4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Download "4. SEGUNDO MÓDULO. 4.1 Resumen de Datos"

Transcripción

1 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 por s sólo, es formatvo del resultado de u esayo e partcular, pero para obteer u patró de esta expereca, es ecesaro cotar co u cojuto de datos, que por sí solos o etrega formacó, de ahí la ecesdad de ecotrar resúmees apropados que muestre, de exstr, patroes e los datos. E el resume de datos se sgue dos efoques: el prmero, más oretado al aálss exploratoro de datos, co u cojuto de téccas ecamadas a la vsualzacó de los datos medate tablas o gráfcos que permta realzar u dagóstco de ellos; el segudo desarrolla u cojuto de dcadores descrptvos de dversas característcas mportates de los datos, cuyo f es complemetar el dagóstco de éstos. 4. Orgazacó de Datos La orgazacó de datos trata de acomodar éstos, para que pueda revelar sus característcas formatvas fudametales y de esta maera smplfcar los aálss para la obtecó de coclusoes. Los datos o orgazados també se deoma datos o agrupados, del msmo modo, los datos ya orgazados so llamados datos agrupados. Ua maera de acomodar los datos es costrur u arreglo ordeado; esto es, orgazado los datos co u orde atural- cuado la escala de medcó lo permte. S el úmero de datos es grade, el arreglo puede ser dfícl de maejar y poco útl e cuato a la formacó que pueda etregar; por eso a meudo se utlza tablas de frecueca como ua prmera aproxmacó geeral a la orgazacó de datos. El uso de frecueca es más atural e datos cualtatvos o dscretos, pues e estos casos es secllo cotar el úmero de veces que aparece u msmo dato e la poblacó (muestra) de éstos, e este caso se habla de tablas de frecueca o agrupadas. S embargo, cuado se trabaja co datos cuattatvos e escala cotua, es muy posble que exsta u cojuto de úmeros dsttos lo sufcetemete grade, como para hacer mpractcable lo ateror, e este últmo caso se procede a crear agrupacoes coveetes para los datos observados, este caso se habla de tablas de frecueca agrupadas.

2 4.. Tablas de Frecueca E las tablas de frecuecas cada categoría tee ua frecueca observada, este cálculo es sempre posble e datos cualtatvos, s embargo, s la catdad de categorías dsttas es grade, deja de ser u resume adecuado para los datos. Las respuestas observadas e la poblacó (muestra), se deomara clases, las cuales se smbolza por: C, C,, C k, dode k es la catdad de categorías (respuestas) dsttas. E la costruccó de tablas se utlza las clases juto co dos frecuecas asocadas a éstas, estas so: Frecueca Absoluta: Se llama frecueca absoluta de la clase C, al úmero de elemetos e la poblacó (muestra) que perteece a la clase C. Este úmero lo deotaremos por y cumple la propedad: k = = Frecueca Relatva: Se llama frecueca relatva de la clase C, a la catdad de elemetos e la poblacó (muestra) que perteece a la clase C, relatvo al total de elemetos e la poblacó (muestra).este úmero lo deotaremos por f y cumple la propedad: k k f = f = = = =.0 APLICACIÓN 4. Supoga el caso que es de terés determar la frecueca de las facturas que llega a la empresa producto de trabajos realzado por los cotratstas de obras meores, dode los datos so: Ems Ltda. Baker & Joes Smth y CIA. Ems Ltda. Ems Ltda. Baker & Joes Baker & Joes Smth y CIA. Brow e Hjos Ems Ltda. Smth y CIA. Baker & Joes Ems Ltda. Baker & Joes Smth y CIA. Brow e Hjos Baker & Joes Smth y CIA. Brow e Hjos Baker & Joes Baker & Joes Ems Ltda. Baker & Joes Ems Ltda. Smth y CIA. Ems Ltda. Baker & Joes Ems Ltda. Brow e Hjos Ems Ltda. Ems Ltda. Ems Ltda. Tabla 4. Frecuecas de facturas etregadas por empresas cotratstas Empresa Frecuecas Absoluta Frecuecas Relatva Baker & Joes 0 3,5% Brow e Hjos 4,50% Ems Ltda. 37,50% Smth y CIA. 6 8,75%

3 Estas dos frecuecas asocadas a la orgazacó (resume) de datos so comues e depedetes de la escala de medcó, es lo mímo que ua tabla de frecueca puede teer, s embargo, cuado se trabaja co datos e escala al meos ordal, se puede agregar otras frecuecas adcoales, a saber: Frecueca Absoluta Acumulada: Se llama frecueca absoluta acumulada hasta la clase C, al úmero total de elemetos e la poblacó (muestra) que perteece a las clases C, C,, C. Este úmero lo deotaremos por N y cumple la propedad: N = = j, j =,,,, =,,, k j = N k = k = Frecueca Relatva Acumulada: Se llama frecueca relatva acumulada hasta la clase C, a la catdad de elemetos e la poblacó (muestra) que perteece a las clases C, C,, C, co respecto al total de elemetos e la poblacó (muestra). Este úmero lo deotaremos por F y cumple la propedad: F = f + f + + f = j = f j, j =,,,, =,,, k F k = f + f + + f + + f k =.0 APLICACIÓN 4. E u cojuto de cletes, el terés es determar la clasfcacó de éstos segú su cumplmeto e el pago. Estos so clasfcados como: Malos (M), Regulares (R), Bueos (B) y exceletes (E). Los datos so : B R B E E E M B E R R M M R R M R B B B B B E B B B E B E R E M B B E B B B B B M R M B B B B E M R Tabla 4. Clasfcacó de cletes por su cumplmeto e el pago. Frecuecas Frecuecas Acumuladas Clasfcacó Absoluta Relatva Absoluta Relatva Malo 8 6% 8 6% Regular 9 8% 7 34% Bueos 3 46% 40 80% Exceletes 0 0% 50 00% 3

4 Las aplcacoes aterores está oretadas a la orgazacó de varables cualtatvas, e ua prmera aplcacó e datos omales, y e u segudo caso, a datos e escala ordal. S embargo, estos msmos coceptos puede ser aplcados a varables dscretas, sempre que e úmero de datos tomado dsttos valores o sea excesvamete grade. APLICACIÓN 4.3 Supoga que e u cojuto de cletes, el terés es determar el úmero de veces que éstos se ha atrasado e el pago de su cueta. Los datos so los sguetes: Tabla 4.3 Número de veces que u clete se ha atrasado e el pago de su cueta. Número de Frecuecas Frecuecas Acumuladas Atrasos Absoluta Relatva Absoluta Relatva ,4% 3 53,4% 5 8,3% 37 6,7% 4 6,7% 4 68,4% 3 8 3,3% 49 8,7% 4 5 8,3% 54 90,0% 5 0 0,0% 54 90,0% 6 0 0,0% 54 90,0% 7 4 6,7% 58 96,7% 8 3,3% 60 00,0% E varables cotuas, la orgazacó de datos es u poco más compleja, se dvde los datos e k grupos o segmetos dsjutos, como se muestra Fgura 4.. Estos grupos represeta las clases y se determa la frecueca de datos asocado a cada grupo, coformado ua tabla de frecueca agrupada. Fgura 4. Segmetacó e grupos de datos cotuos. 4

