“TECNOLOGICO NACIONAL DE MEXICO"

CAMPUS CD MADERO

“INGENIERIA INDUSTRIAL”

SEMESTRE: 2

BALTAZAR RAMIREZ DEBORA RUBI

MATERIA: PROBABILIDAD Y ESTADISTICA

GRUPO: 3546A

HORARIO: 8:00-9:00 AM.

DOCENTE: RAQUEL ALICIA VEGA LEAL

TAREA: “INVESTIGACION DE EJEMPLOS”

03 DE MARZO DE 2022
 v INDICE
MEDIDAS DE ASIMETRÍA Y CURTOSIS……….. 3
 ASIMETRIA…….………..………..………… 3
 CURTOSIS ……....………..………..…………6
EJEMPLO 1 ……….……....………..………..…………7
EJEMPLO 2 ……….……....………..………..…………8
EJEMPLO 3 ……….……....…...…..………..………… 9

DIAGRAMA DE DISPERSION ……………………10

EJEMPLO 1 …………………...…………………………..12
EJEMPLO 2 ……..……....………..………..…………13
EJEMPLO 3 .……..……....………..………..……...…14

TEOREMA DE CHEBYSHEV 14
EJEMPLO 1 ...……………………………………………..15
EJEMPLO 2 ……………………………………………….16
EJEMPLO 3 ……………………………………………….17

BIBLIOGRAFIA …………………………………….18
 MEDIDAS DE ASIMETRÍA
Y CURTOSIS

La asimetría
MEDIDAS y curtosis informan sobre
DE ASIMETRÍA Y la
forma de la distribución
CURTOSIS de una variable.
Estas medidas permiten saber las
características
MEDIDASdeDE su asimetría
ASIMETRÍAy
homgeneidadYsinCURTOSIS
necesidad de
representarlos gráficamente.
MEDIDAS DE ASIMETRÍA Y
CURTOSIS
ASIMETRIA
LaMEDIDAS DE que
asimetría es la medida ASIMETRÍA
indica la simetría de la distribución de una variable respecto a la
Y CURTOSIS MEDIDAS DE
media aritmética, sin necesidad de hacer la representación gráfica. Los coeficientes de
ASIMETRÍA
asimetría indican si hay el mismo número de elementos a izquierdaY
y derecha de la media.
MEDIDAS DE ASIMETRÍA Y CURTOSIS
CURTOSIS
Existen tres tipos de curva de distribución según su
MEDIDAS DEasimetría:
ASIMETRÍA Y
CURTOSISASIMETRIA
LaAsimetría
asimetría
MEDIDASnegativa: laDEcolaASIMETRÍA
y curtosis de la distribución
informan sobreselaalarga para valores inferiores a la media.
Simétrica:
forma de lahaydistribución
Yel mismo número
CURTOSIS de elementos
de una variable.a izquierda y derecha de la media. En este caso,
MEDIDAS
coinciden la media, la mediana y la moda. La distribución DEa la forma de la campana de
se adapta
Estas medidas permiten saber las
Gauss, o distribución normal.
MEDIDASdeDE
ASIMETRÍA Y
características su ASIMETRÍA
asimetría y Y CURTOSIS
Asimetría positiva: la cola de la distribución se alarga (a la derecha) para valores superiores a
CURTOSIS
homgeneidad
la media. sin necesidad de
representarlos gráficamente. MEDIDAS DE ASIMETRÍA
Y CURTOSIS

MEDIDAS DE
ASIMETRIALa asimetría es la medida ASIMETRÍA Y de la distribución de una
que indica la simetría
CURTOSIS
variable respecto a la media aritmética, sin necesidad de hacer la representación gráfica. Los
El Coeficiente de asimetría, se representa mediante la ecuación matemática:

Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno de los
valores, la media de la muestra y (ni) la frecuencia de cada valor. Los resultados
de esta ecuación se interpretan:
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media. Este
valor es difícil de conseguir por lo que se tiende a tomar los valores que son
cercanos ya sean positivos o negativos (± 0.5).
(g1 > 0): La curva es asimétricamente positiva por lo que los valores se tienden a
reunir más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se tienden a
reunir más en la parte derecha de la media.
Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la
distancia que separa la aglomeración de los valores con respecto a la media.

