Estadistica

06/07/2019
ESTADISTICA APLICADA A LOS

PUNTOS A REVISAR
PROCESOS TEXTILES
MEDIDAS DE POSICION
MEDIDAS MEDIDAS DE DISPERSION

RESUMEN
MEDIDAS DE FORMA DE LA
DISTRIBUCION
CURSO: ESTADISTICA DESCRIPTIVA Y PROBABILIDADES ING. MANUEL SOTERO MURGA CURSO: ESTADISTICA DESCRIPTIVA Y PROBABILIDADES ING. MANUEL SOTERO MURGA
MEDIDAS DE DISPERSION MEDIDAS DE DISPERSION
Las medidas de tendencia central no son suficientes

para describir un conjunto de valores , pues los
MEDIDAS DE DISPERSION promedios solo determinan el centro de los datos, pero
no como están situados los datos respecto al centro.
Para esto tenemos otros indicadores como el Rango,
Rango Intercuartílico, Varianza, Desviación Estándar, y el
Coeficiente de Variación.
1
06/07/2019
VARIANZA FORMULAS DE VARIANZA POBLACION
VARIANZA : La varianza es una medida de dispersión que representa:

La varianza es una medida que cuantifica LA MEDIA ARITMÉTICA DEL CUADRADO DE LOS DESVÍOS
el nivel de dispersión de los datos, con
DATOS NO AGRUPADOS
respecto a su media aritmética.
Σ( ) Σ
ơ2 = ơ2 = - x2
La varianza siempre será mayor que cero.
DATOS AGRUPADOS EN FRECUENCIAS (VAR.DISCRETA)
Mientras más se aproxima a cero, más
concentrados están los datos alrededor de Σ( ) Σ( )
ơ2 = ơ2 = - x2
la media.
Por el contrario, mientras mayor sea la DATOS AGRUPADOS EN INTERVALOS (VAR.CONTINUA)
varianza, más dispersos de la media Σ( ) Σ( )
ơ2 = ơ2 = - x2
estarán. Xi=dato X=M. Aritmética fi=frecuencia absoluta Mi=Marca de clase n:datos
FORMULAS DE VARIANZA MUESTRAL VARIANZA

OBSERVACION:
FORMULAS DE LA VARIANZA MUESTRAL (CUASI-VARIANZA) 1. Cuando en Estadística Descriptiva se habla de población o
muestra, no se hace distinción entre ellos, por eso el
A. PARA DATOS NO AGRUPADOS
denominador usado es n.
Σ( ) Donde: Xi = dato X: Media Aritmética
S2 = n:total de datos 2. La varianza muestral S2 definida por S2= , es un
estimador sesgado (no igual) de la varianza poblacional ơ2 ya
que S2= x ơ2 posee un factor de ajuste . Lo cual
B. PARA DATOS AGRUPADOS EN FRECUENCIAS
demuestra que para valores de n ≥ 30, este valor se acerca a 1,
Σ( )
fi: frecuencia absoluta
S2 = por tanto el denominador a usar es n, mientras que cuando
n<30 el valor de S2 que mejor representa la varianza muestral
C. PARA DATOS AGRUPADOS EN INTERVALOS debe estar dividido entre n-1 (que recibe el nombre de cuasi
Mi: Marca de clase
S2 =
Σ( ) Σ fi: frecuencia absoluta varianza muestral S2=
S2 =
X: Media Aritmética
2
06/07/2019
DESVIACION ESTANDAR VARIANZA DE DATOS NO AGRUPADOS
DESVIACION ESTANDAR MUESTRAL: EJEMPLO:

La desviación estándar es una LA SIGUIENTE INFORMACION SE REFIERE AL
medida de cuánto se desvían los NUMERO DIARIO DE DEVOLUCION DE ETIQUETAS
datos de su media. Es la raíz AL ALMACEN DE AVIOS, CALCULAR LA VARIANZA
cuadrada de la varianza, se saca la Y LA DESVIACION ESTANDAR?
raíz cuadrada para que este en las
mismas unidades que la media.
8 10 5 12 10 15
VARIANZA DE DATOS NO AGRUPADOS VARIANZA DE DATOS NO AGRUPADOS

