Vous êtes sur la page 1sur 17

Medidas de Tendencia No Central

Las medidas de posición no central (o medidas de tendencia no central) permiten


conocer puntos característicos de una serie de valores, que no necesariamente tienen que
ser centrales. La intención de estas medidas es dividir el conjunto de observaciones en
grupos con el mismo número de valores.

Percentiles

Los percentiles son números que dividen en 100 partes iguales un conjunto de datos
ordenados. Es decir, El percentil k es un valor que deja aproximadamente el k por ciento
de los datos por abajo de él. Se denota por medio de P(k%).

Ejemplo. En un estudio de ingresos mensuales de la población económicamente activa,


revela que el percentil 90 (P90) es $20,000. Esto significa que aproximadamente el 90%
de las personas tienen ingresos que son menores o iguales a $20,000, y por supuesto, el
10% tiene ingresos mayores o iguales a dicho valor.

En el ejemplo anterior se tomó el percentil 90 pero se podría haber considerado


cualquier valor, por ejemplo, 70, 80 entre otros. Fundamentalmente cuando la
distribución de frecuencia es asimétrica, puede ser más útil e informativo, resumir la
distribución de la variable en estudio, mediante los percentiles.

Deciles

Los deciles son números que dividen la sucesión de datos ordenados en diez partes
porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son también un caso particular de los percentiles. Los
deciles se denotan D(1), D(2),..., D(9), que se leen primer decil, segundo decil, etc.

Cuartiles

Los cuartiles se definen como los tres valores que dividen la distribución en cuatro
partes iguales. En términos de percentiles el primer cuartil Q(1) coincide con el P(25)
(percentil 25); el segundo cuartil Q(2) con el P(50) o mediana, y el tercer cuartil Q(3)
con el P(75).
Entre el primer y el tercer cuartil se encuentra el 50% central de las observaciones.

Medidas De Dispersión

Las medidas de tendencia central ofrecen una idea aproximada del comportamiento de
una serie estadística. No obstante, no resultan suficientes para expresar sus
características: una misma media puede provenir de valores cercanos a la misma o
resultar de la confluencia de datos estadísticos enormemente dispares. Para conocer en
qué grado las medidas de tendencia central son representativas de la serie, se han de
complementar con medidas de dispersión como la varianza o la desviación típica.

Concentración y dispersión

Las medidas de centralización ayudan a determinar el «centro de gravedad» de una


distribución estadística. Para describir el comportamiento general de la serie se necesita,
sin embargo, una información complementaria para saber si los datos están dispersos o
agrupados. Así, las medidas de dispersión pueden definirse como los valores numéricos
cuyo objeto es analizar el grado de separación de los valores de una serie estadística con
respecto a las medidas de tendencia central consideradas.

Las medidas de dispersión son de dos tipos:

 Medidas de dispersión absoluta: como recorrido, desviación media, varianza y


desviación típica, que se usan en los análisis estadísticos generales.
 Medidas de dispersión relativa: que determinan la dispersión de la distribución
estadística independientemente de las unidades en que se exprese la variable. Se
trata de parámetros más técnicos y utilizados en estudios específicos, y entre ellas se
encuentran los coeficientes de apertura, el recorrido relativo, el coeficiente de
variación (índice de dispersión de Pearson) y el índice de dispersión mediana.
La distribución normal, o campana de Gauss, es una función simétrica (con la media
aritmética en el centro de la serie) con un grado de dispersión bajo (la mayoría de los
valores están comprendidos dentro del valor de la desviación típica).
Recorrido
La medida de dispersión más inmediata es el recorrido de la distribución estadística,
también llamado rango o amplitud. Dada una serie de valores x1, x2,..., xn, su recorrido
es la diferencia aritmética entre el máximo y el mínimo de estos valores:

Desviación media
Como medida de dispersión más frecuentemente utilizada, la desviación media se
define como la media aritmética de los valores absolutos de la desviación de cada valor
de la variable con respecto a la media. Su formulación matemática es la siguiente:

Varianza y desviación típica


La desviación media no siempre suministra una idea clara del grado de separación entre
los valores de una variable estadística. Para estudios científicos, se prefiere utilizar una
pareja de parámetros relacionados que se conocen como varianza y desviación típica.

La varianza se define como el cociente entre la suma de los cuadrados de las


desviaciones de los valores de la variable y el número de datos del estudio.
Matemáticamente, se expresa como:

Por su parte, la desviación típica, simbolizada por s, se define sencillamente como la


raíz cuadrada de la varianza:
Por lo tanto, se tiene que:

La varianza y la desviación típica, cada una con su respectivo valor, se usan


indistintamente en los estudios estadísticos.

