Cálculo y EstadísTICa. Primer Semestre.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Cálculo y EstadísTICa. Primer Semestre."

Transcripción

1 Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd Capítulo I ESTADÍSTICA DESCRIPTIVA Manuel Barrero Rpoll. Mª Ángeles Castejón Solanas. Mª Lusa Casado Fuente. Lus Sebastán Lorente. Departamento de Ingenería Topográfca y Cartografía Unversdad Poltécnca de Madrd

2 -I

3 I. ESTADÍSTICA DESCRIPTIVA. Conceptos generales 5. Tpos de varable estadístca 5.3 Dstrbucón de frecuenca. Sumaro estadístco 6.4 Agrupacón en ntervalos 9.5 Representacones gráfcas.5. Representacón gráfca de varables estadístcas dscretas.5.. Dagrama de barras.5.. Polígono de frecuenca.5..3 Polígono de frecuencas acumuladas.5. Representacón gráfca de varables estadístcas dscretas con valores agrupados en ntervalos.5.. Hstograma de frecuencas.5.. Polígono de frecuencas.5..3 Polígono de frecuencas acumuladas.5.3 Representacón gráfca de varables estadístcas cualtatvas Dagrama de barras.5.3. Dagrama de sectores.6 Los gráfcos en EXCEL 5.7 Parámetros estadístcos. Introduccón 7.8 Meddas de poscón y centralzacón 8.8. Moda.8. Medana.8.3 Cuantles.8.4 Meda artmétca. Propedades.9 Cálculo con EXCEL de los parámetros de poscón y tendenca central de un conjunto de datos ndvdualzados 3 3-I

4 . Meddas de Dspersón 5.. Rango de la varable estadístca.. Rango ntercuartílco..3 Varanza y desvacón típca. Propedades..4 Cuasvaranza o Varanza muestral. Propedades..5 Coefcente de varacón de Pearson. Propedades. Cálculo con EXCEL de los parámetros de dspersón de un conjunto de datos ndvdualzados 8. Momentos 8.. Relacones entre los momentos.. Cálculo con EXCEL de los parámetros estadístcos cuando los datos están agrupados.3 Meddas de forma 9.3. Coefcente de asmetría de Pearson.3. Coefcente de asmetría de Fsher.3.3 Coefcente de apuntamento o curtoss.4 Errores en las observacones 3.4. Valores atípcos. Outlers.4. Gráfcos de caja. Boxplot 4-I

5 UNIVERSIDAD POLITÉCNICA DE MADRID I. ESTADÍSTICA DESCRIPTIVA. Conceptos generales. La Estadístca es la cenca que trata de la teoría y de la aplcacón de métodos apropados para representar, resumr y analzar datos, así como realzar nferencas o pronóstcos a partr de los msmos. Por su enfoque, se puede clasfcar en Estadístca Descrptva e Inferenca Estadístca. La Estadístca Descrptva tene como objetvo el tratamento numérco y gráfco de los datos procedentes de un colectvo, con objeto de descrbr o resaltar algunas de las propedades de dcho colectvo. El objetvo de la Inferenca Estadístca es el estudo de las técncas que permten la realzacón de pronóstcos sobre la poblacón a partr de una muestra. Para el estudo de la estadístca descrptva, comenzamos abordando los sguentes conceptos: o Poblacón y Muestra. o Varable estadístca. o Frecuencas y dstrbucones estadístcas. o Representacones gráfcas. Poblacón y Muestra o Una poblacón estadístca es un conjunto de elementos del cual nos nteresa estudar alguna característca común. o Una muestra es un subconjunto de la poblacón estadístca. o La característca común que estudamos de una poblacón se denomna varable estadístca. La varable estadístca presentara dversas modaldades que serán los posbles valores que puede tomar la varable. De una poblacón de marcas de coche podemos estudar entre otras las sguentes varables estadístcas: Varable estadístca Carrocería Berlna. Modaldades Todo terreno. Famlar. Potenca en c.v. 65, 83, 9, 5, 3, Varable estadístca Combustble Gasolna 95. Modaldades Gasolna 98. Gasol Anchura del vehículo (mm) 67, 75, 8, Tabla.. Tpos de varable estadístca. Según sea la naturaleza de los valores, la varable estadístca puede clasfcarse en dos grupos: Escuela Técnca Superor de Ingeneros en Topografía Geodesa y Cartografía 5-I

6 Cualtatvas. Cuando los valores que toma la varable no son numércos. o La carrocería de un vehículo (varable estadístca). Berlna, Todo terreno, Famlar (valores o modaldades) Cuanttatvas. Cuando los valores que toma la varable son números reales. o Potenca en c.v. (varable estadístca). 65, 83, 9, 5, 3, (valores o modaldades) Las varables cuanttatvas se clasfcan en dscretas y contnuas. Una varable estadístca cuanttatva es dscreta s sus posbles valores pertenecen a un conjunto numerable. El caso más frecuente es aquél en que los posbles valores son números naturales; por ejemplo, el número de asentos de un coche es una varable estadístca dscreta. Una varable estadístca cuanttatva es contnua s sus posbles valores pertenecen a un conjunto no numerable, en general valores de Ro de un ntervalo de R; por ejemplo, la anchura del vehículo es una varable estadístca contnua.3 Dstrbucón de Frecuenca. Sumaro estadístco. El estudo de las dstrbucones de frecuenca tene como objeto construr tablas vertcales u horzontales que se utlzarán para una mejor presentacón e nterpretacón de los datos obtendos en la muestra. En la prmera columna (fla) se escrben los valores de la varable y en la segunda el número de veces que se repte el valor de la varable. 6-I Se dstnguen cuatro tpos de frecuencas: o Frecuenca absoluta n. o Frecuenca relatva f. o Frecuenca absoluta acumulada N. o Frecuenca relatva acumulada F. Frecuenca absoluta del valor x. Llamamos frecuenca absoluta (n ) del valor x de una varable estadístca X, al número n de veces que se repte el valor x. La suma de todas las frecuencas absolutas, es el número total de elementos que componen la muestra y que representamos por n. n + n n = n = n = La tabla (.3.) formada por los valores de la varable junto con sus respectvas frecuencas absolutas se denomna dstrbucón de frecuencas absolutas. x n x n x n.... x n n Tabla.3.

