UNIVERSIDAD NACIONAL DEL CALLAO

VICERECTORADO DE INVESTIGACIN
FACULTAD DE CIENCIAS ECONMICAS

TEXTO DE ESTADSTICA COMPUTACIONAL CON R, EXCEL, MINITAB Y SPSS

AUTOR: JUAN FRANCISCO BAZN BACA

(Resolucin Rectoral 1351-2008-R del 22-12-08) 01-12-08 al 30-11-10

CALLAO PER 2010

NDICE Pg. INDICE INTRODUCCIN Captulo 1. CONSTRUCCIN DE UNA BASE DE DATOS 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Introduccin Definicin de variables Introduccin de datos Archivo de datos Transformacin de datos Recodificacin de datos Manipulacin de archivos 2 10 11 11 13 27 30 39 43 49

Captulo 2. PRESENTACIN DE DATOS 2.1 2.2 2.3 2.4 2.5 2.6 2.7 Introduccin Cuadros estadsticos Distribucin de frecuencias Grficos estadsticos Grficos de variables cualitativas Grficos de frecuencias Diagrama de tallos y hojas

50 50 50 72 87 89 98 112

Capitulo 3. MEDIDAS DE POSICIN 3.1 3.2 3.3 3.4 3.5 3.6 3.7 Introduccin Mediaaritmtica Mediana Moda Media geomtrica Media armnica Los cuantiles: cuartiles, deciles y percentiles

115 115 116 120 124 133 137 140

Captulo 4. MEDIDAS DE DISPERSIN Y FORMA 4.1 Introduccin

155 155

4.2 4.3 4.4 4.5 4.6 4.7 4.8

Rango. Rango intercuartlico Desviacin media La varianza La desviacin tpica El coeficiente de variacin El diagrama de cajas o boxplot Medidas de forma de la distribucin

156 158 160 166 167 174 182

Captulo 5. CORRELACIN Y REGRESIN SIMPLE 5.1 5.2 5.3 5.4 5.5 Introduccin Diagrama de dispersin Covarianza y coeficiente de correlacin Regresin lineal simple Coeficiente de determinacin

190 190 191 196 200 202

Captulo 6. MODELOS DISCRETOS DE PROBABILIDAD 6.1 6.2 6.3 6.4 6.5 Introduccin Distribucin binomial Distribucin Poisson Distribucin hipergeomtrica Distribucin geomtrica

210 210 211 224 236 246

Captulo 7. MODELOS CONTINUOS DE PROBABILIDAD 7.1 7.2 7.3 7.4 7.5 7.6 Introduccin Distribucin uniforme o rectangular Distribucin exponencial Distribucin normal Distribucin chi-cuadrado Distribucin T de student

258 258 259 269 278 288 295

REFERENCIAS BIBLIOGRFICAS

303

Anexo

304

NDICE DE CUADROS Y FIGURAS CUADROS 1.1 Tabla de la masa corporal ideal 2.1 PBI por rama de la actividad econmica, segn ao: 2000-07 2.2 Alumnos de estadstica bsica 09-A de la FCE-UNAC, por sexo, segn hobby 2.3 Alumnos de estadstica bsica 09-A de la FCE-UNAC, por sexo, segn especializacin y hobby 2.4 Alumnos de estadstica bsica 2009-A, de la FCE-UNAC, segn hobby 2.5 Alumnos de estadstica bsica 2009-A, de la FCE-UNAC, segn el nmero de miembros en la familia 2.6 Pesos (Kg.) de los 60 alumnos de estadstica bsica 09-A UNAC 2.7 Distribucin de frecuencias de los pesos de los alumnos de estadstica bsica 09-A FCE-UNAC 3.1 Resumen de los cuantiles calculados para los pesos (Kg.) de los alumnos de estadstica bsica 09-A, FCE-UNAC, por la forma en que estn los datos 3.2 Resumen de los percentiles calculados para los pesos (Kg.) de los alumnos de estadstica bsica 09-A, de la FCE-UNAC, por programa usado 4.1 Resumen de las medidas de dispersin calculadas para los pesos (Kg.) de los alumnos de estadstica bsica 09-A, de la FCE-UNAC, por programa usado 174 154 150 80 75 78 63 73 Pg. 39 55 58

FIGURAS 1.1 Variables definidas en Excel 1.2 Variables definidas en Minitab 1.3 Editor de datos en SPSS 1.4 Definicin del Tipo de variable 1.5 Cuadro de dilogo para definir Etiquetas de Valor 1.6 Cuadro de dilogo para Definir Valores Perdidos 1.7 Vista de Variables definidas en SPSS 1.8 Variables definidas en SPSS 1.9 Abriendo base de datos en R desde un block de notas 1.10 1.11 1.12 Base de datos en Excel Base de Datos en MINITAB Base de datos en SPSS 15 16 16 18 20 21 23 24 26 28 28 29 Pg. 4

FIGURAS

1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 1.22 1.23 1.24 1.25 1.26 1.27 1.28 1.29

Base de datos en R Ventana de archivamiento en Excel Cuadro de dilogo para Guardar como, en Excel Ventana de File (archivo), en Minitab Cuadro de dilogo para Save Project As, en Minitab Cuadro de dilogo para Guardar como, en SPSS Cuadro de dilogo para Guardar rea de trabajo, en R Clculo del imc en Excel Clculo de la talla_m en Minitab Clculo de la variable talla_m en SPSS Tipos de recodificacin en Minitab Obtencin de la Condicin, recodificando el IMC en Minitab Resultado de la Condicin recodificando el IMC en Minitab Obtencin de la Condicin, recodificando el IMC en SPSS Recodificar Valores antiguos del IMC y nuevos de Condicin en SPSS Resultado de la Condicin recodificando el IMC en SPSS Resultado de la Condicin recodificando el IMC en R

29 30 31 32 33 34 35 40 41 42 43 44 45 46 47 47 48 51 56 57 60 61 64 65 66 67 67 73 79 80 81 82 83 Pg. 5

2.1 Estructura de un cuadro estadstico 2.2 Obtencin de un cuadro bidimensional con SPSS 2.3 Mostrar en las casillas 2.4 Obtencin de un cuadro bidimensional con Minitab 2.5 Escoger qu mostrar en las casillas con el Minitab 2.6 Cuadro tridimensional en SPSS 2.7 Creando tabla dinmica en Excel 2.8 Tabla dinmica para Sexo y Hobby en Excel 2.9 Tabla dinmica para Sexo y Hobby con porcentajes en Excel 2.10 Tabla dinmica para Sexo, Especializacin y Hobby en Excel 2.11 Obtencin de tablas de frecuencias en SPSS 2.12 Obtencin de tabla de frecuencias en Excel 2.13 Argumentos de la funcin Frecuencia 2.14 Recodificacin de la variable peso en Minitab 2.15 Variable peso recodificada en pesos (intervalos) con Minitab 2.16 Obtencin de tabla de frecuencias en Minitab (variable pesos) FIGURAS

2.17 Recodificando la variable peso en SPSS 2.18 Recodificar Valores antiguos del peso y nuevos de pesos en SPSS 2.19 Resultado de la variable pesos, recodificando el peso en SPSS 2.20 Resultado de la variable pesos, recodificando el peso en R 2.21 Grfico de sectores en Excel 2.22 Grfico de sectores en SPSS 2.23 Grfico de sectores en Minitab 2.24 Grfico de sectores en R 2.25 Grfico de barras de la variable hobby en Minitab 2.26 Datos de la variable hobby y clase en Excel 2.27 Herramientas del Anlisis de datos en Excel 2.28 Obteniendo grfico de Pareto en Excel 2.29 Grfico de Pareto de la variable hobby en Excel 2.30 Grfico de Pareto de la variable hobby en Minitab 2.31 Grfico de barras de los miembros de la familia en Excel 2.32 Grfico de barras de los miembros de la familia en SPSS 2.33 Grfico de barras de los miembros de la familia en Minitab 2.34 Obteniendo el Histograma de peso en Excel 2.35 Histograma de frecuencia del peso en Excel 2.36 Obteniendo el histograma de peso en Minitab 2.37 Edicin (en Binning) del histograma de peso en Minitab 2.38 Histograma de frecuencia del peso en Minitab 2.39 Histograma de frecuencia del peso en SPSS 2.40 Histograma de frecuencia del peso en R 2.41 Edicin del histograma de densidad de peso en Minitab 2.42 Histograma de densidad de peso en Minitab 2.43 Datos para el Polgono de frecuencias y Ojiva del peso en Minitab 2.44 Scatterplot para el Polgono de frecuencias del peso en Minitab 2.45 Polgono de frecuencias del peso en Minitab 2.46 Scatterplot para la Ojiva del peso en Minitab 2.47 Ojiva del peso en Minitab 3.1 Clculo de la media para datos agrupados en Excel 3.2 Clculo de la media aritmtica (PROMEDIO) en Excel FIGURAS 6

83 84 85 86 90 91 91 92 94 95 95 95 96 97 98 99 100 101 102 103 104 104 105 106 108 108 109 110 110 111 112 117 129 Pg.

3.3 Resultados de la media aritmtica, mediana y moda en Excel 3.4 Seleccin de la variable peso para calcular estadgrafos en Minitab 3.5 Seleccin de estadgrafos de posicin a calcular en Minitab 3.6 Clculo de estadgrafos de Tendencia central en SPSS 3.7 Clculo de cuartiles en Excel 3.8 Resultado de cuartiles y percentiles en Excel 3.9 Clculo de cuartiles y percentiles en SPSS 4.1 Medidas de dispersin obtenidas con Excel 4.2 Seleccin de estadgrafos de dispersin en Minitab 4.3 Clculo de estadgrafos de dispersin en SPSS 4.4 Estructura del diagrama de cajas y bigotes (boxplot) 4.5 Ventana de dilogo para definir el boxplot de peso en Minitab 4.6 Diagrama de cajas y bigotes de la variable peso en Minitab 4.7 Efectuando Grfico Mltiple de Boxplot para peso, por sexo 4.8 Boxplot del peso para hombres y mujeres en Minitab 4.9 Ventana de dilogo Explorar para definir el boxplot de peso en SPSS 4.10 Diagrama de cajas y bigotes de la variable peso en SPSS 4.11 Boxplot del peso para hombres y mujeres en SPSS 4.12 Diagrama de cajas y bigotes de la variable peso en R 4.13 Boxplot del peso para hombres y mujeres en R 4.14 Clculo de la asimetra y curtosis en Excel 5.1 Definiendo el diagrama de dispersin en Excel 5.2 Diagrama de dispersin de la cantidad y precio en Excel 5.3 Definiendo el diagrama de dispersin en Minitab 5.4 Diagrama de dispersin de la cantidad y precio en Minitab 5.5 Creando el diagrama de dispersin en SPSS 5.6 Diagrama de dispersin de la cantidad y precio en SPSS 5.7 Diagrama de dispersin de la cantidad y precio en R 5.8 Aplicando Regresin en Excel 5.9 Resultado de la Regresin de cantidad y precio de muecas en Excel 5.10 Aplicando Regresin en Minitab 5.11 Aplicando Regresin en SPSS 6.1 Clculo de probabilidades para la distribucin binomial en Excel FIGURAS 7

129 130 130 131 151 152 153 169 170 171 175 176 176 177 178 179 179 180 181 182 187 192 192 193 193 194 195 196 204 205 205 207 214 Pg.

6.2 Solucin del Ejemplo 6.2 en Excel 6.3 Probabilidad con la distribucin binomial en Minitab 6.4 Probabilidad acumulada con la distribucin binomial en Minitab 6.5 Probabilidad para varios valores con distribucin binomial en Minitab 6.6 Clculo de probabilidades con la distribucin binomial en SPSS 6.7 Probabilidades acumuladas con la distribucin binomial en SPSS 6.8 Clculo de probabilidades para la distribucin Poisson en Excel 6.9 Solucin del Ejemplo 6.3 en Excel 6.10 Probabilidad con la distribucin Poisson en Minitab 6.11 Probabilidad para varios valores con distribucin Poisson en Minitab 6.12 Clculo de probabilidades con la distribucin Poisson en SPSS 6.13 Probabilidades acumuladas con la distribucin Poisson en SPSS 6.14 Distribucin de probabilidades Poisson del ejemplo 6.3 en SPSS 6.15 Clculo de distribucin hipergeomtrica en Excel 6.16 Solucin del Ejemplo 6.4 en Excel 6.17 Probabilidad con la distribucin hipergeomtrica en Minitab 6.18 Probabilidades con distribucin hipergeomtrica en Minitab 6.19 Clculo de probabilidades con la distrib. hipergeomtrica en SPSS 6.20 Probabilidades acumuladas con la distrib. hipergeomtrica en SPSS 6.21 Distrib. de probabilidades hipergeomtrica del ejemplo 6.4 en SPSS 6.22 Solucin del Ejemplo 6.5 en Excel 6.23 Probabilidad con la distribucin geomtrica en Minitab 6.24 Probabilidades con distribucin geomtrica en Minitab 6.25 Clculo de probabilidades con la distribucin geomtrica en SPSS 6.26 Probabilidades acumuladas con la distribucin geomtrica en SPSS 6.27 Distrib. de probabilidades geomtrica del ejemplo 6.5 en SPSS 7.1 Probabilidad con la distribucin uniforme en Minitab 7.2 Graficando probabilidades acumuladas para la uniforme en Minitab 7.3 Definiendo el rea a sombrear para probabilidades acumuladas con la distribucin uniforme en Minitab 7.4 Clculo y grfico de P(22 X 24) con la dist. uniforme en Minitab 7.5 Grfico del inverso de probab. acum. Con la dist. uniforme en Minitab 7.6 Clculo de las densidades f(x) con la distribucin uniforme en SPSS FIGURAS 8

215 216 217 218 220 221 227 228 229 230 231 232 233 238 239 240 241 242 243 243 248 249 251 252 253 254 261 263

263 264 265 266 Pg.

7.7 Probabilidades acumuladas con la distribucin uniforme en SPSS 7.8 Densidades y probab. acumuladas con la distrib. uniforme en SPSS 7.9 Clculo de probabilidades acumuladas con exponencial en Excel 7.10 Probabilidad acumulada con la distribucin exponencial en Minitab 7.11 Graficando probabilidades acum. para la exponencial en Minitab 7.12 Clculo de probab. acum. con la distribucin exponencial en SPSS 7.13 Probabilidades acumuladas con la distrib. exponencial en SPSS 7.14 Clculo de probabilidades acumuladas con la normal en Excel 7.15 Probabilidad acumulada con la distribucin normal en Minitab 7.16 Graficando probabilidades acumuladas con la normal en Minitab 7.17 Clculo de probab. acumuladas con la distribucin normal en SPSS 7.18 Probabilidades acumuladas con la distribucin normal en SPSS 7.19 Clculo de probabilidades acumuladas con la chi-cuadrado en Excel 7.20 Grfico de P(14.6 X 37.7) con la chi-cuadrado en Minitab 7.21 Clculo de probab. acumuladas con la chi-cuadrado en SPSS 7.22 Clculo de probabilidades acumuladas con la t en Excel 7.23 Grfico de P(-1.316 X 2.060) con la t en Minitab 7.24 Clculo de probab. acumuladas con la t en SPSS

267 267 271 272 274 276 276 281 283 284 286 287 291 292 294 298 300 301

INTRODUCCIN

La estadstica ha desarrollado una serie de tcnicas y procedimientos cuyas aplicaciones procedimentales requieren de algunas herramientas de clculo como son las calculadoras programadas o los programas estadsticos desarrollados en diferentes plataformas computacionales. A fin de contribuir al proceso de enseanza aprendizaje del instrumental estadstico, hemos credo conveniente elaborar un Texto de Estadstica computacional con R, Excel, Minitab y SPSS que de manera sencilla y prctica ayude a los estudiantes de la estadstica a efectuar sus aplicaciones. Las aplicaciones se desarrollan tanto en las versiones comerciales del Excel 2007, Minitab 15.0 English y SPSS 15.0 en espaol; como en la versin de uso libre del programa R-2.11.1 cuya instalacin se explica en la pg. 24. El texto consta de siete captulos. En el primero, se explica la Construccin de una base de datos muy necesaria para procesar encuestas y otros clculos. En el captulo 2, se describe la Presentacin de datos a travs de cuadros y grficos. En los captulos tres, cuatro y cinco se presentan los indicadores de resumen de los datos mediante las medidas de posicin, dispersin y forma, as como el anlisis de correlacin y regresin simple acompaadas del concepto, formas de clculo (con datos sin agrupar y agrupados), interpretacin de resultados y aplicaciones computacionales con cada uno de los programas. En los captulos seis y siete, se desarrollan los modelos discretos y continuos de probabilidad, partiendo de una presentacin sencilla de sus caractersticas, acompaada de aplicaciones manuales y computacionales en cada programa. Agradezco a nuestra querida UNAC por el continuo apoyo ofrecido para alcanzar estos logros que permiten sistematizar conocimientos e incorporar temas para la discusin en clases. El reconocimiento especial a los estudiantes de economa de la FCE-UNAC, ya que gracias a su esfuerzo y comprensin en los ltimos aos se han puesto en prctica los resultados de este modesto trabajo.

10

Captulo 1. CONSTRUCCIN DE UNA BASE DE DATOS

El hombre ms feliz del mundo es aquel que sepa reconocer los mritos de los dems y pueda alegrarse del bien ajeno como si fuera propio Johann Wolfgang von Goethe

CONTENIDO 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Introduccin. Definicin de variables. Introduccin de datos. Archivo de datos. Transformacin de datos. Recodificacin de datos. Manipulacin de archivos.

1.1 INTRODUCCIN
Durante la fase de Elaboracin de datos de una Encuesta, es necesario construir una Base de Datos (BD) que facilite procesamiento electrnico de los mismos mediante la obtencin de cuadros, grficos, indicadores estadsticos y relaciones entre variables en las que esta interesado el investigador a partir de los propsitos de su investigacin. Una Base de Datos es un arreglo matricial cuyas columnas contienen los Campos (las variables o preguntas del estudio) y las filas los Registros de datos (casos para el SPSS correspondientes a cada unidad de investigacin estudiada. Para efectos de procesamiento en cualquiera de los programas que estamos trabajando (R, Excel, Minitab y SPSS) es necesario que el programa reconozca las variables consideradas y algunos detalles que se deben tomar en cuenta. Para abreviar esta parte disearemos la base de datos inicialmente en Excel y de aqu veremos como se exporta a R, Minitab y SPSS con sus particularidades especiales en el SPSS. Para el presente trabajo, se usa el Cuestionario de Caractersticas del Alumno que se muestra en la pgina siguiente, el mismo que fue aplicado a 60 alumnos del curso de Estadstica Bsica, el semestre 2009-A, en la FCE-UNAC. 11

UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONMICAS Asignatura: Estadstica Bsica Profesor : Ing Juan Francisco Bazn Baca

CARACTERSTICAS DEL ALUMNO

N.........
Apellidos y Nombres: .

1. Sexo: Masculino
.

Femenino

2. Edad: ....... 5. Ingreso familiar mensual: S/.

3. Peso (Kg.) ....... 4. Talla (cm.) .......

6. N de miembros en la familia: 7. Gastos de estudio medio mensual: S/. .. 8. Crditos aprobados acumulados: 10. En que tipo de vivienda reside?
Casa independiente Quinta . 1 3 Departamento en edificio Otro .............................
(Especifique)

9. Promedio ponderado acumulado: ..

2 4

11. N de dormitorios: .. 13. Horas de estudio semanal fuera de clase: 15. Cul es tu principal HOBBY?
Deportes TV/Cine 1 4 Msica

12. Horas semanales de TV: .. 14. N de libros ledos el 2008: ..

Baile 5 2 5 2 5 2

Otro ............................
(Especifique

16. Importancia de tus estudios:

Media 3

Muy poca Mucha Muy poca Mucha Estatal

1 4 1 4 1

Poca Muchsima Poca Muchsima No Estatal 1 Gestin Empresarial

17. Importancia de tu fsico:

Media 3

18. Colegio de procedencia:

19. En que desea especializarse? Teor. Econmica

Callao, Abril de 2009

MUCHAS GRACIAS

12

1.2 DEFINICIN DE VARIABLES

Variable.- es una caracterstica de inters observada en la poblacin y que esta sujeta a diferentes resultados o valores. Ejemplo: sexo, edad, peso, talla, ingreso, hobby, etc. Tipos de Variables.- las variables pueden ser cualitativas o cuantitativas. Variables cualitativas.- son aquellas que responden a una categora, cualidad o atributo observado en la unidad de investigacin. Ejemplo: tipo de vivienda, importancia de sus estudios, colegio de procedencia, especializacin, etc. La medicin de las variables cualitativas puede ser Nominal (las cualidades observadas no implican un orden particular. Ejemplo: Sexo, hobby, distrito de residencia, etc.) y Ordinal (las cualidades observadas responden a un orden determinado. Ejemplo: nivel educativo, calidad del servicio, etc. Variables cuantitativas.- son aquellas cuyo resultado de la observacin es un valor numrico. Ejemplo: nmero de miembros en la familia, nmero de dormitorios, gastos de estudio mensual, crditos aprobados, horas de estudio semanal, etc. Las variables cuantitativas pueden ser discretas o continuas. Variable cuantitativa discreta.- son aquellas que son el resultado del conteo y asumen valores enteros. Ejemplo: edad (aos cumplidos), nmero de libros ledos el ao anterior, nmero de perceptores de ingreso en el hogar, etc. Variable cuantitativa continua.- son aquellas que son resultado de la medicin y pueden tomar cualquier valor dentro de un intervalo. Ejemplo: ingreso familiar, gastos de estudio, promedio ponderado del alumno, etc. La medicin de variables cuantitativas puede ser Intervalo (cuando el cero y la escala de medida son arbitrarios. Ejemplo: la temperatura, las notas o calificaciones en alguna escala, etc.) y Razn (el valor cero indica la nulidad del estudio y el cociente de dos valores tiene significado. Son la mayora de variables cuantitativas. Ejemplo: peso, talla, ingreso, etc.)

13

Para definir las Variables en una BD, se tiene que indicar en cada campo (columna) las preguntas consideradas en el Cuestionario del estudio de manera abreviada. a) En EXCEL En una primera lnea de la hoja de clculo de Excel se especfica el nombre de la variable utilizando el menor nmero posible de caracteres, de modo que recoja el sentido de la pregunta. Se recomienda empezar con el nmero de cuestionario (n_cuest) para identificar la unidad de anlisis a la que corresponden los datos y corregir los mismos ante cualquier error. A continuacin se definen las siguientes variables, en el mismo orden en que se han formulado las preguntas en el Cuestionario, para facilitar posteriormente el ingreso de los datos. As tenemos las variables: sexo (pregunta 1) edad (pregunta 2) peso (pregunta 3) talla (pregunta 4) ing.fam (pregunta 5: Ingreso familiar mensual: S/.) mie.fam (pregunta 6: N de miembros en la familia) g.estud (pregunta 7: Gastos de estudio medio mensual S/.) cr.aprob (pregunta 8: Crditos aprobados acumulados) prom.acum (pregunta 9: Promedio ponderado acumulado) t.viv (pregunta 10: En que tipo de vivienda reside?) n.dormit (pregunta 11: N de dormitorios) horas.tv (pregunta 12: Horas semanales de TV) hrs.estu (pregunta 13: Horas de estudio semanal fuera de clase) lib.leidos (pregunta 14: N de libros ledos el 2008) hobby (pregunta 15: Cul es tu principal hobby?) imp.estudio (pregunta 16: Importancia de tus estudios) imp.fsico (pregunta 17: Importancia de tu fsico)

14

col.proc (pregunta 18: Colegio de procedencia) y especial (pregunta 19: En que desea especializarse?) Las variables han sido definidas en la lnea 6, tal como se muestra en la Figura 1.1

Figura 1.1 Variables definidas en Excel b) En MINITAB Al iniciar el programa Minitab 15, aparecen dos hojas: una de Session (Sesin: donde se muestran los resultados de tareas resueltas con el programa) y otra Worksheet (Hoja de Trabajo: similar a la de Excel y SPSS donde se definen las variables y se ingresa los datos). Las columnas aparecen definidas por la letra C y un dgito (que indica la columna. Debajo de C1 hemos definido el n_cuest (nmero de cuestionario), debajo de C2 sexo y as sucesivamente hasta C20 especial (ver figura 1.2)

15

Figura 1.2 Variables definidas en Minitab c) En SPSS Al abrir el programa SPSS 15, aparecen dos hojas: una de Resultados 1 [Dokument 1] Visor SPSS (donde aparecen los resultados de las tareas efectuadas con SPSS) y otra Sin ttulo [Conjunto_de_datos0] Editor de datos SPSS (donde se definen las variables y se ingresan los datos del estudio) donde vamos a definir la base de datos.

Figura 1.3 Editor de datos en SPSS

16

En la parte inferior del Editor de datos SPSS (ver figura 1.3) se observan dos vistas: una Vista de datos (donde se ingresan los datos para cada una de las variables en estudio) y otra Vista de variables (donde se definen las variables en estudio). Justamente la fig. 1.3 muestra la Vista de variables, en cada fila se van definiendo las variables en el mismo orden como aparecen en el cuestionario (o como el investigador quiera definirlas para clculos estadsticos particulares). Para cada Variable (o caracterstica en estudio) debemos indicar: nombre, tipo, anchura, decimales, etiqueta, valores, perdidos, columnas, alineacin y medida; tomando en cuenta algunas de las recomendaciones que a continuacin sealamos. Nombre El nombre de la variable debe comenzar con una letra del alfabeto espaol y luego utilizar las combinaciones de letras, dgitos o smbolos que se estimen necesarias de modo que con a lo ms 64 caracteres juntos (sin espacio en blanco) resuman el significado de la variable o toda una pregunta del cuestionario. Si el cuestionario contiene un nmero grande de preguntas se recomienda definir cada una de las variables (preguntas) de la siguiente manera: pgta_01, pgta_02, . , pgta_150 y en el momento de definir la etiqueta de la variable indicar la pregunta formulada. En general, al especificar del nombre de las variables se debe tener en cuenta: Debe comenzar por una letra y los dems caracteres pueden ser letras, dgitos, puntos o los smbolos #, @, _ o $. El nombre de variable no puede terminar en punto. El nombre de la variable debe ser nico; no se aceptan duplicados. No utilizar caracteres especiales (por ejemplo: !, ?, ' y *). Hay palabras reservadas que no se pueden utilizar como nombres de variable; estas son: ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO, WITH. Establecido el nombre de la variable, presionar Enter, inmediatamente el cursor se ubica en Tipo (donde aparece automticamente Numrico), con el que se comienza indicar algunas especificaciones de la variable.

17

Tipo Seleccionar el tipo de datos que se espera para la variable. En funcin del tipo escogido se visualizan los valores de la variable y stos estarn disponibles slo para aquellas operaciones que son esperables para los mismos.

Figura 1.4 Definicin del Tipo de variable

Para definir, ubquese en la casilla de Tipo, pulse el botn con los puntos suspensivos despus de la palabra Numrico y aparece el cuadro de dilogo mostrado en la Figura 1.4, en el que se observa los tipos de variables siguientes: Numrico.- define una variable cuyos valores son nmeros, los mismos que aparecen sin separadores cada tres posiciones. Coma.- define una variable numrica cuyos valores se muestran con comas de separacin cada tres posiciones y con un punto como separador de la parte decimal. Punto.- define una variable numrica cuyos valores se muestran con puntos de separacin cada tres posiciones y con una coma como separador de la parte decimal. El editor de datos acepta valores numricos para este tipo de variables, con o sin puntos, o en notacin cientfica. Notacin cientfica.- define una variable numrica cuyos valores se muestran con una E intercalada y un exponente con signo que representa una potencia de base diez. El editor de datos acepta valores numricos con o sin el exponente para estas variables. El exponente puede ir precedido de E o D con un signo

18

opcional, o por el signo solamente. Por ejemplo, 123, 1,23E2, 1,23D2, 1,23E+2, o incluso 1,23+2. Fecha.- define una variable numrica cuyos valores se muestran en uno de los diferentes formatos de fecha-calendario u hora-reloj. Seleccionar una plantilla de la lista desplegable. Se puede introducir las fechas utilizando como delimitadores: barras, guiones, puntos, comas o espacios en blanco. El rango de siglo para los aos de dos dgitos se toma de las opciones de configuracin (Men Edicin, Opciones, pestaa Datos) Dlar.- define una variable numrica cuyos valores contienen un signo de dlar, una coma para la separacin de los decimales y mltiples puntos. Moneda personalizada.- define una variable numrica cuyos valores se muestran en uno de los formatos de moneda personalizados que se hayan definido previamente en la pestaa Moneda del cuadro de dilogo Opciones del men Edicin. Los caracteres definidos en la moneda personalizada no pueden emplearse para la introduccin de datos pero s los mostrar el editor de datos. Cadena.- define una variable cuyos valores no son numricos; por lo tanto, no se utilizan en los clculos. Tambin son conocidas como variables alfanumricas. Pueden contener diferentes caracteres hasta la longitud definida. Las letras maysculas y las minsculas son consideradas diferentes. Anchura Establecer el nmero mximo de caracteres que contienen los valores de la variable. Automticamente aparecen 8 caracteres. Decimales Determina el nmero de decimales para los valores de la variable. Si la variable es tipo fecha o cadena, automticamente aparecen 0 decimales y si es tipo numrica, aparecen por defecto, 2 decimales. Etiqueta En este recuadro se indica el nombre completo de la variable o la pregunta correspondiente formulada en el cuestionario hasta un mximo de 255 caracteres y espacios en blanco. Se recomienda escribirla toda con maysculas, ya que esta 19

etiqueta es la que aparece en los cuadros de salida cuando se procesan algunos resultados de inters y buscaremos de diferenciarlas de las etiquetas de valor. Valores En este recuadro por defecto, aparece Ninguno y sirve para asignar valores a los resultados de variables de tipo cualitativo (Etiquetas de valor) o para definir los rangos de variables cuantitativas transformadas con fines de procesamiento. Es decir, que si una variable cualitativa responde a varias cualidades (categoras o atributos) a cada una de ellas se le asigna un valor por lo general numrico, pudiendo ser tambin alfabtico. Los valores los definimos as: estando ubicado en la casilla de Valores, pulsar el botn con los puntos suspensivos despus de la palabra Ninguno y aparece el cuadro de dilogo mostrado en la Figura 1.5. Para describir los valores de una variable de tipo cualitativo habr que situar el cursor en el recuadro Valor e introducir el nmero o letra correspondiente. A continuacin se pulsa el tabulador y el cursor se sita en el recuadro Etiqueta donde se introduce la palabra o palabras que describen ese valor, luego pulsamos Aadir; inmediatamente el cursos se ubica nuevamente en Valor y se repite el proceso hasta que se define la etiqueta del ltimo valor y se sale con Aceptar.

