2013

Entregable 1
ALUMNO: DAVID NEGRETE CISNEROS
PROBABILIDAD Y ESTADISTICA

ESTADISTICA Y CLASIFICACION
Contenido 1. Estadstica Descriptiva 2. Poblacin y muestra 3. Variables estadsticas 4. Estadstica descriptiva 5. Tipo de muestreo, extraccin de una muestra aleatoria simple 6. Nmeros aleatorios, generacin utilizando calculadora cientfica y la hoja de clculo de Excel 7. Parmetros y estadsticos 8. Medidas de tendencia central 9. La media 10. La mediana 11. La moda 12. Otros valores medios 13. Obtencin de los promedios estadsticos utilizando la hoja de clculo de Excel 14. Medidas de dispersin

1. Estadstica Descriptiva
La estadstica descriptiva es una gran parte de la estadstica que se dedica a recolectar, ordenar, analizar y representar un conjunto de datos, con el fin de describir apropiadamente las caractersticas de este. Este anlisis es muy bsico. Aunque hay tendencia a generalizar a toda la poblacin, las primeras conclusiones obtenidas tras un anlisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qu medida los datos se agrupan o dispersan en torno a un valor central. Esto es lo que podra ser un concepto aproximado. La Estadstica es la ciencia que se encarga de recolectar datos de una poblacin o muestra. Los conceptos estadsticos se han trabajado intuitivamente desde la antigedad, las primeras culturas recopilaban datos poblacionales por medio de censos como los realizados Egipto y por Moiss (segn consta la Biblia) y el empadronamiento que fue efectuado por los romanos en Judea, solo a partir del siglo pasado Adolfo Quetelec (1796-1874) creo diferentes mtodos para realizar observaciones con el fin de determinar el tipo de datos que regulan algunos fenmenos.

2. Poblacin y Muestra
Una investigacin tpicamente se enfocar en una coleccin bien definida de objetos que constituyen una poblacin de inters. En un estudio, la poblacin podra consistir de todas las cpsulas de gelatina de un tipo particular producidas durante un periodo especfico. Otra investigacin podra implicar la poblacin compuesta de todos los individuos que recibieron una licenciatura de ingeniera durante el ao acadmico ms reciente. Cuando la informacin deseada est disponible para todos los objetos de la poblacin, se tiene lo que se llama un censo. Las restricciones de tiempo, dinero y otros recursos escasos casi siempre hacen que un censo sea imprctico o infactible. En su lugar, se selecciona un subconjunto de la poblacin, una muestra, de manera prescrita. As pues, se podra obtener una muestra de cojinetes de una corrida de produccin particular como base para investigar si los cojinetes se ajustan a las especificaciones de fabricacin, o se podra seleccionar una muestra de los graduados de ingeniera del ltimo ao para obtener retroalimentacin sobre la calidad de los programas de estudio de ingeniera. Por lo general, existe inters slo en ciertas caractersticas de los objetos en una poblacin: el nmero de grietas en la superficie de cada recubrimiento, el espesor de cada pared de cpsula, el gnero de un graduado de ingeniera, la edad a la cual el individuo se gradu, y as sucesivamente. Una caracterstica puede ser categrica, tal como el gnero o tipo de funcionamiento defectuoso o puede ser de naturaleza numrica. En el primer caso, el valor de la caracterstica es una categora (p. ej., femenino o soldadura insuficiente), mientras que en el segundo caso, el valor es un nmero (p. ej., edad = 23 aos o dimetro = 0.502 cm). Una variable es cualquier caracterstica cuyo valor puede cambiar de un objeto a otro en la poblacin. Inicialmente las letras minsculas del alfabeto denotarn las variables. Algunos ejemplos incluyen:
X= marca de la calculadora de un estudiante

y = nmero de visitas a un sitio web particular durante un periodo especfico z= distancia de frenado de un automvil en condiciones especficas