5 E este tpo de datos las clases está compuestas por tervalos, luego es ecesaro buscar u represetate de la frecueca asocada a este tervalo, el cual se cooce como marca de clase. Es comú utlzar como marca de clase al valor medo del segmeto (tervalo). Costruccó de la Tabla de Frecueca E la costruccó de ua tabla de frecueca, lo prmero que se tee que teer claro es la catdad de segmetos (tervalos) a cosderar. Lo más comú es utlzar como ua prmera aproxmacó la regla de Sturges. Regla de Sturges: El úmero de clases k = 3,3 log() +, dode es la catdad de datos que se desea orgazar. Nosotros recomedamos utlzar u úmero mpar de clases, por cosderacoes que se explcará más adelate. Ampltud: Para determar a, la ampltud de las clases, se debe calcular el rago (R D ), que es la dfereca etre el dato mayor (máx. {x }) y el meor (m. {x }). També es ecesaro determar u, la udad míma de coteo de los datos. La ampltud está dada por: Ampltud (a) = R D + u k Rago de la Tabla: Ua vez determada la ampltud a, la cual se recomeda co u decmal más que los datos orgales, se procede a determar el rago de la tabla (R T ), que es la multplcacó etre la catdad de clases que se está utlzado y la ampltud. La clusó de u e el cálculo de a, puede que o garatce que el R T sea mayor que el R D, es por esta razó que se recomeda utlzar ua aproxmacó coveete e a. Para la determacó de los límtes teórcos de las clases, se comeza co el límte Iferor de la prmera clase, LI, el cual se calcula como: LI = Mímo {x } D dode la dfereca, D= R T - R D, e el caso que el últmo dgto de D o sea par, sea realza u ajuste coveete. 5

6 Posterormete, se suma la ampltud a LI obteédose el límte superor de esta clase, LS, el que també será el límte feror de la seguda clase, LI = LS. LS se cosdera aberto para su clase y cerrado para la seguda clase. Los sguetes límtes se obtee sumado la ampltud hasta completar las k clases a utlzar. La tabla de frecueca geérca resultate queda: Tabla 4.4 Tabla de frecueca geérca. Frecuecas Frecueca Acumulada Clases Absoluta Relatva Absoluta Relatva [ LI LS [ f N F [ LI LS [ f N F [ LI 3 LS 3 [ 3 f 3 N 3 F [ LI k LS k [ k f k N k F k APLICACIÓN 4.4 Supoga que los datos represeta tempos de espera (e segudos) para la líea telefóca de atecó al clete. Tempos (Segudos) N de Clases (k): + 3,3 x log () = + 3,3 x log (7) 8 (Impar cercao 7) Rago de la Muestra: R M= Máxmo {x } Mímo {x } = 70 = 59 Ampltud: a = R M = 7 7 8,6 Rago de la Tabla : R T : k x a = 7 x 8.6 = 60. Dfereca : D = R T R M = =. 6

7 Límte Iferor y Superor de la prmera clase: LI = Mímo {x } D = 0,6 = 0,4 LS = LI + a = 0,4 + 8,6 = 9,0 Tabla 4.5 Tempo de espera ates de ser ateddo. Frecueca Frecueca Acumulada Tempos (seg.) Marca de Clase Absoluta Relatva Absoluta Relatva [ 0,4 9,0 [ 4,7 0,85% 0,85% [ 9,0 7,6 [ 3,3 4 3,4% 5 4,7% [ 7,6 36, [ 3,9 9,40% 6 3,67% [ 36, 44,8 [ 40,5 8,80% 38 3,47% [ 44,8 53,4 [ 49, 39 33,33% 77 65,80% [ 53,4 6,0 [ 57,7 30 5,64% 07 9,44% [ 6,0 70,6 ] 66,3 0 8,56% 7 00,00% 4.. Dagramas de Tallo y Hoja El uso de tablas de frecuecas agrupadas tee ua desvetaja bastate obva, los datos orgales se perde e el proceso de orgazacó. La Fgura 4. muestra alguas stuacoes que puede darse: Fgura 4. Represetacó de la dstrbucó de los datos e ragos de tervalos. Otra forma de presetar tablas de frecuecas agrupadas, es la utlzacó de u dagrama de Tallo y Hoja, que ofrece ua forma seclla de exhbr los datos, s que e éstos se perda la ocó de dstaca. E el dagrama de tallo y hoja, el tallo -la prmera parte de úmero-, es el que preseta meor varacó, metras que la hoja, esta formado los dígtos restates. A modo de ejemplo, supogamos el dato es 548, etoces se puede descompoer e u tallo y ua hoja de las sguete maera: tallo hoja tallo hoja 7

8 La utlzacó de dagramas de tallo y hoja es de gra utldad cuado se cueta co u úmero pequeño de datos, dgamos meos de 30, pues la costruccó de u hstograma de frecueca e este caso es de poca ayuda. APLICACIÓN 4.5 Los datos observados represeta la proporcó de reclamos, por pagos correctos, e las cuetas del cosumo mesual de electrcdad, e los dos últmos años: 7, 7,89 0, 8,88 0,0 9,9 9,95 9,90 0,3 9, 9,99,40 8,65 0,05 0,50 9,87 8,54 9,7,09,5,30,53 6,40 3,4 Los datos se mueve etre 7, a 6,40. E esta aplcacó se usa como tallo 7, 8, 6, y el dagrama resultate es: Tallo Hoja Otra forma de represetar los datos, destaca su carácter decmal y omte los tallos de frecueca cero que se ecuetre cercaos a los extremos, mostrado la dscotudad que se ha creado, como se muestra e la fgura sguete. Tallo Hoja 7, 89 8, , , , , , 4 === ========= 6, 40 8

9 Certas característcas relevates de los datos puede volverse más evdetes, s cada tallo puede dvdrse e dos o más tallos, llamado subtallos que cotee e su cojuto el msmo úmero de valores correspodetes a su hoja. El dagrama de tallo, dode el tallo se ha dvdo e: dos, tres, etc., es coocdo como dagrama de tallo y hoja de; doble, trple, etc. tallo. E el caso ateror, s se realza u dagrama de doble tallo y hoja, dode el tallo se dfereca por a, cuado la parte decmal es meor a 50, y b, cuado la parte decmal es mayor o gual que 50, el dagrama resultate es: Tallo Hoja 7,a 7,b 89 8,a 8,b ,a 9,b ,a ,b 50,a 09,b 5 53,a 03 40,b 3,a 4 === ========= 6,a 40 Ua utldad adcoal de los dagramas de tallo y hoja es que permte comparar, cuado tee setdo hacerlo, como e el caso de la aplcacó ateror s deseamos comparar etre los dos años, como se muestra e el dagrama: Hoja (Año ) Tallo Hoja (Año )

