01-Estadistica Descriptiva

MERCEDES OSORIO MAZA ESTADISTICA
FIGMM PAG N
0
1
CAPITULO I

ESTADISTICA

Es la ciencia que nos proporciona un conjunto de mtodos y procedimientos para
recolectar, organizar y presentar un conjunto de datos para una posterior toma de
decisiones o conclusiones y mediante la teora de probabilidades elegir la opcin que
indique el mnimo margen de error.

DIVISIN DE LA ESTADSTICA: Se divide en:

1. Estadstica Descriptiva.- Es la que se ocupa de recolectar organizar y presentar un
conjunto de datos.
Ejemplo.
Tabla de frecuencias.

2. Estadstica Inferencial.- Se ocupa de extraer conclusiones necesarias en base a una
muestra extrada de la poblacin.

CONCEPTOS BSICOS:

1. Poblacin.- Es un conjunto de unidades elementales que posean una caracterstica o
propiedad en comn.

El estudio de toda la poblacin lo conforma un CENSO.

Ejemplo.
Conjunto de alumnos que llevan el curso de Estadstica

2. Unidad Elemental.- Son los elementos que constituyen la poblacin.

Ejemplo.
Un alumno del curso de Estadstica

3. Muestra.- Es parte de la poblacin que debe ser obtenida al azar es decir que todos
los elementos de la poblacin tienen igual probabilidad de ser elegidos solo as se
dir que la muestra es representativa.

4. Parmetro.- Son constantes que caracterizan una poblacin. El valor del parmetro
por lo general nunca se conoce.
ESTADISTICA FIGMM
PAG N
0
2 Elaborado: MERCEDES OSORIO MAZA
Los parmetros ms importantes son:

5. Estimador.- Es aquel valor numrico que suponemos estima al parmetro es
obtenido a partir de una muestra y su valor varia de muestra a muestra.

Los estimadores mas importantes son:

Mediana M
Moda M
muestral Desviacion S
muestral Varianza S
muestral Media x
e
o
2
=
=
=
=
=

6. Variable.- Es toda caracterstica susceptible a ser medida o evaluada de alguna
manera en una unidad elemental.

Existen dos tipos de variables:

6-1. Variable Cualitativas.- Son aquellas que indican cualidades:

Ejemplo.
Grado de instruccin.
Especialidades en la Universidad.

6-2. Variables Cuantitativas.- Son aquellos que se pueden medir,
a su vez se dividen en 2 clases:

6-2.1. Variable Cuantitativa Discreta.- Toma valores en los enteros.

Ejemplo.
Nmero de cursos matriculados: 2, 3, 4, 5, 6, ..............
Edad: 18, 20, 22,............................................................
Nmero de hijos: 0, 1, 2, 3, ...........................................

6-2.2. Variable Cuantitativa Continua.- Toma valores en los nmeros
reales.

Ejemplo.
Talla: 1.76, 1.58,.......... ............
Peso: 58.45, 60.32kgs,..........etc.
e
o
x
x
x
M
M
o
o
2
FIGMM PAG N
0
3

CAPITULO I I

ESTADSTICA DESCRIPTIVA

Se encarga de presentar un conjunto de datos en tablas de frecuencias:

1) Tablas de frecuencias para variables cualitativas.
2) Tablas de frecuencia con variables cuantitativas discretas.
3) Tablas de frecuencia con variables cuantitativas continuas.

Tablas de frecuencias para variables cualitativas

Los pasos a seguir para construir la tabla de frecuencias es determinar:

a) Identificar la variable.

b) Tabulacin.- Consiste en asignar las observaciones al intervalo correspondiente.

c) Frecuencias Absolutas(n
i
).- Indica el numero de observaciones al intervalo
correspondiente.

d) Frecuencias Relativas(h
i
= n
i
/n).- Indica porcentualmente l # de observaciones
correspondiente a una determinada clase.

Ejemplo.
Con el propsito de realizar un estudio acerca de la especialidad de
c/alumno UNI, matriculados en el semestre anterior, se presenta la
siguiente informacin:

Alumno
#1 : metalurgia
#2 : geologa
#3 : minas
#4 : metalurgia
#5 : metalurgia
#6, #9 : geologa
#7 : minas
#10, #11, #12: minas

ESTADISTICA FIGMM
PAG N
0
construya la tabla de frecuencias para la variable cualitativa y realice el grfico
adecuado

Solucin:

Tabla de Frecuencias para Variable Cualitativa

Especialidad Frecuencia Absoluta(N
i
) Frecuencia Relativa(H
i
) 100*h
i
Geologa
Minas
Metalurgia
3
5
4
3/12 = 0.25
5/12 = 0.42
4/12 = 0.33
25%
42%
33%
Total 12 1.00 100%

Grfico para variable cualitativa: Especialidad(y
i
)

1. Tabla de Frecuencias para Variables Cuantitativas Discretas

Los pasos a seguir son iguales que para la tabla de frecuencias de variables
cualitativa.

a) Identificar la variable (y
i
)
b) Tabulacin.
c) Frecuencias absolutas(n
i
).
d) Frecuencias relativas(h
i
= n
i
/n)

Ejemplo.

Los siguientes datos proporcionan l nmero de errores de una prueba de 10
preguntas realizada a 50 alumnos de estadstica.

Grfico Circular
FIGMM PAG N
0
5

2 0 4 4 1 4 0 3 2 0
0 1 1 1 0 1 2 4 0 1
1 5 2 2 5 3 4 0 4 0
0 0 3 0 1 4 2 1 2 0
3 1 3 1 2 0 5 6 3 2

a) Construya la tabla de frecuencias.
b) Que % de alumnos no tienen ningn error en la prueba.
Que % de alumnos tienen 1 o 2 errores.
c) Disee un grfico adecuado para representar la variable.

Solucin :

a)

Variable Tabulacin
Frecuencia
Absoluta(n
i
)
Frecuencia
Relativa(h
i
)
100.hi%
0
1
2
3
4
5
6
13
11
9
6
7
3
1
13
11
9
6
7
3
1
13/50 = 0.26
11/50 = 0.22
9/50 = 0.18
6/50 = 0.12
7/50 = 0.14
3/50 = 0.06
1/50 = 0.02
26%
22%
18%
12%
14%
6%
2%
Totales 50 1.00 100%

B )

C )

Grfico para la variable cuantitativa discreta: y
i
= # de errores.

Grfico de varas

errores 2 o 1 con 40% 0.40 0.18 0.22 h 2 y 0 y
error 26%sin 0.26 h 0 y
i i i
i i
= + = = v =
= =
13
11
9
6
7
3
1
0
2
4
6
8
10
12
14
0 1 2 3 4 5 6 7
Yi
n
i
Serie1
ESTADISTICA FIGMM
PAG N
0

2. Tabla de frecuencias para variables cuantitativa continua

3.1. Los pasos a seguir para construir la tabla de frecuencias a
determinar.

a) Rango(R).- Diferencia entre valor mximo (L) y el valor mnimo (l)

R = L l

b) Nmeros de intervalo de clase(K). - No existe una regla precisa en la
practica para determinar el valor de K sin embargo, desde el punto de vista
acadmico es muy aplicable la regla de STURGES, donde:

K = 1 +1.33log(n) n = tamao de muestra
Se trata que
15 k 5 s s

El valor de K debe expresarse siempre como un nmero entero, por lo que
se recomienda el redondeo por exceso o por defecto, si el valor de k se
presenta en decimales.

c) Tamao de intervalo de clase(C). - Es la amplitud de un intervalo de
clase.

Se estima:
K
R
C =
El redondeo de C es por exceso

Ejemplo:

C = 6.873 C = 6.87(2 decimales)

C = 6.87 C = 6.9(1 decimal)

Se asume que datos estn distribuidos homogneamente.

d) Determinacin de limites de los intervalos de clase.-

Se emplean limites semi - abiertos
El ultimo intervalo de clase tiene limites cerrados.
La menor observacin ser l limite inferior en el 1
er
intervalo de
clase.
Los limites deben contener todos los datos de la informacin


FIGMM PAG N
0
7
e) Tabulacin.- Consiste en asignar todas las observaciones al rango
correspondiente.

f) Marca de Clase(y
i
). - Es aquel valor central de cada intervalo de clase y
opera como la variable representativa de la muestra.

Se estima: y
i
=( LS
I
+LI
I
)/ 2

g) Frecuencia Absoluta(n
i
). - Indica el numero de observaciones
pertenecen a una determinada clase.
h) Frecuencia Relativa(h
i
= n
i
/n).- Indica porcentualmente el numero de
observaciones correspondiente a una determinada clase.

i) Frecuencias Absolutas Acumuladas(N
i
). Indica la suma de las
frecuencias absolutas.

j) Frecuencias Relativas Acumuladas(Hi).- Indica la sumatoria de
frecuencias relativas.

Ejemplo.
Supongamos que los siguientes datos son los pesos en gramos de 30
muestras de rocas:

a) Construya la tabla de frecuencias.
b) Grfique el Histograma y Polgonos de Frecuencias.
c) Grfique la funcin escalonada y OJIVA

16.2 15.8 15.8 15.8 16.3 15.6

n = 30

15.7 16.0 16.2 16.1 16.8 16.0
16.4 15.2 15.9 15.9 15.9 16.8
15.4 15.7 16.0 16.0 16.3 16.0
16.4 16.6 15.6 15.6 16.9 16.3

Solucin

1. Rango (R) = Vmax Vmin = 16.9 15.2 = 1.7

2. Determinacin de K (aplicando la regla de Sturges)

6 87 . 5
) 30 log( 3 . 3 1 ) log( . 3 1
~ =
+ = + =
K
K n K

3. Determinacin de C
3 . 0 283 . 0
6
7 . 1
~ = = =
K
R
C

3. Tabla de frecuencias

=
=
K
1 i
i i
n N
=
=
K
1 i
i i
h H
ESTADISTICA FIGMM
PAG N
0
Intervalos
de Clase
Marca de
Clase(y
i
)
Frecuencia
Absol.(n
i
)
Frecuencia
Relativa(h
i
)
Frecuencia Absol
Acumulada(N
i
)
Frecuencia Relat.
Acum. (H
i
)
| 15.2 15.5>
|15.5 15.8>
|15.8 16.1>
|16.1 16.4 >
|16.4 16.7 >
|16.7 17.0|
15.35
15.65
15.95
16.25
16.55
16.85
2
5
11
6
3
3
2/30 = 0.06
0.17
0.37
0.20
0.10
0.10
2
7 = (2 + 5)
18 = (7 +11)
24 = (18 +6)
27 = (24 + 3)
30 = (27 + 3)
0.06
0.23 = (0.06 + 0.17)
0.60 = (0.23 + 0.37)
0.80 = (0.6 + 0.2)
0.90
1.00
Total 30 1.00

4. Marca de Clase:

65 . 16
2
8 . 15 5 . 15
35 . 15
2
5 . 15 2 . 15
2
1
=
+
=
=
+
=
y
y

3.2. Grfico de la variable cuantitativa continua.

a) Histograma: Son grficos de barras cuyas bases se representan el
intervalo de clase y la altura frecuencias absolutas o las frecuencias relativas.

I
i
vs n
i
I
i
vs h
i

b) Polgono de Frecuencias: Es el grfico que se obtiene uniendo los
puntos y
i
(marca de clase), con n
i
(frecuencias absolutas) o tambin y
i
(marca
de clase) con h
i
(frecuencias relativas)

0
2
4
6
8
10
12
Limites
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
(
n
i
)
Serie1
Serie1 2 5 11 6 3 3
A= 15.05 15.2 - 15.5 15.5 - 15.8 15.8 - 16.1 16.1 - 16.4 16.4 - 16.7 16.7 - 17.0 B= 17.15
Histograma
Polgono
FIGMM PAG N
0
9

La importancia del histograma y polgono radica en la utilidad de comparar
poblaciones.
c) Funcin Escalonada: Son grficas de barras cuyas bases representan los
rangos de clases, y a la altura, la frecuencia absoluta o relativa acumulada.

d) Ojiva.- Es el polgono asociado a distribuciones acumuladas.

La ojiva se obtiene uniendo el limite inferior con el limite superior en
forma diagonal

0
5
10
15
20
25
30
35
Limites
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a

A
c
u
m
u
l
a
d
a
(
N
i
)
Serie1
Serie1 2 7 18 24 27 30
A=15.05 15.2 - 15.5 15.5 - 15.8 15.8 - 16.1 16.1 - 16.4 16.4 - 16.7 16.7 - 17.0 B=17.15
Fu
nci
n
Es
cal
on
ada
Ojiva
ESTADISTICA FIGMM
PAG N
0

CAPITULO III

MEDIDAS ESTADSTICAS

1).- Medidas de posicin
2).- Medidas de dispersin

1. Medidas de posicin.

Llamadas as porque tratan de localizar el centro de la distribucin de los
datos.
Las principales medidas de posicin son:

1.1. Media Aritmtica
1.2. Mediana.
1.3. Moda

1.1. Media Aritmtica (
y
).- Es el promedio del conjunto de datos,
hay tres formas de hallarlo.

1-1-1. Datos no Agrupados:

1-1-2. Datos Agrupados en tablas de frecuencias.

Donde:

Sea la variable y
i
= Estatura

Limites y
i
n
i
| 15.2 115.5 >
| 15.5 15.8 >
| 15.8 16.1 >
| 16.1 16.4 >
| 16.4 16.7 >
| 16.7 17.0 |
15.35
15.65
15.95
16.25
16.55
16.85
2
5
11
6
3
3

|
.
|
\
|
=
n
y n
y agrupados datos para y la de Estimacin
Ejemplo.
i i

muestra la de Tamao n ,
n
y
y
i
= =
5
.....24 14 13
y 24, 21, 17, 14, 13, : Ejemplo
+ +
=
muestra de Tamao n
clase de Marca y
absoluta Frecuencia n
i
i
=
=
=
n
y n
y
i i
=
FIGMM PAG N
0
11

1-1-3. Mtodo Codificado: La estimacin de la media aritmtica por el
mtodo codificado es:
+ =
i i t
Z n
n
c
O y

donde:
El mtodo codificado consiste en un cambio de variable de la forma:
c
o y
Z
t i
i

=

Se usa habitualmente cuando todas las amplitudes de los intervalos (c) tienen la
misma longitud, y la variable es cuantitativa, sin embargo a veces se aplica en
tablas con amplitudes diferentes.
Los resultados de la codificacin son siempre nmeros enteros.
.............-3, -2, -1, 0, 1, 2, 3, ............etc.

Sea el histograma:

30
.85) ......3(16 5(15.65) 2(15.35)
n
y n
y
n
y n
y
6
1 i
i i
k
1 i
i i
+ +
= =
=
=
=
n odificaci C Z
ncia e frecu mayor presenta que clase de marca una es trabajo, de Origen O
Amplitud c
absoluta Frecuencia n
i
t
=
=
=
=
ESTADISTICA FIGMM
PAG N
0
Si definimos O
t
(origen de trabajo) a cualquier marca de clase, de tal manera
que:
Del grfico:
i t i t i i
Z O y O y Z ' + = = '

Multiplicando por (n
i
)
=
=
= = =
=
'
+ =
'
+ =
|
.
|
\
|
'
+ =
' + =
' + =
K
i
i i
K
i
i
t
K
i
i i
K
i
t i
K
i
i i
K
i
i i t i i i
i t i i i
i t i i i
n
Z n
n
n
O y
n
Z n
n
O n
n
y n
n
Z n
n
O n
n
y n
n
Z ni O n y n
Z O n y n
1
1
1
1 1 1
1
) (
) (
_
` `

Pero el mtodo codificado es:
) (
1
1
o ' + =
=
K
i
CZ
i i t
i
Z n
n
O y

i i
CZ Z luego = '
'
=
'
=
=
C
Z
Z
C
Z
C
O y
Z
i
i
i t i
i

Reemplazando en ()
=
=
+ =
+ =
K
i
i i t
K
i
i i t
Z n
n
C
O y
CZ n
n
O y
1
1
) (
1

Reglas para elegir O
t
(origen de trabajo)

Tomamos O
t
a una de las marcas de clase y
i
.

Si el numero de intervalos es impar O
t
es la marca de clase del intervalo
central.

FIGMM PAG N
0
13
Si el nmero de intervalos es par, O
t
es la marca de uno de los 2
intervalos centrales, prefiriendo el intervalo al cual le corresponde mayor
frecuencia.

Nota:
El origen de trabajo tambin puede ser elegido en forma arbitraria
sin que ello afecte los resultados de la media
2
s , y etc.

