1. Programa
1.1. Introducción y programa
1.1.1. ¿Qué es la estadística?
1.1.2. ¿Por qué se estudia estadística?
1.2. Objetivos
1.2.1. Conocer conceptos y herramientas
1.2.1.1. Descriptiva
1.2.1.2. Probabilidad
1.2.1.3. Inferencial
1.2.2. Reconocer y aplicar
1.2.2.1. Conceptos básicos de E Descriptiva
1.2.2.2. Principios de probabilidad
1.2.2.3. Inferencia estadística
1.2.2.4. Estimación
1.2.2.5. Pruebas de hipótesis
1.2.3. Resolver problemas básicos aplicando los conceptos de probabilidades
1.2.4. Interpretar y entender las lógicas de la CONSTRUCCIÓN DE BAS DE DATOS
1.2.5. Hacer e interpretar
1.2.5.1. Gráficas
1.2.5.2. Cuadros
1.2.6. Manejar datos en R
1.3. Introducción a R
1.4. Estadística descriptiva
1.4.1. Medidas de posición y tendencia central
1.4.2. Medidas de dispersión
1.4.3. Distribución de frecuencias
1.4.4. Gráficas en estadística
2. Clases
2.1. 1. ¿Qué es la estadística?
2.1.1. Definición: Disciplina que se ocupa dle tratamiento de datos numéricos derivados de grupos de indiviudos
2.1.2. Una estadística: Es un valor de resumen calculado con datos
2.1.3. Utilidad
2.1.3.1. Describir datos (E. Descriptiva)
2.1.3.2. Sacar conclusiones (E. Inferencial)
2.1.3.3. Hacer predicciones
2.1.4. CONCEPTOS
2.1.4.1. Población: Conjuntocompleto
2.1.4.1.1. PARÁMETROS: son los valores asocidados con una población, por ejemplo: cuando hablamos de los residentes de un edificio de departamentos y nos referimos a TODOS, eso es un parámetro
2.1.4.2. Muestra: Parte más pequeña de la población
2.1.4.2.1. ESTADÍSTICOS: Si nos referimos al estado civvil de una muestra de residentes, esntonces es estadístico
2.1.4.2.2. Debe representar las características de la población en general
2.1.4.2.3. Implica una selección aleatoria para reducir el sesgo de muestreo
2.1.4.3. Variables
2.1.4.3.1. Indicadores
2.1.4.3.2. Niveles de medición
2.1.4.3.3. Relación entre variables
2.1.4.4. Observaciones
2.1.4.4.1. Generalmente son personas
2.1.4.5. Constantes
2.1.4.5.1. Cosas que no varían de una obsrevación a otra (por ejemplo, que todos las personas obsrevadas viven en un edificio)
2.1.5. NOTACIÓN
2.1.5.1. MUESTRA: LETRAS EN INGLÉS
2.1.5.1.1. La media es 𝑥 barra
2.1.5.2. POBLACIÓN: LETRAS GRIEGAS
2.1.5.2.1. La media es μ
2.2. 2. Introducción a R
2.3. 3. Conceptos básicos para R
2.4. 4. Introducción a la Estadística Básica
2.4.1. Tipos de datos
2.4.1.1. CATEGÓRICOS
2.4.1.1.1. Proporciones y porcentajes
2.4.1.2. CONTINUOS
2.4.1.2.1. Pueden tener un número infinito de categorías
2.4.1.2.2. Para resumir datos continuos que no incluyen agrupaciones
2.4.2. Medidas de tendencia central
2.4.2.1. lo que es TIPICO en una distribución
2.4.2.1.1. Media artimética
2.4.2.1.2. Mediana
2.4.2.1.3. Media recortada
2.4.2.1.4. Moda
2.4.3. Medidas de dispersión
2.4.3.1. VARIABILIDAD en los datos
2.4.3.1.1. Rango
2.4.3.1.2. Rango intercuartílico
2.4.3.1.3. Desviación estándar
