ESTADISTICA COMERCIAL

Profa. Luisa Montenegro

NOMBRE: Carlos Alexander Gonzlez Pineda Clave: 19 6to D Lunes 16 de mayo de 2011

Introduccin.3 Distribuciones de frecuencia...4 Medias de tendencia central..11 Media Armnica14 Media Geomtrica15 Mediana.19 Moda..24 Conclusiones27 Egrafia28

En el siguiente trabajo se le presentan los distintos tipos de frecuencias y maneras de distribuir datos estadsticos desde la distribucin de frecuencias hasta la moda estadstica. Donde las frecuencias son el mtodo que se emplea cuando se desea presentar un gran nmero de datos para determinar el nmero de individuos pertenecientes a cada clase la cual contiene tambin intervalos, lmites y puntos medios. Las medidas de tendencia central son las medidas que sirven para medir los valores a concentrarse en el centro de la distribucin entre ellos tenemos:
y y y y y y

Media aritmtica. Media ponderada. Media geomtrica. Media armnica. Mediana. Moda.

Distribuciones de frecuencia
Cuando se dispone de gran nmero de datos, es til el distribuirlos en clases o categoras y determinar el nmero de individuos pertenecientes a cada clase, que es la frecuencia de clase. Una ordenacin tabular de los datos en clases, reunidas las clases y con as frecuencias correspondientes a cada una, se conoce como una distribucin de frecuencias o tabla de frecuencias. La Tabla 1 es una distribucin de frecuencias de alturas (registradas con aproximacin de pulgada) de 100 estudiantes de la Universidad XYZ.

La primera clase o categora, por ejemplo, comprende las alturas de 60 a 62 pulgadas y viene indicada por el smbolo 60 - 62. Puesto que 5 estudiantes tienen una altura perteneciente a esta clase, la correspondiente frecuencia de clase es 5. Los datos ordenados y resumidos como en la distribucin de frecuencia anterior, se suelen llamar datos agrupados. Aunque con el proceso de agrupamiento generalmente se pierde parte del detalle original de los datos, tiene la importante ventaja de presentarlos todos en un sencillo cuadro que facilita el hallazgo de las relaciones que pueda haber entre ellos, puestas as de manifiesto. Intervalos de clase y lmites de clase Un smbolo que define una clase, tal como 60 - 62 de la tabla anterior, se conoce como intervalo de clase. Los nmeros extremos, 60 y 62, son los lmites de clase; el nmero menor 60 es el lmite inferior de la clase y el mayor 62 es el lmite superior. Los trminos clase e intervalo de clase se utilizan a menudo indistintamente, aunque el intervalo de clase es realmente un smbolo para la clase. Un intervalo de clase que, al menos tericamente, no tiene lmite superior o inferior, se conoce como intervalo de clase abierto. Por ejemplo, al referirse a la

edad de grupos de individuos el intervalo de clase, mayores de 65 aos es un intervalo de clase abierto. Lmites reales de clases Si las alturas se registran con aproximacin de pulgada, el intervalo de clase 60 62 tericamente incluye todas las medidas desde 59,5000... a 62,5000 pulgadas. Estos nmeros, representados brevemente por los nmeros exactos 59,5 y 62,5, se conocen como lmites reales de clase o lmites verdaderos de clase; el menor de ellos, 59,5, es el lmite real inferior y el mayor de ellos, 62,5, es el lmite real superior. Prcticamente, los lmites reales de clase se obtienen sumando al lmite superior de un intervalo de clase el lmite inferior del intervalo de clase contiguo superior y dividiendo por 2. A veces, los lmites reales de clase se utilizan para simbolizar las clases. Por ejemplo, las diferentes clases de la primera columna de la Tabla 1 podran indicarse por 59,5 - 62,5, 62,5 - 65,5, etc. Sin embargo, con tal notacin aparece una ambigedad, pues los lmites reales de clase no coincidiran con las observaciones reales. As si una observacin fuese 62,5 no sera posible discernir si pertenece al intervalo de clase 59,5 - 62,5 o al 62,5 - 65,5.
TAMAO O ANCHURA DE UN INTERVALO DE CLASE

