Analisis de Datos 1p (1)
-
Upload
daniel-morales -
Category
Documents
-
view
217 -
download
0
Transcript of Analisis de Datos 1p (1)
-
7/23/2019 Analisis de Datos 1p (1)
1/59
Anlisis de dUniversidad del V
Jos Alberto Nuncio Esq
alberto_nuncio@ya
-
7/23/2019 Analisis de Datos 1p (1)
2/59
Bienvenida
Jos Alberto Nuncio [email protected]
Presentacin de cada uno de los alumnos:
- Nombre.- Cuatrimestre- Empresa donde laboran.- Que puesto tienen.- Cuanto tiempo tienen laborando en esa empresa.- Pregunta extra.
-
7/23/2019 Analisis de Datos 1p (1)
3/59
OBJETIVO GENERAL
El estudiante analizar los distintos criterios para el manejo de datos coregresiones, anlisis de varianza, estadstica no paramtrica y modelos
el fin de distinguir la mejor herramienta en un caso prctico de su rea p
Anlisis de datos
-
7/23/2019 Analisis de Datos 1p (1)
4/59
Anlisis de datos
NDICE DE UNIDADES
1. Correlacin y regresin lineal
2. Regresin mltiple y polinomial
3. Anlisis de varianza
4. Estadstica no paramtrica
5. Modelos de prediccin y series de tiempo
Materia Anlisis de datos
Clave : s/n
Horas de Clase 3 horas semanales
Horas de estudio 4.5 horas por cada 3 horas de clasesTcnica didctica Presencial
Horario de clases Lunes y Mircoles 19:00 20:30Lugar Campus Saltillo Saln____Horario de Asesoras Por definir segn sea el caso
-
7/23/2019 Analisis de Datos 1p (1)
5/59
NDICE DE UNIDADES
1. Correlacin y regresin lineal
2. Regresin mltiple y polinomial
3. Anlisis de varianza
4. Estadstica no paramtrica5. Modelos de prediccin y series de tiempo
-
7/23/2019 Analisis de Datos 1p (1)
6/59
INDICE DE UNIDADES OBJETIVO ESPECFICO POR UN
1. Correlacin y regresin lineal
1. Regresin mltiple y polinomial
1. Anlisis de varianza
1. Estadstica no paramtrica
1. Modelos de prediccin y series de tiempo
El estudiante analizar los diagramas decoeficiente de correlacin r, para determinestn correlacionadas.
El estudiante identificar el anlisis de regre
los KPIVs (causas crticas o poco significat
determinar los mejores niveles de operacinalto mejor).
El estudiante usar un anlisis de varianza (A
y de dos vas para determinar si las var
afectan de forma significativa la salida prome
El estudiante analizar la aplicacin de
paramtrica a un conjunto de datos espec
apreciar las ventajas de esta herramienta.
El estudiante usar un mtodo slido para
modelos y as obtener la ecuacin predict
posible en una situacin determinada.
Alguna duda?
-
7/23/2019 Analisis de Datos 1p (1)
7/59
ACTIVIDADES DE ENSEANZA APRENDIZAJE BAJO LACONDUCCIN DE UN ACADMICO
ACTIVIDADES DE APRENDIZAJE IN
Presentar dibujos y/o grficas para explicar un modelo
terico
Presentar ejemplos de aplicacin
Presentar casos de estudio con estructura metodolgica
Fomentar la participacin del estudiante en clase
Formar equipos de trabajo para el anlisis y solucin de
problemas
Explicar estructura y funcionamiento de software
especializado
Presentar estrategias de solucin de problemas
Trabajar con la tcnica de aprendizaje basado en
problemas
Realizar investigacin documental y
identificando elementos aplicados a
profesional
Realizar visitas a plantas industriales
Realizar prcticas de aplicacin de c
Resolver problemas para la aplicaci
Formular soluciones para proyectos
Realizar trabajos de investiga
problemas reales
Simular en software especializado
de sistemas reales
Alguna duda?
-
7/23/2019 Analisis de Datos 1p (1)
8/59
Como se evaluar
Evaluacin:
La evaluacin del curso es de carcter integral, acumulativo, formativo, sumativo, participativo y dlos estudiantes durante el desarrollo del curso, por medio del cual se exploran y valoran los avanc
aprendizaje, a travs de la elaboracin de trabajos, ensayos, investigaciones, prcticas, parti
cualquiera otra forma de evaluacin que se estime conveniente.
Cabe sealar que la evaluacin del aprendizaje se adaptar a la metodologa y estrategias de e
que se utilicen.
Acreditacin:
El curso se acredita con dos evaluaciones parciales en las cuales se considerarn tanto las plos productos elaborados dentro del proceso de enseanza-aprendizaje.
-
7/23/2019 Analisis de Datos 1p (1)
9/59
Inicio de clases 16/Junio/14Primera evaluacin
Revisin Examen yFirma de Acta parcial
04/Agosto/14
06/Agosto/14
Segunda evaluacin
Revisin Examen yFirma de Acta parcial
17/Septiembre/2014
21 y 23/Septiembre/2014
Proyecto Final 3, 8 y el 10 de Septiembre 2014Asueto Ninguno
Fechas importantes
-
7/23/2019 Analisis de Datos 1p (1)
10/59
Polticas del CursoEstructura de la clase:
De manera aleatoria y sin previo aviso, se designar a un alumno para que haga un resumen ms de cinco minutos.
De la misma forma, se podr aplicar un examen rpido de las lecturas asignadas o de la clasesesin.
El profesor har una exposicin general del tema a tratar en cada sesin.
Es obligatoria la participacin de todos los alumnos en las discusiones y ejercicios de clase.
-
7/23/2019 Analisis de Datos 1p (1)
11/59
Primera evaluacin 40
Segunda evaluacin 40Proyecto final 20
Examen parcial 50%
Ejercicios, Ensayos,Investigaciones, tareas
30%
Exmenes rpidos 10%Participacin 10%
Polticas de EvaluacinLa calificacin final est compuesta por:La calificacin parcial de la primera y segunda evaluacin:
Evaluacin Parcial
5 % 20%
40% 50%
40 % 50%
50 % 70%
10% 20%
10 % 20%
10 % 20%
Quieren modificar algo aqu???
-
7/23/2019 Analisis de Datos 1p (1)
12/59
Asistencia y puntualidad La tolerancia para entrar al saln de clase ser de 10 minutos.
Una vez comenzado el examen rpidos solo se dar le tiempo estipulado, sin excepcin por reta
3 retardos amerita una falta.
El lmite de faltas para tener derecho a examen final es el equivalente a dos semanas de clases
faltas en total del curso). Las faltas deben ser justificadas mnimo una clase antes. Queda sujeta a juicio de maestro.
Trabajos, exmenes y tareas extemporneas Slo se aceptarn las tareas, trabajos y proyectos que se entreguen en tiempo y en forma.
El examen extemporneo se realizar, previa autorizacin de los directores de CarreraDepartamento, sobre una calificacin de 80.
La solicitud del examen se deber realizar con el Director de Carrera correspondiente.
-
7/23/2019 Analisis de Datos 1p (1)
13/59
Reglas de comportamiento Queda estrictamente prohibido fumar e ingerir alimentos y/o bebidas en
as como el uso de celulares o cualquier otro equipo de comunicacin. La computadora porttil slo se utilizar dentro del saln de clases pa
acadmicas diseadas para la materia. Fuera de estas razones, por ning
autorizar su uso durante el desarrollo de la clase.
El profesor asume que el alumno conoce el Reglamento General de Alu
Reglamento Acadmico para los programas de Profesional, por lo que toddurante el cuatriimestre se regirn conforme a lo establecido en dichos reg
Alguna duda???
-
7/23/2019 Analisis de Datos 1p (1)
14/59
Bibliografa.
1- John E. Freud y Gary A. Simon, Estadista elemental, 8va edicin, Edit. Pearson P
2- Johnson Kuby, Estadistica elemental, 3 edicin, Edit. Thomson.
3- Lincoln L. Chao, Introduccin a la estadstica, Editorial Continental.
4- Mendenhall-Beaver-Beaver, Introduccin a la probabilidad y estadstica, 13 edi
Learning.
5- Jos Juan Gngora Corts y Roberto Hernndez Ramrez, Estadstica descriptiva
6- Mario F. Triola, Estadstica, 10 edicin, Edit. Pearson Addison Wesley.
7- Montgomery, Control estadstico de la calidad, 3 edicin, Limusa Wiley.
8- Douglas Montgomery, introduction to statistical quality control, 7 edition, Edit.
9- Adrew Sleeper, Design for Six Sigma statistics, Edit. Mc. Graw-Hill.
10- Robert P. Neuman and Roland R. Cavanagh, The Six Sigma Way, Mc. Graw-Hill.
11- Ron S. Kenett-Shelemyahu Zacks, Estadstica Inustrial Moderna, Edit. Thomson
12- Michael L. George, Lean Six Sigma, Mc. Graw-Hill.
13- Thomas Pyzdek, The Six Sigma Handbook, Mc. Graw-Hill.
-
7/23/2019 Analisis de Datos 1p (1)
15/59
1- Introduccin al ande d
Universidad del V
Jos Alberto Nuncio Esq
alberto_nuncio@y
-
7/23/2019 Analisis de Datos 1p (1)
16/59
Antecedentes histricos.
