Regla Empírica para Una

REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TIPICAS:
Para una desviacin tpica el porcentaje es del 68.27%
El porcentaje para 2 desviaciones tpicas es igual al 95.45%.
El porcentaje para 3 desviaciones tpicas es igual a 99.73%.
Tema 5: Regla emprica y de chevichev
REGLA EMPRICA Y REGLA DE

CHEBYSHEV
Evidencia 17 (07-Noviembre)
El da de hoy en la clase de Estadstica, se realizaron ejercicios retomando los
temas revisados previamente: Medidas de Tendencia Central y Medidas de
Dispersin. A partir de la obtencin de dichas medidas abordamos la regla
emprica y la regla de Chebyshev.
De tal modo, aprend que estas reglas tienen como finalidad "complementar la
mediana", es decir, permiten obtener resultados mucho ms concisos.
Recordemos que la mediana tiene como objetivo encontrar el dato que se
encuentra justo a la mitad de la muestra, al mismo tiempo que divide en partes
iguales a dicha coleccin de datos; as cuando decimos que la regla emprica y
la de Chebyshev complementan a la mediana es porque ayudan a obtener
resultados concretos a fin de conocer con mayor precisin cmo es que se
estn comportando los valores dentro de una base de datos.
Asimismo, aprend por un lado, que la regla emprica se aplica siempre y
cuando tengamos una distribucin normal de los valores en una muestra, esto
es generalmente cuando al momento de representar obtengamos grficas de
forma
acampanada.
Entonces, si la muestra cumple con esa condicin, podremos aplicar 3 distintas
frmulas, stas son de acuerdo al "resultado porcentual" que deseemos
obtener; as, las frmulas son las siguientes:
1) (x-),(x+) --> obtenemos aproximadamente 68 % de la distribucin.

2) (x-2),(x+2) --> aprox. 95%
3) (x-3),(x+3) --> aprox. 99 e incluso 100%
Como podemos ver, el porcentaje aumenta de acuerdo al nmero de
desviaciones estndar que ocupemos.
Por otro lado aprend cmo obtener la regla de Chebyshev, sta se obtiene en
los casos cuando no es posible determinar la regla emprica (cuando no hay una
distribucin normal de los datos). De tal modo, tenemos 2 frmulas distintas
para obtener dicha regla:
1) (x-Ks, x+Ks)--> donde K es cualquier valor superior a 1; y donde s es la
desviacin estndar.
As, para comprender mejor la regla de Chebyshev, consideremos el siguiente
ejemplo:
"Supongamos que los resultados de la media y la desviacin estndar de una
base de datos son:
x= 106.4300
= 100.0936
Entonces sustituimos dichos valores en la frmula:
(106.4300-2(100.0936), 106.4300+2(100.0936)
=(106.4300-200.1872, 106.4300+200.1872)
=(-93.7573, 306.6172)
Como vemos el resultado que obtenemos es a manera de un intervalo."
2) 1-1/K2(100%)
"Suponiendo que tenemos:
x= 106.4300
= 100.0936
Sustituimos en la frmula:
1-1/(2)2(100%) = 1- 1/4(100%)
=1-0.25(100%)= 0.75(100%)
= 75%
Como observamos, el resultado se representa en porcentaje, asimismo el valor
de K es cualquier valor, ste por el momento es determinado por el profesor."
Finalmente, puedo decir que tanto la regla emprica como la regla de
Chebyshev ayudan a conocer ms detalladamente cmo es que se est
comportando la base de datos estudiada. Asimismo, vemos la importancia que
tienen las MTC y las MDD, ya que ambas nos ayudan a determinar las reglas ya
mencionadas.
Evidencia18 (09-Noviembre)
El da de hoy en la clase de Estadstica Descriptiva en Educacin retomamos los
temas ya revisados con anterioridad, as, se resolvieron ejercicios sobre
Medidas de Tendencia Central y Medidas de Dispersin, incluyendo el ltimo
tema visto: la regla emprica y de Chebyshev.
Con respecto a este ltimo tema, aprend a realizar las interpretaciones
correspondientes para cada regla; por una parte, sabemos que para la regla
emprica usamos 3 frmulas las cuales nos dan como resultado 3 porcentajes o
resultados diferentes (stos dependen de las desviaciones estndar utilizadas
para su clculo); cada resultado nos dice aproximadamente qu porcentaje de
los datos cumplen con el intervalo que se haya obtenido, entonces con
respecto a esto se realiza la interpretacin. Por otra parte, pero con mucha
relacin a la anterior tenemos la interpretacin para la regla de Chebyshev
mediante la cual podemos saber el porcentaje de los datos que cumplen con la
caracterstica del intervalo. Sin duda, a pesar de que el procedimiento para
obtener cada regla sea diferente, las interpretaciones son similares ya que
ambas nos permiten saber con mayor precisin la distribucin que est
teniendo
la
muestra
de
datos
analizada.
Para reafirmar estos conocimientos, tenemos el siguiente ejemplo explicado en
una publicacin previa, no obstante en esta ocasin se le agregar cmo
aplicar y resolver alguna de las dos reglas, de tal modo lo que he aprendido se
muestra
a
continuacin:
Ejemplo:
Las calificaciones de 8 alumnos de 5 de primaria en su primer examen de
espaol,
fueron
las
siguientes:
6.2, 9.7, 5.5, 8.2, 8.2, 8.9, 9.3, 7.5
a) Determinar las Medidas de Tendencia Central para datos agrupados y sus