El tamao o anchura de un intervalo de clase es la diferencia entre los lmites reales de clase que lo forman y se conoce como anchura de clase, tamao de clase o longitud de clase. Si todos los intervalos de clase de una distribucin de frecuencias tienen igual anchura, esta anchura comn se representa por c. En tal caso, c es igual a la diferencia entre dos sucesivos lmites de clase inferiores o superiores. Para los datos de la Tabla 1, por ejemplo, el intervalo de clase es c = 62,5 - 59,5 = 65,5 - 62,5 = 3. Marca de clase La marca de clase es el punto medio del intervalo de clase y se obtiene sumando los lmites inferior y superior de la clase y dividiendo por 2. As, la marca de clase del intervalo 60 - 62 es (60 + 62)/2 = 61. La marca de clase se llama tambin punto medio de la clase. Para anlisis matemticos posteriores, todas las observaciones pertenecientes a un intervalo de clase dado se suponen coincidentes con la marca de clase. As, todas las alturas en el intervalo de clase 60 - 62 pulgadas se considerarn como de 61 pulgadas. Reglas generales para formar las distribuciones de frecuencia

l. Determinar el mayor y el menor entre los datos registrados y as encontrar el rango (diferencia entre el mayor y el menor de los datos). 2. Dividir el rango en un nmero conveniente de intervalos de clase del mismo tamao. Si esto no es posible, utilizar intervalos de clase de diferente tamao o intervalos de clase abiertos. El nmero de intervalos de clase se toma generalmente entre 5 y 20 dependiendo de los datos. Los intervalos de clase se eligen tambin de forma que las marcas de clase o puntos medios coincidan con datos realmente observados. Esto tiende a aminorar el llamado error de agrupamiento, en los anlisis matemticos posteriores. Sin embargo, los lmites reales de clase no coincidirn con los datos observados. 3. Determinar el nmero de observaciones que caen dentro de cada intervalo de clase, es decir, encontrar las frecuencias de clase. Lo mejor para esto es utilizar una hoja de conteo. HISTOGRAMAS Y POLIGONOS DE FRECUENCIA son dos representaciones grficas de las distribuciones de frecuencia. 1. Un histograma o histograma de frecuencias consiste en una serie de rectngulos que tienen (a) Sus bases sobre un eje horizontal (el eje X) con centros en las marcas de clase y longitud igual al tamao de los intervalos de clase. (b) Superficies proporcionales a las frecuencias de clase. Si los intervalos de clase tienen todos igual tamao, las alturas de los rectngulos son proporcionales a las frecuencias de clase y se acostumbra en tal caso a tomar las alturas numricamente iguales a las frecuencias de clase. Si los intervalos de clase no son de igual tamao, estas alturas debern ser calculadas. 2. Un polgono de frecuencias es un grfico de lnea trazado sobre las marcas de clase. Puede obtenerse uniendo los puntos medios de los techos de los rectngulos en el histograma. El histograma y el polgono de frecuencias correspondiente a la distribucin de frecuencias de las alturas de los estudiantes se muestran en el mismo sistema de ejes en la Fig.1. Se acostumbra a prolongar el polgono con PQ y RS hasta las marcas de clase inferior y superior inmediatas, que corresponderan a la clase de frecuencia cero. En tal caso, la suma de las reas de los rectngulos del histograma es igual al e rea total limitada por el polgono de frecuencias y el eje X.

Distribuciones de frecuencia relativa La frecuencia relativa de una clase es la frecuencia de la clase dividida por el total de frecuencias de todas las clases y se expresa generalmente como porcentaje. Por ejemplo, la frecuencia relativa de la clase 66 - 68 de la Tabla 1 es 42/100 = 42 %. La suma de las frecuencias relativas de todas las clases es evidentemente 1 100 %. Si las frecuencias en la anterior tabla de frecuencias se sustituyen por las correspondientes frecuencias relativas, la tabla resultante se llama distribucin de frecuencias relativas, distribucin porcentual o tabla de frecuencias relativas. Las representaciones grficas de distribuciones de frecuencia relativa pueden obtenerse del histograma o del polgono de frecuencias, sin ms que cambiar la escala vertical de frecuencia a frecuencia relativa, conservndose exactamente el mismo diagrama. Los grficos que resultan se llaman histogramas de frecuencias relativas o histogramas porcentuales y polgonos de frecuencias relativas o polgonos porcentuales, respectivamente.

