1 / 124

PRESENTACION

PRESENTACION. 1. (Armen su cartel de identificación). ¿Cómo te gusta que te llamen? ¿Nombre? ¿Apodo? 2. ¿Qué título de tercer grado tienes? 3. ¿En qué Universidad te graduaste? 4. ¿En qué año? 5. ¿Dónde trabajas? 6. ¿En qué te desempeñas actualmente en tu trabajo?

traci
Télécharger la présentation

PRESENTACION

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. PRESENTACION 1. (Armen su cartel de identificación). ¿Cómo te gusta que te llamen? ¿Nombre? ¿Apodo? 2. ¿Qué título de tercer grado tienes? 3. ¿En qué Universidad te graduaste? 4. ¿En qué año? 5. ¿Dónde trabajas? 6. ¿En qué te desempeñas actualmente en tu trabajo? 7. ¿Por qué decidiste estudiar una maestría? 8. ¿Qué expectativas tienes del curso de nivelación de estadística? 9. ¿Qué más deseas decirnos? GRACIAS!!

  2. POLITICAS ESTABLECIDAS • Se aprueba la materia con un mínimo de 75/100 puntos. • Para alcanzar los 100 puntos: 25% asistencia (por lo menos el 80% de las horas crédito) 40% talleres en clases (Grupo de 3 personas) 10% examen final 25% trabajo individual

  3. CronogramaPrimer Día de Clases 09:00 – 10:30: Terminología/Conceptos Generales 10:30 – 11:00: Coffee Break 11:00 – 13:00: Clases 13:00 – 15:00: Almuerzo 15:00 – 17:00: Clases

  4. Bibliografía Recomendada: • Estadística aplicada a los negocios y la economía, Allen L. Webster, tercera edición, Mc Graw-Hill. • Estadística para Administradores, Levin & Rubin, sexta edición, Pearson. • DecisionAnalysis, Stokey & Zeckhauser • Allen L. Webster “Estadística Aplicada a los negocios y a la economía”; McGraw – Hill Última edición

  5. Antes, quería compartir con uds. este video http://www.youtube.com/watch?v=0CVB8YSOLK4

  6. Cronograma Primer Día de Clases 09:00 – 10:30: Terminología/Conceptos Generales

  7. Deming solía decir: “En Dios confío, para todo lo demás necesito datos” “Hay tres tipos de mentiras: mentiras, grandes mentiras y estadísticas” Benjamin Disraeli

  8. ¿Qué es la estadística? En tu trabajo, la utilizas? … Sinceramente ….

  9. La Estadística aplicada a la Administración intenta contestar estas preguntas • ¿Cómo deben recopilarse los datos? • ¿Qué métodos de análisis se deben utilizar? • ¿Qué hipótesis se deben asumir? • ¿Cómo se pueden verificar? • ¿Cómo se interpretan los resultados?

  10. USOS Y APLICACIONES Algunos campos de investigación usan la estadística tan extensamente que inclusive tienen terminología especializada: Estadística en Planificación Estratégica (KPI´s) Estadística en Investigación de Mercados Estadística Publicitaria Minería de datos (CRM) Calidad y Productividad

  11. Ejemplos de Estadística: Influenza en México • Estadística: Búsquedas de Información que puede ser medida por número de casos. • Se descubrió que las personas enfermas con influenza tienden a buscar el mismo tipo de información. • Esas búsquedas son utilizadas para detectar dónde puede estar ocurriendo un brote. Los estudios muestran que entre un 35% y 40% de todas las visitas a internet son hechas por personas que buscan información relacionada a la salud. • La herramienta de Influenza en México puede encontrarse en: http://www.google.org/flutrends/intl/en_mx

  12. Las cifras cuentan historias … La información aporta mucho para crear escenarios. Fuente e Imágenes: América Economía, Finanzas, Mayo 2009

  13. Las cifras cuentan historias … Fuente e Imágenes: América Economía, Finanzas, Mayo 2009

  14. Las cifras cuentan historias … Fuente e Imágenes: América Economía, Finanzas, Mayo 2009

  15. Taller #0 Buscar tres ejemplos de actualidad donde se aplique estadística (aunque no sepamos cómo se calculan los índices que en los artículos se presentan). Indicar fuente y periodo de publicación. Tenemos 20 minutos para preparar el material de presentación y 3 minutos para presentarlo.

  16. Otros ejemplos de Estadística: • Chile: Producción de Cobre en Chile cae 5,9%. (Según informó el Instituto Nacional de Estadísticas, el cobre alcanzó a 429.620 toneladas en Marzo 2009. Fuente: América Economía. • Ecuador: Rafael Correa y Jaime Nebot tienen al menos 86 mil electores en común. Fuente: El Universo • Ecuador: Los resultados de la elecciones generales 2009 para Prefecto Guayas, se reflejan en un 43% a Jimmy Jairala y 37% a Pierina Correa. Fuente: CNE • Latinoamérica: Las mejores ciudades para hacer negocios Ranking 2009 en orden: Recife, Curitiba y Miami. Las variables que se utilizaron para realizar el rankeo fueron: tamaño y dinamismo económico, servicios personales, conectividad física, calidad del capital humano, poder de la marca de la ciudad, etc. Etc.

  17. Conceptos • Estadística es la ciencia que tiene que ver con • Recolección • Organización • Presentación • Análisis • Interpretación Toma de decisiones Datos

  18. Casi todas las áreas del saber requieren del pensamiento estadístico. Se incluyen marketing, finanzas, economía, investigación de operaciones, comercialización, contabilidad, control de calidad, deportes, administración de hospitales, educación, política, medicina,...

  19. Definiciones Básicas • Población: es la recolección completa de todas las observaciones de interés para el investigador. • Parámetro: es una medida descriptiva de la población total de todas las observaciones de interés para el investigador

  20. Muestra: parte representativa de la población que se selecciona para ser estudiada ya que la población es muy grande para analizarla en su totalidad • Estadístico: elemento que describe una muestra y sirve como una estimación del parámetro de la población correspondiente

  21. Definiciones Básicas (cont) • Variables: característica de la población que se está analizando • Cuantitativa: si las observaciones se expresan numéricamente • Cualitativa: se mide de manera no numérica • Continua: puede tomar cualquier valor dentro de un rango dado • Discreta: limitada a ciertos valores (números enteros)

  22. Importancia del muestreo Es muy costoso y demanda mucho tiempo examinar la población total, por tanto, debe seleccionarse una muestra de la población, calcular el estadístico de la muestra, y utilizarlo para estimar el parámetro correspondiente de la población.

  23. Estadística Descriptiva: es el proceso de recolectar agrupar y presentar datos de una manera tal que describa fácil y rápidamente dichos datos. • Estadística Inferencial: involucra la utilización de una muestra para sacar alguna inferencia o conclusión sobre la población de la cual hace parte la muestra

  24. Error de muestreo: es la diferencia entre el estadístico de la muestra utilizada para calcular el parámetro de la población y el valor real pero desconocido del parámetro. • Azar • Sesgo muestral: es la tendencia a favorecer la selección de ciertos elementos de muestra en lugar de otros.

  25. ESCALAS DE MEDIDAS Variables Cuantitativas: variables que utilizan valores numéricos que indican cuánto o cuántos de algo. Utilizan las siguientes escalas: Escala Intervalo: Escala de medición de una variable cuando los datos presentan las propiedades de los datos ordinales y los intervalos entre valores se expresan en términos de una unidad o medida fija. Los datos de intervalo siempre son numéricos. Ejm: Escala de Farenheit. Escala de Razón: Escala de medición de una variable cuando los datos presentan todas las propiedades de los datos de intervalo y la razón entre dos valores tiene sentido. Los datos de razón siempre son numéricos. Ejm: Costos, Rentabilidad, Peso, Tiempo, Distancia.

  26. ESCALAS DE MEDIDAS Variables Cualitativas: variables que utilizan etiquetas o nombres utilizados para identificar un atributo de un elemento. Utilizan las siguientes escalas: Escala Nominal: Escala de medición de una variable cuando los datos son etiquetas o nombres que se emplean para identificar un atributo de un elemento. Ejm: Datos de Género, Nivel de Instrucción más alto alcanzado, etc. Escala Ordinal: Escala de medición de una variable cuando los datos presentan las propiedades de los datos nominales y el orden o jerarquía de los datos tiene sentido. Ejm: escalas likert de nivel de satisfacción al cliente (grados de acuerdo), factor de riesgo (alto, medio, bajo), etc.

