Modulo de Minitab PDF

CONCEPTOS SOBRE
ESTADÍGRAFOS
MEDIDAS DE POSICIÓN, DISPERSIÓN Y DE FORMA
Descripción breve
Contiene los conceptos fundamentales y su significado en estadística de las principales medidas
Estadísticas.
ESTADÍSTICA – EAP “IA” - 2016

flejarac@hotmail.com
CONCEPTOS SOBRE ESTADÍGRAFOS | ESTADÍSTICA – EAP “IA” - 2016
CONCEPTOS FUNDAMENTALES SOBRE MEDIDAS ESTADÍSTICAS
Suma
El resultado de agregar dos o más números. En Minitab, usted puede utilizar

estadísticas descriptivas para calcular la suma de números en una columna (elija
Estadísticas > Estadística básica > Mostrar estadísticas descriptivas) y
mostrar el resultado en la ventana Sesión.
Usted también puede utilizar SUMA en la Calculadora para agregar números en

una columna y mostrar el resultado en la hoja de trabajo. Utilice RSUMA para
calcular la suma para cada fila en un conjunto de columnas.
Media
Describe un conjunto entero de observaciones con un valor individual que

representa el centro de los datos. La media (promedio aritmético) es la suma de
todas las observaciones dividida entre el número de observaciones. Por ejemplo,
el tiempo de espera (en minutos) de cinco clientes en un banco es: 3, 2, 4, 1 y 2.
El tiempo de espera promedio es:
3 + 2 + 4 + 1 + 2 + 12
= = 2,4 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
5 5
En promedio, un cliente espera 2.4 minutos para ser atendido en el banco.
Debido a que la media depende de igual manera de todos los datos, incluyendo
los valores extremos, pudiera no ser representativa del centro en el caso de los
datos asimétricos.
Datos simétricos: la media (línea Datos asimétricos: la media (línea

rosada) se ubica cerca del centro de la rosada) se desplaza hacia la cola más
distribución, convirtiéndose en una pesada, por lo cual no debería
representación adecuada del centro. considerarse realmente como una
representación del centro.
1
Página
Muchos análisis estadísticos utilizan la media como punto de referencia estándar.
RECOPILADO POR: FLELI R. JARA CLAUDIO

𝜇 representa la media de la población; 𝑋̅ (o 𝜇 hat) representa la media de la

muestra.
Mediana
El centro del rango de datos: la mitad de las observaciones es menor que o igual
al valor y la mitad de las observaciones es mayor que o igual al valor.
Si el conjunto de datos contiene un

número impar de valores, la mediana es
simplemente el valor que se encuentra en 1 2 3 21 35
el medio del conjunto ordenado de datos.
En este conjunto de números, la mediana
es tres– dos valores son más altos, y
dos más bajos.
En un conjunto de datos, cuando existe

un número par de valores, la mediana
1 2 3 21 35 42
es el promedio de los dos números que
se encuentran en el medio. Este
conjunto de números contiene un
número par de valores. Calculando el
promedio de los dos valores que se
encuentran en el medio (3 y 21), se
obtiene una mediana con valor de 12.
En comparación con la media, la mediana no es sensible a datos con valores

extremos, de modo que la mediana es frecuentemente una medida más
informativa en relación con el centro de un conjunto de datos asimétricos.
Por ejemplo, para el análisis de salarios en una compañía, la media pudiera no ser
una herramienta estadística satisfactoria. Los salarios relativamente altos de un
número reducido de empleados con sueldos elevados tienden a inflar el promedio
general, con lo cual se obtiene una falsa impresión sobre los salarios de la
compañía. En este caso, la mediana aporta más información. La mediana es
equivalente al segundo cuartil o al percentil 50.
2
Página