7 I. ESTADÍSTICA DESCRIPTIVA La dstrbucón de frecuencas absolutas de la muestra {,,,,, 3, 3, 3, 3, 4} es: x 3 4 n 3 4 Tabla.3. La frecuenca absoluta del valor x =3 es n =4. Se ha obtendo cuatro veces el valor tres. Frecuenca relatva del valor x. Llamamos frecuenca relatva (f ) del valor x de una varable estadístca X, al cocente entre la frecuenca absoluta y el número n de elementos que componen la muestra. X n f f = x n f x f La suma de todas las frecuencas relatvas es gual a la undad... n f = = f f = = = n La tabla (.3.3), formada por los valores de la varable junto con sus respectvas frecuencas relatvas, se denomna dstrbucón de frecuencas relatvas. La dstrbucón de frecuencas relatvas de la muestra {,,,,, 3, 3, 3, 3, 4} es: X 3 4 f Tabla.3.4 La frecuenca relatva del valor x = 3 es f =.4. El valor 3 aparece en la proporcón de 4/ y, por consguente, el 4% de las veces.. x. f Tabla.3.3 X N x N x N.. x N Tabla = n Frecuenca absoluta acumulada N. Lamamos frecuenca absoluta acumulada (N ) del valor x de una varable estadístca X, a la suma de las frecuencas absolutas de los valores nferores o guales a x, por tanto, N = n j y se verfca N j= = n X N Tabla.3.6 La tabla (.3.6) es la dstrbucón de frecuencas absolutas acumuladas de la muestra {,,,,, 3, 3, 3, 3, 4}. La frecuenca absoluta acumulada del valor x=3 es N =9. Se han obtendo nueve veces valores menores o guales que 3. 7-I

8 Frecuenca relatva acumulada F. Llamamos frecuenca relatva acumulada (F ) del valor x al cocente entre la frecuenca absoluta acumulada N y el nº total de elementos n, así pues N X F F = n y se verfca F =. La tabla (.3.8) es la dstrbucón de frecuencas relatvas acumuladas de la muestra {,,,,, 3, 3, 3, 3, 4}. X 3 4 F Tabla.3.8 x F x F.. x.. F = Tabla.3.7 La proporcón de valores menores o guales que 3 es.9 y, por tanto, el 9%. X n f N F Tabla.3.9 Tambén es frecuente usar una tabla llamada sumaro estadístco, en la que aparecen los valores de la varable junto con los valores de los dstntos tpos de frecuenca. El sumaro estadístco para la muestra {,,,,, 3, 3, 3, 3, 4} puede adoptar la forma de la tabla (.3.9). Las dstrbucones y tablas anterores se utlzan cuando se realzan pocas observacones y, por tanto, la varable tene pocos valores dstntos; o, aunque haya un gran número de observacones, exsten pocos valores de la varable dstntos. Cuando los dstntos valores de la varable son muchos, las tablas anterores no son efcaces ya que su comprensón es más dfícl a medda que aumenta el número de valores dstntos de la varable. Es por ello que se debe agrupar la varable en ntervalos adecuadamente elegdos, y en tal caso, se dce que la varable es contnua por ntervalos. Ejemplo.- Los sguentes valores, proceden de un examen realzado a 8 estudantes, y cuyo rango teórco de valores es de a Observamos que hay una gran cantdad de valores dstntos, por ello, agrupamos los datos en ntervalos como se puede observar en la tabla (.3.). De esta forma, la presentacón de los datos y de los gráfcos son más fácles de asmlar. 8-I

9 I. ESTADÍSTICA DESCRIPTIVA Intervalo x n f N F [3.5 4) /8 3 3/8 [4 4.5) /8 /8 [4.5 5) / /8 [5 5.5) / /8 [5.5 6) 5.75 / /8 [6 6.5] /8 8 Sumas 8 Tabla.3..4 Agrupacón en ntervalos. Para elaborar y entender este tpo de agrupacones necestamos prmeramente estudar algunas nuevas defncones y establecer algunos crteros prevos. Intervalo x n [e o - e ) x n [e - e ) x n [e - - e ) x n [e - - e ] x n Tabla.4. Llamamos e < e < e <... < e a los extremos de los ntervalos en los que agrupamos la varable estadístca. Defnmos ampltud del ntervalo a como la dferenca a = e e. El punto medo x de cada ntervalo se denomna e + e centro o marca del ntervalo x =. Defnmos rango o recorrdo de la varable como la dferenca entre el valor máxmo y el valor mínmo de la varable. Desgnamos por (n ) al número de observacones que quedan dentro del ntervalo [ e, e ). La agrupacón de los datos en ntervalos tene la ventaja de smplfcar los cálculos y el nconvenente de la pérdda de nformacón ya que, una vez que los valores son ntroducdos en un msmo ntervalo, perden su valor real y asumen como valor el valor central del ntervalo. Por ello, debemos elegr los ntervalos de forma que se equlbren los aspectos de smplcdad y pérdda de nformacón. Lo cual nos lleva a ntroducr algunas cuestones subjetvas y que a contnuacón exponemos. Realzacón de las agrupacones. Para evtar la pérdda de nformacón es convenente (aunque no necesaro) que se verfquen las reglas sguentes: Los ntervalos deben tener la msma ampltud. La anchura de cada ntervalo se obtendrá redondeando por exceso el cocente que resulte de dvdr el rango de la varable entre el número de ntervalos elegdo. Aunque no exste una regla fja, recomendamos construr un número de ntervalos próxmo a n o al número + 3.3log (n), y nunca más de ntervalos. 9-I

10 Para que los gráfcos y tablas sean más fácles de comprender, es convenente tomar ntervalos de forma que las ampltudes sean múltplos o submúltplos de 5 o de. Los ntervalos deben solaparse sn ambgüedad. El crtero que seguremos será tomar ntervalos de la forma [a, b), o ben, añadmos en los extremos un decmal más que los utlzados por los valores de la muestra. Los ntervalos deben ser homogéneos, es decr, no deben exstr ntervalos con más del 3% n menos del 5% del total de datos. Es mportante que no exstan ntervalos con frecuenca cero. En el ejemplo del examen realzado a los 8 estudantes, los valores máxmo y mínmo son 6.3 y 3.6 respectvamente, así pues, el rango de la varable es: r = =.7 Deseamos ntervalos con ampltudes múltplos o submúltplos de 5 y extremos de fácl lectura, para ello, s redondeamos el rango a 3 y tomamos e =3.5 con 6 ntervalos, obtenemos ntervalos de ampltud.5. Así pues, tomamos como extremo nferor del prmer ntervalo 3.5, y el valor 6.5 como extremo superor del últmo ntervalo (rango 3). Observen que de esta forma la ampltud de cada ntervalo es.5, los ntervalos son homogéneos, no exsten ntervalos de frecuenca cero y las notas superores e nferores a 5 quedan separadas. Intervalo x n f N F [3.5 4) /8 3 3/8 [4 4.5) /8 /8 [4.5 5) / /8 [5 5.5) / /8 [5.5 6) 5.75 / /8 [6 6.5] /8 8 Sumas 8 Tabla.4. Procedendo de esta forma hemos obtendo el sumaro estadístco de la tabla (.4.)..5 Representacones gráfcas. Una buena representacón gráfca, junto con las tablas de frecuencas anterormente ctadas, permten captar rápdamente las característcas de la muestra así como resumr y analzar los datos. De las muchas formas de representacón gráfca que exsten, estudaremos algunas de las más utlzadas y cómo se realzan con EXCEL. Según sean los datos, las gráfcas se pueden clasfcar en: De Caracteres Cuanttatvos. Varables estadístcas dscretas. -I

