ANGEL FRANCISCO ARVELO LUJAN

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

Download "ANGEL FRANCISCO ARVELO LUJAN"

Transcripción

1 ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa de Caracas. Uversdad Católca Adrés Bello : Profesor Ttular Jublado 1970 a 003 Uversdad Cetral de Veezuela: Profesor por Cocurso de Oposcó desde 1993 al presete Uversdad Smó Bolívar: Profesor desde 005 al presete Uversdad Metropoltaa: Profesor desde 1973 a 1987 Uversdad Nacoal Aberta: Revsor de cotedos, desde 1979 hasta 004 Sus datos persoales so : Lugar y Fecha de Nacmeto: Caracas, Correo electróco: agelf.arvelo@gmal.com Teléfoo: Estudos realzados: Igeero Idustral. UCAB Caracas 1968 Máster e Estadístca Matemátca CIENES, Uversdad de Chle 197 Cursos de Especalzacó e Estadístca No Paramétrca Uversdad de Mchga 198 Doctorado e Gestó Tecológca: Uversdad Poltécca de Madrd 006 al Presete El Profesor Arvelo fue Drector de la Escuela de Igeería Idustral de la Uversdad Católca Adrés Bello ( ), Coordador de los Laboratoros de esa msma Uversdad especalzados e esayos de Caldad, Audtor de Caldad, y autor del lbro Capacdad de Procesos Idustrales UCAB E umerosas oportudades, el Profesor Arvelo ha dctado cursos empresarales e el área de Estadístca Geeral y Cotrol Estadístco de Procesos. Para más formacó cosulte la pága web.

2 Meddas de Dspersó Agel Fracsco Arvelo L. MEDIDAS DE DISPERSION Las meddas que hasta ahora coocemos, medas, moda, percetles, etc., tee todas ellas la propedad de ubcarse sempre etre los dos valores extremos de los datos, mímo y máxmo, pues dca poscó, be sea cetral, o be sea extrema como por ejemplo el percetl 5, o el percetl 95. Las meddas que va a ser estudadas e este capítulo o goza de esta propedad, y persgue como objetvo descrbr la homogeedad o heterogeedad de los datos. Las meddas de tedeca cetral so sufcetes para descrbr el comportameto de los datos, pues o proporcoa formacó acerca de cua cerca o cua lejos se ecuetra estos datos, co relacó a ese valor cetral. Así por ejemplo el trío de datos {8, 9, 10 } y { 1, 10, 16 } tee ambos meda 9; pero resulta obvo, que e el prmero de ellos exste ua meor desvacó co respecto a este valor cetral, que e el segudo. Medr la varabldad resulta muy mportate e dversas stuacoes práctcas, pues a través de su medcó se podrá comparar cojutos de datos, y establecer cuado exste ua mayor cocetracó de ellos e la regó cetral. Así por ejemplo, e estudos socales las meddas de dspersó proporcoa la formacó requerda para aalzar como es la dstrbucó de los gresos detro de la socedad; e los estudos de caldad dustral, estas msmas meddas de dspersó se utlza para medr la precsó de las máquas utlzadas e el proceso de produccó. Ates de comezar a aalzar las meddas de dspersó, se recomeda revsar las propedades de la meda artmétca. (Véase Meddas de Tedeca Cetral. Arvelo) 1 Varaza y Desvacó Típca: Cuado se tee u cojuto de datos { x 1, x,x 3,..., x } s agrupar, se defe como desvío de cada dato co relacó a su meda artmétca, a la dfereca : d = x - X. Auque los desvíos puede ser calculados respecto de cualquer valor, salvo que se dque lo cotraro, se sobreetede que estos se calcula respecto de X, y como sabemos, la suma de sus cuadrados es míma, cuado estos desvíos se calcula respecto de la meda artmétca Cuato mayor sea este desvío, mas alejado se ecuetra el dato x de X. Estos desvíos puede ser postvos o egatvos, segú el dato x se ecuetre a la derecha o la zquerda de X, y su suma algebraca da sempre cero. E cosecueca, o se puede tomar al promedo de los desvíos como medda de dspersó, debdo a que este promedo sería sempre ulo. El problema del sgo de los desvíos puede ser resuelto de dos maeras, o be tomado su valor absoluto, o como seguda opcó elevádolos al cuadrado. Para defr la varaza, se adopta esta seguda alteratva.

3 Meddas de Dspersó Agel Fracsco Arvelo L. 3 La varaza de u cojuto de datos cuattatvos { x 1, x,x 3,..., x } s agrupar, se defe como la meda artmétca del cuadrado de sus desvíos. = =1 (x S = La expresó ateror es ua defcó, y por lo tato debe ser aceptada como tal, s demostracó. S embargo, debdo a que la varaza es la más mportate de las meddas de dspersó, es mportate hacer las sguetes aclaratoras: 1 ) La varaza es ua medda de dspersó que represeta exclusvamete lo que establece la defcó: Meda artmétca del cuadrado de los desvíos. Cuato más desvado esté u dato de X, mayor será su cuadrado, y e cosecueca mayor será varaza. La varaza o puede ser terpretada como algo dferete a lo que la defcó msma establece. ) La varaza vee expresada e udades de los datos al cuadrado, y así por ejemplo, s los datos está e cetímetros, la varaza está e cetímetros cuadrados. Esto ocasoa que el orde de magtud de la varaza sea completamete dferete al de los datos orgales, y que además o sea comparables co ellos pues vee expresados e udades dferetes. Por estos dos motvos, e muchas oportudades teresa regresar a las udades orgales, y allí es cuado aparece el cocepto de Desvacó Típca, que se defe smplemete como la raíz cuadrada de la varaza. 1 ( x X) S La desvacó típca o estádar, vee e las msmas udades de los datos, y costtuye juto co la varaza las más mportates meddas de dspersó. 3 ) Otro cometaro mportate co relacó a la varaza, es el que se refere a su deomador, s es o -1, pues a lo largo de toda la bblografía estadístca, exste ua gra cofusó co relacó a este puto. Cuado ua medda se calcula tomado e cosderacó a toda ua poblacó recbe el ombre de Parámetro Poblacoal ; metras que cuado de calcula sobre ua muestra se llama Estadígrafo, Estadístco Muestral, o smplemete estadístco. La omeclatura más utlzada e Ifereca Estadístca cosste e desgar a los parámetros poblacoales co letras gregas, y a los estadístcos co letras latas. Así por ejemplo, s se tee N datos cuattatvos que costtuye ua poblacó y sobre ellos se quere calcular su meda, la msma vedría represetada por : N 1 N x X), y se llamaría Meda Poblacoal

