Estadistica Aplicada

N. GUARN S.
nguarins@epm.net.co
7/30
ESTADSTICA APLICADA Tabla de Contenido
Tabla de Contenido
. Introduccin 1. La Estadstica 1.1 Importancia 1.2 Definicin 1.3 Divisin . 2. Etapas del Mtodo Estadstico 2.1 Planteamiento del problema 2.2 Fijacin de los objetivos 2.3 Formulacin de las hiptesis 2.4 Definicin de la unidad de observacin y de la unidad de medida 2.5 Determinacin de la poblacin y de la muestra 2.6 La recoleccin 2.7 Crtica, clasificacin y ordenacin 2.8 La tabulacin 2.9 La presentacin 2.10 El anlisis 2.11 Publicacin Cuestionario . 3. Distribucin de Frecuencias 3.1 Distribucin de frecuencias simple Ejercicios 3.2 Distribucin de frecuencias por intervalo 3.3 Reglas empricas para la construccin de Intervalos Cuestionario y ejercicios propuestos . 4. Representacin Grfica 4.1 Definicin 4.2 Componentes de una grfica
7/30
http://tifon.unalmed.edu.co/~pagudel/tabla.html (1 de 4) [15/09/2002 7:40:53]
4.3 Principales tipos de grficos 4.3.1 Grfico de lneas 4.3.2 Grfico de lneas compuesto 4.3.3 Grfico de barras 4.3.4 Grfico de barras compuesto 4.3.5 Grfico de sectores circulares 4.3.6 Histograma de frecuencias 4.3.7 Polgono de frecuencias 4.3.8 Histograma de frecuencias acumuladas Cuestionario y ejercicios propuestos . 5. Medidas de Tendencia Central 5.1 Media aritmtica 5.1.1 Propiedades de la media aritmtica 5.1.2 Media aritmtica con cambio origen y de escala 5.1.3 Media aritmtica ponderada 5.2 Mediana 5.2.1 La mediana cuando los datos no estn agrupados en intervalos 5.2.2 La mediana cuando la informacin est agrupada en intervalos 5.3 La Moda 5.3.1 La moda cuando los datos no estn agrupados en intervalos 5.3.2 Clculo de la moda con la informacin agrupada en intervalos Cuestionario y ejercicios propuestos . 6. Medidas de Posicin (Percentiles) 6.1 Cuartiles 6.2 Quintiles 6.3 Deciles 6.4 Centiles 6.5 Resumen Cuestionario y ejercicios propuestos . 7. Medidas de Dispersin 7.1 Rango o recorrido 7.2 Desviacin media 7.3 Varianza 7.4 Coeficiente de variabilidad Cuestionario y ejercicios propuestos
7/30
.....
. 8. Regresin y Correlacin Lineal 8.1 Tablas de doble entrada 8.2 Correlacin 8.3 Regresin lineal 8.3.1 Ajuste rectilneo (mtodo de los mnimos cuadrados) 8.3.2 Ajuste parablica (mtodo de los mnimos cuadrados) Cuestionario y ejercicios propuestos . 9. Tasas e ndices 9.1 Tasa 9.2 ndice 9.2.1 ndice simple 9.2.1.1 ndice de base fija 9.2.1.2 ndice de base mvil 9.2.2 ndices compuestos (globales) 9.2.2.1 ndice de Laspeyres 9.2.2.2 ndice de Passche 9.2.2.3 ndice ideal de Fisher Cuestionario y ejercios propuestos . 10.Nociones de Probabilidad (Eventos) 10.1 Nociones de conteo 10.1.1 Principio fundamental 1 10.1.2 Principio fundamental 2 10.1.3 Permutaciones 10.1.4 Variaciones 10.1.5 Combinaciones 10.1.6 Permutaciones con repeticin 10.1.7 Variaciones con repeticin Ejercicios propuestos 10.2 Definicin de probabilidad 10.2.1 Probabilidad a priori 10.2.2 Probabilidad a posteriori 10.2.3 Probabilidad subjetiva 10.3 Axiomas de la teora de probabilidades 10.4 Probabilidad condicional e independencia estadstica Cuestionario y ejercicios propuestos
7/30
http://tifon.unalmed.edu.co/~pagudel/tabla.html (3 de 4) [15/09/2002 7:40:53]
10.5 Variable aleatoria 10.6 Funcin de probabilidad 10.6.1 Funcin de probabilidad 10.6.2 Funcin de distribucin Cuestionario y ejercicios propuestos 10.7 Valor esperado (esperanza matemtica) 10.7.1 Media aritmtica poblacional 10.7.2 Varianza poblacional Cuestionario y ejercicios propuestos . 11.Distribuciones Especiales 11.1 11.2 11.3 11.4 11.5 Distribucin de Bernoulli Distribucin binomial, tablas binomiales Distribucin de Poisson, tablas de Poisson Distribucin normal Distribucin normal estndar, tablas normales Cuestionario y ejercicios propuestos 11.6 El tamao de la muestra . Apndice No. 1 Apndice No. 2 Apndice No. 3 Solucin a Algunos Ejercicios Propuestos Enlaces Bibliografa . ..... ... ...
7/30
ESTADSTICA APLICADA Introduccin
Introduccin
Las acciones que acometemos hoy se basan en un plan de ayer y las expectativas del maana. La palabra estadstica se origina, en las tcnicas de recoleccin, organizacin, conservacin, y tratamiento de los datos propios de un estado, con que los antiguos gobernantes controlaban sus sbditos y dominios econmicos. Estas tcnicas evolucionaron a la par con el desarrollo de las matemticas, utilizando sus herramientas en el proceso del anlisis e interpretacin de la informacin. Para mediados del siglo XVII en Europa, los juegos de azar eran frecuentes, aunque sin mayores restricciones legales. El febril jugador De Mr consult al famoso matemtico y filosofo Blaise Pascal (1623-1662) para que le revelara las leyes que controlan el juego de los dados, el cual, interesado en el tema, sostuvo una correspondencia epistolar con el tmido Pierre de Fermat (1601-1665, funcionario pblico apasionado por las matemticas; clebre porque no publicaba sus hallazgos) dando origen a la teora de la probabilidad, la cual se ha venido desarrollando y constituyndose en la base primordial de la estadstica. En nuestros das, son de uso cotidiano las diferentes tcnicas estadsticas que partiendo de observaciones muestrales o histricas, crean modelos lgico-matemticos que se "aventuran" describir o pronosticar un determinado fenmeno con cierto grado de certidumbre medible. El presente texto no pretende teorizar el saber estadstico, desde luego, no es un libro para . . . estadsticos, ya que, adrede se obvia el rigor cientfico de lo expuesto en beneficio de la . . sencillez necesaria para el nefito; con un lenguaje coloquial se conduce al lector a travs del contenido, a partir de dos o tres ejemplos que ilustran la aplicabilidad de los temas tratados. El avance tecnolgico en la informtica ha contribuido enormemente al desarrollo de la estadstica, sobre todo en la manipulacin de la informacin, pues en el mercado existen paquetes estadsticos de excelente calidad, como el SAS, SPSS, SCA, STATGRAPHICS, amn de otros, que "corren" en un ordenador sin mayores exigencias tcnicas, permitiendo el manejo de grandes volmenes de informacin y de variables. La estadstica, entonces, dej de ser una tcnica exclusiva de los estados, para convertirse en una herramienta imprescindible de todas las ciencias, de donde proviene la desconcertante des-uniformidad en las definiciones de los diferentes autores, ya que cada estudioso la define de acuerdo con lo que utiliza de ella y tenemos definiciones como que: la estadstica es la tecnologa del mtodo cientfico, o que es el conocimiento relacionado 7/30
.....
ESTADSTICA APLICADA Introduccin
con la toma de decisiones en condiciones de incertidumbre, o que la estadstica son mtodos para obtener conclusiones a partir de los resultados de los experimentos o procesos, o que es un mtodo para describir o medir las propiedades de una poblacin. En fin, no se trata de discutir si la estadstica es una ciencia, una tcnica o una herramienta, sino de la utilizacin de sus mtodos en provecho de la evolucin del conocimiento. La estadstica hace inferencias sobre una poblacin, partiendo de una muestra representativa de ella. Es a partir del proceso del diseo y toma de la muestra desde donde comienzan a definirse las bondades y confiabilidad de nuestras aseveraciones, hechas, preferentemente, con un mnimo costo y mnimo error posible.
...
...
7/30
ESTADSTICA APLICADA 1. La Estadstica
1. La Estadstica
" El poder se nutre de la informacin y el conocimiento". 1.1 IMPORTANCIA En las ltimas dcadas la estadstica ha alcanzado un alto grado de desarrollo, hasta el punto de incursionar en la totalidad de las ciencias; inclusive, en la lingstica se aplican tcnicas estadsticas para esclarecer la paternidad de un escrito o los caracteres ms relevantes de un idioma. La estadstica es una ciencia auxiliar para todas las ramas del saber; su utilidad se entiende mejor si tenemos en cuenta que los quehaceres y decisiones diarias embargan cierto grado de incertidumbre... y la Estadstica ayuda en la incertidumbre, trabaja con ella y nos orienta para tomar las decisiones con un determinado grado de confianza. Los crticos de la estadstica afirman que a travs de ella es posible probar cualquier cosa, lo cual es un concepto profano que se deriva de la ignorancia en este campo y de lo polifactico de los mtodos estadsticos. Sin embargo muchos "investigadores" tendenciosos han cometido abusos con la estadstica, elaborando "investigaciones" de intencin, teniendo previamente los resultados que les interesan mostrar a personas ingenuas y desconocedoras de los hechos. Otros, por ignorancia o negligencia, abusan de la estadstica utilizando modelos inapropiados o razonamientos ilgicos y errneos que conducen al rotundo fracaso de sus investigaciones. Lincoln L. Chao* hace referencia a uno de los ms estruendosos fracasos, debido a los abusos en la toma de una muestra: Se trata del error cometido por la Literary Digest que, en sus pronsticos para las elecciones presidenciales en EE.UU. para 1936, afirm que Franklin D. Roosvelt obtendra 161 votos electorales y Alfred Landon, 370. La realidad mostr a Roosvelt con 523 votos y a Landon con 8 solamente. ..... .. El error se debi a que la muestra fue tomada telefnicamente a partir de la lista de .. suscriptores de la Digest y, en 1936, las personas que se daban el lujo de tener telfonos y . suscripciones a revistas no configuraban una muestra representativa de los votantes de EE.UU. y, por ende, no poda hacerse un pronstico confiable con tan sesgada informacin. 1.2 DEFINICIN
7/30
http://tifon.unalmed.edu.co/~pagudel/1estadistica.html (1 de 2) [15/09/2002 7:41:00]
ESTADSTICA APLICADA 1. La Estadstica
Definir la estadstica es una tarea difcil porque tendramos que definir cada una de las tcnicas que se emplean en los diferentes campos en los que interviene. Sin embargo, diremos, en forma general, que la estadstica es un conjunto de tcnicas que, partiendo de la observacin de fenmenos, permiten al investigador obtener conclusiones tiles sobre ellos. 1.3 DIVISIN La estadstica se divide en dos grandes ramas de estudio que son: La estadstica descriptiva, la cual se encarga de la recoleccin, clasificacin y descripcin de datos muestrales o poblacionales, para su interpretacin y anlisis, que es de la que nos ocuparemos en este curso; y la estadstica matemtica o inferencial, que desarrolla modelos tericos que se ajusten a una determinada realidad con cierto grado de confianza. Estas dos ramas no son independientes; por el contrario, son complementarias y entre ambas dan la suficiente ilustracin sobre una posible realidad futura, con el fin de que quien tenga poder de decisin, tome las medidas necesarias para transformar ese futuro o para mantener las condiciones existentes.
______________________________ * LINCOLN, L. Chao. Estadstica para Ciencias Administrativas. Trad. Jess Mara Castao.
...
...
ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico
2. Etapas del Mtodo Estadstico