Σ( )
ơ2 = 8 10 5 12 10 15
X= 60/6=10
Xi2 X2 Σ
ơ2 =
Xi ơ2 = - x2
8 64
ơ2= 10 100
S2 = - (10)2
ơ2 = - (10)2
5 25
ơ2=
12 144 ơ2 = 109,6666 -100 S2 = 131,6 -100
ơ2= 9,66 Varianza Poblacional 10 100 S2= 31,6
ơ2= 9,66
ơ = 3,11 S = 5,62
15 225 ơ = 3,11
No se cumple
S2=11,6 Varianza Muestral 658 (10)2 propiedad para
S=3,41 la cuasi-varianza
3
06/07/2019
VARIANZA DE DATOS AGRUPADOS EN VARIANZA PARA DATOS AGRUPADOS POR

FRECUENCIAS FRECUENCIAS
DATOS AGRUPADOS EN FRECUENCIAS (VAR.DISCRETA)
EJEMPLO: Σ( )
Σ( )
ơ2 = - x2
Hallar la Varianza y Desviación Estándar para los siguientes ơ2 =
datos agrupados, por frecuencias:
Xi.
RECLAMOS f F h H Xi Xi2 f F fi X X2 Xi-X (Xi-X)2 (Xi-X)2f S2 S Xi2.f/n Xi2.f/n-X2 S2 S
6 36 1 1 6 14,95 14,95 36
6 1 1 O,033 0,033 3,867
5 25 2 3 10 2,867 8,22 16,44 50
5 2 3 0,067 0,10 4 16 3 6 12 1,867 3,49 10,47 48
4 3 6 0,10 0,20 3 9 5 11 15 0,867 0,75 3,75 45
2 4 8 19 16 -0,133 0,018 0,144 32
3 5 11 0,167 0,367 1 1 5 24 5 -1,133 1,28 6,4 5
2 8 19 0,267 0,634 0 0 6 30 0 -2,133 4,55 27,3 0
2,13 4,54 2,648 1,627 7,2 7,2-4,54 2,65 1,627
1 5 24 0,167 0,801
0 6 30 0,20 1,000
VARIANZA DE DATOS AGRUPADOS EN

PROPIEDADES DE LA VARIANZA
INTERVALOS
EJEMPLO:
Hallar la Varianza y Desviación Estándar para los siguientes PROPIEDAD 1:
datos agrupados, por frecuencias: Σ( ) EL VALOR DE LA VARIANZA SIEMPRE ES UN VALOR ≥ CERO, NUNCA NEGATIVO
ơ2 = - x2
Xi2fi/n Xi2fi/n-X2
− χ
ơ ≥0 ơ = Ʃ
INTERVALO Xi fi Fi Xifi MA Xi2fi S2 S
[ 8,3 , 11,3 | 9,8 3 3 29,4 288,12
[ 11,3 , 14,3| 12,8 4 7 51,2 655,36 PROPIEDAD 2:

[ 14,3 , 17,3 I 15,8 4 11 63,2 998,56 SI TODOS LOS DATOS SON IGUALES NO HAY DISPERSION, POR TANTO:
[ 17,3 , 20,3| 18,8 9 20 169,2 3180,96
− χ
[ 20,3 , 23,3 ] 21,8 8 28 174,4 3801,92 ơ =0 ơ = Ʃ
[ 23,3 , 26,3 ] 24,8 4 32 99,2 2460,16
18,33 355,78 19,79 4,45
4
06/07/2019
PROPIEDADES DE LA VARIANZA PROPIEDADES DE LA VARIANZA