4 Meddas de Dspersó Agel Fracsco Arvelo L. 4 S de esa poblacó de N elemetos, se toma al azar ua muestra de y se calcula su meda, ésta se desgaría por : X. Uo de los problemas mportates que se estuda e Ifereca Estadístca es el de estmacó, que trata sobre la metodología a segur para ferr el valor descoocdo de u parámetro poblacoal a partr del estadístco muestral. Cuado esta omeclatura se aplca sobre la varaza, se obtee que la poblacoal desgada por 1 ( x X),vee dada por : 1 x N 1 ( x ) N ; metras que la muestral : S. S embargo, e Ifereca Estadístca se demuestra que especalmete para muestras pequeñas ( < 30), u mejor estmador 1 de ( x X) es: S c 1 recbe el ombre de cuas varaza muestral. Como la dfereca e la estmacó, etre uo y otro es realmete muy pequeña especalmete para muestras grades y además S c es mejor estmador, muchos autores defe de ua vez a S c como varaza muestral y omte defr al otro. La Estadístca Descrptva o hace dstcó etre poblacó y muestra, su úco objetvo es descrbr el comportameto de los datos, y por este motvo usa a S co dvsor como defcó de Varaza de los datos, s proucarse sobre s es muestral o poblacoal. Propedades de la Varaza Propedad N 1 : S 0. Resulta obvo que por ser la varaza la meda de cuadrados de los desvíos, sea sempre ua catdad postva, pues los cuadrados sempre lo so. Es mportate destacar que el caso S = 0 mplca que todos los datos so guales, es decr que o exste varabldad, y recíprocamete cuado todos los datos so guales etoces S = 0. Esta propedad es comú para todas las meddas de dspersó, es decr: Medda de Dspersó = 0 x 1 = x = x 3 =... = x Propedad N : Cuado los datos so sometdos a ua trasformacó leal Y = a + b X, etoces S Y = b S X. 1 que 1 Es u estmador Isesgado. Véase textos de Ifereca Estadístca.

5 Meddas de Dspersó Agel Fracsco Arvelo L. 5 Demostracó : Supogamos que se tee u cojuto de datos { x 1, x,x 3,..., x } y se le somete a la trasformacó Y = a + b X, dado lugar a uos uevos datos { y 1, y,y 3,..., y }. Por defcó : S Y 1 1 ( y Y) ; R S T ( a bx a bx) y a bx ; por la trasformacó Y a bx ; por propedad N 5 de la meda b ( x X) Por lo tato: SY = = b S X. Como corolaro de esta propedad N se deduce las sguetes:.a) S se le suma a cada dato ua costate, la varaza o se altera. Es el caso : b = 1..b) S cada dato es multplcado por ua costate, la varaza queda multplcada por el cuadrado de dcha costate. Es el caso a = 0..c) S se somete a los datos a ua trasformacó leal, la desvacó típca que multplcada por la pedete de la trasformacó: S y = b S x. 1 Ejemplo 1 Los sguetes datos represeta el peso de 4 persoas expresados e klogramos: 64, 70, 66 y 80. a) Calcular la varaza y la desvacó típca. b) Trasformar los datos e lbras, y recalcular su varaza y su desvacó típca. Solucó: a) Para calcular la varaza, es ecesaro calcular prmero la meda X = 70 Kgs. 4 S = ( 64 70) (70 70) ( 66 70) ( 80 70) = 38 S = 38 = 6,16 Kgs. 4 b) El factor de coversó de klogramos a lbras es,, de maera que s el peso de estas 4 persoas se expresara e lbras los datos quedaría trasformados e: 140,80, 154,00, 145,0 y 176,00. Para la varaza de los uevos datos, se puede repetr el procedmeto ateror. 140, , , 0 176, 00 Y = 154,00 4 ( 140, ) ( ) ( 145, 0 154) ( ) S Y = 183,9 4 S Y = 183, 9 = 13,56 Gracas a la propedad N de la varaza, este procedmeto es ecesaro, pues los datos Y e lbras so los datos X e klogramos sometdos a la trasformacó: Y=, X, y por lo tato: S Y = b S X = (,) 38 = 183,9 ; S y = b S x = (,) 6,16 = 13,56

6 Meddas de Dspersó Agel Fracsco Arvelo L. 6 Propedad N 3 : La varaza també puede ser calculada medate la expresó: 1 x S X Esta es ua expresó alteratva, cuyo cálculo suele ser más secllo que el explcado co aterordad a partr de la defcó. Esta expresó recbe el ombre de cálculo de la varaza por mometos, por ua razó que se explcará e el captulo sguete, y establece que la varaza es gual a la meda de los cuadrados meos el cuadrado de la meda. Demostracó: Partedo de la defcó, y desarrollado el cuadrado, se tee: ( x X) ( x x X X ) x X x X S = = Como es X ua costate, segú las propedades de las sumatoras se tee que 1 X I = X, y además x = X. Susttuyedo: 1 1 x X ( X) X x 1 S = X Como cosecueca de esta propedad se tee que ua fórmula alteratva para calcular la desvacó típca es: S = Ejemplo Calcular la varaza y la desvacó típca de los pesos e klogramos 64, 70, 66 y 80 del Ejemplo 7.1, aplcado la fórmula por mometos. Solucó: Hay que calcular la meda X = 70 S = - (70) = 38 S = 38 =6,16 4 El cálculo de la varaza y de la desvacó típca por mometos suele más breve que por defcó ; s embargo se corre el resgo de perder de vsta lo que se está calculado, pues o se ecesta calcular los desvíos. 1 Propedad N 4: Desgualdad de Tchebychev. Dado u cojuto de datos { x 1, x,x 3,..., x } co meda X ; la proporcó de datos que se desvía de X e x X ua catdad meor que, es por lo meos 1 - S. Esta propedad es geeral, y ua vez demostrada veremos que es mucha utldad práctca, especalmete cuado se aplca e certos casos partculares como por ejemplo, e la curva ormal. X I 1 x