Medidas de Distancia

La distancia es una magnitud que mide la relación de lejanía o cercanía entre dos
cuerpos, objetos o individuos. Para la geometría euclidiana, la distancia entre dos puntos
es la longitud del camino más corto entre ambos. Es decir, la medición del grado de
cercanía que existe entre los dos.

Medidas de Distancia

Para eso tenemos más medidas de longitud: los múltiplos y los submúltiplos del
metro.

 Los múltiplos son las unidades de medida más grandes que el metro. Son el decámetro,
el hectómetro y el kilómetro. Hay más, pero de momento solo vamos a ver estas.

 Los submúltiplos son las unidades de medida más pequeñas que el metro. Son el
decímetro, el centímetro y el milímetro.

Medidas de Desviación

Medidas de dispersión. Parámetros estadísticos que indican como se alejan los datos
respecto de la media aritmética. Sirven como indicador de la variabilidad de los datos.
Las medidas de dispersión más utilizadas son el rango, la desviación estándar y la
varianza.

Rango
Indica la dispersión entre los valores extremos de una variable. se calcula como la
diferencia entre el mayor y el menor valor de la variable. Se denota como
Para datos ordenados se calcula como:
R = x(n) - x(1)
Donde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.
Desviación media
Es la media aritmética de los valores absolutos de las diferencias de cada dato respecto a
la media.

Donde:
xi: valores de la variable.
n: número total de datos

Medida de Desviación Promedio


La desviación estándar mide el grado de dispersión de los datos con respecto a la media,
se denota como s para una muestra o como para la población. Se define como la raíz
cuadrada de la varianza según la expresión:
Obsérvese que el denominador es n - 1, a diferencia de la desviación media donde se
divide entre n; también existe la formula de desviación típica donde el denominador
es n pero se prefiere n-1.
Mientras menor sea la desviación estándar, los datos son más homogéneos, es decir
existe menor dispersión, el incremento de los valores de la desviación estándar indica
ina mayor variabilidad de los datos.

Varianza
Es otro parámetro utilizado para medir la dispersión de los valores de una variable
respecto a la media. Corresponde a la media aritmética de los cuadrados de las
desviaciones respecto a la media. Su expresión matemática es:

donde Xi es el dato i-ésimo y es la media de los N datos.

Coeficiente de Variación
Permite determinar la razón existente entre la desviación estándar (s) y la media. Se
denota como CV. El coeficiente de variación permite decidir con mayor claridad sobre
la dispersión de los datos
Medidas de Desviación Relativa

Las medidas de dispersión (desviación media, varianza, desviación estándar, rango,


amplitud intercuartílica, desviación cuartílica y la amplitud cuartílica) son todas
medidas de variación absolutas. Una medida de dispersión relativa de los datos, que
toma en cuenta su magnitud, está dada por el coeficiente de variación.
El Coeficiente de variación (CV) es una medida de la dispersión relativa de un conjunto
de datos, que se obtiene dividiendo la desviación estándar del conjunto entre su media
aritmética y se expresa generalmente en términos porcentuales.

- Puesto que tanto la desviación estándar como la media se miden en las unidades
originales, el CV es una medida independiente de las unidades de medición.

- Debido a la propiedad anterior el CV es la cantidad más adecuada para comparar la


variabilidad de dos conjuntos de datos.

Métodos de cálculo
Para una población se emplea la siguiente fórmula:

Para una muestra se emplea la siguiente fórmula:

Medidas de Forma

Las medidas de forma proporcionan información sobre el aspecto de la distribución de


frecuencias (sin representarla gráficamente).

 Medidas de asimetría
 Coeficiente de asimetría de Fisher
 Coeficiente de asimetría de Yule-Bowley
 Medidas de curtosis
 Coeficiente de curtosis
Medidas de forma permiten comprobar si una distribución de frecuencia tiene
características especiales como simetría, asimetría, nivel de concentración de datos y
nivel de apuntamiento que la clasifiquen en un tipo particular de distribución.
Las medidas de forma son necesarias para determinar el comportamiento de los datos y
así, poder adaptar herramientas para el análisis probabilístico.

 Coeficiente de asimetría
 Curtosis

Antes de empezar con cada uno de estos indicadores, analizaremos los tipos más
comunes de distribución de frecuencia y la relación media, mediana y moda como
primera medida para identificar el grado de asimetría en una distribución de frecuencia.

Un sesgo es un error que aparece en los resultados de un estudio debido a factores que
dependen de la recolección, análisis, interpretación, publicación o revisión de los datos
que pueden conducir a conclusiones que son sistemáticamente diferentes de la verdad o
incorrecta.