2.4.3.1.4. Varianza
2.4.3.1.5. Coeficiente de variación
2.4.3.2. Boxplot
2.5. Probabilidades
2.5.1. Probabilidad
2.5.1.1. CONCEPTOS BÁSICOS
2.5.1.1.1. EVENTO (Se denota con E)
2.5.1.1.2. ESPACIO MUESTRAL
2.5.1.1.3. PROBABILIDAD DE QUE OCURRA UN EVENTO
2.5.1.1.4. ÉXITO
2.5.1.1.5. MUTUAMENTE EXCLUYENTES
2.5.1.1.6. INDEPENDENCIA
2.5.1.1.7. ODDS / MOMIOS
2.5.1.2. REGLAS BÁSICAS
2.5.1.2.1. regla 1
2.5.1.2.2. regla 2
2.5.1.2.3. regla 3
2.5.1.2.4. regla 4
2.5.1.3. NOTACIÓN
2.5.1.3.1. RESULTADOS EXITOSOS (k)
2.5.1.3.2. NÚMERO TOTAL DE RESULTADOS EN UN EXPERIMENTO (n)
2.5.1.3.3. NÚMERO TOTAL DE FALLAS (n-k)
2.5.1.3.4. PROBABILIDAD DE QUE OCURRA UN EVENTO EXITOSO (p)
2.5.1.3.5. PROBABILIDAD DE FALLA
2.6. Distribución binomial
2.6.1. Total de posibles resultados
2.6.1.1. EJEMPLO
2.6.2. DEFINICIÓN: es una manera más fácil de calcular la probabilidad de éxito
2.6.3. CONSIDERACIONES
2.6.3.1. Cuántas combinaciones satisfacen cada uno de los posibles resultados para el éxito
2.6.4. FÓRMULA PÁRA CONOCER EL NÚMERO DE COMBINAICONES QUE SATISFACEN CADA POSIBLE RESULTADO
2.6.4.1. EJEMPLO 1
2.6.4.2. EJEMPLO 2
2.6.5. FÓRMULA PARA LA PROBABILIDA DE UN RESULTADO (función binomial)
2.6.5.1. Como ejemplo, podemos calcular la probabilidad de que exactamente dos heads sean el resultado de cuatro lanzamientos de moneda.
2.6.5.1.1. Podemos insertar este resultado en la Fórmula 9:
2.6.6. Características de la distribución binomial
2.6.6.1. Características de los histogramas
2.6.6.1.1. SIMÉTRICOS
2.6.6.1.2. VALORES MODALES EN EL CENTRO
2.6.6.2. La media se define como
2.6.6.2.1. EJEMPLO
2.6.6.3. La desviación estándar se define como
2.6.6.3.1. EJEMPLO
2.6.7. Aplicaciones de la DistBinomial
2.6.7.1. Se usa para descrirbir una variable de conteo
2.6.7.2. El número de observaciones es fijo
2.6.7.3. Se usa para contar variables SOLO CUANDO SE CUMPLEN LAS SIGUIENTES CONDICIONES
2.6.7.3.1. 1. Cada observación es independiente de las demás
2.6.7.3.2. 2. Sólo hay dos resultados posibles, un exito y un fracaso
2.6.7.3.3. 3. La probabilidad de exito no cambia para cada observación
2.6.8. USO DE R (Clase 3, página 30)
2.6.8.1. Cuántas combinaciones son posibles
2.6.8.1.1. EJEMPLO: Cuántas combinaciones de dos heads podemos hacer en cuatro lanzamientos
2.6.8.1.2. función en r
2.6.8.2. La probabilidad de tener un resultado particular
2.6.8.2.1. función en r
2.7. Distribución normal y los scores estandarizados
2.7.1. La distribución normal estandar
2.7.2. Tabla de distribución Z
3. Códigos
3.1. CLASE 2-4
3.1.1. s00_Intro R
3.1.2. Introducción
3.1.2.1. ex11
3.1.2.2. ex12
3.1.2.2.1. Funciones matemáticas
3.1.2.3. ex13
3.1.2.3.1. Operadores lógicos
3.1.2.4. ex14
3.1.2.5. ex15
3.1.2.5.1. Funciones para vectores
3.1.3. Conceptos básicos
3.1.3.1. ex16
3.1.3.1.1. Muestreos
3.1.3.1.2. Estadísticas para vectores
3.1.3.2. ex17
3.1.3.3. ex18
3.2. Clase 5 - 11
3.2.1. Hospital