You are on page 1of 25

FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Formulario de Estadística
Descriptiva e Inferencial 1

Autor: Prof. Rubén José Rodríguez


6 de marzo de 2006

MEDIDAS DE TENDENCIA CENTRAL y POSICIÓN

�X
j =1
j

X =
n

�X
j =1
j *f
X=
n

�pm * f
j =1
X=
n

X =Z+
�f *x'
*i
n

1
Fórmulas editadas con MathType 4.0 Editor de ecuaciones, 1999. Copie y pegue en los
Reports Estadísticos.

1
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

N1 * X 1 + N 2 * X 2 + ... + N n * X n
X (Total o Ponderada)=
N1 + N 2 + ... + N n

n
- fali
Md = lirMd +2 *i
f Md

d1
Mo = lirMo + *i
d1 - d 2

1
* n - fali
P25 = lir + 4 *i
f P25

3
* n - fali
P75 = lir + 4 *i
f P75

2
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

MEDIDAS DE FORMA DE LA DISTRIBUCIÓN


ASIMETRÍA

Medida de la asimetría de una distribución. La distribución normal es simétrica por lo que


tiene un valor de asimetría 0 [As = 0]. Una distribución que tenga una asimetría positiva
significativa tiene una cola derecha larga. Una distribución que tenga una asimetría negativa
significativa tiene una cola izquierda larga. Un valor de asimetría mayor que 1, en valor
absoluto, indica generalmente una distribución que difiere de manera significativa de la
distribución normal.
Un valor de Asimetría < 0 [As < 0] indicará una Asimetría negativa (con una cola a la
izquierda de la Media aritmética).
Un valor de Asimetría > 0 [As < 0] señalará una Asimetría positiva (con una cola a la
derecha de la Media aritmética).

Los resultados pueden ser los siguientes:


g1 = 0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la
izquierda de la media)
g1 > 0 (distribución asimétrica positiva). La mayor parte de los sujetos tienen puntuaciones
bajas.
g1 < 0 (distribución asimétrica negativa). La mayor parte de los sujetos tienen pun-tuaciones
altas.
CURTOSIS

Medida del grado en que las observaciones están agrupadas en torno al punto central. Para una
distribución normal (mesocúrtica) el valor del estadístico de curtosis es 0. Una curtosis
positiva indica que las observaciones se concentran más y presentan colas más largas que las
de una distribución normal (platicúrtica). Una curtosis negativa indica que las observaciones
se agrupan menos y presentan colas más cortas (leptocúrtica).
El Coeficiente de Curtosis analiza el grado de concentración que presentan los valores alrededor de la
zona central de la distribución.
Se definen 3 tipos de distribuciones según su grado de curtosis:
Distribución mesocúrtica: presenta un grado de concentración medio alrededor de los
valores centrales de la variable (el mismo que presenta una distribución normal).
Distribución leptocúrtica: presenta un elevado grado de concentración alrededor de los
valores centrales de la variable.
Distribución platicúrtica: presenta un reducido grado de concentración alrededor de los
valores centrales de la variable

Los resultados pueden ser los siguientes:


g 2 = 0 (distribución mesocúrtica). La distribución es normal.
g2 > 0(distribución leptocúrtica ). Muchos sujetos en torno a las puntaciones centrales.
g2 < 0 (distribución platicúrtica). Los sujetos están distribuidos a lo largo de todos los
valores de la variable.
.

3
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

MEDIDAS DE VARIABILIDAD

At = Rango = Recorrido = las - lai + 1


las = límite aparente superior

lai = límite aparente inferior

At = lsr - lir
N

�( X j - mX )
2

j =1
s X2 =
N

s 2X = P *Q

�( X -X)
2
j
j =1
s2 X =
n -1
N

�( X j - m X )
2

j =1
sX =
N

4
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

�( X -X)
2
j
j =1
sX =
n -1

sX = p*q
n

�( X -X) * f
2
j
j =1
sX =
n
2
n
�n �
� f * x '2
�� f * x ' �
sX = i * j =1
-�j =1

n � n �
� �
� �
n

�X - X
j =1
DX =
n

DQ = C3 - C1

C3 - C1
Q=
2

5
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

DISTRIBUCIÓN BINOMIAL

X = n* p

sX = n * p * q

p*q
ES ( Error Standard de la Media p ) = s X =
n

�n� n!
( )
n, r = Cn , r = � �=
�r � r !* ( n - r ) !