PROPIEDAD 3:
PROPIEDAD 4:
SI A CADA DATO Xi, SE LE SUMA O RESTA UNA CONSTANTE K, ENTONCES LA nueva
SI A CADA DATO Xi, SE LE MULTIPLICA O DIVIDE UNA CONSTANTE K, ENTONCES LA NUEVA
VARIANZA NO CAMBIA : ơ: Varianza Anterior
ơ = ơ1 VARIANZA QUEDA MULTIPLICADA O DIVIDA POR LA CONSTANTE PERO AL CUADRADO
ơ1: Nueva Varianza ơ1 ! = "²ơ
SI MULTIPLICAMOS A LOS DATOS ANTERIORES POR 3
7 8 9 4 5 1 0 3 5 1 27 28 29 24 25 21 20 23 25 21
7 8 9 4 5 1 0 3 5 1 21 24 27 12 15 3 0 9 15 3
9 7 5 3 6 8 4 5 29 27 25 23 26 28 24 25
9 7 5 3 6 8 4 5 27 21 15 9 18 24 12 15
− χ
MA=X= 5 ơ = Ʃ MA =X2=25 − χ
MA = 5 ơ = Ʃ MA =3*5= 15
ơ²(X)= ((7-5)²+(8-5)²+(9-5)²+ ….+(4-5)²+(5-5)²)/18 ơ²(X)= ((27-25)²+(28-25)²+..(24-25)²+(25-25)²)/18
ơ²(X)= ((7-5)²+(8-5)²+(9-5)²+ ….+(4-5)²+(5-5)²)/18 ơ²(X)= ((21-15)²+(24-15)²+..(12-15)²+(15-15)²)/18
ơ²(X)= 7,41 ơ²(X)= 7,41 ơ²(X)= 63
ơ²(X)= 7
ơ²(X)= 9 X 7
ơ(X)= 2,72 ơ(X)= 2,72
ơ²(X)= 3² X 7
PROPIEDADES DE LA VARIANZA PROPIEDADES DE LA VARIANZA

PROPIEDAD 5:
Dada la media X y la varianza S2 de n datos de una variable X, la suma total de los PROPIEDAD 6:
cuadrados de los valores de los datos es igual a n x (S2n + X2): Dados K series de datos con DIFERENTES TAMAÑOS DE MUESTRAS, y sus
De la fórmula tenemos: 2 Σ respectivas medias y varianzas de cada muestra.
ơ = - x2 n1,X1,S12 , n2,X2,S22 , nk,Xk,Sk2
Σ$ 2= n x (ơ2 + X2) entonces la varianza total, S2n de los n= n1 + n2 + … nk muestras, será igual a:
Σ (ơ ) Σ .
ơ2 = - (xn)2 Donde: xn =
7 8 9 4 5 1 0 3 5 1 49 64 81 16 25 1 0 9 25 1
9 7 5 3 6 8 4 5 81 49 25 9 36 64 16 25 3 4 5 7 8 9 3 4 5 7 8 9
n=18 x=5 ơ2=7 Σ$ 2=576 X=6 ơ=2,16 n=6 X1=4 ơ1=0,816 n=3 X2=8 ơ2=0,816 n=3
Σ X2=36 ơ2=4,67 X12=16 ơ12=0,67 X22=64 ơ22=0,67
ơ2 = - x2
% Σ (ơ ) ( , % (( , % )
- (6)2
ơ2 = - 52 ơ2 = - (xn)2 ơ2 =
ơ2=4,67
ơ2 = 7
5
06/07/2019
PROPIEDADES DE LA VARIANZA COEFICIENTE DE VARIACION

