Capitulo 6 y 7

UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE CIENCIAS ADMINISTRATIVAS
Captulo 6:
DESVIACIN
ESTNDAR
INTRODUCCIN
Como podemos observar, en el mundo de hoy necesitamos conocer con
detalle un conjunto de datos, no basta con conocer solo las medidas de
tendencia central, sino que necesitamos conocer tambin la desviacin que
representan los datos en su distribucin respecto de la media aritmtica de
dicha distribucin, con objeto de tener una visin de los mismos ms
acorde con la realidad a la hora de describirlos e interpretarlos para la toma
de decisiones de la empresa
229
6.1 CONCEPTO:
La desviacin estndar o desviacin tpica () es una medida de centralizacin o

dispersin para variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la
estadstica descriptiva.
Se define como la raz cuadrada de la varianza. Junto con este valor, la desviacin tpica
es una medida (cuadrtica) que informa de la media de distancias que tienen los datos
respecto de su media aritmtica, expresada en las mismas unidades que la variable.
Se caracteriza por ser el estadgrafo de mayor uso en la actualidad.
Se obtiene mediante la aplicacin de la siguiente frmula:
S= ni (Yi - X )
N
SERIES UNIVERSOS MUESTRAS
S( yi x)2 S(Yi) x)
SIMPLES S2 = T2
N N 1
S{Yi (SYI)2}
S(Yi) (Syi)
2 2
T2
2
S = = N
N
N1
230
AGRUPADA
S (Yi x) 2 T2 Sni (Yi x) 2
S2 = N
= N 1
O
SniYi 2 (SniYi)2 niYi 2 ( SniYi ) 2

T2
CLASIFICADA S2 = N = N
N N 1
Para comprender el concepto de las medidas de distribucin vamos a suponer que el

gerente de una empresa de alimentos desea saber que tanto varan los pesos de los
empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al azar
cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490,
500, 510, 515 y 520) gramos respectivamente.
Por lo que su media es:
La varianza sera:
Por lo tanto la desviacin estndar sera:
231
Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos,
con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta
informacin le permite al gerente determinar cuanto es el promedio de perdidas causado
por el exceso de peso en los empaques y le da las bases para tomar los correctivos
necesarios en el proceso de empacado.
Ejercicio 1: Determinar la Desviacin Estndar del siguiente cuadro de distribucin:
L1 - L2 YI nI Yi NiYi niYi (Yi X) /Yi x/ ni(Yi-x)
45 - 55 50 4 2500 10000 200 384.16 -196 1536.64
55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92
65 - 75 70 20 4900 98000 1400 0.16 0.4 3.2
75 - 85 80 10 6400 64000 800 108.16 10.4 108.16
85 - 95 90 4 8100 32400 360 416.16 20.4 416.16
ni(Yi-x)
niYi= niYi=
N =50 =
247600 3480
5392
S= ni (Yi - X )
N
232
S= 5392 S = 10.38460399
50
S= niYi - (niYi )
N
S= 247 600 (3480/50) S = 10.38460399

50
Nota:
La desviacin Standard o desviacin tpica se aplica

solo para datos agrupados.
233
Ejercicio 2 : Calcular la desviacin standard del siguiente cuadro de distribucin de

