Autor: Princess Elizabeth Osorio De Texeira
Titulo: General Statistics
Area:
Pais:
Perfil:
Programa:
Disponible para descarga: Yes
Ver Más Publicaciones Estudiantiles Clic aquí

Diseminar información, ideas innovadoras y conocimientos académicos es una función importante para Atlantic Internacional University. Publicaremos noticias, artículos, comentarios y otras publicaciones de nuestros estudiantes y otros colaboradores. Si desea contactar al autor por motivos profesionales favor enviar su petición por este medio.

Para conocer más de la iniciativa de Acceso Abierto de AIU haga Clic aquí.

INTRODUCCIÓN
Podemos mencionar lo que realmente pasa por nuestra mente cuando
pensamos o escuchamos hablar de estadística ; creo que la primera reacción es
ubicar números en nuestra cabeza, grupos de personas , grupo de objetos, etc.

Mas parece ser que existe mucho mas que una simple ubicación numere-
ral dentro de la estadística, pues el análisis de la misma es conjunto variado de
métodos cuya finalidad es analizar simultáneamente conjuntos de datos
multivariantes en el sentido de que hay varias medidas para cada individuo u
objeto estudiado.


podemos mencionar que la razón de la estadística radica en un mejor
entendimiento del fenómeno objeto de estudio obteniendo información que los
simples métodos numéricos son incapaces de conseguir.

Lo que personalmente pretendo en esta materia es dar una breve visión general
de dicho conjunto de técnicos exponiendo brevemente , cual es su finalidad
,ilustrando con ejemplos posibles .Presentando como objetivo de mi lección lo
siguiente :

Pretendo definir que es el análisis multivariante y cuales son sus objetivos ,
pretender clasificar las distintas técnicas multivariantes ,distinguiendo entre
métodos de dependencia , interdependencia y estructurales e indicando , de forma
resumida los objetivos de las diversas técnicas multivariantes presentadas en la
presente materia .

De la misma forma e encontrado importante indicar y por supuesto estudiar
cuales son las etapas a seguir en la resolución de un problema de análisis
multivariante.









4

---

ANALISIS MULTIVARIANTE



Presentaremos el análisis multivariante como el conjunto de métodos estadísticos
cuya finalidad consiste en la analizacion simultáneamente de conjunto y datos
multivariantes en el sentido que hay variables medidas para cada individuo u
objeto a ser estudiado.

Los objetivos del análisis multivariantes pueden sintetizarse en dos puntos
importantes:

1) Proporcionar métodos cuya finalidad es el conjunto de datos
multivariantes que el análisis estadístico uní y bidimensional es capaz de conseguir.


2) Ayudar al analista o investigador a tomar decisiones optimas en el
contexto en el que se encuentre teniendo en cuenta la información disponible por
el conjunto de datos analizados .

Diremos pues que los tipos de técnicas multivariantes son:


1) Métodos de dependencia.


2) Método de interdependencia.


3) Métodos estructurales.

Presentaremos los tres puntos anteriores.

Comenzaremos por el Método de dependencia:

Suponen que las variables analizadas están divididas en dos grupos los cuales son

a) variables dependientes

b) variables independientes.


5

---

El objetivo de esta consiste en determinar si el conjunto de variables
independientes afectan las variables dependientes , sino también como están
relacionadas las variables de los dos grupos entre si.


METODOS DE DEPENDENCIA:


Los métodos de dependencia los clasificaremos en dos grandes subgrupos :

a) cuantitativas.

b) cualitativas.


Presentaremos las variables cuantitativas y sus técnica a se aplicar de las
siguientes forma :






VARIABLE
CUANTITATIVA.








ANALISIS DE
ANALISIS DE
ANALISIS DE
CORRELACION
REGRESION.
SUPERVIVENCIA
VARIANZA
CANONICA.




Análisis de regresión:

Esta variable consistirá en una técnica adecuada si en el análisis hay una o
varias variables dependientes métricas cuyo valor depende de una o varias
variables independientes métricas, son muy útiles por ejemplo cuando se intenta
predecir el gasto anual en cine de una persona a partir de su nivel de ingresos,

6

---

niveles educativos también puede ser útil , para la presentación de sexo y edad en
grupos de personas o trabajadores, etc.





Análisis de supervivencia:


Esta variable consistirá en una técnica adecuada o similar de regresión pero
con la diferencia de que la variable independiente es el tiempo de supervivencia
de un individuo o objeto.

Podremos usar como ejemplo en el estudio de este análisis cuando queramos
predecir el tiempo de permanencia en el desempleo de un individuo a partir de
su nivel de estudios y de su edad.



Análisis de la varianza:

Esta variable consistirá y será utilizada cuando las situaciones en las que las
muestras total esta dividida en varios grupos basados en una o varias variables
independientes no métricas y las variables dependientes analizadas son métricas y su
objetivo es averiguar si hay diferencias significativas entre dichos grupos en
cuanto a las variables dependientes se refiere.

en el aspecto de la salud podemos hacer uso de este análisis , como por
ejemplo cuando se quiere o mejor dicho se busca respuesta a las siguientes
preguntas:

¿Hay diferencia en el nivel de colesterol por sexo?

¿Afecta también el tipo de ocupación?

Correlación Canónica

En esta variable consistirá en el objetivo relacionado simultáneamente varias
variables métricas dependientes e independientes calculando combinaciones line-
ales de cada conjunto de variables


También podríamos mencionar como buen ejemplo:
al desear analizar como están relacionadas el tempo dedicado de trabajo y el
ocio de una persona con:

7

---

- su nivel de ingreso
- su edad
- su nivel de educación.

nota: información adquirida de : www.estadistica.es/libro/node6.htm



VARIABLE DEPENDIENTE CUALITATIVA.


Anteriormente estudiamos la variable cuantitativa, a continuación presentare-
mos la variable cualitativa de la siguiente forma:








Variable
Cualitativa.






Análisis
Modelos de
Análisis
Discriminante
Regresión logística
Conjoint




INTERPRETACION DE CUADRO ANTERIOR:


Análisis discriminante:

Esta variante se refiere a la técnica que proporciona reglas de clasificación
optimas de nuevas observaciones de las que se desconoce su grupo de
procedencia basándose en la información proporcionada los valores que en ella
toman las variables independientes .


8

---

Como por ejemplo:

Determinar los ratios financieros que mejor permiten discriminar entre empresas
Rentables y poco rentables.




Métodos de regresión logística.


Esta variable se refiere a los modelos de regresión en los que la variable
dependiente es no métrica . Se utilizan como una alternativa al análisis
discriminante cuando no hay normalidad.


Análisis Conjoint.


Es una técnica que analiza el efecto de variables independientes no métricas
sobre variables métricas o no métricas. Con la diferencia con el análisis de la
Varianza radica en dos hechos:

* La variable dependiente puede ser no métrica y
* Los valores de las variables independientes o métricas fijadas por un
analista

nota: en otras disciplinas se conoce con el nombre de Diseño de Experimentos.


Usaremos el siguiente ejemplo:

" una empresa quiere dise ar un nuevo producto y para ello necesita
especificar la forma del envase , su precio , el contenido por envase y su
composición química.

