SlideShare a Scribd company logo
1 of 26
Download to read offline
Datos Agrupados
Contenido
Introducción Antecedentes
Tendencia central
y dispersión
Introducción
La agrupación de datos
Esta presentación es la cuarta y última
parte, de cuatro, en las que se
construye una tabla de distribución de
frecuencias para datos agrupados.
El objetivo es mostrar detalladamente
las operaciones aritméticas necesarias
para resumir un conjunto de datos
agrupándolos en intervalos, también
llamados clases o categorías.
Introducción
Hasta ahora se han
completado las
primeras 7
columnas, y sólo
faltan 3, las medidas
de tendencia central
y dispersión:
Media aritmética
Desviación media
Varianza
Desviación estándar
Coeficiente de
variación.
Antecedentes
En caso que sea necesario, este
es el conjunto de datos con el
que se está trabajando.
Medidas de tendencia central
Síntesis de datos
Una forma rápida de obtener información acerca de un conjunto de
datos es la obtención de estadísticos que los representan, entre dichos
estadísticos se encuentran las medidas de tendencia central: media
aritmética, mediana, moda, entre otras.
En esta presentación aprenderemos a calcular la media aritmética para
datos agrupados que se representa de acuerdo al conjunto de datos.
Media aritmética de una población: m
Media aritmética de una muestra: ഥ𝒙
A la media aritmética comúnmente se le conoce como promedio y,
cuando se trata de datos no agrupados, se determina sumando todos los
valores y dividiendo entre el número de datos.
En el ejemplo que estamos resolviendo se trata de una muestra, por lo
tanto se representa como: ഥ𝒙
Para calcularla vamos a efectuar la multiplicación indicada en la octava
columna: 𝒇𝒊 ∙ 𝒙𝒊
Media aritmética de una muestra
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100
46.5 52.5 49.5 9 12 0.030 0.0400
52.5 58.5 55.5 23 35 0.077 0.1167
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 3×43.5
46.5 52.5 49.5 9 12 0.030 0.0400 9×49.5
52.5 58.5 55.5 23 35 0.077 0.1167 23×55.5
58.5 64.5 61.5 43 78 0.143 0.2600 43×61.5
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Para cada clase, categoría o intervalo se llevan a cabo las operaciones
indicadas, como se muestra en la figura.
Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el
procedimiento pero sólo para fines de aclaración del procedimiento.
Se multiplica la frecuencia uno por la marca de clase uno, luego la dos, y así
sucesivamente.
Media aritmética de una muestra
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5
46.5 52.5 49.5 9 12 0.030 0.0400 445.5
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5
64.5 70.5 67.5 62 140 0.207 0.4667 4185
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5
82.5 88.5 85.5 26 282 0.087 0.9400 2223
88.5 94.5 91.5 16 298 0.053 0.9933 1464
94.5 100.5 97.5 2 300 0.007 1.0000 195
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Media aritmética de una muestra
De acuerdo con la fórmula, estos productos se suman y el resultado se
divide entre el número de datos, en nuestro caso 300. EL resultado de la
división es la media aritmética muestral.
=
1
𝑛
෍
=1
𝑛
∙
Fórmula para
determinar la
media aritmética
muestral
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5
46.5 52.5 49.5 9 12 0.030 0.0400 445.5
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5
64.5 70.5 67.5 62 140 0.207 0.4667 4185
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5
82.5 88.5 85.5 26 282 0.087 0.9400 2223
88.5 94.5 91.5 16 298 0.053 0.9933 1464
94.5 100.5 97.5 2 300 0.007 1.0000 195
Totales: 21408
Media aritmética: 71.3600
Desviación media:
Varianza: s 2
=
Desviación estándar: s =
Coeficiente de variación: Cv =
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙
=
=
∙ ∙
Media aritmética de una muestra
Esta forma de
calcular la media
aritmética es la
que ocasiona
inexactitud, ya
que al
multiplicar la
frecuencia por la
marca de clase
estamos
considerando
que todos los
datos dentro del
intervalo son
iguales a dicha
marca de clase.
=
1
𝑛
෍
=1
𝑛
∙
Media aritmética de una muestra
Como ya se mencionó,
existen otras medidas de
tendencia central que serán
estudiadas posteriormente.
Para completar la tabla de
análisis estadístico
solamente necesitamos la
media aritmética.
Caracterizar una población o muestra únicamente con las medidas de
tendencia central no es suficiente; puede haber situaciones muy
diferentes que produzcan el mismo valor de media aritmética.
Un elemento muy importante para el análisis de datos es la dispersión de
los mismos, es decir, que tan cercanos o lejanos se encuentran de la
media aritmética.
En esta presentación estudiaremos las medidas de dispersión:
Desviación media, Varianza, Desviación estándar y Coeficiente de
variación.
Medidas de dispersión
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5
46.5 52.5 49.5 9 12 0.030 0.0400 445.5
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
También llamada desviación absoluta promedio, es el promedio de las
desviaciones absolutas de las marcas de clase, respecto a la media
aritmética de los datos.
Es una forma de resumir la dispersión estadística de un conjunto de
datos, se representa como: 𝑫ഥ𝒙
Para calcularla vamos a efectuar las operaciones indicadas en la novena
columna: 𝒙𝒊 ഥ𝒙 𝒇𝒊
Desviación media
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5
46.5 52.5 49.5 9 12 0.030 0.0400 445.5
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
1 ∙
1 ∙
1 ∙
Para cada clase, categoría o intervalo se llevan a cabo las operaciones
indicadas, como se muestra en la figura.
Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el
procedimiento pero sólo para fines de aclaración del procedimiento.
Las barras verticales significan “valor absoluto”, por lo que se tomarán
todos los resultados de la resta con signo positivo.
Desviación media
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98
64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42
82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64
