Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 83 vistas

    Estadistica Glosario 3

    Cargado por

    Gisela Correa
    Las medidas de tendencia central más utilizadas son la media, mediana y moda. La media es el valor promedio de los datos, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor que más se repite. Para organizar datos continuos se usan intervalos de clases y tablas de frecuencias. Las medidas de dispersión como la varianza y desviación estándar indican qué tan dispersos están los datos respecto a la media.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Estadistica Glosario 3

    Cargado por

    Gisela Correa
    83 vistas8 páginas
    Las medidas de tendencia central más utilizadas son la media, mediana y moda. La media es el valor promedio de los datos, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor que más se repite. Para organizar datos continuos se usan intervalos de clases y tablas de frecuencias. Las medidas de dispersión como la varianza y desviación estándar indican qué tan dispersos están los datos respecto a la media.

    Título original

    estadistica glosario 3

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Las medidas de tendencia central más utilizadas son la media, mediana y moda. La media es el valor promedio de los datos, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor que más se repite. Para organizar datos continuos se usan intervalos de clases y tablas de frecuencias. Las medidas de dispersión como la varianza y desviación estándar indican qué tan dispersos están los datos respecto a la media.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    83 vistas8 páginas

    Estadistica Glosario 3

    Cargado por

    Gisela Correa
    Las medidas de tendencia central más utilizadas son la media, mediana y moda. La media es el valor promedio de los datos, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor que más se repite. Para organizar datos continuos se usan intervalos de clases y tablas de frecuencias. Las medidas de dispersión como la varianza y desviación estándar indican qué tan dispersos están los datos respecto a la media.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 8

    Como conceptos nuevos o como repaso deben rescatar:

    • Medidas de tendencia central: Las medidas de tendencia central son medidas


    estadísticas que pretenden resumir en un solo valor a un conjunto de valores.
    Representan un centro en torno al cual se encuentra ubicado el conjunto de los datos.
    Las medidas de tendencia central más utilizadas son: media, mediana y moda.

    ◦ Media Aritmética (en un conjunto de datos numéricos): La definimos como el


    valor característico de la serie de datos resultado de la suma de todas las observaciones
    (X1+X+X3…) dividido por el número total de datos (N).

    Estos cálculos se pueden simbolizar:

    Visto desde un punto de vista más conceptual, la media aritmética es el centro de los
    datos en el sentido numérico, ya que intenta equilibrarlos por exceso y por defecto. Es
    decir, si sumamos todas las diferencias de los datos a la media es cero.

    ◦ Mediana (en un conjunto de datos numéricos): Otra medida de tendencia central es


    la mediana. La mediana es el valor de la variable que ocupa la posición central, cuando
    los datos se disponen en orden de magnitud. Es decir, el 50% de las observaciones tiene
    valores iguales o inferiores a la mediana y el otro 50% tiene valores iguales o superiores
    a la mediana.

    Si el número de observaciones es par, la mediana corresponde al promedio de los dos


    valores centrales. Por ejemplo, en la muestra 3, 9, 11, 15, la mediana es (9+11)/2=10.

    ◦ Moda (en un conjunto de datos numéricos o categóricos): La moda de una


    distribución se define como el valor de la variable que más se repite. En un polígono de
    frecuencia la moda corresponde al valor de la variable que está bajo el punto más alto
    del gráfico. Una muestra puede tener más de una moda.

    Ejemplo 1:
    Ejemplo 2:

      

    • Organización de frecuencias en variables numéricas continúas: En estadística, se


    le llama distribución de frecuencias a la agrupación de datos en categorías
    mutuamente excluyentes que indican el número de observaciones en cada categoría.
    Esto proporciona un valor añadido a la agrupación de datos. La distribución de
    frecuencias presenta las observaciones clasificadas de modo que se pueda ver el número
    existente en cada clase.

    -Intervalos de clase: Los intervalos de clase se emplean si las variables toman


    un número grande de valores o la variable es continua.
    Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases.
    A cada clase se le asigna su frecuencia correspondiente.

    -Marca de clase (xn): La marca de clase es el punto medio de cada intervalo y es


    el valor que representa a todo el intervalo para el cálculo de algunos parámetros.

    Construcción de una tabla con Intervalos de clase

    Consideremos los siguientes datos:

    3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11,
    13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.

    1º se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.

    2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea
    divisible por el número de intervalos de queramos poner.

    Es conveniente que el número de intervalos oscile entre 6 y 15.

    En este caso, 48 - 3 = 45, incrementamos el número hasta 50/5 = 10 intervalos.

    Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece
    al intervalo, pero el límite superior no pertenece intervalo, se cuenta en el siguiente
    intervalo.
    • Gráfica de frecuencias en variables numéricas continúas:

    -Histogramas: Un histograma es una representación gráfica de una variable en


    forma de barras. Se utilizan para variables continuas o para variables discretas, con
    un gran número de datos, y que se han agrupado en clases. En el eje abscisas se
    construyen unos rectángulos que tienen por base la amplitud del intervalo, y
    por altura, la frecuencia absoluta de cada intervalo. La superficie de
    cada barra es proporcional a la frecuencia de los valores representados

    -Polígonos de frecuencias: Para construir el polígono de frecuencia se toma la marca


    de clase que coincide con el punto medio

    • Intervalo modal (o clase modal): El intervalo modal es el de mayor frecuencia


    absoluta. Cuando tratamos con datos agrupados antes de definir la moda, se ha de
    definir el intervalo modal. Siendo la frecuencia absoluta del intervalo modal las
    frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al intervalo
    modal.

    Lo más eficaz es ver un Ejemplo:


    En la siguiente tabla tenemos ua distribución continua con intervalos de diferente
    amplitud, en la que se han calculado ya las frecuencias normalizadas.

    Podemos observar que el intervalo modal es el [40 - 45), al tener la mayor frecuencia
    normalizada. Para determinar la Moda aplicamos interpolación y obtenemos:

    • Medidas de dispersión: En estadística, las medidas de dispersión (también


    llamadas variabilidad, dispersión o propagación) es el grado en que una distribución se
    estira o exprime. Las medidas de dispersión se contrastan con la ubicación o
    la tendencia central, y juntas son las propiedades más utilizadas de las distribuciones.
    Son números que representan si la media aritmética es o no representativa a los datos.

    Varianza y desviación estándar

    La desviación sólo significa qué tan lejos de lo normal

    -Desviación estándar

    La desviación estándar (σ) mide cuánto se separan los datos.

    La fórmula es fácil: es la raíz cuadrada de la varianza. Así que, "¿qué es la varianza?"

    -Varianza

    La varianza (que es el cuadrado de la desviación estándar: σ2) se define así:

    Es la media de las diferencias con la media elevadas al cuadrado.

    En otras palabras, sigue estos pasos:

    1. Calcula la media (el promedio de los números)


    2. Ahora, por cada número resta la media y eleva el resultado al cuadrado (la diferencia
    elevada al cuadrado).
    3. Ahora calcula la media de esas diferencias al cuadrado. (¿Por qué al cuadrado?)

    Ejemplo

    Tú y tus amigos habéis medido las alturas de vuestros perros (en milímetros):
    Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y 300mm.

    Calcula la media, la varianza y la desviación estándar.

    Respuesta:

    600 + 470 + 170 + 430 + 300 1970

    Media =    =    = 394

    5 5

    Así que la altura media es 394 mm. Vamos a dibujar esto en el gráfico:

    Ahora calculamos la diferencia de cada altura con la media:


    Para calcular la varianza, toma cada diferencia, elévala al cuadrado, y haz la
    media:

    2062 + 762 + (-224)2 + 362 + (-94)2 108,520

    Varianza: σ2 =    =    = 21,704

    5 5

    Así que la varianza es 21,704.

    Y la desviación estándar es la raíz de la varianza, así que:

    Desviación estándar: σ = √21,704 = 147

    Y lo bueno de la desviación estándar es que es útil: ahora veremos qué alturas


    están a distancia menos de la desviación estándar (147mm) de la media:

    Así que usando la desviación estándar tenemos una manera "estándar" de saber
    qué es normal, o extra grande o extra pequeño.

    Los Rottweilers son perros grandes. Y los Dachsunds son un poco menudos... ¡pero


    que no se enteren!

    *Nota: ¿por qué al cuadrado?


    Elevar cada diferencia al cuadrado hace que todos los números sean positivos
    (para evitar que los números negativos reduzcan la varianza)

    Y también hacen que las diferencias grandes se destaquen. Por ejemplo


    1002=10,000 es mucho más grande que 502=2,500.

    Pero elevarlas al cuadrado hace que la respuesta sea muy grande, así que lo
    deshacemos (con la raíz cuadrada) y así la desviación estándar es mucho más útil.

    También podría gustarte