Al igual que ha ocurrido con otras muchas disciplinas, a lo largo del tiempo
que la estadstica es un procedimiento extraordinariamente complicado. C
artculos en los que aparecen resultados estadsticos nos queda la impresin
en ellos es una verdad absoluta e incontrovertible que est apoyada por to
matemtico. Esto no es forzosamente cierto, se puede adquirir con relati
conocimiento bsico de la estadstica
La estadstica fue fundada por John Graunt, en unpequeo libro Natural and political Observations made
upon the Bells of Mortality. Este libro fue el primer
intento para interpretar fenmenos biolgicos de masa y
de la conducta social: a partir de datos numricos
escribir las cifras brutas de nacimientos y defunciones enLondres, de 1604 a 1661. Treinta aos ms tarde, la
Royal Society public en su Philosophical Transactions
un artculo sobre tasas de mortalidad escrito por el
eminente astrnomo Edmund Halley. Ambaspublicaciones constituyen la base de todo trabajoposterior sobre esperanza de vida,
-
7/23/2019 Analisis de Datos 1p (1)
17/59
Antecedentes histricos.
En el famoso libro de Jacob Bernoulli, Aos Conjectandi, aparece un teimportancia cardinal para la Teora de Probabilidades, comnmente llamado T
Bernoulli, y tambin conocido como Ley de los grandes nmeros, nombre que
por el matemtico francs, Simeon Poisson (1781-1840). Este teorema fueintento para deducir medidas estadsticas a partir de probabilidades individuale
Junto con Arqumedes y Newton, Gauss es uno de los tres grandes de la M
Ellos aportaron conceptos muy tiles en sus distintas ramas tanto en su forma
aplicada.
-
7/23/2019 Analisis de Datos 1p (1)
18/59
Funciones de la estadstica.
Los conceptos y temas de la estadstica se utilizan en la actualidad en un
ocupaciones. Las tcnicas estadsticas constituyen una parte integral de linvestigacin en distintas reas del saber humano.
Con frecuencia escuchamos comentarios como los siguientes:
Se ha demostrado estadsticamente que el mayor porcentaje de las ventas
registran en el primer trimestre del ao.
La explotacin de petrleo crudo en el ltimo trimestre del ao de 1993
millones de barriles, cuyo producto fue de 3698 millones de dlares.
Estadsticamente se ha demostrado que el huevo produce el colesterol en
consumen mucho este producto.
Se ha comprobado estadsticamente, que la pasta dental de mayor aceptaces la que produce la fbrica Colgate-Palmolive.
Todas estas expresiones nos indican que la Estadstica es una herramienta quconocer la realidad.
Justificacin
-
7/23/2019 Analisis de Datos 1p (1)
19/59
Justificacin
Los conceptos y los mtodos estadsticos no solo son tiles, sino
indispensables para comprender el mundo que nos rodea. Nos proporcionadquirirnuevas perspectivas del comportamiento de muchos fenmenosencontramos de la ingeniera y las ciencias.
La disciplina de la estadstica ensea como razonar lgicamente y tomainformadas en presencia de la incertidumbre y la variacin. Sin estas dosnecesidad de los mtodos estadsticos o de los profesionales de la estadstic
Justificacin
-
7/23/2019 Analisis de Datos 1p (1)
20/59
Justificacin
Toma dedecisiones
diaria
PresenciaIncertidumbre
- Sele- Rec
- Tam
mue
- Exis
sign
cua
- Cam
mat
- Ren
maq
NO necesitanmayor anlisis
Necesitanmayor anlisis
Estadstica
DOE
Anlisis dedatos Mtodosestadsticos
Variacin
1 1 - Conceptos
-
7/23/2019 Analisis de Datos 1p (1)
21/59
1.1 - Conceptos
Estadstica
Es una de las herramientas mas utilizadas en la investigacin cientfica.
Herramienta indispensable en instituciones gubernamentales, educ
negocios, en la banca , etc.
La Estadstica es el estudio cientfico relativo al conjunto deencaminados a la obtencin, representacin y anlisis de observacionescon el fin de describir la coleccin de datos obtenidos, as cogeneralizaciones acerca de las caractersticas de todas las observaciones
decisiones ms acertadas en el campo de su aplicacin.
Qu es la estadstica?
1 1 - Conceptos
-
7/23/2019 Analisis de Datos 1p (1)
22/59
1.1 - Conceptos
Cules son las dos grandes divisiones de la estadstica?
Estadsticadescriptiva
Estadsticainferencial.
