8/18/2019 1) EST Y CONO
1/26
ULAREEst.Tom.Dec.Apunte I
Introducción.
La Estadística y su papel en el conocimiento.
Como la mayoría de nosotros sabemos, el papel más destacado de la Estadística es larecopilación, presentación, análisis y uso de datos, a partir de los cuales podemosobtenerconclusiones y tomar decisiones.
En este sentido, el conocimiento de la Estadística puede resultar de ran utilidad encual!uier campo y en particular en la Ineniería.
"or e#emplo, en el dise$o, desarrollo y me#ora de los procesos de producción %control dela &ariabilidad en el proceso, control de la calidad, etc...'.
(tros ámbitos de aplicación podrían ser) el estudio de materiales %duración, dure*a,elasticidad, etc...', análisis de rendimientos en procesos !uímicos se+n su empleo de
catali*adores, análisis de procesos idrolóicos %cálculo de a&enidas, caudalesenerados por cuencas idrorá-cas, etc...', análisis de dimensionamiento deestructuras y obras basados en el análisis de rieso, etc...
La asinatura de /todos Estadísticos en la Ineniería persiue ense$ar a los alumnoslas erramientas estadísticas básicas !ue le puedan ser de utilidad en sus 0uturose#erciciospro0esionales.
La asinatura consta de tres partes) Estadística Descripti&a, "robabilidad e In0erenciaEstadística.
La Estadística Descripti&a se encara de resumir %rá-ca y num/ricamente'la in0ormación contenida en un con#unto de datos, destacando sus rasos másrele&antes.
La In0erencia Estadística permite obtener conclusiones y tomar decisiones en unapoblación %noobser&able completamente' anali*ando solamente una parte representati&a de ella a la!ue llamamos muestra.
La "robabilidad sir&e de puente entre ambas ramas, !ue constituye la baseteórica para poder acer in0erencias en la población a partir de lo obser&ado y crearmodelospara problemas concretos.
"ro0esor) Ricardo 1apata C. 2
8/18/2019 1) EST Y CONO
2/26
ULAREEst.Tom.Dec.Apunte I
Resumen:
Distribuciones Unidimensionales:
2. Introducción.
3. "oblación, elementos y caracteres.
4. 5ariables y atributos.
Introducción:
La palabra "estadística" suele utilizarse bajo dos significados distintos, a saber:
1º Como colección de datos numéricos. !sto es el significado ms #ulgar de la palabra estadística. $e
sobrentiende %ue dic&os datos numéricos &an de estar presentados de manera ordenada ' sistemtica. (na
información numérica cual%uiera puede no constituir una estadística, para merecer este apelati#o, los datos
&an de constituir un conjunto co&erente, establecido de forma sistemtica ' siguiendo un criterio de
ordenación.
)enemos muc&os ejemplos de este tipo de estadísticas. !l *nuario !stadístico publicado por el +nstituto
acional de !stadística, !l *nuario de !stadísticas del )rabajo,-
º Como ciencia. !n este significado, La !stadística estudia el comportamiento de los fenómenos de masas.
Como todas las ciencias, busca las características generales de un colecti#o ' prescinde de las particulares de
cada elemento. *sí por ejemplo al in#estigar el se/o de los nacimientos, iniciaremos el trabajo tomando un
grupo numeroso de nacimientos ' obtener después la proporción de #arones. !s mu' frecuente enfrentarnos
con fenómenos en los %ue es mu' difícil predecir el resultado0 así, no podemos dar una lista ,con las personas
%ue #an a morir con una cierta edad, o el se/o de un nue#o ser &asta %ue transcurra un determinado tiempo de
embarazo,-
or tanto, el objeti#o de la estadística es &allar las regularidades %ue se encuentran en los fenómenos de masa.
Población, elementos y caracteres.
!s ob#io %ue todo estudio estadístico &a de estar referido a un conjunto o colección de personas o cosas. !ste
conjunto de personas o cosas es lo %ue denominaremos población.
"ro0esor) Ricardo 1apata C. 3
8/18/2019 1) EST Y CONO
3/26
ULAREEst.Tom.Dec.Apunte I
Las personas o cosas %ue forman parte de la población se denominan elementos. !n sentido estadístico un
elemento puede ser algo con e/istencia real, como un automó#il o una casa, o algo ms abstracto como la
temperatura, un #oto, o un inter#alo de tiempo.
* su #ez, cada elemento de la población tiene una serie de características %ue pueden ser objeto del estudio
estadístico. *sí por ejemplo si consideramos como elemento a una persona, podemos distinguir en ella lossiguientes caracteres:
$e/o, !dad, i#el de estudios, rofesión, eso, *ltura, Color de pelo,!tc.
Luego por tanto de cada elemento de la población podremos estudiar uno o ms aspectos cualidades o
caracteres.
La población puede ser seg2n su tama3o de dos tipos:
Población finita: cuando el n2mero de elementos %ue la forman es finito, por ejemplo el n2mero de
alumnos de un centro de ense3anza, o grupo clase.
Población infinita: cuando el n2mero de elementos %ue la forman es infinito, o tan grande %ue
pudiesen considerarse infinitos.. Como por ejemplo si se realizase un estudio sobre los productos %ue
&a' en el mercado. 4a' tantos ' de tantas calidades %ue esta población podría considerarse infinita.
*&ora bien, normalmente en un estudio estadístico, no se puede trabajar con todos los elementos de la
población sino %ue se realiza sobre un subconjunto de la misma. !ste subconjunto puede ser una muestra,
cuando se toman un determinado n2mero de elementos de la población, sin %ue en principio tengan nada en
com2n0 o una subpoblación, %ue es el subconjunto de la población formado por los elementos de la población
%ue comparten una determinada característica, por ejemplo de los alumnos del centro la subpoblación
formada por los alumnos de 5º !$6, o la subpoblación de los #arones.
Variables y atributos.
Como &emos #isto, los caracteres de un elemento pueden ser de mu' di#ersos tipos, por lo %ue los podemos
clasificar en: dos grandes clases:
7ariables Cuantitativas.
7ariables Cualitativas o Atributos.
Las #ariables cuantitati#as son las %ue se describen por medio de n2meros, como por ejemplo el peso, *ltura,
!dad, 2mero de $uspensos-
* su #ez este tipo de #ariables se puede di#idir en dos subclases:
• Cuantitativas discretas. A!uellas a las !ue se les puede asociar un n+meroentero, es decir, a!uellas !ue por su naturale*a no admiten un 0raccionamientode la unidad, por e#emplo n+mero de ermanos, páinas de un libro, etc.
"ro0esor) Ricardo 1apata C. 4
8/18/2019 1) EST Y CONO
4/26
ULAREEst.Tom.Dec.Apunte I
• Cuantitativas continuas) A!uellas !ue no se pueden e6presar mediante unn+mero entero, es decir, a!uellas !ue por su naturale*a admiten !ue entre dos&alores cuales!uiera la &ariable pueda tomar cual!uier &alor intermedio, pore#emplo peso, tiempo. etc.
o obstante en muc&os casos el tratamiento estadístico &ace %ue a #ariables discretas las trabajemos como si
fuesen continuas ' #ice#ersa.
Los atributos son a%uellos caracteres %ue para su definición precisan de palabras, es decir, no le podemos
asignar un n2mero. or ejemplo $e/o rofesión, !stado Ci#il, etc.
* su #ez las podemos clasificar en:
• Ordenables: A!uellas !ue suieren una ordenación, por e#emplo la raduaciónmilitar, El ni&el de estudios, etc.
• No ordenables: A!uellas !ue sólo admiten una mera ordenación al0ab/tica,
pero no establece orden por su naturale*a, por e#emplo el color de pelo, se6o,estado ci&il, etc.
Tablas Estadísticas:
* partir de este momento nos #amos a ocupar de las estadísticas de una sola #ariable, "!stadísticas
(nidimensionales".