COEFICIENTE DE PEARSON:
OBSERVACION: Al expresar la desviación
Si dos o más grupos de datos observados en el mismo estándar COMO UN
tipo de medición, tienen medias aritméticas iguales , PORCENTAJE DE LA MEDIA, el
entonces es más dispersa la serie que tiene mayor valor coeficiente de variación (CV)
de rango, o s2 o cv. indica el % de dispersión de
los datos.
A mayor CV significa que los
datos son mas heterogéneos
y a menor CV que los datos
son más homogéneos.
COEFICIENTE DE VARIACION COEFICIENTE DE VARIACION
El coeficiente de variación es un porcentaje de la

fracción formada entre la desviación estándar y la media EJEMPLO:
aritmética, de manera que expresa cuantas veces es la A CONTINUACIÓN SE PRESENTAN
desviación estándar respecto a la media aritmética. LOS GRAMAJES(gr) DE TELA DE DOS
ARTICULOS DIFERENTES, CUAL DE
) ELLOS TIENE UN COMPORTAMIENTO
CV = X 100 MAS HOMEGENEO Y ESTABLE?
S = Desviación Estándar
X = Media Aritmética
CV = Coeficiente de Variación ARTICULO 1 ARTICULO 2
40 70 60 48 52 65 58 70 35 150 140 82 110 140 120
6
06/07/2019
COEFICIENTE DE VARIACION COEFICIENTE DE VARIACION

ARTICULO 1 ARTICULO 2 RECOMENDACIONES DE C.V.
40 70 60 48 52 65 58 70 35 150 140 82 110 140 120 En pruebas de laboratorio, si tenemos valores
De C.V. entre:
X=56,143 X=105,875 0<CV<10% .... Bueno
ơ=9,508 ơ=37.704 10%<Cv<15% .... Aceptable
n=7 n=8 15%<CV .... Desechable
*, (%,%
C.V.= , (
X100=16,94% C.V.= X100=35,61%
, %
INTERPRETACION DE LA DESVIACION ESTANDAR:
La desviación estándar solo se interpreta utilizando intervalos, así
Conclusión: El artículo 1, tendrá un comportamiento más homogéneo y
podemos afirmar que :
estable
El 68.26% de los datos se encuentran en el rango de : µ + 1σ
Es el valor que resulta de la diferencia entre el valor

OTRAS MEDIDAS DE DISPERSION máximo y el valor mínimo de una serie de datos
observados, de la variable X.
R = Xmax - Xmin
Esta medida es muy inestable pues solo depende de dos

valores extremos, el valor máximo y el valor mínimo, por
lo que puede variar fácilmente si se agrega o se quita un
solo valor.
7
06/07/2019
APLICACIÓN 7: Es una medida más representativa que el Rango, pues no se ve

Los siguientes datos representan el peso en kilos de afectada por solo dos valores extremos, sino que es el número
que resulta de la diferencia del Q3 menos el Q1
10 maletas de viaje en el aeropuerto Jorge Chavez.
Calcule e interprete el rango de pesos de dichas maletas? Esto es: RI = Q3 – Q1
A un valor del RI más bajo, más pequeña es la variabilidad de
los valores centrales y a un valor alto la variabilidad es mayor.
28.60 31.50 34.50 29.50 37.80 EN ESTE CASO EL RANGO POR TANTO:
EL RANGO INTERCUARTILICO ES UN RANGO DENTRO DEL CUAL SE
41.70 39.20 32.80 40.5 31.2 ES 41.70 – 28.60 : 13.10
ENCUENTRA EL 50% CENTRAL DE LOS DATOS OBSERVADOS Y ESTAN
EXCLUIDOS EL CUARTO SUPERIOR E INFERIOR DE LOS DATOS.
EJEMPLO:
A fin de mejorar el nivel de satisfacción de los clientes,
la Gerencia de Calidad apertura una línea gratuita para
atender las quejas de sus Clientes. Los siguientes datos
muestran la cantidad de llamadas recibidas durante 134
días. Calcule e interprete el rango intercuartílico?
8
06/07/2019
MEDIDAS DE DISPERSION UTILIZANDO EL G-STAT