3. Variables Estadsticas
Se obtienen datos al observar o una sola variable o en forma simultnea dos o ms variables. Un conjunto de datos uni-variantes se compone de observaciones realizadas en una sola variable. Por ejemplo, se podra determinar el tipo de transmisin automtica (A) o manual (M) en cada uno de diez automviles recientemente adquiridos en cierto concesionario y el resultado sera el siguiente conjunto de datos categricos MAAAMAAMAA La siguiente muestra de duraciones (horas) de bateras D puestas en cierto uso es un conjunto de datos numricos uni-variantes: 5.6 5.1 6.2 6.0 5.8 6.5 5.8 5.5 Se tienen datos bivariantes cuando se realizan observaciones en cada una de dos variables. El conjunto de datos podra consistir en un par (altura, peso) por cada jugador integrante del equipo de bsquetbol, con la primera observacin como (72, 168), la segunda como (75, 212), y as sucesivamente. Si un ingeniero determina el valor tanto de x = componente de duracin y y = razn de la falla del componente, el conjunto de datos resultante es bivariante con una variable numrica y la otra categrica. Los datos multivariantes surgen cuando se realizan observaciones en ms de una variable (por lo que bivariante es un caso especial de multivariante). Por ejemplo, un mdico investigador podra determinar la presin sangunea sistlica, la presin sangunea diastlica y nivel de colesterol en suero de cada paciente participante en un estudio. Cada observacin sera un triple de nmeros, tal como (120, 80, 146). En muchos conjuntos de datos multivariantes, algunas variables son numricas y otras son categricas. Por lo tanto, el nmero anual dedicado al automvil de Consumer Reports da valores de tales variables como tipo de vehculo (pequeo, deportivo, compacto, tamao mediano, grande), eficiencia de consumo de combustible en la ciudad (mpg), eficiencia de consumo de combustible en carretera (mpg), tipo de tren motriz (ruedas traseras, ruedas delanteras, cuatro ruedas), etctera.

4. Tipos de Muestreo
En un modelo estadstico podemos distinguir dos tipos fundamentales de muestreo, los cuales son: Muestreo Probabilstico (aleatorio); En este tipo de muestreo, todos los individuos de la poblacin pueden formar parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras investigaciones, por ser el riguroso y cientfico. Muestreo no probabilstico (no aleatorio); En este tipo de muestreo, puede haber clara influencia de la persona o personas que seleccionan la muestra o simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas en la que los errores cometidos no son grandes, debido a la homogeneidad de la poblacin, en general no es un tipo de muestreo

riguroso y cientfico, dado que no todos los elementos de la poblacin pueden formar parte de la muestra. Por ejemplo, si hacemos una encuesta telefnica por la maana, las personas que no tienen telfono o que estn trabajando, no podrn formar parte de la muestra. En el contexto de muestreo probabilstico, existen varias posibilidades de obtencin de una muestra: Muestreo aleatorio Simple; En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad de ser seleccionados. La seleccin de la muestra puede realizarse a travs de cualquier mecanismo probabilstico en el que todos los elementos tengan las mismas opciones de salir. Por ejemplo uno de estos mecanismos es utilizar una tabla de nmeros aleatorios, o tambin con un ordenador generar nmeros aleatorios, comprendidos entre cero y uno, y multiplicarlos por el tamao de la poblacin, este es el que vamos a utilizar. Muestreo aleatorio estratificado; Es frecuente que cuando se realiza un estudio interese estudiar una serie de subpoblaciones (estratos) en la poblacin, siendo importante que en la muestra haya representacin de todos y cada uno de los estratos considerados. El muestreo aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una muestra de cada uno de los estratos. Hay dos conceptos bsicos: Estratificacin: El criterio a seguir en la formacin de los estratos ser formarlos de tal manera que haya la mxima homogeneidad en relacin a la variable a estudio dentro de cada estrato y la mxima heterogeneidad entre los estratos. Afijacin: Reparto del tamao de la muestra en los diferentes estratos o subpoblaciones. Existen varios criterios de afijacin entre los que destacamos: o Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en la muestra. o Afijacin proporcional: Cada estrato tiene un nmero de elementos en la muestra proporcional a su tamao. o Afijacin Neyman: Cuando el reparto del tamao de la muestra se hace de forma proporcional al valor de la dispersin en cada uno de los estratos.