  27. Taller #1 Leer el caso: “Ranking de las mejores ciudades para hacer negocios” de un artículo publicado por América Economía y realizar las preguntas de evaluación. Se tiene aproximadamente 20 minutos para realizar el ejercicio. Importante: Seguir las instrucciones detalladas al final del caso.

  28. ¿Cómo resumir datos? Resumen para datos cualitativos: Distribuciones de frecuencia: es un resumen tabular de un conjunto de datos que muestra el número (frecuencia) de artículos en cada una de varias clases que no se traslapan. Ejm. Distribuciones de frecuencias de compras de Bebidas Carbonatadas Marca Frecuencia CokeClassic 19 DietCoke 8 Dr. Pepper 5 Pepsi – Cola 13 Sprite 5 Gráfica de barras, diagramas de pastel, son otros tipos de resúmenes gráficos.

  29. ¿Cómo resumir datos? Resumen para datos cuantitativos: Distribuciones de frecuencia también es válida, sin embargo debemos tener más cuidado al definir las clases no traslapantes que se usan en la distribución de frecuencias. Número de clases: Las clases se forman al especificar los intervalos que se utilizarán para agrupar los datos. Como regla general, se recomienda usar entre 5 y 20 clases. El propósito es emplear suficientes clases para mostrar la variación de los datos. Ancho de clases: Como regla general se recomienda igual ancho para todas las clases. Así, las opciones de la cantidad de clases y el ancho de ellas no son decisiones independientes. Una mayor cantidad de clases se traduce en un menor ancho de clase. Ancho de clase: (Valor máximo de los datos – valor mínimo de los datos)/Cantidad de clases

  30. ¿Cómo resumir datos? Resumen para datos cuantitativos: Límite de Clases: Se deben escoger los límites de clase de tal manera que cada valor de dato pertenezca a una clase y sólo a una. El límite inferior de clase es el valor mínimo posible de los datos que se asigna a una clase. El Límite superior es el valor máximo posible de los datos que se asignan a la clase. Punto medio de clase: es el valor promedio entre los límites inferior y superior.

  31. Datos Datos Cualitativos Datos Cuantitativos Métodos Tabulares Métodos Tabulares Métodos Gráficos Métodos Gráficos Distribución de frecuencias. Distribución de frecuencias relativas. Distribución de frecuencias porcentual. Gráficas de Barras Gráfica de Pastel Distribución de frecuencias y acumuladas Distribución de frecuencias relativas y acumulada Distribución de frecuencias porcentual y acumulada Histogramas Ojivas Gráfica de Pastel Resumen de Métodos Tabulares y Gráficos

  32. Ejercicio Ir al excel: Aplicaciones para Practica en Clases y Talleres y realizar el ejercicio de la hoja “AuditoriaDias”.

  33. ESTADISTICA DESCRIPTIVA

  34. OBJETIVOS ¿Qué haremos? • Se describirán métodos tabulares y gráficos para resumir e interpretar datos. ¿Para qué nos servirá? • Eficaces para redactar informes y también para tomar decisiones.

  35. Se llaman según dónde provengan… Si se calculan partiendo de datos de una muestra, se llama estadísticos de la muestra. Si se calculan a partir de datos de una población, entonces se denominan parámetros poblacionales

  36. Tipos de Medidas Descriptivas • Medidas de localización • Medidas de Variabilidad • Medidas de Forma • Medidas de asociación entre dos variables

  37. Medidas de una distribución

  38. Medidas de Localización Indican el valor medio de los datos para medidas de localización central y también las hay para localización no central. • Media • Mediana • Moda • Percentiles • Cuartiles • Deciles • Quintiles

  39. MEDIDAS DE LOCALIZACION: DEFINICION MEDIA: o también llamada promedio de una variable. MEDIANA: es el valor intermedio cuando los valores de los datos se ordenan en forma ascendente. Para un número impar de observaciones, la mediana es el valor medio. Para un número par de observaciones, la mediana es el promedio de los dos valores intermedios

  40. Tips para Estadística Descriptiva Es mejor usar la mediana que la media como medida de tendencia central, cuando un conjunto de datos contiene valores extremos. Otra medida que se utiliza muchas veces, cuando hay valores extremos es la media recortada que se obtiene eliminando los valores mínimo y máximo de un conjunto de datos, y calculando entonces el promedio de los valores restantes.

