Ejemplo de clasificación en estadística: Encuesta a los estudiantes de contaduría publica

se realiza una encuesta de las edades de los estudiantes de contaduría publica nivel 2 donde se pregunto la edad de cada uno al finalizar la encuesta se hicieron grupos donde se clasificaron teniendo en cuenta las respuestas

Datos numéricos (cuantitativos):

• Altura o peso 

• Edad 

• Número de ventas 

• Ingresos 

• Velocida

Ejemplo

• Una compañía farmacéutica que decide si producir una gran cantidad de un nuevo analgésico después de analizar los datos de los ensayos clínicos y de mercado.

• Una tienda que analiza sus ventas semanales para determinar la cantidad de productos que necesita en inventario para la próxima semana.

Ejemplo

Deportes:

Un jugador de baloncesto podría calcular su altura promedio o la de otros jugadores para analizar las estadísticas descriptivas de una muestra de 10 jugadores

La distribución es la acción de repartir o entregar algo, ya sea productos a través de una cadena logística, datos en un conjunto de valores estadísticos, o bienes en un contexto económico.

Ejemplo de distribución de productos es el proceso de llevar un smartphone desde la fábrica hasta la tienda donde el consumidor lo compra, mientras que en estadística un ejemplo es la curva de campana que muestra cómo la mayoría de la población se agrupa en torno a la media en estatur

Ejemplo, para estimar la estatura promedio de todos los estudiantes de una universidad, se puede usar la estatura media de una muestra de estudiantes como estimación puntual (un solo valor) o un rango de valores con un cierto nivel de confianz

Por ejemplo, si contamos la cantidad de horas de estudio de 10 alumnos y encontramos que 3 alumnos estudian 2 horas, la frecuencia absoluta para "2 horas" es 3

Por ejemplo, si tenemos las edades de 30 alumnos, la frecuencia absoluta acumulada de la edad de 12 años es la suma de cuántos alumnos tienen 10 años, 11 años y 12 año

2/302 / 30

2/30 o 0.066

. En 100 lanzamientos de un dado, si se obtienen 40 números pares, la frecuencia relativa es

40/100=0.440 / 100 es igual a 0.4

40/100=0.4 o 40%

EJEMPLO

Los ejemplos comunes incluyen el gráfico lineal para series temporales (como el crecimiento de las ventas anuales), el gráfico de barras para comparar categorías (como las preferencias de productos) y el gráfico circular para mostrar porcentajes de un total (como la distribución de un presupuesto

Ejemplo: Un gráfico de barras que muestre las frutas más consumidas en un salón.

• Una hipótesis es una afirmación o proposición que se considera como posible respuesta a un problema o fenómeno.

• No es una verdad absoluta, sino una idea que debe ser comprobada o refutada mediante evidencia.

Ejemplos incluyen "El consumo de tabaco causa cáncer" o "Un champú de eucalipto acelera el crecimiento del cabello".

Ejemplos de individuos incluyen cada alumno en una clase, cada casa en una ciudad, cada lote de un producto manufacturado, o cada voto en una elección

Por ejemplo, si se quiere saber la opinión de todos los limeños sobre un tema, no es necesario entrevistar a toda la población, basta con encuestar a una muestra representativa de 1000 ciudadanos. 

Ejemplos comunes incluyen una empresa que entrevista a un grupo de clientes para medir la satisfacción general, o un instituto de opinión que encuesta a 1000 votantes para predecir el resultado de unas elecciones en un país entero. 

Representaciones matemáticas usadas para contar, medir o identificar.

Ejemplo: 15 estudiantes tienen mascotas.

Ejemplo

organizar las notas de los estudiantes por asignatura en una tabla, agrupar los resultados de una encuesta sobre colores preferidos en un gráfico de barras, o utilizar un histograma para representar la distribución de las tallas de niños. 

Un ejemplo de población estadística es el conjunto de todos los estudiantes de una universidad, ya que es un grupo completo de elementos (estudiantes) sobre el que se quiere obtener información, como sus preferencias de estudio o hábitos. Otros ejemplos incluyen todos los árboles de un bosque, todos los autos fabricados en una fábrica, o todos los pacientes con diabetes en un país. 

Ejemplos de probabilidad y estadística incluyen el lanzamiento de una moneda o dado, el pronóstico del clima, las probabilidades en juegos de azar, el análisis de riesgo en seguros y finanzas, y el diagnóstico médico. Estos ejemplos demuestran cómo la probabilidad y la estadística se usan para predecir la frecuencia de eventos y tomar decisiones. 

-Conjunto de pasos o procedimientos para analizar datos.

