Академический Документы
Профессиональный Документы
Культура Документы
S
SemestreU2014
ConceptodeEstadstica
y Serefiereaunconjuntodemtodosparamanejarla
obtencin,presentacin yanlisis de
observacionesnumricas.
observacionesnumricas
ConceptodeEstadstica
y Susfinessondescribir alconjuntodedatosobtenidosy
reasqueconformanalaEstadstica
y EstadsticaDescriptiva(Deductiva):esla
E d i D
i i (D d i ) l
DESCRIBIR
encargadadelaorganizacin,condensacin,
presentacin delosdatosentablasygrficosy
delclculo demedidasnumricasquepermitan
estudiarlosaspectosmsimportantesdelos
datos.
reasqueconformanalaEstadstica
y EstadsticaInferencialoInferenciaEstadstica:
E d i I f
i l I f
i E d i
estdefinidaporunconjuntodetcnicas,
mediantelascualessehacengeneralizacioneso
setomandecisiones enbaseainformacin
parcialobtenidamediantetcnicasdescriptivas.
Tema 1.. Introduccin
INFERIR
reasdeAplicacindelaEstadstica
y ElusodelaEstadsticaesmuyamplio.Resultadifcil
ElusodelaEstadsticaesmu amplio Resultadifcil
nombrarunreaenlacualnoseemplee.
y Losmtodosestadsticoshanencontradoaplicacin
en:
Gobierno
Negocios
Ci
i S i l
CienciasSociales
Ingeniera
CienciasFsicayNaturales
ControldeCalidad
C t ld C lid d
ProcesosdeManufactura
Muchosotroscamposdelaactividadintelectual.
y
y
y
y
y
y
y
y
reasdeAplicacindelaEstadstica
y Estosedebealacrecientefacilidadconlacual
E d b l
i
f ilid d
l l
sepuedenmanejargrandescantidadesdedatos
numricos,debidoalusode
numricos debidoalusode
ConceptosdePoblacinyMuestra
y Poblacin:eslacoleccindetodas lasposibles
medicionesuobservacionesquepuedenhacerse
deunavariablebajoestudio.
deunavariablebajoestudio
ConceptosdePoblacinyMuestra
y Seclasificaendoscategoras:
y Finita:esaquellaqueincluyeunacantidadlimitada
contabledeobservaciones,individuosomedidas.
t bl d b
i
i di id did
Siemprequeseaposiblealcanzar(contar)elnmero
totaldetodaslasposiblesmediciones,seconsidera
comofinitalapoblacin.
ConceptosdePoblacinyMuestra
y Infinita:esaquellaqueincluyeungranconjuntode
observacionesomedicionesquenopuedenalcanzarse
porconteo Almenos hipotticamente noexistelmite
porconteo.Almenos,hipotticamente,noexistelmite
encuantoalnmerodeobservacionesqueel
experimentopuedegenerar.
Tema 1.. Introduccin
ConceptosdePoblacinyMuestra
yM
Muestra:
y esunconjuntodemedicionesuobservaciones
tomadasapartirdeunapoblacin.
tomadasapartirdeunapoblacin
y esunsubconjuntodelapoblacin.
Tema 1.. Introduccin
ConceptosdePoblacinyMuestra
y Muestraaleatoria:seconsideraaleatoriasiemprey
cuandocadaobservacin,medicinoindividuodela
poblacintengalamismaprobabilidaddeser
seleccionado.
Tema 1.. Introduccin
Definicindevariableydatos
y Variables:
y sonlascaractersticasoloqueseestudiadecada
individuodelamuestra.Ej:sexo,edad,peso,estatura,
colordeojos,estadocivil,temperatura,cantidadde
nacimientos,presin,grosor,dimetro,...
p
g
y Datos:
y sonlosvaloresquetomalavariableencadacaso.
Tiposdedatos
y Cualitativos:sondatosquesolotomanvaloresasociados
alascualidadesoatributos,clasificndolosenunade
variascategoras esdecir nosonvaloresnumricos Ej:
variascategoras,esdecir,nosonvaloresnumricos.Ej:
y Sexo:f/m.
y Hbitodefumar:Fumador/Nofumador
y Religin:catlica,evanglica,
y Estadocivil:soltero,casado,divorciado,
Estadocivil:soltero casado divorciado
y Colordeojos:negro,azul,marrn,
Tiposdedatos
y Cuantitativos:provienendevariablesquepueden
medirse,cuantificarseoexpresarsenumricamente.
Ejemplos:
y Peso
y Edad
y Presin
y Humedad
y Intensidaddeunsismo
y Cantidaddehermanos
y Estatura
Escalasdemedida
y Tiposdevariablescuantitativas:
y Discretas:esaquellaquesolopuedetomarunnmero
fi it i fi it
finitooinfinitonumerabledevalores.Ejemplo:cantidad
bl d l
Ej
l tid d
dehermanos.
y Continuas:eslavariablequepuedetomarcualquier
q p
q
valorenunaescalacontinua.Ejemplo:cantidadde
lquidocontenidoenunrecipiente.
Escalasdemedida
y EscalaNominal.
y EscalaOrdinal.
Variables Cualitativas
y EscaladeIntervalos.
y EscaladeRaznoProporcin.
y EscalaAbsoluta.