Presenta diversas composiciones de estos cuatro factores. 100 clientes
proporcionan un ranking de las combinaciones que se le presentan .Se quiere
determinar los valores ptimos de estos cuatro factores"


METODO DE INTERDEPENDENCIA

Se pueden clasificar en dos grandes grupos según que el tipo de datos que
analicen sean métricos o no métricos .


9

---

Datos métricos se podrán usar las siguientes técnicas.

1- Análisis factoriales y análisis de componentes principales.

2-Escala multidimencionales.

3-Análisis Cluster.


Descripción de los puntos anteriores:


1-Análisis factorial y análisis de componentes principales:

Se utiliza para analizar interrelaciones entre el numero elevado de variables
métricas explicando dichas interrelaciones en términos de un numero menor de
variables denominadas factores o componentes principales ,en este punto es
necesario citar el siguiente detalle :


* Las variables denominadas factores = si son inobservables.
* Las variables o componentes principales = si son observables.

Diremos por ejemplo:

Si un analista financiero quiere determinar la cual es el estado de la salud
financiera de una empresa a partir del conocimiento de un numero de ratios
construyendo varios índices numéricos que definan su situación , el problema se
resolvería mediante un análisis de componentes principales.

En el caso de un test de inteligencia usado por un psicólogo para
determinar los factores que le caracterizan su inteligencia como individuo ,
utilizaría para resolver este problema un análisis factorial.



2- Escalas multidimencionales :

Su objetivo es transformar juicios de semejanza o preferencia en distintas
representadas en un espacio multidimencional .Como consecuencia se construye un
mapa en el que se dibujan las pocisiones de los objetivos comparados de forma
que aquellos percibidos como distintos .


Como por ejemplo:


10

---

Al decidir analizar , en el mercado de refrescos, las percepciones que un grupo
de consumidores tiene acerca de una lista de refrescos y marcas con el fin de
estudiar que factores subjetivos utilizan un consumidor a la hora de clasificar
dichos productos .


3- Análisis cluster:


Su objetivo es clasificar una muestra de entidades ( individuos o variables )
en un numero pequeño de grupos de forma que las observaciones pertene-
cientes a un grupo sean muy similares entre si y muy disimilares del resto
a diferencia del análisis discriminante se desconoce el numero y la compo-
cision de dicho grupo.


Usaremos como ejemplo:

Clasificar grupos de alimentos:

-pescadores.
-carnes
- vegetales
- leche. etc.

En función de sus valores nutritivos. Si los daos no son métricos se pueden
utilizar , además de las escalas multidimencionales y el análisis cluster , las
Siguientes técnicas.

Análisis

De

Corresponcia





Modelos

Log-lineales



Métodos

estructurales









11

---

Definición del organizador anterior



Análisis de correspondencia:

Se aplica a la tabla de contingencia multidimencionales y persigue un objetivo
similar al de las escalas multidimencionales pero representando simultanea-
mente las y columnas de las tablas contingencia.

Podemos usar el ejemplo de un paro dentro de una empresa textil , tomando
en cuenta el área de vivienda de cada trabajador ,para detectar mas o menos el
gasto de transporte necesario por cada empleado ,sexo , edad y el nivel de
estudios de cada trabajador parado.


Modelos Log-lineales.

Se aplica a tabla de contingencia multidimencionales y modelizan relaciones
de dependencia multidimencional de las variables observables denominadas que
buscan explicar las frecuencias observadas.


Métodos estructurales:

Analizan las relaciones existentes entre un grupo de variables representadas por
sistemas de ecuaciones simultaneas en las que se suponen que algunas de ellas
se miden con error a partir de otras variables observables denominadas indica-
dores .

Diremos pues que los métodos utilizados constan en dos partes:

1- un modelo estructural que especifica las relaciones e dependencia existencia
entre las constructor latentes.


2- un modelo de medida que especifica como los indicadores se relacionan
con sus correspondientes constructor.

Para analizar como se relacionan los niveles de utilización de los servicios de una
empresa con las percepciones que sus clientes tienen de ella.






12

---

ANALISIS MULTIVARIANTE:


Las etapas de un análisis multivariante pueden sintetizarse en seis:


1- objetivos de análisis
.
2- diseño de análisis


3- hipótesis del análisis

4- realización del análisis

5- interpretación de los resultados

6- validación del análisis


Explicación de los puntos anteriores:

1-Se define el problema especificando los objetivos y las técnicas
Multivariantes que se van a utilizar. El investigador debe establecer el
problema en términos conceptuales definiendo los conceptos y las relaciones
de dependencia o de interdependencia .Con todo esto se determina las va-
riables a observar.


2-Diseño de análisis

Se determina el tamaño muestra , las ecuaciones a estimar , las distancias a
calcular y las técnicas de estimación a emplear .Una ves determinado todo esto
se proceden a observar los datos.


3-Hipótesis del análisis.

Se evalúan las hipótesis subyacentes a la técnica multivariante. Dichas hipótesis
puede de normalidad, linealidad , independencia ,mocedasticidad, etc.


También se debe decir hacer con los datos perdidos.


4- Realización del análisis.

13

---

Se estima el modelo evalúa el ajuste a los datos .En este paso pueden aparecer
Observaciones atípicas o influyentes cuya influencia sobre estimaciones y la
bondad de ajuste se debe analizar.


5-Interpretación de los resultados:

Dichas interpretaciones pueden llevar a reespecificciones adicionales de las va-
riables o del modelo con lo cual se puede volver de nuevo a los pasos
anteriores mencionados en el ejemplo 3 y 4.



6-Validación del análisis.

Consiste en establecer la validez de los resultados obtenidos analizando si
los resultados obtenidos con la muestra se generalizan a la población de la que
procede. Para ello se puede dividir la muestra en varias partes en las que el
modelo se vuelve a estimar y se comparan los resultados . Otras técnicas que
se pueden utilizar aquí son las técnicas de remuestreo


A continuación concretaremos en que consistirán dichas etapas para un análisis de
Regresión múltiple:


Análisis de regresión múltiple
Los puntos a considerar en este análisis son los siguientes:

1- Objetivo el análisis.

2- Diseño del análisis.

3- Hipótesis del análisis.

4- Realización del análisis.

5- Interpretación de los resultados.

6- Validación del análisis.

Explicaremos a continuación:




14

---

1-paso:

Se define el problema especificando los objetivos y las técnicas
multivariantes que se van a utilizar .

El investigador debe establecer el problema en términos conceptuales
definiendo los conceptos y las relaciones fundamentales que se van a investigar.

Siendo los objetivos del análisis en este caso, como por ejemplo , predecir el
gasto de una persona a partir de su nivel de ingreso , nivel educativo, sexo y
edad.

Lo cual nos permitirá entender mejor cuales son las pautas de comportamiento
De la población.


La variable dependiente seria el gasto en el cine

La variable independiente seria el resto.


2-Paso:

En este paso , diseño del análisis se decidirá como elegir la muestra , el tamaño
de la misma y como medir las variables implicadas en el análisis


*El gasto en cine podría medirse como el gasto anual en cine medido en
la pesos ( moneda filipina).


*El nivel de ingreso podría medirse con una variable ordinal , dadas las
informaciones precisas sobre este tipo de variable


*El nivel educativo seria una variable ordinal; el sexo una variable binaria
Y la edad una variable cuantitativa medida en anos.