  41. MEDIDAS DE LOCALIZACION: DEFINICION MODA: es el valor de los datos que se presenta con mayor frecuencia. Si hay más de una moda, entonces ésta pierde el sentido como medida de tendencia central. PERCENTILES: dividen en cien partes iguales, de modo que dentro de cada uno están incluidos el 1% de los valores. CUARTILES: dividen a la distribución en cuatro partes iguales, de modo que dentro de cada uno están incluidos el 25% de los valores. DECILES: dividen a la distribución en diez partes iguales, de modo que dentro de cada uno estén incluidos el 10% de los valores. QUINTILES: dividen a la distribución en cinco partes iguales, de modo que dentro de cada una de las partes estén incluidos el 20% de los valores.

  42. Ejercicio de Aplicación Taller # 2 “Ariadna” reunió datos que muestran los sitios de internet más populares al navegar en la casa y en el trabajo. Los datos siguientes muestran el número de visitantes únicos (en miles) para los 17 sitios más populares para navegar en casa. • Calcule la media y la mediana. • ¿Cuál cree sería mejor usar: la media o la mediana como medida de tendencia central? Explique. • Calcule los cuartiles primero y tercero. • Calcule e interprete el percentil 85.

  43. Glosario de Fórmulas Fórmulas para la Media Media Muestral Consultar la guía de resumen de Fórmulas Descriptivas

  44. Medidas de Variabilidad Indican el grado de dispersión de los datos con respecto a un valor medio. Varianza: las unidades asociadas a la varianza están elevadas al cuadrado y por tanto no están presentadas en las mismas unidades de los datos originales. Desviación estándar: es la raíz cuadrada de la varianza y se mide en las mismas unidades que la de los datos originales. Rango: Es la diferencia entre el valor mayor y el menor de todos los datos. Rango Intercuartil: Es la diferencia que existe entre el tercer y el primer cuartil. Coeficiente de Variación: expresada en porcentajes y mide la dispersión de los datos con respecto a la media. Es múy útil al comparar dos o más conjuntos de datos medidos con unidades distintas.

  45. Tips: Medidas de Variabilidad • Cuánto más esparcidos o dispersos están los datos, son mayores el rango, el rango intercuartil, la varianza y la desviación estándar. • Cuánto más concentrados y homogéneos son los datos, son menores el rango, el rango intercuartil, la varianza y la desviación estándar. • Si todos los valores son los mismos (de tal manera que no hay variación de los datos) el rango, el rango intercuartil, la varianza y la desviación estándar son iguales a …… • Ninguna de las medidas de la variación (rango, rango intercuartil, desviación estándar y varianza) puede ser NEGATIVA

  46. Ejemplo de Aplicación Comparación de dos coeficientes de variación cuando dos variables tienen distintas unidades de medida. El gerente de operaciones de un servicio de entrega de paquetería está pensando si es conveniente adquirir una nueva flota de camiones. Al guardar los paquetes en los camiones para su entrega, se deben tomar en cuenta dos características principales, el peso (libras) y el volumen (en pies cúbicos) de cada artículo. El gerente de operaciones toma una muestra de 200 paquetes y encuentra que la media del peso es 26 libras con una desviación estándar de 3.9 libras, mientras que la media en volumen es de 8,8 pies cúbicos, con una desviación estándar de 2.2 pies cúbicos. ¿Cómo puede el gerente de operaciones comparar la variación de peso y volumen?

  47. Medidas de Forma Una tercera e importante propiedad que describe a un conjunto de datos numéricos es la forma. Forma es el patrón de distribución de los valores de los datos a través del rango de todos los valores. Coeficiente de Asimetría: mide la falta de simetría en los datos. Este puede variar desde -3 hasta 3. Media < mediana; asimétrica negativa o sesgo izquierdo Media = mediana; simétrica o asimetría cero Media > mediana; asimétrica positiva o sesgo derecho.

  48. Distribución simétrica • Cero asimetría moda = mediana = media

  49. Distribución con sesgo positivo • Asimetría positiva: media y mediana están a la derecha de la moda. • Moda<Mediana<Media

  50. Distribución con sesgo negativo • Asimetría negativa: media y mediana están a la izquierda de la moda. • Media<Mediana<Moda

More Related