7 Meddas de Dspersó Agel Fracsco Arvelo L. 7 Demostracó: Supogamos que exste m datos que se desvía de X e ua catdad meor que. Llamemos C al cojuto de esos m datos. Se tee: m, y además x - X <, cuado x C p = m = Proporcó de datos que perteece al cojuto C, y que por tato dfere de X e ua catdad meor que. Por defcó : S La suma ( x X) 1 1 ( x X) S = ( x X) 1 puede ser descompuesta e dos partes, sobre los datos que perteece al cojuto C, y sobre los que o perteece a él. Por tato : ( x X) 1 Como: ( x X) x C = ( x X) ( x X) x C x C 0 S = ( x X) 1 x C ( x X) Exste ( - m) datos { x } o perteecetes al cojuto C, y para ellos se verfca: x C x - X (x - X ) ( x X) ( - m) Por lo tato : S ( x X) x C ( - m) S m x C = 1 p y e coclusó: p 1 - S tal como se quería demostrar. Frecuetemete se toma como u múltplo de S, de la forma: = k S, y e este caso la desgualdad de Tchebychev establece que la proporcó de datos que dfere su meda e ua catdad meor que k veces la desvacó típca, es por lo meos 1-1 1, es decr : p 1 - k k Es evdete que cuado k=1, esta desgualdad carece de utldad práctca algua, pues e este caso se cocluye e: p 0, lo que es obvo. S embargo, para valores de k mayores que la udad se obtee coclusoes mportates, y así por ejemplo para k = cocluye que e u cojuto de datos cualquera, la proporcó de datos que dfere de su meda e meos de dos veces la desvacó típca es por lo meos 1-1 3, es decr p 75%. 4 4 Cuado se toma k = 3, la coclusó es que la proporcó de datos que dfere de su meda e meos de tres desvacoes típcas es por lo meos de lo que equvale al 88,89 %.

8 Meddas de Dspersó Agel Fracsco Arvelo L. 8 Para cualquer dstrbucó de frecuecas dstrbucoes, y segú lo explcado aterormete por la desgualdad de Tchevshev, e el tervalo ( X ± S) debe caer por lo meos el 75%, y e el tervalo ( X ± 3 S) por lo meos el 88,89 % de los datos. E el caso de la dstrbucó ormal, esta proporcó de datos ha sdo determada exactamete, y los resultados obtedos so de ampla utldad e muchas aplcacoes. Para ua ormal, e el tervalo ( X ± S) debe caer el 68,7% de los datos muestrales, e el tervalo ( X ± S) debe caer el 95,45% de los datos muestrales, y e el tervalo ( X ± 3 S) debe caer el 99,73% de los datos muestrales. Propedad N 5. Para el caso de datos agrupados, el cálculo de la varaza se hace medate la expresó : S = k 1 ( L X) f k 1 f = k ( L ) 1 k La expresoes aterores so secllas de justfcar, pues costtuye adaptacoes de la defcó de varaza, y de su cálculo por mometos, tomado e cueta que para el caso de datos agrupados, la marca de clase L represeta a todos los datos que cae detro del tervalo. Otra expresó útl para el cálculo, es la que resulta de susttur e la fórmula de la derecha para el cálculo de S por mometos, la meda X por su correspodete para datos agrupados e fucó de las marcas de clase, y por lo tato: 1 f f X

9 Meddas de Dspersó Agel Fracsco Arvelo L. S = k ( L k ) f L f 1 1 G k k 1 f Ejemplo 3 Calcular la varaza y la desvacó típca de la sguete dstrbucó de frecuecas. Itervalo 0 a a 0 0 a a a a a 70 frecueca Solucó : Hay que orgazar los cálculos e la sguete tabla : Límtes reales f = frecueca L = Marca de clase L f ( L ) f 0 a a a a a a a Sumatoras S = I 50 HG 50 K J = 14,78 S = 14, 78 = 14,66 Método abrevado para el cálculo de la varaza e tablas de frecueca para datos agrupados de gual ampltud Los cálculos requerdos e el Ejemplo 7.3 puede resultar complcados s o se tee ua buea calculadora. U procedmeto abrevado para efectuar los cálculos cosste e defr uas marcas de clase artfcales desgadas por U. Al tervalo de mayor frecueca o clase modal se le da ua marca de clase artfcal U m = 0, a los aterores marcas de clases artfcales -1, -, etc., y a los posterores +1, +, +3, etc. Co este artfco, la tabla queda : Límtes reales f = frecueca U = Marca de F F G HG clase artfcal 1 f I KJ U f ( U ) 0 a a a a a a a Sumatoras f 9

10 Meddas de Dspersó Agel Fracsco Arvelo L. 10 Posterormete se calcula la varaza de los datos artfcales, medate la expresó : S U = k ( U k ) f U f 1 1 G k k 1 f F G HG 1 f I J K J = F 08I HG 50 K J =,1478 Falmete : S c S U, dode c = Ampltud = 10 S = (10),1478 =14,78 que cocde co el resultado ateror. Justfcacó del método abrevado : Se ha defdo ua fucó leal de los datos, que los trasforma e uos datos artfcales más secllos de trabajar. Esta trasformacó es de la forma : U X L m ; dode teórcamete L m pudera c ser cualquer orge, pero que por coveeca se toma la marca de clase del tervalo de mayor frecueca, pues así la mayor frecueca queda multplcada por cero smplfcado aú más los cálculos. Por efecto de la trasformacó, las marcas de clase aterores se coverte e -1, -, (sempre que la ampltud c sea gual para todos los tervalos), y las marcas de clase posterores se coverte e +1, +, etc. La expresó para calcular S U es la correspodete al cálculo de la varaza por mometos para los datos artfcales U. La relacó etre los datos orgales X y los artfcales U es leal pues : X Lm c U Por la propedad N de la varaza : SX c S U, lo que costtuye la justfcacó del método abrevado de cálculo. La Meda de las desvacoes absolutas : E vrtud de que los desvíos respecto de X se compesa, otra maera de omtr su sgo es cosderar sus valores absolutos, e lugar de elevarlos al cuadrado como se hace e el cálculo de la varaza.. Cuado se promeda los desvíos absolutos, aparece otra medda de dspersó, que se cooce co el ombre de Meda de las desvacoes absolutas, o Desvacó Meda, y que represeta lo que e promedo se desvía los datos de X, s cosderar su sgo. D. M 1 x X Ejemplo 4 Los sguetes datos represeta la duracó de cco cuñas de T.V expresadas e segudos: 38, 46, 4, 8, 6. Calcular la meda de las desvacoes absolutas Solucó : Se calcula su meda X = = 36, y posterormete 5 los desvíos: =, = 10, 4 36 = 6, 8-36 = -8 y 6-36 = -10

