1.

INFORME DE CLASE
Primer informe. Autores: Laura Andrea Nieto, Ivan Alejandro Alba.
Estadı́stica descriptiva y exploratoria.

1.1. Abstract
Este documento contiene la descripción de las primeras clases del curso de Estadı́stica
Descriptiva y Exploratoria 2017 - 2 dictado por el profesor Álvaro Mauricio Montenegro. En
el se encontrara una breve definición de conceptos básicos de la probabilidad y estadı́stica
descriptiva. También, se darán a conocer aspectos y comandos básicos del sofware estadı́stico
R y el editor de texto latex.

2. La Primera Clase
Iniciamos la primera clase buscando definir con nuestras propias palabras conceptos es-
tadı́sticos como variable, azar y probabilidad. A continuación se dará la definición de estos
términos según diferentes fuentes.

2.1. Variable aleatoria:

Es una función que asigna un valor, usualmente numérico, al resultado de un experimento
aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.
o un número real (p.e., la temperatura máxima medida a lo largo del dı́a en una ciudad
concreta).

2.2. Variable estadı́stica:

Es una caracterı́stica que puede fluctuar y cuya variación es susceptible de adoptar dife-
rentes valores, los cuales pueden medirse u observarse. Las variables adquieren valor cuando
se relacionan con otras variables, es decir, si forman parte de una hipótesis o de una teorı́a.
En este caso se las denomina constructos o construcciones hipotéticas.

2.3. Azar:
El azar es una combinación de circunstancias o de causas imprevisibles, complejas, no
lineales, sin plan previo y sin propósito, que supuestamente provocan que acontezca un de-

1
terminado acontecimiento que no está condicionado por la relación de causa y efecto ni por
la intervención humana o divina.

2.4. Probabilidad:
La Probabilidad es la mayor o menor posibilidad de que ocurra un determinado suceso.
En otras palabras, su noción viene de la necesidad de medir o determinar cuantitativamente
la certeza o duda de que un suceso dado ocurra o no. Además de ser un valor dado entre 0
y 1.

3. Segunda clase: Experimento de la moneda.

Al tomar una moneda de 200 pesos colombianos que tiene por dos lados: sello y cara.
Donde luego de realizar 3 lanzamientos se anotaban el número de caras obtenidos. Dando
ası́ inicio anuestro primer experimento aleatorio. Replicando el experimento en R, 10, 100 y

1000 veces obtenemos lo siguiente:

3.1. Experimento realizado 10 veces

Cuadro 1: Experimento n=10

0 1 2 3
2 5 2 1

2
3.2. Experimento realizado 100 veces

Cuadro 2: Experimento n=100

0 1 2 3
8 38 37 17

3.3. Experimento realizado 1000 veces

Cuadro 3: Experimento n=1000

0 1 2 3
140 371 369 120

Teniendo como esperanza matemática 1.5, en los 3 ejercicios.

4. Tercera clase: R y Latex

En una sesión de clase tuvimos explicación de comandos básicos y atajos útiles a la hora
de emplear el uso de R y Latex, permitiéndonos ası́ facilitarnos la tarea a la hora de usarlos
a lo largo de nuestra carrera y en el desempeño como profesionales.
En R y RStudio vimos comandos básicos como la construcción de tablas, histogramas y
el cálculo de frecuencias.
En R tuvimos la oportunidad de observar la plantilla de un artı́culo publicado por el
profesor, donde evidenciamos algunos lenguajes básicos y nos explicó la función de varios
comandos.

4.1. Ejercicio binomial en R

A continuación se mostrarán una serie de gráficos generados a partir de R. Podemos
observar la frecuencia absoluta y acumulada del siguiente ejercicio binomial con un Size =
10, Val = seq(from=0, to=10), y una probabilidad de 0,1; 0,5 y 0,9.
3
4.1.1. Con probabilidad = 0.1

0.3
0.2
0.1
0.0

Figura 1: Diagrama de barras: Experimento 0.1

1.0
0.8
0.6
0.4
0.2
0.0

Figura 2: Diagrama de barras: Frecuencia acumulada 0.1

4
4.1.2. Con probabilidad = 0.5

0.20
0.15
0.10
0.05
0.00

Figura 3: Diagrama de barras: Experimento 0.5

Frecuencia acumulada
1.0
0.8
0.6
0.4
0.2
0.0

Figura 4: Diagrama de barras: Frecuencia acumulada 0.5

5
4.1.3. Con probabilidad = 0.9

0.3
0.2
0.1
0.0

Figura 5: Diagrama de barras: Experimento 0.9

Frecuencia acumulada
1.0
0.8
0.6
0.4
0.2
0.0

Figura 6: Diagrama de barras: Frecuencia acumulada 0.9

5. Primeras medidas descriptivas: Localización y dis-

persión
5.1. Medidas de localización

Son coeficientes de tipo promedio que tratan de representar una determinada distribución,
pueden ser de dos tipos:

6
5.1.1. CENTRALES
-Medias: Aritmética Geométrica Armónica -Medianas -Moda

5.1.2. NO CENTRALES
-Cuantiles: Cuartiles Deciles Centiles o percentiles

5.2. Medidas de dispersión

Muestran la variabilidad de una distribución, indicádolo por medio de un número, si las

diferentes puntuaciones de una variable están muy alejadas de la media. Cuanto mayor sea
ese valor, mayor será la variabilidad, cuanto menor sea, más homogénea será a la media. Ası́
se sabe si todos los casos son parecidos o varı́an mucho entre ellos. Una de las medidas más
usadas es el rango estadı́stico: Es la diferencia entre el valor máximo y el valor mı́nimo en un
grupo de números aleatorios. Para calcular la variabilidad que una distribución tiene respecto

de su media, se calcula la media de las desviaciones de las puntuaciones respecto a la media

aritmética. Pero la suma de las desviaciones es siempre cero, ası́ que se adoptan dos clases
de estrategias para salvar este problema. Una es tomando las desviaciones en valor absoluto
(desviación media) y otra es tomando las desviaciones al cuadrado (varianza).