ESTADIGRAFOS

DOCENTE LIC. VÍCTOR AMPUERO ESCOBAR

INTEGRANTES FUENTES COTJIRA VICTOR HUGO
HUANACO CHAMBI BRIZAIDA
LÓPEZ MACIAS MARIA
QUESO MAMANI AMALIA

MATERIA. ESTADISTICA

GESTION 2009
ESTADÍGRAFOS
 ESTADÍGRAFOS

ESTADIGRAFOS o MEDIDAS DE
E STAD I STI CA

RESUMEN, Nos permiten hallar un

valor numérico, el mismo que
representa a toda la población o
muestra en estudio.

1
 ESTADÍGRAFOS
Las medidas de resumen más importantes se clasifican en tres grupos:

Medidas de
E STAD I STI CA

Medidas de Medidas de
tendencia central: posición dispersión

-Deciles, Desviación standard,

-Media, mediana, -cuartiles, varianza,
moda -percentiles coeficiente de
variación

2
 1. MEDIDAS DE TENDENCIA CENTRAL

1.1 MEDIA ARITMETICA.

X j
PARA DATOS NO AGRUPADOS
E STAD I STI CA

j 1
X 
n

EJEMPLO:
Sean las notas de un alumno: 8, 3 ,5 ,12 Y 10 entonces el promedio será:

8  3  5  12  10
X  7.6
5

3
 1. MEDIDAS DE TENDENCIA CENTRAL

1.1 MEDIA ARITMETICA.

Para datos agrupados: Si los números X 1 , X 2 ,....., X m ocurren f1 , f 2 ,....., f m veces,

E STAD I STI CA

respectivamente , (o sea, con frecuencias f1 , f 2 ,....., f m ), media aritmética es

f
j 1
j X j PARA DATOS AGRUPADOS
X  m

f j 1
j

4
 1.1 MEDIA ARITMETICA.

EJEMPLO: Supongamos que medimos las estaturas de 100 estudiante varones

de la universidad XYZ. y obtenemos los siguientes resultados (con precisión de 1
pulgada)
Tabla 1.1 Alturas de 100 estudiantes varones
E STAD I STI CA

de la universidad XYZ

NUMERO DE
ALTURA
ESTUDIANTES
(Pulgadas)
60 - 62 5
63 - 65 18
66 - 68 42
69 - 71 27
72 - 74 8
TOTAL 100

5
 SOLUCION
Altura Marca de Frecuencia fX
(pulgadas) clase (X) (f)
60-62 61 5 305 60  62
 61
63-65 64 18 1152 2
66-68 n   ffX 1006745 67 42 2814
E STAD I STI CA

69-71 70 27 1890
72-74 73 8 584
 f 100  fX  6745

X
 fX   fX  6745  67.45 pulgadas
f n 100

Por lo tanto, la estatura media de este grupo de alumnos es de 67.45 pulgadas

6
 PROPIEDADES DE LA MEDIA ARITMÉTICA

m
PROPIEDAD 1 f
j 1
j (X j  X )  0

 f j X j  A
m
PROPIEDAD 2 2
E STAD I STI CA

j 1

PROPIEDAD 3 M[k] = K

PROPIEDAD 4 
M Xj K  X K 

PROPIEDAD 5 
M AX j  K  AX  K 

7
 1.2 MEDIA ARITMETICA PONDERADA

El promedio ponderado permite calcular un promedio que toma en

cuenta la importancia o el peso que tiene cada valor sobre el total.
E STAD I STI CA

Donde:
Wj = Peso asignado a cada observación

= Valores de las observaciones individuales

8
 EJEMPLO
E STAD I STI CA

Ponderacion (Wi) Datos Xi)

Unidad
I 20% = 0.2 80
II 25% = 0.35 50
III 20% = 0.2 80
IV 15% = 0.15 100
V 20% = 0.10 80

9
 1.3 MEDIA ARMONICA

La media armónica H de un conjunto de n números X1, X2,........Xn; es el reciproco

de la media aritmética de los recíprocos de los números.

PARA DATOS NO AGRUPADOS

E STAD I STI CA

j m
1
H j m
1
1
 j m
n
1

j 1 X j

j 1 X j

j 1 X j
1

1
 
1
H n n X
n
PARA DATOS AGRUPADOS

1 n j m
H  1 1 fj
j m

X
fj j m

X
fj  
j 1 j j 1 j
H n j 1 X j
n
10
 EJEMPLO
Determinar el tiempo promedio empleado en la producción por artículo
de cuarenta obreros.

Minutos por Nº de obreros

Articulo fi 1 n
H 
E STAD I STI CA

Xi j m fj j m fj
10 5 X
j 1
X
j 1
15 20 j j

16 10 n
20 5
40

40 10
H  14  14,7692
5 20 10 5 13
  
10 15 16 20

11
 1.4 MEDIA GEOMÉTRICA

La media geométrica G de un conjunto de N números x1, x2,...... , xn es la raíz

n-esima del producto de los n números:

Para datos no agrupados

E STAD I STI CA

j n

G n X 1, X 2 ... X n  n
j n

Xj
 LogX
j 1
j

j 1 log G 
n
Para datos agrupados

j m

f j log X j
G  n X 1f1 X 2f 2 ... X mf m log G 
j 1

12
 EJEMPLO

Calcular el crecimiento promedio porcentual de producción de estaño según el

siguiente cuadro:
Año Producción % de la producción Log xi
En TMF respecto al año
anterior.
E STAD I STI CA

Xi
1972 6.031 - -
1973 6.650 10,2636 1,011299718
j n
1974 6.897 3,7143 0,569876978
 LogX
j 1
j
1975 7.366 6,8000 0,832508912 log G 
1976 8.876 20,4996 1,311745387 n
3,725430995

3.725430995
LogG   0,9313577488  G  AntiLog (0,9313577588)  8.538031
4

EL crecimiento porcentual promedio anual de estaño es 8,54%

13
 LA MODA

La moda de una serie estadística es la frecuencia

más alta de la serie estadística o dicho de otra manera es
el valor más frecuente.
 Ejemplo:

PARA DATOS SIMPLES

20, 40, 30, 40, 50, 110, 20, 50, 40, 15

donde la moda de esta serie es:

Mo=40.
Si la distribución de frecuencias
tiene un solo máximo, se dice que la
distribución es unímodal

Si la distribución de frecuencias
tiene más de un máximo, se dice
que la distribución es multimodal,
bimodal, trimodal, etc.

Si todas las frecuencias son iguales

se dice que la distribución no tiene
moda y se trata de una distribución
uniforme:
 Para datos agrupados 1
M 0  LO  w
1   2
EJEMPLO:
Intervalos Universitarios
fi

20
20 - 30 10
M 0  50  10  52,86  53
30 – 40
40 – 50
20
40
20  50
50 – 60 60
60 – 70 10
70 - 80 5
Total 145
 MEDIANA
Si el número de observaciones n es impar, basta con
ordenar los datos en orden de magnitud creciente esto es
x(1) denota a la observación más pequeña, X(2) denota a la
segunda observación menor, y X(n) denota a la
observación mayor, o sea X(1) < X(2) ... < X(n)), y tomar
como valor de la mediana el valor de la observación que
ocupa la posición centra
X n / 2   X n / 2 1
Me  X n 1 / 2  Me 
2
PARA IMPAR PAR
n= numero de n= numero de
observaciones observaciones
 EJEMPLO
Considere las observaciones muéstrales: 43, 51, 37, 39, 19, 24,27, 62.
Determinar la mediana de la muestra.
SOLUCIÓN
1. La muestra = 43, X2 =51, X3 = 37, X4 = 39, X5 = 19, X6 = 24.,
X7 = 27, = 62 ordenada en forma ascendente es

Existen n = 8, un número par de observaciones, entonces la

mediana es el promedio de las dos observaciones centrales
X(8/2) = X(4) = 37 y X ((8/2) + 1) = X(5) =39
X 8 / 2   X 8 / 2 1 X 4  X 5 37  39
Me     38
2 2 2
 MEDIANA
Para datos agrupados: N
 F j 1
Me  L j 1  2 w
fj
EJEMPLO:
Edades Xi Univ. Fi
15 – 19 17 5 5
20 – 24 22 10 15
50
25 – 29 27 20 35  15
Me  25  2 5  27
30 – 34 32 10 45 20

35 – 40 37 5 50
Total 50
FRACTILES
Cuartil

Decil
Percentil
 Cuartil

N
( n)  F j 1
Q1  L j 1  4 w
f q1

EJEMLPO
La tabla muestra una
distribución de frecuencias de
puntuaciones de un examen
final de álgebra,
(a) Hallarlos cuartiles de la
distribución
(b) interpretar su significado.
Solución
a)

 30  15 
Q1  60   10  67
b) Q1 significa el valor, hasta
 21  donde se encuentra el 25% de los
 60  36 
Q2  70   10  75 datos. Q2 es la mediana; y Q3 es
 43 
 90  79  el valor donde se encuentra el
Q3  80   10  83
 32  75% de los datos
 DECILES

N   2N   5N 
  F j 1   10 2  F j 1   10 5  F j 1 
D1  Li   10  w j ; D2  Li    w j ;........; D5  Li   w j
 f D1   f D2   f D5 
     

5N N
El decil quinto es la mediana ya que 
10 2

Ejemplo
SOLUCION

Sustituyendo valores:
D1 = 250 + (10) [6.5 - 0] / [8 - 0]
Efectuando operaciones y simplificando, se obtiene que:
D1 = $258.12
El segundo decil abarca: (2/10)(65) = 13 elementos. Quedará en el
segundo intervalo, esto es:
D2 = 260 + (10) [ 13 - 8 ] / [ 18 -8 ]
D2 = 260 + 5
D2 = $265.00
Siguiendo con el mismo procedimiento, obtenemos los deciles
restantes. Se dejan al lector como ejercicio.
D8 = $294.00
D9 = $301.00
CONCLUSIONES:
10% de los colaboradores de este estudio ganan $258.12 ó menos.
20% de los colaboradores de este estudio ganan $265.00 ó menos.
90% de los craolabodores de este estudio ganan $301.00 ó menos.
 PERCENTILES

Son valores que dividen a la población en cien partes iguales

Evidentemente los percentiles 25, 50 y 75 coinciden con los
cuartiles. Y los percentiles 10, 20 , ... , 90 coinciden con los
deciles. Se tiene entonces, el esquema siguiente:

 N   50 N   99 N 
 100  F j 1   100  F j 1   100  F j 1 
P1  Li    w j ;...; P50  Li   w j ;...; P99  Li  w j
 f p1   f p 50   f p 99 
     
 EJEMPLO

SALARIOS NUMERO DE Fi
POR DIA EMPLEADOS
50 – 60 8 8
60 – 70 10 18
70 – 80 16 34
80 – 90 14 48
90 – 100 10 58
100 –110 5 63
110 – 120 2 65
TOTAL 65
A)Calcular el primer cuartil de la distribución:
N 65
(n)  F j 1 1 8
P25  Q1  L j 1  4 w  Q1  60  4 10  68,25
fj 10

B)Calcular el Segundo cuartil de la distribución.

N 65
(n)  F j 1 2  18
P50  Q2  L j 1  4 w  Q2  70  4 10  79,0625
fj 16

C)Calcular 5 percentil.
N 65
(n)  F j 1 50
P5  L j 1  10 w  P5  50  100 10  54,0625
fj 8
 MEDIDAS DE
VARIABILIDAD
 RECORRIDO O RANGO

LA DIFENENCIA DEL VALOR MAS

ALTO DE LA VARIABLE Y EL VALOR
ESTADISTICA

MAS BAJO PARA UNA SERIE.

PARA DATOS AGRUPADOS,
ES LA DIFERENCIA ENTRE
EL LIMITE SUPERIOR DE LA ULTIMA
CLASE, Y EL LIMITE INFERIOR
DE LA PRIMERA”
 LA DESVIACION MEDIA

PARA DATOS SIMPLES

ESTADISTICA

PARA DATOS AGRUPADOS

 EJERCICIOS: La desviación media
ESTADISTICA
 DESVIACION MEDIANA
LA MEDIA ARITMETICA O PROMEDIO DE LOS
DESVIOS, RESPECTO DE LA MEDIANA,
EXPRESADOS EN VALOR ABSOLUTO.
ESTADISTICA

PARA UNA SERIE SIMPLE PARA DATOS AGRUPADOS

 EJERCICIOS: La desviación mediana
ESTADISTICA
 EJERCICIO: La desviación mediana
ESTADISTICA
 RECORRIDO SEMI-INTERCUARTILICO

