Unidad 1 Estadistica Descriptiva

Unidad I.
Conceptos Bsicos y
Estadstica Descriptiva
Prof. Tonatiuh Sosme Snchez

Concepto de Estadstica
Se refiere a un conjunto de
mtodos para manejar la
obtencin, presentacin y
anlisis de observaciones
numricas.
Tema 1. Introduccin
Concepto de Estadstica
Sus fines son describir al conjunto

de datos obtenidos y tomar
decisiones o realizar
generalizaciones acerca de las
caractersticas de todas las
Tema 1. Introduccin
observaciones bajo consideracin.
reas que conforman a la Estadstica
Estadstica Descriptiva (Deductiva):

es la encargada de la organizacin,
condensacin, presentacin de los
datos en tablas y grficos y del
clculo de medidas numricas que
Tema 1. Introduccin
permitan estudiar los aspectos ms
importantes de los datos.
DESCRIBIR
reas que conforman a la Estadstica
Estadstica Inferencial o Inferencia

Estadstica: est definida por un
conjunto de tcnicas, mediante las
cuales se hacen generalizaciones o
se toman decisiones en base a
Tema 1. Introduccin
informacin parcial obtenida
mediante tcnicas descriptivas.
INFERIR
reas de Aplicacin de la Estadstica
El uso de la Estadstica es muy amplio.
Resulta difcil nombrar un rea en la cual no
se emplee.
Los mtodos estadsticos han encontrado
aplicacin en:
Gobierno
Negocios
Tema 1. Introduccin
Ciencias Sociales
Ingeniera
Ciencias Fsica y Naturales
Control de Calidad
Procesos de Manufactura
Muchos otros campos de la actividad intelectual.
reas de Aplicacin de la Estadstica
Esto se debe a la creciente facilidad

con la cual se pueden manejar
grandes cantidades de datos
numricos, debido al uso de
Tema 1. Introduccin
Conceptos de Poblacin y Muestra
Poblacin: es la coleccin de todas

las posibles mediciones u
observaciones que pueden hacerse
de una variable bajo estudio.
Tema 1. Introduccin
Se clasifica en dos categoras:

Finita: es aquella que incluye una
cantidad limitada contable de
observaciones, individuos o medidas.
Siempre que sea posible alcanzar
(contar) el nmero total de todas las
Tema 1. Introduccin
posibles mediciones, se considera como
finita la poblacin.
Infinita: es aquella que incluye un gran
conjunto de observaciones o
mediciones que no pueden alcanzarse
por conteo. Al menos, hipotticamente,
no existe lmite en cuanto al nmero de
observaciones que el experimento
Tema 1. Introduccin
puede generar.
Muestra:
es un conjunto de mediciones u
observaciones tomadas a partir de una
poblacin.
es un subconjunto de la poblacin.
Tema 1. Introduccin
Muestra aleatoria: se considera

aleatoria siempre y cuando cada
observacin, medicin o individuo
de la poblacin tenga la misma
probabilidad de ser seleccionado.
Tema 1. Introduccin
Tipos de datos y escalas de medida
Variables:
son las caractersticas o lo que se
estudia de cada individuo de la
muestra. Ej: sexo, edad, peso,
estatura, color de ojos, estado civil,
temperatura, cantidad de nacimientos,
presin, grosor, dimetro, ...
Tema 1. Introduccin
Datos:
son los valores que toma la variable en
cada caso.
Tipos de datos
Cualitativos: son datos que solo toman
valores asociados a las cualidades o
atributos, clasificndolos en una de varias
categoras, es decir, no son valores
numricos. Ej:
Sexo: f/m.
Tema 1. Introduccin
Hbito de fumar: Fumador/No fumador
Color de ojos: negro, azul, marrn,
Religin: catlica, evanglica,
Estado civil: soltero, casado, divorciado,
Tipos de datos
Cuantitativos: provienen de variables que
pueden medirse, cuantificarse o
expresarse numricamente. Ejemplos:
Peso
Edad
Estatura
Tema 1. Introduccin
Presin
Humedad
Intensidad de un sismo
Cantidad de hermanos
TEMA 2. ESTADSTICA DESCRIPTIVA
OBTENCION DE DATOS ESTADISTICOS
Dentro de la estadstica, la necesidad de
recolectar datos reside en cuatro razones
importantes:
Proporcionar la introduccin imprescindible
para un estudio de investigacin.
Medir el desempeo de un proceso de
produccin en curso.
Ayudar en la formulacin de cursos o
herramientas de accin en un proceso de toma
de decisiones.
Satisfacer nuestra curiosidad.
Los datos pueden concebirse como informacin
numrica necesaria para ayudarnos a tomar una
decisin con ms bases en una situacin particular.
Para que un anlisis estadstico sea til en el proceso de

