METODOS

CUANTITATIVOS
Q1-2023
 Herramientas Estadísticas
u Tablas y Gráficos para Datos Categóricos
u Tabla de Frecuencias

u Gráficas de Barra
u Gráfica de Pastel

u Tablas y Gráficos para Datos Numéricos

u Distribución de Frecuencias

u Distribución de Frecuencias Relativas

u Histograma
u Diagrama de Caja

u Diagramas de Dispersión y Regresión Lineal

u Diagramas de Dispersión
u Regresión Lineal
CUARTILES Y PERCENTILES

u 𝑸𝟏 : Primer Cuartil
u Separa el 25% inferior de los valores ordenados del 75% superior.
u Al menos 25% de los valores ordenados son menores o iguales a
𝑄" y al menos el 75% de los valores son mayores o iguales que 𝑄" .

u 𝑸𝟐 : Segundo Cuartil
u Igual a la Mediana. Separa el 50% inferior de los valores
ordenados del 50% superior.

u 𝑸𝟑 : Tercer Cuartil
u Separa el 75% inferior de los valores ordenados del 25% superior.
u Al menos 75% de los valores ordenados son menores o iguales a
𝑄% y al menos el 25% de los valores son mayores o iguales que 𝑄% .
Cuartiles

Q1, Q2, Q3
Dividir en 4 partes iguales

25% 25% 25% 25%

Q1 Q2 Q3
(mínimo) (máximo)
(mediana)
Cuartiles, Deciles y Percentiles

u Los cuartiles dividen a un conjunto de

observaciones en cuatro partes iguales.

u Los deciles dividen un conjunto de observaciones

en 10 partes iguales y los percentiles en 100 partes
iguales.

u Si su promedio general en la universidad se

encuentra en el octavo decil, usted podría
concluir que 80% de los estudiantes tuvieron un
promedio general inferior al suyo y 20%, un
promedio superior.
Percentiles

u Un percentil aporta información acerca de la dispersión de

los datos en el intervalo que va del menor al mayor valor de
los datos.

u En los conjuntos de datos que no tienen muchos valores

repetidos, el percentil 𝑝 divide a los datos en dos partes.

u Cerca de 𝑝 por ciento de las observaciones tienen valores

menores que el percentil 𝑝 y aproximadamente (100 − 𝑝)
por ciento de las observaciones tienen valores mayores que
el percentil 𝑝.
Percentil

𝑃
𝐿! = (𝑛 + 1)
100

u Donde:
u 𝐿: Ubicación del percentil que se busca
u 𝑛: Número de observaciones
CÁLCULO DEL PERCENTIL 𝑝

u Paso 1. Ordenar los datos de menor a mayor (colocar los

datos en orden ascendente).

u Paso 2. Calcular el índice L! donde 𝑝 es el percentil deseado

y 𝑛 es el número de observaciones.
𝑝
𝐿" = ∗ (𝑛 + 1)
100
u Paso 3.
u (a) Si L! es un número entero, el percentil 𝑝 es el dato que
se encuentra en esa ubicación.
u (a) Si L! no es un número entero, se debe buscar el valor
del percentil en función de la ubicación exacta 𝐿"
Ejemplo

u Determine el percentil 75 en los siguientes 11 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730

u Paso 1. Ordenar los datos de menor a mayor

Ejemplo

u Determine el percentil 75 en los siguientes 11 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730

u Paso 1. Ordenar los datos de menor a mayor

u Paso 2.
# !"
𝐿!" = ∗ (𝑛 + 1) = ∗ 12 = 9
$%% $%%

u Paso 3. Como 𝐿# es un número entero, el percentil 75 se encuentra

en la ubicación 9.

u Percentil 75 = 3550
 Ejemplo

u Determine el percentil 85 en los siguientes 12 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730 - 3925

u Paso 1. Ordenar los datos de menor a mayor

 Ejemplo

u Determine el percentil 85 en los siguientes 12 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730 - 3925

u Paso 1. Ordenar los datos de menor a mayor

 Ejemplo

u Determine el percentil 85 en los siguientes 12 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730 - 3925

u Paso 1. Ordenar los datos de menor a mayor

Ejemplo

u Determine el percentil 85 en los siguientes 12 sueldos mensuales:

3310 - 3355 - 3450 - 3480 - 3480 - 3490 - 3520 – 3540 - 3550 - 3650 – 3730 - 3925

u Paso 1. Ordenar los datos de menor a mayor

u Paso 2.
( &'
𝐿&' = ∗ (𝑛 + 1) = ∗ 13 = 11.05
")) "))

u Paso 3. Como 𝐿( no es un número entero, se debe buscar la ubicación que

esté a 0.05 de distancia entre el valor de la ubicación 11 y 12.

u Valor ubicación 11= 3730

u Valor ubicación 12 =3925

u Percentil 85= (Valor Ubicación 12 – Valor ubicación 11)*0.05 =

u Percentil 85= [(3925 − 3730) ∗ 0.05] + 3730 = 3739.75
Percentiles y Cuartiles

u Entonces:

u Q1 primer cuartil, o percentil 25

u Q2 segundo cuartil, o percentil 50

u Q3 tercer cuartil, o percentil 75

Rango intercuartílico

u Una medida que no es afectada por los valores extremos es

el rango intercuartílico (RIC).

u Esta medida de variabilidad es la diferencia entre el tercer

cuartil Q3 y el primer cuartil Q1.

u El rango intercuartílico es el rango en que se encuentra el

50% central de los datos.

