Estadstica es una ciencia que utiliza datos numricos para obtener inferencias basadas
en el clculo de probabilidades. Una estadstica es tambin un conjunto de datos
obtenidos a travs de un estudio estadstico.
Este trmino procede del alemn statistik (con un significado diferente al actual) y a su
vez del latn statisticum collegium.
Tipos de Estadstica
Se pueden establecer dos tipos de
tcnicas descriptivas o inferenciales.
Estadstica Descriptiva
Estadstica, dependiendo
de
si
utilizan
MANEJO DE LA INFORMACIN
requiere tener en cuenta las variables o caractersticas a medir y dentro de ellas los
indicadores, que a veces se desglosan en subindicadores. Este proceder permite definir
hacia donde va dirigida la indagacin, es decir aquellos aspectos a considerar en la
medicin a realizar. La delimitacin de los indicadores depende del inters del
investigador al observar un proceso y de sus supuestos tericos, que son los que
determinan los aspectos a tomar en cuenta en la forma de definirlos. Cuando eso
sucede, hay que considerar tambin si lo que se desea medir es la forma en que se
ejecuta el proceso o las caractersticas o cualidades de los actores del proceso.
Por ejemplo en una investigacin sobre la enseanza de la Estadstica se quiere
determinar el nivel de preparacin que tienen los estudiantes para
resolver problemas profesionales relacionados. El profesor les orienta una tarea que
consiste en resolver este tipo de problemas y observa el resultado de la actividad de los
estudiantes, pero lo hace empleando los indicadores a partir de las habilidades que
considera deben demostrar estos para realizar la tarea orientada, y dentro de los
indicadores, define subindicadores que expresan habilidades ms especficas a
desarrollar para llegar a las antes mencionadas.
MUESTREO (ESTADSTICA)
En estadstica se conoce como muestreo a
una muestra a partir de una poblacin.
la
tcnica
para
la
seleccin
de
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener
resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la
poblacin.
Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar
tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir
ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea
una muestra representativa, pero s podemos actuar de manera que esta condicin se
alcance con una probabilidad alta.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la
poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de
muestras que se pueden obtener de la poblacin se denomina espacio muestral. La
variable que asocia a cada muestra su probabilidad de extraccin, sigue la
llamada distribucin muestral.
Tcnicas de muestreo estadstico
Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo no
aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el
proceso de seleccin). Cuando este ltimo cumple con la condicin de que todos los
elementos de la poblacin tienen alguna oportunidad de ser escogidos en la muestra, si
la probabilidad correspondiente a cada sujeto de la poblacin es conocida de
antemano, recibe el nombre de muestreo probabilstico. Una muestra seleccionada por
muestreo de juicio puede basarse en la experiencia de alguien con la poblacin.
Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir
cmo tomar una muestra aleatoria ms adelante.
Muestreo Probabilstico
Forman parte de este tipo de muestreo todos aquellos mtodos para los que se puede
calcular la probabilidad de extraccin de cualquiera de las muestras posibles. Este
conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones no es
posible optar por l. En este caso se habla de muestras probabilistas, pues no es
correcto hablar en rigor de muestras representativas dado que, al no conocer las
caractersticas de la poblacin, no es posible tener certeza de que tal caracterstica se
haya conseguido.
Tipos
Sin reposicin de los elementos:' Cada elemento extrado se descarta para la
subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin" de
bombillas para estimar la vida media de las bombillas que la integran, no ser posible
medir ms que una vez la bombilla seleccionada.
Con reposicin de los elementos: Las observaciones se realizan con remplazo de los
individuos, de forma que la poblacin es idntica en todas las extracciones. En
poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que
el muestreo puede considerarse con reposicin aunque, realmente, no lo sea.
Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir una
extraccin es tan pequea que el muestreo puede considerarse con reposicin.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la
extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas
construidas al efecto.
Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en el
tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario
(cuando proceda). Luego hay que calcular una constante, que se denomina coeficiente
de elevacin:
K= N/n
Donde N es el tamao del universo y n el tamao de la muestra.
