PROGRAMA INGENIERIA DE SISTEMAS Y COMPUTACION

UNIVERSIDAD TECNOLGICA DE PEREIRA PLAN DE ESTUDIOS DE

Modalidad Presencial - Jornada Diurna y Especial

[Regresar al Pensum] ASIGNATURA Estadstica CODIGO 28512 CREDITOS 2 JUSTI ICACION En aos recientes, el crecimiento de la estadstica ya se percibe en casi todas las fases de la acti idad del ser !umano" #a estadstica ya no consta s$lo de la recolecci$n de datos y su presentaci$n en diagramas y tablas" %!ora se considera &ue engloba la ciencia de fundamentar la inferencia en datos obser ados y todo el problema de la toma de decisiones de cara a la incertidumbre" Esto abarca un terreno considerable, por&ue encontramos incertidumbre cuando lan'amos una moneda al aire, cuando un dietista e(perimenta con complementos alimenticios, cuando un actuario determina prima de seguros de ida, cuando un ingeniero de control de calidad acepta o rec!a'a productos manufacturados, cuando un maestro compara las !abilidades de sus estudiantes, cuando un economista pronostica tendencias, cuando un diario predice los resultados de una elecci$n, etc" )era presuntuoso decir &ue la estadstica, en su actual estado de desarrollo, puede !acerse cargo de todas las situaciones en &ue inter ienen incertidumbres * pero constantemente se est+n generando nue as t,cnicas y la estadstica moderna, cuando menos, proporciona el marco para anali'ar estas situaciones en forma l$gica y sistem+tica"

O!JETI"OS %l finali'ar el curso de Estadstica el estudiante debe estar en capacidad de describir una serie de datos, la probabilidad de un e ento cual&uiera, las distribuciones de probabilidades mas comunes, y sus aplicaciones"

CONTENIDO -./0%0 1" E)1%0/)1/2% 0E)2R/P1/3% 1"1 0efiniciones b+sicas, organi'aci$n de los datos 1"2 4edidas de tendencia central 5Posici$n6 1"7 4edidas de dispersi$n o ariabilidad" 1"8 4omentos

-./0%0 2" /.1R90-22/9. % #% PR9:%:/#/0%0 2"1 4,todos de enumeraci$n 2"2 0efiniciones b+sicas de probabilidad 2"7 Espacio 4uestral 2"8 0efinici$n %(iom+tico y propiedades -./0%0 7" PR9:%:/#/0%0 29.0/2/9.%# E /.0EPE.0E.2/% 7"1 Probabilidad condicional 7"2 1eorema de :ayer 7"7 E entos, independientes -./0%0 8 3%R/%:#E) %#E%19R/%) 0/)2RE1%) 8"1 .oci$n general de una ariable aleatoria 8"2 Esperan'a y arian'a 8"7 ;unci$n generatri' de momentos -./0%0 5 0/)1R/:-2/9.E) 0E PR9:%:/#/0%0 0/)2RE1%) 5"1 0istribuci$n causal 5"2 0istribuci$n de :ernoulli 5"7 0istribuci$n :inomial 5"8 0istribuci$n <ipergeom,trica 5"5 0istribuci$n Poisson 5"= 0istribuci$n 4ultinominal 5"> 0istribuci$n ?eom,trica 5"8 0istribuci$n Pascal -./0%0 = 3%R/%:#E) %#E%19R/%) 29.1/.-%) ="1 ;unci$n de 0iscriminaci$n ="2 4omentos -./0%0 > PR/.2/P%#E) 0/)1R/:-2/9.E) 29.1/.-%) >"1 0istribuci$n uniforme >"2 0istribuci$n e(ponencial >"7 Proceso de Poisson >"8 0istribuci$n .ormal -./0%0 8 %P#/2%2/9.E) % #% 1E9R/% 0E #% 29.;/%:/#/0%0 8"1 2onceptos b+sicos 8"2 #ey normal de falla 8"7 #ey e(ponencial de falla 8"8 #ey e(ponencial de falla y la distribuci$n de Poisson 8"5 #a ley de fallas de @eibull 8"= 2onfiabilidad de sistemas

METODO#OG$A !I!#IOGRA IA 1" Ao!n E" ;reund, Ronald E" @alpole * BEstadstica 4atem+tica con aplicacionesC 2uarta Edici$n" P" <"<" 1DDE