respectivas interpretaciones.
b) Obtener las Medidas de Dispersin y su interpretacin.
c) Graficar el histograma.
d) Aplicar la regla emprica o de Chebyshev, segn sea el caso e interpretar."
A) MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS
MEDIA
9.7-5.5= 4.2/4= 1.05= 1.0501
Clase..FAFa...Mc....Mc*Fi
(5.5-6.5501]2...2.6.025012.0500
(6.5501-7.6002]..1...3.7.07517.0751
(7.6002-8.6503]..2...5.8.125216.2504
(8.6503-9.7004]..3...8.9.1753...27.5259
= 62.9014
= 62.9014/8= 7.8626
Interpretacin: Si todos los alumnos tuvieran la misma calificacin, sta sera
de
7.8626
MEDIANA
8 PAR
n/2 = 8/2 = 4 y 5 (posiciones en Fa)
Me= (7.6002-8.6503]Mc =8.1252
Interpretacin: El 50 % de los alumnos obtuvo una calificacin inferior a
8.1252, el otro 50% obtuvo una calificacin superior a 8.1252
CLASE MODAL
Mo= (8.6503-9.7004]
Interpretacin: La mayora de los alumnos obtuvo una calificacin entre 8.6503
y
9.7004
B) MEDIDAS DE DISPERSIN
VARIANZA
= 7.8626
6.2-7.8626= (-1.6626) (-1.6626)= 2.7642
9.7-7.8626= (1.8374) (1.8374)= 3.3760
5.5-7.8626= (-2.3626) (-2.3626)= 5.5818
8.2-7.8626= (0.3374) (0.3374)= 0.1138
8.2-7.8626= (0.3374) (0.3374)= 0.1138
8.9-7.8626= (1.0374) (1.0374)= 1.0761
9.3-7.8626= (1.4374) (1.4374)= 2.0661
7.5-7.8626= (-0.3626) (-0.3626)= 0.1314
2= /n-1
2= 15.2232/7 = 2.1747
DESVIACIN ESTNDAR
2= 2.1747
= 2.1747= 1.4747
COEFICIENTE DE VARIACIN
C.V. = 1.4747/ 7.8626 (100%)
C.V. = 0.187558 (100%)
C.V. = 18.7558 %
Interpretacin: Existe una variacin de 18.7558 % de los datos con respecto al
valor de la media
C) GRAFICAR EL HISTOGRAMA
Vase figura 18. Recordemos que el histograma es el grafico que nos permite
saber si existe una distribucin normal (forma de campana) de los datos y por
consiguiente nos permite determinar cul de las dos reglas vamos a aplicar. En
este caso ser la regla de Chebyshev.
D) REGLA DE CHEBYSHEV
Considerando:
K=3
= 7.8626
= 1.4747
1 frmula
(-Ks, +Ks)
= (7.8626-3(1.4747), 7.8626+3(1.4747)]
= (7.8626-4.4241, 7.8626+4.4241)
= (3.4385, 12.2867]
2 frmula
1-1/K2 (100 %)
= 1-1/32 (100%) = 1-1/9 (100%) = 1-0.1111 (100%)
= 0.8889 (100%)
= 88.89 %
Interpretacin: Por lo menos el 88.89 % de los datos cumple con la
caracterstica del intervalo (3.4385, 12.2867].
Evidencia 19 (14-Noviembre)
Hoy, en la clase de Estadstica repasamos los temas sobre la Regla emprica y
la Regla de Chebyshev, as que solamente reafirme mis conocimientos.
Entonces, de acuerdo a la definicin que el equipo expositor explic, podemos
decir que la funcin de la Regla emprica es medir cmo se van distribuyendo
los valores por encima y por debajo de un valor central (media). Para conocer
dicha distribucin empleamos un grafico (como el Histograma) para poder
entender la manera cmo a la Media se le van sumando y restando el resultado
de la Desviacin estndar.
Recordemos que para que la Regla emprica pueda determinarse es necesario
que en el histograma graficado veamos una distribucin normal, es decir, de
forma acampanada; una vez identificado que nuestro grfico cumple con esa
condicin, entonces procedemos a determinar dicha regla de acuerdo al
porcentaje que queramos obtener. Este porcentaje est en relacin a las tres
frmulas de la Regla emprica:
1) (x-),(x+) --> obtenemos aproximadamente 68 % de la distribucin.
2) (x-2),(x+2) --> aprox. 95%
3) (x-3),(x+3) --> aprox. 99 e incluso 100%
Entonces, de acuerdo al porcentaje que deseemos obtener, es que vamos a
sumar y restar 1, 2 3 desviaciones estndar. Lo anterior se puede entender
de la siguiente manera: por un lado vamos a posicionar la media en el
histograma, para calcular la primera parte de la frmula (la resta) procedemos a
restar el valor de la media menos 1 desviacin estndar (si es que queremos
calcular el 68% de la distribucin), dicha resta nos dar como resultado el lmite
inferior del intervalo. Por otro lado, para calcular la segunda parte de la frmula
(la suma) vamos a sumar el valor de la media ms 1(cuando queremos saber el