Ejemplo: Recoger, organizar, analizar e interpretar las notas de un curso.

Ejemplo: Pronosticar lluvias para mañana usando datos meteorológicos.

Ejemplo: Pasar una encuesta en una universidad para saber qué carreras son más elegidas.

Algunos ejemplos de variables cuantitativas son la edad, altura, peso, ingresos, número de hijos o temperatura, ya que son características que se pueden expresar y contar con números. Estas variables se pueden operar matemáticamente y se clasifican en discretas (como el número de goles) y continuas (como el peso). 

Ejemplo

Los ejemplos incluyen el género (masculino/femenino), el color de ojos (azul, verde, marrón), la marca de un coche (Toyota, Nissan), el estado civil (soltero, casado, divorciado) o el medio de transporte (coche, autobús, tren). 

Ejemplos de variables ordinales

• Nivel educativo: Primaria, secundaria, preparatoria, licenciatura, maestría, doctorado.

• Calificación de exámenes: A, B, C, D, F o sobresaliente, notable, aprobado, suspenso.

• Medallas en competencias: Oro, plata, bronce.

• Gravedad del dolor: Sin dolor, leve, moderado, intenso.

• Satisfacción del cliente: Muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho

2.52.5

2.5

personas. Estos valores no tienen otros valores intermedios entre dos consecutivos; es decir, "salta" de un valor al siguiente. Ejemplos comunes son el número de hijos, el número de estudiantes en un aula o el número de faltas en un partido de fútbol

Ejemplo

Ejemplos de variables discretas

• Número de hijos por familia: Una familia puede tener 1, 2 o 3 hijos, pero no 2.75.

• Número de estudiantes en una clase: Puede haber 20, 21 o 22 estudiantes, pero no 20.5.

• Número de faltas en un partido de fútbol: Se pueden contar las faltas, por lo que el resultado siempre será un número entero.

• Resultados al lanzar un dado: Las posibles respuestas son 1, 2, 3, 4, 5 o 6.

Ejemplos de variables continuas

• Estatura:

  La altura de una persona puede ser

  1.75 metros

  1.755 metros

  metros, o cualquier otro valor dentro de un rango. 

• Peso:

  El peso de un objeto o una persona, como el de las vacas en una granja, puede tomar un número infinito de valores dentro de un intervalo. 

• Tiempo:

  El tiempo que tarda un coche en llegar a un destino es continuo, al igual que el tiempo que tarda una persona en hacer una llamada

Fórmula:

Media = (Suma de todos los valores) /

(Número total de valores)

Ejemplo:

Conjunto de datos: 2, 4, 6, 8, 10

Media = (2 + 4 + 6 + 8 + 10) / 5

Media = 30 / 5

Media = 6

La mediana es una medida de tendencia central que se utiliza para describir el valor medio de un conjunto de datos. Se define como el valor que divide el conjunto de datos en dos partes iguales, de manera que la mitad de los datos son menores o iguales a la mediana y la otra mitad son mayores o iguales a ella.

Cálculo de la mediana

1. Ordenar los datos: se ordenan los datos de menor a mayor.

2. Determinar la posición de la mediana: si el número de datos es impar, la mediana es el valor del dato que se encuentra en la posición central. Si el número de datos es par, la mediana es el promedio de los dos valores centrales.

Ejemplo

Supongamos que tenemos el siguiente conjunto de datos: 2, 4, 6, 8, 10

1. Se ordenan los datos: 2, 4, 6, 8, 10

2. Se determina la posición de la mediana: como hay 5 datos (un número impar), la mediana es el valor del dato que se encuentra en la posición central, que es el tercer dato: 6.

Las medidas de tendencia central son estadísticas que describen el valor central o típico de un conjunto de datos. Estas medidas nos permiten resumir y describir la distribución de los datos.

Tipos de medidas de tendencia central

1. Media: la media es el promedio de todos los valores de un conjunto de datos. Se calcula sumando todos los valores y dividiendo por el número de valores.

2. Mediana: la mediana es el valor que divide el conjunto de datos en dos partes iguales, de manera que la mitad de los datos son menores o iguales a la mediana y la otra mitad son mayores o iguales a ella.

3. Moda: la moda es el valor que aparece con mayor frecuencia en un conjunto de datos.

Los datos agrupados son un conjunto de datos que se han clasificado y agrupado en categorías o intervalos para facilitar su análisis y visualización. Esto se hace cuando se tiene un gran número de datos y se quiere resumir y describir la distribución de los mismos.

Ventajas de los datos agrupados

- Resumen de la información: los datos agrupados permiten resumir la información y obtener una visión general de la distribución de los datos.