La Curtosis: es el coeficiente de apuntamiento (concentrado en torno al pico máximo)


de la distribución de probabilidad de una variable aleatoria de número real.

El cuarto momento estándar se define como, donde μ4 es el 4º momento centrado sobre


la media y σ es la desviación estándar.

Suceso y Frecuencia Relativa

La frecuencia del suceso E es el número de veces que ocurre el suceso E.

fr(E) = el número de veces que ocurre el suceso E

Lance una moneda 20 veces. Si sale el águila 13 veces, entonces la frecuencia del
suceso de que sale el águila es

fr(E) = 13.

La frecuencia relativa o probabilidad estimada del suceso E es la fracción de tiempos


que sale E.

P(E) =

fr(E)

Nota: Sigue que P(E

En referencia a la situación más arriba, la frecuencia relativa de que salga el


águila es
P(E) =

fr(E)

13

20

El
experi
mento
más
arriba
fue
repeti
do 20
veces,
Al número de veces que se repite el experimento se llama el tomaño muestral.
de
N = número de veces que se repite el experimento. modo
que

2
0
.

Distribución de frecuencia relativa

Al conjunto de las freucuencias relativas de todos loe resultados le llama the


outcomes la distribución de frecuencia relativa or distribución de probabilidad
estimada.

Ejemplo
Si, al lanzar un dado 10 veces, obtengamos los resultados 2, 1, 4, 4, 5, 6, 1, 2, 2, 1,
entonces la distribución de de frecuencia relativa sería como mostrada en la
siguiente tabla:
Resultado s 1 2 3 4 5 6

Frecuencia fr(s) 3 3 0 2 1 1

Frecuencia relativa P(s) .3 .3 0 .2 .1 .1

CON
CURS
O

Eventos Mutuamente Incluyentes.

En el ámbito de la lógica y de la teoría de la probabilidad dos proposiciones (o eventos)


son mutuamente excluyentes o disjuntos si ambos no pueden ser verdaderos (o
suceder simultáneamente). Un ejemplo de ello es el resultado de revolear una vez una
moneda, el cual solo puede ser "cara" o "cruz", pero no ambos.
En el ejemplo de la moneda, ambos resultados son en teoría, sucesos colectivamente
exhaustivos, lo que quiere decir que por lo menos uno de los resultados debe suceder,
por lo que estas dos alternativas comprenden todas las posibilidades.[1] Sin embargo,
no todos los eventos mutuamente excluyentes son exhaustivamente colectivos. Por
ejemplo, los resultados 1 y 4 de una única echada de un dado de seis caras son
mutuamente excluyentes (ambas no pueden suceder a la vez) pero no son
colectivamente exhaustivos (existen otros resultados posibles; 2,3,5,6).
En lógica, dos proposiciones mutuamente excluyentes son proposiciones que no pueden
ser lógicamente verdaderas en el mismo sentido y simultáneamente. Decir que más de
dos proposiciones son mutuamente excluyentes, dependiendo del contexto, significa que
una no puede ser verdadera si la otra es verdadera, o por lo menos una de ellas no puede
ser verdadera. La expresión mutuamente excluyentes de a paressiempre significa que
dos de ellas no pueden ser verdaderas simultáneamente.

Métodos de Enumeración
Métodos de Enumeración Como se menciono en la definición clásica de Probabilidad,
en donde los casos posibles son el número total de maneras en que puede ocurrir
mientras que los casos favorables es el número de maneras en que A puede ocurrir. A
veces es necesario manejar los métodos de enumeración para calcular estos
valores. Por ejemplo Un lote de cien artículos contiene 20 defectuosos y 80 no
defectuosos. Se eligen diez artículos al azar, sin sustituir un artículo antes que sea
elegido el próximo. ¿Cuál es la probabilidad de que exactamente la mitad de los
artículos escogidos sean defectuoso.

Consiste en enumerar todas las soluciones posibles, a partir de los valores tomados para
las variables enteras y realizar todas las combinaciones posibles hasta encontrar una
combinación que nos proporcione el valor óptimo de la función objetivo y que cumpla
con todas las restricciones del problema. Una de las objeciones principales que presenta
éste método es el número de variables, ya que se presentan demasiadas combinaciones
antes de encontrar la solución óptima.