10 4..3 Gráfcos U gráfco es otra forma de represetar y resumr datos, e el gráfco se puede se hacer evdetes certas característcas que e ua tabla de frecuecas puede pasar advertdas. La represetacó gráfca de los datos ha logrado u uso crecete e los medos de comucacó y eso se debe e gra parte, a la populardad y uso de software co amplas represetacoes gráfcas. Hay dspobldad de gráfcas de muchos tpos, desde aquellas para datos agrupados e tablas de frecuecas hasta datos o agrupados, dode su uso depede e gra medda del tpo de escala empleada. E adelate se lustra dsttos tpos de gráfcos comúmete utlzados. Gráfcos de barras y la gráfca de pastel (crcular), so los gráfcos más comues y secllos, usualmete utlzados e datos categórcos. Cuado los datos se preseta e escala omal, la secueca e que se preseta las clases es totalmete arbtrara, s embargo, cuado los datos se preseta e escala ordal, las clases debe mateer el orde de la escala. A cotuacó se preseta dos aplcacoes que expoe ua sere de gráfcos y varacoes de estos. APLICACIÓN 4.6 ubcacó.. La tabla muestra la proporcó de cletes asocados sector de Tabla 4.6 Sector de ubcacó del clete. Sector Proporcó(%) 0% 5% 40% 0% 0% 5% Sector de Clete 40% 6 5 5% 0% Sector de Clete Porcetaje 0% 5% 0% 0% 5% Sector 4 0% 5% 0% Sector 3 Porcetaje 40% Fgura 4.3: Gráfcas de barra asocada de ubcacó del clete. Las gráfcas de barras aterores so dos varates, la prmera (de zquerda a derecha), es u gráfco de barra habtual dode se sgue la secueca del 30

11 sector, e la seguda forma, ahora escrto e el eje de las abscsas, se escrbe los sectores de acuerdo a su mportaca relatva. Los gráfcos crculares, so otra opcó para los datos aterores, E estos gráfcos, el más comú es el prmero (de zquerda a derecha), por su secllez y fácl terpretacó, s embargo e los últmos tempos, partcularmete e peródcos de ecoomía y egocos se ha popularzado el segudo, por su atractvo vsual, posee la desvetaja que e la tercera dmesó, sobredmesoa los sectores frotales y subdmesoa los sectores del fodo de la gráfca. Sector de Clete Sector de Clete 8% 5% 0% 4% % 5% 4% 8% 9% 4% 4% 9% Fgura 4.4: Gráfcas crculares asocadas al sector del clete APLICACIÓN 4.7 Supoga que estamos teresados e el grado de satsfaccó de los cletes co respecto a los servcos adcoales que presta la empresa. E este caso a ua muestra de 77 cletes se pde que calfque el grado de satsfaccó como: Isatsfecho (I), Idferete (II), Normal (N), Satsfecho co reparos (SR) y Totalmete Satsfecho (TS). Los datos so: Tabla 4.7 Grado de satsfaccó por servcos adcoales de la empresa. Frecueca Grado Absoluta Absoluta Acumulada Isatsfecho (I) 9 9 Idferete (II) 40 Normal (N) Satsfecho co Reparos (SR) 75 Totalmete Satsfecho (STS) 4 77 E la Fgura 4.5, se muestra dos gráfcas asocadas, co la partculardad que la varable cualtatva bajo estudo está e escala ordal, razó por la cuál, exste u 3

12 orde e la dstrbucó del grado de satsfaccó. TS SR N II I Grado de Satsfaccó Frecueca Grado de Satsfaccó 3% 5% 4% I II N 4% SR TS 7% Fgura 4.5: Gráfcas crculares asocadas al sector del clete. E la represetacó gráfca de la tabla de frecueca de datos cuattatvos (cotuos), exste cuatro gráfcos habtuales El prmero, los costtuye el hstograma de frecueca juto co el polígoo de frecueca, el segudo, lo Polígoo de Frecueca Hstograma de Frecueca Frecueca ,4-9,0 9,0-7,6 7,6-36, 36, - 44,8 44,8-53,4 53,4-6,0 6,0-70,6 Tempos [seg.] Fgura 4.6: Hstograma de frecueca y polígoo de frecueca para los tempos de espera. costtuye gráfca de frecuecas acumuladas juto co la ojva. Se muestra a cotuacó estas grafcas para los datos de tempos de espera (Tabla 4.5). La últma represetacó gráfca es utlzada e partcular cuado la varable bajo estudo se ha meddo e el tempo (datos logtudales). Está gráfca, llamada dagrama de dspersó, es de gra utldad e seres de tempo y cotrol estadístco de la caldad, tee la partculardad que puede mostrar tedecas de los datos e el 3

13 Frecueca Acumulada Frecueca Ojva 0,4-9,0 9,0-7,6 7,6-36, 36, - 44,8 44,8-53,4 53,4-6,0 6,0-70,6 Tempos [seg.] Fgura 4.7: Gráfca de frecueca acumulada y ojva para los tempos de espera ates de su atecó. tempo. Cosderemos los datos de la aplcacó 4.5, pero además agreguemos el tempo como refereca. Año Mes Eero 7, 8,65 Febrero 7,89 0,05 Marzo 0, 0,5 Abrl 8,88 9,87 Mayo 0,0 8,54 Juo 9,9 9,7 Julo 9,95,09 Agosto 9,9,5 Septembre 0,3,3 Octubre 9,,53 Novembre 9,99 6,4 Dcembre,4 3,4 Porcetaje de Reclamos Dagrama de Dspersó Tempo Fgura 4.8: Dagrama de Dspersó Porcetaje de reclamos el tempo. 4.3 Meddas de Desempeño Los dcadores de desempeño ha adqurdo gra mportaca a partr del establecmeto de la flosofía de gestó, caldad total y la aplcacó de ormas acoales o teracoales. So herrametas para la evaluacó de la gestó, que provee valores de refereca co el cual se pueda comparar o propoer metas. Las meddas de desempeño so otro medo co el cual se resume los datos, ya que a través de ellos se establece ua medda resume de algua partculardad e los datos. Estos dcadores se dvde e tres tpos: meddas de poscó, resume de 33