El mtodo estadstico, parte de la observacin de un fenmeno, y como no puede siempre mantener las mismas condiciones predeterminadas o a voluntad del investigador, deja que acten libremente, pero se registran las diferentes observaciones y se analizan sus variaciones. Para el planeamiento de una investigacin, por norma general, se siguen las siguientes etapas: 2.1 Planteamiento del problema. 2.2 Fijacin de los objetivos. 2.3 Formulacin de la hiptesis. 2.4 Definicin de la unidad de observacin y de la unidad de medida. 2.5 Determinacin de la poblacin y de la muestra. 2.6 La recoleccin. 2.7 Crtica, clasificacin y ordenacin. 2.8 Tabulacin. 2.9 Presentacin. 2.10 Anlisis. 2.11 Publicacin. 2.1 PLANTEAMIENTO DEL PROBLEMA Al abordar una investigacin se debe tener bien definido qu se va a investigar y por qu se pretende estudiar algo. Es decir, se debe establecer una delimitacin clara, concreta e inteligible sobre el o los fenmenos que se pretenden estudiar, para lo cual se deben tener en cuenta, entre otras cosas, la revisin bibliogrfica del tema, para ver su accesibilidad y consultar los resultados obtenidos por investigaciones similares, someter nuestras proposiciones bsicas a un anlisis lgico; es decir, se debe hacer una ubicacin histrica y terica del problema. 2.2 FIJACIN DE LOS OBJETIVOS Luego de tener claro lo que se pretende investigar, Debemos presupuestar hasta dnde queremos llegar; en otras palabras, debemos fijar cuales son nuestras metas y objetivos. Estos deben plantearse de tal forma que no haya lugar a confusiones o ambigedades y
7/30
http://tifon.unalmed.edu.co/~pagudel/2etapas.html (1 de 5) [15/09/2002 7:41:04]
debe, adems, establecerse diferenciacin entre lo de corto, mediano y largo plazo, as como entre los objetivos generales y los especficos. 2.3 FORMULACIN DE LAS HIPTESIS Una hiptesis es ante todo, una explicacin provisional de los hechos objeto de estudio, y su formulacin depende del conocimiento que el investigador posea sobre la poblacin investigada. Una hiptesis estadstica debe ser susceptible de docimar, esto es, debe poderse probar para su aceptacin o rechazo. Una hiptesis que se formula acerca de un parmetro (media, proporcin, varianza, etc.), con el propsito de rechazarla, se llama Hiptesis de Nulidad y se representa por Ho; a su hiptesis contraria se le llama Hiptesis Alternativa (H1). 2.4 DEFINICIN DE LA UNIDAD DE OBSERVACIN Y DE LA UNIDAD DE MEDIDA La Unidad de Observacin, entendida como cada uno de los elementos constituyentes de la poblacin estudiada, debe definirse previamente, resaltando todas sus caractersticas; pues, al fin de cuentas, es a ellas a las que se les har la medicin. La unidad de observacin puede estar constituida por uno o varios individuos u objetos y denominarse respectivamente simple o compleja. El criterio sobre la unidad de medicin debe ser previamente definido y unificado por todo el equipo de investigacin. Si se trata de medidas de longitud, volumen, peso, etc., debe establecerse bajo qu unidad se tomarn las observaciones ya sea en metros, pulgadas, libras, kilogramos, etc. Asociado a la unidad de medida, deben establecerse los criterios sobre las condiciones en las cuales se ha de efectuar la toma de la informacin. 2.5 DETERMINACIN DE LA POBLACIN Y DE LA MUESTRA Estadsticamente, la poblacin se define como un conjunto de individuos o de objetos que poseen una o varias caractersticas comunes. No se refiere esta definicin nicamente a los seres vivientes; una poblacin puede estar constituida por los habitantes de un pas o por los peces de un estanque, as como por los establecimientos comerciales de un barrio o las unidades de vivienda de una ciudad. Existen desde el punto de vista de su manejabilidad poblaciones finitas e infinitas. Aqu el trmino infinito no est siendo tomado con el rigor semntico de la palabra; por ejemplo, los peces dentro de un estanque son un conjunto finito; sin embargo, en trminos estadsticos, puede ser considerado como infinito. Muestra es un subconjunto de la poblacin a la cual se le efecta la medicin con el fin 7/30
de estudiar las propiedades del conjunto del cual es obtenida. En la prctica, estudiar todos y cada uno de los elementos que conforman la poblacin no es aconsejable, ya sea por la poca disponibilidad de recursos, por la homogeneidad de sus elementos, porque a veces es necesario destruir lo que se est midiendo, por ser demasiado grande el nmero de sus componentes o no se pueden controlar; por eso se recurre al anlisis de los elementos de una muestra con el fin de hacer inferencias respecto al total de la poblacin. Existen diversos mtodos para calcular el tamao de la muestra y tambin para tomar los elementos que la conforman, pero no es el objetivo de este curso estudiarlos. Diremos solamente que la muestra debe ser representativa de la poblacin y sus elementos escogidos al azar para asegurar la objetividad de la ... investigacin. .. 2.6 LA RECOLECCIN Una de las etapas ms importantes de la investigacin es la recoleccin de la informacin, la cual ha de partir, a menos que se tenga experiencia con muestras anlogas, de una o varias muestras piloto en las cuales se pondrn a prueba los cuestionarios y se obtendr una aproximacin de la variabilidad de la poblacin, con el fin de calcular el tamao exacto de la muestra que conduzca a una estimacin de los parmetros con la precisin establecida. El establecimiento de las fuentes y cauces de informacin, as como la cantidad y complejidad de las preguntas, de acuerdo con los objetivos de la investigacin son decisiones que se han de tomar teniendo en cuenta la disponibilidad de los recursos financieros, humanos y de tiempo y las limitaciones que se tengan en la zona geogrfica, el grado de desarrollo, la ausencia de tcnica, etc. Es, entonces, descubrir dnde est la informacin y cmo y a qu "costo" se puede conseguir; es determinar si la encuesta se debe aplicar por telfono, por correo, o si se necesitan agentes directos que recojan la informacin; establecer su nmero ptimo y preparar su entrenamiento adecuado. 2.7 CRITICA, CLASIFICACIN Y ORDENACIN Despus de haber reunido toda la informacin pertinente, se necesita la depuracin de los datos recogidos. Para hacer la crtica de una informacin, es fundamental el conocimiento de la poblacin por parte de quien depura para poder detectar falsedades en las respuestas, incomprensin a las preguntas, respuestas al margen, amn de todas las posibles causas de nulidad de una pregunta o nulidad de todo un cuestionario. Separado el material de "desecho" con la informacin depurada se procede a establecer las clasificaciones respectivas y con la ayuda de hojas de trabajo, en las que se establecen los cruces necesarios entre las preguntas, se ordenan las respuestas y se preparan los modelos de tabulacin de las diferentes variables que intervienen en la investigacin.
7/30
.....
El avance tecnolgico y la popularizacin de los computadores hacen que estas tareas, manualmente dispendiosas, puedan ser realizadas en corto tiempo. 2.8 LA TABULACIN Una tabla es un resumen de informacin respecto a una o ms variables, que ofrece claridad al lector sobre lo que se pretende describir; para su fcil interpretacin una tabla debe tener por lo menos: Un titulo adecuado el cual debe ser claro y conciso. La Tabla propiamente dicha con los correspondientes subttulos internos y la cuantificacin de los diferentes tems de las variables, y las notas de pie de cuadro que hagan claridad sobre situaciones especiales de la tabla, u otorguen los crditos a la fuente de la informacin. 2.9 LA PRESENTACIN Una informacin estadstica adquiere ms claridad cuando se presenta en la forma adecuada. Los cuadros, tablas y grficos facilitan el anlisis, pero se debe tener cuidado con las variables que se van a presentar y la forma de hacerlo. No es aconsejable saturar un informe con tablas y grficos redundantes que, antes que claridad, crean confusin. Adems la eleccin de determinada tabla o grfico para mostrar los resultados, debe hacerse no slo en funcin de las variables que relaciona, sino del lector a quien va dirigido el informe. 2.10 EL ANLISIS La tcnica estadstica ofrece mtodos y procedimientos objetivos que convierten las especulaciones de primera mano en aseveraciones cuya confiabilidad puede ser evaluada y ofrecer una premisa medible en la toma de una decisin. Es el anlisis donde se cristaliza la investigacin. Esta es la fase de la determinacin de los parmetros y estadsticos muestrales para las estimaciones e inferencias respecto a la poblacin, el ajuste de modelos y las pruebas de las hiptesis planteadas, con el fin de establecer y redactar las conclusiones definitivas. 2.11 PUBLICACIN Toda conclusin es digna de ser comunicada a un auditorio. Es ms, hay otros estudiosos del mismo problema a quienes se les puede aportar informacin, conocimientos y otros puntos de vista acerca de l.
CUESTIONARIO 1. Por qu se considera importante la estadstica?

7/30
2. Enuncie las ramas en las que se divide la estadstica y establezca su campo de accin. 3. Enumere las etapas del mtodo estadstico. 4. Por qu es importante la revisin bibliogrfica en el desarrollo de una investigacin estadstica?. 5. Qu es la hiptesis nula?. 6. Defina: Poblacin, Muestra, Censo y Muestreo. 7. Por qu usualmente se recurre al anlisis a travs de muestras y no de poblaciones?. 8. Para qu se utiliza un muestreo piloto?. 9. Con qu fin se critica una informacin? 10. Cules son los componentes de una tabla?
...
...
7/30
ESTADSTICA APLICADA 3 Distribucin de Frecuencias
3. Distribucin de Frecuencias
Despus de recoger toda la informacin correspondiente a la investigacin, es decir, al agotar todo el trabajo de campo, nuestro escritorio se llena de un cmulo de datos y cifras desordenadas los cuales, al ser tomados como observaciones individuales, dicen muy poco sobre la poblacin estudiada; es, entonces, tarea del investigador hacer hablar las cifras, comenzando por la clasificacin y ordenacin, consignando la informacin en tablas inteligibles que denominamos distribuciones de frecuencias. 3.1 DISTRIBUCIN DE FRECUENCIAS SIMPLE
Para una mayor sencillez, en la exposicin del tema, nos valemos del siguiente ejemplo: Supongamos que en la fbrica de confecciones La Hilacha, ha estallado un conflicto laboral y sus cincuenta operarias solicitan un aumento en el salario integral diario sopena de paralizar la fbrica. El Gerente-propietario recoge la informacin respecto a la variable salario diario de sus 50 operarias y la relaciona en la tabla No 1.
Tabla No.1
7/30
http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (1 de 10) [15/09/2002 7:41:19]
Tabla No. 2
Tabla No. 3
7/30
Tabla No. 4
Como se puede observar, hay una gran diferencia entre los datos brutos de la tabla No.1 y el ordenamiento y agrupamiento de la tabla No. 4.
7/30
Con el fin de obtener una mejor tabla interpretativa, introduciremos la siguiente simbologa:
n: El tamao de la muestra, es el nmero de observaciones. Xi: La variable; es cada uno de los diferentes valores que se han observado. La variable xi, toma los x1, x2... xm valores. fi: La frecuencia absoluta o simplemente frecuencia, es el nmero de veces que se repite la variable Xi; as f1, es el nmero de veces que se repite la observacin x1, f2 el nmero de veces que se repite la observacin x2 etc. fa: La frecuencia acumulada, se obtiene acumulando la frecuencia absoluta. fr: Frecuencia relativa; es el resultado de dividir c/u de las frecuencias absolutas por el tamao de la muestra.
fra: Frecuencia relativa acumulada; se obtiene dividiendo la frecuencia acumulada entre el tamao de la muestra.
Distribucin Terica de Frecuencias de n Observaciones
. . . .
. . . .
7/30
. .
Veamos el ejemplo que venimos trabajando: Tabla No. 5 Distribucin de Frecuencias del Salario Diario de 50 Obreras
7/30
En la prctica, cuando se tiene confianza en el ordenamiento, no son necesarias tantas tablas; se puede pasar de la tabla No1 directamente a la tabla No 6. Tabla No. 6 Salario Diario de 50 Operarias de La Fabrica de Confecciones La Hilacha(Miles de Pesos)
Analizando las columnas porcentuales fr y fra se obtienen, entre otras las siguientes conclusiones:
G
G G G
Slo el 4% de las obreras gana el mximo salario/da de la fabrica, el cual corresponde a $58.000.00 El salario diario mnimo ($50.000.00) lo gana nicamente una obrera, lo que constituye el 2% del personal asalariado. El 62% de las operarias tiene un salario diario entre $53.000.00 y $55.000.00 El 60% de las obreras tiene un salario/da de $54.000.00 o menos. El 64% tiene un ingreso/da de $54.000.00 o ms.
CUESTIONARIO Y EJERCICIOS PROPUESTOS

1. Qu es frecuencia absoluta? 2. Cmo se obtiene: 2.1 La frecuencia acumulada?
7/30
2.2 La frecuencia relativa? 2.3 La frecuencia relativa acumulada 3. En una distribucin de frecuencias se pueden establecer conclusiones porcentuales, utilizando solamente la frecuencia relativa? Por qu? 4. La siguiente tabla relaciona las ausencias al trabajo de 50 obreras, durante el mes de octubre, en la fabrica de confecciones "la hilacha".
4.1 Construir una distribucin de frecuencias simple. 4.2 Sacar 3 conclusiones. 5. Aos de experiencia de las 50 operarias de la fabrica de confecciones "la hilacha"
Ordenar la Informacin y responder : 5.1 Qu porcentaje de las obreras tiene experiencia inferior o igual a 6 aos? 5.2 Que porcentaje tiene experiencia entre 5 y 7 aos (incluyendo los extremos)? 6. Palabras por Minuto Escritas por un Grupo de Mecangrafas
7/30
Construir una distribucin de frecuencias y resaltar 3 conclusiones 7. La siguiente tabla muestra, las respuestas obtenidas en un cuestionario aplicado a las obreras de la fbrica "La hilacha", respecto a la edad, estado civil, nmero de hijos, experiencia, aos de estudio, ingresos diarios, gastos en educacin y ausencias al trabajo en el ltimo mes, as como una calificacin del desempeo otorgada por el supervisor.
7/30
7/30
Hacer las respectivas distribuciones de frecuencias, para cada una de las variables.
...
...
7/30
3. Distribucin de Frecuencias
3.2 DISTRIBUCIN DE FRECUENCIAS POR INTERVALOS
Usualmente los valores de los datos no permiten un agrupamiento de ellos en una tabla de frecuencias simple, debido a que se encuentran distribuidos a travs de todo el recorrido y el nmero de veces que se repite cada observacin no es significativo en todos los casos, y en la mayora de ellos su frecuencia es baja. Una tabla de frecuencias construida en estas condiciones, no presenta ninguna utilidad. Ilustraremos el caso a travs de un ejemplo, para ello, supongamos que la fabrica de baldosasDe las casas, con el objeto de ofrecer una garanta de su producto, desea hacer un estudio tcnico de su produccin, para lo cual extrae una muestra de 100 baldosas, cada una de las cuales se somete a una prueba de resistencia, destructiva cuyos datos expresados en Kg/ Cm2, se relacionan a continuacin: Tabla No. 7 Resistencia en Kg/Cm2 de 100 Baldosas de La Fabrica De Las Casas
La clasificacin en una distribucin de frecuencias simple dara como resultante un ordenamiento de por lo menos 80 items; la mayora de ellos con frecuencia unitaria. Se hace necesario el agrupamiento en intervalos o clases que haga ms compacta, manejable y presentable la informacin.
7/30
El nmero de clases y la amplitud de los intervalos los fija el investigador de acuerdo con el conocimiento que posea de la poblacin, la necesidad de hacer comparacin con otras investigaciones y la presentacin de la informacin. Sin embargo, se recomienda que la informacin no sea demasiado compacta, lo cual le restara precisin, ni demasiado dispersa, ya que no se tendra claridad. En trminos generales, es usual que el nmero de intervalos no sea inferior a 5 ni superior a 15. Struges propone que el nmero de clases o intervalos sea determinado por la expresin m 1 + 3.3 log(n).* La amplitud debe ser igual para todos los intervalos y, en lo posible, no se debe trabajar con clases abiertas.
3.3 REGLAS EMPRICAS PARA LA CONSTRUCCIN DE INTERVALOS

Cuando no se tiene experiencia en el manejo de la informacin es aconsejable seguir los pasos que se dan a continuacin: 3.3.1 Determinar los datos de mayor y menor valor Xmax, Xmin. 3.3.2 Calcular el rango o recorrido 3.3.3 Determinar el nmero de intervalos (m) y la amplitud de clase (A): Debe tenerse presente que m es un nmero natural. Luego se busca la amplitud A: ,
, 3.3.4 Calcular el rango ampliado:

Establecer la diferencia , es decir la cantidad en que ha sido alterado el recorrido, la cual no debe ser superior a la amplitud.
3.3.5
(a) Tambin puede ser definida como la cantidad positiva ms pequea que le hace falta al rango o recorrido para ser divisible exactamente por la amplitud 3.3.6
Distribuir adecuadamente la cantidad a de la siguiente manera:

7/30
Al valor X min se le resta aproximadamente y la parte restante se le suma a X max, obteniendo el lmite inferior del primer intervalo y el lmite superior del ltimo, respectivamente.
3.3.7
Construir los intervalos, calcular los puntos medios o marcas de clase y hacer el agrupamiento de frecuencias.
Distribucin Terica de Frecuencias por Intervalos de n Observaciones
n: LIPI:
Nmero de observaciones Lmite inferior del primer intervalo 7/30
LSUI: Lmite superior del ltimo interval Xi: Punto medio del intervalo, o marca de clase
* Con el fin de prever dobles conteos, quien clasifica deber especificar si los intervalos son abiertos a la derecha o abiertos a la izquierda, en estas notas, trabajaremos con intervalos abiertos a la derecha; es decir, del tipo , donde el lmite superior no est incluido dentro de la clase.
Retomemos el ejercicio de la Tabla No. 7 y construyamos una distribucin de frecuencia por intervalos.
3.3.1 . . 3.3.2 Rango .... . . . . 3.3.3 Nmero de intervalos
, ,
No es lgico tener 7.6 intervalos, por lo tanto se procede a aproximar el nmero de intervalos a un nmero natural cercano. Aproximemos, , y busquemos la amplitud.
, Ya terminado el nmero de clases en m=7 encontramos que la amplitud debe ser mayor que 94. Fijmosla, entonces, en A = 100, que hace ms manejable y presentable la tabla con la informacin. 3.3.4 Rango ampliado , . , cambindolo por el rango ampliado
7/30
3.3.5 Hemos alterado el rango original
. La diferencia est representada por
o sea
3.3.6 Tenemos por tanto, que distribuir adecuadamente la diferencia entre los rangos
Como se dijo antes, no estamos hablando de restar o sumar estrictamente aproximada que brinde una buena presentacin.
sino una cantidad
3.3.7 Construccin de los intervalos. Tabla No. 8 Construccin de los Intervalos para la Resistencia de las Baldosas
Se puede desde luego, proceder a agrupar la informacin en los respectivos intervalos, haciendo la salvedad de que ninguno de los lmites superiores de clase son considerados dentro de los intervalos. Tabla No. 9 Distribucin de Frecuencias por Intervalos de la Resistencia de 100 Baldosas de la Fabrica de las Casas
7/30
Conclusiones:
G G G
El 72% de las baldosas tiene una resistencia entre 300 y 600 Kg/Cm 2. El 86% de las baldosas resiste menos de 600 Kg/Cm2. Slo el 5% resiste 700 o ms Kg/Cm2.
CUESTIONARIO Y EJERCICIOS PROPUESTOS 1. Por qu se recurre al agrupamiento en distribuciones de frecuencias por intervalos? 2. Cmo se determina el nmero de intervalos y la amplitud de ellos? 3. Qu es una marca de clase? 4. Consumo de agua, en m3de 184 familias n un barrio residencial de una ciudad durante el mes de octubre:
7/30
Construir una distribucin de frecuencias por intervalos. 4.1 Asumiendo el nmero de intervalos m = 8 4.2 Asumiendo el nmero de intervalos m = 9 4.3 Comparar las dos distribuciones y las conclusiones que de ellas se deriven. 5. Calificaciones Obtenidas por 130 Estudiantes en un Examen de Estadstica:
7/30
Construir una distribucin de frecuencias por intervalos y resaltar cuatro (4) conclusiones.
______________________________ * Ver Apndice No. 2
...
...
7/30
ESTADSTICA APLICADA 4. Representacin Grfica
4. Representacin Grfica
A pesar de la gran ayuda que prestan las tablas y cuadros con informacin organizada, no todos los pblicos alcanzan a comprenderla o no disponen del tiempo suficiente para analizarla. Es por ello que la mayora de los investigadores acostumbran a reforzar la descripcin a travs de dibujos, generalmente con formas geomtricas, que ayudan a visualizar el comportamiento de las variables tratadas. 4.1 DEFINICIN Una grfica o diagrama es un dibujo complementario a una tabla o cuadro, que permite observar las tendencias de un fenmeno en estudio y facilita el anlisis estadstico de las variables all relacionadas. 4.2 COMPONENTES DE UNA GRFICA Una grfica, al igual que un cuadro o una tabla, debe constar de: 4.2.1 Ttulo adecuado: El cual debe ser claro y conciso, que responda a las preguntas: Qu relaciona, cundo y dnde se hicieron las observaciones. 4.2.2 El cuerpo: o grfico en s, cuya eleccin debe considerar el o los tipos variables a relacionar, el pblico a quien va dirigido y el diseo artstico del grfico. 4.2.3 Notas de pie de grfico: Donde se presentan aclaraciones respecto al grfico, las escalas de los ejes, o se otorgan los crditos a las fuentes respectivas. Es de anotar que por medio de grficos tendenciosos se pueden deformar o resaltar situaciones o estados, que presentados en un grfico apropiado, mostraran un comportamiento normal. Generalmente una informacin es distorsionada por algunas de las siguientes causas: 4.2.1.1 La relacin entre los ejes no es la mas apropiada ( ver grficos No.1 y No.2. 4.2.1.2 Grficos con escalas desproporcionadas, o mala eleccin del punto de origen ( ver grfico No.3).
7/30
http://tifon.unalmed.edu.co/~pagudel/4grafica.html (1 de 12) [15/09/2002 7:41:55]
Variacin de La Inflacin en Colombia
1995-2000
Grfico No. 1
Grfico No. 2
7/30
Grfico No. 3
Como se puede observar, el grfico No.1 realza el decrecimiento de la variable inflacin, mientras que el No.2 intenta mostrar una estabilizacin o decrecimiento parsimonioso. Los dos dibujos son incorrectos debido a que no conservan una proporcin adecuada entre sus ejes. Sin embargo, el grfico No. 3 tiene una buena proporcin entre los ejes. Pero, la distorsin se debe a la mala numeracin en el eje Y pues, el punto de origen O ha sido eliminado y asignado un valor arbitrario, la escala es inadecuada para resaltar el decrecimiento inflacionario de los dos ltimos periodos. Ambas situaciones son errneas o tendenciosas y se deben corregir asignando escalas apropiadas a los ejes y utilizando la siguiente regla:
Donde:
Lx: Longitud del eje horizontal Ly: Longitud del eje vertical
La longitud del eje vertical es igual a tres cuartos de la longitud del eje horizontal.
4.3 PRINCIPALES TIPOS DE GRFICOS
7/30
Existe una gran cantidad de grficos para la representacin de datos estadsticos, ya que de ellos depende el diseo artstico de quien los elabora, as como de su imaginacin al combinar varios tipos de ellos, como forma de presentar una informacin. Entre los grficos ms comunes tenemos: 4.3.1 Grfico de Lneas: Usado bsicamente para mostrar el comportamiento de una variable cuantitativa a travs del tiempo. El grfico de lneas consiste en segmentos rectilneos unidos entre s, los cuales resaltan las variaciones de la variable por unidad de tiempo. Para su construccin ha de procederse de la siguiente manera: en el eje de las ordenadas se marcan los puntos de acuerdo con la escala que se est utilizando. En el caso de una escala aritmtica, distancias iguales en el eje, representan distancias iguales en la variable. Variacin de la Inflacin en Colombia 1995 -2000
El eje de la variable X se divide en unidades de tiempo iguales, teniendo presente el nmero de tems que ha de presentarse, as como la longitud del eje. Es de anotar la conveniencia de mostrar la interrupcin y acercamiento del eje a su origen cuando esto haya ocurrido. 4.3.2 Grfico de Lneas Compuesto: Cuando se tienen varias variables a representar, con el fin de establecer comparaciones entre ellas (siempre que su unidad de medida sea la misma); se utiliza plasmarlos en un slo grfico, el cual es el resultado de representar varias variables en un mismo plano.
Variacin de la Inflacin y el Salario de la Hilacha
7/30
4.3.3 Grfico de Barras: El grfico de barras, como su nombre lo indica, est constituido por barras rectangulares de igual ancho, conservando la misma distancia de separacin entre s. Se utiliza bsicamente para mostrar y comparar frecuencias de variables cualitativas o comportamientos en el tiempo, cuando el nmero de tems es reducido. Nmero de Hijos de 50 Obreras en "La Hilacha"
stos grficos suelen ser de barras verticales, aunque se pueden utilizar de forma horizontal. 4.3.4 Grfico de Barras Compuesto Preferencias de Partido Segn Sexo . . ... . ..
7/30
. .
4.3.5 Grfico de Sectores Circulares Usualmente llamado grfico de pastel, debido a su forma caracterstica de una circunferencia dividida en cascos, por medio de radios que dan la sensacin de un pastel tajado en porciones. Se usa para representar variables cualitativas en porcentajes o cifras absolutas cuando el nmero de tems no es superior a 5 y se quiere resaltar uno de ellos. Para su construccin se procede de la siguiente forma: La circunferencia tiene en su interior 360 grados, los cuales hacemos corresponder al total de la informacin, es decir al 100%; luego, para determinar el nmero de grados correspondiente a cada componente se multiplica el porcentaje respectivo por 360 y se divide por 100, los cuales se miden con la ayuda de un transportador para formar los casquetes de los diferentes tems. Estado Civil de 50 Operarias de "La Hilacha"
4.3.6 Histograma de Frecuencias: Para la construccin de un histograma de frecuencias de

7/30
fcil interpretacin y que no falsee la informacin, debe disponerse de una distribucin de frecuencias por intervalos con amplitud igual para cada clase o intervalo. En el eje de las abscisas procedemos a representar los intervalos de la variable, y en el eje de las ordenadas las frecuencias de cada clase. El histograma se construye dibujando barras contiguas que tienen como base la amplitud de cada intervalo y como alturas las frecuencias respectivas. Histograma de Frecuencias de la Resistencia de 100 Baldosas
4.3.7 Polgono de Frecuencias Resistencia de 100 Baldosas
7/30
Para la construccin de un polgono de frecuencias, se marcan los puntos medios de cada uno los intervalos en la parte superior de cada barra del histograma de frecuencias, los cuales se unen con segmentos de recta. 4.3.8 Histograma de Frecuencias Acumuladas El histograma de frecuencias acumuladas tambin es obtenido a partir de una distribucin de frecuencias, tomando en el eje horizontal las clases de la variable, y en el eje vertical las frecuencias acumuladas correspondientes a cada intervalo Resistencia de 100 Baldosas
7/30
Resistencia de 100 Baldosas

1. Cul es el objetivo de un grfico? 2. Describa los componentes de una grfica . 3. Cules son las principales causas de distorsin de la informacin de un grfico? 4. Cul debe de ser la proporcin entre los ejes del plano cartesiano para la construccin de un grfico? 5. Para los ejercicios 4 y 5 del capitulo 3, numeral 3.2 construir: 5.1 Un histograma de frecuencias 5.2 Un polgono de frecuencias. 5.3 Un histograma de frecuencias acumuladas 5.4 Un polgono de frecuencias acumuladas 6. Costo Promedio del Consumo de Energa de la Fbrica de Confecciones "La Hilacha".
7/30
Construir un grfico de lneas para esta informacin. 7. ndice de Precios al Consumidor 1999-2001
7/30
Graficar : El valor del ndice, la variacin mensual y la variacin anual, en funcin del tiempo. 8. Resultados electorales en Colombia, en la eleccin de presidente de la repblica para el perodo 1986-1990: Liberal 58% Conservador 36% Otros 6%
7/30
Construir un grfico apropiado para esta informacin.
...
...
7/30
ESTADSTICA APLICADA 5. Medidas de Tendencia Central
5. Medidas de Tendencia Central

En los captulos anteriores, nos referimos a la clasificacin, ordenacin y presentacin de datos estadsticos, limitando el anlisis de la informacin a la interpretacin porcentual de las distribuciones de frecuencia. El anlisis estadstico propiamente dicho, parte de la bsqueda de parmetros sobre los cuales pueda recaer la representacin de toda la informacin. Las medidas de tendencia central, llamadas as porque tienden a localizarse en el centro de la informacin, son de gran importancia en el manejo de las tcnicas estadsticas, sin embargo, su interpretacin no debe hacerse aisladamente de las medidas de dispersin, ya que la representabilidad de ellas est asociada con el grado de concentracin de la informacin. Las principales medidas de tendencia central son: 5.1 Media aritmtica. 5.2 Mediana 5.3 Moda.
5.1 MEDIA ARITMTICA Cotidiana e inconscientemente estamos utilizando la media aritmtica. Cuando por ejemplo, decimos que un determinado fumador consume una cajetilla de cigarrillos diaria, no aseguramos que diariamente deba consumir exactamente los 20 cigarrillos que contiene un paquete sino que es el resultado de la observacin, es decir, dicho sujeto puede consumir 18, un da; 19 otro; 20, 21, 22; pero segn nuestro criterio, el nmero de unidades estar alrededor de 20. Matemticamente, la media aritmtica se define como la suma de los valores observados dividida entre el nmero de observaciones.
Media aritmtica de la variable X : Valores de la variable X n: Nmero de observaciones

7/30
http://tifon.unalmed.edu.co/~pagudel/5medidas.html (1 de 13) [15/09/2002 7:42:38]
: Signo de sumatoria, indica que se debe sumar
Ejemplo: Cantidad de cigarrillos consumidos por un fumador en una semana. . . . Lunes: 18 Martes: 21 Mircoles: 22 Jueves: 21 Viernes: 20 Sbado: 19 Domingo: 19
Entonces la media aritmtica es.
El fumador consume en promedio 20 cigarrillos diarios. Cuando la variable est agrupada en una distribucin de frecuencias, la media aritmtica se calcula por la frmula:
Ejemplo:
7/30
Cantidad de Cigarrillos Consumidos por un Fumador en una Semana Dada:
Ejemplo: Calculo de La Media Aritmtica. El Salario/da de 50 Operarias
7/30
= 54.100 pesos/da Si la informacin est relacionada en una distribucin de frecuencias por intervalos, se toman como valores de la variable las marcas de clase de los intervalos, entindase por marca de clase el punto medio entre los lmites de cada clase o intervalo. Ejemplo: Clculo de La Media Aritmtica de la Resistencia de 100 Baldosas
7/30
La resistencia promedio de las 100 baldosas es de 448 Kg/Cm. 5.1.1 Propiedades de la Media Aritmtica
5.1.1.1 La suma de las diferencias de los datos con respecto a la media aritmtica es igual cero.
Demostracin:
pero
7/30
Como
Ejemplo de Comprobacin: En el Ejercicio del Fumador Cuya Media Aritmtica es de 20 Cigarrillos / da:
Para una distribucin de frecuencias:

. . . . .
.....
Salario/da de 50 Operarias en La Fbrica de Confecciones "La Hilacha" (Miles De Pesos)
7/30
5.1.1.2 La suma de las diferencias cuadrticas de los datos, con respecto a la Media Aritmtica, es mnima. Quiere decir esta propiedad que cualquier otro parmetro p, diferente a la media aritmtica hace mayor la expresin:
que Para
Demostracin: Debemos, entonces, probar que:
7/30
veamos:
pero entonces:
(propiedad a.)
como
luego
7/30
5.1.1.3 Si a cada uno de los resultados le sumamos o le restamos una constante C , la Media Aritmtica queda alterada en esa constante. Demostracin: Tenemos los datos x1,x2,.... ....xn . Cuya media aritmtica es sea
La media aritmtica de la nueva variable es:
entonces
En el ejemplo de las baldosas, datos restmosle una constante
, a cada uno de los .
7/30
5.1.1.4 Si cada uno de los datos se multiplica por una constante k, entonces la media aritmtica queda multiplicada por esa constante: Tenemos los datos x1,x2,.... ....xn cuya media aritmtica es sea ,
Si multiplicamos cada una de las resistencias de las 100 baldosas por una constante tenemos:
7/30
5.1.2 Media Aritmtica con Cambio de Origen y de Escala

En estadstica es usual la transformacin de variables utilizando las dos ltimas propiedades: C = un valor de tendencia central (media, mediana, moda o cualquier otro parmetro. k = generalmente la desviacin standar, desviacin media, la amplitud etc.
Sea ..... para nuestro ejemplo C = 450, k = 100
7/30
A la nueva variable Y le calculamos la media aritmtica.
5.1.3 Media Aritmtica Ponderada

Hemos visto que la Media Aritmtica se calcula con base a la magnitud de los datos, otorgndoles igual importancia a cada uno de ellos. Sin embargo en muchas ocasiones la magnitud del dato esta ponderada con un determinado peso que lo afecta relativamente. La Media Aritmtica ponderada tiene en cuenta la importancia relativa de cada uno de los datos, para lo cual la definimos con la siguiente expresin:
donde : Media aritmtica ponderada 7/30

xi: Valor de la variable X wi: Ponderacin del tem xi

Ejemplo: Las calificaciones de un estudiante estn conformadas por los siguientes factores: Un examen cuyo valor es 40% en el cual obtuvo una nota de 4.5, un trabajo de consulta con ponderacin del 10% y calificacin de 1.0, una exposicin equivalente al 15% con nota de 2.0, y por ltimo una investigacin con valor del 35% calificada con 3.5.
entonces la nota definitiva es:
...
...
7/30

5.2 LA MEDIANA
Otra medida de tendencia central, utilizada principalmente en estadstica no paramtrica, es la mediana, la cual no se basa en la magnitud de los datos, como la media aritmtica, sino en la posicin central que ocupa en el orden de su magnitud, dividiendo la informacin en dos partes iguales, dejando igual nmero de datos por encima y por debajo de ella. 5.2.1 La Mediana Cuando los datos no estn Agrupados en Intervalos. Partiendo de la informacin bruta, ordenamos los datos ascendente o descendentemente: se define
Mediana =
, si n es impar
Mediana =
, si n es par
En el ejercicio de los cigarrillos, consumidos por un fumador tenemos lunes 18, martes 21, mircoles 22, jueves 21, viernes 20, sbado 19, y domingo 19. Ordenando ascendentemente :
n, es impar, entonces
Veamos cuando n es par:

7/30
Consumo mensual de agua, en m3, por la fbrica de confecciones la hilacha.