Para determinar en qu fecha se producir la primera extraccin, hay que elegir al azar
un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos regulares.
Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenmeno.
Esto quiere decir que si tenemos un determinado nmero de personas que es la
poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el cual es
la muestra (n), dividimos el nmero de la poblacin por el nmero de la muestra que
queremos tomar y el resultado de esta operacin ser el intervalo, entonces escogemos
un nmero al azar desde uno hasta el nmero del intervalo, y a partir de este nmero
escogemos los dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se
suponen homogneos con respecto a alguna caracterstica de las que se van a
estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el
nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato se
suele usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin ms
usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los
estratos, existen dos tcnicas de muestreo estratificado:
Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima que, dentro de cada uno
de estos grupos, puede haber cierta homogeneidad. En la asignacin proporcional, si la
poblacin est compuesta de un 55% de mujeres y un 45 % de hombres, se tomara
una muestra que contenga tambin esos mismos porcentajes de hombres y mujeres.
En la asignacin ptima, si todos los hombres piensan igual, pero las mujeres son
impredecibles, se tomara una muestra con ms del 55% de mujeres.
Para una descripcin general del muestreo estratificado y los mtodos de inferencia
asociados con este procedimiento, suponemos que la poblacin est dividida
en h subpoblaciones o estratos de tamaos conocidos N 1, N2,..., Nh tal que las unidades
en cada estrato sean homogneas respecto a la caracterstica en cuestin. La media y
la varianza desconocidas para el i-simo estrato son denotadas por mi y si2,
respectivamente.
MUESTREO POR ETAPAS MLTIPLES
Esta tcnica es la nica opcin cuando no se dispone de lista completa de la poblacin
de referencia o bien cuando por medio de la tcnica de muestreo simple o estratificado
se obtiene una muestra con unidades distribuidas de tal forma que resultan de difcil
acceso. En el muestreo a estadios mltiples se subdivide la poblacin en varios niveles
ordenados que se extraen sucesivamente por medio de un procedimiento de embudo.
El muestreo se desarrolla en varias fases o extracciones sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un
pas determinado, stos pueden subdividirse en unidades primarias representadas por
circunscripciones didcticas y unidades secundarias que seran los propios profesores.
En primer lugar extraemos una muestra de las unidades primarias (para lo cual
debemos tener la lista completa de estas unidades) y en segundo lugar extraemos
aleatoriamente una muestra de unidades secundarias de cada una de las primarias
seleccionadas en la primera extraccin.
MUESTREO POR CONGLOMERADOS
Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que
se supone que contienen toda la variabilidad de la poblacin, es decir, la representan
fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de
estos grupos o conglomerados para la realizacin del estudio.
Dentro de los grupos seleccionados se ubicarn las unidades elementales, por ejemplo,
las personas a encuestar, y podra aplicrsele el instrumento de medicin a todas las
unidades, es decir, los miembros del grupo, o slo se le podra aplicar a algunos de
ellos, seleccionados al azar. Este mtodo tiene la ventaja de simplificar la recogida de
informacin muestral.
Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos
para integrar la muestra, el diseo se llama muestreo bietpico.
Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer
mtodo funciona mejor cuanto ms homognea es la poblacin respecto del estrato,
aunque ms diferentes son stos entre s. En el segundo, ocurre lo contrario. Los
conglomerados deben presentar toda la variabilidad, aunque deben ser muy parecidos
entre s.
Homogeneidad de las poblaciones o sus subgrupos
Homogneo significa, en el contexto de la estratificacin, que no hay mucha
variabilidad. Los estratos funcionan mejor cuanto ms homogneos son cada uno de
ellos respecto a la caracterstica a medir. Por ejemplo, si se estudia la estatura de una
poblacin, es bueno distinguir entre los estratos mujeres y hombres porque se espera
que, dentro de ellos, haya menos variabilidad, es decir, sean menos heterogneos.
