Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ESTADISTICA II - Medidas de Tendencia Central: Media, Mediana y Moda - Medidas de Dispersión: Varianza y Desviación Estadar ARITMÉTICA – SEM 8 Objetivos • Recordar las diferentes medidas de tendencia central para datos no agrupados y agrupados. • Recordar algunas medidas de dispersión para datos no agrupados y agrupados • Resolver problemas utilizando las medidas de tendencia central y de dispersión. Introducción Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un solo valor a un conjunto de valores. Las medidas de dispersión en cambio miden el grado de dispersión de los valores de la variable. Dicho en otros términos las medidas de dispersión pretenden evaluar en qué medida los datos difieren entre sí. Las medidas de tendencia central no son suficientes para describir un conjunto de datos. Una buena descripción de una distribución requiere, además de un valor ‘promedio’ de las observaciones, alguna medida de la dispersión o variabilidad de los valores observados. MedianaMedia MEDIDAS DE TENDENCIA CENTRAL PARA DATOS NO CLASIFICADOS 1. MEDIA ( ഥ𝐗 ) Dado un conjunto de n datos u observaciones: d1 ; d2 ; d3 ; … ; dn , La media de este conjunto de datos está determinado por la Media Aritmética de los datos y se calcula así: ഥX = d1+ d2 + d3 + … + dn n EJEMPLO : * Sean las edades: 17 , 18 , 20 , 25 = 20ഥX = * Sean los pesos: 42 , 46 , 55 , 57 , 59 ഥX = = 51.8 17 + 18 + 20 + 25 4 42 + 46 + 55 + 57 + 59 5 2. MEDIANA ( Me) Dado un conjunto datos ordenados (en forma creciente o decreciente), la mediana esta dado por un valor que divide a todos los datos en dos partes iguales. d1 ; d2 ; d3 ; d4 ; . . . . ; dn Su MEDIANA Me se calcula mediante lo siguiente: Así tenemos; dado el conjunto de “n” datos ordenados en forma creciente: Me = ; Si n es par dn+1 2 ; Si n es impar dn 2 + dn 2+1 2 EJEMPLO : * Sean las edades: 17 , 18 , 20 , 25 , 30 𝐌𝐞 = 𝟐𝟎 * Sean los pesos: 42 , 46 , 55 , 58 , 59 , 63 𝐌𝐞 = 55 + 58 2 Ordenando: 165 , 168 , 170 , 171 , 172 𝐌𝐞 = 𝟏𝟕𝟎 * Sean las alturas: 170, 168 , 165 , 172 , 171 = 56,5 3. MODA ( Mo) IMPORTANTE : Debemos recordar que para calcular la Mediana (Me) los datos deben estar ordenados Dado un conjunto datos, la moda está determinado por aquel dato cuyo valor (es) mas se repite(n). EJEMPLO : * Sean las edades: 17 , 18 , 17 , 20 , 25 , 23 𝐌𝐨 = 𝟏𝟕 * Sean los pesos: 42 , 46 , 55 , 57 , 59 , 46 , 57 , 58 𝐌𝐨 = 𝟒𝟔 𝐌𝐨 = 𝟓𝟕 * Sean las temperaturas: 32° , 36° , 35° , 27° , 29° , 26° , 30° 𝐌𝐨 = ∄ AMODAL ¡Observamos que no hay algún dato que aparezca mas veces! Si sólo un dato se repite más veces, se afirma que dicho conjunto de datos es: * Si sólo dos datos se repiten más veces, se afirma que