Las tablas estadísticas seg2n el n2mero de obser#aciones ' seg2n el recorrido de la #ariable
estadística, así tenemos los siguientes tipos de tablas estadísticas:
Tablas tipo I:
Cuando el tama3o de la muestra ' el recorrido de la #ariable son pe%ue3os, por ejemplo si tenemos una
muestra de las edades de 8 personas, por lo %ue no &a' %ue &acer nada especial simplemente anotarlas de
manera ordenada en filas o columnas.
!dad de los 8 miembros de una familia:
8, 9, 1, 59, ;8
Tablas tipo II:
Cuando el tama3o de la muestra es grande ' el recorrido de la #ariable es pe%ue3o, por lo %ue &a' #alores de
la #ariable %ue se repiten. or ejemplo, si preguntamos el n2mero de personas acti#as %ue &a' en 8< familias
obtenemos la siguiente tabla:
"ro0esor) Ricardo 1apata C. 7
8/18/2019 1) EST Y CONO
5/26
ULAREEst.Tom.Dec.Apunte I
ersonas *cti#as en 8< familias
1 1 ; 1 1
5 1 1 1 5 ;
1 1 1 1 5
5 5 1 ; 1 ; 1
1 5 ; 5 1 5 5
odemos obser#ar %ue la #ariable toma #alores comprendidos entre 1 ' ;, por lo %ue precisaremos una tabla
en la %ue resumamos estos datos %uedando la siguiente tabla:
ersonas *cti#as 2mero de =amilias
1 1
<
5 >
; 8
)otal 8<
Tablas tipo III:
Cuando el tama3o de la muestra ' el recorrido de la #ariable son grandes, por lo %ue ser necesario agrupar en
inter#alos los #alores de la #ariable. or ejemplo si a un grupo de 5< alumnos les preguntamos el dinero %ue
en ese momento lle#an encima, nos encontramos con los siguientes datos:
;8< 118 8< 5
8/18/2019 1) EST Y CONO
6/26
ULAREEst.Tom.Dec.Apunte I
!#identemente, la #ariable estadística tiene un recorrido mu' grande, ;>>9 pesetas, por lo %ue sí %ueremos
&acer una tabla con estos datos tendremos %ue tomar inter#alos. ara decidir la amplitud de los inter#alos,
necesitaremos decidir @cuntos inter#alos %ueremosA. ormalmente se suele trabajar con no ms de 1< o 1
inter#alos.
*mplitud B;>>91< B ;>>,9 or lo %ue tomaremos inter#alos de amplitud 8
8/18/2019 1) EST Y CONO
7/26
ULAREEst.Tom.Dec.Apunte I
E ;8
8/18/2019 1) EST Y CONO
8/26
ULAREEst.Tom.Dec.Apunte I
8. :recuencia relati&a acumulada
9. "orcenta#e acumulado
;. E#emplo
!recuencia absoluta:
La frecuencia absoluta de una #ariable estadística es el n2mero de #eces %ue aparece en la muestra dic&o
#alor de la #ariable, la representaremos por ni
!recuencia relati"a:
La frecuencia absoluta, es una medida %ue est influida por el tama3o de la muestra, al aumentar el tama3o de
la muestra aumentar también el tama3o de la frecuencia absoluta. !sto &ace %ue no sea una medida 2til para
poder comparar. ara esto es necesario introducir el concepto de frecuencia relativa, %ue es el cociente entre
la frecuencia absoluta ' el tama3o de la muestra. La denotaremos por # i
Donde $ B )ama3o de la muestra
Porcenta%e:
La frecuencia relati#a es un tanto por uno, sin embargo, &o' día es bastante frecuente &ablar siempre en
términos de tantos por ciento o porcentajes, por lo %ue esta medida resulta de multiplicar la frecuencia
relati#a por 1
8/18/2019 1) EST Y CONO
9/26
ULAREEst.Tom.Dec.Apunte I
!recuencia 'elati"a &cunulada:
*l igual %ue en el caso anterior la frecuencia relati#a acumulada es la frecuencia absoluta acumulada di#idido
por el tama3o de la muestra, ' la denotaremos por !i
Porcenta%e &cumulado:
*nlogamente se define el orcentaje *cumulado ' lo #amos a denotar por Pi como la frecuencia relati#aacumulada por 1
8/18/2019 1) EST Y CONO
10/26
ULAREEst.Tom.Dec.Apunte I
!n el resto del tema nos ocuparemos e/clusi#amente de las #ariable cuantitati#as, puesto %ue con losatributos no se pueden realizar operaciones aritméticas. Como &emos estudiado, las #ariables estadísticas
cuantitati#as se di#iden o clasifican en discretas o continuas, por lo %ue necesitaremos precisar cómo se
calculan dic&as medidas en cada caso.