Dicho de otro modo, no hay tantas diferencias entre unas estaturas y otras dentro del
estrato que en la poblacin total.
Por el contrario, la heterogeneidad hace intil la divisin en estratos. Si se dan las
mismas diferencias dentro del estrato que en toda la poblacin, no hay por qu usar
este mtodo de muestreo. En los casos en los que existan grupos que contengan toda
la variabilidad de la poblacin, lo que se construyen son conglomerados, que ahorran
algo del trabajo que supondra analizar toda la poblacin. En resumen, los estratos y los
conglomerados funcionan bajo principios opuestos: los primeros son mejores cuanto
ms homogneo es el grupo respecto a la caracterstica a estudiar y los
conglomerados, si representan fielmente a la poblacin, esto es, contienen toda su
variabilidad, o sea, son heterogneos.
Muestreo no probabilstico
Es aqul para el que no se puede calcular la probabilidad de extraccin de una
determinada muestra. Por tal motivo, se busca seleccionar a individuos que tienen un
conocimiento profundo del tema bajo estudio y se considera que la informacin
aportada por esas personas es vital para la toma de decisiones.
Muestreo por cuotas
Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin.
En primer lugar es necesario dividir la poblacin de referencia en varios estratos
definidos por algunas variables de distribucin conocida (como el gnero o la edad).
Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte
proporcional de poblacin que representan. Finalmente se multiplica cada peso por el
tamao de n de la muestra para determinar la cuota precisa en cada estrato. Se
diferencia del muestreo estratificado en que una vez determinada la cuota, el
investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato.
FRECUENCIAS
La distribucin de frecuencias o tabla de frecuencias es una ordenacin en forma de
tabla de los datos estadsticos, asignando a cada dato su frecuencia correspondiente.
FRECUENCIA ABSOLUTA
Es el promedio de una suma predeterminada y adems consiste en saber cul es el
nmero o smbolo de mayor equivalencia. (ni) de una variable estadstica Xi, es el
nmero de veces que este valor aparece en el estudio. A mayor tamao de la muestra
aumentar el tamao de la frecuencia absoluta; es decir, la suma total de todas las
frecuencias absolutas debe dar el total de la muestra estudiada (N).
FRECUENCIA RELATIVA (FI)
Es el cociente entre la frecuencia absoluta y el tamao de la muestra (N). Es decir,
f i= =
N
Siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en una
distribucin de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto por
ciento (pi)
FRECUENCIA ABSOLUTA ACUMULADA (Ni)
EJEMPLO DE FRECUENCIA
Supongamos que las calificaciones de un alumno de secundaria fueran las siguientes:
18, 13, 12, 14, 11, 08, 12, 15, 05, 20, 18, 14, 15, 11, 10, 10, 11, 13. Entonces:
La frecuencia absoluta de 11 es 3, pues 11 aparece 3 veces.
La frecuencia relativa de 11 es 0.17, porque corresponde a la divisin 3/18 ( 3 de las
veces que aparece de las 18 notas que aparecen en total).
DISTRIBUCIN DE FRECUENCIAS
La distribucin de frecuencias es una tabla que divide un conjunto de datos en un
numero de clases (categoras) apropiadas, mostrando tambin el nmero de elementos
en cada clase. La tabla sacrifica parte de la informacin contenida en los datos; En
lugar de conocer el valor exacto de cada elemento. Solo sabemos que pertenece a una
clase determinada. Por otra parte, ese tipo de agrupamiento hace resaltar
caractersticas importantes en los datos, y en lo que se gana en legibilidad, compensa
con creces la perdida de informacin. A continuacin consideraremos principalmente las
distribuciones numricas, es decir, distribuciones de frecuencias donde los datos se
hallan agrupados por su tamao: si se hallan agrupados de acuerdo con alguna
cualidad o atributo denominaremos distribucin categrica a esa distribucin.
