Presentacion EIE 217 3

Programa
Bibliografı́a
Fechas de Evaluaciones y Ponderaciones
Estadı́stica Descriptiva
Probabilidad y Estadı́stica
EST-217-3
Agustı́n Gagliardi Castro

[email protected]
Instituto de Estadı́sticas
Pontificia Universidad Católica de Valparaı́so
Primer semestre 2021
Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Programa
Bibliografı́a
Programa
Estadı́stca descriptiva
Regresión lineal simple
Introducción a la probabilidad
Variables aleatorias univariadas
Distribuciones de probabilidad
Inferencia estadı́stica

Programa
Bibliografı́a
Bibliografı́a
Mood, A Graybill, F. Introducción a la Teorı́a Estadı́stica. Madrid:

Aguilar S.A Ediciones, España, 1969.
Canavos, George. Probabilidad y Estadı́stica. Aplicaciones y Métodos.
Ed Mc Graw-Hill, México, 1988.
Newbold, P. Carlson,W. Thorne, B. Estadı́stica para Administración y
Economı́a. Ed. Pearson Educación, 2008.

Programa
Bibliografı́a
Pruebas cátedras (75 % de la nota de presentación):

Prueba 1: 12 de abril
Prueba 2: 17 de mayo
Prueba 3: 21 de junio
Controles (25 % de la nota de presentación):
Control 1: 5 de abril
Control 2: 10 de mayo
Control 3: 14 de junio
Examen: 7 de julio (33 % de la nota final)

Prueba pendiente: 23 de junio (Toda la materia y sólo con
juntificativo por parte de jefa de docencia)

Programa
Bibliografı́a
Consideraciones
Consideraciones de aprobación, examen y reprobación
Nota de presentación Situación

Nota ≥ 4.0 sin rojos Aprobado
Nota ≥ 4.5 con rojo Aprobado
3.5 ≤ Nota ≤ 4.5 Examen
Nota <3.5 Reprobado
Consideraciones respecto a copia y plagio

En caso de que se detecte copia o plagio en alguna evaluación, la o el
estudiante involucrado tendrá calificación mı́nima y se notificará a la
jefatura de docencia

Programa
Bibliografı́a
Estadı́stica descriptiva
¿Qué es la estadı́stica?

Programa
Bibliografı́a
La Estadı́stica
¿Qué es la estadı́stica?

Programa
Bibliografı́a
Análisis de los datos
Figura: Metodologı́a de la recolección análisis de los datos

Programa
Bibliografı́a
Definiciones
Datos: es un valor cuantitativo o cualitativo que se asigna a la

observación de un fenómeno asociado a objeto.
Variable: es una caracterı́stica o atributo que pueden tomar los
elementos de una población.
Población: es la totalidad de objetos sobre lo que se desea obtener
información.
Muestra: es un subconjunto de la población.
Muestreo: Consiste en la observación de todos los elementos de la
muestra.
Censo: Es la observación de todos los elementos de la población.

Programa
Bibliografı́a
Tipos de Variables
Variables cualitativas (valores categóricos)

Nominales: Son aquellas variables que toman valores que se
distinguen sólo por el nombre, no hay orden entre ellos.
Ordinales: Son aquellos valores que se pueden ordenar, pero no hay
distancia entre ellos.
Variables cuantitativas (valores numéricos)
Discretas: Son aquellos valores que forman un conjunto numerable,
informalmente toman valores enteros.
Continuas: Cuando sus valores forman un intervalo.

Programa
Bibliografı́a
Tipos de Variables
Figura: Tipos de variables

Programa
Bibliografı́a
Actividad
Actividad
Conteste las siguientes preguntas para luego analizar los datos y las
variables.

Programa
Bibliografı́a
Análisis de datos
Clase 2: Análisis de datos a través de tablas y gráficos

Programa
Bibliografı́a
Análisis de datos o variables cualitativas
Análisis de variables cualitativas

La idea es analizar este tipo de variables mediante tablas, gráficos y
proporciones, con el objetivo que ver la frecuencia de cada uno de los
niveles de la variable.

Programa
Bibliografı́a
Proporción
En estadı́stica una proporción puede definirse como la relación entre casos
favorables o casos que cumplen con la cualidad, con casos totales.
n
X
xi
i=1
(1)
n
Donde xi puede definirse como: 1 si el elemento tiene o cumple con la
condición y 0 si el elemento no cumple con la condición.

