Maestría en Planeamiento y Gerencia Educativa Métodos Cuantitativos I

Tercer Ciclo Modalidad Virtual

Lección No. 6

LECCION No. 6

TRANSFORMACIONES

Como veremos un poco más adelante los datos trasformados tienen una gran
utilidad. Transformar una variable cuantitativa significa hacer con la variable original
una serie de operaciones matemáticas elementales buscando que la nueva variable (la
trasformada) tenga propiedades como x1, simetría, media cero, varianza uno, con lo
cual se obtienen datos más fácil de manejar; algo que resulta también de gran utilidad
es la de poder comparar valores correspondientes de distribuciones distintas.

1 Transformaciones lineales.

Homotecia y traslación: una manera simple de hacer una trasformación lineal es

cambiar de escala a la variable (homotecia) multiplicándola por una constante “a”
y luego sumándole una cantidad fija también (traslación). Por ejemplo, dado el
siguiente conjunto de datos:
x1, x2, x3,……. xn-1, xn

Haciendo las trasformaciones que venimos de enunciar (homotecia y traslación)

tenemos:
y1 = ax1+ b, y2= ax2+b, y3= ax3+b…. yn-1 = axn-1+b, yn = axn+b.

por ejemplo cuando se pasa de toneladas a miles de toneladas o de quetzales a

millones de quetzales.

Otro ejemplo: supóngase que tenemos una lectura en grados centígrados, de

temperaturas de un proceso químico en la cual:

t1 = 99.2, t2= 99.4, t3= 99.8, t4 = 100, t5= 100.3, t6= 99.8.
Maestría en Planeamiento y Gerencia Educativa Métodos Cuantitativos I
Tercer Ciclo Modalidad Virtual
Lección No. 6

con el fin de manera datos más simples se propone hacer la siguiente

trasformación lineas.
y1 = 10x1 -990 o bien 10(x1-99)

Con lo cual obtenemos la nueva serie:

y1 = 2, y2= 4, y3= 8…. y4 = 10, y5= 13, y6=8.

Puede notarse de inmediato que los últimos datos son más fáciles de manejar.

Como vimos en la Unidad 3 del curso de Métodos Cuantitativos 1, la media

cambia ante una trasformación lineal, de la misma forma que las observaciones
es decir:

La media de una suma de variables es la suma de las medias de las variables,

esto es:

x + y + ...z = x + y +… z ;
entonces:
ax + b = ax + b

A su vez, la varianza queda multiplicada por el cuadrado de la constante var(ax) =

a2var(x)
Lo que nos conduce a que para la desviación estándar:
sax+b = |a|sx

Lo anterior también es válido para la Mediana y la MEDA; la Mediana se trasforma

como los datos y la MEDA se modifica igual que la desviación estándar. Las
demostraciones anteriores se dejan como ejercicio a los estudiantes.

Puede decirse que para la Estadística, la transformación lineal más importante es

la estandarización y normalización de la variable que también se conoce como la
Maestría en Planeamiento y Gerencia Educativa Métodos Cuantitativos I
Tercer Ciclo Modalidad Virtual
Lección No. 6

tipificación de las observaciones; la cual consiste en restar a cada observación,

la media y luego dividir dentro de la desviación estándar; esto es:

Dado el conjunto de observaciones: x1, x2, x3,……. xn-1, xn ,y, su media x ,

obtenemos el nuevo conjunto de observaciones tipificados:

x1 − x x −x x −x x −x xn − x
z1 = ; z2 = 2 ; z3 = 3 …….. zn−1 = n−1 ; zn =
sx sx sx sx sx

Al utilizar las propiedades de la media y de la desviación estándar nos damos

cuenta que:

z = 0; y sz = 1

En efecto: z=
∑z i
=
1
∑
1
( xi − x) = (∑ xi − n x) = ∑x i
−x = x-x = 0
n n n n

xi − x 2 ( xi − x) 2
∑ (z − z)
2
∑ (z − 0) 2
∑ (z ) 2 ∑( sx
) ∑ n s x2
var(z) = i
= i
= i
= = = =1
n n n n s x2 s x2

Ejemplo: las calificaciones de 10 alumnos están registradas en la siguiente serie:

88, 76, 92, 89, 68, 74, 48, 99, 100, 80

Cuya media es 81.4 y cuya desviación estándar es 15.81279; por lo tanto el

conjunto de datos tipificado es:
0.417, -0.341, 0.670, 0.481, -0.847, -0.468, -2.112, 1.113, 1.176, -0.089

Ejercicio: determine la media y la desviación estándar de los datos tipificados

(salvo por aproximaciones el resultado debe dar “0” para la media y “1” para la
desviación estándar.
Maestría en Planeamiento y Gerencia Educativa Métodos Cuantitativos I
Tercer Ciclo Modalidad Virtual
Lección No. 6

La variable tipificada expresa el número de desviaciones estándar que cada

observación dista de la media. Esto permite comparar la posición relativa de datos
en diferentes distribuciones.

2 Transformaciones no lineales

Las transformaciones lineales son muy útiles y fáciles de manejar; sin embargo, a
veces no son suficientes y debe buscarse otro tipo de trasformaciones para
modificar los rasgos más complejos como lo es la asimetría. Las más usadas son
i) la inversa multiplicativa, ii) la raíz cuadrada; iii) el inverso multiplicativo de la
raíz cuadrada; iv) logaritmo, v) el inverso multiplicativo del logaritmo, las
potencias, etc. La raíz cuadrada, el logaritmo y la inversa se utilizan para tratar las
distribuciones asimétricas a la derecha (ver Métodos Cuantitativos 1); el cuadrado
y otras potencias de orden mayor, para tratar las distribuciones asimétricas a la
izquierda

RESUMEN:

Las trasformaciones de las observaciones modifican cada uno de los datos

mediante una operación matemática sencilla y permiten obtener distribuciones
más simples o regulares que las originales. Tipificar o normalizar y estandarizar,
es sin duda alguna, la más importante de las trasformaciones. Los datos
tipificados nos dan “la distancia de la media en desviaciones estándar”, de cada
observación. Las trasformaciones no lineales como la inversa, la raíz cuadrada, el
logaritmo y la potenciación nos sirven para “regularizar” distribuciones asimétricas.