Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cada
paso del proceso es representado por un smbolo diferente que contiene una
breve descripcin de la etapa de proceso. Los smbolos grficos del flujo del
proceso estn unidos entre s con flechas que indican la direccin de flujo del
proceso.
Correlacin
Con los diagramas de dispersin podemos ver cmo se relacionan ambas
variables entre s. Esto es lo que se conoce como correlacin. Hay tres tipos de
correlacin: positiva, negativa y nula (sin correlacin).
Correlacin positiva: ocurre cuando una variable aumenta y la otra tambin.
Por ejemplo, la altura de una persona y el tamao de su pie; mientras aumenta
la altura, el pie tambin.
Correlacin negativa: es cuando una variable aumenta y la otra disminuye. El
tiempo de estudio y el tiempo que pasas jugando videojuegos, tienen una
correlacin negativa, ya que cuando tu tiempo de estudio aumenta, no te
queda tanto tiempo para jugar videojuegos.
Sin correlacin: no hay una relacin aparente entre las variables. Los puntos en
tus videojuegos y tu talla de zapato no parece tener ninguna correlacin;
mientras una aumenta, la otra no tiene ningn efecto.
8) La media aritmtica es el valor obtenido al sumar todos los datos y dividir el
resultado entre el nmero total de datos.
Ejemplo: Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el
peso medio.
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
2. La suma de los cuadrados de las desviaciones de los valores de la variable
con respecto a un nmero cualquiera se hace mnima cuando dicho nmero
coincide con la media aritmtica.
2, 3, 3, 4, 4, 4, 5, 5
Mo= 4
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9
Mo= 1, 5, 9
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima, la moda es el
promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8
Mo = 4
Mediana
Es el valor que ocupa el lugar central de todos los datos cuando stos estn
ordenados de menor a mayor.
La mediana se representa por Me.
La mediana se puede hallar slo para variables cuantitativas.
Clculo de la mediana
1 Ordenamos los datos de menor a mayor.
2 Si la serie tiene un nmero impar de medidas la mediana es la puntuacin
central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6
Me= 5
7, 8, 9, 10, 11, 12
Me= 9.5
10) El percentil es cada uno de los noventa y nueve segmentos que resultan
tras dividir algo en cien partes de igual frecuencia.
Se lo representa a travs de la letra mayscula P.
Cuando nos referimos a un percentil en concreto ser el valor de la variable a
observar y que est por debajo del porcentaje que se ha dado. As es que P20
ser la puntuacin que se le atribuir cuando est por debajo del 20 % de los
valores ordenados que se han hallado.
Un percentil es una medicin en la cual ese porcentaje de los valores totales es
el mismo o menor que esa medicin. Por ejemplo, el 90 % de los valores de
datos se encuentra por debajo del percentil 90, mientras que el 10 % de los
valores de datos se encuentra por debajo del percentil 10.
El percentil es una medida estadstica muy utilizada. Es una medida de
posicin no central que nos dice cmo est posicionado un valor respecto al
total de una muestra.
El concepto es sencillo. Si tenemos una muestra con muchos valores y la
dividimos en 100 partes, cada una de ellas es un percentil. Y cada valor de la
muestra estar en alguna de esas cajitas percentiles. El percentil est
referenciado de 0 a 100. El Percentil 0 es el menor valor de la muestra y el
Percentil 100 el mayor valor.
11) Las medidas de dispersin nos informan sobre cunto se alejan del centro
los valores de la distribucin.
Las medidas de dispersin son:
Desviacin media
La desviacin respecto a la media es la diferencia entre cada valor de la
variable estadstica y la media aritmtica.
Di = x - x
La desviacin media es la media aritmtica de los valores absolutos de las
desviaciones respecto a la media.
Varianza
Desviacin tpica
La desviacin tpica es la raz cuadrada de la varianza.
Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de
desviacin.
La desviacin tpica se representa por .
que, como vemos, depende de dos parmetros (que puede ser cualquier
valor real) y (que ha de ser positiva). Por esta razn, a partir de ahora
indicaremos de forma abreviada que una variable X sigue el modelo Normal
as: X ~ N(, ). Por ejemplo, si nos referimos a una distribucin Normal con
= 0 y = 1 lo abreviaremos N(0, 1).
Propiedades del modelo Normal
Su esperanza es .
Su varianza es 2 y, por tanto, su desviacin tpica es .
Es simtrica respecto a su media , como puede apreciarse en la
representacin anterior.
Media, moda y mediana coinciden ().
Cualquier transformacin lineal de una variable con distribucin Normal seguir
tambin el modelo Normal. Si X ~ N(, ) y definimos Y = aX + b (con a 0),
entonces Y ~ N(a + b, |a|). Es decir, la esperanza de Y ser a + b y su
desviacin tpica, |a|.
Cualquier combinacin lineal de variables normales independientes sigue
tambin una distribucin Normal. Es decir, dadas n variables aleatorias
independientes con distribucin Xi ~ N(i, i) para i = 1, 2, ..., n la
combinacin lineal: Y = anXn + an1Xn1+ ... + a1X1 + a0 sigue tambin el
modelo Normal:
14) est en alguno de los documentos que guarde en referencia a este punto...
15) Esta distribucin debe su nombre al matemtico francs Simn Poisson
(1781-1840), quien estableci su modelo.
Existen fenmenos o experimentos en los que los eventos ocurren en
intervalos continuos de tiempo o espacio (reas y volmenes), donde slo
importa la ocurrencia del fenmeno, ya que la no ocurrencia no tiene sentido.
Por ejemplo, si en cierta regin ocurren en promedio 2 terremotos por ao, la
variable aleatoria ser el nmero de terremotos por ao y es claro que no tiene
sentido hablar del nmero de no terremotos por ao. Lo mismo sucede para
otros fenmenos, como el nmero de errores en una pgina, derrumbes
anuales en una regin montaosa, accidentes de trfico diarios en cierto
crucero, personas atendidas en un banco en un perodo de 10 minutos,
5.
Que nos interesa analizar el nmero promedio de ocurrencias en el
intervalo
entonces se puede afirmar, que la variable aleatoria mencionada en los
fenmenos descritos es una variable de Poisson.
Caractersticas de la Distribucin de Poisson
Un modelo de probabilidad de Poisson tiene las siguientes caractersticas:
1. El espacio muestral se genera por un nmero muy grande (puede
considerarse infinito) de repeticiones de un experimento cuyo modelo de
probabilidad es el de Bernoulli, con probabilidad de xito muy pequea. Por
esta razn, a la distribucin de Poisson suele llamrsele de eventos raros. Las
repeticiones del experimento de Bernoulli se realizan en cada uno de los
puntos de un intervalo de tiempo o espacio.
2. El nmero de xitos en el intervalo li es ajeno al nmero de xitos en el
intervalo lk, por lo que li lk = f
3. La probabilidad de que se tengan dos o ms xitos en el mismo punto del
intervalo es cero.
4. El nmero promedio de xitos en un intervalo es una constante l, que no
cambia de intervalo a intervalo.
Qu es una distribucin de Poisson?
Los datos son conteos de eventos (enteros no negativos, sin lmite superior).
Todos los eventos son independientes.
La tasa promedio no cambia durante el perodo de inters.
lambda = 3
lambda = 10
Qu es la tasa de ocurrencia?