3
Página

Desviación estándar
La medida de dispersión más común, que indica cuán separados de la media está
los datos. Mientras el rango estima la dispersión de los datos restando el valor
mínimo al valor máximo, la desviación estándar estima aproximadamente la
distancia "promedio" de las observaciones individuales con respecto a la media.
Mientras mayor sea la desviación estándar, mayor será la dispersión de los datos.
La desviación estándar se puede utilizar como un valor de referencia preliminar

para estimar la variación general de un proceso. Por ejemplo, los administradores
hacen seguimiento al tiempo de egreso de los pacientes tratados en las áreas de
urgencia de dos hospitales. Aunque los tiempos de egreso promedio son
aproximadamente iguales (35 minutos), las desviaciones estándar son
significativamente diferentes.
4
Página

Hospital 1 La desviación estándar es Hospital 2 La desviación estándar es

aproximadamente 6. En promedio, el aproximadamente 20. En promedio, el
tiempo para dar de alta a un paciente se tiempo para dar de alta a un paciente
desvía de la media (línea azul) se desvía de la media (línea azul)
aproximadamente 6 minutos. aproximadamente 20 minutos.
La desviación estándar se calcula tomando la raíz cuadrada positiva de la

varianza, otra medición de la dispersión de los datos. Sin embargo, comúnmente
es más conveniente e intuitivo trabajar con la desviación estándar, porque ésta
utiliza las mismas unidades que los datos. Por ejemplo, si una pieza de una
máquina se pesa en gramos, la desviación estándar de su peso también se
calcula en gramos, mientras que su varianza se calcula en gramos 2.
En una distribución normal (forma de campana), las desviaciones estándar

sucesivas con respecto a la media proveen valores de referencia útiles para
estimar el porcentaje de observaciones de datos.
Alrededor del 95% de las

observaciones están dentro
de 2 desviaciones estándar
de la media, indicadas por el
área sombreada en azul.
Aproximadamente el 68% de
las observaciones están
dentro de una 1 desviación
estándar de la media (-1 a
+1), y alrededor del 99.7% de
las observaciones estarían
dentro de 3 desviaciones
estándar de la media (-3 a
+3).
El símbolo s (sigma) se utiliza frecuentemente para representar la desviación

estándar de una población, mientras que s se utiliza para representar la desviación
estándar de una muestra.
5
La variación que no es aleatoria o natural de un proceso se conoce comúnmente

Página
como ruido.

Coeficiente de la variación
Medida de variabilidad relativa, igual a la desviación estándar dividida entre la media
(Minitab multiplica el cociente por 100). Debido a que se trata de un número sin
dimensiones, es útil para comparar la dispersión de poblaciones con medias
significativamente diferentes.
Por ejemplo, usted es el inspector de control de calidad de una planta embotelladora de

leche, la cual embotella el producto en recipientes pequeños y grandes. Usted toma una
muestra de cada producto y observa que el volumen medio de los recipientes pequeños es
de una 1 taza, con una desviación estándar de 0.08 tazas, y el volumen medio de los
recipientes grandes es de 1 galón (16 tazas) con una desviación estándar de 0.4 tazas.
Aunque la desviación estándar del recipiente de un galón es cinco veces mayor que la
desviación estándar del recipiente pequeño, sus coeficientes de variación (COVs) apoyan
una conclusión diferente:
Recipiente grande Recipiente pequeño
COV = 100 * 0.4 tazas / 16 tazas = 2.5 COV = 100 * 0.08 tazas / 1 taza = 8
6
Página

El coeficiente de variación del recipiente pequeño es más de tres veces mayor que el
coeficiente de variación del recipiente grande. En otras palabras, aunque el recipiente
grande presenta una mayor desviación estándar, el recipiente pequeño presenta una
variabilidad mucho mayor con respecto a su media.
Diagrama de Caja y Bigotes

Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentación visual que
describe varias características importantes, al mismo tiempo, tales como la dispersión y
simetría.
Para su realización se representan los tres cuartiles y los valores mínimo y máximo de los
datos, sobre un rectángulo, alineado horizontal o verticalmente.
 Construcción:
 Comparar distribuciones
 Diagrama de Caja a través de Excel
Construcción:
Una gráfica de este tipo consiste en una caja rectangular, donde los lados más largos muestran
el recorrido intercuartílico. Este rectángulo está dividido por un segmento vertical que indica
donde se posiciona la mediana y por lo tanto su relación con los cuartiles primero y
tercero(recordemos que el segundo cuartil coincide con la mediana).
Esta caja se ubica a escala sobre un segmento que tiene como extremos los valores mínimo y
máximo de la variable. Las lineas que sobresalen de la caja se llaman bigotes. Estos bigotes
tienen tienen un límite de prolongación, de modo que cualquier dato o caso que no se encuentre
dentro de este rango es marcado e identificado individualmente
EJEMPLO DISTRIBUCIÓN DE EDADES
Utilizamos la ya usada distribución de frecuencias (en tallos y hojas), que representan la edad de
un colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
7
Página

ORDENAR LOS DATOS
Para calcular los parámetros estadístico, lo primero es ordenar la distribución
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40
41 45
CALCULO DE CUARTILES
Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la distribución. Como N =
20 resulta que N/4 = 5; el primer cuartil es la media aritmética de dicho valor y el siguiente:
Q1=(24 + 25) / 2 = 24,5
Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribución, es el valor de la

variable que ocupa el lugar central en un conjunto de datos ordenados. Como N/2 =10 ; la
mediana es la media aritmética de dicho valor y el siguiente:
me= Q2 = (33 + 34)/ 2 =33,5
Q3 , el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la distribución. En

nuestro caso, como 3N / 4 = 15, resulta
Q2=(39 + 39) / 2 = 39
DIBUJAR LA CAJA Y LOS BIGOTES
El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)

La primera parte de la caja a (Q1, Q2),
La segunda parte de la caja a (Q2, Q3)
El bigote de la derecha viene dado por (Q3, Xmáx).
INFORMACIÓN DEL DIAGRAMA

Podemos obtener abundante información de una distribución a partir de estas representaciones.
Veamos alguna:
8
Página

 La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las
edades comprendidas entre el 25% y el 50% de la población está más dispersa que
entre el 50% y el 75%.
 El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha; por ello el 25%
de los más jóvenes están más concentrados que el 25% de los mayores.
 El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población está
comprendido en 14,5 años.
Seguro que tú podrás obtener más información (¡Utiliza la mediana!)
Comparar distribuciones
La mayor utilidad de los diagramas caja-bigotes es para comparar dos o más conjuntos de
datos.
 Comparación distribución de edades

 Comparación entrenamientos de un corredor
 Comparación clasificación liga
COMPARACIÓN DISTRIBUCIÓN DE EDADES
Análogamente a lo realizado con los diagramas de tallo y hojas, comparamos, mediante estos
diagramas, esta distribución con la del otro ejemplo de distribución de edades.
35 38 32 28 30 29 27 19 48 40
39 24 24 34 26 41 29 48 28 22
A partir de dicha comparación puede obtenerse bastante información de ambas distribuciones.

9
Página

COMPARACIÓN ENTRENAMIENTOS DE UN CORREDOR
Un corredor entrena para una determinada carrera y se toman los tiempos que necesita para
recorrer los 200 m, durante 10 días consecutivos (cada día se toman varios tiempos y se
calculan mediana, cuartiles, valores mínimo y máximo)
Observamos que el desplazamiento de las gráficas de caja hacia la izquierda indica que el
entrenamiento ha dado resultado, ya que se tardan menos segundos en recorrer la misma
distancia, siendo la diferencia entre el máximo y el mínimo menor, como así también la
diferencia intercuartílica.
COMPARACIÓN CLASIFICACIÓN LIGA

10
Página
Las puntuación de los equipos de la liga de futbol BBVA de las temporadas 10/110 y 11/12 se
pueden comparar con un diagrama caja y bigotes, como aparece aquí,