MEDIDAS DE ASIMETRÍA
Coeficiente de Karl Pearson
Donde:
x = Media aritmética.
Md = Mediana.
s = desviación típica o estándar.
Nota:
El Coeficiente de Pearson varía entre -3 y 3

Si As < 0 ? la distribución será asimétrica negativa.

Si As = 0 ? la distribución será simétrica.
Si As > 0 ? la distribución será asimétrica positiva

Medida de Yule Bowley o Medida Cuartílica

Donde:

Nota:
La Medida de Bowley varía entre -1 y 1

Si As < 0 ? la distribución será asimétrica negativa.

Si As = 0 ? la distribución será simétrica.
Si As > 0 ? la distribución será asimétrica positiva.

Nota:
El Coeficiente de Pearson varía entre -3 y 3
 CURTOSIS
La curtosis (o apuntamiento) es una medida de forma que mide cuán escarpada o
CURTOSIS
achatada está una curva o distribución. Este coeficiente indica la cantidad de datos
que hay cercanos a la media, de manera que a mayor grado de curtosis, más
CURTOSIS
escarpada (o apuntada) será la forma de la curva. La curtosis se mide promediando
la cuarta potencia de la diferencia entre cada elemento del conjunto y la media,
dividido entre la desviación. CURTOSIS
Esta medida determina el grado de concentración que presentan los valores en la
región central de la distribución. Por medio del Coeficiente de Curtosis, podemos
identificar si existe una gran concentración de valores (Leptocúrtica), una
concentración normal (Mesocúrtica) ó una baja concentración (Platicúrtica).

Para calcular el coeficiente de Curtosis se utiliza la ecuación:

Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores, () la
media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta
fórmula se interpretan:
(g2 = 0) la distribución es Mesocúrtica: Al igual que en la asimetría es bastante
difícil encontrar un coeficiente de Curtosis de cero (0), por lo que se suelen aceptar
los valores cercanos (± 0.5 aprox.).
(g2 > 0) la distribución es Leptocúrtica
(g2 < 0) la distribución es Platicúrtica
Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5)
y un coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal. Este criterio
es de suma importancia ya que para la mayoría de los procedimientos de la estadística
de inferencia se requiere que los datos se distribuyan normalmente.
La principal ventaja de la distribución normal radica en el supuesto que el 95% de los
valores se encuentra dentro de una distancia de dos desviaciones estándar de la media
aritmética; es decir, si tomamos la media y le sumamos dos veces la desviación y
después le restamos a la media dos desviaciones, el 95% de los casos se encontraría
dentro del rango que compongan estos valores.

Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5)
y un coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal. Este criterio
es de suma importancia ya que para la mayoría de los procedimientos de la estadística
de inferencia se requiere que los datos se distribuyan normalmente.
La principal ventaja de la distribución normal radica en el supuesto que el 95% de los
valores se encuentra dentro de unaEJEMPLOS
distancia de dos desviaciones estándar de la media
aritmética;
1 es decir, si tomamos la media y le sumamos dos veces la desviación y
después le restamos a la media dosEJEMPLOS
desviaciones, el 95% de los casos se encontraría
dentro
1 del rango que compongan estos valores.
EJEMPLOS

EJEMPLOS
Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5)
y un1coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal. Este criterio
es de suma importancia ya que para la mayoría de los procedimientos de la estadística
de inferencia se requiere que los datos se distribuyan normalmente.
La principal ventaja de la distribución normal radica en el supuesto que el 95% de los
valores se encuentra dentro de una distancia de dos desviaciones estándar de la media
aritmética; es decir, si tomamos la media y le sumamos dos veces la desviación y
2