frecuencia donde son desconocidas las 3 y la 5 clase y la media aritmtica es 66.3
L1 - L2 YI nI NiYi (Yi -x) Yi - x ni(Yi-x)
45 - 55 61 5 305 28.09 -5.3 140.45
55 - 65 64 7 448 5.29 -2.3 37.03
65 - 75 67 10 670 0.49 0.7 4.9
75 - 85 70 6 420 13.69 3.7 82.14
85 - 95 73 2 146 44.89 6.7 89.78
N = niYi= ni(Yi-x)=
30 1989 354.3
x = 66,3 305 + 448 + 67X + 420 + 73Y = 1989
x = niYi/N 67x + 73y = 1989 - 1173
67.x + 73y = 816 .(a)
234
66.3 x 30 = niYi = 5 + 7 + x + 6 + y = 30
x + y = 30 -18
x + y = 12 . (b)
x + 12 - y
x = 12 - 2 N -10
(a) en (b)
67 (12 - 4) + 73y = 816
804 - 67 + 73y = 816
6y = 616 - 804
6y = 12
y =12/6
y = 2
235
6.2 CORRECCIN SHEPPARD PARA LA DESVIACIN ESTNDAR (Sc)
Cuando en una serie clasificada los lmites de clase comprenden varias unidades se
introducen un error al agrupar los datos en clase (llamado error de agrupamiento) ,
debido a que los puntos medios o marcas no coinciden con los respectivos promedios
de los datos agrupados en cada clase .
Los puntos medios o marcas de clase tienen mayor dispersin que los promedios
lo que da lugar a un error en la varianza en exceso , este error se corrige mediante la
correccin Sheppard con lo cual se obtiene la varianza ajustada o corregida para lo cual
a la varianza calculada se le resta la constante i / 12
Se determina mediante la aplicacin de la siguiente frmula:
Sc = S2 - i
12
Ejercicio 1: Calcular la varianza ajustada estndar corregida del ejercicio anterior .
Sc = S - i / 12
Sc = 107.84 - 10 /12
Sc = 99.50666 Sc = 9.975302
236
Ejercicio 2: Calcular la correccin sheppard del siguiente cuadro de distribucin
45 - 55 50 4 2500 10000 200 384.16 -196 1536.64
55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92
65 - 75 70 20 4900 98000 1400 0.16 0.4 3.2
75 - 85 80 10 6400 64000 800 108.16 10.4 108.16
85 - 95 90 4 8100 32400 360 416.16 20.4 416.16
niYi= niYi= ni(Yi-x) =

N =50
247600 3480 5392
Sc = S - i
12
Sc= 107.84 - 10 /12 Sc= 99.50666 Sc = 9.975302
237
6.3 SIGNIFICADO E INTERPRETACION DE LA DESVIACION
ESTANDAR Y LA CURVA NORMAL
La desviacin estndar puede ser interpretada como una medida de incertidumbre. La

desviacin estndar de un grupo repetido de medidas nos da la precisin de stas.
Cuando se va a determinar si un grupo de medidas est de acuerdo con el modelo
terico, la desviacin estndar de esas medidas es de vital importancia: si la media de
las medidas est demasiado alejada de la prediccin (con la distancia medida en
desviaciones estndar), entonces consideramos que las medidas contradicen la teora.
Esto es coherente, ya que las mediciones caen fuera del rango de valores en el cual
sera razonable esperar que ocurrieran si el modelo terico fuera correcto. La desviacin
estndar es uno de tres parmetros de ubicacin central; muestra la agrupacin de los
datos alrededor de un valor central (la media o promedio).
34.13% 34.13%
13.59% 13.59%
2.15% 2.15%
-3S - 2S -1S X 1S 2S 3S
68.26%
95.45%
99.74%
238
La desviacin estndar ayuda a describir la curva de la distribucin normal o campana

de Gauss mediante la siguiente manera:
1.- Una desviacin estndar a cada lado de la media incluye un rea del 68.26% del
rea total es decir aproximadamente los 2/3 de los casos.
X = 1S = 68.26%
2.- El rea comprendida entre una y dos desviaciones estndar a ambos lados de la
media representa el 13.59% del rea total. El rea comprendida entre 2 desviaciones
estndar a ambos lados de la media es igual a 95.45% del rea total.
X = 2S = 94.75 %
3.- Entre la 2 y 3 desviacin standard (o 2 y 3 desviaciones standard) resulta otra

porcin del rea igual a 2.15% del rea total. El rea comprendida entre 3 desviaciones
standard a cada lado de la media es igual al 99.74% del rea total.
X = 3S = 99.74 %
239
Captulo 7:
MEDIDAS CONJUNTAS
INTRODUCCIN:
En estadstica el coeficiente de variacin (de Pearson), es una medida de