!n las #ariables cuantitati#as continuas, dado %ue la tabulación de los datos se &ace mediante inter#alos,necesitaremos tomar un #alor del inter#alo para poder operar. !ste #alor se denomina marca de clase ' es el
851upunto medio del inter#alo.
Las medidas estadísticas pretenden "resumir" la información de la "muestra" para poder tener así un mejor
conocimiento de la población. $e clasifican en:
TIP) DE (EDID&:
2. edidas de Centrali*ación)
o
>ue sir&en para determinar los &alores centrales o medios de ladsitribución
3. edidas de Dispersión)
o ?os &an a dar una idea sobre la representati&idad de las medidascentrales, a mayor dispersión menor representati&idad.
4. edidas de Locali*ación)
o @tiles para encontrar determinados &alores importantes, para unaclasi-cación de los elementos de la muestra o población.
7. edidas de la Bimetría)
o Bir&en para &er si la distribución tiene el mismo comportamiento porencima y por deba#o de los &alores centrales.
8. E#emplo del cálculo de los coe-cientes de simetría y Curtósis
(edidas de *entrali-ación:
2. edia
2. edia aritm/tica
3. edia eom/tica
4. edia armónica
3. ediana
"ro0esor) Ricardo 1apata C. 2
8/18/2019 1) EST Y CONO
11/26
ULAREEst.Tom.Dec.Apunte I
2. 5ariable discreta.
3. 5ariable contínua.
4. oda
2. 5ariable discreta.
3. 5ariable contínua.
(EDI&: 7amos a estudiar en este apartado los distintos tipos de media %ue &emos detallado en el apartadoanterior
(edia aritmtica:
La media aritmética de una #ariable se define como la suma ponderada de los #alores de la #ariable por sus
frecuencias relati#as ' lo denotaremos por ' se calcula mediante la e/presión:
i representa el #alor de la #ariable o en su caso la marca de clase.
Propiedades:
2. Bi multiplicamos o di&idimos todas las obser&aciones por un mismo n+mero, lamedia !ueda multiplicada o di&idida por dico numero.
3. Bi le sumamos a todas las obser&aciones un mismo n+mero, la mediaaumentará en dica cantidad.
4. Además de la media aritm/tica e6isten otros conceptos de media, como son lamedia eom/trica y la media armónica.
(edia /eomtrica: La media geométrica de obser#aciones es la raíz de índice del producto detodas las obser#aciones. La representaremos por J.
$olo se puede calcular si no &a' obser#aciones negati#as. !s una medida estadística poco o nada usual.
"ro0esor) Ricardo 1apata C. 22
8/18/2019 1) EST Y CONO
12/26
ULAREEst.Tom.Dec.Apunte I
(edia armónica: La media armónica de obser#aciones es la in#ersa de la media de las in#ersas de lasobser#aciones ' la denotaremos por 4
*l igual %ue en el caso de la media geométrica su utilización es bastante poco frecuente.
(ediana: La mediana es el #alor central de la #ariable, es decir, supuesta la muestra ordenada en ordencreciente o decreciente, el #alor %ue di#ide en dos partes la muestra. ara calcular la mediana debemos tener
en cuenta si la #ariable es discreta o continua.
*0lculo de la mediana en el caso discreto:
)endremos en cuenta el tama3o de la muestra.
$i $ es Impar, &a' un término central, el término %ue ser el #alor de la mediana.