Variables
Cuantitativas
Escalasdemedida
y Escalanominal:losdatossepuedenagruparen
categorasquenomantienenunarelacinde
ordenentresi porlotantonoestndefinidas
ordenentresi,porlotantonoestndefinidas
lasoperacioneslgicas(>,<,,)sinosololas
deigualdadodiferencia.
y Ejemplos:colordeojos,sexo,profesin,estado
civil,religin.
Escalasdemedida
y Escalaordinal:existeunciertoordenojerarquaentre
lascategoras(>,<,,).
y Ejemplos:gradosmilitares,organigramadeuna
Ej
l d ili
i
d
empresa,escalafndelosprofesoresuniversitarios,
gradosdedisnea estadiajedeuntumor
gradosdedisnea,estadiajedeuntumor.
Escalasdemedida
y EscaladeIntervalos:valoresnumricosdelas
variablesyademsdelasrelacionesdeorden(>,
<,,),sepuedenestablecerdistancias,esdecir,
)
d
bl
di
i d i
tienensentidolasoperacionesdesumayresta.
Tienedospropiedades:
p p
constanteparatodoslosvaloresquetomalavariable.
y Existeunvalorpatrnuorigenrelativoquenosignifica
laausenciadevalorenlavariable.
y Existeunaunidaddemedidaquesemantiene
Escalasdemedida
y Ejemplo:temperatura,nivelderuido,movimientos
ssmicos.
Escalasdemedida
y Escaladeraznoproporcin:eslamscompletay
E l d
i l
l t
generaldetodaslasescalas.Secaracterizaporque
losvaloresdelavariablesonnmerosentrelos
cuales,ademsdelasrelacionesdeorden(>,<,,
)ydistancia(+,),sepuedenestablecer
mltiplosyproporciones.
y Ejemplos:peso,altura,volumen
Escalasdemedida
y EscalaAbsoluta:secaracterizaporquelosvaloresque
tomalavariablesonelresultadodecontar yporlo
tanto,estconstituidaporlosenterospositivosyel
cero.
y Ejemplos:nmerodehermanos,cantidaddeautos
vendidos,cantidaddeaccidentesenunainterseccin,
did
id dd id
i
i
cantidaddehijos,
DatosUnivariantesyMultivariantes
y Univariantesounidimensionales:slorecogen
informacinsobreunacaracterstica(Ej:edaddelos
alumnosdeunaclase).
y Bivariantesobidimensionales:recogeninformacin
sobredoscaractersticasdelapoblacin.(Ej:edady
estaturadelosalumnosdeunaclase).
d l l
d
l )
DatosUnivariantesyMultivariantes
y Multivariantesopluridimensionales:recogen
informacinsobretresmscaractersticas.(Ej:edad,
estaturaypesodelosalumnosdeunaclase).
estaturaypesodelosalumnosdeunaclase)
AbusosquesepuedencometerconlaEstadstica
y Conclusioneserrneasdebidoaquelosdatosson
numricamenteinsuficientes.
y Representacionesgrficasengaosas(escalas).
y Datosmuestralesnorepresentativos:
y Ciertascategorasdepersonasnoresponden
correctamente.
y Respuestasvoluntarias(sesgadas).
y Muestraquenoincluyeaelementosdetodalapoblacin.
TEMA2.ESTADSTICADESCRIPTIVA
Organizacindelosdatos
y Unavezqueseha
Tema 2. Estadstica Descrriptiva
realizadolarecoleccinde
losdatos,seobtienen
datosenbruto,loscuales
raravezsonsignificativos
f
sinunaorganizaciny
tabulacin.
,
datosenbruto,consisteencolocarlasobservacionesen
ordensegnsumagnitud:ascendenteodescendente.
y Pocoprcticacuandosetieneunagrancantidadde
datos.
Clase
Pto.
Medio
fi
Fi
fri
FRi
delosdatosquepermiteexpresarlafrecuenciade
ocurrenciasdelasobservacionesencadaunade
lasclases mostrandoelpatrndeladistribucin
lasclases,mostrandoelpatrndeladistribucin
demaneramssignificativa.
Organizacindelosdatos
y
y
LaregladeSturges:k=1+3.3log(n)
LaregladeSturges:k
1+3.3log(n)
k=n
y LaDistribucindeFrecuencias:
y Serecomiendasuusocuandosetienengrandes
cantidadesdedatos(n).
tid d d d t ( )
y Suconstruccinrequiere,enprimerlugar,la
seleccindeloslmitesdelosintervalosdeclase.
y Paradefinirlacantidaddeintervalosdeclase(k),
sepuedeusar:
Organizacin delosdatos
y Lacantidaddeclasesnopuedesertanpequeo
(menosde5)otangrande(msde20),quela
verdaderanaturalezadeladistribucinsea
imposibledevisualizar.
y Laamplituddetodaslasclasesdeberserlamisma.
Serecomiendaqueseaimparyquelospuntos
mediostenganlamismacantidaddecifras
significativasquelosdatosenbruto.
y Loslmitesdelasclasesdebentenerunacifra
significativamsquelosdatosenbruto.
