Академический Документы
Профессиональный Документы
Культура Документы
k
ni
fi =
n
notese que .... ∑f
i =1
i =1
• Tablas Tabligrama.
• Gráficos de Barras Diagrama de Pareto.
• Gráficos Circulares o de Torta.
2 60
3 51
4 25
5 10
6 8
120
107 Diagrama de Pareto
100
80
Frecuencia
60
60
51
40
25
20
10 8
0
1 2 3 4 5 6
Clase
5 6
4% 3%
4
10%
Diagrama Circular
1
40%
3
20%
2
23%
8
Diagrama de
7
Bloques
6
0
Pobre Regular Aceptable Bueno Muy Bueno
Ejemplo: 40 Datos
10 7 8
11 1 2 3 7 9
12 0 3 3 4 6 8
13 1 2 2 4 5 6 7 8
14 0 1 2 3 3 5 7 8 8
15 0 2 3 3 8 8
16 0 0 1 2
K := N°Clases
R := Rango = máx { xi } - mín { xi } = 162 - 107 = 55
A := Amplitud = ( R + 1 ) / K = ( 55 + 1 ) / 7 = 8
0
110,5 118,5 126,5 134,5 142,5 150,5 158,5
0
102,5 110.5 118,5 126,5 134,5 142,5 150,5 158,5 166,5
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
102,5 110,5 118,5 126,5 134,5 142,5 150,5 158,5 166,5
0,5000
Mediana
Moda
0,4500
Media
0,4000 Aritmética
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000 Q1 Q2 Q3 Q4
0,0500
0,0000
0 1 2 3 4 5 6 7
Rango
ni
fM ≥ fi = i = 1, 2, 3, ..., k.
n
nM n - nM
V = 1 – fM = 1- =
n n
Marca A B C D
Frecuencia 220 270 310 300
Frec. Relativa 0,200 0,245 0,282 0,273
k n
x = ∑ f i xi 1
x = ∑ xi
i =1 n i =1
∆1
M 0 = L + aM Es el valor que ocurre con
∆1 + ∆ 2 mayor frecuencia: el valor
∆1 más común.
nM ∆
2
n1 • Puede que no exista
n2 moda.
aM • Puede que exista
más un valor Modal
L xM
L : Límite inferior Clase modal
aM : Amplitud Clase Modal
∆1 : nM - n1
∆2 : nM - n2
nM : Frec. absoluta Clase Modal V = Tasa de Variación = 1 – fM
n1 : Frec. absoluta Clase anterior a Clase Modal
n2 : Frec. absoluta Clase posterior a Clase Modal
n
s = ∑ f i ( xi − x )
n
1
s 2 = ∑ ( xi − x ) 2
2 2
i =1 n i =1
k
MD = ∑ f i | xi − x | 1 n
MD = ∑ | xi − x |
i =1 n i =1
n + 1 n + 1
clase percentil i-ésimo
aPi : Amplitud percentil i-ésimo
α = i − i
100 100
nPi : Frecuencia Absoluta de la clase del percentil
i-ésimo
n : Tamaño de la muestra
1 2 3 4 5
Calificacion P R S B E
Frec. Absoluta 20 10 18 16 6
Frec. Relativa 0,286 0,143 0,257 0,229 0,086
Frec. Acumul 20 30 48 64 70
Frec. Acumul. Relat. 0,286 0,429 0,686 0,914 1,000
f M = 0.286 → CM = P
Q1 = 0,286 > 0,25 P Med = C(Q2 ) → CMed = S
Q2 = 0,686 > 0,50 S
V = 1 − f M = 1 − 0.286 = 0.714
Q3 = 0,914 > 0,75 B
rC(Q3 ) − rC(Q1 ) 4 −1
Q4 = E D= = = 0.75
K −1 5 −1
Valores Q1 Q2 Q3 Valores
Atípicos 1.5 IRQ 1.5 IRQ Atípicos
Mediana
rangQ3 − rangQ1
D = Indice de dispersion =
K −1
1 n k
mk = ∑ xi
n i =1
– OBS:
x = m1
s 2 = m2 − m12
• Momentos centrados:
1 n
mk = ∑ ( xi − m1 ) k
n i =1
ILI280 Estadística Computacional -- Dr.(c) R. Salas 32
Características de forma: Simetría
Indice de Simetría
Q1 + Q3 − 2Q2
IS =
Q3 − Q1
Coeficiente de Simetría de Fisher γ = m3 Sesgo
1
0,09
0,08
s30,45
0,40
0,09
0,08
0,06
0,30
0,06
0,05
0,25
0,05
0,02 0,10
0,02
0,00
0 2,5 5 7,5 10 12,5 15 17,5 20 -4 -3 -2 -1 0 1 2 3 4 0 2,5 5 7,5 10 12,5 15 17,5 20
0
γ1 < 0 γ1 = 0 γ1 > 0
Distribución, tiende
Distribución, es Distribución, tiende
a concentrarse en simétrica respecto a a concentrarse en
Valores Altos de la
la Media Valores Bajos de la
Variable
Variable
Mo = MA = Me
Mo > Me > MA Mo < Me < MA
m4
Coeficiente γ2 = 4 −3 Curtosis
s
γ2 > 0 γ2 = 0 γ2 < 0
Leptocúrtica Platicúrtica
Distribución tiende a Mesocúrtica
Distribución tiende a
concentrarse alrededor de la dispersarse
Distribución
Media.
“Normal”
Variancia grande, Achatada.
Varianza Pequeña, Aguzada
• Señal de ruido S2
η = − log 2
X
S
•Coeficiente de Variación Cv =
X