Enero= 10,. . . . Mayo= Junio= Febrero= 12, Marzo= 15, Julio= Abril= 18, Agosto= 14, . . . . Septiembre= 18, 19, Octubre= 22, 17, Noviembre= 15, 18, Diciembre= 13
Mediana=
. . ..... . . .
Como se puede observar, en este caso la mediana no es un dato perteneciente a la informacin, es un parmetro que divide la informacin dejando el 50% por encima y el 50% por debajo de ella.
5.2.2 La Mediana Cuando la Informacin se Encuentra Agrupada en Intervalos Si la informacin esta agrupada en intervalos iguales, entonces la mediana se calcula segn la siguiente expresin:
Me: LI:
Mediana Lmite inferior del intervalo donde se encuentra la mediana (intervalo mediano), el cual se determina observando en que clase se encuentra la posicin n/2.)
7/30
n:
Nmero de observaciones : Frecuencia acumulada anterior al intervalo mediano : Frecuencia del intervalo mediano Amplitud del intervalo
A:
Ejemplo: Resistencia de 100 Baldosas de la Fabrica De Las Casas
en la columna de frecuencia acumulada advertimos que la observacin nmero 50 se halla en el cuarto intervalo 4.
Se concluye que el 50% de las baldosas resiste menos de 445.45 Kg/Cm2 y el 50% resiste mas de 445.45 Kg/Cm2.
7/30
...
...
7/30

5.3 LA MODA
La moda, como su nombre lo indica, es el valor ms comn (de mayor frecuencia dentro de una distribucin. Una informacin puede tener una moda y se llama unimodal, dos modas y se llama bimodal, o varias modas y llamarse multimodal. Sin embargo puede ocurrir que la informacin no posea moda.
5.3.1 La Moda Cuando los datos no estn Agrupados en Intervalos Salario de 50 Operarias de la Fabrica de Confecciones "La Hilacha"
El valor que ms veces se repite es 54 con una frecuencia de 12, entonces decimos que la moda es Mo = 54.000.00 pesos diarios.
7/30
Cantidad de Cigarrillos Consumidos por un Fumador en una Semana Dada:
Los valores de mayor frecuencia corresponden a 19 y 21, por lo tanto se trata de una distribucin bimodal con Mo1=19 y Mo2=21
5.3.2 Clculo de la Moda Cuando la Informacin est Agrupada en Intervalos Cuando la informacin se encuentra agrupada en intervalos de igual tamao la moda se calcula con la siguiente expresin.
.....
. . . . . Mo: LI: fm: f(m-1) Moda
donde:
Lmite inferior del intervalo modal Frecuencia de la clase modal
Frecuencia de la clase premodal Frecuencia de la clase posmodal Amplitud de los intervalos
f(m+1) : A
Ejemplo: Resistencia de 100 Baldosas

7/30
A pesar que el valor 444.44 no es un dato real de la informacin asumimos ese parmetro como el de mayor ocurrencia.

1. Que es una medida de tendencia central? 2. Cuales son las principales medidas de tendencia central? 3. Defina : media aritmtica mediana y moda. 4. Cundo se utiliza la media aritmtica ponderada? 5. Enuncie las propiedades de la media aritmtica 6. Para cada informacin de los ejercicios del capitulo 3, calcular e interpretar la media aritmtica, la mediana y la moda. 7. La tripulacin de un avin, en su itinerario compra los siguientes galones de gasolina: Ciudad X 200 galones a 4000 pesos el galn 7/30
Ciudad Y 250 galones a 3500 pesos el galn Ciudad Z 300 galones a 3000 pesos el galn Cul es el costo promedio de la gasolina comprada?
...
...
7/30
ESTADSTICA APLICADA 6. Medidas de Posicin
6. Medidas de Posicin (Percentiles)

En el Capitulo anterior, vimos lo referente a las medidas de tendencia central, las cuales, a su vez, son tambin medidas de posicin ya que, de todas maneras ocupan un lugar dentro de la informacin. Nos ocuparemos ahora de ciertos parmetros posicionales muy tiles en la interpretacin porcentual de la informacin.
6.1 CUARTILES
Las cuartillas o cuartiles son valores posicionales que dividen la informacin en cuatro partes iguales, el primer cuartil deja el 25% de la informacin por debajo de l, y el 75% por encima, el segundo cuartil, al igual que la mediana, divide la informacin en dos partes iguales, y por ltimo el tercer cuartil deja el 75% por debajo de s, y el 25% por encima. Grficamente:
Se necesita, entonces calcular tres cuartillas ya que la cuarta queda automticamente determinada.
, donde:
k: fa(i-1): fi : n:
Oden del cuartil k = 1,2,3 Frecuencia acumulada hasta el intervalo anterior al que el cuartil Frecuencia del intervalo que contiene el cuartil Nmero de observaciones
7/30
LI:.......... Lmite inferior del intervalo que contiene el cuartil contiene
http://tifon.unalmed.edu.co/~pagudel/6Percentiles.html (1 de 6) [15/09/2002 7:43:16]
A:
Amplitud de los intervalos
Ejemplo: Resistencia de 100 Baldosas de la Fabrica "De Las Casas"
Primer cuartil:
posicin que debe ser ubicada en la frecuencia acumulada, para determinar que clase contiene este cuartil.
El 25% de las baldosas resiste menos de 352.38 Kg/Cm2 y el 75% tiene una resistencia superior. Como el segundo cuartil es lo mismo que la mediana: Me=Q2=445.45Kg/Cm2 Calculemos la tercera cuartilla k=3
7/30
El 75% de las baldosas tiene una resistencia inferior a 538..88 Kg/Cm2 y el 25% una resistencia superior.
6.2 QUINTILES
Los quintiles o quintillas dividen la informacin en cinco partes iguales, agrupndolas en porcentajes de 20, 40, 60, y 80 por ciento, en consecuencia debemos calcular cuatro parmetros: Grficamente:
. . .... . ..... . .
calculemos por ejemplo la segunda quintilla para el ejercicio que traemos: k=2,
El 40% de las baldosas resiste menos de 415.15kg/cm2 y el 60% resiste ms.
7/30
6.3 DECILES
Similarmente, los deciles o decillas dividen la informacin en diez partes iguales, en cantidades porcentuales de 10 en 10.
6.4 CENTILES
Obviamente los centiles dividen la informacin en 100 partes, lo cual facilita la interpretacin porcentual de una distribucin de frecuencias.
6.5 RESUMEN
En general para calcular cualquier percentil:
donde:
r: k:
Nmero de partes en que se divide la informacin Orden del percentil k = 1,2,.....,r-1

7/30
LI: fa(i-1): fi: n: A:
Lmite inferior del intervalo que contiene el
percentil
Frecuencia acumulada hasta el intervalo anterior al que contiene el percentil Frecuencia del intervalo que contiene el percentil Nmero de observaciones Amplitud de los intervalos
En nuestro ejercicio, si el gerente de la fabrica de baldosas desea ofrecer un garanta de resistencia mnima. Basado en la muestra que se ha obtenido, si no quiere remplazar ninguna pieza, lgicamente debe afirmar que el producto resiste 100 o ms Kg/Cm2. Pero si esta dispuesto a remplazar el 5% de su produccin, entonces:
Se debe dar una garanta de 210kg/cm2 de resistencia mnima.

1. Para qu se utilizan los percentiles ? 2. En cuantas partes se divide la informacin con: 2.1 Los cuartiles 2.2 Los quintiles 2.3 Los deciles 2.4 Los centiles 3. Para la informacin de los ejercicios 4 y 5 de la seccin 3.2 calcular e interpretar ; 3.1 La primera y tercera cuartilla
7/30
3.2 El segundo y cuarto quintil 3.3 Que porcentaje hay entre la primera y tercera quintilla ? 3.4 Que porcentaje hay entre la primera cuartilla y la segunda quintilla ? 3.5 Que porcentaje hay entre la tercera cuartilla y el noveno decil ?
...
...
7/30
ESTADSTICA APLICADA 7. Medidas de Dispersin
7. Medidas de Dispersin
En el anlisis estadstico no basta el clculo e interpretacin de las medidas de tendencia central o de posicin, ya que, por ejemplo, cuando pretendemos representar toda una informacin con la media aritmtica, no estamos siendo absolutamente fieles a la realidad, pues suelen existir datos extremos inferiores y superiores a la media aritmtica, los cuales, en honor a la verdad, no estn siendo bien representados por este parmetro. En dos informaciones con igual media aritmtica, no significa este hecho, que las distribuciones sean exactamente iguales, por lo tanto, debemos analizar el grado de homogeneidad entre sus datos. Por ejemplo, los valores 5, 50, 95 tiene igual media aritmtica, y mediana que los valores 49, 50,51; sin embargo, para la primera informacin la media aritmtica , se encuentra muy alejada de los valores extremos 5 y 95, cosa que no ocurre con la segunda informacin que posee igual media aritmtica y mediana, vemos entonces que la primera informacin es mas heterognea o dispersa que la segunda. Para medir el grado de dispersin de una variable, se utilizan principalmente los siguientes indicadores: 7.1 Rango o recorrido 7.2 Desviacin media 7.3 Varianza y desviacin tpica o estndar 7.4 Coeficiente de variabilidad.
7.1 RANGO O RECORRIDO

Es la medida de dispersin mas sencilla ya que solo considera los dos valores extremos de una coleccin de datos, sin embargo, su mayor utilizacin est en el campo de la estadstica no paramtrica. R = Xmax Xmin Xmax, Xmin son el mximo y el mnimo valor de la variable X, respectivamente. En el ejemplo introductorio, vemos que el rango para la primera informacin es R1=95-5=90, mientras que R2=51-49=2, se hace pues manifiesta la gran dispersin de la primera informacin contra la homogeneidad de la segunda.
7/30
http://tifon.unalmed.edu.co/~pagudel/7dispersion.html (1 de 6) [15/09/2002 7:43:27]
7.2 DESVIACIN MEDIA

La desviacin media, mide la distancia absoluta promedio entre cada uno de los datos, y el parmetro que caracteriza la informacin. Usualmente se considera la desviacin media con respecto a la media aritmtica:
, donde
DM : xi : fi : n: m:
Desviacin media Diferentes valores de la variable X Nmero de veces que se repite la observacin xi Media aritmtica de la informacin Tamao de la muestra. Nmero de agrupamientos o intervalos
Ejemplo: Salario de 50 Operarias de la Fabrica de Confecciones La Hilacha
7/30
1.400.00 es el error promedio que se comete al remplazar los ingresos diarios de cada una de las 50 obreras por 54.100 pesos.
7.3 VARIANZA
El problema de los signos en la desviacin media, es eludido tomando los valores absolutos de las diferencias de los datos con respecto a la media aritmtica. Ahora bien, la varianza obvia los signos elevando las diferencias al cuadrado, lo cual resulta ser ms elegante, aparte de que es supremamente til en el ajuste de modelos estadsticos que generalmente conllevan formas cuadrticas. La varianza es uno de los parmetros ms importantes en estadstica paramtrica, se puede decir que, teniendo conocimiento de la varianza de una poblacin, se ha avanzado mucho en el conocimiento de la poblacin misma. Numricamente definimos la varianza, como desviacin cuadrtica media de los datos con respecto a la media aritmtica:
, donde:
. . .... . . . .
S2 : xi : : fi : n: m:
Varianza Valor de la variable X Media aritmtica de la informacin Frecuencia absoluta de la observacin xi Tamao de la muestra. Nmero de agrupamientos o intervalos
Salario/dia de 50 Operarias en la Fbrica de Confecciones La Hilacha (Miles de Pesos)

7/30
Como los datos estn expresados en miles de pesos y la varianza se encuentra en forma cuadrtica obtenemos una varianza de 3210.000 pesos. Sin embargo para una mejor comprensin debemos recurrir a la desviacin tpica o estndar definida como la raz cuadrada de la varianza:
El error estndar es de 1.791 pesos/diarios. En el ejemplo de las baldosas:
Resistencia de 100 Baldosas de La Fbrica De Las Casas
7/30
7.4 COEFICIENTE DE VARIABILIDAD

Generalmente interesa establecer comparaciones de la dispersin, entre diferentes muestras que posean distintas magnitudes o unidades de medida. El coeficiente de variabilidad tiene en cuenta el valor de la media aritmtica, para establecer un nmero relativo, que hace comparable el grado de dispersin entre dos o mas variables, y se define como:
Comparemos la homogeneidad de las dos informaciones anteriores, las cuales tienen diferente unidad de medida. para el salario:
para la resistencia
7/30
Concluimos que es mucho ms dispersa la informacin correspondiente a la resistencia de las baldosas.