1 1 - Conceptos
-
7/23/2019 Analisis de Datos 1p (1)
23/59
1.1 Conceptos
Estadsticadescriptiva
Consiste en procedimientos usados para resumir y describir caractersticas importantes de un conjuntos de mediciones.
Presenta tcnicas para describir un conjunto de datos
Ejemplos?
- Media
- Desviacin
- Varianza
- Error de la media
- Coeficiente de variacin
- Cuartiles
- Percentiles- Moda
- Mediana
- Mnimo
- Mximo
- Rango
- Kurtosis
1.1 - Conceptos
-
7/23/2019 Analisis de Datos 1p (1)
24/59
1.1 Conceptos
Mediciones de edad, estatura y peso de alumnos.
- N:
- Media :
- Desviacin :
- Varianza:
- Coeficiente de variacin:
- Cuartiles
- Percentiles
- Moda :
- Mediana:
- Mnimo :
- Mximo:
- Rango:
- Kurtosis :
Ejercicio 1.1
Diga cada uno su genero y estatura y peso. Construya una tabla en Excel de los datproporcionados. Anota en tu cuaderno o en un archivo de Excel.
NOTA: Al final guardaremos el archivo como Datos personales.xlsx
1.1 - Conceptos
-
7/23/2019 Analisis de Datos 1p (1)
25/59
1.1 Conceptos
Estadsticainferencial
Consta de procedimientos usados parahacer inferenciasacerca dcaractersticas de lapoblacin, a partir de informacin contenida emuestra extrada de la misma poblacin.
Estadsticainferencial
Hacer inferencias
Sacar conclusiones
Hacer predicciones
- Pru
- Pru
- Pru
- Re
- Re
sim- Re
m
- Aju
- Dis
- Pru
- Etc
Divisiones de la estadstica Estadsticad i ti
Estadsticai f i l
-
7/23/2019 Analisis de Datos 1p (1)
26/59
descriptivainferencial.
Procesos Estocsticos Procesos Determins
Para lograr modelar correctamente un proceso estocstico es nececomprender numerosos conceptos de probabilidad y estads
Dentro del conjunto de procesos estocsticos se encuentran, por ejempl
tiempo de funcionamiento de una mquina entre avera y avera, su tiemp
reparacin y el tiempo que necesita un operador humano para realizar
determinada operacin. El objetivo es utilizar la posible inercia e
comportamiento de la serie datos con elfin proveer su evolucin futura.
Random process
Procesos Estocsticos
Variables continuas
Variables discretas
Ejemplos de variables
-
7/23/2019 Analisis de Datos 1p (1)
27/59
Variables continuas continuas Variables dis
Divisiones de la estadstica
-
7/23/2019 Analisis de Datos 1p (1)
28/59
Procesos Estocsticos Procesos Determins
Es un modelo matemtico donde las mismas entradas producirn invariable
las mismas salidas, no contemplndose la existencia del azar ni el princip
incertidumbre.
Cul es mas difcil modelar, un proceso estocstico o un determi
Ejemplos???
Caida libre de un objeto
1
2
Por ejemplo, la planificacin de una lne
cualquier proceso industrial, es posible
implementacin de un sistema de gesti
incluya un modelo determinista en el cualas materias primas, la mano de obra, los tie
y los productos finales asociados a cada pro
Ejercicio grupal.
-
7/23/2019 Analisis de Datos 1p (1)
29/59
Procesos Estocsticos
Procesos Determinsticos Genera Y idnticas o salidas iguales.
Genera diferentes salidas a pesar de tener las misma
Toma apuntes!!!
Cada alumno elaborara rpidamente un ejemplo de un prestocstico y el siguiente compaero un proceso determinas sucesivamente.
Ejercicio 1.2
Estadstica paramtrica y no paramtrica
-
7/23/2019 Analisis de Datos 1p (1)
30/59
Paramtrica
Es una rama de la estadstica que comprende los procedimientos estadsticos y de destn basados en lasdistribuciones de los datos reales.Estas son determinadasun nmero finito de par
por ejemplo, si conocemos que la altura de las personas sigue una distribucin npero desconocemos cul es la media y la desviacin de dicha normal. La me
desviacin tpica de la desviacin normal son los dos parmetros que queremos est
La mayora de losprocedimientos paramtricos requiere conocer la distribucinmediciones.
Parmetro: Esuna caractersticade la poblacin de inters quequeremos esLa media, desviacin, los residuales, etc, son algunos ejemplos.
Estadstica paramtrica y no paramtrica
-
7/23/2019 Analisis de Datos 1p (1)
31/59
NO Paramtrica
Es una rama de la estadstica que estudia las pruebas y modelos estadsticos cuysubyacenteno se ajusta a los llamados criterios paramtricos. Su distribucin
definida a priori, pues son los datos observados los que la determinan. La utilizamtodos se hace recomendable cuando no se puede asumir que los datos se distribucin conocida.