Muestreo aleatorio sistemtico; Es un tipo de muestreo aleatorio simple en el que los

elementos se seleccionan segn un patrn que se inicia con una eleccin aleatoria. Considerando una poblacin de N elementos, si queremos extraer una muestra de tamao n, partimos de un nmero h=N/n, llamado coeficiente de elevacin y tomamos un nmero al azar comprendido entre 1 y h que se denomina arranque u origen. La muestra estar formada por los elementos: a, a+h, a+2h,....a+(n-1)h. De aqu se deduce que un elemento poblacional no podr aparecer ms de una vez en la muestra. La muestra ser representativa de la poblacin pero introduce algunos sesgos cuando la poblacin est ordenada en funcin de determinados criterios.

Muestreo aleatorio por conglomerados o reas; Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta homogeneidad, un conglomerado se considera una agrupacin de elementos que presentan caractersticas similares a toda la poblacin. Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia de los programas y cadenas de televisin, se utiliza un muestreo por conglomerados-familias que han sido elegidas aleatoriamente. Las familias incluyen personas de todas las edades, muy representativas de las mismas edades y preferencias que la totalidad de la poblacin. Una vez seleccionados aleatoriamente los conglomerados, se toman todos los elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de elementos de la poblacin previamente formados. Elegidos estos grupos o "conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin, tambin al azar, de los elementos que han de ser observados dentro de cada grupo, o bien, segn se desee, a la observacin de todos los elementos que componen los grupos elegidos. Muestreo no Probabilstico; Existen otros procedimientos para seleccionar las muestras, que son menos precisos que los citados y que resultan menos costosos. El procedimiento ms utilizado es el muestreo no probabilstico, denominado opintico consistente en que el investigador selecciona la muestra que supone sea la ms representativa, utilizando un criterio subjetivo y en funcin de la investigacin que se vaya a realizar. Con el muestreo opintico la realizacin del trabajo de campo puede simplificarse enormemente pues se puede concentrar mucho la muestra. Sin embargo, al querer concentrar la muestra, se pueden cometer errores y sesgos debidos al investigador y, al tratarse de un muestreo subjetivo (segn las preferencias del investigador), los resultados de la encuesta no tienen una fiabilidad estadstica exacta. Un muestreo no probabilstico muy utilizado hoy en da por los institutos de opinin es el de itinerarios, consistente en facilitar al entrevistador el perfil de las personas que tiene que entrevistar en cada uno de los itinerarios en que se realizan las entrevistas. El muestreo denominado de cuotas, utiliza en sucesivos sondeos al mismo conjunto muestral (inicialmente seleccionado de forma aleatoria) y es el empleado para medir ndices de audiencia de programas televisivos.

Muestreo Aleatorio simple

Si se selecciona un tamao de muestra n de una poblacin de tamao N de tal manera que cada muestra posible de tamao n tenga la misma probabilidad de ser seleccionada, el procedimiento de muestro se denomina muestreo aleatorio simple. A la muestra obtenida se le denomina muestra aleatoria simple.

5. Nmeros aleatorios, generacin utilizando calculadora cientfica y la hoja de clculo de Excel

Un nmero aleatorio es aquel obtenido al azar, es decir, que todo nmero tenga la misma probabilidad de ser elegido y que la eleccin de uno no dependa de la eleccin del otro. El ejemplo clsico ms utilizado para generarlos es el lanzamiento repetitivo de una moneda o dado ideal no trucado. La lgica nos hace pensar que las personas somos generadores aleatorios imperfectos, hay estudios que demuestran que existen tendencias claras en los humanos para la elaboracin de secuencias sesgadas y estn relacionadas con caractersticas personales, con los conocimientos o informaciones previas o con la edad. Podemos aprovecharnos de situaciones reales para obtener una tabla de nmeros aleatorios, como la lista de los nmeros de Lotera Nacional premiados a lo largo de su historia, pues se caracterizan por que cada dgito tiene la misma probabilidad de ser elegido, y su eleccin es independiente de las dems extracciones. Mtodos manuales, lanzamiento de monedas, lanzamientos de dados, dispositivos mecnicos, dispositivos electrnicos Mtodos de computacin analgica, son mtodos que dependen de ciertos procesos fsicos aleatorios, por ejemplo, el comportamiento de una corriente elctrica. Mtodos de computacin digital, cuando se usa el ordenador digital. Tablas de bibliotecas, son nmeros aleatorios que se han publicado; de los cuales podemos encontrar listas en los libros de probabilidad y tablas de matemticas. Estos nmeros fueron generados por alguno de los mtodos de computacin analgica. La frmula para obtener nmeros enteros pseudo-aleatorios dentro de un rango especfico es:

X = INT (RND * (B - A + 1)) + A

En donde: 1. A y B son los lmites inferior y superior del rango, respectivamente. 2. RND es una funcin que devuelve un nmero real aleatorio perteneciente al rango [0, 1), es decir, mayor o igual a 0 y menor que 1. 3. INT es la funcin parte entera. Toma un nmero real y devuelve el entero menor ms prximo.

Se puede programar una funcin en una calculadora programable, que solicite los lmites inferior y superior del rango de enteros [A, B] y luego, a cada pulsacin de determinada tecla, arroje un entero perteneciente a ese rango. RND es una funcin de generacin de nmeros pseudoaletorios con convergencia lineal.

Para conseguir nmeros aleatorios con Excel, tenemos que utilizar las funciones: ENTERO y ALEATORIO. - Funcin ALEATORIO (), genera un nmero al azar entre cero y uno y no tiene argumentos -Funcin ENTERO (valor) que devuelve la parte entera de un nmero decimal. Vamos a plantear un ejemplo real de nmeros aleatorios: simular una combinacin de la lotera primitiva; en los que hay que escoger 6 nmeros de entre 49 nmeros. -Si utilizamos la funcin: ALEATORIO (), esta slo nos devolver un nmero decimal entre el 0 y el 1, ambos incluidos. Para nuestro caso, hay que hacer algunos ajustes en esa frmula. Si multiplicamos cualquiera de esos nmeros aleatorios comprendidos entre 0 y 1 por 49 y le sumamos 1, obtendremos nmeros decimales con parte entera mayor o igual que 1 y menor o igual que 49. =ALEATORIO ()*49+1 En general, si queremos generar nmeros aleatorios entre a y b la frmula que se aplica es: =ALEATORIO ()*(b-a)+a . -De esos nmeros decimales lo nico que nos interesa es la parte entera. Para prescindir de la parte decimal recurrimos a la funcin ENTERO, que escribe slo la parte entera de un nmero. Y La funcin final es: ENTERO (ALEATORIO()*49+1) Nota que si quieres hallar nmeros aleatorios entre [a,b], lo nico que tienes que hacer es cambiar el 49 por otro (b-a) y el 1 por a. Las ltimas versiones de Excel cuentan con la funcin: ALEATORIO.ENTRE (Inferior; Superior) que genera directamente un aleatorio entre inferior y superior. Letras aleatorias con Excel Para conseguir letras aleatorias con Excel tenemos que utilizar las funciones ALEATORIO y CARACTER - Funcin ALEATORIO (), genera un nmero al azar entre cero y uno y no tiene argumentos -Funcin CARACTER(n) que devuelve el carcter cuyo nmero ASCII se indica como argumento. Por ejemplo =CARACTER (67) devuelve la letra C mayscula. Teniendo en cuenta que los nmeros ASCII de las letras maysculas van de 65 para la letra A hasta el 90, para la Z, podemos generar todas las letras en forma aleatoria con esta expresin: =CARACTER (65+ALEATORIO ()*26). La funcin ALEATORIO genera un nmero mayor que cero y menor que uno. Multiplicando este nmero por 26, se obtiene otro nmero comprendido entre cero y veinticinco. Sumndole sesenta y cinco se obtiene un nuevo nmero entre 65 y 90. Finalmente, la funcin CARACTER devuelve la letra correspondiente al nmero ASCII generado