dispersin til para comparar dispersiones a escalas distintas pues es una
medida invariante ante cambios de escala. Sirve para comparar variables
que estn a distintas escalas pero que estn correlacionadas
estadsticamente y sustantivamente con un factor en comn.
Tambin estamos desarrollando, para el incremento de conocimientos, el
tema de kurtosis el cual se ha usado en el monitoreo de mquinas ,
especialmente en compresores recprocos,pero no se ha hecho muy
comn.
240
7.1 CONCEPTO
Es la relacin que se puede establecer entre las medidas de centralizacin (RMS, G, X,
H, Mo, Md, Q, D.P.) y las medidas de dispersin (R, DQ, D.M., S2, S) para obtener
coeficientes que nos permite medir: el coeficiente de variacin, la variable normalizada,
el sesgo, la Kurtosis y los momentos.
7.2 COEFICIENTE DE VARIACIN (V)
En estadstica el coeficiente de variacin (de Pearson), es una medida de dispersin til

para comparar dispersiones a escalas distintas pues es una medida invariante ante
cambios de escala. Sirve para comparar variables que estn a distintas escalas pero
que estn correlacionadas estadsticamente y sustantivamente con un factor en comn.
Es decir, ambas variables tienen una relacin causal con ese factor. Su frmula expresa
la desviacin estndar como porcentaje de la media aritmtica, mostrando una mejor
interpretacin porcentual del grado de variabilidad que la desviacin tpica o estndar.
PROPIEDADES Y APLICACIONES:
El coeficiente de variacin es tpicamente menor que uno.
Para su mejor interpretacin se lo expresa como porcentaje.
Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado

que cuando esta es 0 o muy prxima a este valor C.V. pierde significado, ya que
puede dar valores muy grandes, que no necesariamente implican dispersin de
datos.
El coeficiente de variacin es comn en varios campos de la probabilidad

aplicada.
241
Cuando es preciso comparar las distribuciones de varias series de datos estadsticos

es necesario recurrir, el coeficiente de dispersin relativa que se define como el cociente
que hay entre la dispersin absoluta y el promedio.
Coef. Disp. Relativa = Dispersin absoluta = V

Promedio
Si consideramos que la dispersin absoluta es la desviacin standard y el promedio es

la media aritmtica, a la dispersin relativa resultante se le conoce con el nombre de
coeficiente de variacin.
V = S * 100%
X
El coeficiente de variacin (v); se expresa en trminos de porcentaje y representa un

nmero de abstracto y depende de las unidades que se utilicen.
Ventaja: La ventaja que ofrece este coeficiente es que permite comparar 2

distribuciones que no estn expresadas en las mismas unidades.
Desventaja: Deja de ser til cuando la media tiende a cero.
242
Ejemplo: Determinar el coeficiente de variacin del siguiente cuadro de distribucin:
45 - 55 50 4 2500 10000 200 384.16 -196 1536.64
55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92
65 - 75 70 20 4900 98000 1400 0.16 0.4 3.2
75 - 85 80 10 6400 64000 800 108.16 10.4 108.16
85 - 95 90 4 8100 32400 360 416.16 20.4 416.16
niYi= niYi= ni(Yi-x) =

N =50
247600 3480 5392
V = S * 100%
X
V = 10.38460399 * 100% V = 14.92040803%

69.6
243
7.3 VARIABLE NORMALIZADA O REFERENCIA TIPIFICADAS (Z)
Las variables normalizada es aquella variable que mide las desvas de los puntos
medios con respecto a su medio aritmtico en unidades de desviacin standard.
_ _
Z = Yi X Z = | Yi X |
S S
S
Las desviaciones de la medida vienen dadas en unidades de la desviacin standard por

