PROMOSF1-1- (Preguntas de las diapositivas del Power point)

DIAPOSITIVA 3 Y 4
Diagrama de barra: Se representa en el eje de las x las modalidades, y en el eje de las abscisas
las frecuencias absolutas o relativas. Con respecto al diagrama de torta se divide un circulo en
tantas porciones como clases existan, de modo que a cada clase le corresponde un arco de
circulo proporcional a su frecuencia absoluta o relativa por lo que es FACTIBLE transformar un
grafico de tortas a un diagrama de barra.

DIAPOSITIVA 5 (corrección)
Es un diagrama para variable continua, se utilizan barras.

DIAPOSITIVA 6 (Histograma)
Si convierto a los dos rectángulos que “están en el aire” por uno solo sobre la base “2”
la altura de ese único rectángulo para que dé la misma información tendría que ser la
misma que la del rectángulo más alto ya que este contendría la información del más
chico y su propia información hablando en términos de frecuencias.

DIAPOSITIVA 7 (Polígono de frecuencias- construcción)

DIAPOSITIVA 8 (Frecuencias acumuladas)

Para LEER la frecuencia acumulada hasta determinado valor de la variable debemos tener en
cuenta las abscisas y con esto la altura de los rectángulos, ya que dicha representa como dije
antes la altura de cada rectángulo. Además, cabe resaltar que el diagrama de frecuencias
acumuladas se utiliza cuando se interesa saber el número de los que se esta estudiando que hay
antes de un cierto valor de la variable (eje x) .
PREGUNTA DE DIAPOSITIVA 9 (critica a construcción del polígono de
frecuencias y ojiva)
La diferencia es clara: para la ojiva tengo en cuenta unir los límites del los intervalos
como vimos en clase y en el polígono de frecuencias lo que tengo que tener en cuenta
es identificar la «mitad o punto medio» de cada intervalo que coincide con la marca de
clase y trazar líneas que pasen por este punto en la parte superior de cada barra.

PREGUNTA DE DIAPOSITIVA 10 (critica a una distribución asimétrica)

Luego de buscar e investigar un poco más acerca de las medidas de posición en distribuciones
que no son simétricas concluyo que esos carteles colocados indicando la mediana, media y el
modo están ubicados correctamente y a continuación pondré a su disposición el marco teórico
que me permitió llegar a esta conclusión.

Cuando se describen distribuciones asimétricas (sesgadas) positivas o negativas, la

media no es la mejor medida de tendencia central disponible. Mientras mayor sea la
asimetría o sesgo de los datos, mayor utilidad tendrá la mediana (y más engañosa será la
media), porque la mediana estará más cerca del ‘valor promedio’ real de las
observaciones. Por ejemplo, en el caso de una distribución asimétrica positiva, la media
se encuentra ‘inflada’ por la minoría de las observaciones que tienen un valor mayor.
Esto sucede, por ejemplo, con el ingreso per cápita, puesto que las distribuciones del
ingreso son asimétricas positivas. En las siguientes figuras se muestran las posiciones
relativas de la media, la moda y la mediana en cuatro distribuciones asimétricas.

Observar que cuando la distribución es asimétrica ‘positiva’, (es decir, el extremo más
largo de la distribución apunta hacia el este o hacia su derecha), la moda está a la
izquierda de la mediana, y a su vez, la mediana está a la izquierda del promedio. Sucede
lo contrario cuando la distribución es asimétrica negativa o sesgada negativamente. Esto
nos lleva a una consideración final: si una distribución es asimétrica, es decir,
notoriamente sesgada, la mediana será mejor que la media (promedio aritmético) para
describir la tendencia central de la distribución de los datos. Observe las figuras
anteriores. Note que en todas las distribuciones asimétricas, la mediana efectivamente se
acerca más que la media al valor ‘promedio o ‘normal’ de las observaciones o, en otras
palabras, refleja mejor la existencia de un sesgo en los datos.

A CONTINUACION ME GUSTARIA PONER A SU DISPOSICION MATERIAL

INTERESANTE ( A MI CRITERIO ) EL CUAL HABLA UN POCO DE LA COMPARACION
EXISTENTE ENTRE LAS MEDIDAS DE TENDENCIA CENTRAL Y ALGO CON
RESPECTO A LAS DISTRIBUCIONES BIMODALES :

Las ventajas y limitaciones de usar la media, la moda y la mediana para describir un

conjunto de datos depende estrictamente de la forma (tipo) de la distribución de datos.
Siempre que se pueda usar, en general se prefiere la media para describir la tendencia
central, aunque algunas distribuciones se describen mejor por medio de la moda y la
mediana. A continuación evaluaremos la aplicabilidad de nuestros tres ‘promedios’ a
diferentes tipos de distribuciones.
En una distribución normal, la media, moda y mediana tienen un valor idéntico (Figura
15). Esto en realidad es evidente, dado que una distribución normal es perfectamente
simétrica, y la curva tiene un sólo punto máximo (moda) que también se encuentra en el
centro. Así, la media debe ser nuestra medida preferida de tendencia central para los
conjuntos de datos que se distribuyen normalmente, puesto que es más fácil de calcular
y de usar en forma matemática.

Una distribución bimodal tiene dos puntos máximos (Figura 15). Esto hace que la
media y la mediana no sean de utilidad, puesto que sus valores estarán en algún lugar
entre los dos puntos máximos y distorsionarán enormemente la descripción de la
distribución. La moda, y observe que en este caso hay dos modas, pasa a ser la única
medida útil de tendencia central. Sin embargo, una distribución bimodal es poco común
y en general podemos decir que consta de dos distribuciones que se pueden analizar en
forma independiente.
PREGUNTA DE DIAPOSITVA 11 (comparación de diagramas de Box Plot)

De acuerdo a lo aprendido puedo observar claramente que la concentración de los datos es

mucho mas fuerte en el diagrama 3 luego en el 1 y finalmente los datos se encuentran más
dispersos en el diagrama 2 debido a la longitud de la “caja” que cada uno de estos diagramas
presenta con lo cual mayor es el rango intercuartil en el diagrama 2 siguiéndole el 1 y luego el
3. Los brazos o bigotes en el diagrama 2 es bastante mas grande con lo cual se observaría mas
la dispersión de los “datos menos frecuentes”. Por otro lado podemos observar que la dispersión
de los datos en las zonas extremas son menores en los diagramas 1 y 3. Finalmente concluyo
que la distribución correspondiente al diagrama 1 es asimétrica negativa , la del diagrama 2
tiende a ser asimétrica positiva y el diagrama 3 muestra que la distribución presenta una
CLARA distribución asimétrica positiva.