ramírez Medina
EGADE Business School
36. 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
Comenzaré hablando de algo que no sé: incrementos en el precio de la gasolina
Hacia delante, podríamos ver también la aprobación de una reforma energética orientada a gas natural y gas lutita (shale gas). Esto podría incrementar en 1.75 puntos porcentuales el PIB potencial de largo plazo, lo que significaría un incremento de 3% a 4.75%, de acuerdo a nuestras estimaciones.
Esto significa que a partir de 2014, México podría estar viendo tasa de crecimiento en torno al 5% anual
Fuente: http://www.mexicomaxico.org/Voto/GasolMexUSA.htm
en 1976 después de 22 años de precio estable, subió de 55 centavos a $3.00, ¡445%!
en 1983 subió de $3.00 a $4.10, 32.5%
en 1995 al pasar de $1.35 a $2.24 pesos nuevos, un salto del 73%.
Es evidente que estos aumentos de precios siempre fueron muy por arriba del crecimiento inflacionario y los ciudadanos nos vimos obligados a pagar durante muchos años precios significativamente más altos que los que regían a nivel internacional.
Durante el año 2007 la tendencia se revirtió resultando por primera vez en 17 años, la gasolina más barata en México que en USA.Poco duró el gusto dado que la crisis mundial provocada por USA en 2008, trajo consigo una grave desaceleración económica que condujo los precios del petróleo a niveles muy bajos, cerrando el precio de la gasolina en Estados Unidos, en precios cercanos a 45 centavos de dólar por litro.
en México para 2008 se decretó, de todas formas, un aumento de 2 centavos mensuales
* Al 2 de Agosto, 2014, la gasolina es 4.8% MAS CARA en México que en USA, y el precio ha aumentado 6.7% en lo que va del año, oprima aquí.
LOS MEXICANOS SUPUESTAMENTE "DUEÑOS" DE NUESTRO PETRÓLEO LA ESTAMOS PAGANDO POR ARRIBA DE LOS PRECIOS DE LIBRE MERCADO QUE RIGEN EN U.S.A, QUE ES NUESTRA REGIÓN.
Pero cuánto significa del salario promedio la compra de un litro de gasolina?
http://www.bloomberg.com/visual-data/gas-prices/20142:Mexico:USD:l
Casi todos usamos los conceptos estadísticos en diferentes facetas de nuestra vida; al abrir regadera y probar temperatura del regadera, decidir que cereal comprar. Las empresas enfrentan problemas similares: Kellog debe asegurarse que la cantidad promedio en cada paquete de cereal cumpla con las especificaciones, pasar hacerlo selecciona muestras periódicas.
A las representaciones numéricas se les llama estadísticas.
Tasas de desempleo %
Valor de dólar
Salario mínimo de un profesionista
4 out of 5 dentists recommend Dentine.
Almost 85% of lung cancers in men and 45% in women are tobacco-related.
People tend to be more persuasive when they look others directly in the eye and speak loudly and quickly.
Modelos Estadísticos:
Poner el caso del puente. Pp 2 Libro Discovering Statistics Using SPSS.
Comentar cuando el modelo ajusta o no ajusta. Los datos representan al fenómeno o población del mundo real lo más cerca posible. Buen ajuste, ajuste moderado o ajuste pobre.
1.1 Explicar el significado de la estadística y su relación con el proceso de toma de decisiones.
Efectos del Peje; encabezados de algunos diarios
El peje puede;
Que se cuente voto por voto
Salir detener a 10 personas y preguntarles por quién votaron
Selecciona en forma aleatoria 2000 electores, hablar con ellos y en base a esta selección realizar el cálculo de los que votaron por él. En este curso mostraremos porqué la 3ª es la mejor opción
Abusos estadística:
Caso de compra de casa: Snob 10,000 en promedio de ingreso. Recaudación de fondos 2,000 en promedio.
How to Lie with statistics. Darrel Huff.
https://archive.org/details/HowToLieWithStatistics
Estadística tiene 2 significados:
Uso común información numérica
La ciencia que se ocupa de recolectar, organizar , presentar, analizar e interpretar datos para ayudar en la toma de desiciones más efectiva.
Preguntar para que usan estadística en tu empresa
Data can be further classified as being qualitative or quantitative.
The statistical analysis that is appropriate depends on whether the data for the variable are qualitative or quantitative.
In general, there are more alternatives for statistical analysis when the data are quantitative.
http://onlinestatbook.com/2/introduction/measurement_demo.html
Se encuentra que la marca 1 es más dulce que la 2 con
30-36-43-57-75-79
(ver promedios)
4- Sex, Race, and Teacher effectiveness are qualitative Age, Number of hours, and Calificación promedio are quantitative
5- Sex: nominalRace: nominalAge: ratioNumber of hours: ratioGrade point average: ratioTeacher effectiveness: ordinal
Como trabajar con datos Cualitativos
Usamos tablas de frecuencia
Una tabla de frecuencias es una tabla que indica con qué frecuencia (o cuantas veces) se repite cada dato diferente. Es lógico que se construye cuando hay gran cantidad de datos con poca variedad, es decir, mucho de ellos se repiten. El dato que más se repite es llamado MODA
Como trabajar con datos Cualitativos
Usamos tablas de frecuencia
Una tabla de frecuencias es una tabla que indica con qué frecuencia (o cuantas veces) se repite cada dato diferente. Es lógico que se construye cuando hay gran cantidad de datos con poca variedad, es decir, mucho de ellos se repiten. El dato que más se repite es llamado MODA
Hacer el ejercicio de lo que se gana en una empresa. Mejor medida la Moda
Hablar sobre fórmula de desviación estándar. Desviación= Sum(observado-modelo)^2
An important measure of the shape of a distribution is called skewness.
The formula for computing skewness for a data set is somewhat complex.
Skewness can be easily computed using statistical software.
An important measure of the shape of a distribution is called skewness.
The formula for computing skewness for a data set is somewhat complex.
Skewness can be easily computed using statistical software.
Pago mucho o poco?.... Ver que queden en el rango de la media. Hablar de dispersión aquí.
The variance is a measure of variability that utilizes all the data.
It is based on the difference between the value ofeach observation (xi) and the mean ( for a sample, m for a population).
Mencionar en este momento COVARIANZA y coeficiente de covarioación , sólo mencionar
r= Sxy/SxSy
The standard deviation of a data set is the positive square root of the variance.
It is measured in the same units as the data, making it more easily interpreted than the variance.
Comentar sobre el error estándar (en muestreo)
Pago mucho o poco?.... Ver que queden en el rango de la media. Hablar de dispersión aquí.
Percentiles: p por ciento de los observaciones son menores o iguales a este valor
1er cuartil=(25/100)*70= 17.5= 18. (se redondea siempre hacia arriba) => valor de la 18ª posición = 445
3er cuartil= (75/100)*70= 52.5 = 53. => valor de la 53ª posición = 525
***** ojo Laboratorio 02 “Relating Histograms and Box and Whisper Plots********
A box is drawn with its ends located at the first and third quartiles.
A vertical line is drawn in the box at the location of the median (second quartile).
Limits are located (not drawn) using the interquartile range (IQR).
Data outside these limits are considered outliers
The locations of each outlier is shown with the symbol *
The lower limit is located 1.5(IQR) below Q1.
Lower Limit: Q1 - 1.5(IQR) = 445 - 1.5(80) = 325
The upper limit is located 1.5(IQR) above Q3
Upper Limit: Q3 + 1.5(IQR) = 525 + 1.5(80) = 645
There are no outliers (values less than 325 or greater than 645) in the apartment rent data.
Dale Carnegie dijo que la sonrisa ayuda a ganar amigos e influir sobre las personas. La investigación sobre los efectos de la sonrisa ha apoyado esto y demostrado que una persona que sonríe es juzgado como más agradable, atractivo, sincero, alegre y competente que una persona no sonríe.
Hay evidencia de que sonreír puede atenuar las sentencias. Este fenómeno se denomina "efecto sonrisa de indulgencia", fue el foco de un estudio realizado por Marianne LaFrance y Marvin Hecht en 1995.
asumir el papel de un miembro de un panel disciplinario universidad y juzgar a un estudiante acusado de hacer trampa. Cada sujeto recibió un archivo que contiene
una carta supuestamente enviada por el presidente de la Comisión de Disciplina,
un resumen de las pruebas,
los antecedentes del sospechoso incluido el rendimiento académico previo y una foto una imagen en color de una las cuatro expresiones faciales, y
las escalas de calificación para indicar los juicios.
Los jurados respondieron cinco preguntas acerca de la probabilidad de la culpabilidad del sospechoso y de la gravedad de la pena debe ser. Estas preguntas se combinaron en una "puntuación de clemencia".
Cuatro grupos de sujetos fueron probados. Cada grupo vio a uno de los tres tipos de sonrisas o un control neutral-expresión.