Distribuciones de frecuencia acumulada. Ojivas

La frecuencia total de todos los valores menores que el lmite real superior de clase de un intervalo de clase dado se conoce como frecuencia acumulada hasta ese intervalo de clase inclusive. Por ejemplo, la frecuencia acumulada hasta el intervalo de clase 66 - 68 inclusive en la Tabla 1, es 5 + 18 + 42 = 65, significando que 65 estudiantes tienen alturas menores que 68,5 pulgadas. Una tabla que represente las frecuencias acumuladas se llama distribucin de frecuencias acumuladas, tabla de frecuencias acumuladas o brevemente distribucin acumulada, y se muestra en la Tabla 2, para la distribucin de la altura de los estudiantes. Un grfico que muestre las frecuencias acumuladas menores que cualquier lmite real superior de clase trazado sobre los lmites reales superiores de clase se llama

polgono de frecuencias acumuladas u ojiva y se muestra en la Fig. 2-2 para la distribucin de la altura de los estudiantes. En algunos casos es preferible considerar una distribucin de frecuencias acumuladas de todos los valores mayores o iguales al lmite real inferior de clase de cada intervalo de clase. En este caso consideramos las alturas de 59,5 pulgadas o ms, 62,5 pulgadas o ms, etc., sta se llama a veces distribucin acumulada o ms, mientras que la considerada anteriormente es la distribucin acumulada menor que. De la una se obtiene fcilmente la otra. Las correspondientes ojivas se llaman o ms y menor que. Siempre que nos refiramos a distribuciones acumuladas u ojivas sin especificar, se entender que son del tipo menor que. DISTRIBUCIONES DE FRECUENCIAS RELATIVAS ACUMULADAS. OJIVAS PORCENTUALES La frecuencia relativa acumulada o frecuencia porcentual acumulada es la frecuencia acumulada dividida por la frecuencia total. Por ejemplo, la frecuencia relativa acumulada de alturas menores que 68,5 pulgadas es 65/100 = 65 %, queriendo con ello decir que el 65 % de los estudiantes tienen alturas menores de 68,5 pulgadas. Si se utilizan en la Tabla 2, y Fig. 2, las frecuencias relativas acumuladas en lugar de las frecuencias acumuladas, los resultados se llaman distribuciones de frecuencias relativas acumuladas o distribuciones porcentuales acumuladas y polgonos de frecuencias relativas acumuladas u ojivas porcentuales, respectivamente. CURVAS DE FRECUENCIAS. OJIVAS SUAVIZADAS El conjunto de datos puede considerarse normalmente como perteneciente a una muestra extrada de una poblacin grande. A causa de las muchas observaciones que podemos realizar en la poblacin es posible tericamente (para datos continuos) elegir los intervalos de clase muy pequeos y todava tener un nmero adecuado de observaciones dentro de cada clase. As se tiene que el polgono de frecuencias o el de frecuencias relativas para una poblacin grande puede estar formado por muchos pequeos segmentos rectos que aproximan el conjunto a una curva, las curvas de este tipo pueden llamarse curvas de frecuencias o curvas de frecuencias relativas, respectivamente. Es razonable esperar que tales curvas tericas provengan de la suavizacin de los polgonos de frecuencias o de los polgonos de frecuencias relativas de la muestra, la aproximacin es tanto ms exacta conforme aumenta el tamao de la muestra. Por esta razn una curva de frecuencias se conoce como un polgono de frecuencias suavizado.

De una forma anloga las ojivas suavizadas provienen de la suavizacin de los polgonos de frecuencias acumuladas u ojivas. Normalmente es ms sencillo suavizar una ojiva que un polgono de frecuencias. Tipos de curvas de frecuencia

Las curvas de frecuencia presentan determinadas formas caractersticas que les distinguen como se indica en la Figura 3. (a) Las curvas de frecuencia simtricas o bien formadas se caracterizan por el hecho de que las observaciones que equidistan del mximo central tienen la misma frecuencia. Un ejemplo importante es la curva normal. (b) En las curvas de frecuencia moderadamente asimtricas o sesgadas la cola de la curva a un lado del mximo central es mayor que al otro lado. Si la cola mayor se presenta a la derecha de la curva se dice que sta est sesgada a la derecha o que tiene sesgo positivo, mientras que si ocurre lo contrario se dice que la curva est sesgada a la izquierda o que tiene un sesgo negativo. (c) En las curvas en forma de J o de J invertida, el mximo se presenta en un extremo. (d) Las curvas de frecuencias en forma de U tienen el mximo en ambos extremos.