11 Meddas de Dspersó Agel Fracsco Arvelo L. 11 La suma algebraca de los desvíos resulta ser cero, tal como debe ocurrr sempre, y para calcular la desvacó meda se promeda los desvíos absolutos: D. M 7, 0 5 Este resultado sgfca que e promedo, la duracó de las cuñas se aleja e forma absoluta de su meda 36 segudos, e 7,0 segudos. La desvacó meda absoluta tee las sguetes propedades: 1 ) Al gual que cualquer otra medda de dspersó D.M 0, y D.M = 0 es codcó ecesara y sufcete para que todos los datos sea guales. ) E el caso de ua dstrbucó ormal co desvacó típca poblacoal, exste ua relacó drecta etre la D.M y, dada por la expresó : D.M = A partr de esta propedad se obtee ua fórmula aproxmada etre la desvacó meda absoluta y la desvacó típca, segú la cual para curvas de frecuecas 4 smétrcas o co poco grado de asmetría, se verfca : D. M 5 S 3 ) Para datos agrupados, la marca de clase susttuye al verdadero valor de cada de cada dato, y la desvacó meda absoluta se calcula medate la expresó: D. M k 1 L =k =1 f Ejemplo 5 Calcular la D.M para los datos del Ejemplo 3, y verfcar que se cumple la propedad N. Solucó: La meda es X = = 33,3, y se orgaza los cálculos 50 Límtes reales f = frecueca L L X L X 0 a ,3 6,56 10 a ,31 6,54 0 a ,3 63,3 30 a ,68 100,80 40 a ,68 36,08 50 a ,68 607,04 60 a ,68 411,84 Sumatoras ,18 X f f Para ua demostracó de esta propedad, véase la obra de este msmo autor: Capacdad de los Procesos Idustrales, U.C.A.B 1998.

12 Meddas de Dspersó Agel Fracsco Arvelo L. 1 S = 14,66 D.M=.963,18 50 Por la propedad N 3: D.M = 11,85 4 ( 14,86 ) = 11, La meda de las desvacoes absolutas respecto de la medaa: La meda de las desvacoes absolutas puede ser calculada també respecto de la medaa, dado lugar así a otra medda de dspersó, coocda també Desvacó Meda respecto de la Medaa, y que se defe de la sguete maera: I 1 x Medaa D. M Med Como ua de las propedades de la Medaa, estable que la suma de las desvacoes absolutas es míma, cuado estas se calcula respecto de la ella, etoces se puede garatzar que : D. M Med D.M Para datos agrupados : D. M Med I k 1 L Medaa f Ejemplo 6 Calcular la D. M Med para los datos del Ejemplo.4 Solucó : La medaa etre { 38, 46, 4, 8, 6} es 38, y las desvacoes respecto de ella so {0, 8, 4, -10 y 1} respectvamete. Por lo tato: D. M Med = k I= f = 6,80 < D.M = 7,0 4 El Rago o Recorrdo: Esta medda de dspersó se defe como la dfereca etre el mayor y el meor valor de los datos. R = Máxmo Valor - Mímo Valor El uso del rago o recorrdo, es muy dfuddo e las aplcacoes dustrales de la Estadístca, pues dada su secllez de cálculo se utlza e la costruccó de las gráfcas de cotrol 3 coocdas como ( X, R) cuyo objetvo es detectar a tempo la aparcó de causas especales detro de u proceso de produccó. E el caso de la dstrbucó ormal, exste ua relacó aproxmada etre el rago y la desvacó típca, y así por ejemplo cuado : =100: S R 4 ; y cuado =1.000: S R 6 estas relacoes empírcas so cosecueca de la propedad ya estudada para la dstrbucó ormal, segú la cual e el tervalo ( X ± S) debe caer el 95,45% de los datos, y e el tervalo ( X ± 3 S) debe caer el 99,73%. 3 Para ua mayor formacó sobre estas gráfcas, véase la msma refereca ctada e la ota.

13 Meddas de Dspersó Agel Fracsco Arvelo L. 13 Cuado =100, el rago debe ser aproxmadamete 4 veces S que correspode a la logtud del tervalo, y cuado = 1.000, el rago debe ser aproxmadamete 6 veces S, que es la logtud del tervalo X ± 3S. Ejemplo 7 Calcular el rago para los datos del ejemplo 7.4 Solucó : E este cojuto de datos el mayor valor es 46 y el meor 6, e cosecueca: R = 46 6 = 0. VII. 5 Otras Meddas absolutas de dspersó: Además de las ya estudadas, exste otras meddas de meor aplcacó práctca, tales como: a)el Rago tercuartílco: Se defe como la dfereca etre el tercer y prmer cuartl, y represeta la ampltud del tervalo 50% cetral. R q = Q 3 Q 1 c)el Rago sem tercuartílco : Es la mtad del rago tercuartílco, y represeta el rado del tervalo 50% cetral. Q Q 3 Q 1. Co el rago sem-tercuartílco, el tervalo 50 % cetral puede ser escrto como: Q1 Q3 Q3 Q1 Q1 Q3 = Q Para dstrbucoes acampaadas: Q 3 S c)el Rago Percetílco : Se defe como la dfereca etre el Percetl 90 y el Percetl 10, y represeta la logtud del tervalo 80 % cetral. R p = P 90 P 10 Todas estas meddas de dspersó al gual que las aterores so absolutas, pues o toma e cueta el orde de magtud de los datos, y vee e sus msmas udades, a excepcó de la varaza que vee e udades al cuadrado. 6 El Coefcete de Varacó o Dspersó Relatva: Las meddas absolutas de dspersó, al o tomar e cueta el orde de magtud de los datos, o proporcoa ua formacó completa sobre su varabldad, pues o es lo msmo por ejemplo, ua desvacó típca de 100 e uos datos que sea del orde de cetos, que esa msma desvacó típca de 100 e uos datos que sea

