Clase Octubre 19-1

PREGUNTAS DEL CAPÍTULO 3
1. ¿Qué estudian las medidas de dispersión y cuáles son las principales medidas de dispersión?
Las medidas de dispersión estudian el grado en que los datos de una distribución están dispersos o
agrupados. Es decir, miden la variabilidad de los datos.
Las principales medidas de dispersión son:
 Rango: Es la diferencia entre el dato mayor y el dato menor de una distribución.

 Rango intercuartil: Es la diferencia entre el tercer cuartil y el primer cuartil de una
distribución.
 Varianza: Es la media de las desviaciones al cuadrado de los datos con respecto a la media.
 Desviación estándar: Es la raíz cuadrada de la varianza.
2. ¿Cómo se determina la desviación media y como se calcula en una serie simple, en una serie
de datos y frecuencias y en una serie de clases y frecuencias?
La desviación media es una medida de dispersión que mide la distancia promedio entre cada dato de
un conjunto de datos y la media de ese conjunto. Se calcula tomando la suma de las diferencias
absolutas entre cada dato y la media, y dividiendo el resultado por el número total de datos.
La fórmula para calcular la desviación media es la siguiente:
dm = |x1 - μ| + |x2 - μ| + ... + |xn - μ| / n
En una serie simple, la desviación media se calcula de la misma manera que en una serie de datos
con frecuencias. La única diferencia es que no hay que sumar las frecuencias, ya que se considera
que cada dato tiene una frecuencia de 1.
En una serie de datos y frecuencias, la desviación media se calcula de la siguiente manera:
dm = ∑ |xi - μ| / n
donde:
 ∑ es la suma
 xi es el dato del conjunto en la posición i
 μ es la media del conjunto
 n es el número total de datos
En una serie de clases y frecuencias, la desviación media se calcula de la siguiente manera:
dm = ∑ |(fi*li) - μ| / n
donde:
 ∑ es la suma
 fi es la frecuencia de la clase i
 li es el límite inferior de la clase i
3. ¿Qué es el rango y como se calcula?

El rango es una medida de dispersión que mide la diferencia entre el dato mayor y el dato menor de
un conjunto de datos. Se calcula de la siguiente manera:
R = xmax - xmin
donde:
 R es el rango
 xmax es el dato mayor
 xmin es el dato menor
4. ¿Cómo se define a la varianza y cómo se calcula en una serie simple, en una serie de datos y
frecuencias y en una serie de clases y frecuencias?
La varianza es una medida de dispersión que mide la variabilidad de los datos de un conjunto de
datos con respecto a su media. Se calcula tomando la suma de los cuadrados de las diferencias entre
cada dato y la media, y dividiendo el resultado por el número total de datos.
Definición
La varianza se define como la media de los cuadrados de las desviaciones de los datos con respecto a
la media. Se representa por la letra griega σ² (sigma al cuadrado).
Fórmula
La fórmula para calcular la varianza es la siguiente:
σ² = ∑(xi - μ)^2 / n
donde:
 σ² es la varianza
Interpretación
Una varianza alta indica que los datos están dispersos de manera uniforme. Una varianza baja
indica que los datos están agrupados cerca de la media.
Cálculo en una serie simple
En una serie simple, la varianza se calcula de la misma manera que en una serie de datos con
frecuencias. La única diferencia es que no hay que sumar las frecuencias, ya que se considera que
cada dato tiene una frecuencia de 1.
Cálculo en una serie de datos y frecuencias
En una serie de datos y frecuencias, la varianza se calcula de la siguiente manera:
σ² = ∑(fi*xi - μ)^2 / n
donde:
 fi es la frecuencia del dato del conjunto en la posición i
Cálculo en una serie de clases y frecuencias
En una serie de clases y frecuencias, la varianza se calcula de la siguiente manera:
σ² = ∑(fi*μi - μ)^2 / n
donde:
 μi es la media de la clase i
5. ¿Cómo se define a la desviación estándar y cómo se calcula en una serie simple, en una serie
de datos y frecuencias y en una serie de clases y frecuencias?
La desviación estándar es una medida de dispersión que mide la variabilidad de los datos de un
conjunto de datos con respecto a su media. Es la raíz cuadrada de la varianza.
Definición
La desviación estándar se define como la raíz cuadrada de la media de los cuadrados de las
desviaciones de los datos con respecto a la media. Se representa por la letra griega σ (sigma).
Fórmula
La fórmula para calcular la desviación estándar es la siguiente:
σ = √(σ²)
donde:
 σ es la desviación estándar
 σ² es la varianza
Cálculo en una serie simple
En una serie simple, la desviación estándar se calcula de la misma manera que en una serie de datos
con frecuencias. La única diferencia es que no hay que sumar las frecuencias, ya que se considera
que cada dato tiene una frecuencia de 1.
Cálculo en una serie de datos y frecuencias
En una serie de datos y frecuencias, la desviación estándar se calcula de la siguiente manera:
σ = √(∑(fi*xi - μ)^2 / n)
donde:
 fi es la frecuencia del dato del conjunto en la posición i

Cálculo en una serie de clases y frecuencias:
σ = √(∑(fi*μi - μ)^2 / n)
donde:
 μi es la media de la clase i
6. ¿Cómo se determina el coeficiente de variación y por qué es importante?
El coeficiente de variación es una medida de dispersión relativa que mide la variabilidad de un
conjunto de datos con respecto a su media, expresada como un porcentaje. Se calcula dividiendo la
desviación estándar por la media y multiplicando por 100.
La fórmula para calcular el coeficiente de variación es la siguiente:

CV = σ / μ * 100
donde:
 CV es el coeficiente de variación
 σ es la desviación estándar
 μ es la media
Importancia
El coeficiente de variación es importante porque permite comparar la variabilidad de dos o más
conjuntos de datos con diferentes medias. Por ejemplo, dos conjuntos de datos con la misma
desviación estándar pueden tener coeficientes de variación diferentes si sus medias son diferentes.
En este caso, el conjunto de datos con la media más alta tendrá un coeficiente de variación más bajo
que el conjunto de datos con la media más baja.
7. ¿Qué permite determinar el Teorema de Chebyshev?
El Teorema de Chebyshev permite determinar la probabilidad de que un valor de una variable
aleatoria se encuentre dentro de un intervalo dado, independientemente de la distribución de la
variable.
Fórmula: P(|X - μ| ≥ kσ) ≤ 1/k²
 X es una variable aleatoria
 μ es la media de la variable aleatoria
 σ es la desviación estándar de la variable aleatoria
 k es una constante positiva
8. ¿Qué es una distribución normal estándar?

La distribución normal estándar es una distribución simétrica, lo que significa que la mitad de los
datos están por encima de la media y la mitad están por debajo de la media. También es una
distribución mesocúrtica, lo que significa que la mayoría de los datos están agrupados cerca de la
media.
Características de la distribución normal estándar:
 Media: 0
 Desviación estándar: 1
 Simetría: 50% de los datos están por encima de la media y 50% están por debajo de la
media.
 Mesocúrtica: la mayoría de los datos están agrupados cerca de la media.
9. ¿Cómo se calcula la proporción como medida de posición?

La proporción como medida de posición se calcula dividiendo el número de veces que aparece un
valor en un conjunto de datos por el número total de datos. Se utiliza con datos cualitativos, ya que
no se pueden calcular medidas de posición como la media o la mediana con este tipo de datos.
La fórmula para calcular la proporción es la siguiente:
p=n/N
donde:
- p es la proporción
- n es el número de veces que aparece el valor.
- N es el número total de datos
10. ¿Qué mide la curtosis?

La curtosis mide la forma de una distribución de datos con respecto a su media. Se puede
interpretar como la medida de la apuntadura o achatamiento de una distribución.
Una curtosis positiva indica que la distribución es más puntiaguda que la distribución normal. Esto
significa que los datos están más concentrados alrededor de la media. Una curtosis negativa indica
que la distribución es más achatada que la distribución normal. Esto significa que los datos están
más dispersos alrededor de la media.
11. ¿Qué mide el sesgo?
El sesgo mide la diferencia entre la media de una distribución y el valor verdadero de la variable que
se está midiendo. Se puede interpretar como la medida de la inexactitud de un estimador.
Un sesgo positivo indica que la media de la distribución está por encima del valor verdadero. Esto
significa que el estimador tiende a sobreestimar el valor verdadero. Un sesgo negativo indica que la
media de la distribución está por debajo del valor verdadero. Esto significa que el estimador tiende a
subestimar el valor verdadero.
12. ¿Qué son los momentos como medidas de forma?
Los momentos son medidas que describen la forma de una distribución de datos. Se calculan
elevando la variable aleatoria a una potencia y luego tomando la media de los resultados.
Los momentos se pueden utilizar para comparar la forma de dos o más distribuciones de datos. Por
ejemplo, una distribución con un momento de tercer orden más alto que otra distribución tendrá
una cola más pesada, lo que significa que habrá más valores atípicos. Los momentos de forma son:
Momentos centrales:
 Momento de primer orden: media
 Momento de segundo orden: varianza
 Momento de tercer orden: curtosis
 Momentos no centrales
Los momentos no centrales más comunes son:
 Momento de primer orden no central: media no central
 Momento de segundo orden no central: varianza no central
 Momento de tercer orden no central: curtosis no central

Clase Octubre 19-1

Cargado por

Copyright:

Formatos disponibles

Clase Octubre 19-1

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

Clase Octubre 19-1

Cargado por

Copyright:

Formatos disponibles

PREGUNTAS DEL CAPÍTULO 3

Las principales medidas de dispersión son:

 Rango: Es la diferencia entre el dato mayor y el dato menor de una distribución.

La fórmula para calcular la desviación media es la siguiente:

dm = |x1 - μ| + |x2 - μ| + ... + |xn - μ| / n

En una serie de datos y frecuencias, la desviación media se calcula de la siguiente manera:

En una serie de clases y frecuencias, la desviación media se calcula de la siguiente manera:

3. ¿Qué es el rango y como se calcula?

La fórmula para calcular la varianza es la siguiente:

Cálculo en una serie simple

Cálculo en una serie de datos y frecuencias

En una serie de datos y frecuencias, la varianza se calcula de la siguiente manera:

Cálculo en una serie de clases y frecuencias

En una serie de clases y frecuencias, la varianza se calcula de la siguiente manera:

La fórmula para calcular la desviación estándar es la siguiente:

Cálculo en una serie simple

Cálculo en una serie de datos y frecuencias

En una serie de datos y frecuencias, la desviación estándar se calcula de la siguiente manera:

 fi es la frecuencia del dato del conjunto en la posición i

Cálculo en una serie de clases y frecuencias:

La fórmula para calcular el coeficiente de variación es la siguiente:

8. ¿Qué es una distribución normal estándar?

9. ¿Cómo se calcula la proporción como medida de posición?

10. ¿Qué mide la curtosis?

También podría gustarte