$i $ es Par, &a' dos términos centrales, la mediana ser la media de esos dos #alores
7eamos un ejemplo.
par +mpar
1,;,,?,9,>,1,1,,1,1,
8/18/2019 1) EST Y CONO
13/26
ULAREEst.Tom.Dec.Apunte I
$i la #ariable es continua, la tabla #endr en inter#alos, por lo %ue se calcula de la siguiente forma:
os #amos a apo'ar en un grfico de un &istograma de frecuencias acumuladas.
De donde la mediana #ale: donde ai es la amplitud del
inter#alo
7emoslo por medio de un ejemplo.
$upongamos los pesos de un grupo de 8< personas se distribu'en de la siguiente forma:
#i$1 #i ni Ni omo el tama&o 'e la m(estra es N)50* +(scamos el intervalo en el ,(e la Frec(encia
ac(m(la'a es ma-or ,(e 50/2)25* ,(e en este caso es el 3 - aplicamos la rm(la
anterior. #(eo la e'iana ser
e)
45 55 6 6
55 65 10 16
65 75 1 35
75 !5 11 46
!5 5 4 50
"ro0esor) Ricardo 1apata C. 24
8/18/2019 1) EST Y CONO
14/26
ULAREEst.Tom.Dec.Apunte I
()D&: La moda es el #alor de la #ariable %ue tenga ma'or frecuencia absoluta, la %ue ms se repite, es la
2nica medida de centralización %ue tiene sentido estudiar en una #ariable cualitati#a, pues no precisa larealización de ning2n clculo.
or su propia definición, la moda no es 2nica, pues puede &aber dos o ms #alores de la #ariable %ue tengan la
misma frecuencia siendo esta m/ima. !n cu'o caso tendremos una distribución bimodal o polimodal seg2n
el caso.
or lo tanto el clculo de la moda en distribuciones discretas o cualitati#as no precisa de una e/plicación
ma'or0 sin embargo, debemos detenernos un poco en el clculo de la moda para distribuciones cuantitati#as
continuas.
*po'ndonos en el grfico podemos llegar a la determinación de la e/presión para la Ioda %ue es:
6tros autores dan una e/presión apro/imada para la moda %ue #iene dada por la siguiente e/presión:
7eamos su clculo mediante un ejemplo, para ello usaremos los datos del apartado anterior
#i$1 #i ni Ni
45 55 6 6
"ro0esor) Ricardo 1apata C. 27
8/18/2019 1) EST Y CONO
15/26
ULAREEst.Tom.Dec.Apunte I
tilian'o la rm(la aproima'a
55 65 10 16
65 75 1 35
75 !5 11 46
!5 5 4 50
(EDID& DE DIPE'I+$:
2. re&e Introducción
3. Rano
4. Concepto de des&iación
7. Des&iación edia
8. 5arian*a
9. Des&iación Típica
;. Cuasi&arian*a
8/18/2019 1) EST Y CONO
16/26
ULAREEst.Tom.Dec.Apunte I
Des"iación: !s la diferencia %ue se obser#a entre el #alor de la #ariable ' la media aritmética. Ladenotaremos por di . o es una medida, son muc&as medidas, pues cada #alor de la #ariable lle#a asociada sucorrespondiente des#iación, por lo %ue precisaremos una medida %ue resuma dic&a información.
La primera solución puede ser calcular la media de todas las des#iaciones, es decir, si consideramos como
muestra la de todas las des#iaciones ' calculamos su media. ero esta solución es mala pues como #eremossiempre #a a ser
8/18/2019 1) EST Y CONO
17/26
ULAREEst.Tom.Dec.Apunte I
!ste estadístico tiene el incon#eniente de ser poco significati#o, pues se mide en el cuadrado de la unidad de
la #ariable, por ejemplo, si la #ariable #iene dada en cm. La #arianza #endr en cm.
Des"iación típica:
!s la raíz cuadrada de la #arianza, se denota por o .
!ste estadístico se mide en la misma unidad %ue la #ariable por lo %ue se puede interpretar mejor.