Figura 1.5 Cuadro de dilogo para definir Etiquetas de Valor

20

Se recomienda escribir las etiquetas de valor con maysculas y minsculas (en el ejemplo Hombre y Mujer) para que cuando se obtenga un cuadro con la variable SEXO (con maysculas), se diferencie el nombre de la variable y sus categoras componentes. Perdidos Son aquellos valores que no son considerados para realizar determinados clculos estadsticos. Existen dos tipos de valores perdidos: Del sistema.- cualquier casilla en blanco de la matriz de datos. Del usuario.- son aquellos que define el usuario por diferentes motivos, entre los que podemos destacar aquellos que distorsionan los anlisis estadsticos, como por ejemplo cuando se han definido dos categoras de Sexo (1 = hombre y 2 = mujer) pero por error de digitacin se puede colocar cualquier otro valor. Los valores perdidos los definimos as: estando ubicado en la casilla de Perdidos, pulsar el botn con los puntos suspensivos despus de la palabra Ninguno y aparece el cuadro de dilogo mostrado en la Figura 1.6.

Figura 1.6 Cuadro de dilogo para Definir Valores Perdidos

Como se puede observar en la Figura 1.6, por defecto aparece No hay valores perdidos; adems existe la posibilidad que el usuario defina tres Valores Perdidos Discretos o defina un Rango ms un valor perdido discreto opcional

21

(un rango de valores perdidos definido por sus dos extremos junto con un solo valor discreto individual). Se debe tener presente que slo se pueden definir rangos para variables de tipo numrico y que no se pueden definir valores perdidos para variables de cadena larga (con ms de 8 dgitos).

Columnas Al igual que Anchura por defecto define un ancho de 8 para las Columnas de la base de datos. De requerirse otro ancho, hay que definirlo ubicndose en la casilla de Columnas y veremos que al extremo opuesto del 8 aparece un botn con un tringulo hacia arriba para aumentar el ancho y otro tringulo hacia abajo para disminuir dicho ancho de columna. Tambin lo puede cambiar haciendo doble clic en la correspondiente casilla de Columnas para la variable que esta definiendo y digitar el ancho de columna deseado. Alineacin Se tiene que escoger como van a estar alineados los valores en la base de datos, por defecto aparece Derecha. Si quiere modificar la Alineacin de valores para la variable que esta definiendo, ubquese en la correspondiente casilla de alineacin y haga clic en el botn que aparece al costado de Derecha e inmediatamente se despliegan las tres posibles opciones de alineacin Izquierda, Derecha y Centrado, debiendo escoger la opcin deseada haciendo clic sobre la palabra. Medida Indica el tipo de medicin que le corresponde a la variable que estamos definiendo, por defecto aparece Escala. Si quiere modificar la Medida para la variable que esta definiendo, ubquese en la correspondiente casilla de medida y haga clic en el botn que aparece al costado de Escala e inmediatamente se despliegan las tres posibles opciones de medida: Escala, Ordinal y Nominal, debiendo escoger la opcin deseada haciendo clic sobre la palabra. Escala.- es utilizada para variables numricas, como por ejemplo, las variables edad, peso, talla, etc. Nominal.- es utilizada para representar los valores de cualidades, atributos o categoras sin un orden particular (por ejemplo, sexo; hobby, etc.). Las medidas

22

nominales pueden ser valores de cadena (alfanumricos) o numricos que representen diferentes atributos (por ejemplo, 1 = Hombre, 2 = Mujer). Ordinal.- es utilizada para establecer un determinado orden entre los valores de la variable, por ejemplo, la variable Importancia de tus estudios con los valores Muy poca, Poca, Media, Mucha y Muchsima. Las variables ordinales pueden ser valores numricos o de cadena (alfanumricos) que representen diferentes categoras (por ejemplo, 1 = Muy poca, 2 = Poca, 3 = Media, 4 = Mucha y 5 = Muchsima). Se recomienda utilizar valores numricos para representar datos ordinales. La Vista de variables para la base de datos Estadstica Bsica 09A, se presenta en la Figura 1.7.

Figura 1.7. Vista de Variables definidas en SPSS

El encabezamiento para las variables definidas en la base de datos Estadstica Bsica 09A, se observan en la Vista de datos y se presenta en la Figura 1.8. Recordar que estas son las variables definidas a partir del cuestionario de Caractersticas del alumno de Estadstica Bsica, del 09A, de la FCE-UNAC.

23

Figura 1.8. Variables definidas en SPSS d) En R El programa R es un paquete estadstico de libre uso, para cuya instalacin se requiere ingresar por internet a la pgina web: http://www.r-project.org/ En el margen izquierdo escoger la opcin CRAN, luego un pas cuya web facilite la instalacin, por ejemplo Australia (http://cran.ms.unimelb.edu.au/ ). En la pgina escogida, dentro de Download and Install R escoger Windows, luego base, escoger la versin en la que se encuentra (que es nica), por ejemplo Download R 2.11.1 for Windows, a continuacin en Abriendo R-2.11.1-win32.exe, escoger Guardar archivo. Una vez guardado el archivo, ejecutar la Instalacin del programa la que al finalizar, por defecto, deja en el escritorio para su ejecucin el cono:

Dando doble clic sobre el icono anterior, se inicia el programa R, el cursor por defecto es el smbolo > indica que R esta listo para recibir y ejecutar un comando.

24

Segn Paradis (2002) R es un lenguaje orientado a objetos, , lo cual significa que los comandos escritos en el teclado son ejecutados directamente sin necesidad de construir ejecutables. .. La sintaxis de R es muy simple e intuitiva. Por ejemplo, una regresin lineal se puede ejecutar con el comando lm(y~x). Para que una funcin sea ejecutada en R debe estar siempre acompaada de parntesis, inclusive en el caso que no haya nada dentro de los mismos. Paradis, et.al., seala tambin que Orientado a Objetos significa que las variables, datos, funciones, resultados, etc., se guardan en la memoria activa del computador en forma de objetos con un nombre especfico. El usuario puede modificar o manipular estos objetos con operadores (aritmticos, lgicos y comparativos) y funciones (que a su vez son objetos). Para tener una base de datos en una hoja de R, se tiene que hacer la lectura de la misma por cualquiera de las siguientes maneras: desde un archivo con extensin *.txt, desde un archivo de Excel con extensin csv, o mediante un copy/paste clipboard. Caso 1.- Desde un archivo con extensin *.txt, como puede ser la base de datos (Estadstica bsica 09-A.xls) trabajada en Excel y grabada con extensin *.txt o copiar dicha base de datos de Excel, incluyendo los encabezados con el nombre de la variable, a un block de notas y grabarla como Estadstica bsica 09-A.txt. Se procede copiando en R la siguiente sintaxis: > caso1=read.table(file.choose(),header=T) Se esta pidiendo que cree el objeto caso1, como resultado de leer una tabla (read.table) o base de datos. Al hacer enter, inmediatamente aparece la ventana de dilogo de la Figura 1.9, solicitando la ruta correspondiente para escoger el archivo = file.choose() con la base de datos (Estadstica bsica 09-A.txt) que se desea abrir. En la sintaxis, header=T esta indicando que es verdadero (en ingls true = T) que la tabla a escoger tiene encabezado (header) con el nombre de las variables (si no tiene encabezado, header=F, de false = falso en ingls). Una vez escogida la base de datos, hacer clic en Abrir y la base de datos queda almacenada en la hoja de R con la denominacin del objeto: caso1, el mismo que contiene 20 campos y 60 registros.

25

Figura 1.9 Abriendo base de datos en R desde un block de notas Ha ledo las variables de la base de datos de Estadstica Bsica 09A como un todo, no reconoce a ninguna variable de manera independiente, para que ello ocurra usamos el comando attach para unir las variables y reconozca a cada una de ellas por el nombre que aparece en el encabezado. Escribir en R: > attach(caso1) Si queremos editar los datos escribir: > fix(caso1)

Tambin se puede leer la base de datos, en forma parecida a la anterior, slo que en vez de file.choose se debe colocar entre comillas la ruta que contiene el archivo, as: > caso1=read.table("D:/Beatriz/UNAC/Investigacin/Proyecto 8 Estadstica

computacional/Base de datos/ Estadstica bsica 09-A.txt ", header=T) > attach(caso1)

26

Caso 2.- Desde un archivo en Excel con extensin csv, en la que se ha definido los 20 campos (incluyendo los encabezados con el nombre de la variable) y los 60 registros, se ha grabado como libro de Excel y como tipo CSV (delimitado por comas). La base de datos se denomina Estadstica Bsica 09A-copia.csv. Se procede copiando en R la siguiente sintaxis: > caso2=read.table(file.choose(),header=T,sep=",") Al hacer enter, inmediatamente aparece una ventana de dilogo idntica a la de la Figura 1.9, solicitando la ruta correspondiente para escoger el archivo con separador de comas (sep=,) aqu la base de datos (Estadstica Bsica 09A-copia.csv) que se desea abrir. Una vez escogida la base de datos, hacer clic en Abrir y la base de datos queda almacenada en R con la denominacin del objeto: caso2, el mismo que contiene 20 campos y 60 registros idnticos a los del caso1. Es decir, que lo que cambia es la forma de efectuar la lectura. Para que el R junte y reconozca las variables escribir: > attach(caso2) Tambin se puede leer la base de datos, en forma parecida a la anterior, slo que en vez de file.choose se debe colocar entre comillas la ruta que contiene el archivo, as: > caso2=read.csv("D:/Beatriz/UNAC/Investigacin/Proyecto 8 Estadstica

computacional/Base de datos/ Estadstica Bsica 09A-copia.csv ", header=T) > attach(caso2) Caso 3.- Mediante un copy/paste clipboard de un archivo en Excel, es la forma ms sencilla. En Excel sombrear el encabezado y los datos de la base de datos que deseamos leer en R, escoger copiar (o Ctrl + C) y en R escribir: > caso3=read.table("clipboard") > attach(caso3)

1.3 INTRODUCCIN DE DATOS

Una vez que se ha aplicado la encuesta y se ha efectuado la crtica-codificacin de los cuestionarios, en la base de datos definida en el programa correspondiente, se efecta el ingreso de datos cuestionario por cuestionario, desde el nmero 1 (registro 1) hasta el ltimo.

27

En el registro 1, se colocan los datos del alumno que aparecen en el cuestionario nmero 1, en el mismo orden que se ha respondido, es decir: sexo = 1(hombre), edad = 20 aos, peso = 68 kg., talla = 169 cm., ingreso familiar = 3900, miembros en la familia = 5, etc. Y del mismo modo todos los cuestionarios.

Figura 1.10 Base de datos en Excel

Figura 1.11 Base de Datos en MINITAB

28

Figura 1.12 Base de datos en SPSS Para ver y corregir datos en R escribir: >fix(caso2). Al efectuar enter aparecen los datos de la Figura 1.13. Tambin con: > caso2 . Muestra los datos en la consola.

Figura 1.13 Base de datos en R Las 20 variables trabajadas en los cuatro programas aparecen en las columnas y los 60 registros en filas. Es decir que la base de datos definida es una matriz de 60 x 20. El Minitab, el SPSS y el R reconocen las variables por su nombre.

29

1.4 ARCHIVO DE DATOS

El archivamiento de datos se efecta a travs de los clsicos guardar, guardar como y cerrar cuando se esta trabajando con una base de datos. Adems de nuevo y abrir.

Figura 1.14 Ventana de archivamiento en Excel

a) Guardar y Guardar como.Guardar como: es el proceso inicial de almacenamiento en una unidad de disco de una base de datos creada para volver a trabajar con ella en otro momento. Guardar: es el archivamiento continuo que se hace sobre una base de datos ya guardada y en la que se han efectuado cambios que se deben guardar antes de cerrarla. Para Guardar en EXCEL: Hacer clic en el Botn de Office (el superior izquierdo, en la Figura 1.14) y elegir Guardar como y aparece el cuadro de dilogo de la Figura 1.15. Hacer clic sobre la flecha de la derecha en el recuadro Guardar en: y seleccionar la unidad de disco y la carpeta donde se va a archivar la base de datos (en este caso en el disco D y en la carpeta Base de datos). En el recuadro Nombre de archivo, escribir el nombre que se desea poner a la base de datos (en este caso Estadstica Bsica 09-A). En el recuadro Guardar como tipo:, automticamente aparece Libro de Excel, si se desea cambiar el tipo, hacer clic sobre la flecha de la derecha y seleccionar el tipo de guardado (en este caso CSV (delimitado por comas) para usarlo al abrir la base de datos en R).

30

Por ltimo, hacer clic sobre el botn Guardar.

Figura 1.15 Cuadro de dilogo para Guardar como, en Excel

Si se esta trabajando un archivo ya guardado y se hacen modificaciones, para guardarlo con el mismo nombre, seleccionar la opcin Guardar del Botn Office (ver figura 1.14) que es la misma que aparece al lado derecho de este Botn. Tambin se puede utilizar la combinacin de las teclas Ctrl + G.

Para Guardar en MINITAB: Al hacer clic en el botn File (archivo) de la barra de men se despliega la ventana de la Figura 1.16, en la que se puede apreciar las opciones para un Proyecto (Project) que es un conjunto de tareas que contiene hojas de trabajo (worksheet), sesin (sesin), grficos, etc. Y las opciones para una hoja de trabajo (worksheet) que se pueden incorporar en un proyecto determinado. Se observa entre otras las opciones New (nuevo), Open Project (abrir proyecto), Save Project (guardar proyecto), Save Project As (guardar proyecto como), Open Worksheet (abrir hoja de trabajo), Save Current Woksheet (guardar hoja de trabajo corriente), Save Current Worksheet As (guardar hoja de trabajo corriente como), etc.

31

Figura 1.16 Ventana de File (archivo), en Minitab

Hacer clic sobre la opcin Save Project As (guardar proyecto como) y aparece el cuadro de dilogo de la Figura 1.17.

Hacer clic sobre la flecha de la derecha en el recuadro Guardar en: y seleccionar la unidad de disco y la carpeta donde se va a archivar la base de datos (en este caso en el disco D y en la carpeta Base de datos).

En el recuadro Nombre:, escribir el nombre que se desea poner a la base de datos (en este caso Estadstica Bsica 09-A).

En el recuadro Tipo: automticamente aparece Minitab Project (*.MPJ) con extensin MPJ, si se hubiese guardado como Worksheet (hoja de trabajo) guarda con la extensin MTW.

Por ltimo, hacer clic sobre el botn Guardar.

32

Figura 1.17 Cuadro de dilogo para Save Project As, en Minitab

Si se esta trabajando un archivo ya guardado y se hacen modificaciones, para guardarlo con el mismo nombre, seleccionar la opcin Save Project o Save Current Worksheet (ver figura 1.16) que es idntica al diskette que aparece en la banda de opciones. Tambin se puede guardar un proyecto utilizando la combinacin de las teclas Ctrl + S.

Para Guardar en SPSS: Es similar al de los otros programas, cuyo guardado ya hemos visto. Estando en el Editor de datos SPSS (Figura 1.13), hacer clic en el botn Archivo, se despliega una ventana en la que se puede apreciar las opciones Nuevo, Abrir, ., Cerrar, Guardar, Guardar como, etc. Hacer clic sobre la opcin Guardar como y aparece el cuadro de dilogo de la Figura 1.18.

33

Figura 1.18 Cuadro de dilogo para Guardar como, en SPSS

Hacer clic sobre la flecha de la derecha en el recuadro Guardar en: y seleccionar la unidad de disco y la carpeta donde se va a archivar la base de datos (en este caso en el disco D y en la carpeta Base de datos).

En el recuadro Nombre:, escribir el nombre que se desea poner a la base de datos (en este caso Estadstica Bsica 09-A).

En el recuadro Tipo: automticamente aparece SPSS (*.sav) con extensin sav para guardar datos en SPSS. Nota.- cuando se archiva textos: como la hoja de Resultados 1 [Dokument 1] Visor SPSS, donde aparecen los resultados de las tareas ejecutadas con SPSS, se guarda con la extensin .spo; y si es sintaxis se guarda con la extensin .sps.

Por ltimo, hacer clic sobre el botn Guardar.

34

Para Guardar en R: Hacer clic en el botn Archivo, se despliega una ventana en la que se puede apreciar las opciones Interpretar cdigo fuente R, Nuevo script, Abrir script, etc. Hacer clic sobre la opcin Guardar rea de trabajo (imagen) y aparece el cuadro de dilogo de la Figura 1.19.

Figura 1.19 Cuadro de dilogo para Guardar rea de trabajo en R

Hacer clic sobre la flecha de la derecha en el recuadro Guardar en: y seleccionar la unidad de disco y la carpeta donde se va a archivar la base de datos (en este caso en el disco D y en la carpeta Base de datos).

En el recuadro Nombre:, escribir el nombre que se desea poner a la base de datos (en este caso Estadstica Bsica-09A).

En el recuadro Tipo: automticamente aparece R images (*.RData) con extensin Rdata para guardar datos en R.

Por ltimo, hacer clic sobre el botn Guardar.

35

El archivo guardado en R contiene la base de datos como un objeto (aqu se llama caso2) y otros objetos que se definan, los que al Abrir con Cargar rea de trabajo, se pueden visualizar desde la ventana Misc / Listar objetos y se puede seguir trabajando con todos ellos y crear nuevos objetos. Las modificaciones efectuadas se vuelven a guardar del modo descrito. Si desea saber el contenido de la base de datos guardada escriba: > str(caso2)

b) Cerrar.Una vez que se termina de trabajar con un archivo, se guarda y se procede a salir de ste as: En Excel: Elija el Botn de Office y luego la opcin Cerrar. Cierra el libro y puede seguir trabajando con el programa Excel. Otra manera es utilizar el botn Cerrar ventana

de la barra de men (no

el de la barra de ttulo del libro, ya que cierra el programa Excel). Tambin se cierra el libro con la combinacin de teclas: Ctrl + F4.

En MINITAB: Elija el botn File (Archivo) de la barra de men y luego la opcin Close Worksheet (Cerrar hoja de trabajo). Cierra la hoja de trabajo y puede seguir usando el programa Minitab. Otra manera es utilizar el botn Cerrar

de la barra de men (no el de la

barra de ttulo, ya que cierra el programa). Tambin se cierra la hoja de trabajo con la combinacin de teclas: Ctrl + F4, sale un cuadro de dilogo preguntando si queremos guardarla y escogemos Si o No.

En SPSS: Elija el botn Archivo de la barra de men y luego la opcin Salir, inmediatamente sale la pregunta Desea guardar el contenido del Visor de resultados en resultados 1 [Dokument 1]? Al escoger S, indique la carpeta

36

correspondiente y al terminar de guardar, sale automticamente del programa. Si escoge No, sale del programa. Otra manera es utilizar el botn Cerrar

de la barra de ttulo, sale la misma

pregunta del prrafo anterior y procede del modo all indicado.

En R: Se recomienda previamente Guardar rea de trabajo, luego elija el botn Archivo de la barra de men y luego la opcin Salir, inmediatamente sale la pregunta programa. Otra manera es utilizar el botn Cerrar Guardar imagen de rea de trabajo? Escoger No y sale del

de la barra de ttulo, sale la misma

pregunta del prrafo anterior. Escoger No y sale del programa.

c) Nuevo.- para crear un nuevo archivo de trabajo, se debe proceder as: En Excel: Si ha ingresado al programa, automticamente tiene un nuevo libro de trabajo; si no, elija el Botn de Office y luego la opcin Nuevo. Otra manera es utilizar la combinacin de teclas: Ctrl + U.

En MINITAB: Si ha ingresado al programa, automticamente tiene un Worksheet 1 (hoja de trabajo 1) o si no, elija el botn File y luego la opcin Nuevo. Otra manera es utilizar la combinacin de teclas: Ctrl + N.

En SPSS: Si ha ingresado al programa, automticamente tiene una hoja Sin ttulo [Conjunto_de_datos0] Editor de datos SPSS (donde se definen las variables y se ingresan los datos del estudio) donde vamos a definir la base de datos. Si esta trabajando en SPSS, elija el botn File, luego la opcin Nuevo y escoja Datos, apareciendo una hoja Sin ttulo 1 [Conjunto_de_datos1] Editor de datos SPSS.

37

En R: Proceder conforme se ha indicado en el acpite 1.2 Definicin de variables en R.

d) Abrir.- si tenemos un archivo de datos ya guardado y se desea abrir para trabajar con l, se procede as: En Excel: Elija el Botn de Office y luego la opcin Abrir o la combinacin de teclas:

Ctrl + A. En el cuadro de dilogo, seleccione la carpeta donde esta guardado el archivo, ubique el nombre y tipo, luego haga clic en el botn Abrir.

En MINITAB: Elija el botn File y luego la opcin teclas: Ctrl + O) u Open Project (o la combinacin de

Open Worksheet. En el cuadro de dilogo, seleccione la

carpeta donde esta guardado el archivo, ubique el nombre y tipo, luego haga clic en el botn Abrir.

En SPSS: Elija el botn File, luego la opcin Abrir y escoja Datos. En el cuadro de dilogo, seleccione la carpeta donde esta guardado el archivo, ubique el nombre y tipo, luego haga clic en el botn Abrir.

En R: Proceder conforme se ha indicado en el acpite 1.2 Definicin de variables en R.

Nota.- en R tambin se puede definir una variable por separado como un objeto, presentado como un vector, de tal manera que cada vez que se especifique el programa reconoce sus valores. Por ejemplo, la variable peso de la base de datos caso2, se ingresa as: >peso=c(68,69, 63, 55, 57, 48, 50, . , 67, 77, 53) El programa R reconoce en el objeto peso, los pesos de los 60 alumnos.

38

1.5 TRANSFORMACIN DE DATOS

Muchas veces interesa crear nuevas variables a partir de una base de datos determinada, para ello es necesario efectuar algunos clculos utilizando las variables de esa base de datos. Por ejemplo, con la base de datos Estadstica bsica 09-A (EB-09A), en cualquiera de los programas, se puede crear la variable IMC = ndice de Masa Corporal (Kg./m2), con las variables peso (en kilos) y talla (en metros). Para la Organizacin Mundial de la Salud (1995): El IMC es una manera sencilla y universalmente acordada para determinar si una persona tiene peso adecuado. La frmula de clculo propuesta por el estadstico belga L.A.J. Quetelet es:

imc

peso talla
2

La OMS clasifica a las personas en funcin de su correspondiente IMC de la siguiente manera: Cuadro 1.1 Tabla de la masa corporal ideal CONDICIN 1 2 3 4 5 Delgado (bajo peso) Normal (peso saludable) Sobrepeso Obeso Obesidad morbida IMC (Kg./m2) Menos de 18.5 18.5 25 25 30 30 - 40 40 y ms

En la base de datos EB-09A el peso esta en Kg. y la talla est en cm. La talla debe transformarse en una nueva variable, por ejemplo: talla_m = talla en metros, para poder calcular la variable imc con los datos transformados de la siguiente manera:

En Excel: Los resultados aparecen en la Figura 1.20, en la que aparece la base de datos EB09A con los datos de peso (columna D); talla en cm. (columna E); talla_m en metros (columna U) obtenidos dividiendo cada dato de la columna E entre 100; imc

39

(columna V) calculado en la barra de formulas

, estando en V2

=D2/(U^2)

y copiado en todas las celdas de la columna V; y condicin (columna W) que en el siguiente acpite se ve como se ha determinado.

Figura 1.20 Clculo del imc en Excel

En MINITAB: Para transformar la talla en centmetros a metros (talla_m) se tiene que escoger de la barra de men la opcin Calc, luego Calculator (calculadora) y aparece la ventana de dilogo de la Figura 1.21. Definida en la hoja de clculo la variable talla_m, en Store result in variable (almacenar resultado en variable) escribir talla_m y en Expression (expresin) escribir talla / 100, para terminar clic en OK y automticamente aparece el clculo en la columna talla_m en la base de datos Current data window (ver la Figura 1.21).

Para calcular el IMC, escoger nuevamente de la barra de men Calc, Calculator y se abre una ventana de dilogo similar a la de la Figura 1.20. En Store result in variable seleccionar o escribir imc y en Expression escribir la frmula de clculo peso / talla**2, para terminar clic en OK y automticamente en la base de datos (Current data window) aparecen los datos del IMC calculados (ver la Figura 1.24).

40

Figura 1.21 Clculo de la talla_m en Minitab

En SPSS: Para transformar la talla en centmetros, a metros (talla_m) se tiene que escoger de la barra de men la opcin Transformar, Calcular variable y aparece la ventana de dilogo Calcular variable de la Figura 1.22. En Variable de destino: escribir talla_m. Haciendo clic en Tipo y etiqueta definir etiqueta (el nombre de la variable) TALLA (m.) y el Tipo: numrica. En Expresin numrica: escribir talla / 100. Para terminar el clculo hacer clic en Aceptar y aparece la variable talla_m con sus valores en la Vista de datos, del Editor de datos SPSS, ver la Figura 1.28.

Para calcular la variable IMC, nuevamente se escoge de la barra de men la opcin Transformar, Calcular variable y aparece la ventana de dilogo Calcular variable, similar a la de la Figura 1.22. En Variable de destino: escribir imc. Haciendo clic en Tipo y etiqueta definir etiqueta INDICE DE MASA CORPORAL (Kg./m2) y el Tipo: numrica. En Expresin numrica: escribir peso / talla**2. Para terminar el clculo hacer clic en Aceptar y aparece la variable imc con sus valores, en la Vista de datos del Editor de datos SPSS, ver la Figura 1.28.

41

Figura 1.22 Clculo de la variable talla_m en SPSS En R: Para transformar la talla en centmetros, a metros (talla_m) se tiene que escribir: > talla_m=talla/100 > talla_m [1] 1.69 1.72 1.70 1.73 1.67 1.52 1.52 1.56 1.54 1.71 1.60 1.76 1.64 1.71 1.54 [16] 1.77 1.69 1.71 1.70 1.79 1.77 1.65 1.71 1.58 1.55 1.60 1.59 1.52 1.75 1.65 [31] 1.75 1.57 1.77 1.65 1.49 1.64 1.64 1.60 1.61 1.69 1.50 1.68 1.72 1.50 1.56 [46] 1.74 1.75 1.68 1.65 1.52 1.72 1.73 1.56 1.55 1.50 1.60 1.68 1.72 1.78 1.57 Para calcular el IMC escribir la frmula as: > imc=peso/talla_m^2 > imc Los objetos talla_m e imc creados no se almacenan en la hoja de R, si queremos que ello ocurra y guardarlos, debemos hacer transformaciones dentro de caso2, as: > caso2=transform(caso2, talla_m=talla/100) > caso2=transform(caso2, imc=peso/talla_m^2) Para unir las nuevas variables en caso 2, escribir: > attach(caso2)

42

1.6 RECODIFICACIN DE DATOS

En el acpite anterior se han efectuado algunos clculos con los datos, creando nuevas variables y se esta interesado en recodificar los mismos. Por ejemplo, para definir la Condicin del peso del alumno con la variable IMC obtenida, usando la propuesta del Cuadro 1, se procede de la siguiente manera:

En Excel: Estando en W2, la condicin (columna W) se calcula en la barra de frmulas con la expresin lgica siguiente: =SI(V2<18.5,"Delgado",SI(V2<25,"Normal",SI(V2<30,"Sobrepeso",SI(V2<40,"Ob eso","Obesidad morbida")))). Luego se hace una copia para los dems datos de la columna W, los resultados se observan en la Figura 1.20. En MINITAB: De la barra de men escoger la opcin Data, luego Code (cdigo) y Numeric to text (numrico a texto) porque se desea recodificar valores numricos en texto, ver la Figura 1.23, tambin se puede apreciar otros tipos de recodificacin.

Figura 1.23 Tipos de recodificacin en Minitab

Haciendo clic en Numeric to Text aparece la ventana de dilogo de la Figura 1.24 (Code Numeric to Text) para recodificar los datos numricos en texto.

43

Figura 1.24 Obtencin de la Condicin, recodificando el IMC en Minitab

En Code data from columns: (cdigo de datos desde las columnas) seleccionar de las variables a la izquierda imc o escribirla. En Store couded data in columns: (almacenar datos codificados en la columna) seleccionar de las variables de la izquierda condicin o escribirla. A continuacin en Original values (valores originales) se va definiendo uno a uno los intervalos definidos en el Cuadro 1.1, separndolos por dos puntos (:) y en New los nuevos valores en texto. Observar que el primer intervalo es para imc menor de 18.5, en Original values: se coloca desde un valor muy bajo, que aqu se ha tomado el 0, por eso se escribe 0 : 18.49 (de ser necesario se agregan ms nueves en los decimales, para estar ms cerca a 18.5) y en New: Delgado. El siguiente intervalo va de 18.5 hasta antes de 25, en Original values: se escribe 18.5 : 24.99 y en New: Normal. As sucesivamente, para el ltimo intervalo de 40 a ms, en Original values: se escribe 40 : 100 (o un valor ms alto para que no queden datos sin recodificar) y en New: Obesidad mrbida. Para finalizar la recodificacin hacer clic en OK y en la base de datos (Current data window) aparecen los datos de condicin (ver Figura 1.25).