dicho conjunto de datos es: Debemos recordar que: Si hubiera más de dos datos que se repiten más veces, se afirma que dicho conjunto de datos es: UNIMODAL BIMODAL POLIMODAL O MULTIMODAL * * MEDIDAS DE TENDENCIA CENTRAL PARA DATOS CLASIFICADOS Se presenta un cuadro de DISTRIBUCIÓN DE FRECUENCIAS respecto a las edades de un grupo de 40 personas que asistieron a una fiesta de quince años Ii Xi fi Fi hi Hi [ 5 ; ۧ15 10 4 4 0,10 0,10 [ 15 ; ۧ25 20 8 12 0,20 0,30 [ 25 ; ۧ35 30 10 22 0,25 0,55 [ 35 ; ۧ45 40 12 34 0,30 0,85 [ 45 ; 55] 50 6 40 0.15 1 TOTAL 40 1 A continuación calcularemos LAS MEDIDAS DE TENDENCIA CENTRAL: Ejemplo Aplicativo Se llama DATOS CLASIFICADOS o DATOS AGRUPADOS, a aquellos datos que se encuentran en una Tabla de distribución de frecuencias. 1. MEDIA ( ഥ𝐗 ) Dado un conjunto de datos clasificados en una tabla de distribución de frecuencias, para calcular la media, se utiliza la siguiente relación: തx = σi=1 k (xi)(fi) n തx = i=1 k (xi)(hi) o Donde: xi ∶ Marca de clase fi ∶ Frecuencia Absoluta hi ∶ Frecuencia Relativa k ∶ N° de Intervalos de clase n ∶ N° total de datos Del Ejemplo Aplicativo: Calculamos la Media: Ii Xi fi Fi Xi fi [ 5 ; ۧ15 10 4 4 40 [ 15 ; ۧ25 20 8 12 160 [ 25 ; ۧ35 30 10 22 300 [ 35 ; ۧ45 40 12 34 480 [ 45 ; 55] 50 6 40 300 TOTAL 40 1280 ഥX = σi=1 5 xifi 40 = 10×4+20×8+30×10+40×12+50×6 40 ഥX = = 32 1280 40 40 + 160 + 300 + 480 + 300 40 ഥX = 2. MEDIANA (Me) Dado un conjunto de datos clasificados en una tabla de distribución de frecuencias, para calcular la mediana, se siguen los siguientes pasos: 1° Se ubica la CLASE MEDIANA (es el intervalo en la cual por primera vez la frecuencia absoluta acumulada ( 𝐅𝐢 ) es mayor o igual a la mitad de los datos. 2° Se utiliza la siguiente relación: Me = Liminf +wi n 2 − Fi−1 fi Donde: Liminf ∶ Limite inferior de la CLASE MEDIANA wi ∶ Ancho de clase de la CLASE MEDIANA Fi−1 ∶ Frecuencia Absoluta acumulada del n ∶ N° total de datos fi ∶ Frecuencia Absoluta de la CLASE MEDIANA Intervalo anterior a la CLASE MEDIANA Del Ejemplo Aplicativo: Calculamos la Mediana: 33 Ii Xi fi Fi [ 5 ; ۧ15 10 4 4 [ 15 ; ۧ25 20 8 12 [ 25 ; ۧ35 30 10 22 [ 35 ; ۧ45 40 12 34 [ 45 ; 55] 50 6 40 TOTAL 40 CLASE MEDIANA Me = Me = 25 + 10 8 10 = 1° Hallamos la CLASE MEDIANA 25 + 10 40 2 − 12 10 3. MODA (Mo) Dado un conjunto de datos clasificados en una tabla de distribución de frecuencias, para calcular la mediana, se siguen los siguientes pasos: 1° Se ubica la CLASE MODAL ( Es el intervalo que tiene la mayor frecuencia absoluta o aquel que tiene la mayor cantidad de datos) Mo = Liminf +wi d1 d1 + d2 Donde: wi ∶ Ancho de clase de la CLASE MODAL d1 : fMo − fMo−1 d2 : fMo − fMo+1 Liminf ∶ Limite inferior de la CLASE MODAL Del Ejemplo Aplicativo: Calculamos la Moda: 37.5 Ii Xi fi Fi [ 5 ; ۧ15 10 4 4 [ 15 ; ۧ25 20 8 12 [ 25 ; ۧ35 30 10 22 [ 35 ; ۧ45 40 12 34 [ 45 ; 55] 50 6 40 TOTAL 40 CLASE MODAL Mo = Mo = 35 + 10 2 8 = 𝒅𝟏 = 12 – 10 = 2 𝒅𝟐 = 12 – 6 = 6 𝒅𝟏 𝒅𝟐 1° Hallamos la CLASE MODAL 35 +10 2 2 + 6 MEDIDAS DE TENDENCIA CENTRAL PARA UNA TABLA DE DISTRIBUCIÓN SIMÉTRICA Si tenemos una tabla de distribución simétrica, con una cantidad impar de intervalos y además unimodal, gráficamente será de la forma: Mo തx = Me = Mo Ii fi തx Me Si tenemos una tabla de distribución simétrica, con una cantidad impar de intervalos y además es bimodal, se cumplirá: Ii fi തx Me തx = Me Es decir se afirmará que: Mo1 Mo2 Es decir se afirmará que: Mo1 < < Mo2 MEDIDAS DE DISPERSIÓN PARA DATOS NO CLASIFICADOS. 1. Varianza (𝜎2) Dado un conjunto de n datos, 𝑥1; 𝑥2; 𝑥3; … ; 𝑥𝑛 , con media ҧ𝑥 la varianza de este conjunto de datos se calcula como: 𝜎2 = σi=1 n xi 𝟐 n − തx 𝟐o𝜎2 = σi=1 n xi − തx 𝟐 n Ejemplo Las notas de un alumno fueron 14; 17; 11; 12 y 06. Halle la varianza de estas notas. ҧ𝑥 = 14 + 17 + 11 + 12 + 6 5 En primer lugar, hallamos la media de las notas. = 12 Usamos la primera relación para hallar la varianza: = 13,2 𝜎2 = (14 − 12)2+(17 − 12)2+(11 − 12)2+(12 − 12)2+(6 − 12)2 5 𝜎2 = 4 + 25 + 1 + 0 + 36 5 2. Desviación estándar 𝜎 Llamada también desviación típica, es la raíz cuadrada de la varianza. 𝜎 = varianza Ejemplo Del ejemplo anterior hallemos la desviación estándar: 𝜎 = 13,2 = 3,53 MEDIDAS DE DISPERSIÓN PARA DATOS CLASIFICADOS. 1. Varianza (𝜎2) Cuando tenemos un conjunto de datos resumidos en un tabla de distribución de frecuencias y con media തx , para calcular la varianza de estos datos usaremos: 𝜎2 = σi=1 k xi − ഥX 𝟐fi n 𝜎2 = σi=1 k xi 𝟐fi n − ഥX 𝟐o Ejemplo De las edades de los profesores de aritmética distribuidos en la siguiente tabla de distribución, halle la varianza. 𝐈𝐢 (edades) [28 ; ۧ36 [36 ; ۧ44 [44 ; ۧ52 [52 ; ሿ60 𝐱𝐢 𝐟𝐢 32 40 48 56 5 10 2 3 160 400 96 168 20 824n 𝐱𝐢. 𝐟𝐢 𝐱𝐢 𝟐. 𝐟𝐢 5120 16000 4608 9408 35136 En primer lugar, hallamos la media de las edades. ഥX = 824 20 = 41,2 Aplicamos la segunda relación para hallar la varianza. 𝜎2 = 35136 20 − 41,2 𝟐 = 59,36 2. Desviación estándar 𝜎 Al igual que en el caso de datos no agrupados la desviación estándar se calcula.𝜎 = varianza Ejemplo Del ejemplo anterior hallemos la desviación estándar: 𝜎 = 59,36 = 7,7 BIBLIOGRAFÍA ❑ Asociación Fondo de Investigadores y Editores. Aritmética. Análisis razonado del número y sus aplicaciones. Lumbreras Editores, 2020. ❑ Asociación Fondo de Investigadores y Editores. Aritmética: Colección compendio académico UNI. Lumbreras Editores, 2018. www.a cadem i a ce s a r v a l l e j o . e du . pe
Compartir