Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 3
Tema 3
2022/2023
Estadı́stica Empresarial I 1/82
Introducción
Medidas de Posición de tendencia central
Medidas de posición NO Centrales: Los Cuantiles
Medidas de Dispersión
Medidas de forma
Momentos
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Parámetros VS Estadı́sticos
Parámetros VS Estadı́sticos
Tipos
Tipos
Tipos
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Tipos
Caracterı́sticas
Ventajas:
Inconvenientes:
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo
Inconvenientes:
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo
Intervienen todos los datos
Inconvenientes:
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo
Intervienen todos los datos
Interpretación sencilla
Inconvenientes:
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo
Intervienen todos los datos
Interpretación sencilla
Es única
Inconvenientes:
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo
Intervienen todos los datos
Interpretación sencilla
Es única
Inconvenientes:
Sensible a valores atı́picos
Solución
Valores ni fi Ni Fi
0 2 0.2 2 0.2
1 3 0.3 5 0.5
2 4 0.4 9 0.9
3 1 0.1 10 1
Pk
xi ni (0∗2)+(1∗3)+(2∗4)+(3∗1)
X̄ = i=1
N = 10 = 1,4 coches
Solución
Pk
xi ni (10∗4)+(12∗11)+(14∗8)+(16∗6)+(18∗1)
X̄ = i=1
N = 30 = 9,95 clientes
Media aritmética
Las propiedades más importantes de la media aritmética son:
La media aritmética queda afectada por los cambios de origen y
escala:
si Y = aX + b entonces Ȳ = aX̄ + b.
Media aritmética
Las propiedades más importantes de la media aritmética son:
La media aritmética queda afectada por los cambios de origen y
escala:
si Y = aX + b entonces Ȳ = aX̄ + b.
Si de una muestra se obtienen submuestras disjuntas, la media
aritmética de la muestra se relaciona con las medias de las
submuestras ponderada por sus tamaños respectivos. Esto es, sea
una muestra M de tamaño n y dos submuestras M1 y M2 de
tamaños respectivos n1 y n2 con n1 + n2 = n, si sus medias
aritmética son X̄1 y X̄2 , entonces la media aritmética de M
verifica:
x¯1 n1 +x¯2 n2
X̄ = N
Media aritmética
Ejemplo
Las reparaciones en una semana de un taller son 10, 6, 9, 7, 6, 3. Se
pide:
Media aritmética
Ejemplo
Las reparaciones en una semana de un taller son 10, 6, 9, 7, 6, 3. Se
pide:
Calcular la la media aritmética en dicha distribución
Media aritmética
Ejemplo
Las reparaciones en una semana de un taller son 10, 6, 9, 7, 6, 3. Se
pide:
Calcular la la media aritmética en dicha distribución
Calcular la nueva media aritmética si se habı́an olvidado
contabilizar una reparación diaria.
Media aritmética
Ejemplo
Las reparaciones en una semana de un taller son 10, 6, 9, 7, 6, 3. Se
pide:
Calcular la la media aritmética en dicha distribución
Calcular la nueva media aritmética si se habı́an olvidado
contabilizar una reparación diaria.
Calcular la media aritmética de la semana siguiente si saben que
se van a incrementar un 25 % las reparaciones.
Media aritmética
Solució
Media aritmética
Solució
Pk
xi ni (10+6+9+7+6+3
X̄ = i=1
N = 6 = 6, 83 reparaciones
Media aritmética
Solució
Pk
xi ni (10+6+9+7+6+3
X̄ = i=1
N = 6 = 6, 83 reparaciones
La nueva distribución es: Y = 11, 7, 10, 8, 7, 4, entonces como
X̄ = 6,83 e Y = X + 1, esto implica que
Ȳ = X̄ + 1 = 6,83 + 1 = 7,83 reparaciones.
Media aritmética
Solució
Pk
xi ni (10+6+9+7+6+3
X̄ = i=1
N = 6 = 6, 83 reparaciones
La nueva distribución es: Y = 11, 7, 10, 8, 7, 4, entonces como
X̄ = 6,83 e Y = X + 1, esto implica que
Ȳ = X̄ + 1 = 6,83 + 1 = 7,83 reparaciones.
La nueva distribución es: Y = 12,5, 7,5, 11,25, 8,75, 7,5, 3,75,
entonces como X̄ = 6,83 e Y = X + 0,25X = 1,25X, esto
implica que Ȳ = 1,25X̄ = 1, 25 ∗ 6,83 = 8,54 reparaciones.
Media aritmética
Ejemplo
En una jornada de una liga deportiva se conoce los espectadores y la
media de coste de las entradas e:
Estadios A B C D E F G H
Asistentes 2033 3346 6307 9277 5765 7217 8864 5531
Media de coste 24,96 23,13 29,79 18,10 20,10 13,63 15,41 17,40
Media aritmética
Ejemplo
En una jornada de una liga deportiva se conoce los espectadores y la
media de coste de las entradas e:
Estadios A B C D E F G H
Asistentes 2033 3346 6307 9277 5765 7217 8864 5531
Media de coste 24,96 23,13 29,79 18,10 20,10 13,63 15,41 17,40
Solución
x¯1 n1 +x¯2 n2 +x¯3 n3 +x¯4 n4 +x¯5 n5 +x¯6 n6 +x¯7 n7 +x¯8 n8
X̄ = n1 +n2 +n3 +n4 +n5 +n6 +n7 +n8 =
24,96∗2033+23,13∗3346+29,79∗6307+18,10∗9277+20,10∗5765+13,63∗7217+15,41∗8864+17,40∗5531
2033+3346+6307+9277+5765+7217+8864+5531
930943,0326
X̄ = 48340 = 19,26 e
Otras Medias
Media Geométrica
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la media geométrica como:
qQ
G = n kj=1 xni i
Otras Medias
Media Geométrica
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la media geométrica como:
qQ
G = n kj=1 xni i
Media Armónica
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la media armónica como:
H = PkN ni
i=1 xi
Ventajas:
Inconvenientes:
Los usos más usuales de la media geométrica son en promedios de tasas y porcentajes y la
media armónica son en promedios de rendimientos.
