Upload
conny
View
229
Download
8
Embed Size (px)
DESCRIPTION
Estadistica Descriptiva
Citation preview
Prof.ElianaGuzmnU.S SemestreU2014
ConceptodeEstadsticay Serefiereaunconjuntodemtodosparamanejarlaobtencin,presentacin yanlisis deobservacionesnumricasobservacionesnumricas.
Tema 1.. Introduccin
ConceptodeEstadsticay Susfinessondescribir alconjuntodedatosobtenidosytomardecisiones orealizargeneralizaciones acercadelascaractersticasdetodaslasobservacionesbajolascaractersticasdetodaslasobservacionesbajoconsideracin.
Tema 1.. Introduccin
reasqueconformanalaEstadsticaE d i D i i (D d i ) l y EstadsticaDescriptiva(Deductiva):eslaencargadadelaorganizacin,condensacin,presentacin delosdatosentablasygrficosypresentacin delosdatosentablasygrficosydelclculo demedidasnumricasquepermitanestudiarlosaspectosmsimportantesdelosdatos. Tem
a 1.. Introdu
DESCRIBIRDESCRIBIR
ccin
reasqueconformanalaEstadsticaE d i I f i l I f i E d i y EstadsticaInferencialoInferenciaEstadstica:estdefinidaporunconjuntodetcnicas,mediantelascualessehacengeneralizacionesomediantelascualessehacengeneralizacionesosetomandecisiones enbaseainformacinparcialobtenidamediantetcnicasdescriptivas.
Tema 1.INFERIRINFERIR . Introdu
INFERIRINFERIR
ccin
reasdeAplicacindelaEstadsticay ElusodelaEstadsticaesmu amplio Resultadifcily ElusodelaEstadsticaesmuyamplio.Resultadifcilnombrarunreaenlacualnoseemplee.y Losmtodosestadsticoshanencontradoaplicacinen:y Gobiernoy NegociosCi i S i ly CienciasSociales
y Ingenieray CienciasFsicayNaturalesC t ld C lid d
Tema 1.y ControldeCalidad
y ProcesosdeManufacturay Muchosotroscamposdelaactividadintelectual.
. Introduccin
reasdeAplicacindelaEstadsticaE d b l i f ilid d l ly Estosedebealacrecientefacilidadconlacualsepuedenmanejargrandescantidadesdedatosnumricos debidoalusodenumricos,debidoalusode
Tema 1.. Introduccin
ConceptosdePoblacinyMuestray Poblacin:eslacoleccindetodas lasposiblesmedicionesuobservacionesquepuedenhacersedeunavariablebajoestudiodeunavariablebajoestudio.
Tema 1.. Introduccin
ConceptosdePoblacinyMuestray Seclasificaendoscategoras:y Finita:esaquellaqueincluyeunacantidadlimitada
t bl d b i i di id did contabledeobservaciones,individuosomedidas.Siemprequeseaposiblealcanzar(contar)elnmerototaldetodaslasposiblesmediciones,seconsideracomofinitalapoblacin. Tem
a 1.. Introduccin
ConceptosdePoblacinyMuestray Infinita:esaquellaqueincluyeungranconjuntodeobservacionesomedicionesquenopuedenalcanzarseporconteo Almenos hipotticamente noexistelmiteporconteo.Almenos,hipotticamente,noexistelmiteencuantoalnmerodeobservacionesqueelexperimentopuedegenerar.
Tema 1.. Introduccin
ConceptosdePoblacinyMuestraM y Muestra:y esunconjuntodemedicionesuobservacionestomadasapartirdeunapoblacintomadasapartirdeunapoblacin.y esunsubconjuntodelapoblacin.
Tema 1.. Introduccin
ConceptosdePoblacinyMuestray Muestraaleatoria:seconsideraaleatoriasiempreycuandocadaobservacin,medicinoindividuodelapoblacintengalamismaprobabilidaddeserpoblacintengalamismaprobabilidaddeserseleccionado.
Tema 1.. Introduccin
Definicindevariableydatosy Variables:y sonlascaractersticasoloqueseestudiadecadaindividuodelamuestra.Ej:sexo,edad,peso,estatura,colordeojos,estadocivil,temperatura,cantidaddenacimientos,presin,grosor,dimetro,...p g
y Datos:y sonlosvaloresquetomalavariableencadacaso.
Tema 1.. Introduccin
Tiposdedatosy Cualitativos:sondatosquesolotomanvaloresasociadosalascualidadesoatributos,clasificndolosenunadevariascategoras esdecir nosonvaloresnumricos Ej:variascategoras,esdecir,nosonvaloresnumricos.Ej:y Sexo:f/m.y Hbitodefumar:Fumador/Nofumadory Colordeojos:negro,azul,marrn,y Religin:catlica,evanglica,y Estadocivil:soltero casado divorciado
Tema 1.y Estadocivil:soltero,casado,divorciado, . Introduccin
Tiposdedatosy Cuantitativos:provienendevariablesquepuedenmedirse,cuantificarseoexpresarsenumricamente.Ejemplos:Ejemplos:y Pesoy Edady Estaturay Presiny Humedad
Tema 1.y Humedad
y Intensidaddeunsismoy Cantidaddehermanos
. Introduccin
Escalasdemediday Tiposdevariablescuantitativas:y Discretas:esaquellaquesolopuedetomarunnmerofi it i fi it bl d l Ej l tid dfinitooinfinitonumerabledevalores.Ejemplo:cantidaddehermanos.y Continuas:eslavariablequepuedetomarcualquierq p qvalorenunaescalacontinua.Ejemplo:cantidaddelquidocontenidoenunrecipiente.
Tema 1.. Introduccin
Escalasdemediday EscalaNominal.y EscalaOrdinal.
Variables Cualitativas
y EscaladeIntervalos.y EscaladeRaznoProporcin. Variables
Cuantitativasy EscalaAbsoluta.