2" Paul 4eyer * BProbabilidad y %plicaciones EstadsticasC Edici$n re isada %ddisonF @esleyF/beroamericana 1DD2" 7" 0ouglan 2 4ontgomery y ?eorge 2 Runger * B Probabilidad y Estadstica %plicadas a la /ngeniera 42F?raGF<illF1DD=

H Iue es Estadstica H

UNIDAD %& ESTAD$STICA DESCRIPTI"A&

1"1 0efiniciones b+sicas, organi'aci$n de los datos

EstadsticaJ Parte de la matem+ticas &ue utili'a el m,todo cientfico en la toma, recopilaci$n, organi'aci$n, presentaci$n y an+lisis de datos, tanto para la deducci$n de conclusiones, como para tomar decisiones ra'onables de acuerdo con tales an+lisis" Poblaci$n o -ni ersoJ 2olecci$n de datos &ue ataen a las caractersticas de un grupo de indi iduos u obKetos" Por eKemploJ las alturas y los pesos de los estudiantes de la -ni ersidad 1ecnol$gica" 4uestraJ Parte de la Poblaci$n" Por eKemploJ las alturas y los pesos de los estudiantes del grupo de Estadstica, como parte de todos los estudiantes de la -1P" .otaJ #as Poblaciones pueden ser finitas o infinitas" Por eKemploJ la Poblaci$n consistente en la producci$n de bombillos de una fabrica en un da determinado es finita, mientras &ue la Poblaci$n formada por todos los posibles sucesos caras o sellos tiradas sucesi as de una moneda es infinita" Estadstica /nducti a o /nferencialJ Parte de la Estadstica &ue trata de las condiciones baKo las cuales una 4uestra representati a de una Poblaci$n es utili'ada en el an+lisis para deducir importantes conclusiones de la Poblaci$n" 0onde para responder a la incertidumbre de las inferencias de la 4uestra se debe utili'ar el concepto de Probabilidad" Estadstica 0escripti a 0educti aJ Parte de la Estadstica &ue trata solamente de describir y anali'ar un grupo dado sin sacar inferencias o conclusiones de un grupo mayor" 2onceptos 4atem+ticos /mportantesJ 3ariableJ )mbolo tal como, (, y, G,' etc" Iue puede tomar un alor cual&uiera de un conKunto determinado, llamado 0ominio de la ariable" )i la ariable puede tomar s$lo un alor se denomina constante" )i la ariable puede tomar te$ricamente cual&uier alor entre dos alores dados sellama 3ariable 2ontinua, si no es as se llama 3ariable discreta" Por eKemploJ )i n es el nLmero de !iKos 7,5, 8 etc" Es una 3ariable 0iscreta, pero si n es la altura de los !iKos, &ue puede ser 1,5m* 1,58m* 1,58Dm* etc" 0epende de la precisi$n de los datos, n es una 3ariable continua" 0atos 2ontinuos o 0iscretosJ )on los &ue se refieren a 3ariables 2ontinuas o 3ariables 0iscretas, en general las medidas dan origen a 0atos continuos, mientras &ue las enumeraciones o conteos dan origen a 0atos 0iscretos" .otaJ El concepto 3ariable tambi,n se puede e(tender a entes no num,ricos tales como, el color de un obKeto las notas musicales de un instrumento, etc" Redondeo de 0atosJ 2onsiste en apro(imar un alor a su entero o cifra decimal m+s pro(ima" Por eKemploJ redondear 5,> al entero m+s pro(imo es =* redondear 8,5= a

su primera cifra decimal es 8,=* redondear 7,=85 a su segunda cifra decimal es 7,=8* redondear 7,=55 a su segunda cifra decimal es 7,==* 5el 5 se lle a a la cifra par m+s pr$(ima6

