MATERIA: Probabilidad y Estadistica

**TRABAJO DE INVESTIGACINES**

1)Medidas de dispersin
Las medidas de dispersin nos dan indicadores llamados tambin estadsticos o
parmetros del grado de heterogeneidad o variacin con que la variable de estudio
o de investigacin se distribuye en un conjunto de observaciones con respecto a
su promedio.
Para entender un poco observar y analizar
la siguiente grafica, donde se podra encontrar
dos distribuciones que pueden tener iguales
parmetros de tendencia central (promedio);
sin embargo, sus grados de dispersion son diferentes.
Se registran dos conjuntos o distribucin de datos, A y B. Las observaciones de la
poblacin A tiende a agruparse mas en torno al eje central (media) y puede
decirse que la variabilidad o dispersion es menor que en la poblacion B. Porque si
observas los datos de B, aun cuando la media es igual a la poblacin A, los
valores estan mas dispersos con respecto a su media. Si se tomara la media de
estos dos grupos com valor representativo de las poblaciones, se podria
determinar si el promedio o media de la primera poblacion es mas representativa
que de la segunda.
Rango.-La medida mas facil de dispersin es el rango, el cual mide la amplitud del
recorrido de la variable, esto es la diferencia entre el valor mximo (DM)y el minimo
de los datos (dm).
Este quiz se uno de los primeros aspectos que sobresalen cuando tenemos un
conjunto de datos. Si bien da una primera idea acerca de la heterogeneidad, tiene
el inconveniente de que solo toma los dos valores extremos, sin considerar los
valores internos. Asi tenemos que determinar:
R= DM - dm
La escuela desea comprar unas impresoras para el centro de computo. Asi que el
encargado de las compras se dio a la tarea de buscar los precios de los modelos
disponibles en la tienda de computadoras. La lista de los precios es la siguiente:
4083
5172
3484

1042
2167
3811

9245
2647
2156

1482
3800
3920

3256
2994

Existe gran diferencia en cuanto al precio promedio de la simpresoras? Haciendo

uso del rango como medida de variable, se puede determinar que la diferencia
entre los precios es de DM - dm = 9245 1042 = 8203 pesos, por lo que se puede
observar uan gran disparidad.
Desviacin media absoluta.-La desviacion media es la media aritmetica de
los valores absolutos d elas desviaciones respecto a la media.
La desviacion media se representa por D x.
Ejemplo:
Calcular la desviacin media de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18

La varianza es la media aritmtica del cuadrado de las

desviaciones respecto a la media de una distribucin estadstica.
2) Medidas de posicin
Estas medidas son la localizacin en la distribucin de frecuencia de
tal forma que los datos quedan por encima o por debajo de uan
proporcin determinada , como se vio en los cuartiles, en donde se
manejaban cuartas partes. Aqu se podrn manejar otros pu ntos o
posiciones dentro del conjunto de datos. Otros momentos o
posiciones que se manejan comnmente en estadstica son los
deciles y los percentiles.
*MOMENTOS, DECILES Y PERCENTILES
Los deciles y percentiles, al igual que los cuartiles ya estudiados
anteriormente, son una localizacin o momento en la distribucin de

datos, los cuales indican que una proporcin de ellos est por encima
o por debajo de cierto porcentaje.
Dicho de otra manera, divide los datos en partes proporcionales, por
ejemplo: los deciles en dcimas partes y los percentiles en partes
porcentuales determinadas (15%, 25%, 30%, 80%, etc.). Tambin se
acostumbra llamarlos fractiles y se simbolizan como D(x%).
Al igual que en los cuartiles, es fcil encontrar o determinar el dato
que est en la parte proporcional D(x%) deseada, por lo cual podras
usar alguna de las siguientes ecuaciones:
Si n es par, entonces: promedio entre los datos que estn entre
D(x%)=

( )( )

( )(

X= parte porcentual deseada, 10%, 15%, 20%, etc.

Si n es par, entonces: el valor estar en la posicin
D(x%)=

( )(

X= parte porcentual deseada, 10%, 15%, 20%, etc.

Donde:
X % = es la parte proporcional en la que se desea localizar los datos
dentro del estudio.
*REGRESIN LINEAL
Representamos en un grfico los pares de valores de una distribucin
bidimensional: la variable "x" en el eje horizontal o eje de abcisa, y la variable "y"
en el eje vertical, o eje de ordenada. Vemos que la nube de puntos sigue una
tendencia lineal:

El coeficiente de correlacin lineal nos permite determinar si, efectivamente,

existe relacin entre las dos variables. Una vez que se concluye que s existe
relacin, la regresin nos permite definir la recta que mejor se ajusta a esta nube
de puntos.

Una recta viene definida por la siguiente frmula:

y = a + bx
Donde "y" sera la variable dependiente, es decir, aquella que viene definida a
partir de la otra variable "x" (variable independiente). Para definir la recta hay que
determinar los valores de los parmetros "a" y "b":
El parmetro "a" es el valor que toma la variable dependiente "y", cuando la
variable independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical.
El parmetro "b" determina la pendiente de la recta, su grado de inclinacin.
La regresin lineal nos permite calcular el valor de estos dos parmetros,
definiendo la recta que mejor se ajusta a esta nube de puntos.
El parmetro "b" viene determinado por la siguiente frmula:

Es la covarianza de las dos variables, dividida por la varianza de la variable "x".

El parmetro "a" viene determinado por:
a = ym - (b * xm)
Es la media de la variable "y", menos la media de la variable "x" multiplicada por el
parmetro "b" que hemos calculado.
Ejemplo: vamos a calcular la recta de regresin de la siguiente serie de datos de
altura y peso de los alumnos de una clase. Vamos a considerar que la altura es la
variable independiente "x" y que el peso es la variable dependiente "y" (podamos
hacerlo tambin al contrario):
Alumno Estatura Peso Alumno Estatura Peso Alumno Estatura Peso
x
x
x
x
x
x
x
x
x
Alumno
Alumno
Alumno
1,25
32
1,25
33
1,25
33
1
11
21
Alumno
Alumno
Alumno
1,28
33
1,28
35
1,28
34
2
12
22
Alumno
Alumno
Alumno
1,27
34
1,27
34
1,27
34
3
13
23
Alumno
Alumno
Alumno
1,21
30
1,21
30
1,21
31
4
14
24
Alumno
Alumno
Alumno
1,22
32
1,22
33
1,22
32
5
15
25
Alumno
Alumno
Alumno
1,29
35
1,29
34
1,29
34
6
16
26
Alumno
Alumno
Alumno
1,30
34
1,30
35
1,30
34
7
17
27
Alumno
Alumno
Alumno
1,24
32
1,24
32
1,24
31
8
18
28
Alumno
Alumno
Alumno
1,27
32
1,27
33
1,27
35
9
19
29
Alumno
Alumno
Alumno
1,29
35
1,29
33
1,29
34
10
20
30
El parmetro "b" viene determinado por:
(1/30) * 1,034
b=----------------------------------------- = 40,265
(1/30) * 0,00856

Y el parmetro "a" por:

a = 33,1 - (40,265 * 1,262) = -17,714
Por lo tanto, la recta que mejor se ajusta a esta serie de datos es:
y = -17,714 + (40,265 * x)