Asi como por ejemplo:

Un tamaño muestras se elegirá en función de la potencia que se quiera dar a la
regresión múltiple.





15

---

Con un tamaño muestral de 100 observaciones se podrían detectar en una región
múltiple lineal , las relaciones con un coeficiente de correlación múltiple de
aproximadamente igual a 0.3 con una potencia de 0.8% utilizando un nivel de
significación igual a 0.01 .

Conviene , además , que el numero de observaciones al numero de
parámetros a estimar sea lo suficiente amplio para estimar los parámetro para
estimar los Parámetros del modelo con el menor error posible.


3 -Paso.

En este paso, Hipótesis de análisis, consiste en comprobar la linealidad de la
relación , la normalidad y la homocedasticidad . No hay datos perdidos y se deben
estudiar la posible existencia oulieres en cada una de las variables.



4- -paso.

En este paso , realización del análisis , se puede utilizar el estimador de mínimos
cuadrados del que se conoce su distribución muestras bajo hipótesis de normali-
dad .Dicho estimador coincide con el máximo verosímil y es eficiente .

Se puede también utilizar el método de regresión paso a paso para determinar las
variables independientes a incluir en la regresión .


5- Paso.

En este paso, Interpretación de los resultados , se interpretaría el valor de los
coeficientes obtenidos a su como su signo teniendo cuidado con la posible
existencia de multicolinealidad


6- Paso.

En este paso , validación de análisis , se divide la submuestra de tamaño 50 y se
Vuelve a estimar la ecuación en cada submuestra comparando los resultados.

nota: información adquirida de : www.ftp.medprev.estadistica.uma.es





16

---

RESUMEN:


Resumiendo este tema podemos comprender, que la Estadística seriamente
puede ser estudiada , ubicada, presentada como una materia amplia con capacidad de
abordar muchas y diversas áreas en nuestra educación , no solo enfocarla y ence-
rrarla a números como es la idea que muchos nos hacemos cundo escuchamos la
palabra : estadística.


Podemos mencionar ,como ya lo hemos hecho anteriormente , que el análisis
Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar
simultáneamente conjuntos de datos multivariables , en el sentido que hay varias
Variables medidas para cada individuo u objeto estudiado.


Su razón de ser radica en un mejor entendimiento del fenómeno considerado
como un objeto de estudio obteniendo información que los métodos estadísticos
Univariantes y bivariantes son incapaces de conseguir.


El método estadístico univariante y bivariante ; puede dividirse en tres
grandes grupos según el papel que juegan en el análisis las variables consideradas:

1- Método de dependencia

2- Método de interdependencia

3- Métodos estructurales.

Concluimos también que para llevar a cabo un análisis de este tipo se deben
utilizar o seguir los siguientes pasos :

1- Establecer los objetivos del análisis.
2- Diseñar el análisis
3- Evaluar las hipótesis subyacentes a la técnica a utilizar.
4- Realizar el análisis.
5- Interpretar los resultados obtenidos
6- Validar dichos resultados.

De esta forma podemos concluir esta primera parte de nuestra materia , usando
como bese teórica lo mencionado en estas primeras paginas.



17

---

REPRESENTACION:






Análisis de regresión

Análisis de Superviven-
cia.
Correlación canónica
Métodos de
Dependencia
Dependiente Análisis discriminante

Regresión logística
No métrica
Análisis Conjoint





A. Comp. Principales

Métodos de
Análisis factorial
TEGNICAS
Escalas Multidimen-
MULTIVARIANTES
interdependencia
cionales.

Análisis Cluster

Datos no Análisis de
Métricos
Correspondencias.


Modelos Log-lineales.

Escalas Multidimen-

cionales.

Análisis Cluster.





Métodos estructurales.








18

---

Como mencionamos anteriormente , existe una idea o mejor ducho un concepto
popular que acompaña al concepto de estadística , decíamos que es aquel que se rela-
ciona con datos numéricos presentada de forma ordenada y sistemática.

Esta idea esta cada vez mas extendida debido a la influencia de nuestro entor-
no y que cada vez esta más extendida debido a la influencia de nuestro entorno
ya que hoy en día es casi imposible que cualquier medio de difusión , periódico,
Radio, televisión, etc, no nos aborde con cualquier tipo de información estadística
sobre accidentes de trafico , índice de crecimiento de población , turismo , tendencias
políticas, etc.


Es decir que en la actualidad de este siglo XXI , con la ayuda de esta asigna-
tura podemos detectar y conocer mas que números , podremos detectar por ejemplo:

- Se puede predecir el gasto en consumir de un cliente a partir de su nivel
de ingreso , su nivel educativo , su edad y su estilo de vida .

- Cuales son los factores que determinan que un individuo encuentre trabajo
antes que otro.

- Se puede analizar si existe discriminación de sexo en una empresa.

- Cuales son los atributos o característica de un producto que mas influyen en
la decisión de compra de un conjunto de consumidores.

- Es muy útil en el momento de predecir si una empresa va a quebrar en fun-
ción de un conjunto de indicadores financieros.

-Es posible la clasificación de un grupo de alimentos en función de sus valores
nutritivos .

- Cuales son los atributos que un consumidor utiliza para distinguir las
distintas marcas y modelos de coches deportivos.

En realidad depuse de pensar en todas esta posibilidades que poseemos
adentrándonos en el mundo mas especifico como en el campo de la investigación
de las ciencias sociales : Medicina, Biología, Psicología, etc,empezamos a entender
que la Estadística no solo es algo mas , sino que se convierte en la única
herramienta que hoy por hoy, permite dar luz y obtener resultados , y por tanto
beneficios , en cualquier tipo de estudio ,cuyos movimientos y relaciones , por su
variabilidad intrínseca , no pueden ser abordadas desde la perspectiva de las leyes
deterministas.



19

---

La opinión de la Universidad de Málaga , España, en relación al concepto de
Estadística , Métodos y Aplicaciones es la siguiente:


"Podríamos definir el concepto de Estadística desde el punto mas amplio como
la ciencia que estudia como debe emplearse la información y como dar una
guía de acción en situaciones practicas que entrañan incertidumbre .

La estadística se ocupa de los métodos y procedimientos para:

-recoger datos.
- clasificar datos.
- resumir datos.
- hallar datos.
- hallar regularidades y analizar los datos.

Estos puntos anteriores son clave cuando la variedad e incertidumbre sea una
causa intrínseca de los mismos ; asi como de realizar inferencias a partir de ellos ,
con la finalidad de ayudar a la toma de decisiones y en su caso formular
predicciones .

También podríamos clasificar la estadística como: descriptiva.

Se podrá clasificar como Estadística descriptiva cuando los resultados del análisis
no pretenden ir mas allá del conjunto de datos, e inferencias a partir de ellos , con
la finalidad de ayudar a la toma de decisiones y si es necesario formular
predicciones.

Por tanto clasificaremos la estadística como descriptiva cuando los resultados del
análisis no pretende ir mas allá del conjunto de datos , e inferencia cuando el
objetivo del estudio es derivar las conclusiones obtenidas a un conjunto de datos
mas amplio.

Estadística descriptiva: Describe , analiza y presenta un grupo de datos utilizando
métodos numéricos y gráficos que resumen y presentan la información contenida
en ellos.

Estadística inferencial: Apoyándose en el calculo de probabilidades y a partir de
datos muéstrales, efectúa estimaciones, decisiones , predicciones u otras generaliza-
ciones sobre un conjunto mayor de datos.

nota; información obtenida de : www.bioestadística.unmalaga.com




20

---

VARIABLES ESTADISTICAS:


Cuando hablemos de variables haremos referencia a un símbolo , que pueda tomar
cualquier modalidad de un conjunto determinado , que llamaremos :conjunto de la
variable o rango .


Variables (X, Y, A, B,....)

Modalidades Valor


En función del tipo de dominio , las variables las clasificamos del siguiente modo:





Variable cualitativa.






Variable cuasicuantitativa



VARIABLES



Variable cuantitativa

discreta.






Variable cuantitativa

continua.










21

---

VARIABLES CUALITATIVAS:


Cuando las modalidades posibles son de tipo nominal . Por ejemplo una variable de
color:

A = {"rojo," "azul,", "amarillo"}


VARIABLES CUASICUANTITSTIVAS:


Son las que ,aunque sus modalidades son de tipo nominal , es posible establecer un
orden entre ellas . Por ejemplo, si estudiamos la llegada a la meta de un corredor
en una competición de 20 participantes, su clasificación C es tal que:


c= { 1º, 2º,3º,.......20º}



Otro ejemplo de variable cuasicuantitativa es como ejemplo , el dolor , D , que
sufre un paciente ante un tratamiento clínico:


D= {"Inexistente", "poco intenso", "moderado", "fuerte"}


VARIABLES CUANTITATIVAS:


Son las que tienen por modalidades cantidades numéricas con las que podamos
hacer operaciones aritméticas. Dentro de este tipo de variables podemos distinguir
dos grupos:


1- Variables discretas.

2- Variables continuas.






22

---

Variables discretas:

Cuando no admiten siempre una modalidad interinada entre dos cualesquiera
de sus modalidades .Un ejemplo es el numero de caras X , obtenido en el lanza-
miento repetido de una moneda .Es obvio que cada valor de la variable es un
numero natural:


X = N.



Variables Continuas:

Cuando admiten una modalidad intermedia entre dos cualesquiera de sus
modalidades , el peso X de un niño al nacer . En este caso los valores de las
variables son números reales , es decir :


X = R

Ocurre a veces que una variable cuantitativa continua por naturaleza, aparece
como discreta. Este es el caso e que hay limitaciones en lo que concierne a la
precisión del aparato de medida de esa variable , si medimos la altura en metros
de personas con una regla que ofrece dos decimales de precisión , podemos
obtener .


X= {.........1.50, 1.51, 1.52, 1.53,......}


En realidad lo que ocurre es que con cada una de esas mediciones expresamos
que el verdadero valor de la misma se encuentra en un intervalo de radio 5.10.
Por tanto cada una de las observaciones de X representa más bien un intervalo
que un valor concreto.


Tal como hemos citado anteriormente , las modalidades son las diferentes situacio-
nes posibles que puede presentar la variable.






23

---

LAS TABLAS ESTADISTICAS.

Consideramos las tablas estadísticas de N individuos , descrita según un carácter o
variable C cuyas modalidades han sido agrupadas en un numero K de clases ,
que denotados mediante C1, C2, .......Ck.....

Para cada una de las clases Ci , i = 1 , ......, k , introducimos las siguientes
magnitudes:

1- Frecuencias absolutas.

2- Frecuencias relativas.


Presentaremos las frecuencias absolutas de la clase Ci es el numero n i , de
observaciones que presentan una modalidad perteneciente a esa clase.

Presentaremos las frecuencias relativas de la clase Ci es el conciente f i entre
las frecuencias absolutas de dicha clase y el numero total de observaciones es
decir :
fi =n i
n



Diremos pues que f i es el tanto por uno de las observaciones que están
en la clase Ci multiplicado por 100% representa el porcentaje de la población
que comprende esa clase.


Frecuencia absoluta acumulada.

n i se calcula sobre variables cuantitativas o casi cuasicuantitativas, el numero
de elementos de la población cuya modalidad es inferior o equivalente a la moda-
lidad Ci.
ni = n1 + n 2+....+ n i = i nj
j =1



24

---

Frecuencias relativas acumuladas:



Fi se calcula sobre variables cuantitativas o cuasicuantitativas, siendo el tanto por
uno de los elementos de la población que están en alguna de las clases y que
presentan una modalidad inferior o igual a la ci ,es decir :

i
Fi = ni = n i+....+ n i = f i + ....+ f 1+.....+ f i = nj
n n j=1

Como todas las modalidades son exhaustivas e incompatibles ha de ocurrir que :

k
= n i = n1 + n 2 + .....nk = n
i=1


Resumiendo presentaremos los anteriores datos de la siguiente forma:

Frecuencia Absoluta (ni ): Numero de elementos que presentan la clase xi

Frecuencia relativa: fi = n i /N.
i
Frecuencia absoluta acumulada: Ni = nj.
j=1

Frecuencia relativa acumulada: F i = Ni / N = fj
j=i

De esta forma llamaremos distribución de frecuencia al conjunto de clases junto
a las frecuencias correspondientes a cada una de ellas .


nota: información obtenida de www.mty.itesm.mx.htm




25

---

TABLA ESTADISTICA.




Una tabla estadística sirve para presentar de forma ordenada las distribuciones
de frecuencias. Su forma general es la siguiente:






Frecuencia
Frecuencia
Modalidad
Frecuencia abs. Frecuencia Rel. Abs.
Rel.
Acumulada
Acumulada

C
f i


ni
Ni
Fi





C
f1 = n1
N1 = n1
n1
n










n1
f j = nj
Nj = n1+... n j
Fj =n = f1+...f j
C
n j
n











f k =nk
Nk = n
F k = 1
C
nk
n






n


1


















26

---

CALCULO DE DATOS EN UNA TABLA.

Calcularemos los siguientes datos que faltan en la siguiente tabla:




I I



i-1--- i
f i
Ni

n i




0--- 10
60
f1
60



10--- 20
n2
0,4
N2


f 3

20 -- 30
30
170


30---100
n

0,1
N4





100 ---- 200
f 5
200
n


De esta forma sabemos que la ultima frecuencia acumulada es igual a total de
observaciones , luego :

n = 200.

Como N3 = 170 y n 3 = 30, entonces
N2 =N3 - n 3 = 170 ­ 30 = 40


Además al ser n1 = 60, tenemos que

N2 =N2 ­n1 = 140 ­ 60 = 80.

Por otro lado podemos calcular n4 teniendo en cuenta que conocemos la frecuencia
relativa correspondiente.
n4
f 4 = n n4 = f4 . n = 0,1 × 200 = 20







27

---

ASI:


N4 = n 4 + N3 = 20 + 170 = 190.



Este último cálculo nos permite obtener


n 5 = N 5 ­N 4 = 200 - 190 = 10.

Al haber calculado todas las frecuencias absolutas , es necesario obtener las
relativas :


f1 = n1 = 60 = 0,3
n 200

f3 = n3 = 30 = 0,15
n 200

f5 = n5 = 10 = 0,05

n 200


Escribamos entonces la tabla completa:

l --- l



i-1 i
n i
f i
Ni




0 ----- 10
60
0, 3
60




10 ----20
80
0,4
140




20 ---- 30
30
0,15
170




30 ---- 100
20
0,1
190




100 --- 200
10
0,05
200




200


Información obtenida: www.e-biometria.com

28

---

CRÍTICAS Y CONTROVERSIAS.


En los campos en los que se desarrollan o se toma en cuenta los datos estadísticos
existen algunas controversias como por ejemplo en los campos de psicología y en
los campos de la medicina , especialmente con respecto a la aprobación de nuevas
Medicamentos, según las investigaciones obtenidas en www.es.wikipedia.org


Las criticas de la aproximación de prueba de hipótesis se han incremen-
tado en los anos recientes . Una respuesta ha sido un gran énfasis en el p- valor
en vez de simplemente reportar si la hipótesis fue rechazada al nivel de
significancía a dado. De nuevo , sin embargo , este resumen la evidencia para un
efecto pero no el tamaño del efecto.


Una posibilidad es reportar intervalos de confianza , puestos que estos
indican el tamaño del efecto y la incertidumbre .Esto ayuda a interpretar los
resultados , como el intervalo de confianza para un a dado indicando simultánea-
mente la significancía estadística y el efecto de tamaño.


El valor " p" mencionado anteriormente y los intervalos de confianza son
basados en los mismos cálculos fundamentales como aquellos para las correspon-
dientes pruebas de hipótesis . Los resultados son presentados en un formato más
detallado, en lugar del si - o - no de las pruebas de hipótesis y con la misma
Metodologías estadísticas.



Hay una percepción general de que el conocimiento estadístico es demasiada-
mente y con mucha frecuencia intencional y mal usado ,encontrando formas de
interpretar los datos que sean favorables al presentador .


Sin embargo , las criticas mas fuertes vienen del hecho que la aproximación
de pruebas de hipótesis ampliamente usadas en muchos casos requeridos por ley
o reglamentación , obligan una hipótesis a ser favorecida , y puede también
exagerar la importancia de pequeñas diferencias en estudios grandes. Una diferen-
cia que es altamente significativa puede ser de ninguna significancia practica.


29

---

COMPUTACION ESTADISTICA.


El rápido y sostenido incremento en el poder del calculo de la computación
desde la segunda del siglo XX ha tenido un sustancial impacto en la practica
de la ciencia estadística .Viejos modelos estadísticos fueron casi siempre de la
clase de los modelos lineales. Ahora, complejos computadores junto con apropia-
dos algoritmos numéricos , han causado un renacer del interés en modelos no
lineales y de creación de nuevos tipos tales como modelos lineales generali-
zados y modelos multinivel.


El incremento en el poder computacional también ha llevado al crecimi-
ento en popularidad de métodos intensivos computacionalmente basados en
remuestreo , tales como teste de permutación y de bootstrap , mientras técnicas
como el muestreo de Gibas han hecho los métodos bayesianos mas accesibles .


La revolución en computadores tiene implicaciones en el presente como en el
futuro de la estadística " experimentales " y " Empíricas " . Un gran numero
de paquetes estadísticos están ahora disponibles para los investigadores.

Los sistemas dinámicos y teoría del caos , desde hace una década empezó
a interesar en la comunidad hispana , pues en la anglosajona de Estados Unidos
estaba ya establecida la conducta caótica en sistemas dinámicos no lineales con
350 libros para 1997 y empezaban algunos trabajos en los campos de las
ciencias sociales y en aplicaciones de la física.


Es muy difícil olvidar que en este siglo es muy importante considerar las
novedades y los factores modernos que determinan el mundo de la información
el poder de compra , venta , negocios , habitantes, enfermedades, avances en el
comercio , en la salud etc.. que es lo que rige nuestras vidas y el ritmo de
nuestra sociedad , en base a esos puntos podemos realmente mencionar que la
intervención y colaboración de la computación estadística no deja ser una
enormes ventajas del siglo presente , para quien frecuentemente necesita usar este
método informativo tiene sus ventajas para quien esta dentro de las actualidades
informativas , podrá también presentar dificultad para aquellos que carecen de la
debida información y se resisten a los conceptos y medios modernos.

nota: información adquirida de www.es.wikipedia.org

30

---

LA INFERENCIA ESTADISTICA:



Es el proceso de extraer conclusiones sobre la población basándose
en la información de una muestra extraída de esa población .

Población:

Será llamada población al conjunto total de objetos o individuos que pre-
sentan características comunes observables, definidas en un cierto tiempo y lugar.
puede ser:

1- finita.

2- Infinita.

Se le llamara Unidad al estudio de toda la población y cada elemento .
- Al numero de elementos que conforman la población lo simbolizaremos :
con una N.

-A la medida descriptiva que se calcula a partir de todas las unidades de la
población se la denomina : Parámetro.



Muestra:

Parte representativa de la población que se selecciona para ser estudiada ya
que la población es demasiado grande como analizarla en su totalidad.

Puede ser:

Representativa: los elementos que la integran se encuentran en la misma
proporción que en la población .

Aleatoria:

Es cuando cada elemento de la población tiene la misma probabilidad de ser
seleccionado.

Al numero de elementos que conforman a la muestra se los simboliza con : N.

31

---

Denominaremos Estadística:

A la medida descriptiva que se calcula usando todas las unidades de la
muestra de la población y será variable por que depende de muestras .


HIPOTESIS ESTADISTICA.


Hipótesis nula: es la afirmación de que nada esta sucediendo , no existe
diferencia ni discrepancia con lo que se afirma . ( H o )

Hipótesis alternativa: es la afirmación que el investigador espera que sea
cierta .Es lo contrario a la hipótesis nula. (H 1)

La hipótesis que se investiga por lo común es la que se expresa como
H 1 y se llega a la conclusión de que la hipótesis investigada es verdadera


Se dirá que: Una hipótesis será rechazada si se puede demostrar estadistica-
camente que los datos observados son muy poco probables de ocurrir si la
Teoría fuera cierta. Aquí se dice que los datos observados son estadísticamente
Significativos.



ERRORES POSIBLES:


Tipo 1:

Es el error que se comete cuando se rechaza H o , siendo ella cierta. (e 1)

Tipo 2:

Es el error que se comete cuando no se rechaza la H o y siendo ella falsa,
consecuentemente H 1 cierta . ( e 2 )

Se debe aceptar que en todo momento se existe la posibilidad de cometer errores
cuando se pretende o desea obtener alguna información , cual quiera que esta sea
de el tipo que este se refiera.



32

---

Para evitar cometer errores cometer errores se debería minimizar P e 1
( probabilidad de cometer un e 1 ) y P e 2 ( probabilidad de cometer e 2 ) a la
vez hasta llevarlos a 0 , esto es imposible .Pero se han desarrollado dos técnicas
de minimizar las probabilidades lo mas posible .


TECNICAS:


1- Se elige un numero alfa (nivel de significancía ) entre 0 y 1 ( 0 a 1 ).
con el nivel de significación se determina la región de rechazo o regla de
decisión . Y debe cumplirse que Pe 1 < a


2- P ­ Valué: es la probabilidad asociada a la información .La regla de decisión
es rechazada H o si P- Valué a . Cuando mayor sea P- valué mayor es la
evidencia a favor de H o.




