Medidas de Tendencia Central y de Variabilidad MEDIDAS DE TENDENCIA CENTRAL Comenzaremos a analizar las distribuciones con el objeto de obtener medidas

descriptivas numricas llamadas estadsticas, que nos ayuden en el anlisis de las caractersticas de los datos. Hay 2 caractersticas que son de particular: la tendencia central y la dispersin. MEDIDAS DE TENDENCIA CENTRAL: Moda, mediana y media Tendencia central: se refiere al punto medio de una distribucin. Tambin se denominan medidas de posicin. Moda: es el valor que ms se repite en un conjunto de datos.

VENTAJAS Y DESVENTAJAS DE LA MODA Se puede utilizar para datos cualitativos nominales u ordinales y para datos cuantitativos No se ve afectada por los valores extremos Se puede utilizar cuando la distribucin de frecuencias tenga clases abiertas Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, se dice que no tiene moda Si un conjunto de datos contiene 2 puntuaciones adyacentes con la misma frecuencia comn (mayor que cualquier otra), la moda es el promedio de las 2 puntuaciones adyacentes Conjuntos muy numerosos se denominan bimodales cuando presentan un polgono de frecuencias con 2 lomos, aun cuando las frecuencias en los 2 picos no sean exactamente iguales. Estas ligeras distorsiones de la definicin estn permitidas porque el trmino bimodal es muy conveniente y en ltimo trmino es descriptivo. Una distincin conveniente puede hacerse entre la moda mayor y la moda menor.

Mediana: es el valor que divide al conjunto ordenado de datos, en dos subconjuntos con la misma cantidad de elementos. La mitad de los datos son menores que la mediana y la otra mitad son mayores. VENTAJAS Y DESVENTAJAS DE LA MEDIANA Se puede utilizar para datos cualitativos ordinales y para datos cuantitativos No se ve afectada por los valores extremos. Esta es la propiedad ms importante que tiene. Se puede utilizar cuando la distribucin de frecuencias tiene clases abiertas, a menos que la mediana caiga en una de las clases abiertas. Si hay un gran nmero de datos, el tener que ordenarlos para hallar la mediana insume esfuerzo y tiempo.

Media o media aritmtica: Es el promedio de los datos. Una muestra con n (minscula) observaciones, tiene una media x (que se denomina estadstica) Una poblacin con N (mayscula) elementos tiene una media m (que se denomina parmetro)

Clculo de la media para datos no agrupados

Clculo de la media para datos agrupados Para calcular la media para datos agrupados, primero calculamos el punto medio de cada clase (marca de clase i m ). Despus multiplicamos cada punto medio por la frecuencia absoluta de cada intervalo

VENTAJAS Y DESVENTAJAS DE LA MEDIA Se trata de un concepto familiar e intuitivamente claro Cada conjunto de datos tiene una media y es nica Es til para llevar a cabo procedimientos estadsticos como la comparacin de medias de varios conjuntos de datos. En estadstica inferencial es la medida de tendencia central que tiene mejores propiedades Aunque la media es confiable en el sentido de que toma en cuenta todos los valores del conjunto de datos, puede verse afectada por valores extremos que no son representativos del resto de los datos. La media puede malinterpretarse si los datos no forman un conjunto homogneo. No se puede calcular la media si la distribucin de frecuencias tiene clases abiertas

COMPARACIN ENTRE LA MEDIA, LA MEDIANA Y LA MODA Las distribuciones simtricas tienen el mismo valor para la media, la mediana y la moda. En una distribucin con sesgo positivo, la moda se halla en el punto ms alto de la distribucin, la mediana est hacia la derecha de la moda y la media ms a la derecha. Es decir Mo < Me < x En una distribucin con sesgo negativo, la moda es el punto ms alto, la mediana est a la izquierda de la moda y la media est a la izquierda de la mediana. Es decir, x <Me < Mo Cuando la poblacin tiene una distribucin sesgada, con frecuencia la mediana resulta ser la mejor medida de posicin, debido a que est siempre entre la media y la moda. La mediana no

se ve altamente influida por la frecuencia de aparicin de un solo valor como es el caso de la moda, ni se distorsiona con la presencia de valores extremos como la media. La seleccin de la media, la mediana o la moda, depende de la aplicacin.