11 I. ESTADÍSTICA DESCRIPTIVA Dagrama de barras. Polígonos de frecuencas. Polígonos de frecuencas acumuladas. Varables estadístcas dscretas con frecuencas agrupadas en ntervalos. Hstogramas. Polígonos de frecuencas. Polígonos de frecuencas acumuladas. De Caracteres Cualtatvos. Dagrama de barras. Dagrama de sectores. Pctogramas..5. Representacones gráfcas de las varables estadístcas dscretas.5.. Dagrama de barras. Para la construccón de este gráfco se parte de un sstema de ejes coordenados: en el eje horzontal se representan los valores de la varable X y en el eje vertcal los valores de las frecuencas absolutas n (o relatvas f ). Este gráfco se puede realzar medante barras horzontales o vertcales (columnas). La longtud de cada una de las barras representa la frecuenca absoluta o frecuenca relatva de cada valor. Ejemplo. La tabla (.5.) representa la puntuacón obtenda en un test de preguntas realzado a 45 alumnos. Puntuacón Nº de alumnos Tabla.5. En el gráfco (.5.) representamos el dagrama de columnas (barras vertcales) correspondente al test realzado por los 45 alumnos del ejemplo. Dagrama de barras de frecuencas absolutas n Gráfco.5. En caso de utlzarse para comparar muestras dstntas de una msma varable, se debe tener precaucón, ya que, en este caso, debemos usar frecuencas relatvas para elmnar la nfluenca vsual que ejerce el tamaño de cada una de las muestras..5.. Polígono de frecuencas. Su construccón se realza representando en un sstema de ejes coordenados los puntos (x,n ) o (x,f ), dependendo de que se quera representar el polígono de frecuencas absolutas o el polígono de frecuencas relatvas, unéndose a contnuacón dchos puntos medante una polgonal. -I

12 Polígono de frecuencas absolutas n Gráfco.5. El gráfco (.5.) representa el polígono de frecuencas absolutas de los resultados del test del ejemplo de la págna Polígono de frecuencas acumuladas. Se realza de forma análoga al polígono de frecuencas, pero utlzando los puntos (x, N ) o (x, F ), según se quera representar el polígono de frecuencas absolutas acumuladas o de frecuencas relatvas acumuladas. A contnuacón se unen de forma escalonada los puntos representados. La tabla (.5.) y el gráfco (.5.3) representan la dstrbucón de frecuencas absolutas acumuladas y el polígono de frecuencas absolutas acumuladas del resultado del test del ejemplo de la págna. Puntuacón N Tabla Polígono de frecuencas absolutas acumuladas N Gráfco Representacones gráfcas de varables estadístcas dscretas con valores agrupados en ntervalos.5.. Hstograma de frecuencas. Se utlza para representar datos que han sdo agrupados en ntervalos. Se construye de forma análoga al dagrama de barras pero levantando para cada ntervalo un rectángulo. En este gráfco los rectángulos tenen que solaparse (varable agrupada en ntervalos) y el área de cada rectángulo será proporconal a la frecuenca (n o f ) del ntervalo. S los ntervalos son de gual ampltud, la altura h de cada rectángulo será gual a la frecuenca (n o f ) ya que el área solo dependerá de la altura. -I

13 UNIVERSIDAD POLITÉCNICA DE MADRID I. ESTADÍSTICA DESCRIPTIVA Hstograma del ejemplo (Notas de examen realzado por 8 estudantes) Gráfco.5.4 S algún ntervalo es de dstnta ampltud, el cálculo de su altura (h ) se efectuará hallando el cocente n f h ó h, donde a a a representa la ampltud del ntervalo..5.. Polígono de frecuencas. En este gráfco representamos los puntos medos (x, n ) o (x, f ) de cada ntervalo y a contnuacón se unen los puntos medante una polgonal Polígono de frecuencas de datos agrupados en ntervalos. Ejemplo. (Notas de examen realzado por 8 estudantes) Gráfco.5.5 La polgonal debe comenzar y acabar cortando al eje de la varable en los puntos medos de los que serían un ntervalo anteror al prmero y otro posteror al últmo (varable agrupada en ntervalos). De esta forma el área encerrada por el polígono será n o, según que utlcemos n o f Polígono de frecuencas acumuladas. Se trata de poder observar la acumulacón de frecuencas hasta un valor determnado de la varable; por ello, es muy útl para calcular Polígono de frecuencas acumuladas del ejemplo. (Notas de examen realzado por 8 estudantes ) Q Q Gráfco.5.6 percentles de una forma gráfca. El gráfco se obtene al unr medante una polgonal los puntos (e, N ) o (e, F ). Al ser un gráfco de datos agrupados en ntervalos, el polígono sempre empeza en (e, ) y acaba en (e, n) ó (e,). Escuela Técnca Superor de Ingeneros en Topografía Geodesa y Cartografía 3-I

14 .5.3 Representacones gráfcas de varables estadístcas cualtatvas. Exste una gran multtud de gráfcos para representar los datos de una muestra o poblacón de una varable estadístca cualtatva. Nosotros solo mostramos algunos de ellos, y para lustrar las gráfcas explcadas en este epígrafe utlzaremos el sguente ejemplo. Ejemplo 3.- Se pregunta a un grupo de hombres y 5 mujeres sobre sus preferencas de vehículos, sendo éstas las modaldades sguentes: BERLINA, 4X4, DEPORTIVO y MONOVOLUMEN. Los resultados obtendos se reflejan clasfcados por sexo en la sguente tabla: HOMBRES MUJERES Total MODALIDADES n f n f BERLINA DEPORTIVO X MONOVOLUMEN Tabla Dagramas de barras. Para las varables cualtatvas se pueden emplear los dagramas de barras horzontales o en columnas. Ambos conssten en representar las frecuencas medante rectángulos horzontales o vertcales, cuyas longtudes sean guales a la frecuenca absoluta de cada modaldad cualtatva. Dagrama de barras. Mujeres Dagrama de barras. Hombres Berlna Deportvo 4X4 Monovolumen Berlna Deportvo 4X4 Monovolumen Ejemplo 3 Gráfco.5.7 Ejemplo 3 En el caso en que se desee comparar dferentes conjuntos con dferente número de elementos, debemos utlzar la frecuenca relatva para evtar falsear la longtud de las barras. Dagrama de barras. Ejemplo 3,7,6,5,4,3,, Berlna Deportvo 4X4 Monovolumen Gráfco I Hombres Mujeres Así en el ejemplo anteror para comparar las preferencas entre los hombres y las mujeres, debemos utlzar las frecuencas relatvas f como en el gráfco (.5.8).