.otaci$n 2ientfica o )istem+ticaJ Representa un nLmero con un entero y parte decimal completando su alor con potencias de 1E" Por eKemploJ 785,7 e&ui ale a 7,857 ( 1E" 2ifras )ignificati asJ )on las cifras digitas e(actas aparte de los ceros a la i'&uierda, necesitadas para determinar !asta el alor decimal" Por eKemploJ =5,8 tiene 7 cifras significati as ya &ue su alor e(acto oscila entre =5,75 y =5,85* 8,57EE tiene 5 cifras significati as* E,E118 M 1,18 ( 1EF que se puede scribir 1,18e(-03). Clculos: En los clculos que intervienen ultiplic!ci"n, divisi"n, r!ices cu!dr!d!s, el result!do no debe tener s ci#r!s si$ni#ic!tiv!s que el d!to con enor ci#r!s si$ni#ic!tiv!s. %or e&e plo: '3,() * ),+( que t! bi,n escribi os '3,()-),+( es i$u!l ! (8'. 1,')8/0,0(3 0 1(. 38,1 0 ',((. 8,)1' - +0 0 )(0,8 (si +0 es e*!cto). %!r! su !s 2 rest!s el result!do no debe tener s ci#r!s si$ni#ic!tiv!s despu,s de l! co ! deci !l s que el d!to de enor ci#r!s si$ni#ic!tiv!s. %or e&e plo: 3,1' 3 (,1 0 +,4. 8',)( 5 1( 0 1). )1,81' 5 (+ 0 ((,81' si (+ es e*!cto. 2ur as y RepresentacionesJ -na cur a es una representaci$n gr+fica de la relaci$n entre ariables, en Estadstica se emplean muc!os tipos de cur as &ue dependen de la naturale'a de los datos y del prop$sito de presentaci$n deseado 51area 1" presentar los tipos de cur as m+s usados en Estadstica6

1oma de datosJ Es la obtenci$n de una colecci$n de los mismos sin ningLn orden num,rico" Por eKemploJ 1omar los pesos de los estudiantes del curso de Estadstica" 9rdenaci$nJ Es una colocaci$n de los datos num,ricos en orden creciente o decreciente de magnitud" #a diferencia entre el mayor y el menor de los datos se denomina Rango o Recorrido" Por eKemploJ )i el peso mayor de los estudiantes es >DNg y el peso menor es 7ENg, el Rango M >DNgF7ENg M 8DNg" 0istribuciones de ;recuenciaJ Es la agrupaci$n &ue se !ace de los datos en inter alos de alores o clases determinando el nLmero de datos dentro de cada clase o inter alo" 1ambi,n se conoce como 1abla de ;recuencia o 0istribuci$n de ;recuencias" Por eKemploJ Estudiantes del curso de Estadstica 1er" semestre 2EE8 Pesos Ng" 7EF7D 8EF8D 5EF5D =EF=D >EF>D ;recuencia 1 7 5 = 7 /nter alo de 2laseJ 2ada uno de los inter alos de la distribuci$n, el cual se puede representar mediante un smbolo tal como, 7EF7D, 8EF8D, etc" 0onde los nLmeros e(tremos 7E, 7D, son los lmites de clase inferior y superior respecti amente para el primer inter alo de clase, si el lmite superior o inferior no est+ definido, el inter alo de clase se conoce como inter alo de clase abierto, por eKemploJ los alumnos de peso mayor &ue >D Og* los alumnos de peso menor &ue 7E Ng" #imite real de cclaseJ )e obtiene de la semisuma de los lmites superior e inferior de dos inter alos contiguos, por eKemplo para el inter alo 8EF8D tenemos, limite inferior real de clase M 57DP8E6Q2 M 7D,5 y su lmite superior real de clase 58DP5E6Q2 M 8D,5 1amao o anc!ura de un inter alo de claseJ es la diferencia entre los lmites reales de clase &ue lo forman, asJ tamao del inter alo o anc!ura de clase del inter alo 8EF8D es 8D,5F7D,5 M 1E" )i los inter alos de clase de una 0istribuci$n tienen igual anc!ura o longitud, esta anc!ura de clase se representa por 2, es decir, 2M1E" 4arca de claseJ es el punto medio del inter alo de clase, se obtiene de la semisuma de los lmites superior e inferior de clase de un inter alo, por eKemploJ para el inter alo de clase 8EF8D, su marca de clase estara en 58EP8D6Q2 M 88,5* se le denomina tambi,n Punto medio de la clase"

<istogramaJ o <istograma d ;recuencia, consiste en una serie de rect+ngulos &ue tienen sus bases sobre un eKe ( !ori'ontal, con centro en sus 4arcas de clase, anc!o igual al tamao de su anc!ura de clase y su altura proporcional a su ;recuencia, en donde el +rea de cada rect+ngulo sea e&ui alente a su frecuencia de clase" Polgono de ;recuenciaJ es un gr+fico de lneas tra'ado sobre sus 4arcas de clase, puede obtenerse uniendo los Puntos medios de los tec!os de los rect+ngulos en el <istograma" )e acostumbra prolongar el Polgono !asta las 4arcas de clase del inter alo imaginario a la i'&uierda y derec!a de la distribuci$n con ;recuencia cero, en donde el +rea baKo la Poligonal !asta el eKe (, es igual al +rea de el <istograma" 0istribuciones de frecuencia relati asJ #a ;recuencia relati a de una clase es la frecuencia de la clase di idida por el total de las ;recuencias de todas las clases y se representa generalmente en porcentaKes Estudiantes del curso de Estadstica 1er" Pesos Ng" 7EF7D 8EF8D 5EF5D ;recuencia ; 1 7 5 ;"Relati a ;Q. 5,5=R 1=,=>R 2>,>8R semestre 2EE8 =EF=D >EF>D = 7 77,77R 1=,=>R

