Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Leccion 3
Leccion 3
1. Introducción.
2. Medidas de posición.
2.1 Medidas de posición no central
2.2. Medidas de posición central
3. Medidas de dispersión
3.1. Medidas de dispersión absolutas.
3.2 Medidas de dispersión relativas.
Descripción de variables estadísticas unidimensionales
4. Momentos.
5. Medidas de forma: Coeficientes de asimetría y curtosis
6. Medidas de concentración
7. Transformación lineal de una variable estadística
Bibliografía:
CASAS, J.M.; et al. (2010): Estadística para las Ciencias Sociales. Ed.
Universitaria Ramón Areces. Cap.2:4-6
1
1. Introducción
2
2. Medidas de Posición
Cuartiles
0,120 No Central: Cuantiles Deciles
0,100
Percentiles
Media Aritmética
0,080
Medidas Medias
0,060
de Media Geométrica
simples
0,040
Posición Media Armónica
0,020 Central:
Medias Ponderadas
0,000
Mediana
Relativas
Modas
Absoluta
3
2.1 Medidas de posición no centrales: cuantiles
Definición:
– En una distribución ordenada de menor a mayor, los cuantiles de orden q son q-1
valores de la variable que dividen el recorrido de la distribución en q intervalos
consecutivos conteniendo todos el mismo número de observaciones (la q-ésima parte
del número de datos, en cada uno)
– Cr/q : Cuantil r-ésimo de orden q: deja a su izquierda (incluidos los datos con éste valor)
al menos (r/q)·N datos de la distribución; y a su derecha (incluidos los datos con éste
valor) al menos los (1-r/q)·N datos restantes. r qr
Descripción de variables estadísticas unidimensionales
100 % 100 %
q q
Cr /q
• Cuartiles: Dividen a la distribución en cuatro partes iguales: Q1,Q2, Q3 .
• Deciles: Dividen la distribución en diez partes iguales: D1, D2,...., D9
• Percentiles: Dividen la distribución en cien partes iguales P1, P2,...., P99
Q1 Q2 Q3
4
Medidas de posición no centrales
Propiedades:
• Pueden calcularse en escalas ordinales o superiores (de
intervalo o de razón)
• Casos particulares:
75%
Descripción de variables estadísticas unidimensionales
50%
25%
5
Medidas de posición no centrales
rN
• 1) Calcular
q
rN
• 3) Buscar el primer Ni
q
rN
• 4) Si N i C r / q xi correspondiente a este Ni
q
rN xi xi 1
• Si N i Cr / q xi , xi 1
q 2
6
Ejemplo
Unidades puntos
r 1 Elementos: alumnos
– Q1 : N 120 30 Q1 3
q 4 Valores Frec
xi ni Ni
r 2 0 3 3
– Q2 : N 120 60 Q2 5
q 4 1 12 15
2 4 19
Descripción de variables estadísticas unidimensionales
r 3
– Q3 : N 120 90 Q3 6 3 17 36
q 4 4 19 55
5 29 84
r 7 56
– D 7: N 120 84 D7 5,5 6 19 103
q 10 2
7 5 108
8 7 115
r 99
– P99: N 120 118,8 P99 9 9 4 119
q 100
10 1 120
Total 120
7
Medidas de posición no centrales
rN
• 1) Calcular
q
rN
• 3) Buscar el primer N i ; entonces: Cr/q (Li-1 , Li]
q
rN
N i 1
q
• 4) Cr / q Li 1 ci
ni
8
Ej-Cuantiles_[CS;SP Ej2.31]
Ejemplo Ej_Unidim_Continuo_5.xlsx
q 75 200 50 50
Q1 C1/ 4 Li 1 ci 200 250 40 90
ni 250 300 7 97
300 400 3 100
1
100 0
75 4 125 137, 5 m.€
50 100
r 85
– P85: N 100 85 Int.P85 200; 250
q 100
rN 85
N i 1 100 50
q
P85 C85/100 Li 1 ci 200 100 50 243, 75 m.€
ni 40
9
2.2 Medidas de posición centrales
2.2.1 Medias
• simples y
• ponderadas
Descripción de variables estadísticas unidimensionales
2.2.2 Mediana
2.2.3 Moda
10
2.2.1 Medias simples
• Media aritmética
– Caso de valores no agrupados:
N
1
• Datos no tabulados Tipo I x1,x2,....,xN frec. unitarias
x
N
x
i 1
i
frec. no
... ... unitarias
x i i
N i 1
xr nr
N
Ejemplo
N
1 200+150+300+250+175 1075
x
N
xi
i 1 5
5
215 miles de €
12
Ej_Media aritmética_[CS;SP Ej2.15]
Ejemplo Ej_Unidim_Discreto_2.xlsx
Tablas Tipo II
xi ni ni.xi
0 4 0
1 10 10 r
1 25
2
3
4
1
8
3
x
N
xi ·ni
i 1 20
1, 25 personas
4 1 4
20 25
13
Ej_Media aritmética_[CS;SP Ej2.16]
Ejemplo Ej_Unidim_Continuo_3.xlsx
25 403.000
14
Medias simples
( x x )n
i 1
i i 0
xi Wi
xi ni
Descripción de variables estadísticas unidimensionales
x1 n1 x1 W1
r r
... ... 1
W i ·x i
r
... ... 1 xp w i ·x i
xi ni x
N
xi ·ni
i 1
xi
...
Wi
...
W i 1 i 1
... ...
xr nr xr Wr
N
W
16
Ej_Media ponderada_[CS;SP Ej2.17]
Ejemplo
El examen final de una asignatura puntúa el doble que los exámenes parciales. Un
alumno ha obtenido las siguientes calificaciones: 5 puntos en el primer parcial , 9 en el
segundo y 6 en le examen final (todas sobre 10 puntos). Obtener la nota media final
del curso
r
xi Wi xi.Wi
W ·x
Descripción de variables estadísticas unidimensionales
i i
5 1 5 26
9 1 9 xp i 1
r
6, 5 puntos
4
6 2
4
12
26
W i 1
i
17
2.2.2 Mediana
Definición
• En una distribución ordenada de menor a mayor, la mediana es
aquél valor de la distribución que deja a su izquierda el mismo
número de frecuencias que a su derecha
Descripción de variables estadísticas unidimensionales
Me
Cálculo para valores no agrupados y frecuencias unitarias:
N impar Me x N 1
Frecuencias Unitarias: 2
x N x N
1
N par
Me 2 2
18
Ej_Mediana_[CS;SP Ej2.21]
Ej_Unidim_Discreto_2.xlsx
Ejemplo Tablas Tipo I: Datos no tabulados
x N x N
1
Descripción de variables estadísticas unidimensionales
2 2
- N=20 (par) Me
2
N 20 N
- las posiciones centrales son las: 10ª y la siguente: 1 11ª
2 2 2
- y la mediana será:
x N x N
1
11
Me 2 2
1 persona
2 2
19
Cálculo para valores no agrupados y frecuencias no unitarias (Tipo II) :
1) Calcular
N
2
2) Considerar las frecuencias Ni
N
3) Buscar el primer Ni
2
N
4) • Si Ni Mediana= Me xi correspondiente a este Ni
2
N xi xi 1
• Si Ni Mediana = Me
Descripción de variables estadísticas unidimensionales
2 2
Ni N
Ni
N 2
2
20
Ej_Mediana_[CS;SP Ej2.22]
Ejemplo Ej_Unidim_Discreto_3.xlsx
Tablas Tipo II
Los salarios mensuales de 100 empleados de unos grandes almacenes son los
siguientes:
Valores Frec
xi ni fi Ni Fi
1000 50 0,50 50 0,50
1250 30 0,30 80 0,80
2000 15 0,15 95 0,95
3000 5 0,05 100 1,00
100 1,00
N 100
1) Calcular 50
2 2
2) Considerar las frecuencias Ni
N
3) Buscar el primer Ni : el del valor 1000
2
N xi xi 1 1000 1250
4) • Como N i 50 Mediana = Me 1125 €
2 2 2
21
Cálculo para valores agrupados en intervalos y frecuencias no
unitarias (Tablas Tipo III):
(Li-1-Li] ni Ni N i 1
(Li-Li+1] ni+1 Ni+1 4) Me Li 1 2 ci
... ... ... ni
(Lk-1-Lk] nk Nk
N
22
Ej_Mediana_[CS;SP Ej2.23]
Ej_Unidim_Continuo_2.xlsx
Valores Frec
(Li-1 Li] ni xi fi Ni Fi
40 100 10 70 0,200 10 0,200
100 200 20 150 0,400 30 0,600
200 500 15 350 0,300 45 0,900
500 1000 5 750 0,100 50 1,000
50 1,00
Descripción de variables estadísticas unidimensionales
N
N i 1
2 25 10
4) Me Li 1 ci 100 (200 100) 175 m.€
ni 20
23
Ej_Mediana_[CS;SP Ej2.24]
Ej_Unidim_Continuo_1.xlsx
N
N i 1
4) 2 50 20
Me Li 1 ci 1 (2 1) 2 empleados
ni 30
24
Propiedades de la Mediana
25
2.2.3 Modas
fi f
x x
mo Mo Mo mo
26
Cálculo de las modas en distribuciones con valores no agrupados y
frecuencias no unitarias (Tablas Tipo II)
• Buscar los valores cuyas frecuencias no son superadas por las de los
valores colindantes:
– Todas son modas relativas
Descripción de variables estadísticas unidimensionales
27
Ej_Moda_[CS;SP Ej2.25]
Ej_Unidim_Discreto_2.xlsx
Población: 20 familias;
Descripción de variables estadísticas unidimensionales
xi ni
Max(ni ); Mo=1
0 4
1 10 Moda Absoluta
2 4
3 1
4 1 Moda Relativa =4
20
28
Ej_Moda_1
X= Puntuación de un examen
xi ni
4 10
5 30 Moda Relativa = 5
6 10
7 45 Moda Absoluta = 7
8 5
100
29
Ej_Moda_2
X= Puntuación de un examen
xi ni
Max(ni ):
4 10
5 40 Mo1 =5
6 5
7 40 Mo2 =7
8 5
Hay 2 Modas Absolutas
100
Distribución Bimodal
30
Ej_Moda_[CS;SP Ej2.26]
X= Puntuación de un examen
xi ni
Max(ni ):
5 15
6 40 Mo1 =6
7 40
8 5 Mo2 =7
100
Hay 2 Modas Absolutas
Distribución Bimodal
31
Ej_Moda_[CS;SP Ej2.27]
Ej_Unidim_Discreto_1.xlsx
xi ni Ni fi Fi 20
0 3 3 0,025 0,025 15
1 12 15 0,100 0,125
2 4 19 0,033 0,158 10
3 17 36 0,142 0,300 5
4 19 55 0,158 0,458
5 29 84 0,242 0,700 0
0 1 2 3 4 5 6 7 8 9 10
6 19 103 0,158 0,858
7 5 108 0,042 0,900
8 7 115 0,058 0,958
9 4 119 0,033 0,992
10 1 120 0,008 1,000 Modas relativas
Total 120 1
32
Ej_Moda_3
X= Estado Civil
xi ni
Casadas 50 Max(ni ); Mo=“Casadas”
Viudas 15
Moda Absoluta
Solteras 25
Divorciadas 10
N=100
33
Cálculo de las modas en distribuciones con valores agrupados
en intervalos (Tablas Tipo III)
ni
• Calcular la densidad de frecuencia de los intervalos: hi
ci
• Intervalo Modal: Aquél con mayor hi
• Moda: Aproximaremos por la marca de clase del Intervalo Modal
Descripción de variables estadísticas unidimensionales
34
Ej_Moda_4
Ej_Unidim_Continuo_3.xlsx
Ejemplo
Un comercio ha abierto sus puertas al público durante 25 días de un mes y ha obtenido las
siguientes recaudaciones (en euros):
16.500, 10.050, 12.320, 10.000, 22.540, 7.325, 13.800, 18.300, 14.600, 25.000, 17.085, 19.000,
11.900, 13.760, 15.075, 20.210, 7.280, 21.200, 23.090, 24.500, 15.800, 5.000, 13.050, 21.600,
17.700
Calcular la/s moda/s e interpretarla/s. (Li-1 Li] ni xi ci hi
5000 9000 3 7000 4000 0,00075
9000 13000 4 11000 4000 0,00100
13000 17000 7 15000 4000 0,00175
17000 21000 5 19000 4000 0,00125
21000 25000 6 23000 4000 0,00150
Descripción de variables estadísticas unidimensionales
25
Li-1; Li xi ni
[5000; 9000] 7000 3
(9000;13000] 11000 4 Intervalo Modal: (13000;17000]
(13000;17000] 15000 7 Moda: marca de clase del intervalo Modal 15000
(17000;21000] 19000 5
(21000;25000] 23000 6
N=25
35
Ej_Moda_[CS;SP Ej2.28]
Ej_Unidim_Continuo_6.xlsx
Ejemplo
(Li-1 Li] ni xi ci hi
75 125 25 100 50 0,5000
125 175 100 150 50 2,0000
Descripción de variables estadísticas unidimensionales
36
Ej_Moda_[CS;SP Ej2.29]
Ej_Unidim_Continuo_5.xlsx
Ejemplo
(Li-1 Li] ni xi ci hi
Descripción de variables estadísticas unidimensionales
37
Propiedades de la Moda
38
Relaciones entre las medidas de localización
– Y, además: x Mo 3 x Me
39
3. Medidas de Dispersión
0,120
0,100
0,080
0,060
Descripción de variables estadísticas unidimensionales
0,040
0,020
0,000
40
Medidas de dispersión
Clasificación:
Rango o Recorrido
Recorrido Intercuartílico
Recorrido Semiintercuartílico
Absolutas Desviación media
Desviación mediana
Varianza
Medidas Desviación típica
de
Descripción de variables estadísticas unidimensionales
41
Medidas de Dispersión Absoluta
42
Medidas de dispersión
1 r
1 r
1 r
- No podemos emplear:
N
i 1
ni i
x x
N
i 1
ni xi x · ni x x 0
N i 1
r
1
Dx
• Desviación Media (a la media): EM1 N
ni xi x
Descripción de variables estadísticas unidimensionales
i 1
1 r
• Varianza: S m2
2
ni xi x
2
N i 1
Desviación Típica: S S 2
43
Diapositiva 43
EM1 La desviación media, hay que pensar si se quita o se introduce un ejemplo de ella...
Emilia Martos; 04/05/2021
Medidas de dispersión
Propiedades de la Varianza
0 S2
r r
1 1
n x x n x
2
S 2
i i 2
i i x2
N i 1 N i 1
x
x S x S
~68,3%
x 2S x 2S
~95,4%
x 3S x 3S
~99,7%
44
Medidas de dispersión
• Recorrido Intercuartílico: RI Q3 Q1
45
Diapositiva 45
EM2 Dejamos las medidas de dispersión con respecto a la mediana? Si dejamos alguna, habrá que hacer un ejemplo...
Emilia Martos; 04/05/2021
EM3 Esta propiedad sólo iene sentido si dejamos las desviaciones con respecto a la mediana y la desviación Media
Emilia Martos; 04/05/2021
Medidas de Dispersión Relativas
46
Medidas de dispersión
max x i
• Coeficiente de Apertura: A
min x i
xi 0 i 1,···,r
La más empleada:
S
• Coeficiente de Variación de Pearson: V1
x
47
Ej_Medidas Dispersión_[CS;SP Ej2.32]
Ej_Unidim_Discreto_2.xls
Ejemplo Tablas Tipo II
ni xi x
2
r
1 25 19, 75
x
N
ni xi
i 1 20
1, 25 personas S2 i 1
N
20
0,9875 personas 2
r
n x 2
i i
51
1, 25 0,9875 personas 2
2
O, alternativamente: S 2 i 1
x2
N 20
S S 2 0,9875 0,99 personas
S 0,99
V1 0, 795 79,5%
x 1, 25
48
Diapositiva 48
U1 Si dejamos las medidas de dispersión Desviación media, Desviación mediana, MEDA y Recorrido intercuartílico, hay que calcularlas en el ejemplo
UAH; 21/04/2021
Ej_Medidas Dispersión_[CS;SP Ej2.16]
Ej_Unidim_Continuo_3.xls
Ejemplo Tablas Tipo III
25 403.000 7.185.000.000
r
1 403000
x
N
ni xi
i 1 25
16120 €
r r
n x x n x
2 2
i i i i
7185·106
16120 27545600 € 2
2
S
2 i 1
i 1
x
2
N N 25
S S 2 27545600 5248,39 €
S 5248, 39
V1 0, 3256 32,56%
x 16120
49
4. Momentos
r
1
• Hemos visto que: x
N
n x
i 1
i i
r r
1 1
n x x n x
2
S2 i i i i
2
x2
N i 1 N i 1
50
Momentos
• Casos particulares:
Descripción de variables estadísticas unidimensionales
– a 1
0
1 r
– a1
N i 1
ni xi x
r
1 1 r
– a
2
N i 1
n x
i i
2
S 2
N
i 1
n x
i i
2
x 2
a 2 a1
2
51
Momentos
• Casos particulares:
Descripción de variables estadísticas unidimensionales
– m0 1
– m1 0
1 r
i i
2
– m2 n x x S 2
N i 1
52
Momentos
» m2 a2 x 2
» m3 a3 3a 2 x 2 x 3
» m 4 a 4 4 a3 x 6 a 2 x 2 3 x 4
Descripción de variables estadísticas unidimensionales
N i 1 N i 1 j 0 j j 0 j
53
Medidas de Forma
4. Medidas de Forma
0,100
0,080
0,060
0,040
0,020
0,000
Descripción de variables estadísticas unidimensionales
Rango o Recorrido
0,120 Recorrido Intercuartílico
Recorrido Semi-intercuartílico
Desviación media
0,100
Absolutas
0,080 Desviación mediana
Varianza
Desviación típica
0,060
0,040
Medidas de
Coeficiente de Apertura
Dispersión
0,020
Recorrido Relativo
0,000
Relativas Recorrido Intercuartílico Relativo
Recorrido Semi-intercuartílico Relativo
Coeficiente de Variación de Pearson
Índice de Dispersión Mediana
54
Medidas de Forma
4. Medidas de Forma
• Pero puede haber variables que con la misma medida de posición central y
dispersión sean sustancialmente diferentes
Descripción de variables estadísticas unidimensionales
Nº 55
Medidas de Forma
vs
vs
56
Medidas de Forma
Clasificación:
Índice de asimetría de Pearson
Con respecto a la Media
Índice de asimetría de Fisher
Medidas de
Asimetría
Coeficiente Absoluto de Asimetría
Medidas Con respecto a la Mediana
de Índice de asimetría de Bowley
Forma
o Apuntamiento
57
Medidas de Forma
Medidas de Asimetría
x Me Mo
Me x Mo
Simetría
Simetría / m3=0
Tipos de Asimetría:
Mo Me x x Me Mo
58
EM4 Medidas de Forma
Si índice = 0
Medidas de Asimetría: Simetría
Si índice > 0 Asimetría positiva
Si índice < 0 Asimetría negativa
g1 3 i 1
S S3
(Q3 Q2 ) (Q2 Q1 )
– Coeficiente Absoluto de Asimetría: f2
S
(Q3 Q2 ) (Q2 Q1 )
– Indice de Asimetría de Bowley: B
Q3 Q1
59
Diapositiva 59
EM4 Dejamos las medidas de asimetría con respecto a la mediana? Si las dejamos habrá que calcularlas en el ejemplo...
Emilia Martos; 04/05/2021
Medidas de Forma
m4
– Coeficiente de Curtosis de Fisher: g2 4 3
s
Platicúrtica Leptocúrtica
60
U2 Ej_Medidas de Forma_[CS;SP Ej2.32]
Ej_Unidim_Discreto_2.xls
Ejemplo
m4 a4 4a3 x 6a2 x 2 3 x 4
20, 55 4· 6, 65 1, 25 6· 2,55 ·1, 25 3·1, 25 3,8820
2 4
m3 0,9938 m4 3,8820
g1 1, 01 g2 3 3 0,98
0,9875
3 3/ 2
S s 4
0.9875 2
61
Diapositiva 61
U2 Si se quedan los índices de asimetría con respecto a la mediana, hay que calcularlos en el ejemplo
UAH; 21/04/2021
Ej_Unidim_Continuo_3.xls
Ejemplo
m4 a4 4a3 x 6a2 x 2 3 x 4
110031720·109 4· 5491·109 16120 6· 2874·10 4 ·16120 3·16120 1492039761920000
2 4
m3 29958144000 m4 1492039761920000
g1 0, 21 g2 3 3 1, 03
27545600
3 3/ 2
S s 4
27545600 2
62
Síntesis Gráfica: el Gráfico de Caja y Bigotes
• Es una representación gráfica de una distribución estadística
unidimensional que refleja sus principales características: límite inferior,
primer cuartil, mediana, tercer cuartil y límite superior, informando de
cómo son las colas de la misma.
• Si H Q 3 Q 1 , el diagrama general es:
~100%
~99,3%
3 3
Q3 (Q3 Q1 ) Q3 3(Q3 Q1 )
Descripción de variables estadísticas unidimensionales
Q1 3(Q3 Q1 ) Q1 (Q3 Q1 ) 2
2
1,5H 1,5H Q1 Q3 1,5H 1,5H
Min{xi} Me Max{xi}
Barreras interiores
Barreras exteriores
Bisagra superior: Q3
376
extensión: H=Q3-Q1 6000000
637
7
164
2000000
Barreras exteriores:
Superior Q3 +3H
Inferior Q1 -3H
348
23
430
419
0
64
6. Medidas de Concentración
65
Medidas de concentración
La curva de Lorenz:
– Ordenamos los valores de menos a mayor, como de costumbre
x1 x2 ··· xi ··· xr Ni
– Calculamos la proporción de individuos hasta el intervalo í-ésimo: i N 100
p
i
– Calculamos la cantidad de recursos repartidos hasta el intervalo í-ésimo: ui n j x j
j 1
Descripción de variables estadísticas unidimensionales
• Casos extremos:
– Equidistribución: diagonal del cuadrado
– Máxima concentración: Lados del cuadrado
Curva de
Lorenz
p i%
66
Medidas de concentración
i 1 i 1
Curva de
Mínima 0 IG 1 Máxima Lorenz
Concentración Concentración p i%
• Casos extremos:
– Equidistribución: Curva de Lorenz en la diagonal del cuadrado IG=0
– Máxima concentración: Curva de Lorenz en los lados del cuadrado IG=1
67
Ej_medidas de concentración_[CS;SP Ej2.34]
Ej_Unidim_Discreto_4.xlsx
Ejemplo
En una empresa existen 4 categorías profesionales, y cada una de ellas tiene unos
niveles de ingresos mensuales diferentes. Las frecuencias que expresan dichos
niveles de ingresos junto al número de personas de cada categoría es la siguiente:
xi ni
1000 25
2000 10
3000 4
4000 1
40
r 1 r 1
( p q ) i i
0,393
q i
2, 08
IG i 1
r 1
0,1588 IG 1 i 1
r 1
1 0,1588
2, 48 2, 48
p i p
i 1
i
i 1
68
Transformación lineal de una Variable Estadística
A. Cambio de Origen:
U3 xi ui xi O t
transforma r
•• ••
•• •• ••
•• ••
xi ni
••
Descripción de variables estadísticas unidimensionales
10
20
30
4
6
6
•• ••
40 2 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
50 2
ui xi 30
•• ••
ui ni
•• •• ••
-20
-10
0
4
6
6
•• •• •• •• ••
10 2
20 2 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
69
Diapositiva 69
U3 Para explicar la transformación de una variable, mejor hacer un ejercicio con salarios y diferentes subidas salariales
UAH; 21/04/2021
Transformación lineal de una variable estadística
B. Cambio de Escala
xi
transforma r
xi
wi
C
– ¿Cómo se transforma la distribución de X?
•• ••
•• •• ••
xi ni
•• •• •• •• ••
Descripción de variables estadísticas unidimensionales
10 4
20 6
30 6
-20 -15 -10 -5 5 10 15 20 25 30 35 40 45 50
40 2 0
50 2
xi
wi
10
••••
••••••
wi ni
••••••••••
1 4
2 6
3 6
4 2 -5 40 45 50
-20 -15 -10 0 5 10 15 20 25 30 35
5 2
70
Transformación lineal de una variable estadística
•• ••
•• •• ••
xi ni
•• •• •• •• ••
Descripción de variables estadísticas unidimensionales
10 4
20 6
30 6
40 2 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
50 2
xi 30
yi
10
••••
••••••
yi ni
-2 4
-1
0
1
6
6
2
••••••••••
2 2 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
71
Transformación lineal de una variable estadística
xi Ot x Ot
Efecto sobre la media yi y
C C
x i2ni •• ••
••
xi ni x ini
10 4 40 400
•• ••
20
30
40
6
6
2
120
180
80
2400
5400
3200
•• •• •• •• ••
50 2 100 5000
20 520 16400 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
ui xi 30 •• •• x
520
26
•• •• •• 20
ui
-20
-10
ni
4
6
uini
-80
-60
ui2ni
1600
600
•• •• •• •• ••
Descripción de variables estadísticas unidimensionales
0 6 0 0
10 2 20 200
-20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
20 2 40 800 80
20 -80 3200 u x Ot 26 30 4 u 4
20
yi
ui xi 30
••••
10 10 ••••••
yi
-2
ni
4
y ini
-8
y i2ni
16
••••••••••
-1 6 -6 6
0 6 0 0 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
1 2 2 2
x Ot 26 30 8
2 2 4 8
y 0.4 y 0.4
20 -8 32
10 10 20
72
Transformación lineal de una variable estadística
x Ot
y x C ·y Ot
Descripción de variables estadísticas unidimensionales
C
Mex Ot
Me y Mex C ·Mey Ot
C
Mox Ot
Mo y Mox C ·Mo y Ot
C
Cr / q ( x ) Ot
Cr / q ( y ) Cr / q ( x ) C ·Cr / q ( y ) Ot
C
73
Transformación lineal de una variable estadística
ui xi 30 •• •• Sx
16400
26 2 12
•• •• •• 20
ui
-20
-10
ni
4
6
uini
-80
-60
ui2ni
1600
600
•• •• •• •• ••
Descripción de variables estadísticas unidimensionales
0 6 0 0
10 2 20 200
-20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
20 2 40 800
S u S x 12
3200
20 -80 3200 Su ( 4) 2 12
20
yi
ui xi 30
••••
10 10 ••••••
yi
-2
ni
4
y ini
-8
y i2ni
16
••••••••••
-1 6 -6 6
0 6 0 0 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
1 2 2 2
S x 12 32
2 2 4 8
Sy 1 .2 Su (0.4) 2 1.2
20 -8 32
C 10 20
74
Transformación lineal de una variable estadística
SX
SY S X C ·SY
Descripción de variables estadísticas unidimensionales
C
S x2
S 2
2
y S x2 C 2 ·S y2
C
mh ( x) h
mh ( y ) h
mh ( x) C mh ( y )
C
75
Transformación lineal de una variable estadística
X Y = (X-30) / 10 Y
x Ot
media 26 y = (26-30) / 10 = -0,40
C
Me X Ot
mediana 26 Me Y = (26-30) / 10 = -0,40
Cx
Mo X Ot
moda 26 Mo Y = (26-30) / 10 = -0,40
Cx
C p X Ot
Descripción de variables estadísticas unidimensionales
77
Tipificación de una variable
Proceso de Tipificación:
• Dada cualquier variable X, con media x y varianza positiva S x 0
siempre podemos obtener la correspondiente variable tipificada, Z,
Descripción de variables estadísticas unidimensionales
Básica:
–CASAS, J.M.; et al. (2010): Estadística para las Ciencias Sociales. Ed. Universitaria Ramón
Areces. Cap.2:4,6
Complementaria:
–[A;S;W] ANDERSON, D.R.; SWEENEY, D.J. & WILLIAMS, T.A. Estadística para Administración
y Economía. Ed. Paraninfo. 1999. págs. 63-88; 100-104.
–[A;G] ARANDA, J.; GOMEZ, J. Introducción a la Estadística Económica y Empresarial. (2 Vols). Ed. PPU.
1992. págs. 35-69
Descripción de variables estadísticas unidimensionales
–[CS+4] CASAS, J.M; CALLEALTA, F.J.; NUÑEZ, J.J.; TOLEDO, M.I.; UREÑA, C. Curso Básico de Estadística
Descriptiva. INAP. Madrid. 1986. págs. 87-149
–[CS;SP] Casas Sánchez, J.M.; Santos Peñas, J. Introducción a la estadística para Economía. 2ª edición.
Editorial Centro de Estudios Ramón Areces. 2002. págs. 61-108
–[MP] MARTIN PLIEGO, J.J. Introducción a la Estadística Económica y Empresarial (Teoría y Práctica). Ed.
AC. 1994. págs. 37-192
–[U;M] URIEL, E.; MUÑIZ, M. Estadística Económica y Empresarial. Teoría y ejercicios. Ed. AC. 1988. págs.
15-50
79