2
3

3
 DIAGRAMA DE DISPERSION

El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos

asociados de datos que aparecen en pares (por ejemplo, (x,y), uno de cada
conjunto). El diagrama muestra estos pares como una nube de puntos.
Se pueden interpretar varios tipos de correlación a través de los patrones
mostrados en los diagramas de dispersión. Estos son: positivo (los valores
aumentan juntos), negativo (un valor disminuye a medida que el otro aumenta),
nulo (sin correlación), lineal, exponencial y en forma de U. La fuerza de la
correlación puede determinarse por la proximidad de los puntos entre sí en el
gráfico. Los puntos que terminan muy lejos del conjunto general de puntos se
conocen como valores atípicos.
Las líneas o curvas se ajustan dentro del gráfico para ayudar en el análisis y se
dibujan tan cerca de todos los puntos como sea posible para mostrar cómo se
condensaron todos los puntos en una sola línea. Esto se conoce normalmente
como «línea de mejor ajuste» un «línea de tendencias» y se puede utilizar para
hacer estimaciones mediante interpolación.
Los diagramas de dispersión son ideales cuando se tienen datos numéricos
emparejados y se desea ver si una variable afecta a la otra. Sin embargo,
recuerde que la correlación no es causal y otra variable inadvertida puede estar
influyendo en los resultados.

El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos

asociados de datos que aparecen en pares (por ejemplo, (x,y), uno de cada
conjunto). El diagrama muestra estos pares como una nube de puntos.
Se pueden interpretar varios tipos de correlación a través de los patrones
mostrados en los diagramas de dispersión. Estos son: positivo (los valores
aumentan juntos), negativo (un valor disminuye a medida que el otro aumenta),
nulo (sin correlación), lineal, exponencial y en forma de U. La fuerza de la
Las relaciones entre los conjuntos asociados de datos se infieren a partir de la
forma de las nubes.

Una relación positiva entre x y y significa que los valores crecientes de x

están asociados con los valores crecientes de y.
Una relación negativa significa que los valores crecientes de x están
asociados con los valores decrecientes de y.

¿Para qué se usa un diagrama de dispersión?

Entre sus usos está descubrir y mostrar las relaciones entre dos conjuntos
asociados de datos y confirmar relaciones anticipadas entre dos conjuntos
asociados de datos.

El diagrama de dispersión puede estudiar la relación entre:

Dos factores o causas relacionadas con la calidad.
Dos problemas de calidad.
Un problema de calidad y su posible causa.

Procedimiento para hacer un diagrama de dispersión

Recolectar datos pareados (x,y) a partir de dos conjuntos asociados de
datos cuya relación va a ser objeto de estudio. Es conveniente contar con 30
pares de datos aproximadamente.
Rotular el eje x y el eje y.
Encontrar los valores mínimo y máximo, tanto para x como para y y utilizar
estos valores para elaborar la escala de los ejes horizontal (x) y vertical (y).
Ambos deben tener aproximadamente la misma longitud.
 Plotear los datos pareados (x,y). Cuando haya dos pares de datos que tengan
los mismos valores, dibujar círculos concéntricos al punto ploteado o plotear
el segundo punto a una corta distancia.
Examinar la forma de la nube de puntos para descubrir los tipos y las fuerzas
de las relaciones.

A continuación algunos ejemplos de estos tipos de correlación:

Plotear los datos pareados (x,y). Cuando haya dos pares de datos que tengan
los mismos valores, dibujar círculos concéntricos al punto ploteado o plotear
el segundo punto a una corta distancia.
Examinar la forma de la nube de puntos para descubrir los tipos y las fuerzas
EJEMPLOS
1 de las relaciones.

EJEMPLOS
Una empresa de fabricación de jabón se
A continuación algunos ejemplos de estos tipos de correlación:
plantea cambiar la composición de uno de
sus productos utilizando una nueva
materia prima. Antes de tomar una
decisión, la empresa decide realizar un
ensayo para estudiar la posible relación
entre la utilización dicha materia prima y
Plotear
el número de nolosconformidades.
datos pareadosPara
(x,y).
elloCuando haya dos pares de datos que tengan
analiza los
lotesmismos valores, dibujar
con diferentes círculos concéntricos al punto ploteado o plotear
porcentajes
el segundo
de la nueva materiapunto
primaa una corta
y toma losdistancia.
Examinar
siguientes datos: la forma de la nube de puntos para descubrir los tipos y las fuerzas
de las relaciones.
 Con estos datos, elaboraremos el siguiente diagrama de dispersión:

En este caso, tendremos una correlación negativa (a medida que aumentamos el %

de la nueva materia prima, disminuye el número de productos no conformes). Con
estos resultados la empresa podría plantearse la introducción de la nueva materia
prima, aunque debería combinarlo con otras herramientas para una mejor toma de
decisiones.

2 Con estos datos, elaboraremos el siguiente diagrama de dispersión:

Una heladería local realiza un seguimiento de la
cantidad de helado que venden en comparación
con la temperatura de ese día. Aquí están sus
cifras de los últimos 12 días:
Y aquí están los mismos datos mediante un
Diagrama de Dispersión:

En este caso, tendremos una correlación negativa (a medida que aumentamos el %

de la nueva materia prima, disminuye el número de productos no conformes). Con
estos resultados la empresa podría plantearse la introducción de la nueva materia
prima, aunque debería combinarlo con otras herramientas para una mejor toma de
decisiones.
 3
Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:

Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:

TEOREMA DE CHEBYSHEV
El Teorema de Chebyshev es considerado una desigualdad probabilística, proporciona un
límite superior a la probabilidad de que la desviación absoluta de una variable
correspondiente o aleatoria, de su medida, excede un umbral dado. En general, el Teorema
de Chebyshev se usa para medir la dispersión de los datos para cualquier distribución.
La desigualdad de Chebyshev es un teorema utilizado en estadística que proporciona una
estimación conservadora (intervalo de confianza) de la probabilidad de que una variable
aleatoria con varianza finita, se sitúe a una cierta distancia de su esperanza matemática
o de su media.La proporción de cualquier distribución que esté a menos de k desviaciones
estándar de la media es por lo menos.

El Teorema de Chebyshev es considerado una desigualdad probabilística, proporciona un

Donde k es cualquier número positivo mayor que 1. Este teorema es válido para todas
las distribuciones de datos.

Regla Empírica.
La regla empírica es el resultado de la experiencia práctica de investigadores
enmuchas disciplinas, que han observado muy diferentes tipos de conjuntos de
datosde la vida real. La regla empírica, a la que también se le conoce como la regla
68,5-95-99,7, constituye una manera útil de analizar datos estadísticos.
Sinembargo, solo funciona para una distribución normal (la campana de Gauss) y
soloes posible producir estimaciones. En una distribución normal (forma de
campana),si tomamos una desviación estándar por ambos sentidos respecto del
valor mediocubriríamos un espacio 68% de probabilidad de que ocurra un evento,
por otrolado con 2 desviaciones estándar por ambos sentidos respecto a este valor
medio tendríamos un espacio cubierto del 95 % finalmente con 3 desviaciones
estándartenemos un espacio que cubre un 99% de que ocurra un evento.

1 EJEMPLOS
Supongamos que el número de productos fabricados en una empresa durante una
semana una variable
Donde k es cualquier aleatoria
número conmayor
positivo promedio
quede 50. teorema
1. Este Si se sabeesque la varianza
válido de
para todas
una semana de producción
las distribuciones de datos.es igual a 25, entonces ¿qué podemos decir acerca de la
probabilidad de que en esta semana la producción difiera en más de 10 a la media?
Solución
Regla Empírica.
Aplicando la desigualdad
La regla empírica es el deresultado
Chebyshovde tenemos que: práctica de investigadores
la experiencia
enmuchas disciplinas, que han observado muy diferentes tipos de conjuntos de
datosde la vida real. La regla empírica, a la que también se le conoce como la regla
68,5-95-99,7, constituye una manera útil de analizar datos estadísticos.
Sinembargo, solo funciona para una distribución normal (la campana de Gauss) y
soloes
De esto posible
podemosproducir
obtener queestimaciones. En una
la probabilidad distribución
de que en la semananormal (forma de
de producción el
campana),si
número tomamosexceda
de artículos una desviación estándar
en más de 10 poresambos
a la media sentidos
a lo más ¼. respecto del
valor mediocubriríamos un espacio 68% de probabilidad de que ocurra un evento,
2
Supóngase que X1,X2,…Xn son una muestra de variables aleatorias
independientes con distribución de Bernoulli, de tal forma que toman el valor
1 con probabilidad p=0.5.