Ventajas:
Intervienen todos los datos y su valor es único.
Inconvenientes:
Los usos más usuales de la media geométrica son en promedios de tasas y porcentajes y la
media armónica son en promedios de rendimientos.
Ventajas:
Intervienen todos los datos y su valor es único.
No es tan sensible a valores atı́picos.
Inconvenientes:
Los usos más usuales de la media geométrica son en promedios de tasas y porcentajes y la
media armónica son en promedios de rendimientos.
Ventajas:
Intervienen todos los datos y su valor es único.
No es tan sensible a valores atı́picos.
Inconvenientes:
No siempre existe y no tiene significado intuitivo.
Los usos más usuales de la media geométrica son en promedios de tasas y porcentajes y la
media armónica son en promedios de rendimientos.
Implicaciones prácticas
Nota
H ≤ G ≤ X̄
Implicaciones prácticas
Nota
H ≤ G ≤ X̄
Ejemplo
Calcular la media artimética, geométrica, armónica de la siguiente distribución:
29, 97 %; 93, 36 %; 34, 36 %; 66, 23 %; 86, 09 %.
Implicaciones prácticas
Nota
H ≤ G ≤ X̄
Ejemplo
Calcular la media artimética, geométrica, armónica de la siguiente distribución:
29, 97 %; 93, 36 %; 34, 36 %; 66, 23 %; 86, 09 %.
Solución
1+1+1+1+1
H= 1 + 1 + 1 + 1 + 1 = 50, 06 %
29,97 93,36 34,36 66,23 86,09
p5
G = 29, 97 ∗ 93, 36 ∗ 34, 36 ∗ 66, 231 ∗ 86, 091 = 55, 95 %
1 1 1
entonces, H ≤ G ≤ X̄
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
Inconvenientes:
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Inconvenientes:
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
Inconvenientes:
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
No intervienen todos los datos.
Mediana
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, la mediana es el valor que divide a la muestra en dos
partes iguales, es por tanto el valor con frecuencia acumulada N/2.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
No intervienen todos los datos.
Puede no ser única.
Mediana
Mediana
Mediana
Mediana
Ejemplo
Se ha preguntado a 6 consumidores cuantos yogures consumen a la
semana, obteniendo el siguiente resultado: 5, 1, 7, 9, 2, 10. Calcule la
mediana.
Mediana
Ejemplo
Se ha preguntado a 6 consumidores cuantos yogures consumen a la
semana, obteniendo el siguiente resultado: 5, 1, 7, 9, 2, 10. Calcule la
mediana.
Solución
Mediana
Ejemplo
Se ha preguntado a 6 consumidores cuantos yogures consumen a la
semana, obteniendo el siguiente resultado: 5, 1, 7, 9, 2, 10. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 1, 2, 5, 7, 9, 10
Mediana
Ejemplo
Se ha preguntado a 6 consumidores cuantos yogures consumen a la
semana, obteniendo el siguiente resultado: 5, 1, 7, 9, 2, 10. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 1, 2, 5, 7, 9, 10
N 6
Calculamos su posición: 2 = 2 =3
Mediana
Ejemplo
Se ha preguntado a 6 consumidores cuantos yogures consumen a la
semana, obteniendo el siguiente resultado: 5, 1, 7, 9, 2, 10. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 1, 2, 5, 7, 9, 10
N 6
Calculamos su posición: 2 = 2 =3
5+7
Obtenemos su valor: M e = 2 = 6 yogures.
Mediana
Ejemplo
Se ha preguntado a 7 consumidores cuantas piezas de fruta consumen
al dı́a, obteniendo el siguiente resultado: 3, 3, 1, 0, 3, 4, 5. Calcule la
mediana.
Mediana
Ejemplo
Se ha preguntado a 7 consumidores cuantas piezas de fruta consumen
al dı́a, obteniendo el siguiente resultado: 3, 3, 1, 0, 3, 4, 5. Calcule la
mediana.
Solución
Mediana
Ejemplo
Se ha preguntado a 7 consumidores cuantas piezas de fruta consumen
al dı́a, obteniendo el siguiente resultado: 3, 3, 1, 0, 3, 4, 5. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 0, 1, 3, 3, 3, 4, 5
Mediana
Ejemplo
Se ha preguntado a 7 consumidores cuantas piezas de fruta consumen
al dı́a, obteniendo el siguiente resultado: 3, 3, 1, 0, 3, 4, 5. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 0, 1, 3, 3, 3, 4, 5
N 7
Calculamos su posición: 2 = 2 = 3, 5
Mediana
Ejemplo
Se ha preguntado a 7 consumidores cuantas piezas de fruta consumen
al dı́a, obteniendo el siguiente resultado: 3, 3, 1, 0, 3, 4, 5. Calcule la
mediana.