14 Meddas de Dspersó Agel Fracsco Arvelo L. 14 del orde de mlloes. Resulta obvo que e el prmer caso exste ua varabldad mucho mayor que e el segudo, a pesar de que el valor absoluto de la desvacó típca sea el msmo. Otro problema que tee las meddas absolutas de dspersó es el de las udades, pues esto mpde hacer comparacoes etre cojutos de datos que tega dferete aturaleza. Así por ejemplo, s se qusera saber cual varable tee u comportameto más homogéeo, el peso o la estatura de u cojuto de persoas, o es posble comparar las desvacoes típcas etre esas ellas, por ver expresadas e dferetes udades. Para solucoar este par de coveetes que preseta las meddas absolutas de dspersó, se utlza al coefcete de varacó o dspersó relatva, defdo por : C. V = S X 100% Propedades del Coefcete de Varacó 1 ) Es u porcetaje de razó etre la desvacó típca y la meda, de maera que represeta cuatas veces es la desvacó típca co relacó a la meda. Así por ejemplo, u C.V = 50% sgfca que la desvacó típca es la mtad de la meda, lo que revela ua alta varabldad. Valores del C.V meores al 10 % revela poca varabldad de los datos ; y así por ejemplo, para e el Cotrol de Caldad de la preparacó de mezclas, es frecuete exgr u C.V meor al 5% etre las muestras tomadas e dsttos putos de la mezcla, a f de garatzar su homogeedad. ) El C.V es u úmero abstracto, es decr s udades, pues tato S como X vee e las msmas udades de los datos, y al hacer la dvsó se smplfca. Esta propedad permte utlzar al C.V para hacer comparacoes etre varos cojutos de datos, y coclur que cuato más pequeño sea su valor, más homogéeo es el comportameto. 3 ) El C.V o se altera cuado los datos so multplcados por ua costate, pues e vrtud de las propedades de X y de S ambos queda multplcados por esa costate, s alterar al cocete. Esta propedad trae como cosecueca que el C.V sea varate frete a cambos de udades, como por ejemplo, pasar de lbras a klogramos o de pes a cetímetros, etc. Ejemplo 8 Calcular el C.V para los datos del ejemplo 3 Solucó : S = 14,66, X , 66 = 33,3 C.V = 100% = 44 % 50 33, 3 Ejemplo 9 : Al aalzar la estatura y el peso de u cojuto de persoas, se obtuvo, para el peso ua meda de 68,50 Kgs. co ua desvacó típca de 9,0

15 Meddas de Dspersó Agel Fracsco Arvelo L. 15 kgs.; y para la estatura ua meda de 165 cms., co ua desvacó típca de 11,30 cms. Cuál de las dos varables tee u comportameto más homogéeo?. Solucó: Para el peso: C.V = 9, 0 100% = 13,43 % 68, 50 Para la estatura : C.V = 1130, 100% = 6,85 % 165 Se cocluye que la estatura tee u comportameto más homogéeo.. Ua de las lmtacoes que tee el coefcete de varacó, es que sólo puede ser utlzado cuado los datos correspode a medcoes sobre ua escala de razó, y por lo tato exste el cero absoluto. Cuado exste datos postvos y egatvos, la meda puede resultar gual a cero, egatva o muy próxma a cero, e cuyo caso este coefcete de varacó carece de setdo como medda de dspersó. EJERCICIOS RESUELTOS Ejemplo 10 Al examar el dámetro de 300 torllos, e mlímetros, se ecuetra: Díametro,00 a,49,50 a,99 3,00 a 3,49 3,50 a 3,99 4,00 a 4,49 4,50 a 4,99 Frecueca a) Calcule la varaza,la desvacó típca, el coefcete de varacó, la meda de desvacoes absolutas, la meda de desvacoes absolutas respecto de la medaa, el rago tercuartílco y el rago percetílco. b) Calcule el porcetaje de observacoes que cae e los tervalos X ± S, X ± S y X ± 3 S. Solucó : Para calcular la varaza, se orgaza los cálculos: L =Marca de clase f = Frecueca L f (L ) f, , ,6804, , ,863 3, , ,93 3, , , , ,810 4, , ,1803 Sumatoras , ,415 F S , , 00I = 300 HG 300 K J = 0,358 S = 0, 358 = 0,5985 Utlzado el método abrevado de cálculo: U = Marca de clase artfcal f = Frecueca U f (U ) f

16 Meddas de Dspersó Agel Fracsco Arvelo L Sumatoras S U F 119I HG 300 K J = 1,437 c= Ampltud Real = 0,50 S = c S U = (0,50) 0,1,437 = 0,358 Para calcular el coefcete de varacó, se ecesta: X = = 3,4433 Por el método abrevado: U = 0,3967 X = L m + c U X = 3,45 + (0,50) 0,3967 = 3,4433 y por lo tato : C.V = S X 0, % = 3, % = 17,38 %. Para calcular la desvacó meda: L =Marca de clase f = Frecueca L X, ,1983 0,3711, , ,6133 3, , ,4419 3, ,3017 5,946 4, ,8017 3,8697 4, , ,604 Sumatoras ,866 Por lo tato D.M = 148, = 0,496 S se qusera obteer u cálculo rápdo pero aproxmado, se pudera aplcar la propedad para dstrbucoes acampaadas como esta, segú la cual: D.M 4 5 S = 4 5 (0,5985) = 0,4788 Para las restates meddas de dspersó se ecesta los cuartles, y los percetles 10 y 90, a partr de las frecuecas acumuladas: Dámetro <,495 <,995 < 3,495 < 3,995 4,495 4,995 Frecueca Q 1 =, , 50 = 3,036 ; Q 3 = 3,495 + Q =Med=,995 + b g L , 50 = 3, b300g 68 0, 50 =3, X f