15 I. ESTADÍSTICA DESCRIPTIVA.5.3. Dagrama de sectores. La dea de este gráfco es semejante a la del dagrama de rectángulos; se camba la longtud de cada rectángulo por la ampltud en los ángulos o en el área de los sectores en que se dvde el círculo. 35% Dagrama de sectores Ejemplo 3 (Hombres) Dagrama de sectores Ejemplo 3 (Mujeres) Berlna Deportvo 4X4 Monovolumen Berlna Deportvo 4X4 Monovolumen 5% 4% % 5% % 6% 6% Gráfco.5.9 Es la representacón en la que el círculo aparece dvddo en sectores, de forma que los ángulos, y por tanto las áreas respectvas, sean proporconales a las frecuencas Pctogramas. La dea de este gráfco es semejante a la del dagrama de rectángulos; la varable se representa por un dbujo de tamaño proporconal a la frecuenca del valor de varable Cartogramas. Son representacones sobre mapas de la varable en estudo. Usualmente los dstntos valores de la varable se representan con colores dstntos o dstnta ntensdad; como ejemplo podemos observar el cartograma elaborado por el Insttuto de Estadístca de la Comundad de Madrd. Consejería de Economía y Consumo sobre la renta per cápta del año 4 en la Comundad de Madrd. 5-I

16 .6 Los gráfcos en EXCEL. En el gráfco (.6.) se representan algunos de los elementos más mportantes de un gráfco de EXCEL. Una vez realzado el gráfco, s pulsamos con el botón secundaro del ratón en estas zonas podremos modfcar el gráfco. Área del gráfco Dagrama de barras Título Eje de valores Líneas de dvsón A B Área de trazado Leyenda Seres de datos Gráfco.6. Rótulos de datos Para realzar con Excel los gráfcos anterormente estudados, selecconamos prmeramente los valores de la varable (modaldades) y sus frecuencas, y a contnuacón selecconamos en el menú Insertar y de él, el botón De este modo aparece una pantalla como la que se muestra en la fgura.6.. Fgura.6. Pulsando la pestaña Aceptar, aparece el gráfco en la msma hoja como el de la fgura I

17 I. ESTADÍSTICA DESCRIPTIVA Observemos que, encma de la pestaña Dseño, aparece otra nueva una pestaña con el nombre de Herramentas de gráfcos y que, pulsando en ella, aparece una nueva barra (fgura.6.3) que permte realzar cambos en el gráfco. Fgura.6.3 Tambén n podemos realzar cambos en el gráfco pulsando el botón secundaro del ratón; en este caso,, según la poscón del puntero se obtenen unas opcones de cambo u otras..7 Parámetros Estadístcos. Introduccón Los parámetros estadístcos son certos valores representatvos de un conjunto de datos, en el sentdo de condensar en ellos la nformacón contenda en dcho conjunto. Estos parámetros estadístcos nos proporconarán nformacón acerca de la stuacón, dspersón y forma de los datos. En este curso estudamos las sguentes meddas o parámetros: Meddas de poscón y de centralzacón. Tenen por objeto dar una dea del valor o valores de la varable, alrededor de los cuales se agrupa una cantdad de datos. Por su mportanca estudaremos los sguentes: Moda. Meda. Medana. Cuantles. 7-I

18 Cuartles. Decles. Percentles. Meddas de dspersón. Estas meddas determnan lo agrupada o dspersa que está la poblacón y por ello nos dan una dea de la mayor o menor concentracón de los valores de la varable alrededor de certo valor. Por su mportanca estudaremos las sguentes: Rango ntercuartílco. Varanza de la poblacón y de la muestra. Desvacón típca de la poblacón y de la muestra. Coefcente de varacón. Momentos no centrados. Momentos centrados. Meddas de forma. Tratan de dentfcar certas dferencas en la forma de la dstrbucón con respecto a un modelo determnado. Coefcentes de Asmetría. Coefcente de Curtoss..8 Meddas de poscón y centralzacón.8. Moda M. La moda de un conjunto de datos es el valor de la varable que tene máxma frecuenca absoluta n, o relatva f. Puede ser calculada tanto para varables cualtatvas como para varables cuanttatvas. La moda puede no ser únca, o ncluso no exstr cuando todos los valores de la varable tenen la msma frecuenca. Cálculo de la moda. S la varable no está agrupada en ntervalos, se observa drectamente el valor de la varable que tene mayor frecuenca absoluta o relatva. Hallar la moda de los conjuntos de datos A = {,,,,, 3, 3, 3, 3, 4 }, B = {,,,,,, 3, 4, 4, 4, 4 } y C = {,, 3, 4, 5, 6, 7, 8, 9}. - En A la moda M es 3, por ser el valor más frecuente n=4. - En B exsten dos valores modales M = y 4, la frecuenca absoluta en ambos es n=4. - En C no exste moda ya que todos los valores tenen gual frecuenca. S la varable está agrupada en ntervalos, se defne el ntervalo modal como el ntervalo que tene mayor frecuenca, y adoptamos como moda M el punto medo del ntervalo modal. 8-I

19 I. ESTADÍSTICA DESCRIPTIVA En la dstrbucón de frecuencas de las notas del test del ejemplo, observamos que el ntervalo [5 5.5) es el ntervalo modal y su punto medo x = 5.5 es el valor que adoptamos como moda. Intervalo x n f [3.5 4) /8 La moda tene la ventaja de ser fácl su cálculo, pero tene el nconvenente de que dos muestras con datos muy parecdos pueden tener modas muy dstntas. [4 4.5) [4.5 5) [5 5.5) [5.5 6) /8 6/8 8/8 /8 Es mportante observar que al agrupar en ntervalos perdemos nformacón acerca del auténtco valor modal. [6 6.5] Sumas /8 Tabla Medana M. Se defne como el valor central de los valores de la varable una vez que éstos han sdo ordenados en sentdo crecente. Por tanto, la medana M es un valor de la varable tal que el 5% de los datos son nferores y el otro 5% de los datos son superores. Cálculo de la medana. En prmer lugar ordenamos los datos de menor a mayor; S los datos no están agrupados en ntervalos, pueden darse dos casos, que n sea entero o que no lo sea. S n no es un número entero, la medana M es el valor de la varable que ocupa la poscón: parte entera del número n +. S n es un número entero, la medana se calcula hallando el valor central de los valores de la varable que ocupan las poscones: parte entera de los números n y n +. En el conjunto de datos A = {,,,,, 3, 3, 3, 3, 4} observamos que los datos están ordenados y n=, por tanto, la medana es M=.5 que corresponde al punto medo de los valores de la varable que ocupan las poscones n 5 = (x=) y n 6 + = (x=3). En el conjunto de datos B = {,,,,,, 3, 4, 4, 4, 4} observamos que el número de datos es mpar y están ordenados. La medana es el valor de la varable que ocupa el lugar parte entera de n + = 6, y por tanto, la medana es M=. S los datos están agrupados en ntervalos, el cálculo se realza de forma semejante a como se realza para datos no agrupados; la dferenca estrba en que, en vez de hallar el punto medo, calculamos su valor por nterpolacón lneal. 9-I