¿Cuál debe ser el tamaño de la muestra para poder garantizar que la

probabilidad de que la diferencia entre la media aritmética Sn y su valor
esperado (que exceda en más de 0,1), sea menor o igual que 0.,01?

Solución
Tenemos que E(X)=μ=p=0,5 y que Var(X)=σ2=p(1-p)=0,25. Por la
desigualdad de Chebyshov, para cualquier k>0 tenemos que:

Ahora, tomando k=0,1 y δ=0,01, se tiene que:

De esta manera se concluye que se necesita un tamaño de muestra de al

menos 2500 para garantizar que la probabilidad del evento |Sn – 0,5|>= 0,1
sea menor que 0,01.
3 Supongamos que somos gestores de un fondo de inversión. La cartera que estamos
gestionando tiene una rentabilidad media del 8,14% y una desviación típica del 5,12%.
Para saber, por ejemplo, qué porcentaje de nuestros retornos se encuentran al
menos a 3 desviaciones típicas de nuestra rentabilidad media simplemente
aplicaríamos la formula anterior de la expresión 2.

k = 1,96

Sustituyendo el valor de k: 1-(1/(1,96^2)) = 0,739 = 73,9%

Esto quiere decir que hay un 73,9% de los resultados que están en el intervalo de
confianza situado a 1,96 desviaciones típcas de la media.
Realicemos el ejemplo anterior para valores distintos de k.

k = 2,46
k=3

Sustituyendo el valor de k: 1-(1/(2,46^2) )= 0,835 = 83,5%

Sustituyendo el valor de k: 1-(1/(3^2)) = 0,889 = 88,9%

Hay un 83,5% de los datos que están a una distancia de 2,46 desviaciones típicas de
la media y un 88,9% que están a 3 desviaciones típicas de la media. Utilizando la
desigualdad de Chebyshev, es sencillo deducir que a mayor valor de K (mayor
desviación del valor estimado sobre su media) mayor probabilidad de que la variable
aleatoria se encuentro dentro del intervalo acotado.
 BIBLIOGRAFIA

https://www.universoformulas.com/estadistica/descriptiva/asimetria-
curtosis/#:~:text=La%20asimetr%C3%ADa%20y%20curtosis%20informan,sin%20necesidad%20de%20representarlos%
20gr%C3%A1ficamente.

https://www.spssfree.com/curso-de-spss/analisis-descriptivo/medidas-de-distribucion-curtosis-asimetria.html

https://www.monografias.com/trabajos87/medidas-forma-asimetria-curtosis/medidas-forma-asimetria-curtosis

https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

https://datavizcatalogue.com/ES/metodos/diagrama_de_dispersion.html#:~:text=Los%20diagramas%20de%20dispersi%
C3%B3n%20usan,correlaci%C3%B3n%20entre%20las%20dos%20variables.

http://www.disfrutalasmatematicas.com/datos/grafica-dispersion-xy.html

https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

https://www.superprof.es/diccionario/matematicas/estadistica/diagrama-dispersion.html

https://www.studocu.com/ec/document/universidad-tecnica-de-machala/estadistica/teorema-de-chebyshev-
investigacion/10262962

https://www.lifeder.com/teorema-chebyshov/

https://economipedia.com/definiciones/desiguladad-chebyshev-teorema.html

https://www.studocu.com/ec/document/universidad-tecnica-de-machala/estadistica/teorema-de-chebyshev-
investigacion/10262962