44

Figura 1.25 Resultado de la Condicin recodificando el IMC en Minitab

En SPSS: De la barra de men escoger la opcin Transformar, luego hacer clic sobre Recodificar en distintas variables (si se escoge Recodificar en las mismas variables, se pierden los valores originales ya que son reemplazados por los recodificados). Aparece la ventana de dilogo Recodificar en distintas variables de la Figura 1.26.

Escogiendo de la lista de variables que aparecen al lado izquierdo, en Var. numrica Var. de resultado: ingresar la variable imc, inmediatamente aparece imc ? En Variable de resultado, en Nombre: escribir condicin, en Etiqueta: escribir CONDICIN (del peso) y luego hacer clic en el botn Cambiar (si no hace esto, la recodificacin no se realiza despus, asegurarse de ello), inmediatamente en Var. numrica Var. de resultado: se modifica por imc condicin.

45

Figura 1.26 Obtencin de la Condicin, recodificando el IMC en SPSS

Luego, hacer clic en Valores antiguos y nuevos y aparece la ventana de dilogo Recodificar en distintas variables: Valores antiguos y nuevos de la Figura 1.27.

A continuacin, en Valor antiguo se va definiendo uno a uno los intervalos definidos en el Cuadro 1.1, y en Valor nuevo los nuevos valores del intervalo.

Observar que el primer intervalo es para imc menor de 18.5, en Valor antiguo, en Rango, MENOR hasta valor se escribe 18.49 (de ser necesario se agregan ms nueves en los decimales, para estar ms cerca a 18.5) y en Valor nuevo, en Valor escribir 1, luego hacer clic en aadir. El siguiente intervalo va de 18.5 hasta antes de 25, en Valor antiguo, en Rango: se escribe 18.5 hasta 24.99 y en Valor nuevo escribir 2, luego hacer clic en aadir. As sucesivamente, para el ltimo intervalo de 40 a ms, en Valor antiguo, RANGO, valor hasta MAYOR se escribe 40 y en Valor nuevo, en Valor escribir 5, luego clic en aadir.

Para finalizar la recodificacin, al hacer clic en Continuar regresa a la ventana de la Figura 1.26. Luego hacer clic en Aceptar y aparece la variable condicin con sus valores del 1 al 5 en la Vista de datos del Editor de datos SPSS.

46

Figura 1.27 Recodificar Valores antiguos del IMC y nuevos de Condicin en SPSS

A continuacin, en la Vista de variables, del Editor de datos SPSS, a la variable condicin se le definen las Etiquetas de valor, en un cuadro de dilogo similar al de la Figura 1.5. Para ello asignar los valores y etiquetas siguientes: 1, Delgado; 2, Normal; 3, Sobrepeso; 4, Obeso; y 5, Obesidad mrbida. Una vez que termina de aadir los valores y etiquetas hacer clic en Aceptar, en la Vista de datos, del Editor de datos SPSS aparecen las etiquetas de condicin que se muestran en la Figura 1.28.

Figura 1.28 Resultado de la Condicin recodificando el IMC en SPSS 47

En R: Antes de crear la Condicin, debemos crear los intervalos del Cuadro 1.1, as: > caso2=transform(caso2,condi=cut(imc,breaks=c(0,18.4999, 24.9999,29.9999, 39.9999,max(imc)))) > table(condi) condi (0,18.5] (18.5,25] (25,28.7] (28.7,30] 4 49 7 0 (30,40] 0

En el resultado anterior, hay 4 alumnos con imc menor de 18.5 (delgados), 49 alumnos con imc entre 18.5 y 25 (normales) y 7 alumnos con imc entre 25 y 30 (con sobrepeso); no hay alumnos obesos, ni con obesidad mrbida, por lo que vamos a colocar las etiquetas correspondientes a Condicin, de la siguiente manera: > caso2=transform(caso2, Condicin=factor(condi, labels=c("Delgado", "Normal", "Sobrepeso"))) Luego escribimos: > attach(caso2) y despus: > table(Condicin) Condicin Delgado 4 Normal Sobrepeso 49 7

Con la sintaxis: > fix(caso2) obtenemos la hoja del R, donde aparecen las etiquetas de Condicin que se muestran en la Figura 1.29.

Figura 1.29 Resultado de la Condicin recodificando el IMC en R 48

1.7 MANIPULACIN DE ARCHIVOS

Para los programas Excel, Minitab y SPSS el proceso de agregar o quitar variables (en columnas) y registros o casos (en filas) es similar, simplemente hay que insertar filas o columnas si es necesario o copiar las variables y/o casos. As mismo, la seleccin de variables para generar nuevos archivos se puede efectuar abriendo nuevas hojas de datos para trabajar con ellas situaciones particulares. Veamos la seleccin de variables en R y la obtencin de casos.. Estando en caso2, la forma ms sencilla es escribir en R: >attach(caso2) y al hacer enter quedan reconocidas todas las variable con el nombre del encabezado. Otra forma es, como las variables aparecen dentro del objeto caso2 en columna: el n_cuest (columna 1), sexo (columna 2), edad (col. 3), peso (col. 4), hasta col.proc (col. 19) y especial (col. 20). Cada una de las variables es trabajada como un objeto y se definen as: > peso=caso2[,4] Se pide crear el objeto peso y que lo obtenga de la columna 4, del objeto caso2 (la base de datos trabajada). Dentro del corchete de caso2, la primera componente indica fila (registro) y la segunda columna (variable). Al dejar vaca la primera componente reconoce slo los valores de la variable. Si se quiere visualizar el contenido del objeto creado, escribimos peso y al hacer enter aparecen los pesos. > peso [1] 68.0 69.0 63.0 55.0 57.0 48.0 50.0 50.0 44.0 60.0 52.6 80.0 52.0 67.0 46.0 [16] 80.0 64.0 64.0 63.0 72.0 65.0 47.0 70.0 50.0 53.0 66.0 57.0 50.5 80.0 55.0 [31] 88.0 55.0 75.0 64.5 50.0 49.0 54.0 46.5 49.0 70.0 48.0 60.0 75.0 55.0 51.0 [46] 72.0 68.0 68.0 55.0 59.0 65.0 66.0 51.0 53.0 45.0 52.0 53.0 67.0 77.0 53.0 Tambin se puede crear varios objetos a la vez separndolos con punto y coma, as: > talla=caso2[,5] ; ing.fam=caso2[,6] ; mie.fam=caso2[,7] Si desea visualizar los 20 datos del alumno 4 (registrados en la fila 4) escribir: > reg.4=caso2[4,] enter y luego > reg.4 al hacer enter obtenemos:

n_cuest sexo edad peso talla ing.fam mie.fam g.estud cr.aprob prom.acum 4 4 1 20 55 173 1200 5 60 42 12.4

t.viviend n.dormit horas.tv hrs.estu lib.ledos hobby imp.estudio 4 1 3 3 4 4 4 4

imp.fsico col.proc especial 4 4 2 2 49

Captulo 2. PRESENTACIN DE DATOS

El propsito de la estadstica es descubrir mtodos para condensar la informacin relativa a un gran nmero de hechos relacionados, en cortas y compendiosas expresiones adecuadas para su discusin Francis Galton CONTENIDO 2.1 2.2 2.3 2.4 2.5 2.6 2.7 Introduccin. Cuadros estadsticos. Distribucin de frecuencias. Grficos estadsticos. Grficos de variables cualitativas. Grficos de frecuencias. Diagrama de tallos y hojas.

2.1 INTRODUCCIN Uno de los propsitos fundamentales de la estadstica es la reduccin de datos, la misma que se puede efectuar mediante la presentacin de datos de tres maneras: cuadros o tablas estadsticas, grficos y texto. Se recomienda la aplicacin de todas ellas; siendo primordial la construccin del cuadro estadstico con los datos, para poder realizar la presentacin grfica y/o textual que permita describir, establecer relaciones y/o explicar las variables en estudio, contribuyendo as a la aplicacin del mtodo cientfico. En este captulo se desarrollan los temas relacionados a cuadros estadsticos, tablas de frecuencias y algunas formas de presentacin grfica tanto para variables cualitativas como cuantitativas. 2.2 CUADROS ESTADSTICOS En la estadstica, como ciencia de la observacin, se emplean las tablas o cuadros estadsticos para resumir la informacin estadstica (datos) obtenida mediante encuestas, experimentos, registros administrativos, etc. a) Definicin.- un cuadro estadstico es un arreglo matricial que contiene las variables con sus correspondientes categoras y los datos observados de

50

manera concisa, reflejando la relacin o comparacin fcil entre las variables en un estudio determinado. b) Estructura.- las partes de un cuadro estadstico son: nmero, ttulo, encabezamiento, columna matriz, cuerpo y pie (notas, llamadas y fuente). La ubicacin de cada uno de ellos se puede apreciar en la Figura 2.1.

NMERO COLUMNA

TTULO ENCABEZAMIENTO

MATRIZ

CUERPO

PIE

NOTAS LLAMADAS FUENTE

Figura 2.1 Estructura de un cuadro estadstico

Nmero.- si en un estudio o investigacin se presenta ms de un cuadro hay que enumerarlos para diferenciarlos. Si el cuadro es nico, no es necesario enumerar. El nmero se ubica en la parte superior izquierda o central. Se recomienda anteponer la palabra Cuadro o Tabla y a continuacin colocar el nmero (sin la abreviatura N previa) que puede ser arbigo o alfanumrico, seguido de un punto, para luego indicar el ttulo. Ejemplo: Cuadro 5. ; Cuadro B10. ; etc.

Ttulo.- el ttulo indica de manera clara y precisa el contenido del cuadro. Se coloca en la parte superior a continuacin del nmero. Para su construccin debe responder a las cuatro preguntas siguientes: - Qu? Estamos observando (unidad de anlisis, objeto, caracterstica principal, valores, elementos, etc.) - Cmo? Estn clasificados los datos (variables en el Encabezamiento precedidas de la palabra POR y variables en la columna matriz precedidas de la palabra SEGN) 51

- Cundo? Se realiz la observacin de los datos (perodo al que se refieren los datos) - Dnde? Se realiz la observacin de los datos (lugar geogrfico) Ejemplo.Qu? Producto Bruto Interno. Cmo? Por Aos, Segn Rama de la Actividad Econmica. Cundo? Del 2000 al 2007. Dnde? Per.

Ya se puede indicar el nmero y el ttulo del cuadro de la siguiente manera: CUADRO 2.1 PRODUCTO BRUTO INTERNO, POR RAMA DE LA ACTIVIDAD ECONMICA, SEGN AO: 2000-07.

Observacin: - Hay una reciprocidad entre el ttulo y lo que aparece despus de l, pues el cmo? del ttulo permite ubicar las variables en el encabezamiento y en la columna matriz; y viceversa, observando las variables en el encabezamiento y en la columna matriz se puede poner el ttulo. - Cuando en el ttulo del cuadro no se indica el lugar de observacin, significa que corresponde al pas. - La ubicacin de variables en el encabezamiento y en la columna matriz es indistinto, depende del criterio del investigador, pudiendo ser stas de cualquiera de los tipos definidos. - Si los aos observados son consecutivos, se recomienda colocar 2000-07 y si slo son dos aos, indicar 2000 y 2007.

Encabezamiento.- es la parte del cuadro que contiene las variables que aparecen en el ttulo despus de la preposicin POR y sus correspondientes categoras o rangos, generando las columnas del mismo. Recomendaciones: - Colocar en la primera lnea qu se va observar y el POR, preferentemente cuando se esta diseando cuadros preliminares para un estudio. - Indicar en forma breve y precisa las variables (con maysculas) y sus categoras o rangos (con mayscula y minsculas). 52

- Escribir preferentemente en forma horizontal o en forma vertical letra por letra de arriba hacia abajo. - Segn sea el caso, ordenar las columnas tomando en cuenta un ordenamiento: natural, geogrfico, importancia o alfabtico. - Si hay que indicar unidad de medida, colocarla con maysculas y minsculas encima del encabezamiento despus del ttulo o en su primera lnea (si todos los valores del cuerpo del cuadro van a representar lo mismo) y/o en cada columna (si las unidades de medida son distintas). Ejemplo.Para el Cuadro 2.1, antes indicado, el encabezamiento es:
P.B.I., POR RAMA DE LA ACTIVIDAD ECONMICA (Millones de nuevos soles) Pesca Minera Industria Electicidad Construccin Comercio Servicios

Agricultura

Total

Columna Matriz.- es la parte del cuadro que contiene las variables que aparecen en el ttulo despus de la palabra SEGN y sus correspondientes categoras o rangos, generando las filas del mismo. Recomendaciones: - Indicar en forma breve y precisa las variables a la altura del encabezamiento (con maysculas) y debajo sus categoras o rangos al lado del cuerpo del cuadro (con mayscula y minsculas). - Escribir preferentemente en forma horizontal. Si hay ms de una variable, diferenciar las categoras con subrayado y/o negrita. - Segn sea el caso, ordenar las columnas tomando en cuenta un ordenamiento: natural, geogrfico, importancia o alfabtico. - Si hay que indicar unidad de medida, colocarla en la fila correspondiente. - Cada cierto nmero de filas dejar espacio en blanco para no cansar al lector.

Cuerpo.- es la parte del cuadro formada por casillas o celdas (resultado de la interseccin de filas y columnas) donde aparecen los resultados de los conteos efectuados con los datos recogidos. Recomendaciones: - Ninguna casilla debe quedar vaca, debe contener un valor o indicacin.

53

- Usar algunos signos convencionales: Resultado nulo o no existe el fenmeno (-). Cifra an no disponible (). Cantidad inferior a la mitad de la unidad adoptada: 0, 0.0, 0.00, etc. Dato provisional (P). Cifra estimada (E). Cifra revisada (R).

Pie.- es la parte inferior del cuadro, donde se colocan las notas, llamadas y la fuente de los datos. Es recomendable, no abusar en el uso de notas y llamadas; as mismo ordenarlas alfabtica y numricamente.

Notas.- Son aclaraciones breves referidas a algn aspecto general del ttulo del cuadro o definicin de alguna variable. Se efecta colocando en el margen izquierdo, de la primera lnea del pie, la palabra Nota: detallando lo que se desea aclarar.

Llamadas.- son aclaraciones especficas referidas a una fila o columna. Segn el INEI (2006) La llamada se indica con una barra oblicua / siendo antecedida por una letra o un nmero. Se ubica a la derecha de lo que se desea aclarar. Si la aclaracin esta referida a una categora textual, usar un nmero; y si la aclaracin se refiere a un rango o nmero, usar una letra. Segn el INEI (2006) Las llamadas deben ubicarse al pie del cuadro, inmediatamente despus de la nota, si hubiera. Se ubica primero las llamadas-nmeros de menor a mayor y luego las llamadas-letras en orden alfabtico.

Fuente.- cuando los datos son obtenidos de una fuente secundaria se recomienda indicar al dueo de la informacin (principio de cortesa y respeto al autor) bajo la forma de una ficha bibliogrfica (autor o entidad, ao, ttulo de la publicacin, edicin, editorial, pginas y lugar). Es recomendable aun cuando se haya efectuado algunas elaboraciones, ya que el usuario puede recurrir a la fuente primigenia para cualquier consulta.

54

Igualmente, si la informacin se ha obtenido de alguna pgina web y para que el lector pueda recurrir a esa fuente, indicar los elementos centrales de una referencia web (autor o entidad, ao, ttulo de la publicacin, pas, fecha de consulta y la pgina web donde est disponible). Si no se indica fuente, se asume que los datos son del autor (persona o entidad) que los publica. En el caso de pertenecer a una entidad grande, se indica el rea de Elaboracin (gerencia o direccin) para poder acudir directamente a ellos de requerirse. En caso de haber efectuado algunas modificaciones o reagrupamientos a la informacin presentada por algn productor de informacin, se recomienda indicar la Fuente y Elaboracin.

El diseo del cuadro 2.1 propuesto en el ejemplo queda as:

CUADRO 2.1 P.B.I., POR RAMAS DE LA ACTIVIDAD ECONMICA, SEGN AOS: 2000 - 08 AOS 2000 2001 2002 2003 2004 2005 2006 2007 Fuente: Instituto Nacional de Estadstica e Informtica.
P.B.I., POR RAMAS DE LA ACTIVIDAD ECONMICA (MILLONES DE NUEVOS SOLES) Pesca Minera Industria Electicidad Construccin Comercio Servicios

Agricultura

Total

Aspectos complementarios.Si el cuadro se extiende es recomendable hacerlo verticalmente y se debe poner en la parte inferior derecha de la primera pgina la indicacin (Contina . . En la pgina siguiente se debe indicar el ttulo del cuadro y luego escribir a la izquierda . Continuacin), repetir el encabezamiento y en la columna matriz continuar con las categoras o intervalos que siguen hasta que se concluya el cuadro, en cuyo caso en la parte superior izquierda se coloca . Conclusin).

55

c) Tipos de cuadro.- segn el nmero de variables que se presentan, los cuadros pueden ser unidimensionales (se presenta una sola variable), bidimensionales (se presentan dos variables) y multidimensionales (se presentan ms de dos variables).

d) Formas de obtencin.Habiendo definido una base de datos, la forma ms sencilla de obtener cuadros estadsticos es con el SPSS, ya que tiene la ventaja de reconocer las etiquetas (texto) para variables categricas (codificadas numricamente). Con los otros programas tambin se obtiene cuadros, slo que hay que efectuar previamente recodificaciones de valores numricos a texto. Veamos la obtencin de un cuadro bidimensional con las variables hobby (en las filas) y sexo (en las columnas) con SPSS y luego con Minitab.

En SPSS: De la barra de men escoger Analizar Estadsticos descriptivos Tabla de contingencia, aparece la ventana de dilogo de la Figura 2.2.

Figura 2.2 Obtencin de un cuadro bidimensional con SPSS

56

Entre las variables que aparecen al lado izquierdo, hacer clic sobre la variable HOBBY e ingresarla debajo del recuadro Filas haciendo clic en el botn ,

luego hacer clic sobre la variable SEXO e ingresarla debajo del recuadro Columnas haciendo clic en el botn .

Si hacemos clic en el botn Casillas se abre la ventana de dilogo de la Figura 2.3, en la que se escoge que debe aparecer en las casillas.

Figura 2.3 Mostrar en las casillas Por defecto, en Frecuencias aparece un check en el recuadro Observadas y

la tabla va mostrar en las Casillas, los resultados del conteo (nmero de casos). En Porcentajes, los recuadros al costado de Fila, Columna y Total aparecen sin check. Si hacemos clic al costado de Fila, el programa saca porcentaje sobre el total

de casos en cada fila, de modo tal que en el cuadro los totales de fila van a sumar 100%. Del mismo modo, si hacemos clic al costado de Columna, el

programa saca porcentaje sobre el total de casos en cada columna, de modo tal que en el cuadro los totales de columna van a sumar 100%. Finalmente si hacemos clic al costado de Total, el programa saca porcentaje sobre el total

de casos, de modo tal que en el cuadro la suma de los porcentajes de todas las casillas es el 100%.

57

Queda a criterio del investigador escoger lo que desea: slo frecuencias observadas (nmero de casos), slo alguno de los porcentajes, o cualquier combinacin de frecuencias observadas y/o porcentajes (incluyendo los cuatro a la vez, slo que para el anlisis hay que tener mucho cuidado). Escogido lo que va aparecer en las casillas, hacer clic en Continuar, regresa a la Figura 2.2, para terminar el cuadro hacer clic en Aceptar. Veamos algunos resultados: Si para las casillas escogemos slo frecuencias salida es el siguiente:
Tabla de contingencia HOBBY * SEXO Recuento SEXO Hombre Mujer 14 1 14 13 1 3 4 8 0 2 33 27 Total 15 27 4 12 2 60

Observadas, el cuadro de

HOBBY

Deportes Mus ica Baile TV / Cine Otros

Total

Haciendo doble clic sobre el cuadro de salida anterior se pueden hacer algunos arreglos de presentacin y copiarlo en Excel o Word. Pudiendo presentarse as:

CUADRO 2.2 ALUMNOS DE ESTADSTICA BSICA, DE LA FCEUNAC, POR SEXO, SEGN HOBBY: 09-A

HOBBY Hombre Deportes Msica Baile TV / Cine Otros Total 14 14 1 4 0 33

SEXO Mujer 1 13 3 8 2 27 Total 15 27 4 12 2 60

Fuente: Base de datos del curso de Estadstica Bsica

58

Si para las casillas escogemos frecuencias hacemos clic en

Observadas y en porcentajes

Fila, el cuadro de salida es el siguiente:

Tabla de contingencia HOBBY * SEXO SEXO Hombre Mujer 14 1 93.3% 6.7% 14 13 51.9% 48.1% 1 3 25.0% 75.0% 4 8 33.3% 66.7% 0 2 .0% 100.0% 33 27 55.0% 45.0%

Total 15 100.0% 27 100.0% 4 100.0% 12 100.0% 2 100.0% 60 100.0%

HOBBY

Deportes Musica Baile TV / Cine Otros

Total

Recuento % de HOBBY Recuento % de HOBBY Recuento % de HOBBY Recuento % de HOBBY Recuento % de HOBBY Recuento % de HOBBY

Cuadro que tambin se puede editar. En cada casilla se aprecia el mismo nmero de casos anterior, ahora acompaado del porcentaje sobre el total de cada fila. As, en la segunda fila hay 27 alumnos (100%) cuyo hobby es la msica, de los cuales 14 (51.9%) son hombres y 13 (48.1%) son mujeres.

Si para las casillas slo se escoge en porcentajes salida es el siguiente:

Columna, el cuadro de

Tabla de contingencia HOBBY * SEXO % de SEXO SEXO Hombre Mujer 42.4% 3.7% 42.4% 48.1% 3.0% 11.1% 12.1% 29.6% 7.4% 100.0% 100.0% Total 25.0% 45.0% 6.7% 20.0% 3.3% 100.0%

HOBBY

Deportes Mus ica Baile TV / Cine Otros

Total

Sobre los mismos 60 alumnos, se puede apreciar que del total de hombres (33 alumnos = 100.0%) el 42.4% gustan de los Deportes, otro 42.4% Msica, el 3.0% Baile y el 12.1% TV/Cine. Anlisis similar se hace para mujeres y para el total de alumnos. 59

Si para las casillas slo se escoge en porcentajes salida es el siguiente:

Total, el cuadro de

Tabla de contingencia HOBBY * SEXO % del total SEXO Hombre Mujer 23.3% 1.7% 23.3% 21.7% 1.7% 5.0% 6.7% 13.3% 3.3% 55.0% 45.0% Total 25.0% 45.0% 6.7% 20.0% 3.3% 100.0%

HOBBY

Deportes Mus ica Baile TV / Cine Otros

Total

Aqu los porcentajes en cada Casilla, se obtienen haciendo a los 60 alumnos como el 100%.

En Minitab: De la barra de men escoger Stat Tables Descriptive Statistics aparece la ventana de dilogo de la Figura 2.4.

Figura 2.4 Obtencin de un cuadro bidimensional con Minitab

De las variables que aparecen al lado izquierdo, hacer clic sobre la variable hobby que va ir en las filas (rows) e ingresarla en el recuadro en blanco al

60

costado de For rows: haciendo clic en el botn Select, luego hacer clic sobre la variable sexo que va ir en las columnas (columns) e ingresarla al costado de For columns: haciendo clic en el botn Select. Si hacemos clic en el botn Categorical variables se abre la ventana de dilogo de la Figura 2.5, en la que se escoge que debe aparecer en las casillas, de manera similar al SPSS.

Figura 2.5 Escoger qu mostrar en las casillas con el Minitab

Por defecto, en Display aparece un check en el recuadro

Count y la tabla va

mostrar en las Casillas, los resultados del conteo (nmero de casos). Si hacemos clic al costado de Row percents, el programa saca porcentajes

sobre el total de casos en cada fila, de modo tal que en el cuadro los totales de fila van a sumar 100%. Del mismo modo, si hacemos clic al costado de Column percents, el programa saca porcentajes sobre el total de casos en cada columna, de modo tal que en el cuadro los totales de columna van a sumar 100%. Finalmente si hacemos clic al costado de Total percents, el programa

saca porcentaje sobre el total de casos, de modo tal que en el cuadro la suma de los porcentajes de todas las casillas es el 100%.

Al igual que en el SPSS se tiene que escoger lo que se desea mostrar en las casillas, escogido lo que va aparecer en las casillas, hacer clic en el botn OK, regresa a la Figura 2.4, para terminar el cuadro hacer clic en OK. Veamos algunos resultados: Si para las casillas escogemos slo frecuencias es el siguiente: Count, el cuadro de salida

61

Tabulated statistics: hobby, sexo Rows: hobby 1 1 2 3 4 5 All 14 14 1 4 0 33 2 1 13 3 8 2 27 Columns: sexo All 15 27 4 12 2 60

La tabla obtenida no presenta las etiquetas de las categoras de hobby, ni las de sexo, por lo que es necesario tenerlas definidas (Ver acpite 1.6 Recodificacin de datos en Minitab, Data Code Numeric to Text) antes de sacar el cuadro, algo que no necesita el SPSS ya que las reconoce automticamente al definir las variables y sus valores. Realizada la recodificacin de datos para las variables sexo y hobby, efectuando el proceso anterior obtenemos la siguiente tabla:
Tabulated statistics: hoby, sex Rows: hoby Columns: sex Hombre Baile Deportes Msica Otros TV/Cine All 1 14 14 0 4 33 Mujer 3 1 13 2 8 27 All 4 15 27 2 12 60

En la tabla anterior ya aparecen las etiquetas de hobby y sexo recodificadas, pero la presentacin no es muy esttica, requiere de un trabajo previo en Excel, lo que no es necesario para las tablas en SPSS (es mejor trabajarlas con este programa).

Si para las casillas escogemos

Count y hacemos clic en

Row percents,

el cuadro de salida es el siguiente:

62

Tabulated statistics: hoby, sex Rows: hoby Columns: sex Hombre Baile Deportes Msica Otros TV/Cine All 1 25.00 14 93.33 14 51.85 0 0.00 4 33.33 33 Mujer 3 75.00 1 6.67 13 48.15 2 100.00 8 66.67 27 All 4 100.00 15 100.00 27 100.00 2 100.00 12 100.00 60

Cuadro que tambin se puede editar. En cada casilla se aprecia el mismo nmero de casos anterior, ahora acompaado del porcentaje sobre el total de cada fila. As, en la tercera fila hay 27 alumnos (100%) cuyo hobby es la msica, de los cuales 14 (51.85%) son hombres y 13 (48.15%) son mujeres.

Veamos ahora rpidamente la obtencin de un cuadro tridimensional con las variables especial(izacin) y hobby (en las filas) y sexo (en las columnas) con SPSS y luego con Minitab.

En SPSS: De la barra de men escoger Analizar Estadsticos descriptivos Tabla de contingencia, aparece la ventana de dilogo de la Figura 2.2. Se ingresa la variable hobby en Filas, sexo en Columnas y especial en Capa 1 de 1. Si desea escoge Casillas para indicar que va aparecer en las mismas, veamos slo valores observados. La tabla es la que muestra la Figura 2.5. La tabla se puede editar haciendo doble clic sobre ella en SPSS o copiarla en Word y efectuar las modificaciones necesarias. El nmero y ttulo son: CUADRO 2.3 ALUMNOS DE ESTADSTICA BSICA, DE LA FCEUNAC, POR SEXO, SEGN ESPECIALIZACIN Y HOBBY: 09-A

63

Tabla de contingencia HOBBY * SEXO * ESPECIALIZACIN Recuento ESPECIALIZACIN Teora Econmica SEXO Hombre Mujer 5 0 3 3 0 2 8 5 9 1 11 10 1 3 4 6 0 2 25 22 Total 5 6 2 13 10 21 4 10 2 47

HOBBY

Deportes Musica TV / Cine Deportes Musica Baile TV / Cine Otros

Gestin Empres arial

Total HOBBY

Total

Figura 2.6 Cuadro tridimensional en SPSS En Minitab: De la barra de men escoger Stat Tables Descriptive Statistics aparece la ventana de dilogo de la Figura 2.4. Con las variables recodificadas previamente, se ingresa la variable hoby en For rows, sexo en For columns y especializacin en For layers. Si desea escoge Categorical variables para indicar que va aparecer en las casillas, veamos slo Counts (conteos), OK, OK y los resultados son los siguientes:

Tabulated statistics: hoby, sex, especializacin Results for especializacin = Gestin Empresarial Rows: hoby Columns: sex Hombre Baile Deportes Msica Otros TV/Cine All Cell Contents: 1 9 11 0 4 25 Mujer 3 1 10 2 6 22 Count All 4 10 21 2 10 47

Results for especializacin = Teora Econmica Rows: hoby Columns: sex

64

Hombre Baile Deportes Msica Otros TV/Cine All 0 5 3 0 0 8

Mujer 0 0 3 0 2 5

All 0 5 6 0 2 13

Para obtener tablas en Excel es necesario recurrir a Tabla dinmica que se encuentran el men Insertar. Veamos el procedimiento para una tabla bidimensional con las variables hobby en filas y sexo en columnas. En las columnas A, B y C se ha copiado las variables sexo, hobby y especial con las etiquetas de sus categoras, entre las filas 1 y 61, las mismas que estn en la base de datos de los alumnos de Estadstica Bsica 09-A del Anexo. Al hacer clic en Tabla dinmica aparece la ventana de dilogo Crear tabla dinmica que aparece en la Figura 2.7.

Figura 2.7 Creando tabla dinmica en Excel En Seleccione los datos que desea analizar, marcar Seleccione una tabla o rango e indicar en Tabla o rango: los valores a analizar sombreando los datos de la hoja de clculo desde A1 hastaC61 y automticamente aparece lo indicado en la Figura 2.7. En elija dnde desea colocar el informe de la tabla dinmica, elegir Hoja de clculo existente e indicar Ubicacin: aqu celda E2. Luego hacer clic en Aceptar y aparece una estructura de tabla.