La primera etapa la construccin de una distribucin de frecuencias consiste en decir en
cuantas clases utilizar y elegir los lmites de cada clase, es decir, de donde a donde
abarca cada una. En general, el nmero de clases que usemos depende del nmero de
observaciones, pero tiene muy poca utilidad utilizar menos de 5 o ms de 15. Depende
de s mismo del rango de los datos, es decir, la diferencia entre la observacin ms
grande y la ms pequea.
Para ejemplificar la construccin de una distribucin de distribucin de frecuencia,
consideramos la siguientes mediciones de la emisin diaria (en toneladas) de xido de
azufre de una planta industrial.
10.5 1526.4 17.3 11.2 23.9 24.8 18.7 13.9 9.0 13.2
22.7 9.8 6.2 14.7 17.5 26.1 12.8 28.6 17.6 23.7
22.7 18.0 20.5 11.0 20.9 15.5 19.4 16.7 10.7
GRFICO
DE
BARRAS
Se usa cuando
se
pretende
resaltar
la
representacin de
porcentajes de
datos
que
componen
un
total. Una grfica
de
barras
contiene barras
verticales que
representan
valores
numricos,
generalmente
usando una hoja
de clculo. Las
grficas de barras
son una manera
de
representar
frecuencias; las frecuencias estn asociadas con categoras. Una grfica de barras se
presenta de dos maneras: horizontal o vertical. El objetivo es poner una barra de largo
(alto si es horizontal) igual a la frecuencia. La grfica de barras sirve para comparar y
tener una representacin grfica de la diferencia de frecuencias o de intensidad de la
caracterstica numrica de inters. Ver archivo Adjunto
HISTOGRAMA
Se emplea para ilustrar muestras agrupadas en intervalos. Est formado por
rectngulos unidos a otros, cuyos vrtices de la base coinciden con los lmites de los
intervalos y el
centro
de
cada
intervalo es la
marca de clase que
representamos
en el eje de las
abscisas.
La
altura
de
cada
rectngulo
es
proporcional a la
frecuencia del
intervalo respectivo.
GRFICO CIRCULAR
Permite ver la distribucin interna de los datos que representan un hecho, en forma de
porcentajes sobre un total. Se suele separar el sector correspondiente al mayor o
menor valor, segn lo que se desee destacar.
PICTOGRAMA
Con imgenes que
representar
el
distribucin de los
sirven
para
comportamiento o la
datos cuantitativos
BIBLIOGRAFA:
PAGINAS CONSULTADAS
http://es.wikipedia.org/wiki/Muestreo_%28estad%C3%ADstica%29
http://html.rincondelvago.com/estadistica_51.html
http://www.monografias.com/trabajos73/estadistica-descriptiva/estadisticadescriptiva3.shtml
MEDIDAS
CENTRAL
DE
TENDENCIA
DEFINICIONES:
Las medidas de
tendencia central son
valores que se
ubican al centro de
un conjunto de
datos
ordenados
segn
su
magnitud.
Generalmente
se utilizan 4 de estos
valores tambin conocidos como estadigrafos, la media aritmtica, la mediana, la moda
y al rango medio.
La media aritmtica es la medida de posicin utilizada con ms frecuencia. Si se tienen
n valores de observaciones, la media aritmtica es la suma de todos y cada uno de los
valores dividida entre el total de valores: Lo que indica que puede ser afectada por los
valores extremos, por lo que puede dar una imagen distorsionada de la informacin de
los datos.
La Mediana, es el valor que ocupa la posicin central en un conjunto de datos, que
deben estar ordenados, de esta manera la mitad de las observaciones es menor que la
mediana y la otra mitad es mayor que la mediana, resulta muy apropiada cuando se
poseen observaciones extremas.
La Moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No
depende de valores extremos, pero es ms variables que la media y la mediana.
Rango Medio es la media de las observaciones menor y mayor. Como intervienen
solamente estas observaciones, si hay valores extremos, se distorsiona como medida
de posicin, pero ofrece un valor adecuado, rpido y sencillo para resumir al conjunto
de datos.
MEDIA ARITMTICA
La medida de tendencia central ms ampliamente usada es la media aritmtica,
usualmente abreviada como la media y denotada por (lase como "X barra").