88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24
94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Desviación media
De acuerdo con la fórmula, los resultados de cada categoría se suman y el
resultado se divide entre el número de datos, en nuestro caso 300. El
resultado de la división es la desviación media.
=
1
𝑛
෍
=1
𝑛
Fórmula para
determinar la
desviación media
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98
64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42
82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64
88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24
94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28
Totales: 21408 2616.8
Media aritmética: 71.3600
Desviación media: 8.7227
Varianza: s 2
=
Desviación estándar: s =
Coeficiente de variación: Cv =
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙
=
=
∙ ∙
Desviación media
La desviación
media es útil
para caracterizar
los datos en
estudio en
cuanto a su
dispersión.
Actualmente se
emplea más la
desviación
estándar que se
calculará en las
siguientes
diapositivas.
=
1
𝑛
෍
=1
𝑛
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Estas tres medidas de dispersión se obtiene efectuando operaciones en la última
columna. En nuestro caso se trata de una muestra, por lo que se representan con los
símbolos siguientes.
Varianza: 𝒔 𝟐
Desviación estándar: 𝒔 Coeficiente de variación: 𝑪𝒗
Operaciones: Se resta la media a cada marca de clase y el resultado se eleva al
cuadrado, finalmente este cuadrado se multiplica por la frecuencia absoluta.
Varianza, desviación estándar y coeficiente de variación
Para cada clase, categoría o intervalo se llevan a cabo las operaciones
indicadas, como se muestra en la figura.
Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el
procedimiento pero sólo para fines de aclaración del procedimiento.
Al restar puede obtenerse un resultado negativo, pero al elevarlo al
cuadrado se vuelve positivo
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
1 ∙
1 ∙
1 ∙
1 1 ∙
Varianza, desviación estándar y coeficiente de variación
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 2328.5388
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 4300.7364
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 5785.4108
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 4180.4428
64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 923.7752
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 288.5148
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 3511.7588
82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 5198.4296
88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 6489.9136
94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 1366.5992
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙ ∙ ∙
Al tratarse de una muestra, se divide entre n – 1, en nuestro caso 300 – 1 = 299.
Cuando se estudia una población se divide entre n.
Elevar al cuadrado hace positivos todos los resultados, pero dificulta la
del valor de la varianza, por ello, se acostumbra utilizar la desviación estándar, que
la raíz cuadrada de la varianza.
𝑠 =
1
𝑛 1
෍
=1
𝑛
Fórmula para
determinar la varianza
muestral
Varianza, desviación estándar y coeficiente de variación
Marcas de
Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum.
inferior superior
40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 2328.5388
46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 4300.7364
52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 5785.4108
58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 4180.4428
64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 923.7752
70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 288.5148
76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 3511.7588
82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 5198.4296
88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 6489.9136
94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 1366.5992
Totales: 21408 2616.8 34374.12
Media aritmética: 71.3600
Desviación media: 8.7227
Varianza: s 2
= 114.963612
Desviación estándar: s = 10.7221086
Coeficiente de variación: Cv = 0.15025376
Intervalos reales Frecuencias
Medidas de tendencia central y dispersión
∙
=
=
∙ ∙
La desviación
estándar permite
establecer la
dispersión de un
conjunto de datos,
pero el coeficiente de
variación tiene la
ventaja de que es una
medida relativa de
variabilidad.
En nuestro ejemplo la
variación es del
15.02%.
Se calcula dividiendo
la desviación estándar
entre el valor
absoluto de la media
aritmética.
𝑠 =
1
𝑛 1
෍
=1
𝑛
Varianza, desviación estándar y coeficiente de variación
Medidas de tendencia central
y dispersión en el histograma.
En la presentación 3 se explica cómo se construye un histograma mediante los
intervalos reales y las frecuencias absolutas.
Medidas de tendencia central y dispersión en el
histograma.
Para que el histograma sea realmente útil es necesario agregar algunas líneas
de referencia que nos permitirán profundizar en el análisis de datos.
Medidas de tendencia central y dispersión en el histograma.
Un primer valor que debe aparecer en el histograma es la media aritmética, y
debe colocarse en la posición que le corresponde según los valores que se
registran en el eje equis.
La representación de
la media aritmética
nos permite realizar
diversas observaciones
acerca del
comportamiento de
los datos.
Aún falta agregar 6
líneas más.
Medidas de tendencia central y dispersión en el histograma.
Le vamos a sumar y restar a la media aritmética, tres múltiplos de la
desviación estándar: ഥ𝒙 𝟑𝒔, ഥ𝒙 𝟐𝒔, ഥ𝒙 𝟏𝒔, ഥ𝒙 + 𝟏𝒔, ഥ𝒙 + 𝟐𝒔, ഥ𝒙 + 𝟑𝒔
Estas seis líneas nos
servirán para
comparar el
comportamiento de la
muestra o población
con las medidas de
tendencia central y
dispersión.
En algunos casos se agregan
otras referencias que se
estudiarán posteriormente.
Medidas de tendencia central y dispersión en el histograma.
Por su atención
Gracias