Un diagrama de árbol o árbol de probabilidad es una herramienta que se utiliza para


determinar si en realidad en el cálculo de muchas probabilidades se requiere conocer el
número de objetos que forman parte del espacio muestral, estos se pueden determinar
con la construcción de un diagrama de árbol.
El diagrama de árbol es una representación gráfica de los posibles resultados del
experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene un
número infinito de maneras de ser llevado a cabo. Se utiliza en los problemas de conteo
y probabilidad.

Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada
una de las posibilidades, acompañada de su probabilidad. Cada una de estas ramas se
conoce como rama de primera generación.

En el final de cada rama de primera generación se constituye, un nudo del cual parten
nuevas ramas conocidas como ramas de segunda generación, según las posibilidades del
siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final).

Hay que tener en cuenta que la construcción de un árbol no depende de tener el mismo
número de ramas de segunda generación que salen de cada rama de primera generación
y que la suma de probabilidades de las ramas de cada nudo ha de dar 1.

Existe un principio sencillo de los diagramas de árbol que hace que éstos sean mucho
más útiles para los cálculos rápidos de probabilidad: multiplicamos las probabilidades si
se trata de ramas adyacentes (contiguas), el ejemplo de alumna de la primera facultad, o
bien las sumamos si se trata de ramas separadas que emergen de un mismo punto, el
ejemplo de encontrar un alumno.

Ejemplos

Una universidad está formada por tres facultades:


 La 1ª con el 50% de estudiantes.
 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.

Las mujeres están repartidas uniformemente, siendo un 60% del total en cada facultad.

¿Probabilidad de encontrar una alumna de la primera facultad?

{\displaystyle P(alumna\ de\ la\ 1^{a}\ facultad)=0,5\cdot 0,6=0,3}


¿Probabilidad de encontrar un alumno varón?

{\displaystyle P(alumno\ var{\acute {o}}n)=0,5\cdot 0,4+0,25\cdot 0,4+0,25\cdot

0,4=0,4} Pero también podría ser lo contrario.


Técnicas del Conteo
Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de
cuantificar. ... Con este fin, nos apoyaremos en los conceptos permutaciones y
combinaciones, los cuales tienen como base el principio fundamental delconteo.

Las técnicas de conteo son una serie de métodos de probabilidad para contar el número
posible de arreglos dentro de un conjunto o varios conjuntos de objetos. Estas se usan
cuando realizar las cuentas de forma manual se convierte en algo complicado debido a
la gran cantidad de objetos y/o variables

Estas técnicas son varias, pero las más importantes se dividen en dos principios básicos,
que son el multiplicativo y el aditivo; las permutaciones y las combinaciones.

Principio multiplicativo

Aplicaciones

El principio multiplicativo, junto con el aditivo, son básicos para entender el


funcionamiento de las técnicas de conteo. En el caso del multiplicativo, consiste en lo
siguiente:

Imaginemos una actividad que conlleva un número concreto de pasos (el total lo
marcamos como “r”), donde el primer paso puede hacerse de N1 formas, el segundo
paso de N2, y el paso “r” de Nr formas. En este caso, la actividad podría realizarse del
número de formas resultante de esta operación: N1 x N2 x……….x Nr formas

Es por ello que este principio se llama multiplicativo, e implica que todos y cada uno de
los pasos que se necesitan para llevar a cabo la actividad deben de realizarse uno tras
otro.

Ejemplo

Vamos a imaginar a una persona que quiere construir un colegio. Para ello, considera
que la base del edificio puede construirse de dos maneras distintas, cemento o concreto.
En cuanto a las paredes, pueden ser de adobe, cemento o ladrillo.

En cuanto al techo, este puede construirse de cemento o lámina galvanizada.


Finalmente, la pintura final sólo puede realizarse de una forma. La pregunta que se
plantea es la siguiente: ¿Cuántas formas tiene de construir el colegio?

En primer lugar, consideramos el número de pasos, que serían la base, las paredes, el
tejado y la pintura. En total, 4 pasos, por lo que r=4.
Lo siguiente sería enumerar las N:

N1= formas de construir la base=2

N2= formas de construir las paredes=3

N3= formas de hacer el tejado = 2

N4= formas de realizar pintura = 1

Por lo tanto, el número de formas posibles se calcularía mediante la fórmula antes


descrita:

N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 formas de realizar el colegio.

Principio aditivo

Aplicaciones

Este principio es muy simple, y consiste en que, en el caso de existir varias alternativas
de realizar una misma actividad, las formas posibles consisten en la suma de las
distintas formas posibles de realizar todas las alternativas.

Dicho de otra forma, si queremos realizar una actividad con tres alternativas, donde la
primera alternativa puede realizarse de M formas, la segunda de N formas y la última de
W formas, la actividad puede realizarse de: M + N +………+ W formas.