6tros dos estadísticos importantes son la cuasi#arianza ' la cuasides#iación típica, %ue como #eremos cuando
estudiemos el tema de estimación estadística, son los estimadores de la #arianza ' des#iación típica
poblacionales respecti#amente.
*uasi"arian-a:
!s una medida de dispersión, cu'a 2nica diferencia con la #arianza es %ue di#idimos por 1, la
representaremos por o ' la calcularemos de la siguiente forma:
*uasides"iación típica: La raíz cuadrada de la cuasi#arianza ' la denotaremos por $21 o σ $1.
)odas estas medidas de dispersión #ienen influidas por la unidad en la %ue se mide la #ariable, esto implica
%ue si cambiamos de unidad de medida, los #alores de estos estadísticos se #ean a su #ez modificados.
*dems, no permite comparar por ejemplo, en un grupo de alumnos si los pesos o las alturas presentan mas
dispersión. ues no es posible comparar unidades de distinto tipo.
recisamos por lo tanto, una medida "escalar ", es decir, %ue no lle#e asociado ninguna unidad de medida.
"ro0esor) Ricardo 1apata C. 2;
8/18/2019 1) EST Y CONO
18/26
ULAREEst.Tom.Dec.Apunte I
*oe#iciente de Variación: !s un estadístico de dispersión %ue tiene la #entaja de %ue no lle#a asociadaninguna unidad, por lo %ue nos permitir decir entre dos muestras, cual es la %ue presenta ma'or dispersión.
La denotaremos por *.V.
E%emplo
7eamos por 2ltimo un ejemplo de cómo se calculan todas estas medidas.
45 55 6 6 50 300 $1*4 116*4 225!*16 15000
55 65 10 16 60 600 $*4 4 !!3*6 36000
65 75 1 35 70 1330 0*6 11*4 6*!4 3100
75 !5 11 46 !0 !!0 10*6 116*6 1235*6 70400
!5 5 4 50 0 360 20*6 !2*4 167*44 32400
N) 50 3470 420*! 60!2 24600
"ro0esor) Ricardo 1apata C. 2
8/18/2019 1) EST Y CONO
19/26
ULAREEst.Tom.Dec.Apunte I
)
m)
)
.8.)
(edidas de 4ocali-ación: *uartiles, Deciles y Percentiles.
Las medidas de localización di#iden la distribución en partes iguales, sir#en para clasificar a un indi#iduo o
elemento dentro de una determinada población o muestra. *sí en psicología los resultados de los test o
pruebas %ue realizan a un determinado indi#iduo, sir#e para clasificar a dic&o sujeto en una determinada
categoria en función de la 851upuntuacióIn obtenida.
"ro0esor) Ricardo 1apata C. 2=
8/18/2019 1) EST Y CONO
20/26
ULAREEst.Tom.Dec.Apunte I
1. uartiles.
!. Deciles.
". #ercentiles.
$. E%emplos de c&lculo.
8. 'lgunas medidas de dispersión asociadas
Cuarteles Iedida de localización %ue di#ide la población o muestra en cuatro partes iguales.
• >2 5alor de la &ariable !ue de#a a la i*!uierda el 38F de la distribución.
• >3 5alor de la &ariable !ue de#a a la i*!uierda el 8F de la distribución mediana.
• >4 5alor de la &ariable !ue de#a a la i*!uierda el ;8F de la distribución.
*l igual %ue ocurre con el clculo de la mediana, el clculo de estos estadísticos, depende del tipo de #ariable.
Caso I) 5ariable cuantitati&a discreta)
En este caso tendremos !ue obser&ar el tama$o de la muestra) ? y paracalcular >2 o >4 procederemos como si tu&i/semos !ue calcular la mediana dela correspondiente mitad de la muestra.
Caso II) 5ariable cuantitati&a continua)
En este caso el cálculo es más simple), sea la distribución !ue siue)
$iendo el inter#alo coloreado donde se encuentra el Cuartil
correspondiente:
'
Deciles Iedida de localización %ue di#ide la población o muestra en 1< partes iguales. o tiene muc&osentido calcularlas para #ariables cualitati#as discretas. or lo %ue lo #amos a #er sólo para las #ariables
continuas.
d B Decil simo es a%uel #alor de la #ariable %ue deja a su iz%uierda el M1< G de la distribución.