65

A continuacin,

arrastrar la variable HOBBY, que aparece en el lado

derecho, sobre el mensaje Coloque campos de fila aqu; del mismo modo arrastrar la variable SEXO sobre el mensaje Coloque campos de columna aqu. Al volver a arrastrar la variable SEXO sobre el Cuerpo del cuadro en el mensaje Coloque datos aqu, se obtiene la tabla dinmica requerida con el resultado de los conteos visto en las tablas anteriores (ver Figura 2.8).

Figura 2.8 Tabla dinmica para Sexo y Hobby en Excel

Para obtener porcentajes sobre las filas, las columnas o el total como en SPSS y Minitab, se debe arrastrar nuevamente la variable de conteo (SEXO) en el Cuerpo del cuadro, sobre el rea de lo que fue el mensaje Coloque datos aqu. En las filas aparece Cuenta de SEXO y Cuenta de SEXO2. Al hacer doble clic sobre Cuenta de SEXO2, aparece la ventana de dilogo Configuracin de campo de valor, hacer clic en el botn Mostrar valores como aparece Normal, hacer clic en la flecha de seleccin y se puede

escoger el porcentajes sobre las filas, las columnas o el total, al escoger el % de la columna y Aceptar, aparece el cuadro de la Figura 2.9.

66

Figura 2.9 Tabla dinmica para Sexo y Hobby con porcentajes en Excel

Si se quiere obtener un cuadro tridimensional arrastrar la variable ESPECIALIZACIN en las filas sobre HOBBY y aparece la tabla dinmica de la Figura 2.10, donde haciendo doble clic sobre Cuenta de SEXO2 se ha escogido mostrar valores como % de la fila.

Figura 2.10 Tabla dinmica para Sexo, Especializacin y Hobby en Excel

67

Se reafirma nuevamente que el SPSS arroja una mejor presentacin.

Para obtener tablas con el programa R, primero se definen las variables como objetos. Tal como se plantea en el acpite 1.7 Manipulacin de archivos, leda la base de datos como caso2, al escribir >attach(caso2) y efectuar enter, se identifican las variables con el nombre en el encabezado. Tambin se pueden crear las variables como objetos, separndolos con punto y coma, as: > hobby=caso2[,16] ; sexo=caso2[,2] ; especializacin=caso2[,20] La tabla bidimensional con la variable hobby en las filas y sexo en las columnas, se obtiene as:

> table(hobby,sexo) sexo hobby 1 2 1 3 8 2 1 14 3 4 5 1 4 0

2 14 13

Resultado idntico al del Minitab, es necesario definir las etiquetas de hoby y sexo. La tabla tridimensional con la variable especial (especializacin) y hobby en las filas y sexo en las columnas, se obtiene as: > table(hobby,sexo,especial) , , especial = 1 sexo hobby 1 2 3 4 5 1 5 3 0 0 0 2 0 3 0 2 0

68

, , especial = 2 sexo hobby 1 3 4 5 1 9 1 4 0 2 1 3 6 2

2 11 10

Vamos a definir en R las etiquetas de las categoras correspondientes a las variables sexo, hobby y especializacin de la siguiente manera: > caso2=transform(caso2, sexo=factor(sexo, labels=c("Hombres","Mujeres"))) > caso2=transform(caso2, hobby=factor(hobby, labels=c("Deporte","Msica", "Baile", "TV/Cine","Otro"))) > caso2=transform(caso2, especial=factor(especial, labels=c("Teora Econmica", "Gestin Empresarial"))) Para que se reconozcan las nuevas variables con sus etiquetas escribir: > attach(caso2) Obtenemos las tablas anteriores de la siguiente manera: > t1=table(hobby,sexo) > t1 sexo hobby Deporte Msica Baile TV/Cine Otro > prop.table(t1) sexo hobby Msica Hombres Mujeres Deporte 0.23333333 0.01666667 0.23333333 0.21666667 Hombres Mujeres 14 14 1 4 0 1 13 3 8 2

69

Baile Otro

0.01666667 0.05000000 0.00000000 0.03333333

TV/Cine 0.06666667 0.13333333

Sea t2 la tabla tridimensional: > t2=table(hobby,sexo,especial)

> t2 , , especial = Teora Econmica sexo hobby Deporte Msica Baile TV/Cine Otro Hombres Mujeres 5 3 0 0 0 0 3 0 2 0

, , especial = Gestin Empresarial sexo hobby Deporte Msica Baile TV/Cine Otro Hombres Mujeres 9 11 1 4 0 1 10 3 6 2

> prop.table(t2) , , especial = Teora Econmica sexo hobby Hombres Mujeres

70

Deporte 0.08333333 0.00000000 Msica Baile Otro 0.05000000 0.05000000 0.00000000 0.00000000 0.00000000 0.00000000

TV/Cine 0.00000000 0.03333333

, , especial = Gestin Empresarial sexo hobby Msica Baile Otro Hombres Mujeres Deporte 0.15000000 0.01666667 0.18333333 0.16666667 0.01666667 0.05000000 0.00000000 0.03333333

TV/Cine 0.06666667 0.10000000

Para conservar los valores originales en la base de datos caso2 y poner etiquetas, se debe cambiar el nombre de la variable.

> caso2=transform(caso2, colegio.proc=factor(col.proc, labels=c("Estatal", "No Estatal"))) > attach(caso2)

NOTA.- Un caso particular de los cuadros estadsticos son las denominadas Tablas de Frecuencias (que veremos en el acpite siguiente) que son cuadros unidimensionales, es decir, con una sola variable acompaada por lo general de los resultados del conteo y porcentajes.

71

2.3 DISTRIBUCIN DE FRECUENCIAS La informacin obtenida puede provenir de un censo o de una muestra. Los resultados observados los podemos representar de la siguiente manera: Las variables, con las ltimas letras maysculas del alfabeto: X, Y, Z, etc. o con algunas siglas que las abrevia el investigador o propias de algunas disciplinas como en la economa: PBI (Producto Bruto Interno), M (importaciones), etc.; en salud: IMC (ndice de Masa Corporal), etc. Los subndices, con las letras minsculas: i, j, k, l, m, t, etc. representan nmeros enteros y sirven para diferenciar las unidades de anlisis (U.A.) a quienes corresponde el valor que toma la variable. Con Xi representamos el valor de la variable X observado en laU.A. i-sima. Por ejemplo, si en la base de datos de los alumnos de Estadstica Bsica 09-A, ver en el Anexo, X = Peso de los alumnos, entonces: Xi = Peso del alumno i-simo de Estadstica Bsica 09-A; i = 1, 2, 3, ., 60. X40 = 70 Kg., es el peso del alumno 40 o valor observado 40 de la variable. Veamos las diferentes formas de presentacin de datos.

DATOS SIN AGRUPAR: Poblacin: X1, X2, X3, . , XN (N = tamao de la poblacin) Muestra: X1, X2, X3, . , Xn (n = tamao de la muestra) En la base de datos de los 60 alumnos de Estadstica Bsica 09-A, se tiene informacin de 19 variables estudiadas, tanto cualitativas como cuantitativas. DATOS AGRUPADOS: a) Tabla de Frecuencia para Datos Cualitativos.- en este tipo de tablas se indican los atributos o categoras de la variable, acompaadas del nmero (ni), la proporcin (hi), y/o el porcentaje (100 hi), de unidades de anlisis (U.A.). Su estructura es:
N de Clase Categora de (i) la variable 1 Atributo 1 2 Atributo 2 . . k Atributo k Total N de U.A. (ni) n1 n2 . nk n Proporcin de U.A (hi) h1 h2 . hk 1 % de U.A. (100 hi) p1 p2 . pk 100%

U.A. = unidades de anlisis. 72

Tal como se presenta en el acpite anterior, veamos la obtencin de una tabla de frecuencias por ejemplo, para la variable hobby en SPSS: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo de la Figura 2.11.

Figura 2.11 Obtencin de tablas de frecuencias en SPSS

De las variables al lado izquierdo escogemos hobby, haciendo doble clic o clic en el botn la ingresamos en Variables, luego Aceptar y se obtiene los

resultados del Cuadro 2.4 editado en spss haciendo doble clic.

CUADRO 2.4 ALUMNOS DE ESTADSTICA BSICA 2009-A, DE LA FCE-UNAC, SEGN HOBBY

% DE ALUMNOS 25.0 45.0 6.7 20.0 3.3 100.0

HOBBY Deportes Musica Baile TV / Cine Otros Total

ALUMNOS 15 27 4 12 2 60

Un cuadro similar se puede obtener con el Minitab si se tiene previamente etiquetadas las categoras de la variable hobby, de la siguiente manera: Stat Tables Tally Individual Variables Escoger la variable hobby y Select

73

para que ingrese en Variables. En display, por defecto aparece

Counts,

marcar tambin Percents, luego OK y aparecen los resultados del Cuadro 2.4.
Tally for Discrete Variables: hoby

hoby Baile Deportes Msica Otros TV/Cine N=

Count 4 15 27 2 12 60

Percent 6.67 25.00 45.00 3.33 20.00

Tambin en R, estando etiquetadas las categoras de la variable hobby, attachada la base de datos y usando table obtenemos lo mismo, as: > caso2=transform(caso2, hoby=factor(hobby, labels=c("Deporte", "Msica", "Baile", "TV/Cine","Otro"))) > attach(caso2) > table(hoby) hoby Deporte 15 Msica 27 Baile TV/Cine 4 12 Otro 2

b) Tabla de Frecuencias para Datos Cuantitativos Discretos.- la variable discreta toma valores en un rango pequeo (por ejemplo: nmero de hijos, nmero de dormitorios en la vivienda, etc.). Para su resumen en la presentacin se indican esos pocos valores de la variable siguientes frecuencias en las columnas: Frecuencias absolutas o repeticiones = ni = N de unidades de anlisis (U.A.) que toman el valor Xi (resultado del conteo). Frecuencia relativa = (hi) = Proporcin de U.A. que toman el valor Xi . pi = 100 hi = Porcentaje de U.A. que toman el valor Xi . Frecuencia absoluta acumulada o repeticiones acumuladas = Ni = Nmero acumulado de U.A. que toman el valor Xi o menos. Frecuencia relativa acumulada = Hi = la proporcin acumulada de U.A. que toman el valor Xi o menos. Pi = 100 Hi = porcentaje acumulado U.A. que toman el valor Xi o menos. (Xi) acompaados de las

74

La estructura general de este tipo de tablas es la que se muestra a continuacin, cuando se efectan presentaciones reales de datos slo se muestran algunos elementos de esta estructura.
Clase (i) Valores (X i) N de U.A. (n i) Proporc. U.A. (h i) % U.A. pi = 100 h i N Acum U.A. (N i) Prop. Acum. U.A. (H i) % Acum. U.A. P i =100H i

1 2 . k

X1 X2 . Xk Total

n1 n2 . nk n

h1 h2 . hk 1

p1 p2 . pk 100%

N1 N2 . Nk = n

H1 H2 . Hk = 1

P1 P2 .
Pk = 100%

Donde: Ni = Ni - 1 + ni ,

hi = ni / n = Hi - Hi - 1 ,

Hi = Ni / n = Hi - 1 + hi

Tal como se presenta en el acpite anterior, veamos la obtencin de una tabla de frecuencias por ejemplo, para la variable nmero de miembros en la familia mie.fam en SPSS: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo de la Figura 2.11. De las variables al lado izquierdo escogemos mie.fam, haciendo doble clic o clic en el botn la ingresamos en Variables, luego Aceptar y se obtiene

los resultados del Cuadro 2.5 editado en spss haciendo doble clic.

CUADRO 2.5 ALUMNOS DE ESTADISTICA BASICA 2009-A, DE LA FCE-UNAC, SEGN EL NMERO DE MIEMBROS EN LA FAMILIA
MIEMBROS EN LA FAMILIA 2 3 4 5 6 7 8 9 Total % de Alumnos 3.3 8.3 18.3 45.0 13.3 8.3 1.7 1.7 100.0 Porcentaje acumulado 3.3 11.7 30.0 75.0 88.3 96.7 98.3 100.0

Alumnos 2 5 11 27 8 5 1 1 60

75

Tabla que trabajada en Excel, queda con las frecuencias indicadas a continuacin:
Miembros en la Familia (X i) 2 3 4 5 6 7 8 9 Total Alumnos (ni) 2 5 11 27 8 5 1 1 60 Proporcin alumnos (hi) 0.033 0.083 0.183 0.450 0.133 0.083 0.017 0.017 1.000 Porcentaje alumnos (p i = 100 h i) 3.3% 8.3% 18.3% 45.0% 13.3% 8.3% 1.7% 1.7% 100.0 N acum. alumnos (Ni) 2 7 18 45 53 58 59 60 Prop. acum. alumnos (Hi) 0.033 0.117 0.300 0.750 0.883 0.967 0.983 1.000

En esta tabla se puede interpretar que: n4 = 27, hay 27 alumnos con 5 miembros en su familia cada uno. h3 = 0.183, 18.3% de los alumnos tienen 4 miembros en su familia cada uno. N5 = 53, hay 53 alumnos con 6 o menos miembros en su familia cada uno. H4 = 0.75, 75% de los alumnos tienen 5 o menos miembros en su familia cada uno. Un cuadro similar se puede obtener con el Minitab de la siguiente manera: Staat Tables Tally Individual Variables Escoger la variable mie.fam y Select para que ingrese en Variables. En display, por defecto aparece Counts, marcar tambin Percents, Cumulative counts y

Cumulative percents, luego OK y aparecen los resultados del Cuadro 2.5, tal como se aprecia a continuacin: Tally for Discrete Variables: mie.fam mie.fam 2 3 4 5 6 7 8 9 N= Count 2 5 11 27 8 5 1 1 60 CumCnt 2 7 18 45 53 58 59 60 Percent 3.33 8.33 18.33 45.00 13.33 8.33 1.67 1.67 CumPct 3.33 11.67 30.00 75.00 88.33 96.67 98.33 100.00

Tambin en R, estando attachada la base de datos y usando table obtenemos lo mismo, as: 76

> attach(caso2) > table(mie.fam) mie.fam 2 2 3 4 5 6 8 7 5 8 1 9 1 5 11 27

c) Tabla de Frecuencias con intervalos para Datos Cuantitativos.- en este caso tanto la variable discreta como la continua toma valores en un rango relativamente grande y para su resumen hay que construir intervalos de clase, para lo cual se debe seguir los siguientes pasos: Determinar el Rango (R) de la variable: como la diferencia entre el valor mximo y mnimo de la variable. R = Xmx Xmn = {X / Xmn X Xmx} Determinar el nmero de intervalos (k) con algn criterio del investigador o usando frmulas como la de Sturges: k = 1 + 3.32 log10 N = 1 + log 2 N Tomar el valor de k redondeado (donde N es el nmero de observaciones en la poblacin y si es n nmero de observaciones en la muestra). Hallar el ancho o amplitud (C) del intervalo: C = R/k, Tomar el valor de C redondeado con un determinado nmero de decimales, en funcin de las unidades de la variable. Construir los k intervalos de clase, desde un lmite inferior (LI) hasta un lmite superior (LS): LIi Intervalo 1 Intervalo 2 Intervalo 3 .. Intervalo k 1 Intervalo k : : [Xmn + (k 2)C [Xmn + (k 1)C Xmn + (k 1)C) Xmn + kC] : : : [Xmn [Xmn + C [Xmn + 2C LSi Xmn + C) Xmn + 2C) Xmn + 3C)

Obtener las marcas de clase (Xi) como los valores representativos de la clase, mediante la semisuma de los lmites superior e inferior de la clase correspondiente:
Xi LI i 2 LSi

, i = 1, 2, ., k

77

En la presentacin de la distribucin de frecuencias de la variable X, se indican los intervalos de clase [LIi - LSi), las marcas de clase (Xi) acompaadas de las siguientes frecuencias en las columnas: Frecuencias absolutas o repeticiones = ni = N de unidades de anlisis (U.A.) en el intervalo i (resultado del conteo). Frecuencia relativa = (hi) = Proporcin de U.A. en el intervalo i. pi = 100 hi = Porcentaje de U.A. en el intervalo i. Frecuencia absoluta acumulada o repeticiones acumuladas = Ni = Nmero acumulado de U.A. hasta el lmite superior i (LSi). Frecuencia relativa acumulada = Hi = la proporcin acumulada de U.A. hasta el lmite superior i (LSi). Pi = 100 Hi = porcentaje acumulado U.A. hasta el lmite superior i (LSi). Su estructura es:
Clase Intervalo (i) LIi - LSi Marca clase (X i) N de U.A. (n i) Proporc. U.A. (h i) % U.A. pi = 100 h i # Acum U.A. (N i) Prop. Acum.U.A. (H i) % Acu. Pi =
100 H i

1 2 . k

LI1 -LS1 LI2 LS2 . LIk LSk Total

X1 X2 . Xk

n1 n2 . nk n

h1 h2 . hk 1

p1 p2 . pk 100%

N1 N2 . Nk = n

H1 H2 . Hk = 1

P1 P2 .
Pk = 100%

Donde: N1 = n1, Ni = Ni - 1 + ni , hi = ni / n , H1 = h1 , Hi = Ni / n = Hi - 1 + hi Vamos a obtener una tabla de frecuencias, con k = 5 intervalos, para los pesos de los alumnos de Estadstica Bsica 2009-A, cuyos datos aparecen en el Anexo y de manera ordenada se muestran en el Cuadro 2.6 siguiente:
CUADRO 2.6. PESOS (Kg.) DE LOS 60 ALUMNOS DE ESTADISTICA BSICA 09-A UNAC
44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

El rango de los pesos es R = Xmx Xmn = 88 44 = 44 Kg. = {X / 44 X 88}

78

Por inters particular, se desean construir k = 5 intervalos. Los intervalos son de igual amplitud, donde C = R/k = 44 / 5 = 8.8 Kg. Los intervalos son cerrados por la izquierda y abiertos por la derecha: [44 52.8), [52.8 61.6), [61.6 70.4), [70.4 - 79.2) y [79.2 88.0]. El Excel toma los intervalos abiertos por la izquierda y cerrados por la derecha: (LI - LS].

La tabla completa se ha obtenido en Excel, de la siguiente manera: En la figura 2.12 se puede apreciar que en la hoja de clculo de Excel, en la columna A, se ha copiado los pesos de los 60 alumnos, ocupando las celdas desde A3 hasta A62. As mismo, en las columnas D y E se han definido los lmites inferior y superior de clase, ocupando desde la fila 12 a la 16.

Figura 2.12 Obtencin de Tabla de Frecuencias en Excel

Para obtener las frecuencias absolutas (ni) en Excel, es necesario sombrear las celdas donde se deposita el resultado automtico de los conteos, que en este caso es en la columna G, de la celda G12 a la G16, tal como se muestra en la Figura 2.12. A continuacin, con la opcin de funciones del Excel, escoger

dentro de Seleccionar una categora Estadsticas Frecuencia y aparece la ventana de dilogo de la Figura 2.13 solicitando los Argumentos de la funcin Frecuencia: Datos (de la variable peso, que estn ubicados de la celda A3 hasta la A62) sombrear los datos o escribir A3:A62 y en Grupos (indicar

79

los lmites superiores de los intervalos, que estn en las celdas de E12 hasta E16).

Figura 2.13 Argumentos de la funcin Frecuencia

Para terminar no usar Aceptar, sino la combinacin de las teclas MAYUSCULA + Ctrl + Enter, automticamente aparece el resultado de los conteos en las celdas de la columna de los ni con los valores 19, 15, 17, 5 y 4. El resto de columnas se han obtenido usando las frmulas indicadas en la estructura general. Los resultados de este proceso se muestran en el cuadro siguiente:

CUADRO 2.7 DISTRIBUCIN DE FRECUENCIAS DE LOS PESOS DE LOS ALUMNOS DE ESTADSTICA BSICA 09-A FCE-UNAC
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. % de Acum. Prop.Ac. % Acum. Alum-nos alumnos alumnos alumnos alumnos alumnos clase Xi ni hi 100hi Ni Hi 100 Hi 48.4 19 0.317 31.7% 19 0.317 31.7% 57.2 15 0.250 25.0% 34 0.567 56.7% 66.0 17 0.283 28.3% 51 0.850 85.0% 74.8 5 0.083 8.3% 56 0.933 93.3% 83.6 4 0.067 6.7% 60 1.000 100.0% 60 1.000 100.0%

En esta tabla se puede interpretar que: n3 = 17, hay 17 alumnos que pesan entre 61.6 y 70.4 Kg. cada uno. h2 = 0.250, el 25.0% de los alumnos pesan entre 52.8 y 61.6 Kg. cada uno.

80

N4 = 56, hay 56 alumnos que pesan menos de 79.2 Kg. cada uno. H3 = 0.85, 85% de los alumnos pesan menos de 70.4Kg. cada uno. Para obtener Tablas de frecuencias con el Minitab, el SPSS y el R, se tiene que proceder con la recodificacin de datos planteada en el acpite 1.6. Veamos:

En Minitab.De la barra de men escoger la opcin Data, luego Code (cdigo) y Numeric to text (numrico a texto) porque se desea recodificar valores numricos en texto (la denominacin de los intervalos). Aparece la ventana de dilogo de la Figura 2.14.

Figura 2.14 Recodificacin de la variable peso en Minitab

En Code data from columns: (cdigo de datos desde las columnas) seleccionar de las variables a la izquierda peso o escribirla. En Store couded data in columns: (almacenar datos codificados en la columna) seleccionar de las variables de la izquierda pesos o escribirla. A continuacin en Original values (valores originales) se va definiendo uno a uno los intervalos definidos en el Cuadro 2.7, separndolos por dos puntos (:) y

81

en New los nuevos valores en texto para representar los intervalos, tal como se muestra en la Figura 2.14. Para finalizar la recodificacin hacer clic en OK y en la base de datos (Current data window) aparecen los datos de pesos (ver Figura 2.15).

Figura 2.15 Variable peso recodificada en pesos (intervalos) con Minitab Para obtener la tabla de frecuencias proceder de la siguiente manera: Stat Tables Tally Individual Variables Aparece la ventana de dilogo de la Figura 2.16. Escoger la variable pesos y Select para que ingrese en Variables. En display, por defecto aparece Counts, marcar tambin Percents, luego OK y aparecen los

Cumulative Counts y Cumulative percents,

resultados siguientes (similares a los del Cuadro 2.7): Tally for Discrete Variables: pesos pesos 44.0 - 52.8 52.8 - 61.6 61.6 - 70.4 Count 19 15 17 CumCnt 19 34 51 Percent 31.67 25.00 28.33 CumPct 31.67 56.67 85.00

82

70.4 - 79.2 79.2 - 88.0 N=

5 4 60

56 60

8.33 6.67

93.33 100.00

Figura 2.16 Obtencin de Tabla de Frecuencias en Minitab (variable pesos)

En SPSS.De la barra de men escoger la opcin Transformar, luego hacer clic sobre Recodificar en distintas variables. Aparece la ventana de dilogo Recodificar en distintas variables de la Figura 2.17.

Figura 2.17 Recodificando la variable peso en SPSS

83

Escogiendo de la lista de variables que aparecen al lado izquierdo, en Var. numrica Var. de resultado: ingresar la variable peso, inmediatamente aparece peso ? En Variable de resultado, en Nombre: escribir pesos, en Etiqueta: escribir PESO (Kg.) y luego hacer clic en el botn Cambiar (si no hace esto, la recodificacin no se realiza despus), inmediatamente en Var. numrica Var. de resultado: se modifica por peso pesos.

Luego, hacer clic en Valores antiguos y nuevos y aparece la ventana de dilogo Recodificar en distintas variables: Valores antiguos y nuevos de la Figura 2.18.

Figura 2.18 Recodificar Valores antiguos del peso y nuevos de pesos en SPSS

A continuacin, en Valor antiguo se va definiendo uno a uno los intervalos definidos en el Cuadro 2.7, y en Valor nuevo los nuevos valores del intervalo. Observar que el primer intervalo es para peso entre 44.0 hasta antes de 52.8, en Valor antiguo, en Rango: se escribe 44.0 hasta 52.79 (de ser necesario se agregan ms nueves en los decimales, para estar ms cerca a 52.8) y en Valor nuevo, en Valor escribir 1, luego hacer clic en aadir. El siguiente intervalo va de 52.8 hasta antes de 61.6, en Valor antiguo, en Rango: se escribe 52.8 hasta 61.59 y en Valor nuevo escribir 2, luego hacer clic en aadir. As sucesivamente, el ltimo intervalo va de 79.8 hasta 88.0, en Valor antiguo, en

84

Rango: se escribe 79.8 hasta 88.0 y en Valor nuevo, en Valor escribir 5, luego clic en aadir. Para finalizar la recodificacin, al hacer clic en Continuar regresa a la ventana de la Figura 2.17. Luego hacer clic en Aceptar y aparece la variable pesos con sus valores del 1 al 5 en la Vista de datos del Editor de datos SPSS. A continuacin, en la Vista de variables, del Editor de datos SPSS, a la variable pesos se le definen las Etiquetas de valor, en un cuadro de dilogo similar al de la Figura 1.5. Para ello asignar los valores y etiquetas siguientes: 1, 44.0 52.8; 2, 52.8 61.6; 3, 61.6 70.4; 4, 70.4 79.2; y 5, 79.2 88.0. Una vez que termina de aadir los valores y etiquetas hacer clic en Aceptar, en la Vista de datos, del Editor de datos SPSS aparecen las etiquetas de condicin que se muestran en la Figura 2.14.

Figura 2.19 Resultado de la variable pesos, recodificando el peso en SPSS Para obtener la tabla de frecuencias ejecutar: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo de la Figura 2.11. De las variables al lado izquierdo escogemos pesos, haciendo doble clic o clic en el botn la ingresamos en Variables, luego Aceptar y se obtiene los

mismos resultados del Cuadro 2.7 que se muestran a continuacin:

85

PESO (Kg.) PESO (Kg.) 44.0 - 52.8 52.8 - 61.6 61.6 - 70.4 70.4 - 79.2 79.2 - 88.0 Total Frecuencia 19 15 17 5 4 60 Porcentaje 31.7 25.0 28.3 8.3 6.7 100.0 Porcentaje acumulado 31.7 56.7 85.0 93.3 100.0

En R.Para crear los intervalos del Cuadro 2.7, estando en la base de datos caso 2, se procede as: > caso2=transform(caso2,pesos=cut(peso,breaks=c(43.99, 52.79, 61.59, 70.39, 79.19, 88.0))) > attach(caso2) Para visualizar la base de datos caso2 con los intervalos escribir: > fix(caso2) En el R Editor de datos aparece la variable pesos con los intervalos definidos, tal como se muestra en la Figura 2.20.

Figura 2.20 Resultado de la variable pesos, recodificando el peso en R

86

Para obtener la tabla de frecuencias ejecutar: > table(pesos) pesos (44,52.8] (52.8,61.6] (61.6,70.4] 19 15 17 (70.4,79.2] 5 (79.2,88] 4

Los resultados obtenidos son idnticos a los del Cuadro 2.7. 2.4 GRFICOS ESTADSTICOS Es una forma de presentacin de datos, cuya elaboracin requiere necesariamente de una tabla o cuadro estadstico y mediante el cual se busca que el lector de un golpe de vista pueda destacar aspectos importantes de la(s) variable(s) en estudio, ya que como dice el adagio popular una imagen vale ms que mil palabras. En esta parte vamos a desarrollar algunas formas de presentacin grfica bsica, de tal manera que permita descripciones importantes de las variables en estudio. En captulos posteriores se ver algunas otras formas grficas propias de los tpicos tratados. a) Definicin.- para Correa y Gonzlez (2002) Un grfico estadstico es una representacin visual de datos estadsticos. o las distribuciones estadsticas mediante figuras geomtricas, reflejando la relacin o comparacin fcil entre las variables en un estudio determinado. b) Estructura.- las partes de un grfico estadstico son: nmero, ttulo, cuerpo, leyenda y fuente. Nmero.- si en un estudio se presenta ms de un grfico hay que enumerarlos para diferenciarlos. Si el grfico es nico, no es necesario enumerar. El nmero se ubica en la parte superior izquierda o central. Se recomienda anteponer la palabra Grfico y a continuacin colocar el nmero (sin la abreviatura N previa) que puede ser arbigo o alfanumrico, seguido de un punto, para luego indicar el ttulo. Ejemplo: Grfico 4. ; Grfico A13. ; etc.

Ttulo.- el ttulo indica de manera clara y precisa el contenido del grfico. Se coloca en la parte superior a continuacin del nmero. Su elaboracin es

87

similar a la del cuadro a partir del que se construye, por ello ambos ttulos (del cuadro y del grfico) son idnticos. Ejemplo: Alumnos de Estadstica bsica 09-A, segn su Hobby. Cuerpo.- es la parte central del grfico, representada por lo general en forma rectangular (en una relacin de 1.5 para el largo y como 1 para el ancho) en la que con algunas representaciones geomtricas, acompaadas de datos y smbolos se busca establecer contrastes de las variables y sus categoras a travs de escalas apropiadas a las magnitudes en estudio. Se recomienda colocar el ttulo de los ejes, con el nombre de la variable o sus categoras, indicando la unidad de medida si hubiera. As mismo, se debe buscar efectuar diferenciaciones entre los componentes del grfico bien mediante colores, tramas, sombreados, etc. Leyenda.- son aclaraciones respecto a las partes componentes de un grfico expresadas a travs de lo que representan ciertos colores, tramas, etc. y van colocados por lo general al costado de grfico con su indicacin de lo que representan. Fuente.- al igual que los cuadros, es necesario indicar los elementos esenciales que permitan identificar a los dueos de los grficos e informacin para cualquier consulta mediante una breve Ficha Bibliogrfica o Referencia Web, tal como se indica en la fuente de cuadros estadsticos. En el caso de ser propio el grfico, se recomienda indicar la Elaboracin.

c) Tipos de grficos.- al igual que los cuadros estadsticos, los grficos pueden ser unidimensionales, bidimensionales o pluridimensionales, segn el nmero de variables que se presenten.

d) Formas de obtencin.- se va a presentar la obtencin de estos grficos utilizando los programas Excel, Minitab, SPSS y R, los mismos que veremos para variables cualitativas y cuantitativas, tal como se pase a detallar.