Cuantitativas Tema 1.. Introduccin
Escalasdemediday EscaladeIntervalos:valoresnumricosdelasvariablesyademsdelasrelacionesdeorden(>,
) d bl di i d i
Escalasdemediday Ejemplo:temperatura,nivelderuido,movimientosssmicos.
Tema 1.. Introduccin
Escalasdemediday EscalaAbsoluta:secaracterizaporquelosvaloresquetomalavariablesonelresultadodecontar yporlotanto,estconstituidaporlosenterospositivosyeltanto,estconstituidaporlosenterospositivosyelcero.y Ejemplos:nmerodehermanos,cantidaddeautos
did id dd id i i vendidos,cantidaddeaccidentesenunainterseccin,cantidaddehijos,
Tema 1.. Introduccin
DatosUnivariantesyMultivariantesy Univariantesounidimensionales:slorecogeninformacinsobreunacaracterstica(Ej:edaddelosalumnosdeunaclase).alumnosdeunaclase).y Bivariantesobidimensionales:recogeninformacinsobredoscaractersticasdelapoblacin.(Ej:edady
d l l d l )estaturadelosalumnosdeunaclase). Tema 1.. Introduccin
DatosUnivariantesyMultivariantesy Multivariantesopluridimensionales:recogeninformacinsobretresmscaractersticas.(Ej:edad,estaturaypesodelosalumnosdeunaclase)estaturaypesodelosalumnosdeunaclase).
Tema 1.. Introduccin
AbusosquesepuedencometerconlaEstadstica
y Conclusioneserrneasdebidoaquelosdatossonnumricamenteinsuficientes.y Representacionesgrficasengaosas(escalas).y Datosmuestralesnorepresentativos:y Muestraquenoincluyeaelementosdetodalapoblacin.y Ciertascategorasdepersonasnorespondencorrectamente.
Tema 1.
y Respuestasvoluntarias(sesgadas).
. Introduccin
TEMA2.ESTADSTICADESCRIPTIVA
Organizacindelosdatosy Unavezqueseharealizadolarecoleccinderealizadolarecoleccindelosdatos,seobtienendatosenbruto,loscuales
f
Tema 2.
raravezsonsignificativossinunaorganizacinytabulacin.
Estadstitabulacin. ca Descrriptiva
Organi acin de los datosOrganizacindelosdatosd l dy Formasdeorganizarlosdatos:
y Unarreglo:eslaformamssencilladeorganizarlosdatosenbruto,consisteencolocarlasobservacionesen,ordensegnsumagnitud:ascendenteodescendente.
y Pocoprcticacuandosetieneunagrancantidaddedatos.
Tema 2. datos. Estadstica D
escrriptiva
Organi acin de los datosOrganizacindelosdatosU di t ib i d f i l y Unadistribucindefrecuencias:esunarreglodelosdatosquepermiteexpresarlafrecuenciadeocurrenciasdelasobservacionesencadaunadelasclases mostrandoelpatrndeladistribucinlasclases,mostrandoelpatrndeladistribucindemaneramssignificativa.
Tema 2.
Clase Pto.Medio
fi Fi fri FRi
Estadstica Descrriptiva
Organizacindelosdatosy LaDistribucindeFrecuencias:y Serecomiendasuusocuandosetienengrandes
tid d d d t ( )cantidadesdedatos(n).y Suconstruccinrequiere,enprimerlugar,laseleccindeloslmitesdelosintervalosdeclase.
Tema 2.
y Paradefinirlacantidaddeintervalosdeclase(k),sepuedeusar:y LaregladeSturges:k=1+3.3log(n)
EstadstiLaregladeSturges:k 1+3.3log(n)y k=n
ca Descrriptiva
Organizacin delosdatosy Lacantidaddeclasesnopuedesertanpequeo(menosde5)otangrande(msde20),quelaverdaderanaturalezadeladistribucinseaverdaderanaturalezadeladistribucinseaimposibledevisualizar.y Laamplituddetodaslasclasesdeberserlamisma.Serecomiendaqueseaimparyquelospuntos
Tema 2. Serecomiendaqueseaimparyquelospuntos
mediostenganlamismacantidaddecifrassignificativasquelosdatosenbruto.y Loslmitesdelasclasesdebentenerunacifra
Estadstiy Loslmitesdelasclasesdebentenerunacifrasignificativamsquelosdatosenbruto.
ca Descrriptiva
Organizacindelosdatosy Determinar:y Puntomedio=(Li+Ls)/2.y Frecuenciaabsolutadelaclase(fi).y Frecuenciaacumuladadelaclase(Fi).y Frecuenciarelativadelaclase(fr ):
Tema 2. y Frecuenciarelativadelaclase(fri):
y fri =fi/n
y Frecuenciarelativaacumuladadelaclase(Fri).
Estadsti( i) ca Descrriptiva
EjemplodeDistribucindeFrecuencias
Acontinuacinsepresentanlaslifi i d 6 t di t calificacionesde60estudiantes
quepresentaronlaPINAenel
Tema 2.
ao2010:
Estadstica Descrriptiva
EjemplodeDistribucindeFrecuencias2360793257745270823680778195416592855576
6 8 8 88 6521064757825809881674171835464728862744360788976844884901579
Tema 2.
34671782697463808561
a)Construyaunadistribucindefrecuencias.
Estadstia)Construyaunadistribucindefrecuencias.b)Qupuedeconcluirdeestosdatos?
ca Descrriptiva
EjemplodeDistribucindeFrecuenciasAntesdeconstruirladistribucindefrecuencia,sevaaobtenerelarreglodeestosdatos,enestecaso,ordenadosdemenoramayor:demenoramayor:
10 15 17 23 25 32 34 36 414143 48 52 52 54 55 57 60 606143 48 52 52 54 55 57 60 606162 63 64 64 65 67 67 69 707172 74 74 74 75 76 76 77 787872 74 74 74 75 76 76 77 787879 79 80 80 80 81 81 82 828384 84 85 85 88 89 90 92 959884 84 85 85 88 89 90 92 9598
EjemplodeDistribucindeFrecuencias1) Determinarlacantidaddeclases(k)aemplear:
y LaregladeSturges:k=1+3.3log(n)=6.86 7clases.y k=n=60=7 75 8clasesy k=n=60=7.75 8clases.Qucantidaddeclaseusar,7u8?