Los sujetos de una muestra de 136 estudiantes universitarios fueron asignados al azar a las cuatro condiciones con la restricción de que no había un número igual de sujetos (34) en cada grupo. Los tres tipos de sonrisa se ilustran en una página aparte. Estos tipos de sonrisas se han estudiado y se clasifican por Paul Ekman.
Las imágenes utilizadas como materiales de estímulo eran fotografías de dos mujeres universitarias de segundo año. Cada muestra se fotografió cada una de las cuatro expresiones faciales.
When comparing two or more groups, it is generally a good idea to start by creating some form of side-by side boxplots or quantile plots. These plots reveal important information about the location, spread, and shape of the distribution of scores in each group
La gráfica muestra que la sonrisa falsa dio lugar a la mayor indulgencia y la expresión neutra llevó a lo menor indulgencia. La mediana para una sonrisa falsa es más alta que el percentil 75 para la expresión neutral.
Las distribuciones no parecen tener mucho sesgo: la media y la mediana son casi iguales y las medianas están a punto a mitad de camino entre los percentiles 25 y 75.
Summarizing the results: (a) the average of the three smile conditions is significantly different from the neutral control condition, (b) the three smile conditions are not significantly different from each other, and (c) only the false smile condition is significantly different from the neutral control.
Among the possible states of the population are: (a) All three smile conditions are different from the neutral condition and (b) Only the false-smile condition is different from the neutral condition. The former possibility appears more likely than the latter because there were at least hints of differences between the felt and neutral conditions and between the miserable and neutral conditions whereas there was no evidence of differences among the three smile conditions.
Bajar archivo Saldo en tarjetas de crédito
The most common numerical descriptive statistic is the average (or mean).
Gasto promedio, based on the 300 observaciones, is $753.68 (found by summing the 300 credit card’s balance and then dividing by 300).
Usamos un modelo que represente a la población.
Usualmente los científicos prueban hipótesis: predecir acerca de los parámetros poblacionales. Hipótesis nula. Hipótesis alternativa.
Lo que hacemos es probar los datos en el modelo. Si el modelo ajusta: esto es si se explica la mayor parte de la variación, entonces decimos que la hipótesis es verdadera.
Nunca sabemos determinísticamente los resultados, trabajamos probabilísticamente
6 copas, en donde se sirve el té o el azúcar primero 1/20=0.05-> 5%
20 combinaciones . Ver archivo excel
C1 C2 C3 C4 C5 C6
1 T T T A A A
2 T T A T A A
3 T T A A T A
4 T T A A A T
5 T A T T A A
6 T A T A T A
7 T A T A A T
8 T A A T T A
9 T A A T A T
10 T A A A T T
11 A T T T A A
12 A T T A T A
13 A T T A A T
14 A T A T T A
15 A T A T A T
16 A T A A T T
17 A A T T T A
18 A A T T A T
19 A A T A T T
20 A A A T T T
Como decir que el modelo es una buena representación de la realidad?
Recolectamos los datos y estos tendrán una variación. Hat dos tipos de variación: sistemática y Unisistemática
El calculo del estadístico dependiendo de la prueba, z, t , chi cuadrada, F
Si el estadístico es mayor que uno, nuestro modelo puede explicar mayor variación de la que no puede explicar.
A mayor variación que explica el modelo, menor es la probabilidad de que ocurra por casualidad. Cuando esta probabilidad es menor que 0.05 (criterio de Fisher) aceptamos que el modelo nos da la suficiente certeza que explica lo que sucede en el mundo real. Aceptamos la Ha.
No rebasa el conocimiento que aportan los mismos datos
Hace uso de gráficas, tablas y diagramas que muestran los datos y facilitan su interpretación
Estadística deductiva (general a lo particular)
–Rebasa el contenido de los datos-.
Population. the set of all elements of interest in a particular study
Sample. a subset of the population
Inferencia estadística. the process of using data obtained from a sample to make estimates and test hypotheses about the characteristics of a population
Census. collecting data for a population
Sample survey. collecting data for a sample
A population is a collection of all possible individuals, objects, or measurements of interest.
A sample is a portion, or part, of the population of interest
–Rebasa el contenido de los datos-.
Population. the set of all elements of interest in a particular study
Sample. a subset of the population
Inferencia estadística. the process of using data obtained from a sample to make estimates and test hypotheses about the characteristics of a population
Census. collecting data for a population
Sample survey. collecting data for a sample
A population is a collection of all possible individuals, objects, or measurements of interest.
A sample is a portion, or part, of the population of interest