14 los datos que represeta u lugar defdo mportate detro de ellos; meddas de varabldad o resgo, que como se podrá aprecar so muy mportates ;y meddas de forma, que tee ua mportate relacó co u grupo de meddas de poscó Meddas de Poscó Ua medda de poscó es u valor smple que se calcula para u grupo de datos y que se utlza como ua maera de resumr a estos u valor detro del rago de los datos. Normalmete se desea que el valor sea represetatvo de todos los valores cludos e el grupo, estos valores puede estar relacoados co poscoes de partcular terés como los extremos, los cuales se asoca a cuatles, o valores del cetro, llamados de tedeca cetral. La Meda Artmétca: La meda artmétca, o promedo, se defe como el cocete de la suma de todos los valores etre el úmero total de valores. E estadístca, u "promedo es ua medda de Tedeca cetral para u cojuto de datos. E estadístca es ormal represetar ua medda descrptva de ua poblacó, (o parámetro poblacoal), medate letras gregas, e tato que se utlza letras romaas para las meddas descrptvas de estadístcas muestrales. Así, la meda artmétca para ua poblacó de valores se preseta medate el símbolo µ, e tato que la meda artmétca de ua muestra se represeta medate el símbolo X. Las expresoes para el cálculo de la meda de ua poblacó y de ua muestra so: N µ = = N X X = = X APLICACIÓN 4.8: Los pagos de cosumo, e ua muestra de 5 cuetas e u restaurate, fuero: $000, 000, 500, 500, 500, 3500, 4000, 5300, 9000,500, 3500, 4500, 7500, 30900, y El promedo muestral es: X 5 X = = 5 = $.080. Cuado se agrupa datos e ua dstrbucó de frecuecas, se utlza el puto medo de cada clase como aproxmacó de todos los valores cotedos e ella. El puto medo o marca de clase se represeta co el símbolo m, e dode el subídce dca la "clase ", y se utlza la letra para represetar la frecueca absoluta observada e la clase respectva. 34

15 Las fórmulas para la meda de la poblacó y de la muestra para datos agrupados so: µ = k = m N X = k = m APLICACIÓN 4.9: Cosderado los datos del tempo de espera (e segudos) ates de ser ateddo se tee: Frecueca Tempos (seg.) Marca de Clase Absoluta Relatva [ 0,4 9,0 [ 4,7 0,85% [ 9,0 7,6 [ 3,3 4 3,4% [ 7,6 36, [ 3,9 9,40% [ 36, 44,8 [ 40,5 8,80% [ 44,8 53,4 [ 49, 39 33,33% [ 53,4 6,0 [ 57,7 30 5,64% [ 6,0 70,6 ] 66,3 0 8,56% X = k = m 4,7 + 3, ,3 0 = = 48,4 [segudos] 7 La gra desvetaja de este dcador es su gra sesbldad a la preseca de datos extremos. U dato extremo se mafesta medatamete e el promedo, poedo e duda el ser u valor represetatvo del cetro de los datos. La Medaa: La medaa de u cojuto de datos es el valor que ocupa el lugar cetral de estos cuado se ordea e orde de magtud. Para cojuto de datos, co u úmero par de elemetos, la medaa se calcula como el promedo de los valores cetrales. E el caso de estar trabajado co datos dspersos, la expresó para determar la poscó de la medaa e el cojuto (ordeado) es: Me = X + (X X ( ) ( + ) s es mpar + ) s es par E las expresoes aterores, X, represeta el valor de dato, metras que el parétess e el subídce, muestra el lugar que ocupa la medaa detro del cojuto 35

16 de datos ordeados. APLICACIÓN 4.0: Cosderado los pagos de cosumo, e ua muestra de 5 cuetas e u restaurate: $000, 000, 500, 500, 500, 3500, 4000, 5300, 9000,500, 3500, 4500, 7500, 30900, y Me = X = + X = $ Para datos agrupados, e prmer lugar es ecesaro determar la clase que cotee el valor de la medaa, para después determar la poscó de la medaa detro de la clase medate terpolacó. La clase que cotee la medaa es la prmera clase cuya frecueca acumulada es mayor o gual a la mtad de los datos. Ua vez que se detfca esta clase, se determa el valor terpolado de la medaa, empleado la sguete expresó: N Me L = + a L = Límte feror de la clase que cotee la medaa. = úmero total de observacoes e la dstrbucó de frecuecas. a = Ampltud de clase. N - = La frecueca acumulada ateror a la clase que cotee la medaa. = Número de observacoes e la clase que cotee la medaa. Los fudametos de esta expresó está e la ojva y la terpolacó leal. APLICACIÓN 4.: Para los datos agrupados de la Tabla 4.5, la medaa del tempo de espera (e segudos) ates de ser ateddo es: Tempos (seg.) Marca de Frecueca Clase Absoluta Acumulada [ [ 4.7 [ [ Clase Medaa 7 38 M e 44,8 = + 8,6 = 49,3 [segudos] 39 36

17 La medaa es otra medda de tedeca cetral, este dcador o es afectado por datos extremos (dcador robusto). La Moda: Medda de tedeca cetral, que está dada por el valor o clase que se preseta co mayor frecueca. A ua dstrbucó que tee ua sola moda se le deoma umodal. Cuado dos valores o adyacetes tee frecuecas máxmas smlares, se dce que la dstrbucó es bmodal. Para datos agrupados, prmero se detfca la clase que cotee la moda, determado la clase que tee el mayor úmero de observacoes (clase modal). Alguos autores cosdera que la moda es el puto medo de la clase modal (marca de clase), otros, terpola detro de la clase modal, de acuerdo co la sguete expresó: d Mo = L + a d d, dode + d d + d es u factor de poderacó. L = d = d = a = Límte feror de la clase que cotee la moda. Dfereca etre la frecueca de la clase modal y la frecueca de la clase que le precede. Dfereca etre la frecueca de la clase modal y la frecueca de la clase que le sgue. Ampltud del tervalo de clase. La deduccó de la expresó es clara co la ayuda de la Fgura 4.9. Como se puede aprecar e esta fgura d es meor que d, por esta razó el factor de poderacó es mayor que 0.5, que multplcado por la ampltud permte que la moda se ecuetre más cerca del lmte superor de la clase modal. Fgura 4.9. Esquema de localzacó de la moda. E caso que d sea mayor que d, el factor de poderacó es meor que 0.5, que multplcado a la ampltud permte que la moda se ecuetre más cerca del lmte feror. Cuado d es gual a d, el factor de poderacó es 0.5, que multplcado a 37

18 la ampltud permte que la moda se ecuetre justo e la marca de clase modal. E tablas de frecueca es posble ecotrar dos o más clases co gual máxma frecueca, e este caso se dce que la poblacó es: bmodal, trmodal, etc. APLICACIÓN 4.: Para los datos agrupados de la Tabla 4.5, la moda de los tempos de espera (e segudos) es: Tempos (seg.) Marca de Frecueca Clase Absoluta Acumulada [ 36, 44,8 [ 40,5 38 [ 44,8 53,4 [ 49, Clase Modal [ 53,4 6,0 [ 57, M o = 44,8 + 8,6 = [segudos] Exste otras meddas de tedeca cetral, utlzadas e stuacoes más específcas como ua solucó al problema de la alta sesbldad del promedo artmétco, algua de ellas so: Meda Geométrca: Se utlza prcpalmete para promedar proporcoes de varacoes, e datos ecoómcos y se defe como la raíz -ésma del producto de los valores. M G = x x x Meda Armóca: Se defe como el recíproco de la meda de los recíprocos de las medas, es decr: M H = = x Meda Recortada: Se defe como el valor medo excluyedo u porcetaje de datos e el extremo feror y superor del cojuto de observacoes. Exste medas recortadas al 90%, 80%, etc. Por ejemplo, e la meda recortada al 90%, o se cosdera e el cálculo de la meda el 5% de los datos más pequeños y el 5% de los datos más grades. 38

