INTROD. A LA ESTADÍSTICA TRABAJO DE BASES DE DATOS Este trabajo se realizó por: LUIS ALBERTO FERNÁNDEZ LARA LUCAS ZAZO RUBÉN LOZANO ÁLVAREZ.

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

Lic. Cristian R. Arroyo López
Introducción En toda investigación, y antes de extraer conclusiones acerca de los objetivos e hipótesis planteados, es necesario llevar a cabo un análisis.
“Estadística Descriptiva”
Estadística: -Correlación y regresión
DIRECCIÓN DE ESTADÍSTICAS DE LA PROVINCIA
FRANCISCO JAVIER RODRÍGUEZ
Rango y Rango intercuartil
TEMA 2.4. MEDIDAS DE VARIABILIDAD
MATEMÁTICAS 2º ESO UD8 ESTADÍSTICA.
Medidas de Dispersión Estadística E.S.O.
Bioestadística III. Escala cuantitativa. n Cuando la escala de medición es cuantitativa, y el análisis requiere un solo valor numérico que resuma alguna.
MEDIDAS DE TENDENCIA CENTRAL
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ESTADÍSTICA UNIDIMENSIONAL Población:
Facultad: Turismo Y Hotelería
Estadística Descriptiva
Introducción a la Estadística Descriptiva
Distribución de los datos
INTRODUCCIÓN ESTADÍSTICA.
Bioestadística Francisco Javier Barón López Dpto. Medicina Preventiva
Estadística Descriptiva continuación
Representaciones gráficas
Seminario de TesisUnidad I. Marco Metodológico“Estadística Descriptiva” Dr. Javier Moreno Tapia.
Medidas de Dispersión.
Tema 2: Parámetros Estadísticos
Medidas de dispersión.
Medidas de resumen.
TUTORIAL SPSS Análisis descriptivos con el Paquete Estadístico para las Ciencias Sociales Unidad 3.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Fundamentos Matemáticos Medidas de tendencia central
Laboratorio de Estadística administrativa
Capacidad de Proceso.
Page 1 ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO FACULTAD DE INFORMATICA Y ELECTRONICA ESCUELA DE DISEÑO GRAFICO ESTADISTICA TEMA: estadista, entendimiento.
MEDIDAS DE DISPERSIÓN. La dispersión es la variación en un conjunto de datos que proporciona información adicional y permite juzgar la confiabilidad de.
Analisis exploratorio INGRID TATIANA RODRIGUEZ GUZMAN DIANA COSTANZA BERMUDEZ GORDILLO.
Estadística 1. Recuento de datos. Tablas de frecuencias
@ Angel Prieto BenitoApuntes de Matemáticas 3º ESO1 TEMA 13 ESTADÍSTICA.
LA ESTADÍSTICA PROF.: EDMUNDO C.PARDO H. CARACAS,OCTUBRE DE 2014
Qué es una Variable Aleatoria??????????
1  1.- En un estudio sobre el número de hijos de un grupo de 100 trabajadores se obtuvieron los siguientes datos. a) Representar el diagrama de barras.
Describir una variable numérica
Bioestadística Tema 2: Estadísticos Bioestadística. U. Málaga.
Descripción de los datos: medidas de dispersión
LA ESTADÍSTICA.
Estadísticos Asunto de Estado: Estadísticos. Estadísticos Los parámetros estadísticos nos permiten tener una idea global de la población, compararla con.
Si comparamos este intervalo con (10.5), vemos que el intervalo de confianza para la Y 0 individual es más amplio que el intervalo para el valor medio.
Titular: Agustín Salvia
PARÁMETROS ESTADÍSTICOS
Tipos de Variables.- Cualitativas. Describen cualidades de los elementos de la muestra. Nominales. Categorías excluyentes y sin orden. (Ej. Sexo) Ordinales.
Sesión 8 Tema: Estadística descriptiva Objetivo:
ESTADÍSTICA UNIDIMENSIONAL
PRESENTACIÓN DE TRABAJO DE APLICACIÓN DE LA ESTADÍSTICA. Alumno: Manuel Fernández González Profesor: Óscar Vergara Marambio.
Aplicaciones Estadísticas a las Finanzas Clase 1
Ejercicios Dado un conjunto de datos, aplicar el Criterio de Fourier para desechar los posibles valores atípicos.
Características de las distribuciones estadísticas
FORMULARIO ESTADÍSTICA DESCRIPTIVA contar, medir, pesar, evaluar, observar es el punto de partida.
Aplicaciones Estadísticas a las Finanzas Clase 1
ESTADÍSTICA DESCRIPTIVA
Coeficiente de variación
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
************************. LEON DARIO BELLO PARIAS.
DIPLOMADO DE POSTGRADO
Estadística descriptiva
Estadística descriptiva
Estadística y probabilidad aplicada a los negocios
- Incorporar algunas técnicas de análisis estadistico - Interpretar los resultados provenientes del análisis estadístico.
CAPÍTULO 4 Introducción a la Estadística. Modelos de regresión.
Uno para todos Si la estadística no miente...: Uno para todos Los valores que resumen toda la información. 1. Imagen de El Pei bajo licencia Creative CommonsEl.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

