Professional Documents
Culture Documents
Mediana
Moda
MEDIDAS DE POSICIN
Mnimo y Mximo
Percentiles
Deciles
Quintiles
Cuartiles
MEDIDAS DE DISPERSIN
Rango
Rango intercuartil, desviacin cuartlica
Desviacin Media
Desviacin Estndar Varianza
Coeficiente de Pearson
Coeficiente de Bowley
Sesgo
MEDIDAS DE CONCENTRACIN
( Apuntamiento )
MOMENTOS DE UNA DISTRIBUCIN
EFECTO
DE
TRANSFORMACIONES
LINEALES, SOBRE ALGUNAS MEDIDAS
DE
TENDENCIA
CENTRAL
Y
VARIABILIDAD
ANLISIS GRAFICO
Si se aprecian patrones especiales, se sugieren
posibles estrategias de anlisis y no solo el
resumen escueto de resultados.
Se pueden intuir relaciones especiales entre
variables que ameriten una exploracin mas
profunda.
Permite apreciar si los datos cumplen con los
requerimientos tericos de anlisis y si no, las
medidas remediales.
MEDIA ARITMETICA
X = ( X1 + X2 + ... Xn) / n
X = Xi / n
CARACTERSTICAS
1. Desviacin : Xi X
desviaciones : ( Xi X) = 0
*
*
*
*
*
*
*
*
*
Promedio
*
*
*
*
X=7
3, 5, 7, 9, 11, 25
X = 10
(X-2)2
(X-20)2
(X-8)2
(X-9.2)2
2
4
8
12
20
0
4
36
100
324
324
256
144
64
0
36
16
0
16
144
51.84
27.04
1.44
7.84
116.64
46
464
788
212
204.8
Prom
9.2
LA MEDIANA
Es un valor real o potencial por debajo del cual se
encuentra el 50% de los datos.
Si n, el nmero de datos es par
mediana
p=n/2
q = (n/2)+1
(Xp + Xq) / 2
Ejemplo:
4, 6, 8, 10
n=4
p=2
q=3
Mediana
: (X2 + X3) / 2 = (6 + 8) / 2 = 7
mediana
: X2 = 6
CARACTERSTICAS
Insensible a extremos.
No se obtiene con todos los datos
No es nica (valor potencial).
LA MODA.
Es el valor mas frecuente.
inspeccin.
Se obtiene por
Moda = 3
Ejemplo 2: 2, 3, 3, 4, 6, 6
Moda = 3, 6
Ejemplo 3: 2, 3, 4, 5, 6, 7
Moda = no hay
CARACTERSTICAS
Madia aritmtica
Mediana
Moda
Cada valor
Valor central
La mas afectada
No (afectada
solamente por
elementos)
No
Manipulacin
algebraica
Si: X = Xi / n
No (promedio
posicional, valor
interpolado en
muchos casos)
No (promedio
concentrado, cuatro
mtodos para datos
agrupados)
propiedades
matemticas
(Xi X) = 0
(Xi X)2 es mnimo
Indeterminada
Determinada
Indeterminada
Tipo de datos
preferidos
Mayora de tipos
Valor central es
tpico, excluyendo
extremos.
Comparacin de
respuestas para los
mismos datos.
Mayor que G y H
Entre X y Mo
MEDIDAS DE POSICIN
Son medidas que indican la posicin relativa de
una calificacin.
Se parte ordenando los datos en forma
ascendente y se calcula la frecuencia acumulada,
en trminos absolutos y relativos.
El ordenamiento permite ver los extremos:
Mnimo y Mximo
600
500
F
a
m
i
l
i
a
s
400
200
100
100
200
300
400
500
600
Ingresos
700
800
900
1000
RANGO
Distancia escalar entre la mayor y la menor de
las calificaciones
CARACTERSTICAS
Inestable por su sensibilidad a extremos
RANGO INTERCUARTIL
DESVIACIN CUARTILICA
No se han
superiores
hecho
desarrollos
analticos
DESVIACIN MEDIA
Desviacin con respecto a la media : Xi media
DM = ( |desviaciones con respecto a la media| ) / N
CARACTERSTICAS
Representa una medida muy prctica, pero
debido al manejo incmodo del valor absoluto
no se utiliza.
Por lo menos
1 1/K2
X
P ( - K X + K) 1 K-2
La Distribucin
Normal
= Desviacin Estndar
Promedio
-3 -2 -1
+1 +2 +3
68.26%
95.44%
99.74%
DISPERSIN RELATIVA
Si dos conjuntos de valores estn siendo
comparados, los valores de su dispersin son
claros, solo cuando sus promedios son similares y
las unidades de medidas son iguales.
An cuando las unidades de medida fueran las
mismas, la diferencia en los promedios dificulta
la comparacin por lo tanto, una medida de
dispersin debe estandarizarse. Esto da lugar al
coeficiente de variacin.
CV = S / X
Medidas de Asimetra
Si al tomar la medida de tendencia central como
eje de referencia, la distribucin de los datos a
izquierda y a derecha es igual, se trata de una
distribucin simtrica.
De lo contrario, se dice que hay sesgo.
Distribucin simtrica:
_
X = Md = Md
Sesgo
Y
Area de asimetria
Mo Md X
Moda
Mediana
Media
Area de
asimetra
X Md Mo
Media
Mediana
Moda
Distribucin Simtrica
Y
Media
Mediana
Moda
X = Md = Mo
_
Skewness =
n
Xi X
(n-1)(n-2)
S
Valor positivo
: Sesgo hacia la derecha
Valor negativo
: Sesgo hacia la izquierda
Valor igual a cero : Distribucin normal
Apuntamiento o Kurtosis
Es el cuarto recurso para identificar una distribucin y
muestra el grado de concentracin de los datos.
Y
Leptocrticas
Alta
concentracin en
valores altos
Kurtosis > 0
Mesocrtica
Normal
Concentracin
en un intervalo
mayor
Kurtosis = 0
Platicrticas
Muy disperso
Kurtosis < 0
_
Kurtosis =
n (n+1)
Xi X
(n-1)(n-2)(n-3)
S
3(n-1)2
(n-2)(n-3)
Valor positivo
Valor negativo
: Disperso
: Desviacin estndar
: Tamao de la muestra
b-a
: Medida de precisin
1-
: Medida de confiabilidad
: Media muestral
Ejemplo.
_
X = 200
S2 = 1225
n = 49
FIGURA 5
PRIMER MOMENTO (MEDIA)
1
1 2 2
Skewness = 0
Kurtosis = 0
1 1 2
FIGURA 6
SEGUNDO MOMENTO (AMPLITUD)
Skewness = 0
Kurtosis = 0
1 2
Skewness > 0
Kurtosis = 0
1 2
FIGURA 7.2
TERCER MOMENTO (SESGO)
1 2
Skewness < 0
Kurtosis = 0
1 2 1
Fuente: Mun J. (2006)
FIGURA 8
CUARTO MOMENTO (CURTOSIS)
1 2
Skewness = 0
Kurtosis > 0
1 2
Max
Max
X
X
2. Incremento en el rendimiento y cambio en la varianza
O
variabilidad (d).
3) bajo condiciones favorables, existe
mayor probabilidad de que los
Max
X
X
3. Cambio en la asimetra de la distribucin; de positivo a negativo
Transformacin de datos
Transformacin de datos
Transformacin de datos
Distribucin de frecuencias:
agrupamiento de datos en categoras
que muestran el nmero de observacines
en cada categora mutumente
excluyente.
SQR(n)
LSi = LIi + C
7. Lmites reales.
LRI = (LIi + LSi-1) / 2
LRS = (LSi + Lii+1) / 2
(1ra. Clase)
8. Marca de clase.
Xi = (LIi + LSi) / 2
Tabla de Frecuencias: Los datos cuantitativos
se organizan en tablas, llamadas Tablas de
Distribucin de frecuencias.
porcentual.
Lmites de
Clase
LI
LS
Lmites
reales
LRI
LRS
Marca
de clase
Xi
Frec.
Absolutas
Fec.
Relativas
fi
hi
Fi
Hi
fiXi
Xi2
fiXi2
Ejemplo.
Para evaluar el efecto de un suplemento alimenticio para
ganado bovino, se registraron los datos de peso vivo en un
lote de 100 vacunos, seleccionados por edad, peso, tamao
y raza. Los datos son (pesos en kg.):
110
137
147
158
166
170
176
186
193
203
115
140
150
158
167
171
177
186
193
204
117
140
152
159
168
172
179
188
193
206
122
142
153
161
168
172
179
188
196
206
126
143
153
161
168
173
180
188
196
207
128
143
153
162
168
173
182
189
197
210
128
143
153
163
169
173
185
189
199
214
133
144
154
164
169
174
185
190
201
215
135
146
155
165
169
175
186
191
201
218
137
146
157
166
169
175
186
192
201
220
Lmites
Marca de
reales
Clase
LRI
LRS
Xi
109.5 123.5
116.5
123.5 137.5
130.5
137.5 151.5
144.5
151.5 165.5
158.5
165.5 179.5
172.5
179.5 193.5
186.5
193.5 207.5
200.5
207.5 221.5
214.5
Abs.
fi
4
7
11
17
25
19
12
5
100
Frecuencias
Abs. Acum. Relat. R. Acum.
Fi
hi
Hi
4
0.04
0.04
11
0.07
0.11
22
0.11
0.22
39
0.17
0.39
64
0.25
0.64
83
0.19
0.83
95
0.12
0.95
100
0.05
1.00
fiXi
466.0
913.5
1589.5
2694.5
4312.5
3543.5
2406.0
1072.5
16998.0
Xi2
13572.3
17030.3
20880.3
25122.3
29756.3
34782.3
40200.3
46010.3
fiXi2
54289.0
119211.8
229682.8
427078.3
743906.3
660862.8
482403.0
230051.3
2947485.0
100
90
80
No. Vacas
70
60
50
40
30
20
10
0
116.5
130.5
144.5
158.5
172.5
186.5
169
188
200.5
214.5
mediana
mn
Q1
12
14
Q3
16
18
20
22
mx
24
26
28
30
32
Media.
_
X = fiXi =
n
fi
Xi
n
fiXi
fi
La mediana.
Md = Lmd + n/2 - Fmd
fmd
Lmd
fmd
: Amplitud de clase
La moda
Mo = Lmo +
Da
Db + Da
Lmo
Da
Db
: Amplitud de clase
La varianza.
_
S2 = fiXi2 - nX2
n-1
Desviacin Estndar
S = S2
n 1
CF
(i )
Percentiles
P
Lp = ( n + 1)
100