- Facilidad de análisis: los datos agrupados facilitan el análisis y la interpretación de los datos.

- Visualización: los datos agrupados se pueden visualizar de manera efectiva utilizando gráficos y tablas.

Desventajas de los datos agrupados

- Pérdida de información: al agrupar los datos, se pierde información detallada sobre cada observación individual.

- Dificultad para realizar cálculos: los cálculos pueden ser más difíciles de realizar con datos agrupados que con datos individuales.

Tipos de agrupación de datos

- Agrupación por intervalos: se agrupan los datos en intervalos o rangos de valores.

- Agrupación por categorías: se agrupan los datos en categorías o clases.

Ejemplo de datos agrupados

Supongamos que tenemos un conjunto de datos que representa las edades de un grupo de personas:

18, 22, 25, 30, 35, 40, 45, 50, 55, 60

Podemos agrupar estos datos en intervalos de edad:

- 18-24: 2 personas

- 25-34: 2 personas

- 35-44: 2 personas

- 45-54: 2 personas

- 55-64: 2 personas

Un intervalo es un rango de valores que se utiliza para agrupar datos en estadística. Los intervalos se utilizan para clasificar los datos en categorías o grupos, lo que facilita su análisis y visualización.

Tipos de intervalos

- Intervalos de clase: son intervalos que se utilizan para agrupar datos en categorías o clases.

- Intervalos de confianza: son intervalos que se utilizan para estimar un parámetro poblacional con un cierto nivel de confianza.

Características de los intervalos

- Amplitud: la amplitud de un intervalo es la diferencia entre el límite superior y el límite inferior.

- Límite inferior: el límite inferior de un intervalo es el valor mínimo que se incluye en el intervalo.

- Límite superior: el límite superior de un intervalo es el valor máximo que se incluye en el intervalo.

Ejemplo de intervalos

Supongamos que tenemos un conjunto de datos que representa las edades de un grupo de personas:

18, 22, 25, 30, 35, 40, 45, 50, 55, 60

Podemos crear intervalos de edad de la siguiente manera:

- 18-24

- 25-34

- 35-44

- 45-54

- 55-64

La moda es el valor que aparece con mayor frecuencia en un conjunto de datos. En otras palabras, es el valor que es más común o típico en un conjunto de datos.

Características de la moda

- Valor más frecuente: la moda es el valor que aparece con mayor frecuencia en un conjunto de datos.

- Puede haber varias modas: si hay varios valores que aparecen con la misma frecuencia máxima, entonces hay varias modas.

- No siempre existe: si todos los valores en un conjunto de datos son únicos, entonces no hay moda.

Ejemplo de moda

Supongamos que tenemos el siguiente conjunto de datos:

2, 4, 4, 6, 4, 8, 4, 10

La moda es 4, ya que es el valor que aparece con mayor frecuencia (4 veces)

Un histograma es un gráfico que se utiliza para visualizar la distribución de una variable continua. Se representa mediante barras que indican la frecuencia o densidad de los datos en diferentes intervalos o rangos de valores

Un polígono es un gráfico que se utiliza para visualizar la distribución de una variable continua o discreta. Se representa mediante una serie de puntos conectados por líneas rectas que indican la frecuencia o densidad de los datos en diferentes intervalos o rangos de valores.

Tipos de polígonos

- Polígono de frecuencia: se utiliza para mostrar la frecuencia de una variable en diferentes intervalos o rangos de valores.

- Polígono de frecuencia acumulada: se utiliza para mostrar la frecuencia acumulada de una variable en diferentes intervalos o rangos de valores

La precisión es un concepto fundamental en estadística que se refiere a la cercanía entre los resultados obtenidos y el valor real o verdadero de una medición o estimación. En otras palabras, la precisión se refiere a la capacidad de un método o instrumento para producir resultados consistentes y cercanos al valor real.

Tipos de precisión

- Precisión de la medición: se refiere a la cercanía entre las mediciones individuales y el valor real de la cantidad que se está midiendo.

- Precisión de la estimación: se refiere a la cercanía entre la estimación de un parámetro y su valor real

La dispersión es un concepto fundamental en estadística que se refiere a la variabilidad o spread de un conjunto de datos. En otras palabras, la dispersión mide cómo se distribuyen los datos alrededor de la media o valor central.

Tipos de dispersión

- Rango: la diferencia entre el valor máximo y el valor mínimo de un conjunto de datos.

- Varianza: la media de los cuadrados de las diferencias entre cada valor y la media.

- Desviación estándar: la raíz cuadrada de la varianza.