Comparación de tres ligas europeas de futbol de la temporada 11/12
11
Página

ASIMETRÍA
Esta medida nos permite identificar si los datos se distribuyen de forma
uniforme alrededor del punto central (Media aritmética). La asimetría
presenta tres estados diferentes [Fig.5-1], cada uno de los cuales define de
forma concisa como están distribuidos los datos respecto al eje de
asimetría. Se dice que la asimetría es positiva cuando la mayoría de los
datos se encuentran por encima del valor de la media aritmética, la curva
es Simétrica cuando se distribuyen aproximadamente la misma cantidad de
valores en ambos lados de la media y se conoce como asimetría
negativa cuando la mayor cantidad de datos se aglomeran en los valores
menores que la media.
Figura 5-1
El Coeficiente de asimetría, se representa mediante la ecuación
matemática,
Ecuación 5-9
Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno
de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor.
Los resultados de esta ecuación se interpretan:
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media.
Este valor es difícil de conseguir por lo que se tiende a tomar los valores
que son cercanos ya sean positivos o negativos (± 0.5).
(g1 > 0): La curva es asimétricamente positiva por lo que los valores se
12
tienden a reunir más en la parte izquierda que en la derecha de la media.

Página
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se
tienden a reunir más en la parte derecha de la media.

Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la
distancia que separa la aglomeración de los valores con respecto a la
media.
2. CURTOSIS
Esta medida determina el grado de concentración que presentan los valores
en la región central de la distribución. Por medio del Coeficiente de Curtosis,
podemos identificar si existe una gran concentración de valores
(Leptocúrtica), una concentración normal (Mesocúrtica) ó una baja
concentración (Platicúrtica).
Figura 5-2
Para calcular el coeficiente de Curtosis se utiliza la ecuación:
Ecuacion 5-10
Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los
valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los
resultados de esta fórmula se interpretan:
(g2 = 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.).
(g2 > 0) la distribución es Leptocúrtica
(g2 < 0) la distribución es Platicúrtica
Cuando la distribución de los datos cuenta con un coeficiente de asimetría
(g1 = ±0.5) y un coeficiente de Curtosis de (g2 = ±0.5), se le denomina
Curva Normal. Este criterio es de suma importancia ya que para la mayoría
de los procedimientos de la estadística de inferencia se requiere que los
datos se distribuyan normalmente.
13
La principal ventaja de la distribución normal radica en el supuesto que el

Página
95% de los valores se encuentra dentro de una distancia de dos

desviaciones estándar de la media aritmética (Fig.5-3); es decir, si tomamos

la media y le sumamos dos veces la desviación y después le restamos a la
media dos desviaciones, el 95% de los casos se encontraría dentro del
rango que compongan estos valores.
Figura 5-3
Desde luego, los conceptos vistos hasta aquí, son sólo una
pequeña introducción a las principales medidas de Estadística Descriptiva;
es de gran importancia que los lectores profundicen en estos temas ya que
la principal dificultad del paquete SPSS radica en el desconocimiento de los
conceptos estadísticos.
Las definiciones plasmadas en este capítulo han sido extraídas de los
libros Estadística para administradores escrito por Alan Wester de la
editorial McGraw-Hill y el libro Estadística y Muestreo escrito por Ciro
Martínez editorial Ecoe editores (Octava edición). No necesariamente tienes
que guiarte por estos libros ya que en las librerías encontraras una gran
variedad de textos que pueden ser de bastante utilidad en la introducción a
esta ciencia.
14
Página