88

2.5 GRFICOS DE VARIABLES CUALITATIVAS Entre los principales grficos de variables cualitativas tenemos los grficos de sectores, el grfico de barras y el grfico de Pareto. a) Grfico de sectores.- llamado tambin pie o pastel, es muy apropiado para representar las categoras de una variable cualitativa en una circunferencia con particiones proporcionales al nmero de casos en cada categora que se busca representar. Para efectuar las particiones en la circunferencia se establece la proporcionalidad tomando en cuenta que los 360 de la circunferencia equivale al total de observaciones realizadas o el 100% y se efecta las equivalencias a cada categora en grados sexagesimales segn el nmero de observaciones o porcentaje que le corresponde mediante una regla de tres simple. Tomemos como referencia la distribucin de la variable hobby de los alumnos de estadstica bsica 09-A, obtenida en el Cuadro 2.4 siguiente: N DE ALUMNOS 15 27 4 12 2 60 % DE ALUMNOS 25.0 45.0 6.7 20.0 3.3 100.0 GRADOS SEXAGESIMALES 90 162 24 72 12 360

HOBBY

Deportes Msica Baile TV/Cine Otros Total

Si a los 60 alumnos les corresponde una circunferencia de 360, la proporcionalidad que se guarda aqu es de 6 por cada alumno y de este modo a los 15 alumnos que les gusta el deporte les corresponde 15 x 6 = 90, a los 27 que les

89

gusta la msica 27 x 6 = 162, a los 4 alumnos que les gusta el baile 4 x 6 = 24, a los 12 que les gusta TV/Cine 12 x 6 = 72 y a los 2 que les gusta Otros 2 x 6 = 12. Con estos datos es que los programas efectan de modo automtico la representacin del pie correspondiente. Veamos. En Excel: Seguir la secuencia siguiente: Insertar Grficos Circular Grfico 2D, escoger en Diseos de grfico (diseo 1) Seleccionar datos Rango de datos del grfico: indicar las celdas donde se encuentran los datos en Etiquetas del eje horizontal (categora) escoger Editar, en Rango de rtulos de eje: indicar las celdas donde estn los hobbies, Aceptar y para finalizar Aceptar y aparece ttulo del Grfico, ponerle el nmero y el ttulo, tal como se muestra a continuacin:

Figura 2.21 Grfico de sectores en Excel En SPSS: Siguiendo el procedimiento para obtener el cuadro 2.4 (Analizar Estadsticos descriptivos Frecuencias) aparece la ventana de la Figura 2.11. Con la variable hobby ya ingresada, escoger dentro de la opcin Tipo de

grfico: Grficos de sectores, en Valores del grfico: marcar Porcentajes, luego Continuar, para finalizar Aceptar y en la Ventana de resultados aparece el grfico de sectores, con doble clic se ha editado (Ver Figura 2.22).

90

Grfico 2.1 % DE ALUMNOS DE ESTADSTICA BSICA 09-A, SEGN HOBBY

Deportes Musica Baile TV / Cine Otros

3,3 %

20,0%

25,0%

6,7%

45,0%

Figura 2.22 Grfico de Sectores en SPSS En Minitab: En el men escoger Graph Pie Chart Aparece la ventana de dilogo Pie Chart, en Categorial variables: ingresar hoby de la lista de variables a la izquierda, en Labels poner nmero y ttulo del grfico, OK, y aparece el grfico de sectores que se muestra en la Figura 2.23.
Grfico 2.1 % DE ALUMNOS DE ESTADSTICA BSICA 09-A, SEGN HOBBY

6.7% 20.0%

25.0% 3.3%

Category Baile Deportes Msica Otros TV/Cine

45.0%

Figura 2.23 Grfico de Sectores en Minitab

91

En R: Estando attachada la base de datos obtenemos lo mismo, as: > attach(caso2) > pie(table(hoby)) Aparece el grfico siguiente:

Figura 2.24 Grfico de Sectores en R Como se puede apreciar, con sus propios matices, cada uno de los grficos de sectores es parecido, por lo que para los otros tipos de grficos se explicar como obtenerlos y presentaremos alguno de ellos.

b) Grfico de barras.- es una representacin rectangular en el plano cartesiano, indicando en el eje de las abscisas (X) la variable con sus categoras y en el eje de las ordenadas (Y) el nmero y/o el porcentaje de unidades de anlisis que se presenta. Veamos la presentacin de la variable hobby en grfico de barras, tomando como referencia los resultados del Cuadro 2.4. 92

En Excel: Seguir la secuencia siguiente: Insertar Grficos Columna Columna en 2D, Columna agrupada, escoger (Estilo 2) Seleccionar datos en Rango de datos del grfico: indicar las celdas donde se encuentran los datos en Etiquetas del eje horizontal (categora) escoger Editar, en Rango de rtulos de eje: indicar las celdas donde estn los hobbies, Aceptar y para finalizar Aceptar y aparece el grfico sin ttulo; no olvidar ponerle el nmero y el ttulo. En Minitab: En el men escoger Graph Bar Chart escoger Simple. Aparece la ventana de dilogo Bar Chart Counts of unique values, Simple. En Categorial variables: ingresar hoby de la lista de variables a la izquierda, en Labels poner nmero y ttulo del grfico, OK, y aparece el grfico de sectores que se muestra en la Figura 2.25. Este grfico ha sido editado poniendo la variable con maysculas, colores, etc. En SPSS: Siguiendo el procedimiento para obtener el cuadro 2.4 (Analizar Estadsticos descriptivos Frecuencias) aparece la ventana de la Figura 2.7. Con la variable hobby ya ingresada, escoger dentro de la opcin Tipo de grfico:

Grficos de barras, en Valores del grfico: marcar Porcentajes, luego Continuar, para finalizar Aceptar y en la Ventana de resultados aparece el grfico de sectores, que se puede editar con doble clic. En R: Estando attachada la base de datos, se usa la funcin barplot as: > attach(caso2) > barplot(table(hoby), col=c(3,4,5,6,7), main="GRFICO 2.2 ALUMNOS E.B.09-A, SEGN HOBBY", xlab="HOBBY", ylab="Alumnos") A continuacin se muestra el grfico de barra obtenido en Minitab, donde la presentacin parece ser ms representativa.

93

Grfico 2.2 ALUMNOS DE ESTADSTICA BSICA 09-A, SEGN HOBBY

30
27

25 20

Alumnos

15 10 5 0

15 12

4 2

Baile

Deportes

Msica HOBBY

Otros

TV/Cine

Figura 2.25 Grfico de Barras de la variable Hobby en Minitab c) Grfico de Pareto.- es un grfico muy utilizado cuando se quiere mostrar las categoras ms representativas de una variable cualitativa en forma de frecuencia descendente, a fin de tomar algunas decisiones, como sucede en los controles de calidad en los que por ejemplo se busca controlar los defectos ms importantes (en un 90 o 95%). Su elaboracin se puede obtener con herramientas para el anlisis en Excel y de control de calidad que poseen el Minitab y el SPSS. En Excel: Procede slo si los valores de la variable son numricos, por lo que utilizaremos las etiquetas numricas para hobby (1, 2, 3, 4 y 5). Consideremos que los datos para los 60 alumnos estn en la columna A, entre A2 y A61; y las clases de hobby (1, 2, 3, 4 y 5) en la columna D, entre D3 y D7, ver Figura 2.26. Para obtener el grfico de Pareto, se necesita herramientas para el Anlisis (versiones anteriores de Excel en el men tenan la opcin Herramientas), proceder as: en la barra de men Datos Anlisis de datos (ubicado en el extremo superior derecho) y aparece la ventana de dilogo Anlisis de datos de la Figura 2.27. 94

Figura 2.26 Datos de la variable hobby y clase en Excel

Figura 2.27 Herramientas del Anlisis de datos en Excel En la Figura 2.27, de Funciones para anlisis escoger Histograma, luego Aceptar y aparece la ventana de dilogo Histograma de la Figura 2.28.

Figura 2.28 Obteniendo grfico de Pareto en Excel 95

En la parte de Entrada, de la Figura 2.28, en Rango de entrada: sombrear el rea de los datos de hobby de la Figura 2.26 (desde A3 hasta A62); en Rango de clases: sombrear el rea de CLASE de la Figura 2.26 (desde D3 hasta D7) y se marca Rtulos si se utilizaran para los dos rangos anteriores. En Opciones de salida, de la Figura 2.28, indicar donde queremos que salga el resultado, si es en la misma hoja, marcar Rango de salida: y en el recuadro indicar la celda a partir de donde queremos que salgan los resultados (H2 aqu); si es En una hoja nueva: marcar y en el recuadro ponerle nombre; y por ltimo si queremos En un libro nuevo, marcarlo. Luego marcar Pareto (Histograma ordenado), marcar Porcentaje acumulado y Crear grfico. Para finalizar hacer clic en Aceptar y aparecen los resultados de la Figura 2.29.

Figura 2.29 Grfico de Pareto de la variable hobby en Excel

96

En Minitab: En el men escoger Stat Quality Tools Pareto Charts. Aparece la ventana de dilogo Pareto Chart . En Chart defects data in: ingresar hoby de la lista de variables a la izquierda y para finalizar OK y muestra el grfico. En SPSS: En el men escoger Analizar Control de calidad Grficos de Pareto escoger Simple, luego Definir. Aparece la ventana de dilogo Grfico de Pareto simple: Recuentos o sumas para grupos de casos. En eje de categoras: ingresar la variable hobby que aparece en la lista de variables a la izquierda, en Ttulos indicar el nmero y ttulo del grfico, luego Continuar y finalmente Aceptar, aparece el grfico de Pareto. En la Figura 2.30, se muestra el grfico de Pareto obtenido en Minitab y editado en sus ejes y colores para las barras de las categoras de hobby.

Grfico 2.3 Grfico de Pareto de los alumnos de Estadstica Bsica 09-A, segn Hobby

60 50 40
Alumnos

100

80
Porcentaje

60 30 40 20 10 0 Hobby Count Percent Cum % 20

Msica 27 45.0 45.0

Deportes 15 25.0 70.0

TV/Cine 12 20.0 90.0

Baile 4 6.7 96.7

Other 2 3.3 100.0

Figura 2.30 Grfico de Pareto de la variable Hobby en Minitab

97

2.6 GRFICOS DE FRECUENCIAS Entre los principales grficos de variables cuantitativas tenemos los grficos de barras, histograma de frecuencias, polgono de frecuencia y la ojiva. a) Grfico de barras para Datos Cuantitativos Discretos.- se usa si la variable discreta toma valores en un rango pequeo como el nmero de hijos. Es una representacin rectangular en el plano cartesiano, indicando en el eje de las abscisas (X) la variable con sus pocos valores y en el eje de las ordenadas (Y) el nmero y/o el porcentaje de unidades de anlisis que se presenta. La grfica de barras se obtiene de manera similar al de la variable cualitativa. Veamos como queda la presentacin de la variable nmero de miembros en la familia en grfico de barras, tomando como referencia los resultados del Cuadro 2.5.

MIEMBROS EN LA FAMILIA 2 3 4 5 6 7 8 9 Total

Alumnos 2 5 11 27 8 5 1 1 60

% de Alumnos 3.3 8.3 18.3 45.0 13.3 8.3 1.7 1.7 100.0

Porcentaje acumulado 3.3 11.7 30.0 75.0 88.3 96.7 98.3 100.0

Figura 2.31 Grfico de barras de los Miembros de la familia en Excel

98

Grfico 2.4 % DE ALUMNOS DE ESTADSTICA BSICA 09-A, SEGN MIEMBROS EN LA FAMILIA

30

20

Alumnos

45,0%

10

18,3% 13,3% 8,3% 3,3% 8,3% 1,7% 1,7%

0 2 3 4 5 6 7

MIEMBROS EN LA FAMILIA

Figura 2.32 Grfico de barras de los Miembros de la familia en SPSS En trminos estrictos, la variable nmero de miembros toma valores enteros y por lo tanto su grfico no debera ser una barra sino ms bien una lnea (grfico de lneas), el mismo que se puede obtener con el Minitab de la siguiente manera: En el men escoger Graph Bar Chart escoger Simple. Aparece la ventana de dilogo Bar Chart Counts of unique values, Simple. En Categorial variables: seleccionar mie.fam de la lista de variables a la izquierda. A continuacin escoja Chart Options y marcar Show Y as Percent, OK. En Labels poner nmero y ttulo del grfico; luego seleccionar Data Labels y marcar la opcin Use y-value labels, OK. En Data View deshabilitar Bars y marcar Project lines, OK. Para finalizar hacer clic en OK y aparece el grfico de de la Figura 2.33 ya editado en el tipo de letra, tamao de letra, disminucin del nmero de decimales, color de las lneas, etc.

99

Grfico 2.4 % de Alumnos de Estadstica Bsica 09-A, segn el Nmero de miembros en su familia 50
45.0

40

Percent

30

20

18.3 13.3

10
3.3

8.3

8.3

1.7

1.7

Miembros en la familia Percent within all data.

Figura 2.33 Grfico de barras de los Miembros de la familia en Minitab b) Histograma de Frecuencias para Datos Cuantitativos en intervalos.- se usa si la variable cuantitativa discreta o continua se presenta en intervalos. El Histograma de Frecuencias es un conjunto de rectngulos (barras) en el plano cartesiano, indicando en el eje de las abscisas (X) la variable con sus intervalos y en el eje de las ordenadas (Y) las frecuencias absolutas, relativas o la densidad. La base de los rectngulos es la amplitud del intervalo (pueden ser de igual o diferente amplitud) y la altura la frecuencia (absoluta o relativa) o la densidad que alcanza en cada intervalo. Para intervalos de igual amplitud, veamos la presentacin de la variable peso de los alumnos de Estadstica Bsica mediante histograma de frecuencias, tomando como referencia los resultados del Cuadro 2.7 siguientes: Clase 1 2 3 4 5 LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Xi 48.4 57.2 66.0 74.8 83.6 ni 19 15 17 5 4 60 hi 0.317 0.250 0.283 0.083 0.067 1.000

100

En Excel: El proceso es similar a la construccin del grfico de Pareto antes visto, es decir, que se requiere de herramientas para el anlisis de datos. Escoger en la barra de men Datos Anlisis de datos (ubicado en el extremo superior derecho) y aparece la ventana de dilogo Anlisis de datos. De Funciones para anlisis escoger Histograma, luego Aceptar y aparece la ventana de dilogo Histograma de la Figura 2.34.

Figura 2.34 Obteniendo el Histograma de peso en Excel En la parte de Entrada, de la Figura 2.34, en Rango de entrada: sombrear el rea de los datos de peso de la Figura 2.12 (desde A3 hasta A62); en Rango de clases: sombrear el rea de LSi de la Figura 2.12 (desde E12 hasta E16) y se marca Rtulos si se utilizaran para los dos rangos anteriores. En Opciones de salida, de la Figura 2.34, indicar donde queremos que salga el resultado, si es en la misma hoja, marcar Rango de salida: y en el recuadro indicar la celda a partir de donde queremos que salgan los resultados (N2 aqu); si es En una hoja nueva: marcar y en el recuadro ponerle nombre; y por ltimo si queremos En un libro nuevo, marcarlo. Luego marcar Crear grfico. Para finalizar hacer clic en Aceptar y aparecen los resultados del histograma.

101

En Excel se obtiene los resultados para los lmites superiores de clase indicados y los rectngulos del histograma separados, por lo que se tiene que editar haciendo clic sobre los rectngulos y con botn derecho seleccionar Formato de serie de datos y en la ventana de dilogo del mismo nombre escoger Opciones de series y en Ancho del intervalo poner 0%. Al hacer clic en el botn Cerrar, los rectngulos del histograma aparecen juntos. Se pone nmero y ttulo del grfico, as como colores, etc. y se tiene los resultados del la Figura 2.35.

Figura 2.35 Histograma de frecuencia del peso en Excel En Minitab: Estando en la base de datos Estadstica Bsica 09-A.MPJ, seguir la secuencia Graph Histogram Simple OK y aparece la ventana de dilogo Histogram Simple de la Figura2.36. En Graph variables: ingrese la variable peso seleccionndola de las variables del lado izquierdo.

102

Figura 2.36 Obteniendo el Histograma de peso en Minitab Haciendo clic en el botn Scale luego en Y-Scale Type aparece marcado automticamente Frecuency, tambin se puede escoger Percent o Density (densidad para intervalos de diferente amplitud) dejemos Frecuency, OK. Hacer clic en el botn Labels en Title: poner el nmero y ttulo del grfico, en Data Labels escoger Use y-value labels, OK. Para finalizar OK y aparece un histograma que debe ser editado para obtener los intervalos de clase deseados. Para ello hacer doble clic sobre el histograma y aparece la ventana de dilogo Edit Bars de la Figura 2.37donde ya se ha escogido Binning. En la ventana de Binning, en Interval Type aparece automticamente marcado Midpoint, escoger Cutpoint. Luego en Interval Definition escoger Midpoint/Cutpoint positions: en el recuadro en blanco escribir el valor mnimo (44), dos puntos, el valor mximo (88), diagonal, y el valor de la amplitud de clase C (8.8). Es decir, 44:88/8.8. Tambin se puede escribir los 6 puntos de corte (cutpoint) de los 5 intervalos separados por un espacio en blanco: 44 52.8 61.6 70.4 79.2 88 y para finalizar OK, e inmediatamente aparece el histograma de frecuencia de la Figura 2.38.

103

Figura 2.37 Edicin (en Binning) del Histograma de peso en Minitab

GRFICO 2.6 HISTOGRAMA DEL PESO DE LOS ALUMNOS DE ESTADSTICA BSICA 09-A 20
19 17

15

15

Frequency

10

5 4

44.0

52.8

61.6
Peso (Kg.)

70.4

79.2

88.0

Figura 2.38 Histograma de frecuencias del peso en Minitab 104

En SPSS: Seguir el procedimiento para obtener el cuadro 2.4 (Analizar Estadsticos descriptivos Frecuencias) aparece la ventana de la Figura 2.11. Con la variable peso ya ingresada, escoger dentro de la opcin Tipo de

grfico: Histogramas, luego Continuar, para finalizar Aceptar y en la Ventana de resultados aparece el histograma, que se puede editar haciendo doble clic sobre el histograma dos veces y aparece la ventana de Propiedades. En intervalos, dentro de Eje X marcar Personalizado, escoger Nmero de intervalos (e indicarlos) o Ancho de intervalo (e indicarlo 8.8), Aplicar y luego Cerrar. Poner nmero y ttulo del grfico, colores, etc. Y se tiene el histograma de la Figura 2.39.

Grfico 2.6 HISTOGRAMA DEL PESO DE LOS ALUMNOS DE ESTADSTICA BSICA 09-A
20

15

Alumnos

10

19 17 15

5 4

Media =59,87 Desviacin tpica =10,53 N =60 90 100

0 40 50 60 70 80

PESO (Kg)

Figura 2.39 Histograma de frecuencias del peso en SPSS En R: Estando attachada la base de datos, para que reconozca la variable peso, se escribe la sintaxis sencilla siguiente: 105

hist(variable,

breaks=seq(mnimo,

mximo,

by=amplitud,

col=color,

labels=TRUE, main=ttulo del grfico, xlab=ttulo eje X, ylab=ttulo eje Y) Donde: variable (datos para obtener el histograma), mnimo = valor mnimo de los datos, mximo = valor mximo, amplitud = ancho de los intervalos, color = colores (blanco = 0, 8, White; negro= 1, 9, black; rojo = 2, 10, red; verde = 3, 11, green; azul = 4, 12, blue; magenta = 5, 13; violeta =6, 14, violet; amarillo = 7, 15, yellow; anaranjado = orange; purpura = purple; rosado =pink; fucsia=magenta; gris=gray; etc.) Para la variable peso en la base de datos caso2, el histograma se obtiene as: > attach(caso2) > hist(peso, breaks=seq(44,88,by=8.8), col="13", labels=TRUE, main="Grfico 2.6 Histograma del Peso de los Alumnos", xlab="Peso(Kg.)", ylab="Alumnos")

Figura 2.40 Histograma de frecuencias del peso en R

106

Histograma de densidad.- se presenta, por lo general, para tablas con intervalos de clase de diferente amplitud, situacin que ocurre para algunas variables econmicas. En las columnas de frecuencias se agrega una de densidad (di) que se obtiene dividiendo las frecuencias relativas entre la amplitud de clase. Es decir, di = hi / Ci . Las barras del histograma de densidad tienen por base la amplitud del intervalo y por altura la densidad alcanzada. El rea debajo del histograma de densidad es
k k

igual a1. Area

i 1

di Ci
i 1

hi Ci Ci

hi
i 1

1.00

Si para la variable peso trabajada, se juntan los dos ltimos intervalos y se hace los conteos correspondientes, el Cuadro 2.7 se transforma en: ni hi di 19 0.317 0.0360 15 0.250 0.0284 17 0.283 0.0322 9 0150 0.0085 60 1.000 El ltimo intervalo, tiene el doble de amplitud que los otros tres y por lo tanto mayor nmero de repeticiones (5 +4 = 9). Para contrarrestar el efecto del mayor ancho del intervalo es que se representa la densidad en vez de la frecuencia. El Minitab es el programa apropiado para obtener el histograma de densidad. Vamos a efectuar el mismo procedimiento de la construccin del histograma de frecuencias. Es decir, Graph Histogram Simple OK y aparece la ventana de dilogo Histogram Simple de la Figura2.36. En Graph variables: ingresar la variable peso seleccionndola de las variables del lado izquierdo. Haciendo clic en el botn Scale luego en Y-Scale Type aparece marcado automticamente Frecuency, desactivarla y marcar Density, OK. Hacer clic en el botn Labels en Title: poner el nmero y ttulo del grfico, en Data Labels escoger Use y-value labels, OK. Para finalizar OK y aparece un histograma de densidad que debe ser editado para obtener los intervalos de clase deseados. Para ello hacer doble clic sobre el histograma y aparece la ventana de dilogo Edit Bars de la Figura 2.41 donde ya se ha escogido Binning. Clase 1 2 3 4 LIi 44.0 52.8 61.6 70.4 LSi 52.8 61.6 70.4 88.0 Xi 48.4 57.2 66.0 79.2

107

Figura 2.41 Edicin del Histograma de densidad de peso en Minitab En la ventana de Binning, en Interval Type aparece marcado Midpoint, escoger Cutpoint. Luego en Interval Definition escoger Midpoint/Cutpoint positions: en el recuadro en blanco escribir los 5 puntos de corte (cutpoint) de los 4 intervalos separados por un espacio en blanco: 44 52.8 61.6 70.4 88 y para finalizar OK, e inmediatamente aparece el histograma de densidad de la Figura 2.42.
GRFICO 2.7 HISTOGRAMA DE DENSIDAD DEL PESO DE LOS ALUMNOS E.B. 09-A 0.04
0.0360 0.0322

0.03

0.0284

Density

0.02

0.01

0.0085

0.00

44.0

52.8

61.6

70.4 PESO (Kg.)

88.0

Figura 2.42 Histograma de densidad de peso en Minitab

108

c) Polgono de frecuencias.- es un grfico de lneas que une los puntos medios superiores de las barras del histograma, es decir, une los pares ordenados marcas de clase y frecuencias absolutas o relativas, (Xi, ni) o (Xi, hi) con el fin de tener una visin global de la distribucin de frecuencias cuando son suavizadas. Para efectuar la representacin del polgono de frecuencias y la ojiva de la variable peso, las trabajaremos en el Minitab, siendo necesario para ello definir en el workshet (hoja de trabajo) los datos del Cuadro 2.7, en columnas nuevas: lmite superior (Lm.Sup.), Marca de clase, frecuencia relativa (Frec. relat.) y frecuencia relativa acumulada (Frec. relat. acum.) en las que, para poder cerrar las grficas, se han agregado la primera y ltima clase con los valores que le corresponderan, tal como se muestra en la Figura 2.43.

Figura 2.43 Datos para el Polgono de frecuencias y Ojiva del peso en Minitab El procedimiento para construir el Polgono de frecuencias es el siguiente: Graph Scatterplot With Connect Line OK, y aparece la ventana de dilogo de la Figura 2.44. De la lista de variables del lado izquierdo seleccionar Frec. relat. e ingresarla en Y variables y Marca de clase en X variables, como se muestra en la Figura 2.44. Hacer clic en Data View y en Data display marcar Connect line, OK. Luego escoger Labels en Tittle: poner el nmero y ttulo del grfico, y en Data Labels marcar Use y-value labels, OK. Para finalizar hacer clic en OK y aparece el polgono de frecuencias de la Figura 2.45.

109

Figura 2.44 Scatterplot para el Polgono de frecuencias del peso en Minitab

Grfico 2.8 POLGONO DE FRECUENCIA DEL PESO DE LOS ALUMNOS E.B. 09-A
0.35 0.30 0.25
Frec. relat.
0.254 0.322 0.288

0.20 0.15 0.10 0.05 0.00

0.000 0.085 0.051

0.000

40

50

60

70 Marca de clase

80

90

100

Figura 2.45 Polgono de frecuencias del peso en Minitab

110

d) Ojiva.- sirve para representar las frecuencias (absolutas o relativas) acumuladas menor o igual que para una variable determinada. Su representacin se hace con un grfico de lneas, no decreciente, que une los pares ordenados formados por los lmites superiores de los intervalos de clase y las frecuencias (absolutas o relativas) acumuladas, (LSi, Ni) o (LSi, Hi). Para efectuar la representacin de la ojiva de la variable peso, la trabajaremos en el Minitab con los datos de la Figura 2.43. El procedimiento para construir la Ojiva es el siguiente: Graph Scatterplot With Connect Line OK, y aparece la ventana de dilogo de la Figura 2.46.

Figura 2.46 Scatterplot para la Ojiva del peso en Minitab De la lista de variables del lado izquierdo seleccionar Frec. relat. acum. e ingresarla en Y variables y Lim. Sup. en X variables, tal como se muestra en la Figura 2.46. Hacer clic en Data View y en Data display marcar Connect line, OK. Luego escoger Labels en Tittle: poner el nmero y ttulo del grfico, y en Data Labels marcar Use y-value labels, OK. Para finalizar hacer clic en OK y aparece la Ojiva de la Figura 2.47.

111

Grfico 2.9 OJIVA DEL PESO DE LOS ALUMNOS DE ESTADSTICA BSICA 09-A
1.0
0.864 1.000 0.949 1.000

0.8

Frec. relat. Acum.

0.6

0.576

0.4

0.322

0.2
0.000

0.0 40

50

60

70 80 Lm. Sup. PESO (Kg.)

90

100

Figura 2.47 Ojiva del peso en Minitab

2.7 DIAGRAMA DE TALLOS Y HOJAS Es un grfico sencillo de realizar y fue propuesto por Tukey (1977) para ver la distribucin de frecuencias preliminar de una variable cuantitativa con pocas observaciones. Para su elaboracin se toma en cuenta el nmero de dgitos que poseen los valores de la variable. El tallo viene dado por los dgitos de mayor orden, acompaado por las hojas que es la parte complementaria del nmero representado. Veamos su obtencin para la variable peso. En Minitab.Seguir la secuencia: Graph Stem-and-Leaf (Tallos y Hojas) y aparece la ventana de dilogo Stem-and-Leaf. En Graph variables: ingresar la variable peso de las variables del lado izquierdo. En Increment: escribir 5 (para que salgan los tallos con incrementos de 5 en 5 a partir del valor mnimo). Al hacer clic en OK, aparecen los siguientes resultados.

112

Stem-and-Leaf Display: peso

Stem-and-leaf of peso Leaf Unit = 1.0 1 9 24 (8) 28 21 11 7 4 1 4 4 5 5 6 6 7 7 8 8 4 56678899 000001122233334 55555779 0033444 5566778889 0022 557 000 8

= 60

En la primera columna aparecen las frecuencias absolutas acumuladas, crecientes desde la primera lnea hasta antes del nmero entre parntesis (8) que indica que son 8 observaciones y que en esa lnea se ubica el valor central (mediana). Despus aparecen valores decrecientes, ya que la acumulacin empieza desde la ltima lnea. En la columna central se presentan los tallos, representando los pesos en decenas (de kg.) y en la ltima columna las hojas con un dgito por cada observacin (sus unidades se dan al comienzo del grfico como Leaf Unit) aqu = 1.0 Kg. En la primera lnea aparece el peso mnimo (44) y en la ltima lnea el peso mximo (88) Kg.

En SPSS.Estando en la base de datos de Estadstica Bsica 09-A, escoger del men Analizar Estadsticos descriptivos Explorar y aparece la ventana de dilogo Explorar. En Dependientes: ingresar la variable peso de las variables del lado izquierdo. Hacer clic en el botn Grficos y aparece la ventana de dilogo Explorar: Grficos, en Descriptivos aparece activado automticamente Tallo y hojas. Hacer clic en Continuar, regresa a Explorar y para finalizar clic en Aceptar. En la ventana de Resultados aparece: PESO (Kg) Stem-and-Leaf Plot Frequency 1.00 8.00 15.00 Stem & 4 . 4 . 5 . Leaf 4 56678899 000001122233334 113

8.00 7.00 10.00 4.00 3.00 3.00 1.00 Stem width: Each leaf:

5 6 6 7 7 8 8

. . . . . . .

55555779 0033444 5566778889 0022 557 000 8

10 1 case(s)

El ancho del tallo (Stem width) 10 indica que est en decenas de Kg.

En R.Estando attachada la base de datos de los alumnos de Estadstica Bsica 09-A representada por caso2, se usa la funcin stem(variable). Se procede as: > attach(caso2) > stem(peso) Aparece el diagrama de tallos y hojas siguiente:

The decimal point is 1 digit(s) to the right of the |

4|4 4 | 56778899 5 | 000011122333334 5 | 55555779 6 | 003344 6 | 55566778889 7 | 0022 7 | 557 8 | 000 8|8

Slo muestra los tallos en la primera columna (en decenas de Kg.) y las hojas (en Kg.).