- Desviación media absoluta: la media de las diferencias absolutas entre cada valor y la media.

La varianza es una medida de dispersión que se utiliza para describir la variabilidad de un conjunto de datos. Se define como la media de los cuadrados de las diferencias entre cada valor y la media.

Cálculo de la varianza

La varianza se calcula de la siguiente manera:

Varianza = Σ(xi - μ)² / N

Donde:

- xi = cada valor individual

- μ = media

- N = número de observaciones

La desviación media absoluta (DMA) es una medida de dispersión que se utiliza para describir la variabilidad de un conjunto de datos. Se define como la media de las diferencias absolutas entre cada valor y la media.

Cálculo de la desviación media absoluta

La desviación media absoluta se calcula de la siguiente manera:

DMA = Σ|xi - μ| / N

Donde:

- xi = cada valor individual

- μ = media

- N = número de observaciones

El coeficiente de variación (CV) es una medida de dispersión relativa que se utiliza para comparar la variabilidad de diferentes conjuntos de datos. Se define como la relación entre la desviación estándar y la media.

Cálculo del coeficiente de variación

El coeficiente de variación se calcula de la siguiente manera:

CV = (σ / μ) × 100

Donde:

- σ = desviación estándar

- μ = media

La aritmética es una rama de las matemáticas que se ocupa de las operaciones básicas con números, como la suma, la resta, la multiplicación y la división. En estadística, la aritmética se utiliza para realizar cálculos y análisis de datos.

Operaciones aritméticas básicas

- Suma: la suma de un conjunto de números es el resultado de combinarlos utilizando la operación de adición.

- Resta: la resta de un número de otro es el resultado de sustraer el segundo número del primero.

- Multiplicación: la multiplicación de dos números es el resultado de sumar un número tantas veces como indique el otro número.

- División: la división de un número por otro es el resultado de determinar cuántas veces el segundo número cabe en el primero.

Q

La amplitud es una medida de dispersión que se utiliza para describir la variabilidad de un conjunto de datos. Se define como la diferencia entre el valor máximo y el valor mínimo de un conjunto de datos.

Cálculo de la amplitud

La amplitud se calcula restando el valor mínimo del valor máximo de un conjunto de datos.

Amplitud = Valor máximo - Valor mínimo

Ejemplo

Supongamos que tenemos el siguiente conjunto de datos:

2, 4, 6, 8, 10

La amplitud sería:

Amplitud = 10 - 2 = 8

Agrupar implica reunir datos similares o relacionados en categorías o grupos para identificar patrones, tendencias o relaciones.

Ejemplo

- Edades de un grupo de personas: 20, 22, 25, 28, 30, 32, 35, 38, 40, 42

- Agrupar por rangos de edad:

- 20-24: 20, 22

- 25-29: 25, 28

- 30-34: 30, 32

- 35-39: 35, 38

- 40-44: 40, 42

La marca de clase es el punto medio de un intervalo o clase, y se utiliza como representante de todos los valores dentro de ese intervalo. La marca de clase se utiliza para calcular estadísticas y representar la distribución de los datos.

Ejemplo

- Intervalo de edades: 20-24

- Marca de clase: (20 + 24) / 2 = 22

- La marca de clase es 22, que representa a todos los valores dentro del intervalo 20-24.

Ejemplo

- Edades de un grupo de personas: 20, 22, 24, 26, 28

- Calcular la media: (20 + 22 + 24 + 26 + 28) / 5 = 24

- La media es 24, que se obtiene al calcular la suma de los valores y dividirla por el número de valores.

- Q1 (Cuartil 1): 25% de los datos están por debajo de este valor

- Q2 (Cuartil 2 o Mediana): 50% de los datos están por debajo de este valor

- Q3 (Cuartil 3): 75% de los datos están por debajo de este valor.

Ejemplo

- Edades de un grupo de personas: 20, 22, 25, 28, 30, 32, 35

- Q1: 22 (25% de los datos están por debajo de 22)

- Q2 (Mediana): 28 (50% de los datos están por debajo de 28)

- Q3: 32 (75% de los datos están por debajo de 32)

Se puede observar que los cuartiles ayudan a entender la distribución de los datos y a identificar valores extremos.

Ejemplos de Análisis de Varianza (ANOVA)

• Comparación de la efectividad de diferentes tratamientos: Un estudio busca determinar si existen diferencias significativas en la altura de las plantas tratadas con tres tipos diferentes de fertilizantes (variable independiente). Se mide la altura de las plantas (variable dependiente) para ver qué fertilizante produce los mejores resultados en promedio.

