DATOS AGRUPADOS POR INTERVALOS DE CLASE
|
|
- Pilar Muñoz Domínguez
- hace 6 años
- Vistas:
Transcripción
1 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 de datos se desarrolla una tabla, con los datos sguentes en las columnas Tabla n 1. Dstrbucón de frecuencas de Varable en estudo Varabl e en estudo Y -1 Y Númer o de veces que se repte la varable n Frecuenc a relatva h =( n/n)100= % N = Frecuenc a Absoluta acumulada H= Frecuenc a relatva acumulada Y = Marcas clase= Y 1+ Y de Calculo de cada una de las columnas: 3.1 Intervalo de Clase. Es el conjunto de números entre extremos; el menor número se llama Límte Inferor Y -1 y el mayor número se le llama límte superor Y. Varable en estudo Y -1 Y n 3. Número de ntervalos de clase (m) Para selecconar el número de ntervalos de clase, los estadístcos recomendan cualquera de los sguentes dferentes crteros, tenendo como prncpo: 5 m 0 ; debdo a que s son pocos ntervalos de clase, no se mostrarían detalles sobre los datos, y s son muchos ntervalos clases, sería tan confuso como la msma lsta orgnal de datos. 1
2 Aplcaremos la regla de Sturges, para calcular el número de ntervalos (m), valga la aclaracón que hay otras fórmulas, pero nosotros trabajaremos con ésta. m=1+3.3 Log n 3.3 Ampltud del ntervalo de clase ( C). C= donde: C= Ampltud del ntervalo R= Rango (mayor valor de los datos menos el menor Valor de los datos) = X mayor X menor Nota: No sempre la ampltud es gual en todos los ntervalos, depende del nterés del nvestgador. Ejemplo n 1 En certa fnca cafetera se quere hacer un estudo sobre el rendmento de las plantas de café. Los sguentes datos son una muestra de los rendmentos de 0 plantas de café, cuya undad de medda está dada en lbras. X: (Lb) Elabore una tabla de dstrbucón de frecuencas e Interprete,, Solucón. 1) Número de ntervalos de clase (m) Se recomenda que los ntervalos estén entre m= 5 m 0 m= Log 0 m=5.3 Se escoge un número entero de ntervalos de 5 ) Rango. Es la dferenca entre el mayor valor y el menor valor que toma la varable, en este ejemplo es: X Máxmo - X Mínmo es decr Rango = = 4.4 3) Ampltud de los ntervalos (C).
3 Ampltud= C= Rango m = = 0.88, redondeamos a C= 0.9 al realzar un redondeo de la ampltud, se amplía tambén el rango, en este ejemplo, el rango amplado (Ra) quedo en 4.5 puesto que; Ra= C x m; R a = 0.9 x 5 = 4.5, la dferenca la llamaremos A = (amplacón de rango) Amplacón = 0.1 puesto que A = Ra- Rreal; A = = 0.1 Ahora dvdmos la amplacón del rango entre así: A =0.1/ = 0.05, para no cambar la nformacón real, le restamos 0.05 al valor menor del conjunto de los datos en este caso es =.55 y le sumamos 0.05 al valor mayor de los datos, en este ejemplo es = 7.05, ahora sí, el rango queda de 4.5. Paso a segur, cálculo de los límtes nferores y superores cada ntervalo de clase. 4) Cálculo de los límtes nferores y superores de los ntervalos de clase Vemos que se ha corregdo la ampltud usada. C = ( )/5 = 0.9 Entonces: Los ntervalos los calculamos así: Prmer ntervalo el límte nferor es.55 y calculamos el límte superor sumando al límte nferor la ampltud: límte superor = límte nferor + la ampltud es decr; Y -1 =.55, Y = = 3.45 así sucesvamente. 5. Cálculo de las columnas correspondentes a las frecuencas n= número de veces que se repte la varable: Para contar cuantos datos entran en cada ntervalo de clase se trabaja así: ntervalo cerrado, aberto» [ ), es decr s tenemos» [a, b), entonces se escrbe a x <b cerrado se ncluye el dato a y aberto no se ncluye el dato b» ejemplo: Veamos: entre.55 y 3.45, sn nclur 3.45 encontramos 3 dato; entre 3.45 y 4.35 sn nclur 4.35 encontramos 4 datos Así sucesvamente. 4) Tabla de dstrbucón de frecuencas para datos agrupados por ntervalo Elaboramos la tabla de dstrbucón de frecuencas y calculamos cada columna as: Tabla n Ddstrbucón de frecuencas de los rendmentos de una plantacón de Cafetales. Rendmentos (Lb) Y -1 Y n (número de h N H Y Marcas de clase (Lb) plantas)