114

Captulo 3. MEDIDAS DE POSICIN

La estadstica es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno George Bernard Shaw

CONTENIDO 3.1 3.2 3.3 3.4 3.5 3.6 3.7 Introduccin. Media aritmtica. Mediana. Moda. Media Geomtrica. Media armnica. Los cuantiles: cuartiles, deciles y percentiles.

3.1 INTRODUCCIN En este captulo se da inicio a otras modalidades de descripcin de los datos a travs de los denominados estadgrafos que son medidas de resumen del conjunto de datos obtenidos a partir de una muestra o un censo (enumeracin completa de las unidades de anlisis de la poblacin). Si el estadgrafo es obtenido en la muestra se denomina estimador (estadstico) y es usado en inferencia estadstica como estimacin (aproximacin) al parmetro desconocido en la poblacin. Los estadgrafos puedes ser de: posicin, dispersin, forma y concentracin. Para una mejor comprensin de estos estadgrafos presentaremos su definicin, clculo para datos sin agrupar y para datos agrupados (tabla de frecuencias), as como su interpretacin. En este captulo veremos las medidas de posicin, llamadas tambin estadgrafos de tendencia central, porque al obtenerlos reflejan un valor entre el mnimo y mximo. Entre estos tenemos: la media aritmtica, la mediana, la moda, la media geomtrica, la media armnica y los cuantiles. Las aplicaciones con los programas se ven al final del captulo.

115

3.2 MEDIA ARITMTICA Llamada tambin media o promedio simple, es el centro de gravedad o centroide de la distribucin de frecuencias. Es decir, es el punto en donde estn en equilibrio todas las fuerzas. En fsica, centroide es el centro de masa de un objeto con densidad uniforme. Para un objeto unidimensional uniforme de longitud L, el centroide es el punto medio del segmento de lnea. Entonces, para cada barra (rectngulo) del histograma es su marca de clase y para todo el histograma de frecuencias es la media aritmtica ponderada por las frecuencias absolutas o relativas o las ponderaciones consideradas.

Frmulas de clculo para datos sin agrupar.N

Xi
a) Media o promedio poblacional:
i 1

N
n

Xi
b) Media o promedio muestral:

i 1

Frmulas de clculo para datos agrupados.k

X i ni

a) Media o promedio poblacional:

i 1

N
k

X i hi
i 1

X i ni
b) Media o promedio muestral:

X i ni
i 1

i 1 k

ni
i 1

X i hi
i 1

Donde: k = nmero de intervalos de clase. Xi = Marca de clase ni = frecuencias absolutas o repeticiones. hi = frecuencia relativa. N = tamao de la poblacin. n = tamao de la muestra. Ejemplo 3.1 Si trabajamos con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, tenemos que la media aritmtica es:

116

60

Xi
i 1 i 1

Xi 60

44 45 46 .... 80 88 60

3592.1 59.868 Kg. 60

Interpretacin.- el peso promedio de los alumnos de Estadstica Bsica 09-A es 59.868 Kg. Tambin podemos apreciar que el numerador representa el total poblacional, es decir que la suma de los pesos de los 60 alumnos en la poblacin es de 3592.1 Kg. Si trabajamos con los datos agrupados del Cuadro 2.7, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, tenemos que la media aritmtica es:
k 5

X i ni
i 1 i 1

X i ni 60

X 1n1

X 2 n2

N
=

X 3n3 60

X 4 n4

X 5 n5
3608.0 60

48.4(19) 57.2(15) 66.0(17) 74.8(5) 83.6(4) 60

60.133 Kg.

Interpretacin.- el peso promedio de los alumnos de Estadstica Bsica 09-A es 60.133 Kg. Tambin podemos apreciar que el numerador sigue representando el total poblacional, es decir que la suma de los pesos de los 60 alumnos en la poblacin es de 3608.0 Kg., resultado diferente al anterior (normalmente difieren ya que se est agrupando datos). Resultado similar se obtiene usando la frmula con frecuencias relativas (hi), as:
5

X i hi
i 1

(48.4)

19 15 17 5 4 (57.2) (66.0) (74.8) (83.6) 60 60 60 60 60

60.133

Figura 3.1 Clculo de la media para datos agrupados en Excel

117

En la Figura 3.1 se muestra en Excel como se ha efectuado el clculo de la media aritmtica para datos agrupados. Primero hay que ingresar las marcas de clase (Xi), las frecuencias absolutas (ni) y las frecuencias relativas (hi) en las columnas C, D, y E respectivamente. La forma ms sencilla de efectuar el clculo es la que aparece en la casilla F10 utilizando la funcin matemtica suma de productos que se indica as:

e inmediatamente aparece el peso promedio igual a 60.133 Kg. En la celda F9 se muestra el clculo de la suma de
5

productos de
i 1
5

X i ni = 3608.0 Kg. y en la G9 la suma de productos de

X i hi = 60.133 Kg., que es la media solicitada.

i 1

Media Ponderada.n

X iWi X
i 1 n

Wi
i 1

Donde Xi = valor de la i-sima observacin y Wi = ponderacin o peso de la isima observacin. El clculo del ejemplo 3.1 es una forma de media ponderada, donde los Xi son las marcas de clase y las ponderaciones vienen dadas por las frecuencias absolutas (ni) o las frecuencias relativas (hi). Dicho clculo tambin lo podemos resolver usando el programa R as: Primero se definen los vectores de Xi, ni y/o hi de la siguiente manera: > Xi=c(48.4, 57.2, 66.0, 74.8, 83.6) > ni=c(19, 15, 17, 5, 4) > hi=ni/60 Luego usar la funcin weighted.mean, as: > weighted.mean(X,ni) [1] 60.13333 > weighted.mean(X,hi) [1] 60.13333 Con resultados similares a los del acpite anterior.

118

Para el caso de un ndice de precios Xi es un relativo de precios (Pti / P0i) y para un ndice de cantidad Xi es un relativo de cantidad (Qti / Q0i). Para el ndice de precios de Laspeyres Wi = P0i Q0i , luego este ndice es el siguiente promedio ponderado:
n i 1

IPL t
0

Pti ( P0i Q0i ) P0i

n

Pti Q0i
i 1 n

P0i Q0i
i 1 i 1

P0i Q0i

Para el ndice de precios de Paasche Wi = P0i Qti , luego este ndice es el siguiente promedio ponderado:
n i 1

IPPt
0

Pti ( P0i Qti ) P0i

n

Pti Qti
i 1 n

P0i Qti
i 1 i 1

P0i Qti

Propiedades de la media aritmtica.a) La suma de las desviaciones de los valores observados con respecto a su media aritmtica es cero.
n n

(Xi
i 1

X)
i 1

Xi

nX

nX

nX

b) La suma de las desviaciones al cuadrado, de los valores observados con respecto a su media aritmtica, es mnima.
n

(Xi
i 1

X ) 2 es mnima.

c)

El clculo de la media aritmtica se ve afectado por los valores extremos (outliers) muy grandes o muy pequeos.

Ejemplo 3.2.- si los ingresos de 5 trabajadores son: 450, 500, 500, 550 y 2000. Entonces el ingreso promedio es de 800 muy distante del ingreso de la mayora de los trabajadores. Se recomienda usar la mediana.

d)

Si a y b son nmeros reales e Yi Demostracin:

n n n

aX i b, entonces : Y

aX

b.

Yi Y
i 1 i 1

(aX i b) n

a
i 1

Xi
i 1

b n aX b

n
119

Ejemplo 3.3.- si el ingreso promedio de los trabajadores es X = S/. 1 000. Hallar los ingresos promedio si se producen los siguientes incrementos: S/. 100 para cada trabajador, entonces el nuevo ingreso de cada trabajador es: Yi = Xi + 100 . Luego el nuevo ingreso promedio de los trabajadores es:
Y = X + 100 = S/. 1 100.

10% para cada trabajador, entonces el nuevo ingreso de cada trabajador es Yi = 1.10 Xi . Luego el nuevo ingreso promedio de los trabajadores es:
Y = 1.10 X = 1.10 (1 000) = S/. 1 100.

5% ms S/. 50 a cada trabajador, entonces el nuevo ingreso de cada trabajador es Yi = 1.05 Xi + 50 . Luego el nuevo ingreso promedio de los trabajadores es:
Y = 1.05 X + 50 = 1.05 (1 000) + 50 = S/. 1 100.

3.3 MEDIANA (Me) Es el valor central que divide en dos partes iguales la distribucin de frecuencias (conjunto de observaciones).

50% observaciones

Me

50% observaciones

120

Clculo para datos sin agrupar.a) Ordenar los datos en forma ascendente: X(1) , X(2) , . , X(n) b) Calcular la mediana: Si el nmero de observaciones n es par: Me Si el nmero de observaciones n es impar: Me Ejemplo 3.4 Si se calcula la mediana con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, se tiene que: a) Los 60 datos ordenados en forma ascendente son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88
1 X 2
n 2

n 1 2

n 1 2

b) Dado que n = 60 es par, se necesitan las observaciones ordenadas 30 y 31 para calcular la mediana, as:
Me 1 X 2
30

31

1 57 57 2

57 Kg.

Interpretacin.- el 50 % de los alumnos de Estadstica Bsica 09A tienen un peso menor o igual a 57 Kg y el otro 50% por encima de 57 Kg.

Clculo para datos agrupados.a) Ubicar la clase j que contiene el valor Me Como en las tablas de frecuencias los valores de la variable estn ordenados en forma ascendente, se determina n/2 y ayudndonos de las frecuencias acumuladas se ve que clase j contiene (o donde esta) la Me. b) Calcular la Me usando cualquiera de las siguientes expresiones:

121

Me

LI j

n Nj 2 nj

Cj

LI j

1 Hj 2 hj

Cj

Donde: j = clase que contiene o donde esta la Me. LIj = lmite inferior de la clase que contiene la Me. nj = repeticiones en la clase que contiene la Me. Nj-1 = repeticiones acumuladas hasta la clase anterior a la que contiene Me. Cj = amplitud de la clase Me = LSj LIj . hj = frecuencia relativa en la clase que contiene la Me. Hj-1 = frec. relativa acumulada hasta la clase anterior a la que contiene Me. Ejemplo 3.5 Calcular la mediana con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.a) Ubicar la clase j que contiene el valor Me.

n 2 60 2 30 . En que intervalo de clase se cont la observacin o peso del

alumno 30? Observando los Ni del Cuadro 2.7, se aprecia que en la clase 1, N1 = 19, se han contado los pesos de los 19 primeros alumnos (recordemos que los pesos estn ordenados de manera ascendente en el cuadro). Entonces, en el intervalo de clase 2 se cuentan los pesos de los alumnos 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33 y 34. Luego, la clase en la que se cuenta la talla del alumno clase j = 2. La mediana es un peso entre 52.8 y 61.6 Kg.
n 2 60 2 30 es la

122

b) Calcular la Me usando la expresin:

Me

LI j

n Nj 2 nj

Cj

Donde: j = 2, n = 60, LIj = LI2 = 52.8 nj = n2 = 15, C3 = LS3 LI3 = 61.6 52.8 = 8.8

Nj-1 = N1 = 19,

Reemplazando valores en la frmula se tiene:

Me

LI 2

n N1 2 C2 n2

52.8

60 19 2 8.8 59.253 Kg. 15

Interpretacin.- el 50 % de los alumnos de Estadstica Bsica 09A tienen un peso menor o igual a 59.253 Kg y el otro 50% por encima de 59.253 Kg.

Propiedades de la mediana.a) La suma de las desviaciones, en valor absoluto, de los valores observados con respecto a la mediana es mnima; es decir, que es menor que la suma de las desviaciones, en valor absoluto, con respecto a cualquier otro valor a de la distribucin.
n n

Xi
i 1 k

Me
i 1 k

Xi Xi
i 1

para datos sin agrupar.

Xi
i 1

Me ni

a ni ,

para datos agrupados.

b) Robustez: la mediana no se ve afectada por los valores extremos, slo por los valores centrales. Es decir, que la mediana es un valor ms representativo de la tendencia central de un conjunto de datos, que la media aritmtica, cuando estos son asimtricos (los valores extremos reflejan desigualdades). Ejemplo 3.6.- para los ingresos de 5 trabajadores (450, 500, 500, 550 y 2000) del ejemplo 3.2, el promedio es de 800 muy distante del ingreso de la mayora de los trabajadores. Se recomienda usar la mediana, que en este caso es 500, mucho ms representativa que la media aritmtica 800.

123

c) Si a y b son nmeros reales e Yi

a X i b, entonces : Me(Y ) a Me( X ) b .

Propiedad similar a la de la media aritmtica. 3.4 MODA Es el valor observado ms comn, el que ms se repite o el ms frecuente. Para una distribucin de frecuencias o probabilidades, la moda es el valor que hace mxima dicha distribucin.

Clculo para datos sin agrupar.Observar en el conjunto de datos el valor o los valores que ms se repiten.

Ejemplo 3.7 Si se calcula la moda con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, se tiene que los pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

124

Se aprecia que el peso 55 es el que ms se repite, luego: Mo = 55 Kg. Interpretacin.- el mayor nmero (no la mayora) de alumnos tiene un peso de 55 Kg. Clculo para datos agrupados.a) Ubicar la clase j que contiene el valor Mo. Si los intervalos de clase son de igual amplitud, la clase j que contiene (o donde esta) la Mo es aquella que tiene la mayor repeticin ni o la mayor frecuencia relativa hi. Puede haber ms de una clase modal. Si los intervalos de clase son de diferente amplitud, la clase j que contiene (o donde esta) la Mo es aquella que tiene la mayor densidad di = hi / Ci . Puede haber ms de una clase modal. b) Calcular la moda usando la expresin: Donde: j = clase(s) que contiene(n) o donde esta(n) la(s) Mo. LIj = lmite inferior de la clase que contiene la Mo. Cj = amplitud de la clase Mo = LSj LIj .
1

Mo

LI j
1

1 2

Cj

nj nj

nj nj

hj hj

hj hj

dj dj

dj dj

Ejemplo 3.8 Calcular la moda con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.a) Ubicar la clase j que contiene el valor Mo.

125

Considerando que los intervalos son de igual amplitud, en que intervalo de clase se puede haber dado el mayor nmero de repeticiones ni o h i? Observando los ni del Cuadro 2.7, se aprecia que el mayor es n1 = 19. Entonces, en el intervalo de clase j = 1 se encuentra la moda. La moda es un peso entre 44 y 52.8 Kg. b) Calcular la moda usando la expresin: Mo Donde: j = 1, LIj = LI1 = 44. C1 = LS1 LI1 = 52.8 44 = 8.8.
1

LI j
1

1 2

Cj

nj nj

nj nj

n1 n0 n1 n2

19 0 19 19 15 4

Reemplazando valores en la frmula se tiene:

Mo LI1
1 1 2

C1

44

19 8.8 51.270 Kg. 19 4

Interpretacin.- el mayor nmero (no la mayora) de alumnos tiene un peso de 51.27 Kg.

Propiedades de la moda.a) Es el nico estadgrafo que se puede determinar para variables cualitativas. b) La moda no se ve afectada por los valores extremos, al igual que la mediana. c) Si a y b son nmeros reales e Yi

a X i b, entonces : Mo(Y ) a Mo( X ) b .

Propiedad similar a la de la media aritmtica y la mediana. d) Para una distribucin determinada puede haber ms de una moda o en su defecto de no existir moda, puede haber antimoda (valor menos frecuente).

Relacin entre la moda, la media y la mediana. Si la distribucin de frecuencias es simtrica se cumple que las tres medidas son aproximadamente iguales. Entonces: X
Me Mo

126

Distribucin simtrica
30 25

N de U. de A.

20 15 10 5 0 140 145 150 155 160 165 170 175 180 Valores de la variable

Si X

Me

Mo entonces la distribucin de frecuencias tiene asimetra negativa

o asimetra hacia la izquierda.

Distribucin asimtrica negativa

30 25
N de U.A.

20 15 10 5 0 140 145 150 155 160 165 170 Valores de la variable 175 180

Si Mo

Me

X entonces la distribucin de frecuencias tiene asimetra positiva

o asimetra hacia la derecha.

Distribucin asimtica positiva
30 25
N de U.A.

20 15 10 5 0 140 145 150 155 160 165 170 Valores de la variable 175 180

Si la distribucin de frecuencias es moderadamente asimtrica y unimodal, segn Karl Pearson se cumple la siguiente relacin: X

Mo

3X

Me

127

Para los pesos de los alumnos de Estadstica Bsica 09-A de la FCE-UNAC se pueden resumir los estadgrafos calculados as: Datos: Sin agrupar Agrupados
X 59.868

Me 57.000 59.253

Mo 55.000 51.270

60.133

Se puede apreciar que en ambos casos Mo pesos tiene asimetra positiva.

Me

X entonces la distribucin de los

Clculo de la media aritmtica, la mediana y la moda con los programas Veamos como se puede obtener rpidamente los estadgrafos anteriores para la variable peso, desde la base de datos construida y utilizando los programas.

En Excel: Estando copiados los datos de la variable peso de los 60 alumnos en la columna D, desde D3 hasta D62, cuando en el programa se pide el rango de valores (como Nmero 1), se sombrean estos o se escribe D3:D62. Para efectuar cualquier clculo nos ubicamos en una celda posterior. Para calcular la media aritmtica nos ubicaremos en la celda D63. A continuacin, con la opcin de funciones del Excel, escoger dentro de

Seleccionar una categora Estadsticas Promedio y aparece la ventana de dilogo de la Figura 3.2 solicitando los Argumentos de la funcin PROMEDIO. En Nmero 1 (indicar la ubicacin de los datos de la variable peso, que estn desde la celda D3 hasta la D62) sombrear los datos o escribir D3:D62. Luego hacer clic en y aparece el resultado de la media aritmtica 59.8683333 Kg. De manera similar se hace escogiendo las funciones Mediana y Moda. Conociendo la sintaxis de la funcin, se hace mucho ms sencillo as: Ubicarse en la celda D63 y al lado de escribir =PROMEDIO(D3:D62). Al hacer

Enter, aparece el resultado 59.8683333 Kg. (ver la Figura 3.3). De manera similar para calcular la mediana, Ubicarse en la celda D64 y al lado de escribir

=MEDIANA(D3:D62). Al hacer Enter, aparece el resultado 57 Kg. (ver la Figura 3.3); y para calcular la moda, Ubicarse en la celda D65 y al lado de escribir

=MODA(D3:D62). Al hacer Enter, aparece el resultado 55 Kg. (ver la Figura 3.3). 128

Figura 3.2 Clculo de la media aritmtica (PROMEDIO) en Excel

Figura 3.3Resultados de la media aritmtica, mediana y moda en Excel

En Minitab: Estando en la base de datos Estadstica Bsica 09A, escoger del men Stat Basic Statistics Display Descriptive Statistics aparece la ventana de dilogo de la Figura 3.4. En variables: seleccionar la variable peso de las variables que estn a la izquierda. Hacer clic en el botn y aparece la ventana de dilogo de la

Figura 3.5. Escoger los estadgrafos a calcular: Mean (media), Median (mediana), Mode (moda) y hemos agregado Sum (suma), Minimum (mnimo) y Maximum (mximo). Hacer clic en OK y regresa a la Figura 3.4. 129

Figura 3.4 Seleccin de la variable peso para calcular estadgrafos en Minitab

Figura 3.5 Seleccin de estadgrafos de posicin a calcular en Minitab

Para terminar hacer clic en OK y en la ventana de Session aparecen los resultados solicitados (se ha subrayado la media, la mediana y la moda) siguientes: Descriptive Statistics: peso
N for Variable peso Mean 59.87 Sum 3592.10 Minimum 44.00 Median 57.00 Maximum 88.00 Mode 55 Mode 5

130

En SPSS: Estando en la base de datos Estadstica Bsica 09A, seguir la secuencia para obtener la tabla de frecuencias: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo Frecuencias. En Variables: ingresar la variable peso, luego hacer clic en el botn muestra la ventana de dilogo Frecuencias: Estadsticos de la Figura 3.6. y se

Figura 3.6 Clculo de estadgrafos de Tendencia central en SPSS

En Tendencia central marcar los estadgrafos: media, mediana, moda y suma, luego hacer clic en Continuar, regresando a la ventana de dilogo Frecuencias y efectuar clic en Aceptar para terminar. Inmediatamente en el Visor de Resultados aparece:
Estadsticos PESO (Kg) N Vlidos Perdidos Media Mediana Moda Suma

60 0 59.87 57.00 55 3592

Estadgrafos de tendencia central calculados con el SPSS

131

En R: Estando en la base de datos Estadstica Bsica 09A y habiendo attachado la misma, para que reconozca las variables y sus valores, se escribe en la consola la sintaxis para el estadgrafo requerido: mean(variable) para la media, median(variable) para la mediana, min(variable) para el valor mnimo y max(variable) para el valor mximo. Aplicando a la variable peso se obtiene: > mean(peso) [1] 59.86833 > median(peso) [1] 57 > min(peso) [1] 44 > max(peso) [1] 88

El R no permite el clculo de la moda, aparece lo siguiente. > mode(peso) [1] "numeric"

132

3.5 MEDIA GEOMTRICA Es la raz n-sima del producto de los valores observados. Se utiliza para calcular promedios de datos con cierta tendencia geomtrica, tasas medias de crecimiento, etc.

Clculo para datos sin agrupar.-

X1 X 2

Xn

X1 X 2

Xn

1 n

Considerando que el producto de los valores observados puede ser muy elevado, se sigue el siguiente procedimiento para hallar G: a) Determinar el logaritmo decimal de G:
log G 1 log X 1 log X 2 n log X n 1 n
n

log X i
i 1

b) Hallar G, tomando el antilogaritmo de log G:

G 10log G

Ejemplo 3.9 Si se calcula la media geomtrica con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

a) Determinamos el logaritmo decimal de G:

log G 1 60
60

log X i
i 1

1 log X 1 log X 2 60
log 88

log X 60

1 log 44 log 45 60

1 1.6434526765 1.6532125138 60

1.9444826722

133

106.2486352942 1.7708105882 60

b) Hallamos G tomando el antilogaritmo de log G:

G 10log G 101.7708105882 58.994 Kg.

Interpretacin.- el peso medio de los alumnos es de 58.994 Kg. Clculo para datos agrupados.-

X X

n1 1

n2 2

nk k

X X

n1 1

n2 2

nk k

1 n

Considerando que el producto de las potencias de las marcas de clase elevadas a las repeticiones observados puede ser muy grande, se sigue el siguiente procedimiento para hallar G: a) Determinar el logaritmo decimal de G:
log G 1 n1 log X 1 n2 log X 2 n nk log X k 1 n
k k

ni log X i
i 1 i 1

hi log X i

b) Hallar G, tomando el antilogaritmo de log G:

G 10log G

Ejemplo 3.10 Calcular la media geomtrica con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.a) Determinamos el logaritmo decimal de G:

log G 1 60
5

ni log X i
i 1

1 n1 log X 1 n2 log X 2 n3 log X 3 n4 log X 4 n5 log X 5 60

1 19 log 48.4 15 log 57.2 17 log 66.0 5 log 74.8 4 log 83.6 60

134

32.01206187 26.36094043 30.93224690 9.36950799 7.68882511 60 106.36358231 1.772726.37 60

b) Hallamos G tomando el antilogaritmo de log G:

G 10log G 101.77272637 59.255 Kg.

Interpretacin.- el peso medio de los alumnos es de 59.255 Kg.

Aplicacin de la media geomtrica.Una de las aplicaciones importantes de la media geomtrica es la referida a la determinacin de tasas medias de crecimiento de la poblacin (r), para lo cual se cuenta con informacin de los censos de poblacin en dos perodos de tiempo no consecutivos (la ONU recomienda la realizacin de censos de poblacin cada 10 aos debiendo realizarse los mismos el 30 de junio de los aos terminados en cero). Asimismo, se hacen proyecciones de poblacin (similar al crecimiento del capital) con la expresin:
Pn 1 r
n

P0

Es a partir de esta expresin que se obtiene la frmula para hallar la tasa media de crecimiento intercensal (r) de la poblacin siguiente:
r
n

Pn P0

Po = Poblacin en el ao 0. Pn = Poblacin en el ao n. n = Perodos (aos, meses, etc.) transcurridos desde el perodo 0 hasta el perodo n.

Ejemplo 3.11 Segn el INEI (2009) la poblacin total del Per el ao 1993 fue de 22639,443 habitantes y el 2007 de 28220,764 habitantes. Se pide determinar:

a) La tasa media de crecimiento intercensal anual.r

n

Pn P0

14

P07 P93

14

28' 220, 764 1 = 1.015864843 -1 = 0.015864843 22 '639, 443

135

Si se hubiera solicitado la tasa media de crecimiento intercensal mensual, se tendra que haber obtenido la raz 168 (meses transcurridos del 93 al 07). Interpretacin.- entre el ao 1993 y el 2007 la poblacin del Per creci a un 1.59% anual. Es decir, que por cada 100 habitantes nacieron 1.59 ni@s (tambin se puede interpretar en tanto por mil o diez mil, etc.).

b) La poblacin del Per el ao 2010.Para proyectar la poblacin se usa la expresin: Pn Donde: Po = P2007 = Poblacin en el ao 0 = 2007 (Tomar el ao ms cercano). Pn = P2010 = Poblacin en el ao n = 2010. r = Tasa media de crecimiento intercensal anual = 0.015864843. n = Aos transcurridos desde el ao 2007 hasta el ao 2010 = 3 aos. Asumiendo que la tasa media de crecimiento intercensal anual es la misma para los aos siguientes y reemplazando valores en la frmula de proyeccin de poblacin se tiene:
Pn P2010 1 r
n

1 r

P0

P0

P2010

1 0.015864843 P2007
3

1 0.015864843 28220764 1.048353602(28220764) =

= 29585,340 habitantes.

El ao 2010 el Per tiene 29.6 millones de habitantes.

c)

En que ao el Per tendr 40 millones de habitantes? Despejando n de la frmula Pn

1 r
n

P0 se tiene que:

log n

Pn P0

log 1 r

n = ao buscado. Pn = 40 millones (Poblacin que tendr el Per el ao n). P0 = P2007 = 28220,764 habitantes (Tomar como ao 0, el ms cercano). r = Tasa media de crecimiento intercensal anual = 0.015864843. Reemplazando valores en la expresin anterior se tiene:

136

40000000 28220764 log 1 0.015864843 log

22.2 aos

Entonces: 2007 + 22.2 aos = 2029. El ao 2029 el Per tendr 40 millones de habitantes (si la tasa de crecimiento de la poblacin es del 1.59%).

Nota.- Tambin se utiliza la media geomtrica para determinar la inflacin media mensual y a su vez hacer proyecciones de la inflacin anual a partir del promedio mensual. 3.6 MEDIA ARMNICA Se define como la inversa de la media aritmtica de los inversos de los valores observados. Es utilizada para hallar determinadas tasas promedio o rendimientos promedio para una misma actividad.

Clculo para datos sin agrupar.H n

n i 1

1 Xi

Ejemplo 3.12 Si se calcula la media armnica con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

Reemplazando valores en la frmula se tiene:

137

60 i

60 1 1 Xi

60 1 X1 1 X2 1 X3 1 X 59 1 X 60

1 44

1 45

60 1 46

1 80

1 88

60 1.0316135533

58.161 Kg.

Interpretacin.- el peso promedio de los alumnos es de 58.161 Kg.

Clculo para datos agrupados.H

i k

n ni 1 Xi

1
k i 1

hi Xi

Frmula para trabajar bien con las repeticiones o frecuencias absolutas ni o para trabajar con las frecuencias relativas hi. Por tratarse de datos agrupados Xi representa la marca de clase para los intervalos o el valor indicado para los casos discretos con poca variabilidad de los valores observados.

Ejemplo 3.13 Calcular la media armnica con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.Desarrollando la frmula se tiene:

H
i

n ni 1 Xi

5 i

60 ni 1 Xi

n1 X1

n2 X2

60 n3 X3

n4 X4

n5 X5

138

19 48.4

15 57.2

60 17 66.0

5 4 74.8 83.6

60 58.419 Kg. 1.0270673130

Interpretacin.- el peso promedio de los alumnos es de 58.419 Kg. RELACIN ENTRE LAS MEDIAS ARITMTICA, GEOMTRICA Y ARMNICA Si se calcula estas tres medias para los mismos datos se tiene que:
H G X

Para los pesos de los alumnos se han obtenido los siguientes resultados: Datos: Sin agrupar Agrupados Vemos que se cumple la relacin. H 58.161 58.419 G 58.994 59.255
X 59.868

60.133

139

3.7 CUANTILES Son particiones de la distribucin de frecuencias en un determinado nmero de partes iguales. Entre los cuantiles ms conocidos se tiene: mediana (dos partes iguales), cuartiles (cuatro partes iguales), quintiles (cinco partes iguales), deciles (diez partes iguales), veintiles (veinte partes iguales) y percentiles (cien partes iguales). Desarrollaremos los de mayor uso viendo su forma de clculo e interpretacin. Se calculan de modo similar a la mediana.

a) CUARTILES (Qk ) Son particiones de la distribucin de frecuencias en cuatro partes iguales de modo que cada una de ellas acumula un cuarto de las observaciones (25% de los datos).

25% datos

Q1 25% datos

Q2

25% datos

Q3

25% datos

Para dividir la distribucin de frecuencias en cuatro partes iguales necesitamos 3 puntos, por ello los cuartiles son tres y se denotan de la siguiente manera: Cuartil 1 = Q1 acumula la cuarta parte de las observaciones (25%). Cuartil 2 = Q2 acumula las dos cuartas partes de las observaciones (50%). Cuartil 3 = Q3 acumula las tres cuartas partes de las observaciones (75%).

140

El cuartil dos es igual a la mediana (acumula el 50% de los valores observados). Es decir, Q2 = Me ya estudiada. Clculo para datos sin agrupar.a) Ordenar las observaciones en forma ascendente: X(1) , X(2) , . , X(n) b) Obtencin de los cuartiles 1 y 3: Cuartil 1 (Q1) Ubicar su posicin calculando
n 1 , si es entero Q1 4

n 1 4

Si no es entero, el resultado es de la forma E.F, donde E es la parte entera y F la fraccin decimal, entonces hacer una interpolacin lineal entre las observaciones ordenadas E y (E + 1) entre las cuales esta la fraccin F. Dicha interpolacin lineal es similar para cualquier cuantil que vamos a estudiar, se efecta as: Cuantil X Aqu el cuartil 1 es: Q1 X Cuartil 3 (Q3) Ubicar su posicin calculando
3( n 1) , si es entero Q3 4
E E

F X X
E

E 1

F X

E 1

3( n 1) 4

Si no es entero, el resultado es de la forma E.F, donde E es la parte entera y F la fraccin decimal, entonces hacer una interpolacin lineal antes indicada entre las observaciones ordenadas E y (E + 1) entre las cuales esta la fraccin F. Entonces el cuartil 3 es: Q3 X Ejemplo 3.14 Calcular los cuartiles 1 y 3 con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88
E

F X

E 1

141

Solucin: Clculo del cuartil 1 (Q1) Ubicar su posicin con

n 1 4 60 1 15.25 . Como no es un valor entero, (E = 4

15 y F = 0.25), el cuartil 1 esta entre los pesos ordenados 15 y 16 (51 y 51 Kg.). Aplicando la interpolacin lineal recomendada, el cuartil 1 es:
Q1 X 15 0.25 X 16 X 15

= 51 + 0.25 [51 - 51] = 51 Kg.

Interpretacin.- El 25 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 51 Kg. y el 75% restante por encima de 51 Kg.

Clculo del cuartil 3 (Q3) Ubicar su posicin con

3(n 1) 4 3(60 1) 4 45.75 . Como no es un valor

entero, (E = 45 y F = 0.75), el cuartil 3 esta entre los pesos ordenados 45 y 46 (67 y 68 kg.). Aplicando la interpolacin lineal recomendada, el cuartil 3 es:
Q3 X
45

0.75 X

46

45

= 67 + 0.75 [68 - 67] = 67.75 Kg.

Interpretacin.- El 75 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 67.75 Kg. y el 25% restante por encima de 67.75 Kg.

Clculo de los cuartiles con datos agrupados.-

a) Ubicar la clase j que contiene el cuartil k Como en las tablas de frecuencias los valores de la variable estn ordenados en forma ascendente, se determina
kn , k = 1, 2 3. Ayudndonos de las 4

frecuencias acumuladas se ve que clase j contiene (o donde esta) el cuartil k (Qk). b) Calcular el cuartil k (Qk) usando cualquiera de las siguientes expresiones:

Qk

LI j

kn 4

Nj nj

Cj

LI j

k Hj 4 hj

C j , k = 1, 2, 3.

Donde:

142

j = clase que contiene o donde esta el cuartil k (Qk). LIj = lmite inferior de la clase que contiene el cuartil k (Qk). nj = repeticiones en la clase que contiene el cuartil k (Qk). Nj-1 = repeticiones acumuladas hasta la clase anterior a la que contiene Qk. Cj = amplitud de la clase Qk = LSj LIj . hj = frecuencia relativa en la clase que contiene el cuartil k (Qk). Hj-1 = frec. relativa acumulada hasta la clase anterior a la que contiene Qk.

Ejemplo 3.15 Calcule e interprete los cuartiles con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin. Clculo del cuartil 1 (Q1) k = 1. a) Ubicar la clase j que contiene el valor del cuartil k = 1 (Q1):
kn 4 n 4 60 15 . En que intervalo de clase se cont la observacin o 4

peso del alumno 15? Observando los Ni del Cuadro 2.7, vemos que en la clase 1, N1 = 19, se han contado los pesos de los 19 primeros alumnos (recordemos que los pesos estn ordenadas de manera ascendente en el cuadro). Luego, la clase en la que se cont la talla del alumno
kn 4 n 4 60 15 es la 4

clase j = 1. El cuartil 1 es un peso entre 44.0 y 52.8 Kg. b) Calcular el cuartil 1 (Q1) usando la expresin:

143

Q1

LI j

n Nj 4 nj

Cj

LI j

1 Hj 4 hj

Cj

Donde: j = 1, n = 60, LIj = LI1 = 44.0, nj = n1 = 19 C1 = LS1 LI1 = 52.8 44.0 = 8.8.

Nj-1 = N0 = 0,

Reemplazando valores en la frmula se tiene:

Q1

LI1

n N0 4 C1 n1

44.0

60 0 4 8.8 46.947 Kg. 19

Interpretacin.- El 25 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 46.947 Kg. y el 75% restante por encima de46.947 Kg. Clculo del cuartil 2 (Q2) es la mediana ya fue determinado. Clculo del cuartil 3 (Q3) k = 3. a) Ubicar la clase j que contiene el valor del cuartil k = 3 (Q3):
kn 4 3n 4 3(60) 4 45 . En que intervalo de clase se cont la observacin o

peso del alumno 45? Observando los Ni del Cuadro 2.7, vemos que hasta la clase 2, N2 = 34, se han contado los pesos de los 34 primeros alumnos. Entonces, en el intervalo de clase 3 se cuenta el peso del alumno 45. Luego, la clase en la que se cont el peso del alumno
kn 4 3n 4 3(60) 4 45

es la clase j = 3. El cuartil 3 es un peso entre 61.6 y 70.4 Kg.

b) Calcular el cuartil 3 (Q3) usando la expresin:

Q3

LI j

3n Nj 4 nj

Cj

LI j

3 Hj 4 hj

Cj

Donde:

144

j = 3,

n = 60,

LIj = LI3 = 616,

nj = n3 = 17.

Nj-1 = N2 = 34,

C3 = LS3 LI3 = 70.8 61.6 = 8.8.

Reemplazando valores en la frmula se tiene:

Q3

LI 3

3n 4 n3

N2 C3 61.6

3(60) 34 4 8.8 66.259 Kg. 17

Interpretacin.- El 75 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 66.259 Kg. y el 25% restante por encima de 66.259 Kg.

b) DECILES (Dk ) Son particiones de la distribucin de frecuencias en diez partes iguales de modo que cada una de ellas acumula un dcimo de las observaciones (10% de los datos).

10%

D1

10%

D2 ..

10%

D9

10%

Para dividir la distribucin de frecuencias en diez partes iguales se necesita 9 puntos, por ello los deciles son nueve y se denotan de la siguiente manera: Decil 1 = D1 acumula la dcima parte de las observaciones (10%). Decil 2 = D2 acumula las dos dcimas partes de las observaciones (20%). Decil 3 = D3 acumula las tres dcimas partes de las observaciones (30%). Decil 4 = D4 acumula las cuatro dcimas partes de las observaciones (40%). Decil 5 = D5 acumula las cinco dcimas partes de las observaciones (50%). Decil 6 = D6 acumula las seis dcimas partes de las observaciones (60%). Decil 7 = D7 acumula las siete dcimas partes de las observaciones (70%). Decil 8 = D8 acumula las ocho dcimas partes de las observaciones (80%). Decil 9 = D9 acumula las nueve dcimas partes de las observaciones (90%). El decil cinco es igual a la mediana (acumula el 50% de los valores observados). Es decir, D5 = Me. El clculo de los deciles y otros cuantiles se pueden efectuar mediante el clculo del percentil correspondiente, que pasamos a desarrollar.

145

c) PERCENTILES (Pk ) Son particiones de la distribucin de frecuencias en cien partes iguales de modo que cada una de ellas acumula un centsimo de las observaciones (1% de los datos). Para dividir la distribucin de frecuencias en cien partes iguales necesitamos 99 puntos, por ello los percentiles son noventa y nueve y se denotan de la siguiente manera: Percentil 1 = P1 acumula una centsima parte de las observaciones (1%). Percentil 2 = P2 acumula dos centsimas partes de las observaciones (2%). Percentil 3 = P3 acumula tres centsimas partes de las observaciones (3%). . Percentil k = Pk acumula las k centsimas partes de las observaciones (k%). . Percentil 99 = P99 acumula las 99 centsimas partes de las observaciones (99%). Nota.Todas los cuantiles calculados anteriormente son tambin percentiles (segn el % de observaciones que acumule cada uno de ellos). As tenemos que: la mediana (acumula el 50% de los valores observados) es igual al percentil 50. Es decir, Me = P50. Tambin: Q1 = P25, D10 = P10, Q2 = P50 = Me, D5 = P50 = Me, Q3 = P75. D9 = P90.

Clculo para datos sin agrupar.a) Ordenar las observaciones en forma ascendente: X(1) , X(2) , . , X(n) b) Obtencin del k-simo percentil (Pk), k = 1, 2, 3, ., 99 Ubicar su posicin calculando
k ( n 1) , si es entero Pk 100

k ( n 1) 100

Si no es entero, el resultado es de la forma E.F, donde E es la parte entera y F la fraccin decimal, entonces hacer la interpolacin lineal antes indicada entre las observaciones ordenadas E y (E + 1) entre las cuales esta la fraccin F. Entonces el percentil k es:
Pk X
E

F X

E 1

k = 1, 2, 3, ., 99

146

Ejemplo 3.16 Calcular los percentiles 10 y 80 con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

Solucin: Clculo del percentil 10 (P10) Ubicar su posicin con

10 (n 1) 100 10 (60 1) 100 6.1 . Como no es un valor

entero, (E = 6 y F = 0.10), el percentil 10 est entre los pesos ordenados 6 y 7 (48 y 48 Kg.). Aplicando la interpolacin lineal recomendada, el percentil 10 es:
P 10 X
6

0.10 X

= 48 + 0.10 [48 - 48] = 48 Kg.

Interpretacin.- El 10 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 48 Kg. y el 90% restante por encima de 48 Kg.

Clculo del percentil 80 (P80) Ubicar su posicin con

80 (n 1) 100 80 (60 1) 100 48.80 . Como no es un valor

entero, (E = 48 y F = 0.80), el percentil 80 esta entre los pesos ordenados 48 y 49 (68 y 69 kg.). Aplicando interpolacin lineal, el percentil 80 es:
P80 X
48

0.80 X

49

48

= 68 + 0.80 [69 - 68] = 68.80 Kg.

Interpretacin.- El 80 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 68.80 Kg. y el 20% restante por encima de 68.80 Kg.

Clculo de los percentiles para datos agrupados.-

a) Ubicar la clase j que contiene el decil k 147

Como en las tablas de frecuencias los valores de la variable estn ordenados en forma ascendente, se determina
kn , k = 1, 2, 3, ., 98 99. 100

Ayudndonos de las frecuencias acumuladas se ve que clase j contiene (o donde esta) el percentil k (Pk). b) Calcular el percentil k (Pk) usando cualquiera de las siguientes expresiones:

Pk

LI j

kn Nj 100 nj

Cj

LI j

k Hj 100 hj

C j , k = 1, 2, 3, ., 98, 99.

Donde: j = clase que contiene o donde esta el percentil k (Pk). LIj = lmite inferior de la clase que contiene el percentil k (Pk). nj = repeticiones en la clase que contiene el percentil k (Pk). Nj-1 = repeticiones acumuladas hasta la clase anterior a la que contiene Pk. Cj = amplitud de la clase Pk = LSj LIj . hj = frecuencia relativa en la clase que contiene el percentil k (Pk). Hj-1 = frec. relativa acumulada hasta la clase anterior a la que contiene Pk.

Ejemplo 3.17.Calcule e interprete los percentiles 10 y 80 con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:
Clase i 1 2 3 4 5 PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0 Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin. Clculo del percentil 10 (P10) k = 10. a) Ubicar la clase j que contiene el valor del percentil k = 10 (P10):

148

kn 100

10n 100

10 (60) 100

6 . En que intervalo de clase se cont la observacin

o peso del alumno 6? Observando los Ni del Cuadro 2.7, vemos que en la clase 1, N1 = 19, se han contado los pesos de los 19 primeros alumnos. Luego, la clase en la que se cont el peso del alumno
kn 100 10n 100 10 (60) 100 6 , es la clase j = 1. El

percentil 10 es una talla entre 44.0 y 52.8 Kg. b) Calcular el percentil 10 (P10) usando la expresin:

P 10

LI j

10n 100 nj

Nj

Cj

LI j

10 Hj 100 hj

Cj

Donde: j = 1, n = 60, LIj = LI1 = 44.0, nj = n1 = 19. C1 = LS1 LI1 = 52.8 44.0 = 8.8.

Nj-1 = N0 = 0,

Reemplazando valores en la frmula se tiene:

P 10

LI1

10n N0 100 C2 n1

44.0

10(60) 0 100 8.8 46.779 Kg. 19

Interpretacin.- El 10 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 46.779 Kg. y el 90% restante por encima de 46.779 Kg. Clculo del percentil 80 (P80) k = 80. a) Ubicar la clase j que contiene el valor del percentil k = 80 (P80):
kn 100 80n 100 80 (60) 100 48 .

En que intervalo de clase se cont la

observacin o peso del alumno 48? Observando los Ni del Cuadro 2.7, vemos que hasta la clase 2, N2 = 34, se han contado los pesos de los 34 primeros alumnos. Entonces, en el intevalo de la clase 3 se cuenta los pesos de los alumnos desde el 35 hasta el 51. Luego, la clase en la que se cont el peso del alumno 48, es la clase j = 3. El percentil 80 es una talla entre 61.6 y 70.4 Kg. b) Calcular el percentil 10 (P10) usando la expresin: 149

P80

LI j

80n 100 nj

Nj

Cj

LI j

80 Hj 100 hj

Cj

Donde: j = 3, Nj-1 = N2 = 34,

n = 60,

LIj = LI1 = 61.6,

nj = n3 = 17.

C3 = LS3 LI3 = 70.4 61.6 = 8.8.

Reemplazando valores en la frmula se tiene:

P80

LI3

80n N2 100 C3 n3

61.6

80(60) 34 100 8.8 68.447 Kg. 17

Interpretacin.- El 80 % de los alumnos de Estadstica Bsica 09-A tiene un peso menor o igual a 68.447 Kg. y el 20% restante por encima de 68.447 Kg.

CUADRO 3.1 RESUMEN DE LOS CUANTILES CALCULADOS PARA LOS PESOS (KG.) DE LOS ALUMNOS DE ESTADSTICA BSICA 09A , DE LA FCE-UNAC, POR LA FORMA EN QUE ESTN LOS DATOS

CUANTIL Cuartil 1 Cuartil 2 (mediana) Cuartil 3 Percentil 10 Percentil 80

DATOS SIN AGRUPAR 51.00 57.00 67.75 48.00 68.80

DATOS AGRUPADOS 46.947 59.253 66.259 46.779 68.447

Clculo de cuartiles y percentiles con los programas Veamos como se pueden obtener los cuartiles y percentiles para la variable peso, desde la base de datos construida (datos sin agrupar) utilizando los programas.

En Excel: Con los datos de la variable peso de los 60 alumnos en la columna D, desde D3 hasta D62, cuando en el programa se pide Matriz se sombrean estos o se escribe D3:D62. Para calcular los CUARTILES, por ejemplo el CUARTIL 1, primero ubicarse en la celda D66.

150

Luego, con la opcin de funciones

del Excel, escoger dentro de Seleccionar una

categora Estadsticas Cuartil, aparece la ventana de dilogo de la Figura 3.7.

Figura 3.7 Clculo de cuartiles en Excel

Indicar los Argumentos de la funcin CUARTIL, en Matriz (dar la ubicacin de los pesos, desde la celda D3 hasta la D62) sombrear los datos o escribir D3:D62. En Cuartil escribir un nmero (0 = valor mnimo, 1, 2, o 3 para el cuartil deseado y 4 = valor mximo) aqu 1. Luego hacer clic en y aparece el resultado del Cuartil 1= 51 Kg.

Similarmente se obtiene los cuartiles 2 y 3 en las celdas 67 y 68. Conociendo la sintaxis de la funcin, =CUARTIL(matriz, cuartil) se hace as: Ubicarse en la celda D66 y al lado de escribir =CUARTIL(D3:D62,1).

Al hacer Enter, aparece el resultado 51 Kg. (ver la Figura 3.8). Para obtener los PERCENTILES tambin se puede seleccionar la funcin PERCENTIL o utilizar la sintaxis =PERCENTIL(matriz, k). En matriz indicar la ubicacin de los datos y k es un nmero entre 0 y 1 para indicar el percentil como una proporcin. Para obtener el percentil 10, con matriz (D3:D62) y k = 0.10, se obtiene as: ubicarse en la celda D69 y escribir =PERCENTIL(D3:D6, 0.10) al hacer Enter, aparece el resultado 48 Kg. (ver la Figura 3.8). En dicha figura, se muestra tambin la sintaxis de clculo y el resultado del percentil 80, en la celda D70.

151

Figura 3.8 Resultado de cuartiles y percentiles en Excel

En Minitab: Estando en la base de datos Estadstica Bsica 09A, escoger del men Stat Basic Statistics Display Descriptive Statistics aparece la ventana de dilogo Display Descriptive Statistics (ver Figura 3.4). En variables: seleccionar la variable peso de las variables que estn a la izquierda. Hacer clic en el botn Satatistcs Statistics (Figura 3.5). Escoger los CUARTILES a calcular: First quartile (primer cuartil), Median (segundo cuartil o mediana), Third quartile (tercer cuartil) y hemos agregado Minimum (mnimo) y Maximum (mximo). Hacer clic en OK y regresa a la ventana Display Descriptive Statistics. Para terminar hacer clic en OK y en la ventana de Session aparecen los resultados solicitados siguientes:
Descriptive Statistics: peso Variable peso Minimum 44.00 Q1 51.00 Median 57.00 Q3 67.75 Maximum 88.00

y aparece la ventana de dilogo Descriptive

En SPSS: Estando en la base de datos Estadstica Bsica 09A, seguir la secuencia para obtener la tabla de frecuencias: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo Frecuencias.

152

En Variables: ingresar la variable peso, luego hacer clic en el botn muestra la ventana de dilogo Frecuencias: Estadsticos de la Figura 3.9.

y se

Figura 3.9 Clculo de cuartiles y percentiles en SPSS

En Valores percentiles, seleccionar Cuartiles y Percentiles, debiendo escribir el nmero de percentil deseado (10 y 80) por separado y luego hacer clic en Aadir. Luego hacer clic en Continuar, regresando a la ventana de dilogo Frecuencias y efectuar clic en Aceptar para terminar. Inmediatamente en el Visor de Resultados aparece:
Estadsticos PESO (Kg) N Percentiles Vlidos Perdidos 10 25 50 75 80

60 0 48.00 51.00 57.00 67.75 68.80

Resultado de cuartiles y percentiles en SPSS En los resultados del SPSS se aprecia que los cuartiles aparecen como los percentiles 25 (primer cuartil), 50 (segundo cuartil o mediana) y 75 (cuartil 3).

153

En R: Estando en la base de datos Estadstica Bsica 09A y habiendo attachado la misma, para que reconozca las variables y sus valores, se escribe en la consola la sintaxis para PERCENTILES: quantile(variable, p) Donde variable es un conjunto de datos cuantitativos (peso aqu) y p es una proporcin para identificar a uno o varios percentiles determinados. Es decir, que quantile es el valor por abajo del cual se encuentra el p% de las observaciones.

El percentil 10 (p =0.10) para la variable peso se obtiene as: > quantile(peso,0.10) 10% 48

Si se requiere los percentiles 10 (0.10), 25 (0.25 = cuartil 1), 50 (0.50 = cuartil 2 o mediana), 75(0.75 = cuartil 3) y 80 (0.80), entonces se define p como un vector con las proporciones indicadas y luego la funcin cuantile, as: > p=c(0.10, 0.25, 0.50, 0.75, 0.80) > quantile(peso,p) 10% 25% 50% 75% 80% 48.00 51.00 57.00 67.25 68.20

CUADRO 3.2 RESUMEN DE LOS PERCENTILES CALCULADOS PARA LOS PESOS (KG.) DE LOS ALUMNOS DE ESTADSTICA BSICA 09A, DE LA FCE-UNAC, POR PROGRAMA USADO

PERCENTIL 10 25 o cuartil 1 50 o cuartil 2 75 o cuartil 3 80

MANUAL 48.00 51.00 57.00 67.75 68.80

EXCEL 48.00 51.00 57.00 67.25 68.20

MINITAB 51.00 57.00 67.75 -

SPSS 48.00 51.00 57.00 67.75 68.80

R 48.00 51.00 57.00 67.25 68.20

154

Captulo 4. MEDIDAS DE DISPERSIN Y DE FORMA

Vivimos en la era de la televisin. Una sola toma de una enfermera bonita ayudando a un viejo a salir de una sala dice ms que todas las estadsticas sanitarias Margaret Thatcher

CONTENIDO 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 Introduccin. Rango. Rango intercuartlico. Desviacin media. La varianza La desviacin tpica. El coeficiente de variacin. El diagrama de caja (Box- Plot). Medidas de forma de la distribucin.

4.1 INTRODUCCIN En el captulo anterior vimos la caracterizacin de los datos de una variable mediante un solo punto, es decir, el resumen de los datos a travs de un solo valor, el mismo que no es suficiente para formarse una idea de la distribucin de la variable. En el presente captulo se contina haciendo resmenes de la informacin cuantitativa obtenida, describiendo el mayor o menor alejamiento de los valores observados en formas absolutas y relativas. Entre las formas absolutas de medicin tenemos el rango, el rango intercuartlico, la desviacin media, la varianza y la desviacin estndar; en tanto que como medicin relativa usaremos el coeficiente de variacin. Tambin se presenta una forma grfica de apreciar la dispersin de los datos, a travs del diagrama de caja y bigotes (box-plot) como herramienta importante para el anlisis exploratorio de datos.

155

4.2 RANGO Y RANGO INTERCUARTLICO RANGO El Rango (R), Recorrido o Amplitud de la variable es la diferencia entre el valor mximo y mnimo. Es el indicador usado para construir tablas de frecuencias.

Clculo para datos sin agrupar: R = Xmx Xmn = {X / Xmn X Xmx} Clculo para datos agrupados: R = LSk LI1 = {X / LSk X LI1 }

Ejemplo 4.1 Si trabajamos con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, tenemos que el rango es: R = Xmx Xmn = {X / Xmx X Xmn } R= 88 44 = 44 Kg. o R = {X / 44 X 88} Interpretacin.- la diferencia entre el peso mximo y mnimo de los alumnos de Estadstica Bsica 09-A es de 44 Kg. Tambin podemos decir que los pesos de los 60 alumnos fluctan entre 44 y 88 Kg.

Si trabajamos con los datos agrupados del Cuadro 2.7, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, tenemos que el rango es: R = LS5 LI1 = {X / LSk X LI1 } = 88 44 = 44 Kg. o R = {X / 44 X 88} Interpretacin.- la diferencia entre el peso mximo y mnimo de los alumnos de Estadstica Bsica 09-A es de 44 Kg. Tambin podemos decir que los pesos de los 60 alumnos fluctan entre 44 y 88 Kg.

Tal como se puede apreciar el Rango es una medida muy gruesa de la dispersin de los datos ya que nos da una idea de la diferencia o fluctuacin de los valores extremos. 156

RANGO INTERCUARTLICO El rango intercuartlico (RIQ o RIC) es la diferencia entre el cuartil 3 y el cuartil 1 y nos indica entre que valores se encuentra el 50% central de las observaciones.

25% datos

Q1

25% datos

Q2

25% datos

Q3

25% datos

Tanto para datos sin agrupar, como para datos agrupados la frmula de clculo es: RIQ = Q3 Q1 = P75 P25 Ejemplo 4.2 En el ejemplo 3.14 de cuartiles, con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, se ha determinado que el cuartil 1 es Q1 = 51 Kg. y el cuartil 3 es Q3 = 67.75 Kg. Reemplazando valores en la frmula del RIQ se tiene: RIQ = 67.75 51.00 = 16.75 Kg. Interpretacin.- el 50% central de los pesos se encuentra entre 51 y 67.75 Kg. En el ejemplo 3.15, con los datos agrupados del Cuadro 2.7, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, se ha determinado que el cuartil 1 es Q1 = 46.95 Kg. y el cuartil 3 es Q3 = 66.26 Kg. Reemplazando valores en la frmula del RIQ se tiene: RIQ = 66.26 46.95 = 19.31 Kg. Interpretacin.- el 50% central de los pesos se encuentra entre 46.95 y 66.26 Kg.

157

4.3 DESVIACIN MEDIA Mide la desviacin absoluta promedio de los valores observados bien con respecto a la media aritmtica o con respecto a la mediana. Utiliza la idea de distancia como la diferencia en valor absoluto de cada valor observado con respecto a su media aritmtica o su mediana. Clculo para datos sin agrupar.-

Xi DM X
i 1

X i Me DM X
i 1

Primero se calcula la media aritmtica o mediana, luego la desviacin media.

Ejemplo 4.3 Calcular la desviacin media respecto a la media aritmtica con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

Solucin.En el ejemplo 3.1 se ha determinado que el peso promedio de los 60 alumnos de Estadstica Bsica 09-A es X = 59.87 Kg. y en el ejemplo 3.4 la mediana Me = 57 Kg. Para calcular la desviacin media respecto a la media aritmtica, se tiene que:
n 60

Xi DM X
i 1

X
i 1

X i 59.87 60

44 59.87

45 59.87

46 59.87 60
20.13 28.13

80 59.87
540.38 60

88 59.87

15.87 14.87 13.87 60

9.006 Kg.

158

Interpretacin.- el promedio de las desviaciones absolutas de los pesos de los alumnos respecto a su media aritmtica es de 9.006 Kg.

Nota.- el clculo y la interpretacin de la desviacin media respecto a la mediana se efecta de modo similar al de la media aritmtica, slo que se trabaja con Me = 57 Kg.

Clculo para datos agrupados.k k

Xi DM X
i 1

X ni

Xi Xi X hi DM Me
i 1

Me ni n

Xi
i 1

Me hi

i 1

Primero se calcula la media aritmtica o mediana, luego la desviacin media.

Ejemplo 4.4 Calcular la desviacin media respecto a la mediana, con los datos agrupados del Cuadro 2.7, peso de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, siguientes:

Clase i 1 2 3 4 5

PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0

Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.En el ejemplo 3.1 se ha encontrado la media aritmtica X = 60.13 kg. y en el ejemplo 3.5 la mediana Me = 59.25 Kg., Usando la frmula de datos agrupados para la desviacin media se tiene que:
k 5

X i Me ni DM Me
i 1 i 1

X i 59.25 ni 60

159

X 1 59.25 n1

X 2 59.25 n2

X 3 59.25 n3 60

X 4 59.25 n4

X 5 59.25 n5

1 48.4 59.25 19 57.2 59.25 15 60 74.8 59.25 5 83.6 59.25 4

66.0 59.25 17

= [206.15 + 30.75 + 114.75 + 77.75 + 97.4] / 60 = 526.8 / 60 = 8.78 Kg.

Interpretacin.- el promedio de las desviaciones absolutas de los pesos de los alumnos respecto a su media aritmtica es de 8.78 Kg.

Nota.- el clculo y la interpretacin de la desviacin media respecto a la media aritmtica se efecta de modo similar al de la mediana, slo que se trabaja con X = 60.13 kg. 4.4 VARIANZA Mide el promedio de las desviaciones al cuadrado de los valores observados con respecto a la media aritmtica. Se denota por:
o
2 X 2 SX

V (X ) V (X )

para la poblacin. para la muestra.

S2

Clculo para datos sin agrupar.-

(Xi
a) Varianza poblacional:
2 X n i 1

)2
i 1

X i2 N
n

N (Xi X )2
i 1

X i2 n X 2 n 1

b) Varianza muestral:

2 SX

i 1

n 1

Clculo para datos agrupados.k k

(Xi
a) Varianza poblacional:
2 X i 1

) 2 ni
i 1

X i2 ni N

160

(Xi
b) Varianza muestral:
2 SX i 1

X )2 ni
i 1

X i2 ni n X 2 n 1

n 1

Primero se calcula la media aritmtica para datos agrupados y luego la varianza.

Ejemplo 4.5 Calcular la varianza con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

Solucin.En el ejemplo 3.1 se ha determinado que la media aritmtica = 59.87 Kg.

Primera forma de clculo:

60

(Xi
2 i 1

)2
i 1

( X i 59.87) 2 60

(44 59.87)2 (45 59.87)2 (46 59.87)2 60

251.8569 221.1169 192.3769 60

(80 59.87)2 (88 59.87)2

405.2169 791.2969

6542.47 60

109.0412 (Kg.)2.

Otra forma de clculo es:

60

X i2
2 i 1

2 i 1

X i2 60 60

. (1)

161

60

X i2
i 1

442

452

462

802 882

= 1 936 + 2 025 + 2 116 + .+ 6 400 + 7 744 = 221 595.5 Reemplazando este resultado en (1) se tiene:
60

X i2 60
2 i 1

60

221,595.5 60(59.87) 2 60

6,542.47 109.0412 Kg.2 60

Nota.- la mayor precisin en este clculo se obtiene con = 59.8683333.

Interpretacin.- el promedio de las desviaciones al cuadrado de los pesos de los alumnos respecto a su media aritmtica es de 109.0412 (Kg.)2.

Ejemplo 4.6 Calcular la varianza de los pesos de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, con los datos agrupados del Cuadro 2.7, siguientes:

Clase i 1 2 3 4 5

PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0

Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

Solucin.En el ejemplo 3.1 se ha encontrado que la media aritmtica es = 60.133 kg.

Primera forma de clculo:

k 5

(Xi
2 i 1

) 2 ni
i 1

( X i 60.133) 2 ni 60

2 2 2 1 ( X 1 60.133) n1 ( X 2 60.133) n2 ( X 3 60.133) n3 60 ( X 4 60.133)2 n4 ( X 5 60.133)2 n5

162

2 2 2 1 (48.4 60.133) 19 (57.2 60.133) 15 (66.0 60.133) 17 60 (74.8 60.133)2 5 (83.6 60.133)2 4

= (2615.7511 + 129.0667 + 585.1022 + 1075.5555 + 2202.7378) / 60 = (6608.2133) / 60 = 110.1369 (Kg.)2.