#as 0istribuciones de ;recuencia Relati a se pueden obtener del <istograma o Polgono de frecuencias, con s$lo cambiar la escala ertical de ;recuencias por ;recuencias relati as, denomin+ndose as, <istograma de frecuencias relati as o Porcentual* o Polgono de frecuencias Relati as o Porcentual" 0istribuciones de ;recuencia %cumulada 9Ki a* es la ;recuencia total de todos los alores menores &ue el #mite real superior de la clase de un inter alo de clase dado,asJ Estudiantes del curso de Estadstica 1er" semestre 2EE8 Pesos Ng" 7EF7D 8EF8D 5EF5D =EF=D >EF>D ;recuencia 1 7 5 = 7 ;"%cumulada 1 8 D 15 18 #"Real )up" 7D,5 8D,5 5D,5 =D,5 >D,5 En donde se puede apreciar, por eKemploJ 15 estudiantes pesan por debaKo de =D,5 Ng"

El gr+fico de lneas tra'ado sobre los #imites reales )uperiores de clase con altura proporcional a la ;recuencia %cumulada, se conoce como, 0istribuci$n de ;recuencias %cumulada 9Ki a" 1ambi,n se obtiene una 0istribuci$n de ;recuencias %cumuladas 9Ki a para los alores de ;recuencia mayores de un #imite inferior de clase, considerando el acumulado de los mayores alores, denomin+ndose 9 menor &ue y 9 m+s &ue respecti amente, en caso de no especificarse 9, se refiere a 9Ki as de menor &ue" 0istribuci$n de ;recuencia Relati a %cumulada 9Ki a PorcentualJ se obtiene di idiendo la ;recuencia %cumulada entre la ;recuencia total" Estudiantes del curso de Estadstica 1er" Pesos Ng" 7EF7D 8EF8D 5EF5D ;recuencia 1 7 5 ;"%cumulada 1 8 D #"Real )up" 7D,5 8D,5 5D,5 ;"%cu"Relati a 5,5=R 22,22R 5E,EER semestre 2EE8 =EF=D >EF>D = 7 15 18 =D,5 >D,5 87,77R 1EE,EER

2uando se sua isa una cur a de ;recuencia %cumulada, o una cur a de ;recuencia %cumulada relati a se les suele llamar* 2ur as de frecuencia o cur as de ;recuencia Relati a respecti amente" 1area in estigar sobre otros tipos de cur as sua i'adas en la forma de 2ur a .ormalo 2ampana de ?auss,, sesgada a la derec!a, sesgada a la i'&uierda, 2ur a de ;recuencia :imodal, 4ultimodal, 2ur a loren'iana etc"
1"2 4edidas de tendencia central 5Posici$n6

4edia %ritm,ticaJ es la suma de todos los datos di idido entre el total de datos, se lee como ( barra, asJ 5( barra6 M S(i Q. )i cada dato est+ afectado por una frecuencia ;, la media aritm,tica se considera 4edia %ritm,tica Ponderada e&ui ale a la suma de la ;recuencia por cada dato di idido entre la suma de todas las frecuencias &ue e&ui ale al total de los datos ., asJ 5( barra6 M fi (iQ fi

Estudiantes del Pesos Ng" ;recuencia 4arca de 2lase

curso de Estadstica 1er" semestre 2EE8 7EF7D 8EF8D 5EF5D =EF=D >EF>D 1 7 5 = 7 78,5 88,5 58,5 =8,5 >8,5

