Paso 1 - ACTIVIDAD DE PRESABERES

ACTIVIDAD DE PRESABERES
Por
DARLING VIVIANA LUCENA ORTEGA
Cédula-1 061 730 400
Inferencia Estadística - Código del curso 551112
Grupo 4
Presentado a:
María Camila Gonzales
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS DE LA EDUCACIÓN
LICENCIATURA EN MATEMÁTICAS
CEAD PASTO-NARIÑO
12 DE FEBRERO DE 2020
CONTENIDO
Introducción
Definiciones:
a. Coeficiente de variación
b. Coeficiente de determinación
c. Varianza
d. Población
e. Medidas de dispersión
f. Distribuciones muestrales
g. Estimación
h. Pruebas de hipótesis
Conclusiones
Referencias
INTRODUCCIÓN
La inferencia estadística está implícita en muchos de los campos cotidianos de nuestro

entorno, por lo tanto, para adentrarnos en el conocimiento arduo y eficaz del curso
debemos estar muy relacionados con el entendimiento efectivo de los conceptos.
A lo largo de este trabajo vamos a definir algunas palabras clave para la aprehensión de
la inferencia estadística. Algunas definiciones es necesario ilustrarlas mediante figuras,
dibujos, etc., para alcanzar una mejor comprensión.
DEFINICIONES
a. Coeficiente de variación: es la relación entre la desviación típica de una muestra y

su media.
σ
C . V .=
x́
Expresión en porcentajes
σ
C . V .= ∗100
x́
El coeficiente de variación permite comparar las dispersiones de dos distribuciones

distintas, siempre y cuando sus medias sean positivas.
Ejemplo: si una distribución tiene x́=140 , σ =28.28 y la otra x́=15 0 , σ =24
28.28 24
Entonces C . V 1 .= ∗100=20.2 % y C . V 2 .= ∗100=16 %
140 150
De donde podemos concluir que la primera distribución presenta mayor dispersión que
la segunda distribución.
b. Coeficiente de determinación: es aquel que tiene la función de predecir resultados a

futuro o probar una hipótesis.
T
2
∑ ( Y^t−Ý )
R2= t=1
T
∑ ( Y t−Ý ) 2
t=1
Ejemplo: Supongamos que

queremos explicar la cantidad de
goles que anota Cristiano Ronaldo
según la cantidad de partidos que
juega. Suponemos que, a mayor
cantidad de partidos jugados, más
goles meterá. Los datos pertenecen a
las últimas 8 temporadas. De tal manera que tras extraer los datos el modelo arroja la
siguiente estimación:
Cómo podemos ver en el gráfico, la relación es positiva. A más partidos jugados, como
es lógico, más goles anota en la temporada. El ajuste, según el cálculo del R cuadrado,
es de 0.835. Lo cual quiere decir que es un modelo cuyas estimaciones se ajustan
bastante bien a la variable real. Aunque técnicamente no sería correcto, podríamos decir
algo así como que el modelo explica en un 83.5% a la variable real.
c. Varianza: es una medida de dispersión que representa la variabilidad de una serie de

datos respecto a su media. Formalmente se calcula como la suma de los residuos al
cuadrado divididos entre el total de observaciones.
También se puede calcular como la desviación típica al cuadrado. Entendemos como

residuo a la diferencia entre el valor de una variable en un momento y el valor medio de
toda la variable.
σ 2x =E [ ( X −μ )2 ]
d. Población: es el conjunto de elementos con características similares, sobre los cuales

se realizan estudios estadísticos para sacar algunas conclusiones.
e. Medidas de dispersión: Parámetros estadísticos que indican como se alejan los datos
respecto de la media aritmética. Sirven como indicador de la variabilidad de los datos.
Las medidas de dispersión más utilizadas son el rango, la desviación estándar y la
varianza.
f. Distribuciones muestrales: es lo que resulta de considerar todas las muestras

posibles que pueden ser tomadas de una población. Su estudio permite calcular la
probabilidad que se tiene, dada una sola muestra, de acercarse al parámetro de la
población. Mediante la distribución muestral se puede estimar el error para un tamaño
de muestra dado.
g. Estimación: Estimar qué va a pasar en relación a algo (o está ocurriendo u

ocurrió),es un acto aun ligado a lo cotidiano a pesar de tener una clara relación
estadística. Pero este hábito lo podemos también tomar de maneras más técnicas, se
puede manejar bajo la connotación estadística formal.
h. Pruebas de hipótesis: es una regla que define si se puede aceptar o rechazar una
afirmación en relación a una población, obedeciendo a la evidencia proporcionada por
una muestra de datos.
CONCLUSIONES
Respecto al anterior glosario podemos concluir que:
 El desarrollo de este trabajo ha puesto en manifiesto la aclaración de los

términos que vamos a usar a través del curso de Inferencia Estadística.
 Tener en conocimiento las definiciones adecuadas facilita en gran medida el uso

de estos términos para beneficio del desarrollo de este curso.
 Existe bastante información para el buen desempeño académico, es fácil acceder
a esta, pero también es necesario tener ideas bien aprehendidas para evitar las
confusiones frente a tan amplio conocimiento.
REFERENCIAS
• Colectivo de autores. Estadística, probabilidad y precálculo, Manual esencia,

Editorial Santillana, Santiago de Chile, 2008 ISBN: 978-956-15-1390-7
• Bouza Herrera, Carlos N. y Sistachs Vega, Vivian: Estadística, Teoría Básica y

Ejercicios. Editorial Félix Varela, La Habana, 2004
• Batanero, Carmen. Didáctica de la Estadística. Granada: Grupo de Investigación

en Educación Estadística. Departamento de Didáctica de la Matemática. Universidad de
Granada, ISBN: 84-699-4295-6.

Paso 1 - ACTIVIDAD DE PRESABERES

Cargado por

Copyright:

Formatos disponibles

Paso 1 - ACTIVIDAD DE PRESABERES

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Paso 1 - ACTIVIDAD DE PRESABERES

Cargado por

Copyright:

Formatos disponibles

ACTIVIDAD DE PRESABERES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La inferencia estadística está implícita en muchos de los campos cotidianos de nuestro

a. Coeficiente de variación: es la relación entre la desviación típica de una muestra y

El coeficiente de variación permite comparar las dispersiones de dos distribuciones

Ejemplo: si una distribución tiene x́=140 , σ =28.28 y la otra x́=15 0 , σ =24

b. Coeficiente de determinación: es aquel que tiene la función de predecir resultados a

Ejemplo: Supongamos que

c. Varianza: es una medida de dispersión que representa la variabilidad de una serie de

También se puede calcular como la desviación típica al cuadrado. Entendemos como

d. Población: es el conjunto de elementos con características similares, sobre los cuales

f. Distribuciones muestrales: es lo que resulta de considerar todas las muestras

g. Estimación: Estimar qué va a pasar en relación a algo (o está ocurriendo u

Respecto al anterior glosario podemos concluir que:

 El desarrollo de este trabajo ha puesto en manifiesto la aclaración de los

 Tener en conocimiento las definiciones adecuadas facilita en gran medida el uso

• Colectivo de autores. Estadística, probabilidad y precálculo, Manual esencia,

• Bouza Herrera, Carlos N. y Sistachs Vega, Vivian: Estadística, Teoría Básica y

• Batanero, Carmen. Didáctica de la Estadística. Granada: Grupo de Investigación

También podría gustarte