68% de la distribucin), dicha suma nos dar como resultado el lmite superior
del intervalo. Cabe mencionar que para cuando queramos saber el 95%, 99%
o 100% de la distribucin, las desviaciones estndar consideradas aumentaran
(puede ser 2 3), nmero que se multiplicara al valor de la desviacin
estndar.
Como vemos, el procedimiento anterior se explica en la figura 19.
Asimismo, aprend que la Regla emprica nos permite obtener un resultado ms
exacto acerca de la variacin de los datos. Y sta, al igual que la Regla de
Chebyshev, nos complementan la mediana, y nos dan la oportunidad de hacer
cortes ms precisos.
Finalmente, la Regla de Chebyshev se diferencia de la emprica porque sta
no necesita tener una distribucin normal (en el histograma) para poder ser
aplicada.
Publicado por UPN 153 en 18:44
Enviar por correo electrnicoEscribe un blogCompartir con TwitterCompartir con FacebookCompartir en
Pinterest
No hay comentarios:
Varianza y desviacin estndar para datos agrupados
La varianza para datos agrupados, una vez vista la media para datos agrupados, la
podemos definir como:
donde m es el nmero de clases o agrupamientos y

dato
la frecuencia para el respectivo
Podemos construir otra relacin muy similar a la que tenamos para el caso de datos no
agrupados, como se muestra en el siguiente teorema:
Teorema. La varianza para un conjunto de datos agrupados es dada como
Demostracin.
Consideremos la definicin
Desarrollando el cuadrado tenemos:
recordando que la definicin para la media
entonces
adems sabemos que la suma de las frecuencias es igual al nmero de datos, es

decir,
, por lo que
lo cual demuestra el teorema.
Retomando el ejemplo planteado en el ejemplo del clculo de la desviacin absoluta

media, para el caso de las calificaciones reportadas por el profesor:
Clases para
las
calificaciones
Frecuencia de
datos
Punto medio
de clase
Cuadrados de las
desviaciones por su
frecuencia
0.5
39.69
1.5
28.09
2.5
55.47
3.5
4.5
26.45
5.5
6.76
6.5
0.54
10
7.5
4.9
18
8.5
52.02
9.5
14.58
Obtener la desviacin estndar para este conjunto de datos agrupados es inmediata,

basta con sacar la raz cuadrada a la varianza obtenida.

Regla Empírica para Una

Cargado por

Copyright:

Formatos disponibles

Regla Empírica para Una

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

Regla Empírica para Una

Cargado por

Copyright:

Formatos disponibles

REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TIPICAS:

Para una desviacin tpica el porcentaje es del 68.27%

El porcentaje para 2 desviaciones tpicas es igual al 95.45%.

El porcentaje para 3 desviaciones tpicas es igual a 99.73%.

Tema 5: Regla emprica y de chevichev

REGLA EMPRICA Y REGLA DE

1) (x-),(x+) --> obtenemos aproximadamente 68 % de la distribucin.

a) Determinar las Medidas de Tendencia Central para datos agrupados y sus

(la suma) vamos a sumar el valor de la media ms 1(cuando queremos saber el

Varianza y desviacin estndar para datos agrupados

donde m es el nmero de clases o agrupamientos y

la frecuencia para el respectivo

Teorema. La varianza para un conjunto de datos agrupados es dada como

Desarrollando el cuadrado tenemos:

recordando que la definicin para la media

adems sabemos que la suma de las frecuencias es igual al nmero de datos, es

lo cual demuestra el teorema.

Retomando el ejemplo planteado en el ejemplo del clculo de la desviacin absoluta

Obtener la desviacin estndar para este conjunto de datos agrupados es inmediata,

También podría gustarte