• Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
363
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
11
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. PARÁMETROS ESTADÍSTICOS * Medidas de Centralización: Medias, moda yMediana * Medidas dePosición:Cuartiles,Deciles,Centiles * Medidas de Dispersión: Rango, rangointercuartílico,Desviación media, varianza,desviación típica. * Medidas de Forma: coeficiente deapuntamiento,coeficiente de asimetría (curtosis)
  • 2. MEDIDAS DE CENTRALIZACIÓN Media:-Media aritmética:La media aritmética de una variable se define como la sumaponderada de los valores de la variable por sus frecuencias relativas y lodenotaremos por x,y.Fórmula:-Media geométrica:La media geométrica de N observaciones es la raíz deíndice N del producto de todas las observaciones. La representaremos por G.Fórmula:-Media armónica:La media armónica de N observaciones es la inversa de lamedia de las inversas de las observaciones y la denotaremos por H.Fórmula:
  • 3. MEDIDAS DE CENTRALIZACIÓN Moda:La moda es el valor de la variable quetenga mayor frecuencia absoluta, la que más se repite. Para calcular la moda en el caso de que la variable sea continua, utilizamos la siguiente fórmula:
  • 4. MEDIDAS DE CENTRALIZACIÓN Mediana:es el valor central de la variable, es decir, supuesta lamuestra ordenada en orden creciente o decreciente, el valor que divide en dos partes la muestra. Cálculo de la mediana en el caso discreto: Tendremos en cuenta el tamaño de la muestra.Si N es Impar, hay un término central, el término que será el valor de la mediana.Si N es Par, hay dos términos centrales, la mediana será la media de esos dos valores (...)
  • 5. Medidas de centralización (...)Cálculo de la mediana en el caso continuo: Si la variable es continua, la tabla vendrá en intervalos, por lo que se calcula de la siguiente forma:
  • 6. Medidas de posición Son indicadores usados para señalar queporcentaje de datos dentro de una distribución de frecuencias superan estas expresiones, cuyo valor representa el valor del dato que se encuentra en el centro de la distribución de frecuencia.
  • 7. Medidas de posiciónCuartiles (Q1, Q2,Q3)*Fórmula de Q1 para series de Datos Agrupadosen Clase.*Fórmula de Q3 para series de Datos Agrupadosen Clase.
  • 8. Medidas de posiciónDeciles.Fórmula para calcular deciles de forma continua.Ejemplos:
  • 9. Medidas de posiciónCentiles: Se denomina Centil o Percentil lapuntuación que deja por bajo el k por ciento delas puntuaciones de una distribución.Fórmula:
  • 10. Medidas de dispersiónLas medidas de dispersión nos informan sobre cuánto se alejan del centro losvalores de la distribución.* Rango:El rango es la diferencia entre el mayor y el menor de los datos de unadistribución estadística.* Rango intercuartílico: 􀁼 Es la diferencia entre el Q1 y el Q3 Nos indica la dispersión en el 50% central de la distribuciónEs más sensible a la concentración de los datos que elrecorrido ordinarioSu cálculo es indistinto para datos originales como para datosagrupados. RI =Q3 −Q1
  • 11. Medidas de dispersión Desviacion media:La desviación respecto a la media es la diferencia entre cada valor de la variable estadística y la media aritmética. Varianza: es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.
  • 12. Medidas de dispersión La desviación típica es la raíz cuadrada de la varianza.
  • 13. Medidas de formasEL SESGO:Mide las desviaciones de las MTC., Ya que el seesgo es el grado de asimetría o falta de asimetría, de una distribucion, si elpoligono de frecuencias visualizado de una distribucion tiene una cola más larga a la derecha del máximo central que a la izquierda, se dice que la distribucion esta sesgada a la derecha o que tiene sesgo positivo(asimetría positiva) y si al contrario se dice que tiene sesgo (asimetría negativa) en la asimetria encontramos si es: Sg= __X -Md__ = Sesgo es igual a: media menos la moda partido o dividido desviacion. S los datos más utilizados son los sig: moda , media, desviación.
  • 14. Medidas de formas CURTOSIS:Es la agudeza de la curva normal , esta agudezapuede ser alta , baja, o intermedia dando lugar a diferentes tipos de curvas como: plato, meso, leptocúrtica, curtosis igual a un medio entre cuartil 3 menos cualtil 1 dividido percentil de 90 menos percentil de 10
  • 15. Interpretacion de la media y ladesviacion tipicaInterpretacion de la media: se aplica a aquellas situaciones enlas que la media aritmética se calcula para un subconjunto de lapoblación objeto de estudio.La media muestral es un parámetro de extrema importancia enla inferencia estadística, siendo de gran utilidad para laestimación de la media poblacional, entre otros usos.La desviación estándar puede ser interpretada como una medidade incertidumbre. La desviación estándar de un grupo repetidode medidas nos da la precisión de éstas. Cuando se va adeterminar si un grupo de medidas está de acuerdo con elmodelo teórico, la desviación estándar de esas medidas es devital importancia: si la media de las medidas está demasiadoalejada de la predicción (con la distancia medida endesviaciones estándar), entonces consideramos que lasmedidas contradicen la teoría.
  • 16. Desigualdad de TCHEBYCHEFFEn probabilidad, la desigualdad de Chebyshov (tambiénescrito como "Tchebycheff") es un resultado que ofreceuna cota inferior a la probabilidad de que el valor de unavariable aleatoria con varianza finita esté a una ciertadistancia de su esperanza matemática. La desigualdadrecibe su nombre del matemático ruso Pafnuti Chebyshov.*Sea variable aleatoria con momento de orden finito,entonces
  • 17. Transformación de datosestadisticosla transformación de datos se efectúa para asegurarse así de quetienen una distribución normal (un remedio para los valores atípicos, fallas de la normalidad, la linealidad, y homocedasticidad), lo quenormalmente se hace para preparar los datos para el análisis deregresión,[1] ya que este análisis asume los datos son lineales,normales y homoscedásticos. Esto también se conoce como latransformación de la linealidad. Un buen indicador de los datos conuna distribución normal es el sesgo en el rango de -0,8 a 0,8 ycurtosis en el rango de -3,0 a 3,0.Pequeñas muestras de una de población con valores atípicos sonun problema, porque los intervalos de confianza que producen amenudo están fuera de centro y son muy estrechos. El intervalo deconfianza será mayor que la tasa de captura de estos intervalos. Siel tamaño de la muestra es demasiado pequeña o los datos estánsesgados se puede intentar una de estas transformaciones:logarítmica, raíz cuadrada o inversa.
  • 18. Coeficiente de VariaciónSu fórmula expresa la desviación estándar como porcentaje de lamedia aritmética, mostrando una mejor interpretación porcentual delgrado de variabilidad que la desviación típica o estándar. Por otrolado presenta problemas ya que a diferencia de la desviación típicaeste coeficiente es variable ante cambios de origen. Por ello esimportante que todos los valores sean positivos y su media dé, portanto, un valor positivo. A mayor valor del coeficiente de variaciónmayor heterogeneidad de los valores de la variable; y a menor C.V.,mayor homogeneidad en los valores de la variable. Suelerepresentarse por medio de las siglas C.V.*Se calcula: