Estadistica y probabilidades______________________________________________________________FIC

MEDIDAS DE POSICIN Las medidas de posicin tienen por objetivo resumir del conjunto de datos en algunos valores que pueda representar el comportamiento de la variable. 1. Media Aritmtica ( x M ( x) ) Medida de tendencia central que representa el promedio aritmtico de un conjunto de observaciones. 1.1 Clculo de la media a partir de datos no agrupados
n

xi x
xi
i 1

n
: Valor observado

n: nmero total de datos

Ejemplo 1: Xi : Notas de un alumnos en un curso

13; 16; 11; 08; 14; 10;

x 13 16 11 08 14 10 =12 6

1.2 Clculo de la media a partir de datos agrupados

k

xi f i x
i 1

x
i 1

xi hi

xi : marca de clase , i =1,2,3,...,k

k :numero de intervalos hi: frecuencia relativa fi : frecuencia absoluta Ejemplo 2: Se tiene la distribucin de frecuencias de las precipitaciones mximas de la cuenca Yauli (1956-1996).Calcular el promedio de precipitaciones mximas.

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9] total

fi 1 4 11 10 9 5 40

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Solucin

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9] Total
k

Xi 68.4 91.4 114.4 137.4 160.4 183.4

fi 1 4 11 10 9 5 40

hi 0.0250 0.1000 0.2750 0.2500 0.2250 0.1250 1.0000

Xihi 1.710 9.140 31.460 34.350 36.090 22.925 135.675

Para el clculo de su media utilizaremos la formula equivalente:

x
i 1

xi hi =135.675mm.

Propiedades de la media: 1) M (kx) kM( x) 2) M ( x k ) M ( x) k 3) M (ax k ) aM( x) k siendo k, a: constantes OTRO TIPO DE MEDIA Si se tiene dos o mas muestras con sus respectivas medias se puede calcular la media (total) Media Aritmtica Global muestra 1 muestra 2 muestra 3 muestra k

n1
x1

n2 x2

n3

nk

x3
. . .

xk

xG
xG x1n1 x 2 n2 n1 n2 x3 n3 ... xk nk n3 ... nk
k

ni xi
i 1 k

ni
i 1

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

2. Mediana( M e ) La mediana o valor mediano de una serie de valores observados es el nmero M e que separa a la serie de datos previamente ordenados en forma creciente (o decreciente) en dos partes de igual nmero de datos. Es decir la mitad de los elementos estn por arriba de este valor y la otra est por debajo. 2.1 Clculo de la mediana a partir de datos no agrupados Si el nmero de datos es impar

M e ( x)

x
(

n 1 ) 2

Ejemplo 3: Xi : Notas de un alumnos en un curso 13; 16; 11; 08; 14; 10; 14 Para hallar la mediana primero ordenamos los datos en forma ascendente: 08; 10; 11; 13; 14; 14; 16 Como tenemos siete datos, el cuarto dato es el que ocupa el lugar central .Por lo tanto la mediana es 13. Interpretacin: El 50% de las notas son menores o iguales a 13 y el otro 50% son mayores o iguales a 13. Pero, Qu sucedera si tuviramos ocho notas? Si el nmero de datos es par

xn M e ( x)
2

xn
2

Ejemplo 4 : xi : notas de un alumno en un curso

13; 16; 11; 08; 14; 10; 14; 07 Para hallar la mediana primero ordenamos los datos en forma ascendente: 07; 08; 10; 11; 13; 14; 14; 16 Como tenemos ocho datos, el cuarto y quinto dato ocupan el lugar central. Por lo tanto la mediana de esta distribucin es la semisuma de estos dos valores centrales:

Me=(11+13)/2 entonces Me= 12

2.2 Clculo de la mediana a partir de datos agrupados

Me
donde:

n Fm 1 2 Li w Fm Fm 1

o Me

Li w

0.5 H m 1 Hm Hm 1

Li : Limite inferior de la clase mediana. w : amplitud de la clase mediana. Fm : Frecuencia absoluta acumulada de la clase mediana.
Fm 1 : Frecuencia absoluta acumulada hasta antes de la clase mediana.
UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

OBSERVACIN: para determinar la clase mediana se deber observar que

n 2

Fm , es decir cual es la frecuencia absoluta acumulada que

supera o iguala por primera vez a la mitad de los datos .Una vez determinada se podr obtener los valores de la formula. Ejemplo 5: Se tiene la distribucin de frecuencias de las precipitaciones mximas de la cuenca Yauli (1956-1996).Calcular su valor mediano de precipitacin mxima.