1. Cul es la utilidad de las medidas de dispersin? 2. Cuales son las principales medidas de dispersin? 3. Cul es la medida adecuada para comparar la dispersin entre varias variables que posean diferente magnitud o diferente unidad de medida? 4. Para cada una de las informaciones de los ejercicios de los captulos anteriores, calcular e interpretar: 4.1 Rango 4.2 Desviacin media 4.3 Coeficiente de variabilidad
...
...
7/30
ESTADSTICA APLICADA 8. Regresin y Correlacin Lineal
8. Regresin y Correlacin Lineal

Hasta ahora hemos hecho la tabulacin y el anlisis para una sola variable. Pero los investigadores, adems de analizar una informacin en forma individual, generalmente se interesan en establecer cruces y buscar relaciones entre diferentes variables.
8.1 TABLAS DE DOBLE ENTRADA

Para la presentacin bidimensional de las variables "X, Y" se procede de la siguiente manera:
G G
Se ordenan las variables "X, Y" respectivamente
Se tabulan los valores X horizontalmente, y los valores Y verticalmente. Se buscan las frecuencias para cada par ordenado (xi,yj). Se suma horizontalmente para obtener las frecuencias de Y fyj, y verticalmente para obtener las frecuencias de X fxi . xi : Valores de la variable X, i=1,2,....m Valores de la variable Y, j=1,2,... k yj : fxi : Frecuencia de la observacin xi fyj : Frecuencia de la observacin yj fij : Frecuencia conjunta de los valores (xi,yj) fa0xi : Frecuencia acumulada de la variable X, en el item i fayj : Frecuencia acumulada de la variable Y, en el item j frxi : Frecuencia relativa para la variable X, en el item i fryj : Frecuencia relativa para la variable Y, en el item j fraxi : Frecuencia relativa acumulada para la variable X frayj : Frecuencia relativa acumulada para la variable Y.
7/30
http://tifon.unalmed.edu.co/~pagudel/8regresion.html (1 de 11) [15/09/2002 7:44:09]
Tabla de Doble Entrada para la Representacin de dos Variables X, Y
Como se puede advertir en la disposicin de las frecuencias, la interpretacin de la variable Y, puede hacerse analizando los relativos propios en forma horizontal, en tanto que el anlisis de la variable X se hace en forma vertical.
Experiencia Laboral y Salario Diario de 50 Obreras de la Fbrica de Confecciones La Hilacha. X : Experiencia en Aos, Y: Salario Miles de Pesos
7/30
Analizando los relativos para cada una de las variables podemos sacar, entre otras, las siguientes conclusiones:
G
El 64% tiene una experiencia igual o inferior a 6 aos. El 68% tiene una experiencia entre 5 y 7 aos incluyendo sus extremos. El 60% gana 54.000 pesos diarios o menos. El 62% gana entre 53.000 y 55.000 pesos incluyendo sus extremos.
Las tablas de doble entrada tambin pueden usarse para variables cualitativas, o combinarse variables cualitativas con cuantitativas. Estado Civil y Nmero de Hijos de 50 Obreras de la Fabrica La Hilacha" X: Estado Civil, Y : Nmero De Hijos.
Se deja al lector la interpretacin y anlisis de esta tabla.
8.2 CORRELACIN
En el anlisis conjunto para dos o ms variables es bsica la bsqueda del tipo y grado de la relacin que pueda existir entre ellas, o si por el contrario, las variables sean independientes entre s y la relacin que puedan mostrar se debe nicamente al azar, o a travs de terceras variables. El sondeo del tipo y grado de la correlacin, parte desde la misma presuncin del investigador, teniendo presente que la bsqueda de relaciones entre variables debe ser lgica, es decir relacionar lo que sea razonable y no datos cuya asociacin sea desde cualquier punto de vista absurda.
7/30
Veamos algunas variables susceptibles de relacionar:

G
El peso y estatura de un grupo de adultos. Edad y peso de un grupo de nios. Ingresos y gastos de arrendamiento de un grupo de familias. Escolaridad e ingreso mensual de un grupo de empleados. Ventas y utilidades de un almacn de variedades.
En el cuestionario aplicado a las obreras de la "Hilacha", parece que se indaga por ciertas variables que puedan explicar el salario devengado por ellas; como podra ser, los aos de experiencia, los aos de estudio, las ausencias al trabajo, la evaluacin del desempeo por parte de su supervisor, amn de otras variables que pueden tener influencia en la asignacin salarial.
Para fortalecer el indicio de correlacin inicial, se grafica cada uno de los pares ordenados de las variables (xi,yj) en un plano cartesiano, para observar la nube de puntos o diagrama de dispersin, donde se advierte la tendencia o no, de la informacin representada.
7/30
A pesar de la ilustracin visual que ofrecen las grficas, solo podemos percibir la tendencia, mas no el grado o fortaleza de la relacin, entre la variable independiente X y la variable dependiente Y. Para cuantificar la calidad de la dependencia, entre las dos variables, el indicador mas acostumbrado es el Coeficiente de correlacin, definido como:
, donde:
r : Coeficiente de correlacin entre X y Y Sx: Desviacin tpica de X Sy: Desciacion tpica de Y Sx,y : Covarianza entre X y Y
7/30
. . .... . . . .
7/30
En la prctica, cuando no tenemos la informacin agrupada en una tabla de doble entrada, asumimos que cada observacin bivariada tiene frecuencia unitaria, entonces r se convierte en:
Tabla de Trabajo para el Calculo de L Coeficiente de Correlacion
7/30
El coeficiente de correlacin, es un indicador del grado de la relacin entre las dos variables, el cual oscila en el intervalo cerrado , es decir, .
Cuando r toma un valor extremo, ya sea r=1 r=-1 existe una correlacin perfecta positiva o negativa segn el signo, como lo podemos corroborar en el siguiente ejemplo:
Aspiracin Salarial, de Acuerdo a La Experiencia de las Obreras de la Fabrica de Confecciones La Hilacha
Correlacin perfecta positiva
Sin embargo, no todas las relaciones son tan ideales, en el comn de los casos 1< r <1. Empricamente se afirma que:
1. 2. 3. 4. 5. 6.
Si Si Si Si Si Si
Correlacin perfecta Correlacin excelente Correlacin buena Correlacin regular Correlacin mala No hay correlacin 7/30
Existen desde luego, pruebas estadsticas que miden la bondad de un coeficiente de correlacin con un determinado nivel de confiafilidad, pero no son tema de este curso.
Salario Actual y Aos de Experiencia de 50 Obreras de la Fabrica La Hilacha Exp Mil/dia Exp Mil/dia Aos X 4 5 7 6 5 7 5 9 3 6 7 3 6 7 6 Y 52 54 55 54 53 56 54 58 51 54 54 51 54 55 54 XYX2 Y2 Aos X 208 16 2704 270 25 2916 385 49 3025 324 36 2916 265 25 2809 392 49 3136 270 25 2916 522 81 3364 153 9 2601 324 36 2916 378 49 2916 153 9 2601 324 36 2916 385 49 3025 324 36 2916 8 6 6 5 7 8 5 9 6 5 2 6 4 5 6 Y 57 54 55 53 55 56 53 57 54 53 50 55 52 53 54
7/30
XY X2 456 324 330 265 385 448 265 513 324 265 100 330 208 265 324 64 36 36 25 49 64 25 81 36 25 4 36 16 25 36
Y2 3249 2916 3025 2809 3025 3136 2809 3249 2916 2809 2500 3025 2704 2809 2916
8 4 6 5 7 7 7 4 7 5
56 52 54 53 55 55 55 52 55 53
448 64 3136 208 16 2704 324 36 2916 265 25 2809 385 49 3025 385 49 3025 385 49 3025 208 16 2704 385 49 3025 265 25 2809
4 8 7 3 8 6 5 6 6 7
52 57 56 51 58 55 53 54 53 56
208 456 392 153 464 330 265 324 318 392
16 64 49 9 64 36 25 36 36 49
2704 3249 3136 2601 3364 3025 2809 2916 2809 3136
TOTAL 294
2705 160391850146501
Se vislumbra una relacin positiva, con coeficiente de correlacin:
Entre la experiencia y el salario actual hay una excelente correlacin positiva. Si escudriamos en la magnitud de las relaciones entre las diferentes variables cuantitativas, que se han indagado a las obreras de LA HILACHA encontramos los siguientes coeficientes de correlacin:
7/30
En el problema que nos ocupa, la variable salario/da tiene una excelente correlacin positiva, con los aos de experiencia, y una buena correlacin directa con la calificacin y la escolaridad, empero hay una buena relacin inversa, con la variable ausencias al trabajo.
...
...
7/30
8. Regresin y Correlacin Lineal

8.3 REGRESIN LINEAL
Teniendo ya conocimiento de la intensidad de la correlacin entre las variables, manifestada a travs del diagrama de dispersin, y el coeficiente de correlacin, podemos ensayar el ajuste de un modelo estadstico que se adapte mejor a las n observaciones; lo que lleva por nombre regresin. Uno de los procedimientos muy comunes en el ajuste regresivo es el mtodo de los mnimos cuadrados, que produce estimaciones con menor error cuadrtico promedio
8.3.1 Ajuste Rectilneo (Mtodo de los Mnimos Cuadrados)
La forma general de una ecuacin de lnea recta es: con: X: Y: a : b: Variable independiente Variable dependiente Trmino independiente o intercepto Coeficiente de X
Debemos establecer los parmetro a y b de la ecuacin para poder expresar los valores de la variable Y en funcin de los valores de la variable X, esto es:
multipliquemos cada una de estas ecuaciones por su respectivo valor de X
7/30
Las ecuaciones (1) y (2) son llamadas ecuaciones normales de la lnea recta, de donde se pueden despejar los parmetros a, b en funcin de los datos originales. De (1) tenemos:
Remplazando (3) en (2):
7/30
Las estimaciones para los parmetros son:
El gorrito ^ colocado sobre el parmetro indica estimaciones fundamentadas, en los datos muestrales. Para ajustar el modelo rectilneo a los ingresos diarios actuales explicados por los aos de experiencia, en la Hilacha, aprovechamos los totales ya calculados en el coeficiente de correlacin:
Como quiera que los items de la variable salario estn en unidades de mil pesos, la ecuacin de pronstico definitiva es:
7/30
Salario Real y Estimado Vs. Experiencia
Insistimos en la existencia de pruebas estadsticas, que miden la bondad de los parmetros estimados y del modelo en s, a estas alturas de nuestro documento no tenemos las herramientas para aplicarlas, sin embargo en el mercado hay software estadstico, que calcula los parmetros, ajusta los modelos y efecta las respectivas pruebas, sin exigir al usuario grandes conocimientos de estadstica matemtica. Se debe tener cuidado, eso s, en la interpretacin adecuada de los resultados. El siguiente es el reporte parcial producido por el programa de computador Statgraphics plus :
7/30
El programa calcula: y y consecuentemente el modelo , el paquete hace tambin las pruebas t student para la hiptesis nula H0 : a=0 vs la hiptesis alternativa H1 : y H0 : b = 0 vs H1 : , dado que el valor p para ambos casos p= 0.0000, con una confiabilidad superior al 99% se rechazan ambas hiptesis de nulidad, a favor de las hiptesis alternativas. En cuanto al valor p = 0.0000 (para la prueba F) en la tabla de anlisis de varianza, tambin se interpreta la validez del modelo con un nivel de confiabilidad superior al 99%. De otro lado corrobora una correlacin positiva excelente r=0.957578 y un coeficiente de determinacin R-cuadrado, de 91.6956% que indica el porcentaje de la variable salario explicado por la variable experiencia. El coficiente de determinacin R2 viene expresado como:
7/30
Aprovechemos este pequeo parntesis, para decir que hoy la tecnologa informtica ha hecho posible la formulacin y solucin de complejos modelos multivariados, que constan de cientos de variables, que en aos recientes solo se podan teorizar. En la bsqueda de las variables que explican la variable salario, en la fabrica La Hilacha obtenemos el siguiente reporte del programa Statgraphics plus:
7/30
El software, analiza los diferentes valores p y descalifica la variable edad, al nivel del 90% de confidencialidad, debido a que p=0.1451 hace que el coeficiente de esta variable no sea significante dentro del modelo.
7/30
. . ... . .. . .
Eliminada la variable edad, encontramos un modelo vlido con un nivel de confianza superior al 99% cuyos coeficientes son admitidos con una confiabilidad superior al 95%.
R-cuadrado para este modelo es 95.58% , es decir el porcentaje del salario que est siendo explicado por las variables independientes, es ligeramente menor al R-cuadrado anterior (95.8%), sacrificio insignificante cuando se trata de reducir la complejidad del modelo. Veamos las estimaciones producidas por la ecuacin
7/30
hijosExpEsco-
Miles estim GastauseCalif Error $/dia salario
2 2 3 3 1 0 1 0 3 3 1 2 0 0 0 0 1 2
4 5 7 6 5 7 5 9 3 6 7 3 6 7 6 8 4 6
5 5 4 4 3 8 3 9 3 3 6 3 7 7 5 8 3 4
52 54 55 54 53 56 54 58 51 54 54 51 54 55 54 56 52 54
5 6 8 9 3 1 2 0 10 9 3 6 1 1 2 3 2 5
3 2 1 1 2 1 2 0 3 2 2 5 1 1 2 1 3 2
1 1 4 3 2 4 3 5 1 2 3 1 2 3 3 4 2 2
52.51 53.23 55.25 54.36 52.91 55.84 53.26 57.79 51.35 53.59 54.98 50.82 54.55 55.34 53.93 56.18 52.20 53.87 -
0.51 0.77 0.25 0.36 0.09 0.16 0.74 0.21 0.35 0.41 0.98 0.18 0.55 0.34 0.07 0.18 0.20 0.13
7/30
2 0 0 1 2 1 3 0 4 3 3 3 1 2 0 1 2 2 2 2 2
5 7 7 7 4 7 5 8 6 6 5 7 8 5 9 6 5 2 6 4 5
4 9 8 6 3 6 3 9 5 5 4 4 6 4 8 5 3 3 5 3 4
53 55 55 55 52 55 53 57 54 55 53 55 56 53 57 54 53 50 55 52 53
5 4 4 4 7 3 7 3 13 8 8 9 4 6 2 3 6 7 6 6 8
3 2 1 2 3 1 2 1 2 2 2 0 0 2 0 1 2 5 0 4 3
2 3 3 3 1 3 2 5 3 3 2 3 4 2 4 3 3 1 3 1 1
53.05 55.26 55.29 54.89 51.82 55.26 53.25 56.67 54.30 54.43 53.40 55.18 56.23 53.23 57.10 54.47 53.23 50.18 54.82 51.64 52.50 7/30
0.05 0.26 0.29 0.11 0.18 0.26 0.25 0.33 0.30 0.57 0.40 0.18 0.23 0.23 0.10 0.47 0.23 0.18 0.18 0.36 0.50
2 3 1 0 2 1 2 1 2 2 1
6 4 8 7 3 8 6 5 6 6 7
4 3 9 8 3 9 5 5 4 5 6
54 52 57 56 51 58 55 53 54 53 56
8 11 3 5 6 3 4 2 3 7 3
1 4 0 0 4 0 0 4 1 3 0
2 1 4 4 1 4 2 1 1 1 3
53.85 51.51 57.07 55.72 51.10 57.07 54.77 52.71 54.10 53.39 55.54 -
0.15 0.49 0.07 0.28 0.10 0.93 0.23 0.29 0.10 0.39 0.46
8.3.2 Ajuste Parablico (Mtodo Mnimos Cuadrados)
Suele suceder que al dibujar la nube de puntos correspondiente a n observaciones bivariante, se observa una tendencia no rectilnea, pero a la cual se le puede ajustar un modelo terico conocido. Dentro de la familia de modelos, es de aplicacin comn el ajuste regresivo polinomial de grado s . Similarmente con el procedimiento seguido en el ajuste rectilneo, vamos a encontrar las ecuaciones normales par una parbola, de forma general es decir , , ......., . Si cada una de estas ecuaciones la multiplicamos por su respectivo valor de x, y repetimos la accin tenemos:
7/30
sumando se obtienen las siguientes ecuaciones normales (1) (2) (3)
De donde se pueden estimar los parmetros de la parbola
Ejemplo: En un experimento agropecuario, se toma una muestra de 15 unidades de una variedad de rbol frutal, se observa el rendimiento en frutos de acuerdo con la cantidad de fertilizante utilizado:
Resolviendo se obtienen las siguientes estimaciones de los parmetros: , ,
7/30
El programa Statgraphics produce el siguiente reporte:
7/30
7/30
Parbola Ajustada