toma de decisiones, los datos de entrada deben ser
apropiados.
Si los datos estn estropeados por sesgos,

ambigedades u otro tipo de error, es improbable que
incluso las metodologas ms finas y sofisticadas sean
suficientes para compensar tales deficiencias.
OBTENCION DE DATOS
Existen muchos mtodos mediante los cuales
podemos obtener los datos necesarios.
Podemos:
Buscar datos a publicados por fuentes

gubernamentales industriales o individuales
Disear un experimento para obtener los

datos necesarios
Concluir un estudio
Hacer observaciones de comportamiento

UTILIZACION DE FUENTES DE
DATOS PUBLICADOS
Sin importar la fuente utilizada, se hace

una distincin entre el recolector original de
los datos, la organizacin o individuos que
compilan estos en tablas y diagramas. El
recolector de datos es la fuente
primaria, mientras que el compilador de
los datos es la fuente secundaria.
DISEO DE UN EXPERIMENTO
En un experimento se ejerce un control
estricto sobre el tratamiento dado a los
participantes. Por ejemplo, en un estudio para
probar la eficacia de una pasta de dientes, el
investigador determinara qu participantes
del estudio usaran la nueva marca y cules
no, en lugar de dejarle la eleccin a los
sujetos.
ENCUESTA
Un tercer mtodo para obtener datos es

aplicar una encuesta. Simplemente se
formulan preguntas respecto a sus
opiniones actitudes comportamiento y otras
caractersticas. Despus, sus respuestas se
editan, codifican y tabulan para su anlisis.
Organizacin de los datos
Una vez que se ha

realizado la
recoleccin de los
Tema 2. Estadstica Descriptiva

datos, se obtienen
datos en bruto,
los cuales rara vez
son significativos
sin una
organizacin y
tabulacin.
Formas de organizar los datos:
Un arreglo: es la forma ms sencilla de
organizar los datos en bruto, consiste en

colocar las observaciones en orden segn su
magnitud: ascendente o descendente.
Poco prctica cuando se tiene una gran
cantidad de datos.
Una distribucin de frecuencias: es un
arreglo de los datos que permite expresar
la frecuencia de ocurrencias de las
observaciones en cada una de las clases,

mostrando el patrn de la distribucin de
manera ms significativa.
Clase Pto. fi Fi fri FRi

Medio
La Distribucin de Frecuencias:
Se recomienda su uso cuando se
tienen grandes cantidades de datos

(n).
Su construccin requiere, en primer
lugar, la seleccin de los lmites de los
intervalos de clase.
Para definir la cantidad de intervalos
de clase (k), se puede usar:
La regla de Sturges: k = 1 + 3.3log(n)
k = n
La cantidad de clases no puede ser tan
pequeo (menos de 5) o tan grande (ms
de 20), que la verdadera naturaleza de la
distribucin sea imposible de visualizar.

La amplitud de todas las clases deber ser
la misma. Se recomienda que sea impar y
que los puntos medios tengan la misma
cantidad de cifras significativas que los
datos en bruto.
Los lmites de las clases deben tener una
cifra significativa ms que los datos en
bruto.
Determinar:
Punto medio = (Li+Ls)/2.
Frecuencia absoluta de la clase (fi).

Frecuencia acumulada de la clase (Fi).