17 Meddas de Dspersó Agel Fracsco Arvelo L. b g P 10 =, , 50 =, b300g 47 P 90 =3, , 50 = 4, Para calcular la desvacó meda absoluta, respecto de la medaa, hay que orgazar los cálculos e ua tabla smlar a la de la D.M, pero calculado los desvíos absolutos respecto de la medaa. L =Marca de clase f = Frecueca L Med Med, ,1909 0,453, , ,359 3, , ,7537 3, ,3091 6,586 4, , ,1731 4, , ,709 Sumatoras , , 6998 D.M Med = 300 = 0,4957 El rago tercuartílco: R q = Q 3 - Q 1 = 3,8671-3,036 = 0,8345 El rago percetílco: R p = P 90 - P 10 = 4,755 -,65 = 1,6530 Estos ragos represeta la ampltud de los tervalos 50% cetral, y 80% cetral respectvamete. Para calcular el porcetaje de valores que cae e los tervalos X ± S, X ± S y X ± 3 S, hay que determar la poscó percetl que le correspode a cada uo de los extremos de los tervalos, para luego restarlos. Para X ± S se tee : 3,4433 ± 0,5985 = [,8448 ; 4,0418] El % por debajo de 3,9418 : p = 100 F 4, , 995 I K J = 83,61%, El % por debajo de,8448 : p 1 = HG F HG I K J L, 8448, = 17,56% 0, 5 Detro de X ± S, cae etoces 83,61% - 17,56% = 66,05 %, que es aproxmadamete el porcetaje teórco de 68,7 % dado por la ormal. Para los tervalos X ± S y X ± 3 S, se procede de maera aáloga, y se obtee 95,45 % y 100 % respectvamete. Ejemplo 11 Dada la sguete tabla de frecuecas, para datos s agrupar: Valor frecueca a) Calcule su varaza, la desvacó típca, el coefcete de varacó, el rago, la meda de las desvacoes absolutas, la meda de las desvacoes absolutas respecto de la medaa, el rago tercuartílco. f 17

18 Meddas de Dspersó Agel Fracsco Arvelo L. 18 b) Determe el porcetaje de observacoes que cae e el tervalo X ± S. Solucó : A dfereca del ejemplo ateror, e este caso los datos o está agrupados, y por lo tato para calcular la varaza o se toma a la marca de clase, so al verdadero valor del dato. X = Valor del dato f = Frecueca X f (X ) f Sumatoras F 93I HG 100 K J = 3,07 S = 3 07 S = 1165, = 1,75 ; X = =,93 C.V = 175, 100% = 59,75 % ; R = 7 0 = 7, 93 X = Valor del dato f = Frecueca X X X X f 0 8,93 3, ,93 7,0 5 0,93 3, ,07 0, ,07 1,40 5 1,07 4, ,07 18,4 7 4,07 8,14 Sumatoras ,4 147, 4 D.M = 100 = 1,474 Para hallar la medaa, y demás cuartles hay que proceder segú lo explcado e el Ejemplo 6.13 dode se obtuvo Q 1 =, y sguedo la msma metodología Q = Med = 3, Q 3 = 4 X = Valor del dato f = Frecueca X Med X Med f Sumatoras

19 Meddas de Dspersó Agel Fracsco Arvelo L. 19 D.M Med = = 1,47 ; R q = Q 3 Q 1 = 4 - = E cuato al porcetaje de datos compreddos e el tervalo X ± S, teemos que éste es :,93 ± 1,75 = [ 1,18 ; 4,68 ], y e él cae todos los valores compreddos etre y 4 ambos clusve, que represeta el 58 % de los datos. Pregutas de Revsó 1 ) S se tee dos cojutos de datos expresados e las msmas udades, puede decrse que el que tega mayor varaza preseta ua mayor dspersó?. ) S e u cojuto de datos todos los valores so egatvos, puede algua de las meddas absolutas de dspersó ser egatva?. 3 ) Cuál es la dfereca etre las meddas absolutas y las meddas relatvas de dspersó?. Cuál de las dos mde mejor la varabldad?. 4 ) Aalce las modfcacoes que sería ecesaro realzar, s se qusera aplcar el método abrevado de cálculo para la varaza, e ua tabla de frecuecas co tervalos de dferete ampltud. 5 ) E u cojuto de datos, el meor es 30, el rago es 10, y la meda 35. Puede el coefcete de varacó ser gual a 40%?. 6 ) El valor más bajo de u cojuto de datos es 75, y el más alto 110. Puede ser la desvacó típca 39,50?. 7 ) Qué represeta el rago percetílco?. 8 ) Supoga que u cojuto de datos es sometdo a ua trasformacó o leal, como por ejemplo: Y = a + bx. Explque el procedmeto a segur para calcular la varaza de los datos trasformados. 9 ) S u cojuto de datos es sometdo a ua trasformacó leal: Y = a +bx. Se altera el coefcete de varacó?. 10 ) Por qué la desgualdad de Tchebychev o proporcoa formacó algua cuado se quere hallar el porcetaje de datos que dfere de la meda e meos de ½ la desvacó típca?. 11 ) Segú la desgualdad de Tchebychev cuál es el porcetaje mímo de datos que dfere de la meda e meos de 1,50 veces la desvacó típca?. 1 ) Puede u coefcete de varacó ser mayor al 100%?.