Para la tabla de pesos en menci$n J ( barra M 51T78,5P7T88,5P5T58,5P=T=8,5P7T>8,56Q51P7P5P=P76 M 58,7D Propiedades de la 4edia %ritm,ticaJ a6 la suma algebraica de las des iaciones de un conKunto de nLmeros de su 4edia aritm,tica es cero, as en nuestro caso particularJ Desviacin = (xi - (x barra)) Para nuestro caso de la tabla anteriorJ Desviacin M 1T578,5F58,7D6 P 7T588,5F58,7D6 P 5T558,5F58,7D6 P =T5=8,5F58,7D6 P 7T5>8,5F58,7D6 M E,EE b6 #a suma de los cuadrados de las des iaciones de un conKunto de nLmeros ( K de cual&uier nLmero % es mnima, si solamente % es igual a 5( barra6" Para nuestro caso, si 0K M 5(KF5( barra66J 0K M 1T578,5F58,7D6 P 7T588,5F58,7D6 P 5T558,5F58,7D6 P =T5=8,5F58,7D6 P 7T5>8,5F58,7D6 M 222>,>8

c6 )i f1 nLmeros tiene de media m1, f2 nLmeros tienen de media m2, f7 nLmeros tienen de media m7, entonces la media de todos los nLmeros ser+ la media ponderadaJ 5( barra6 M fi (iQ fi d) Si A es cualquier supuesta media aritmtica que puede ser cualquier nmero, y si Dj = xj-A, osea las desviaciones de A, se puede compro ar que! "x arra) = A # fj Dj$% = A # "D arra) 4edia %ritm,tica calculada a partir de datos agrupadosJ para datos agrupados, la marca de clase o punto medio de cada inter alo se considera como el punto donde caen todos los alores de ese inter alo" )i todos los inter alos de clase tienen igual tamao 2, las des iaciones 0K M (KF%, pueden e(presarse como 2 uK, donde uK puede ser un nLmero entero positi o, negati o o cero, es decir, E, PQF1, PQF2, PQF7 etc" Por tantoJ 5( barra6 M % P 5fKuKQfK62 por tantoJ 5( barra6 M % P 5u barra62 lo &ue se conoce como m,todo cla e" 4edianaJ #a mediana de una colecci$n de datos ordenados en orden de magnitud, es el alor medio o la media aritm,tica de los alores medios" #a mediana di ide a un <istograma en dos +reas del mismo tamao" Para datos agrupados la 4ediana se puede calcular comoJ 4ediana M li P 55.Q2 F gi6Qfm62 #i es el #imite real inferior de la clase donde est+ la 4ediana . el total de los datos, fi M . gi es la frecuencia de las clases anteriores a la clase 4edianal"

;m es la frecuencia donde est+ la 4ediana 2 es el anc!o del inter alo de clase" 4odaJ #a 4oda de una serie de nLmeros es a&uel &ue se presenta con la mayor frecuencia, es decir, es el alor m+s comLn, la 4oda puede no e(istir incluso si e(iste puede ser Lnica" -na 0istribuci$n &ue tiene una sola 4oda se le denomina -nimodal, dos modas :imodal, etc" En datos agrupados la 4oda corresponde al alor de ( del m+(imo de la distribuci$n, en una distribuci$n de frecuencias de un <istograma, la 4oda se puede calcularJ 4oda = l1 + (1Q51P2662 l1, #mite inferior real de la clase &ue tiene la 4oda 5clase modal6 1, e(ceso de la f modal sobre la f de la clase contigua anterior" 2, exceso de la f modal sobre la f de la clase contigua superior !, tama"o del intervalo de clase modal #elacin emp$rica entre %edia, %ediana & %oda' (ara curvas de frecuencia lineales )ue sean moderadamente sesgadas asim*tricas se tiene' %edia + %oda = , (%edia + %ediana) (ara curvas sim*tricas, la %edia, %ediana & %oda coinciden (ara curvas sesgadas a la derec-a el orden es %oda, %ediana & %edia (ara curvas sesgadas a la i.)uierda el orden es %edia, %ediana & %oda %edia /eom*trica /' 0a %edia /eom*trica / de n n1meros x1, x2, x, 2xn es la rai. en*sima de el producto de los n1meros' / = rai. n de (x1 x2 x, 2xn) 3n la pr4ctica / se calcula utili.ando logaritmos, 4edia %rm$nica <J de una serie de datos (1, (2, (7 U (n es la recproca de la media artm,tica de los recprocos de los nLmeros" < M 1Q551Q(i6Q.6 M .Q51Q(i6 1Q< M 51Q.6551Q(i6 Relaci$n entre la 4edia %ritm,tica, ?eom,trica y %rm$nicaJ #a 4edia ?eom,trica de nLmeros positi os (1, (2, (7 ""(n es menor o igual &ue su 4edia %ritm,tica, pero mayor o igual &ue su 4edia %rm$nica" < VM ? VM 4 < M ? M 4 cuando los datos son todos iguales" Rai' cuadrada de la 4edia %ritm,tica de los cuadrados rmsJ o 4edia 2uadr+tica de una serie de nLmeros (1,(2, (7U(n esJ