Programa
Bibliografı́a
Tablas
Cuando hay gran número de datos es conveniente resumirlos en una tabla,
la cual debe llevar tı́tulo, fecha, fuente, etc.
Ejemplo: Tabla 1: Distribución de contagiados por COVID-19 en la V

región según comuna, el dı́a 30 de mayo del 2020.
Sea X: Comuna de la persona contagiada

Programa
Bibliografı́a
Gráfico de barra
El gráfico de barra sirve para mostrar como se distribuye una variable
cualitativa, especialmente cuando ésta tiene muchas categorı́as o niveles.
También es de gran uso para mostrar la distribución de las variables
cualitativas ordinales.

Programa
Bibliografı́a
Tablas de doble entrada

Tabla 2: No de contagiados según sexo y comuna
Comuna hombre mujer Total

Viña del Mar 30 29 59
Valparaı́so 15 14 29
Quilpué 8 15 23
San Antonio 8 9 17
Quintero 4 5 9
Los Andes 4 2 6
Concón 5 1 6
El Quisco 1 3 4
Casa Blanca 1 3 4
Cartagena 3 1 4
Quillota 1 2 3
Otras 17 14 31
Total 97 98 195

Programa
Bibliografı́a
Gráfico 2: No de contagiados según sexo y comuna, V región, 30 de mayo

2020

Programa
Bibliografı́a
Gráfico circular
El gráfico circular sirve para mostrar el comportamiento de una variable
cualitativa, especialmente cuando ésta tiene pocas categorı́as o niveles.

Programa
Bibliografı́a
En la actividad 1 Ud respondió alguna preguntas, entre ella: ¿Te ha

motivado tener clases remotas o virtuales? Donde los resultados fueron los
siguientes:
Nivel de motivación f fr % F Fr %
Nunca 4
Casi nunca 8
A veces 13
Casi siempre 9
Siempre 1
Total 35
Termine la tabla, construya el gráfico apropiado e interprete algunos

resultados.

Programa
Bibliografı́a
En la actividad 1 Ud respondió alguna preguntas, entre ella: ¿Te ha

motivado tener clases remotas o virtuales? Donde los resultados fueron los
siguientes:
Nivel de motivación f fr % F Fr %
Nunca 4 11,4 % 4 11,4 %
Casi nunca 8 22,9 % 12 34,3 %
A veces 13 37,1 % 25 71,4 %
Casi siempre 9 25,7 % 34 97,1 %
Siempre 1 2,9 % 35 100,0 %
Total 35 100,0 %

Programa
Bibliografı́a
Análisis de datos cuantitativos

Para el análisis de datos o variables cuantitativas utilizaremos diversas
herramientas, entre ellas:
Tablas frecuencias
Gráficos
Medidas de tendencia central
Medidas de distribución
Medidas de dispersión
Medidas de forma
Otras

Programa
Bibliografı́a
Tablas de frecuencia
Al igual que el análisis de las variables cualitativas, utilizaremos tablas de
frecuencia para estudiar cómo es la distribución de la variable en estudio.
Sea X: Altura en metros de los estudiantes del curso EST-217-3
Lı́mites aparentes Lı́mites reales Frecuencia absoluta

1,58 - 1,62 1,575 - 1,625 1
1,63 - 1,67 1,625 - 1,675 6
1,68 - 1,72 1,675 - 1,725 8
1,73 - 1,77 1,725 - 1,775 11
1,78 - 1,82 1,775 - 1,825 6
1,83 - 1,87 1,825 - 1,875 3

Programa
Bibliografı́a
Distribución de frecuencias
Para la construcción de tablas de frecuencias de igual longitud se utilizan

las siguientes definiciones:
n: tamaño de la muestra
k: número de intervalos: 1 + 3,3log(n), medida recomendada por
Sturgest.
Rango (Desviación máxima): es el dato mayor menos el dato menor.
Recorrido de la muestra: es el rango más una unidad de medida. (1,
0.1, 0.01, etc)
Longitud del intervalo (l): Recorrido de la muestra/k (se aprox al valor
mayor o igual a la unidad de medida).
Recorrido de la tabla: k ∗ l.
Diferencia de rango: Rec. Tabla - Rec. Muestra
Marca de clase: (Lim superior + Lim Inferior)/2.
Las tablas de frecuencias son muy útiles para la construcción de
histogramas, polı́gonos de frecuencias y ojivas.