19 Cuatles: Los cuatles so meddas de poscó que dvde los datos e grupos bajo los cuales se ecuetra ua determada proporcó de éstos, por lo se requere que los datos se ecuetre e al meos escala La medaa es u cuatl que dvde la dstrbucó de los datos e dos partes de gual frecueca acumulada, y luego bajo/sobre la medaa se ecuetra acumulado el 50% de los datos. Los cuartles, la dvde e cuatro cuartos; los qutles, dvde la poblacó e cco; los decles, la dvde e dez décmos; y los putos percetles, la dvde e ce partes. Estos, e el caso de datos dspersos, so expresados por: Q ( cuartl ) = X :,,, 4 ( + ) 4 K ( qutl ) = X :,,, 5 ( + ) 5 D :,,, 0 ( decl ) = X ( + ) 0 P :,,, 00 ( percetl ) = X ( + ) 00 Estas expresoes so exactas e la medda que los factores de proporcó: ( + ) ( + ) ( + ) ; ; sea úmeros eteros, e caso cotraro ua buea aproxmacó (auque o la úca) la etrega el promedo etre el etero superor e feror de la respectva fraccó, tal como se preseta e la aplcacó sguete. APLICACIÓN 4.3: Cosderado los pagos de cosumo: $000, 000, 500, 500, 500, 3500, 4000, 5300, 9000,500, 3500, 4500, 7500, 30900, y Q3 = X 3(5 + ) = X() = $ Luego, el 75% de los pagos por cosumo so meores o guales a $ Alguos casos e que el factor de proporcó o resulta u úmero etero, como por ejemplo, el decl 4 ó el percetl 68. E el prmero, el valor se ecuetra etre los valores sexto y séptmo del grupo ordeado, cuya terpretacó sería que el 40% de los mportes de cosumo de las 5 cuetas del restaurate so meores o 39

20 guales a $ D4 = X 4(5 + ) = X(6,4) = 0 X (6) + X(7) = $ E el segudo cuatl, el valor se ecuetra etre los valores 0 y del grupo ordeado. P 68 = X 68(5 + ) = X(0,88) = 00 X X() (0) + = $ Para datos agrupados, la fórmula se modfca de acuerdo co el puto fraccoaro de terés. Para utlzar esta expresó modfcada, e prmer lugar se determa la clase que cotee el puto de terés, de acuerdo co las frecuecas acumuladas, y después se lleva a cabo ua terpolacó como e el caso ateror de la medaa. Ahora u aálss más exhaustvo de estas expresoes se obtee a través del segmeto de la líea recta e la ojva, recordemos la Fgura 4.4 de los tempos de espera, dode a partr de 7 datos, se costruye la gráfca, de la Fgura 4.0 y supogamos que estamos teresados e el percetl 78, por lo tato debemos determar, de acuerdo co las frecuecas acumuladas la clase que cotee el puto de terés, como se muestra e la Fgura 4.0, este puto se ecuetra e la peúltma clase. Frecueca 0 y y y 60 Frecueca Acumulada 0 Tempos [seg.] x P 78 x Fgura 4.0: Gráfca para la determacó de percetles. S se recuerda la ecuacó de la líea de la recta, dada por: y y y y = x x x x 40

21 E este caso se observa que:. y = y. x = P x x = Ls LI = a 4. y y = N N = Luego despejado x = P 78, se obtee ua expresó para el cálculo de percetles e datos agrupados: x = P 78 = x + y y y y (x x ) = LI + y N a j E el futuro se debe otar que y o es otra cosa que 00 percetl j-ésmo., dode j es el Luego, la expresó geeral para el cálculo de percetles, utlzado frecuecas absolutas como relatvas está dada por: j N P j = LI + 00 a = LI + j F 00 a f Esta expresó claramete permte el cálculo de decles, qutles o cuartles. APLICACIÓN 4.4: Para los datos agrupados e Tabla 4.5, el percetl 80 de los tempos de espera (e segudos) es: Tempos (seg.) Marca de Frecueca Clase Absoluta Acumulada [ 44,8 53,4 [ 49, [ 53,4 6,0 [ 57, Clase Percetl 80 [ 6,0 70,6 [ 66, P 80 = 53, ,6 = 58, [segudos] 4

22 Luego, el 80% de los tempos de espera es meor o gual a los 58, segudos. Otra utldad, de la expresó ateror, permte determar que porcetaje de los datos se ecuetra bajo (o por defecto sobre) u determado valor, como por ejemplo, Qué porcetaje de las veces, los tempos de espera fuero superores a 47 segudos?. E este caso se cooce el percetl, pero o el porcetaje, luego: 7 j 47 = 44, x 8,6 j = 4,0 % Por lo tato, el (00 40,0)%= 58,99%. so superores a 47 segudos. També se puede determar el porcetaje de tempos de servco que se ecuetra e el tervalo [47; 63] segudos. Como se sabe el porcetaje que se ecuetra bajo los 47 segudos (40,0%),y determado el % que está bajo los 63 segudos. 7 j 63 = 6, x 8,6 j = 9,45 % Obteédose que el porcetaje de tempos de servco e el tervalo deseado es de (9,45 40,0)% = 5,44% Meddas de Varabldad Las meddas de tedeca cetral ó de poscó que se presetaro so útles para detfcar u valor típco ó partcular de u cojuto de datos, las meddas de varabldad se ocupa de descrbr la dspersó (resgo, precsó) de los datos co respecto a ua medda del cetro o u valor partcular. A modo de ejemplo, supoga que dos máquas empacadoras da como resultado productos co u peso promedo de 0 gramos, pero que e u caso los productos se ecuetra detro de u rago de 0, gramos co respecto a este peso promedo, e tato que e el otro los pesos puede varar hasta e u gramo. Como se observa e la Fgura 4., e el prmer caso los datos so meos dspersos respecto al Fgura 4.: Vsualzacó de la varabldad e u cojuto de datos 4

