Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 8 vistas

    Unidad 4 2024-1

    Cargado por

    LeoMariis Cano Riios

    Copyright:

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

    Unidad 4 2024-1

    Cargado por

    LeoMariis Cano Riios
    8 vistas6 páginas

    Título original

    UNIDAD 4 2024-1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    8 vistas6 páginas

    Unidad 4 2024-1

    Cargado por

    LeoMariis Cano Riios

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 6

    UNIDAD 4:

    MEDIDAS DE VARIABILIDAD y FORMA


    MEASURES OF VARIABILITY and SHAPE

    MEDIDAS DE DISPERSIÓN, DE DEFORMACIÓN Y DE APUNTAMIENTO


    DISPERSION, ASYMMETRY AND CURTOSIS MEASURES

    Central tendency measures are not enough to describe a set of values of some
    statistical variable. The averages determine the center, but they say nothing about
    where the data is located relative to the center.
    First, a measure of the degree of dispersion or variability from the center is needed
    in order to broaden the description of the data or to compare two or more data
    series.
    Second, a measure of the degree of symmetry or distortion on either side of the
    center of a data series is needed in order to describe the shape of the data
    distribution. This measure is called the asymmetry index.
    Third, a measure is needed that allows us to compare the pointing or kurtosis of
    symmetric distributions with respect to the normal symmetric distribution. This
    measure is called the pointing index or kurtosis..
    OBJECTIVES

    • Understand the need for variability and form for the study of different phenomena.
    • Know the main measures of variability and shape.
    • Learn to calculate measures of variability and shape.
    • Differentiate and analyze different sources of variability and form.
    • Analyze to what extent the distributions deviate from the normal model in terms of
    dispersion, symmetry and pointing.

    1. MEDIDAS DE DISPERSION. MEASURES OF DISPERSION


    Muestran la variabilidad de una distribución, indicando por medio de un número, si
    las diferentes puntuaciones de una variable están muy alejadas de la media
    aritmética y mediana. Las medidas de dispersión a estudiar son

     Varianza
     Desviación Típica o Estándar
     Coeficiente de Variación

    VARIANZA. VARIANCE

    1
    Es un estadígrafo que mide la dispersión de los valores respecto a un valor central
    (media aritmética). Es la media de las diferencias de las observaciones con la
    media aritmética elevadas al cuadrado; es decir, es el cuadrado de las
    desviaciones.

    La varianza a veces no se interpreta claramente, ya que se mide en unidades


    cuadráticas

    DATOS NO AGRUPADOS DATOS AGRUPADOS

    2 2
    ̅̅̅
    ∑(𝑿𝒊 − 𝐗) ̅̅̅
    ∑ 𝒇𝒊 ∗ (𝑿𝒊 − 𝐗)
    𝑺𝟐 = 𝑺𝟐 =
    𝑵 𝑵
    DESVIACON TÍPICA o ESTÁNDAR. TYPICAL DEVIATION or STANDARD
    DEVIATION
    La desviación típica informa sobre la dispersión de los datos respecto al valor de
    la media aritmética. Cuanto mayor sea su valor, más dispersos estarán los datos;
    cuanto menor sea y tienda a cero, más compactos serán los datos.
    Expresa los resultados en unidades simples

    DATOS NO AGRUPADOS Y DATOS AGRUPADOS

    S = √ 𝑆2 S = √ 𝑆2

    COEFICIENTE DE VARIACIÓN. COEFFICIENT OF VARIATION


    Hace referencia a la relación entre la desviación típica y el tamaño de la media
    aritmética.

    Se puede presentar la respuesta en valores absolutos o valores relativos


    (porcentajes)

    DATOS NO AGRUPADOS y DATOS AGRUPADOS

    𝑆 𝑆
    CV = ̅ %CV = ̅ x 100
    𝐗 𝐗

    A mayor valor del Coeficiente de Variación mayor heterogeneidad de los valores


    de la variable; y a menor C.V., mayor homogeneidad en los valores de la variable.

    Por ejemplo, si el C.V es menor o igual al 30%, significa que la media aritmética es
    representativa del conjunto de datos, por ende, el conjunto de datos tenderá a ser
    "Homogéneo". Por el contrario, si el C.V supera al 30%, el promedio no será
    representativo del conjunto de datos (por lo que resultará "Heterogéneo".