More Related Content

What's hot

Datos agrupados (intervalos)
Datos agrupados (intervalos)Datos agrupados (intervalos)
Datos agrupados (intervalos)Guadaluep
 
Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla CarlosDavid108
 
Medidas de dispersión calculo a mano
Medidas de dispersión calculo  a manoMedidas de dispersión calculo  a mano
Medidas de dispersión calculo a manoGALILEO
 
Variable discreta
Variable discretaVariable discreta
Variable discretabillod
 
Medidas de tendencia central y dispercion
Medidas de tendencia central y dispercionMedidas de tendencia central y dispercion
Medidas de tendencia central y dispercionJose Ojeda
 
Datos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasDatos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasnchacinp
 
7 btoq control chart
7 btoq control chart7 btoq control chart
7 btoq control chartEdgar Mata
 
Diagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosDiagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosnchacinp
 
Distribuciòn muestral de la media.
Distribuciòn muestral de la media.Distribuciòn muestral de la media.
Distribuciòn muestral de la media.maryanbalmaceda
 
Proceso estadístico
Proceso estadísticoProceso estadístico
Proceso estadísticoWilliams350
 
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdfCuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdfCarlos Franco
 
Solucion Practica 1.
Solucion Practica 1.Solucion Practica 1.
Solucion Practica 1.PZB200
 

What's hot (20)

Estadística 1
Estadística 1Estadística 1
Estadística 1
 
Datos agrupados (intervalos)
Datos agrupados (intervalos)Datos agrupados (intervalos)
Datos agrupados (intervalos)
 
Medidas de tendencia central Estadística
Medidas de tendencia central EstadísticaMedidas de tendencia central Estadística
Medidas de tendencia central Estadística
 
Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla
 
Medidas de dispersión calculo a mano
Medidas de dispersión calculo  a manoMedidas de dispersión calculo  a mano
Medidas de dispersión calculo a mano
 
Variable discreta
Variable discretaVariable discreta
Variable discreta
 
Medidas de tendencia central y dispercion
Medidas de tendencia central y dispercionMedidas de tendencia central y dispercion
Medidas de tendencia central y dispercion
 
Proceso estadístico
Proceso estadísticoProceso estadístico
Proceso estadístico
 
Datos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasDatos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivas
 
Medidas de Dispersión
Medidas de DispersiónMedidas de Dispersión
Medidas de Dispersión
 
Proceso estadístico
Proceso estadísticoProceso estadístico
Proceso estadístico
 
7 btoq control chart
7 btoq control chart7 btoq control chart
7 btoq control chart
 
Diagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosDiagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicos
 
Distribuciòn muestral de la media.
Distribuciòn muestral de la media.Distribuciòn muestral de la media.
Distribuciòn muestral de la media.
 
Proceso estadístico
Proceso estadísticoProceso estadístico
Proceso estadístico
 
Representaciones graficas
Representaciones graficasRepresentaciones graficas
Representaciones graficas
 
Estadistica I 03
Estadistica  I 03Estadistica  I 03
Estadistica I 03
 
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdfCuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
 
Solucion Practica 1.
Solucion Practica 1.Solucion Practica 1.
Solucion Practica 1.
 