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9] total
Solucin

fi 1 4 11 10 9 5 40

Intervalo [ 56.9 - 79.9> [ 79.9 - 102.9> [102.9 - 125.9> [125.9 - 148.9> [148.9 - 171.9> [171.9 - 194.9]

fi 1 4 11 10 9 5 40

hi 0.0250 0.1000 0.2750 0.2500 0.2250 0.1250 1.0000

Fi 1 5 Fm-1=16 Fm=26 35 40

Hi 0.0250 0.1250 0.4000 0.6500 0.8750 1.0000

hi% 2.50 10.00 27.50 25.00 22.50 12.50 100.00

Hi% 2.50 12.50 40.00 65.00 87.50 100.00

Primer paso: Se calcula la columna correspondiente a Fi en el caso que no se tuviera como informacin. Segundo paso: Se determina n/2. En el ejemplo (n/2)=(40/2)=20 Tercer paso: Se ubica el mayor Fm que supere o iguale por primera vez a 25 En el ejemplo F4=Fm=26 y F3=Fm-1= 16 Cuarto paso: Se ubica el intervalo de la clase mediana correspondiente a la frecuencia absoluta acumulada de la clase mediana. En el ejemplo: [125.9 148.9 > entonces Li=125.9 W=23

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Se aplica la formula

Me

n Fm 1 Li w 2 Fm Fm 1

Me

125.9 23(

20 16 ) 26 16

Me= 135.1mm. Interpretacin: el 50% de las precipitaciones mximas son menores o iguales a 135.1mm y el otro 50% son mayores o iguales a 135.1mm. 3. Moda( M o ) Es el valor de la variable que posee mayor frecuencia ( el ms se repite). Una distribucin puede tener ms de una moda y tambin es posible que no lo tenga. 3.1 Clculo de la moda a partir de datos no agrupados Ser la variable que esta repitiendo con ms frecuencia. Ejemplo 6 : Xi : Notas de un alumnos en un curso 13; 14; 11; 08; 14; 10 ; 14, 14 Para hallar la moda solo debemos reconocer cual de los valores se repite con ms frecuencia. En el ejemplo la moda es 14 pues se repite 4 veces. Interpretacin: La nota mas frecuente es 14. 3.2 Clculo de la moda a partir de datos agrupados

Mo

Li w
1

1 2

Formula de Czuber

donde:
1

fM

fM

fM

fM

Li : Limite inferior de la clase modal. w : amplitud de la clase modal. f M : Frecuencia absoluta de la clase modal.
f M 1 : Frecuencia absoluta hasta antes de la clase moda. f M 1 : Frecuencia absoluta despus de la clase modal.

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Ejemplo7: La siguiente tabla contiene informacin de calificaciones de una prueba de matemtica de un grupo de 50 estudiantes del primer ciclo:

Intervalos [01-05> [05 -09> [09-13> [13 -17> [17 -21> Total

xi
3 7 11 15 19

fi
5 fm-1=5 fm=16 fm+1=13 11 50

Calcular la nota mas frecuente. Solucin: Primer Paso: Se ubica la mas alta frecuencia: para el ejemplo f3=16 Segundo Paso: Se ubica el intervalo de la clase modal correspondiente a la mayor frecuencia. Para el ejemplo es [09 - 13> entonces Li= 09, w=4 Tercer Paso: Se calcula 1 16 5 11 ; 2 16 13 3 Se aplica la formula

Mo
Mo

Li w
1

1 2

09 4(

11 ) 11 3

Mo= 12.14 Interpretacin: La nota ms frecuente de los 50 estudiantes es12.14. Ejemplo 8: Se tiene la distribucin de frecuencias de las precipitaciones mximas de la cuenca Yauli (1956-1996).Calcular la precipitacin mxima mas frecuente.

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9] total

fi 1 4 11 10 9 5 40

Solucin: En este caso se observa que la moda no es nica. Podemos proceder en forma anloga al ejemplo anterior si quisiramos hallar una de las modas.

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Medidas de Dispersin 1. Varianza ( Var ( x), S 2 ( x) )

La varianza se define como la media de los cuadrados de las diferencias de los datos con respecto a su media aritmtica. Clculo de la varianza a partir de datos no agrupados
n

( xi Var ( x)
i 1

x )2
,

xi 2 s2
i 1

x2

Ejemplo 9 : Oficinas que tiene conexin de redes en sus computadoras: 2 3 4 2 1 0 3 2 Se tiene que la x

2.125 2 computadoras/oficina
(4 2) 2 (2 2) 2 8 (1 2) 2 (0 2) 2 (3 2) 2 (2 2) 2

Var ( x)

(2 2) 2

(3 2) 2

Var(x) 1.375(computadoras)2
Clculo de la varianza a partir de datos agrupados
k

fi ( xi Var ( x)
i 1

x )2
, donde xi :marca de clase

ni : frecuencia absoluta
otra forma equivalente: i)
n

xi 2 fi s2
i 1

n
k

x2

ii) s 2 ( x)
i 1

x 2 i hi

Ejemplo 10 : Se tiene la distribucin de frecuencias de las precipitaciones mximas de la cuenca Yauli (1956-1996).Calcular la precipitacin mxima mas frecuente.

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9] total
Calcular su varianza.

fi 1 4 11 10 9 5 40

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Solucin

Intervalo [56.9 - 79.9> [79.9 -102.9> [102.9-125.9> [125.9 -148.9> [148.9 - 171.9> [171.9 - 194.9]

Xi fi 68.4 1 91.4 4 114.4 11 137.4 10 160.4 9 183.4 5 40

hi 0.0250 0.1000 0.2750 0.2500 0.2250 0.1250 1.0000

Xihi 1.710 9.140 31.460 34.350 36.090 22.925 135.675

X2i 4678.5600 8353.9600 13087.3600 18878.7600 25728.1600 33635.5600

Xihi 116.964 835.396 3599.024 4719.690 5788.836 4204.445 19264.355

Para el clculo se utilizara la segunda forma equivalente:

k

s 2 ( x)
i 1

x 2 i hi

x =(19264.355) (135.675)2=856.649mm2

Propiedades:
1.- Var (kx ) k 2Var ( x) 2.- Var( x k ) Var( x) 3.- Var (kx b) k 2Var ( x) siendo k, b: constantes Si se tiene dos o mas muestras con sus respectivas medias y varianzas se puede calcular la varianza global(total) muestra1 muestra 2 muestra 3 muestra k

n1 , x

n2 , x2 Var2(x)

Var1(x)

n3 , x 3 Var3(x)
. ...

nk , x k Vark(x)

var( x)G
Varianza global
VarG ( x) n1 (Var1 ( x) x1 ) n2 (Var2 ( x) x 2 ) n3 (var 3 ( x) n1 n2 n3 ... nk
2 2

x 3 ) ... nk (var k ( x)

xk

2 2 xG

UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

2.- Desviacin Estndar o Tpica

Var ( x) , se observa que :

Adems el valor numrico de la desviacin estndar cuantifica el grado de dispersin de los valores de una variable respecto a su media. Para el ejemplo 9: se obtendra lo siguiente:

Var ( x)

1.375

1.17 computadoras

Para el ejemplo 10: Se obtendra

S
3.- Coeficiente de Variacin

Var ( x)

856.649

29.268 mm

C.V

S *100% x

El coeficiente de variacin se utiliza para comparar la variabilidad de dos o ms series de datos.

MEDIDAS DE FORMA Comparan la forma que tiene la representacin grfica, bien sea el histograma o el diagrama de barras de la distribucin, con la distribucin normal MEDIDA DE ASIMETRA

x < M e <MO

x =Me =Mo

MO< M e < x

Diremos que una distribucin es simtrica cuando su mediana, su moda y su media aritmtica coinciden.
UNI_________________________________________________________________________________F.N.Q.C.

Estadistica y probabilidades______________________________________________________________FIC

Diremos que una distribucin es asimtrica a la derecha si las frecuencias (absolutas o relativas) descienden ms lentamente por la derecha que por la izquierda. Si las frecuencias descienden ms lentamente por la izquierda que por la derecha diremos que la distribucin es asimtrica a la izquierda. Existen varias medidas de la asimetra de una distribucin de frecuencias. Una de ellas es el Coeficiente de Asimetra

donde x : media Mo: moda S(x): desviacin estndar Pero no es tan precisa como el coeficiente de asimetra de pearson

Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la derecha y negativo cuando existe asimetra a la izquierda .

Curtosis
El Coeficiente de Curtosis analiza el grado de concentracin que presentan los valores alrededor de la zona central de la distribucin . Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de los valores centrales de la variable (el mismo que presenta una distribucin normal). Distribucin leptocrtica: presenta un elevado grado de concentracin alrededor de los valores centrales de la variable. Distribucin platicrtica: presenta un reducido grado de concentracin alrededor de los valores centrales de la variable .

UNI_________________________________________________________________________________F.N.Q.C.

10

Estadistica y probabilidades______________________________________________________________FIC

Ejemplo 11:
Los datos salariales semanales correspondientes a las diversas categoras de una empresa constructora son los siguientes:
Categora Directivos Tcnicos Obreros N de empleados 10 50 130 Salarios medios ($) 600 350 200 Desviacin tipica 100 70 50

Decir en cual de las categoras los datos estn ms dispersos. Solucin: Calculando sus coeficientes de variacin: Directivos:

C.V

100 S *100% 16.67% *100% = 600 x

Tcnicos:

C.V

70 S *100% *100% = 350 x

50 S * 100% * 100% = 200 x

20%

Obreros:

C.V

25%

Se observa que los sueldos de los obreros estn mas dispersos pues su C.V es mayor que los otros.

Estadgrafos de Ubicacin de Datos o Cuantiles

Son estadgrafos de posicin que dividen al total de las observaciones, debidamente ordenados.

j CK

Lc

wc

j n Fc k Fc Fc 1

Formula General

donde

K Nmero de intervalos en los que se quiere dividir Lc Limite inferior de la clase cuantil
wc Fc Fc
1

Amplitud de la clase cuantil Frecuencia absoluta acumulada anterior a la clase cuantil Frecuencia absoluta acumulada a la clase cuantil.

UNI_________________________________________________________________________________F.N.Q.C.

11

Estadistica y probabilidades______________________________________________________________FIC

1.- Cuartiles (Q j ) .- Divide al conjunto de datos en cuatro partes iguales. Formula:

Qj

LQ

wQ

j n FQ 4 FQ FQ 1

donde j=1,2,3.

Para identificar el intervalo de clase cuartil se debe cumplir: Interpretacin:

jn 4

NQ

Q1

1er cuartil, deja 25% de las observaciones menores o iguales a el. 2do cuartil, deja 50% de las observaciones menores o iguales a el. 3er cuartil, deja 75% de las observaciones menores o iguales a el.

Q2

Q3

2.- Los Deciles( D j ).- Divide al conjunto de datos en 10 partes iguales.

Formula :

Dj

LD

wD

j n FD 10 FD FD 1

donde j=1,2,3,4...9.

Para identificar el intervalo de clase decil se debe cumplir: Interpretacin:

jn 10

ND

D1 1er decil, deja 10% de las observaciones menores o iguales a el. D2 2do decil, deja 20% de las observaciones menores o iguales a el. Asi sucesivamente hasta el decil 9. D9 5to decil, deja 90% de las observaciones menores o iguales a el.

UNI_________________________________________________________________________________F.N.Q.C.

12

Estadistica y probabilidades______________________________________________________________FIC

3.- Percentiles( Pj ).- Divide al conjunto de datos en 100 partes iguales. Formula :

Pj

LP

wP

j n FP 100 FP FP 1

donde j=1,2,3,4,5,6.......99.

Para identificar el intervalo de clase percentil se debe cumplir: Interpretacin:

jn 100

NP

P1 P2

1er percentil, deja 1% de las observaciones menores o iguales a el. 2do percentil, deja 2% de las observaciones menores o iguales a el.

3er percentil, deja 3% de las observaciones menores o iguales a el. Asi sucesivamente hasta el percentil 99. P99 99avo percentil, deja 99% de las observaciones menores o iguales a el.

P3

Clculo de la Media y Varianza por el Mtodo de cdigos

Procedimiento: 1. Buscar o determinar el origen de trabajo. 2. Se define una nueva variable

xi
i

ot w

.................(

donde : xi : marca de clase

i

:valores transformados

ot :origen de trabajo w: amplitud del intervalo de clase.

3. Calculo de la media:

x
siendo

ot
k

(I)

i 1

ui fi n

Clculo de la Varianza.

Var ( x)
donde Var ( )

w 2Var ( ) ;
k

ui2 fi n 1

Para el ejemplo utilizaremos la motivacin 1

UNI_________________________________________________________________________________F.N.Q.C.

13

Estadistica y probabilidades______________________________________________________________FIC

MOTIVACION 1
Los siguientes datos muestran la duracin (en das) de 72 instrumentos de precisin: 225 174 274 164 130 96 102 80 81 148 130 48 68 64 234 24 187 117 42 38 28 53 120 66 176 120 77 79 108 117 96 80 87 85 61 65 68 139 307 185 150 88 108 60 108 95 25 80 143 57 53 90 76 99 29 110 113 67 22 118 47 34 206 104 90 157 80 171 23 92 115 87
1) para elegir nuestro origen de trabajo, colocaremos un cero como valor en uno de nuestros ui entonces nuestro origen de trabajo ser la marca de clase correspondiente al ui elegido segn nuestra conveniencia y los dems valores como regla practica se generaran como si fuera la recta real, cabe resaltar que existe la sustentacin terica de la formacin de ellos. Para nuestro ejemplo :
frec. marca de clase Absoluta frec. Relativa xi fi hi ui 45.75 22 0.306 93.25 27 0.375 140.75 188.25 235.75 283.25 13 6 2 2 72 0.181 0.083 0.028 0.028 1.000

Intervalos [Li- Li+w] [22-69.5> [69.5-117> [117-164.5> [164.5-212> [212-259.5> [259.5 -307] total

-2 -1 0 1 2 3

Podemos observar que u3=0 por lo tanto nuestro origen de trabajo es o 3=X 3=140.75 Luego hallaremos la media:
marca de frec. Intervalos clase Absoluta [Li- Li+w] xi fi [22-69.5> 45.75 [69.5-117> 93.25 [117-164.5> 140.75 [164.5-212> 188.25 [212-259.5> 235.75 [259.5 -307] 283.25 total
k

frec. Relativa hi ui 22 0.306 27 0.375 13 0.181 6 0.083 2 0.028 2 0.028 72 1.000

ui*fi -2 -1 0 1 2 3 -44 -27 0 6 4 6 -55

Segn formula (I) se necesita

i 1

ui fi u del cuadro podemos obtener n

-0.764

UNI_________________________________________________________________________________F.N.Q.C.

14

Estadistica y probabilidades______________________________________________________________FIC
t Luego = 140.75 47.5( 0.764) =104.47, lo cual verifica la media calculada por definicin. Para el clculo de la varianza deberemos agregar una columna ms u i2fi la cual nos facilitara para determinar la var(u) y en consecuencia la var(x) que es la pedida.

APLICACIONES
1. Calcule e interprete los valores de la media, mediana y la desviacin estndar de las siguientes observaciones de resistencia a la fractura (MPa) ledas en una grafica que aparece en el articulo ( Heat-Resistant Active Brazing of silicon Nitride: Mechanical Evaluation of Braze Joints, Welding j., agosto de 1997). 87 93 96 98 105 114 128 131 142 168 2. Los datos salariales semanales correspondientes a las diversas categoras de una empresa constructora son los siguientes:
Categora Directivos Tcnicos Obreros N de empleados 10 50 130 Salarios medios ($) 600 350 200 Desviacin tipica 100 70 50

a) Calcule el salario medio. b) Mediante la utilizacin de medidas estadsticas valore la homogeneidad salarial por categoras. c) Se proponen las siguientes subidas salariales: - Elevacin de todos los salarios un 3%. - Incremento lineal de $40 . - Aumento del 2% a los directivos, 3% a los tcnicos y 4% a los obreros. Determine los salarios medios en cada una de las alternativas Cul de ellas reduce la dispersin salarial en la empresa? 3. Los pesos de trabajadores en cierto proyecto de construccin, se muestran en la siguiente tabla:
clase 1 2 3 4 5 6 7 intervalo [53-55] [56-58] [59-61] [62-64] [65-67] [68-70] [71-73] frec.absoluta (fi) 2 5 8 16 12 5 2 frec. acumulada (Fi) 2 7 15 31 43 48 5

a) Calcular el Q1, y Q3. b) Calcular el P6 c) Calcular el D20. d) Cual el peso mximo que tienen el 30% de los trabajadores.
UNI_________________________________________________________________________________F.N.Q.C.

15

Estadistica y probabilidades______________________________________________________________FIC

UNI_________________________________________________________________________________F.N.Q.C.

16