6. Parmetros y estadsticos
Parmetro; Es una cantidad numrica calculada sobre una poblacin y resume los valores que esta toma en algn atributo. A grandes rasgos intenta resumir toda la informacin que hay en la poblacin en unos pocos nmeros (parmetros). Como por ejemplo, la altura media de los sujetos. Estadstico; Es una cantidad numrica calculada sobre una muestra que resume s informacin sobre algn aspecto. Si un estadstico se usa para aproximar un parmetro tambin se le suele llamar estimador. Normalmente nos interesa conocer un parmetro, pero por la dificultad que conlleva estudiar a toda la poblacin, calculamos un estimador sobre una muestra y confiamos en que sean prximos. Existen 4 tipos de estadsticos: Posicin; Dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos. Centralizacin; Indican valores con respecto a los que los datos parecen agruparse. Dispersin; Indican la mayor o menor concentracin de datos con respecto a las medidas de centralizacin. Forma; Dan una idea de cmo se distribuyen los datos.

7. 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 cuantales entre estas medidas. Entre las medidas de tendencia central tenemos: Media. Media ponderada. Media geomtrica. Media armnica. Mediana. Moda.

Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posicin o medidas de tendencia se usan de acuerdo al tipo de variable que se est observando, en este caso se observan variables cuantitativas.

8. La media
La media aritmtica es el valor obtenido al sumar todos los datos y dividir el resultado entre el nmero total de datos. es el smbolo de la media aritmtica

Ejemplo; Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.

Propiedades de la media aritmtica 1. La suma de las desviaciones de todas las puntuaciones de una distribucin respecto a la media de la misma igual a cero.

2. La suma de los cuadrados de las desviaciones de los valores de la variable con respecto a un nmero cualquiera se hace mnima cuando dicho nmero coincide con la media aritmtica.

3. Si a todos los valores de la variable se les suma un mismo nmero, la media aritmtica queda aumentada en dicho nmero. 4. Si todos los valores de la variable se multiplican por un mismo nmero la media aritmtica queda multiplicada por dicho nmero.

9. La Mediana
En el mbito de la estadstica, la mediana representa el valor de la variable de posicin central en un conjunto de datos ordenados. Existen dos mtodos para el clculo de la mediana: 1. considerando los datos en forma individual, sin agruparlos. 2. Utilizando los datos agrupados en intervalos de clase. Datos sin agrupar: Sean la mediana como los datos de una muestra ordenada de forma creciente y designando distinguimos dos casos:

a) Si n es impar, a mediana es el valor que ocupa la posicin una vez que los datos han sido ordenados (en orden creciente o decreciente), porque ste es el valor central. Es decir: . Por ejemplo, si tenemos 5 datos, que ordenados son: => El valor central es el tercero: Este valor, que es la mediana de ese conjunto de datos, deja dos datos por ) y otros dos por encima de l ( , ) , , , ,

debajo (

b) si n es par, la mediana es la media aritmtica de los dos valores centrales. Cuando n es par, los dos datos que estn en el centro de la muestra ocupan las posiciones . Mtodo de Calculo General
xi [x11-x12] . . [x(i-1)1-x(i-1)2] [xi1-xi2] [x(i+1)1-x(i+2)2] [xM1-xM2] fi f1 . . Ni N1 . N(i-2)

. Es decir

f(i-1) f(i-1)-N(i-2)=N(i-1) fi f(i+1) fM fi-Ni-1=Ni f(i+1)-Ni=N(i+1) fM-N(M-1)=NM

Consideramos: valor minimo < Entonces:

10. La Moda
La moda es el valor que tiene maoy frecuencia absoluta. Se representa por Se puede hallar la moda para variables cualitativas y cuantitativas. Ejemplo: Hallar la moda de la distribucin; 2, 3, 3, 4, 4, 4, 5, 5

Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la mxima, la distribucin es bimodal o multimodal, es decir, tiene varias modas. 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay moda. 2, 2, 3, 3, 6, 6, 9, 9 Si dos puntuaciones adyacentes tienen la frecuencia mxima, la moda es el promedio de las dos puntuaciones adyacentes. 0, 1, 3, 3, 5, 5, 7, 8 Clculo de la moda para datos agrupados:

Li-1 es el lmite inferior de la clase modal. fi--1 es la frecuencia absoluta inmediatamente inferior a la en clase modal. fi-+1 es la frecuencia absoluta inmediatamente posterior a la clase modal. ai es la amplitud de la clase. Tambin se utiliza otra frmula de la moda que da un valor aproximado de sta:

Los intervalos tienen amplitudes distintas. En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

La frmula de la moda aproximada cuando existen distintas amplitudes es:

11. Otros Valores Medios

Varianza: La varianza de una distribucin se representa mediante y se define por:

Donde f(X) representa a la funcin de probabilidad y a la funcin densidad de probabilidad, respectivamente, de la variable aleatoria. Claramente porque , para todo X, y , para todo X. A la raz cuadrada positiva de la varianza la llamamos desviacin estndar y se denota En palabras, la varianza es una medida de dispersin o variabilidad que no tiene interpretacin fsica ya que est en unidades cuadradas.

12. Obtencin de los promedios estadsticos utilizando la hoja de clculo de Excel y/o el programa SPSS
Funciones de estadsticas descriptivas en Excel:

MODA: =MODA(rango datos) Devuelve el valor que se repite con ms frecuencia en un rango de datos; es una medida de posicin. Media: =PROMEDIO (rango de datos) Devuelve la media aritmtica del rango de datos a estudio. ERROR TPICO: =DESVEST(rango datos)/RAIZ(nmero de la muestra) No hay ninguna funcin en Excel para calcular automticamente este valor. MEDIANA: =MEDIANA(rango datos) Es el nmero que se encuentra en medio de un conjunto de nmeros, i.e., la mitad de los nmeros es mayor que la mediana y la otra mitad es menor. DESVIACION ESTNDAR: =DESVEST(rango datos) Calcula la medida de la dispersin de los valores respecto a la media. VARIANZA: =VAR(rango datos) Es la esperanza del cuadrado de la desviacin de dicha variable respecto a su media. Se trata de una medida de la dispersin de dicha variable aleatoria. CURTOSIS: =CURTOSIS(rango datos) La curtosis caracteriza la elevacin o el achatamiento relativos de una distribucin, comparada con la distribucin normal. Una curtosis positiva indica una distribucin relativamente elevada, mientras que una curtosis negativa indica una distribucin relativamente plana. COEFICIENTE DE ASIMETRIA: =COEFICIENTE.ASIMETRIA(rango datos) Esta funcin caracteriza el grado de asimetra de una distribucin con respecto a su media. La asimetra positiva indica una distribucin unilateral que se extiende hacia valores ms positivos. La asimetra negativa indica una distribucin unilateral que se extiende hacia valores ms negativos. INTERVALO DE CONFIANZA: =INTERVALO.CONFIANZA(alfa; desviacin estndar; tamao muestra) Devuelve un valor que se puede utilizar para construir un intervalo de confianza para una media de una poblacin. El intervalo de confianza es un intervalo de valores, donde la media de la muestra est en el centro de este intervalo. Alfa es el nivel de significacin.

13. Medidas de Dispersin

Las medidas de dispersin nos informan sobre cunto se alejan del centro los valores de la distribucin. Las medidas de dispersin son: Rango o recorrido El rango es la diferencia entre el mayor y el menor de los datos de una distribucin estadstica.

Desviacin Media La desviacin respecto a la media es la diferencia entre cada valor de la variable estadstica y la media aritmtica. Di = x x La desviacin media es la media aritmtica de los valores absolutos de las desviaciones respecto a la media. Y se representa por

Desviacin media para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias, la expresin de la desviacin media es:

Varianza La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la media de una distribucin estadstica. La varianza se representa por signo.

Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Desviacin tpica La desviacin tpica es la raz cuadrada de la varianza. Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de desviacin. La desviacin tpica se representa por .

Desviacin tpica para datos agrupados

Para simplificar el clculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.