20 Meddas de Dspersó Agel Fracsco Arvelo L ) Supoga que sobre u cojuto de datos { x 1, x,x 3,..., x } co meda X, y desvacó típca S, se defe la trasformacó: z = x X dado lugar a otro S cojuto de datos { z 1, z,z 3,..., z } llamados datos tpfcados. Cuál es la meda y la varaza de los datos tpfcados?. 14 ) E u cojuto de datos e dode la mtad sea gual a u valor, y la otra mtad sea gual a otro valor dferete, puede afrmarse que la meda de las desvacoes absolutas es gual a la desvacó típca?. 15 ) S { x 1, x,x 3,..., x } es ua muestra que tee meda muestral X, y provee de ua poblacó co meda poblacoal. Cual de las sguetes dos expresoes es meor: ( ) ó ( x X)?. Justfque su respuesta. 1 x 1 16 ) Explque el porqué e el método de abrevado de calculo para la varaza, se toma como refereca cero al puto medo de la clase modal. Pudera tomarse a otra marca de clase s modfcar el método?. Temas complemetaros para vestgar 1 ) Ivestgue sobre las aplcacoes del Coefcete de Varacó e el cotrol de la caldad para la preparacó de mezclas, como por ejemplo el cocreto. ) Ivestgue sobre el uso y sgfcado de otras meddas relatvas de dspersó, como por ejemplo el coefcete de varacó cuartl. 3 ) Ivestgue sobre las aplcacoes del rago muestral e el Cotrol Estadístco de Procesos. Problemas Propuestos I. Nvel Elemetal 7.1) Ua empresa tee dos agecas, ua e Caracas y otra e el teror. El sueldo de los empleados de esa empresa e cada ua de esas dos agecas es como sgue: Caracas : Meda = Bs Desvacó Típca = Bs Iteror : Meda = Bs Desvacó Típca = Bs E cual de las dos agecas, los sueldos so más homogéeos?. Solucó : E la del teror. 7.13) Se tee u cojuto de ses datos, cuyos valores so : 3, 8,, 3, 5 y 4. a) Calcule su rago, varaza y coefcete de varacó. b) Calcule la meda de las desvacoes absolutas.

21 Meddas de Dspersó Agel Fracsco Arvelo L. 1 c) Calcule la meda de las desvacoes absolutas respecto de la medaa. Solucó : a) 6, 3,81, 46,8% b) 1,56 c) 1, ) La sguete tabla se refere a las estaturas e pulgadas, de u grupo de estudates: Estatura 60 a 6 63 a a a 71 7 a 74 Frecueca Determe el rago, la meda de las desvacoes absolutas, el porcetaje de estudates detro del tervalo X ± D.M, el rago tercuartl, el rago percetl, la desvacó típca, y el coefcete de varacó. Solucó: 15,,6, 85,67 %, 3,97, 7,94,,9 y 4,33 %. 7.15) La logtud de uas pezas e mlímetros se da e la sguete tabla: Logtud 50,00 50, ,99 70,00-79,99 80,00-89,99 90, ,00-309,99 310,00-319,99 Frecueca Use el método abrevado de cálculo, para hallar el coefcete de varacó. Solucó : 5,58 %. 7.16)Calcule el coefcete de varacó para la sguete tabla de frecuecas relatvas acumuladas: Límtes Reales < 49.5 < 99.5 < < < 49.5 < 99.5 < < H % 0 % 1% 38% 45% 63% 80% 96% 100% Solucó: 43,40 % 7.17) Calcule el porcetaje de datos que e la dstrbucó ateror cae e el tervalo X ± 1,50 S. Solucó: 87,9% 7.18) Durate u perodo de 150 horas, se observó el úmero de cletes por hora que acude a u comerco, ecotrado: Cletes frecueca a) Determe la desvacó típca y la meda de las desvacoes absolutas. b) El porcetaje de veces e que la observacó cae e el tervalo X ± S. Solucíó: a),0 y 1,68. b) 96 %. 7.19) La meda de uos datos es 10, y su coefcete de varacó es del 0%. Calcule el uevo coefcete de varacó e cada uo de los sguetes casos: a) A cada uo de los datos se le suma. b) Cada uo de los datos se cremeta e u 35%. Solucó : a) 16,67 %. b) 0%. II. Nvel Itermedo 7.0) El coefcete de varacó de 1 datos es 9,957 %, y la suma de sus cuadrados 1355.

22 Meddas de Dspersó Agel Fracsco Arvelo L. S los datos se cremeta e 6 udades, cuál es el uevo coefcete de varacó?. Solucó: 8,03%. 7.1) S cada uo de los datos de u cojuto se multplca por 3, la meda artmétca es 108 ; y s a cada dato se le suma 10, la meda cuadrátca es 48. Cual es el coefcete de varacó de los datos?. Solucó : 38,09 % 7.) Sea los datos : 3, 6, 6, x, y. S el coefcete de varacó es 9,0144 %, y la varaza es S =,64. Determe los datos que falta x, y. Solucó : 5 y 8 7.3) El sueldo promedo del persoal de ua empresa es de $1.00 co ua desvacó típca de $50. El persoal va a ser beefcado co u boo fjo y u aumeto porcetual, y segú el orde e que se aplque estos beefcos, el futuro sueldo promedo puede ser de $ s aplca prmero el cremeto porcetual y luego el boo, o de $ s se aplca prmero el boo y luego el cremeto porcetual. a) Determe el moto del boo fjo y del aumeto porcetual. b) Aalce cual de estas modaldades proporcoa ua mayor homogeedad e los sueldos del persoal. Solucó : $ 50 de boo co 30% de cremeto porcetual, o $ 360 de boo co 0,8333 % de cremeto porcetual. 7.4) La meda de u cojuto de datos es 8, y la meda cuadrátca 10. Cual será el uevo coefcete de varacó, s cada dato es cremetado e: a) udades?. b) 0%?. Solucó: a) 60% b) El msmo ateror al cremeto = 75%. 7.5) S cada uo de los datos de u cojuto es cremetado e udades, el uevo coefcete de varacó es del 10%, y la ueva varaza 4. Cual era la meda de los datos orgales?. Solucó: ) Los salaros e ua empresa tee ua desvacó típca de S todos los salaros so cremetados e.000, el coefcete de varacó dsmuye e %. Calcule el salaro medo después del aumeto. Solucó: ) E el almacé de ua empresa exste dversas cajas, que puede ser clasfcadas así: pequeñas cuyo peso es meos de 150 klos, regulares co u peso desde 150 hasta 50 klos, grades co u peso desde 50 klos hasta 500 klos, y extra grades desde 500 klos e adelate. S el peso medo de las cajas es de 00 klos, co ua desvacó típca de 0 klos. Cuál es el porcetaje mímo de las cajas de tamaño regular detro del almacé?. Solucó : 84 % por lo meos.