0 4 8 12 16 20 24
1 5 9 13 17 21 25
2 6 10 14 18 22 26
3 7 11 15 19 23 27
2 4 11 12 16 20 24
2 5 10 12 16 20 25
3 6 10 13 16 21 25
3 7 11 14 17 23 27
0 4 9 15 18 22 24
0 5 9 14 19 20 25
1 6 8 12 16 21 26
1 7 8 13 17 22 27
1 4 8 14 18 23 8
2 4 9 15 19 20 9
3 5 8 12 16 20 10
2 5 9 12 16 21 11
1 6 10 13 16 23 11
2 4 10 14 17 22 10
7 5 11 15 18 20 10 INTERPRETACION: DE LOS 134 DE DIAS
4 6 9 14 19 21 11 ANALIZADOS, 72 DIAS (50%)TUVIERON UN Q1=6 Q3=19 Rango Intercuartilico:
PROMEDIO DE 6 A 19 RECLAMOS DIARIOS. 19-6= 13 reclamos
DESVIACION ABSOLUTA RESPECTO A LA

MEDIDAS ABSOLUTAS DE DISPERSION
MEDIA ARITMETICA
DESVIACION ABSOLUTA RESPECTO A LA MEDIA ARITMETICA:
Se denomina desviación media, a la suma de las
desviaciones absolutas respecto a la media, divididas
entre el total de datos.
DESVIACION ABSOLUTA RESPECTO A LA MEDIA ARITMETICA
DESVIACION ABSOLUTA RESPECTO A LA MEDIANA ∑-
./0 | |
D.M.=
9
06/07/2019
DESVIACION MEDIA
DESVIACION DE LA MEDIA
38 – 46 – 42 – 28 - 26
EJEMPLO: Los siguientes datos, son los tiempos de duración
(seg.) de los diferentes comerciales que tiene Pañales Pumpers Primero hallamos la media de estos datos: X:36
en su campaña publicitaria, calcular la desviación media de los
diferentes spots publicitarios? 38 – 46 – 42 – 28 - 26
X= 36 Esto significa que
en promedio, los
Luego los desvíos son los siguientes:
spots publicitarios
D.M. = 38-36= 2 46–36= 10 42-36=6 28-36= - 8 26-36= - 10 difieren de forma
absoluta de su
media en 7,20
segundos.
DESVIACIONES ABSOLUTAS RESPECTO A LA

DESVIACION DE LA MEDIANA
MEDIANA
EJEMPLO: Los siguientes datos, son los tiempos de duración de los
∑-
./0 | 1|
D.Me.= diferentes comerciales que tiene Pañales Pumpers en su campaña
publicitaria, calcular la desviación media de los diferentes spots
publicitarios? 38 – 46 – 42 – 28 - 26
LA SUMA DE LAS DESVIACIONES ABSOLUTAS RESPECTO DE LA
MEDIANA, ES SIEMPRE EL MINIMO VALOR OBTENIDO, COMPARADO
RESPECTO A LA MEDIA ARITMETICA
POR LO QUE SE CUMPLE QUE:
ΣDesviaciones.Me. ≤ ΣDesviaciones.M.A
10
06/07/2019
EJEMPLO 8
DESVIACION DE LA MEDIANA
Cinco patrulleros de la policía de carreteras se encuentran
Mediana= 38
en distintos puntos de la Panamericana Norte, uno ubicado
en Ancón, otro en Chancay (40 km de Ancón), otro en Huacho
Luego los desvíos son los siguientes: (110 km de Ancón), otro en Barranca (175 km de Ancón), y
otro en Huarmey (270 km de Ancón). Determinar el lugar de
D.M. = 38-38= 0 46–38= 8 42-38=4 28-38= -10 26-38= - 12 Esto significa que
reunión de manera que el costo total de transporte sea
en promedio, los
mínimo, si el costo de cada transporte es proporcional al
spots publicitarios
recorrido?
difieren de su
mediana en 6,80
segundos.
Luego se cumple que:
ΣDesviaciones.Me. ≤ ΣDesviaciones.M.A
EJEMPLO8 COEFICIENTE DE DISTRIBUCION