MEDIDAS DE VARIABILIDAD Dispersin: La dispersin se refiere a la extensin de los datos, es decir al grado en que las observaciones se distribuyen (o se separan). Sesgo: Las curvas que representan un conjunto de datos pueden ser simtricas o sesgadas. Las curvas simtricas tienen una forma tal que una lnea vertical que pase por el punto ms alto de la curva, divide al rea de sta en dos partes iguales. Si los valores se concentran en un extremo se dice sesgada. Una curva tiene sesgo positivo cuando los valores van disminuyendo lentamente hacia el extremo derecho de la escala y sesgo negativo en caso contrario. Curtosis: Nos da una idea de la agudeza de la distribucin de frecuencias. 1. Una curva normal tiene curtosis 0. Esta curva se llama mesocrtica. 2. Si la curtosis es mayor que 0, la curva es ms empinada que la anterior y se denomina leptocrtica. 3. Si la curtosis es menor que 0, es relativamente plana y se denomina platicrtica.

MEDIDAS DE DISPERSIN Las medidas de dispersin son tiles porque: Proporcionan informacin adicional que nos permite juzgar la confiabilidad de nuestra medida de tendencia central. Nos permiten comparar varias muestras con promedios parecidos.

RANGO: Es la diferencia entre el mayor y el menor de los valores observados. VARIANZA Y DESVIACIN ESTNDAR Veremos dos medidas que nos dan una distancia promedio con respecto a la media de la distribucin: varianza y desviacin estndar. VARIANZA DE LA POBLACIN: Es el promedio de las distancias al cuadrado que van de las observaciones a la media Aplicacin de la desviacin estndar poblacional La desviacin estndar nos permite determinar, con un buen grado de precisin, dnde estn localizados los valores de una distribucin de frecuencias con relacin a la media.

COEFICIENTE DE VARIACIN: La desviacin estndar es una medida absoluta de la dispersin que expresa la variacin en las mismas unidades que los datos originales. Pero no puede ser la nica base para la comparacin de dos distribuciones. El coeficiente de variacin es una medida relativa de dispersin que expresa a la desviacin estndar como un porcentaje de la media. PERCENTILES Un percentil aporta informacin acerca de la dispersin de los datos en el intervalo que va del menor al mayor valor de los datos. En los conjuntos de datos que no tienen muchos valores repetidos, el percentil p divide e los datos en dos partes. Cerca del p porciento de las observaciones tienen valores menores que el percentil p y aproximadamente (100-p) por ciento de las observaciones tienen valores mayores o iguales que este valor. Definicin: El percentil p es un valor tal que por lo menos p porciento de las observaciones son menores o iguales que este valor y por lo menos (100-p) por ciento de las restantes son mayores o iguales que ese valor. PROBABILIDAD BASICA Conceptos bsicos: El objetivo de estudio de la estadstica es explicar el comportamiento de un fenmeno aleatorio. El concepto de probabilidad es de suma importancia. qu estudia la estadstica?: Se define como la ciencia que tiene que ver con la obtencin, tabulacin, anlisis e interpretacin de datos. Ensayos aleaotorios: es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cul de stos va a ser observado en la realizacin del experimento. Espacio muestral: de un experimento aleatorio es el conjunto formado por todos los posibles resultados del experimento aleatorio. El espacio muestral es denotado por S. Evento aleatorio: es un subconjunto del espacio muestral. El evento es denotado por las letras A, B, etc. Si el evento esta formado por slo un resultado diremos que es un evento simple, si por el contrario el evento consta de dos o mas resultados, definiremos el evento como evento compuesto. Evento imposible: es el evento que no tiene elementos, mientras que el evento seguro es el conjunto de todos los posibles resultados, es decir, el espacio muestral S.

