Estadistica Fecha Sin saber

Definición de la media poblacional:
- La media poblacional se representa como $\mu$ (mu).
- Cuestionamiento sobre si se debe usar $\bar{X}$ (media muestral) o $\bar{x}$ . La incógnita se resuelve al establecer que la elección correcta se basa en la representación más cercana a los parámetros poblacionales.
Relación entre tamaño de muestra y precisión:
- Cuanto más grande sea la muestra, más cerca estará el estadístico (media) del parámetro real poblacional.
Cálculo de la mediana:
- Primer paso es ordenar los datos de forma ascendente.
- Ejemplo de cálculo: si la cantidad total de datos es $n$ , la posición se calcula como $\frac{n + 1}{2}$ .
- En un caso específico, si $n = 7$ , la posición es $\frac{8}{2} = 4$ , indicando que se seleccionan los datos en las posiciones 3 y 4 cuando hay un número impar de datos.
Tipos de distribuciones:
- Unimodal: Una única “montañita” (modo).
- Bimodal: Dos “montañitas” (dos modas).
- Multimodal: Tres o más montañitas.

La barra más alta en un histograma representa la mayor frecuencia, identificando así la moda.
Si hay una única barra alta, es unimodal; si hay dos, es bimodal; y si hay más, es multimodal.

Dependiendo de cómo se relacionen estas tres medidas, se puede inferir sobre la distribución de los datos:
- Sesgo a la izquierda: Caso donde la media es menor que la mediana.
- Se discieren los grados de diferencia necesarios para definir un sesgo.

Definición del rango:
- El rango es la diferencia entre el valor más grande y el valor más pequeño.
- Indica la dispersión: un rango mayor implica mayor dispersión. Sin embargo, se considera un estadístico subjetivo.

Desviación estándar y varianza:
- Buenas para medir la variabilidad entre los datos.
- Definición: La desviación estándar mide qué tan alejados están los datos de la media, y se considera que los datos agrupados presentan poca variabilidad.
Medidas de dispersión:
- Ejemplos incluyen:
- Rango: Simple y directo, pero limitado en la información que brinda.
- Varianza y desviación estándar: Se utilizan para ofrecer una representación más precisa de la dispersión y comparar diferentes distribuciones.

Varianza poblacional ( $\sigma^2$ ) vs Varianza muestral ( $s^2$ ):
- Ambos tipos de varianza se calculan de forma similar:
- Varianza poblacional se utiliza todos los datos de toda la población.
- Varianza muestral se utiliza para una muestra específica de la población.
Fórmula:
- $\sigma^2 = \frac{\sum (x_i - \mu)^2}{N}$ para la población,
- $s^2 = \frac{\sum (x_i - \bar{x})^2}{n - 1}$ para la muestra.
La utilización de cuadrados se debe a que las desviaciones pueden ser negativas, y al elevarlas al cuadrado se garantiza que la sumatoria produzca valores positivos, evitando que se cancelen entre sí.

Para calcular la media:
- $\bar{X} = \frac{2 + 6 + 7 + 8 + 9 + 9 + 10 + 11}{8} = 8.25$ .
Desviación estándar y varianza:
- Se examinan los pasos para encontrar la variabilidad utilizando la media y las desviaciones calculadas de cada dato respecto a esta media.
- La varianza se presenta como una medida de los datos distanciados y es crucial para comprender la dispersión general del conjunto de datos.

La media es importante para situar el "centro" de los datos.
Las desviaciones permiten observar la posición de cada dato con respecto a la media.
La interpretación adecuada de la varianza y la desviación estándar es clave para el análisis de la dispersión en estadística.