ENSAYO DE HIPOTESIS:


CLASIFICACION:

-Unilaterales: (>, <)

* Por derecha (>)

*Por izquierda (<)


-Bilaterales (#)

Inferencia Estadística:

Es el proceso de extraer conclusiones sobre la población basándose en la
información de una muestra extraída de esa población.

Población: Conjunto total de objetos o individuos que presentan características
comunes observables, definidas en un cierto tiempo y lugar.



33

---

Puede ser Finita o Infinita:

Cuando estudio toda la población a cada elemento de la misma se lo denomina
unidad .'
Al número de elemento que conforman la población se los simboliza con N.

A la medida descriptiva que se calcula a partir de todas las unidades de la
población se le denomina : Parámetro . y es fijo ( por que se analizaban a todos
los elementos )

Muestra:

Parte representativa de la población que se selecciona para ser estudiada ya
que la población es demasiado grande como analizarla en su totalidad.


Puede ser:

Representativa: Los elementos que se integran se encuentran en la misma
proporción que en la población.

Aleatoria: Es cuando cada elemento de la población tiene la misma probabilidad
de ser seleccionado.


Al numero de elementos que conforman a la muestra de la población se le
denomina : Estadística .

Razones por la cual se recurre al rastreo.

* Analizar a la población resulta muy costoso por la relación costo / beneficio.

* Analizar a la población completa lleva mucho tiempo.

*Analizar el objetivo de estudio se lo destruye, pero lo cual si analizamos a toda
la población nos quedamos sin unidades.

* La población a analizar es infinita , por lo cual es imposible analizarla en su
totalidad.

*La población a analizar es inaccesible.



34

---

PROBABILIDAD:


Es la interpretación de la frecuencia relativa, aplicada en las condiciones
exactamente repetibles.

" Es la proporci n de veces que ocurrirá el evento si el proceso se repetirá
muchas veces bajo las mismas condiciones " esto implica la frecuencia relativa
del largo plazo del resultado.

Proporción de veces que ocurre en el largo plazo un suceso , o sea la
frecuencia relativa con la que ocurre el evento .

Es una medida de la posibilidad que tiene un suceso de presentarse ante la
repetición de un suceso aleatorio .La probabilidad debe estar entre 0 y 1.

Existen tres enfoques de probabilidad:


Clásica o a priori: Su método se apoya por en-

tero en el razonamiento abstracto, no efectúa ex

pedimentos reales porque la lógica se considera

suficiente para todas las respuestas.
P (A) : Nº de resultados favorables de que ocurra

el suceso posible.



Frecuencia o posteriori: su método se apoya en el

en calculo de la probabilidad basado en los re-

Objetiva
sultados brindados por el experimento aleatorio,
Probabilidad
es decir debe ser llevado a cabo.


P (A): Nº de veces que se presenta el resultado favo-

rable.


Nº de veces que se repite el experimento.





SUBJETIVA: Se aplica a casos aislados y se basa en la creencia
de la persona sobre un hecho presento o no .
Para dicha afirmación la persona se basa en sus co-

Nocimientos previos.



35

---

PROCESO O EXPERIMENTO ALEATORIO:

Es un proceso repetitible del que se conoce el conjunto de resultados posi-
bles, pero no puede predecirse con seguridad un resultado exacto.
Hay un patrón de comportamiento predecible a largo plazo, (que la frecuencia
relativa de un resultado se acerque a un valor constante).


Simulación: Es la imitación comportamiento del azar usando artificios como ge-
negadores de numerosos aleatorios , tablas de números al azar, etc., a través de la
cual se puede estimar la probabilidad de un evento.


PASOS BASICOS PARA CALCULAR UNA PROBABILIDAD:


1- Especificar un modelo para los sucesos elementales y fenómenos aleatorios
Subjetivos.


2- Delinear como simular un suceso elemental y como representar una
repetición del proceso aleatorio .


3- Simular muchas repeticiones y estimar la probabilidad de un evento con
la frecuencia relativa.

Los elementos necesarios para hablar de probabilidad son:

- Espacio muestra : Es una lista de todos los posibles resultados de un
experimento aleatorio cuyo suceso gobierna todos los resultados aleatorios de un
experimento.


-Evento: Subconjunto del espacio muestras y se denota con imprentas
mayúsculas: A , B , C ...

Se dice que ha ocurrido un evento. A si al repetirse una ves el proceso alea-
torio ocurre cualquiera de los resultados de A.

Unión de los eventos:

A o B o en ambos. "amenos uno de los 2 ha ocurrido"


nota: información obtenida de www.cran.r-proyect.org

36

---

GRAFICACION DE CUALITATIVAS.


Cuando se trata de variables cualitativas el calculo de frecuencias acumuladas no
tiene sentido .

Los gráficos mas comunes para variables cualitativas son los gráficos de
sectores y el grafico de barras o pictogramas. También se puede graficar por
medio del diagrama de pareto para el cual se debe calcular las frecuencias
acumuladas.

Diagrama de pareto:

Proporciona mas información visual que los diagramas de barras y de sectores
circulares cuando la variable categórica tiene muchas categorías.

Es un tipo especial del grafico de barras horizontales donde las respuestas
catego-rizadas se grafican en orden descendente de frecuencia y se combinan
con un polígono acumulado en la misma escala .


El eje vertical de la izquierda contiene la frecuencias o % .
El eje vertical derecho las categorías del interés.
Y el de la izquierda los % acumulados de 0 a 100
y las barras separadas uniformemente son del mismo ancho.


Lo importante al ver este diagrama se buscan las magnitudes de las distintas
en las alturas de la barras que corresponden a la s categorías adyacentes decreci-
entes y los % acumulados de las mismas .

Graficas de barras:

Muestra el % de ítems que salen en cada categoría. Muestra una barra para
cada categoría , el ancho de las barra no tiene importancia pero debería ser
uniforme

Las barras pueden ser verticales u horizontales.

Pueden ser utilizados para representar 2 categorías cuantitativas al mismo
tiempo lo que se llama grafico de barras compuesto.



37

---

PICTOGRAMAS:

Las barras son remplazadas por diagramas relacionadas con algún tópico ejemplo
Casas, personas.


Graficación de variables cuantitativas:


Cuando se encuentran una distribución de frecuencias de variables cuantitativas
Comúnmente se les grafica por medio de:





1-Grafico de frecuencia




2-Grafico de tallo y hoja.



Graficación de variables cuantitativas
3-Histograma.




4- Grafico de cajas o

Bigotes.







A continuación explicáremos detenidamente cada uno de los cuatro puntos
mencionados y clasificados anteriormente:






38

---

GRAFICOS DE FRECUENCIA:


Es una manera rápida de mostrar la distribución de los datos sobre una recta .
cada punto o valor de la variable esta representada por una X sobre la escala
Adecuada.

Puede ser horizontal o vertical. La frecuencia o numero de valores que se re-
presentan en otra escala.

Pasos para su construcción:

1- Dibujar una recta.
2- Marcar los valores máx. y min. sobre un eje real.
3- Completar la escala p/ los n. con incrementos igualmente espaciados.
4- Mascar cada valor observado con una x sobre la escala adecuada
5- Si hay 2 o mas ítems c/ el mismo valor debemos apilarlos verticalmente.

Si una o más observaciones están alejadas del resto ,estas se denominan valores
Externos.

Un conjunto de datos separados del resto de los datos forman una concentra-
ción conglomerado o racimo.