𝐼𝑄𝑅 = 𝑄3 − 𝑄1
Diagrama de Caja

u Representación gráfica que muestra simultáneamente varias

características importantes de los datos:
1. la localización o la tendencia central,
2. la dispersión o variabilidad
3. La simetría
4. Identificación de observaciones que se localizan inusualmente lejos
del grueso de los datos. (puntos atípicos).

u Un diagrama de caja muestra:

u Los tres cuartiles
u El mínimo
u El máximo
u El rango intercuartílico
 Diagrama de Caja
Valor atípico - una observación
inusualmente grande o
pequeña. Los valores ubicados
más allá de los bigotes son
valores atípicos.
Por opción predeterminada, la
parte superior de la caja es el
tercer cuartil (Q3) - 75% de los
valores de datos son menores
que o iguales a este valor.
Por opción predeterminada, la
parte inferior de la caja es el
primer cuartil (Q1) - 25% de los
valores de datos son menores
que o iguales a este valor.
Por opción predeterminada, el
bigote superior se extiende
* hasta el valor de datos más
alto dentro del límite superior.
Límite superior = Q3 + 1.5 (Q3 -
Q1)
Mediana - el centro de los
datos. La mitad de las
observaciones son menores
que o iguales a la mediana.
Por opción predeterminada, el
bigote inferior se extiende
hasta el valor más bajo dentro
del límite inferior.
Límite inferior = Q1- 1.5 (Q3 -
Q1)
Diagrama de Caja

Diámetros de las perforaciones en las costillas del borde

principal de las alas de un avión
120.5 120.4 120.7
120.9 120.2 121.1
120.3 120.1 120.9
121.3 120.5 120.8

Bigotes

** La distribución no es exactamente simétrica alrededor del valor

central, ya que los bigotes, y las cajas no tienen la misma longitud.
Uso Inadecuado de Gráficas y
Consideraciones Éticas

Mala Presentación
ü Buena Presentación

Salario Mínimo Salario Mínimo

1960: $1.00
$
4
1970: $1.60

2
1980: $3.10

0
1990: $3.80 1960 1970 1980 1990
 Errores en las Gráficas: Comprimir el eje
vertical

Mala Presentación ü Buena Presentación

Ventas Trimestrales Ventas Trimestrales
$ $
200 50

100 25

0 0
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
 Errores en las Gráficas: Cero en el Eje
vertical

Mala Presentación ü Buena Presentación

Ventas $ Ventas
$ 45 Mensuales
Mensuales
45
42
42 39
39 36
36 0
E F M A M J E F M A M J

u Gráfica de las ventas mensuales

Directrices para desarrollar buenas gráficas

u La gráfica no debe distorsionar los datos.

u La gráfica no debería contener adornos innecesarios
u Cualquier gráfica de dos dimensiones debe contener una
escala para cada eje.
u La escala del eje vertical debe comenzar en cero.
u Todos los ejes deben estar debidamente rotulados
u La gráfica debe tener un título.
u Debe usarse una gráfica lo más sencilla posible para un
conjunto de datos
Diagramas de Dispersión

u Se usa un diagrama de dispersión para examinar las posibles

relaciones de dos variables numéricas.
u Se coloca una variable en el eje vertical 𝑦, y la otra en el eje
horizontal 𝑥.
Publicidad
Ventas ($)
($)
1 2.5 264
2 1.3 136.5
3 1.4 145.6
4 1 109
5 2 100
6 7 560
7 2.1 420
8 4 422.4
9 6 900
10 3 316.8
11 0.6 150
12 9 720
13 5 528
y y

(a) Correlacion x (b) Correlacion x

Positiva Perfecta: Positiva:
r = +1 0<r<1

y y

(c) No hay x (d) Correlacion x

correlacion: Negativa
r=0 Perfecta: r = -1
CARACTERÍSTICAS DEL COEFICIENTE DE
CORRELACIÓN

1. El coeficiente de correlación de la muestra se

identifica con la letra minúscula r.
2. Muestra la dirección y fuerza de la relación lineal
(recta) entre dos variables en escala de intervalo o en
escala de razón.
3. Varía de -1 hasta 1, inclusive.
4. Un valor cercano a 0 indica que hay poca asociación
entre las variables.
5. Un valor cercano a 1 indica una asociación directa o
positiva entre las variables.
6. Un valor cercano a -1 indica una asociación inversa o
negativa entre las variables.
Coeficiente de Correlación

Def. Medida de la fuerza de la relación lineal entre dos variables.