2) Calcularlaamplitud(A)delasclasesausar:
Tema 2.
y Calcularelrangodelosdatos(R):R=ObsermayorObsermenor,R=9810=88puntos.
y A=R/k,aproximaraunvalorunpocomayorqueelobtenido
Estadsti
paraasegurarquelasclasesvanaabarcaralconjuntocompletodelosdatos.A=88/7=12,57 12.6
ca Descrriptiva
EjemplodeDistribucindeFrecuencias3. Determinarellmiteinferiordelaprimeraclasea
usar.Li=9.9D i ll i i d l i l 4. Determinarellmitesuperiordelaprimeraclase,sumanalLihalladoenelpasoanteriorlaamplituddelaclases Ls=9 9+12 6=22 5
Tema 2. delaclases.Ls=9.9+12.6=22.5
Setienelaprimeraclasecomo9.9 22.53. Determinarelrestodelasclases,usandocomolmite
Estadsti3. Determinarelrestodelasclases,usandocomolmiteinferiordecadauna,allmitesuperiordelaclaseanterior.
ca Descrriptiva
Clase Pto.Medio
fi Fi fri FRi9.9-22.5
22.5-35.1
35.1-47.7
47 7-60 3
Tema 2. 47.7 60.3
60.3-72.9
Estadsti
72.9-85.5
85 5 98 1
ca Descr
85.5-98.1
riptiva
EjemplodeDistribucindeFrecuencias4. Calcularelpuntomediodecadaclase:Puntomedio=
(Li+Ls)/2.Determinarlafrecuenciaabsolutadelaclase(f ) 5. Determinarlafrecuenciaabsolutadelaclase(fi),contandolacantidaddedatosquepertenecenacadaclase.
Tema 2.
6. Determinarlafrecuenciaacumuladadelaclase(Fi).7. Determinarlafrecuenciarelativadelaclase(fri):
f f /
Estadsti
y fri =fi/n
8. Determinarlafrecuenciarelativaacumuladadelaclase(Fri)
ca Descrclase(Fri). riptiva
a)
Clase Pto.Medio
fi Fi fri Fri9.9-22.5 16 3 3 0.05 0.05
22.5-35.1 29 4 7 0.07 0.12
35.1-47.7 41 4 11 0.07 0.19
47 7-60 3 54 8 19 0 13 0 32
Tema 2. 47.7 60.3 54 8 19 0.13 0.32
60.3-72.9 67 12 31 0.2 0.52
Estadsti
72.9-85.5 79 23 54 0.38 0.90
85 5 98 1 92 6 60 0 1 1
ca Descr
85.5-98.1 92 6 60 0.1 1
riptiva
EjemplodeDistribucindeFrecuenciasb) EnestaPINAlomasfrecuenteesquelosestudiantes
obtengancalificacionesentre60y85puntos,ymenosfrecuentescalificacionesmayoresa85omenosfrecuentescalificacionesmayoresa85omenoresa35puntos.Un38%delosestudiantesobtuvieronentre72y85
Tema 2. Un38%delosestudiantesobtuvieronentre72y85
puntos.Un81%delosestudiantesaprobaronestaPINA,
Estadstipsiendounporcentajemuybueno.
ca Descrriptiva
Representacingrficadelosdatos
Representacingrficadelosdatosy Losgrficospermitenvisualizarenformaglobalyrpidaelcomportamientodelosdatos.P d t tit ti d l y Paradatoscuantitativosagrupadosenclases,comnmenteseutilizantresgrficos:y Histogramas.
Tema 2. g
y Polgonodefrecuencias.y OjivaoPolgonodefrecuenciasacumuladas.
Estadstica Descrriptiva
HistogramaSeobtienegraficandoenelejedelasX,loslmitesdelasclases,yenelejedelasY,lafrecuenciaabsolutadecadaclase(fi)cadaclase(fi).
Losrectngulosqueseobtienensedebengraficarunidos
Tema 2. unidos. Estadstica D
escrriptiva
Representacingrficadelosdatos
Histograma
Tema 2. Estadstica D
escrriptiva
Polgonodefrecuencias:SeobtienegraficandoenelejedelasX,lospuntosmediosdelasclases(mi),yenelejedelasY,lafrecuenciaabsolutadecadaclase(fi)frecuenciaabsolutadecadaclase(fi).
Lospuntosobtenidosseunenusandosegmentosdelneasrectas
Tema 2. lneasrectas. Estadstica D
escrriptiva
Representacingrficadelosdatos
Tema 2. Estadstica D
escr
Histograma y Polgono de Frecuencias
riptiva
OjivaSeobtienegraficandoenelejedelasX,ellmitesuperiordelasclases,yenelejedelasY,lafrecuenciasrelativasacumuladasdecadaclase(Fri)acumuladasdecadaclase(Fri).
Lospuntosobtenidosseunenusandosegmentosdelneasrectas
Tema 2. lneasrectas.
EstagrficoiniciadesdeelejedecoordenadasX.
Estadstica Descrriptiva
Representacingrficadelosdatos
Ojiva
Tema 2. Estadstica D
escrriptiva
Representacingrficadelosdatosy Paradatoscualitativosseusan:y Barras:seusaparavariablescualitativasquesemiden
d l t t i l di lusandounaescala,tantonominalcomoordinal.SeobtienegraficandoenelejedelasX,lascategorasdelavariableenestudio,yenelejedelasY,lafrecuencias
Tema 2. , y j ,
absolutadecadacategora(fi).Lasbarrassedibujanseparadas.
Estadstica Descrriptiva
Representacingrficadelosdatos
Barras
Barras
Representacingrficadelosdatosy Curvas:seusaparavariablescualitativasquesemidenusandounaescalaordinal.SeobtienengraficandoenelejedelasX lavariableSeobtienengraficandoenelejedelasX,lavariabletiempo,yenelejedelasY,losvaloresdelavariableenestudio.