1. Ingresos y Gastos en Arrendamiento de un Grupo de Familias; en Miles de Pesos.
7/30
1.1 Calcular el coeficiente de correlacin e interpretarlo. 1.2 Ajustar el modelo adecuado para esta informacin. 1.3 Cunto se estima, debe pagar una familia con ingreso mensual de 270.000 pesos? 2. Que es un coeficiente de correlacin ? 3. Cuando hay correlacin: 3.1 Perfecta 3.2 Excelente 3.3 Buena
7/30
4. Cuales son las ecuaciones normales de la lnea recta ?
...
...
7/30
ESTADSTICA APLICADA 9. Tasas e ndices
9. Tasas e ndices
Como ya se dijo, el anlisis de un fenmeno basado en las cifras absolutas, ofrece una idea general de su tendencia o comportamiento; pero para efectos de establecer comparaciones adecuadas del mismo fenmeno con otra regin, o su ocurrencia a travs del tiempo, se utilizan ciertos indicadores denominados tasas e ndices
9.1 TASA
Una tasa es la resultante de una fraccin, en donde el numerador est contenido dentro del denominador: Ejemplos:
D: Tasa de desercin escolar. R: Nmero de retiros durante el ao. M: Nmero total de matriculados durante el ao.
TE: Tasa de empleo. PEAO: Poblacin econmicamente activa ocupada. PEA : Poblacin econmicamente activa. Valga anotar que a las tasas se les debe multiplicar por una constante k, la cual generalmente es 100, 1000 o mltiplos de ellos, con el fin de convertirlos en porcentajes, por millares etc. En demografa, las tasas son de uso frecuente, entre otras, mencionaremos las siguientes:
Donde:
7/30
http://tifon.unalmed.edu.co/~pagudel/9tasas.html (1 de 10) [15/09/2002 7:45:36]
TM : Tasa de mortalidad. D : Nmero de defunciones en un periodo y rea dada. P : Poblacin total en esa rea a mitad del periodo.
Donde
TN : Tasa de natalidad N : Nmero de nacidos vivos ocurridos en un periodo y rea dada P : Poblacin total del rea a mitad del periodo.
Donde: TC : Tasa de nupcialidad. M : Nmero de matrimonios efectuados en un periodo y rea dada. P : Total de la poblacin a mitad del periodo. El siguiente cuadro muestra la evolucin de la tasa de desempleo en Colombia, resultados obtenidos de la encuesta nacional de hogares para los periodos comprendidos entre los aos 1.990 2.000 Tasas de Desempleo en Colombia 1.990-2.000
7/30
9.2 NDICE
Un nmero ndice, como comnmente se le llama, es un indicador de los cambios relativos de una o ms variables a travs del tiempo. Entre las principales aplicaciones de los nmeros ndice, est la de establecer comparaciones entre los indicadores de las diferentes zonas geogrficas, profesiones , grupos tnicos etc. Para la construccin de un nmero ndice, se procede ante todo, a fijar el periodo de referencia o "periodo base" de la serie temporal, teniendo presente que debe ser un periodo normal, esto es, que no se hayan presentado situaciones fortuitas (guerras, terremotos, incendios u otro tipo de imprevisto), que incidan en el valor de la variable para ese periodo. Adems debe considerarse un periodo reciente que haga comparables los diferentes valores 7/30 de las variables consideradas.
9.2.1 ndice Simple Un nmero ndice simple, es aquel que se calcula para una sola variable, dividiendo cada uno de los valores de la serie cronolgica, por el valor correspondiente al "periodo base" previamente definido. 9.2.1.1 ndice de Base Fija
, si la variable se refiere a precios , si la variable se refiere a cantidades Ip : ndice de precios Pn: Precio del artculo en el periodo n P0 : Precio del artculo en el periodo base Iq : ndice de cantidades qn : Cantidad del articulo en el periodo n q0 : Cantidad del articulo en el periodo bas
Precio Promedio del Kilovatio/Hora 1995-2001 Pagado por la Fabrica de Confecciones La Hilacha
Consumo Promedio de Energa en La Fabrica de Confecciones La Hilacha 7/30

En la primera tabla hemos calculado los ndices de precios simples, con base en 1995 y 1998 respectivamente, pero no se han tenido en cuenta las cantidades, mientras que en la segunda tabla se han calculado los ndices de cantidades sin considerar los precios. . . . . . Calculemos, ahora los ndices del valor relativo, que considere tanto los precios como las cantidades:
.....
Precio y Consumo Promedio de Energa en La Fabrica de Confecciones La Hilacha
9.2.1.2 ndice de Base Mvil

7/30
Solo hemos considerado, los ndices simples de base fija, esto es, con un periodo base determinado. Es comn que interese comparar un ndice con el ndice del periodo inmediatamente anterior, en consecuencia se debe fijar el periodo base en el periodo anterior al referenciado, y as sucesivamente hasta completar la serie, al cual se le nombra ndice de base mvil. Variaciones del Salario Promedio Diario en La Fabrica de Confecciones La Hilacha
9.2.2 ndices Compuestos (Globales) Un nmero ndice compuesto, muestra los cambios de un conjunto de variables, auque sus unidades de medidas, cantidades y precios, en el tiempo, sean diferentes entre s. Cuando hablamos por ejemplo de los ndices indicadores del costo de la canasta familiar, se toman en cuenta muchos artculos cuyos consumos inciden en el costo de vida, con una ponderacin o importancia diferente en cada caso. Colectivamente no es lo mismo un cambio en el precio de la carne, huevos o leche, que un cambio en el precio de los perfumes, joyas o cualquier otro artculo suntuoso.
9.2.2.1 ndice de Laspeyres Este ndice asume como ponderaciones, en el clculo del ndice global, las cantidades de los artculos en el periodo base.
Donde:
7/30
PL : q0 : p0 : pn :
ndice de precios global (Laspeyres). Cantidad del periodo base. Precio del artculo en el periodo base Precio del artculo en el periodo n
ndice de Precios de Cuatro Artculos
9.2.2.2 ndice de Paasche El estadstico Paasche, sugiere que las ponderaciones sean las cantidades utilizadas en el periodo n. Se obtiene entonces el siguiente indicador:
Este ndice, es poco utilizado debido al dinamismo de qn , necesitando nuevas ponderaciones cada vez que se cambia de periodo. 9.2.2.3 ndice ideal de Fisher Se propone el promedio geomtrico entre los dos ndices anteriores:
Una de las principales aplicaciones de los ndices de precios, es la de medir la deflacin e inflacin, que es la variacin que existe en el poder adquisitivo 7/30
del dinero. Tambin podemos utilizar, los ndices de precios al consumidor para determinar el salario real de un grupo de personas.
Salario Promedio Nominal y Real en la Fabrica La Hilacha
Dado el deterioro del salario real en los dos ltimos aos debera considerarse un generoso aumento.

1. Qu es una tasa? 2. Qu es un ndice? 3. Para qu se utilizan los nmeros ndices? 4. Cmo se construye un nmero ndice simple? 5. Cmo se construye un nmero ndice compuesto? 6. Los precios y las cantidades de un articulo X vienen dados en la siguiente tabla:
7/30
Tomando como ao base 1995, calcular para los otros aos: 6.1 Los ndices de precios. 6.2 Los ndices de cantidades. 6.3 Los ndices de valores. 7. A continuacin se relacionan los precios y las cantidades del ao base, de cuatro artculos diferentes:
Calcular el ndice de Laspeyres 8. Salario Mnimo Legal Diario en Colombia e ndice de Precios al Consumidor para el Ao 2.000-2001 (Periodo Base Diciembre de 1998).
7/30
Calcular el salario real para cada uno de los meses.
...
...
7/30
ESTADSTICA APLICADA 10. Nociones de Probabilidad (Eventos)
10. Nociones de Probabilidad (Eventos)

Los planes corresponden al hombre, las probabilidades a Dios. Proverbio chino
Todo experimento debe ser susceptible de repeticiones conservando las mismas condiciones con las cuales se realiz su antecesor. Esto es, el investigador debe fijar esas condiciones, bajo las cuales se realizarn las sucesivas repeticiones del experimento y conservarlas en cada una de las rplicas, de tal manera que sus inferencias resulten lo ms fiables posible. Sin embargo, aun as no siempre se obtienen los mismos resultados, pues a veces participan factores incontrolables que aparentemente no obedecen a ninguna causa natural, ni intervencin humana intencionada y que denominamos Azar o casualidad. Desde el punto de vista de la presencia o no de la contingencia en los resultados, si definimos experimentos determinsticos y experimentos aleatorios: Experimento determinstico es aquel en el cual, bajo las mismas condiciones experimentales, las repeticiones del experimento absolutamente todas, siempre producen el mismo resultado. El experimento Aleatorio, conservando las mismas condiciones experimentales, los resultados no se pueden predecir, con exactitud, para ninguna repeticin. S, por ejemplo lanzamos una moneda al aire para observar de cual lado cae, no podemos pronosticar con certeza, si se presenta sello o se presenta cara. Tenemos entonces presente el componente del azar y por consiguiente un experimento aleatorio. No ocurrira igual si la moneda estuviese diseada igual por ambos lados y por consiguiente sera un experimento determinstico:
Todos los posibles resultados de un experimento aleatorio, conforman el espacio muestral que representaremos por S, a cualquier subconjunto del espacio muestral se le denomina suceso o evento aleatorio y lo denotaremos con E. . Cada uno de los elementos del espacio muestral se denomina evento elemental e:
Definiciones sobre Sucesos:
G
El evento
ocurre cuando se verifica uno de los dos, o ambos sucesos.

7/30
http://tifon.unalmed.edu.co/~pagudel/10Probabilidad.html (1 de 6) [15/09/2002 7:46:03]

G
El evento
se presenta cuando ocurren los dos simultneamente.
Evento o suceso elemental Evento o suceso seguro Siempre se presenta en un experimento: S Evento o suceso imposible nunca ocurre dentro un experimento: Eventos incompatibles Dos o ms sucesos son incompatibles o excluyentes cuando la ocurrencia de uno impide la presencia de los otros. Si E1, E2 excluyentes entonces Sucesos complementarios o contrarios Dos sucesos son complementarios cuando son son mutuamente excluyentes y su unin conforma: el espacio muestral: . . Si E es un evento seguro, entonces E=S complementarios
En general, los sucesos o eventos, tienen las mismas propiedades de los conjuntos.
Propiedades de los eventos:

7/30
El complemento de la unin de dos sucesos es la interseccin de sus complementos: El complemento de la interseccin de dos sucesos es la unin de sus complementos:
.....
. . . . .
Ejemplo: Lanzamos una moneda para observar, si cae del lado de cara o del lado de sello:
G G G G G
Espacio muestral Eventos elementales , Evento seguro Evento imposible E1 y E2 son eventos excluyentes.
Ejemplo: Lanzar un par de dados, marcados c/u con los nmeros 1,2,3,4,5 y 6 Espacio muestral
7/30
E1: (suma igual a 2): E2: (suma igual a 3): E3: (suma igual a 4): E4: (suma igual a 5): E5: (suma igual a 6): E6: (suma igual a 7): E7: (suma igual a 8): E8: (suma igual a 9): E9: (suma igual a 10): E10: (suma igual a 11): E11: (suma igual a 12):
suceso elemental
suceso elemental
Con la unin e interseccin de dos o mas eventos, se generan nuevos sucesos.
Ejemplo:
En una mesa hay un juego (28 fichas) de domin, se voltea una ficha para observar sus nmeros: Espacio muestral
7/30
E1: La diferencia absoluta entre sus componentes sea igual a0

7/30
...
...
7/30

10.1 NOCIONES DE CONTEO
10.1.1 Principio Fundamental 1
Si un suceso A puede ocurrir de n maneras y otro suceso B puede ocurrir m maneras, entonces el suceso A B (Sucede el evento A sucede el evento B) puede ocurrir de formas, siempre y cuando los eventos no puedan suceder simultneamente. Ejemplo: En el lanzamiento de un dado, de cuantas maneras se puede obtener un nmero inferior a 2 o mayor que 4? A: (nmero inferior a 2) sucede solo de una manera. B : (nmero superior a 4), sucede de dos maneras A B (nmero inferior a 2 o superior a 4) sucede de 1+2=3 maneras.
10.1.2 Principio Fundamental 2
Si un seceso A puede suceder de n maneras y un suceso B de m formas, entonces el suceso A y B (sucede el evento A y sucede el Evento B) puede ocurrir de n(m) modos. Ejemplo: De cuantas maneras distintas pueden caer 2 dados, lanzados simultneamente: A: (dado 1) puede caer de 6 maneras. 7/30
http://tifon.unalmed.edu.co/~pagudel/101probabilidad.html (1 de 5) [15/09/2002 7:46:15]
B : (dado 2) puede caer de 6 maneras A y B (dado 1 y dado 2 ) sucede de 6(6) =36 maneras
10.1.3 Permutaciones
Se le llama permutacion a cada uno de los arreglos de n elementos, cuya diferenciacin mutua se debe al orden en que estn colocados sus elementos. Al total de permutaciones obtenidas con n elementos se le representa por: 1 Ejemplo: Cuantas palabras diferentes se pueden formar con las letras n, l, o, e; as no tengan sentido?
nloe, nleo, nelo, neol, nole noel, lnoe, lneo, leno, leon, lone, loen, elon, elno, enlo, enol, eoln, eonl, olne, olen, oeln, oenl, onle, onel.
10.1.4 Variaciones A cada uno de los arreglos de r elementos obtenidos de un grupo de n elementos , cuya diferenciacin mutua se deba a los elementos el orden de colocacin, se le denomina variacin. El nmero total de variaciones se representa por:
Ejemplo: Cuantos nmeros de tres cifras se pueden construir con los dgitos 1,2,3,4,5,6,7,8,9,0 si ninguno se puede repetir
10.1.5 Combinaciones
7/30
.....
A cada uno de los arreglos de r elementos obtenidos de un grupo de n elementos , cuya diferenciacin mutua se deba a los elementos sin importar el orden de colocacin de . ellos, se le denomina combinacin. El nmero total de combinaciones se representa por: . . . . Ejemplo:
De cuantas maneras se puede escoger un comit de 4 hombres de un grupo de 8?
10.1.6 Permutaciones con Repeticin En el caso de las permutaciones, si el elmento1 se repite r1 veces, el elemento 2 se repite r2 veces, etc. Y el elemento k se repite rk, se le llama permutaciones con repeticin y se calcula con:
Ejemplo: Cuantas palabras diferentes, aun sin significado, se pueden formar con las letras de la palabra amorosos?
10.1.7 Variaciones con Repeticin
En el caso de las variaciones si los elementos se pueden repetir hasta r veces se

les denomina variaciones con repeticin y se obtienen por:
Ejemplo: Cuantos nmeros de cuatro cifras 7/30existen?