0n � r n-r
( p + q ) = �� �* p * q
n

r =n �r�
�n � r n -r
P( r) = �� * p *q
�r�

p - (n * p)
zp =
n* p*q

6
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

CURVA NORMAL de GAUSS

2
1 �X - m �
1 - *�
2 �s �

y= *e
s * 2p
X -m
z=
s

X -X
z=
s
X = ( z *s) + X

X -X
s=
z

p - (n * p)
zp =
n* p*q

X �1s � 68, 26%

X �2s � 95, 44%

X �3s � 99, 72%


P ( a ) (bilateral ) ‫=ޱ‬P�( =
.01) A .4950 2,54 z
P ( a ) (bilateral ) ‫=ޱ‬P�( =
.05 ) A .4750 1,96 z
P ( a ) (bilateral ) ‫=ޱ‬P�( =
.10 ) A .4495 1, 64 z
P ( a ) (unilateral ) ‫=ޱ‬P�( =.01) A .4900 2,32 z
7
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

P ( a ) (unilateral ) ‫=ޱ‬P�( =.05 ) A .4495 1, 64 z


P ( a ) (unilateral ) ‫=ޱ‬P�( =.10 ) A .3962 1, 26 z

8
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

CHI CUADRADO

( f F )
2
n
ij -
=�
2 ij
x ( Pa ; gl )
F
j =1 ij

n
( fo - fe) 2
x 2
( Pa ; gl ) = �
i =1 fe
Pa = Valor de probabilidad que se observa en la relación entre el
Predictor y la VD que se presentará si el Predictor y la VD
fueran estadísticamente independientes.
gl = Grados de libertad: (I-1)*(J-1), es decir, (columnas-1)*(filas-1)
f ij = f 0 Frecuencia condicional o frecuencia empírica, valor que asume
el Predictor y el Criterio en la celda ij.
Fij =f e Frecuencia esperada o teórica bajo la hipótesis de independencia.

2
� N�
N *� (a * d - b * c) - �
� 2�
x2 =
(a + b) *(c + d ) *( a + c) *(b + d )

d c+d
= � Independencia
b+d n

P(A)=PA/B � Independencia
Corrección por continuidad de Yates

9

FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Chi Cuadrado-Prueba Exacta de Fisher

(a+b)!(c
P=
Si X 2 calculado > X 2 tabla \ H 0 H1
Si 300,337 > 7,87944 \ H 0 H1
X 2 teorico = X 2( 1;0,05) = 7,87944

N
Pα = 0, 05
X 2 calculado = Chi - square value = 300,337
Rechazo H 0
Aceptacion H 0
P-value= 0,000
Zona de Riesgo

[Residuos No tipificados]
(RESID) R ij = (Oij - Eij )
[Residuos tipificados]
(SRESID) SR ij = (Oij - Eij ) / Eij
[Residuos tipificados corregidos]
(SRESID) AR ij = SRij / Vij
Vij = [ 1 - (Oi . / n) ] �
1 - (O. j / n) �
� �
[Residuos tipificados corregidos]

10
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

TEORÍA DE LAS MUESTRAS

ERRORES STÁNDARES DE DISTRIBUCIONES MUESTRALES


sX
sX =
n

sX
sX =
n

sX N -n
s X = ES X = *
n n -1

p*q
s p = ES p =
n

p * q �N - n �
s X = ES X = *� �
n �n - 1 �

s 12 s 22
s X1 - X 2 = ES X1 - X 2 = ES D = +
n1 n2
s 12 s 22
s X1 - X 2 = ES X1 - X 2 = ES D = +
n1 - 1 n2 - 1