23 valor de 0 gramos que e el segudo caso, lo que mplcaría que suposcoes realzadas al prmer caso sería de meor resgo que las del segudo. Exste varos dcadores para medr la magtud de la varabldad e cojutos de datos. Las que se descrbe a cotuacó so: rago, rago modfcado, desvacó meda, varaza, desvacó estádar y coefcete de varacó. El Rago: El rago (R), es la dfereca etre el mayor y meor valor del cojuto de datos. Sí Máx.{x} represeta el mayor, y M.{x} represeta el meor, el rago de los datos está dado por: R = Max{ x } M{ x } LS k LI datos dspersos datos agrupados APLICACIÓN 4.5: Cosderado los pagos de cosumo, e ua muestra de 5 cuetas e u restaurate: $000, 000, 500, 500, 500, 3500, 4000, 5300, 9000,500, 3500, 4500, 7500, 30900, y 4000, el rago está dado por: R = Máx.{x} M.{x} = = $ APLICACIÓN 4.6: Para los datos agrupados de la Tabla 4.5, el rago de los tempos de espera (e segudos) es: Tempos (seg.) Marca de Frecueca Clase Absoluta Acumulada [ 0,4 9,0 [ 4,7 [ 6,0 70,6 [ 66,3 0 7 R = LS 7 LI = 70,6 0,4 = 60, [segudos] Ragos Modfcados: U rago modfcado es u rago para el cual se elma certo porcetaje de los valores e cada uo de los extremos de la dstrbucó y es smbolzado por R Mod (j% cetral). Alguos ragos modfcados típcos so: el 50% cetral, el 80% cetral y el 90% cetral. Para determar el rago modfcado, prmero se debe ubcar los dos putos percetles de terés para, después, calcular el rago etre ellos. Por ejemplo, para el rago del 80% cetral, los putos percetles de terés so el décmo percetl y el oagésmo percetl, porque el 80% cetral de esos valores se ubca etre esos dos putos. 43

24 APLICACIÓN 4.7: Cosderado los pagos de cosumo, e ua muestra de 5 cuetas e u restaurate: $000, 000, 500, 500, 500, 3500, 4000, 5300, 9000,500, 3500, 4500, 7500, 30900, y 4000, el rago modfcado al 50% cetral está dado por: P 75 = P 5 = X = X () = $ ( + ) 00 X = X (4) = $ ( + ) 00 R Mod (50% cetral) = P 75 - P 5 = = $.000. El rago modfcado al 50% cetral, també es coocdo como rago tercuartlco, metras que el rago modfcado al 80% es coocdo como rago terdecl. Los ragos modfcados, e geeral, busca aular el efecto de valores extremos de los datos, que producría u fuerte efecto e el rago tradcoal, como medda de varabldad. APLICACIÓN 4.8: Para los datos agrupados de la Tabla 4.5, el rago modfcado al 90% cetral de los tempos de espera (e segudos) es: 7 5 P 5 = 7, x 8,6 = 8,3 [seg.] 7 95 P 95 = 6, x 8,6 = 65,6 [seg.] R Mod (90% cetral) = P 95 - P 5 = 65,6 8,3 = 37,3 [segudos]. La Desvaco Meda: La desvacó meda (DM) es la meda (promedo) del valor absoluto de la dfereca etre cada uo de los datos y el promedo del grupo. DM = = k = x x f m x datos dspersos datos agrupados 44

25 Nota: Alguos autores utlza la dfereca etre cada valor y la medaa). Es comú també utlzar dcadores como la desvacó medaa (DMe) o la desvacó modal (DMo), como dcadores de varabldad alteratvos a la desvacó meda. La utlzacó de estos dcadores, es debdo a la alta sesbldad del promedo a valores extremos, que també se hereda e dcadores que utlza este dcador, como es el caso de la desvacó meda. També debe otarse, que la desvacó modal, sólo es posble cuado la moda se determa a partr de datos cuattatvos, ya que es ua medda de dspersó que o tee setdo e datos cualtatvos dode o exste la ocó de dstaca. APLICACIÓN 4.9: Cosdere que las vetas (por vededor) de aparatos eléctrcos fuero las sguetes: La meda artmétca es 0,5. y la desvacó meda es: x x x x x 5-5,5 5,5 8 -,5,5 8 -,5,5 0,5 0,5 0,5 0,5 0,5 0,5 4 3,5 3,5 6 3,5 3,5 Total,0 DM = 8 = x x = / 8 =,65 =,6 udades Así, puede decrse que, e promedo, las vetas de aparatos eléctrcos por vededor dfere e,6 udades de la meda del grupo, APLICACIÓN 4.0: Para los datos agrupados de la Tabla 4.5, para los tempos de espera, la meda artmétca es 48,4 segudos, la desvacó meda está dada por: f m m x m x f m x 0,009 4,7-33,7 33,7 0,3033 0,034 3,3-5, 5, 0,8534 0,094 3,9-6,5 6,5,55 0,88 40,5-7,9 7,9,485 0,333 49, 0,7 0,7 0,33 0,56 57,7 9,3 9,3,3808 0,086 66,3 7,9 7,9,5394 Total 8,346 45

26 DM = k = f m x = 8,4 [segudos]. La Varaza y la Desvacó Estádar: La varaza es smlar a la desvacó meda porque se basa e la dfereca etre cada uo de los valores del cojuto de datos y la meda del grupo, La dfereca cosste e que, ates de sumarlas, se eleva al cuadrado cada ua de las dferecas, Para ua poblacó, se represeta la varaza medate V(X) o, típcamete por la letra σ ; la fórmula de cálculo es: V(X) = σ = N = ( x µ ) N A dfereca de otras estadístcas muestrales que se ha aalzado, la varaza de ua muestra o es, e térmos de cálculo, completamete equvalete a la varaza de la poblacó, La varaza muestral se represeta medate S, y está dada por: S = = ( x x) Se utlza co mayor frecueca la raíz cuadrada de la varaza, represetada medate la letra grega σ para el caso poblacoal y S para ua muestra, y se le deomada desvacó estádar, Las fórmulas so: σ = V(X) S = Varaza muestral Estas meddas (muestrales) també tee su represetacó e datos agrupados, la cual está dada por: k S = = ( m - x) = k = fm - x La desvacó estádar, además de ser ua medda de dspersó que utlza toda la formacó (e cotraposcó co los ragos) y ser expresada e gual udad de medda que los datos orgales, es especalmete útl cuado se le utlza juto co la deomada dstrbucó ormal. APLICACIÓN 4.: Para los datos de vetas de aparatos eléctrcos: , la meda artmétca es 0,5 udades. Cosderado estos datos mesuales de vetas como la poblacó estadístca de terés, se determa la 46