Tema 2.
Algunosautoresdenominanaestetipodegrficocomoseriesdetiempooseriescronolgicas.
Estadstica Descrriptiva
Representacingrficadelosdatos
Tema 2.
Curvas
Estadstica Descrriptiva
Representacingrficadelosdatosy Sectores,tortaocircular:seusaparavariablescualitativasquese
midenusandounaescala,tantonominalcomoordinal.Seobtienedividiendoauncrculoensectores,cuyotamaoesSe obt e e d d e do a u c cu o e secto es, cuyo ta a o esproporcionalalafrecuenciadecadacategoradelavariable.Seemplealasiguienteexpresinparacalculareltamaodecadasector:Sector=fri*360
Tema 2. sector:Sector=fri 360 .
Algunosautoresprefierenpresentarestegrficousandoporcentajes:Sector=(fi*100)/n.
Estadstica Descrriptiva
Representacingrficadelosdatos
Sector torta o circular
Tema 2. Sector, torta o circular Estadstica D
escrriptiva
Ejemplodeconstruccindegrficos
Tema 2. Estadstica D
escrriptiva
Para el ejemplo de las calificaciones de laParaelejemplodelascalificacionesdelaPINA2010:Histograma:
22
24
fi
16
18
20
Tema 2.
10
12
14
Estadsti
2
4
6
8
ca Descr
2LmitesdeClase(calificacinenpuntos)9.9 35.122.5 47.7 60.3 72.9 85.5 98.1
riptiva
Para el ejemplo de las calificaciones de laParaelejemplodelascalificacionesdelaPINA2010:Polgonodefrecuencias: 22
24
fi
14
16
18
20
Tema 2.
8
10
12
14
Estadsti
2
4
6
8 ca Descr
Puntomediodeclase(calificacinenpuntos)2916 41 54 67 79 92
riptiva
l h l dEscomnpresentarelhistogramaypolgonodefrecuenciasenunmismogrfico:
22
24
fi
14
16
18
20
Tema 2.
8
10
12
14
Estadsti
2
4
6
8 ca Descr
LmitesdeClase(calificacinenpuntos)9.9 35.122.5 47.7 60.3 72.9 85.5 98.1
riptiva
Para el ejemplo de las calificaciones de laParaelejemplodelascalificacionesdelaPINA2010:Ojiva:
1
Fri
0.7
0.8
0.9
Tema 2.
0.4
0.5
0.6
Estadsti
0.1
0.2
0.3
Lmitesuperiordeclase
ca Descr
(calificacinenpuntos)35.122.5 47.7 60.3 72.9 85.5 98.1
riptiva
MedidasdeTendenciaCentral
Medidasdetendenciacentraloposiciny Correspondenavaloresquegeneralmenteseubicanenlapartecentraldeunconjuntodedatos.F l d d d l y Formacomolosdatospuedencondensarseenunsolovalorcentralalrededordelcualtodoslosdatosmuestralessedistribuyen
Tema 2. muestralessedistribuyen. Estadstica D
escrriptiva
Medidasdetendenciacentraloposiciny Lasmedidasdetendenciacentralmsimportantesson:
M di A i i A i i d dy Media:AritmticayAritmticaponderada.y Mediana.y Moda
Tema 2. y Moda. Estadstica D
escrriptiva
MediaAritmticay Eslasumadetodaslasobservacionesdivididaentreelnmero
totaldeobservaciones.y Expresadadeformamsintuitiva,podemosdecirquelamediaExpresadadeformamsintuitiva,podemosdecirquelamedia
aritmticaeslacantidadtotaldelavariabledistribuidaapartesigualesentrecadaobservacin.(wikipedia)
y Porejemplo,sienunahabitacinhaytrespersonas,lamedia
Tema 2. j p , y p ,
dedineroquetienenensusbolsillosseraelresultadodetomartodoeldinerodelostresydividirloapartesigualesentrecadaunodeellos.Esdecir,lamediaesunaformaderesumirlai f i d di t ib i (di lb l ill )
Estadsti
informacindeunadistribucin(dineroenelbolsillo)suponiendoquecadaobservacin(persona)tendralamismacantidaddelavariable.(wikipedia)
ca Descrriptiva
ClculodelamediaaritmticaP d dy Paradatosnoagrupados:
xnn
xX i
i== 1
Tema 2.
fmk
ii{ Para datos agrupados:
Estadsti
n
fX i
ii== 1
Donde: mi: punto medio de la clase i
ca DescrDonde: mi: punto medio de la clase i
fi: frecuencia absoluta de la clase ik: cantidad de clases
riptiva
Medianay Eselvalorqueocupalaposicincentraldeunconjuntodeobservaciones,unavezquehansidoordenadosenformaascendenteodescendenteordenadosenformaascendenteodescendente.y Dividealconjuntodedatosendospartesiguales.
Tema 2. Estadstica D
escrriptiva
Clculodelamedianay Paradatosnoagrupados:y Sinesimpar:posicindondeseubicalamedianaesi l ( )/iguala(n+1)/2.y Sinespar:(n+1)/2noesentero,porlotantolamedianaserigualalpromediodelasdosposicionescentrales.
Tema 2. g p p Estadstica D
escrriptiva
Clc lo de la medianaClculodelamedianaD d l di l y Datosagrupados:clasemedianaeslaquecontienealaobservacinqueocupalaposicinn/2.p /
CxFn
LMdm )(2
11+
Tema 2.
Cmxf
LmMdm )(
2+=
Donde: Lm: lmite inferior de la clase mediana.
Estadstio de te e o de a c ase ed a aF(xm-1): frecuencia acumulada de la clase
anterior a la clase mediana.f(xm): frecuencia absoluta de la clase mediana.Cm: amplitud de la clase mediana
ca Descr
Cm: amplitud de la clase mediana.
riptiva
Moday Observacinoclasequetienelamayorfrecuenciaenunconjuntodeobservaciones.U j d d d i d l bi d l y Unconjuntodedatospuedeserunimodal,bimodalomultimodal.y Eslanicamedidadetendenciacentralquesepuede
Tema 2. y Eslanicamedidadetendenciacentralquesepuede
determinarparadatosdetipocualitativo.