Programa
Bibliografı́a
Actividad
Complete la tabla de frecuencia y conteste las preguntas:
Lı́m aparentes Lı́m reales f fr % F Fr % Marca de clase
1,58 - 1,62 1,575 - 1,625 1
1,63 - 1,67 1,625 - 1,675 6
1,68 - 1,72 1,675 - 1,725 8
1,73 - 1,77 1,725 - 1,775 11
1,78 - 1,82 1,775 - 1,825 6
1,83 - 1,87 1,825 - 1,875 3

Programa
Bibliografı́a
Actividad
Lı́m aparentes Lı́m reales f fr % F Fr % Marca de clase

1,58 - 1,62 1,575 - 1,625 1 2,9 % 1 2,9 % 1,6
1,63 - 1,67 1,625 - 1,675 6 17,1 % 7 20,0 % 1,65
1,68 - 1,72 1,675 - 1,725 8 22,9 % 15 42,9 % 1,7
1,73 - 1,77 1,725 - 1,775 11 31,4 % 26 74,3 % 1,75
1,78 - 1,82 1,775 - 1,825 6 17,1 % 32 91,4 % 1,8
1,83 - 1,87 1,825 - 1,875 3 8,6 % 35 100,0 % 1,85

Programa
Bibliografı́a
Gráficos
Histograma

Programa
Bibliografı́a
Gráficos
Polı́gono de frecuencias

Programa
Bibliografı́a
Gráficos
Ojiva

Programa
Bibliografı́a
clase 3
Clase 3: Medidas de tendencia central

Programa
Bibliografı́a

Media
Mediana
Moda

Programa
Bibliografı́a
Medidas de Tendencia central
Media Aritmética
La media aritmética o promedio se define como el cociente de la suma de
todos los valores y el número total de valores. En estadı́stica, un promedio
es una medida de tendencia central para un conjunto de valores.
N
X
xi
i=1
µ=
N
n
X
xi
i=1
x=
n

Programa
Bibliografı́a
Media Aritmética
Las fórmulas para la media de la población y de la muestra para datos
agrupados son:
k
X
mi fi
i=1
µ=
N
k
X
mi fi
i=1
x=
n

Programa
Bibliografı́a
Media Aritmética
Media ponderada: Suponga que los datos x1 , .., xn tienen pesos q1 , .., qn ,
respectivamente.
N
X
xi q i
i=1
µ= N
X
qi
i=1
n
X
xi qi
i=1
x= n
X
qi
i=1

Programa
Bibliografı́a
Media Aritmética
Algunas propiedades
Si a los datos de la variable le sumamos una constante k, es decir,
yi = xi + k, con i = 1, 2, ..., n, entonces y = x + k
Si a los datos de la variable le multiplicamos una constante k, es decir,
yi = xi × k, con i = 1, 2, ..., n, entonces y = x × k

Programa
Bibliografı́a
Media Aritmética
El promedio es sensible a valores extremos.
El promedio es un buen referente para saber el comportamiento de la
población, siempre y cuando los datos tengan un comportamiento
simétrico.
En el caso de que los datos tengan un comportamiento asimétrico, es
mejor utilizar otra medida descriptiva.

Programa
Bibliografı́a
Mediana
La mediana es el valor de la variable tal que el 50 % de los datos son
menores o iguales a la mediana y el otro 50 % mayores o iguales a la
mediana.
Cuando los datos están a granel (sin tabla) se deben ordenar de mayor a
menor para determinar la mediana.
Si n es impar, la mediana ocupa el centro:
M e = X( n+1 )
2
Si n es par, la mediana es el promedio de los dos datos centrales:

1
Me = {X n + X( n +1) }
2 (2) 2

Programa
Bibliografı́a
Mediana
Si los datos se presentan en una tabla con k clases, el valor de la mediana es
el valor de la variable donde por primera vez la frecuencia acumulada es
mayor o igual al 50 %.
n l
M e = Li + ( − Fi−1 ) ∗
2 f
Li = lı́mite real inferior del intervalo que contiene la mediana.

n: tamaño de la muestra.
l: longitud del intervalo.
Fi−1 : frecuencia acumulada al intervalo anterior que contiene la
mediana.
f : frecuencia absoluta del intervalo que contiene a la mediana.

Programa
Bibliografı́a
Moda
Es una medida de tendencia central, que está dada por el valor que mayor
frecuencia presenta.
Cuando dos valores no adyacentes tienen frecuencias similares, se dice que
la distribución es bimodal.

