Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Parámetros estadísticos.
Cálculo, signi…cado y
propiedades
1
por x y se de…ne por:
k
X k
1X
x= fi xi = ni xi
i=1
n i=1
Demostración:
k
X k
X k
X k
X
fi (xi x) = fi xi fi x = x x fi = x x=0 C:Q:D:
i=1 i=1 i=1 i=1
P
k
A la cantidad fi (xi x) se le llama varianza de la variable X.
i=1
(3) Si multiplicamos todos los valores xi de una variable X por una cte k,
entonces la media queda multiplicada por k.
Demostración:
Tenemos que probar que kx = kx:
k k
!
X X
kx = fi (kxi ) = k fi xi = kx C:Q:D:
i=1 i=1
2
Utilizando logaritmos y antilogaritmos se puede dar una expresión más op-
erativa para calcular la media geométrica:
1
Q
k n
Q
k P
k P
k
log G = log xni i = 1
n log xni i = 1
n log (xni i ) = 1
n ni log xi )
i=1 i=1 i=1 i=1
s
Q
k P
k
)G= n
xni i = antilog ni Inxi
n
i=1 i=1
v
u k
uX
Q=t fi x2i
i=1
1
H=
P
k
fi x1i
i=1
H<G<x<Q
Mediana
3
acumuladas, recoge las dos situaciones que se pueden presentar.
n
Nj 1 < < Nj
2
entonces la mediana es
Me = xj
entonces la mediana es
xj 1+ xj
Me =
2
Datos agrupados:
La …gura siguiente, correspondiente a un polígono de frecuencias absolutas
4
acumuladas, nos plantea de nuevo dos situaciones diferentes a considerar
Me = xj
Moda
De…nición 6 La moda se de…ne como aquel valor de la variable al que corre-
sponde máxima frecuencia (absoluta o relativa).
5
Para calcularla también será necesario distinguir si los datos están agrupados
o no.
Datos agrupados:
Si los datos se presentan agrupados en intervalos es necesario, a su vez,
distinguir si éstos tienen o no igual amplitud.
Si tienen amplitud cte c, una vez identi…cado el intervalo modal [xj 1 ; xj [,
es decir, el intervalo al que corresponde mayor frecuencia absoluta
nj = max (n1 ; :::; nk )
la moda se de…ne, también por razones geométricas como
nj+1
Mo = xj 1 + c
nj 1 + nj+1
Si los intervalos tuvieran distinta amplitud cj , primero debemos normalizar
las frecuencias absolutas nj , determinando los cocientes
nj
lj = 8j = 1; :::; k
cj
y luego aplicar la regla de…nida para el caso de intervalos de amplitud constante
a los lj . Es decir, primero calcular el lj = max (l1 ; ::; lk ) para determinar el
intervalo modal [xj 1 ; xj [ y luego aplicar la fórmula
lj+1
Mo = xj 1 + cj
lj 1 + lj+1
siendo cj = xj xj 1.
6
Si k = 4 los (tres) cuantiles reciben el nombre cuartiles. Si k = 10 los
(nueve) cuantiles reciben, en este caso, el nombre de deciles. Por último, si
k = 100 los (noventa y nueve) cuantiles reciben el nombre de centiles.
Obsérvese que siempre que r y k mantengan la misma proporción kr ob-
tendremos el mismo valor. Es decir, por ejemplo, el primer cuartil es igual al
vigésimo quinto centil.
En este sentido, la mediana Me es el segundo cuartil, o el quinto decil, etc.
Para el cálculo de los cuantiles de nuevo hay que considerar si los datos
vienen o no agrupados en intervalos.
7
60.3 Características de dispersión
60.3.1 Introducción
Las medidas de posición estudiadas en las secciones anteriores servían para re-
sumir la distribución de frecuencias de un sólo valor. Las medidas de dispersión,
a las cuales dedicaremos esta sección, tienen como propósito estudiar lo concen-
trada que está la distribución en torno a algún promedio.
k
X k
X k
X
2 2 2 2 2
Y = fi (yi y) = fi (xi + b x + b) = fi (xi x) = X
i=1 i=1 i=1
2
P
k
2 P
k
2 P
k
2
Y = fi (yi y) = fi (axi ax) = fi [a (xi x)] =
i=1 i=1 i=1
Pk
2 P
k
2
= fi a2 (xi x) = a2 fi (xi x) = a2 2
X
i=1 i=1
8
(5) Teorema de König
k
X
2
X = fi x2i x2
i=1
Demostración:
1
P
k
2 1
P
k
2
X = n ni (xi x) = n ni x2i 2xi x + x2 =
i=1 i=1
1
P
k P
k
ni 1
P
k
= n ni x2i 2x n xi + n ni x2 =
i=1 i=1 i=1
1
P
k P
k
= n ni x2i 2x2 + x2 = fi x2i x2 C:Q:D:
i=1 i=1
Desviación típica
De…nición 9 Es la raíz cuadrada positiva de la varianza, es decir,
v
q u k
uX
= +t
2 2
X =+ X fi (xi x)
i=1
X
CV =
x
9
60.4 MOMENTOS
k
X k
r 1X r
a mr = fi (xi a) = ni (xi a)
i=1
n i=1
P
k
m0 = fi = 1 0 =1
i=1
Pk P
k
m1 = fi xi = x 1 = fi (xi x) = 0
i=1 i=1
Pk Pk
2
m2 = fi x2i = 2
+ x2 2 = fi (xi x) = 2
i=1 i=1
r 2
X t r r 1
r = ( 1) mt1 mr t + ( 1) mr1 (r 1)
t=0
t
10
Demostración:
0 1r
P
k Pk Pr
t
r = fi @xi m1 A = fi ( 1) r
mt1 xir t
=
i=1 |{z} i=1 t=0
t
=x
k
X
P
r
t r
= ( 1) t mt1 fi xri t
=
t=0 i=1
| {z }
=mr t
rP2 r
t r r 1 r r
= ( 1) mt1 mr t + ( 1) mr 1 m1 + ( 1) mr1 m0 =
t=0
t r 1 | 1 {z } r |{z}
| {z } =mr1 |{z} =1
=r =1
rP2
t r r 1 r
= ( 1) t mt1 mr t + ( 1) rmr1 + ( 1) mr1 =
t=0
rP2
t r r 1
= ( 1) t mt1 mr t + ( 1) mr1 (r 1) C:Q:D:
t=0
Demostración:
P
k P
k
r P
k P
r
r r t
mr = fi xri = fi [(xi m1 ) + m1 ] = fi t mt1 (xi m1 ) =
i=1 i=1 i=1 t=0
k
X
P
r
r r t
= t mt1 fi (xi m1 ) =
t=0 i=1
| {z }
= r t
rP2 r
r r
= t mt1 r t + r 1 mr1 1
1 + mr1 0 =
t=0 |{z} r |{z}
=0 |{z} =1
=1
rP2
r
= t mt1 r t + mr1 C:Q:D:
t=0
11
60.5 CARACTERÍSTICAS DE FORMA
Además de la tendencia central y de la dispersión, se puede tratar de caracterizar
la forma de una distribución mediante índices resumidos: índices de asimetría
y de aplastamiento. Estos índices nos indican cual es la forma de distribución
de la variable.
La simetría estudia la falta de simetría de la variable X respecto del eje
vertical x = x:
12
En este caso se veri…ca que:
x > Mo
x < Mo
13
(cuanto más concentrados, mayor será el agrupamiento).
14