lo que se dice tambin que estn expresadas en unidades tipificadas o referencias
tipificadas, variables que son de gran utilidad para la comparacin de distribucin.
Ejercicio 1:
1.-En un examen final de Matemtica Finanaciera la media aritmtica fue 15 y la
desviacin standard fue 5 y en el examen de Estadstica fue 13 y la desviacin standard
fue 4. La alumna Samuel Len obtuvo 17 y 16 respectivamente de notas finales en
ambas asignaturas En qu asignatura obtuvo un puesto relativamente ms alto?
_
Matemtica X =15 Nota: 17
Financiera S=5 Yi = 17
_
Z= Yi - X Z = 17-15 Z = 0.40
S 5
244
Nota:16 Yi = 16
Estadstica X = 13
S=4 Z = Yi - X = 16 - 13 Z = 0.75
S 4
Luego ha obtenido una desviacin standard de 0.40 y 0.75 por encima de la media ,
siendo por lo tanto su puntuacin superior en estadstica .
Ejercicio 2: Hallar el rea bajo la curva normal de los siguientes casos:
a) Z = 0; Z = 1.2
0.3849 rea bajo la curva normal
0
.
3
8
4
9
-3 -2 -1 0 1 2 3
245
b) Z = -0.68; Z = 0
Por simetra -0.68 = 0.68
0
.
2
5
1
8
-3 -2 -1 0 1 2 3
c) Z = -0.46 ; Z = 2.21
Por simetra Z = -0.46 = Z = 0.46
Z = 2.21 = 0.4 Z = 0.46 = 0.1772
0.1772 + 0.4864 = 0.6636 rea bajo la curva normal
0
.
1 0.
7 4
7 8
2 6
4
-3 -2 -1 0 1 2 3
246
d) Z = 0.81 ; Z = 1.94
Z = 0.81 = 0.2910 Z = 1.94 - Z = 0.91
Z = 1.94 = 0.4738
0.4738 - 0.2910
0
.
2 0.
9 1
1 8
0 2
8
-3 -2 -1 0 1 2 3
e) Suponiendo que el ingreso mensual promedio de 10000 trabajadores es $ 500 y la

desviacin Standard es $ 100 :
Si la distribucin es normal. Cul es el nmero de trabajadores que tienen un ingresos
mensual :
1.-Superior a $ 500
2.-Superior a $ 500 pero inferior a $ 600
3.- Inferior a $ 600
_
10000(0.5) = 5000
Z = Yi X = 500 500 = 0 = 0
2.- Superior a $ 500 pero inferior a $600
S 100 100
10000 (0.3413) =3413
3.- Superior a $ 600
_
Z = Yi X = 600 500 = 100 = 1
S 100 100 10000 (0.1587) =1587
247
0.
3 0.5 -0.3413
0.5 -0.3413
4
1
3 0.1587
0.5
-3 -2 -1 0 1 2 3
200 300 400 500 600 700 800
f) Suponiendo que el ingreso mensual promedio de 10000 trabajadores es $ 400 y la

desviacin Standard es $ 100 :
Si la distribucin es normal. Cul es el nmero de trabajadores que tienen un ingresos
mensual :
1.-Superior a $ 250 pero inferior a $ 500

_
Z = Yi X = 250 400 =-150 = -1.5
S 100 100
A (-1.5) = 0.4332
_
Z = Yi X = 500 400 = 100 = 1
S 100 100
A (1) =0.3413
248
AREA ENTRE $250 Y $500 = A (-1.5) + A (1)

0.4332 + 0.3413 = 0.7745
AREA INFERIOR A $250 = A (1) - A(1.5)
0.5 0.4332 = 0.668
10000(0.7745)
Inferior a $ 250 = 5000
2.- Superior a $ 500 pero inferior a $600
10000 (0.6668) =6668
0
.
7
7
4
0.6668 5
-3 -2 -1 0 1 2 3
100 200 300 400 500 600 700
249
7.5 COVARIANZA (SXY)
Esta medida conjunta es utilizada para determinar la relacin que existe entre variables
que han sido medidas en diferentes unidades.
Ejercicio 1: La relacin que existe la inversin de publicidad de la inversin del

medicamento y la venta del mismo, la produccin de papa por hectreas (arrobas) y la
lluvia (milmetros).
Ingreso per cpita y la tabla de analfabetismo.
Sxy = (Yi y")(Xix")

