Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definir los siguientes conceptos. Para cada uno enunciar sus propiedades y dar dos
ejemplos:
1) Rango: El rango es la diferencia entre el más alto y el más pequeño de los valores
observados. En forma de ecuación, podemos decir que el Rango es igual al
valor de la observación más pequeña menos el valor de la observación más
grande.
Ej-1: En una escala del 0 al 20, un grupo de 16 estudiantes de matemáticas I obtuvo las
siguientes calificaciones (puntos) en un examen parcial:
16, 10, 12, 8, 9, 15, 18, 20, 9, 11, 1, 13, 17, 9, 10, 14
Encontrar: a) El rango o recorrido de los datos. b) Los valores de los cuartiles Q 1 y Q3. c)
El rango intercuartil.
Solución A
Lo primero que hay de hacer para encontrar el recorrido es ordenar los datos de forma
creciente o decreciente. Por ejemplo, en orden creciente se tiene:
1, 8, 9, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20
R = 20 – 1 puntos = 19 puntos.
Solución B
N = 16
Q1 = 9
Q3 = 16
Solución C
RQ = Q3 – Q1 = 16 – 9 = 7 puntos.
Que como vemos es mucho menor que el rango de datos calculado en el apartado a),
porque la calificación mínima fue de 1 punto, un valor bastante más alejado del resto.
Con el IQR podremos elaborar los diagramas de caja, que es un instrumento muy visual
para evaluar la dispersión de una distribución.
Ej-1: Sea un conjunto ordenado de las edades de los veinte sujetos (N=20) de un
club.
E
l número decimal es el 5,25, por lo que i=5 y d=0,25. El cuartil 1 es:
Rango intercuartílico
Una vez hemos calculado en primer y tercer cuartil, ya podemos calcular el rango
intercuartílico.
Donde:
Como son muchos datos, vamos a colocar los datos en una tabla.
Sumamos los datos y calculamos su media aritmética, teniendo en cuenta que son 8
datos (n = 8).
μ.
Agregamos otra columna más a la tabla donde colocaremos los valores de |x i – μ|. Ahora
sí, calculamos la desviación media con los valores obtenidos en la tabla:
Sumamos los datos y calculamos su media aritmética, teniendo en cuenta que son 8
datos (n = 8).
De manera muy general se puede decir que la varianza es la desviación estándar elevada
al cuadrado.
Esta dispersión puede ser grande o pequeña, dependiendo de qué tan cercanos sean los
valores a la media.
La varianza de una muestra se simboliza como S2, mientras que la varianza de una
población de simboliza como σ2.
Fórmula de la Varianza
S2 =
Donde, representa la sumatoria de la resta entre cada uno de los valores muestreados () y
la media (), elevado al cuadrado.
En la mayoría de los casos es muy difícil, por no decir imposible obtener un N total de
datos, por ejemplo, al hablar de individuos de una población, no es posible muestrear a
todos estos individuos, ya que existe un factor de tiempo y recursos limitante.
Es por esto que se suele utilizar los estadísticos para estimar los parámetros de Una
población. De acuerdo a la manera en que se encuentra escrita esta fórmula, las
unidades de la varianza presenta las mismas unidades de la variable, pero elevada al
cuadrado.
También, vemos que la varianza no puede ser negativa, por lo que el mínimo valor que
se puede obtener en esta es cero.
Ej-1: Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños de su
consulta en el momento de andar por primera vez. Calcular la varianza.
Meses Niños
9 1
10 4
11 9
12 16
13 11
14 8
15 1
Solución:
Completamos la tabla con:
1 el producto de la variable por su frecuencia absoluta (x i · fi) para calcular la media. 2
el producto de la variable al cuadrado por su frecuencia absoluta (x i² · fi) para calcular la
varianza y la desviación típica.
Varianza
Ej-2: Calcular la varianza de una distribución estadística que viene dada por la
siguiente tabla.
fi
[10, 15) 3
[15, 20) 5
[20, 25) 7
[25, 30) 4
[30, 35) 2
Solución:
Agregamos las columnas de xi · fi y de xi² · fi
Solución:
Media
Varianza
Como podemos ver si sumamos las dos desviaciones 6 desviaciones y dividimos entre N
(6 observaciones), el resultado es cero. La lógica sería que la desviación media fuese de
1. Pero una característica matemática de la media respecto a los valores que la forman
es, precisamente, que la suma de las desviaciones es cero. ¿Cómo arreglamos esto?
