1 1 Slide Slides Prepared by JOHN S. LOUCKS St. Edward’s University © 2002 South-Western /Thomson Learning TM.

Presentación del tema: "1 1 Slide Slides Prepared by JOHN S. LOUCKS St. Edward’s University © 2002 South-Western /Thomson Learning TM."— Transcripción de la presentación:

1 1 1 Slide Slides Prepared by JOHN S. LOUCKS St. Edward’s University © 2002 South-Western /Thomson Learning TM

2 2 2 Slide Capítulo 1 Datos y Estadísticas n Aplicaciones en negocios y economía n Datos n Fuentes de datos n Estadística descriptiva n Inferencia Estadística

3 3 3 Slide 1.1. Aplicaciones en Negocios y Economía n Contabilidad Las firmas de contabilidad pública utilizan procedimientos de muestreo estadísticos al conducir auditorias para sus clientes. n Finanzas Los consejeros financieros utilizan una variedad de información estadística, incluyendo tasas de precio- ganancia y porcentajes de dividendos, para dirigir sus recomendaciones de la inversión. n Mercadotecnia (comercialización) Los escaners electrónicos en las cajas de venta al menudeo se están utilizando para recoger datos para una variedad de usos en investigación de mercados.

4 4 4 Slide n Producción Una variedad de cartas estadísticas del control de calidad se utiliza para supervisar la salida de un proceso de producción. n Economía Los economistas utilizan la información estadística para elaborar pronósticos sobre el futuro de la economía o de un cierto aspecto de ella.. Aplicaciones en Negocios y Economía

5 5 5 Slide 1.2. Datos n Datos y conjunto de datos n Elementos, variables, y observaciones n Escalas de medición n Datos cualitativos y cuantitativos n Series de tiempo y datos transversales

6 6 6 Slide Datos y conjunto de datos n datos son los hechos y los números que se reúnen, analizan y se resumen para su presentación e interpretación. n Los datos son los hechos y los números que se reúnen, analizan y se resumen para su presentación e interpretación. n Los datos recopilados en un estudio particular se denominan conjunto de datos.

7 7 7 Slide Elements, Variables, and Observations n Los elementos son las entidades acerca de las cuales se reúnen los datos. Tabla 1.1.: 25 n Una variable es una característica de interés para los elementos. Tabla 1.1.: 5 n El conjunto de medidas recogidas para un elemento particular se llama observación. Tabla 1.1.: 25 n El número total de valores de datos en un conjunto de datos es el número de los elementos multiplicados por el número de variables: Tabla 1.1.: 25x5=125

8 8 8 Slide Datos, conjunto de datos, elementos, variables, y observaciones Elementos Variables Conjunto de datos Dato Observación Stock Ventas dividendos/ Stock Ventas dividendos/ Compañía Exchange anuales($M) Ac.($) DataramAMEX73.10 0.86 EnergySouth OTC74.00 1.67 Keystone NYSE 365.70 0.86 LandCare NYSE 111.40 0.33 PsychemedicsAMEX17.60 0.13

9 9 9 Slide Escalas de medición n Escalas de medición incluye: Nominales (identificadores ) Nominales (identificadores ) Ordinales (para ordenar o clasificar) Ordinales (para ordenar o clasificar) De intervalo (el intervalo es numérico y fijo) De intervalo (el intervalo es numérico y fijo) De Relación (son de intervalo pero el cociente tiene significado) De Relación (son de intervalo pero el cociente tiene significado) n La escala determina la cantidad de información contenida en los datos. n La escala indica el resumen de los datos y los análisis estadísticos que son más apropiados. Ver Pág. 805

10 10 Slide Escalas de medición n Nominales Los datos son identificadores (rótulos) o nombres usados para identificar un atributo de un elemento. Los datos son identificadores (rótulos) o nombres usados para identificar un atributo de un elemento. Un rótulo no numérico o un código numérico pueden ser utilizados. Un rótulo no numérico o un código numérico pueden ser utilizados.

11 11 Slide Escalas de medición n Nominales Ejemplo: Ejemplo: La escuelas clasifican a los estudiantes de una universidad en la cual se inscriben, usando una etiqueta no numérica tal como negocios, humanidades, educación, etc. La escuelas clasifican a los estudiantes de una universidad en la cual se inscriben, usando una etiqueta no numérica tal como negocios, humanidades, educación, etc. Alternativamente, un código numérico se podría utilizar para la variable de la escuela (ejem. 1. denota negocios, 2. denota humanidades, 3. denota educación, etcétera). Alternativamente, un código numérico se podría utilizar para la variable de la escuela (ejem. 1. denota negocios, 2. denota humanidades, 3. denota educación, etcétera).

12 12 Slide Escalas de medición n Ordinales Los datos tienen las propiedades de los nominales y el orden o ranking tiene sentido. Los datos tienen las propiedades de los nominales y el orden o ranking tiene sentido. Un rótulo no numérico o un código numérico pueden ser utilizados. Un rótulo no numérico o un código numérico pueden ser utilizados.