"
N1
250
7.6 RELACIONES EMPRICAS ENTRE LAS MEDIDAS DE DISPERSIN
Para distribuciones moderadamente aritmticas se pueden obtener las siguientes

relaciones empricas entre las medidas de dispersin.
1. La desviacin quartil es aproximadamente iguala 2/3 de la desviacin estndar.
D.Q = 2 (S)
3
2. La desviacin media es igual a las 4/5 de la desviacin estndar.
D.M. =4 =
D.M. (S) 4 (S)
5 5
251
3. La desviacin quartil es aproximadamente iguala 2/3 de la desviacin estndar.
D.Q = 2 (S)
3
4. La desviacin media es igual a las 4/5 de la desviacin estndar.
D.M. = 4 (S)
5
252
7.7 SESGO U OBLICUIDAD, KURTOSIS Y MOMENTOS
7.7.1.- SESGO U OBLICUIDAD

Una distribucin se considera sesgada si la media, la mediana y la moda no tienen
el mismo valor.
1. X > Md > Mo = Sesgo positivo
2. X < Md < Mo = Sesgo negativo
X = Md = Mo
X
Md
Mo
a) Sesgo Positivo o Sesgado a la derecha
X >Md > Mo
Mo Md X
253
b) Sesgo Negativo o Sesgado a la izquierda
X < Md < Mo
X Md Mo
+ -
SESGO
254
7.7.2.- MEDIDAS DE SESGO
a.- LOS COEFICIENTES DE SESGO DE KARL PEARSON.- Ha logrado relacionar
medidas de dispersin y centralizacin y ha obtenido:
- PRIMER COEFICIENTE DE SESGO DE KARL PEARSON :
_
1 CS kp = X Mo
S
-SEGUNDO COEFICIENTE DE SESGO DE KARL PEARTSON :
_
2 CSkp = 3 ( X- Md )
S
b. - COEFICIENTE DE SESGO CUARTILICO Y PERCENTLICO
- COEFICIENTE DE SESGO CUARTLICO:
CSq = (Q3 - Q2) - (Q2 - Q1) = Q3 - 2 Q2 + Q1

Q3 - Q 1 Q3 - Q1
255
- COEFICIENTE DE SESGO PERCENTLICO
CSp = (P90 - P50) - (P50 - P10) = P90 - 2P50 + P10

P90 - P10 P90 - P10
7.7.3 COEFICIENTES DE SESGO EN FUNCIN A LOS MOMENTOS:
Otra medida de sesgo viene dado por el momento del 3er orden con respecto a la
x denominado tambin medida relativa de 3 rdenes:
m3 m3 m3 m3
Csm a 3 2
3/ 2
S3 ( S )
2 3
( m2 ) m2
256
7.8 KURTOSIS
Es el grado de apuntamiento o echamiento de una distribucin relacionado

comnmente con la curva normal, campana de Gauss o distribucin normal.
7.8.1 CLASES DE KURTOSIS
1. LEPTOCRTICA: Es aquello que presenta un apuntamiento relativamente alto

literalmente Leptocrtica significa curvatura puntiagudo.
2. MESOCRTICA: Es aquello que no es ni puntiagudo ni achatado y coincide

generalmente con la curva normal.
3. PLATICRTICA: Es aquello que se presenta un achatamiento en la parte superior .
LEPTOCRTICA
MESOCRTICA
PLATICRTICA
257
7.8.2 MEDIDAS DE KURTOSIS
1. COEFICIENTE DE KURTOSIS PERCENTLICO: Este coeficiente relaciona la

desviacin quartil con el espacio interpercentlico obtenindose el siguiente
coeficiente.
CKp = D. Q. = 1/2 Q 3 - Q 1 = Q3 - Q1
P 90 - P 10 P 90 - P 10 2(P 90 - P 10 )
2. COEFICIENTE DE KURTOSIS EN FUNCIN DE LOS MOMENTOS: Est dado por