Sistema Internacional, cifras significativas, propagación de la incertidumbre
Sistema Internacional, cifras significativas, propagación de la incertidumbreSistema Internacional, cifras significativas, propagación de la incertidumbre
Sistema Internacional, cifras significativas, propagación de la incertidumbre
 

Similar to Grouped data 04 (20)

Datos agrupados 04
Datos agrupados 04Datos agrupados 04
Datos agrupados 04
 
Mediana 100715195108-phpapp01
Mediana 100715195108-phpapp01Mediana 100715195108-phpapp01
Mediana 100715195108-phpapp01
 
SesióN 3
SesióN 3SesióN 3
SesióN 3
 
Estadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratoriosEstadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratorios
 
Estadistica gral
Estadistica gralEstadistica gral
Estadistica gral
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Parametros de la Cola ortega
Parametros de la Cola   ortegaParametros de la Cola   ortega
Parametros de la Cola ortega
 
Pres8 medidas de_dispersion
Pres8 medidas de_dispersionPres8 medidas de_dispersion
Pres8 medidas de_dispersion
 
Trabajo 4 final
Trabajo 4 finalTrabajo 4 final
Trabajo 4 final
 
Trabajo 4 final
Trabajo 4 finalTrabajo 4 final
Trabajo 4 final
 
SesióN 4
SesióN 4SesióN 4
SesióN 4
 
Ejercicios de estadística descriptiva y su relación con la probabilidad
Ejercicios de estadística descriptiva y su relación con la probabilidadEjercicios de estadística descriptiva y su relación con la probabilidad
Ejercicios de estadística descriptiva y su relación con la probabilidad
 
a quien interese
a quien interesea quien interese
a quien interese
 
Pres8 medidas de_dispersion
Pres8 medidas de_dispersionPres8 medidas de_dispersion
Pres8 medidas de_dispersion
 
HERRAMIENTAS DE ANÁLISIS DE DATOS
HERRAMIENTAS DE ANÁLISIS DE DATOSHERRAMIENTAS DE ANÁLISIS DE DATOS
HERRAMIENTAS DE ANÁLISIS DE DATOS
 
Ejercicio 5
Ejercicio 5Ejercicio 5
Ejercicio 5
 
Distribuciondefrecuencias
DistribuciondefrecuenciasDistribuciondefrecuencias
Distribuciondefrecuencias
 
Py e 10
Py e 10Py e 10
Py e 10
 
Py e 10
Py e 10Py e 10
Py e 10
 
5. Medidas de tendencia central
5. Medidas de tendencia central5. Medidas de tendencia central
5. Medidas de tendencia central
 

More from Edgar Mata

Activity 12 c numb
Activity 12 c numbActivity 12 c numb
Activity 12 c numbEdgar Mata
 
Pw roo complex numbers 2021
Pw roo complex numbers 2021Pw roo complex numbers 2021
Pw roo complex numbers 2021Edgar Mata
 
Ar complex num 2021
Ar complex num 2021Ar complex num 2021
Ar complex num 2021Edgar Mata
 
Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01Edgar Mata
 
Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021Edgar Mata
 
Problem identification 2021
Problem identification 2021Problem identification 2021
Problem identification 2021Edgar Mata
 
Formato 1 1-limits ea2021
Formato 1 1-limits ea2021Formato 1 1-limits ea2021
Formato 1 1-limits ea2021Edgar Mata
 
Activity 1 1 real numbers
Activity 1 1 real numbersActivity 1 1 real numbers
Activity 1 1 real numbersEdgar Mata
 
Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021Edgar Mata
 
Course presentation differential calculus ea2021
Course presentation differential calculus ea2021Course presentation differential calculus ea2021
Course presentation differential calculus ea2021Edgar Mata
 
Course presentation linear algebra ea2021
Course presentation linear algebra ea2021Course presentation linear algebra ea2021
Course presentation linear algebra ea2021Edgar Mata
 
Formato cramer 3x3
Formato cramer 3x3Formato cramer 3x3
Formato cramer 3x3Edgar Mata
 
Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020Edgar Mata
 
Exercise 4 1 - vector algebra
Exercise 4 1 - vector algebraExercise 4 1 - vector algebra
Exercise 4 1 - vector algebraEdgar Mata
 
Exercise 3 2 - cubic function
Exercise 3 2 - cubic functionExercise 3 2 - cubic function
Exercise 3 2 - cubic functionEdgar Mata
 
Problemas cramer 3x3 nl
Problemas cramer 3x3 nlProblemas cramer 3x3 nl
Problemas cramer 3x3 nlEdgar Mata
 
Cramer method in excel
Cramer method in excelCramer method in excel
Cramer method in excelEdgar Mata
 
