Estadistica

1. Estadística I
Matemáticas para entender mis datos
Cyn - Matemática

2. Cynthia Castillo
Un poco sobre mí…
LaMatemaga
Matemática
Análisis y Ciencia de Datos
Banco Regional (Hey Banco)
Asistente de Investigación
CICFIM UANL (Bioinformática)
Mi objetivo:
Mostrarte que las matemáticas son tus aliadas.
LaMatemaga LaMatemaga

3. Estructura
Sobre el curso…
2 de noviembre
Estadística I
4 de noviembre
Estadística II
12 de marzo
Teoría de Grafos
19 de marzo
Matemáticas Discretas con Python

4. ¿Qué es la
Estadística?

5. Estadística
Cody, ¿qué es la estadística?

6. Estadística
Se encarga de desarrollar y estudiar métodos de
recopilación, análisis, interpretación y
presentación de datos empíricos.
Fuente: UCI Donal Bren, School of Information & Computer Science, Department of Statistics (UCI).
What is Statistics?

7. Estadística
Se encarga de desarrollar y estudiar métodos de
recopilación, análisis, interpretación y
presentación de datos empíricos.
Fuente: UCI Donal Bren, School of Information & Computer Science, Department of Statistics (UCI).
What is Statistics?

8. Un poco de historia…
Orígenes en la administración pública.

9. Un poco de historia…
Orígenes en la administración pública.
● (S. XVII) Juegos de azar y apuestas

10. Un poco de historia…
Orígenes en la administración pública.
● (S. XVII) Juegos de azar y apuestas
● (S. XVIII) Demografía y Economía

11. Un poco de historia…
Orígenes en la administración pública.
● (S. XVII) Juegos de azar y apuestas
● (S. XVIII) Demografía y Economía
● (S. XIX) Mayor colección de datos. Avances en
sociología y psicología

12. Un poco de historia…
Orígenes en la administración pública.
● (S. XVII) Juegos de azar y apuestas
● (S. XVIII) Demografía y Economía
● (S. XIX) Mayor colección de datos. Avances en
sociología y psicología
● (S. XX) Mayor presencia de las computadoras digitales

13. Un poco de historia…
Orígenes en la administración pública.
● (S. XVII) Juegos de azar y apuestas
● (S. XVIII) Demografía y Economía
● (S. XIX) Mayor colección de datos. Avances en
sociología y psicología
● (S. XX) Mayor presencia de las computadoras digitales
● (S. XXI) Big Data

14. Estadística
Se encarga de desarrollar y estudiar métodos de
recopilación, análisis, interpretación y
presentación de datos empíricos.
Fuente: UCI Donal Bren, School of Information & Computer Science, Department of Statistics (UCI).
What is Statistics?

15. Criptografía
Cadenas Binarias
Visión Computacional
Imágenes
Sistemas Dinámicos
Estados de un Sistema
Sobre los
Machine Learning
Atributos
Renderización de Gráficos
Shaders
Espacios Multidimensionales
Puntos en el Espacio
Procesos Estocásticos
Distribuciones de Probabilidad
Datos Empíricos

16. Sobre los
Datos Empíricos

17. Sobre los
Datos Empíricos
Genética

18. Sobre los
Datos Empíricos
Genética
Bancos

19. Sobre los
Datos Empíricos
Genética
Política
Bancos

20. Sobre los
Datos Empíricos
Medicina
Genética
Política
Bancos

21. Sobre los
Datos Empíricos
Medicina
Genética
Política
Bancos
Agricultura

22. Sobre los
Datos Empíricos
Medicina
Genética
Política
Bancos
Agricultura
Meteorología

23. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Política
Bancos
Agricultura
Meteorología

24. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Política
Bancos
Agricultura
Turismo
Meteorología

25. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Política
Bancos
Agricultura
Turismo
Meteorología
Experiencia
de Usuario

26. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Educación
Política
Bancos
Agricultura
Turismo
Meteorología
Experiencia
de Usuario

27. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Farmacéutica
Educación
Política
Bancos
Agricultura
Turismo
Meteorología
Experiencia
de Usuario

28. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Farmacéutica
Educación
Política
Bancos
Mercadotecnia
Agricultura
Turismo
Meteorología
Experiencia
de Usuario

29. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Farmacéutica
Educación
Política
Bancos
Mercadotecnia
Agricultura
Turismo
Meteorología
Experiencia
de Usuario
Deporte

30. Sobre los
Datos Empíricos
Industria
Automotriz
Medicina
Genética
Farmacéutica
Educación
Política
Bancos
Mercadotecnia
Agricultura
Turismo
Meteorología
Experiencia
de Usuario
Deporte
La imaginación es el
límite

31. Pero antes…

32. Probabilidad

33. Antes de empezar, veamos algunos
El conjunto de todos los posibles resultados
de un experimento.
Normalmente se denota por la letra S.
Nota: Cada elemento de este conjunto es
conocido como punto muestral
Conceptos Importantes
Espacio
Muestral

34. Antes de empezar, veamos algunos
El conjunto de todos los posibles resultados
de un experimento.
Normalmente se denota por la letra S.
Nota: Cada elemento de este conjunto es
conocido como punto muestral
Conceptos Importantes
Espacio
Muestral
S:

35. Antes de empezar, veamos algunos
El conjunto de todos los posibles resultados
de un experimento.
Normalmente se denota por la letra S.
Nota: Cada elemento de este conjunto es
conocido como punto muestral
Conceptos Importantes
Espacio
Muestral
S: Las cartas de poker

36. Antes de empezar, veamos algunos
El conjunto de todos los posibles resultados
de un experimento.
Normalmente se denota por la letra S.
Nota: Cada elemento de este conjunto es
conocido como punto muestral
Conceptos Importantes
Espacio
Muestral
S: Las cartas de poker
Q♥ ∈ S

37. Antes de empezar, veamos algunos
Es un subconjunto del espacio muestral.
Conceptos Importantes
Evento

38. Antes de empezar, veamos algunos
Es un subconjunto del espacio muestral.
Conceptos Importantes
Evento
A: As’ de la baraja

39. Antes de empezar, veamos algunos
Es un subconjunto del espacio muestral.
Conceptos Importantes
Evento
A: As’ de la baraja

40. Antes de empezar, veamos algunos
Es un subconjunto del espacio muestral.
Conceptos Importantes
Evento
A: As’ de la baraja
A = {A♥, A⧫, A♣, A♠}

41. Antes de empezar, veamos algunos
Es un subconjunto del espacio muestral.
Conceptos Importantes
Evento
A: As’ de la baraja
A = {A♥, A⧫, A♣, A♠}
A ⊂ S

42. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes

43. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes

44. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes
A: As’ de la baraja

45. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes
B: Corazones

46. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes
A: As’ de la baraja
B: Corazones

47. Antes de empezar, veamos algunos
Son eventos que no tienen elementos en
común
Conceptos Importantes
Eventos
Mutuamente
Excluyentes
A: As’ de la baraja
B: Corazones
A y B no son eventos
mutuamente excluyentes

48. Probabilidad Clásica
Todas las posibilidades (N) tienen la misma
probabilidad de ocurrir.

49. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

50. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

51. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

52. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

53. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

54. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

55. Un ejemplito…
¿Cuál es la probabilidad de sacar un as de
un deck de 52 cartas?

56. Probabilidad Clásica
Podemos también calcular algunas
probabilidades de esta manera

57. Distribuciones y Densidades de
Probabilidad

58. Antes de empezar, veamos algunos
Se dice que X es una variable aleatoria si es
posible asignarle un valor de probabilidad a
que ocurra X.
Este valor está dado por una función
llamada f(x)
Conceptos Importantes
Variable
Aleatoria

59. Antes de empezar, veamos algunos
Las variables aleatorias pueden ser:
- Discretas: Como un naipe dentro de un
mazo o una cara de un dado.
- Continuas: Como la altura de una
persona o la temperatura de un
espacio.
Conceptos Importantes
Variable
Aleatoria

60. Antes de empezar, veamos algunos
Si X es una variable aleatoria discreta, se
define como
P(X=x) = f(x)
para cada x dentro del espacio muestral.
Conceptos Importantes
Distribución de
Probabilidad