Las principales pruebas no paramtricas son las siguientes:
Prueba de PearsonPrueba binomialPrueba de Anderson-Darling
Prueba de CochranPrueba de Cohen kappaPrueba de FisherPrueba de FriedmanPrueba de KendallPrueba de Kolmogrov-Smirnov
Variables y datos.
-
7/23/2019 Analisis de Datos 1p (1)
32/59
y
Variable Es una caracterstica que cambia o se modifica con el tiempo yindividuos u objetos en consideracin.
Ejemplos :- Temperatura corporal cambia con el tiempo.
- Edad cambia con el tiempo.- Ingresos $$$ cambia por empresa y con el tiempo
y por otros factores
Poblacin
Muestra.
Conjunto de todas las mediciones de inters para el investigad
Subconjunto de mediciones seleccionadas de la poblacin de in
Poblacin Muestra
-
7/23/2019 Analisis de Datos 1p (1)
33/59
Variables cualitativas
Miden una cualidad ocaracterstica en cadaunidad experimental.
Variables cuantitativas
Miden una cantidad
numrica en cadaunidad experimental.
-
7/23/2019 Analisis de Datos 1p (1)
34/59
Variables cualitativas Variables cuantitativas
Tipo de variables
Ordinal Nominal Variables discreta Varia
Datos categricos
E ll l l t t
-
7/23/2019 Analisis de Datos 1p (1)
35/59
Variables cualitativas
Ordinal
Nominal
Es aquella que agrupa los elementos en categoras que puordenados.
Es aquella que agrupa los elementos en categoras que noordenados.
Ejemplos:- Nacionalidad: Aleman, Espaol,
Mexicano, Ruso.- Colores: Rojo, Verde, Azul- Metodo 1 , Metodo 2
Ejemplos:- Nivel de ingles: Bajo, Medio, Alto.- Peso: Flaco, promedio, robusto.-
-
7/23/2019 Analisis de Datos 1p (1)
36/59
Variablescuantitativas.
Variables discretas Asume solo un nuero finito o contable de valores.
Variables continuas Toma todos los valores infinitos que correspondan a puntos sobre un inrvalo lineal.
- Numero de empleados- Puertas de Acceso A,B o C.
- Temperatura de un horno.- Tiempo de un marchista en una carrera.
Identificacin de variables. Identifique individualmente las variables, 5
-
7/23/2019 Analisis de Datos 1p (1)
37/59
Ejercicio 1.3
A- Identifique si es una variable cualitativa o cuantitativa.
B- Identifique si es una variable continua o discreta.
1- Tiempo que toma ensamblar una pieza.2- Numero de trabajadores en un turno.
3- Calificacin de un poltico recin electo. (Bueno, Regular o Malo).4- Calificacin de un examen de estadstica.5- Estado o Entidad Federativa en el que naci una persona.
1- Poblacin en Saltillo Coahuila.2- Peso de aluminio reciclado.4- Tiempo de entrega5- Numero de accidentes en el mes pasado.6- Numero de colaboradores en un equipo de trabajo7- Produccin en kilogramo de hierro.8- Produccin en numero de maquilas liberadas por calidad.
Cuant y continuaCuant y discreta
Cual y ordinaCuant y continua
Cual y nomimnal
d
cc
dd
cd
5 minutos para desarrollar este ejercicio, de manera individuadespus procedemos a comentarlos.
Estadsticas descriptivas
-
7/23/2019 Analisis de Datos 1p (1)
38/59
Las estadsticas descriptivas son algunas medidas numricas, que se empcomnmente para describir un conjunto de datos. El objetivo de las estadsdescriptivas es ser usadas para una inferencia estadstica,si parten de una muealeatoria y representativa.
Existen dos grupos:
Medidas de tendencia central Medidas de variabilida
Son las medidas con ladisposicin para agruparse en elcentro o de ciertos valoresnumricos.
Son las medidas condispersin de las observacien le conjunto.
Medidas de tendencia central
-
7/23/2019 Analisis de Datos 1p (1)
39/59
1- La media.
=
Esta es una medida apropiada de tendencia central apra datos. Sin embargo este valor puede ser afectado por la evalores extremos, o comnmente llamados valoresatipico
Considere el siguiente ejemplo:Usted quiere seleccionar materia prima, y considere dos proveedores, el provle otorga 4 muestras del producto: 0, 25, 75, y 100.
El ultimo en llegar,,, Calcule la media en el pizarrn, aplique la formula.
Medidas de tendencia central
-
7/23/2019 Analisis de Datos 1p (1)
40/59
2- La mediana.