2-DIAGRAMA DE TALLO Y HOJA:

Es una forma rápida de mostrar la distribución de un conjunto de datos con un
n. relativamente pequeño de unidades .

Ventajas: retiene los valores reales de la variable.

HOJA: Ultimo digito

TALLO: Lo que esta antes de la hoja.

No se usa cuando se tiene muchos datos , las hojas se ordenan de menor a
mayor. Y si comparamos 2 procesos de menor a mayor en espejo lo que sirve
Para comparar las disimetrías.








39

---

3- HISTOGRAMA:


Opción para mostrar la distribución de una variable cuantitativa cuando la
cantidad de datos es grande , no mantiene los valores numéricos actuales
.Muestra la distribución de una variable a través de la frecuencia o porcentaje
del total de valores que hay en todo el rango de la variación.


Pasos de su variación:

1- Identificar el min. y el máx. Color observado de la variable, calcular el rango
(Xn - Xi).

2-Dividir el rango en clases o intervalos de igual amplitud( las clases deben cubrir
el total del rango de los valores, sin superponerse)

3-contar la n de observaciones que caen cada clase = frecuencia absoluta

4-dibujar el eje horizontal y marcar las clases sobre el.

5- en el eje vertical se puede representar la frecuencia absoluta , la proporción o %

6- dibujar un rectángulo ( barra vertical ) sobre cada clase con la altura igual a la
frecuencias , proporción o %.

4 -Grafico de serie o tiempo.

Grafica las observaciones contra el tiempo o en el orden n el que se obtuvieron.
Los puntos consecutivos se conectan con líneas para ayudarnos a apreciar si la
distribución es pareja o parece cambiar con el tiempo.

TENDENCIA:
Creciente o decreciente, cambios en la ubicación del centro, cambios en la
Variación o dispersión.

COMPONENTE ESTACIONAL O CICLO: Patrones del comportamiento que se
repiten con regularidad.






40

---

RECOMENDACIONES:


En el desarrollo de estas paginas con contendido estadístico , números y letras que
aparentemente son palabras sin sonido . Es decir , que en algunas circunstancias
podremos pensar que lo que vemos es muy distante a lo que pretendemos ,
cuando buscamos datos que nos informen de cualquier realidad .


Creo que si se pretende en alguna medida hacer uso de la estadística se
necesita mucha atención y dedicación al comienzo de la búsqueda de lo descono-
cido y también, por que no decirlo , el coraje de aceptar cualquier de los datos
obtenidos en nuestra investigación ESTADISTICA .

Lo referido anteriormente lo relaciono con el hecho de existir circunstancias en
las que empresas o entidades privadas prefieren en desconocer cual es la realidad
de sus empresas o cual será el futuro de ellas según los datos recolectados y
obtenidos en el momento que se decide hacer uso de la estadística.

El aceptar el resultado de cualquier hipótesis sea negativa o positiva nunca debe
ser un motivo de desaliento , en el caso de obtener detalles negativos , por la
razón que el objetivo de la estadística es solo el de revelar cual es la condición
de aquel que desee saberla , para aportar la mejor luz posible hacia una
respuesta o actitud y decisión que sea necesaria tomar .

El animo de la estadística es informativo , nunca será el desanimar o desclasificar
de esta forma es necesario el uso frecuente de ella para el bienestar de todos y
de todas las identidades necesitadas de un poco de claridad e información para lo
que ellos emprenden.

" Quien pone atenci n a los consejos siempre estará mucho mas seguro " ...Este
pensamiento muy personal me hace meditar en la estadística como la consejera
numeraria . El buscar un poco de consejos numerales siempre trae sus ventajas
para aquellos que quieren caminar en sus empresas o vidas laborales de una
forma mas real mas cerca de su "verdad" .

Personalmente ubicaría la estadística como un eje o un pilar que no debe de
faltar peralte la verdad y como una guía de soporte funcional .Podrá ser para
muchos de nosotros una verdadera señalización que nos indicara cuando y donde
parar o avanzar o estar precavidos . Siempre y cuando los valores de información
Sean totalmente verídicos.





41

---

Ejemplo practico:

Hemos estudiado que la es estadística generalmente es definida como la rama de
la matemática que se ocupa de reunir, organizar y analizar datos numéricos y a
su ves a resolver problemas como el diseño de experimento y la toma de dedici-
ones .

Pero en realidad lo que se busca con este trabajo , no es simplemente un tema
mas de los exigidos ,sino hacer a su vez que nuestros conocimientos se arraiguen
las definiciones básicas de la estadística y que no simplemente quede ahí , en
la teoría , si no que aprendamos a aprovecharlo en nuestra vida cotidiana , ya que
seguramente lo necesitaremos , siempre es bueno tener nociones de estadística.


Peralte esta conclusión anterior mencionada , presentare de una forma , breve y
usando objetivamente de la sencillez que la estadística en algún caso ofrece . Un
medio llamado figuras y barras estadísticas para la representación de población
filipina que vive dentro de el centro de rehabilitación remar.


El problema a representar es el siguiente:

El centro de Rehabilitación Remar , se encuentra en 54 países al rededor del
mundo , con 25 anos de existencia , su origen es Español mas después de sus
primeros 6 anos de éxito y crecimiento fue extendiéndose hacia otros continentes
como Asia, filipinas.

En el país de Filipinas , dicho centro de rehabilitación , fue iniciado con un grupo
de 5 extranjeros en el ano de 1998 , el problema a ser representado de forma
estadística es cuantas personas han sido ayudadas en dicho centro de acogida
desde 1993 hasta el resiente ano: 2007 , deseamos saber cual a sido su ritmo , si
en alguna medida se a crecido positivamente o si se pude representar el ano en el
cual hubieron menos o ningunos ingresos de personas , a pedir ayuda.




Representaremos de forma grafica, usando como ejemplo un mes y ano
especifico. Para muestra.

Representaremos de forma grafica , cual ha sido el tipo de personas mas
favorecidas , niños , adultos mujeres o hombres .



42

---

REPRESENTACION GRAFICA:



Se trata de representar , mediante un circulo, la totalidad o el 100% de los datos de
la muestra y , en el mismo , mediante sectores circulares ,se representara los valores
circulares ,se representaran los valores parciales.

Ejemplo:



Elabore un grafico circular , y los datos serán los referentes a los componentes
de la totalidad de los activos de la fundación Remar filipinas.

Estos datos fueron obtenidos de una entrevista a la administración central de
dicho centro quien nos proporcionó la información de el ano 2006.


Activo circular: $ 300.000,00 = 25.00%

Fondos especiales: 60.000,00 = 5.00%

Inversiones: 120.000,00 = 10.00%

Activo fijo tangible: 15.000,00

Intangibles 90.000,00 = 7.50%

Cargos diferidos: 24.000,00 =2,00%

Otros activos 1.2000.000, 00= 100.00%


A continuación trataremos de demostrar estos datos adquiridos
de forma grafica circular , la cual fue entregada a la dirección
Central de dicho organización, por motivos de ser información
contabilidad interna.






43

---

GRAFICO CORRESPONDIENTE AL ANO 2006 DE CENTRO
DE REHABILITACION EN FILIPINAS


1%

7% 5% 2%




10%




25% 49.25%


49.25 % = ACTIVO FIJO

25 % = CIRCULANT

10% = INVERSION

7 % =INTANGIBLE

5% = FONDOS ESPECIALES

2 % = DIFERIDO

1% =OTROS.