INTROD. A LA ESTADÍSTICA TRABAJO DE BASES DE DATOS Este trabajo se realizó por: LUIS ALBERTO FERNÁNDEZ LARA LUCAS ZAZO RUBÉN LOZANO ÁLVAREZ

MEJORES PILOTOS DE F-1 NOMBRE DEL PILOTONº POLESNº VICTORIASERRORES MSCHUMACHER ASENNA JCLARK APROST NMANSELL JMFANGIO MHAKKINEN NLAUDA NPIQUET DHILL MANDRETTI RARNOUX JSTEWART FALONSO SMOSS RPETERSON AASCARI JHUNT KRAIKKONEN GHILL RBARRICHELLO JICKX JVILLENEUVE JPMONTOYA JBRABHAM GBERGER DCOULTHARD JRINDT FMASSA RPATRESE

RESUMEN ESTADISTICAS VARIABLEPOLESVICTORIASERRORES MEDIA20,866719,3333X MODA13NO EXISTE MEDIANA VARIANZA203,085298, DESVIACIÓN TÍPICA14,2517, MÍNIMO MÁXIMO RANGO CUARTIL CUARTIL RANGO INTERCUARTÍLICO11157 CURTOSIS5,80999, COEFICIENTE DE VARIACIÓN68,2945 %89,4377 %-1.63% POBLACIÓN TOTAL30

GRÁFICOS POLES POSITION

Se observa que la mayoría de los 30 mejores pilotos están en un intervalo de [10,35], y existen 2 puntos que no se encuentran en ese intervalo.

En este caso, se demuestra que la mayor parte de los pilotos se encuentran muy cerca de la media, pero siempre por detrás, excepto 2 de ellos (M. Schumacher y A. Senna) que son los “datos atípicos” que se salen de dicho promedio.

MSCHUMACHER 68 ASENNA 65 JCLARK 33 APROST 33 NMANSELL 32 JMFANGIO 29 MHAKKINEN 26 NLAUDA 24 NPIQUET 24 DHILL 20 MANDRETTI 18 RARNOUX 18 JSTEWART 17 FALONSO 17 SMOSS 16 RPETERSON 14 AASCARI 14 JHUNT 14 KRAIKKONEN 14 GHILL 13 RBARRICHELLO 13 JICKX 13 JVILLENEUVE 13 JPMONTOYA 13 JBRABHAM 13 GBERGER 12 DCOULTHARD 12 JRINDT 10 FMASSA 10 RPATRESE 8 Se corrobora que la mayoría de pilotos se encuentran en un intervalo de [0,35] y que se encuentran 2 atípicos.

GRÁFICOS VICTORIAS

En este caso, se demuestra que la mayor parte de los pilotos se encuentran muy cerca de la media, pero siempre por detrás, excepto 2 de ellos (M. Schumacher y A. Prost) que son los “datos atípicos” que se salen de dicho promedio.

MSCHUMACHER APROST ASENNA NMANSELL JSTEWART JCLARK NLAUDA JMFANGIO NPIQUET DHILL MHAKKINEN FALONSO SMOSS KRAIKKONEN GHILL JBRABHAM AASCARI DCOULTHARD MANDRETTI RPETERSON JHUNT GBERGER RBARRICHELLO JICKX RARNOUX JPMONTOYA JVILLENEUVE JRINDT RPATRESE FMASSA Se confirma que la mayoría de pilotos se encuentran en un intervalo de [0,30] y que se encuentran 2 atípicos.

COMPARACIÓN GRÁFICOS VICTORIAS-POLES

Se observa que existe una clara relación entre el número de poles obtenidas y el número de victorias obtenidas, ya que este deporte no permite muchos adelantamientos que provoquen cambios de posición. Por ello, lo normal es que el piloto que sale primero, termine ganando la carrera.

Después de analizar los datos con “Statgraphics Plus” existe una relación entre el número de victorias conseguidas en función del número de pole positions que consiguiera cada piloto. Nº VICTORIAS = 1,06942 X Nº POLES - 2,19897

En esta gráfica se observan 3 líneas que ajustan los datos de las 2 variables a una regresión. La línea azul es la regresión ajustada. Las 2 naranjas son bandas de fluctuación. Las 2 líneas moradas marcan una barrera en la que fuera de ella existen “atípicos” en la relación poles-victorias.

Como conclusión, se demuestra que la mayoría de pilotos que consiguen la pole en la clasificación y por lo tanto salen en la primera posición en la parrilla (con todas las ventajas que eso conlleva en este deporte), consiguen ganar la carrera con una mayor probabilidad que otro que salga en una posición más retrasada (siempre y cuando las condiciones sean normales).