EJEMPLO:
Se tienen las edades de cinco estudiantes universitarios de Ier ao, a saber: 18,23,
27,34 y 25., para calcular la media aritmtica (promedio de las edades, se tiene que:
Por otro lado, si al promediar los datos estos tienen diferentes pesos, entonces estamos
ante un caso de media aritmtica ponderada, que puede definirse de la siguiente
manera
DEFINICIN:
Sea dado un conjunto de observaciones, tales como X1, X2; X3; ; Xn; y un conjunto
de valores p1, p2; p3; ; pn; asociado con cada observacin Xi respectivamente, que
reciben el nombre de factores de ponderacin, entonces la media ponderada se calcula
como:
MEDIANA
La mediana es una medida de posicin y se define como la posicin central en el
arreglo ordenado de la siguiente manera:
Dado un conjunto de nmeros agrupados en orden creciente de magnitud, la mediana
es el nmero colocado en el centro del arreglo, de tal forma que una mitad de las
observaciones est por encima y la otra por debajo de dicho valor. Si el nmero de
observaciones es par, la mediana es la media de los dos valores que se hallan en el
medio del arreglo, de donde se concluye en la siguiente definicin:
Mediana. Es el punto medio de los valores de una serie de datos despus de haber sido
ordenados de acuerdo a su magnitud. Hay tantos valores antes que la mediana como
posteriores en el arreglo de datos
DONDE:
L = lmite inferior de la clase mediana.
N = frecuencia total o fi.
fa = frecuencia absoluta acumulada hasta la clase premediana
fi = frecuencia absoluta de la clase mediana
C = amplitud de la clase mediana.
MODA
A veces es importante conocer cul es el valor que ms prevalece en el conjunto de
datos. El valor que ocurre con ms frecuencia se le conoce como moda. La moda es la
medida de tendencia central especialmente til para describir mediciones de tipo
ordinal, de intervalos y nominal.
En un conjunto de nmeros la moda se define como el valor nmero que ocurre con
ms frecuencia
Ejemplo:
En el siguiente conjunto de nmeros 1, 5, 5, 9, 12, 12, 12, 14. La moda es igual a 12,
por cuanto que es el nmero que ms se repite (tres veces)
Propiedades de la moda
La moda se puede determinar en todos los tipos de mediciones (nominal, ordinal,
de intervalos, y relativa).
La moda tiene la ventaja de no ser afectada por valores extremos.
Al igual que la mediana, puede ser calculada en distribuciones con intervalos
abiertos.
Desventajas de la moda
En muchas series de datos no hay moda porque ningn valor aparece ms de
una vez.
En algunas series de datos hay ms de una moda, en este caso uno podra
preguntarse cual es el valor representativo de la serie de datos?
MEDIA GEOMTRICA
Es la raz de ndice de la frecuencia total cuyo radicando es el producto de las potencias
de cada valor de la variable elevado a sus respectivas frecuencias absolutas, se denota
por g; suele utilizarse cuando los valores de la variable siguen una progresin
geomtrica. Tambin para promediar porcentajes, tasas, n ndices, etc. siempre que
nos vengan dados en porcentajes y se calcula mediante la siguiente frmula como la
que se muestra a bajo:
g = n(X1 * X2 * * Xn
Frmula que algunas veces es conveniente expresarla en forma logartmica. El
logaritmo de la media geomtrica es la media aritmtica de los logaritmos de los valores
de la variable. El problema se presenta cuando algn valor es 0 negativo y exponente
de la raz par ya que no exista raz par de un nmero negativo, entonces la frmula
anterior se presenta de la siguiente manera:
MEDIA ARMNICA
Media Armnica, la representaremos como a, es la inversa de la media aritmtica de
las inversas de los valores de la variable, responde a la siguiente definicin:
Si se tiene un conjunto de observaciones tales como: X1, X2, . Xn; la media
armnica, denotada por a, se define como el reciproco de la suma de los valores
inversos de la variable estadstica divididos entre el nmero total de datos y se calcula
con la siguiente frmula
EJEMPLO:
Un automvil que hace viajes de ida y vuelta entre las ciudades A y B, realiza el viaje
entre A y B a razn de 80 Km por hora y el viaje entre B y A a 120 Km por hora, La
velocidad promedio del viaje de ida y vuelta ser de
a = (1/80 + 1/120)/2 = [(120+80)9600]/2 = 19200/200 = 96 km/h
Propiedades de la media armnica
BIBLIOGRAFA:
PAGINAS CONSULTADAS
http://www.monografias.com/trabajos43/medidas-tendencia-central/medidas-tendenciacentral2.shtml#ixzz3EBv8qyXx
https://sites.google.com/site/estadisticadm/b-organizacion-y-presentacon-de-datos/b-3medidas-de-tendencia-central
http://fcps.uaq.mx/descargas/prope2014/estadistica/3/tendencia_central_14.pdf
MEDIDAS DE DISPERSIN.
Medidas de dispersin, tambin llamadas medidas de variabilidad, muestran la
variabilidad de una distribucin, indicando por medio de un nmero, si las diferentes
puntuaciones de una variable estn muy alejadas de la media. Cuanto mayor sea ese
valor, mayor ser la variabilidad, cuanto menor sea, ms homognea ser a la media.
As se sabe si todos los casos son parecidos o varan mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media, se calcula
la media de las desviaciones de las puntuaciones respecto a la media aritmtica. Pero
la suma de las desviaciones es siempre cero, as que se adoptan dos clases de
estrategias para salvar este problema. Una es tomando las desviaciones en valor
absoluto (desviacin media) y otra es tomando las desviaciones al cuadrado (varianza).
RANGO ESTADSTICO
Recorrido estadstico al intervalo entre el valor mximo y el valor mnimo; por ello,
comparte unidades c
En estadstica descriptiva se denomina rango estadstico (R) on los datos. Permite
obtener una idea de la dispersin de los datos, cuanto mayor es el rango, ms
dispersos estn los datos de un conjunto.
Por ejemplo, para una serie de datos de carcter cuantitativo, como lo es la estatura
medida en centmetros, tendramos:
donde la notacin x(i) indica que se trata del elemento i-simo de la serie de datos. De
este modo, el rango sera la diferencia entre el valor mximo (k) y el mnimo; o, lo que
es lo mismo:
Ejemplo Para la muestra (8, 7, 6, 9, 4, 5), el dato menor es 4 y el dato mayor es 9. Sus
valores se encuentran en un rango de:
EJEMPLO
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor valor Min= 3 y el dato de
mayor valor Max= 8. El medio rango resolvindolo mediante la correspondiente frmula
sera:
7.420 21.835
21.835 36.250
36.250 50.665
50.665 65.080
65.080 79.495
79.495 93.910
DESVIACIN TPICA
La varianza a veces no se interpreta claramente, ya que se mide en unidades
cuadrticas. Para evitar ese problema se define otra medida de dispersin, que es la
desviacin tpica, o desviacin estndar, que se halla como la raz cuadrada positiva de
la varianza. La desviacin tpica informa sobre la dispersin de los datos respecto al
valor de la media; cuanto mayor sea su valor, ms dispersos estarn los datos. Esta
medida viene representada en la mayora de los casos por S, dado que es su inicial de
su nominacin en ingls.
Desviacin tpica muestral
-->x = [17 14 2 5 8 7 6 8 5 4 3 15 9]
x = 17. 14. 2. 5. 8. 7. 6. 8. 5. 4. 3. 15. 9.
-->stdev(x)
ans = 4.716311
-->
Primero hemos declarado un vector con nombre X, donde introduzco los nmeros de la
serie. Luego con el comando stdev se hallar la desviacin tpica.