EJERCICIOS PROPUESTOS 1. De cuntas maneras se pueden colocar dos anillos diferentes en la misma mano, de modo que no estn en el mismo dedo? 2. Al lanzar cinco dados de distintos colores cuntos resultados podemos obtener? 3. Con los nmeros 1,2,3,4,5 y 6: 3.1 Cuntos nmeros distintos de siete cifras podramos formar? 3.2 Podremos numerar a los 3224564 habitantes de una ciudad con esos nmeros? 4. Se lanzan al aire uno tras otro cinco dados equilibrados de seis caras. Cul es el nmero de casos posibles? 5. Cuntos nmeros de seis cifras existen que estn formados por cuatro nmeros dos y por dos nmeros tres? 6. Lola tiene 25 bolitas (10 rojas, 8 azules y 7 blancas) para hacerse un collar. En- garzando las 25 bolitas en un hilo, cuntos collares distintos podr realizar? 7. Cuntas palabras distintas, con o sin sentido, podremos formar con las letras de la palabra educacin? y con la palabra vacaciones? 8. Un grupo de amigos formado por Ral, Sonia, Ricardo y Carmen organizan una fiesta, acuerdan que dos de ellos se encargarn de comprar la comida y las bebidas De cuntas formas posibles puede estar compuesta la pareja encargada de dicha misin? 9. Una fbrica de helados dispone de cinco sabores distintos (vainilla, chocolate, nata, fresa y cola) y quiere hacer helados de dos sabores Cuntos tipos de helado podrn fabricar? 10. Un grupo de amigos y amigas se encuentran y se dan un beso para saludarse. Si se han dado en total 21 besos, cuntas personas haba? 11. En una carrera de 500 metros participan doce corredores De cuntas maneras pueden adjudicarse las medallas de oro, plata, bronce? 12. De cuntas formas pueden cubrirse los cargos de presidente, vicepresidente, secretario y tesorero de un club deportivo sabiendo que hay 14 candidatos?
7/30
______________________________ 1 A n! se le denomina factorial de n
...
...
7/30

10.2 DEFINICIN DE PROBABILIDAD Los eventos aleatorios no son predecibles con absoluta certeza, no obstante podemos
medir el grado de confianza con que se hace un pronstico, sobre la ocurrencia o no de un determinado suceso. 10.2.1 Probabilidad Clsica o "a priori" Si un evento puede ocurrir de n maneras, equiprobables y mutuamente excluyentes, de las cuales m maneras son favorables al suceso A; se define probabilidad del suceso A como:
Ejemplo: En el lanzamiento de un dado de seis caras una vez, si
10.2.2 Probabilidad "a posteriori" o de Frecuencia Relativa
Si un experimento se repite n veces , de las cuales m veces se presenta el suceso A, entonces es de esperarse que:
7/30
La proporcin de veces que se presenta el suceso A tiende a estabilizarse en un nmero entre 0 y 1 llamado probabilidad de A.
Si por ejemplo, lanzamos un dado cien veces y observamos la presencia del nmero 2 en 16 veces, en tal caso
10.2.3 Probabilidad Subjetiva
En la probabilidad subjetiva intervienen preferencias y emociones del analista que en general, son diferentes para cada caso. Por ejemplo, un apostador puede preferir el nmero 3 porque su horscopo se lo recomienda.
10.3 AXIOMAS DE LA TEORA DE PROBABILIDADES

Para todo experimento, la probabilidad de ocurrencia de un evento A, p(A), es una funcin que cumple con los siguientes axiomas:
10.3.1 10.3.2 10.3.3 Si dos o ms sucesos son incompatibles entre s, entonces la probabilidad de la unin de ellos, es igual a la suma de sus probabilidades respectivas
7/30
De estos tres axiomas podemos, fcilmente, deducir que: 10.3.3.1
La Probabilidad de un evento imposible es
igual a cero. La probabilidad de un evento es igual a la unidad menos la probabilidad de su complemento.

10.3.3.2 10.3.3.3
Toda probabilidad est definida entre la probabilidad del suceso imposible y la probabilidad del evento seguro. .
10.3.3.4 10.3.3.5
Si dos eventos son compatibles, la probabilidad de su unin es igual a la suma de sus probabilidades menos la probabilidad de su interseccin.
.....
. . . . .
7/30
En el ejemplo del lanzamiento de dos dados si: A : (suma sea mayor que 5 pero menor que 10)
B : (la suma sea mayor que 8)
10.4 PROBABILIDAD CONDICIONAL E INDEPENDENCIA ESTADSTICA

Si tenemos los sucesos A, B en un experimento aleatorio, con p(B)>0, se llama probabilidad condicional a: p(A/B) La probabilidad de ocurrencia del evento A dado que
7/30
ya se ha presentado el suceso B.
Ejemplo: a un grupo de personas se le pregunta sobre la intencin de voto para las prximas elecciones.
p(vote dado que es masculino)=
p(vote dado que es femenino)=
Independencia Estadstica
Por ejemplo la probabilidad de obtener un nmero impar en el segundo lanzamiento de un dado, no depende de si en el primer lanzamiento se 7/30
obtuvo un nmero impar.

1. Defina: 1.1 Experimento aleatorio, y experimento determinstico 1.2 Evento elemental, suceso seguro, suceso imposible, eventos excluyentes y eventos independientes. 2. Para cada uno de los eventos definidos en el lanzamiento de dos dados, calcular su respectiva probabilidad de ocurrencia. 3. En el experimento de seleccionar una ficha de domin, determinar las probabilidades para todos sus eventos elementales. 4. Para el ejemplo de la intencin de voto segn el sexo, calcular la probabilidad de no votante dado que es de sexo masculino.
...
...
7/30

10.5 VARIABLE ALEATORIA
En el clculo de probabilidades, generalmente, es ms sencillo identificar los eventos numricamente, y no con la simple descripcin del suceso que pueda ocurrir, es ms, en muchas ocasiones no podemos registrar todos los sucesos inmersos en el espacio muestral del experimento. Debemos recurrir a cuantificar esos smbolos iniciales en nmeros reales que se puedan operar matemticamente. Definicin: Una variable aleatoria es una funcin definida sobre un espacio muestral a los nmeros reales. Si ese espacio muestral especificado como dominio es numerable, decimos que la variable es de tipo discreto, en caso contrario diremos que es de tipo continuo. En el experimento de lanzar una moneda, una vez, definimos la variable aleatoria X: el nmero de sellos obtenido.
X(c) = 0 X(s) = 1 En la tirada de dos dados si X es la suma obtenida:
7/30
10.6 FUNCIN DE PROBABILIDAD

Las variables aleatorias, transforman eventos del espacio muestral en eventos numricos, los cuales desde luego, tienen asociada una probabilidad de ocurrencia. 10.6.1 Funcin de Probabilidad f(x)=p(X=x) :
Es una funcin definida sobre una variable aleatoria a los reales en el intervalo que cumple con los axiomas de la teora de la probabilidad.
10.6.2 Funcin de Distribucin F(x)=p(X=x) 7/30

Es la acumulada de una funcin de probabilidad.
- : Limite inferior de la variable X

Ejemplo: En el Lanzamiento de una Moneda, X: Nmero de Sellos
Ejemplo: X es la Suma Obtenida en el Lanzamiento de dos Dados:
7/30
.....
. . . . .
Ejemplo: Si X: Diferencia en Valor Absoluto, Entre los dos Sectores de una Ficha de Domin:
Hemos creado 3 ejemplos de funciones de probabilidad para variables aleatorias discretas con sus respectivas funciones de distribucin, que nos permiten calcular las probabilidades para cualquier tipo de evento. Calculemos algunas para el lanzamiento del par de dados, donde X es la suma obtenida:
Consultando directamente en la funcin de distribucin de esta variable discreta, F(x)=p(Xx) tenemos:7/30

Para el caso continuo, supongamos que un practicante de tiro al blanco siempre acierta indistintamente, en un crculo de 20 centmetros de radio.
7/30
La distancia que hay entre el punto a=0 (centro) y cualquier punto de la circunferencia . b=20 es
Cul es la probabilidad que un disparo impacte a menos de 15 cm del centro? a ms de 9 centmetros? Entre 7 y 14 centmetros?
Para toda variable continua:
7/30

1. Defina: Variable aleatoria, variable aleatoria discreta, variable aleatoria continua, funcin de probabilidad y funcin de distribucin. 2. En el ejercicio de la ficha de domin, si X representa la diferencia absoluta entre los dos nmeros, representar y calcular la probabilidad de ocurrencia de los siguientes eventos: 2.1 La diferencia sea menor o igual a 5 2.2 La diferencia sea mayor que 2 2.3 La diferencia sea mayor que 2 pero menor o igual 5 2.4 La diferencia sea mayor que 5 menor que 3
...
...
7/30

10.7 VALOR ESPERADO (ESPERANZA MATEMTICA)
10.7.1 Media Aritmtica Poblacional En el tratamiento de las medidas de tendencia central, resaltamos la importancia de la media aritmtica de una variable, como parmetro representativo de una muestra. En el anlisis poblacional, la media aritmtica o valor esperado de una variable aleatoria, se define como el promedio ponderado de los diferentes valores que puede asumir la variable X, usando como ponderaciones las probabilidades respectivas de ocurrencia.
si X es discreta
si X es continua
- : :
lmite inferior de la variable lmite superior de la variable
Ejemplo: X es la Suma Obtenida en el Lanzamiento de Dos Dados
7/30
.....
. . . . .
En promedio la suma obtenida en N tiradas es de 7. Si pagaramos en pesos la suma obtenida en cada lanzamiento, deberamos cobrar ms de 7 pesos para obtener utilidad en el juego. En la variable X, distancia del centro al punto de impacto del tirador, el valor esperado es:
10.7.2 Varianza Poblacional Similarmente a la definicin de la media aritmtica poblacional, la varianza se define como:

1. Calcular el valor esperado para la variable diferencia en el ejemplo del domin.
7/30
2. Si usted juega chance, calcule su valor real de acuerdo con los premios que espera obtener y comprelo con lo que realmente paga. 3. Tome un billete de lotera y calcule su precio equitativo. 4. Un contrabandista se enfrenta al siguiente dilema: Introducir o no, mercanca por valor de 5'000.000 obteniendo una utilidad de 1'000.000. El riesgo de ser detectado y castigado con el decomiso de la mercanca es del 17%. Que le aconseja usted.?
...
...
7/30
ESTADSTICA APLICADA 11. Distribuciones Especiales
11. Distribuciones Especiales

En el captulo anterior desarrollamos modelos probabilsticos a partir de abstracciones de los experimentos previamente descritos, a los cuales se les crea una funcin de probabilidad, que describa las posibilidades de esa realidad experimental. Muchos de los acontecimientos cotidianos, pueden ser asimilados a funciones probabilsticas tericas, que son de gran ayuda en la toma de decisiones bajo condiciones de incertidumbre. Eminentes estudiosos de la estadstica han planteado modelos probabilsticos que han contribuido al desarrollo de la ciencia. Veamos algunos de ellos:
11.1 DISTRIBUCIN DE BERNOULLI

Se puede afirmar que el experimento de Bernoulli, describe el modelo aleatorio ms sencillo, el cual tiene las siguientes caractersticas:
G
En el experimento slo se hace un ensayo. En el experimento slo se admiten dos resultados incompatibles, que llamaremos xito y fracaso. La probabilidad de un xito es p(E)=p. La probabilidad de un fracaso es p(F)=1-p = q X : es el nmero de xitos x = 0,1.
7/30
http://tifon.unalmed.edu.co/~pagudel/11distribuciones.html (1 de 13) [15/09/2002 7:47:48]
Es el caso cuando se lanza una moneda una vez y se observa de cual lado cae o se analiza un artculo para ver si est defectuoso o no, se obtiene o no un trabajo etc.
11.2 DISTRIBUCIN BINOMIAL

La distribucin binomial se obtiene haciendo n pruebas de Bernoulli independientes entre s, en tal caso tiene las siguientes caractersticas:
G G
n : nmero de repeticiones independientes del experimento de Bernoulli. Todas las pruebas deben tener una probabilidad constante de xito p y una probabilidad constante de fracaso q=1-p. X : es el nmero de xitos en las n pruebas, entonces; n-X : nmero de fracasos.
Analicemos el experimento con tres repeticiones:
(1)
7/30
(1) se puede expresar como:
entonces para n=3, tenemos que:
7/30
En general la funcin de probabilidad binomial tiene la siguiente forma:
y la funcin de distribucin:
La media aritmtica de una variable aleatoria con distribucin binomial es , y varianza . Con los parmetros n, y p se tipifica la distribucin binomial y la representamos como: . La distribucin binomial es simtrica cuando p=0.5, en caso contrario es asimtrica a la izquierda o a la derecha, segn el valor de p sea inferior o superior a 0.5. Ver grfico:
7/30
Tablas Binomiales
7/30
.....
. . . . .
7/30
7/30
7/30
7/30
7/30
7/30
Ejemplo: Se sabe que el 20% de la cartera de una empresa est vencida, se toma una muestra al azar de 15 cuentas. Cul es la probabilidad de que: 1. Haya cuatro menos cuentas vencidas? 2. Haya menos de cuatro cuentas vencidas? 3. Haya ms de dos cuentas vencidas. 4. Haya ms de dos pero menos de cinco cuentas vencidas? 5. Haya exactamente 3 cuentas vencidas? 6. No haya cuentas vencidas? 7. Cul es valor esperado de cuentas vencidas? 8. Cul es la desviacin estndar para el nmero de cuentas vencidas? Solucin: X: nmero de cuentas vencidas. xito: Cuenta vencida. Probabilidad de xito : p=0.2 Nmero de pruebas n=15
7/30
1. En las tablas de distribuciones binomiales, x=4 y p=0.2, consultamos 2. 3. 4.
, en la interseccin .
5.
6. 7. 8.
...
...
7/30
ESTADSTICA APLICADA

11.3 DISTRIBUCIN DE POISSON La distribucin de Poisson es de gran utilidad cuando tenemos variables distribuidas a travs del tiempo del espacio. Es el caso del nmero de llamadas que entran a una central telefnica en una unidad de tiempo, la cantidad de personas que atiende un cajero en una hora, los baches por kilmetro en una autopista, los artculos defectuosos que hay en un lote de produccin; amn de su utilizacin como aproximacin binomial cuando p es muy cercano a cero, o n superior a 30. (p<0.1 , n>30). La funcin de probabilidad de Poisson es:
Donde: : es decir, la media aritmtica es igual a la varianza. : X: (la base de los logaritmos naturales). nmero de xitos en la unidad de tiempo o de espacio considerado.
Ejemplo: Un cajero de un banco atiende en promedio 7 personas por hora, cual es la probabilidad de que un una hora determinada:
1. Atienda menos de 5 personas 2. Atienda ms de 8 personas 3. Atienda ms de 5 pero menos 7/30 de 8 personas
ESTADSTICA APLICADA
4. Atienda exactamente 7 personas
Consultando la tabla para la distribucin de Poisson:

1. 2. 3.
4.
Ejemplo: En cierto ncleo poblacional, el 0.5% es portador del V.I.H. En una muestra de 80 personas, cual es la probabilidad: 1. De que haya alguna persona portadora. 2. No haya personas portadoras.
Solucin:
1.
2.
Probabilidades de Poisson Acumuladas
7/30
ESTADSTICA APLICADA
.....
. . . . .
11.4 DISTRIBUCIN NORMAL

Dada la caracterizacin propia de este modelo continuo, donde coinciden las medidas de tendencia central, media, moda y mediana; la simetra respecto a estos parmetros y la facilidad de su aplicacin hacen de la distribucin normal, una herramienta de uso comn, mxime que la mayora de las variables econmicas y sociales se ajustan a una funcin normal. La distribucin normal, tambin es til como aproximacin de los modelos binomial y poisson expuestos anteriormente, y yendo un poco ms adelante, sustentados en el teorema del lmite central podemos afirmar que, cuando el tamao de la muestra es lo suficientemente grande, podemos asumir el supuesto de normalidad para una suma de
7/30
ESTADSTICA APLICADA
variables. La forma acampanada de la variable normal, resalta la perfeccin de esta curva definida por los parmetros
se representa como: La aparente complejidad de la distribucin normal no debe preocupar al lector, donde: X : Variable aleatoria distribuida normalmente Media aritmtica de la variable Varianza de la variable e 2.71828 constante (base de los logaritmos naturales) 3.1416 constante
Sin embargo, existen infinitas distribuciones normales, ya que por cada media aritmtica varianza diferente se describe una funcin tambin diferente: Normal Diferente Media Igual Varianza
Normal Diferente Varianza Igual Media
7/30
ESTADSTICA APLICADA
...
...
7/30

11.5 DISTRIBUCIN NORMAL ESTANDAR
Con el sinnmero de diferentes distribuciones normales que se generaran con cada media o varianza diferente, se hace necesario efectuar un cambio de origen y de escala en la variable original, para estandarizarla y obtener una nueva variable cuya manipulacin es ms fcil:
con aritmtica
, la nueva variable Z se distribuye normalmente con media y varianza
Dado que la distribucin normal es una variable continua
Ejemplo: Si asumimos que la resistencia de las baldosas se distribuye normalmente con y