Rms M Rai' cuadrada 55( barra66 M Rai' cuadrada 5(iQ.6 2uantiles* 2uartiles 0eciles y PercentilesJ si una serie de datos se colocan en orden de magnitud, el alor medio de la media aritm,tica de los dos alores medios &ue di ide el conKunto de datos en dos partes iguales es la 4ediana, por e(tensi$n, si se di iden los datos en cuatro partes iguales seran cuartiles I1, I2, I7, I8 para sus partes de menor a mayor respecti amente, donde I2 M a la 4ediana" )i di idimos los datos en 1E partes tendriamos 0eciles, 01, 02, 07U0D" )i di idimos los datos en cien partes tendramos Percentiles P1, P2, P7UPDD"
1"7 4edidas de dispersi$n o ariabilidad"

#a 0es iaci$n 1pica y otras medidas de dispersi$nJ RangoJ de un conKunto de nLmeros es la diferencia entre el mayor y el menor de ellos" 0es iaci$n 4ediaJ Promedio de des iaci$n de una serie de n nLmeros (1, (2 !asta (n se defineJ 40 M 5%:s5(KF5( barra66Q. )i los datos presentan frecuenciasJ 40 M fK %:)5(KF5( barra66Q. 40 M 4edia %ritm,tica de %:)5(KF5( barra66 #a 4d tambi,n se calcula como des iaci$n absoluta de la 4ediana, donde es mnima, tambi,n se calcula de otros promedios" Rango )emiFintercuartlicoJ es la des iaci$n cuartlica de una serie de datosJ I M 5I7FI16Q2 Rango entre Percentiles1EFDE J de una serie de datos se define porJ Rango Percentil1EFDE M PDE W p1E" Rango )emi Percentlico P1EFDE M X 5PDE W P1E6 0onde PDE es el Percentil DE, y P1E el Percentil 1E" 0es iaci$n 1pica 5)6J de una serie de nLmeros (1, (2 U(n" )i 0 M (KF5( barra6" ) M Rai' 2uadrada 50)Q. M Rai' 250 barra6 Para datos agrupadosJ ) M Rai' 25fK 06QfK M Rai' 250 barra6 ) es la rai' cuadrada del cuadrado medio de las des iaciones a la media, o como a eces se le llama Brai' del cuadrado medio de las des iacionesC" Recu,rdese &ue . M fK" Para muestras de una poblaci$n se utili'a en el denominador 5.F16 en lugar de ., lo &ue permite una 5sobreestimaci$n6, para grandes alores de ., eKemplo .Y7E no !ay muc!a diferencia entre . y .F1" 2uando se necesita el estimador meKor, puede obtenerse multiplicando la 0es iaci$n 1pica calculada para la poblaci$n por la Rai' 25.Q5.F166"

