Está en la página 1de 6

FORMULARIO

Fórmulas para calcular el número de clases de una tabla tipo 3 o tipo 4

1. (N 100) Si N no es muy grande N = número de datos


2. C  entero (1 + 3,32 log N) Si N >100. (Regla de Sturges)
3. C  entero( ln(N) / ln(2) Si N >100

Fórmula para corregir la frecuencia de clases cuando los intervalos de clases tienen diferente amplitud
 Fc  Donde:
 *N Fc = Frecuencia de la clase c; c = 1, 2, 3,…, C
Fc.c =  c 
I Fc.c = Frecuencia de la clase c, corregida solo si los Ic son diferentes
C F  Ic = Intervalo o amplitud de la clase c
 c

c=1  I c 

GRÁFICOS CIRCULARES
Ángulo sectorial de los diagramas circulares ()
360*Fc

N

Funciones que definen el tipo de promedio


El promedio aritmético El promedio geométrico El promedio armónico
N 1 1
 Xi  N N f(X)= Dónde:
f (X)    Xi  1 N
1
f(X)= i=1
 i 1  
N i=1 Xi
i = 1, 2,....., N índice para indicar a un elemento u
N objeto de medición.
Xi = Valor de medición del elemento i-ésimo.

PROMEDIO ARITMÉTICO
Datos desagregados
Promedio simple Promedio ponderado Dónde:
i N i N W(Xi) = Peso o ponderación para el valor Xi de la variable.
 Xi w   W(Xi )*Xi Tal que  W(Xi) = 1, para todo i.
i 1
 i 1
N
Datos agregados
cC
 Fc Xc Dónde Xc = Marca de clase en la clase c
c 1

N

PROMEDIO GEOMÉTRICO
Datos desagregados El promedio
Sin utilizar logaritmos Utilizando logaritmos geométrico no

 i  N  
1  1  i  N  admite valores de
g  antLn   *  LnXi 
N
 g    Xi  la variable cero o
 N  i 1 
 i 1  negativos
Datos agregados
Sin utilizar logaritmos Utilizando logaritmos

 
1
 c C N  1  c C 
 g    XcFc   g  antLn   *  Fc LnX c 
 c1   N  c 1 
PROMEDIO ARMÓNICO
Con datos desagregados Con datos agregados El promedio armónico no admite valores
1 1 de la variable cero o negativos, pero
a  a 
1 N 1 1 c C Fc admite el valor infinito
* 
N 1 Xi N c1 Xc

MODA con datos agregados Dónde: Lmo


i = Límite inferior de la clase modal.

Icmo *(Fcmo  Fcmo1 ) Icmo = Intervalo de clase modal.


Mo  Lmo
i 
 (F mo
c  Fcmo1 )  (Fcmo  Fcmo 1 )  Fcmo = Frecuencia de la clase modal.
Fcmo 1 = Frecuencia de la clase anterior a la modal.
Fcmo 1 = Frecuencia de la clase posterior a la modal.
MINIMAL con datos agregados
Dónde: Lmi = Límite inferior de la clase modal.
Icmi *(Fcmi1  Fcmi ) i
Mi  Lmi 
i
 (Fcmi1  Fcmi )  (Fcm11  Fcmi )  Icmi = Intervalo de clase modal.
Fcmi = Frecuencia de la clase modal.
Fcmi 1 = Frecuencia de la clase anterior a la modal.
Fcmi 1 = Frecuencia de la clase posterior a la modal.

MEDIANA
Datos desagregados
Rango o posición Valor de la mediana Dónde: XRe = Valor de X en la posición que corresponde al rango
R = (N + 1)/2 Me = XRe + (XRe+1 –XRe)*Rd entero de la mediana.
XRe+1 = Valor de X en la posición que corresponde al rango
entero + 1, de la mediana.
Re = Parte entera del valor del rango de la mediana.
Rd = Parte decimal del valor del rango de la mediana. (la
parte decimal del rango de la mediana siempre
es igual a 0,5)
Datos agregados
Posición Dónde: Lme
i = Límite inferior de la clase que contiene a la mediana.

N/2 Icme = Intervalo de clase que contiene a la mediana.