Programa
Bibliografı́a

La imagen corresponde a la distribución de los sueldos per cápita en Chile
en el año 2018.

Programa
Bibliografı́a
Actividad
Calcule la media y mediana de la variable X: Altura en metros de los
estudiantes del curso EST-217-3, usando la siguiente tabla de frecuencia:
Lı́mites f fr % F Fr % Marca de clase

[1,58 - 1,63[ 1 2,9 % 1 2,9 % 1,61
[1,63 - 1,68[ 6 17,1 % 7 20,0 % 1,66
[1,68 - 1,73[ 8 22,9 % 15 42,9 % 1,71
[1,73 - 1,78[ 11 31,4 % 26 74,3 % 1,76
[1,78 - 1,83[ 6 17,1 % 32 91,4 % 1,81
[1,83 - 1,88[ 3 8,6 % 35 100,0 % 1,86
Deje expresado en dos decimales.

Programa
Bibliografı́a
Clase 4: Medidas de posición no centrales

Programa
Bibliografı́a
Cuantiles
Cuantiles
Los cuantiles son medidas de posición que dividen los datos en grupos bajo
los cuales se encuentran una determinada proporción acumulada de éstos.
Cuartiles: Qi = X i(n+1) i = 1, 2, 3, 4
4
Quintiles: Ki = X i(n+1) i = 1, 2, 3, 4, 5
5
Deciles: Di = X i(n+1) i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
10
Percentiles: Pi = X i(n+1) i = 1, 2, ..., 100

100
En el caso de que el factor de proporción no resulta ser un valor entero, se

saca un promedio entre los valores involucrados.

Programa
Bibliografı́a
Cuantiles
La fórmula para calcular percentiles desde una tabla de frecuencia es la

siguiente:

n∗j l
Pj = Li + − Fi−1 ∗
100 f
Li = lı́mite real inferior del intervalo que contiene al j-ésimo percentil.

n: tamaño de la muestra.
j: es el percentil j-ésimo.
l: longitud del intervalo.
Fi−1 : frecuencia acumulada al intervalo anterior que contiene al j-ésimo
percentil.
f : frecuencia absoluta del intervalo que contiene al j-ésimo percentil.

Programa
Bibliografı́a
Rango intercuartil
IQR = Q3 − Q1 (2)

Programa
Bibliografı́a
Cuantiles

Programa
Bibliografı́a
Cuantiles
Nota: Dado que los percentiles representan frecuencias relativas

acumuladas, en caso de querer calcular un percencil superior a un punto de
X debe calcular: 100 − Pi

Programa
Bibliografı́a
Actividad
Usando los datos de la tabla correspondiente a la clase anterior, responda lo
siguiente:
Si estuvieramos en cleses presenciales, el 25 % de los alumnos más
bajos deberı́an sentarse en las dos primeras corridas de asientos.
¿Hasta qué altura estos alumnos deben senterse en estos puestos?
El 30 % de los alumnos más altos deberı́an sentarse en las dos últimas
corridas de asientos. ¿Cuál es la altura mı́nima correspondiente a este
grupo de alumnos?
Siguiendo otra regla, los alumnos que midan a lo más 1.70 mts, deben
sentarse en las tres primeras filas ¿Cuál es el porcentaje
correspondiente a este grupo?

Programa
Bibliografı́a
Boxplot o Caja con bigotes

Programa
Bibliografı́a
Boxplot
Detección de puntos atı́picos

v1 =Q1 − 1,5IQR
v2 =Q3 + 1,5IQR

Programa
Bibliografı́a
Clase 5: Medidas de dispersión

Programa
Bibliografı́a
En los estudios descriptivos de los datos es importante tener una medida de

variabilidad y de dispersión de ellos.
Rango
Rango Intercuartil
Desviación estándar
Varianza

Programa
Bibliografı́a
Rango
El rango es una medida de dispersión que se define como el dato máximo
menos el dato mı́nimo, el rango mide la máxima variación en los datos:
Rango = M ax − M in

Programa
Bibliografı́a
Varianza
La varianza es una medida de dispersión que sirve para cuantificar la
variabilidad de los datos en torno a la media.
La varianza es un indicador en unidades al cuadrado.
n
X
 n
X

(xi − x)2 X n
xi )2 
(
i=1 1 i=1
s2 = x2i −
 
=   (3)
(n − 1) (n − 1)  i=1
 n 

k
X
 k
X

fi (mi − x)2 X k
fi mi )2 
(
i=1 1 i=1
s2 = fi m2i −
 
=   (4)
(n − 1) (n − 1) 
 i=1 n 


Programa
Bibliografı́a
Desviación estándar
√
s = + s2
Se utiliza con mayor frecuencia la desviación estándar, que es raı́z cuadrada
de la varianza, ya que está expresada en igual unidad de medida que los
datos originales.