Estaturas
(Limites)
y
i
N
i
n
i
z
i
| 1.50 1.55 >
| 1.55 1.60 >
| 1.60 1.65 >
| 1.65 1.70 >
| 1.70 1.75 >
| 1.75 1.80|
1.525
1.575
1.625
1.675
1.725
1.775
2
12
42
36
25
3
-2
-1
0
1
2
3
-4
-12
0
36
50
9
Total n=120 79

Mtodo codificado:

|
.
|
\
|
+ =
=
k
1 i
i i t
z n
n
c
o y codficado mtodo el por ) y ( arimtica media la Hallar
Ejemplo.
,
c
O - y
Z
t i
i
=
3 z
2 z
1
05 . 0
05 . 0
05 . 0
625 . 1 675 . 1
z
0 z
1
05 . 0
05 . 0
05 . 0
625 . 1 575 . 1
z
2
05 . 0
10 . 0
05 . 0
625 . 1 525 . 1
z
0 1.50 - 1.55 c
6
5
4
3
2
1
=
=
= =
=
=
=
=
=
=
= =
t
O
1.6579mts y
(79)
120
0.05
1.625 y
z n
n
c
o y
k
1 i
i i t
=
+ =
+ =

=
ESTADISTICA FIGMM
PAG N
0

Comparando mtodo para datos agrupados tenemos:

Propiedades de la Media Aritmtica

Si se tiene 2 o ms sub poblaciones de tamao n
1
y n
2
, entonces la media
total se calcula:

Para K = cte.

La suma de las desviaciones respecto al promedio es cero

1.2. Mediana.- Es aquel valor que divide en 2 partes iguales al
conjunto de datos

En:

Se halla de tres formas:

1-2-1. Datos no Agrupados : Se ordena ya sea en forma creciente y/o
decreciente.

1
1
y
n 2
2
y
n
2 1
2 2 1 1
2 1
n
1 i
i
n
1 i
i
i
n n
y n y n
n n
y y
y
n
y
y
2 1
+
+
=
+
+
= =

= =
ndo Generaliza
k
x
y
k
x
y Si -
x k y kx y Si -
k x y k x y Si -
i
i
i i
i i
= =
= =
= =
( ) ( ) y yi : desviacin 0 y y
n
1 i
i
=
=
mediana la a mayor 50% Me mediana la a Menor 50%s s
y Me impar n Si
muestra la de Tamao n
2
y y
Me par n Si
2
1 n
1
2
n
2
n
+
+
= =
=
+
= =
k 2 1
k k 2 2 1 1
........n n n
y ..n .......... y n y n
y
+ +
+ +
=
1.6579 y
120
1.775) ........3( 12(1.575) 2(1.525)
y
n
niyi
y
=
+ +
=
=

FIGMM PAG N
0
15

Ejemplo:

Si n es par sean los #: 10, 1, 2, 7, 6, 3, 4, 5,

Ordenando: 1, 2, 3, 4, 5, 6, 7, 10

Si n es impar

(n = 7) Impar.

Datos: 1, 2, 3, 4, 5, 6, 7.

1-2-1. Datos Agrupados

Tabla de frecuencias con variable cuantitativa discreta

Ejemplo:

Si
y
i
n
i
N
i
0
1
2
5
3
2
1
1
3
5
6
7

4.5 Me=
4.5
2
5 4
2
y y
Me
2
y y
Me
5 4
1 n/2 n/2
=
+
=
+
=
+
=
+

4 Me =
4 y y Me
4
2
1 n
= = =
+
2
y y
Me
2
n
N Si
y Me
2
n
N Si
J 1 - J
1 - J
J 1 J
+
= =
= <
1 Me
2
7
3
y Me
2
n
N Si
5 2, 1, 1, 0, 0, 0, : endo Descomponi
j 1 - j
= <
= <
1 - j
N
j
y Me=
ESTADISTICA FIGMM
PAG N
0
S

y
i
n
i
N
i
0
1
2
3
4
5
6
3
5
10
18
14
7
3
3
8
18
36
50
57
60

1.- S

y
i
n
i
N
i
0
1
2
3
4
5
5
12
8
15
5
5
5
17
25
40
45
50

Tabla de frecuencias con variable cuantitativa continua.

Donde:

L
j
= Limite inferior de la clase mediana.
n = Numero total de observaciones.
C
j
= Amplitud del intervalo de la clase mediana.
N
j-1
= Frecuencia absoluta acumulada hasta la clase inmediata
anterior a la clase mediana.
n
j
= Frecuencia absoluta de la clase mediana.