Solución
Ordenamos los datos de menor a mayor: 0, 1, 3, 3, 3, 4, 5
N 7
Calculamos su posición: 2 = 2 = 3, 5
Obtenemos su valor: M e = 3 piezas de fruta.
Mediana
Ejemplo
Se han obtenido dos distribuciones (xi , yj ) sobre el consumo de tipos
de verdura a la semana:
Mediana
Ejemplo
Se han obtenido dos distribuciones (xi , yj ) sobre el consumo de tipos
de verdura a la semana:
Mediana
Ejemplo
Se han obtenido dos distribuciones (xi , yj ) sobre el consumo de tipos
de verdura a la semana:
xi ni
1 5
2 5
5 6
7 4
Mediana
Ejemplo
Se han obtenido dos distribuciones (xi , yj ) sobre el consumo de tipos
de verdura a la semana:
yj nj
xi ni 1 3
1 5 2 4
2 5 5 9
5 6 7 10
7 4 10 7
13 2
Mediana (V)
Solución
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Obtenemos su la frecuencia acumulada:
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Obtenemos su la frecuencia acumulada:
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Obtenemos su la frecuencia acumulada:
xi ni Ni
1 5 5
2 5 10
5 6 16
7 4 20
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Obtenemos su la frecuencia acumulada:
yj nj Nj
xi ni Ni 1 3 3
1 5 5 2 4 7
2 5 10 5 9 16
5 6 16 7 10 26
7 4 20 10 7 33
13 2 35
Mediana (V)
Solución
N 20 N 35
Calculamos su posición: en X 2 = 2 = 10 en Y 2 = 2 = 17, 5
Obtenemos su la frecuencia acumulada:
yj nj Nj
xi ni Ni 1 3 3
1 5 5 2 4 7
2 5 10 5 9 16
5 6 16 7 10 26
7 4 20 10 7 33
13 2 35
Obtenemos su valor:
M ex = 2+5
2 = 3, 5 tipos de verdura M ey = 7 tipos de verdura.
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
Inconvenientes:
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Inconvenientes:
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
Inconvenientes:
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
No intervienen todos los datos.
Moda
Definición
Sea X una variable de tamaño n, la moda es el valor de la variable de
mayor frecuencia. Es la medida de tendencia central adecuada para
datos en escala nominal.
Caracterı́sticas
Ventajas:
No presenta problemas de cálculo.
Interpretación sencilla.
No es sensible a atı́picos.
Inconvenientes:
No intervienen todos los datos.
Puede no ser única.
Moda
Ejercicio
Supongamos que tenemos los siguientes datos a cerca de consumo de
tipos de café en una cafeterı́a:
Moda
Ejercicio
Supongamos que tenemos los siguientes datos a cerca de consumo de
tipos de café en una cafeterı́a:
Moda
Ejercicio
Supongamos que tenemos los siguientes datos a cerca de consumo de
tipos de café en una cafeterı́a:
Tipo Freq.
SOLO 127
LARGO 85
SEMILARGO 78
SOLOCORTO 156
MITAD 267
ENTRECORTO 182
CORTO 105
SOMBRA 61
NUBE 35
Moda
Ejercicio
Supongamos que tenemos los siguientes datos a cerca de consumo de
tipos de café en una cafeterı́a:
Tipo Freq.
SOLO 127 Cual es el consumo que está de
LARGO 85
SEMILARGO 78
moda en el dicha cafeterı́a.
SOLOCORTO 156
MITAD 267
ENTRECORTO 182
CORTO 105
SOMBRA 61
NUBE 35
Moda
Ejercicio
Supongamos que tenemos los siguientes datos a cerca de consumo de
tipos de café en una cafeterı́a:
Tipo Freq.
SOLO 127 Cual es el consumo que está de
LARGO 85
SEMILARGO 78
moda en el dicha cafeterı́a.
SOLOCORTO 156
MITAD 267
Solución
ENTRECORTO 182 El consumo que más se repite es
CORTO 105
SOMBRA 61 del café denominado mitad.
NUBE 35
Implicaciones prácticas II
Nota
Los outliers o valores atı́picos distorsionan las medidas de posición,
por lo que hay que estudiar su inclusión dado que puede deberse a un
error de medida o a un mal diseño de la recolecta de datos
Implicaciones prácticas II
Nota
Los outliers o valores atı́picos distorsionan las medidas de posición,
por lo que hay que estudiar su inclusión dado que puede deberse a un
error de medida o a un mal diseño de la recolecta de datos
Ejemplo
Calcular la media artimética, mediana y moda de la siguiente distribución:
100, 150, 150, 200, 250, 50000. Hay algún dato que distorsiona la muestra?
Que sucede si sacamos los valores erróneos?
Implicaciones prácticas II
Nota
Los outliers o valores atı́picos distorsionan las medidas de posición,
por lo que hay que estudiar su inclusión dado que puede deberse a un
error de medida o a un mal diseño de la recolecta de datos
Ejemplo
Calcular la media artimética, mediana y moda de la siguiente distribución:
100, 150, 150, 200, 250, 50000. Hay algún dato que distorsiona la muestra?
Que sucede si sacamos los valores erróneos?
Solución
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, los cuantiles de orden q son los valores que dividen
a la distribución en q partes iguales.
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, los cuantiles de orden q son los valores que dividen
a la distribución en q partes iguales.
Tipos de cuantiles
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, los cuantiles de orden q son los valores que dividen
a la distribución en q partes iguales.