13 13 Slide Escalas de medición n Ordinales Ejemplo: Ejemplo: Los estudiantes de una universidad se clasifican por la clase a la que pertenecen con una etiqueta no numérica tal como estudiante de primer año, estudiante de segundo año, joven, o mayor. Los estudiantes de una universidad se clasifican por la clase a la que pertenecen con una etiqueta no numérica tal como estudiante de primer año, estudiante de segundo año, joven, o mayor. Alternativamente, un código numérico se podría utilizar para la variable de la clase a la que pertenecen (ejem. 1 denota a estudiante de primer año, 2 denota a estudiante de segundo año, etcétera). Alternativamente, un código numérico se podría utilizar para la variable de la clase a la que pertenecen (ejem. 1 denota a estudiante de primer año, 2 denota a estudiante de segundo año, etcétera).

14 14 Slide Escalas de medición n De Intervalo Los datos tienen las características de datos ordinales y el intervalo entre las observaciones se expresa en términos de una unidad fija de medida. Los datos tienen las características de datos ordinales y el intervalo entre las observaciones se expresa en términos de una unidad fija de medida. Los datos del intervalo son siempre numéricos. Los datos del intervalo son siempre numéricos.

15 15 Slide Escalas de medición n De Intervalo Ejemplo: Ejemplo: Elisa tiene un puntaje de 1105 en el CENEVAL, y Kevin tuvo un puntaje de 990. Elisa registró 115 puntos más que Kevin. Elisa tiene un puntaje de 1105 en el CENEVAL, y Kevin tuvo un puntaje de 990. Elisa registró 115 puntos más que Kevin.

16 16 Slide Escalas de medición n De Relación Los datos tienen todas las características de los datos del intervalo y el cociente de dos valores es significativo. Los datos tienen todas las características de los datos del intervalo y el cociente de dos valores es significativo. Variables tales como distancia, altura, peso, y tiempo usan la escala de relación. Variables tales como distancia, altura, peso, y tiempo usan la escala de relación. Esta escala debe contener un valor cero que indique que nada existe para la variable en el punto cero Esta escala debe contener un valor cero que indique que nada existe para la variable en el punto cero

17 17 Slide Escalas de medición n De Relación Ejemplo: Ejemplo: Los registros de Elisa en la maestria muestran 36 créditos obtenidos, y los de Kevin muestran 72 créditos obtenidos. Kevin tiene el doble de créditos que Elisa. Los registros de Elisa en la maestria muestran 36 créditos obtenidos, y los de Kevin muestran 72 créditos obtenidos. Kevin tiene el doble de créditos que Elisa.

18 18 Slide 2.2. Datos Cualitativos y Cuantitativos (Pág. 6) n Los datos se pueden clasificar más a fondo como cualitativos o cuantitativos. n El análisis estadístico que es apropiado depende si los datos para la variable son cualitativos o cuantitativos. n En general, hay más alternativas para el análisis estadístico cuando los datos son cuantitativos

19 19 Slide Datos cualitativos n Los datos cualitativos son etiquetas o nombres usados para identificar una cualidad de cada elemento. n Los datos cualitativos utilizan la escala nominal u ordinal de la medida. n Los datos cualitativos pueden ser numéricos o no numéricos. n El análisis estadístico para los datos cualitativos es algo limitado.

20 20 Slide Datos Cuantitativos n Los datos cuantitativos indican ya sea cuántos o cuánto. Datos cuantitativos que miden cuántos, son discretos. Datos cuantitativos que miden cuántos, son discretos. Datos cuantitativos que miden cuánto, son continuos porque no hay separación entre los valores posibles para los datos. Datos cuantitativos que miden cuánto, son continuos porque no hay separación entre los valores posibles para los datos. n Los datos cuantitativos son siempre numéricos. n Las operaciones aritméticas ordinarias son significativas solamente con datos cuantitativos.

21 21 Slide Series de tiempo y datos transversales n Los datos transversales se recogen en el mismo o aproximadamente el mismo punto en tiempo. n Ejemplo: los datos que detallaban el número de los permisos de construcción de casas publicado en junio de 2000 en cada uno de los condados de Texas n Los datos de serie de tiempo se recogen sobre varios períodos. Ejemplo: los datos que detallaban el número de los permisos de construcción de casas publicados en el condado de Travis, Texas en cada uno de los 36 meses pasados

22 22 Slide 1.3. Fuentes de datos n Fuentes existentes Los datos necesarios para un uso particular pueden ya existir dentro de una firma. La información detallada se guarda a menudo en clientes, proveedores, y empleados por ejemplo. Los datos necesarios para un uso particular pueden ya existir dentro de una firma. La información detallada se guarda a menudo en clientes, proveedores, y empleados por ejemplo. Las cantidades substanciales de datos de empresas y de datos económicos que están disponibles en las organizaciones que se especializan en obtener y mantener datos. Las cantidades substanciales de datos de empresas y de datos económicos que están disponibles en las organizaciones que se especializan en obtener y mantener datos.

23 23 Slide 1.3. Fuentes de datos n Fuentes existentes Las instituciones gubernamentales son otra fuente importante de fuentes de datos. Las instituciones gubernamentales son otra fuente importante de fuentes de datos. Los datos disponibles de una variedad de asociaciones industriales o comerciales u organizaciones de interés especial. Los datos disponibles de una variedad de asociaciones industriales o comerciales u organizaciones de interés especial.

24 24 Slide 1.3. Fuentes de datos n Internet El Internet se ha convertido en una fuente importante de datos. El Internet se ha convertido en una fuente importante de datos. La mayoría de las agencias de estatales, como la oficina del censo (www.census.gov), hacen sus datos disponibles con un sitio Web. La mayoría de las agencias de estatales, como la oficina del censo (www.census.gov), hacen sus datos disponibles con un sitio Web. Más y más compañías están creando sitios Web y están proporcionando el acceso público a ellos. Más y más compañías están creando sitios Web y están proporcionando el acceso público a ellos. Un número de compañías ahora se especializan en la fabricación de la información disponible en Internet. Un número de compañías ahora se especializan en la fabricación de la información disponible en Internet.

25 25 Slide n Estudios estadísticos Los estudios estadísticos se pueden clasificar como experimentales o de observación. Los estudios estadísticos se pueden clasificar como experimentales o de observación. En estudios experimentales se identifican primero las variables de interés. Entonces unos o más factores son controlados para poder obtener datos sobre cómo los factores influencian las variables. En estudios experimentales se identifican primero las variables de interés. Entonces unos o más factores son controlados para poder obtener datos sobre cómo los factores influencian las variables. En estudios de observación (no experimentales) no se hace ninguna tentativa controlar o de influenciar las variables de interés. En estudios de observación (no experimentales) no se hace ninguna tentativa controlar o de influenciar las variables de interés. Una encuesta es quizás el tipo más común de estudio de observación.. Una encuesta es quizás el tipo más común de estudio de observación.. 1.3. Fuentes de datos

26 26 Slide Consideraciones en la adquisición de datos n El requisito del tiempo Buscar información puede consumir tiempo. Buscar información puede consumir tiempo. La información puede no ser útil para el momento en que esté disponible. La información puede no ser útil para el momento en que esté disponible. n El coste de la adquisición Las organizaciones a menudo cobran por la información incluso cuando no es su actividad económica primaria. Las organizaciones a menudo cobran por la información incluso cuando no es su actividad económica primaria. n Los errores de los datos Usar cualquier dato que pueda estar disponible o adquirido con poco cuidado puede conducir a una información pobre y engañosa. Usar cualquier dato que pueda estar disponible o adquirido con poco cuidado puede conducir a una información pobre y engañosa.

27 27 Slide 1.4. Estadística Descriptiva n La estadística descriptiva son métodos tabulares, gráficos, y numéricos usados para resumir datos.

28 28 Slide Ejemplo: Hudson Auto Reparación El Gerente de Hudson Auto Reparación quisiera tener una mejor comprensión del costo de las refacciones utilizadas al hacer una afinación de motor en sus taller de servicio. Examina 50 facturas de clientes de afinación de motor. Los costos de las refacciones de cada afinación, redondeados al dólar más cercano, se enumeran abajo.

29 29 Slide Ejemplo: Hudson Auto Reparación n Resumen (Frecuencias y Porcentaje de Frecuencias) Costo Porcentaje Costo Porcentaje partes ($) Frecuencia Frecuencia partes ($) Frecuencia Frecuencia 50-59 2 4 50-59 2 4 60-69 1326 60-69 1326 70-791632 70-791632 80-89 714 80-89 714 90-99 714 90-99 714 100-109 510 100-109 510 Total 50 100 Total 50 100

30 30 Slide Ejemplo: Hudson Auto Reparación n Resumen gráfico (Histograma) Costo de partes ($) Costo de partes ($) 2 2 4 4 6 6 8 8 10 12 14 16 18 Frecuencia 50 60 70 80 90 100 110

31 31 Slide Ejemplo: Hudson Auto Reparación n Estadística descriptiva numérica La estadística descriptiva numérica mas común es el promedio. La estadística descriptiva numérica mas común es el promedio. El promedio de costos de las partes de Hudson, basado en 50 afinaciones estudiadas es de $79 (calculado sumando los valores de los 50 costos y dividiéndolo entre 50) El promedio de costos de las partes de Hudson, basado en 50 afinaciones estudiadas es de $79 (calculado sumando los valores de los 50 costos y dividiéndolo entre 50)

32 32 Slide 1.5. Inferencia Estadística n Inferencia estadística es el proceso de utilizar datos obtenidos de un pequeño grupo de elementos (la muestra) para realizar estimados y probar hipótesis acerca de las características de un grupos de elementos más grande (la población).

33 33 Slide Ejemplo: Hudson Auto Reparación n Proceso de inferencia estadística 1.La población consiste de todas las afinaciones. El promedio del costo de las partes es desconocido. 2.Una muestra de 50 afinaciones es examinada 3.Los datos de la muestra proveen un promedio de la muestra de $79 por afinación 4.El valor del promedio de la muestra es utilizado para hacer un estimado del promedio de la población

34 34 Slide Fin del Capitulo 1