Programa
Bibliografı́a
Coeficiente de variación (CV)

El CV permite comparar la homogeneidad de dos grupos o más grupos de
datos, es muy útil cuando los datos tienen medias muy diferentes o cuando
están medidos en unidades diferentes. entre más pequeño es el CV más
homogéneos son los datos. El CV no tiene unidad de medida (gr, cm, etc).
Sx
CV =
|x|

Programa
Bibliografı́a
Coeficiente de simetrı́a
Mide el grado de simetrı́a de los valores de la muestra con respecto a la
media muestra, es decir, cuantos valores de la muestra están por encima o
por debajo de la media y cómo de alejados de esta.
k
X
f ri (mi − x)3
i=1
g1 = (5)
S3

Programa
Bibliografı́a
clase 6
Clase 6: Medidas de asociación entre dos variables

Programa
Bibliografı́a
Medidas de asociación entre dos variables
Covarianza (cov(x, y))

La covarianza es una medida de variabilidad conjunta de variables
(cuantitativas), estudiando una posible relación lineal entre ellas.

Programa
Bibliografı́a

Si la covarianza es grande y positiva acusa una tendencia lineal y
significa crecen simultáneamente.

Programa
Bibliografı́a

Si la covarianza es grande y negativa acusa una tendencia lineal y
significa que cuando una variable crece la otra decrece.

Programa
Bibliografı́a

Si la covarianza es grande y negativa acusa una tendencia lineal y
significa que cuando una variable crece la otra decrece.

Programa
Bibliografı́a
Figura: Gráfico de dispersión

Programa
Bibliografı́a
n
X n
X
n n
xi yi
X X i=1 i=1
(xi − x)(yi − y) xi yi −
i=1 i=1
n
cov(x, y) = = (6)
n−1 n−1

Programa
Bibliografı́a
Correlación (corr(x, y))

La correlación (x, y) hace el mismo estudio que la covarianza, sin
embargo esta medida está acotada entre los valores -1 y 1.

Programa
Bibliografı́a

Cuando la correlación es 1 existe una perfecta relación lineal directa
entre las variables.

Programa
Bibliografı́a

Cuando la correlación es cercano a 1 existe una relación lineal directa

Programa
Bibliografı́a

Cuando la correlación es cero no existe relación lineal entre las
variables.

Programa
Bibliografı́a

variables.
Cuando la correlación es cercano a -1 existe una relación lineal inversa

Programa
Bibliografı́a

variables.
Cuando la correlación es -1 existe una perfecta relación lineal inversa

Programa
Bibliografı́a

variables.
Cuando la correlación es -1 existe una perfecta relación lineal inversa

Programa
Bibliografı́a
Figura: Correlación

Programa
Bibliografı́a
Figura: Gráfico de dispersión

Programa
Bibliografı́a
cov(x, y) cov(x, y)
corr(x, y) = ρxy = rxy = p =
Sx2 Sy2 Sx Sy

Programa
Bibliografı́a
clase 7
Clase 7: Regresión lineal simple

Programa
Bibliografı́a
El termino regresión fue propuesto por Francis Galton en el siglo XIX

para describir un fenómeno biológico: las alturas de los descendientes
de ancestros altos tienden a regresar a las alturas de los nietos.

Programa
Bibliografı́a

La idea de la regresión lineal simple, es relacionar o estimar una
variable dependiente o respuesta (y) en función de una variable
independiente o predictora (x).