10

(e) Una curva de frecuencias bimodal tiene dos mximos. (f) Una curva de frecuencias multimodal tiene ms de dos mximos.

Medidas de tendencia central

Al describir grupos de observaciones, con frecuencia es conveniente resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele situarse hacia el centro de la distribucin de datos se denomina medida o parmetro de tendencia central o de centralizacin. Cuando se hace referencia nicamente a la posicin de estos parmetros dentro de la distribucin, independientemente de que sta est ms o menos centrada, se habla de estas medidas como medidas de posicin.1 En este caso se incluyen tambin los cuantiles entre estas medidas. Entre las medidas de tendencia central tenemos:
y y y y y y

Media aritmtica. Media ponderada. Media geomtrica. Media armnica. Mediana. Moda.

La media aritmtica (o simplemente media) La media aritmtica es el valor obtenido por la suma de todos sus valores dividida entre el nmero de sumandos.

Por ejemplo, las notas de 5 alumnos en una prueba: Alumno Nota 1 6,0 Primero, se suman las notas: 2 5,4 6,0+5,4+3,1+7,0+6,1 = 27,6 3 3,1 Luego el total se divide entre la cantidad de alumnos: 4 7,0 27,6/5=5,52 5 6,1 La media aritmtica en este ejemplo es 5,52

La media aritmtica es, probablemente, uno de los parmetros estadsticos ms extendidos.2 Se le llama tambin promedio o, simplemente, media.

11

Definicin formal Dado un conjunto numrico de datos, x1, x2, ..., xn, se define su media aritmtica como

Esta definicin vara, aunque no sustancialmente, cuando se trata de variables continuas, esto es, tambin puede calcularse para variables agrupadas en intervalos. Propiedades Las principales propiedades de la media aritmtica son:3
y y y

Su clculo es muy sencillo y en l intervienen todos los datos. Su valor es nico para una serie de datos dada. Se usa con frecuencia para comparar poblaciones, aunque es ms apropiado acompaarla de una medida de dispersin. Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto de datos, ya que tiene la propiedad de equilibrar las desviaciones de los datos respecto de su propio valor:

Minimiza las desviaciones cuadrticas de los datos respecto de cualquier valor prefijado, esto es, el valor de es mnimo cuando . Este resultado se conoce como Teorema de Knig. Esta propiedad permite interpretar uno de los parmetros de dispersin ms importantes: la varianza.

Se ve afectada por transformaciones afines (cambios de origen y escala), esto es, si xi' = axi + b entonces , donde xi', para i = 1, ..., n y a y b nmeros reales. es la media aritmtica de los

12

Es poco sensible a fluctuaciones muestrales, por lo que es un parmetro muy til en inferencia estadstica.

Inconvenientes de su uso Este parmetro, an teniendo mltiples propiedades que aconsejan su uso en situaciones muy diversas, tiene tambin algunos inconvenientes, como son:
y

Para datos agrupados en intervalos (variables continuas) su valor oscila en funcin de la cantidad y amplitud de los intervalos que se consideren.

La estatura media como resumen de una poblacin homognea (abajo) o heterognea (arriba).
y

Es una medida a cuyo significado afecta sobremanera la dispersin, de modo que cuanto menos homogneos sean los datos, menos informacin proporciona. Dicho de otro modo, poblaciones muy distintas en su composicin pueden tener la misma media.4 Por ejemplo, un equipo de baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente, tendra una estatura media de 1,95 m, valor que representa fielmente a esta poblacin homognea. Sin embargo, un equipo de jugadores de estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m, por ejemplo, tendra tambin, como puede comprobarse, una estatura media de 1,95 m, valor que no representa a casi ninguno de sus componentes. En el clculo de la media no todos los valores contribuyen de la misma manera. Los valores altos tienen ms peso que los valores cercanos a cero. Por ejemplo, en el clculo del salario medio de un empresa, el salario de un

13

alto directivo que gane 1.000.000 de tiene tanto peso como el de diez empleados "normales" que ganen 1.000 . En otras palabras, se ve muy afectada por valores extremos.
y

No se puede determinar si en una distribucin de frecuencias hay intervalos de clase abiertos.