Frecuencia relativa de la clase (fri):
fri = fi/n
Frecuencia relativa acumulada de la
clase (FRi).
Ejemplos de Distribucin de
Frecuencias
A continuacin se presentan
las calificaciones de 60

estudiantes que
presentaron la PINA en el
ao 2009:
Ejemplos de Distribucin de
Frecuencias
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
a) Construya una distribucin de frecuencias.

b) Qu puede concluir de estos datos.
Representacin grfica de los datos
Los grficos permiten visualizar en forma

global y rpida el comportamiento de los
datos.

Para datos cuantitativos agrupados en
clases, comnmente se utilizan tres
grficos:
Histogramas.
Polgono de frecuencias.
Ojiva o Polgono de frecuencias acumuladas.
Histograma

Histograma y Polgono de Frecuencias

Ojiva
Para datos cualitativos se usan:

Curvas
Barras

Sectores
Barras
Barras
Curvas
Sectores, torta o circular

Ejemplos de construccin
de grficos

Medidas de tendencia central o
posicin
Corresponden a valores que generalmente

se ubican en la parte central de un conjunto
de datos.

Forma como los datos pueden condensarse
en un solo valor central alrededor del cual
todos los datos muestrales se distribuyen.
Medidas de tendencia central o
posicin
Las medidas de tendencia central

ms importantes son:
Media: Aritmtica y Aritmtica

ponderada.
Mediana.
Moda.
Media Aritmtica
Es la suma de todas las observaciones dividida entre
el nmero total de observaciones.
Expresada de forma ms intuitiva, podemos decir
que la media aritmtica es la cantidad total de la

variable distribuida a partes iguales entre cada
observacin.
Por ejemplo, si en una habitacin hay tres personas,
la media de dinero que tienen en sus bolsillos sera
el resultado de tomar todo el dinero de los tres y
dividirlo a partes iguales entre cada uno de ellos. Es
decir, la media es una forma de resumir la
informacin de una distribucin (dinero en el bolsillo)
suponiendo que cada observacin (persona) tendra
la misma cantidad de la variable.
Clculo de la media aritmtica
Para datos no agrupados:
n

i
X i 1
n
Para datos agrupados:
k
m f i i
X i 1
n
Donde: mi: punto medio de la clase i
fi: frecuencia absoluta de la clase i
k: cantidad de clases
Mediana
Es el valor que ocupa la posicin
central de un conjunto de
observaciones, una vez que han sido

ordenados en forma ascendente o
descendente.
Divide al conjunto de datos en dos

partes iguales.
Clculo de la mediana
Para datos no agrupados:

Si n es impar: posicin donde se
ubica la mediana es igual a (n+1)/2.

Si n es par: (n+1)/2 no es entero,
por lo tanto la mediana ser igual al
promedio de las dos posiciones
centrales.
Clculo de la mediana
Datos agrupados: clase mediana es la
que contiene a la observacin que
ocupa la posicin n/2.

n 1
F ( xm1 )
Md Lm 2 Cm
f ( xm )
Donde: Lm: lmite inferior de la clase mediana.

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.
Moda
Observacin o clase que tiene la

mayor frecuencia en un conjunto
de observaciones.

Un conjunto de datos puede ser
unimodal, bimodal o multimodal.
Es la nica medida de tendencia
central que se puede determinar
para datos de tipo cualitativo.
Clculo de la moda
Para datos no agrupados: es simplemente
la observacin que ms se repite.
Para datos agrupados:

1
Mo Lim Cm
1 2
Donde: Lim: lmite inferior de la clase modal.
1: diferencia entre fi de la clase modal y la
anterior.
2: diferencia entre fi de la clase modal y la
posterior.
Cm: amplitud de la clase modal (clase de mayor
frecuencia).
Relacin entre la media, la mediana y
la moda