Fcme = Frecuencia de la clase de la mediana.
Valor A = Clase anterior a la clase que contiene la mediana.
Lmi
i = Límite inferior de la clase que contiene la mediana.
 N c A 
Icme *    Fc  mi
Ic = Intervalo de clase de la mediana.
M e  Lme  2 c1 
i  Fcmi = Frecuencia de la clase de la mediana.
Fcme
Fcmi 1 = Frecuencia de la clase anterior a la de la mediana
PARÁMETROS DE LOCALIZACIÓN
Datos desagregados - Posición del parámetro
R = f *(N + 1) Dónde: fx = fracción de la frecuencia total que corresponde al parámetro de localización.
fx x

Valor del parámetro

X fx =X Ent(fx) +  R fx -R Ent(fx)  *  X Ent(fx)+1 -X Ent(fx) 


Dónde:
Xfx = Valor del parámetro de localización.
Rfx = Valor del rango del parámetro.
Xfx = Valor del parámetro de localización.
Rfx = Valor del rango del parámetro.
REnt(fx) = Valor entero del rango del parámetro.
XEnt(fx) = Valor de X en la posición entera del rango.
XEnt(fx)+1 = Valor de X en la posición entera superior del rango.
Datos agregados
Posición del parámetro Valor del parámetro
 C A

Fx*N Icp *  f x * Fc - Fc  Dónde:
PL=Lpi +  c=1p c=1  Lp
Fc i = Límite inferior de la clase donde se posiciona el parámetro.
p
I c = Intervalo de la clase donde se posiciona el parámetro.
Fcp = Frecuencia de la clase donde se posiciona el parámetro.
A = Clase anterior a la clase donde se posiciona el parámetro.

PARÁMETROS DE DISPERSIÓN
Rango o recorrido ( R)
Datos desagregados Datos agregados Donde:
R = Xmax – Xmin R = Lsup
u - Linf
1 Xmax = Mayor valor de la variable.
Xmin = Menor valor de la variable.
Lsup
u = Límite superior de la última clase.
inf
L1 = Límite inferior de la primera clase.
Recorridos intercuartílico y semi intercuartílico
Recorridos intercuartílico Recorridos semi intercuartílico Donde:
Q - Q1
RI = Q3 – Q1 RSI = 3 Q3 = Tercer cuartil
2
Q1 = Primer cuartil
Varianza y desviación típica
Datos desagregados
Varianza Desviación típica
N N N N
 (Xi -μ)2  X12  (Xi -μ)2  X12
σ2 = i=1
= i=1
- μ2 σ= i=1
= i=1
- μ2
N N N N
Dónde:
Xi = Es el valor que toma la variable para cada objeto de medición.
i = Es el índice que describe a los objetos y también a los valores de la variable i = 1,2,...,N
Con datos agregados
Varianza Desviación típica
C C C C
 Fc (Xc - μ)2  Fc Xc2  Fc (Xc - μ)2  Fc Xc2
σ2 = c=1
= c=1
- μ2 σ= c=1
= c=1
- μ2
N N N N

Desviación Media
Con datos desagregados Con datos agregados
N C
 |X i - μ|  Fc |X c - μ|2
i=1
DM = DM = c=1
N N
Desviación Absoluta Promedio respecto de la Mediana
Con datos desagregados Con datos agregados
N C
 |Xi - Med|  Fc |Xc - Med|
i=1 c=1
DM med = DM med = Dónde Med = mediana
N N
Meda
Con datos desagregados
MEDA = Med |Xi - Med|
Coeficiente de Apertura Recorrido Relativo Recorrido Intercuartílico Relativo
X Rec Q3 - Q1
Cap = max R rel =
X min  RIrel =
Q3 + Q1
Dónde: Rec = Rango o recorrido de la variable
Coeficiente de Variación de Pearson
σ
CV =
μ

Índice de Dispersión Relativo a la Mediana


Con datos desagregados Con datos agregados
N N

DM med
 |Xi - Me|
DM med
 Fc |Xc - Me|
i=1 i=1
DM Rel.Me = = DM Rel.Me = =
Me N*Me Me N*Me

Índice de Shannon – Wiener (Para variables cualitativas)


F  F 
C
-   Nc  ln  Nc 
   
IS-W = c=1 Dónde: C=Número de categorías
ln(C)
Índice de Variación Cualitativa
c = C-1 j = C Dónde:
  Fc *Fc + j Fc = Frecuencia de casos en la clase c.
c=1 j=c Fc+j = Frecuencia de casos en las clases siguientes a la clase c.
IVC = 2
C(C - 1)  N  c = índice de clase, desde c = 1, 2, ….., C-1
*  j = índice de clase, desde j = c+1, c+2, ….., C.
2 C
Índice de Freeman (Para variables cualitativas)
Fcm
IF = 1 - Dónde:
N
Fcmo = Frecuencia de la clase modal.
PARÁMETROS DE FORMA
Coeficiente de Asimetría de Fischer
Datos desagregados Datos agregados
N N C C
 (Xi - μ)3  (Xi - μ)3  Fc (Xc - μ)3  Fc (Xc - μ)3
i=1 i=1 c=1 c=1
AF = = AF = =
Nσ 3 3
Nσ 3 3
 N  2  C 2 2
  (Xi - μ)   Fc (Xc - μ) 
2