Media aritmtica ponderada A veces puede ser til otorgar pesos o valores a los datos dependiendo de su relevancia para determinado estudio. En esos casos se puede utilizar una media ponderada. Si x1,x2,...,xn son nuestros datos y w1,w2,...,wn son sus "pesos" respectivos, la media ponderada se define de la siguiente forma:

Media muestral Esencialmente, la media muestral es el mismo parmetro que el anterior, aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que la media aritmtica se calcula para un subconjunto de la poblacin objeto de estudio. La media muestral es un parmetro de extrema importancia en la inferencia estadstica, siendo de gran utilidad para la estimacin de la media poblacional, entre otros usos.

Media armnica
La media armnica , denominada H, de una cantidad finita de nmeros es igual al recproco, o inverso, de la media aritmtica de los recprocos de dichos valores As, dados los nmeros a1,a2, ... , an, la media armnica ser igual a:

La media armnica resulta poco influida por la existencia de determinados valores mucho ms grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho ms pequeos que el conjunto.

14

La media armnica no est definida en el caso de la existencia en el conjunto de valores nulos. Propiedades 1. La inversa de la media armnica es la media aritmtica de los inversos de los valores de la variable. 2. Siempre se puede pasar de una media armnica a una media aritmtica transformando adecuadamente los datos. Ventaja
y

Considera todos los valores de la distribucin y en ciertos casos, es ms representativa que la media aritmtica.

Desventajas
y y

La influencia de los valores pequeos y El hecho que no se puede determinar en las distribuciones con algunos valores iguales a cero; por eso no es aconsejable su empleo en distribuciones donde existan valores muy pequeos.

Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc.

Media geomtrica

Construccin geomtrica para hallar las medias aritmtica, geomtrica y armnica de dos nmeros a y b.

15

En matemticas y estadstica, la media geomtrica de una cantidad arbitraria de nmeros (digamos n nmeros) es la raz n-sima del producto de todos los nmeros.

Por ejemplo, la media geomtrica de 2 y 18 es

Otro ejemplo, la media de 1, 3 y 9 sera

Propiedades El logaritmo de la media geomtrica es igual a la media aritmtica de los logaritmos de los valores de la variable. Ventajas:
y y

considera todos los valores de la distribucin y es menos sensible que la media aritmtica a los valores extremos.

Desventajas:
y y y

es de significado estadstico menos intuitivo que la media aritmtica, su clculo es ms difcil y en ocasiones no queda determinada; por ejemplo, si un valor entonces la media geomtrica se anula.

Solo es relevante la media geomtrica si todos los nmeros son positivos. Como hemos visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un nmero negativo (o una cantidad impar de ellos) entonces la media geomtrica sera o bien negativa, o bien inexistente en los nmeros reales.

16

En muchas ocasiones se utiliza su trasformacin en el manejo estadstico de variables con distribucin no normal. La media geomtrica es relevante cuando varias cantidades son multiplicadas para producir un total. [editar] Media geomtrica ponderada Al igual que en una media aritmtica pueden introducirse pesos como valores multiplicativos para cada uno de los valores con el fin de ponderar o hacer pesar ms en el resultado final ciertos valores, en la media geomtrica pueden introducirse pesos como exponentes:

Donde las

son los pesos.