ESTANDARIZADA
SOLUCION:
0 40 110 175 270
PROPIEDAD:
Cuando se necesitan comparar valores observados que pertenecen a
diferentes distribuciones de datos, las que difieren en su media
Ancón Chancay Huacho Barranca Huarmey
aritmética o en su varianza, o difieren en el tipo de unidad de medida
Mediana= 110 (variables diferentes), entonces se estandarizan los valores observados
Luego los desvíos son los siguientes: de la variable aplicando la variable “estandarizadora” o variable
D.Mediana. = 110-0=110 110-40=70 110-110=0 175-110=65 270-110=160 estándar Z.
SUMATORIA DESVIACIONES A LA MEDIANA: 405
Z= x= Media Aritmética
) Sn= Desviación Estándar
Media= 119
Luego los desvíos son los siguientes: La variable Z estandariza en cero cualquier media x, y estandariza en
D.Media. = 119-0=119 119-40=79 119-110=9 175-119=56 270-119=151 1 cualquier varianza S2n .
SUMATORIA DESVIACIONES A LA MEDIA: 414 Los valores estandarizados indican las posiciones relativas de las
unidades estadísticas dentro de su grupo. Por lo tanto Z es otra
ΣDesviaciones.Me. ≤ ΣDesviaciones.M.A medida de posición, además de los percentiles.
11
06/07/2019
DESIGUALDAD DE CHEBYSHEV DESIGUALDAD DE CHEBYSHEV

PROPIEDAD:
Cualquiera sea la forma de la distribución de los datos(simétrica ó
asimétrica) de una variable X:
k=multiplicador
Se dice que el intervalo [x–k.sn,x+k.sn] donde k>1 x=media aritmética
s=desvia. estándar
DESIGUALDAD DE CHEBYSHEV contiene por lo menos al : (1- )x100 % de los datos.
2
EJEMPLO:
Así tenemos que el intervalo [x – 2.sn , x + 2.sn] contiene por lo menos
el (1- ) x 100% = 75% de los datos.
El intervalo [x – 3.sn , x + 3.sn] contiene por lo menos el (1- ) x 100%
(
= 88,89% de los datos.
= 93,75% de los datos.
COMPARACION CHEBYSHEV VS
EJEMPLO 1
DESVIACION ESTANDAR
EJEMPLO:
Así tenemos que el intervalo [x – 2.sn , x + 2.sn] contiene por lo menos EJEMPLO:
el (1- ) x 100% = 75% de los datos. Si los salarios de 120 trabajadores tienen una media de $500 y una
desviación estándar de $50.
( a) Cuántos obreros por lo menos tienen salarios comprendidos en el
= 88,89% de los datos. intervalo de [$400, $600] ?
El intervalo [x – 4.sn , x + 4.sn] contiene por lo menos el (1- ) x 100% b) Determine el intervalo que contiene al menos al 88.889% de los
= 93,75% de los datos. salarios?
INTERPRETACION DE LA DESVIACION ESTANDAR: c) Si el salario mínimo es de $350 en que porcentaje se puede afirmar
En una distribución simétrica se cumple que: que los salarios son superiores a $650?
El 68.26% de los datos se encuentran en el rango de : µ +/- 1σ
12
06/07/2019
EJEMPLO 1 EJEMPLO 2
SOLUCION:
Aplicando la propiedad de Chebishev
EJEMPLO:
La demanda diaria en kilogramos de arroz en una tienda de abarrotes
a) Así tenemos que el intervalo [x – 2.sn , x + 2.sn] contiene por lo
tiene una media de 10 kg y una desviación estándar de 2kg.
menos el (1- ) x 100% = 75% de los datos. Pero los domingos hay un incremento del 20% de la demanda diaria
Luego (500 – 2x50 , 500 + 2x50) = (400,600) contiene al 75% de los más 3 kg. En que porcentaje se logra reducir la variabilidad de la
120 trabajadores es decir: 90 trabajadores demanda diaria de arroz, los días domingos?
b) El intervalo que contiene al 88.889% será

(1-1/k2)= 0,8889 k=3
Luego el intervalo [500 – 3x50 , 500 + 3x50]= [350 – 650]= contiene
por lo menos el (1- ) x 100% = 88,89% de los datos.
(
c) Si el 88.89% esta dentro del intervalo [350 – 650] el 11,11% esta
fuera de este intervalo y por encima de 650, pues 350 es el
mínimo.
EJEMPLO 2 EJEMPLO 3
EJEMPLO:
SOLUCION: Las notas de una prueba de conocimientos que van de 0 a 20, se
tabularon en una distribución de frecuencias obteniendo los siguientes
X1 = 10 X2 = 1,2X1 + 3 = 1,2 X 10 + 3=15 resultados, Media=10, Mediana=8, Moda=4, y desviación estándar=3. Si
S1= 2 S2= 1,2S1=1,2 X 2=2,4 el 25% de los alumnos obtuvieron como máxima nota 04 y otro 25%
CV1= 0,20 CV2= 2,4/15 obtuvieron como mínima nota 15, hallar su dispersión?
CV2= 0,16
a) Si después de estos resultados hay una reconsideración de notas y a
cada alumno se le sube 4 puntos, ¿se lograr reducir la dispersión de los
datos?
LUEGO:
SE LOGRO DISMINUIR LA VARIABILIDAD EN 20% (100% - 80%)
13
06/07/2019
EJEMPLO 3 EJEMPLO 4
EJEMPLO:
SOLUCION: Se realizaron 10 mediciones en C° con cada uno de dos
SOLUCION:
termómetros A y B.
X1 = 10
X2 = X1 + 4 a) Cuál de los dos termómetros es más confiable si Sa=4 y Sb=5?
S1= 3
X2= 10 + 4=14
CV1= 0,30 b) Cuál es más confiable si además Xa=20 y Xb=27?
S2= 3
CV2= 3/14= 0,21
LUEGO:
Se logra que la dispersión de los datos sea más homogénea.
EJEMPLO 4 EJEMPLO 5
SOLUCION:
a) Para determinar cual de los dos termómetros es más confiable debemos EJEMPLO:
tener la media aritmética. La media y la desviación estándar de los sueldos de N empleados de
un banco son $500 y $30 respectivamente. A cada uno de los N
b) Cuál de los dos es más confiable si además Xa=20 y Xb=27. empleados se les dará un aumento de A% de su sueldo mas una
bonificación de B soles. Hallé A y B de tal manera que la media de
CVa= 4/20= 0,20 los sueldos modificados sea 600 y su desviación estándar 33.?
CVb= 5/27=0,185
En este caso más confiable es el termómetro b.
14
06/07/2019
EJEMPLO 5 EJEMPLO 6
SOLUCION: EJEMPLO:
Una prueba de conocimiento A se califico sobre 20 puntos dando una
X1 = 500 X2 = (1 + a%) x X1 + b = (1+a%)x500 + b media de 12 y una desviación estándar de 2 puntos. Mientras que una
S1= 30 600= (1+a%)x 500 + b prueba de aptitud B se calificó sobre 100 puntos, dando una media de
CV1= Reemplazando: 70 y una desviación estándar de 5?
600= (1+0,10)x 500 + b a) En cuál de las dos pruebas los puntajes son más homogéneos?
600= 550 + b
b) Si Juan tiene 14 en A y Luis 73 en B, quien tiene mejor
b=50
rendimiento?
S2= (1+ a)x S1
33=(1+a) x 30
3/30=a
a=0,10
EJEMPLO 6 EJEMPLO 7
EJEMPLO:
SOLUCION: El año 2010 el sueldo mínimo vital de un habitante del Perú era de
CONOCIMIENTO APTITUD $/200 mensuales , para el 2015 hubo un aumento del 30% al sueldo
X1 = 12 X2 = 70 En la prueba de aptitud los puntajes son del 2010 más un adicional de $/ 50. Si el 2010 el Coeficiente de
S1= 2 S2= 5 más homógeneos Variación era de 0,25 . Se podrá decir que en el 2015 la distribución de
CV1=2/12 CV2=5/70 sueldos será más homogénea.
CV1=0,167 CV2=0,071
b.
Para poder comparar dos distribuciones diferentes, debemos usar
coeficientes de distribución estandarizados.
%( % Luego podemos decir que Juan tiene
Zj= Zl=
un mejor rendimiento que Luis, pues
Zj= 1 Zl= 0,6 tiene un coeficiente estandarizado
mayor .
15
06/07/2019
EJEMPLO 7 QUE APRENDIMOS EN ESTA SECCION
SOLUCION: EN EL 2015
EN EL 2010
1. Caracterizar y diferenciar los diferentes tipos
X2 = 1,3 * X1 + 50 Luego:
X2 = 1,3 * 200 + 50 de medidas de resumen: de posición, dispersión
X1 = 200 X2 = 260 + 50 En el 2015, los y distribución.
S1 X2= 310
sueldos serán más
CV1= 0,25
S2= 1,3*S1
homogéneos 2. Calcular e interpretar medidas de dispersión.
Reemplazando: S2= 1,3* 50
)
CV1 = S2= 65
)
0,25 =
) CV2 =
S1=50 CV2 = (
CV2= 0,21
BIBLIOGRAFIA
CURSO: ESTADISTICA DESCRIPTIVA Y PROBABILIDADES ING. MANUEL SOTERO MURGA
16