2.5
2
3 2
2
y y
Me
2
25 N Como
25
2
50
2
j 1 j
1 - j
=
+
=
+
=
= =
= =
n
n
1 - j
y
1 - j
N
j
y
1 - j
N
3 Me 30 18
y Me
2
n
N
Como
30
2
60
2
n
j 1 - j
= <
= <
= =
j
y Me=
(

+ =

J
1 J
J J
n
N n/2
C L Me
FIGMM PAG N
0
17
Ejemplo:

Limites
n
i
N
i
| 60 63 >
| 63 66 >
| 66 69 >
| 69 72 >
| 72 75 |
5
18
42
27
8
5
23
65
92
100

1-2-2. Grficamente

Propiedades de la mediana:

La mediana no esta afectada por los trminos extremos.

Si

1.3. Moda: Es aquel valor que se presenta c/mayor frecuencia.
Se halla de dos formas:

1-3-1. Datos no Agrupados.- Se escoge aquel valor que se repita ms.

Ejemplo:

a) 4, 7, 8, 9, 9, 3, 6. Mo = 9 (Unimodal)
b) 3, 3, 4, 5, 6, 7, 8, 8. Mo
1
= 3, Mo
2
= 8 (Bimodal)

67.9 Me
66 69
66 Me
23 65
23 50

BC
DE

sADE ABC s de semejanza por
=
=
A ~ A
AC
AE
k
Me
Me
k
x
y
kMe Me kx y
k Me Me k x y
x
y
i
i
x y i i
x y i i
= =
= =
= =
3 66 69
9 . 67
42
23 50
3 66 Me
50
2
n
= =
= |
.
|
\
|
+ =
=
c
ESTADISTICA FIGMM
PAG N
0

1-3-2. Datos Agrupados

Ejemplo:

Limites n
i
N
i
| 60 63 >
| 63 66 >
| 66 69 >
| 69 72 >
| 72 75 |
5
18
42
27
8
5
23
65
92
100

L
o
= Limite superior
C
o
= Amplitud de la clase modal.
d
1
= Diferencia de la frecuencia absoluta modal menos la
anterior.
d
2
= Diferencia de la frecuencia absoluta modal menos la
siguiente.

Propiedades de moda (k = cte.)

|
|
.
|
\
|
+
+ =
2 1
1
o o
d d
d
C L Mo
k
Mo
Mo
k
x
y 3.
kMo Mo kx y 2.
k Mo Mo k x y 1.
si.
x
y
i
i
x y i i
x y i i
= =
= =
= =
27 42 d
18 42 d
67.84 Mo
29
24
3 66
15 24
24
3 66 Mo
2
1
=
=
=
|
.
|
\
|
+ = |
.
|
\
|
+
+ =
FIGMM PAG N
0
19

Comparacin de distribucin de frecuencias.

Un coeficiente que mide la simetra de la distribucin es:
Coeficiente de Asimetra de Pearson.

S
Me) y 3(
S
Me) y 3( Mo - y
: cumple Se
kp
S
=
=
_
( )
Desviacin S
Mediana Me
Arimtica Media y
: Donde
S
Me y 3
S
kp
=
=
=
=
izquierda la a Asimtrica -1 Skp
derecha. la a Asimtrica 1 Skp
simtrica. Es 0 Skp
Si
=
=
=
Simtrica a la izquierda
Simtrica
o
e
M
M
Simtrica a la derecha
o
M
e
M
y
) (
o
M y>
) (
o
M y<
o
M
e
M
y
Simtrica a la derecha
o
M
e
M
y
) (
o
M y >
ESTADISTICA FIGMM
PAG N
0

Ejemplo:

Clases n
i
Y
i
| 60 63 >
| 63 66 >
| 66 69 >
| 69 72 >
| 72 75 ]
5
18
42
27
8
61.5
64.5
67.5
70.5
73.5

68.0 Mo
67.9 Me
68 y
=
=
=
0
5
10
15
20
25
30
35
40
45
I(clase)
n
i
Serie1
Serie1 5 18 42 27 8
A 60 - 63 63 - 66 66 - 69 69 - 72 72 - 75 B
FIGMM PAG N
0
21

Medidas Estadsticas de Dispersin.

Mide la variabilidad de los datos con respecto a una medida de posicin.

Entre las medidas de dispersin mas conocidas son:

2.1. Varianza(S
2
)
2.2. Desviacin estndar o tpica(S).
2.3. Coeficiente de variabilidad(Cv)

2.1. Varianza(S
2
): Mide la variabilidad absoluta de los datos y
i
,
respecto a la media
La varianza es una cantidad no negativa(S
2
> 0 )
si.

La varianza se halla de tres formas:
2-1-1. Datos no Agrupados.

Donde:

Desarrollando:

Ejemplo:

Hallar la varianza para datos no agrupados.
S.

( )
( )
iguales son S y/o S 60 n
Sesgada Varianza
n
y y
S 30 n
Insesgada Varianza
1 n
y y
S 30 n
2
n
2
1 - n
2
i 2
n
2
i 2
1 - n
= >
= >
= <
( )
n
y y
2
i 2
=
y
S
) 30 (n y
n
y

2 i 2
y
S
> =
( )( ) ( )
=
+ + +
=
=
< = =
8
1
2 2 2
i 2
7
25 . 7 11 .. .......... 25 . 7 3 25 . 7 2
1
)2 y - (y
S

30 n 8) (n 7.25 y 11 9, 8, 2, 7, 4, 3, 2,
i
n
muestra de Tamao n
media o Promedio y
es Obsevacion y
i
=
=
=
ESTADISTICA FIGMM
PAG N
0

2-1-2. Datos Agrupados.-

Donde:

Desarrollando:

Ejemplo.
Hallar varianza para datos agrupados:
S

I clase y
i
n
i
| 10 26 >
| 26 42 >
| 42 58 >
| 58 74 >
| 74 90 >
| 90 - 106|
18
34
50
66
82
98
4
12
7
4
2
1

Esto significa que la dispersin absoluta de las diferencias cuadraticas de las
observaciones con respecto a la media por cada observacin es igual a
395.09u
2

Estimacin de la varianza por el mtodo codificado.-

Se sabe por el mtodo codificado que:
C
O y
Z
t i
i

=

donde:
yi = Marca de clase
Ot = origen de trabajo
C = amplitud de intervalo de clase Ls LI

=
=
k
1 i
2
i i
2
n
) y - (y n
Sy
absoluta frecuencia n
clase de marca y
i
i
=
=
= = 45.20
n
y n
y Dato
i i
2
2
2 2 2
2
unidades 395.09
30
45.20) (9 . .......... 45.20) 12(34 45.20) 4(18
=
+ + +
=
S
S
y
y
( )
=
n
1 i
2
i i
2
n
y y n
Sy
> = 30) (n y
n
y n

2
2
i i
2
y
S
FIGMM PAG N
0
23
Despejando varianza a la igualdad:
) O V(CZ ) V(y
t i i
+ =

Por propiedad de varianza: ya que Ot = cte.
) V(Z C ) V(y
i
2
i
=

Dando la forma de estimacin de la varianza para datos agrupados como:
( )
n
n
y n
y n
S
n
y n ) y (n y 2 y n
S
n
y n y n y 2 y n
S
n
) y y 2y (y n
S
n
) y (y n
S
2
i i
i i
2
y
2
2
i i 2
y
2
i i
2
i i 2
y
2
i
2
i i 2
y
2
i i 2
y
=
+
=
+
=
+
=
=

Luego expresando como mtodo codificado ser:

Grfica de la comparacin de variancias.

2
3
2
2
2
1
S S S < <

( )
( )
(
(
=
(
(
(
(
(
=
n
z n
z n
n
c
V
n
n
Z n
Z n
c V
2
i i 2
i i
2
(v)
2
i i
K
1 i
2
i i
2
(v)
2
1
S
2
2
S
2
3
S
ESTADISTICA FIGMM
PAG N
0
Ejemplo:

I Clases
y
i
n
i
n
i
z
i

| 10 26 >
| 26 42 >
| 42 58 >
| 58 74 >
| 74 90 >
| 90 - 106|
18
34
50
66
82
98
4
12
7
4
2
1
-2
-1
0
1
2
3
-8
-12
0
4
4
3
4
1
0
1
4
9
16
12
0
4
8
9
Total 30 -9 49

El origen de trabajo es O
t
= 50
c = 16

2-1-3. Propiedades de varianza:

La desviacin de la constante es cero V(c) = 0

La variancia de una variable mas una constante es igual a la variancia de la
variable.

La variancia de una variable multiplicada por una constante es:

Desviacin tpica o Desviacin Stndar.-
2
S S =

Mide el grado de uniformidad con respecto a la media.
c
o - y
z
t i
i
=
2
i i
z n
2
i
z
3 z
2 z
1
16
50 66
z
0 z
1
16
50 34
z
2
16
50 - 18
z
6
5
4
3
2
1
=
=
=
=
=
=
=
=
( )
( ) ( )
395.09
30
9
49
30
16

n
z n
z n
n
c

) V(z c V(y) Hallando
2 2
2
y
2
i i
k
1 i
2
i i
2
2
y
i
2
S
S
=
(

=
(
(
=
=
=
V(x) c) V(x =
ctes. b y a V(x) a b) V(ax
cte. c V(x) c V(cx)
2
2
= = +
= =
FIGMM PAG N
0
25

| S
Alto grado de variabilidad

+ S Alto grado de uniformidad

Es til para juzgar la representatividad del promedio aritmtico.

Ejemplo:
Sea x
i
= Variables de ingresos mensuales.

S
2
= 61.53

S=
2
S =7.84

Esto significa que los ingresos mensuales presentan una dispersin respecto a su
media de 7.84 soles

2.2. Coeficiente de Variabilidad.-

Es til para comparar la uniformidad de 2 o poblaciones.
Se expresa en %
No presenta unidades.

Ejemplo:

Poblacin A:

S = 7.84 (nuevos soles)

= y
100.76 (nuevos soles)

Los ingresos mensuales presentan una variabilidad relativa de 7.78%

Poblacin B:

S = 19.88grs.

y
= 45.20grs

.100
y
S
Cv=
% 78 . 7 100 .
100.76
7.84
.100
y
S
C.V
A
= = =
ESTADISTICA FIGMM
PAG N
0
CV
B
=
% 98 . 43 100 .
20 . 45
88 . 19
100 . = =
y
S

Los pesos presentan una variabilidad relativa de 43.98%

Comparando poblacion A y poblacin B vemos:

CV
A
<CV
B

La poblacin A es la mas homogenea.

Varianza global cuando se tiene 2 o + Sub Poblaciones y/o estratos:

Estrato 1 Estrato 2
n
1
1
y

S
1
2
n
2
2
y

S
2
2

De

Para Estrato I Para Estrato II

Despejando

Luego toda la poblacin:

) y ( n ) y ( n y n
) y n (n ) y n (n y n y n y n
2
2
2
2
2
2
1
2
1
1
n
1 i
2
i i
2
2 2
2
2
2
2
1 1
2
1
1
n
1 n1 i
2
i i
n
1 i
2
i i
2
i i
S S
S S
1
+ + + =
+ + + = + =

=
+ = =

la variancia de toda la poblacin es:

Pero:
S
2
2
1
1
y
n
I
S
2
1
2
y
n
II
2
2
2
i i
2
i 2
y
n
y n
n
) y - (y ni
=

S
y
2
1 1 1
n
1 i
2
i i
y n n y n
1
+ =
=
2
2 2 2
n
1 i
2
2 2
y n n y n
2
+ =
=
( ) ( )
( ) ( )
2
2 2 1 1
2
2
2
2 2
2
1
2
1 1 2
y
2 1
2 2 1 1
2
2
2
2
2 2
2
1
2
1 1 2
y
2
n
1 i
2
i i
2
y
n
y n y n
n
y S n y S n
S
n n
y n y n
y
y
n
y S n y S n
S y
n
y n
S
|
.
|
\
| +
+ + +
=
+
+
=
+ + +
= =
=
FIGMM PAG N
0
27

Ejemplo:

Sean 2 poblaciones A Y B con los siguientes datos:

Estrato 1 Estrato 2
n
1
1
y

S
1
2
n
2
2
y

S
2
2

De la relacin matemtica tenemos:

( ) ( )
2
2
2
2
2 2
2
1
2
1 1 2
y
y
n
y S n y S n
S
+ + +
=
: Hallando
Hallar la S
y
2
global (de las dos poblaciones)
( ) ( )
( ) | | ( ) | |
( )
2 2
y
2
2 2
2
y
2 1
2 2 1 1
u 109.15 S
09 . 34
33
45 12.35 15 25 7.89 18
S
34.09
33
1125
33
45 15 25 18
n n
y n y n
y
=
+ + +
=
= =
+
=
+
+
=
ESTADISTICA FIGMM
PAG N
0

01-Estadistica Descriptiva

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

01-Estadistica Descriptiva

Transféré par

Droits d'auteur :

Formats disponibles

MERCEDES OSORIO MAZA ESTADISTICA

MERCEDES OSORIO MAZA ESTADISTICA

MERCEDES OSORIO MAZA ESTADISTICA

Vous aimerez peut-être aussi