Tipos de cuantiles
Cuartiles: tres valores que dividen a la distribución en cuatro
partes iguales, se designan por Q1 , Q2 = M e y Q3 .
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, los cuantiles de orden q son los valores que dividen
a la distribución en q partes iguales.
Tipos de cuantiles
Cuartiles: tres valores que dividen a la distribución en cuatro
partes iguales, se designan por Q1 , Q2 = M e y Q3 .
Deciles: nueve valores que dividen a la distribución en diez
partes iguales, se designan por D1 , D2 , . . . , D9 .
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, los cuantiles de orden q son los valores que dividen
a la distribución en q partes iguales.
Tipos de cuantiles
Cuartiles: tres valores que dividen a la distribución en cuatro
partes iguales, se designan por Q1 , Q2 = M e y Q3 .
Deciles: nueve valores que dividen a la distribución en diez
partes iguales, se designan por D1 , D2 , . . . , D9 .
Cuartiles: noventa y nueve valores que dividen a la distribución
en cien partes iguales, se designan por P1 , P2 , . . . , P99 .
Representación Gráfica
Representación Gráfica
Cuantiles
Para el cálculo de en cuantil i de orden q y teniendo una variable
discreta o contı́nua con datos no agrupados se pueden presentar dos
casos mutuamente excluyentes:
Existe algún valor de la variable con frecuencia acumulada N ∗ i/q
En este caso hay infinitos cuantiles y se define éste como el punto
medio entre el valor con frecuencia acumulada N ∗ i/q y el siguiente.
Cuantiles
Para el cálculo de en cuantil i de orden q y teniendo una variable
discreta o contı́nua con datos no agrupados se pueden presentar dos
casos mutuamente excluyentes:
Existe algún valor de la variable con frecuencia acumulada N ∗ i/q
En este caso hay infinitos cuantiles y se define éste como el punto
medio entre el valor con frecuencia acumulada N ∗ i/q y el siguiente.
Cuantiles
Ejemplo
Calcule Q1 ; Q2 ; D2 ; P65 de la siguiente distribución en la que se
recogen los dı́as que tarda un coche entre que llega al concesionario y
es vendido:
19, 12, 14, 19, 9, 17, 10, 14, 6, 11, 9, 9, 15, 15, 10, 4, 18, 13, 5, 14
Cuantiles
Solución
1 4 11 13
2 5 12 14
3 6 13 14
4 9 14 14
5 9 15 15
6 9 16 15
7 10 17 17
8 10 18 18
9 11 19 19
10 12 20 19
Cuantiles VI
Solución
Cuantiles VI
Solución
Calculamos su posición:
Q1 ; N4 = 20
4 =5
N 20
Q2 ; 4 = 2 = 10
D2 ; 2∗N 4∗20
10 = 10 = 4
65∗N
P65 ; 100 = 65∗20100 = 13
Cuantiles VI
Solución
Calculamos su posición:
Q1 ; N4 = 20
4 =5
N 20
Q2 ; 4 = 2 = 10
D2 ; 2∗N 4∗20
10 = 10 = 4
65∗N
P65 ; 100 = 65∗20100 = 13
Obtenemos su valor a partir de la fórmula:
Q1 = 9 horas
Q2 = 12, 5 horas
D2 = 9 horas
P65 = 14 horas
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Concepto
Definición
Son medidas de la mayor o menor separación de los valores respecto
a otro, que se pretende que sea la siı́ntesis de la distribución.
Por lo tanto sirven para medir la representatividad de los valores de
tendencia central, ya que una medida serı́a tanto miás representativa
cuanto miás valores se encuentren a su alrededor.
Concepto
Definición
Son medidas de la mayor o menor separación de los valores respecto
a otro, que se pretende que sea la siı́ntesis de la distribución.
Por lo tanto sirven para medir la representatividad de los valores de
tendencia central, ya que una medida serı́a tanto miás representativa
cuanto miás valores se encuentren a su alrededor.
Ejemplo
Sean dos poblaciones de once individuos cada una:
Población A: Uno gana 100.000 e/mensuales y los restantes diez ganan 1.000 e/mensuales
cada uno.
Población B: Uno gana 10.000 e/mensuales, cinco ganan 9.000 e/mensuales y los restantes
cinco ganan 11.000 e/mensuales cada uno.
La media es 10.000 e/mensuales, pero, la riqueza está igualmente distribuida? Son iguales las
poblaciones? Cómo diferenciarlas?
Estadı́stica Empresarial I 37/82
Introducción
Medidas de Posición de tendencia central Recorridos & Desviaciones
Medidas de posición NO Centrales: Los Cuantiles Varainza & Desviación Tı́pica
Medidas de Dispersión Coeficiente de Variación de Pearson
Medidas de forma Tipificación
Momentos
Recorrido Absoluto
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido absoluto como la diferencia
entre el último y el primer valor: Re = xn − x1
Recorrido Absoluto
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido absoluto como la diferencia
entre el último y el primer valor: Re = xn − x1
Caracterı́sticas
Ventajas:
Inconvenientes:
Recorrido Absoluto
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido absoluto como la diferencia
entre el último y el primer valor: Re = xn − x1
Caracterı́sticas
Ventajas:
El cálculo es rápido y sencillo.
Inconvenientes:
Recorrido Absoluto
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido absoluto como la diferencia
entre el último y el primer valor: Re = xn − x1
Caracterı́sticas
Ventajas:
El cálculo es rápido y sencillo.