Resistencia de 100 Baldosas
7/30
Si extraemos una baldosa al azar : Cual es la probabilidad de que: 1. 2. 3. 4. 5. 6.
Resista menos de 448 Kg/cm2? Resista ms de 588 Kg/cm2 ? Resista entre 308 y 588 Kg/cm2 ? Resista entre 168 y 728 Kg/cm2 ? Resista ms de 600 Kg/cm2 ? Resista menos de 200 ms de 700 Kg/cm2 ?
Con la ayuda de los valores tabulados:

7/30
7/30
. . .... . . . .
7/30
7/30
CUESTIONARIO Y EJERCICIOS PROPUESTOS 1. La probabilidad de que un visitante efecte una compra en un almacn, durante un da dado es 0.8. Si al negocio entran 20 clientes, cul es la probabilidad de que el almacn realice: 1.1 Exactamente 16 ventas? 1.2 Menos de 17 ventas? 1.3 Ms de 14 ventas? 1.4 Exactamente 5 ventas? 1.5 Cul es el nmero esperado de ventas? 2. Si un almacn tiene en promedio 5 ventas por hora. Cual es la probabilidad de que en una hora determinada: 2.1 Haya exactamente 4 ventas? 2.2 Haya ms de 3 ventas? 2.3 No se efecten ventas?
7/30
3. Una de cada 10 personas mayores de 40 aos de una comunidad, sufren de hipertensin. Se toma una muestra de 50 personas mayores de 40 aos. Utilizando primero la distribucin binomial y luego la aproximacin a la distribucin de Poisson, responder y comparar los resultados: 3.1 Cul es la probabilidad que haya ms de 4 hipertensos? 3.2 Cul es la probabilidad que haya exactamente 5 hipertensos? 4. Un lote de arandelas tiene un dimetro normal con media 10 milmetros y desviacin tpica 0.5 milmetros. Se toma una arandela al azar. Cul es la probabilidad de que tenga un dimetro: 4.1 Superior a 10.5 milmetros? 4.2 Entre 9 y 11 milmetros? 4.3 Menos de 9 milmetros?
...
...
7/30

11.6 EL TAMAO DE LA MUESTRA
El teorema del limite central, sustenta la aproximacin a la normalidad para muchas distribuciones discretas. Cuando el tamao de la muestra es grande, y dicha muestra es tomada de cualquier distribucin con media , finita y varianza 2 finita, entonces la media aritmtica muestral tiene una distribucin normal con media y varianza
Podemos entonces establecer intervalos de confianza para , : es denominado el nivel de significancia , si la significancia es por ejemplo, =0.05 entonces la confiabilidad es del 0.95.
7/30
Si entonces el 95% de las muestras se encontrarn en el intervalo
,
ahora bien , como los parmetros poblacional y son desconocidos, para muestras grandes (n>30) la varianza muestral S2 es un buen estimador de la varianza poblacional 2 , podemos afirmar con una confiabilidad predeterminada que la media aritmtica poblacional se halla en el intervalo
estamos admitiendo que la diferencia mxima entre y
es de:
esto es:
entonces el tamao de muestra mnimo es
donde :
: Valor crtico obtenido de la tabla normal, para una confiabilidad de S2: Varianza muestral e: Error mximo admitido
Sin embargo, n est en funcin de la varianza, la cual en la prctica es desconocida, ante lo cual debemos hacer un muestreo piloto para estimar la varianza y proceder a reajustar el tamao de la muestra mnimo. 7/30
Ejemplo: Se desea realizar una investigacin para analizar, cual es la resistencia promedio de una produccin de baldosas. Si admitimos un error mximo 25 Kg/Cm2, cual debe ser el tamao de muestra mnimo si exigimos una confiabilidad del 95%, y en una muestra piloto obtuvimos una desviacin tpica de 140 Kg/Cm2?
Con una confiabilidad del 90% se quiere estimar la proporcin de ciudadanos que votar en las prximas elecciones. Cual debe ser el tamao de la muestra, si admitimos un error del 3% y se sabe que en las pasadas elecciones hubo una abstencin del 70%? Dado que X es una distribucin binomial con x= np y
Entonces
. . . . .
.....
por consiguiente
7/30
7/30
7/30
...
...
7/30
ESTADSTICA APLICADA Apndice No. 1
Apndice No. 1
Una expresin general para cualquier media particular es la siguiente:
Si consideramos que todos los datos tiene frecuencia igual a la unidad, es decir:
La frmula general queda:
Donde:
M (t): x:
n: t:
Media Suma de todos los datos. Nmero de datos Un valor arbitrario - < t <
Como se puede observar; dndole valores a t, se obtienen medias particulares. Las ms comunes son:
Para t = 1,
7/30
http://tifon.unalmed.edu.co/~pagudel/apendice1.html (1 de 3) [15/09/2002 7:49:22]
Para t = -1,
.....
. La cual se denomina media armnica. . . Ntese que la media armnica es el recproco de la media aritmtica de los recprocos de . los datos. .
Antiguamente la media armnica era llamada subcontraria. Para t = 2,
Si t = 0,
Para resolver la indeterminacin presentada por: se procede de la siguiente forma:

7/30
...
...
7/30
Apndice No. 2
Para obtener la frmula m se deben hacer los siguientes supuestos:
1. El mnimo de datos que amerita clasificacin en intervalos es 16. 2. El nmero de intervalos no debe ser inferior a (5). 3. Cada vez que se duplique la informacin se incrementa en uno (1) el nmero de intervalos.
As las cosas, se obtiene la siguiente correspondencia:
.....
. . . . .
Se llega a la siguiente igualdad: n = 2m 1 Tomando logaritmo a ambos lados de la ecuacin
7/30
...
...
7/30
Apndice No. 3
Ejercicio general de aplicacin.
Nmero de Personas por Familia y Consumo Diario de Arroz, Segn Encuesta a 50 Familias de Quibd
Como puede observarse, la variable X (nmero de personas por familia) es de tipo discreto, cuyos tems no necesitan agruparse en intervalos; sin embargo, la variable Y (gramos de arroz diarios consumidos por familia) es una variable de tipo continuo y sus valores tienen poca frecuencia; en consecuencia, se hace necesario la agrupacin en clases o intervalos:
7/30
1. 2. 3.
4. 5. 6.
7. Construccin de los intervalos:
As las cosas, se procede a construir una tabla de doble entrada, con las variables X, Y para efectuar el conteo respectivo. Numero de Personas por Familia y Consumo Diario de Arroz, en un Grupo de 50 Familias
7/30
De la anterior tabla se pueden obtener, entre otras, las siguientes conclusiones:

G
El 62 % de las familias las conforman entre 5 y 7 personas. El 62 % de las familias tienen 6 personas o menos. El 64 % de las familias consume entre 400 y 800 gramos de arroz, diariamente. El 84 % de las familias consume menos de 1000 gramos diarios de arroz.
Calculemos ahora las medidas de tendencia central y dispersin ms importantes, a travs de la siguiente tabla: Tabla de Trabajo para el Clculo de
7/30
. . . .. . . . .
Luego, es ms dispersa la variable y: Consumo de arroz. Bsqueda de la correlacin entre las dos variables. 1. Diagrama de Dispersin
Se vislumbra una correlacin positiva y una tendencia rectilnea. 2. Clculo del Coeficiente de Correlacin. Tabla de Trabajo para el Clculo de Coeficiente de Correlacion
7/30
Debido a que los datos estn agrupados en frecuencias, debemos hacer los clculos teniendo en cuenta las veces que cada par de observaciones se repite.
Entre el nmero de personas por familia y el consumo de arroz, existe una correlacin positiva excelente. Se pueden utilizar los mismos totales para efectos de calcular los parmetros a y b de la recta de regresin.
7/30
El modelo lineal queda por consiguiente:
Modelo que predice el consumo de arroz, en funcin del nmero de personas por familia:
Para finalizar, veamos el comportamiento grfico del modelo rectilneo entre el nmero de personas por familia y el consumo de arroz. Recta de Regresin
7/30
...
...
7/30
ESTADSTICA APLICADA Solucin a Algunos Ejercicios Propuestos
Solucin a Algunos Ejercicios Propuestos

3.1-6
3.1-7 Edad
3.1-7 Estado Civil
7/30
http://tifon.unalmed.edu.co/~pagudel/ejercicios.html (1 de 12) [15/09/2002 7:50:20]
3.1-7 Nmero de Hijos
3.1-7 Experiencia Laboral
3.1-7 Escolaridad
7/30
3.1-7 Gastos en Educacin
3.1-7 Ausencias
3.2-4
7/30
3.1-7 Calificacin
3.2-4
3.1-7 Calificacin
7/30
4-5 Histograma
4-5 Polgono
4-5 Histograma Acumulado
7/30
. . .... . . . .
4-5 Polgono de Frecuencias Acumuladas
4-8
7/30
5-6
7-4
8-1
7/30
9-7
7/30
9-8
10.1-1
Si se usa el pulgar:
10.1-2 Variaciones con repeticin

7/30
10.1-5 Permutaciones con repeticin
10.1-8 Combinaciones
10.1-10 Combinaciones
10.4-4
10.6-2.1
10.6-2.2
7/30
10.6-2.3
10.6-2.4
10.5-4.1
10.5-4.2
10.5-4.3
7/30
...
...
7/30
ESTADSTICA APLICADA Referencias Bibliogrficas
Referencias Bibliogrficas
Alatorre, et al., Introduccin a los mtodos estadsticos, Mxico, UPN. Azorn, Poch. Francisco. Curso de muestreo y aplicaciones, Aguilar, 1969. Barahoma, Abel y otro. Metodologa de trabajos cientficos, Ipler, 1979. Bencardino M., Ciro. Estadstica, Apuntes y 600 Problemas Resueltos, 2a Edicin, Ecoe, 1982. Castillo, Juana, Estadstica inferencial bsica, Mxico, CCH, UNAM. CHAO. Lincoln L. Estadstica para Ciencias Administrativas, 2a Edicin, MCGRAWHILL, 1980. Dixon, Wilfrid J y otro. Introduccin al Anlisis Estadstico, 2a Edicin, MCGRAWHILL, 1965. Doms, Fernan P. La Estadstica Qu Sencilla, 2a Edicin, Paraninfo, 1969. Downie, N. M. y otro. Mtodos Estadsticos Aplicados. Harper Row Publishers Inc., 1970. Giardina, Basilio. Manual de Estadstica, 3 Edicin, 1972. Haber, Audrey. Estadstica General, Fondo Educativo Interamericano, 1973. Hoel, Paul G. Estadstica elemental, Mxico, CECSA. Johnson, Robert, Estadstica elemental, Buenos Aires, Grupo Editorial Iberoamericana. ..... ... .. Kazmier, Leonard J. Estadstica Aplicada a la Administracin y la Economa, MCGRAW-HILL, 1978. Leitold Louis. El Clculo con Geometra Analtica, 2a Edicin, Harla S.A., 1973. Levin Yack. Fundamentos de Estadstica en la Investigacin Social, 2a Edicin, Harla S., 1977. Llerena, Len, Ricardo y otro. Curso de Estadstica General, U. de A., 1981.
7/30
ESTADSTICA APLICADA Referencias Bibliogrficas
Meja V., William. Bioestadstica General, Escuela Nal. De Salud Pblica, U. de A., 1980. National Council of Teachers. Of. Mathematics USA. Recopilacin, Organizacin e interpretacin de Datos, Trilla, 1970. Portilla, Ch. Enrique. Estadstica, Primer Curso. Interamericano, 1980. Richards, Larry E. Y otro. Estadstica en los Negocios. porqu y cundo?, MCGRAW-HILL,1978. Seymour, Lipschutz, Teora y problemas de probabilidad, Mxico, McGraw-Hill. Shao, Stephen P. Estadstica para Economistas y Administradores de Empresas, 15a Edicin, 1979. Spiegel, Murray R. Estadstica, MCGRAW-HILL, 1970. Spiegel, Murray, Teora y problemas de estadstica, Mxico, McGraw-Hill. Stevenson, William, Estadstica, Mxico, Harla. Yamane, Taro, Estadstica, Mxico, Harla.
...
...
7/30
ESTADSTICA APLICADA Norbeto Guarn Salazar
NORBERTO GUARN SALAZAR

Estadstico Universidad de Medelln M.Sc. Estadstica Universidad Nacional de Colombia Profesor Asociado Universidad del Choc ..... .....
...
...
7/30

Estadistica Aplicada

Cargado por

Copyright:

Formatos disponibles

Estadistica Aplicada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Aplicada

Cargado por

Copyright:

Formatos disponibles

N. GUARN S.

ESTADSTICA APLICADA Tabla de Contenido

http://tifon.unalmed.edu.co/~pagudel/tabla.html (1 de 4) [15/09/2002 7:40:53]

ESTADSTICA APLICADA Tabla de Contenido

ESTADSTICA APLICADA Tabla de Contenido

http://tifon.unalmed.edu.co/~pagudel/tabla.html (3 de 4) [15/09/2002 7:40:53]

ESTADSTICA APLICADA Tabla de Contenido

ESTADSTICA APLICADA Introduccin

ESTADSTICA APLICADA Introduccin

ESTADSTICA APLICADA 1. La Estadstica

http://tifon.unalmed.edu.co/~pagudel/1estadistica.html (1 de 2) [15/09/2002 7:41:00]

ESTADSTICA APLICADA 1. La Estadstica

ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico

2. Etapas del Mtodo Estadstico

http://tifon.unalmed.edu.co/~pagudel/2etapas.html (1 de 5) [15/09/2002 7:41:04]

ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico

ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico

http://tifon.unalmed.edu.co/~pagudel/2etapas.html (3 de 5) [15/09/2002 7:41:04]

ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico

CUESTIONARIO 1. Por qu se considera importante la estadstica?

http://tifon.unalmed.edu.co/~pagudel/2etapas.html (4 de 5) [15/09/2002 7:41:04]

ESTADSTICA APLICADA 2. Etapas del Mtodo Estadstico

http://tifon.unalmed.edu.co/~pagudel/2etapas.html (5 de 5) [15/09/2002 7:41:04]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (1 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (2 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (3 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

Distribucin Terica de Frecuencias de n Observaciones

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (4 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (5 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

CUESTIONARIO Y EJERCICIOS PROPUESTOS

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (6 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (7 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (8 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (9 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (10 de 10) [15/09/2002 7:41:19]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

http://tifon.unalmed.edu.co/~pagudel/32frecuencias.html (1 de 8) [15/09/2002 7:41:40]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

3.3 REGLAS EMPRICAS PARA LA CONSTRUCCIN DE INTERVALOS

, 3.3.4 Calcular el rango ampliado:

Distribuir adecuadamente la cantidad a de la siguiente manera:

http://tifon.unalmed.edu.co/~pagudel/32frecuencias.html (2 de 8) [15/09/2002 7:41:40]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

Distribucin Terica de Frecuencias por Intervalos de n Observaciones

Nmero de observaciones Lmite inferior del primer intervalo 7/30

http://tifon.unalmed.edu.co/~pagudel/32frecuencias.html (3 de 8) [15/09/2002 7:41:40]

ESTADSTICA APLICADA 3 Distribucin de Frecuencias

3.3.1 . . 3.3.2 Rango .... . . . . 3.3.3 Nmero de intervalos

3.3.5 Hemos alterado el rango original