Ejemplo

Imaginemos esta vez a una persona que quiere comprar una raqueta de tenis. Para ello,
tiene tres marcas a elegir: Wilson, Babolat o Head.

Cuando va a la tienda ve que la raqueta Wilson puede comprarse con el mango de dos
tamaños distintos, L2 o L3 en cuatro modelos distintos y puede ser encordada o sin
encordar.

La raqueta Babolat, en cambio, tiene tres mangos (L1, L2 y L3), hay dos modelos
diferentes y puede también ser encordada o sin encordar.

La raqueta Head, por su parte, sólo está con un mango, el L2, en dos modelos diferentes
y sólo sin encordar. La pregunta es: ¿Cuántas formas tiene esta persona de comprar su
raqueta?

M = Número de formas de seleccionar una raqueta Wilson


N = Número de formas de seleccionar una raqueta Babolat

W = Número de formas de seleccionar una raqueta Head

Realizamos el principio multiplicador:

M = 2 x 4 x 2 = 16 formas

N = 3 x 2 x 2 = 12 formas

W = 1 x 2 x 1 = 2 formas

M + N + W = 16 + 12 + 2 = 30 formas de elegir una raqueta.

Para saber en qué momento hay que utilizar el principio multiplicativo y el aditivo,
únicamente hay que fijarse en si la actividad tiene una serie de pasos para realizarse, y si
existen varias alternativas, el aditivo.

Permutaciones

Aplicaciones

Para comprender qué es una permutación, es importante explicar qué es una


combinación para poder diferenciarlas y saber cuándo utilizarlas.

Una combinación sería un arreglo de elementos en los cuales no nos interesa la posición
que ocupa cada uno de ellos.

Una permutación, en cambio, sería un arreglo de elementos en los cuales sí nos interesa
la posición que ocupa cada uno de ellos.

Vamos a poner un ejemplo para entender mejor la diferencia.

Ejemplo

Imaginemos una clase con 35 alumnos, y con las siguientes situaciones:

1. El profesor quiere que tres de sus alumnos le ayuden a mantener la clase limpia
o entregar materiales a los otros alumnos cuando lo necesite.
2. El profesor quiere nombrar a los delegados de clase (un presidente, un asistente
y un financiero).

La solución sería la siguiente:


1. Imaginemos que por votación se elige a Juan, María y Lucía para limpiar la
clase o entregar los materiales. Obviamente, podrían haberse formado otros
grupos de tres personas, entre los 35 alumnos posibles.

Debemos preguntarnos lo siguiente: ¿es importante el orden o la posición que ocupa


cada uno de los alumnos a la hora de seleccionarlos?

Si lo pensamos, vemos que realmente no es importante, ya que el grupo va a encargarse


de las dos labores por igual. En este caso, se trata de una combinación, ya que no nos
interesa la posición de los elementos.

2. Ahora imaginemos que se eligen a Juan como presidente, a María como


asistente y a Lucía como financiera.

En este caso, ¿importaría el orden? La respuesta es sí, ya que si cambiamos los


elementos, cambia el resultado. Es decir, si en vez de poner a Juan como presidente, le
ponemos como asistente, y a María como presidente, el resultado final cambiaría. En
este caso se trata de una permutación.

Una vez comprendida la diferencia, vamos a obtener las fórmulas de las permutaciones
y de las combinaciones. Sin embargo, antes hay que definir el término “n!” (ene
factorial), ya que se utilizará en las distintas fórmulas.

n!= al producto desde 1 hasta n.

n!= 1 x 2 x 3 x 4 x………..x n

Utilizándolo con números reales:

10!=1 x 2 x 3 x 4 x………x 10=3,628,800

5!= 1 x 2 x 3 x 4 x………x 5=120

La fórmula de las permutaciones sería la siguiente:

nPr=n!/(n-r)!

Con ella podremos averiguar los arreglos donde el orden es importante, y donde los n
elementos son distintos.
Combinaciones

Aplicaciones

Como hemos comentado anteriormente, las combinaciones son los arreglos en donde
no nos importa el la posición de los elementos.

Su fórmula es la siguiente:

nCr=n!/(n-r)!r!

Ejemplo

Si existen 14 alumnos que quieren ser voluntarios para limpiar el aula, ¿cuantos grupos
de limpieza podrán formarse cada grupo ha de ser de 5 personas?

La solución, por tanto, sería la siguiente:

n = 14, r = 5

14C5 = 14! / (14 – 5 )!5! = 14! / 9!5! = 14 x 13 x 12 x 11 x 10 x 9!/ 9!5!= 2002 grupos