Estadistica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica

Cargado por

Copyright:

Formatos disponibles

06/07/2019

ESTADISTICA APLICADA A LOS

MEDIDAS MEDIDAS DE DISPERSION

MEDIDAS DE DISPERSION MEDIDAS DE DISPERSION

Las medidas de tendencia central no son suficientes

VARIANZA FORMULAS DE VARIANZA POBLACION

VARIANZA : La varianza es una medida de dispersión que representa:

FORMULAS DE VARIANZA MUESTRAL VARIANZA

DESVIACION ESTANDAR VARIANZA DE DATOS NO AGRUPADOS

DESVIACION ESTANDAR MUESTRAL: EJEMPLO:

VARIANZA DE DATOS NO AGRUPADOS VARIANZA DE DATOS NO AGRUPADOS

VARIANZA DE DATOS AGRUPADOS EN VARIANZA PARA DATOS AGRUPADOS POR

VARIANZA DE DATOS AGRUPADOS EN

[ 11,3 , 14,3| 12,8 4 7 51,2 655,36 PROPIEDAD 2:

PROPIEDADES DE LA VARIANZA PROPIEDADES DE LA VARIANZA

PROPIEDADES DE LA VARIANZA PROPIEDADES DE LA VARIANZA

PROPIEDADES DE LA VARIANZA COEFICIENTE DE VARIACION

COEFICIENTE DE VARIACION COEFICIENTE DE VARIACION

El coeficiente de variación es un porcentaje de la

COEFICIENTE DE VARIACION COEFICIENTE DE VARIACION

MEDIDAS DE DISPERSION MEDIDAS DE DISPERSION

Es el valor que resulta de la diferencia entre el valor

Esta medida es muy inestable pues solo depende de dos

MEDIDAS DE DISPERSION MEDIDAS DE DISPERSION

APLICACIÓN 7: Es una medida más representativa que el Rango, pues no se ve

MEDIDAS DE DISPERSION MEDIDAS DE DISPERSION

MEDIDAS DE DISPERSION UTILIZANDO EL G-STAT

DESVIACION ABSOLUTA RESPECTO A LA

DESVIACIONES ABSOLUTAS RESPECTO A LA

POR LO QUE SE CUMPLE QUE:

EJEMPLO8 COEFICIENTE DE DISTRIBUCION

DESIGUALDAD DE CHEBYSHEV DESIGUALDAD DE CHEBYSHEV

b) El intervalo que contiene al 88.889% será

En este caso más confiable es el termómetro b.

EJEMPLO 7 QUE APRENDIMOS EN ESTA SECCION

CURSO: ESTADISTICA DESCRIPTIVA Y PROBABILIDADES ING. MANUEL SOTERO MURGA

También podría gustarte