Programa
Bibliografı́a

El modelo más utilizado en regresión lineal simple es el siguiente:
yi = β0 + β1 xi + εi
Donde:
εi ∼ N (0, σ 2 )iid

Programa
Bibliografı́a

El modelo más utilizado en regresión lineal simple es el siguiente:
yi = β0 + β1 xi + εi
Donde:
εi ∼ N (0, σ 2 )iid

Programa
Bibliografı́a
Figura: Rectas de regresión

Programa
Bibliografı́a
¿Cuál de todas las rectas de regresión es la elegida?
La que tenga, en promedio, la menor distancia entre los puntos y la

recta de regresión estimada (yi − ŷi ). Donde ŷi = β̂0 + β̂1 xi

Programa
Bibliografı́a

El método para elegir esta recta de regresión es minimizando la suma
de los cuadrados de los errores (estimación por mı́nimos cuadrados)

Programa
Bibliografı́a

Para encontrar las estimaciones de los parámetros β0 y β1 se realiza el
procedimiento de estimación por mı́nimos cuadrados.
n
X n
X
mı́n SCE = ε2i = mı́n (yi − β0 − β1 xi )2 (7)
i=1 i=1

Programa
Bibliografı́a

Para encontrar las estimaciones de los parámetros β0 y β1 se realiza el
procedimiento de estimación por mı́nimos cuadrados.
n
X n
X
mı́n SCE = ε2i = mı́n (yi − β0 − β1 xi )2 (7)
i=1 i=1

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1
n
X n
X n
X
yi − βˆ0 − βˆ1 xi = 0
i=1 i=1 i=1

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1
n
X n
X n
X
yi − βˆ0 − βˆ1 xi = 0
i=1 i=1 i=1
Xn Xn
yi − nβˆ0 − βˆ1 xi = 0
i=1 i=1

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1
n
X n
X n
X
yi − βˆ0 − βˆ1 xi = 0
i=1 i=1 i=1
Xn Xn
i=1 i=1
n
X n
X
yi xi
i=1 i=1
β̂0 = − βˆ1
n n

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1
n
X n
X n
X
yi − βˆ0 − βˆ1 xi = 0
i=1 i=1 i=1
Xn Xn
i=1 i=1
n
X n
X
yi xi
i=1 i=1
β̂0 = − βˆ1
n n
β̂0 = y − β̂1 x

Programa
Bibliografı́a
Estimación de β0
∂SCE
=0
∂β0
n
!
X
2 (yi − β0 − β1 xi ) (−1) = 0
i=1
n
X n
X n
X
yi − βˆ0 − βˆ1 xi = 0
i=1 i=1 i=1
Xn Xn
i=1 i=1
n
X n
X
yi xi
i=1 i=1
β̂0 = − βˆ1
n n
β̂0 = y − β̂1 x

Programa
Bibliografı́a

∂SCE
Estimación de β1 → =0
∂β1
∂SCE
=0
∂β1

Programa
Bibliografı́a

∂SCE
∂β1
∂SCE
=0
∂β1
n
!
X
2 (yi − β0 − β1 xi ) (−xi ) = 0
i=1

Programa
Bibliografı́a

∂SCE
∂β1
∂SCE
=0
∂β1
n
!
X
2 (yi − β0 − β1 xi ) (−xi ) = 0
i=1
n
X n
X n
X
xi yi − βˆ0 xi − βˆ1 x2i = 0
i=1 i=1 i=1

Programa
Bibliografı́a

∂SCE
∂β1
∂SCE
=0
∂β1
n
!
X
2 (yi − β0 − β1 xi ) (−xi ) = 0
i=1
n
X n
X n
X
i=1 i=1 i=1
 n
X n
X

n  yi xi  n n
X  i=1 i=1
X X
xi yi − 
 ˆ
− β1  xi − βˆ1 x2i = 0
i=1  n n 
 i=1 i=1

Programa
Bibliografı́a

∂SCE
∂β1
∂SCE
=0
∂β1
n
!
X
2 (yi − β0 − β1 xi ) (−xi ) = 0
i=1
n
X n
X n
X
i=1 i=1 i=1
 n
X n
X

n  yi xi  n n
X  i=1 i=1
X X
xi yi − 
 ˆ
− β1  xi − βˆ1 x2i = 0
i=1  n n 
 i=1 i=1
n n n
!2
X X X
n
xi yi xi n
X i=1 i=1 i=1
X
xi yi − + β̂1 − βˆ1 x2i = 0
i=1
n n i=1

Programa
Bibliografı́a

∂SCE
∂β1
∂SCE
=0
∂β1
n
!
X
2 (yi − β0 − β1 xi ) (−xi ) = 0
i=1
n
X n
X n
X
i=1 i=1 i=1
 n
X n
X

n  yi xi  n n
X  i=1 i=1
X X
xi yi − 
 ˆ
− β1  xi − βˆ1 x2i = 0
i=1  n n 
 i=1 i=1
n n n
!2
X X X
n
xi yi xi n
X i=1 i=1 i=1
X
xi yi − + β̂1 − βˆ1 x2i = 0
i=1
n n i=1

Programa
Bibliografı́a
Demuestre que, por método de mı́nimos cuadrados, las estimaciones de β0 y

β1 son las siguientes:
n
X n
X
n
xi yi
X i=1 i=1
xi yi −
i=1
n Cov(x, y)
βˆ1 = !2 = (8)
n
X Sx2
n
xi
X i=1
x2i −
i=1
n
βˆ0 = y − βˆ1 x (9)

Programa
Bibliografı́a
Coeficiente de determinación R2
El coeficiente de determinación sirve para ver la calidad del modelo o
qué tan bien se ajustaron los datos a la recta de regresión.

Programa
Bibliografı́a
Explica el porcentaje de variabilidad de la variable respuesta (y)
explicado por la ecuación de regresión.

Programa
Bibliografı́a
Los valores del coeficiente de determinación oscilan entre 0 y 1 o entre
0 % y 100 %.

Programa
Bibliografı́a
0 % y 100 %.
Entre más cercano a 1 es el coeficiente de determinación, mejor es el
modelo propuesto.
R2 = ρ2xy

Programa
Bibliografı́a
0 % y 100 %.
Entre más cercano a 1 es el coeficiente de determinación, mejor es el
modelo propuesto.
R2 = ρ2xy

Programa
Bibliografı́a
Para poder hacer una predicción o una estimación de la variable respuesta

(y), en función de un valor de la variable predictora (x), se utiliza la
ecuación de regresión estimada:
ŷi = βˆ0 + βˆ1 xi

Programa
Bibliografı́a

Los siguientes datos corresponden a la cantidad de consumo de luz (kWh) y el pago en pesos chilenos,
que una familia de la V región tuvo desde febrero de 2020 hasta febrero de 2021.
Mes Consumo (kWh) Pago ($)

Feb 177 27000
Mar 189 30500
Abr 150 24590
May 154 25245
Jun 149 24426
Jul 143 23442
Ago 144 23606
Sep 145 23800
Oct 127 20819
Nov 169 27704
Dic 72 11800
Ene 122 20372
Feb 182 29492
Realice un análisis completo, donde se ajuste un modelo donde se pueda estimar el pago del hogar en
función al consumo de energı́a eléctrica, cálculo de la correlación, calidad del modelo y predicción de
algún valor.

Presentacion EIE 217 3

Cargado por

Copyright:

Formatos disponibles

Presentacion EIE 217 3

Cargado por

Información del documento

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

Presentacion EIE 217 3

Cargado por

Copyright:

Formatos disponibles

Programa

Agustı́n Gagliardi Castro

Primer semestre 2021

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Mood, A Graybill, F. Introducción a la Teorı́a Estadı́stica. Madrid:

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Fechas de Evaluaciones y Ponderaciones

Pruebas cátedras (75 % de la nota de presentación):

Examen: 7 de julio (33 % de la nota final)

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Consideraciones de aprobación, examen y reprobación

Nota de presentación Situación

Consideraciones respecto a copia y plagio

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Análisis de los datos

Figura: Metodologı́a de la recolección análisis de los datos

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Datos: es un valor cuantitativo o cualitativo que se asigna a la

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Variables cualitativas (valores categóricos)

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Figura: Tipos de variables

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Clase 2: Análisis de datos a través de tablas y gráficos

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Análisis de datos o variables cualitativas

Análisis de variables cualitativas

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Ejemplo: Tabla 1: Distribución de contagiados por COVID-19 en la V

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Tablas de doble entrada

Comuna hombre mujer Total

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Gráfico 2: No de contagiados según sexo y comuna, V región, 30 de mayo

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

En la actividad 1 Ud respondió alguna preguntas, entre ella: ¿Te ha

Termine la tabla, construya el gráfico apropiado e interprete algunos

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

En la actividad 1 Ud respondió alguna preguntas, entre ella: ¿Te ha

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Análisis de datos cuantitativos

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Lı́mites aparentes Lı́mites reales Frecuencia absoluta

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Para la construcción de tablas de frecuencias de igual longitud se utilizan

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Lı́m aparentes Lı́m reales f fr % F Fr % Marca de clase

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Agustı́n Gagliardi Castro [email protected] Probabilidad y Estadı̀stica. . .

Clase 3: Medidas de tendencia central