Cramer method sd2020
Cramer method sd2020Cramer method sd2020
Cramer method sd2020Edgar Mata
 
Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020Edgar Mata
 
Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020Edgar Mata
 

More from Edgar Mata (20)

Activity 12 c numb
Activity 12 c numbActivity 12 c numb
Activity 12 c numb
 
Pw roo complex numbers 2021
Pw roo complex numbers 2021Pw roo complex numbers 2021
Pw roo complex numbers 2021
 
Ar complex num 2021
Ar complex num 2021Ar complex num 2021
Ar complex num 2021
 
Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01
 
Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021
 
Problem identification 2021
Problem identification 2021Problem identification 2021
Problem identification 2021
 
Formato 1 1-limits ea2021
Formato 1 1-limits ea2021Formato 1 1-limits ea2021
Formato 1 1-limits ea2021
 
Activity 1 1 real numbers
Activity 1 1 real numbersActivity 1 1 real numbers
Activity 1 1 real numbers
 
Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021
 
Course presentation differential calculus ea2021
Course presentation differential calculus ea2021Course presentation differential calculus ea2021
Course presentation differential calculus ea2021
 
Course presentation linear algebra ea2021
Course presentation linear algebra ea2021Course presentation linear algebra ea2021
Course presentation linear algebra ea2021
 
Formato cramer 3x3
Formato cramer 3x3Formato cramer 3x3
Formato cramer 3x3
 
Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020
 
Exercise 4 1 - vector algebra
Exercise 4 1 - vector algebraExercise 4 1 - vector algebra
Exercise 4 1 - vector algebra
 
Exercise 3 2 - cubic function
Exercise 3 2 - cubic functionExercise 3 2 - cubic function
Exercise 3 2 - cubic function
 
Problemas cramer 3x3 nl
Problemas cramer 3x3 nlProblemas cramer 3x3 nl
Problemas cramer 3x3 nl
 
Cramer method in excel
Cramer method in excelCramer method in excel
Cramer method in excel
 
Cramer method sd2020
Cramer method sd2020Cramer method sd2020
Cramer method sd2020
 
Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020
 
Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020
 

Recently uploaded

aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptaCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptCRISTOFERSERGIOCANAL
 
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdfAnthonyTiclia
 
Magnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principiosMagnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principiosMarceloQuisbert6
 
CLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptxCLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptxbingoscarlet
 
Residente de obra y sus funciones que realiza .pdf
Residente de obra y sus funciones que realiza  .pdfResidente de obra y sus funciones que realiza  .pdf
Residente de obra y sus funciones que realiza .pdfevin1703e
 
Presentación electricidad y magnetismo.pptx
Presentación electricidad y magnetismo.pptxPresentación electricidad y magnetismo.pptx
Presentación electricidad y magnetismo.pptxYajairaMartinez30
 
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.pptARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.pptMarianoSanchez70
 
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONAL
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONALCHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONAL
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONALKATHIAMILAGRITOSSANC
 
Sesión 02 TIPOS DE VALORIZACIONES CURSO Cersa
Sesión 02 TIPOS DE VALORIZACIONES CURSO CersaSesión 02 TIPOS DE VALORIZACIONES CURSO Cersa
Sesión 02 TIPOS DE VALORIZACIONES CURSO CersaXimenaFallaLecca1
 
Calavera calculo de estructuras de cimentacion.pdf
Calavera calculo de estructuras de cimentacion.pdfCalavera calculo de estructuras de cimentacion.pdf
Calavera calculo de estructuras de cimentacion.pdfyoseka196
 
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptx
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptxProcesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptx
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptxJuanPablo452634
 
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdfReporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdfMikkaelNicolae
 
Unidad 3 Administracion de inventarios.pptx
Unidad 3 Administracion de inventarios.pptxUnidad 3 Administracion de inventarios.pptx
Unidad 3 Administracion de inventarios.pptxEverardoRuiz8
 
nom-028-stps-2012-nom-028-stps-2012-.pdf
nom-028-stps-2012-nom-028-stps-2012-.pdfnom-028-stps-2012-nom-028-stps-2012-.pdf
nom-028-stps-2012-nom-028-stps-2012-.pdfDiegoMadrigal21
 
Una estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTUna estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTFundación YOD YOD
 
ECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdfECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdfmatepura
 
Obras paralizadas en el sector construcción
Obras paralizadas en el sector construcciónObras paralizadas en el sector construcción
Obras paralizadas en el sector construcciónXimenaFallaLecca1
 
Flujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxFlujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxEduardoSnchezHernnde5
 
CLASE - 01 de construcción 1 ingeniería civil
CLASE - 01 de construcción 1 ingeniería civilCLASE - 01 de construcción 1 ingeniería civil
CLASE - 01 de construcción 1 ingeniería civilDissneredwinPaivahua
 

