Repblica Bolivariana De Venezuela Ministerio Del Poder Popular Para La Educacin Universitario Universidad Nacional Experimental Simn Rodrguez

Ncleo El Viga

PARTICIPANTES: GERALDINE NAVARRO C.I. V-19900805 Jos SECCION: A

EL VIGIA, AGOSTO DE 2012

INTRODUCCION

Los conceptos y mtodos estadsticos no son slo tiles sino que con frecuencia son indispensables para entender el mundo que nos rodea. Proporcionan formas de obtener ideas nuevas del comportamiento de muchos fenmenos que se presentarn en su campo de especializacin escogido en ingeniera o ciencia.

La disciplina de estadstica nos ensea cmo realizar juicios inteligentes y tomar decisiones informadas entre la presencia de incertidumbre y variacin. En general, e independientemente de la tarea que se realice, los investigadores de fenmenos de toda ndole se ven ante la necesidad de obtener conclusiones a partir del anlisis mucha informacin. Del correcto estudio de dicha informacin, dependen decisiones de la ms variada gama. La estadstica, a partir del uso de herramientas que van desde el lgebra elemental, hasta el clculo diferencial, logra la sistematizacin de dicha informacin de tal manera de hacer fcilmente distinguible aspectos que de otra manera podran pasar inadvertidos; De lo anterior surge la explicacin del por qu se estudia la estadstica como disciplina forma parte de la formacin integral de infinidad de profesiones y oficiasen la actualidad. En economa el anlisis de informacin para la determinacin de definiciones bsica, Media, Mediana, Moda, Desviacin Tpica, Desviacin Media, Varianza, Coeficiente de Variacin, Asimetra, Asimetra de Pearson, Asimetra en Funcin de los Momentos.

MEDIA Es la medida de posicin central ms utilizada, la ms conocida y la ms sencilla de calcular, debido principalmente a que sus ecuaciones se prestan para el manejo algebraico, lo cual la hace de gran utilidad. Su principal desventaja radica en su sensibilidad al cambio de uno de sus valores o a los valores extremos demasiado grandes o pequeos. La media se define como la suma de todos los valores observados, dividido por el nmero total de observaciones. Ecuacin 5-1 Cuando los valores representan una poblacin la ecuacin se define como:

Ecuacin 5- 2 Donde (m) representa la media, (N) representa el tamao de la poblacin y (Xi) representa cada uno de los valores de la poblacin. Ya que en la mayora de los casos se trabajan con muestras de la poblacin todas las ecuaciones que se presenten a continuacin sern representativas para las muestras. La media aritmtica para una muestra esta determinada como.

Ecuacin 5-3 Donde (X) representa la Media para la muestra, (n) el tamao de la muestra y (Xi) representa cada uno de los valores observados. Esta frmula nicamente es aplicable si los datos se encuentran desagrupados; en caso contrario debemos calcular la media mediante la multiplicacin de los diferentes valores por la frecuencia con que se encuentren dentro de la informacin; es decir,

Ecuacin 5-4 Donde (Yi) representa el punto medio de cada observacin, (ni) es la frecuencia o nmero de observaciones en cada clase y (n) es el tamao de la muestra siendo igual a la suma de las frecuencias de cada clase. Para entender mejor este concepto vamos a suponer que hemos tomado la edad de 5 personas al azar cuyos resultados fueron (22, 33, 35, 38 y 41). Para facilitar su interpretacin se han generado tres rangos de edad los cuales se han establecido de 21 a 30 aos, de 31 a 40 aos y de 41 a 50 aos. Si nos fijamos en estos rangos notaremos que los puntos medios son 25, 35 y 45 respectivamente. Los resultados de la organizacin de estos datos se representan en la tabla [5-1].

Figura 5-1 Si aplicamos la frmula para valores agrupados obtendramos que la media es igual a

Lo que nos indicara que el promedio de edad de los encuestados es de 35 aos. Si ha estos mismos resultados le aplicamos la ecuacin para datos desagrupados (Ecuacin 5-3), tomando como referencia cada uno de los valores individuales, obtendramos que la media es igual a

Lo que nos indicara que el promedio de edad para los datos desagrupados es de 34 aos aproximadamente. Esta diferencia se debe a que al agrupar los datos se pierde parcialmente la exactitud de los clculos, principalmente al aumentar el nmero de datos. Para evitar estos inconvenientes, SPSS nos permite calcular las Medias, como si se trataran de valores desagrupados, aunque tiene algunos procedimientos para valores agrupados. Es importante resaltar que existe una gran variedad de medias como la Media geomtrica, la Media ponderada, la Media cuadrtica, etc. Por el momento slo hacemos nfasis en la media aritmtica ya que es la ms utilizada, aunque se recomienda a los lectores profundizar en estos temas.