Es el valor para el cual, cuando todas las observaciones se ordenan de manera creciemenor que este valor y la otra mitad mayor.Nota: Si el numero de observaciones es impar, la mediana es el valor de la observacmitad del conjunto ordenado. Si el numero es par se considera la mediana como el
los valores de las dos observaciones que se encuentren a la mitad del conjunto orde
3- La moda.
Es el valor de observacin que ocurre con mayor frecuencia en un conjunto de datos
Considere el siguiente ejemplo:Usted quiere seleccionar materia prima, y considere dos proveedores, el prootorga 4 muestras del producto: 10, 34, 56,23, 53, 45, 23, 45, 26, y 31.
La ultima persona quepaso diga un numero del 1-15
Calcule la media, mediana y
la moda.
Medidas de variacin
-
7/23/2019 Analisis de Datos 1p (1)
41/59
1- La varianza.
=
Qu indica la Media?No tiene significancia elegir uno u otro?
Las medidas de tendencia central proporcionan una buena informacin acerca ddatos, pero no proporciona ninguna idea de la variabilidad. Considere el siguiente eUsted quiere seleccionar materia prima, y considere dos proveedores, el potorga 4 muestras del producto: 0, 25, 75, y 100.Y el proveedor B, 48,49, 51 y 52
Es el promedio del cuadrado de las distancias entre cada obsconjunto de observaciones.
Medidas de variacin
-
7/23/2019 Analisis de Datos 1p (1)
42/59
2- La desviacin estndar.
s
Es la raz cuadrada de la varianza.
Se refiere sobre las varianza porque se expreunidades que las observaciones.
La ultima persona que paso diga un numero del 1-15Calcule la media, mediana y la moda, la varianza y deviacin estndar us
del ejercicio pasado (A mano). Adems calcule el rango!!. Para entregar e
siguiente clase.
Usted quiere seleccionar materia prima, y considere dos proveedores, el prov
muestras del producto: 0, 25, 75, y 100.Y el proveedor B, 48,49, 51 y 52.
3- El rango.
Es el valor mximo menos el mnimo.
FORMARTO DETAREAS
-
7/23/2019 Analisis de Datos 1p (1)
43/59
TAREAS
REQUISITOS MINIMOS DE PORTADA:
- UVM- NOMBRE- NOMBRE DE LA MATERIA- NOMBRE DEL PROFESOR- FECHA
Entregar en hojas en blanco (no de cuaderno) grapadas. Puedes usar hojas milimtrHacer la 1 tarea a mano y de manera individua!
Fecha de entrega: Lunes 30 de Junio en hasta 10 minutos despus de comenzar la cEn este caso no se aceptan trabajos por correo.
1Tarea
Ejercicios individuales
-
7/23/2019 Analisis de Datos 1p (1)
44/59
Realiza siguientes ejercicios de estadsticas descriptivas.Si no se terminan se entregaran la siguiente clase como tare
La demanda diaria de unidades de un producto durante 30 das de trabajo e
Ejercicio 1.4
1
1- Ejercicio de tarea estadisticas desciptivas
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56
Calcula la media, mediana, desviacin estndar, moda, empleando los datos no agr
1Tarea
Ejercicios individuales
-
7/23/2019 Analisis de Datos 1p (1)
45/59
Si tienes dudas pregunta al facilitador!!
Aqu se presentan 3 conjuntos de datos, calcula la media y la desviacincada conjunto de datos. Qu puedes concluir?.
Ejercicio 1.4
2
2- Ejercicio de tarea estadsticas descriptivas
Grupo A 1 2 3 4 5 6
Grupo B 1 1 1 6 6 6
Grupo C -13 2 3 4 5 20
1Tarea
Ejercicios individuales
-
7/23/2019 Analisis de Datos 1p (1)
46/59
Utiliza las formulas! Se calificara el procedimiento manual.
Se seleccionaron de un proceso de fabricacin aleatoriamente 20 bateras yuna prueba para determinar la duracin de estas. Los siguientes datos
tiempo de duracin en horas para las 20 bateras.:Determine la media, mediana, desviacin estndar.
Ejercicio 1.4
3
3- Ejercicio de tarea estadsticas descriptivas.
52.5 62.7 58.9 65.7 49.3
58.9 57.3 60.4 59.6 58.1
62.3 64.4 52.7 54.9 48.8
56.8 53.1 58.7 61.6 63.3
1Tarea
Ejercicios individuales
-
7/23/2019 Analisis de Datos 1p (1)
47/59
Utiliza las formulas! Se calificara el procedimiento manual.
En un conjunto de nmeros cuya media es 7.31 se le aaden los nmerCul es la media del nuevo conjunto de nmeros?