"ro0esor) Ricardo 1apata C. 3
ELi Li1F ni1 i1
ELi1 LiF ni i
ELi Li1F ni1 i1
ELi1 LiF ni i
http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt153.html#seccion1%23seccion1http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt153.html#seccion2%23seccion2http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt153.html#seccion1%23seccion1http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt153.html#seccion2%23seccion2
8/18/2019 1) EST Y CONO
21/26
ULAREEst.Tom.Dec.Apunte I
+nter#alo donde se encuentra el Decil correspondiente:
B 1 .. >
Percentiles: Iedida de localización %ue di#ide la población o muestra en 1>
E5E(P4):Como se puede obser#ar la forma de calcular estas medidas es mu' similar a la del clculo de lamediana.7eamos el clculo de algunas de estas medidas en el ejemplo %ue estamos estudiando.
7amos a calcular N1,N5, d5, ' p;8
#i$1 #i ni Ni
45 55 6 6
55 65 10 16
65 75 1 35
75 !5 11 46
!5 5 4 50
Clculo de N1: Huscamos en la columna de las frecuencias *cumuladas el #alor %ue supere al 8G de B8
8/18/2019 1) EST Y CONO
22/26
ULAREEst.Tom.Dec.Apunte I
*nlogamente calculemos N5, Huscamos a&ora en la misma columna el correspondiente al ?8 Gde %ue en
este caso es el ;º inter#alo O5.8
8/18/2019 1) EST Y CONO
23/26
8/18/2019 1) EST Y CONO
24/26
ULAREEst.Tom.Dec.Apunte I
al no ser una medida relati#a, 'a %ue esta influida por la unidad en %ue se mida la #ariable, por lo %ue se
define el coeficiente de *simetría como:
!sta medida es mu' fcil de calcular, pero menos precisa %ue el coeficiente de asimetría de earson.
!l coeficiente de asimetría de earson, se basa en la comparación con la media de todos los #alores de la
#ariable, así %ue es una medida %ue se basar en las diferencias , como #imos en el caso de la
dispersión si medimos la media de esas des#iaciones sería nulas, si las ele#amos al cuadrado, serían siempre
positi#as por lo %ue tampoco ser#irían, por lo tanto precisamos ele#ar esas diferencias al cubo.
ara e#itar el problema de la unidad, ' &acer %ue sea una medida escalar ' por lo tanto relati#a, di#idimos por
el cubo de su des#iación típica. Con lo %ue resulta la siguiente e/presión:
(edida de a631upuntamiento, *urtosis:
La curtosis es una medida del a851upuntamiento, %ue nos indicar si la distribución es mu' a851u
puntada o poco a851upuntada
Curtosis egati#a Curtosis nula Curtosis ositi#a
latic2rtica Iesoc2rtica Leptoc2rtica
"ro0esor) Ricardo 1apata C. 37
8/18/2019 1) EST Y CONO
25/26
ULAREEst.Tom.Dec.Apunte I
Como podemos obser#ar, el coeficiente de curtosis nos mide el grado de a851u
puntamiento de la distribución. !ste coeficiente lo #amos a denotar por 7 ' se calculaseg2n la siguiente e/presión:
7eamos por 2ltimo el clculo de estos dos 2ltimos coeficientes en el ejemplo %ue estamos estudiando.
"ro0esor) Ricardo 1apata C. 38
8/18/2019 1) EST Y CONO
26/26
ULAREEst.Tom.Dec.Apunte I
45 55 6 6 50 300 $1*4 $43!0!*304 !4!!1*0!
55 65 10 16 60 600 $*4 $!305*!4 7!074*!6
65 75 1 35 70 1330 0*6 4*104 2*4624
75 !5 11 46 !0 !!0 10*6 13101*176 13!!72*466
!5 5 4 50 0 360 20*6 3467*264 720325*63!
N) 50 3470 $4041*6 17!7156*56
)
o) ?