Recently uploaded (20)

aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.pptaCARGA y FUERZA UNI 19 marzo 2024-22.ppt
aCARGA y FUERZA UNI 19 marzo 2024-22.ppt
 
VALORIZACION Y LIQUIDACION MIGUEL SALINAS.pdf
VALORIZACION Y LIQUIDACION MIGUEL SALINAS.pdfVALORIZACION Y LIQUIDACION MIGUEL SALINAS.pdf
VALORIZACION Y LIQUIDACION MIGUEL SALINAS.pdf
 
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
 
Magnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principiosMagnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principios
 
CLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptxCLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptx
 
Residente de obra y sus funciones que realiza .pdf
Residente de obra y sus funciones que realiza  .pdfResidente de obra y sus funciones que realiza  .pdf
Residente de obra y sus funciones que realiza .pdf
 
Presentación electricidad y magnetismo.pptx
Presentación electricidad y magnetismo.pptxPresentación electricidad y magnetismo.pptx
Presentación electricidad y magnetismo.pptx
 
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.pptARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
 
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONAL
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONALCHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONAL
CHARLA DE INDUCCIÓN SEGURIDAD Y SALUD OCUPACIONAL
 
Sesión 02 TIPOS DE VALORIZACIONES CURSO Cersa
Sesión 02 TIPOS DE VALORIZACIONES CURSO CersaSesión 02 TIPOS DE VALORIZACIONES CURSO Cersa
Sesión 02 TIPOS DE VALORIZACIONES CURSO Cersa
 
Calavera calculo de estructuras de cimentacion.pdf
Calavera calculo de estructuras de cimentacion.pdfCalavera calculo de estructuras de cimentacion.pdf
Calavera calculo de estructuras de cimentacion.pdf
 
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptx
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptxProcesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptx
Procesos-de-la-Industria-Alimentaria-Envasado-en-la-Produccion-de-Alimentos.pptx
 
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdfReporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdf
 
Unidad 3 Administracion de inventarios.pptx
Unidad 3 Administracion de inventarios.pptxUnidad 3 Administracion de inventarios.pptx
Unidad 3 Administracion de inventarios.pptx
 
nom-028-stps-2012-nom-028-stps-2012-.pdf
nom-028-stps-2012-nom-028-stps-2012-.pdfnom-028-stps-2012-nom-028-stps-2012-.pdf
nom-028-stps-2012-nom-028-stps-2012-.pdf
 
Una estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTUna estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NIST
 
ECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdfECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdf
 
Obras paralizadas en el sector construcción
Obras paralizadas en el sector construcciónObras paralizadas en el sector construcción
Obras paralizadas en el sector construcción
 
Flujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxFlujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptx
 
CLASE - 01 de construcción 1 ingeniería civil
CLASE - 01 de construcción 1 ingeniería civilCLASE - 01 de construcción 1 ingeniería civil
CLASE - 01 de construcción 1 ingeniería civil
 

Grouped data 04

  • 3. Introducción La agrupación de datos Esta presentación es la cuarta y última parte, de cuatro, en las que se construye una tabla de distribución de frecuencias para datos agrupados. El objetivo es mostrar detalladamente las operaciones aritméticas necesarias para resumir un conjunto de datos agrupándolos en intervalos, también llamados clases o categorías.
  • 4. Introducción Hasta ahora se han completado las primeras 7 columnas, y sólo faltan 3, las medidas de tendencia central y dispersión: Media aritmética Desviación media Varianza Desviación estándar Coeficiente de variación.
  • 5. Antecedentes En caso que sea necesario, este es el conjunto de datos con el que se está trabajando.
  • 6. Medidas de tendencia central Síntesis de datos Una forma rápida de obtener información acerca de un conjunto de datos es la obtención de estadísticos que los representan, entre dichos estadísticos se encuentran las medidas de tendencia central: media aritmética, mediana, moda, entre otras. En esta presentación aprenderemos a calcular la media aritmética para datos agrupados que se representa de acuerdo al conjunto de datos. Media aritmética de una población: m Media aritmética de una muestra: ഥ𝒙
  • 7. A la media aritmética comúnmente se le conoce como promedio y, cuando se trata de datos no agrupados, se determina sumando todos los valores y dividiendo entre el número de datos. En el ejemplo que estamos resolviendo se trata de una muestra, por lo tanto se representa como: ഥ𝒙 Para calcularla vamos a efectuar la multiplicación indicada en la octava columna: 𝒇𝒊 ∙ 𝒙𝒊 Media aritmética de una muestra Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 46.5 52.5 49.5 9 12 0.030 0.0400 52.5 58.5 55.5 23 35 0.077 0.1167 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙
  • 8. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 3×43.5 46.5 52.5 49.5 9 12 0.030 0.0400 9×49.5 52.5 58.5 55.5 23 35 0.077 0.1167 23×55.5 58.5 64.5 61.5 43 78 0.143 0.2600 43×61.5 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ Para cada clase, categoría o intervalo se llevan a cabo las operaciones indicadas, como se muestra en la figura. Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el procedimiento pero sólo para fines de aclaración del procedimiento. Se multiplica la frecuencia uno por la marca de clase uno, luego la dos, y así sucesivamente. Media aritmética de una muestra
  • 9. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 64.5 70.5 67.5 62 140 0.207 0.4667 4185 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 82.5 88.5 85.5 26 282 0.087 0.9400 2223 88.5 94.5 91.5 16 298 0.053 0.9933 1464 94.5 100.5 97.5 2 300 0.007 1.0000 195 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ Media aritmética de una muestra De acuerdo con la fórmula, estos productos se suman y el resultado se divide entre el número de datos, en nuestro caso 300. EL resultado de la división es la media aritmética muestral. = 1 𝑛 ෍ =1 𝑛 ∙ Fórmula para determinar la media aritmética muestral
  • 10. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 64.5 70.5 67.5 62 140 0.207 0.4667 4185 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 82.5 88.5 85.5 26 282 0.087 0.9400 2223 88.5 94.5 91.5 16 298 0.053 0.9933 1464 94.5 100.5 97.5 2 300 0.007 1.0000 195 Totales: 21408 Media aritmética: 71.3600 Desviación media: Varianza: s 2 = Desviación estándar: s = Coeficiente de variación: Cv = Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ = = ∙ ∙ Media aritmética de una muestra Esta forma de calcular la media aritmética es la que ocasiona inexactitud, ya que al multiplicar la frecuencia por la marca de clase estamos considerando que todos los datos dentro del intervalo son iguales a dicha marca de clase. = 1 𝑛 ෍ =1 𝑛 ∙
  • 11. Media aritmética de una muestra Como ya se mencionó, existen otras medidas de tendencia central que serán estudiadas posteriormente. Para completar la tabla de análisis estadístico solamente necesitamos la media aritmética.
  • 12. Caracterizar una población o muestra únicamente con las medidas de tendencia central no es suficiente; puede haber situaciones muy diferentes que produzcan el mismo valor de media aritmética. Un elemento muy importante para el análisis de datos es la dispersión de los mismos, es decir, que tan cercanos o lejanos se encuentran de la media aritmética. En esta presentación estudiaremos las medidas de dispersión: Desviación media, Varianza, Desviación estándar y Coeficiente de variación. Medidas de dispersión
  • 13. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ También llamada desviación absoluta promedio, es el promedio de las desviaciones absolutas de las marcas de clase, respecto a la media aritmética de los datos. Es una forma de resumir la dispersión estadística de un conjunto de datos, se representa como: 𝑫ഥ𝒙 Para calcularla vamos a efectuar las operaciones indicadas en la novena columna: 𝒙𝒊 ഥ𝒙 𝒇𝒊 Desviación media
  • 14. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ 1 ∙ 1 ∙ 1 ∙ Para cada clase, categoría o intervalo se llevan a cabo las operaciones indicadas, como se muestra en la figura. Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el procedimiento pero sólo para fines de aclaración del procedimiento. Las barras verticales significan “valor absoluto”, por lo que se tomarán todos los resultados de la resta con signo positivo. Desviación media