MEDIANA Con esta medida podemos identificar el valor que se encuentra en el centro de los datos, es decir, nos permite conocer el valor que se encuentra exactamente en la mitad del conjunto de datos despus que las observaciones se han ubicado en serie ordenada. Esta medida nos indica que la mitad de los datos se encuentran por debajo de este valor y la otra mitad por encima del mismo. Para determinar la posicin de la mediana se utiliza la frmula Ecuacin 5-5 Para comprender este concepto vamos a suponer que tenemos la serie ordenada de valores (2, 5, 8, 10 y 13), la posicin de la mediana sera: Lo que nos indica que el valor de la mediana corresponde a la tercera posicin de la serie, que equivale al nmero (8). Si por el contrario contamos con un conjunto

de datos que contiene un nmero par de observaciones, es necesario promediar los dos valores medios de la serie. Si en el ejemplo anterior le anexamos el valor 15, tendramos la serie ordenada (2, 5, 8, 10, 13 y 15) y la posicin de la mediana sera, Es decir, la posicin tres y medio. Dado que es imposible destacar la posicin tres y medio, es necesario promediar los dos valores de la posiciones tercera y cuarta para producir una mediana equivalente, que para el caso corresponden a (8 + 10)/2 =9. Lo que nos indicara que la mitad de los valores se encuentra por debajo del valor 9 y la otra mitad se encuentra por encima de este valor. En conclusin la mediana nos indica el valor que separa los datos en dos fracciones iguales con el cincuenta porciento de los datos cada una. Para las muestras que cuentan con un nmero impar de observaciones o datos, la mediana dar como resultado una de las posiciones de la serie ordenada; mientras que para las muestras con un nmero par de observaciones se debe promediar los valores de las dos posiciones centrales.

MODA La medida modal nos indica el valor que ms veces se repite dentro de los datos; o sea, el valor que presenta mayor frecuencia. Es decir, si tenemos la serie ordenada (2, 2, 5 y 7), el valor que ms veces se repite es el nmero 2 quien sera la moda de los datos. Es posible que en algunas ocasiones se presente dos valores con la mayor frecuencia, lo cual se denomina Bimodal o en otros casos ms de dos valores, lo que se conoce como multimodal. En conclusin las Medidas de tendencia central, nos permiten identificar los valores ms representativos de los datos, de acuerdo a la manera como se tienden a concentrar. La Media nos indica el promedio de los datos; es decir, nos informa el valor que obtendra cada uno de los individuos si se distribuyeran los valores en partes iguales. La Mediana por el contrario nos informa el valor que separa los datos en dos partes iguales, cada una de las cuales cuenta con el cincuenta porciento de los datos. Por ltimo la Moda nos indica el valor que ms se repite dentro de los datos.

DESVIACIN TPICA: Es la raz cuadrada de la varianza. Con ello corregimos el haber tomado cuadrados de separaciones en el clculo de la varianza. Esta medida de dispersin es la ms caracterstica. Es la raz cuadrada de la varianza:

Entonces en este caso la unidad de s es la misma que la del conjunto de observaciones de la muestra estadstica. Variables discretas y variables continas: Una distribucin de los datos en categoras que ha demostrado ser til al organizar los procedimientos estadsticos, es la distincin entre variables discretas y variables continuas. Una variable discreta es sencillamente una variable para la que se dan de modo inherente separaciones entre valores observables sucesivos. Dicho con ms rigor, se define una variable discreta como la variable tal que entre 2 cualesquiera valores observables (potencialmente), hay por lo menos un valor no observable (potencialmente). Por ejemplo, un recuento del nmero de colonias de un cultivo en agar es una variable discreta. Mientras que cuentas de 3 y 4 son potencialmente observables, no lo es una de 3,5. Una variable continua tiene la propiedad de que entre 2 cualesquiera valores observables (potencialmente), hay otro valor observable (potencialmente). Una variable continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Longitudes y pesos son ejemplos de variables continuas. La estatura de una persona, pude ser 1,70 mts. 1,75 mts., pero en potencia al menos podra tomar cualquier valor intermedio como 1,73 mts. Por ejemplo. Un atributo esencial de una variable continua es que, a diferencia de lo que ocurre con una variable discreta, nunca se la puede medir exactamente. Con una variable continua debe haber inevitablemente un error de medida. Un importante principio sobre variables continuas es que siempre se registran en forma discreta, quedando la magnitud de la distancia entre valores registrables adyacentes determinada por la precisin de la medicin DESVIACIN MEDIA: Es la media de las desviaciones o separaciones de cada una de las observaciones, respecto a la media aritmtica, consideradas en valor absoluto. Sustituyendo la media por la moda o la mediana, definiremos las desviaciones medias respecto de la moda y de la mediana. es mas acorde que la de amplitud, ya que involucra a todos los valores del conjunto de observaciones corrigiendo la desviacin. sta medida se obtiene calculando la media aritmtica de la muestra, y luego realizando la sumatoria de las diferencias de todos los valores con respecto de la media. Luego se divide por el nmero de observaciones. Una medida como sta tiene la ventaja de que utiliza cada observacin y corrige la variacin en el nmero de observaciones al hacer la divisin final. Y por ltimo tambin se expresa en las mismas unidades que las observaciones mismas.

VARIANZA Existe otro mecanismo para solucionar el efecto de cancelacin para entre diferencias positivas y negativas. Si elevamos al cuadrado cada diferencia antes de sumar, desaparece la cancelacin:

Esta frmula tiene una desventaja, y es que sus unidades no son las mismas que las de las observaciones, ya que son unidades cuadradas. COEFICIENTE DE VARIACIN: En estadstica es el coeficiente de variacin a distintas escalas pero que estn correlacionadas estadsticamente y sustantivamente con un factor en comn. Es decir, ambas variables tienen una relacin causal con ese factor. Su frmula expresa la desviacin estndar como porcentaje de la media aritmtica, mostrando una mejor interpretacin porcentual del grado de variabilidad que la desviacin tpica o estndar. Por otro lado presenta problemas ya que a diferencia de la desviacin tpica este coeficiente es variable ante cambios de origen. Por ello es importante que todos los valores sean positivos y su media d, por tanto, un valor positivo. A mayor valor de C.V. mayor heterogeneidad de los valores de la variable; y a menor C.V., mayor homogeneidad en los valores de la variable. Suele representarse por medio de las siglas C.V. Exigimos que: Se calcula: Donde es la desviacin tpica. Se puede dar en tanto por ciento calculando:

ASIMETRA El concepto de asimetra de una distribucin indica la deformacin horizontal delas distribuciones de frecuencia. Una distribucin es simtrica, como sabemos, cuando su curva (o polgono) de frecuencias es simtrica respecto al eje vertical. Es decir, si se le puede doblar a lo largo del eje vertical de manera que coincidan los dos lados. En el caso de polgonos de frecuencia unos modales simtricos, como sabemos, la media aritmtica, la mediana y la moda, coinciden. Una distribucin es Simtrica si x = Me = Mo En caso contrario, decimos que la distribucin es Asimtrica , y entonces puede ser de dos tipos:

Asimetra positiva o asimtrica a la derecha .Se dir que en una distribucin de frecuencia un modal presenta asimetra positiva o ala derecha, si tiene una ramificacin ms extendida hacia la derecha hacia valores grandes de la variable. En este caso la media aritmtica es mayor que la moda. La mediana por el hecho de dividir el conjunto de observaciones en dos partes iguales, quedar comprendida entre ambas Mo> Me > X Asimetra negativa o asimtrica a la izquierda .Se dir que una distribucin de frecuencia un modal presenta asimetra negativa ala izquierda, si tiene una ramificacin ms extendida hacia la izquierda o hacia valores pequeos de la variable. La media aritmtica es menor que la moda. La mediana por la misma razn anterior permanecer en el centro. X < Me < Mo

Coeficientes de asimetra: De lo expresado en el prrafo anterior, en curvas de frecuencias un modales, una medida absoluta de la asimetra est dada por la diferencia entre media aritmtica y la modas = X X mo Interpretacin: As, ser negativa (As < 0), si la distribucin tiene asimetra negativa. As, nulo (As = 0), si la distribucin es simtrica. As, ser positiva (As > 0), si la distribucin tiene asimetra positiva. Pero tal medida tiene el inconveniente de expresarse en unidades originales de La variable, y as cambia al cambiar la unidad de medicin. Tambin, la misma cantidad absoluta de asimetra tiene un significado diferente para distintas series con distintos grados de variabilidad. Para eliminar ambos defectos introducimos una medida relativa de la asimetra. ASIMETRA DE PEARSON:

Slo se puede utilizar en distribuciones uniformes, un modales y moderadamente asimtricas. Se basa en que en distribuciones simtricas la media de la distribucin es igual a la moda.

Si la distribucin es simtrica, y . Si la distribucin es asimtrica positiva la media se sita por encima de la moda y, por tanto, .

Teniendo en cuenta que la media aritmtica y la moda coinciden en una distribucin simtrica, Pearson propuso un coeficiente relativo de asimetra para curvas de frecuencias un modales: CAs = x x moS Sin embargo es conocido que la moda de una distribucin no es fcil de calcular y para muchas distribuciones solo es una aproximacin. Entonces, podemos expresar el numerador de la expresin anterior en funcin de la mediana. Considerando la relacin emprica entre la media aritmtica, la mediana y moda para distribuciones de frecuencias un modales y moderadamente asimtricas : Xmo. =3 (x x)2e ASIMETRA EN FUNCIN EN LOS MOMENTOS: Veamos cmo se puede obtener otro coeficiente de asimetra que prescinda de la moda y mediana. En una distribucin de frecuencia simtrica respecto a su media aritmtica x, la suma algebraica de los cubos de las desviaciones respecto de la media, es decir: 7(xi- x)3, para datos no agrupados 7ni (yi- y)3, para datos agrupados Ser nula, mientras que para distribuciones asimtricas, esta suma ser positiva si existe asimetra positiva y ser negativa en el caso de la simetra negativa. El tercer momento respecto a la media es para datos no agrupados