20 S n está en el ntervalo [e -, e ), se tene: N n/ N - h n n - N n e - e = a - - h M = e - + h. e - M Gráfco.8. e La nterpolacón lneal anteror puede resumrse n N en la formula: M = e + n a Para calcular la medana de datos agrupados en ntervalos procedemos de la sguente forma: se localza el prmer ntervalo cuya frecuenca acumulada supere la mtad de las observacones, esto es, 8/=4; esta frecuenca acumulada está en el ntervalo [5 5.5) que denomnamos ntervalo medano, por ser aquél que contene a la Intervalo [3.5 4) x 3.75 n 3 N 3 medana. El valor de la medana lo obtenemos aplcando la fórmula anteror: [4 4.5) [4.5 5) [5 5.5) [5.5 6) [6 6.5] Sumas 8 Tabla.8. ( ) M = 5+ = La generalzacón del concepto de la medana da lugar a nuevas meddas de poscón que llamaremos cuantles..8.3 Cuantles. Son meddas de poscón o de orden. En general dvden en dos partes a los datos colocados en orden crecente y tambén determnan la poscón de cada uno de los datos. Los cuantles más usados son los cuartles, decles y percentles. Los cuartles dvden los datos ordenados de la poblacón en cuartas partes. Exsten tres cuartles Q, Q y Q 3. El prmer cuartl (Q ) es un valor de la poblacón tal que el 5% de los datos son menores y el 75% son mayores que él. El segundo cuartl se denomna medana (Q =M). En el tercer cuartl (Q 3 ) el 75% de los datos toman valores menores y el 5% mayores. Exsten 9 decles y dvden a la poblacón en dez partes guales. Se llama decl de orden α (D α ), al valor de la varable que dvde a la poblacón en dos partes de tal forma que α del total de los datos tomen valores nferores a D α y α del total de datos tomen valores superores, con α N y < α <. -I

21 I. ESTADÍSTICA DESCRIPTIVA Exsten 99 percentles y dvden a la poblacón en cen partes guales. Se llama percentl de orden α (P α ) al valor de la varable que dvde a la poblacón en dos partes de α tal forma que el del total de los datos tomen valores nferores a P α y α del total tomen valores mayores, sendo α N y < α <. El cálculo de los cuantles se realza de forma análoga al cálculo de la medana. En el conjunto de datos A = {,,,,, 3, 3, 3, 3, 4}, los datos están ordenados y 3 n no es 4 un número entero; por tanto, el tercer cuartl es Q 3 =3, ya que es el valor de la varable que ocupa el lugar: parte entera de 3 n 4 +. El decl sexto es el valor D 6 =3, que corresponde al valor medo de los valores de la varable que ocupan las poscones 6 n = 6 (x=3) y 6 n 7 + = (x=3). El percentl 4 concde con el decl 4 y es el valor medo de los valores que ocupan los lugares 4 n 4 = y 4 n 5 + =, así pues P 4=. En el caso de que los datos estén agrupados en ntervalos, el cálculo se realza de forma semejante a como se realza para la medana, pero todo referdo al ntervalo que contenga el valor de las frecuencas α α α n, n y n, según sea el cuantl a calcular. 4 Por ejemplo, para el cálculo del percentl 8, localzamos el ntervalo donde se encuentra P 8, y calculamos su valor por nterpolacón lneal. N S α n está en el ntervalo [e -, e ); 8n/ N - e - h P 8 e n n e e = a α n N h α P = e + h. Gráfco.8. por tanto, la nterpolacón lneal anteror se puede resumr en la formula: P α α n N a = e +. n -I

22 El cálculo de algunos cuantles del ejemplo es: ( n 4 = ).5 Q = = ( n 6 4 = ) Q = 5+ = ( n 48 = 48 36).5 D6 = ( n 76 = 76 76).5 P95 = 6 + = 6. 4 Intervalo x n N [3.5 4) [4 4.5) [4.5 5) [5 5.5) [5.5 6) [6 6.5] Sumas 8 Tabla Meda artmétca X. Propedades. Posblemente es el parámetro estadístco más conocdo y utlzado. Se representa por X y se defne como la suma de todos los valores del conjunto de datos dvdda por el número de datos; por tanto: x n n x Tabla.8.4 n x + n x n x X = n = nx n = = fx. = La meda del conjunto de datos A = {,,,,, 3, 3, 3, 3, 4} es X =.3, ya que: X = = 3 =.3 Intervalo x n n La meda del ejemplo de la tabla (.8.5) es x [3.5 4) [4 4.5) [4.5 5) [5 5.5) [5.5 6) [6 6.5] Sumas Tabla.8.5 El cálculo de la meda tambén puede realzarse en forma de tabla añadendo una nueva columna con los valores n x. Cuando las observacones han sdo agrupadas en ntervalos, el cálculo se realza de la msma forma, pero utlzando el valor central del ntervalo como valor de todas las observacones que han sdo adjudcadas a dcho ntervalo X = = = I

23 I. ESTADÍSTICA DESCRIPTIVA Propedades. Solo es aplcable para varables estadístcas cuanttatvas.. No depende del orden en el que estén colocados los datos. 3. Es más representatva cuanto mayor sea la concentracón de los valores alrededor suyo y más smétrca sea la dstrbucón. 4. Es muy sensble a la presenca de datos extremos. 5. La meda de las desvacones a la meda es cero. ( ) n = n = n x X = n x X = 6. S se multplcan todos los valores de la varable estadístca X por una constante a, la meda queda multplcada por la constante a. n = n = ax = an x = a n x = ax 7. S se suma una constante b a los n valores de la varable, la meda queda aumentada en dcho valor b. ( ) n = n n = b + X = n b + x = bn + n x = b + X.9 Cálculo con EXCEL de los parámetros de poscón y tendenca central de un conjunto de datos ndvdualzados A contnuacón exponemos un procedmento para calcular estos parámetros utlzando las correspondentes funcones específcas de EXCEL. =MODA(número;[número]; ) Calcula la moda del rango de datos. =MEDIANA(número;[número]; ) Calcula la medana del rango de datos. =CUARTIL(matrz;cuartl) Calcula el valor de uno de los cuartles. Matrz es el rango de los datos y cuartl son los valores,, 3, para calcular Q, Q =M y Q 3, respectvamente. =cuartl(matrz;3), calcula el tercer cuartl del rango de los datos. =PERCENTIL(matrz;) Calcula el percentl, donde es un número entre y. =percentl(matrz;.3) calcula el P 3 que concde con D 3. =PROMEDIO(número;[número]; ) Calcula la meda del rango de datos. 3-I

24 Como ejemplo, usaremos los conjuntos de datos A = {,,,,, 3, 3, 3, 3, 4}, B = {,,,,,, 3, 4, 4, 4, 4} y C = {,, 3, 4, 5, 6, 7, 8, 9}. Escrbmos en sucesvas casllas las fórmulas de los parámetros que deseamos calcular, por ejemplo, para el cálculo del cuartl tercero; en la celda 7,B hemos escrto: =cuartl(b:b;3). Además, podemos añadr unos rótulos útles, como se muestra en el gráfco.9.. Notemos que algunos parámetros calculados por EXCEL no concden con algunas de las defncones dadas. Fgura.9. Por ejemplo, la moda del conjunto B nos ndca sólo un valor modal en vez de dos; en el conjunto C la moda es ndcada con #N/A, es decr, no exste valor modal. El prmer y tercer cuartl de los conjuntos de datos A y B son dstntos de los que obtendríamos nosotros. La dferenca es debda a que se utlzan crteros dstntos. Cuando el percentl buscado es un valor exacto de la sere de datos, nosotros tomamos como valor del percentl el punto medo de los valores α que ocupan los lugares n 4 α y n +, mentras que 4 EXCEL nterpola entre dchos valores. 4-I

