Sunteți pe pagina 1din 13
Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management

Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management

 El truco para poder comparar datos que parecen ser muy dispares, es usar la

El truco para poder comparar datos que parecen ser muy dispares, es usar la desviación estándar como regla

Comparamos los valores individuales de los datos con su media, y lo relativizamos usando la siguiente formula:

z =

y y

s

 Denominamos a los valores resultantes como valores estandarizados , se escriben como z 

Denominamos a los valores resultantes como valores estandarizados, se escriben como z

También se les denomina valores-z

Los valores-z, nos permiten usar a la desviación estándar como regla para medir la distancia estadística desde la media:

Valores-z negativo, el dato está bajo la media

Valores-z positivos, el dato está sobre la media

 Podemos comparar valores que:  Han sido medidos en diferentes escalas  Diferentes unidades

Podemos comparar valores que:

Han sido medidos en diferentes escalas

Diferentes unidades

Poblaciones diferentes

Los valores-z nos dicen cuán inusual es un valor

Nos dice cuantas DE existen desde la media

La estandarización no cambia la forma de la distribución

Cambia la media a Cero y la desviación estándar a uno

 Un modelo que se mantiene a través del tiempo es llamado en estadísticas un

Un modelo que se mantiene a través del tiempo es llamado en estadísticas un modelo normal (curva con forma de campana, campana de Gauss)

Los modelos normales son apropiados para distribuciones cuyas formas son unimodales y fundamentalmente simétricas

Escribimos N( μ,σ) para representar un modelo normal con media μ y desviación estándar σ

 Una vez que hemos estandarizado usando sólo z = y necesitamos el modelo N

Una vez que hemos estandarizado usando sólo

z =

y

necesitamos el modelo N (0,1)

El modelo normal, con media 0 y DE 1, es llamado el modelo normal estándar (o la distribución normal estándar)

Sean cuidadosos, no usen los modelos normales para cualquier grupo de datos, ya que la estandarización no cambia la forma de la distribución

 El gráfico nos muestra la regla del 68-95-99.7 :

El gráfico nos muestra la regla del 68-95-99.7 :

 El gráfico nos muestra la regla del 68-95-99.7 :
 Con sus datos, chequear si un modelo normal es razonable para aplicar  Para

Con sus datos, chequear si un modelo normal es razonable para aplicar

Para eso, mirar los histogramas de los datos; chequear que sea unimodal y simétrica

 Un grafico más especializado puede ayudarte a decidir si el modelo normal es apropiado

Un grafico más especializado puede ayudarte a decidir si el modelo normal es apropiado para sus datos. Es el Normal probability plot

Si la distribución es de tipo normal, entonces el grafico dibujara una línea diagonal recta

Desviaciones de la línea indica que la distribución no es normal

 Una distribución de tipo normal muestra un histograma y un gráfico de normalidad que

Una distribución de tipo normal muestra un histograma y un gráfico de normalidad que se parece mucho a:

 Una distribución de tipo normal muestra un histograma y un gráfico de normalidad que se
 Una distribución sesgada presentara un histograma y un grafico de normalidad como esto:

Una distribución sesgada presentara un histograma y un grafico de normalidad como esto:

 No usar los modelos normales cuando la distribución no es unimodal ni es simétrica

No usar los modelos normales cuando la distribución no es unimodal ni es simétrica

No usar las media ni la DE, cuando hay puntos extremos, la media y la DE pueden estar distorsionados

Muchas Gracias

Email:

carlosrojasarancibia@gmail.com

Blog:

economiaymedios.blogspot.com

Twitter:

reds_cl

Slideshare:

www.slideshare.net/reds_cl

LinkedIn:

http://cl.linkedin.com/in/carlosrojasa

Skype:

reds_cl

Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management