MEDIDAS DE TENDENCIA CENTRAL

Datos no agrupados n  25
Media aritmética
x n : cantidad de valores (tamaño de la muestra )
x 
n  x : valores observados
Media aritmética ponderada
 ( wx) w : ponderación
x 
w  x : valores de la variable
Mediana (necesita ordenación en forma ascendente o descendente)
Mediana para datos sin agrupar
Para n impar: Me = valor que ocupa el centro de la ordenación
Para n par: Me = semisuma de los dos valores centrales de la ordenación

n 1
Posición que ocupa la mediana =
2
Moda
Mo = valor que mas veces se repite

Datos agrupados n > 25

Media aritmética
 x : media aritmética
 f x 
x   x : marca de clase
f 
 f : frecuencia

Mediana
 f   faa : frecuencia acumulada anterior
 2  faa  
Me  LRI   c  c : tamaño de clase
 f   LRI : límite real inf erior de la clase de la mediana
  
f
Buscar la frecuencia acumulada mayor o igual a en la tabla de distribución de frecuencias
2
Percentiles o Centiles
 k f   faa : frecuencia acumulada anterior
 100  faa  
Pk  LRI   c  c : tamaño de clase
 f   LRI : límite real inf erior de la clase del percentil
  
k f
Buscar la frecuencia acumulada mayor o igual a en la tabla de distribución de frecuencias
100
Deciles
 k f   faa : frecuencia acumulada a
  faa   c : tamaño de clase;

Dk  LRI   10   c 
 f   LRI : límite real inf erior de la

 
 

k f
Buscar la frecuencia acumulada mayor o igual a en la tabla de distribución de frecuencias
10
Moda   
 1 f
  2  f 

 f : mayo
  1  
Mo  LR I     c  fa nt : fre
 1   2   fp os t : fr

c : T am añ
 LR I : lím


MEDIDAS DE DISPERSIÓN O VARIACIÓN

Datos no agrupados n  25
Rango o amplitud
R = Xmax – Xmin
Desviación cuartílica o rango semicuartílico
Q  Q1
DC  3
2
cuartiles para datos no agrupados
n  2 
Posición de Q1  
4 
 para n par
3n  2 
Posición de Q 2  
4 
n 1 
Posición de Q1  
4 
 para n impar
3n  1 
Posición de Q 2  
4 

Desviación media
 xx x
DM  Media aritmética x 
n n
Desviación típica
  x  x
2
S
n
Varianza
V = S2
Coeficiente de variación
S
CV  * 100
x
Datos agrupados n > 25
Rango o amplitud
R = Lsuc – LIPC Lsuc Limite superior de la ultima clase; LIPC Limite inferior de la primera clase

Desviación cuartílica
 f 
Q  Q1  4  faa 
DC  3 Q1  LRI  
f
c
2  
 
f
Buscar la frecuencia acumulada mayor o igual a en la tabla de distribución de frecuencias
4
3 f 
 4  faa 
Q3  LRI   c
 f 
 
3 f
Buscar la frecuencia acumulada mayor o igual a en la tabla de distribución de frecuencias
4

Desviación media
f xx 
DM 
n
Desviación típica

S

 f  x  x
2

n

Intervalos en donde se encuentran los valores de la variables

El 68% de los datos se encuentra entre X  S
El 95% de los datos se encuentra entre X  2.S
El 99% de los datos se encuentra entre X  3.S
Coeficiente de Asimetría
3( X  Me)
As  Si As > 0, Asimetría (+), Si As< 0, Asimetría (-), Si As = 0, distrib..Normal.
S
Varianza
V = S2
Coeficiente de variación
S
CV  * 100
x
 PROBABILIDADES
Probabilidad Simple
f  f : casos favorables
P  
n  n : casos posibles

 p : probabilidad que ocurra el suceso esperado
p  q 1

 q : probabilidad que no ocurra el suceso esperado

Probabilidad total o de la Suma: Regla de la suma

Sucesos compatibles Sucesos incompatibles
P(A  B) = P(A) + P (B) – P(A  B) P(A  B) = P(A) + P (B)

Probabilidad Compuesta o de la Multiplicación: Regla de la multiplicación

Sucesos independientes Sucesos dependientes
P(A  B) = P(A) P (B) P(A  B) = P(A) P (B/A)

Permutaciones Combinaciones
n! n!
nPx nCx
(n  x)! x! ( n  x )!
P(Al menos uno) = 1 – P(Ninguno)
Probabilidad Condicional Teorema de Bayes
P A B  P A / Bk  P Bk 
P A / B   P Bk / A  
P B  P A / B1  P B1   P A / B2  P B2   ...  P A / Bn  P Bn 

Distribución binomial 5  n  30

P(x ) = nCx px qn –x x = 0, 1, 2, 3, …. ,n x : Numero de êxito

P(x  a) + P(x < a) = 1 p+q=1 q=1–p

p = Prob. de que ocurra el suceso
P(x  a) + P(x > a) = 1 q = Prob. de que no ocurra el suceso
Distribución de Poisson n > 30

 = Miu
 e  2,71828
 e 
x

P( X  x)     n p x = 0, 1, 2, 3,…. x: Numero de éxito
x!   : promedio


Distribución normal de Probabilidades – Esperanza Matemática

x
z   x : Valor cuantitativo pedido
 
  : media poblacional
Usar tabla " Z "   : desviacíon típica poblacional

E ( x )  n. p  N . p
Intervalo de confianza para la media

  x  Zc Muestreo de una población infinita o de una finita con reposición.
n

 N n
  x  Zc Muestreo de una población finita de tamaño N muestreo sin reposición.
n N 1

ANÁLISIS DE REGRESIÓN SIMPLE

Método de mínimos cuadrados
Ecuación de regresión
   x 2  y   x  xy   x
 a  n  x 2  ( x ) 2  x 
  n
y  a  b x  a  y  b x 
 b  n  xy   x  y  y   y
 n  x 2  ( x ) 2 
 n


Coeficiente de correlación
n  xy   x  y
r
 n x 2
 ( x ) 2   n  y 2  ( y ) 2 
Coeficiente de determinación
2
r x 100

Interpretación del coeficiente de correlación ( -1 a 1)

Valores del coeficiente Correlación Relación entre las variables

0  r < 0,20 pequeña muy poco intensa
0,20  r < 0,40 Baja pequeña pero significativa
0,40  r < 0,60 regular Considerable
0,60  r < 0,80 Alta Intensa
0,80  r  1 muy alta muy intensa

NUMEROS DE INDICE
ÍNDICES SIMPLES
Pn Q
a) De precios I  100 b) De cantidad I  n  100
P0 Q0
V
c) De valor I  n  100 Obs.: valor = precio  cantidad
V0
Índices agregados simples
 Pn  Qn
a) De precios I  100 b) De cantidad I  100
 P0  Q0
 Vn
c) De valor I  100
 V0
Índices ponderados
 ( Pn Q 0 )  ( Pn Q n )
a) De Laspeyres I  100 b) De Paasche I  100
 ( P0 Q0 )  ( P0 Q n )
Obs.: Período base: período en el que se inicia el estudio y registro de la variable en cuestión
TABLA DE LA DISTRIBUCION NORMAL