4 ) Interpretacón de tabla. Interpretemos las sguentes frecuencas: n3 = Ses cafetales tenen un rendmento entre 4.35 y 5.5 lbras. N3 = trece cafetales tenen un rendmento entre.55 y 5.5 lbras. h3 = El trenta por cento de los cafetales tene un rendmento entre 4.35 y 5.5 lbras. H3 = El sesenta y cnco por cento de los cafetales tenen un rendmento entre.55 y 5.5 lbras. Y3 = tres cafetales tenen un rendmento promedo de 3 lbras. 6) Gráfcos para representar datos Hstogramas de frecuencas Son rectángulos que se grafcan en el prmer cuadrante de un plano cartesano. En la horzontal se ndca la varable en estudo (límtes nferor y superor) y en la vertcal las frecuencas (n, h, N, o H). Los rectángulos tenen como ampltud C las ampltudes de los ntervalos de clase (representan la base de los rectángulos). Dbujar los hstogramas a los datos de los rendmentos de la plantacón de cafetales Hstograma de Frecuenca Absoluta ; n vs Y -1 Y Tabla 3.4 columnas para grafcar n vs Varable Y -1 Y n,55-3,45 3 3,45-4,35 4 4,35-5,5 6 4
5 5,5-6,15 4 6,15-7,05 3 Rendmento de cafetales en Lb Análss de la gráfca - Se puede observar que la mayor frecuenca fue de 6 cafetales con un rendmento 4.35 y 5.5 Lb - Los mayores rendmentos lo tuveron 3 plantas, entre 6.15 y 7.05 Lb - Los menores rendmentos se presentaron en tres plantas entre.55 y 3.45 Lb - Ses plantas tenen entre 4.35 y 5.5 de rendmento Hstograma de Frecuencas Relatvas: h vs Y -1 Y Tabla 3.5 columnas para grafcar h vs Varable Y -1 Y h,55-3, ,45-4,35 4,35-5, ,5-6, ,15-7,
6 Rendmento de cafetales en Lb Polígonos de Frecuencas Absoluta o Relatva Es un polígono dbujado en el prmer cuadrante de un plano cartesano, formado por segmentos de rectas que unen los puntos entre las marcas de clase y las frecuencas absolutas ò relatvas, en la horzontal se ndcan las marcas de clase y en la vertcal las frecuencas absolutas o las frecuencas relatvas, pues los dos gráfcos son guales. Marcas de clase: Es el punto medo del ntervalo de clase, se obtenen sumando y = Y 1+ Y lo dvdmos entre dos. límte nferor más el límte superor de cada ntervalo de clase y luego Véase el polígono de frecuencas de la tabla de frecuencas de las hortalzas. 6
7 Tabla 3.6 columnas para polígono de frecuenca Marcas de clase: Y varable en estudo rendmento en lb n 3,55-3,45 3 3,9 3,45-4,35 4 4,8 4,35-5,5 6 5,7 5,5-6,15 4 6,65 6,15-7,05 3 Interpretacón: El número 3 de la prmera marca de clase ndca que hay 3 hortalzas con un rendmento promedo de 3 Lb. Ojva o polígono de frecuencas acumuladas 7
8 Es una gráfca formada por segmentos de rectas, que unen los puntos formados por la nterseccón de los lmtes superores (eje horzontal) y frecuencas acumuladas (eje vertcal), s se desea se puede ncar la ojva con el prmer límte nferor del prmer ntervalo para la frecuenca cero y contnuar con los lmtes superores Elaboracón de polígono de Frecuencas Y -1 Y N,55-3,45 3 3,45-4,35 7 4,35-5,5 13 5,5-6, ,15-7,05 0 Nota: Profundzar los conceptos, use la bblografía anotada. 8
9 III. MEDIDAS DE TENDENCIA CENTRAL Son métodos utlzados para descrbr un conjunto de datos, medante un únco valor. Estas meddas nos ndcan báscamente los valores alrededor de los cuales están la mayoría de los datos. Trabajaremos con la meda artmétca, la medana y la moda, la meda geométrca y la meda ponderada. NOTA Con el fn de lustrar la técnca usaremos el ejemplo de la muestra de los cafetales para casos de datos agrupados por ntervalo; luego lustraremos con problemas de dferentes áreas de formacón tales como ngenería, admnstracón, scología, medcna humano o veternara. 1. MEDIA ARITMÉTICA PARA DATOS NO AGRUPADOS Llamada tambén promedo, se denota (cuando es poblaconal) y por x (cuando es muestral) La meda es una medda muy útl para comparar dos o más poblacones. Meda poblaconal ( ) s hay N observacones en el conjunto de datos de la poblacón, la meda se calcula así: Meda poblaconal N 1 X X 1 X... X N = N N Donde =N =1 es el sgno de sumatora que ndca que se suman todas las observacones desde =1 hasta =N Meda muestral ( x ) x = x x1 x... x n n n En donde: 9
10 X = son los datos observados de la poblacón x 1 = son los datos observados de la muestra N = tamaño de la poblacón n = tamaño de la muestra = Letra grega que ndca suma Ejemplo1: Suponga que en el ejercco de los cafetales muestreados, queremos hallar la meda artmétca, prmero calcularemos suponendo que los datos no se agruparon, entonces tomaríamos todos los datos y los sumamos, el resultado lo dvdmos entre el número de datos o tamaño de la muestra. x = = = 4.81 Lb Interpretacón: El rendmento promedo de los cafetales muestreados es de 4.81lbras PARA DATOS AGRUPADOS Para evaluar la meda artmétca de datos agrupados por ntervalo se consdera que las observacones de cada clase están representadas por el punto medo de cada clase (marca de clase). La meda de un conjunto de datos agrupados por ntervalos se calcula así: X n y n Muestral ny = Poblaconal N Ejemplo: Usaremos nuevamente el ejemplo de los cafetales, pero ahora consderaremos que los datos se agruparan. Tomando la tabla de frecuenca nº XX y observando que los datos corresponden a una muestra, usaremos la formula correspondente. X n y Muestral ; ny n n = = 0 10