1) ASIMETRÍA
Es una medida de forma de una distribución que permite identificar y describir la manera como
los datos tiende a reunirse de acuerdo con la frecuencia con que se hallen dentro de la distribución. Permite
identificar las características de la distribución de datos sin necesidad de generar el gráfico.
1.1) TIPOS DE ASIMETRÍA
La asimetría presenta las siguientes formas:
Asimetría Negativa o a la Izquierda.- Se da cuando en una distribución la minoría de los datos está en la
parte izquierda de la media. Este tipo de distribución presenta un alargamiento o sesgo hacia la izquierda, es
decir, la distribución de los datos tiene a la izquierda una cola más larga que a la derecha. También se dice
que una distribución es simétrica a la izquierda o tiene sesgo negativo cuando el valor de la media aritmética
es menor que la mediana y éste valor de la mediana a su vez es menor que la moda,
en símbolos
Nota: Sesgo es el grado de asimetría de una distribución, es decir, cuánto se aparta de la simetría.
Simétrica.- Se da cuando en una distribución se distribuyen aproximadamente la misma cantidad de los datos
a ambos lados de la media aritmética. No tiene alargamiento o sesgo. Se representa por una curva normal en
forma de campana llamada campana de Gauss (matemático Alemán 1777-1855) o también conocida como
de Laplace (1749-1827).También se dice que una distribución es simétrica cuando su media aritmética, su
mediana y su moda son iguales, en símbolos Md=Mo
Asimetría Positiva o a la Derecha.- Se da cuando en una distribución la minoría de los datos está en la parte
derecha de la media aritmética. Este tipo de distribución presenta un alargamiento o sesgo hacia la derecha,
es decir, la distribución de los datos tiene a la derecha una cola más larga que a la izquierda.
También se dice que una distribución es simétrica a la derecha o tiene sesgo positivo cuando el valor de la
media aritmética es mayor que la mediana y éste a valor de la mediana a su vez es mayor que la moda, en
símbolos
1.2) MEDIDAS DE ASIMETRÍA
Coeficiente de Karl Pearson
Donde:
= media aritmética.
Md = Mediana.
s = desviación típica o estándar.
Nota:
15
El Coeficiente de Pearson varía entre -3 y 3

Si As < 0 la distribución será asimétrica negativa.
Página
Si As = 0 la distribución será simétrica.

Si As > 0 la distribución será asimétrica positiva.

Medida de Yule Bowley o Medida Cuartílica
Donde:
= Cuartil uno; = Cuartil dos = Mediana; = Cuartil tres.
Nota:
La Medida de Bowley varía entre -1 y 1

Si As < 0 ? la distribución será asimétrica negativa.
Si As = 0 ? la distribución será simétrica.
Si As > 0 ? la distribución será asimétrica positiva.
Medida de Fisher
Para datos sin agrupar se emplea la siguiente fórmula:
Para datos agrupados en tablas de frecuencias se emplea la siguiente fórmula:
Para datos agrupados en intervalos se emplea la siguiente fórmula:
Donde:
= cada uno de los valores; n = número de datos; = media aritmética; f = frecuencia absoluta
= cubo de la desviación estándar poblacional; xm = marca de clase
Nota:
Si As < 0 ?Indica que existe presencia de la minoría de datos en la parte izquierda de la media, aunque en
algunos casos no necesariamente indicará que la distribución sea asimétrica negativa
Si As = 0 ? la distribución será simétrica
Si As > 0 ? Indica que existe presencia de la minoría de datos en la parte derecha de la media, aunque en
algunos casos no necesariamente indicará que la distribución sea asimétrica positiva
Ejemplo ilustrativo:
Calcular el Coeficiente de Pearson, Medida Cuartílica y la Medida de Fisher dada la siguiente distribución: 6,
9, 9, 12, 12, 12, 15 y 17
Solución:
Calculando la media aritmética se obtiene:
Para calcular los cuartiles se ordena los datos de menor a mayor

16
6 9 9 12 12 12 15 17
Página
Calculando el cuartil uno se obtiene:

Calculando el cuartil dos se obtiene:
Calculando el cuartil tres se obtiene:
Calculando la desviación estándar muestral se obtiene:
Calculando el Coeficiente de Pearson se obtiene:
Calculando la Medida de Bowley se obtiene
Calculando la desviación estándar poblacional se obtiene:
Calculando la Medida de Fisher se obtiene

Datos
6 -166,375
9 -15,625
9 -15,625
12 0,125
12 0,125
12 0,125
17
15 42,875
17 166,375
Página
Total 12