una medida relativa de cuarto orden con respecto a la media y se determina mediante la
siguiente relacin.
CKm = a 4 = m4 = m4 = m4 = m4
S4 ( S2 )4 ( m2)4 m22
m4 m4
CS m O4 2
( m2 ) 4 m3
258
7.9 MOMENTOS (Mo)
Tanto el sesgo como la Kurtasis se miden mejor utilizando los momentos que emplea el
valor exacto de cada observacin. Los momentos son 4 y a su vez pueden ser con
respecto al origen y con respecto a la media. Se considera que los momentos son una
sntesis de 4 captulos anteriores al establecer las siguientes relaciones.
_
m1 = X Medidas de centralizacin o promedio
m2 =S Medida de dispersin.
m3 = Sesgo
m4 = Kurtosis
Frmula General para los momentos:
niur r
Mr i
N
259
m1 = ( ni u/n) i = X
m2 = ( ni n2 /N) i2 = S2
m3 = ( ni n3 /N) i3 = Sesgo
m4 = ( ni n4 /N) i4 = Kurtosis
niu niu 2 2
M1 i M2 i
N N
niu 3 3 niu 4 4
M3 i M4 i
N N
COEFICIENTE DE KURTOSIS EN FUNCIN DE LOS MOMENTOS:
Esta dado por una medida relativa de cuarto orden .
CKm = A4 = m4 / 54 = m4 / ( 5 )4 = m4 / ( m )4 = m4 /m2
260
7.9.1 COMPROBACIN CHARLIER
La comprobacin Charlier en el clculo de los momentos por el mtodo clave hace uso
de las propiedades de las identidades para la comprobacin para el clculo de medidas.
ni ( u + 1) = niu + N
ni ( u + 1) = niu 2+ 3 niu 2 + niu + N
ni ( u + 1)3 = niu 2+ 3 niu 2 + niu + N
ni ( u + 1)4 = niu 4+ 4 niu 3 + 6 niu + 4 niu + N
7.9.2 RELACIN ENTRE LOS MOMENTOS.
Entre momentos con respecto a la media y momentos con respecto a un punto cualquier
se dan las siguientes relaciones:
m2 = m2 - m1 2
m3 = m3 - 3m1 m2 + 2m13z
m4 = m4 - 4m1 m3 + 6m12 m2 - 3m14
La relacin entre los momentos es el paso previo a la correccin Sheppard para los
momentos.
261
7.9.3 CORRECCIN SHEPPARD PARA LOS MOMENTOS
Los momentos que necesitan corregirse son los momentos de 2 y 4 orden, esto implica
que los momentos de 1 y 3 orden ya no necesitan corregirse.
M2c = m2 i 2
12
m4c = m4 - 1 i2 m2 + 7 i4
2 240
262
Ejercicio : Del siguiente cuadro de distribucin de frecuencia determinar :
1. Las 4 primeros momentos.
2. La comprobacin Charlier
3. La relacin entre los momentos
4. La correccin Sheppard para los momentos
L1 L2 Yi ni ni 3 3 ni 3 4
45 -55 50 4 -2 4 16 -8 -32 16
55- 65 60 12 -1 1 12 -1 -12 1
65 -75 70 20 0 0 0 0 0 0
75 -85 80 10 10 1 10 1 1 1
85 - 95 90 4 4 4 16 8 8 16
n = 50 ni=54 ni3=-2
263
1. m1 = ( niu/N)i m1 = (-2 /50) 10 m1 = -0/4
m2 = ( niu2/N)i m2 = (54 /50) 1002 m2 = 108
m3 = ( niu3/N)i3 m3 = (-2 /50) 1000 m3 = -40
m4 = ( niu4/N)i4 m4 = (150/50) 1000 m4 = 30000
2.-
ni(u + 1) = ni (u+N)
48 = -2 + 50
48 = 48
ni(u + 1) 2 = niu 2 + 2 niu + N

100 = 54 + 2(2) + N
100 = 58 + N
N = 42
ni(u + 1) 3 = niu 3 + 3 niu + 3 ni + u + N

204 = -2 + 3(54) + 3( -2) + N
204 = -2 + 162 - 6 + N
204 = 154 + N
N = 48
ni(u + 1) 3 = niu 4 + 3 niu 3 + 6 ni + 4ni + u + N