11 = = 4.96 Lb Interpretacón: El rendmento promedo de las hortalzas muestreadas es de 4.96 lbras Observamos una dferenca entre los dos promedos puesto que en datos agrupados trabajamos con, (y) promedos y por tanto este es un valor aproxmado LA MEDIA PONDERADA La meda ponderada toma en cuenta la mportanca relatva de las observacones, es decr: Hay ocasones en que se quere expresar en una sola cfra, los resultados de varos grupos, por ejemplo de personas. En tales casos, el promedo general para los dferentes grupos no se obtene medante los promedos parcales, sno que es necesaro tener en cuenta en cuantas observacones o frecuenca se basa cada uno. La fórmula será: S tenemos los promedos, x1, x x3, x Calculados respectvamente con las frecuencas n1, n, n3, n el promedo correcto será: Promedo ponderado= n1x1 +nx +n3x3 nx = xn n1+n+n3+ n n Ejemplo 3 Supongamos un grupo de 4 mujeres y cuatro hombres, cuyos pesos fueron los sguentes: Mujeres: 46, 48, 5, 54 y su promedo fue : = 50 Klos Hombres: 55, 58, 59, 60, 61, 67 y su promedo fue : Hallar la meda ponderada o el promedo general entre hombres y mujeres. =60 Klos Promedo de peso entre hombres y mujeres o meda ponderada entre hombres y mujeres = n1x1 +nx = = 56 Klos n1+n 10 Ejemplo 4. S el profesor de estadístca, dce que el examen fnal valdrá el doble de los otros exámenes para determnar la nota fnal, entonces al puntaje que se obtenga en el examen fnal debe dársele el doble de peso. Es decr, que debe contarse doble al calcular la nota. Esto es exactamente lo que hace la meda ponderada al utlzar la fórmula 11
12 Nota: Se asume que se tuvo un puntaje de 89,9 y 79 en los exámenes parcales y 94 en el examen fnal. Estos puntajes y sus respectvas ponderacones están reflejados en la tabla nºxxxx: Cálculo de la meda ponderada Tabla nº xxx Nota(x) Peso(n) X*n x Este método es gual que sumar la nota del examen fnal veces al calcular la meda X = = 89,6 w 5. LA MEDIANA: (Me) Tambén llamada meda posconal, porque queda exactamente en la mtad del conjunto de datos, después de que las observacones se han colocado en sere ordenada de menor a mayor o lo contraro. La mtad de las observacones estará por encma de la medana y la otra mtad estará por debajo de ella. Tene como ventaja sobre la meda artmétca que los valores muy grandes o muy pequeños con relacón al conjunto de datos no tene nnguna nfluenca sobre ella. MEDIANA PARA DATOS NO AGRUPADOS. 1
13 C = ampltud de la clase modal DIDÁCTICA N 3 - S el conjunto de datos tene un número mpar de observacones la poscón de la medana es (después de organzar los datos de menor a mayor o lo contraro): Poscón de la M e = n+1 ; o smplemente el valor del centro, en caso de numero de observacones sea pequeño - S el conjunto de datos es par, es necesaro promedar los dos valores medos, tambén podemos utlzar la fórmula : M e = n+1 - Ejemplo 5 Suponga que se toma una muestra de los ngresos mensuales en una empresa en mles de dólares (5 meses) US$ 56, 57, 5, 45, y 67. (Número mpar de datos) - Hallar la medana. Ordenamos de menor a mayor: US $ 45, 5, 56, 57,67 La poscón del valor de la medana será: poscón de M e = 5+1 = 3 ósea será el dato de la tercera poscón, es decr: US $56 = M e Interpretacón: La mtad de los ngresos estuveron por debajo de US $ Ejemplo 6 S en el msmo ejemplo el número de ngresos de ventas es Par: US $35, 45, 5, 56, 57,67 (ya ordenados) el valor de la medana será: 1) Poscón de la medana Poscón= 6+1 = 3.5 ) Valor de la medana M e = 5+56 = 108 = 54, Interpretacón: La mtad de los ngresos estuveron por debajo de US $ ) MEDIANA PARA DATOS AGRUPADOS POR INTERVALOS. Partmos de que los datos están organzados por ntervalo, por lo tanto parte de la nformacón ya no es dentfcable; como resultado, no es posble determnar la medana exacta. Sn embargo, puede estmarse: entonces; 1) Localzamos la clase en que se encuentra la medana. ) Realzando nterpolacones dentro de esa clase para obtener dcho valor, la razón de éste enfoque es que se supone que los datos están espacados unformemente, en la clase medana. Formula: En donde: L = límte nferor de la clase modal n = nos srve de referenca para ubcar la clase medana 13 N-1= Frecuenca acumulada anteror a la clase medana