Estadstica Descrriptiva
Clc lo de la modaClculodelamodaP d d i l l y Paradatosnoagrupados:essimplementelaobservacinquemsserepite.y Paradatosagrupados:y Paradatosagrupados:
CmLimMo 1+=
Tema 2.
21 +Donde: Lim: lmite inferior de la clase modal.
dif i t f d l l d l l
Estadsti1: diferencia entre fi de la clase modal y la anterior.
2: diferencia entre fi de la clase modal y la posterior.
ca Descrposterior.
Cm: amplitud de la clase modal (clase de mayorfrecuencia).
riptiva
Relacinentrelamedia,lamedianaylamoda
Tema 2. Estadstica D
escrriptiva
Cuando los datos son sesgados es mejor emplear la Md
Ejemplodelosclculosdelasmedidasdetendenciacentral:medidasdetendenciacentral:XMedia
Tema 2.
XMedianaM d
EstadstiXModa ca Descrriptiva
Media:datosNOagrupados
xn Tem
a 2.
puntosn
xX i
i
48,6560
392960
618560231 ==++++=== L
Estadstica Descrriptiva
Media:datosagrupados
692237912678544414293161 ++++++ fmk
iii Tem
a 2.
60692237912678544414293161 ++++++== =
nX i
k Estadstipuntosnfm
X iii
55,6560
39331 ====
ca Descrriptiva
Mediana:datosNOagrupadosParadeterminarlaposicinqueocupalamediana,sedebenordenarlosdatosdeformaascendenteodescendente Enestecasolosordenamosdeformadescendente.Enestecasolosordenamosdeformaascendente:
10 15 17 23 25 32 34 36 414110 15 17 23 25 32 34 36 414143 48 52 52 54 55 57 60 606162 63 64 64 65 67 67 69 707162 63 64 64 65 67 67 69 707172 74 74 74 75 76 76 77 787879 79 80 80 80 81 81 82 828379 79 384 84 85 85 88 89 90 92 9598
Mediana:datosNOagrupadosSedebedeterminarsinesparoimpar,enestecasonespar,porlo
tantoalbuscarlaposicincentralsetiene:
1601 5.302160
21 =+=+n
Porlotanto,sedebeobtenerelpromediodelosdatosqueocupanlasposicionescentrales30y31:
puntosMd 5,7127271 =+=
Mediana:datosagrupadosSedebedeterminarlaclasemediana,quecorrespondealaclase
quecontienealaobservacinqueocupalaposicinn/2:Ennuestroejemplolaobservacinqueocupalaposicin30es71Ennuestroejemplolaobservacinqueocupalaposicin30es71
puntos,porlotantolaclasemedianasera:
6 6
Alaplicarlafrmulasetiene:
60,372,9 67 12 31 0,2 0,52
Alaplicarlafrmulasetiene:
puntosCmxFn
LmMdm
387261219
2160
360)(
21
1 =+
+=+
+= puntosCmxf
LmMdm
38,726,1212
3,60)(
++
Moda:datosNOagrupadosLamodacorrespondealdatouobservacinquemsvecesserepite.
E j l l b i Enesteejemplolasobservaciones:74puntosy80puntosserepiten3vecescadauna,porestaraznsetieneunconjuntodedatosbimodalconjuntodedatosbimodal.
Mo1=74puntos.Mo2=80puntos.Mo2 80puntos.
Moda:datosagrupadosSedebedeterminarlaclasemodal,quecorrespondealaquetenga
lamayorfrecuenciaabsoluta(fi).Ennuestroejemplolaclasemodalsera:Ennuestroejemplolaclasemodalsera:
72.985.5 79 23 54 0.38 0.90
Porlotanto,aplicandolafrmula:
)1223(
tM
CmLimMo
8577
6.12)623()1223(
)1223(9.7221
1 ++=+
+=puntosMo 85.77=
Qu informacin se puede obtener deQuinformacinsepuedeobtenerdelasmedidasdetendenciacentral?y Media:lamediaaritmticadeestas60calificaciones,fuede65,55puntos,loqueindicaqueenpromediolosestudiantesobtuvieronbuenascalificacionesquelesestudiantesobtuvieronbuenascalificacionesquelespermitiaprobarlaPINA.y Mediana:lamedianafueiguala71,5puntos,loquei di l d l di b indicaquelamayoradelosestudiantesobtuvounabuenacalificacin.y Moda:esteconjuntodedatosesbimodal,tieneunaModa:esteconjuntodedatosesbimodal,tieneunamodade74puntosyotrade80puntos,peroestosvaloresnoesquetuvieranunafrecuenciamuchomayorquecualquierotrodato mayorquecualquierotrodato.
D b di d d l di i i 8 Debenestudiarporsucuenta,desdeladiapositiva83hastala93.Cualquierdudapuedenconsultarla.
Propiedades,ventajasydesventajasdelamediaPropiedades:y Lasumadelasdiferenciasentrelasmediamuestralyelvalordecadaobservacinescerovalordecadaobservacinescero.y Lamediadeunaconstanteeslaconstante.y Sitodaslasobservacionesxi semultiplicanporuna
Tema 2. i
constantea,laXtambinsedebemultiplicarporesemismovalorconstante.
Estadstica Descrriptiva
Propiedades,ventajasydesventajasdelamediay SisesometeaunavariableestadsticaXauncambiodeorigenyescala,Y=a+bX,lamediaaritmticadedichavariableXvaraenlamismaproporcin dichavariableXvaraenlamismaproporcin.y Lamediadelasumadedosvariablesesigualalasumadesusmedias
Tema 2. desusmedias. Estadstica D
escrriptiva
Propiedades,ventajasydesventajasdelamediaVentajas:y Empleaensuclculotodalainformacindisponible.S l i id d l i bl y Seexpresaenlasmismasunidadesquelavariableenestudio.y Eselcentrodegravedaddetodaladistribucin,
Tema 2. s e ce t o de g avedad de toda a d st buc ,
representandoatodoslosvaloresobservados.y Esunvalornico.