LA SEMIDIFERENCIA ENTRE
LOS DOS CUARTILES TERCERO
Y PRIMERO (Q3 y Q1).
ESTADISTICA
 VARIANZA

Es una medida de
dispersión, que mide la
agrupación de los
ESTADISTICA

datos
PARA DATOS
NO AGRUPADOS

PARA DATOS
AGRUPADOS
 DESVIACION TIPICA O STANDART

LA RAÍZ CUADRADA
ESTADISTICA

POSITIVA
DE LA VARIANZA
 EJERCICIOS: varianza
ESTADISTICA
MEDIDAS DE ASÍMETRIA Y CURTOSIS
ESTADÍGRAFOS DE ASIMETRÍA O DEFORMACIÓN
x

 Definición: EJEMPLO:
Sueldos Nº de xi xifi (xi – )2fi Fi
Bs. Empleados

30 – 34 50 32 1600 3621 50
35 – 39 100 37 3700 1232 150
40 – 44 150 42 6300 333 300
45 – 49 50 47 2350 2106 350
50 – 54 20 52 1040 2640 370
370 14990 9932
Interpretación:
Sk=0 La distribución es simétrica.
14990
Sk>0 La distribución es sesgada a la X   40.51
370
derecha
50
Sk<0 La distribución es sesgada a la M o  39,5  5  41,17
50  100
izquierda.
9932
S  5,18
370
40,51  41,17
Sk   0,127
5,18
La distribución es sesgada a la izquierda.
 DEMOSTRACIÓN GRÁFICA: EJEMPLO:

N 370
  185
2 2

185  150
M e  39,5  5  40,67
150

3x  M e  340,51  40,67 

Para evitar el uso de la moda, SP  ;Sp   0,09267
S 5,18
podemos recurrir a la formula
empírica, llamada también
segundo coeficiente de Pearson.
Este coeficiente, también indica al
3X  M e  igual que el primero un sesgo a la
SP  izquierda.
S
La curtosis, mide cuan putiaguda es una distribución, en general, por
referencia a la normal, si tiene un pico alto(leptocurtica), si es
aplastada (platicurtica), o si es normal(mesocurtica), este coeficiente
viene definida por:
1
Q3  Q1 
K2
P90  P10

Interpretación:
EJEMPLO: 370
 92,5
4
92,5  50
Q1  34,5  5  36,625
Sueldos Nº de Xi Fi 100
Bs. Empleados 370
3  277,5
4
277,5  150
30 – 34 50 32 50 Q3  39,5  5  43,75
150
35 – 39 100 37 150
370
40 – 44 150 42 300 10  37
100
45 – 49 50 47 350
37  0
50 – 54 20 52 370
P10  29,5  5  30,24
50
370 370
90  333
100
333  300
P90  44,5  5  47,8
50

1
43,75  36,625 La distribución de frecuencias es mesocurtica
K 2  0,203
47,8  30,24 o tiene tendencia mesocurtica.
MOMENTOS

Los momentos son en realidad promedios o medias de las potencias de

la diferencia de la variable respecto a un valor constante, es decir:

(X
j 1
 A) r
j PARA DATOS NO
m AGRUPADOS
n

f j ( X j A) r
m
j 1 PARA DATOS AGRUPADOS
n

Los momentos mas usados son dos, respecto al origen y respecto a

la media llamado también momento central.
MOMENTOS RESPECTO AL MOMENTOS CENTRALES
ORIGEN. RESPECTO A LA MEDIA
“EL PROMEDIO O MEDIA
"EL PROMEDIO O MEDIA ARITMÉTICA DE LOS DESVÍOS
ARITMÉTICA DE LA VARIABLE RESPECTO DE LA MEDIA
ELEVADA A UNA POTENCIA r". ELEVADOS A LA POTENCIA r”
m

Es decir si:
Es decir si: fj 1
( X j A) r
j

mr 
n
m

f ( X j  A) r Donde m

j 1
j
f j ( X j  X )r
ar  A  X  mr 
j 1

n n

Por tanto cuando r = 2

Donde A═0 m


j 1
f j (X j  X )2
m m m2  S2
f ( X j  0) f
r r
j j Xj n
j 1 j 1
 ar   m2 = S2 momento central de segundo
n n
orden (varianza)
m

Cuando r = 3 
j 1
f j ( X j  X )3
m3 
n