Organizacindelosdatos
fri =fi/n
y Frecuenciarelativaacumuladadelaclase(Fr
( i)).
y Determinar:
y Puntomedio=(Li+Ls)/2.
y Frecuenciaabsolutadelaclase(fi).
y Frecuenciaacumuladadelaclase(Fi).
y Frecuenciarelativadelaclase(fri):
EjemplodeDistribucindeFrecuencias
Tema 2. Estadstica Descrriptiva
Acontinuacinsepresentanlas
calificacionesde60estudiantes
lifi i
d 6 t di t
quepresentaronlaPINAenel
ao2010:
EjemplodeDistribucindeFrecuencias
a)Construyaunadistribucindefrecuencias.
b)Qupuedeconcluirdeestosdatos?
23607932577452708236
80778195416592855576
52106475782580988167
6 8 8 88 6
41718354647288627443
60788976844884901579
34671782697463808561
EjemplodeDistribucindeFrecuencias
Antesdeconstruirladistribucindefrecuencia,sevaa
obtenerelarreglodeestosdatos,enestecaso,ordenados
demenoramayor:
10
15
17
23
25
32
34
36
4141
43
48
52
52
54
55
57
60
6061
62
63
64
64
65
67
67
69
7071
72
74
74
74
75
76
76
77
7878
79
79
80
80
80
81
81
82
8283
84
84
85
85
88
89
90
92
9598
EjemplodeDistribucindeFrecuencias
1) Determinarlacantidaddeclases(k)aemplear:
LaregladeSturges:k=1+3.3log(n)=6.86 7clases.
y k=n=60=7.75
k=n=60=7 75 8clases.
8clases
Qucantidaddeclaseusar,7u8?
y
y
y
Calcularelrangodelosdatos(R):R=ObsermayorObsermenor,
R=9810=88puntos.
A=R/k,aproximaraunvalorunpocomayorqueelobtenido
paraasegurarquelasclasesvanaabarcaralconjunto
completodelosdatos.
A=88/7=12,57 12.6
2) Calcularlaamplitud(A)delasclasesausar:
EjemplodeDistribucindeFrecuencias
3. Determinarellmiteinferiordelaprimeraclasea
Tema 2. Estadstica Descrriptiva
usar.Li=9.9
4. Determinarellmitesuperiordelaprimeraclase,
D
i ll i
i d l i
l
sumanalLihalladoenelpasoanteriorlaamplitud
delaclases Ls=9 9+12 6=22 5
delaclases.Ls=9.9+12.6=22.5
Setienelaprimeraclasecomo9.9 22.5
3. Determinarelrestodelasclases,usandocomolmite
inferiordecadauna,allmitesuperiordelaclase
anterior.
Clase
Pto.
Medio
fi
Fi
fri
FRi
9.9-22.5
22.5-35.1
47 7-60
47.7
60.3
3
60.3-72.9
72.9-85.5
85 5 98 1
85.5-98.1
35.1-47.7
EjemplodeDistribucindeFrecuencias
4. Calcularelpuntomediodecadaclase:Puntomedio=
f i =f
fr
fi/n
/
8. Determinarlafrecuenciarelativaacumuladadela
clase(Fri).
)
(Li+Ls)/2.
5. Determinarlafrecuenciaabsolutadelaclase(fi),
)
contandolacantidaddedatosquepertenecenacada
clase.
6. Determinarlafrecuenciaacumuladadelaclase(Fi).
7. Determinarlafrecuenciarelativadelaclase(fri):
a)
Pto.
Medio
fi
Fi
fri
Fri
9.9-22.5
16
0.05
0.05
22.5-35.1
29
0.07
0.12
35.1-47.7
41
11
0.07
0.19
47 7-60
47.7
60.3
3
54
19
0 13
0.13
0 32
0.32
60.3-72.9
67
12
31
0.2
0.52
72.9-85.5
79
23
54
0.38
0.90
85 5 98 1
85.5-98.1
92
60
01
0.1
Clase
EjemplodeDistribucindeFrecuencias
b) EnestaPINAlomasfrecuenteesquelosestudiantes
Tema 2. Estadstica Descrriptiva
obtengancalificacionesentre60y85puntos,y
menosfrecuentescalificacionesmayoresa85o
menoresa35puntos.
Un38%delosestudiantesobtuvieronentre72y85
puntos.
Un81%delosestudiantesaprobaronestaPINA,
p
siendounporcentajemuybueno.
Representacingrficadelosdatos
Representacingrficadelosdatos
y Losgrficospermitenvisualizarenformaglobalyrpida
y Histogramas.
g
y Polgonodefrecuencias.
y OjivaoPolgonodefrecuenciasacumuladas.
elcomportamientodelosdatos.
y Paradatoscuantitativosagrupadosenclases,
P d t
tit ti
d l
comnmenteseutilizantresgrficos:
Histograma
Tema 2. Estadstica Descrriptiva
SeobtienegraficandoenelejedelasX,loslmitesdelas
clases,yenelejedelasY,lafrecuenciaabsolutade
cadaclase(fi).
cadaclase(fi)
Losrectngulosqueseobtienensedebengraficar
unidos.
unidos
Representacingrficadelosdatos
Histograma
Polgonodefrecuencias:
Tema 2. Estadstica Descrriptiva
SeobtienegraficandoenelejedelasX,lospuntos
mediosdelasclases(mi),yenelejedelasY,la
frecuenciaabsolutadecadaclase(fi).
frecuenciaabsolutadecadaclase(fi)
Lospuntosobtenidosseunenusandosegmentosde
lneasrectas.
lneasrectas
Representacingrficadelosdatos
Ojiva
Tema 2. Estadstica Descrriptiva
SeobtienegraficandoenelejedelasX,ellmitesuperior
delasclases,yenelejedelasY,lafrecuenciasrelativas
acumuladasdecadaclase(Fri).
acumuladasdecadaclase(Fri)
Lospuntosobtenidosseunenusandosegmentosde
lneasrectas.
lneasrectas
EstagrficoiniciadesdeelejedecoordenadasX.
Representacingrficadelosdatos
Ojiva
Representacingrficadelosdatos
y Paradatoscualitativosseusan:
y Barras:seusaparavariablescualitativasquesemiden
usandounaescala,tantonominalcomoordinal.
d
l t t
i l
di l
SeobtienegraficandoenelejedelasX,lascategorasde
lavariableenestudio,yenelejedelasY,lafrecuencias
,y
j
,
absolutadecadacategora(fi).
Lasbarrassedibujanseparadas.
Representacingrficadelosdatos
Barras
Barras
Representacingrficadelosdatos
y Curvas:seusaparavariablescualitativasquesemiden
Tema 2. Estadstica Descrriptiva
usandounaescalaordinal.
SeobtienengraficandoenelejedelasX lavariable
SeobtienengraficandoenelejedelasX,lavariable
tiempo,yenelejedelasY,losvaloresdelavariableen
estudio.
Algunosautoresdenominanaestetipodegrficocomo
seriesdetiempooseriescronolgicas.
Representacingrficadelosdatos
Curvas
Representacingrficadelosdatos
y Sectores,tortaocircular:seusaparavariablescualitativasquese
midenusandounaescala,tantonominalcomoordinal.
Se obt e e d d e do a u c cu o e secto es, cuyo ta a o es
Seobtienedividiendoauncrculoensectores,cuyotamaoes
proporcionalalafrecuenciadecadacategoradelavariable.
Seemplealasiguienteexpresinparacalculareltamaodecada
sector:Sector=fri 360 .
sector:Sector=fri*360
Algunosautoresprefierenpresentarestegrficousando
porcentajes:Sector=(fi*100)/n.
Representacingrficadelosdatos
Ejemplodeconstruccindegrficos
Tema 2. Estadstica Descrriptiva
fi
24
22
18
16
14
12
10
8
6
4
2
9.9
22.5
35.1
47.7
60.3
72.9
85.5
98.1
LmitesdeClase
(calificacinenpuntos)
20
fi
24
22
18
16
14
12
10
8
6
4
2
16
29
41
54
67
79
92
Puntomediodeclase
(calificacinenpuntos)
20
lh
l
d
Escomnpresentarelhistogramaypolgonode
frecuenciasenunmismogrfico:
fi
24
22
18
16
14
12
10
8
6
4
2
9.9
22.5
35.1
47.7
60.3
72.9
85.5
98.1
LmitesdeClase
(calificacinenpuntos)
20
Fri
1
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
22.5
35.1
47.7
60.3
72.9
85.5
98.1
Lmitesuperiordeclase
(calificacinenpuntos)
0.9
MedidasdeTendenciaCentral
Medidasdetendenciacentraloposicin
y Correspondenavaloresquegeneralmenteseubicanen
Tema 2. Estadstica Descrriptiva
lapartecentraldeunconjuntodedatos.
y Formacomolosdatospuedencondensarseenunsolo
F
l d
d
d
l
valorcentralalrededordelcualtodoslosdatos
muestralessedistribuyen.
muestralessedistribuyen
Medidasdetendenciacentraloposicin
y Lasmedidasdetendenciacentralmsimportantes
son:
y Mediana.
y Moda.
Moda
y Media:AritmticayAritmticaponderada.
M di A i i A i i
d d
MediaAritmtica
y Eslasumadetodaslasobservacionesdivididaentreelnmero
Tema 2. Estadstica Descrriptiva
totaldeobservaciones.
y Expresadadeformamsintuitiva,podemosdecirquelamedia
aritmticaeslacantidadtotaldelavariabledistribuidaapartes
igualesentrecadaobservacin.(wikipedia)
y Porejemplo,sienunahabitacinhaytrespersonas,lamedia
j p ,
y
p
,
dedineroquetienenensusbolsillosseraelresultadodetomar
todoeldinerodelostresydividirloapartesigualesentrecada
unodeellos.Esdecir,lamediaesunaformaderesumirla
i f
informacindeunadistribucin(dineroenelbolsillo)
i d
di t ib i (di
lb l ill )
suponiendoquecadaobservacin(persona)tendralamisma
cantidaddelavariable.(wikipedia)
Clculodelamediaaritmtica
y Paradatosnoagrupados:
P d
d
n
i =1
X=
m f
i i
i =1
X=
Mediana
y Eselvalorqueocupalaposicincentraldeun
Tema 2. Estadstica Descrriptiva
conjuntodeobservaciones,unavezquehansido
ordenadosenformaascendenteodescendente.
ordenadosenformaascendenteodescendente
y Dividealconjuntodedatosendospartesiguales.
Clculodelamediana
Tema 2. Estadstica Descrriptiva
y Paradatosnoagrupados:
y Sinesimpar:posicindondeseubicalamedianaes
i
iguala(n+1)/2.
l ( )/
y Sinespar:(n+1)/2noesentero,porlotantolamediana
serigualalpromediodelasdosposicionescentrales.
g
p
p
Clc lo de la mediana
Clculodelamediana
y Datosagrupados:clasemedianaeslaque
D
d l di
l
n +1
F ( xm 1 )
Md = Lm
L + 2
C
Cm
f ( xm )
Donde:
o de
Lm: lmite
te inferior
e o de la
a clase
c ase mediana.
ed a a
F(xm-1): frecuencia acumulada de la clase
anterior a la clase mediana.
f(xm): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
mediana
contienealaobservacinqueocupala
p
/
posicinn/2.
Moda
y Observacinoclasequetienelamayorfrecuenciaen
Tema 2. Estadstica Descrriptiva
unconjuntodeobservaciones.
y Unconjuntodedatospuedeserunimodal,bimodalo
U
j
d d
d i d l bi d l
multimodal.
y Eslanicamedidadetendenciacentralquesepuede
determinarparadatosdetipocualitativo.
Clc lo de la moda
Clculodelamoda
y Paradatosnoagrupados:essimplementela
P d
d i l
l
1
Mo = Lim +
Cm
1 + 2
Donde:
observacinquemsserepite.
y Paradatosagrupados:
Relacinentrelamedia,lamedianaylamoda
XMedia
XMediana
XModa
M d
Ejemplodelosclculosdelas
medidasdetendenciacentral:
Media:datosNOagrupados
n
i =1
23 + 60 + L + 85 + 61 3929
=
=
= 65,48 puntos
60
60
X=
Media:datosagrupados
k
i i
i =1
16 3 + 29 4 + 41 4 + 54 8 + 67 12 + 79 23 + 92 6
60
X=
m f
i i
i =1
3933
= 65,55 puntos
60
X=
m f
Mediana:datosNOagrupados
Paradeterminarlaposicinqueocupalamediana,se
debenordenarlosdatosdeformaascendenteo
descendente Enestecasolosordenamosdeforma
descendente.Enestecasolosordenamosdeforma
ascendente:
10
15
17
23
25
32
34
36
4141
43
48
52
52
54
55
57
60
6061
62
63
64
64
65
67
67
69
7071
72
74
74
74
75
76
76
77
7878
79
79
80
80
80
81
81
82
82833
84
84
85
85
88
89
90
92
9598
Mediana:datosNOagrupados
Sedebedeterminarsinesparoimpar,enestecasonespar,porlo
tantoalbuscarlaposicincentralsetiene:
n + 1 60 + 1
=
= 30.5
2
2
Porlotanto,sedebeobtenerelpromediodelosdatosqueocupan
lasposicionescentrales30y31:
71 + 72
Md =
= 71,5 puntos
2
Mediana:datosagrupados
Sedebedeterminarlaclasemediana,quecorrespondealaclase
quecontienealaobservacinqueocupalaposicinn/2:
Ennuestroejemplolaobservacinqueocupalaposicin30es71
puntos,porlotantolaclasemedianasera:
6
60,372,9
6
67
12
31
0,2 0,52
Alaplicarlafrmulasetiene:
n +1
60 + 1
F ( xm 1 )
19
Md = Lm + 2
Cm = 60,3 + 2
12,6 = 72,38 puntos
f ( xm )
12
Moda:datosNOagrupados
Lamodacorrespondealdatouobservacinquems
vecesserepite.
E
Enesteejemplolasobservaciones:74puntosy80puntos
j
l l b
i
serepiten3vecescadauna,porestaraznsetieneun
conjuntodedatosbimodal.
conjuntodedatosbimodal
Mo1=74puntos.
Mo2 80puntos.
Mo2=80puntos.
Moda:datosagrupados
Sedebedeterminarlaclasemodal,quecorrespondealaquetenga
lamayorfrecuenciaabsoluta(fi).
Ennuestroejemplolaclasemodalsera:
72.985.5
79
23
54
0.38
0.90
Porlotanto,aplicandolafrmula:
1
(23 12)
Mo = Lim +
Cm = 72.9 +
12.6
1 + 2
(23 12) + (23 6)
M = 77.85 puntos
Mo
t
fuede65,55puntos,loqueindicaqueenpromediolos
estudiantesobtuvieronbuenascalificacionesqueles
permitiaprobarlaPINA.
y Mediana:lamedianafueiguala71,5puntos,loque
i di
indicaquelamayoradelosestudiantesobtuvouna
l
d l
di
b
buenacalificacin.
y Moda:esteconjuntodedatosesbimodal,tieneuna
modade74puntosyotrade80puntos,peroestos
valoresnoesquetuvieranunafrecuenciamucho
mayorquecualquierotrodato
mayorquecualquierotrodato.
Debenestudiarporsucuenta,desdeladiapositiva83
D
b
di
d d l di
i i 8
hastala93.Cualquierdudapuedenconsultarla.
Propiedades,ventajasydesventajasdelamedia
Propiedades:
y Lasumadelasdiferenciasentrelasmediamuestralyel
valordecadaobservacinescero.
valordecadaobservacinescero
y Lamediadeunaconstanteeslaconstante.
y Sitodaslasobservacionesxi semultiplicanporuna
constantea,laXtambinsedebemultiplicarporese
mismovalorconstante.
Propiedades,ventajasydesventajasdelamedia
y SisesometeaunavariableestadsticaXauncambio
Tema 2. Estadstica Descrriptiva
deorigenyescala,Y=a+bX,lamediaaritmticade
dichavariableXvaraenlamismaproporcin
dichavariableXvaraenlamismaproporcin.
y Lamediadelasumadedosvariablesesigualalasuma
desusmedias.
desusmedias
Propiedades,ventajasydesventajasdelamedia
Ventajas:
y Empleaensuclculotodalainformacindisponible.
y Seexpresaenlasmismasunidadesquelavariableen
S
l i
id d
l i bl
estudio.
y Eselcentrodegravedaddetodaladistribucin,
s e ce t o de g avedad de toda a d st buc ,
representandoatodoslosvaloresobservados.
y Esunvalornico.
Propiedades,ventajasydesventajasdelamedia
y Setratadeunconceptofamiliarparalamayoradelas
Tema 2. Estadstica Descrriptiva
personas.
y Estilparallevaracaboprocedimientosestadsticos
E il
ll
b
di i
d i
comolacomparacindemediasdevariosconjuntosde
datos.
datos
Propiedades,ventajasydesventajasdelamedia
Desventajas:
y Seveadversamenteafectadaporvaloresextremos,
perdiendorepresentatividad.
perdiendorepresentatividad
y Sielconjuntodedatosesmuygrandepuedesertedioso
suclculomanual.
y Nosepuedecalcularparadatoscualitativos.
y Nosepuedecalcularparadatosquetenganclasesde
extremoabierto tantosuperiorcomoinferior
extremoabierto,tantosuperiorcomoinferior.
Ventajasydesventajasdelamediana
Ventajas:
y Fcildecalcularsielnmerodeobservacionesno
esmuygrande.
y Noseveinfluenciadaporvaloresextremos,ya
quesoloinfluyenlosvalorescentrales.
l i fl
l l
l
y Fcildeentender.
Ventajasydesventajasdelamediana
y Sepuedecalcularparacualquiertiposdedatos
Tema 2. Estadstica Descrriptiva
cuantitativos,inclusolosdatosconclasedeextremo
abierto.
abierto
y Eslamedidadetendenciacentralmsrepresentativa
enelcasodevariablesquesoloadmitenlaescala
ordinal.
Ventajasydesventajasdelamediana
Desventajas:
y Noutilizaensuclculotodalainformacin
di
disponible.
ibl
y Noponderacadavalorporelnmerodevecesquese
harepetido.
harepetido
y Hayqueordenarlosdatosantesdedeterminarla.
Ventajasydesventajasdelamoda
Tema 2. Estadstica Descrriptiva
Ventajas:
y Norequiereclculos.
y Puedeusarseparadatostantocuantitativoscomo
P d
d t t t
tit ti
cualitativos.
y Fcildeinterpretar.
c de te p eta .
y Noseveinfluenciadaporvaloresextremos.
y Sepuedecalcularenclasesdeextremoabierto.
Ventajasydesventajasdelamoda
Tema 2. Estadstica Descrriptiva
Desventajas:
y Paraconjuntospequeosdedatossuvalorno
tienecasiutilidad,siesquedehechoexiste.Solo
i
i ilid d i
d h h i S l
tienesignificadoenelcasodeunagrancantidad
dedatos.
y Noutilizatodalainformacindisponible.
y Nosiempreexiste,silosdatosnoserepiten.
Ventajasydesventajasdelamoda
y Enocasiones,elazarhacequeunasolaobservacinse
Tema 2. Estadstica Descrriptiva
norepresentativaseelvalormsfrecuentedel
conjuntodedatos.
j
d d
y Difcildeinterpretarsilosdatostiene3omsmodas.
Medidasdedispersin,variacin
Medidas
de dispersin, variacin
ovariabilidad
Medidasdedispersin,variacinovariabilidad.
y Sonvaloresnumricosqueindicanodescribenla
formaenquelasobservacionesestndispersaso
di
diseminadas,conrespectoalvalorcentral.
i d
l l
l
Medidasdedispersin,variacinovariabilidad.
y Sonimportantesdebidoaquedosmuestrasde
Tema 2. Estadstica Descrriptiva
observacionesconelmismovalorcentralpuedentener
unavariabilidadmuydistinta.
unavariabilidadmuydistinta
Medidasdedispersin,variacinovariabilidad.
y Rango.
y Varianza.
y Coeficientedevariacin.
y DesviacinTpica.
Medidasdedispersin:Rango
Tema 2. Estadstica Descrriptiva
Rango(amplitudorecorrido):
y Estdeterminadoporlosdosvaloresextremos
d l d
delosdatosmuestrales,essimplementela
l i l
l
diferenciaentrelamayorymenorobservacin.
y Esunamedidadedispersinabsoluta,yaque
dependesolamentedelosdatosypermite
conocerlamximadispersin.
Medidasdedispersin:Rango
y Casinoseempleadebidoaquedependenicamente
Tema 2. Estadstica Descrriptiva
dedosvalores.
y Noproporcionaunamedidadevariabilidaddelas
N
i
did d i bilid dd l
observacionesconrespectoalcentrodela
distribucin.
distribucin
y Notacin:R
Medidasdedispersin:Varianza
y Esunvalornumricoquemideelgradodedispersin
Tema 2. Estadstica Descrriptiva
relativaporquedependedelaposicindelosdatos
x1,xx2,,xxn conrespectoalamedia.
conrespectoalamedia
y Eselpromedioalcuadradodelasdesviacionesdecada
observacinconrespectoalamedia.
observacinconrespectoalamedia
y Notacin:s2,2,var(X)
Medidasdedispersin:Varianza
y Silavarianzadeunconjuntodeobservacioneses
(x x )
n
Para datos NO
agrupados:
s2 =
i =1
n
n
s =
2
2
x
i
i =1
grandesedicequelosdatostieneunamayor
variabilidadqueunconjuntodedatosquetenga
unvarianzamenor.
Medidasdedispersin:Varianza
Paradatosagrupadosenunadistribucinde
frecuencias:
k
s2 =
(m x )
i =1
fi
n
k
s2 =
2
m
i fi
i =1
(x )
Medidasdedispersin:DesviacinTpica
y Eslarazcuadradadelavarianza.
E l d d d l i
y Notacin:s,.
Tema 2. Estadstica Descrriptiva
s= s
Medidasdedispersin:Coeficientede
Variacin
y Esunamedidadedispersinrelativaquepermite
s
CV = 100%
x
compararelniveldedispersindedosmuestras
devariablesestadsticasdiferentes.
y Notienedimensiones.
y Notacin:CV
Ejemplodelosclculosdelas
j p
medidasdedispersin:
X Varianza.
X DesviacinTpica.
X CoeficientedeVariacin.
X Rango.
R
Rango:R
Tema 2. Estadstica Descrriptiva
R=Observacinmayor Observacinmenor
R=98 10
R 88puntos
R=88puntos
Varianza(S2):DatosNOagrupados
Recuerdequesepuedeusarcualquieradeestasdos
expresiones:
(x x )
n
s =
2
i =1
s =
2
x
i =1
2
i
232 + 60 2 + L + 612
283635
x =
65.482 =
4287.63 = 4727.25 4287.63 = 439.62 puntos 2
60
60
2
2
Varianza(S ):Datosagrupados
Recuerdequesepuedeusarcualquieradeestasdos
expresiones:
k
s =
2
(m x )
i =1
fi
n
k
2
i
fi
(x )
n
s 2 = 409.52 ppuntos 2
s =
2
i =1
DesviacinTpica(S):DatosNOagrupados
s = s = 439.18 = 20.96 p
puntos
2
DesviacinTpica(S):Datosagrupados
s = s = 409.51 = 20.24 p
puntos
2
s
20.96
100% =
100% = 0.3201*100 = 32.01%
65.48
x
s
20.24
100% =
100% = 0.3087 *100 = 30.87%
65.55
x
es88puntos,queesunvalorsignificativamente
grandesisecomparaconlosvaloresquetomaesta
variable.Estoindicaquehayvaloresmuydistanciados,
enestecasonotasdelaPINAmuybajasyotrasmuy
altas.
altas
y Varianza:lavarianzacalculadaesde439.18puntos2,
aunquesusunidadesestnalcuadrado,nosindicaque
q
q
esteconjuntodedatostieneunadispersinovariacin
elevadaconrespectoalvalorcentral(media),loque
significaqueestasnotasvaranmucho,esdecir,no
estnconcentradasalrededordelvalorcentral.
queindicaquelavariacindeestasnotasenlaPINAes
elevada,yqueexistenestudiantesqueobtuvieron
notasmuypordebajoymuyporencimadelamedia.
y CoeficientedeVariacin:tomaunvalorde32.01%,
i di
indicandoqueexisteunavariacinelevadaenestas
d
i
i i l d
notasdelaPINA.
Debenestudiarporsucuenta,desdeladiapositiva116
D
b
di
d d l di
i i 6
hastala122.Cualquierdudapuedenconsultarla.
VentajasyDesventajasdelRango
Tema 2. Estadstica Descrriptiva
Ventajas:
y tilcuandosequiereconocerlaextensindelas
variacionesextremas(valormximodeladispersin).
i i
( l i d l di
i )
y Fcildecalcular.
VentajasyDesventajasdelRango
Tema 2. Estadstica Descrriptiva
Desventajas:
y NoesunaMDconrespectoalcentrodela
di ib i
distribucin.
y Soloempleadosvaloresensuclculo.
y Nosepuedecalcularendistribucionesdelmitede
N
d l l di ib i
d l i d
claseabierto.
d d
d l
Propiedades,VentajasyDesventajasdela
Varianza
Propiedades:
1. Siempreesmayoroigualaceroymenorqueinfinito.
2. Lavarianzadeunaconstanteescero.
3. SiaunavariableXlasometemosaY=a+bX,la
varianzadeYserVar(Y)=b
i
d Y V (Y) b2Var(X)
V (X)
d d
d l
Propiedades,VentajasyDesventajasdela
Varianza
Ventajas:
y Estilcuandosecomparalavariabilidaddedosoms
conjuntosdedatos.
conjuntosdedatos
y Utilizatodalainformacindisponible.