Estadstica Descrriptiva
Propiedades,ventajasydesventajasdelamediay Setratadeunconceptofamiliarparalamayoradelaspersonas.E il ll b di i d i y Estilparallevaracaboprocedimientosestadsticoscomolacomparacindemediasdevariosconjuntosdedatos
Tema 2. datos. Estadstica D
escrriptiva
Propiedades,ventajasydesventajasdelamediaDesventajas:y Seveadversamenteafectadaporvaloresextremos,perdiendorepresentatividadperdiendorepresentatividad.y Sielconjuntodedatosesmuygrandepuedesertediososuclculomanual.
Tema 2.
y Nosepuedecalcularparadatoscualitativos.y Nosepuedecalcularparadatosquetenganclasesdeextremoabierto tantosuperiorcomoinferior
Estadstiextremoabierto,tantosuperiorcomoinferior. ca Descrriptiva
Ventajasydesventajasdelamediana
Ventajas:y Fcildecalcularsielnmerodeobservacionesnoesmuygrande.y Noseveinfluenciadaporvaloresextremos,ya
l i fl l l l
Tema 2.
quesoloinfluyenlosvalorescentrales.y Fcildeentender.
Estadstica Descrriptiva
Ventajasydesventajasdelamedianay Sepuedecalcularparacualquiertiposdedatoscuantitativos,inclusolosdatosconclasedeextremoabiertoabierto.y Eslamedidadetendenciacentralmsrepresentativaenelcasodevariablesquesoloadmitenlaescala
Tema 2. enelcasodevariablesquesoloadmitenlaescala
ordinal.
Estadstica Descrriptiva
VentajasydesventajasdelamedianaDesventajas:y Noutilizaensuclculotodalainformacindi ibldisponible.y Noponderacadavalorporelnmerodevecesqueseharepetido
Tema 2. harepetido.
y Hayqueordenarlosdatosantesdedeterminarla.
Estadstica Descrriptiva
VentajasydesventajasdelamodaVentajas:y Norequiereclculos.P d d t t t tit ti y Puedeusarseparadatostantocuantitativoscomocualitativos.y Fcildeinterpretar.
Tema 2. c de te p eta .
y Noseveinfluenciadaporvaloresextremos.y Sepuedecalcularenclasesdeextremoabierto.
Estadstica Descrriptiva
VentajasydesventajasdelamodaDesventajas:y Paraconjuntospequeosdedatossuvalorno
i i ilid d i d h h i S l tienecasiutilidad,siesquedehechoexiste.Solotienesignificadoenelcasodeunagrancantidaddedatos.
Tema 2.
y Noutilizatodalainformacindisponible.y Nosiempreexiste,silosdatosnoserepiten.
Estadstica Descrriptiva
Ventajasydesventajasdelamoday Enocasiones,elazarhacequeunasolaobservacinsenorepresentativaseelvalormsfrecuentedel
j d dconjuntodedatos.y Difcildeinterpretarsilosdatostiene3omsmodas.
Tema 2. Estadstica D
escrriptiva
Medidas de dispersin, variacinMedidasdedispersin,variacinovariabilidad
Medidasdedispersin,variacinovariabilidad.y Sonvaloresnumricosqueindicanodescribenlaformaenquelasobservacionesestndispersasodi i d l l ldiseminadas,conrespectoalvalorcentral. Tem
a 2. EstadstiX ca Descrriptiva
Medidasdedispersin,variacinovariabilidad.y Sonimportantesdebidoaquedosmuestrasdeobservacionesconelmismovalorcentralpuedentenerunavariabilidadmuydistintaunavariabilidadmuydistinta. Tem
a 2. Estadstica Descrriptiva
Medidasdedispersin,variacinovariabilidad.y Rango.y Varianza.y DesviacinTpica.y Coeficientedevariacin.
Tema 2. Estadstica D
escrriptiva
Medidasdedispersin:RangoRango(amplitudorecorrido):y Estdeterminadoporlosdosvaloresextremosd l d l i l l delosdatosmuestrales,essimplementeladiferenciaentrelamayorymenorobservacin.y Esunamedidadedispersinabsoluta,yaque
Tema 2. Esunamedidadedispersinabsoluta,yaque
dependesolamentedelosdatosypermiteconocerlamximadispersin.
Estadstica Descrriptiva
Medidasdedispersin:Rangoy Casinoseempleadebidoaquedependenicamentededosvalores.N i did d i bilid dd l y Noproporcionaunamedidadevariabilidaddelasobservacionesconrespectoalcentrodeladistribucin
Tema 2. distribucin.
y Notacin:R
Estadstica Descrriptiva
Medidasdedispersin:Varianzay Esunvalornumricoquemideelgradodedispersinrelativaporquedependedelaposicindelosdatosx x x conrespectoalamediax1,x2,,xn conrespectoalamedia.y Eselpromedioalcuadradodelasdesviacionesdecadaobservacinconrespectoalamedia
Tema 2. observacinconrespectoalamedia.
y Notacin:s2,2,var(X)
Estadstica Descrriptiva
Medidasdedispersin:Varianzay Silavarianzadeunconjuntodeobservacionesesgrandesedicequelosdatostieneunamayorvariabilidadqueunconjuntodedatosquetengavariabilidadqueunconjuntodedatosquetengaunvarianzamenor.
( )2n
Tema 2. ( )
1
2
2
n
xxs
n
ii
==
EstadstiPara datos NOagrupados:
21
2
2x
nn
ii
=
ca Descr
agrupados:
12 xn
s i = = riptiva
Medidasdedispersin:VarianzaParadatosagrupadosenunadistribucindefrecuencias:
( )1
2
2fxm
k
iii
=
2
12
f
ns
k
i=
=
( )212
2 xn
fms i
ii
==
Medidasdedispersin:DesviacinTpica
E l d d d l iy Eslarazcuadradadelavarianza.y Notacin:s,.
2ss =
Tema 2. Estadstica D
escrriptiva
Medidasdedispersin:CoeficientedeVariacin
y Esunamedidadedispersinrelativaquepermitecompararelniveldedispersindedosmuestrascompararelniveldedispersindedosmuestrasdevariablesestadsticasdiferentes.y Notienedimensiones.
Tema 2.
y Notacin:CV
Estadsti
%100=xsCV
ca Descrriptiva
Ejemplodelosclculosdelasj pmedidasdedispersin:
RX Rango.X Varianza.
Tema 2.
X DesviacinTpica.
Estadsti
X CoeficientedeVariacin.
ca Descrriptiva
Rango:RR=Observacinmayor ObservacinmenorR=98 10R 88puntosR=88puntos Tem
a 2. Estadstica Descrriptiva
Varianza(S2):DatosNOagrupadosRecuerdequesepuedeusarcualquieradeestasdosexpresiones:
( )2
2221
2
2 18.43960
98.2635060
)48.6561()48.6560()48.6523( puntosn
xxs
n
n
ii
==+++=
== L
2222221
2
2 62.43963.428725.472763.428760
28363548.6560
616023 puntosxn
xs
n
ii
===+++=== L
Varianza(S2):DatosagrupadosRecuerdequesepuedeusarcualquieradeestasdosexpresiones:k ( )
2
2222
1
2
2 51.40960
6)55.6592(4)55.6529(3)55.6516( puntosn
fxms
k
k
iii
=+++=
=
= L
( )22
22222
21
2
2
52.409
80.429660
282379)55.65(60
692429316
puntoss
puntosxn
fms i
ii
==+++=
== L
p
DesviacinTpica(S):DatosNOagrupados
puntosss 96.2018.4392 === p
DesviacinTpica(S):Datosagrupados
puntosss 24.2051.4092 === p
Coeficiente de Variacin (CV): Datos NOCoeficientedeVariacin(CV):DatosNOagrupados
%01.32100*3201.0%100486596.20%100 ====
xsCV
48.65x
Coeficiente de Variacin (CV): DatosCoeficientedeVariacin(CV):Datosagrupados
%87.30100*3087.0%100556524.20%100 ====
xsCV
55.65x
Qu informacin se puede obtener deQuinformacinsepuedeobtenerdelasmedidasdedispersin?y Rango:ladispersinmximadeesteconjuntodedatoses88puntos,queesunvalorsignificativamentegrandesisecomparaconlosvaloresquetomaestagrandesisecomparaconlosvaloresquetomaestavariable.Estoindicaquehayvaloresmuydistanciados,enestecasonotasdelaPINAmuybajasyotrasmuyaltasaltas.y Varianza:lavarianzacalculadaesde439.18puntos2,aunquesusunidadesestnalcuadrado,nosindicaqueq qesteconjuntodedatostieneunadispersinovariacinelevadaconrespectoalvalorcentral(media),loquesignificaqueestasnotasvaranmucho,esdecir,nosignificaqueestasnotasvaranmucho,esdecir,noestnconcentradasalrededordelvalorcentral.
Qu informacin se puede obtener deQuinformacinsepuedeobtenerdelasmedidasdedispersin?y Desviacintpica:tomaunvalorde20.96puntos,loqueindicaquelavariacindeestasnotasenlaPINAeselevada,yqueexistenestudiantesqueobtuvieronelevada,yqueexistenestudiantesqueobtuvieronnotasmuypordebajoymuyporencimadelamedia.y CoeficientedeVariacin:tomaunvalorde32.01%,i di d i i i l d indicandoqueexisteunavariacinelevadaenestasnotasdelaPINA.
D b di d d l di i i 6Debenestudiarporsucuenta,desdeladiapositiva116hastala122.Cualquierdudapuedenconsultarla.
VentajasyDesventajasdelRangoVentajas:y tilcuandosequiereconocerlaextensindelas
i i ( l i d l di i )variacionesextremas(valormximodeladispersin).y Fcildecalcular.
Tema 2. Estadstica D
escrriptiva
VentajasyDesventajasdelRangoDesventajas:y NoesunaMDconrespectoalcentrodeladi ib idistribucin.y Soloempleadosvaloresensuclculo.N d l l di ib i d l i d
Tema 2. y Nosepuedecalcularendistribucionesdelmitede
claseabierto.
Estadstica Descrriptiva
d d d lPropiedades,VentajasyDesventajasdelaVarianzaPropiedades:1. Siempreesmayoroigualaceroymenorqueinfinito.2. Lavarianzadeunaconstanteescero.3. SiaunavariableXlasometemosaY=a+bX,la
i d Y V (Y) b2V (X)
Tema 2.
varianzadeYserVar(Y)=b2Var(X)
Estadstica Descrriptiva
d d d lPropiedades,VentajasyDesventajasdelaVarianzaVentajas:y Estilcuandosecomparalavariabilidaddedosomsconjuntosdedatosconjuntosdedatos.y Utilizatodalainformacindisponible.Desventajas:
Tema 2. j
y Noproporcionaayudainmediatacuandoseestudialadispersindeunsoloconjuntodedatos.y Difcildeinterpretarportenersusunidadeselevadasal
Estadstiy Difcildeinterpretarportenersusunidadeselevadasalcuadrado.
ca Descrriptiva
VentajasyDesventajasdelaDesviacinTpicaVentajas:y Estaexpresadaenlasmismasunidadesquelavariable
dienestudio.y Utilizatodaslasobservacionesensuclculo.F ild i
Tema 2. y Fcildeinterpretar.
Desventajas:y N ti
Estadstiy Notiene. ca Descrriptiva
d l f dVentajasyDesventajasdelCoeficientedeVariacinVentajas:y EslanicaMDquepermitecompararelniveldedi i d d d i bl difdispersindedosmuestrasdevariablesdiferentes.y Empleatodalainformacindisponibleensuclculo.F ild l l
Tema 2. y Fcildecalcular. Estadstica D
escrriptiva
d l f dVentajasyDesventajasdelCoeficientedeVariacinDesventaja:y NoesunaMDconrespectoalcentrodeladistribucind l ddelosdatos.
Tema 2. Estadstica D
escrriptiva
MedidasdeForma
MedidasdeFormay Sonmedidasnumricasquepermitendeterminarlaformaquetienelacurvadelosdatos,porlotanto,sirvenparacorroborarloquelosgrficosmuestransirvenparacorroborarloquelosgrficosmuestran. Tem
a 2.
Medidasde forma
-Asimetra
-Kurtosis o apuntamiento
Coeficiente de PearsonCoeficiente de Fisher
Estadstica Descrriptiva
MedidasdeForma:Asimetray Permitenestudiarlaformadelacurva,dependiendodecmoseagrupanlosdatos.
Tema 2. Estadstica D
escrriptiva
MedidasdeForma:AsimetraC fi i d A i d PCoeficientedeAsimetradePearson:y Fcildecalculareinterpretar.y Cl ly Clculo: ( )
sMdXASP = 3
Tema 2. s
9 Interpretacin:= 0, X=Md Simtrica
Estadsti
ASP
,
> 0, X>Md Asimtrica Positiva
< 0 X
MedidasdeForma:AsimetraC fi i d A i d Fi hCoeficientedeAsimetradeFisher:y Noesdefcilclculo,perosisuinterpretacin.
Tema 2. ( )3Xxn i Estadsti
( )( )3
31
fM
nsASF
k
ii
== Datos NO agrupados
ca Descr
( )3
1
ns
fxMASF i
ii=
= Datos Agrupados
riptiva
MedidasdeForma:Asimetra
9 Interpretacin:
ASF
= 0, Simtrica
> 0, Asimtrica Positiva
Tema 2.
< 0, Asimtrica Negativa
Estadstica Descrriptiva
MedidasdeForma:Kurtosisy Midensilosvaloresdeladistribucinestnmsomenosconcentradosalrededordelosvaloresmediosdelamuestra(zonacentraldeladistribucin).y Sedefinentrestiposdedistribucinsegnsugradod K t i
Tema 2.
deKurtosis:
Estadstica Descrriptiva
MedidasdeForma:Kurtosisy Mesocrtica:gradodeconcentracinmedioalrededordelosvalorescentralesdelavariable.L i d d i l dy Leptocrtica:gradodeconcentracinelevado.y Platicrtica:gradodeconcentracinreducido.
Tema 2. Estadstica D
escrriptiva
MedidasdeForma:Kurtosis( )
341
4
==
ns
XxCK
n
ii
Datos No Agrupados
( )34
1
4
==
fXMCK
nsk
iii
Datos Agrupados
Tema 2.
4nsDatos Agrupados
9 Interpretacin:
Estadsti
CK
=0 Mesocrtica
>0 Leptocrtica
ca Descr
Ejemplodelosclculosdelasj pmedidasdeforma:
A i t X Asimetra:X CoeficientedePearson.
Tema 2.
X CoeficientedeFisher.K t i
EstadstiX Kurtosis. ca Descrriptiva
Medidas de forma: Coeficiente deMedidasdeforma:CoeficientedePearson.y DatosNOagrupados:
( ) )5714865(33 MdX( ) 8616.096.20
)5.7148.65(33 ===sMdXASP
y Datosagrupados:
( ) )38725565(33 MdX( ) 0124.124.20
)38.7255.65(33 ===sMdXASP
Medidas de forma: Coeficiente deMedidasdeforma:CoeficientedeFisher.y DatosNOagrupados:
( )3n ( )3
333
31
3
96.2060)48.6561()48.6560()48.6523(
+++=
== L
ns
XxASF i
i
9281.084.552490191.512769 ==
Medidas de forma: Coeficiente deMedidasdeforma:CoeficientedeFisher.y Datosagrupados:
( )3k ( )3
333
31
3
24.20606)55.6592(4)55.6529(3)55.6516(
+++=
== L
ns
fxMASF i
ii
9342.019497488885.464760 ==19.497488
Medidas de forma: Coeficiente deMedidasdeforma:CoeficientedeKurtosisy DatosNOagrupados:
( ) 4444 Xxn i( )3
96.2060)48.6561()48.6560()48.6523(3 4444
41
+++=== L
ns
XxCK i
i
1172.031172.3309.1158020897.36097814 ===
Medidas de forma: Coeficiente deMedidasdeforma:CoeficientedeKurtosisy Datosagrupados:
( )4 fXMk ( )3
24.20606)55.6592(4)55.6529(3)55.6516(3 4
444
41
+++=
== L
ns
fXMCK i
ii
0298.030298.3395.1006916036.30507377 ===
Qu informacin se puede obtener deQuinformacinsepuedeobtenerdelasmedidasdeforma?y CoeficientesdeAsimetra:alsersusvaloresmenoresquecero,indicanqueparaestascalificacionesdelaPINA,laasimetraesnegativa,porlotanto,laPINA,laasimetraesnegativa,porlotanto,lafrecuenciadelascalificacionesbajasesmenorquelafrecuenciadelascalificacionesaltas,esdecir,lamayoradelosestudiantessacaronbuenasmayoradelosestudiantessacaronbuenascalificaciones.y Kurtosis:alsersuvalormayoracero,indicaqueestasy qcalificacionestienenuncomportamientoleptocrtico,esdecir,existeunintervalodecalificaciones,quetieneunafrecuenciamuchamayorqueelrestodeposiblesunafrecuenciamuchamayorqueelrestodeposiblesvalores.
Referencias:yWikipedia(http://es.wikipedia.org/wiki/Wikipedia:Portada)W l l M P b bilid d E d i M GyWalpoleyMyers.ProbabilidadyEstadstica.McGrawHill.y Triola MarioF Estadstica Pearsony Triola,MarioF.Estadstica.Pearson.