p1 * q1 p2 * q2
s p1 - p2 = ES p1 - p2 = ES D = +
n1 n2

p1 * q1 p2 * q2
s p1 - p2 = ES p1 - p2 = ES D = +
n1 - 1 n2 - 1

11
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

INFERENCIA DE MEDIAS Y PROPORCIONES

sX
m X = X �z *
n
sX
m X = X �z *
n

sX N -n
m X = X �t * *
n n -1

p*q
P = p �z *
n

p * q �N - n �
P = p �t * *� �
n �n - 1 �

p1 * q1 p2 * q2
P1 - P2 = p1 - p2 �z * +
n1 n2

p1 * q1 p2 * q2
P1 - P2 = p1 - p2 �t * +
n1 - 1 n2 - 1

12
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

TAMAÑO DE LA MUESTRA

z2 * p * q 4* p * q
n (universo infinito) = = [n �100.000]
P(a )
2
e2

4* p * q * N
n (universo finito) = [n <100.000]
e2 *( N - 1) + (4* p * q)

CÁLCULO DEL ERROR DE MUESTREO Y DEL ERROR DE ESTIMACIÓN

UNIVERSO INFINITO ( �100.000)


ERROR DE MUESTREO

p*q
sX =
n
UNIVERSO FINITO (<100.000)
ERROR DE MUESTREO

p * q �N - n �
sX = *� �
n �N - 1 �

ERROR DE ESTIMACIÓN PARA PROPORCIONES PARA UNA


MUESTRA INFINITA [z * Error de Muestreo]

p*q
e% = z *
n
ERROR DE ESTIMACIÓN PARA PROPORCIONES PARA UNA
MUESTRA FINITA [z * Error de Muestreo]

p*q N - n
e% = z * *
n N -1
13
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

EJEMPLO DE APLICACIÓN
p*q
sX =
n
p = q = 50%
N = 310.000
n = 275
s X = 3, 02%
E = z *s X
E = 2 * 3, 02
E =�6, 04%
p*q �N -n�
sX = *� �
n �N - 1 �
E = z *s X
E = 1, 96 * 5, 25%
E =�10, 29%
p = q = 50%
N = 10.000
n = 90
P (a ) = 5% (nivel de significación)
z = 1,96
s X = Error de muestreo
E= Error de estimación (intérvalo de confianza=P(1-a )=95%)

14
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

TEORÍA DE LA DECISIÓN ESTADÍSTICA

HIPÓTESIS ESTADÍSTICAS

Proposición lógica que estable una relación entre estadísticos o parámetros indicando o no el
sentido o diferencias de dicha relación. La formulación de hipótesis direccionales o no
direccionales, o hipótesis simétricas o asimétricas, implica considerar que la prueba estadística
es unilateral (hipótesis asimétricas) o bilateral (hipótesis simétricas). (Ver fórmulas de Curva
Normal de Gauss para niveles de significación: PALFA bilaterales y unilaterales).

a) Pueden no indicar el sentido de la relación o diferencias entre estadísticos y/o


parámetros:

H1 : X 1 �X 2
H 2 : X 1 - X 2 �0
H 3 : X 1 �m X
H 4 : X 1 - m X �0
b) Indicando el sentido de la relación o diferencia entre estadísticos y/o parámetros:

H1 : X 1 > X 2
H 2 : X1 - X 2 > 0
H3 : X1 < m X
H 4 : X1 - m X < 0

HIPÓTESIS NULA Y ALTERNATIVA

H 0 = phombres y sobrevivieron = pmujeres y sobrevivieron = d % = 0


H1 �phombres y sobrevivieron � pmujeres y sobrevivieron �d % �0

15
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

TEST DE HIPÓTESIS ESTADÍSTICAS

PRUEBA ESTADÍSTICA PARAMÉTRICAS

CONTRASTE DE MEDIAS Y PROPORCIONES

Hipótesis estadísticas:

1. Diferencia entre media muestral y media parámetro 2

H0 = X1 - m X = D = 0
1.1. Prueba t (de Student-Fisher) para una muestra. Muestras grandes
(n> 30)

t X1 - m X =
( X 1 - m X ) - m D D X1-m X
=
SX sX
n
1.2. Prueba t para una muestra. Muestras chicas (n �30)

t X1 - m X 2 =
( X 1 - m X ) - m D D X1-m X
=
SX sX
n -1

2
En SPSS: Analizar > Comparar medias > Prueba T para una muestra.
16
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Hipótesis estadísticas:

2. Diferencia entre proporción muestral y proporción parámetro

H 0 = p1 - P = D = 0
2.1. Prueba t para una muestra. Muestras grandes (n> 30)

t p-P =
( p - P ) - PD
=
D p-P
p*q sX
n
2.2. Prueba t para una muestra. Muestras chicas (n �30)

t p-P =
( p - P ) - PD
=
D p-P
p*q sX
n -1

17
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Hipótesis estadística

3. Diferencia entre dos medias muestrales independientes3

H0 = X1 - X 2 = D = 0
3.1. Prueba t para muestras independientes. Muestras grandes (n > 30)

t X1 - X 2 =
( X 1 - X 2 ) - mD
=
DX -X
1 2

S1 S2 sD
+
n1 n2
3.2. Prueba t para muestras independientes. Muestras chicas (n �30)

t X1 - X 2 =
( X 1 - X 2 ) - mD
=
DX -X
1 2

S1 S2 sD
+
n1 - 1 n2 - 1

3
En SPSS: Analizar > Comparar medias > Prueba T para una muestras independientes.

18
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Hipótesis estadística:

4. Diferencia entre dos proporciones muestrales independientes

H 0 = p1 - p2 = D = 0
4.1. Prueba t para muestras independientes. Muestras grandes (n > 30)

( p1 - p2 ) - PD d%
t p -p = =
1 2
p1 * q1 p2 * q2 s D
+
n1 n2
4.2. Prueba t para muestras independientes. Muestras chicas (n �30)

( p1 - p2 ) - PD d%
t p -p = =
1 2
p1 * q1 p2 * q2 s D
+
n1 - 1 n2 - 1

19
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE

( -1 � rx,y
1 n
Covx , y = * �� ( X j - X )*(Y j - Y ) �
� �
n j =1

��
(X

j =1
j - X ) *(Y j - Y ) �

rx , y =
n *s x *s y
n

��
(X

j =1
j - X ) *(Y j - Y ) �

rx , y =
n n

�( X j - X )
j =1
2
�i
(Y
j =1
- Y ) 2

n� *
n n
1 n
rx , y = �z x * z y
n j =1

20
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Y -Y X -X
= rx , y *
sy sx
sy
Y - Y = rx , y * *( X - X )
sx
sy
Yx = rx , y * *( X - X ) + Y
sx
sx
X y = rx , y *(Y - Y ) + X
sy
sy
bYx = rx , y *
sx
sx
bXy = rx , y *
sy

ESest = s Yx = s y * 1 - r 2

ESest = s X y = sx * 1 - r 2

21
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

σYx =σ ( est ) =ES( est ) =sY * 1- r 2


σYx =σ ( est ) =ES( est ) =sY * k

SC Total =

22

(
(
σYx =σ
- )
) =ES
sT s s


2
= 2
+ 2

Y Y
Y -Y
E R

( est )
Varianc
i i

Variabi 22
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

�i
SCT ( Y = - CY
1 = r2 + k2
r2 = 1- k 2
k = 1- r2
EP = 100*(1 - k )

R = �
(
a
2
(
n - 1) RY´
- k-
n - k -1
2

i
R = 2 23
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

ANALISIS DE REGRESIÓN LINEAL SIMPLE

Y = a + b* X

Yi = a + b1 * X 1
=b
Yyi = a0 ++bb1**xX 1
y j = b0 + b1 * x j

z y = a + b yx * z x
x = a
z = b + b *z
yj 0
+ b * y 1 xj

zx= a +=
0 + b1 * y j
x b *bz xy y
j
z x j = b0 + b1 * z y j

sy
b yx = rx , y �s x 24
FORMULARIO DE ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

Y�= Yc � e
Y�= Yc �z �s yx
X �= X c �z �sx y
Yc - e �Y� �Yc + e

Y� = Yc �z *[
Y� = Yc �z * S
Li = Yc - z * S 25

You might also like