25 I. ESTADÍSTICA DESCRIPTIVA. Meddas de Dspersón Como djmos anterormente, la meda es más representatva cuanto mayor sea la concentracón de los valores alrededor suyo; por ello, uno de los objetvos de las meddas de dspersón es el estudo de dferentes parámetros que nos ndquen el grado de alejamento de los datos respecto de algún parámetro central... Rango o recorrdo de la varable estadístca (Re). Se defne como la dferenca entre el máxmo y el mínmo valor de la varable. Es una medda muy senclla de calcular, pero, poco robusta, pues solo tene en cuenta los valores extremos. Para los datos del conjunto A = {,,,,, 3, 3, 3, 3, 4}, Re=x max -x mn =4-=3. Para evtar la nfluenca en el rango de los datos con valores extremos, suele ser frecuente utlzar el rango ntercuartílco... Rango o recorrdo ntercuartílco (IQR). La dferenca entre el tercer y el prmer cuartl se denomna recorrdo o rango ntercuartílco y se representa por IQR. Es fácl observar que el rango ntercuartílco contene el 5% de las observacones centrales. IQR = Q3 Q Su cálculo es muy sencllo, y es una medda muy robusta en el sentdo de no estar nfluencada por la presenca de valores extremos. Del ejemplo, sabemos que Q 3 =5.43 y Q =4.69, por tanto, IQR= Varanza (σ ) y desvacón típca (σ) poblaconales. Propedades. Al gual que la meda en las meddas de poscón, la varanza es la medda de dspersón más utlzada. Ambas suelen formar parte de muchas defncones y estudos estadístcos. La varanza mde la dspersón de los valores de la varable respecto de la meda. Cuanto mayor sea la varanza, menos representatva es la meda. Se defne la varanza poblaconal, o smplemente varanza (σ ), de un conjunto de datos, como la meda de los cuadrados de las dferencas a la meda. ( ) σ = n x X n = Se defne desvacón típca ( σ ) de la poblacón, como la raíz cuadrada de la varanza. σ = ( ) = n x X n 5-I

26 Calcular la varanza y la desvacón típca de los datos {,,,,, 3, 3, 3, 3, 4}. Por ser la meda X =.3, la varanza es y la desvacón típca Propedades de la varanza 6-I 3(.3) + (.3) + 4(3.3) + (4.3) σ = =. I. La varanza es sempre postva. σ =. =.5 II. S se multplcan todos los valores de la varable por una constante a, la varanza queda multplcada por la constante a. S y = ax entonces: III. ( ) ( ) σ = = = σ y n y Y a n x X a x n = n =. S sumamos una constante b a los valores de la varable, la varanza no camba. S y = b + x entonces: ( ) ( ) ( ) σ = = + + = = σ y n y Y n (b x ) (b X) n x X x n = n = n = IV. La varanza es la meda de los cuadrados de la varable, menos el cuadrado de la meda de la varable. ( ) ( ) σ = n x X = n x n x X + n X = x n = n = n = V. La prncpal ventaja de la desvacón típca frente a la varanza es que la prmera se mde en las msmas undades que los datos...4 Cuasvaranza o Varanza muestral (S ). Propedades. Se defne varanza muestral o Cuasvaranza (S ) como la cantdad ( ) S = n x X n = Este parámetro tene gran mportanca en nferenca estadístca, ya que se utlza con más frecuenca que la varanza. La raíz cuadrada de la cuasvaranza se denomna desvacón típca muestral o cuasdesvacón típca (S). S = ( ) = n x X n n x X

27 I. ESTADÍSTICA DESCRIPTIVA La cuasvaranza y desvacón típca muestral del conjunto {,,,,, 3, 3, 3, 3, 4} son 3(.3) + (.3) + 4(3.3) + (4.3) S = =. y S =..6 9 Propedades I. Cuanto mayor sea el número n de datos, más se aproxman S a σ y S a σ. n II. S = σ n y n S = σ. n..5 Coefcente de varacón de Pearson (CV). Propedades. En la propedad II de la varanza, se observa que ésta es afectada por los cambos de escala y, por tanto, no es útl para comparar dspersones entre varable estadístcas con dstntas undades. Por ello, para comparar la dspersón entre muestras o poblacones, se utlza el coefcente de varacón de Pearson. Se defne el coefcente de varacón de Pearson (CV) como el cocente entre la desvacón típca y el valor absoluto de la meda. Generalmente se expresa en porcentajes. σ CV = %. X Algunas de sus propedades son: Es ndependente de las undades que se utlcen. Nos permte comparar la dspersón de dos dstrbucones con medas o con undades dferentes. Tene el nconvenente de no estar defndo para dstrbucones con meda cero. Además, cuando la meda se aproxma a cero el coefcente de varacón tende a nfnto. Ejemplo. Calcular los parámetros anterores para los valores de la evaluacón de los estudantes recogdos en el ejemplo () y agrupados en la tabla (..5). ntervalo x n n x ( ) n x X [3.5 4) [4 4.5) [4.5 5) [5 5.5) [5.5 6) [6 6.5] Sumas Tabla..5 Para calcular la varanza debemos hallar el valor de σ = n ( ) n x X. Para ello, añadmos dos nuevas columnas, la prmera para el cálculo de la meda y la segunda para el cálculo de la suma de los cuadrados de las dferencas a la. meda. n ( x X) 7-I

28 X = σ = S = S = I Fgura...38 σ = CV =.95% Cálculo con Excel de los parámetros de dspersón de un conjunto de datos ndvdualzados EXCEL dspone de algunas funcones específcas para el cálculo de los parámetros de dspersón: =VARP(número;[número]; ). Calcula la varanza del conjunto de datos. =DESVESTP(número;[número]; ). Calcula la desvacón típca del conjunto de datos. =VAR(número;[número]; ). Calcula la cuasvaranza de los datos. =DESVEST(número;[número]; ). Calcula la desvacón típca muestral. Como ejemplo, usaremos el conjuntos de datos A = {,,,,, 3, 3, 3, 3, 4}. Escrbmos en sucesvas casllas las fórmulas de los parámetros que deseamos calcular; por ejemplo, para el cálculo de la cuasvaranza en la celda (4,C) hemos escrto: =VAR(A3:A).. Momentos Los momentos son meddas de dspersón sobre un determnado valor. En general, se defne el momento de orden r respecto del valor c como Según el valor que tome c, se dstnguen dos casos mportantes: S c=, entonces los momentos de orden r se denomnan momentos no centrales o respecto del orgen y se denotan por m (c) = n x c r n = m r r = nx n = ( ) r