23 Meddas de Dspersó Agel Fracsco Arvelo L. III. Nvel Avazado 7.8) Para datos cualesquera { x 1, x,x 3,..., x }, demuestre que: X 1 3 x Utlce el resultado ateror para demostrar: D.M. S. Cuádo so guales?. 7.9) La meda de u cojuto de datos es 1,50, la desvacó típca es 3,50, y la mtad de ellos so guales a u valor a, metras que la otra mtad so guales a otro valor b. ( a < b). a) Determe a y b. b) S se añade cco uevos datos que resulta ser guales a b, y se obtee que la ueva meda es,0. Cuátos datos había calmete?. Solucó : a) a = -, b= 5 b) ) Se tee datos co meda X y varaza S. Supoga que se obtee u uevo dato x 1 que se corpora al cojuto ateror dado lugar a u cojuto de (+1) datos. Demuestre que la varaza S 1 del uevo cojuto de datos, vee dada por : S 1 1 S + ( X - x +1 ) ( +1) 7.31) Geeralce el resultado ateror, para dos cojutos de datos dsjutos, de tamaños 1 y, co medas X 1 y X, y varazas S 1 y S respectvamete. Deduzca ua fórmula que permta calcular la varaza de su uó. 1 X1 X Solucó : S = S + S 1 1 ( ) + ( ) ) Supoga que se tee dos cojutos de datos dsjutos, co gual meda X, pero de dferetes tamaños 1 y, y co dferetes coefcetes de varacó CV 1 y CV respectvamete. Al ur estos dos cojutos, qué tpo de meda etre sus coefcetes de varacó debe utlzarse, para obteer el coefcete de varacó de la uó?. Solucó: C.V = 1 C. V 1 C. V 1 = Meda cuadrátca poderada etre sus coefcetes de varacó. 7.33) Se tee dos cojutos de datos, e dode:

24 Meddas de Dspersó Agel Fracsco Arvelo L Cojuto: 1 = 75 ; X1 = 67688,75 ; C.V 1 = 5% 1 Cojuto: = 80 ; X 1 Calcule el coefcete de varacó de su uó. Solucó: 13,43% = 46540,80 ; C.V = 10% 7.34) El sueldo promedo del persoal de ua dustra es de Se sabe que del persoal de esa dustra, 3 so obreros y 1 so empleados, y 3 que además, el sueldo promedo de los empleados es el doble del de los obreros. La desvacó típca e el sueldo de los obreros es de ; metras que e el sueldo de los empleados es de a) Cual es el sueldo promedo de los empleados y cual el de los obreros?. b) S se aumeta los sueldos e 0% para los empleados, y e 50% para los obreros. Ecuetre el uevo coefcete de varacó e los sueldos, para todo el persoal Solucó : a) y b) 3,47%. 7.35) E ua platel se admstró u exame sobre 100 putos, y los alumos cocurrero e dos turos: mañaa y tarde. Para el turo de la mañaa se obtuvo ua meda de 5,00 putos,y para el turo de la tarde dode presetaro 330 alumos, se obtuvo ua meda de 46,00 putos. La meda de todo el grupo resultó ser de 48,04 putos. Tato para el turo de la mañaa como para el de la tarde, se obtuvo la msma desvacó típca; pero la desvacó típca de todo el grupo resultó ser 30% mayor que la de la mañaa (o de la tarde). E base a esta formacó, obtega el coefcete de varacó para cada uo de los turos, y el de todo el grupo. Solucó: Mañaa : 6,58 %. Tarde: 7,43 %. Geeral : 9,5 %. 7.36) Determe la varaza de datos que sea guales a los prmeros úmeros aturales: 1,, 3,..,. Solucó : ) Aproveche el resultado del ejercco ateror para ecotrar la varaza de datos que se ecuetre e progresó artmétca: a, a + r, a + r,., a+ ( -1) r. Solucó : r ( 1) 1

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES. TEMA : PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.. INTRODUCCIÓN Hasta ahora hemos vsto cómo se puede resumr los datos obtedos del estudo de ua muestra (o ua poblacó) e ua tabla estadístca

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Esta t d a í d s í titcos o TEMA 3.3

Esta t d a í d s í titcos o TEMA 3.3 TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

SOLUCIÓN EXAMEN PARCIAL I

SOLUCIÓN EXAMEN PARCIAL I Nombres: Apelldos:.I.: Frma: Fecha: 07/03/05 MÉTODO ETADÍTIO I EXAMEN I Prof. Gudberto Leó PARTE I: E el sguete gráfco se muestra los dagramas de caja correspodetes a los pesos de los bebés al acer segú

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

2.2 Distribuciones de frecuencias unidimensionales.

2.2 Distribuciones de frecuencias unidimensionales. Itroduccó a la Estadístca Empresaral Capítulo - Aálss de ua varable CAPITULO - AALISIS DE UA VARIABLE Itroduccó E este capítulo se dará u cojuto de strumetos que permtrá el aálss descrptvo de ua varable

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa de Caracas. Uversdad

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

ANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA

ANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA ANALII DE DATO EN PICOLOGÍA I FEBRERO 007 1ª P.P. ª EANA UNIÓN EUROPEA 30 5 15 35 0 30 40 5 30 45 5 10 50 18 10 55 7 5 Tabla 1. Dstrbucó de u grupo de mujeres () y otro de hombres () e ua prueba de compresó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS Autores: Dr. Ig. Roberto Pzarro T. Ig. Jua Pablo Flores V. Ig. Clauda Sagüesa P. Ig. Ezo Martíez A. 1. INTRODUCCIÓN El presete documeto fue extraído

Más detalles

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Disponible en el sitio OCW de la Universidad Nacional de Córdoba.

Disponible en el sitio OCW de la Universidad Nacional de Córdoba. OCW - UNC OpeCourseWare I UNC Curso: Estadístca I U: Meddas Descrptvas Autora: Rosaa Cas Dspoble e el sto OCW de la Uversdad Nacoal de Córdoba. Cómo ctar el materal: Cas, Rosaa (014). Estadístca I. U.

Más detalles