  • 15. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ Desviación media De acuerdo con la fórmula, los resultados de cada categoría se suman y el resultado se divide entre el número de datos, en nuestro caso 300. El resultado de la división es la desviación media. = 1 𝑛 ෍ =1 𝑛 Fórmula para determinar la desviación media
  • 16. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 Totales: 21408 2616.8 Media aritmética: 71.3600 Desviación media: 8.7227 Varianza: s 2 = Desviación estándar: s = Coeficiente de variación: Cv = Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ = = ∙ ∙ Desviación media La desviación media es útil para caracterizar los datos en estudio en cuanto a su dispersión. Actualmente se emplea más la desviación estándar que se calculará en las siguientes diapositivas. = 1 𝑛 ෍ =1 𝑛
  • 17. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ Estas tres medidas de dispersión se obtiene efectuando operaciones en la última columna. En nuestro caso se trata de una muestra, por lo que se representan con los símbolos siguientes. Varianza: 𝒔 𝟐 Desviación estándar: 𝒔 Coeficiente de variación: 𝑪𝒗 Operaciones: Se resta la media a cada marca de clase y el resultado se eleva al cuadrado, finalmente este cuadrado se multiplica por la frecuencia absoluta. Varianza, desviación estándar y coeficiente de variación
  • 18. Para cada clase, categoría o intervalo se llevan a cabo las operaciones indicadas, como se muestra en la figura. Naturalmente sólo se escribe el resultado, en esta diapositiva se muestra el procedimiento pero sólo para fines de aclaración del procedimiento. Al restar puede obtenerse un resultado negativo, pero al elevarlo al cuadrado se vuelve positivo Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ 1 ∙ 1 ∙ 1 ∙ 1 1 ∙ Varianza, desviación estándar y coeficiente de variación
  • 19. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 2328.5388 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 4300.7364 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 5785.4108 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 4180.4428 64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 923.7752 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 288.5148 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 3511.7588 82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 5198.4296 88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 6489.9136 94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 1366.5992 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ ∙ ∙ Al tratarse de una muestra, se divide entre n – 1, en nuestro caso 300 – 1 = 299. Cuando se estudia una población se divide entre n. Elevar al cuadrado hace positivos todos los resultados, pero dificulta la del valor de la varianza, por ello, se acostumbra utilizar la desviación estándar, que la raíz cuadrada de la varianza. 𝑠 = 1 𝑛 1 ෍ =1 𝑛 Fórmula para determinar la varianza muestral Varianza, desviación estándar y coeficiente de variación
  • 20. Marcas de Límite Límite clase F. absoluta F. acumulada F. Relativa F. rel. Acum. inferior superior 40.5 46.5 43.5 3 3 0.010 0.0100 130.5 83.58 2328.5388 46.5 52.5 49.5 9 12 0.030 0.0400 445.5 196.74 4300.7364 52.5 58.5 55.5 23 35 0.077 0.1167 1276.5 364.78 5785.4108 58.5 64.5 61.5 43 78 0.143 0.2600 2644.5 423.98 4180.4428 64.5 70.5 67.5 62 140 0.207 0.4667 4185 239.32 923.7752 70.5 76.5 73.5 63 203 0.210 0.6767 4630.5 134.82 288.5148 76.5 82.5 79.5 53 256 0.177 0.8533 4213.5 431.42 3511.7588 82.5 88.5 85.5 26 282 0.087 0.9400 2223 367.64 5198.4296 88.5 94.5 91.5 16 298 0.053 0.9933 1464 322.24 6489.9136 94.5 100.5 97.5 2 300 0.007 1.0000 195 52.28 1366.5992 Totales: 21408 2616.8 34374.12 Media aritmética: 71.3600 Desviación media: 8.7227 Varianza: s 2 = 114.963612 Desviación estándar: s = 10.7221086 Coeficiente de variación: Cv = 0.15025376 Intervalos reales Frecuencias Medidas de tendencia central y dispersión ∙ = = ∙ ∙ La desviación estándar permite establecer la dispersión de un conjunto de datos, pero el coeficiente de variación tiene la ventaja de que es una medida relativa de variabilidad. En nuestro ejemplo la variación es del 15.02%. Se calcula dividiendo la desviación estándar entre el valor absoluto de la media aritmética. 𝑠 = 1 𝑛 1 ෍ =1 𝑛 Varianza, desviación estándar y coeficiente de variación
  • 21. Medidas de tendencia central y dispersión en el histograma. En la presentación 3 se explica cómo se construye un histograma mediante los intervalos reales y las frecuencias absolutas.
  • 22. Medidas de tendencia central y dispersión en el histograma. Para que el histograma sea realmente útil es necesario agregar algunas líneas de referencia que nos permitirán profundizar en el análisis de datos.
  • 23. Medidas de tendencia central y dispersión en el histograma. Un primer valor que debe aparecer en el histograma es la media aritmética, y debe colocarse en la posición que le corresponde según los valores que se registran en el eje equis. La representación de la media aritmética nos permite realizar diversas observaciones acerca del comportamiento de los datos. Aún falta agregar 6 líneas más.
  • 24. Medidas de tendencia central y dispersión en el histograma. Le vamos a sumar y restar a la media aritmética, tres múltiplos de la desviación estándar: ഥ𝒙 𝟑𝒔, ഥ𝒙 𝟐𝒔, ഥ𝒙 𝟏𝒔, ഥ𝒙 + 𝟏𝒔, ഥ𝒙 + 𝟐𝒔, ഥ𝒙 + 𝟑𝒔 Estas seis líneas nos servirán para comparar el comportamiento de la muestra o población con las medidas de tendencia central y dispersión. En algunos casos se agregan otras referencias que se estudiarán posteriormente.
  • 25. Medidas de tendencia central y dispersión en el histograma.