Cuando los datos son sesgados es mejor emplear la Md
Cuantiles
Los cuantiles son medidas de posicin no

central que se utilizan con mayor
frecuencia y se emplean sobre todo para

resumir o describir las propiedades de
conjuntos grandes de datos numricos.
Cuartiles
Deciles
Percentiles
Cuartiles
De la misma manera que la mediana

divide un conjunto de datos en dos grupos
iguales, los cuartiles lo dividen en cuatro

grupos iguales.
Cada grupo est formado por 25% de los
datos de la muestra y se denotan por Q1,
Q2 y Q3 respectivamente
25% 25% 25% 25%
Q1 Q2 Q3
Cuartiles
La obtencin de los cuartiles depende del nmero de

datos de la muestra; se utilizan los mismo conceptos del

clculo de la mediana. Las frmulas para cada los
cuartiles 1 y al vienen a ser:
n 1
Q1 ValorPosic in ( )
4
2(n 1)
4
3(n 1)
4
Se define en minutos el tiempo que le lleva arreglarse, desde que se

levanta hasta que sale de casa. A lo largo de 10 das hbiles
consecutivos, Usted recaba los tiempos (redondeados a minutos)
que se muestras a continuacin
39 29 43 52 39
44 40 31 44 35
Cuartil 1
Tamao de la muestra N=10
29
n 1
31 Q1 VP( )
3 35 4

39 10 1
39 Q1 VP( )
40 4
43 Q1 VP( 2.75)
44
44
Q1 VP(3)
2-2008
52 Q1 35
Cuartil 2
29
n 1
31 Q1 VP( )
35 4

39 2(10 1)
Q2 VP( )
39 4
5.5 40
Q2 VP(5.5)
43
39 40
44 Q2
44 2
52 Q2 39.5
Cuartil 3
29
31 n 1
35
Q1 VP( )

4
39
3(10 1)
39 Q3 VP( )
40
4
43 Q3 VP(8.25)
8 44 Q3 VP(8)
44
52
Q3 44
Deciles
Los deciles dividen una muestra en 10 grupos

iguales y cada decil acumula el 10% de los

datos.
10% 10% 10% 10% 10% 10% 10% 10% 10% 10%
Se trabajan igual que los cuartiles
2-2008
57
Percentiles
Los percentiles dividen una muestra en 100

grupos iguales y cada percentil acumula el 1%

de los datos.
1% 1% 1% 1% 1% 1% 1%
Se trabajan igual que los cuartiles y deciles
2-2008
58
Medidas de dispersin, variacin o
variabilidad.
Son valores numricos que indican

o describen la forma en que las
observaciones estn dispersas o

diseminadas, con respecto al valor
central.
variabilidad.
Son importantes debido a que dos

muestras de observaciones con el
mismo valor central pueden tener

una variabilidad muy distinta.
variabilidad.
Rango.
Varianza.
Desviacin Tpica.
Coeficiente de variacin.
Medidas de dispersin: Rango
Rango (amplitud o recorrido):
Est determinado por los dos
valores extremos de los datos

muestrales, es simplemente la
diferencia entre la mayor y menor
observacin.
Es una medida de dispersin
absoluta, ya que depende
solamente de los datos y permite
conocer la mxima dispersin.
Medidas de dispersin: Rango
Casi no se emplea debido a que

depende nicamente de dos
valores.

No proporciona una medida de
variabilidad de las observaciones
con respecto al centro de la
distribucin.
Notacin: R
Medidas de dispersin: Varianza
Es un valor numrico que mide el

grado de dispersin relativa porque
depende de la posicin de los datos

x1,x2,,xn con respecto a la media.
Es el promedio al cuadrado de las
desviaciones de cada observacin
con respecto a la media.
Notacin: s2, 2, var(X)
Si la varianza de un conjunto de
observaciones es grande se dice que los
datos tiene una mayor variabilidad que

un conjunto de datos que tenga un
varianza menor.
x x
n
2
i
Para datos NO s2 i 1
agrupados: n
n
i
x 2
2
s
2 i 1
x
n
Para datos agrupados en una

distribucin de frecuencias:

k

i
m x 2
fi
s2 i 1
n
k
i fi
m 2
s2 i 1
x
2
n
Medidas de dispersin: Desviacin
Tpica
Es la raz cuadrada de la varianza.

Notacin: s, .

s s 2
Medidas de dispersin: Coeficiente de
Variacin
Es una medida de dispersin relativa que

permite comparar el nivel de dispersin
de dos muestras de variables estadsticas

diferentes.
No tiene dimensiones.
Notacin: CV
s
CV 100%
x
Medidas de Forma: Asimetra
Permiten estudiar la forma de la

curva, dependiendo de cmo se
agrupan los datos.

Medidas de Forma: Kurtosis
Miden si los valores de la

distribucin estn ms o menos
concentrados alrededor de los

valores medios de la muestra (zona
central de la distribucin).
Se definen tres tipos de distribucin
segn su grado de Kurtosis:
Medidas de Forma: Kurtosis
Mesocrtica: grado de concentracin

medio alrededor de los valores
centrales de la variable.

Leptocrtica: grado de concentracin
elevado.
Platicrtica: grado de concentracin
reducido.
Distribuciones de Probabilidad
Una distribucin o densidad de probabilidad de
una variable aleatoria x es la funcin de
distribucin de la probabilidad de dicha variable
rea de curva entre 2 puntos representa la
probabilidad de que ocurra un suceso entre
esos dos puntos.
Distribuciones probabilidad pueden ser discretas o
continuas, de acuerdo al tipo de.
Hay infinidad distribuciones probabilidad, pero
hay ciertas distribuciones modelo:
Normal
La Distribucin Binomial
Se utiliza en situaciones cuya solucin tiene
dos posibles resultados.
Al nacer un/a beb puede ser varn o hembra.
En el deporte un equipo puede ganar o perder.
Un tratamiento mdico puede ser efectivo o
inefectivo.
Vivo / muerto; enfermo / sano; verdadero /
falso
Prueba mltiple 4 alternativas: correcta o
incorrecta.
Algo puede considerarse como xito o Fracaso
Propiedades de un
experimento de Binomial
1. En cada prueba del experimento slo hay dos
posibles resultados: xitos o Fracasos.
2. El resultado obtenido en cada prueba es
independiente de los resultados obtenidos en
pruebas anteriores.
3. La probabilidad de un suceso (p) es constante
y no vara de una prueba a otra.
4. La probabilidad del complemento (1- p) es q .
Si repetimos el experimento n veces podemos
obtener los datos para armar una distribucin
Binomial.
La funcin P(x=k)
Funcin de la distribucin Binomial:
k = nmero de aciertos.
n = nmero de experimentos.
p = probabilidad de xito, como por
ejemplo, que salga "cara" al lanzar la
moneda.
1-p = q
Ejemplo 1
Probabilidad de obtener 6 caras al lanzar
una moneda 10 veces?
El nmero de aciertos k es 6. Esto es x=6
El nmero de experimentos n son 10
La probabilidad de xito p = 0.50
P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6
caras al lanzar 10 veces una moneda es de
20.5% .
Distribucin hipergeomtrica
En estadstica la Distribucin hipergeomtrica es
una distribucin de probabilidad discreta
con tres parmetros discretos N, d y n cuya
funcin de probabilidad es:
Aqu, se refiere al coeficiente
binomial, o al nmero de
combinaciones posibles al seleccionar
b elementos de un total a.
Esta distribucin se refiere a un

espacio muestra donde hay elementos
de 2 tipos posibles. Indica la
probabilidad de obtener un nmero de
objetos x de uno de los tipos, al sacar
una muestra de tamao n, de un total
de N objetos, de los cuales d son del
tipo requerido.
Ejemplo
1. En un lote de productos se tienen 20
productos sin defectos, 3 con defectos
menores y 2 con defectos mayores, se
seleccionan al azar 5 productos de este
lote, determine la probabilidad de que
a) 3 de los productos seleccionados no
tengan defectos y 1 tenga defectos
menores,
b) 4 de los productos seleccionados no
tengan defectos y 1 tenga defectos
menores.
C3* 3 C1* 2 C1 ( 1140 )( 3 )( 2 ) 6840
p( x 3, y 1,n 5 ) 20
0.128741
25 C5 53130 53130
C 4 * 3 C1* 2 C 0
p( x 4, y 1; n 5 ) 20
25 C 5
( 4845 )( 3 )( 1 ) 14535
0.27357
53130 53130
REGRESION LINEAL SIMPLE
Una de las aplicaciones mas