Los cálculos en Excel se muestran en la siguiente figura:
Nota: El COEFICIENTE.ASIMETRIA(A2:A9) es un valor que tiene consideraciones semejantes a la Medida de

Fisher
Leer más: http://www.monografias.com/trabajos87/medidas-forma-asimetria-curtosis/medidas-forma-asimetria-

curtosis.shtml#ixzz48mfdbyWb
18
Página

2) CURTOSIS O APUNTAMIENTO
La curtosis mide el grado de agudeza o achatamiento de una distribución con relación a la distribución normal,
es decir, mide cuán puntiaguda es una distribución.
2.1) TIPOS DE CURTOSIS
La curtosis determina el grado de concentración que presentan los valores en la región central de la
distribución. Así puede ser:
Leptocúrtica.- Existe una gran concentración.
Mesocúrtica.- Existe una concentración normal.
Platicúrtica.- Existe una baja concentración.
2.2) MEDIDAS DE CURTOSIS
Medida de Fisher
Para datos sin agrupar se emplea la siguiente fórmula:
Para datos agrupados en tablas de frecuencias se emplea la siguiente fórmula:
Para datos agrupados en intervalos se emplea la siguiente fórmula:
Donde: = cada uno de los valores; n = número de datos; = media aritmética; = Cuádruplo de la
desviación estándar poblacional; f = frecuencia absoluta; xm = marca de clase
Nota:
Si a < 3 la distribución es platicútica

Si a = 3 la distribución es normal o mesocúrtica
Si a > 3 la distribución es leptocúrtica
Medida basada en Cuartiles y Percentiles

19
(letra griega minúscula kappa) = Coeficiente percentil de curtosis

Página

Nota:
Si < 0,263 la distribución es platicúrtica
Si = 0,263 la distribución es normal o mesocúrtica
Si > 0,263 la distribución es leptocúrtica
Esta medida no es muy utilizada.
Ejemplo ilustrativo: Determinar qué tipo de curtosis tiene la siguiente distribución: 6, 9, 9, 12, 12, 12, 15 y 17.
Emplear la medida de Fisher y el coeficiente percentil de curtosis.
Solución: Calculando la media aritmética se obtiene
Calculando la desviación estándar poblacional se obtiene:
Calculando la Medida de Fisher se obtiene:
Datos
6 915,0625
9 39,0625
9 39,0625
12 0,0625
12 0,0625
12 0,0625
15 150,0625
17 915,0625
Total 2058,5
Para calcular los cuartiles y percentiles se ordena los datos de menor a mayor:
6 9 9 12 12 12 15 17
Calculando el cuartil uno se obtiene:

20
Calculando el cuartil tres se obtiene:

Página

Calculando el percentil 90 se tiene:
Calculando el percentil 10 se tiene:
Calculando el coeficiente percentil de curtosis se obtiene:
Como a= 2,23 y la distribución es platicúrtica

Los cálculos en Excel se muestran en la siguiente figura:
21
Página

REFERENCIAS BIBLIOGRÁFICAS
BENALCÁZAR, Marco, (2002), Unidades para Producir Medios Instruccionales en Educación, SUÁREZ, Mario
Ed. Graficolor, Ibarra, Ecuador.
DAZA, Jorge, (2006), Estadística Aplicada con Microsoft Excel, Grupo Editorial Megabyte,
Lima, Perú.
SUÁREZ, Mario, (2004), Interaprendizaje Holístico de Matemática, Ed. Gráficas Planeta,
Ibarra, Ecuador.
SUÁREZ, Mario, (2011), Interaprendizaje de Estadística Básica
TAPIA, Fausto Ibarra, Ecuador.
Leer más: http://www.monografias.com/trabajos87/medidas-forma-asimetria-curtosis/medidas-forma-asimetria-

curtosis.shtml#ixzz48mfp2pu7
22
Página

Modulo de Minitab PDF

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modulo de Minitab PDF

Enviado por

Direitos autorais:

Formatos disponíveis

CONCEPTOS SOBRE

ESTADÍSTICA – EAP “IA” - 2016

CONCEPTOS FUNDAMENTALES SOBRE MEDIDAS ESTADÍSTICAS

El resultado de agregar dos o más números. En Minitab, usted puede utilizar

Usted también puede utilizar SUMA en la Calculadora para agregar números en

Describe un conjunto entero de observaciones con un valor individual que

En promedio, un cliente espera 2.4 minutos para ser atendido en el banco.