27 desvacó estádar: σ = V(X) = 86 / 8 = 0,75 =3,3 udades APLICACIÓN 4.: Para los datos agrupados de la Tabla 4.5 (tempos de espera), la meda artmétca es 48,4 segudos, la desvacó estádar es: f m m x (m x ) f (m x ) 0,009 4,7-33,7 35,7 0, 0,034 3,3-5, 630,0,403 0,094 3,9-6,5 7,3 5,595 0,88 40,5-7,9 6,4,733 0,333 49, 0,7 0,5 0,63 0,56 57,7 9,3 86,5,44 0,086 66,3 7,9 30,4 7,5553 Total 8,86 S = V(X) = 8,86 = 0, Meddas de Forma Los dcadores de forma de las dstrbucoes de frecuecas asocadas a u cojuto de datos, so meddas que se agrupa e : asmetría y curtoss. Las meddas de asmetría cetra su terés e la tedeca de los datos a cocetrarse e los valores más pequeños, que se cooce como asmetría postva; valores más grades, que cooce como asmetría egatva; o smplemete e el cetro, que se deoma como smétrca. E la Fgura 4., se observa las posbldades de asmetría, e cojutos de datos que preseta sólo ua cma. E estos casos observar tedeca de los datos resulta fácl, s embargo cuado se preseta más de ua cma e ua gráfca (o ecesaramete más de ua moda), determar la asmetría de los datos es más resgoso, co lo cual se recomeda el uso de dcadores para ua mayor certeza de la stuacó. La fgura muestra además, el caso de datos smétrcos de u cojuto de datos bmodales. Las meddas de curtoss cetra su atecó e la tedeca de los datos e el grado de cocetracó que estos posee alrededor de putos cetrales, e este caso se dce que los datos tee ua cocetracó mesocúrtca cuado el grado de cocetracó se acerca a lo deal, metras que, se habla de letocúrtca o platcúrtca, s el grado de cocetracó es meor o mayor a lo deal, respectvamete. El cocepto de deal asocado a esta medda, tee su fudameto e la 47

28 comparacó de la curtoss muestral (medate el uso de dcadores), co el de u modelo de probabldad muy mportate e estadístca clásca que posee u valor teórco fjo co el cual es comparado. Asmetría Postva Asmetría Negatva Smetría Smetría Fgura 4.: Represetacó de smetría e cojuto de datos. E la Fgura 4.3, se muestra las tres stuacoes de curtoss, e cojutos de datos que preseta ta sólo ua cma. Se puede aprecar, que e el caso de dstrbucoes leptocúrtcas, la meor varabldad es evdete e comparacó a las otras formas. La dstrbucó mesocúrtca, represeta el caso de ua dstrbucó co varabldad deal, e comparacó co el modelo probablístco Normal. Falmete Fgura 4.3: Represetacoes de curtoss e cojuto de datos. 48

29 la dstrbucó platcúrtca, represeta la mayor varabldad e comparacó co la dstrbucó deal. S embargo, medate u aálss gráfco es muy dfícl poder vsualzar que u cojuto de datos posee alguo de estos patroes., Los dcadores asocados a curtoss, ayuda a la comparacó de la varabldad e los datos, pues justamete la varabldad mde el grado de o cocetracó de estos. Adcoalmete, se puede emplear como u crtero para determar la exsteca de datos extremos, es decr, muy grades ó muy pequeños, co respecto al comú de los datos observados, que causaría u efecto devastador e alguos dcadores, ó be, como ua señal de la exsteca de dos estratos detro de los datos que se aalza, como e el caso de la Fgura 4., dode se muestra u cojuto de datos bmodales, dode perfectamete, se podría supoer que e la característca de la poblacó e estudo se preseta cocetrada e dos grupos, que afectaría los resultados de alguos dcadores. A cotuacó se preseta ua sere de dcadores asocados a característcas de forma, e el prmer caso se muestra dcadores de asmetría dados por los coefcetes de: Yule, Smetría, Pearso y Fsher; para falzar co les coefcetes de curtoss: K y Fsher. Coefcete de Yule y Smetría: Estos so dos dcadores de smetría, que se basa e cuatles cetrales, como lo so: cuartl, cuartl 3 y la medaa. Las expresoes de cálculo de Yule y Smetría so: I Y = Q 3 + Q Q Q I S = + Q3 Q Q3 Q Q Estos dcadores (admesoales) so de fácl cálculo, tato para datos dspersos como agrupados, tee la vetaja de o ser afectados por observacoes aberrates, que sempre se ecuetra sobre Q 3 o bajo Q, razó por la cuál se puede aprecar que ambos dcadores muestra la smetría e el cetro de los datos y o e la totaldad de éstos. Coefcete de Pearso: El coefcete de Pearso, se basa e tres dcadores de usual uso e estadístca y mde la asmetría, como la dfereca etre la meda y la medaa co respecto a la desvacó estádar. Este coefcete poblacoal y muestral se ecuetra dados respectvamete por: 3( x - M ) As = e A S S = x 3 e ( µ M ) σ El promedo y la medaa, que so dos meddas de tedeca cetral, que cuado hay smetría sempre so guales, y la desvacó estádar, que es ua medda de resgo que estadarza el dcador, hace de éste, u dcador más completo. 49

30 Coefcete de Smetría de Fsher: Es el dcador de smetría más fable de los presetados aterormete, se basa e el tercer mometo de la dstrbucó de los datos, y que para datos dspersos y agrupados se obtee medate: m 3 = = ( x x) 3 k m3 = f ( m x) = 3 Estas meddas se ve fuertemete afectadas por las udades de medda de los datos e estudo, por lo tato se estadarza para medr la asmetría estadarzada, cuya expresó queda: α 3 = m 3 3 S x E su cálculo poblacoal, al gual que e el coefcete de Pearso, basta co el reemplazo de los dcadores muestrales: x y s, por sus respectvos cálculos poblacoes µ y σ. El puto de comparacó teórco de estos dcadores es el cero, pues e dstrbucoes smétrcas todos los dcadores resulta ser cero, metras que s el dcador e egatvo o postvo, se dce que la asmetría es egatva o postva, respectvamete. S embargo, e la práctca e el aálss de datos reales, uca se obtee coefcetes cero, por lo cual es bueo recomedar u tervalo e toro al cual se aceptará la smetría. Para ua dstrbucó smétrca el valor del coefcete de asmetría es cero, porque el promedo y la medaa so guales, metras que para ua dstrbucó co asmetría postva la meda es sempre mayor que la medaa y, por ello el valor del coefcete es postvo, como se muestra e la Fgura 4.4, dode además se muestra el caso de que e ua dstrbucó co u coefcete de asmetría egatva, la meda es sempre meor que la medaa. Fgura 4.4: dstrbucó de las meddas de tedeca cetral e curvas umodales. 50