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑟!" =
𝑛 ∑ 𝑥# − ∑ 𝑥 # 𝑛 ∑ 𝑦# − ∑ 𝑦 #
ECUACIÓN DE REGRESIÓN

u Def. Ecuación que expresa la relación lineal entre dos

variables.

u Variable Dependiente: La variable que queremos

pronosticar.

u Variable Independiente: Variables que se asume afectan

la variable dependiente.

u PRINCIPIO DE LOS MÍNIMOS CUADRADOS Determina una

ecuación de regresión al minimizar la suma de los
cuadrados de las distancias verticales entre los valores reales
de Y y los valores pronosticados de Y.
Regresión Lineal

Y Desviación o Ecuación de
Estimado Error Regresión:
de Y de la Y = a + bX
ecuación
Variable Dependiente

{
de Y = variable dependiente
X = variable
regresión independiente
Valor Actual a = Y-intercepto
De Y b = Pendiente de la recta

Valor de X usado Y = a + bx
Para estimar Y
b=
å xy - nx * y
X å x - nx 2 2

Variable Independiente
a = y - bx
Regresión Lineal - Ejemplo

u Los siguientes datos son ventas y gastos en publicidad de los 5

meses anterior. El gerente de mercadeo dice que en el siguiente
mes, la compañía gastará $1,750 en publicidad para uno de sus
productos.
u Use regresión lineal para desarrollar la ecuación y pronosticar
para el mes 6.

Ventas Publicidad
Mes (miles) (miles $)
1 264 2.5
2 116 1.3
3 165 1.4
4 101 1.0
5 209 2.0

u Cuál es la variable Dependiente y la variable Independiente?

 Regresión Lineal

Ventas Publicidad
Mes (miles) (y) (miles $) (x) Y = a + bx
1 264 2.5
2 116 1.3
b=
å xy - nx * y
3
4
165
101
1.4
1.0
å x - nx 2 2

5 209 2.0
a = y - bx
𝒚 𝒙 𝒙 ∗ 𝒚 𝒙𝟐
1 264 2.5 1560.8 - 5(1.64)(171)
b= = 109.22
2 116 1.3 14.9 - 5(1.64) 2
3 165 1.4
a = 171 - 109.22(1.64) = -8.13
4 101 1
5 209 2
Y = -8.13 + 109.22 x
Total

Media
 Regresión Lineal

Ventas Publicidad
Mes (miles) (y) (miles $) (x) Y = a + bx
1 264 2.5
2 116 1.3
b=
å xy - nx * y
3
4
165
101
1.4
1.0
å x - nx 2 2

5 209 2.0
a = y - bx
𝒚 𝒙 𝒙 ∗ 𝒚 𝒙𝟐
1 264 2.5 660 6.25 1560.8 - 5(1.64)(171)
b= = 109.22
2 116 1.3 150.8 1.69 14.9 - 5(1.64) 2
3 165 1.4 231 1.96
a = 171 - 109.22(1.64) = -8.13
4 101 1 101 1
5 209 2 418 4
Y = -8.13 + 109.22 x
Total 855 8.2 1560.8 14.9

Media 171 1.64

 Regresión Lineal

300 — 𝑦 = 𝑎 + 𝑏𝑥
Ventas (miles de unidades)

𝒂 = – 𝟖. 𝟏𝟑𝟓
250 —
𝒃 = 𝟏𝟎𝟗. 𝟐𝟐𝟗
200 — 𝒓 = 𝟎. 𝟗𝟖
𝒓𝟐 = 𝟎. 𝟗𝟔
1.75
150 —
𝑦 = – 8.135 + 109.229𝑥
100 —

50 —
| | | |
1.0 1.5 2.0 2.5
Publicidad (miles de dolares)

𝑆𝑖 𝑋 = $1750,
𝑌 = – 8.135 + 109.229(1.75) = 183,016
Coeficiente de Correlación

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑟=
𝑛 ∑ 𝑥, − ∑ 𝑥 , 𝑛 ∑ 𝑦, − ∑ 𝑦 ,

𝑟 = 0.98
Ejemplo

u Se analiza las ventas del IPhone de los 4 trimestres anteriores. Se

quiere determinar cuánto se deberá de tener en inventario el
próximo año. De acuerdo a los datos, se ve que el número de
ventas aumenta a medida que pasa el tiempo.

Trimestre Demanda
1 1,000
2 1,350
3 1,459
4 1,630

u Cuál es la variable Dependiente y la variable Independiente?

u Obtenga la Recta de Regresión Lineal y el Coeficiente de

Correlación. Interprete