DESVIACIN MEDIA
Estadstica la desviacin absoluta promedio o, sencillamente desviacin media o
promedio de un conjunto de datos es la media de las desviaciones absolutas y es un
resumen de la dispersin estadstica. Se expresa, de acuerdo a esta frmula:
El valor:
ocurre cuando los datos son exactamente iguales e iguales a la media aritmtica. Por
otro lado:
VARIANZA
La varianza es una medida estadstica que mide la dispersin de los valores respecto a
un valor central (media), es decir, es el cuadrado de las desviaciones:
PROPIEDADES
Propiedad distributiva:
cov
REFERENCIAS.
http://es.wikipedia.org/w/index.php?title=Desviacin_media&oldid=75959388
Categora:
http://es.wikipedia.org/w/index.php?title=Desviacin_media&oldid=75959388
Categora:
Wikipedia:Artculos que necesitan referencias
http://www.monografias.com/trabajos43/medidas-dispersion/medidasdispersion.shtml#ixzz3FVJDlxLe
http://www.monografias.com/trabajos43/medidas-dispersion/medidasdispersion.shtml#ixzz3FVJDlxLe
MEDIDAS DE FORMA
SESGO
En estadstica se llama sesgo de un estimador a la diferencia entre su esperanza
matemtica y el valor numrico del parmetro que estima. Un estimador cuyo sesgo es
nulo se llama insesgado o centrado.
En notacin matemtica, dada una muestra
del parmetro muestral , el sesgo es:
y un estimador
Tirador insesgado
Tirador sesgado
Podemos fijarnos que en la diana del tirador insesgado, el centro de masas de los
disparos coincide con el centro de la diana (que representa el verdadero valor del
parmetro). Como ya vimos anteriormente, el concepto de centro de masas est
relacionado con la esperanza de una variable aleatoria y, precisamente as, obtenemos
la definicin formal de estimador insesgado: un estimador T de un parmetro diremos
que es centrado o insesgado si su esperanza es precisamente .
Por tanto
APUNTAMIENTO
CURTOSIS O APUNTAMIENTO
La curtosis mide el grado de agudeza o achatamiento de una distribucin con relacin a
la distribucin normal, es decir, mide cun puntiaguda es una distribucin.
TIPOS DE CURTOSIS
La curtosis determina el grado de concentracin que presentan los valores en la regin
central de la distribucin. As puede ser:
Leptocrtica.- Existe una gran concentracin.
Mesocrtica.- Existe una concentracin normal.
Platicrtica.- Existe una baja concentracin.
MEDIDAS DE CURTOSIS
Medida de Fisher
Para datos sin agrupar se emplea la siguiente frmula:
Para datos agrupados en tablas de frecuencias se emplea la siguiente frmula:
Para datos agrupados en intervalos se emplea la siguiente frmula:
MOMENTOS
Los momentos potenciales o muestrales son valores que caracterizan a una muestra
aleatoria. Los momentos muestrales aproximan a los momentos de la distribucin, estos
ltimos tienen la propiedad de que dos distribuciones de probabilidad son iguales si
tienen todos sus momentos iguales.
Los momentos de una muestra forman una sucesin de nmeros, para cada nmero
natural r se define puede definir el momento r-ensimo.
MOMENTOS RESPECTO AL ORIGEN
Los momentos muestrales estndar o centrados respecto al origen se calculan de la
siguiente manera. Dada una muestra aleatoria de tamao N el momento muestral rsimo se calcula mediante:
Donde:
son los diferentes valores que aparecen en la muestra.
es el nmero de veces que se presenta el valor en la muestra.
es el nmero total de elementos de la muestra.
De modo que se cumple que el momento de orden 0 con respecto al origen vale 1 y el
momento de orden 1 con respecto al origen es la media aritmtica:
BIBLIOGRAFA
http://cetis112samsprobabilidadunidad2.blogspot.mx/2011/09/medidas-de-formasesgo.html
http://cetis112samsprobabilidadunidad2.blogspot.mx/2011/09/apuntamiento.html
http://cetis112samsprobabilidadunidad2.blogspot.mx/2011/09/momentos.html