Desventajas:
j
y Noproporcionaayudainmediatacuandoseestudiala
dispersindeunsoloconjuntodedatos.
y Difcildeinterpretarportenersusunidadeselevadasal
cuadrado.
VentajasyDesventajasdelaDesviacinTpica
Ventajas:
y Estaexpresadaenlasmismasunidadesquelavariable
enestudio.
di
y Utilizatodaslasobservacionesensuclculo.
y Fcildeinterpretar.
F ild i
Desventajas:
y Notiene.
N ti
d l
f
d
VentajasyDesventajasdelCoeficientede
Variacin
Ventajas:
y EslanicaMDquepermitecompararelnivelde
di
dispersindedosmuestrasdevariablesdiferentes.
i d d
d i bl dif
y Empleatodalainformacindisponibleensuclculo.
y Fcildecalcular.
F ild l l
d l
f
d
VentajasyDesventajasdelCoeficientede
Variacin
Desventaja:
y NoesunaMDconrespectoalcentrodeladistribucin
d l d
delosdatos.
MedidasdeForma
MedidasdeForma
y Sonmedidasnumricasquepermitendeterminarla
Medidas
de forma
-Asimetra
Coeficiente de Pearson
Coeficiente de Fisher
-Kurtosis o apuntamiento
formaquetienelacurvadelosdatos,porlotanto,
sirvenparacorroborarloquelosgrficosmuestran.
sirvenparacorroborarloquelosgrficosmuestran
MedidasdeForma:Asimetra
y Permitenestudiarlaformadelacurva,dependiendo
decmoseagrupanlosdatos.
Tema 2. Estadstica Descrriptiva
MedidasdeForma:Asimetra
3 X Md
ASP =
s
9 Interpretacin:
= 0,, X=Md Simtrica
ASP
CoeficientedeAsimetradePearson:
C
fi i
d A i
d P
y Fcildecalculareinterpretar.
y Clculo:
Cl l
MedidasdeForma:Asimetra
CoeficientedeAsimetradeFisher:
C
fi i
d A i
d Fi h
y Noesdefcilclculo,perosisuinterpretacin.
ASF =
i =1
ns
(M x) f
k
ASF =
Datos NO agrupados
i =1
ns3
Datos Agrupados
(x X )
n
MedidasdeForma:Asimetra
9 Interpretacin:
ASF
= 0, Simtrica
MedidasdeForma:Kurtosis
y Midensilosvaloresdeladistribucinestnmso
Tema 2. Estadstica Descrriptiva
menosconcentradosalrededordelosvaloresmedios
delamuestra(zonacentraldeladistribucin).
y Sedefinentrestiposdedistribucinsegnsugrado
d K t i
deKurtosis:
MedidasdeForma:Kurtosis
y Mesocrtica:gradodeconcentracinmedio
Tema 2. Estadstica Descrriptiva
alrededordelosvalorescentralesdelavariable.
y Leptocrtica:gradodeconcentracinelevado.
L
i d d
i l d
y Platicrtica:gradodeconcentracinreducido.
MedidasdeForma:Kurtosis
(x X )
n
CK =
i =1
(M
k
CK =
i =1
Datos No Agrupados
X fi
ns
Datos Agrupados
9 Interpretacin:
=0 Mesocrtica
CK
>0 Leptocrtica
<0 Platicrtica
ns
Ejemplodelosclculosdelas
j p
medidasdeforma:
CoeficientedePearson.
X CoeficientedeFisher.
X
X Kurtosis.
K t i
X Asimetra:
A i t
3 X Md 3(65.48 71.5)
ASP =
=
= 0.8616
s
20.96
y Datosagrupados:
3 X Md 3(65.55 72.38)
ASP =
=
= 1.0124
s
20.24
(x X )
n
ASF =
i =1
ns3
512769.191
=
= 0.9281
552490.84
(M x) f
k
ASF =
i =1
ns3
464760.885
=
= 0.9342
497488.19
(x X )
n
CK =
i =1
ns4
36097814.97
3 = 3.1172 3 = 0.1172
11580208.09
(M
k
CK =
i =1
X fi
ns4
30507377.36
3 = 3.0298 3 = 0.0298
10069160.95
quecero,indicanqueparaestascalificacionesdela
PINA,laasimetraesnegativa,porlotanto,la
frecuenciadelascalificacionesbajasesmenorquela
frecuenciadelascalificacionesaltas,esdecir,la
mayoradelosestudiantessacaronbuenas
calificaciones.
y Kurtosis:alsersuvalormayoracero,indicaqueestas
y
q
calificacionestienenuncomportamientoleptocrtico,
esdecir,existeunintervalodecalificaciones,quetiene
unafrecuenciamuchamayorqueelrestodeposibles
valores.
Referencias:
y Wikipedia(http://es.wikipedia.org/wiki/Wikipedia:Po
rtada)
y WalpoleyMyers.ProbabilidadyEstadstica.McGraw
W l l M
P b bilid d E d i M G
Hill.
y Triola,MarioF.Estadstica.Pearson.
Triola MarioF Estadstica Pearson