44

---

GRAFICO O HISTOGRAMA:

Para dibujar un grafico histograma , se medirán los intervalos de la clase de las
ábsidas de un plano cartesiano , y las frecuencias de sobre el eje de las
ordenadas , en forma de barras.

Ejemplo:

Datos mensuales del ano 1999.



total

Enero ........................................... 379 personas ingresadas
Febrero.......................................... 270 personas incesadas
Marzo ..........................................382 personas ingresadas
Abril .............................................72 personas ingresadas
Mayo ............................................22 personas ingresadas
junio ............................................. 4 personas ingresadas
julio ..............................................15 personas ingresadas
agosto ............................................144 personas ingresadas
septiembre .......................................129 personas ingresadas
octubre ........................................... 43 personas ingresadas
noviembre ........................................ 28 personas ingresadas
Diciembre ........................................ 2 personas ingresadas


Esta información corresponde a los ingresos obtenidos en Filipinas
en un centro de acogida , ayuda a marginados y personas con diversos
problemas.


Objetivo es recoger información del mes que mas ingresos a ocurrido a
dicho centro.









45

---

PERSONAS
370
382
270
144
129
72
43
28
22
15
4
2
En. Feb. Mar. Ab. May. Jun. Jul. Agost. SEP. Oct. Nov. Dic.

Meses.




46

---

CONCLUCION:

Se ha mencionado que la estadística es la ciencia que facilita el estudio
de datos masivos , pasa de esa maneta a sacar conclusiones valederas y
efectuando razonablemente su representación.


La estadística tiene el arte de presentar visualmente sus contenidos des-
de formas completas, complejas hasta la mas sencilla representación de un
grafico del cuál de una visión de conjunto clara y de mas fácil apreciación
asi como para describirlo y compararlos.


Personalmente creo que una de sus importancias es el empleo de los procesos
Estadísticos se hace posible el ordenamiento, clasificación, presentación, y el
estudio claro de datos en ocurrencias masivas , las cuales en alguna medida pre-
sentan una apariencia confusa , cambiante , afectado por interacciones diversas y
variaciones aparentes ; que de otra forma no se podrían apreciar.


En el transcurso de esta materia he comprendido que en principio de la esta-
distica solo era aplicada al estudio y valuación numérica de manifestaciones in-
herentes al que le interesase, mas en realidad cuando coloquialmente se habla de
estadística , se puede pensar en una relación de datos numéricos presentada de
forma ordenada y sistemática consecuencia del concepto popular que existe sobre
el termino y que he podido notar que cada ves esta mas extendido ,debido a la
influencia e nuestro entorno.


Personalmente como estudiante me parece la estadística no como un todo; es
decir que comprendo que es una materia de la cual se puede estudiar y aplicar
junto con otras materias porque solo cuando nos adentramos en un mundo mas
especifico como es el campo de la investigación de las ciencias sociales :
Medicina , Biología , personalmente he comprendido que la estadística no solo
es algo mas , sino que se convierte en una herramienta que , hoy en días ;permite
dar resultados , y por tanto beneficios , en cualquier tipo de estudio , cuyo movimi-
entos y relaciones por su variabilidad no pueda ser perspectiva de leyes
determinantes.

En conclusión personal: Es la ciencia que estudia con su información y da una guía
de acción en situaciones practicas que entrañan incertidumbre.



47

---

Cuestionario


1-¿En que consiste un análisis multivariante?

El análisis multivariante consiste en el conjunto de métodos estadísticos , que
poseen sus respectivas finalidad de análisis.


2 - ¿Mencione cual es la finalidad del análisis multivariante?

La finalidad de análisis multivariante consiste en analizar simultáneamente conjunto
de datos multivariantes, en el sentido que hay variables medidas para cada indivi-
duo u objeto a ser estudiado.

3- ¿ Haga mención de tres tipo de técnicas multivariantes?


1- Modelo de dependencia

2- Modelo de independencia

3- Modelo estructural.



4- ¿En que consiste el objetivo de análisis en una multivariante ?

Se define el problema especificando los objetivos y las técnicas, multivariantes
se van a utilizar.


5- ¿ Cual es el papel del investigador en el análisis de una Multivariante?

El investigador debe establecer el problema en términos conceptuales
definiendo los conceptos y las relaciones de dependencia o interdepen-
dencia.

48

---

6--¿Que es un Espacio muestra?

Es una lista de todos los documentos , posibles resultados , de un experimento
Aleatorio cuyo suceso gobierna todos los resultados.


7 -¿ En que consiste un diagrama de pareto?

Proporciona mas información visual que los gráficos de barras y de sectores
circulares cuando las variables categorías tienen muchas categorías.


8- ¿En que consiste un grafico de barras?

El grafico de barras muestra el % que salen en cada categoría .Muestra una
barra para cada categoría ,el ancho de la barra no tiene importancia pero debería
ser uniforme.

9-¿Por que medio de variables cuantitativas comunes se encuentra una
distribución?


1- grafico de frecuencia

2 grafico de tallo y grafico de hoja

3-Histograma.

4-De caja de bigotes.


10-: ¿En que consisten los métodos estructurales?
Consiste en el análisis existente entre un grupo de variables representadas
por sistemas de ecuaciones simultaneas en las que se supone que alguna de
ellas se miden con error a partir de otras variables observables denominadas
Indicadores.


49

---

BIBLIOGRAFIA:

www.aiu.edu



www.bioestadistica.unmalaga.com



www.cran.r-proyecto.org


www.e-biometria.com



www.es.wikipedia.com

www.etsu.edu.com


www.medprev.estadistica.uma.es



www.mty.itesm.mx.htm



www.sas.com/offices/europe.com







50

---

x. yo tengo una Pág. de cobertura similar al ejemplo 89 o90 del suplemento

x. yo incluí una tabla de contenidos con la Pág. correspondiente para cada componente.

x. yo seguí el contorno propuesto en la Pág. 91 o 97 del suplemento con todos los títulos

x. yo use referencias a través de todo el documento según el requisito de la Pág.92 sup.

x. mis referencias están en orden alfabético al final según el requisito de la Pág. 92 sup.

x. Cada referencia que mencione en el texto se encuentra en mi lista o viceversa.

x. yo utilice una ilustración clara y con detalles para defender mi punto de vista.

x .yo utilice al final apéndices con gráficos y otros tipos de documentos de soporte

x. yo utilice varias tablas de estadística para aclarar mis ideas mas científicamente

x. yo tengo por lo menos mas de 50 Pág. de texto.

x. Cada sección de mi doc. Sigue una secuencia lóg. (1, 2,3.......)

x.Yo no utilice caracteres extravagantes, dibujos o decoraciones.

x. yo utilice un lenguaje sencillo y claro para todos.

x. yo utilicé Microsoft Word/u otro programa similar para chequear y eliminar errores de
gramática.

X .yo no viole ninguna ley de propiedad literaria al copiar materiales que pertenecen a
otra gente.

x.yo afirmo por este medio que lo que estoy sometiendo es totalmente mi obra propia.


Princess Elizabeth 02/ septiembre de 2007

firma del estudiante
fecha de entrega de materia.

51