14 Me= Y -1 + n N ( n Ejemplo 7 j 1 ) C Para lustrar el método contnuemos con el ejercco de las hortalzas. Suponga que en el ejercco de las hortalzas muestreadas, queremos hallar la medana. Me = Y-1 + (n/ N 1) c n Prmero calcularemos la clase medana, para ello tomamos n (número total de la muestra) n/ = 0/ = 10 Con el valor encontrado vamos a la Columna N (frecuenca absoluta de datos en la tabla de frecuenca absoluta, ( ver tabla xxx, ddáctca ), y busco 10, s no lo encuentro tomo el valor nmedato superor; en este caso sería el 13 y luego nos vamos al ntervalo correspondente en este caso es (4,8 5,6), este ntervalo debe contener el valor de la medana y se le llama ntervalo de clase medana. Me = (10-8) 0.90 = = 5.16 Lb. 5 Interpretacón: El 50% de los rendmentos de las hortalzas muestreadas está por debajo de 5.16 Lb NOTA: S al hallar n encontramos ese valor en la columna N, se puede afrmar que el valor de la Me es el límte nferor del ntervalo correspondente, y por tanto no se requere el uso de la formula anteror. 3. LA MODA: MO Se defne como el dato que tene mayor frecuenca. MODA DATOS NO AGRUPADOS. En datos no agrupados se toma el dato que más se repte, s exste dos datos que tene gual frecuenca se dce que la dstrbucón de datos es bmodal Ejemplo 8 14
15 Utlzando el ejemplo anteror de: Suponga que se toma una muestra de los ngresos mensuales en una empresa en mles de dólares US$ 35, 45, 5, 56, 57, 67, 67 La moda es US $ 67 Interpretacón: El ngreso con mayor frecuenca es US $ 67. Ejemplo 9 S por ejemplo se agregara otro ngreso (56) entonces el conjunto de datos sería bmodal, es decr con dos modas: US $ 56 y 67 Interpretacón: Los ngresos con mayor frecuenca son US $ 56 y 67 MODA DATOS AGRUPADOS: Mo Para datos agrupados por ntervalo es posble aproxmar la moda utlzando el punto medo de la clase que contene el mayor número de frecuencas de clase. Formula: 1 M o = L + ( ) c En donde: 1 L = límte nferor de la clase modal = frecuenca de la clase modal menos la frecuenca de la clase anteror. 1 = frecuenca de la clase modal menos la frecuenca de la clase sguente. C = ampltud de la clase modal Ejercco 10 Solo para lustrar el método contnuemos con el ejercco de las hortalzas. Suponga que en el ejercco de las hortalzas muestreadas, queremos hallar la moda La fórmula a usar es: Mo = L + (Δ 1) C Δ1 + Δ La clase modal, es decr la clase que contene a la moda la dentfcamos en la tabla de frecuencas, en la columna, n, es tene mayor valor de frecuenca absoluta. En este caso es n4 = 5, por tanto el ntervalo de clase con mayor frecuenca es ( ) 15
16 Mo = (5 ) 0.90 = (5-) + (5-4) Interpretacón: El rendmento más frecuente es 5.55Lb 4. MEDIDAS DE DISPERSIÓN Mden que tanto se apartan los datos u observacones alrededor de la meda artmétca. Las meddas más útles son la varanza y la desvacón estándar 4.1 VARIANZA Y DESVIACIÓN TÍPICA O ESTÁNDAR Para datos no agrupados: La varanza tene dos notacones; varanza poblaconal y S varanza muestral X X X Varanza poblaconal N S n 1 16 Varanza muestral
17 En donde: = Varanza o varanza poblaconal X = Cada uno de los datos observados = Meda poblaconal N= Tamaño de la poblacón S = Varanza Muestral X = Meda Muestral n= Tamaño Muestral Debdo a que es complejo hacer comparacones entre la meda medda lneal y la varanza cuadratca, surgó la fórmula de la desvacón estándar muestral: S S Ejemplo 1. Calcular la varanza y la desvacón estándar de los sguentes datos de una muestra: 3, 1, 4,, 0, donde la meda es X = Solucón Tabla n 4.1 Cálculo de la Varanza datos muestrales. Datos no agrupados X x - X (x - X )
18 X X 10 S X X n 1 10 S,5 S,5 1, 58 4 Interpretacón: la varacón de los datos correspondentes a la muestra, respecto a la meda artmétca es de 1, Las fórmulas para el cálculo de la varanza y la desvacón típca para datos agrupados son los sguentes: y X n S ; n 1 En donde: S y X n n 1 y n y N ; N S = Varanza Muestral = Sumatora desde = 1 hasta m = Número de ntervalos. y = Marcas de clase n = Frecuencas absolutas n = Varanza poblaconal = Desvacón típca poblaconal o error típco X = Meda Muestral Nota 1. = Meda Poblaconal 18 Varanza y desvacón estándar Muestral respectvamente. Varanza y desvacón estándar Poblaconal respectvamente.