Inconvenientes:
Sólo depende de los valores extremos. No informa sobre la distribución
de los restantes datos en la muestra.
Recorrido Absoluto
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido absoluto como la diferencia
entre el último y el primer valor: Re = xn − x1
Caracterı́sticas
Ventajas:
El cálculo es rápido y sencillo.
Inconvenientes:
Sólo depende de los valores extremos. No informa sobre la distribución
de los restantes datos en la muestra.
No sirve para medir la representatividad de ninguna medida de
tendencia central.
Estadı́stica Empresarial I 38/82
Introducción
Medidas de Posición de tendencia central Recorridos & Desviaciones
Medidas de posición NO Centrales: Los Cuantiles Varainza & Desviación Tı́pica
Medidas de Dispersión Coeficiente de Variación de Pearson
Medidas de forma Tipificación
Momentos
Recorrido Absoluto
Ejercicio
En una asesorı́a jurı́dica se tienen 12 empleados que han resuelto el
siguiente numero de consultas jurı́dicas en una semana:
Empleados
A B C D E F G H I J K L
2 5 4 3 6 6 4 1 5 3 6 3
Recorrido Absoluto
Solución
Ordenamos de menor a mayor para obtener el máximo y el mı́nimo
Empleados
H A D J L C G B I E F K
1 2 3 3 3 4 4 5 5 6 6 6
Recorrido intercuartı́lico
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido intercuartı́lico como la
diferencia entre el tercer y el primer cuartil: RI = Q3 − Q1
Recorrido intercuartı́lico
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido intercuartı́lico como la
diferencia entre el tercer y el primer cuartil: RI = Q3 − Q1
Caracterı́sticas
Ventajas:
Inconvenientes:
Recorrido intercuartı́lico
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido intercuartı́lico como la
diferencia entre el tercer y el primer cuartil: RI = Q3 − Q1
Caracterı́sticas
Ventajas:
No depende de los valores extremos de la muestra: no está afectado por valores atı́picos.
Inconvenientes:
Recorrido intercuartı́lico
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido intercuartı́lico como la
diferencia entre el tercer y el primer cuartil: RI = Q3 − Q1
Caracterı́sticas
Ventajas:
No depende de los valores extremos de la muestra: no está afectado por valores atı́picos.
Mide el tamaño del 50 % central de la muestra.
Inconvenientes:
Recorrido intercuartı́lico
Definición
Sea X una variable de tamaño n, supuestos los datos ordenados de
menor a mayor, se define el recorrido intercuartı́lico como la
diferencia entre el tercer y el primer cuartil: RI = Q3 − Q1
Caracterı́sticas
Ventajas:
No depende de los valores extremos de la muestra: no está afectado por valores atı́picos.
Mide el tamaño del 50 % central de la muestra.
Inconvenientes:
No sirve exactamente para medir la representatividad de ninguna medida de tendencia
central particular.
Recorrido intercuartı́lico
Representación Gráfica
Recorrido intercuartı́lico
Ejercicio
Tomando los cuartiles de la distirbución del ejercicio anterior se
obtuvieron las siguientes medidas:
Min Q1 Q2 Q3 Max
1 3 4 5,25 6
Recorrido intercuartı́lico
Ejercicio
Tomando los cuartiles de la distirbución del ejercicio anterior se
obtuvieron las siguientes medidas:
Min Q1 Q2 Q3 Max
1 3 4 5,25 6
Solución
RI = Q3 − Q1 = 5, 25 − 3 = 2, 25 consultas jurı́dicas
Desviaciones medias
DX̄ = N1 ki=1 xi − X̄ ni
P
Desviaciones medias
DX̄ = N1 ki=1 xi − X̄ ni
P
DM e = N1 ki=1 |xi − M e| ni
P
Caracterı́sticas
Ventajas:
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética/mediana:
mide su representatividad.
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética/mediana:
mide su representatividad.
Inconvenientes:
La función valor absoluto es complicada de manejar
algebraicamente.
Varianza
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la varianza como:
Varianza
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la varianza como:
Caracterı́sticas
Ventajas:
Inconvenientes:
Varianza
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la varianza como:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Inconvenientes:
Varianza
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la varianza como:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su representatividad.
Inconvenientes:
Varianza
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la varianza como:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su representatividad.
Inconvenientes:
Es difı́cil de interpretar: su valor está expresado en unidades de la variable al cuadrado.
Varianza
Ejercicio
Conociendo que las consultas jurı́dicas en una semana de los
siguientes empleados y que la media de distribución e 4:
Empleados
A B C D E F G H I J K L
2 5 4 3 6 6 4 1 5 3 6 3
Calcule la varianza.
Varianza
Solución
Primero se calcula la tabla de frecuencias:
No de casos 1 2 3 4 5 6
ni 1 1 3 2 2 3
S2 = 1
12 [(1 − 4)2 ∗ 1 + (2 − 4)2 ∗ 1 + (3 − 4)2 ∗ 3 + (4 − 4)2 ∗ 2 +
(5 − 4)2 ∗ 2 + (6 − 4)2 ∗ 3] = 2, 5 casos2
Varianza
Solución
xi ni (xi − X̄)2 ∗ ni
1 1 9
2 1 4
3 3 3
4 2 0
5 2 2
6 3 12
Total 12 30
1 Pk
S2 = N i=1 (xi − X̄)2 ni
30
S2 = 12
= 2, 5 casos2
Varianza
Propiedades
Varianza
Propiedades
La varianza no queda afectada por cambios de origen, pero sı́ por
los cambios de escala:
si Y = aX + b entonces Sy2 = a2 Sx2
Varianza
Propiedades
La varianza no queda afectada por cambios de origen, pero sı́ por
los cambios de escala:
si Y = aX + b entonces Sy2 = a2 Sx2
La varianza es igual a la media de la variable cuadrática menos el
cuadrado de la media de la variable considerada:
S 2 = 1 k x2 ni − X̄ 2 = x¯2 − X̄ 2
P
N i=1 i
Varianza
Ejercicio
Al revisar los datos de la semana, que se emplearon en el ejercicio
anterior, se observa que no se ha contabilizado un caso que han
resuelto entre todos, entonces se decide incorporar ese resultado a
todos los trabajadores. Determinar la nueva varianza y explicar a que
se debe el resultado. (Dato: Varianza: 2,5 casos2 )
Varianza
Ejercicio
Al revisar los datos de la semana, que se emplearon en el ejercicio
anterior, se observa que no se ha contabilizado un caso que han
resuelto entre todos, entonces se decide incorporar ese resultado a
todos los trabajadores. Determinar la nueva varianza y explicar a que
se debe el resultado. (Dato: Varianza: 2,5 casos2 )
Solución
El efecto se producirá sobre el origen, entonces la nueva distribución
se calculará Y = 1 + X. Como sabemos los cambios en el origen no
afecta al valor de la varianza entonces la varianza de la nueva
distribución será igual a la anterior: Sy2 = Sx2 = 2, 5 casos2 .
Varianza
Ejercicio
Si sabe que para la semana siguiente se va incrementar un 25 % la
resolución de casos cada dı́a. Determinar la nueva varianza y explicar
a que se debe el resultado. (Dato: Varianza: 2,5 casos2 )
Varianza
Ejercicio
Si sabe que para la semana siguiente se va incrementar un 25 % la
resolución de casos cada dı́a. Determinar la nueva varianza y explicar
a que se debe el resultado. (Dato: Varianza: 2,5 casos2 )
Solución
El efecto se producirá sobre el origen, entonces la nueva distribución
se calculará Y = 1, 25 ∗ X. Como sabemos los cambios de escala
afecta al valor de la varianza entonces la varianza de la nueva
distribución será igual a la anterior: Sy2 = 1, 252 ∗ Sx2 = 3, 9 casos2 .
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Caracterı́sticas
Ventajas:
Inconvenientes:
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Inconvenientes:
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su representatividad.
Inconvenientes:
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su representatividad.
La desviación tı́pica está expresada en la misma unidad que la variable.
Inconvenientes:
Desviación tı́pica
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define la desviación tı́pica como:
√ q P
S = + S = N1 ki=1 (xi − X̄)2 ni
2
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su representatividad.
La desviación tı́pica está expresada en la misma unidad que la variable.
Inconvenientes:
No permite comparar dispersiones de distribuciones distintas.
Desviación tı́pica
Ejercicio
Partiendo de los casos resueltos por los trabajadores de una nueva
sección jurı́dica durante una semana:
No de casos 1 2 3 4 5
Frecuencia 2 3 4 3 2
Desviación tı́pica
Solución
No de casos 1 2 3 4 5
Frecuencia 2 3 4 3 2
q
[(1−3)2 ∗2+(2−3)2 ∗3+(3−3)2 ∗4+(4−3)2 ∗3+(5−3)2 ∗2]
S= 14 = 1, 14 casos
Definición
Sea X una variable de tamaño n, se define la coeficiente de variación
de Pearson como:
S
Cv = ∗ 100
|X̄ |
Representa el número de veces que la desviación tı́pica contiene a la
media; luego a mayor coeficiente, menor representatividad de la
media.
Definición
Sea X una variable de tamaño n, se define la coeficiente de variación
de Pearson como:
S
Cv = ∗ 100
|X̄ |
Representa el número de veces que la desviación tı́pica contiene a la
media; luego a mayor coeficiente, menor representatividad de la
media.
Cv ≤ 100 bastante representatividad de la media
Definición
Sea X una variable de tamaño n, se define la coeficiente de variación
de Pearson como:
S
Cv = ∗ 100
|X̄ |
Representa el número de veces que la desviación tı́pica contiene a la
media; luego a mayor coeficiente, menor representatividad de la
media.
Cv ≤ 100 bastante representatividad de la media
Cv > 100 poca representatividad de la media
Caracterı́sticas
Ventajas:
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su
representatividad.
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su
representatividad.
No tiene unidades: permite comparar la dispersión de dos
muestras cualesquiera.
Inconvenientes:
Caracterı́sticas
Ventajas:
Utiliza todos los datos de la muestra.
Es una medida de dispersión a la media aritmética: mide su
representatividad.
No tiene unidades: permite comparar la dispersión de dos
muestras cualesquiera.
Inconvenientes:
Cuando la media es cero no se puede calcular.
Ejercicio
Un inversor quiere comprar una asesorı́a jurı́dica y para conocer la
fiabilidad de la en la resolución de casos le ofrecen datos de
resolución semanal de casos de estas tres empresas:
Empresa X Empresa Y Empresa Z
Media 2,3 3 3,6
Desv. Tı́pica 1 1,6 5
Interprete la representatividad de la media.
Solución
S
Cv = ∗ 100
|X̄ |
1
Cx = ¯ ∗ 100 = 43, 5 %
|2,3|
1,6
Cy = |3̄|
∗ 100 = 53, 3 %
5
Cz = ¯ ∗ 100 = 138, 9 %
|3,6|
La empresa con mejor representatividad de la media es la A, siendo
también representativa la de la empresa B y nada representativa la de
la empresa Z.
Tipificación
Utilidad
La tipificación es un instrumento para poder comparar valores de
muestras diferentes, reduciendo todas las muestras a una escala
común:
Tipificación
Utilidad
La tipificación es un instrumento para poder comparar valores de
muestras diferentes, reduciendo todas las muestras a una escala
común:
El cero de la escala es la media aritmética.
Tipificación
Utilidad
La tipificación es un instrumento para poder comparar valores de
muestras diferentes, reduciendo todas las muestras a una escala
común:
El cero de la escala es la media aritmética.
La unidad de medida es la desviación tı́pica.
Tipificación
Utilidad
La tipificación es un instrumento para poder comparar valores de
muestras diferentes, reduciendo todas las muestras a una escala
común:
El cero de la escala es la media aritmética.
La unidad de medida es la desviación tı́pica.
Definición
Sea X una variable de tamaño n, con media X̄ y desviación tı́pica S,
se define la variable tipificada Z como:
x−X̄
Z= S
Tipificación
Ejercicio
Sean dos empresas:
Tipificación
Ejercicio
Sean dos empresas:
Empresa A: con una media de los sueldos de 1.000 e mensuales
y una desviación tı́pica de 825 e.
Tipificación
Ejercicio
Sean dos empresas:
Empresa A: con una media de los sueldos de 1.000 e mensuales
y una desviación tı́pica de 825 e.
Empresa B: con una media de los sueldos de 1.500 e mensuales
y una desviación tı́pica de 650 e.
Entre un empleado de A que gana 1.300 e y un empleado de B que
gana 1.650 e. Cuál de los dos tiene una posición relativa mejor dentro
de su empresa?
Tipificación
Solución
Tomando los dos empleados:
Tipificación
Solución
Tomando los dos empleados:
Empleado empresa A:
1300−1000
Ea = 825 = 0, 36
Tipificación
Solución
Tomando los dos empleados:
Empleado empresa A:
1300−1000
Ea = 825 = 0, 36
Empleado empresa B:
1650−1500
Eb = 650 = 0, 23
Tipificación
Solución
Tomando los dos empleados:
Empleado empresa A:
1300−1000
Ea = 825 = 0, 36
Empleado empresa B:
1650−1500
Eb = 650 = 0, 23
La mejor posición es la del empleado A, su salario está mucho
más por encima de la media que la del empleado B.
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Concepto
Definición
Son medidas de la manera en que están distribuidos los datos en la
muestra, resumiendo la forma que tienen al representarlos.
Concepto
Definición
Son medidas de la manera en que están distribuidos los datos en la
muestra, resumiendo la forma que tienen al representarlos.
Concepto
Definición
Son medidas de la manera en que están distribuidos los datos en la
muestra, resumiendo la forma que tienen al representarlos.
Concepto
Definición
Son medidas de la manera en que están distribuidos los datos en la
muestra, resumiendo la forma que tienen al representarlos.
Asimetrı́a
2. MEDIDAS DE FORMA
Asimetría
Las medidas de asimetrı́a se dirigen a elaborar un indicador que
permita
Las establecer el gradosededirigen
medidas de asimetría asimetrı́a/simetrı́a que presenta
a elaborar un indicador la
que permita
establecersin
distribución el necesidad
grado de asimetría/simetría
de llevar a caboque presenta la distribución sin
su representación.
necesidad de llevar a cabo su representación.
x x
Asimétrica x Asimétrica
positiva negativa
Simétrica
Pagina 16
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Implicaciones
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Implicaciones
gf = 0: la distribución es simétrica.
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Implicaciones
gf = 0: la distribución es simétrica.
gf > 0: la distribución es asimétrica positiva o asimétrica a derechas.
Coeficiente de asimetrı́a
Coeficiente de asimetrı́a de Ficher
Sea X una variable de tamaño n, con k grupos de datos distintos, se define el coeficiente de
asimetrı́a de Ficher como: P 1 k 3
N i=1 (xi −X̄) ni
gf = S3
Implicaciones
gf = 0: la distribución es simétrica.
gf > 0: la distribución es asimétrica positiva o asimétrica a derechas.
gf < 0: la distribución es asimétrica negativa o asimétrica a izquierdas.
Coeficiente de asimetrı́a
Ejercicio
Coeficiente de asimetrı́a
Solución
Coeficiente de asimetrı́a
Ejercicio
Teniendo los siguientes datos a cerca de la producción anual de tres
navieras:
Empresa A Empresa B Empresa C
Media 6 7 5
S2 2,5 5 2
Moda 5 8 5
Solución
Solución
Solución
gp
Empresa A 0,63 asimetrı́a positiva
Empresa B -0,45 asimetrı́a negativa
Empresa C 0 simetrı́a
Solución
X̄−M o
gp = S
gp
Empresa A 0,63 asimetrı́a positiva 6−5
Empresa B -0,45 asimetrı́a negativa
gpA = √
2,5
= 0, 63
Empresa C 0 simetrı́a 7−8
gpB = √5 = −0, 45
gpC = 5−5
√ =0
2
Implicaciones de la simetrı́a
M e = M o = X̄
Implicaciones de la asimetrı́a
Implicaciones de la asimetrı́a
ASIMETRÍA POSITIVA
aproximádamente
M o ≤ M e ≤ X̄
Implicaciones de la asimetrı́a
M o ≤ M e ≤ X̄ X̄ ≤ M e ≤ M o
Coeficiente de curtosis
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define el coeficiente de curtosis como:
1 Pk 4
i=1 (xi −X̄) ni
gc = N
S4
−3
Coeficiente de curtosis
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define el coeficiente de curtosis como:
1 Pk 4
i=1 (xi −X̄) ni
gc = N
S4
−3
Implicaciones
Coeficiente de curtosis
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define el coeficiente de curtosis como:
1 Pk 4
i=1 (xi −X̄) ni
gc = N
S4
−3
Implicaciones
gc = 0: la distribución es igual de apuntada que la normal o mesocúrtica.
Coeficiente de curtosis
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define el coeficiente de curtosis como:
1 Pk 4
i=1 (xi −X̄) ni
gc = N
S4
−3
Implicaciones
gc = 0: la distribución es igual de apuntada que la normal o mesocúrtica.
gc > 0: la distribución es más apuntada que la normal o leptocúrtica.
Coeficiente de curtosis
Definición
Sea X una variable de tamaño n, con k grupos de datos distintos, se
define el coeficiente de curtosis como:
1 Pk 4
i=1 (xi −X̄) ni
gc = N
S4
−3
Implicaciones
gc = 0: la distribución es igual de apuntada que la normal o mesocúrtica.
gc > 0: la distribución es más apuntada que la normal o leptocúrtica.
gc < 0: la distribución es menos de apuntada que la normal o platicúrtica.
Coeficiente de curtosis
2. MEDIDAS DE FORMA
Curtosis (III)
Leptocúrtica
Platicúrtica
Pagina 21
Estadı́stica Empresarial I 75/82
Introducción
Medidas de Posición de tendencia central
Medidas de posición NO Centrales: Los Cuantiles Asimetrı́a
Medidas de Dispersión Curtosis
Medidas de forma
Momentos
Ejercicio
Solución
1 Introducción
2 Medidas de Posición de tendencia central
Medias
Mediana
Moda
3 Medidas de posición NO Centrales: Los Cuantiles
4 Medidas de Dispersión
Recorridos & Desviaciones
Varainza & Desviación Tı́pica
Coeficiente de Variación de Pearson
Tipificación
5 Medidas de forma
Asimetrı́a
Curtosis
6 Momentos
Momentos con respecto al origen o no centrales
Momentos con respecto a la media aritmética o centrales
Concepto
Definición
Los momentos de una distribución son unos valores que la
caracterizan, de modo que dos distribuciones son iguales si tienen
todos sus momentos iguales, y son tanto más parecidas cuanto mayor
sea el número de momentos iguales que tengan.
Concepto
Definición
Los momentos de una distribución son unos valores que la
caracterizan, de modo que dos distribuciones son iguales si tienen
todos sus momentos iguales, y son tanto más parecidas cuanto mayor
sea el número de momentos iguales que tengan.
Tipos
Concepto
Definición
Los momentos de una distribución son unos valores que la
caracterizan, de modo que dos distribuciones son iguales si tienen
todos sus momentos iguales, y son tanto más parecidas cuanto mayor
sea el número de momentos iguales que tengan.
Tipos
Momentos respecto al origen o no centrales.
Concepto
Definición
Los momentos de una distribución son unos valores que la
caracterizan, de modo que dos distribuciones son iguales si tienen
todos sus momentos iguales, y son tanto más parecidas cuanto mayor
sea el número de momentos iguales que tengan.
Tipos
Momentos respecto al origen o no centrales.
Momentos respecto a la media aritmética o centrales.
Casos particulares
Casos particulares
Pk
i=1 x0i ni
a0 = N =1
Casos particulares
Pk
x0i ni
i=1
a0 = N =1
Pk 1
i=1 xi ni
a1 = N = X̄
Casos particulares
Pk
x0i ni
i=1
a0 = N =1
Pk 1
i=1 xi ni
a1 = N = X̄
Pk 2
i=1 xi ni
a2 = N = X¯2
Casos particulares
Casos particulares
Pk 0
i=1 (xi −X̄) ni
m0 = N =1
Casos particulares
Pk 0
i=1 (xi −X̄) ni
m0 = N =1
Pk 1
i=1 i −X̄) ni
(x
m1 = N =0
Casos particulares
Pk 0
i=1 (xi −X̄) ni
m0 = N =1
Pk 1
i=1 i −X̄) ni
(x
m1 = N =0
Pk 2
i=1 (xi −X̄) ni
m2 = N = S2
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
X̄ es el momento de orden 1 con respecto al origen
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
X̄ es el momento de orden 1 con respecto al origen
P38 no es un momento
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
X̄ es el momento de orden 1 con respecto al origen
P38 no es un momento
S 2 es el momento de orden 2 con respecto a la media
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
X̄ es el momento de orden 1 con respecto al origen
P38 no es un momento
S 2 es el momento de orden 2 con respecto a la media
La moda no es un momento
Momentos
Ejercicio
Determinar que tipo de momentos son las siguientes
medidas:X̄; P38 ; S 2 ; M o; S
Solución
X̄ es el momento de orden 1 con respecto al origen
P38 no es un momento
S 2 es el momento de orden 2 con respecto a la media
La moda no es un momento
S es la raı́z del momento de orden 2 con respecto a la media