29 I. ESTADÍSTICA DESCRIPTIVA Se observa que: o El momento de orden respecto del orgen sempre es la undad (m =). =. o El momento de orden respecto del orgen concde con la meda ( m X) S c = X, entonces los momentos de orden r se denomnan momentos centrales o respecto de la meda y se denotan por Es mportante notar que: ( ) µ = n x X r r n = o El momento de orden respecto de la meda sempre es la undad, (µ =). o El momento de orden respecto de la meda sempre es cero, (µ =). o El momento de orden respecto de la meda sempre concde con la varanza, (µ =σ ).... Relacones entre los momentos µ =m -m. µ 3 =m 3-3m m +m 3. µ 4 =m 4-4m 3 m +6m m -3m 4. Ejemplo. Para el conjunto de datos A = {,,,,, 3, 3, 3, 3, 4}, los momentos centrales y no centrales son: m = = = A. m = = µ = m m = = = σ µ 3 = m3 3mm + m = 3 + = m m = = = = µ 4 = m4 4m3m + 6mm 3m = =.79.3 Meddas de forma Además de la tendenca central y de la dspersón, se puede tratar de caracterzar la forma de una dstrbucón medante índces que determnen la asmetría y el apuntamento de la dstrbucón. Asmetría. Una dstrbucón de frecuencas es smétrca s su correspondente gráfco es smétrco respecto a un eje vertcal. 9-I

30 S la dstrbucón es smétrca, la medana y la meda concden. M = X S la dstrbucón es smétrca y unmodal, la medana, meda y moda concden. M = X = M o Una dstrbucón con asmetría por la derecha o postva, quere decr que la gráfca de frecuencas descende más lentamente por la derecha que por la zquerda. En este caso se verfca que Mo M X. Una dstrbucón asmétrca por la zquerda o negatva, quere decr que la gráfca de frecuencas descende más lentamente por la zquerda que por la derecha. En este caso se verfca que X M M o..3. Coefcente de Asmetría de Pearson. Propedades. Se defne como el cocente A s X M = σ o. Mde la asmetría respecto de la moda. S A s = es smétrca respecto de la moda. X = M. S A s > es asmétrca a la derecha de la moda. X > M. S A s < es asmétrca a la zquerda de la moda. X < M. S la moda no es únca, no está defndo. El coefcente de asmetría de Pearson del conjunto de datos A = {,,,,, 3, 3, 3, 3, 4} es: A s = = <..3. Coefcente de Asmetría de Fsher. El coefcente de asmetría de Fsher, se defne como el cocente 3-I g n ( ) 3 n x X = = 3 σ

31 I. ESTADÍSTICA DESCRIPTIVA Es un coefcente admensonal y mde la asmetría respecto de la meda. S g = la dstrbucón es smétrca o no sesgada. S g < la dstrbucón es asmétrca o sesgada a la zquerda y X Me Mo. S g > la dstrbucón es asmétrca o sesgada a la derecha y Mo Me X..3.3 Coefcente de apuntamento o curtoss g. El coefcente de apuntamento de Fsher se defne e nterpreta como sgue: ( ) 4 n x X = g = 3. 4 n σ S la dstrbucón estudada tene por meda X y desvacón típca muestral S, entonces: S g >, la dstrbucón es más apuntada que la normal N ( X,S ). S g <, la dstrbucón es menos apuntada que la normal N ( X,S ). El apuntamento como medda de forma es relatva. Su defncón se hace por comparacón con la dstrbucón normal de la msma meda y varanza. Es mayor cuanto mayor sea la concentracón de los valores alrededor de la meda..3.. Cálculo con EXCEL de los parámetros estadístcos cuando los datos están agrupados en ntervalos. Es frecuente que no dspongamos de los datos de forma ndvdualzada sno que se presenten agrupados en ntervalos. Veamos un procedmento para el cálculo de los parámetros estadístcos usando los momentos. Para ello, empleamos el ejemplo de la evaluacón de los estudantes, en el que los datos se han agrupado en ntervalos como fgura en la tabla.3.. Intervalo x n [3.5 4) [4 4.5) [4.5 5) [5 5.5) [5.5 6) 5.75 [6 6.5] Sumas 8.3. Calcularemos la meda, la varanza y los momentos centrados de orden 3 y 4. Para ello, añadmos en la tabla anteror, 4 nuevas columnas, correspondentes a los valores de n para el cálculo de la meda, n (x X x ) 3 4 para el cálculo de la varanza y n (x X y n(x X para los momentos g y g. ) ) 3-I

32 EXCEL dspone de dos funcones específcas para el cálculo de los parámetros de forma, pero nosotros no las utlzaremos, ya que Excel calcula los estmadores de forma para la poblacón; por ello, efectuaremos el cálculo de las meddas de forma utlzando la tabla de cálculos que hemos empleado para hallar los momentos. 3-I Fgura Errores en las observacones. Uno de los objetvos prncpales de la Estadístca es el de obtener nformacones útles a partr de los datos dsponbles. Por ello, es muy mportante que los datos que utlcemos sean fables (no contengan errores) y, por tanto, en todo tratamento estadístco es convenente efectuar un proceso de depuracón y estudo de los datos..4. Valores atípcos o Outlers. Los valores atípcos o erróneos, por ser nusualmente grandes o pequeños, en general son atrbubles a una de las sguentes causas: El valor se observa y se regstra o ntroduce en el ordenador ncorrectamente. El valor provene de una poblacón dstnta. El valor es correcto, pero representa un suceso poco común. El problema que se nos presenta es decdr s un determnado dato, con un valor poco común, puede ser utlzado, o por el contraro lo hemos de rechazar. La respuesta no es fácl, ya que s rechazamos datos de forma nadecuada, podemos perder nformacón valosa y, por el contraro, s los aceptamos, puede varar los resultados de forma que nuestras conclusones sean erróneas. En la actualdad exste gran multtud de procedmentos que nos facltan el tomar una decsón sobre la depuracón de datos. Consderamos que el estudo detallado de estos procedmentos queda fuera del ámbto de esta asgnatura y solo haremos una breve descrpcón de uno de ellos

33 I. ESTADÍSTICA DESCRIPTIVA.4. Gráfcos de caja. Boxplot. Los hstogramas y los polígonos de frecuenca proporconan mpresones vsuales acerca de un conjunto de datos. Las cantdades numércas, tales como la meda o varanza, proporconan nformacón acerca de alguna característca partcular de los datos. Los gráfcos de caja son unas representacones gráfcas que descrben smultáneamente varas característcas mportantes de un conjunto de datos, como son el centro, la dspersón y la asmetría, pero tambén permten dentfcar observacones que caen nusualmente lejos del grueso de los datos, los puntos atípcos, (Outlers). Para la construccón de este gráfco, se calcula prevamente la meda X, la medana M, los cuartles Q y Q 3, así como los valores LI y LS que denomnaremos barreras o bgotes: LI=max( x mn, Q -.5(Q 3 Q )) LS=mn ( x max, Q 3 +.5(Q 3 - Q )). Donde x mn y x max son los valores máxmo y mínmo del conjunto de datos. Una vez calculados los valores anterores, procedemos de la sguente forma. Dbujamos una caja cuyos lados vertcales corresponden a los valores de Q y Q 3, trazamos una línea vertcal en el valor de la medana, y dos pequeñas líneas vertcales (barreras) para los valores de LI y LS. A contnuacón, trazamos un segmento a cada lado de la caja hasta las barreras y por últmo colocamos el valor de la meda y de los posbles puntos atípcos. El resultado de este gráfco se muestra en el gráfco.4. Todo dato que esté fuera del ntervalo [LI, LS] será consderado como posble dato atípco, anómalo o Outler y corresponde a un dato que debería ser estudado. En este gráfco hemos de observar que LS es menor que algunas observacones; estas observacones corresponden a puntos atípcos. La meda es mayor que la medana y, por tanto, es asmétrca haca la derecha.,6,4,,8,6,4, Gráfco I