importantes de la estadstica
implica la estimacin del valor
medio de una variable de
respuesta y o la prediccin de
algn valor futuro de y con base
el conocimiento de un conjunto
de variables independientes
relacionadas, x1, x2, . . . xk.
Los modelos que se emplean
para relacionar una variable
dependiente y con las variables
independientes x1, x2, . . . xk se
denominan modelos de
regresin o modelos estadsticos
lineales porque expresan el valor
medio de y para valores dados
de x1, x2, . . . xk como una
funcin lineal de un conjunto de
parmetros desconocidos.
Los conceptos de anlisis de
regresin se presentan
empleando un modelo de
regresin muy sencillo, uno que
relaciona y con una sola variable
x. Aprenderemos a ajustar este
modelo a un conjunto de datos
mediante el mtodo de los
mnimos cuadrados
Un tipo de modelo probabilstico,
el modelo de regresin lineal
simple, supone que el valor
medio de y para un valor dado
de x se grafica como una lnea
recta y que los puntos se
desvan de esta lnea de medias
en una cantidad aleatoria
(positiva o negativa) igual a
Modelo de regresin lineal simple
(probabilstico)
Si queremos ajustar un
modelo de regresin lineal
simple a un conjunto de datos,
debemos encontrar
estimadores para los
parmetros desconocidos, 0 y
1.
Ejercicio:
Con esta informacin encontrar la
ecuacin de la lnea recta E(y)=?
Embarque 1 2 3 4 5 6 7 8 9 10
Distancia
825 215 1070 550 480 920 1350 325 670 1215
(km) x
Tiempo
3.5 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0
(dias) y
X Y XY X2 Y2
1 825 3.5 2287.5 680625 12.25
2 215 1.0 215.0 46225 1.00
3 1070 4.0 4280.0 1144900 16.00
4 550 2.0 1100.0 302500 4.00
5 480 1.0 480.0 230400 1.00
6 920 3.0 2760.0 846400 9.00
7 1350 4.5 6075.0 1822500 20.25
8 325 1.5 487.5 105625 2.25
9 670 3.0 2010.0 448900 9.00
10 1215 5.0 6075.0 1476225 25.00
7620 28.5 26370 7104300 99.75
1
SS xy
XY n x y 26370 10(762)( 2.85)

X n x 7104300 10(762)
2 2 2
SS xx 1
SS xy
SS xx

X
XY n x y
2
nx
2

26370 10(762)( 2.85)
7104300 10(762) 2
1 0.0036
0 y 1 x
2.85 0.0036( 762) 0.11
y 0 1 x 0.11 0.0036 x

Unidad 1 Estadistica Descriptiva

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Unidad 1 Estadistica Descriptiva

Загружено:

Авторское право:

Доступные форматы

Unidad I.

Prof. Tonatiuh Sosme Snchez

Sus fines son describir al conjunto

Estadstica Descriptiva (Deductiva):

Estadstica Inferencial o Inferencia

Esto se debe a la creciente facilidad

Poblacin: es la coleccin de todas

Se clasifica en dos categoras:

Muestra aleatoria: se considera

Para que un anlisis estadstico sea til en el proceso de

Si los datos estn estropeados por sesgos,

Buscar datos a publicados por fuentes

Disear un experimento para obtener los

Hacer observaciones de comportamiento

Sin importar la fuente utilizada, se hace

Un tercer mtodo para obtener datos es

Una vez que se ha

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Clase Pto. fi Fi fri FRi

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Frecuencia acumulada de la clase (Fi).

Tema 2. Estadstica Descriptiva

a) Construya una distribucin de frecuencias.

Los grficos permiten visualizar en forma

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Para datos cualitativos se usan:

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Corresponden a valores que generalmente

Tema 2. Estadstica Descriptiva

Las medidas de tendencia central

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Divide al conjunto de datos en dos

Para datos no agrupados:

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Donde: Lm: lmite inferior de la clase mediana.

Observacin o clase que tiene la

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Los cuantiles son medidas de posicin no

Tema 2. Estadstica Descriptiva

De la misma manera que la mediana

Tema 2. Estadstica Descriptiva

25% 25% 25% 25%

La obtencin de los cuartiles depende del nmero de

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tamao de la muestra N=10

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Los deciles dividen una muestra en 10 grupos