Datos simétricos: la media (línea Datos asimétricos: la media (línea

Muchos análisis estadísticos utilizan la media como punto de referencia estándar.

RECOPILADO POR: FLELI R. JARA CLAUDIO

𝜇 representa la media de la población; 𝑋̅ (o 𝜇 hat) representa la media de la

Si el conjunto de datos contiene un

En un conjunto de datos, cuando existe

En comparación con la media, la mediana no es sensible a datos con valores

RECOPILADO POR: FLELI R. JARA CLAUDIO

RECOPILADO POR: FLELI R. JARA CLAUDIO

La desviación estándar se puede utilizar como un valor de referencia preliminar

RECOPILADO POR: FLELI R. JARA CLAUDIO

Hospital 1 La desviación estándar es Hospital 2 La desviación estándar es

La desviación estándar se calcula tomando la raíz cuadrada positiva de la

En una distribución normal (forma de campana), las desviaciones estándar

Alrededor del 95% de las

El símbolo s (sigma) se utiliza frecuentemente para representar la desviación

La variación que no es aleatoria o natural de un proceso se conoce comúnmente

RECOPILADO POR: FLELI R. JARA CLAUDIO

Por ejemplo, usted es el inspector de control de calidad de una planta embotelladora de

Recipiente grande Recipiente pequeño

RECOPILADO POR: FLELI R. JARA CLAUDIO

Diagrama de Caja y Bigotes

EJEMPLO DISTRIBUCIÓN DE EDADES

RECOPILADO POR: FLELI R. JARA CLAUDIO

ORDENAR LOS DATOS

Para calcular los parámetros estadístico, lo primero es ordenar la distribución

Q1=(24 + 25) / 2 = 24,5

Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribución, es el valor de la

me= Q2 = (33 + 34)/ 2 =33,5

Q3 , el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la distribución. En

DIBUJAR LA CAJA Y LOS BIGOTES

El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)

INFORMACIÓN DEL DIAGRAMA

RECOPILADO POR: FLELI R. JARA CLAUDIO

Seguro que tú podrás obtener más información (¡Utiliza la mediana!)

 Comparación distribución de edades

COMPARACIÓN DISTRIBUCIÓN DE EDADES

A partir de dicha comparación puede obtenerse bastante información de ambas distribuciones.

RECOPILADO POR: FLELI R. JARA CLAUDIO

COMPARACIÓN ENTRENAMIENTOS DE UN CORREDOR

COMPARACIÓN CLASIFICACIÓN LIGA

RECOPILADO POR: FLELI R. JARA CLAUDIO

Comparación de tres ligas europeas de futbol de la temporada 11/12

RECOPILADO POR: FLELI R. JARA CLAUDIO

tienden a reunir más en la parte izquierda que en la derecha de la media.

RECOPILADO POR: FLELI R. JARA CLAUDIO

La principal ventaja de la distribución normal radica en el supuesto que el

95% de los valores se encuentra dentro de una distancia de dos

RECOPILADO POR: FLELI R. JARA CLAUDIO

desviaciones estándar de la media aritmética (Fig.5-3); es decir, si tomamos

RECOPILADO POR: FLELI R. JARA CLAUDIO

1.2) MEDIDAS DE ASIMETRÍA

Coeficiente de Karl Pearson

El Coeficiente de Pearson varía entre -3 y 3

Si As = 0 la distribución será simétrica.