En matemticas, la media cuadrtica, valor cuadrtico medio o RMS (del ingls root mean square) es una medida estadstica de la magnitud de una cantidad variable. Puede calcularse para una serie de valores discretos o para una funcin de variable continua. El nombre deriva del hecho de que es la raz cuadrada de la media aritmtica de los cuadrados de los valores. A veces la variable toma valores positivos y negativos, como ocurre, por ejemplo, en los errores de medida. En tal caso se puede estar interesado en obtener un promedio que no recoja los efectos del signo. Este problema se resuelve, mediante la denominada media cuadrtica. Consiste en elevar al cuadrado todas las observaciones (as los signos negativos desaparecen), en obtener despus su media aritmtica y en extraer, finalmente, la raz cuadrada de dicha media para volver a la unidad de medida original. Otras medias estadsticas son la media aritmtica, la media ponderada, la media generalizada, media armnica. Definicin La media cuadrtica para una coleccin de N valores {x1, x2, ... , xN} viene dada por la frmula (1):

17

Vef=2Vmax/pi Para una funcin de variable continua f(t) definida sobre el intervalo T1 t T2 viene dada por la expresin:

Aplicaciones Valor eficaz de una corriente variable Artculo principal: Valor eficaz Generalmente, el valor eficaz es usado en fsica e ingeniera, aunque tiene otros usos. Media cuadrtica de la velocidad de un gas Artculo principal: Raz de la velocidad cuadrtica media En fsica, la media cuadrtica de la velocidad de un gas se define como la raz cuadrada de la media de la velocidad al cuadrado de las molculas de un gas. La velocidad RMS de un gas ideal es calculada usando la siguiente ecuacin:

donde k representa la constante de Boltzmann (en este caso, 1.3806503*1023 J/K)), T es la temperatura del gas en kelvins, y M es la masa del gas, medida en kilogramos.

18

Mediana (estadstica)
En el mbito de la estadstica, la mediana es el valor de la variable que deja el mismo nmero de datos antes y despus que l, una vez ordenados estos. De acuerdo con esta definicin el conjunto de datos menores o iguales que la mediana representarn el 50% de los datos, y los que sean mayores que la mediana representarn el otro 50% del total de datos de la muestra. La mediana coincide con el percentil 50, con el segundo cuartil y con el quinto decil. Contenido
y

y y y y

1 Clculo o 1.1 Datos sin agrupar o 1.2 Datos agrupados 2 Ejemplos para datos sin agrupar o 2.1 Ejemplo 1: Cantidad (N) impar de datos o 2.2 Ejemplo 2 : Cantidad (N) par de datos 3 Ejemplo para datos agrupados 4 Mtodo de clculo general 5 Mtodo proyectivo 6 Vase tambin

Clculo Existen dos estrategias para calcular la mediana: considerando los datos en forma individual, sin agruparlos, o bien utilizando los datos agrupados en intervalos de clase. Veamos cada una de ellas. Datos sin agrupar Sean los datos de una muestra ordenada en orden creciente y designando la mediana como Me, distinguimos dos casos: a) Si n es impar, la mediana es el valor que ocupa la posicin (n + 1) / 2 una vez que los datos han sido ordenados (en orden creciente o decreciente), porque ste es el valor central. Es decir: Me = x(n + 1) / 2. Por ejemplo, si tenemos 5 datos, que ordenados son: x1 = 3, x2 = 6, x3 = 7, x4 = 8, x5 = 9 => El valor central es el tercero: x(5 + 1) / 2 = x3 = 7. Este valor, que es la mediana de ese conjunto de datos, deja dos datos por debajo (x1, x2) y otros dos por encima de l (x4, x5).

19

b) Si n es par, la mediana es la media aritmtica de las dos observaciones centrales. Cuando n es par, los dos datos que estn en el centro de la muestra ocupan las posiciones n / 2 y n / 2 + 1. Es decir: Me = (xn / 2 + (xn / 2 + 1)) / 2. Por ejemplo, si tenemos 6 datos, que ordenados son: x1 = 3, x2 = 6, x3 = 7, x4 = 8, x5 = 9, x6 = 10 => Hay dos valores que estn por debajo del y otros dos que quedan por encima del siguiente dato . Por tanto, la mediana de este grupo de datos es la media aritmtica de estos dos datos: . Datos agrupados

Al tratar con datos agrupados, si coincide con el valor de una frecuencia acumulada, el valor de la mediana coincidir con la abscisa correspondiente. Si no coincide con el valor de ninguna abcisa, se calcula a travs de semejanza de tringulos en el histograma o polgono de frecuencias acumuladas, utilizando la siguiente equivalencia:

Dnde Ni y Ni

son las frecuencias absolutas acumuladas tales que

, ai 1 y ai son los extremos, inferior y superior, del intervalo donde se alcanza la mediana y Me = ai 1 es la abscisa a calcular, la moda. Se observa que ai ai 1 es la amplitud de los intervalos seleccionados para el diagrama. Ejemplos para datos sin agrupar

Ejemplo 1: Cantidad (N) impar de datos

xi fi 1 2 2 2

Ni 2 4

20

Las calificaciones en la asignatura de Matemticas de 39 alumnos 3 4 de una clase viene dada por la siguiente tabla: Calificaciones 1 2 3 4 5 6 7 8 9 4 5

8 13

Nmero de alumnos 2 2 4 5 8 9 3 4 2

5 8 21 > 19.5 6 9 30 33 37

Primero se hallan las frecuencias absolutas acumuladas Ni. As, aplicando la formula asociada a la mediana para n impar, se obtiene X(39 + 1) / 2 = X20.
y

7 3 8 4

Ni-1< n/2 < Ni = N19 < 19.5 < N20

9 2 39 Por tanto la mediana ser el valor de la variable que ocupe el vigsimo lugar.En este ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5) > 19.5 con lo que Me = 5 puntos, la mitad de la clase ha obtenido un 5 o menos, y la otra mitad un 5 o ms. [editar] Ejemplo 2 : Cantidad (N) par de datos Las calificaciones en la asignatura de Matemticas de 38 alumnos de una clase viene dada por la siguiente tabla (debajo): Calificaciones 1 2 3 4 5 6 7 8 9

Nmero de alumnos 2 2 4 5 6 9 4 4 2 xi fi Ni+w 1 2 2 2 3 4 4 5 2 4 8 13

5 6 19 = 19 6 9 28

21

Primero se hallan las frecuencias absolutas acumuladas Ni. Ni. As, aplicando la frmula asociada a la mediana para n par, se obtiene X(38 / 2) = X19.
y

7 4 8 4 9 2

32 36 38

Ni-1< n/2 < Ni = N18 < 19 < N19

Con lo cual la mediana ser la media aritmtica de los valores de la variable que ocupen el decimonoveno y el vigsimo lugar. En el ejemplo el lugar decimonoveno lo ocupa el 5 y el vigsimo el 6 con lo que Me = (5+6)/2 = 5,5 puntos, la mitad de la clase ha obtenido un 5,5 o menos y la otra mitad un 5,5 o ms.

Ejemplo para datos agrupados Entre 1.70 y 1.80 hay 3 estudiantes. Entre 1.60 y 1.70 hay 5 estudiantes. Entre 1.50 y 1.60 hay 2 estudiantes.

Mtodo de clculo general xi [x11-x12] . . . fi f1 . . . Ni N1 . . N(i-2)

[x(i-1)1-x(i-1)2] f(i-1) f(i-1)-N(i-2)=N(i-1) [xi1-xi2] fi fi-Ni-1=Ni

[x(i+1)1-x(i+1)2] f(i+1) f(i+1)-Ni=N(i+1) . . . . . .

22

. [xM1-xM2] Consideramos: - x11 valor mnimo< Entonces:

. fM

. fM-N(M-1)=NM

Mtodo proyectivo Con base en el mtodo proyectivo, se puede obtener la mediana para datos agrupados de la siguiente forma: 1. Tomar el nmero total de frecuencias y dividirlo entre dos. 2. Restar a ese nmero el total de frecuencias de las clases anteriores a la clase mediana. 3. Usar el nmero obtenido para hacer un cambio del doble superior de escala entre las frecuencias de la clase mediana y sus rangos para obtener la distancia parcial 4. Sumamos la distancia parcial obtenida a el lmite inferior de la clase. Usando el ejemplo anterior:

1. El nmero total de frecuencias es de; (3+5+2)/2 = 10/2 = 5 2. El total de frecuencias anteriores es 2; (5 - 2) = 3 3. Hacemos el cambio de escalas:

Resolviendo:

23

la mediana es la suma de todos los datos dividido entre el nmero de datos 4. Se suma la distancia parcial al lmite inferior:

Moda (estadstica)
Para otros usos de este trmino, vase Moda (desambiguacin). En estadstica, la moda es el valor con una mayor frecuencia en una distribucin

de datos. Hablaremos de una distribucin bimodal de los datos cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima. Una distribucin trimodal de los datos es en la que encontramos tres modas. Si todas las variables tienen la misma frecuencia diremos que no hay moda. El intervalo modal es el de mayor frecuencia absoluta. Cuando tratamos con datos agrupados antes de definir la moda, se ha de definir el intervalo modal. La moda, cuando los datos estn agrupados, es un punto que divide al intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que

verifiquen que: Siendo la frecuencia absoluta del intervalo modal las frecuencias absolutas de los

intervalos anterior y posterior, respectivamente, al intervalo modal.

24

Moda de datos agrupados Para obtener la moda en datos agrupados se usa la siguiente frmula:

Donde: Li 1 = L mite inferior de la clase modal. D1 = Frecuencia absoluta modal sobre la clase contigua inferior. D2 = Frecuencia absoluta modal sobre la clase contigua superior. i = intervalo. Ejemplo Encontrar la estatura modal de un grupo que se encuentra distribuido de la siguiente forma: Entre 1.70 y 1.80 hay 8 estudiantes. Entre 1.60 y 1.70 hay 10 estudiantes. Entre 1.50 y 1.60 hay 4 estudiantes. Entre 1.45 y 1.55 hay 3 estudiantes. Entre 1.30 y 1.35 hay 2,3 estudiantes. Entre 1.20 y 1.25 hay 2 estudiantes Entre 1.10 y 1.15 hay 1,5 estudiantes Entre 1 y 1.10 hay 1 estudiante Mtodo proyectivo Con base en el Mtodo Proyectivo se obtiene la moda de la siguiente manera usando el ejemplo anterior: 1.- Se Identifica la clase modal, que es la clase que tiene ms frecuencias. 2.- Se identifica las diferencias con las clases vecinas. 3.- Se hace un cambio de escala En el Ejemplo anterior:

25

1.- Clase con ms frecuencias: 1.60 a 1.70 (con 10 frecuencias) 2.- Diferencias con las clases vecinas: 2 (clase superior) y 6 (clase inferior) que se obtiene de restar (10-8) y (10-4) 3.-Cambio de escala: Distancia parcial en la escala uno es a la distancia total de la misma escala como el valor buscado es a la distancia total de la escala dos.

Resolviendo:

Se suma 0.075 (la distancia parcial) a 1.60 (el lmite inferior), obtenindose la moda.

Propiedades Sus principales propiedades son:

y y y

Clculo sencillo. Interpretacin muy clara. Al depender slo de las frecuencias, puede calcularse para variables cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una poblacin no es posible realizar otros clculos, por ejemplo, cuando se enumeran en medios periodsticos las caractersticas ms frecuentes de determinado sector social. Esto se conoce informalmente como "retrato robot".1

Inconvenientes
y

y y y

Su valor es independiente de la mayor parte de los datos, lo que la hace muy sensible a variaciones muestrales. Por otra parte, en variables agrupadas en intervalos, su valor depende excesivamente del nmero de intervalos y de su amplitud. Usa muy pocas observaciones, de tal modo que grandes variaciones en los datos fuera de la moda, no afectan en modo alguno a su valor. No siempre se sita hacia el centro de la distribucin. Puede haber ms de una moda en el caso en que dos o ms valores de la variable presenten la misma frecuencia (distribuciones bimodales o multimodales).

26

1. La frecuencias sirven para clasificar los datos de una manera ms ordenada.

2. Los intervalos son los limites que hay entre cada nmero.

3. Las medias de tendencia central son las medidas que se usan para concentrarse los valores del centro.

4. La media armnica es el inverso de cada uno de los datos simples y se representa por medio de la x barra.

5. La media geomtrica se utiliza cuando se desea que resultado tengo menos influencia con los extremos se representa por medio de x barra g.

6. La mediana es el valor que se encuentra en el centro de los datos.

7. La moda es ek valor variable que ms se repite o sea que tiene mayor frecuencia.

27

WWW.WIKIPEDIA.COM.ORG Contenido de la segunda fase de la Ctedra Estadstica Comercial.

28