19 Recordar, para datos no agrupados, Y, Smbolza los valores de la varable. Para datos agrupados, Y, representa la marca de clase. Ejemplo. Calcular la varanza y la desvacón estándar de los sguentes datos correspondentes a una muestra tomada de las notas de los cursos de estadístca de la unversdad de Medellín. Tabla n 4. Calfcacones de la muestra tomadas de los cursos de estadístca. Datos agrupados por ntervalo Calfcacones Y ï-1 - Y ï # de Estudante Marca de Y*n n clase: Y X 7,83 48 Solucón. La fórmula para la varanza es S Y X n 1 la tabla 4., adconando las sguentes columnas: Y, Y X y Y X n Tabla n 4.3 Para cálculo de la varanza. Datos agrupados n y para su cálculo, contnuamos con 19
20 Calfcacones Y í-1- Y Estudantes n Frecuenca acumulada N Marca de clase Y X Y Y X f ,5 80,59 401, ,5 335,99 671, ,5 05,35 464, ,5,79 39, , , Aplcando la fórmula de varanza: Y X n S = 1131,44 n Por tanto la desvacón estándar es: S = 38,97 = = 1131,44 47 = 38,97 Varanza Interpretacón: La tendenca de vararacón por encma y por debajo, de las calfcacones muestreadas, respecto a su meda artmétca es de COEFICIENTE DE VARIACIÓN (CV) Es una medda porcentual, que permte la comparacón entre dos o más dstrbucones de datos, con undades de medcón dferentes. Esta medda es admensonal, es decr, carece de magntud. S CV 100 = % X Nota. S la meda artmétca es negatva se utlza el valor absoluto 0
21 Debdo a que la desvacón típca y la meda venen ndcadas en undades de medcón guales, al establecer la dvsón, se elmna la undad de medcón. Otras meddas relatvas son los valores de las varables de las dstrbucones probablístcas. Una de las más utlzadas son los valores Z de la dstrbucón normal. Ejemplo 3 1. Calcular la meda, la medana, la varanza y la desvacón típca de los datos sguentes: Tabla n 4.4 Dstrbucón porcentual de los costos de mano de obra en la produccón de algunos pequeños anmales en Colomba. Produccón Mano de obra % Apcultura 6,8 Avcultura huevos,8 Avcultura pollos 3,0 Psccultura 15,6 Porccultura ceba,6 Porccultura cría 4,8 Suponendo que son datos muéstrales, tenemos: 1. Cálculo de la meda para datos no agrupados: 6,8+, ,6 + 4,8 X = 9, 7 % 6 El promedo de los porcentajes de los costos de mano de obra en la produccón de certos anmales, es del 9,7%.. Cálculo de la medana Ordenando los datos, obtenemos:,6,8 3,0 4,8 15,6 6,8 3,0 4,8 Me 3,9 % 1 Profesor Orlando Lastra.. 1
22 El 50% del porcentaje de los costos de mano de obra en la produccón de estos anmales, se encuentra entre,6 y 3,9%. 3. Cálculo de la varanza La fórmula de la varanza para datos no agrupados es: S X X n 1 Dsponemos los datos en la sguente forma: Tabla n 4.5 Cálculo de Varanza. Datos no agrupados Dstrbucón porcentual de los costos de mano de obra en la produccón de algunos pequeños anmales en Colomba. S Costo Produccón Mano de obra X X Apcultura 6,8 307,3009 Avcultura huevos,8 41,8609 Avcultura pollos 3,0 39,319 Psccultura 15,6 40,0689 Porccultura ceba,6 44,4889 Porccultura cría 4,8 19, ,0134 X X n 1 493, ,6 6 1 Cálculo de la desvacón estándar. S S 98,6 9,93 % Interpretacón: obra respecto al promedo es 9,93% La varacón porcentual por encma y por debajo del costo de mano de Nota 3
23 Debemos tener en cuenta que a mayor valor de la varanza o de la desvacón típca hay mayor varabldad de los datos, es decr, los datos son más heterogéneos. La varanza y la desvacón típca adqueren más mportanca cuando hacemos comparacones entre grupos de datos que tenen la msma undad de medcón. Observe tambén que hemos comparado la desvacón típca con la meda porque presentan la msma undad de medcón; en este últmo ejemplo, ambas venen ndcadas en porcentajes. No podemos hacer comparacones con la varanza porque su medda, en este ejemplo, es porcentaje al cuadrado, (%). La varanca, generalmente, presenta undades extrañas. Dos consderacones para comparar grupos de datos utlzando la desvacón típca: 1. Las meddas deben ser muy parecdas.. Las undades de medcón de la meda y la desvacón típca deben ser guales. Ejemplo 4. De las tres seres de datos sguentes, Cuál presenta mayor varabldad? Tabla n 4.6 Seres de datos con sus meddas de promedos y desvacón estandar Sere X S Undad de medcón I Fruto/planta II ,7.455,39 $ III 95 5 Kg. Solucón. Como las undades de medcón son dstntas para cada una de las seres, la únca medda que podemos utlzar para comparar la varabldad, entre las tres seres, es el coefcente de varacón CV CV I S X 100 % 150 frutos/planta 800 frutos/planta ,75% Profesor Orlando Lastra 3
24 CV II CV III $.455,39 $ ,7 5 Kg. 95Kg. 100 % 0,3864% 100 % 5,63% Observe que en el cálculo de los tres coefcentes de la varacón las undades de medcón desapareceron, por ejemplo, en CV III se elmnan los Kg. Por estar en el numerador y en el denomnador. Vemos que la sere que presenta mayor varabldad es la sere 1 (tene el mayor coefcente de varacón) y la más homogénea, es decr, la de menor varabldad, es la sere II. S solo consderamos la desvacón típca podríamos pensar erradamente que la sere II es la que tene mayor varabldad. 4.3 PROPIEDADES DE LA MEDIA ARITMÉTICA Y LA VARIANZA 1. La varanza sempre será cero o postva. La meda puede ser negatva, cero o postva.. La varanza de una constante es cero. El promedo de una constante es la msma constante. 3. El valor de la meda sempre debe estar entre el menor y el mayor valor de los datos. La varanza no presenta esta característca. 4. La suma de las desvacones de los datos con respecto a la meda sempre es cero. En símbolos: X X MEDIDAS DE POSICION PORCENTUAL Son aquellas que dvden el conjunto de datos en partes o proporcones guales, mden la dspersón del conjunto de datos. Cuartles (Qa) Qa = Dvden la nformacón en cuatro partes guales. 4
25 El cuartl dos es gual a la medana. Q = Me. Es decr la mtad de las observacones están por debajo y la mtad están por encma. Decles ( Da) Q1 Q Q3 Da = Dvden la nformacón en dez partes guales. Q1 Q Q9 Percentles (Pa) Pa = Dvden la nformacón en cen partes guales. Para su cálculo en datos no agrupados prmero calculamos su ubcacón y luego la medda de nterés Fórmulas para ubcarlos (Datos No Agrupados) Cuartles (Qa) UQa = a(n+1)/4 Decles (Da) UDa = a(n+1)/10 Percentles (Pa) UPa = a(n+1)/100 5
26 Ejemplo 5 : sean los sguentes datos ordenados de menor a mayor 3, 5,15, 30, 35, 45,50. Halle las sguentes meddas Q3, P3. Solucón: Cálculo de cuartl 3. Número de datos mpar; n=7 Ubcamos la poscón de la medda de nterés UQ3 = 3(7+1)/4 = 6 Q3=45 Interpretacón: La poscón es la 6 y corresponde al número 45, esto quere decr que el 75% de los datos está por debajo de 45% o el 75% de los datos esta entre 3 y 45. Calculo del percentl 3 Ubcamos la poscón de la medda de nterés UP3 = 3(7+1)/100 =, 6 Tomamos el dato número y al sguente le restamos el anteror es decr (15-5) y lo multplcamos por el decmal es decr 0.6. P3= 5 (15-5)0.60= 9 Interpretacón: El 3% de los datos está por debajo de Para datos agrupados Utlzamos las sguentes fórmulas, calculando la medda de nterés en forma smlar como calculamos la medana para datos agrupados por ntervalo. Cuartles (Qa) Qa = Y -1 + (an 4 N 1) n c Decles (Da) Da = Y -1 + (an 10 N 1) n c 6
27 Percentles (Pa) Pa = Y -1 + ( an 100 N 1) En donde: n c Y -1 = Límte nferor del ntervalo que contene la medda porcentual de nterés. a= subíndce representa la proporcón de nterés n=tamaño de la muestra C= ampltud del ntervalo de clase N -1 = Frecuenca acumulada anteror a la frecuenca acumulada que contene la medda porcentual de nterés n= frecuenca absoluta correspondente al ntervalo que contene la medda porcentual de nterés. Ejemplo 6: Del ejemplo n, págna 3. Calcular Q3: Aplcando la fórmula para cuartles se tene, Q3 = Y -1 + (an 4 N 1) c = 80 + Interpretacón: n 48 (3 4 33) 10 = 80+ (36 33)10 = 83,33% 9 9 El 83,33% de las calfcacones de estadístca en la unversdad de Medellín están por debajo del 75% Las demás meddas porcentuales se calculan de gual forma. 4.5 RANGO INTERCUARTÍLICO (RIQ) Es la dferenca entre el Q 3 y Q 1, es decr Q 3 -Q 1 ó P 75 -P 5 ; la mtad de las observacones se clasfcan dentro de ese rango, o lo que es gual, conformado por el 50% de la mtad de las observacones, elmnando el 5% nferor y el 5% superor del conjunto de datos., por lo que mplca que no está nfluencada por meddas extremas. 7
28 Resumen a)meda o Promedo a) Meddas de Tendenca central b) Medana c) Moda a) Meda artmétca b)meda ponderada Tpos de meddas b) Meddas de Poscón Porcentual a) Cuartles b) Decles c) Percentles a) Rango c) Meddas de Dspersón b)varanza c) Desvacón típca o estándar o error típco Contnuacón del ejercco sobre los rendmentos de las plantas de café. (Ejercco nº1). Aplcaremos las meddas de dspersón. 8
29 Cálculo de la Varanza y la desvacón Estándar Rendmentos (Lb) Y -1 Y n (número de plantas) h N H Y Marcas de clase (Lb) y n (y x ) (y x ) n MEDIDAS DE TENDENCIA CENTRAL 1. Meda Artmétca: x = y n n x = y n n = 96 = 4. 8 lb 0 9
30 MEDIDAS DE DISPERSIÓN: 1. Varanza muestral : S Procedmento para hallar la Varanza: S = (y x ) n n 1 S = 5.9 = 5.9 = 1.36Lb Desvacón Típca o Desvacón Estándar: S Procedmento para hallar la Desvacón típca o estándar: S = + (y x ) n n 1 S = = Lb Interpretacón del resultado de la desvacón estándar: S Hay que recordar que la meda artmétca nos había dado: x = 4. 8 El promedo de rendmento que se obtene en las 0 plantas de café es de 4.8 Lbras. Para el caso de los datos tabulados correspondente al rendmento de las plantas de café (0 plantas), se obtuvo una desvacón estándar: S = lb. Esto ndca que la mayor parte de los datos están agrupados (dentro de lb, por encma y por debajo de la meda artmétca) entre: x s = y x + s = a. x s = = lb b. x + s = = lb 30
31 3. Coefcente de varacón CV: Procedmento para hallar el Coefcente de varacón CV: CV = S x CV = 100 = 4. 9% 4. 8 NOTA: Al ser bastante cercano a cero dremos que es bastante homogénea, por lo que la meda de la dstrbucón será bastante representatva del conjunto. CÁLCULO DE LAS MEDIDAS PORCENTUALES 1. Prmer cuartl Q1 a) Calculo del prmer cuartl, consderando los datos no agrupados Procedmento para hallar prmer cuartl Datos no agrupados Prmero se ordenan los 0 datos dados para el estudo ,6,7 3,4 3,6 3,7 3,9 4,0 4,4 4,8 4,8 4,8 5,0 5,1 5,6 5,6 5,6 5,8 6,8 7,0 7,0 Segundo utlzar la sguente formula: 1 (n + 1) Q 1 = 4 1 (0 + 1) Q 1 = = ; 5 + 0, 5 = 5, 5 Q 1 = 5, 5 es decr que debe estar entre la qunta y sexta poscón. 31
32 Sendo el valor de 3, 9 la sexta poscón Sendo el valor de 3, 7 la qunta poscón 6 a poscon 5 a poscon = 3, 9 3, 7 = 0, Este resultado "0," se multplca por la fraccón "0,5" = 0, 05 0, 0, 5 Ahora el valor de se le suma al valor de 3, 7, es decr: Luego el prmer cuartl es Q 1 = 3, 7 + 0, 05 = 3, 75 b) Cálculo del prmer cuartl, consderando los datos agrupados Rendmentos (Lb) y 1 y (número de plantas) n N y n 7 N N Prmero se dvde el tamaño de la muestra por 4: n 4 = 0 4 = 5 Se busca este resultado 5 en los datos de la frecuenca absoluta acumulada. Observamos que este valor no aparece en la columna de las frecuencas absolutas acumuladas, por tal razón, selecconamos el valor nmedatamente anteror (3) como N 1 y al valor nmedatamente superor tenendo a (7) como N. Ahora veamos la formula a aplcar : 3
33 n Q 1 = y 1 + C [ 4 N 1 ] n 5 3 Q 1 = , 9 [ 4 ] Q 1 = 3, , 9 (0, 5) Q 1 = 3, 9. Cálculo del tercer cuartl Q3 a) Datos no agrupados es decr desarrollando el msmo ejercco como datos no agrupados Prmero se ordenan los 0 datos dados para el estudo ,6,7 3,4 3,6 3,7 3,9 4,0 4,4 4,8 4,8 4,8 5,0 5,1 5,6 5,6 5,6 5,8 6,8 7,0 7,0 Segundo utlzar la sguente formula: 3 (n + 1) Q 1 = 4 3 (0 + 1) Q 1 = = 15, 75 4 Q 1 = 15, 75 es decr que debe estar entre la poscón (15) y poscón (16) A la 15 a poscón le corresponde el valor de 5, 6 A la 16 a poscón le corresponde el valor de 5, 6 16 a poscon 15 a poscon = 5, 6 5, 6 = 0 Este resultado "0" se multplca por la fraccón "0,75" 0 0, 75 = 0 Ahora este valor de "0" se le suma al valor en la 15 a poscón: Luego el tercer cuartl es Q 3 = 5, = 5, 6 Luego Q 3 = 5, 6 33
34 b) Datos agrupados Cálculo de cuartles Rendmentos (Lb) y 1 y (número de plantas) n y N N n 17 N Prmero se dvde el tamaño de la muestra por 4: 3n 4 = 3(0) = 15 4 Se busca este resultado 15 en los datos de la frecuenca absoluta acumulada. Observamos que este valor no aparece en la columna de las frecuencas absolutas acumuladas, por tal razón, selecconamos el valor nmedatamente anteror (13) como N 1 y al valor nmedatamente superor tenendo a (17) como N. Ahora veamos la formula a aplcar : 3n Q 3 = y 1 + C [ 4 N 1 ] n Q 3 = 5, 5 + 0, 9 [ ] Q 4 3 = 5, 5 + 0, 9 (0, 5) Q 3 = 5, 7 3. Desarrollar el cálculo del Decl sexto, es decr D6, de gual forma 4. Desarrollar el cálculo percentl trenta y dos, es decr P3. 34
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 detallesLECTURA 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 detallesSEMANA 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 detallesEstadística 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 detallesMedidas 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 detallesINTRODUCCIÓN. 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 detallesEstas 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 detallesPoblación 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 detallesTema 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 detallesSEMANA 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 detallesDescripción 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 detalles16/02/2015. 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 detallesMedidas 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 detallesPrueba 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 detallesMEDIDAS 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 detallesI.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 detalles5.0 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 detallesCAPÍTULO 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 detallesLECTURA 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 detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesTema 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 detallesTema 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 detallesPoblación: 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 detallesSOLUCIONES 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 detallesLECTURA 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 detallesTema 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 detallesOrganización 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 detallesTema 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 detallesUn 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 detallesTema 11: Estadística.
Tema 11: Estadístca. Ejercco 1. Un fabrcante de tornllos desea hacer un control de caldad. Para ello, recoge 1 de cada 100 tornllos producdos y lo analza. a) Cuál es la poblacón? b) Cuál es la muestra?
Más detallesEJERCICIOS 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 detallesUNIDAD 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 detallesTema 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 detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detalles9Soluciones 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 detallesMedidas 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 detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesESTADÍSTICA 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 detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA PROBLEMARIO DE ESTADÍSTICA MÓDULO I. REPRESENTACIÓN DE DATOS MÓDULO II. MEDIDAS DE TENDENCIA CENTRAL ELABORADO
Más detallesPráctica 3. Media, mediana y moda.
Práctca 3. Meda, ana y moda. La presente práctca, te permtrá estudar las das de tendenca central menconadas, a partr de los sguentes datos que corresponden a la estatura de estudantes, ncaremos la práctca.
Más detallesGUÍA 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 detallesESTADÍSTICA. 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 detalles17/02/2015. 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 detallesACTIVIDADES 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 detallesESTADISTÍCA. 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 detallesTema 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 detallesHistogramas: 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 detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesModelos 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 detallesIntroducción 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 detalles2 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 detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesESTADÍSTICA (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 detallesCURSO 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 detallesCAPÍTULO 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 detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detalles14 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 detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Unversdad de onora Departamento de Matemátcas Área Económco Admnstratva Matera: Estadístca I Maestro: Dr. Francsco Javer Tapa Moreno emestre: 016-1 Hermosllo, onora, a 17 de 016. Introduccón En la clase
Más detallesEstadísticos 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 detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesSEGUNDA 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 detallesPoblación: 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 detallesDEPARTAMENTO 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 detallesVariables 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 detalles5ª Parte: Estadística y Probabilidad
ª Parte: Estadístca y Probabldad. Las notas de los alumnos de una clase son:,,,, 6, 7,,,,,,,, 7,,,, 6,, Haz una tabla de frecuencas. Solucón Varable Frecuencas absolutas Frecuencas relatvas estadístca
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesTema 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 detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 PROBABILIDAD Y ESTADISTICA LABORATORIO PARA EXAMENES EXTRAORDINARIOS INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detalles1. 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 detallesTEMA 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 detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesEstadística 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 detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesFigura 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 detalles4º 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 detallesLISTA DE TALLERES DE ESTADÍSTICA
1 LISTA DE TALLERES DE ESTADÍSTICA Nº Tema Págnas Calfcacón 1 Conceptos fundamentales de estadístca 2 2 Tablas de frecuenca 3,4,5 3 Meddas de tendenca central 6,7,8 Evaluacón 9 4 Gráfcos estadístcos 10,11,12
Más detalles4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD.
APELLIDOS Y NOMBRES:... EJERCICIO: Se han regstrado dferentes pesos de los alumnos del segundo grado de una Insttucón Educatva en klogramos. 40 41 42 50 40 48 41 43 39 40 47 46 49 49 50 39 50 48 42 45
Más detallesVariables 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 detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com Hallar: 1. Altura Mayor: 1,93. Altura Menor: 1, 3. Rango: 1,93-1, 0,7 4. Formar ntervalos: m Rango 5.
Más detalles3. 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 detallesAgrupa los datos en intervalos de amplitud 8. Elabora una tabla similar a la anterior !!!""#""!!!
Undad 15 REPASO DE ESTADÍSTICA! 11 Resuelve tú ( Pág "#$ ) sdo: Las puntuacones de una prueba de ntelgenca aplcada a los 75 alumnos anterores han 87 105 88 103 114 15 108 107 118 114 19 100 106 113 105
Más detallesProbabilidad 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 detallesTema 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 detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesSlide 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 detallesErratas y modificaciones
Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesCálculo y EstadísTICa. Primer Semestre.
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
Más detallesProblemas 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 detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesINICIACIÓN A LA ESTADÍSTICA. ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD ESTADÍSTICA. (SOLUCIONES)
ACTIVIDADES DE AUTOEVALUACIÓ DE LA UIDAD ESTADÍSTICA. (SOLUCIOES) 1. D, en cada caso, cuál es la varable que se quere estudar y especfca de qué tpo es: Tempo dedcado a las tareas doméstcas por parte de
Más detallesMEDIDAS DE ASOCIACIÓN: COEFICIENTES DE CORRELACIÓN Y DE REGRESIÓN I.- Introducción En el tema I estudiamos las medidas descriptivas para una
MEDIDAS DE ASOCIACIÓ: COEFICIETES DE CORRELACIÓ DE REGRESIÓ I.- Introduccón En el tema I estudamos las meddas descrptvas para una varable, y además, planteamos que tales meddas tambén exsten para dos o
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detalles1. 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