LGEBRA DE EVENTOS EN ESPACIOS MUESTRALES FINITOS Se dice que dos eventos son excluyentes si ellos no pueden ocurrir en forma simultanea. Los eventos. Se denominan eventos mutuamente excluyentes si cualquier par de estos son eventos excluyentes. El evento unin es el evento formado por la unin de los subconjuntos A y B, es decir, por la unin de los resultados del evento A o del evento B . El evento unin se denota por AUB. El evento A U B ocurre si ocurre el evento A o el evento B. El evento AUB no ocurre cuando ni ocurre el evento A ni ocurre el evento B.

El evento interseccin es el evento formado por la interseccin de los subconjuntos A y B, es decir, por la interseccin de los resultados del evento A y del evento B . El evento interseccin se denota por AnB. El evento interseccin ocurre si ocurre el evento A y ocurre el evento B. i) No ocurre el evento A aunque ocurre el evento B. ii) Ocurre el evento A pero no ocurre el evento B. iii) No ocurre el evento A ni ocurre el evento B. Es decir, con un evento de los dos que no ocurra, ya no ocurre el evento interseccin. El evento complemento es el evento formado por todos los resultados del espacio muestral que no forman al evento A. El evento complemento del evento A se denota por A^C. el evento complemento de A ocurre cuando no ocurre el evento A. El evento A^C no ocurre cuando ocurre el evento A. PROBABILIDAD, REGLAS DE PROBABILIDAD. Se tienen entonces que la probabilidad es una representacin matemtica de la regularidad estadstica. Existe la forma de: Modelos probabilsticos: la cual se basa en la representacin a travs de ecuaciones de un fenmeno aleatorio. Existe la idea de probabilidad subjetiva la cual se basa en el grado de creencia del individuo respecto a la ocurrencia del evento aleatorio de inters.

Reglas de probabilidad Sea A un evento, la probabilidad del evento A cumple las siguientes propiedades: 1. La probabilidad de cualquier evento es un valor entre cero y uno. 2. La probabilidad del evento seguro es uno. 3. La probabilidad del evento imposible es cero.

4. La suma de las probabilidades de todos los elementos del espacio muestral o de todos los eventos simples es uno. Sean A y B dos eventos, entonces 1. La probabilidad del evento unin es igual a la probabilidad del evento A mas la probabilidad del evento B, menos la probabilidad del evento interseccin.

Probabilidad condicional: En general en ocasiones se desea obtener la probabilidad de algn evento A dado que a ocurrido un evento B. Independencia: Al ser el evento A independiente del evento B tambin se tiene que el evento B es independiente del evento A, por lo anterior se dice que los eventos A y B son independientes. ASPECTOS PRINCIPALES DEL MUESTREO la inferencia consiste en la estimacin de un parmetro de la poblacin, tal como una media, un total o una proporcin como un lmite para error de estimacin. Definicin de muestreo: El muestreo estadstico es un enfoque sistemtico para seleccionar unos cuantos elementos de un grupo de datos a fin de hacer algunas inferencias sobre el grupo total. Para que el muestreo est bien realizado es necesario que los elementos escogidos representen bien a toda la poblacin. Si la muestra no cumple este cometido se dice que la muestra es sesgada o tendenciosa si es el caso contrario se dice que es una muestra representativa. Ventajas del Muestreo en Comparacin con un Censo. Costo Reducido Mayor Rapidez Ms Posibilidades Mayor Exactitud

Etapas de la Encuesta Establecimiento de Objetivos. Poblacin Objetivo. El Marco de Muestreo. Diseo de Muestreo Mtodo de Medicin. Instrumento de Medicin. Seleccin y Adiestramiento de Investigadores de Campo. Prueba Piloto. Organizacin de Trabajo de Campo. Anlisis de los Datos.