Академический Документы
Профессиональный Документы
Культура Документы
Representación tabular (Cuando solo hay xi e fi y se tiene que hacer lo demás: hi, Fi,
hi%, Hi%).
𝑓𝑖
1. Frecuencias Relativas. ℎ𝑖 = 𝑛
- Para graficar: xi vs. fi, se debe tener en cuenta que lo que hace es un polígono, es decir
una FIGURA CERRADA, señalando el nombre y número de gráfico, así como su fuente
y la señalización de las frecuencias en el polígono en las intersecciones.
- Para graficar: xi vs. Hi%, se debe tener en cuenta que la figura ya no va cerrada, se tiene
que graficar la OJIVA, se debe señalizar H% en las intersecciones, el resto es igual que
el anterior
Intervalos de clase [Se agrupa en intervalos “[xi-1’ xi’)”; luego se hace la marca de clase,
el ploteo (o conteo en la muestra según los intervalos), las frecuencias absolutas
(también según el intervalo), hi%, Fi%, Hi%]
′
1. Forma del intervalo. [𝑥𝑖−1 − 𝑥𝑖′ )
′
𝑥𝑖−1 +𝑥𝑖′
2. Marca de clase. 𝑥𝑖 = 2
- La realización de los gráficos es similar, solo que son HISTOGRAMAS y se tienen que
señalizar las marcas de clase en lo que abarca el rectángulo.
Medidas estadísticas.
1.1. Cálculo
1.1.1. Media para datos no tabulados (Solo una serie de datos “xi”).
∑𝑛𝑖=1 𝑥𝑖 𝑥1 + ⋯ + 𝑥𝑛
𝑥̅ = =
𝑛 𝑛
1.1.2. Media para datos tabulados (Con “xi” y “fi” en una tabla).
∑𝑛𝑖=1 𝑥𝑖 𝑓𝑖
𝑥̅ =
𝑛
2. Moda (Mo).
2.1. Cálculo
2.1.1. Moda (Mo) para datos no tabulados (Solo una serie de datos “xi”).
2.1.2. Moda (Mo) para datos tabulados (Con “xi” y “fi” en una tabla).
′
𝐷1
𝑀𝑜 = 𝑥𝑖−1 + 𝐶𝑖 [ ]
𝐷1 + 𝐷2
𝐷1 = 𝑓𝑖 − 𝑓𝑖−1 ; 𝐷2 = 𝑓𝑖 − 𝑓𝑖+1
[x'i-1 x'i) fi
a- a+b 10 [𝑎 + 2𝑏; 𝑎 + 3𝑏) = IMo (Intervalo Modal)
a+b - a+2b 8 fi-1 ′
𝑥𝑖−1 = 𝑎 + 2𝑏
a+2b - a+3b 12 fi
𝑏 = 𝐶𝑖 = Amplitud de clase modal
a+3b - a+4b 10 fi+1
3. Mediana (Me).
3.1. Cálculo.
3.1.1. Mediana (Me) para datos no tabulados (Solo una serie de datos “xi”).
xi fi Fi
a 12 12 58
Fj-1 Factor de posición: = 26
b 13 25 2
n/2
c 15 40 Como Fj-1 < n/2 < Fj; entonces: Me = xj = c
Fj
d 18 58
TOTAL 58
3.1.3. Mediana (Me) para datos agrupados en intervalos ((“[xi-1’ xi’)”).” en una
tabla y NECESARIAMENTE LAS FRECUENCIAS ACUMULADAS).
𝑛
− 𝐹𝑗−1
′
𝑀𝑒 = 𝑥𝑖−1 + 𝐶𝑗 [ 2 ]
𝐹𝑗 − 𝐹𝑗−1
Donde:
[x'i-1 x'i) fi fi
a - a+x 10 10
a+x - a+2x 8 18 2
4
(x’j-1)a+2x - a+3x (xj) …5 12 30 3
a+3x - a+4x 10 40
TOTAL 40 1
4. Varianza (S2).
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑆2 =
𝑛−1
2
∑𝑚 2
𝑖=1(𝑥𝑖 − 𝑥̅ ) 𝑓𝑖
𝑆 =
𝑛−1
- xi: Cada valor de la variable si es discreta (Con “xi” y “fi” en una tabla)
- xi: Marca de clase si es variable continua (Con “[xi-1’ xi’)”)
4.3. Propiedades.
4.3.1. 𝑉(𝑥𝑖 ) ≥ 0
4.3.2. 𝑉(𝑘) ≥ 0
4.3.3. 𝑉(𝑘𝑥𝑖 ) = 𝑘 2 𝑉(𝑥𝑖 ); k = cte.
4.3.4. 𝑉(𝑘𝑥𝑖 + 𝑏) = 𝑘 2 𝑉(𝑥𝑖 ); k = cte.; b = cte.
4.3.5. 𝑉(𝑥𝑖 ± 𝑦𝑗 ) = 𝑉(𝑥𝑖 ) ± 𝑉(𝑣𝑗 ); x e y son variables independientes
5. Desviación típica
𝑆 = √𝑆 2
- Para estimar la desviación típica de una población a partir de los datos de una
muestra se utiliza la fórmula (cuasi desviación típica)
∑𝑛 (𝑥𝑖 − 𝑥̅ )2 𝑛𝑖
𝑆 = √ 𝑖=1
𝑛−1
𝑆
𝐶𝑉 =
|𝑥̅ |
7. Medida de asimetría.
𝑥̅ − 𝑀𝑜
𝐴𝒔 =
𝑆
Si As = 0, es simétrica.
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2 ∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
Varianza 𝑛 𝑛−1
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2 ∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
Desviación típica √ √
𝑛 𝑛−1
Coef. De Variación
𝑆
𝐶𝑉 =
|𝑥̅ |
+ ei
de forma que sea una variable que toma valores próximos a cero.
Por tanto:
1. Regresión de Y sobre X : + ei
Donde:
Sxy = ΣYi X i - (Σ Y i ) (Σ X i )
n
Sx2 = Sxx = Σ X i ² - (Σ X i )²
n
Sx= √𝑆𝑥𝑥 Sy=√𝑆𝑦𝑦
Supuesto 1: E(e ) = 0
Pero:
CME = SCE …(2)
n -2
Si Se = 0; indica que existe una relación lineal perfecta entre las variables.
𝑺𝑪𝑴
̂𝟐 =
𝝈
𝒏−𝟐
6. Error estándar estimado de la pendiente
̂𝟐
𝝈
𝑺𝒆(𝒃) = √
𝑺𝒙𝒙
𝟏 𝒙̅𝟐
𝑺𝒆(𝒂 ̂𝟐 [ +
̂) = √𝝈 ]
𝒏 𝑺𝒙𝒙
Donde:
Nos gustaría tener que r=1, pues en ese caso ambas variables tendrían la misma
varianza, pero esto no es cierto en general. Todo lo que se puede afirmar, como
sabemos, es que
Por ello:
r ≈1 r ≈ -1 r≈0 r≈0
Ahora si