3arian'a 5)6J de un conKunto de datos se define como, el cuadrado de la 0es iaci$n 1pica, se acostumbra representar la 3arian'a 4uestral con ) y la 3arian'a Poblacional con la letra sigma, 5sigma6" 4,todo corto para el c+lculo de la 0es iaci$n 1picaJ ) M Rai' 25(KQ. W 5(KQ.6) M Rai' 255( barra6 W 5( barra66 Para datos agrupadosJ ) M Rai' 25fK (KQ. W5fK (KQ.66 M 5Rai' c55( barra6 W 5( barra6) )i 0K M(KF%, son las ariaciones de (K de un alor arbitrario constanteJ ) M Rai' 2550 barra6F 50 barra66 2uando la 0istribuci$n de ;recuencia tiene un anc!o de clase igual 2J 0K M 2uK, (K M % P 2uK" ) M Rai' c5fK uKQ. W 5fK uKQ.6)& M Rai' 255u arra) ' "u arra))& 2onocido como m,todo cla e" Propiedades de la 0es iaci$n tpicaJ 1"F #a 0es iaci$n 1pica se define comoJ ) M Rai' 255(K W %6Q.6" 0onde %, es un promedio &ue puede ser distinto de la media aritm,tica, donde ) es mnima cuando % es la media aritm,tica" 2"F En una distribuci$n .ormal* a6 El =8,2>R de los casos est+n comprendidos entre 5( barra6F) y 5( barra6P)" b6 El D5,85R de los casos est+ entre 5( barra6F2) y 5( barra6P2)" c6 El DD,=7R de los casos est+ entre 5( barra6F7) y 5( barra6P7)" 7"F )i tenemos dos series de datos totales .1 y .2, de dos 0istribuciones de ;recuencia, cuyas arian'as )1Z y )2Z respecti amente, con la misma media 5( barra6" #a 3arian'a de ambas series resulta enJ )Z M 5.1)1Z P .2)2Z6Q5.1P.26 Este resultado puede generali'arse para m+s series de datos como una media ponderada de las arian'as" 2omprobaci$n 2!arlierJ En c+lculos de 4edias y 0es iaciones 1picas por el m,todo cla e !ace uso de las identidadesJ Sf5uP16 M Sfu P Sf M Sfu P ." Sf5uP16Z M SfuZ P 2Sfu P ." 2orrecci$n )!eppard para la 3arian'aJ El c+lculo de la 0es iaci$n 1pica tiene algo de error debido al agrupamiento de los datos en inter alos de clase, para aKustarlos a la realidad se utili'a la 3arian'a 2orregida asiJ 3arian'a 2orregida M 3arian'a de datos agrupados W 2ZQ12 Para su utili'aci$n se re&uiere an+lisis pre io" Relaciones Empricas entre las medidas de dispersi$n" Para 0istribuciones moderadamente asim,tricas se tienen las f$rmulas empricasJ 0es iaci$n 4edia M 8Q5 0es iaci$n 1pica"

Rango )emiFintercuartlico M 2Q7 0es iaci$n 1pica" En distribuciones .ormales J 0es iaci$n 4edia M Rango )emiFintercuartlico M E,=D=D 0es iaci$n 1pica M E,=>85 0ispersi$n %bsoluta y Relati a 2oeficiente de 3ariaci$n" #a dispersi$n o ariaci$n real determinada por la 0es iaci$n 1pica u otra medida de dispersi$n se llama dispersi$n absoluta, sin embargo, una dispersi$n o ariaci$n de 1E pulgadas en la medida de una distancia de 1EEE pies, tiene un efecto distinto al &ue tiene la misma ariaci$n de 1E pulgadas en una distancia de 2E pies, una medida de este efecto iene dada por la dispersi$n relati aJ 0ispersi$n Relati a M 0ispersi$n absolutaQ promedio" )i la des iaci$n absoluta es la 0es iaci$n tpica ), y el promedio es la media 5( barra6, la 0ispersi$n Relati a se conoce como, coeficiente de 3ariaci$n o coeficiente de 0ispersi$n" 2oeficiente de 3ariaci$n M 3 M )Q5( barra6 e(presado en porcentaKe" El 2oeficiente de 3ariaci$n presenta incon enientes cuando 5( barra6 tiende a cero" 3ariables .ormali'adas Referencias 1ipificadas" #a ariable ' M 5( W 5( barra66Q) 4ide la des iaci$n de la medida en unidades de la 0es iaci$n 1ipica se llama 3ariable .ormali'ada y sus cantidades son adimensionales" )i las des iaciones de las medidas ienen dadas en unidades de 0es iaci$n 1pica se les llama unidades 1ipificadas o Referencias 1ipificadas" 1"8 4omentos )i (1, (2, (7U (n alores &ue toma la ariable (J 5(R barra6 M 5(1R , (2R U(nR 6Q. )e conoce como, 4omento de orden R, )i R es 1, tendramos la 4edia %ritm,tica" El 4omento de orden R con respecto a la media 5( barra6 se define comoJ mR M S5(K W 5( barra66R Q. mR M 55(F5( barra66R barra6 )i RM1, m1ME )i RM2, mRM) la (arian)a* +l ,omento de orden - con respecto a un punto cualquiera A, se define como! m-. = "xj ' A)- $% = ""x-A)- arra) Donde "xj-a son las desviaciones x de A* Si A=/, tenemos ,omentos de orden - respecto al ori0en* Si xj tiene fj casos de frecuencia! m- = fj"xj-A)- $fj = ""x-A)- arra) xj = %* 1as f2rmulas son aplica les al c3lculo de ,omentos en datos a0rupados* -elaciones entre ,omentos! Sea m- ,omento de orden - con respecto a la ,edia Aritmtica m-. ,omento de orden - con respecto a un punto A* m4 = m4. ' m5. m6 = m6. ' 6m5.m4. # 4m5.7

