Professional Documents
Culture Documents
FUNDAMENTOS
ESTADISTICOS
Bachilleres:
Franyer Guillen 19.069.876
Yeferson Hidalgo 26.821.895
José Castellanos 25.797.672
Yorman Villegas 27.924.824
Barinas, 20-11-2018
INTRODUCCION
Según (Chao, 1997), los datos obtenidos pueden condensarse en un solo valor
central alrededor del cual todos los datos muestrales se distribuyen.
Según (Spiegel, 1991), es un valor típico o representativo de un conjunto de datos
que suele situarse hacia el centro del conjunto de datos ordenados por magnitud.
Por ejemplo, para variables discretas o datos aislados (o no agrupados) como éstss:
Para calcular la media aritmética sumamos todos los valores y los dividimos entre
la cantidad de datos, que es 5:
Cómo calcular la media aritmética en tablas de frecuencias para datos no
agrupados
Vamos a ver ahora cómo calcular la media aritmética utilizando las tablas de
frecuencias. En estos casos, tenemos un número más alto de datos no agrupados
y además, estos datos pueden repetirse.
Podríamos calcular la media sumando todos los valores y dividiendo entre el número
total, pero sería una operación muy larga.
En su lugar, construimos una tabla de frecuencias con los datos, donde añadiremos
una columna para multiplicar cada valor por su frecuencia absoluta.
La media será la suma de cada dato por su frecuencia absoluta, dividida entre el
número de datos:
Vamos a ver cómo calcular la mediana si tenemos un número par de datos, como
por ejemplo:
Ahora tenemos 8 datos, luego tenemos que sacar la media de los dos datos
centrales, que en este caso son 2 y 3:
La mediana es 2,5.
Cómo calcular la mediana en tablas de frecuencias
Si tenemos muchos valores, la mediana la obtenemos ordenando los datos
previamente en una tabla de frecuencias, utilizando la columna de frecuencia
absoluta acumulada.
Por ejemplo, vamos a suponer que a partir de unos datos hemos construido esta
tabla de frecuencias:
Para saber en que posición debe caer la mediana, dividimos el número total de
elementos entre 2, lo cual nos dará la posición que ocupa el punto medio. En este
caso tenemos 25 elementos:
Al igual que antes, dividimos el número total de datos entre 2, para saber dónde
está el punto medio:
La mediana es el valor, cuya frecuencia absoluta acumulada esté
inmediatamente por encima a la mitad del número de datos.
La mitad del número de datos es 20. El valor que tiene una frecuencia absoluta
acumulada inmediatamente por encima es “Aprobado”, que tiene una frecuencia
absoluta acumulada de 23:
Hay que tener en cuenta que en un conjunto de datos puede haber dos o más
modas.
Por ejemplo, ¿cuál es la moda en este conjunto de datos?
El 1 se repite tres veces y el 3 se repite otras tres veces, luego las modas es 1 y 3.
2- MEDIDAS DE DISPERSION
Rango
Ejemplo
Una compañía de seguros desea conocer la variación que existe en las ventas de
sus ocho vendedores y de esa manera determinar la productividad de cada uno de
ellos. Calcula el rango empleando la siguiente información de seguros vendidos
durante un mes: 8, 11, 5, 14, 11, 8, 11, 16. Si se desea hallar el rango de tales
observaciones sólo hay que identificar el valor máximo (16) y el valor mínimo (5) y
obtener la diferencia entre ellos. Rango = Valor máximo – Valor mínimo = 16 – 5 =
11. El rango es 11, lo cual quiere decir que la diferencia entre el número de seguros
vendidos por dos vendedores distintos, el mejor vendedor y el peor vendedor, es de
11, indicando una gran dispersión o variabilidad, ya que sería ilógico que, si un
vendedor logra vender 16 seguros, el otro sólo venda 5 si se trata de los mismos
seguros. Lo anterior puede atribuirse a la experiencia, a la capacitación o a la cartera
de clientes que cada vendedor tiene.
Ejemplo
Calcular la varianza de la distribución:
9, 3 , 8, 8 , 9, 8 , 9 , 18
Ejemplo
Calcular la varianza de la distribución de la tabla:
xi fi xi · fi xi² · fi
[1 0, 20 ) 15 1 15 22 5
[20, 30) 25 8 20 0 50 00
[3 0, 40 ) 35 10 35 0 12 25 0
[4 0, 50 ) 45 9 40 5 18 22 5
[5 0, 60 55 8 44 0 24 20 0
[6 0, 70 ) 65 4 26 0 16 90 0
[7 0, 80 ) 75 2 15 0 11 25 0
42 1 8 20 88 05 0
Desviación estándar
Para conocer con detalle un conjunto de datos, no solo basta con conocer las
medidas de tendencia central, sino que necesitamos conocer también la desviación
que presentan los datos en su distribución respecto de la media aritmética de dicha
distribución, con objeto de tener una visión de los mismos más acorde con la
realidad al momento de describirlos e interpretarlos para la toma de decisiones
Ejemplos:
2, 3 , 6, 8 , 11 .
12, 6 , 7, 3 , 15 , 10 , 18, 5 .
2, 3 , 6, 8 , 11 .
Media
Desviación t ípica
12, 6 , 7, 3 , 15 , 10 , 18, 5 .
Media
Desviación t ípica
3- PLANES DE MUESTREO SIMPLE Y DOBLES
MUESTREO SIMPLE
Los planes de muestreo con rectificación son aquellos donde los lotes
rechazados son inspeccionados completamente, de modo que las unidades
defectuosas sean cambiadas por unidades conformantes. De esta forma se
considera que un lote rechazado luego de la rectificación tendrá un 100% de
unidades conformantes. Se asume ímplicitamente que no existen errores en la
inspección, donde una unidad defectuosa sea clasificada erroneámente por una
unidad conformante. La rectificación permite mejorar significativamente la calidad
de aquellos lotes que en primera instancia fueron rechazados, sin embargo,
aquellos lotes aceptados mantendrán una cierta proporción de unidades
defectuosas que no han sido reemplazadas dado que no ha sido necesario
inspeccionar la totalidad del lote (dada la aceptación del mismo).
AOQ = Pa*p
La dispersión indica que tan cercanos o lejanos se encuentran los valores unos de
otros. Dichos valores pueden pertenecer a un conjunto de datos agrupados
(distribuciones de frecuencias) o no agrupados (ordenados de acuerdo a su
magnitud). Las medidas de dispersión que son más comunes son: rango, desviación
media, desviación estándar, varianza. Las medidas de dispersión que utilizan la
media como referencia son: desviación media, desviación estándar, varianza. Las
medidas de dispersión vistas fueron para datos muéstrales.