Ejercicio 1.4
4
5 Calcule la media y desviacin estndar de los siguientes datos: 3, 8, 4, 10, 6Si todos los datos anteriores los multiplicamos por 3, tendran la misma me
1Tarea
Ejercicios individuales
Ej i i1
-
7/23/2019 Analisis de Datos 1p (1)
48/59
Ejercicio 1.4
6
1Tarea
Describe que tipo y subtipo de variable (Cuant, cuali, discreta, cotinua,
nominal y ordinal)
1-Comida Favorita
2- Profesin que ejerces.
3- Numero de goles anotados.
4- Numero de alumnos en LX.
5- Color de tus ojos.
6- Coeficinete intelectul de una persona
7- Puesto Conseguido en una prueba deportiva (1, 2 y 3er lugar)
8- Medalla de una prueba deportiva (oro, plata, bornce)
9- Rechazo interno en "Pasa" y " No pasa"10- Rechazo interno interno en porcentaje defectuoso
11- Peso de las personas
12- Numero de hijos
13- Deporte preferido
14- Piezas defectuosas por estacion de trabajo
-
7/23/2019 Analisis de Datos 1p (1)
49/59
2- Inferencia estadPruebas de hip
Universidad del V
Jos Alberto Nuncio Esq
alberto_nuncio@y
Hiptesis estadstica
-
7/23/2019 Analisis de Datos 1p (1)
50/59
La prueba o contraste de una hiptesis estadstica es una parte importantla Estadstica inferencial.
Hiptesis estadstica
Esuna afirmacincon respecto a algunacaractersticadesconocida de una poblacin de inters. Es decirprobar una hiptesis estadstica es el decidir si laafirmacin que se propone esta apoyada por evidenciaexperimental que se obtiene atreves de una muestraaleatoria.
Pasos o Procedimiento para laspruebas de hiptesis
-
7/23/2019 Analisis de Datos 1p (1)
51/59
1- Establecer la hiptesis nula Ho. (Presenta la igualdad).2- Elegir una hiptesis alterna apropiada. (3 casos).
3- Elegir el nivel de significancia alfa (0.1, 0.05 y 0.01).4- Calcular el valor de la estadstica apropiada ( en estos casos valor T).5- Decidir, rechazar o no rechazar Ho. (Si Pvalue es menor o igual al nivesignificancia alfa que se elijio.6- Concluir en trminos del ejemplo o caso real.
1- Leer el problema.
2- Determinar que tipo de prueba es. (1 muetra, 2 muestras, 2 muestras pa3- Identificar el valor objetivo o target.
Pre-Estadisticos
Prueba estadstica
Ejemplo practico
-
7/23/2019 Analisis de Datos 1p (1)
52/59
Para ilustrar la importancia de este y los siguientes temas, supngase elsiguiente ejemplo:
Suponga que se tiene inters en el tiempo promedio necesario paraterminar una unidad de produccin (suponga algn producto de suempresa) en una lnea de armado. Bajo condiciones normales deoperacin, el objetivo o la requisicin del cliente es tener un tiempopromedio de armado por unidad de 10 minutos.
El gerente de la planta decide continuar con el proceso, a menos que
encuentre evidencia sustancial de que el tiempo promedio no sea 10minutos.
La evidencia se obtendr de una muestra aleatoria de tamao nobtenida de una distribucin. Cmo debe decidirse si continua o no elproceso de produccin?
Ejemplo practico
-
7/23/2019 Analisis de Datos 1p (1)
53/59
La respuesta a este tipo de preguntas es el principal objetivo de estos temas.Lo mas importante en esta hiptesis es determinar si el valor de la media evidencia (muestra).Entonces;- Si la afirmacin estadstica esta de acuerdo con la evidencia experiment
sumir que el valor promedio del objetivo es de 10 minutos.- Pero,,, si la afirmacin no esta apoyada estadsticamente por la evide
muestral, el gerente de la planta puede detener el proceso para llevar aajustes necesarios.
Ejemplo practico
j l f l l d hi i i d b
-
7/23/2019 Analisis de Datos 1p (1)
54/59
En este ejemplo se formulan las dos hiptesis necesarias para cada pruebinferencia estadstica. La hiptesis nula y la hipostasis alterna.
La afirmacin de que = se llama Hiptesis nula: Ho.
Lahiptesis nula Hosiempre debe considerarse comoverdaderaa menosexista suficiente evidencia en contra, siempre abarca un solo valor!
La hiptesis alterna Ha es la contradictoria a Ho.
Es recomendable establecer la Ho mas especifica que la Ha.Estadsticamente es correcto llegar a dos conclusiones:- Rechazar Ho.- No rechazar Ho.
: Hiptesis nula.: Hiptesis alterna.
Veamos algunos ejemplos prctic
Por qu se rechaza a Ho? Y no se rechaza a Ha?
E j di i l l hi t i l H i t l hi t i lt
-
7/23/2019 Analisis de Datos 1p (1)
55/59
En un proceso judicial, lahiptesis nula Hoes inocentey lahiptesis altHa es culpable, si queremos demostrar que una persona es culpabinocente.
Si rechazamos la Ho implicara que el juicio ha sido capaz de proporci
evidencia suficiente para garantizar que es culpable.
Si no rechazamos Ho, el juiciono presenta evidencia sustancial para declaculpable, por lo tanto queda inocente. Sin embargo! Esta decisin no imnecesariamente que el acusado sea inocente, mas bien quiere decir que evidencia sustancial que valide que es culpable.
La razn por la cual se rechaza a Ho (culpable) y no a Ha (inocente), es porqdecisin sobre Ho debe considerarse mas fuerte! Esto debido al principio judque nos dice que es peor condenar a una persona inocente que dejar ir apersona culpable. Si el veredicto es culpable, se desea tener ungrado muyde confiabilidad de que no se va a condenar una persona inocente.
Ejemplos de Ho y HaEj l
-
7/23/2019 Analisis de Datos 1p (1)
56/59
Ejemplo 1.
Supngase que en la ciudad de Saltillo existen dos estaciones de televisicanal 6 y el canal 10. Se piensa que para las noticias de la tarde el auditorencuentra dividido en partes iguales para ambos canales. Una compa
interesa en probar esta teora de la proporcin de televidentes para las notde la tarde. Entonces la proporcin ser de 50% o de 0.5.
Las hiptesis son:
: 0.5
: 0.5
El estudio se realiza de la siguiente manera; la compaa realiza encuestasresidentes seleccionados al azar y pregunta que canal prefieren ver en las notde la tarde.
Casos generales de probar Ho contra Ha
-
7/23/2019 Analisis de Datos 1p (1)
57/59
Caso 1
: 9
: 9
Caso 2
: 9
: < 9
Caso 3
: 9
: > 9
Errores en aceptar o rechazar la hiptesis nula.
Error tipo I.
Se le llama as a la hiptesis nula cuando serechaza pero es verdadera.
Error tipo II.Se le llama as cuando la hiptesis nula se acepta pero realmente es falsa.
Situaciones posibles al probar una hiptesis estadstica
-
7/23/2019 Analisis de Datos 1p (1)
58/59
Al probar cualquier hiptesis estadstica se pueden presentar 4 situaposibles que determinan si nuestra decisin es correcta o errnea.
Situaciones posibles al probar una hiptesis
Ho es Verdadera Ho es Falsa
Aceptamos Ho Decisin correcta Error tipo II
Rechazamos Ho Error tipo I Decisin correcta
Error tipo I.Nivelde significancia
Se le llama as a la hiptesis nula cuando serechaza pero es verdadera.
Error tipo II. Potenciade la prueba Se le llama as cuando la hiptesis nula se acepta pero realmente es falsa.
Bibliografa.
-
7/23/2019 Analisis de Datos 1p (1)
59/59
1- John E. Freud y Gary A. Simon, Estadistca elemental, 8va edicin, Edit. Pearson P2- Johnson Kuby, Estadistica elemental, 3 edicin, Edit. Thomson.3- Lincoln L. Chao, Introduccin a la estadstica, Editorial Continental.
4- Mendenhall-Beaver-Beaver, Introduccion a la probabilidad y estadstica, 13 edici5- Jos Juan Gngora Corts y Roberto Hernndez Ramrez, Estadstica descriptiva, 6- Mario F. Triola, Estadistica, 10 ediacion, Edit. Pearson Addison Wesley.7- Montgomery, Control estadstico de la calidad, 3 edicin, Limusa Wiley.8- Douglas Montgomery, introduction to statistical quality control, 7 edition, Edit. W9- Adrew Sleeper, Design for Six Sigma statistics, Edit. Mc. Graw-Hill.10- Robert P. Neuman and Roland R. Cavanagh, The Six Sigma Way, Mc. Graw-Hill.11- Ron S. Kenett-Shelemyahu Zacks, Estadstica Inustrial Moderna, Edit. Thomson.
12- Michael L. George, Lean Six Sigma, Mc. Graw-Hill.13- Thomas Pyzdek, The Six Sigma Handbook, Mc. Graw-Hill.14- Geoff Tennant, Six Sigma Edit. Gower.15- E. L. Grant and R. S. Leavenworth, Control Estadstico de calidad, Edit. Continen