Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA 1
TRABAJO DE CONSULTA
PRESENTADO POR:
PRESENTADO A:
GRUPO:
GN2
Teorema de Chebyshev.
Si una variable aleatoria tiene una varianza o desviacin estndar pequea,
esperaramos que la mayora de los valores se agrupan alrededor de la media.
Por lo tanto, la probabilidad de que una variable aleatoria tome un valor dentro
de cierto intervalo alrededor de la media es mayor que para una variable
aleatoria similar con una desviacin estndar mayor si pensamos en la
probabilidad en trminos de una rea, esperaramos una distribucin continua
con un valor grande de que indique una variabilidad mayor y, por lo tanto,
esperaramos que el rea este extendida. Sin embargo, una desviacin
estndar pequea debera tener la mayor parte de su rea cercana a
.Podemos argumentar lo mismo para una distribucin discreta. En el
histograma de probabilidad. El rea se extiende mucho ms que. Lo cual indica
una distribucin ms variable de mediciones o resultados el matemtico ruso P.
L. Chebyschev(18211894) descubri que la fraccin de rea entre
cualesquiera dos valores simtricos alrededor de la media est relacionada con
la desviacin estndar. Como el rea bajo una curva de distribucin de
probabilidad, o de un histograma de probabilidad, suma 1, el rea entre
cualesquiera dos nmeros es la probabilidad de que la variable aleatoria tome
un valor entre estos nmeros. El siguiente teorema, debido a Chebyshev da
una estimacin conservadora de la probabilidad de que una variable aleatoria
tome un valor dentro de k desviaciones estndar de su media para cualquier
nmero real k proporcionaremos la demostracin solo para el caso continuo y
se deja el caso discreto como ejercicio.
Ejercicios
Medidas de formas
Una vez iniciado el anlisis estadstico de sintonizacin de la informacin, para
lo cual hemos estudiado las medidas de tendencia central, de posicin relativa
y de dispersin de un conjunto de datos, necesitamos conocer ms sobre el
comportamiento de tales datos. Para ello estudiaremos las medidas de forma,
las cuales nos proporcionan informacin sobre cmo se distribuyen los datos.
Las medidas de forma se clasifican en medidas de asimetra (o coeficiente de
sesgo) y medidas de curtosis (o de apuntamiento). A continuacin,
explicaremos cada una de ellas. Antes, estudiaremos los conceptos de simetra
y asimetra.
Simetra y asimetra
Decimos que una distribucin de frecuencias es simtrica cuando lo es su
representacin grfica, es decir, los datos equidistantes a una medida central
de la misma tienen frecuencias iguales. Esta medida central coincide con la
mediana y la media.
Una distribucin de frecuencias que no es simtrica, se denomina asimtrica.
La asimetra se puede presentar a la derecha (asimetra positiva) o a la
izquierda (asimetra negativa) si la representacin grfica est ms estirada
hacia la derecha o hacia la izquierda, respectivamente.
(a) Distribucin simtrica uni-
modal
Medidas de asimetra
Las medidas de asimetra o coeficientes de sesgo tienen como finalidad la de
elaborar un indicador que permita establecer el grado de simetra (o asimetra)
que presenta una distribucin, sin necesidad de llevar a cabo su representacin
grfica. La medida de asimetra ms utilizada en la prctica es el llamado
coeficiente de asimetra de Pearson.
El coeficiente de asimetra de Pearson, simbolizado por Ap, se define como la
diferencia entre la media aritmtica y la mediana dividida por la desviacin
estndar. Es decir,
Ap=
mediaaritmeticamoda
desviacion estandar
Ap=
3(mediaaritmeticamediana)
desviacion estandar
Bibliografia
http://estadisticarsanchez.com/CC_08_EjPrTchebycheff.pdf
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un1/cont_13
5_35.html
http://eduvirtual.cuc.edu.co/moodle/pluginfile.php/23379/mod_resource/c
ontent/1/Capitulo%201%20.pdf