Elevando al cuadrado las desviaciones.
Sin embargo, esta fórmula no es una alternativa de la desviación típica pues arroja
diferentes resultados. En realidad, la fórmula anterior es la desviación respecto de la
media. La desviación estándar o típica y la desviación respecto de la media tienen
similitudes, pero no son lo mismo. A esta última forma se le conoce como desviación
media.
Tras esta imagen, queda claro que toda la fórmula que está dentro de la raíz cuadrada es
la varianza. La razón por la que es necesario entender que esa parte se conoce como
varianza es que se utiliza en otras fórmulas para calcular otras medidas. Así pues,
aunque la desviación típica sea más intuitiva para interpretar resultados, es imperativo
cómo se calcula la varianza.
Vamos a comprobar cómo, con cualquiera de las dos fórmulas expuestas, el resultado de
la desviación típica o desviación media es el mismo.
Tal como dictaba el cálculo intuitivo. La desviación media es de 1. Pero, ¿no habíamos
dicho que la fórmula del valor absoluto y de la desviación típica daban valores
diferentes? Así es, pero hay una excepción. El único caso en que la desviación estándar
y la desviación respecto de la media ofrecen el mismo resultado es el caso en que todas
las desviaciones son igual a 1.
dispersión:
Imaginemos por ejemplo que queremos medir el peso de los escarabajos y el de los
hipopótamos. El peso de los escarabajos se mide en gramos o miligramos y el peso de
los hipopótamos por lo general se mide en toneladas. Si para nuestra medición
convertimos el peso de los escarabajos a toneladas para que ambas poblaciones estén en
la misma escala, utilizar la desviación estándar como medida de dispersión no sería lo
adecuado. El peso medio de los escarabajos medido en toneladas sería tan pequeño, que,
si utilizamos la desviación estándar, apenas habría dispersión en los datos. Esto sería un
error dado que el peso entre las diferentes especies de escarabajos puede variar de
manera considerable.
Elefantes: 400/5000=0,08
Ratones: 5/15=0,33
Si multiplicamos ambos datos por 100, tenemos que el coeficiente de variación para los
elefantes es de apenas un 8%, mientras que el de los ratones es de un 33%. Como
consecuencia de la diferencia entre las poblaciones y su peso medio, vemos que la
población con mayor dispersión, no es la que tiene una mayor desviación típica.
Se trata de decisiones que resultan del análisis realizado con base en la experiencia y en
la información recabada en situaciones parecidas. Estas aplicaciones de la estadística se
reflejan en buena parte en las decisiones que se toman cotidianamente, en la mayoría de
los casos de manera inconsciente.
1- En el campo laboral.
La estadística suele ser empleada en distintas áreas del campo laboral. La planeación
estratégica de una organización se apoya fundamentalmente en estudios de pronósticos
y de presupuestos.
Por ejemplo, las políticas sobre prevención de accidentes laborales son elaboradas con
base en datos compilados relacionados con los factores de riesgo presentes en la
actividad empresarial.
La relación entre los ingresos y los egresos determinan la situación actual de la persona.
Estos datos sirven de fundamento histórico para la planificación de compromisos
sucesivos (proyecciones) que requieren el trazado de ciertas estrategias para ser
logrados.
4- En los deportes.
Los récords de los deportistas son elaborados en función de su desempeño por cantidad
de juegos o partidos en los cuales hayan participado.
La medición de la calidad del servicio, del nivel de satisfacción de los clientes y las
propias estrategias de ventas son determinados por la aplicación de técnicas estadísticas.
Los equipos de ventas son evaluados con base en tablas de frecuencia. Los resultados de
estas evaluaciones son convertidos en parámetros que determinan sus niveles de
efectividad.
6- Optimización de rutas.
7- Apuestas deportivas.
Los pronósticos de las apuestas deportivas están determinados por los datos que se
recaban y que la estadística se encarga de analizar. Es decir, una casa de apuesta tendrá
cuotas más altas o más bajas en función a lo que la estadística considere más probable
que ocurra.