    2
    MEDIDAS DE DEFORMACIÓN o ASIMETRÍA. (As) MEASURES OF
    DEFORMATION or ASYMMETRY
    Las medidas de asimetría son indicadores que permiten establecer el grado de
    simetría o asimetría, que presenta una distribución de frecuencias de una variable
    aleatoria sin tener que hacer su representación gráfica.

    SIMETRÍA. SYMMETRY

    Los datos se distribuyen de forma uniforme alrededor del punto central la media
    aritmética.

    Simetría cuando se distribuyen aproximadamente la misma cantidad de valores en


    ambos lados de la media.

    As = 0 (distribución simétrica; existe la misma concentración de valores a la


    derecha y a la izquierda de la media)
    ̅
    Mo = Me = 𝐗 (MODA igual a MEDIANA igual a MEDIA ARITMÉTICA)

    Mo = Me = ̅𝐗

    ASIMETRÍA POSITIVA. POSITIVE ASYMMETRY

    Se dice que la Asimetría es positiva cuando la mayoría de los datos se


    encuentran por encima del valor de la media aritmética.
    As >0 (distribución asimétrica positiva; existe mayor concentración de valores a la
    derecha de la media que a su izquierda)
    ̅ (MODA menor o igual a MEDIANA menor o igual a MEDIA ARITMÉTICA)
    Mo ≤ Me ≤ 𝐗

    3
    Mo Me ̅
    𝐗

    ASIMETRÍA NEGATIVA. NEGATIVE ASYMMETRY

    La Asimetría negativa cuando la mayor cantidad de datos se aglomeran en los


    valores menores que la media

    As <0 (distribución asimétrica negativa; existe mayor concentración de valores a la


    izquierda de la media que a su derecha)

    ̅
    Mo ≥ Me ≥ 𝐗 (MODA mayor o igual a MEDIANA mayor o igual a MEDIA ARITMÉTICA)

    ̅
    𝐗 Me Mo
    Fórmula de Ronald Fisher

    ̅)3
    ∑ 𝒇𝒊 ∗(𝑿 −𝐗
    𝒊
    𝑨𝒔 = 𝟑
    𝑺 𝑵
    4
    Fórmulas de Karl Pearson

    ̅−𝑴𝒐
    𝐗 ̅−𝑴𝒆)
    𝟑(𝐗
    As = As =
    𝑺 𝑺

    Fórmula de Arthur L. Bowley


    𝑸𝟑 +𝑸𝟏 −𝟐𝑸𝟐
    As =
    𝑸𝟑 −𝑸𝟏

    MEDIDAS DE APUNTAMIENTO O CURTOSIS. (K) MEASURES OF POINTING


    or KURTOSIS

    La curtosis es una medida de la forma de la gráfica. Así, las medidas de curtosis


    estudian la proporción de la varianza que se explica por la combinación de datos
    extremos respecto a la media en contraposición con datos poco alejados de la
    misma. Una mayor curtosis implica una mayor concentración de datos muy cerca
    de la media de la distribución.

    La curtosis es una medida estadística que determina el grado de concentración


    que presentan los valores de una variable alrededor de la zona central de la
    distribución de frecuencias.

    Existen algunas variables que presentan un mayor grado de concentración (menor


    dispersión) de los valores en torno a su media y otras, por el contrario, presentan
    un menor grado de concentración (mayor dispersión) de sus valores en torno a su
    valor central. Por tanto, la curtosis nos informa de lo apuntada (mayor
    concentración) o lo achatada (menor concentración) que es una distribución.

    LEPTOCÚRTICA.
    Esta medida determina una gran concentración de valores en la región CENTRAL
    o MODAL de la distribución. Es apuntada

    K > 0 La distribución es Leptocúrtica

    5
    MESOCÚRTICA
    Esta medida determina un grado de concentración normal de valores en la región
    CENTRAL o MODAL de la distribución

    K = 0 La distribución es Mesocúrtica.

    Al igual que en la asimetría es bastante difícil encontrar un coeficiente de Curtosis


    de cero (0), por lo que se suelen aceptar los valores cercanos (± 0.5 aprox.).

    PLATICÚRTICA.
    Esta medida determina un grado bajo de concentración de los valores en la región
    CENTRAL o MODAL de la distribución. Es achatada o aplanada

    K < 0 La distribución es Platicúrtica

    Fórmula de Ronald Fisher

    ̅̅̅4
    ∑ 𝒇𝒊 ∗ (𝑿𝒊 −𝐗)
    𝑲=
    𝑺𝟒 𝑵
    -3
    Para una distribución normal típica K=3 se acostumbra el coeficiente con -3

    También podría gustarte