34 Ejemplo. En el conjunto de datos, 3.39, 3.45, 3.47, 3.47, 3.5, 3.5, 3.58, el valor de la medana es M=3.47, la meda 3.48, el prmer cuartl Q =3.45, el tercer cuartl Q 3 =3.5 y los valores de los datos máxmo y mínmo son respectvamente 3.39 y 3.58.,6,4,,8,6,4, 3,35 3,4 3,45 3,5 3,55 3,6 Gráfco.4. Los valores de las barreras son: por tanto por tanto LI=x mn =3.39. LS= Q -.5(Q 3 -Q )=3.375, Q 3 +.5(Q 3 -Q )=3.575, En consecuenca, el dato 3.58 es un valor atípco y se representa como el gráfco I

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA

4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA UNIDAD 14: ESTADÍSTICA INTRODUCCIÓN La presenca de la Estadístca es habtual en multtud de contextos de la vda real: encuestas electorales, sondeos de opnón, etc. La mportanca de la Estadístca en la socedad

Más detalles

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva ÍDICE ESTADÍSTICA DESCRIPTIVA. Poblacón y Muestra 4. Varables estadístcas 4 3. Frecuencas 5 4. Dstrbucones 7 5. Representacón gráfca 5. De caracteres cuanttatvos 5.. De varables estadístcas

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 2) CAPÍTULO II.-ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA.- DISTRIBUCIONES DE FRECUENCIAS DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA . DISTRIBUCIÓN

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

1. Notación y tabulación

1. Notación y tabulación Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

14 EJERCICIOS RESUELTOS ESTADÍSTICA

14 EJERCICIOS RESUELTOS ESTADÍSTICA 1 EJERCICIOS RESUELTOS ESTADÍSTICA Pág. 1 Meda y desvacón típca 1 El número de faltas de ortografía que cometeron un grupo de estudantes en un dctado fue: 0 1 0 1 0 0 1 1 5 1 5 0 1 0 0 0 0 1 1 0 0 0 5

Más detalles

GUÍA DE APOYO AL APRENDIZAJE N 2

GUÍA DE APOYO AL APRENDIZAJE N 2 GUÍA E APOYO AL APREIZAJE Meddas de Tendenca Central ó de Resumen Las meddas de resumen son valores de la varable que permten resumr la normacón que hay en una tabla undamentalmente estas meddas se usan

Más detalles

DEPARTAMENTO DE MATEMÁTICAS

DEPARTAMENTO DE MATEMÁTICAS . INTRODUCCIÓN En la socedad de la nformacón en la que vvmos resulta mprescndble dsponer de técncas y conceptos que permtan extraer, de manera fable y senclla, nformacón relevante de dferentes conjuntos

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana. Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

el blog de mate de aida CSI: Estadística unidimensional pág. 1

el blog de mate de aida CSI: Estadística unidimensional pág. 1 el blog de mate de ada CSI: Estadístca undmensonal pág. ESTADÍSTICA La estadístca es la cenca que permte hacer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que ahorra tempo

Más detalles

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos:

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos: UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

UNIVERSIDAD DE SONORA

UNIVERSIDAD DE SONORA UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. 5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS. 4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Blbao Asgnatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Blbao Asgnatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 2: ESTADÍSTICA DESCRIPTIVA 1. RESUMEN Métodos para resumr y descrbr

Más detalles

GUÍA DE APOYO AL APRENDIZAJE N 1

GUÍA DE APOYO AL APRENDIZAJE N 1 GUÍA DE APOYO AL APRENDIZAJE N 1 1.- Dencones de conceptos báscos. Estadístca: la estadístca es un conjunto de métodos y procedmentos que srven para recolectar, organzar y presentar los datos obtendos,

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Tema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva

Tema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva Descrpcón de datos: Estadístca descrptva undmensonal Estadístca descrptva Objetvos: Ordenar, clasfcar, resumr grandes conjuntos de datos de modo que puedan ser fáclmente nterpretables Defncones báscas:

Más detalles

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA?

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? La Estadístca es la rama de las Matemátcas que se ocupa del estudo de una determnada característca en una poblacón, recogendo

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

UNIDAD 1: Tablas de frecuencias

UNIDAD 1: Tablas de frecuencias UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

3º ESO ESTADÍSTICA DEPARTAMENTO DE MATEMÁTICAS. SAGRADO CORAZÓN COPIRRAI_Julio César Abad Martínez-Losa ESTADÍSTICA

3º ESO ESTADÍSTICA DEPARTAMENTO DE MATEMÁTICAS. SAGRADO CORAZÓN COPIRRAI_Julio César Abad Martínez-Losa ESTADÍSTICA 3º ESO ESTADÍSTICA DEPARTAMETO DE MATEMÁTICAS. COPIRRAI_Julo César Abad Martínez-Losa ESTADÍSTICA 1.- POBLACIÓ, MUESTRA y CARACTERES ESTADÍSTICOS.- Poblacón: Son todos los ndvduos sobre los que se realza

Más detalles

Estadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana

Estadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana Estadístca alcada a las cencas socales. Examen Febrero de 008 rmera semana Ejercco. - En la sguente tabla, se reresentan los datos de las edades de los trabajadores de una gran emresa. Gruos de edad Nº

Más detalles

Tema 9: Estadística Unidimensional.

Tema 9: Estadística Unidimensional. Tema 9: Estadístca Undmensonal..- Introduccón.- Conceptos Báscos 3.- Tablas estadístcas.- Parámetros Estadístcos De centralzacón. De poscón De dspersón. 5.- Grácos Estadístcos 6.- Ejerccos Resueltos 7.-

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

DATOS AGRUPADOS POR INTERVALOS DE CLASE

DATOS AGRUPADOS POR INTERVALOS DE CLASE 3. Datos agrupados por ntervalo (Varable contnua) Generalmente los datos se agrupan por medo de ntervalos de clase, los cálculos son una aproxmacón a la realdad, se faclta los cálculos. En la agrupacón

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS

ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS IES ÍTACA ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS HOJA 18: ESTADÍSTICA 1. El número de hermanos de los alumnos de una clase es el sguente: 1 3 1 1 1 1 1 1 1 1 3 1 3 5 a)

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

ESTADÍSTICA DESCRIPTIVA I

ESTADÍSTICA DESCRIPTIVA I ESTADÍSTICA DESCRIPTIVA I 1.- DISTRIBUCIONES UNIDIMENSIONALES. CONCEPTOS GENERALES. La estadístca se puede dvdr en dos partes: Estadístca descrptva o deductva. Estadístca nferencal o nductva. La estadístca

Más detalles

9Soluciones a los ejercicios y problemas

9Soluciones a los ejercicios y problemas 38 S a todos los datos de una dstrbucón le sumamos un msmo número, qué le ocurre a la meda? Y a la desvacón típca? Y s multplcamos todos los datos por un msmo número? Llamamos a al valor sumado a cada

Más detalles