  
  

}Un ejemplo sencillo es el de un grupo de estudiantes, donde si la media de sus resultados es 50 y la desviación estándar es 10, significa que la mayoría de los estudiantes se encuentran en un rango de 10 puntos por encima o por debajo de la media, es decir, entre 40 y 60.

Las barras se refieren a un tipo de gráfico utilizado para representar datos categóricos o discretos. Una barra representa la frecuencia o valor de cada categoría.

Ejemplo:

| Categoría | Frecuencia |

| A | 10 |

| B | 20 |

| C | 15 |

En un gráfico de barras, cada categoría (A, B, C) se representa con una barra cuya altura corresponde a la frecuencia (10, 20, 15). Esto permite visualizar y comparar fácilmente las frecuencias de cada categoría.

Ejemplo:

Un investigador recopila datos sobre la edad y el ingreso de 100 personas. El análisis estadístico podría incluir:

- Calcular la media y la mediana de la edad y el ingreso

- Crear gráficos para visualizar la distribución de los datos

- Realizar pruebas de hipótesis para determinar si hay una relación significativa entre la edad y el ingreso

El análisis ayuda a identificar patrones y tendencias en los datos, lo que permite tomar decisiones informadas y sacar conclusiones válidas.

Las columnas son las variables o características que se miden o registran en un conjunto de datos.

Ejemplo:

| Edad | Ingreso | Género |

| 25 | $50,000 | Masculino |

| 30 | $60,000 | Femenino |

| 35 | $70,000 | Masculino |

En este ejemplo, "Edad", "Ingreso" y "Género" son columnas que representan variables o características que se están midiendo o registrando.

Ejemplo:

Un diagrama de barras para mostrar la frecuencia de diferentes edades:

| Edad | Frecuencia |

| 20-29 | 10 |

| 30-39 | 15 |

| 40-49 | 20 |

| 50-59 | 12 |

Diagrama de barras:

Frecuencia

20-29 | **********

30-39 | ***************

40-49 | ********************

50-59 | ************

Este diagrama de barras muestra la frecuencia de diferentes edades, lo que ayuda a visualizar la distribución de las edades.

La implementación se refiere al proceso de aplicar métodos y técnicas estadísticas a un problema o situación real para obtener resultados y tomar decisiones informadas.

Ejemplo:

Una empresa quiere mejorar la calidad de su producto. La implementación estadística podría incluir:

1. Recopilar datos sobre la calidad del producto.

2. Analizar los datos utilizando técnicas estadísticas (media, mediana, desviación estándar).

3. Identificar patrones y tendencias en los datos.

4. Tomar decisiones informadas para mejorar la calidad del producto.

La implementación ayuda a convertir los datos en información útil para tomar decisiones y mejorar procesos.

Ejemplo:

Un conjunto de datos sobre la venta de productos:

| Producto | Venta |

| A | 100 |

| B | 200 |

| C | 150 |

Representación gráfica:

Un gráfico de barras que muestra la venta de cada producto:

Venta

A | **********

B | ********************

C | ***************

La representación gráfica ayuda a visualizar los datos y a identificar patrones y tendencias de manera más fácil.

Ejemplo:

Un estudio sobre la satisfacción del cliente en una tienda:

- Segmentos:

- Clientes jóvenes (18-30 años)

- Clientes adultos (31-50 años)

- Clientes mayores (51 años o más)

Análisis de la satisfacción del cliente por segmento:

| Segmento | Satisfacción |

| Jóvenes | 80% |

| Adultos. | 70% |

| Mayores. | 90% |

El análisis por segmentos ayuda a identificar las necesidades y preferencias específicas de cada grupo.

Ejemplo:

Un experimento donde se lanza una moneda al aire:

- Resultados posibles: Cara o Sello

- Probabilidad de cada resultado: 50%

El lanzamiento de la moneda es un proceso aleatorio, ya que el resultado es impredecible y cada resultado tiene la misma probabilidad de ocurrir.

Ejemplo:

Un estudio sobre los hábitos de compra de los clientes en una tienda:

- Conglomerados:

- Clientes que compran productos de moda

- Clientes que compran productos electrónicos

- Clientes que compran productos de hogar

Análisis de los conglomerados:

| Conglomerado | Características |

| Moda | Jóvenes, ingresos medios, compran ropa y accesorios |

| Electrónicos | Adultos, ingresos altos, compran dispositivos y gadgets |

| Hogar | Familias, ingresos medios, compran muebles y decoración |

El análisis de conglomerados ayuda a identificar patrones y tendencias en los datos y a segmentar a los clientes según sus características y comportamientos.

3/4

1/2