61. Antes de empezar, veamos algunos
Conceptos Importantes
Distribución de
Probabilidad
f(x): Probabilidad de que caigan x caras al
lanzar una moneda

62. ● Bernoulli
● Binomial
● Uniforme discreta
● Geométrica
● Hipergeométrica
● Binomial Negativa
● Poisson
Distribuciones de Probabilidad

63. ● Bernoulli
● Binomial
● Uniforme discreta
● Geométrica
● Hipergeométrica
● Binomial Negativa
● Poisson
Distribuciones de Probabilidad

64. Antes de empezar, veamos algunos
Si X es una variable aleatoria continua, se
define como
P(a ≤ X ≤ b) =
para cada x dentro del espacio muestral.
Conceptos Importantes
Densidad de
Probabilidad

65. Antes de empezar, veamos algunos
Conceptos Importantes
Densidad de
Probabilidad
f(x): El volumen (x) de una botella que
debería contener 16 onzas.

66. ● Beta
● Cauchy
● Chi-cuadrada
● Exponencial
● F
● Gamma
● Normal
● t
● Uniforme
Densidades de Probabilidad

67. ● Beta
● Cauchy
● Chi-cuadrada
● Exponencial
● F
● Gamma
● Normal
● t
● Uniforme
Densidades de Probabilidad

68. ● Beta
● Cauchy
● Chi-cuadrada
● Exponencial
● F
● Gamma
● Normal
● t
● Uniforme
Densidades de Probabilidad

69. ¿Por qué no P(X=x) como con las variables
discretas?
Pregunta de Reflexión

70. Los conceptos básicos de Probabilidad
nos dará mejor entendimiento de la
Estadística.

71. Ahora sí…

72. Estadística Descriptiva

73. ¿No son lo mismo?
Población
Todos los elementos de un espacio
muestral
Tamaño: N
Población vs. Muestra
Recomendado: 31 Minutos. Censo 2017 - Bodoque censista
Muestra
Sólo algunos de los elementos de un
espacio muestral.
Tamaño: n

74. ● Media
● Mediana
● Moda
Conozcamos las
Medidas de Tendencia Central

75. Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Media
(Aritmética)
Conozcamos las
Medidas de Tendencia Central
Poblacional
Muestral

76. El valor que queda justo en medio al ordenar
los datos de menor a mayor. También
conocido como el 50vo percentil.
Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Mediana
Conozcamos las
Medidas de Tendencia Central

77. El valor que más se repite.
Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Moda
Conozcamos las
Medidas de Tendencia Central

78. ¿Valen igual las tres medidas?

79. ¿Valen igual las tres medidas?

80. ¿Valen igual las tres medidas?
● Media: 1183
● Mediana: 500
● Moda: 250

81. Sesgo y medidas de centralidad

82. ● Rango
● Rango Intercuartil
● Varianza
● Desviación estándar
Conozcamos las
Medidas de Dispersión

83. Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Rango
Conozcamos las
Medidas de Dispersión

84. Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Rango
Intercuartil
Conozcamos las
Medidas de Dispersión

85. Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Varianza
Conozcamos las
Medidas de Dispersión
Poblacional
Muestral

86. Ej. Pases de Touchdown:
37, 33, 33, 32, 29, 28,
28, 23, 22, 22, 22, 21,
21, 21, 20, 20, 19, 19,
18, 18, 18, 18, 16, 15,
14, 14, 14, 12, 12, 9, 6
Desviación
Estándar
Conozcamos las
Medidas de Dispersión
Poblacional
Muestral

87. La Estadística es la base de la ciencia
de datos.

88. Es hora de los
Ejercicios de Estadística

89. Abre el archivo Datos.gsheets de la carpeta compartida.
Elige sólo una de sus 13 hojas y copia las
columnas A y B en un archivo nuevo de
Google Sheets.
Llegó la hora de la verdad
Manos a los Datos~

90. Estamos obteniendo
Diferentes Visualizaciones
Fuente: GitHub (jumpingrivers). DatasauRus

91. Claramente necesitamos
Herramientas Adicionales
Fuente: GitHub (jumpingrivers). DatasauRus

92. Estadística I
Matemáticas para entender mis datos
Cyn - Matemática