508 = 150 + 4(-2) + 6(54) + 4(-2) + N
508 = 150 - (-8) + 324 - 8 + N
508 = 458 + N
N = 48
264
3.-
m2r = m2 - m12
m2r = 108 - (-0.4)2
m2r = 108 + 0.16
m2r = 108.16
m3r = m 3 - 3m 1 m 2 + 2m 1 3
m3r = -40 -3(-0.4)(108) + 2(-0.4)3
m3r = -40 + 129.6 - 0.128
m3r = 129.6 - 40.128
m3r = 89.472
m4r = m 4 - 4m 1 m 2 + 6m 1 3 m 2 - 3m 1 4
m4r = 30000 - 4(-0.4)(-40) + 6(-0.4)(108) - 3(-0.4)
m4r = 30000 - 64 + 103.68 - 0.0768
m4r = 30103.68 - 64.0768
m4r = 30039.6032
4.-
m2C = m - i 2
m2C = 107.84 -(100)
m2C = 107.84 100/12
m2C = 99.50666667
m4C = m 4 r - im 2 r + 7/240 i 4
m4C = 30039.6032 - (100)107.84 + 7/240(10 4 )
m4C = 30039.6032 -5392 + 0.029166666 x 10 4
m4C = 30039.6032 -5392 + 291.666666
m4C = 24939.26986
265
EJERCICIO: Del siguiente cuadro de distribu

distribucin
cin de frecuencias,
determinar lo siguiente.
1. La Varianza
2. La Desviacin Standard
3. Variable Normalizada
4. Relacin Emprica entre las medidas de dispersin
5. Los momentos
6. La Comprobacin Charlier
7. Las relaciones entre los momentos
8. Correccin Sheppard
266
267
268
1.- Varianza
S = ni (Yi - x) /N
S = 24724563.89 =
94573
S = 261.4336427
2.- Desviacin Estndar
S = (Yi - x) /N
S = 261.4336427
S = 16.16890976
3.- Variable Normalizada
Z = ni |Yi - x | S
Z = 1507460.49
16.16890976
Z = 93232.043
269
4.- Relacin Emprica entre las Medidas de Dispersin
D.Q. = 2/3 (S) = 2/3 (16.16890976) = 10.77927317
D.M. = 4/5 (S) = 4/5 (16.16890976) = 12.93512781
5.- Relacin entre los Momentos
m 1 = (niu / N)i = (-30647 / 94573) 10 = -3.240565489
m 2 = (niu / N)i = (257177 / 94573) 100 = 271.9349074
m 3 = (niu 3 / N)i 3 = (-314645 / 94573) 1000 = -3327.006651
m 4 = (niu 4 / N)i 4 = (496525 / 94573) 10000 = 158240.1954
6.- Comprobacin Charlier
ni(u + 1) = ni (u+N) = -30467 + 94573 = 64106
ni(u + 1) 2 = niu 2 + 2niu + N= 211634 + (-60934) + 94573
= 245273
ni(u + 1) 3 = niu 3 + 3niu + 3niu + N
= (-314645) + 3(211634) + 3(-30467) + 94573
= 323249
270
7.- Correccin Shepard para los Momentos
m2r = m2 - m12
m 2 r = 223.7784569 - (-3.240565489)
m 2 r = 213.2771922
m 3 r = m 3 - 3m 1 m 2 + 2m 1 3
m 3 r = -3327.006651 -(-2715.506234) + (-68.06007188) 3
m 3 r = -1219.560489
m 4 r = m 4 - 4m 1 m 2 + 6m 1 3 m 2 - 3m 1 4
m 4 r =158240 - 1954 - 43125.53174 + 14099.74084 - 330.8296802
m 4 r = 128883.5748
271

Capitulo 6 y 7

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitulo 6 y 7

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ADMINISTRATIVAS

La desviacin estndar o desviacin tpica () es una medida de centralizacin o

SERIES UNIVERSOS MUESTRAS

SniYi 2 (SniYi)2 niYi 2 ( SniYi ) 2

Para comprender el concepto de las medidas de distribucin vamos a suponer que el

Por lo que su media es:

Por lo tanto la desviacin estndar sera:

Ejercicio 1: Determinar la Desviacin Estndar del siguiente cuadro de distribucin:

L1 - L2 YI nI Yi NiYi niYi (Yi X) /Yi x/ ni(Yi-x)

45 - 55 50 4 2500 10000 200 384.16 -196 1536.64

55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92

65 - 75 70 20 4900 98000 1400 0.16 0.4 3.2

75 - 85 80 10 6400 64000 800 108.16 10.4 108.16

85 - 95 90 4 8100 32400 360 416.16 20.4 416.16

S= 247 600 (3480/50) S = 10.38460399

La desviacin Standard o desviacin tpica se aplica

Ejercicio 2 : Calcular la desviacin standard del siguiente cuadro de distribucin de

L1 - L2 YI nI NiYi (Yi -x) Yi - x ni(Yi-x)

45 - 55 61 5 305 28.09 -5.3 140.45

55 - 65 64 7 448 5.29 -2.3 37.03

65 - 75 67 10 670 0.49 0.7 4.9

75 - 85 70 6 420 13.69 3.7 82.14

85 - 95 73 2 146 44.89 6.7 89.78

x = 66,3 305 + 448 + 67X + 420 + 73Y = 1989

x = niYi/N 67x + 73y = 1989 - 1173

67.x + 73y = 816 .(a)

67 (12 - 4) + 73y = 816

804 - 67 + 73y = 816

6.2 CORRECCIN SHEPPARD PARA LA DESVIACIN ESTNDAR (Sc)

Se determina mediante la aplicacin de la siguiente frmula:

Ejercicio 1: Calcular la varianza ajustada estndar corregida del ejercicio anterior .

Ejercicio 2: Calcular la correccin sheppard del siguiente cuadro de distribucin

L1 - L2 YI nI Yi NiYi niYi (Yi X) /Yi x/ ni(Yi-x)

45 - 55 50 4 2500 10000 200 384.16 -196 1536.64

55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92

65 - 75 70 20 4900 98000 1400 0.16 0.4 3.2

75 - 85 80 10 6400 64000 800 108.16 10.4 108.16

85 - 95 90 4 8100 32400 360 416.16 20.4 416.16

niYi= niYi= ni(Yi-x) =

Sc= 107.84 - 10 /12 Sc= 99.50666 Sc = 9.975302

6.3 SIGNIFICADO E INTERPRETACION DE LA DESVIACION

ESTANDAR Y LA CURVA NORMAL

La desviacin estndar puede ser interpretada como una medida de incertidumbre. La

La desviacin estndar ayuda a describir la curva de la distribucin normal o campana

3.- Entre la 2 y 3 desviacin standard (o 2 y 3 desviaciones standard) resulta otra

En estadstica el coeficiente de variacin (de Pearson), es una medida de

7.2 COEFICIENTE DE VARIACIN (V)

En estadstica el coeficiente de variacin (de Pearson), es una medida de dispersin til

El coeficiente de variacin es tpicamente menor que uno.

Para su mejor interpretacin se lo expresa como porcentaje.

Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado

El coeficiente de variacin es comn en varios campos de la probabilidad

Cuando es preciso comparar las distribuciones de varias series de datos estadsticos

Coef. Disp. Relativa = Dispersin absoluta = V

Si consideramos que la dispersin absoluta es la desviacin standard y el promedio es

El coeficiente de variacin (v); se expresa en trminos de porcentaje y representa un

Ventaja: La ventaja que ofrece este coeficiente es que permite comparar 2

Desventaja: Deja de ser til cuando la media tiende a cero.

Ejemplo: Determinar el coeficiente de variacin del siguiente cuadro de distribucin:

L1 - L2 YI nI Yi NiYi niYi (Yi X) /Yi x/ ni(Yi-x)

45 - 55 50 4 2500 10000 200 384.16 -196 1536.64

55 - 65 60 12 3600 43200 720 92.16 -9.6 1105.92