m8 = m8. ' 8m5.m6. # 9m5.m4. ' 9m5.8 %2tese que m5. = "x arra) ' A* ,omentos para datos a0rupados! 1os mtodos clave para el c3lculo de la ,edia y la Desviaci2n :;pica, pueden utili)arse para un mtodo corto en el c3lculo de ,omentos* &omo xj = A # &uj, m-. = &r <juj- $% = m- = &- "u- arra)* &ompro aci2n &=arlier! +n el c3lculo de ,omentos por el mtodo clave utili)a las identidades! f"u#5) = fu # %* f"u#5) = fu # 4fu # %* f"u#5)7 = fu7 # 6fu # 6fu # %* etc* &orrecci2n S=eppard! ,4 corre0ida = m4 ' 5$54 & ,8 corre0ida = m8 ' > &m4 # ?$48/ &8 1os ,omentos m5 y m6 no necesitan correcci2n* ,omentos en forma adimensional! respecto a la ,edia! a- = m-$S- = m-$"-ai) &"m4))Donde S = -ai) &"m4) @uesto que m5=/ y m4=S, se tiene que a5=/ y a4=5* Ses0o! es el 0rado de asimetr;a de una distri uci2n* Si la curva de frecuencia o @ol;0ono de frecuencia suavi)ado de una distri uci2n, tiene una cola m3s lar0a a la derec=a, se dice que la distri uci2n est3 ses0ada a la derec=a o ses0o positivo, de lo contrario, se le denomina de ses0o a i)quierda o ne0ativo* 1a ,edia tiende a u icarse del lado del ses0o con respecto a la ,oda, as;! una medida de la asimetr;a, nos viene dada por la diferencia! ,edia ' ,oda* Adimensionalmente con respecto a la Desviaci2n :;pica! "5) Ses0o = ",edia ' ,oda)$ Desviaci2n :;pica = ""x arra) ' ,oda)$S "4) +mp;ricamente Ses0o = 6",edia ' ,ediana)$S = 6""x arra) ' ,ediana)$S 1as dos anteriores "5) y "4) se conocen como, primero y se0undo coeficiente de ses0o de pearson* Atras medidas de Ses0o dadas en funci2n de Buartiles y @ercentiles son! &oeficiente de Ses0o Buart;lico = C"B6-B4) ' "B4-B5)D$ "B6-B5) = "B6-4B4#B5)$"B6-B5)* &oeficiente de Ses0o @ercent;lico5/-E/ = C"@E/-@F/) ' "@F/-@5/)D$"@E/-@5/ = "@E/-4@F/#@5/)$"@E/-@5/) Gna importante medida de Ses0o que emplea el ,omento de tercer orden con respecto a la ,edia! &oeficiente de Ses0o = a6 = m6$S6 = m6$-ai) &"m4)7 Atra medida de Ses0o! &oeficiente de Ses0o 5 = a6 @ara curvas Simtricas "%ormal) a6=/* &urtosis! es el 0rado de apuntamiento de una distri uci2n, 0eneralmente se toma en relaci2n a la Distri uci2n %ormal, una disti uci2n que presenta un apuntamiento relativamente alto, se llama 1eptocrtica, mientras que una distri uci2n ien ac=atada se le denomina @laticrtica, la distri uci2n %ormal se le llama ,esocrtica* Gna medida de &urtosis emplea el ,omento de cuarto orden con respecto a la ,edia, adimensionalmente! &oeficiente de &urtosis = a8 = m8 $ S8 = m8$m6 que se desi0na por 4, para una distri uci2n %ormal 4 = a8 = 6* @or esta ra)2n se define la &urtosis como, 4-6 que es positiva para una distri uci2n 1eptocrtica, ne0ativa para una distri uci2n @laticrtica y / para la distri uci2n %ormal* &urtosis con ase a los Buartiles y @ercentiles H = B$"@E/-@5/) donde B = > "B6-B5)*

Se conoce como, &oeficiente de &urtosis @ercent;lico, para la distri uci2n %ormal vale /,49I* ,omento Ses0os y &urtosis de la @o laci2n! Se acostum ra utili)ar s;m olos latinos para las ,uestras y 0rie0os para la @o laci2n* -./0%0 2" /.1R90-22/9. % #% PR9:%:/#/0%0 2"1 4,todos de enumeraci$n