Ni = 1  Nc = 1 
 N   N 
   
   
Coeficiente de asimetría de Bowley Coeficiente absoluto de asimetría de Bowley
(Q3 - Q2 ) - (Q2 - Q1 ) (Q3 - 2Q2 + Q1 ) (Q3 - Q2 ) - (Q2 - Q1 ) (Q3 - 2Q2 + Q1 )
AB = = A Abs = =
(Q3 - Q2 ) + (Q2 - Q1 ) (Q3 - Q1 )  
Coeficiente de asimetría de Pearson, Coeficiente de asimetría de Pearson,
basado en la mediana basado en la moda
3(μ - Me ) (μ - Mo )
AMed = AMod =
σ σ
Coeficiente de Curtosis de Fischer
Datos desagregados Datos agregados
N N C C
 (Xi - μ) 4
 (Xi - μ) 4
 Fc (Xc - μ)4  Fc (Xc - μ)4
KF = i=1
4
3= i=1
2
3 KF = c=1
4
3= c=1
2
3
Nσ  N
2
Nσ  C 2
  (Xi - μ)    Fc (Xc - μ) 
Ni = 1  Nc = 1 
 N   N 
   
   
Coeficiente de Curtosis de Kelley con base a percentiles
 Q3 - Q1   P75 - Q25 
KK = 2 D9 - D1 
- 0,263 = 2 P90 - P10 
- 0,263

PARAMETROS DE CONCENTRACIÓN
Coeficiente de Gini
Datos desagregados Datos agregados Como covarianza
1 N N C-1
 (p-q)
2  i=N 
CG =   Xi -X j CG = Cov  Xi ;  Fr.i 
2N 2μ i=1 j=1 CG = c=1 μ  i=1 
C-1
i, j= Índices para la variable X (i,j = 1,2,...,N.) p
c=1

c = Índice de clases de la distribución (c = 1,2,...,C.)


p = Porcentajes (o valores relativos) acumulados de la frecuencia de
clases.
q = Porcentajes (o valores relativos) acumulados de FcXc a lo largo de
las clases.
Fr,i = Frecuencia relativa acumulada a
medida que cambian los valores de
Xi, previamente ordenados.
Coeficiente de Theil
Datos desagregados Datos agregados
 N  C 
CT =   Pr(Xi )log  N * Pr(Xi )   CT =   Pr(Xc )log  N * Fc / Pr(Xc )  
 i=1  c=1 
Pr(Xi) = Proporción del valor Xi respecto de la Pr(Xc) = Proporción del valor FcXc respecto de la suma de valores de FcXc
suma de valores de Xi
Xi = Valor de la variable para el i – ésimo elemento.
Coeficiente de Atkinson
Datos desagregados Datos agregados
1 1
 1 iN  X  (1 e)  (1 e)  1 c N  X (1e)  (1e)
CA     i   CA    Fc  c  
 N i 1  X    N c 1  X  
   
N = Número de personas en el grupo social.
Xi = Ingreso de la persona i – ésima. (i = 1,2,......,N) Fc = Frecuencia de la clase c.
X = Ingreso promedio actual en el grupo. Xc = marca de la clase c (c = 1, 2,......,C)
e = Grado de aversión a la desigualdad, tal que e # 1 y e > 0. C = Clases de la distribución.
Coeficiente de Schutz
Datos desagregados Datos agregados
N C
 Xi    Fc Xc  
i=1 c=1
CS = CS =
2N 2N
Coeficiente de Variación al cuadrado Normalizado
CV 2
CV 2 N = El coeficiente CV de Pearson se desarrolla como parámetro de dispersión.
1+CV 2
Mediala
Datos desagregados Datos agregados
 X  Xi+1  1 i=A
1 C A 
Md =  i  tal que Nμ  Xi =0,5 IcMd   Fc Xc   Fc Xc 
 2  i=1 Md  2 c 1 c 1 
M d  Li  Md
(Fc Xc )
Md
Xi = Valor de la variable para el i –ésimo elemento. Li = Límite inferior de la clase donde está la mediala.
i = Índices para la variable X (i = 1,2,...,N.) I cM d = Intervalo de la clase que contiene a la mediala
A = Valor anterior al que suma N / 2 o inmediatamente lo supera. A = Clase anterior a la clase que contiene la mediala.
(Fc Xc )Md = Valor de la variable en la clase que contiene la
Mediala.
Coeficiente de Herfindhal – Hirschman
N
CHH =  p i2 i = Índices para los elementos de la población (i = 1,2,...,N)
i=1
p i2
= Cuadrado del tamaño relativo del elemento i-ésimo de la población.
N = Número de elementos de la población.
N
Tal que  p1  1
i=1