31 APLICACIÓN 4.3: Para los datos de vetas de aparatos eléctrcos: La meda artmétca, la medaa, el prmer y tercer cuartl, además de la desvacó estádar está dadas por: 0.5;.0; 8.0;.5 y 3.3 udades, respectvamete. Cosderado que estos datos mesuales de vetas so la poblacó estadístca de terés, se tee que: I Y = Q Q 3 + Q Q = -0,07. I S = Q Q 3 + Q3 Q Q = As = 3(0.5.0) = m 3 = Luego, s cosderamos I Y, I S y As, la dstrbucó tee ua lgera asmetría egatva es decr, esta sesgada haca la zquerda, s embargo s usamos m 3 muestra el caso cotraro. Esto se debe que tato I Y, I S y As, a perddo formacó al resumr los datos, por esta razó el m 3 u coefcete más cofable e establecer el tpo de asmetría de los datos. APLICACIÓN 4.4: Para los datos agrupados de la Tabla 4.5 (tempos de espera), la meda artmétca es 48,4 segudos, se obtee los sguetes resultados: f m m x (m x ) 3 f (m x ) 3 0,009 4,7-33,7-387,75-344,45 0,034 3,3-5, -583,5-537,65 0,094 3,9-6,5-449,3-4,6 0,88 40,5-7,9-493,04-9,69 0,333 49, 0,7 0,34 0, 0,56 57,7 9,3 804,36 05,9 0,086 66,3 7,9 5735,34 493,4 Total 697,79 Utlzado las meddas calculadas aterormete como:. x = 48.4 [segudos]. Me = 49.3 [segudos] 3. s = 8.3 [segudos] s = 0.9 [segudos] 4. Q = 4.4 [segudos] 5. Q 3 = 56.5 [segudos] Por lo tato se tee: I Y = 0.0 I S = 0.05 A s = 0.5 m 3 = α 3 =

32 Coefcete K : Este dcador de curtoss, que se basa e cuatles extremos, como lo so: decl y decl 9. Las expresoes de cálculo está dadas por: D K = 9 D.9 ( Q Q ) Estos dcador de fácl cálculo, tato para datos dspersos como agrupados, tee la vetaja de o ser afectados por observacoes aberrates, que e la mayor parte de los casos se sempre se ecuetra sobre el D 9 o bajo el D. K, se ecuetra dvdo por el factor,9 veces el rago tercuartílco que es la dstaca que exste teórcamete etre los decles 9 y, e la curva deal estadarzada. Coefcete de Curtoss de Fsher: Es el dcador de curtoss más, que se base e el cuarto mometo de la dstrbucó de los datos, que se ecuetra dado para datos dspersos y agrupados por: m 4 = = ( x x) 4 k m4 = f ( m x) = 4 Al gual que e el caso de m 3, esta medda se ve fuertemete fluecadas por las udades de medda de los datos e estudo, por lo tato, esta medda de desempeño para medr la curtoss se estadarza, cuya expresó queda de la sguete maera: m α = S x E su cálculo poblacoal, basta co el reemplazo de los dcadores muestrales: x y s, por sus respectvos cálculos poblacoes µ y σ. El puto de comparacó teórco de estos dcadores es el cero, pues e dstrbucoes absolutamete mesocurtcas todos los dcadores resulta ser cero, metras que s el dcador e egatvo o postvo, se dce que la curtoss es platcurtca o leptocurtca, respectvamete. S embargo, e aálss de datos cotuos e la práctca, uca se obtee coefcetes cero, por lo cual es bueo recomedar u tervalo e toro al cual se acepta la dstrbucó de los datos como mesocurtca. APLICACIÓN 4.5: Para los datos de vetas de aparatos eléctrcos que fuero: Dode el prmer y oveo decl, juto co el prmer y tercer cuartl está dados por: 5; 6; 8 y.5 udades, respectvamete. 5

33 Cosderado que estos datos mesuales de vetas so la poblacó estadístca de terés, se determa los coefcetes de curtoss: K = 6 5 = 0.9 m 4 = 57.3 α 4 = (.5 8) Luego, s cosderamos K, la dstrbucó tee u agudameto que se podría cosderar mesocúrtco, s embargo s usamos m 4 muestra ua clara tedeca platcúrtca. Esto se debe que K, a perddo formacó al resumr los datos, por esta razó el m 4 u coefcete más cofable e establecer el tpo de curtoss de los datos. APLICACIÓN 4.6: Para los datos agrupados de la Tabla 4.5, para los tempos de espera, dode la meda artmétca es 48,4 segudos, la desvacó estádar está dada por: f m m x (m x ) 4 f (m x ) 4 0,009 4,7-33,7 8979,78 608,3 0,034 3,3-5, 3969, ,03 0,094 3,9-6,5 740, ,9 0,88 40,5-7,9 3895,0 73,6 0,333 49, 0,7 0,4 0,08 0,56 57,7 9,3 7480,5 95,0 0,086 66,3 7,9 066,57 888,98 Total 43546,78 Utlzado las meddas calculadas aterormete como:. Q = 4.4 [segudos]. Q 3 = 56.5 [segudos] 3. D = 3.8 [segudos] 4. D 9 = 70. [segudos] Por lo tato se tee: K = 0.30 m 4 = α 4 =

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

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

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

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

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

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

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

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

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

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

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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 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

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

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

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

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Grado de ADE. Prmer curso Raquel Mª Álvarez Esteba Descrpcó umérca de ua varable Objetvo: Resumr dsttos aspectos de las dstrbucoes de frecuecas Iterés de los resúmees umércos:

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

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

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

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

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

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

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

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

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

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

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

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

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

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

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

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

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

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

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

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

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

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

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

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

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

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

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

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

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

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

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma.

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma. CAPITULO II Meddas estadístcas Objetvo Calcular las meddas poscó, de tedeca cetral, de dspersó y de forma. Cotedo * * * * * * Itroduccó Meddas de poscó Meddas de tedeca cetral Meddas de dspersó Meddas

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

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

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

CONCEPTOS BÁSICOS DE ESTADISTICA DESCRIPTIVA

CONCEPTOS BÁSICOS DE ESTADISTICA DESCRIPTIVA COCEPTOS BÁSICOS DE ESTADISTICA DESCRIPTIVA Codfcacó Procesameto de datos Cosste e proporcoar códgos umércos o alfaumércos a dversos procesos Cualtatvos Cuattatvos umero de decmales 0 Tabulacó: Epresar

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

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

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

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Capítulo 2: Conceptos Estadísticos. sticos Estadística stica Computacional II Semestre 2007

Capítulo 2: Conceptos Estadísticos. sticos Estadística stica Computacional II Semestre 2007 Uversdad Técca Federco Sata María Uversdad Técca Federco Sata María Departameto de Iformátca Capítulo : Coceptos Estadístcos stcos Estadístca stca Computacoal II Semestre 007 Profesor (cvalle@f.utfsm.cl)

Más detalles

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias:

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias: PARÁMETROS ESTADÍSTICOS Puesto que las represetacoes grácas o sempre cosgue orecer ua ormacó completa de ua sere de datos, es ecesaro aalzar procedmetos umércos que permta resumr toda la ormacó del eómeo

Más detalles

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

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

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo PM4 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados Prof. Mguel Hesquo Garduño. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

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

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo Lues Jueves PM4 :00-:00 :00-3:00 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

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

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

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

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

Universidad Técnica Federico Santa María

Universidad Técnica Federico Santa María Uversdad Técca Federco Sata María Uversdad Técca Federco Sata María Departameto de Iformátca Estadístca stca Capítulo : Coceptos Estadístcos stcos Estadístca stca Computacoal II Semestre 7 Profesor (cvalle@f.utfsm.cl)

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

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

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

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

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood ) Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles