Organizarlos y resumir Estadística

1. En todo proceso de investigación se generan datos y es la Estadística la disciplina encargada de : Organizarlos y resumir Estadística la información Descriptiva Extraer conclusiones acerca de hipótesis Estadística planteadas Inferencial

2. POBLACIÓN Y MUESTRA POBLACIÓN: • colección de elementos o sujetos de interés. • puede ser finita o infinita. MUESTRA: • subconjunto elegido al azar de la población. - tamaño muestral n.

3. MUESTRA Estimar Inferir acerca características de hipótesis POBLACIÓN

4. Tipos de datos Numéricos: - discretos (determinados valores), Ej: nº de hermanos, nº accidentes. - continuos (valores en un intervalo), Ej: concentración de glucosa en sangre. Categóricos: • ordinal (orden), Ej: estado de una enfermedad (severo, moderado, suave). • nominal (no orden), Ej: grupo sanguineo.

5. Estadística Descriptiva - Provee de métodos que permitan organizar y resumir la información de los datos. • De acuerdo al conjunto de datos se seleccionará el método más adecuado. • ¿cómo hacerlo? Realizando: Tablas de Distribución de frecuencias. Medidas de posición o tendencia central. Medidas de dispersión o variabilidad. Gráficos.

6. Tabla de distribución de frecuencia • Tomar un intervalo que contenga al conjunto de datos. • Dividir el intervalo en k intervalos de clase (IC) tal que sean adyacentes y disjuntos. • Contar el número de observaciones en cada intervalo (FA). • Calcular las FR como el cociente entre la FA dividida n en cada uno de los k intervalos.

7. Observaciones: - ¿Cómo elegir k? No hay reglas generales. Entre 5 a 20 intervalos. Tomar k ~ • Los intervalos no tienen por que tener igual longitud. • Además se tiene que:

8. Histograma • Gráfico de mayor difusión y es la representación gráfica de la Tabla de distribución de frecuencia. • ¿Cómo hacerlo? - En una recta horizontal marcar los k intervalos. - Sobre cada intervalo trazar un rectángulo cuya área sea proporcional al número de observaciones en el mismo. ¿Cómo elegir las alturas de los rectángulos? Altura = FR / Longitud del IC

9. Observaciones: • Si los IC son de igual longitud entonces las alturas de los rectángulos son proporcionales a las FA o FR. Luego comparar dos IC se reduce a ver sus alturas. • Si los IC son de distintas longitudes entonces OJO!!!! Ahora para comparar dos IC debemos comparar las áreas de los IC y NO sus alturas.

10. Ejemplo 1 Para decidir el número de cajeras necesarias para en un supermercado, se requiere tener información sobre el tiempo (en minutos) requerido para atender a los clientes. Para tal fin, se tomó una muestra aleatoria de n=60 clientes y se midió el tiempo que se demora en atenderlos.

11. Los datos previamente ordenados de menor a mayor fueron: 0.200.200.300.30 0.300.400.40 0.40 0.50 0.50 0.60 0.60 0.60 0.60 0.70 0.70 0.70 0.80 0.80 0.80 0.80 0.90 0.90 1.00 1.00 1.10 1.10 1.10 1.10 1.10 1.10 1.10 1.20 1.20 1.20 1.30 1.30 1.30 1.40 1.40 1.601.601.701.701.801.801.801.801.901.90 2.102.20 2.30 2.50 2.80 3.10 3.10 3.60 4.50 5.20

12. Tabla de distribución de frecuencia - Elección del número de intervalos de clase  k  7.75 entonces tomar k = 8. - Longitud de los intervalos de clase (IC)??? si queremos una partición disjunta del intervalo [0.2 , 5.2] en k=8 intervalos de igual longitud (l), entonces esta debe ser igual l = (5.2 – 0.2) / 8 = 0.625

13. Tabla de distribución de frecuencia IC FA FR [0.2, 0.825) 2121/60  0.35 [0.825, 1.45) 19 19/60  0.32 [1.45, 2.075) 10 10/60  0.17 [2.075, 2.7)4 4/60  0.07 [2.7, 3.325) 3 3/60  0.05 [3.325, 3.95) 1 1/60  0.02 [3.95, 4.575) 1 1/60  0.02 [4.575, 5.2] 1 1/60  0.02 n=60 1

14. Histograma de frecuencias relativas

15. Ejemplo 2Distribución del peso (x) en Kg de una muestra de500 alumnos varones de una Universidad FAA= Frecuencias absolutas acumuladas FRA= Frecuencias relativas acumuladas

17. Medidas de posición o tendencia central *Media muestral: • Media muestral o Promedio = (x1 + x2 + … + xn ) / n . • Mejor estimador para la media poblacional ( ). • Propiedad de centro de masa: • Desventaja: Muy sensible a la presencia de datos extremos. • Ejemplo: • A) 37, 40, 46, 50, 57 • B) 37, 40, 46, 57, 200 µ

18. *Mediana muestral • es un valor que deja el 50% de observaciones por encima como por debajo de el. • Puede o no ser un valor de la muestra. • Es el valor central o el promedio de los dos valores centrales si n es impar o par respectivamente. x (n+1)/2 si n es impar [x (n/2) + x (n/2)+1]/2 si n es par.

19. *Percentiles o cuantiles • - EL percentil i% (p(i)) es aquel valor que acumula a su izquierda el i% de los datos. • Luego el percentil 50% es lo que definimos como mediana. • Otros percentiles de interés son el 25% y 75%, que denotamos con Q1 y Q3 respectivamente. • ¿Cómo calcularQ1 y Q3 para un conjunto de datos? • Q1 es la mediana de las (n/2) o las a (n+1)/2 observaciones más pequeñas dependiendo que n sea par o impar respectivamente. • Q3 es la mediana de las (n/2) o las a (n+1)/2observaciones más • grandes dependiendo que n sea par o impar respectivamente.

20. Medidas de dispersión o variabilidad ¿Para qué definir medidas de dispersión? Algunas de las más conocidas: Rango Varianza y Desviación Estandar muestral Coeficiente de Variación Rango intercuartil

21. * Rango Se define como la diferencia entre la máxima y mínima observación, o sea (x (n) – x (1)). Fácil de calcular Ventajas Iguales unidades que los datos de origen Considera solo dos valores de la muestra Muestra 1: 0, 5, 5, 5, 10 Desventaja Muestra 2: 0, 4, 5, 6, 10 La muestra 2 es más variable que la 1!

22. Varianza muestral Desviación Estandar muestral Ventaja Tiene las mismas unidades que los datos Notar: Ambas utilizan el valor de la media muestral, luego son sensibles a la presencia de datos extremos. Ejemplo: muestra A 100 valores iguales a 10 muestra B 99 valores iguales a 10 y uno igual a 1010

23. * Rango intercuartil f = Q3 - Q1 *Coeficiente de Variación

24. Notar: • -El CV permite comparar la variabilidad de características medidas en distintas escalas, luego la que tenga menor CV será el de menor variabilidad. • Además el CV es adimensional. Ejemplo: Medidas de altura de: Personas =1.70m S =0.02m Edificios =20m S =0.1m CV=1,18% CV=0,50% Luego el conjunto que tiene mayor variabilidad es de las alturas de personas.

25. Algunos tipos de gráficos • Gráfico de barras o histograma. • Gráfico de caja. • Diagrama de dispersión. • Gráfico de densidad de puntos. • Q Q plot.

26. Guía para la construcción de un gráfico de caja (box-plot) En 1977, Tukey presentó un simple método gráfico-cuantitativo que resume varias de las características más destacadas de un conjunto de datos. Tal método se conoce con el nombre de gráfico de caja o box-plot. Las características de los datos incorporadas por este gráfico son: a) centro o posición del valor más representativo, b) dispersión, c) naturaleza y magnitud de cualquier desviación de la simetría d) identificación de los puntos no usuales o atípicos, o sea puntos marcadamente alejados de la masa principal de datos.

27. La presencia de datos atípicos producen cambios drásticos en la media muestral ( ) y la desviación estándar muestral (s), no así en otras medidas que son más resistentes o robustas, como lo son la mediana muestral ( ) y una medida de dispersión llamada rango intercuartil (RIQ).

28. Pasos a seguir para la construcción del box plot : • Paso 1: Ordenar los datos de menor a mayor. • Paso 2: Calcular la media y mediana muestral, el cuartil superior (Q3), el cuartil inferior (Q1) y el RIQ. • Paso 3: Sobre un eje horizontal dibujar una caja cuyo borde izquierdo sea el cuartil inferior y el borde derecho el cuartil superior. • Paso 4: Dentro de la caja marcar con un punto la posición del promedio muestral y trazar un segmento perpendicular cuya posición corresponde al valor de la mediana. • Paso 5: Trazar segmentos desde cada extremo de la caja hasta las observaciones más alejadas, que no superen (1.5 RIQ) de los bordes correspondientes. • Paso 6: Si existen observaciones que superen (1.5 RIQ) entonces marcarlos con circunferencias aquellos puntos comprendidos entre (1.5 RIQ) y (3 RIQ) respecto del borde más cercano, estos puntos se llaman puntos anómalos suaves, y con asteriscos aquellos puntos que superen los (3 RIQ) respecto de los bordes más cercanos, estos puntos se llaman puntos anómalos extremos.

29. Cálculos necesarios para realizar el Gráfico de Caja para el Ejemplo 1. • *** Summary Statistics for data in: tiempo *** • tiempo • Min: 0.200000 • 1st Qu.: 0.700000 • Mean: 1.366667 • Median: 1.100000 • 3rd Qu.: 1.800000 • Max: 5.200000 • Std Dev.: 1.002652 • Luego el Rango intercuartil • fs = Q3 - Q1 = 1.8 - 0.7 = 1.1 • 1.5 fs = 1.65 y 3 fs = 3.3 • Q1 - 1.5 fs = - 0.95 , Q1 - 3 fs = - 2.6 • Q3 + 1.5 fs = 3.45 , Q3 + 3 fs = 5.1 • Luego como el mínimo es 0.2, NO HAY DATOS ATIPICOS en el extremo inferior. • Pero en el extremo superior hay tres observaciones que superan la distancia (1.5 fs) respecto de Q3 , ellos son: 3.6, 4.5 y 5.2. Siendo los dos primeros atípicos suaves y el último atípico extremo.

31. Ejemplo: Los siguientes valores de contenido de un metabolito en la sangre de un paciente en 13 extracciones diferentes : Los datos están informados en mg.L-1. Haga un gráfico de densidad de puntos y analice los resultados.

33. Ejemplo: La siguiente tabla muestra los resultados de un experimento de respuesta a una dosis, realizado a tres grupos con 5 animales a los que se les aplicaron una dosis. ¿Qué gráfico haría ?

34. Grafico de cajas Grafico de puntos.

35. EjemploLos datos que mostrare corresponden a unatesina de alumnas de la Escuela de Nutrición (Facultad de Medicina, UNC). Tema de la tesinaIngesta de líquidos en el Adulto Mayor (AM). Selección de la muestraLa muestra fue tomada de un grupo de AM que asisten al Comedor del Centro de Jubilados de un Barrio de la ciudad de Córdoba.

36. Algunos de los objetivos de este trabajo fueron: • Conocer la ingesta diaria de líquidos en AM, a partir de alimentos ricos en agua. • Comparar la ingesta diaria de líquidos en AM por sexo. • Determinar si los AM cumplen con las recomendaciones para la ingesta diaria de líquidos por sexo. Las recomendaciones diarias de líquido por sexo son las siguientes: en mujeres debe ser de por lo menos 2,7 litros y en varones de por lo menos 3,7 litros.

37. Dos de las variables que nosotros consideraremos serán la ingesta diaria total de líquido (llamada Total litros) y el sexo del AM. Estadística descriptiva para la variable ingesta diaria total de líquido n Media D.E. Var(n-1) Mín Máx Mediana Q1 Q3 97 3,0213 1,0920 1,1925 0,7888 7,3943 3,0495 2,3570 3,5496

38. Estadística descriptiva para la variable ingesta diaria total de líquido por sexo SEXO n Media D.E. Var(n-1) Mín Máx Mediana Q1 Q3 F 63 3,0993 1,1344 1,2870 0,7888 7,3943 3,1168 2,3727 3,5877 M 34 2,8766 1,0089 1,0179 1,1947 5,4458 2,8861 1,9777 3,4463

39. Gráficos de caja

40. Con el objetivo de responder a algunos interrogantes del estudio se debieron realizar algunas pruebas de hipótesis, las cuales forman parte de lo que llamamos la Estadística Inferencial. • Para tener una mejor comprensión de la Estadística Inferencial necesitamos de una medida llamada PROBABILIDAD.