Otra forma de clculo:

k 5

X i2 ni
2 i 1

2 i 1

X i2 ni 60 60

. (2)

X i2 ni
i 1

(48.4)219 (57.2)215 (66.0)217 (74.8)2 5 (83.6)2 4

= 223 569.28

Reemplazando este resultado en (2) se tiene:

X i2 ni 60
2 i 1

60
= 110.1369 (Kg.)2.

223569.28 60(60.1333333) 2 60

6608.2133 60

Interpretacin.- el promedio de las desviaciones al cuadrado de los pesos de los alumnos respecto a su media aritmtica es de 110.1369 (Kg.)2.

Propiedades de la varianza.2 a) La varianza de un conjunto de datos es mayor o igual que cero, S X 0.

b) Si a y b son nmeros reales e Yi

2 SaX b

aX i b, entonces:
V (aX b) a 2V ( X )
2 a2S X

Demostracin:
n

(Yi Y )2
2 SY

V (Y )

i 1

n 1

(3)

163

Sabemos que si a y b son nmeros reales e Yi Reemplazando este resultado en (3) se tiene:
n n

aX i b, entonces : Y

aX

[aX i b (aX
2 SY

b)]2
i 1

a2 ( X i n 1

X )2
2 a 2V ( X ) a 2 S X
2 a2S X

V (Y )

i 1

n 1
2 SaX 2 SaX b

Entonces: Si b = 0, entonces:

V (aX

b)

a 2V ( X )
2 a2S X

V (aX )

a 2V ( X )

2 Si a = 0, entonces: S b 2 SX

V ( b) 0
b

Si a =1, entonces:

V (X

b) V ( X )

2 SX

2 Ejemplo 4.7.- si la varianza del ingreso de los trabajadores es S X = 250,000

(S/.)2. Hallar la varianza de los ingresos si se producen los siguientes incrementos: S/. 100 para cada trabajador, entonces el nuevo ingreso de cada trabajador es: Yi = Xi + 100. Donde: a = 1 y b = 100. Luego la varianza del nuevo ingreso de los trabajadores es:
2 SY2 = V(X + 100) = S X = 250,000 (S/.)2.

10% para cada trabajador, entonces el nuevo ingreso de cada trabajador es Yi = 1.10 Xi. Donde: a = 1.10 y b = 0. Luego la varianza del nuevo ingreso de los trabajadores es:
2 SY2 = V(1.10 X) = (1.10)2 S X = (1.10)2 250,000 = 302,500 (S/.)2.

5% ms S/. 50 a cada trabajador, entonces el nuevo ingreso de cada trabajador es Yi = 1.05 Xi + 50. Donde: a = 1.05 y b = 50. Luego la varianza del nuevo ingreso de los trabajadores es:
2 SY2 = V(1.05 X + 50) = (1.05)2 S X = (1.05)2 250,000 = 275,625 (S/.)2.

c) Si se tiene k subgrupos (submuestras o estratos) de tamaos n1, n2, ., nk, tales

k

que
i 1

ni

n ; con medias aritmticas de los subgrupos: x1 , x2 ,

, xk y varianzas

164

2 de los subgrupos: S12 , S2 ,

, Sk2 , entonces la varianza de la muestra de tamao n

esta dada por:

K K

(ni 1) Si2 S2
k i 1 i 1

( xi

x ) 2 ni
,

n 1

n 1

ni xi
donde x
i 1

es la media aritmtica ponderada de los subgrupos.

Observacin.- en el muestreo estratificado la variabilidad (varianza) total S2 se descompone en la suma de la variabilidad dentro de los estratos (intravarianza
2 S w ) ms la variabilidad entre los estratos (intervarianza Sb2 ). Es decir:

S2

2 Sw

Sb2
K

(ni 1) Si2
La intravarianza esta definida por:
2 Sw i 1

n 1
K

( xi
La intervarianza esta definida por:

x )2 ni

Sb2

i 1

n 1

Nota.- al construir estratos (clases, grupos o rangos) se busca que la

2 intravarianza ( S w ) sea pequea y la intervarianza ( Sb2 ) sea grande.

Ejemplo 4.8.- en una muestra de 400 hombres y 600 mujeres, el estudio de los ingresos de ambos grupos dio los siguientes resultados:

SEXO

Nmero ni

Ingreso Medio

Varianza
Si2 (S/.)2

xi (S/.)
1,500 1,000

1.Hombres 2.Mujeres

400 600

360,000 250,000

Hallar la media aritmtica y la varianza de los ingresos de ambos grupos juntos; as como la intravarianza e intervarianza.

La media aritmtica de los ingresos de ambos grupos es:

165

ni xi x
i 1

n1 x1 n2 x2 n

400(1,500) 600(1, 000) 1, 000

1' 200, 000 = 1, 000

= S/. 1,200 La intravarianza de los ingresos es:

2

(ni 1) Si2
2 Sw i 1

n 1
=

2 (n1 1) S12 (n2 1) S2 n 1

399(360, 000) 599(250, 000) 999

218'390, 000 999

= 218,608.60 (S/.)2.

La intervarianza de los ingresos es:

2

( xi Sb2
=
i 1

x )2 ni

n 1

( x1 x )2 n1 ( x2 n 1

x ) 2 n2

(1,500 1, 200) 2 (400) (1, 000 1, 200) 2 (600) 999

60'000, 000 999

= 60,060.06 (S/.)2.

La varianza de los ingresos de ambos grupos es:

Sb2 = 218,608.60 + 60,060.06 = 278,668.66 (S/.)2.

S2

2 Sw

4.5 DESVIACIN ESTNDAR O DESVIACIN TPICA Mide el promedio de las desviaciones de los valores observados con respecto a la media aritmtica. Se denota por:
X

SX

Tanto para datos sin agrupar como para datos agrupados se define como la raz cuadrada de la varianza (bien poblacional o muestral).
2

S2

Nota.- en la teora del muestreo la desviacin estndar recibe la denominacin de error estndar. 166

Ejemplo 4.9.- en el ejemplo 4.5, se ha determinado la varianza (para datos sin agrupar) de los pesos de los alumnos, siendo la misma 2 = 109.0412 (Kg..)2. Luego la desviacin estndar ser:
109.0412 = 10.442 Kg.

Interpretacin.- el promedio de las desviaciones de los pesos de los alumnos respecto a su media aritmtica es de 10.442 Kg.

Ejemplo 4.10.- en el ejemplo 4.6, se ha determinado la varianza (para datos agrupados) de los pesos de los alumnos, siendo la misma 2 = 110.1369 (Kg..)2. Luego la desviacin estndar ser:
110.1369 = 10.495 Kg.

Interpretacin.- el promedio de las desviaciones de los pesos de los alumnos respecto a su media aritmtica es de 10.495 Kg. 4.6 COEFICIENTE DE VARIACIN Mide el promedio de las variaciones porcentuales de los valores observados respecto a la media aritmtica. Tanto para datos sin agrupar como para datos agrupados se define como:
CV ( X )
X X

100

100
S 100 X

para la poblacin.

cv( X )

SX 100 X

para la muestra.

Nota.- en la teora del muestreo el coeficiente de variacin recibe la denominacin de error relativo.

Ejemplo 4.11 En el ejemplo de los pesos de los 60 alumnos de Estadstica Bsica 09A-FCEUNAC, (para datos sin agrupar) se ha determinado que = 59.87 y = 10.442 Kg. Luego el coeficiente de variacin de los pesos de los alumnos es:

CV ( X )

100

10.442 .100 =17.44 % 59.87

Interpretacin.- el promedio de las variaciones porcentuales de los pesos de los alumnos de Estadstica Bsica 09A-FCE-UNAC, respecto a su media aritmtica es del 17.44 %.

167

Ejemplo 4.12 En el ejemplo de los pesos de los 60 alumnos de Estadstica Bsica 09A-FCEUNAC, (para datos agrupados) se ha determinado que = 60.133 y = 10.495 Kg. Luego el coeficiente de variacin de las tallas de los alumnos es:

CV ( X )

100

10.495 .100 = 17.45 % 60.133

Interpretacin.- el promedio de las variaciones porcentuales de los pesos de los alumnos de Estadstica Bsica 09A-FCE-UNAC, respecto a su media aritmtica es del 17.45 %.

Clculo de los estadgrafos de dispersin con los programas Veamos como se pueden obtener los estadgrafos de dispersin para la variable peso, desde la base de datos construida (datos sin agrupar) utilizando los programas.

En Excel: Con los datos de la variable peso de los 60 alumnos de estadstica Bsica 09-A en la columna D, desde D3 hasta D62, cuando en el programa se pide Matriz se sombrean estos o se escribe D3:D62. Una primera forma de obtener los estadgrafos es con la opcin de funciones del

Excel, escoger dentro de Seleccionar una categora Estadsticas escoger estadgrafo y aparece ventana de dilogo en la que se indica los argumentos requeridos y se obtiene el resultado. Otra forma de obtenerlos es con la sintaxis para cada estadgrafo, que es la que utilizaremos. Para calcular el rango necesitamos el valor mximo y el valor mnimo. La sintaxis correspondiente es: MAX(Matriz) y MIN(Matriz) respectivamente. Para hallar el mximo de la variable peso, en la celda D71 escribir =MAX(D3:D62) al hacer enter aparece 88 y para hallar el mnimo, en la celda D72 escribir =MIN(D3:D62) al hacer enter aparece 44. Para hallar el rango, en la celda D73 escribir =D72-D7, al efectuar enter aparece 44(Ver figura 4.1). Para hallar el rango intercuartlico (RIQ), se debe utilizar los resultados de los cuatiles 1 y 3 calculados anteriormente en las celdas D66 y D68 respectivamente (ver

168

figura 3.8). En la celda D74 escribir =D68-D66, al efectuar enter aparece 16.25 (Ver figura 4.1). Para calcular la desviacin media (Excel obtiene con respecto a la media aritmtica) usar la sintaxis: =DESVPROM(Matriz). Para la variable peso, en la celda D75 escribir =DESVPROM(D3:D62) al hacer enter aparece el resultado 9.006. Para hallar la varianza de la muestra usar la sintaxis =VAR(Matriz) y para la varianza de la poblacin usar =VARP(Matriz). Para determinar la varianza de la variable peso, en la casilla D76 escribir =VARP(D3:D62) al hacer enter aparece el resultado 109.0412 (ver Figura 4.1). Para calcular la desviacin estndar muestral usar la sintaxis =DESVEST(Matriz) y para la desviacin estndar poblacional usar =DESVESTP(Matriz). Para la variable peso, en la casilla D77 escribir =DESVESTP(D3:D62) al hacer enter aparece el resultado 10.442 (ver Figura 4.1). Para calcular el coeficiente de variacin se divide la desviacin estndar de la celda D77 entre la media aritmtica de la celda D63 as: en la casilla D78 escribir =D77/D63 al hacer enter y luego clic en %, aparece 17.44%.

Figura 4.1 Medidas de Dispersin obtenidas con Excel

169

En Minitab: Estando en la base de datos Estadstica Bsica 09A, escoger del men Stat Basic Statistics Display Descriptive Statistics aparece la ventana de dilogo Display Descriptive Statistics (vista en la Figura 3.4). En variables: seleccionar la variable peso de las variables que estn a la izquierda. Hacer clic en el botn y aparece la ventana de dilogo Descriptive

Satatistcs Statistics (ver la Figura 4.2).

Figura 4.2 Seleccin de estadgrafos de dispersin en Minitab

Escoger los estadgrafos de dispersin a calcular: Range (rango) Interquartile range (rango intercuartlico), variance (varianza), Standard deviation (desviacin estndar) y Coefficient of variation (coeficiente de variacin). Adicionalmente se ha solicitado mean (media) y N total (total de observaciones) ya que el Minitab hace clculos muestrales para la varianza y se necesita reajustar este y otros clculos. Hacer clic en OK y regresa a la ventana Display Descriptive Statistics. Para terminar hacer clic en OK y en la ventana de Session aparecen los resultados solicitados siguientes:

Descriptive Statistics: peso

Variable peso Total Count 60 Mean 59.87 StDev 10.53 Variance 110.89 CoefVar 17.59 Range 44.00 IQR 16.75

170

Se puede apreciar que los resultados obtenidos corresponden a clculos muestrales, por lo que hay que hacer reconversiones a valores poblacionales, as la varianza ser:
N

(Xi
2 i 1

)2

( N 1) S 2 N

(50 1) 110.89 109.0412 Kg2. 60

109.0412 = 10.442

Con este valor, ya se puede calcular la desviacin estndar

Kg. y el coeficiente de variacin 17.44% (por ello solicitamos tambin la media aritmtica).

En SPSS: Estando en la base de datos Estadstica Bsica 09A, seguir la secuencia para obtener la tabla de frecuencias: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo Frecuencias. En Variables: ingresar la variable peso, luego hacer clic en el botn muestra la ventana de dilogo Frecuencias: Estadsticos de la Figura 4.3. y se

Figura 4.3 Clculo de estadgrafos de dispersin en SPSS

En Dispersin, seleccionar Desviacin tpica, Varianza, Amplitud (o Rango), Mnimo y Mximo. Adicionalmente se ha solicitado media ya que, al igual que el Minitab, el SPSS hace clculos muestrales para la varianza y se necesita reajustar este y otros clculos. Tambin se solicita cuartiles para calcular el RIQ.

171

Luego hacer clic en Continuar, regresando a la ventana de dilogo Frecuencias y para terminar, efectuar clic en Aceptar. Inmediatamente en el Visor de Resultados aparece:
Estadsticos PESO (Kg) N Media Des v. tp. Varianza Rango Mnimo Mximo Percentiles Vlidos Perdidos

25 50 75

60 0 59.87 10.530 110.889 44 44 88 51.00 57.00 67.75

Resultado de estadgrafos de dispersin en SPSS Al igual que en el Minitab se tiene que reajustar la varianza muestral as:
N

(Xi
2 i 1

)2

( N 1) S 2 N

(50 1) 110.889 109.0412 Kg2. 60

109.0412 = 10.442

Con este valor, ya se puede calcular la desviacin estndar

Kg. y el coeficiente de variacin 17.44% (por ello solicitamos tambin la media aritmtica). Igualmente el RIQ = P75 P25 = 67.75 51.00 = 16.75 Kg. En R: Estando en la base de datos Estadstica Bsica 09A y habiendo attachado la misma, para que reconozca las variables y sus valores, donde variable es un conjunto de datos cuantitativos (peso aqu).

Para calcular el Rango, escribir en la consola: > range(variable) al hacer enter se obtiene el valor mnimo y el mximo. > diff( range(variable)) al hacer enter se obtiene el rango (diferencia entre el valor mximo y el mnimo). Para la variable peso, se tiene: > range(peso) [1] 44 88 172

> diff(range(peso)) [1] 44

Para calcular el Rango intercuartlico (RIQ) usar la sintaxis IQR(variable), para la variable peso se calcula as: > IQR(peso) [1] 16.25

Para obtener la Desviacin media respecto a la media aritmtica, escribir en la consola: > dm=sum(abs(peso-mean(peso)))/60 > dm [1] 9.006222 Si se quiere calcular la desviacin media respecto a la mediana, escribir en la consola: > dm=sum(abs(peso-median(peso)))/60 > dm [1] 8.881667

Tanto la varianza como la desviacin estndar calculadas en R son muestrales, debindose efectuar los mismos ajustes realizados en Minitab y en SPSS. La sintaxis para la varianza es var(variable) y para la desviacin estndar sd(variable). Los clculos para la variable peso son: > var(peso) [1] 110.8893 > sd(peso) [1] 10.5304 Al igual que en Minitab y SPSS se tiene que reajustar la varianza muestral as: > N=length(peso) >N [1] 60 > var=(N-1)*var(peso)/N > var [1] 109.0412 173

> sd=var^0.5 > sd [1] 10.44228 > cv=sd/mean(peso)*100 > cv [1] 17.44207

En el Cuadro 4.1 se muestra el resumen de los estadgrafos de dispersin calculados.

CUADRO 4.1RESUMEN DE LAS MEDIDAS DE DISPERSIN CALCULADAS PARA LOS PESOS (KG.) DE LOS ALUMNOS DE ESTADSTICA BSICA 09A, DE LA FCE-UNAC, POR PROGRAMA USADO

ESTADGRAFO MANUAL Rango RIQ Desviacin media Varianza Desviacin estndar Coeficiente variacin de 17.44% 44.00 16.75 9.006 109.0412 10.442

EXCEL 44.00 16.25 9.006 109.0412 10.442

MINITAB 44.00 16.75 110.89 (a) 10.530 (a) 17.59 (a)

SPSS 44 16.75 110.89 (a) 10.53 (a) 17.59 (a)

R 44 16.25 9.006 110.89 (a) 10.53 (a) 17.59 (a)

17.44%

(a) Son resultados muestrales, que deben reajustarse. 4.7 DIAGRAMA DE CAJAS O BOXPLOT El diagrama de cajas y bigotes o boxplot es un grfico sencillo de realizar y fue propuesto por Tukey (1977) para hacer el anlisis exploratorio de datos de una variable cuantitativa usando principalmente los cuartiles . Para su elaboracin, en un rectngulo (caja) se representan los cuartiles: en el extremo inferior el cuartil 1, al extremo superior el cuartil 3 y entre ambos una lnea divisoria para

174

representar el cuartil 2. Es decir, que la caja representa el RIQ, pues concentra el 50% central de los valores observados. De los extremos centrales de la caja se extienden los bigotes en la parte inferior hasta el mx[Q1 - 1.5RIQ, mn (X1, X2, ., Xn)] y en la parte superior hasta el min[Q3 + 1.5RIQ, mx (X1, X2, ., Xn)]. As mismo, por debajo de la parte inferior y por encima de la parte superior de los bigotes se colocan los valores extremos (outliers) con asteriscos, tal como se indica en la figura 4.4.

Figura 4.4 Estructura del diagrama de cajas y bigotes (boxplot)

Por lo general el boxplot se presenta rotado en 90. Veamos la obtencin del diagrama de cajas para la variable peso usando los programas Minitab, SPSS y R.

En Minitab: Estando en la base de datos Estadstica Bsica 09A, escoger del men Graph Boxplot Simple OK aparece la ventana de dilogo Boxplot One Y, Simple (ver la Figura 4.5). De la lista de variables del lado izquierdo seleccionar la variable peso e ingresarla en Graph variables:. Hacer clic en el botn grfico. En este caso es: GRFICO 4.1 BOXPLOT DEL PESO DE LOS ALUMNOS DE ESTADSTICA BSICA 09-A, DE LA FCE-UNAC. y en Title: poner el nmero y ttulo del

175

Para continuar hacer clic en OK y regresa a la ventana de Boxplot One Y, Simple, hacer clic en OK e inmediatamente aparece el boxplot (ver la figura 4.6).

Figura 4.5 Ventana de dilogo para definir el boxplot de peso en Minitab

Figura 4.6 Diagrama de cajas y bigotes de la variable peso en Minitab

176

Ubicndose dentro de la caja con el puntero del mouse, aparecen automticamente los cuartiles (ver la parte inferior de la figura 4.6). La lectura de los datos que all aparecen, permite describir que son 60 alumnos (N = 60), cuyos pesos fluctan entre 44 y 88 Kg. (Whiskers to = bigotes hasta: 44, 88) y que no hay pesos extremos (outliers). As mismo, los cuartiles indican que el 25% de los alumnos con menos peso se encuentran por debajo de los 51 kg. (Q1) y el 25% de los alumnos con ms peso se encuentra por encima de los 67.75 Kg. (Q3). Tambin que el 50% de los alumnos pesa 57 Kg. o menos (median = mediana = 57 Kg.) y que el 50% central de los pesos de los alumnos est entre 51 (Q1) y 67.75 Kg. (Q3). Tambin se puede obtener boxplot para hacer comparaciones entre una variable cuantitativa, con alguna variable categrica; como puede ser en este caso ver el comportamiento del peso de los alumnos por sexo (hombres y mujeres). Para ello, estando en la ventana de dilogo de la figura 4.5 y con las etiquetas de sexo como texto, hacer clic en el botn y aparece la ventana de

dilogo Boxplot Multiple Graphs, hacer clic en By variables (ver la figura 4.7).

Figura 4.7 Efectuando Grfico Mltiple de Boxplot para peso, por sexo

177

Seleccionar la variable sexo (con las etiquetas en texto) en By variables with groups in separate panels: si se desea en un solo grfico, pero en paneles separados, el boxplot para hombres y mujeres (el que se ha escogido aqu); y si se desea dos grficos separados de boxplot uno para hombres y otro para mujeres selecciona la variable sexo en By variables with groups on separate graphs:. Para continuar hacer clic en OK y regresa a la ventana de la figura 4.5 de Boxplot One Y, Simple, hacer clic en OK e inmediatamente aparece el Grfico 4.2 boxplot para cada sexo (ver la figura 4.8).

GR FICO 4.2 BOXPLOT DEL PESO DE LOS A LUMNOS DE ESTA DSTICA B SICA 09-A FCE-UNA C, POR SEXO

90

Hombre

Mujer

80

Peso (Kg.)

70

60

50

40 Panel variable: sexo

Figura 4.8 Boxplot del peso para hombres y mujeres en Minitab

Se puede hacer las comparaciones pertinentes y enriquecer el anlisis de la variable cuantitativa comparada para algunas variables categricas consideradas en el estudio. Aqu se puede apreciar que las mujeres pesan mucho menos que los hombres; no obstante dentro de ellas hay dos alumnas cuyos pesos sobresalen del resto (outliers). Haciendo clic con el puntero del mouse en los asteriscos, nos indica que se trata de las alumnas 19 con 63 Kg. de peso y la alumna 26 con 66 Kg.

178

En SPSS: Estando en la base de datos Estadstica Bsica 09A, seguir la secuencia: Analizar Estadsticos descriptivos Explorar y aparece la ventana de la Figura 4.9.

Figura 4.9 Ventana de dilogo Explorar para definir el boxplot de peso en SPSS

En Dependientes: ingresar la variable peso. En Mostrar esta seleccionado Ambos, ya que saca Estadsticos (descriptivos) y Grficos (tiene seleccionado el boxplot) por lo que slo queda hacer clic en Aceptar y aparece el Boxplot de la figura 4.10.
90

80

70

60

50

40 PESO (Kg)

Figura 4.10 Diagrama de cajas y bigotes de la variable peso en SPSS

179

Si se desea un grfico de boxplot para hombres y mujeres en un solo grfico; entonces, en la ventana de dilogo Explorar de la figura 4.9, en Factores: se ingresa la variable sexo y para finalizar hacer clic en Aceptar e inmediatamente aparece el resultado de la Figura 4.11.

90

80

PESO (Kg)

70 26 19 60

50

40 Hombre Mujer

SEXO

Figura 4.11 Boxplot del peso para hombres y mujeres en SPSS

En R: Estando en la base de datos Estadstica Bsica 09A y habiendo attachado la misma, para que reconozca las variables y sus valores, donde variable es un conjunto de datos cuantitativos (peso aqu).

Para graficar el Boxplot, escribir en la consola: boxplot (variable). El diagrama de cajas y bigotes para la variable peso se obtiene as: > boxplot(peso, col="yellow", main="BOXPLOT PESO", ylab="Peso (Kg.)") La representacin del boxplot se muestra en la Figura 4.12.

180

Figura 4.12 Diagrama de cajas y bigotes de la variable peso en R

Para obtener el boxplot de hombres y mujeres en un solo grfico escribir:

> plot(sex, peso,xlab="Sexo",ylab="Peso (Kg.)", main="BOXPLOT PESO DE LOS ALUMNOS")

La representacin se muestra en la Figura 4.13

En los tres programas se obtienen las representaciones del diagrama de cajas, debiendo escogerse aquella que este disponible o tenga una mejor presentacin, quedando en potestad del investigador escoger la misma.

181

Figura 4.13 Boxplot del peso para hombres y mujeres en R 4.8 MEDIDAS DE FORMA DE LA DISTRIBUCIN Cuando se quiere caracterizar mejor la distribucin de frecuencias, muchas veces se recurre a la distribucin normal de probabilidades, que es una distribucin simtrica respecto a su media aritmtica, concentrando por debajo de este valor a la mitad de las observaciones y la otra mitad por encima de dicho valor. Para saber si la concentracin de observaciones por debajo de la media es menor o mayor a la mitad de las mismas se usan las medidas de asimetra. Por otro lado, la poca o fuerte concentracin de observaciones entorno a la media se va estudiar con las medidas de curtosis o apuntamiento.

182

MEDIDAS DE ASIMETRA Segn Prez (2002) Las medidas de asimetra tienen como finalidad el elaborar un indicador que permita establecer el grado de simetra (o asimetra) que presenta una distribucin sin necesidad de llevar a cabo su representacin grfica. Supongamos hemos representado grficamente una distribucin de frecuencias. Si trazamos una perpendicular al eje de las abscisas por x y tomamos esta perpendicular como eje de simetra, diremos que una distribucin es simtrica si existe el mismo nmero de valores a ambos lados de dicho eje, equidistantes de x dos a dos, y tales que cada par de valores equidistantes de x tengan la misma frecuencia. En caso contrario, las distribuciones sern asimtricas a) Coeficiente de asimetra de Pearson.Para distribuciones unimodales y ligeramente asimtricas, Karl Pearson encontr que la relacin emprica entre la media aritmtica, la mediana y la moda es:

Mo

3X

Me , la misma que es utilizada en su coeficiente:

Ap X Mo S 3 X S Me

Donde S es la desviacin estndar. Si Ap = 0, la distribucin es simtrica. Si Ap > 0, la distribucin es asimtrica positiva o asimtrica a la derecha. Si Ap < 0, la distribucin es asimtrica negativa o asimtrica a la izquierda. b) Coeficiente de asimetra de Fisher.El coeficiente de asimetra propuesto por R.A. Fisher es:

Af

1 n 1 n

Xi
i 1 3 k

, para datos sin agrupar.

Xi
i 1 3

X ni
, para datos agrupados.

Af

Donde es la desviacin estndar poblacional. Si Af = 0, la distribucin es simtrica. Si Af > 0, la distribucin es asimtrica positiva o asimtrica a la derecha. Si Af < 0, la distribucin es asimtrica negativa o asimtrica a la izquierda.

183

Ejemplo 4.13 Con los datos sin agrupar del Cuadro 2.6, peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, cuyos pesos ordenados son: 44 50 53 57 65 70 45 50 53 59 66 72 46 50 53 60 66 72 46.5 50.5 54 60 67 75 47 51 55 63 67 75 48 51 55 63 68 77 48 52 55 64 68 80 49 52 55 64 68 80 49 52.6 55 64.5 69 80 50 53 57 65 70 88

Hallar los coeficientes de asimetra de Pearson y el de Fisher. Solucin.En ejemplos anteriores se obtuvo = 59.868, Me = 57 y = 10.442 Kg. Luego el coeficiente de asimetra de Pearson es:
Ap 3 X S Me 3 59.868 57 10.442

= 0.82 > 0, los pesos tienen distribucin

asimtrica positiva. El coeficiente de asimetra de Fisher es:

1 n
n

Xi
i 1 3

Af

1 (38558.56) 60 (10.442)3

= 0.56 > 0, entonces los pesos tienen

distribucin asimtrica positiva.

Ejemplo 4.14 Hallar los coeficientes de asimetra de Pearson y el de Fisher, de los pesos de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, con los datos agrupados del Cuadro 2.7, siguientes:

Clase i 1 2 3 4 5

PESOS (Kg.) LIi 44.0 52.8 61.6 70.4 79.2 LSi 52.8 61.6 70.4 79.2 88.0

Marca Prop. Acum. Prop.Ac. Alum-nos alumnos alumnos alumnos clase Xi ni hi Ni Hi 48.4 19 0.317 19 0.317 57.2 15 0.250 34 0.567 66.0 17 0.283 51 0.850 74.8 5 0.083 56 0.933 83.6 4 0.067 60 1.000 60 1.000

184

Solucin.En ejemplos anteriores se obtuvo = 60.133, Me = 59.253 y = 10.495 Kg. Luego el coeficiente de asimetra de Pearson es:
Ap 3 X S Me 3 60.133 59.253 10.495

= 0.25 > 0, los pesos tienen distribucin

asimtrica positiva. El coeficiente de asimetra de Fisher es:

1 n
n

Xi
i 1 3

ni

Af

1 (39828.25) 60 (10.495)3

= 0.57 > 0, entonces los pesos tienen

distribucin asimtrica positiva. MEDIDAS DE CURTOSIS O APUNTAMIENTO Segn Chue J.y Otros (2007) La curtosis cuantifica la cantidad de observaciones que se agrupan alrededor de las medidas de tendencia central de la distribucin de los datos. La frmula de clculo de la curtosis es:

1 n 1 n

Xi
i 1 4 k

3 , para datos sin agrupar. X ni

4 4

Xi
i 1

3 , para datos agrupados.

Donde es la desviacin estndar poblacional. Si K = 0, la distribucin es mesocrtica (apuntamiento normal). Si K > 0, la distribucin es leptocrtica (puntiaguda). Si K < 0, la distribucin es platicrtica (achatada).

Ejemplo 4.15 Con los datos sin agrupar del Cuadro 2.6 (ver ejemplo 4.13), peso en Kg. de los 60 alumnos de Estadstica Bsica 09-A, hallar el coeficiente de curtosis. Solucin.En ejemplos anteriores se obtuvo = 59.868 y = 10.442 Kg.

185

Luego el coeficiente de curotosis es:

1 60
60

X i 59.868
i 1 4

1762855.81 60 3 (10.442) 4

3 = -0.53 < 0, entonces la distribucin

es platicrtica o achatada.

Ejemplo 4.16 Hallar el coeficiente de curtosis de los pesos de los 60 alumnos de Estadstica Bsica 09-A FCE-UNAC, con los datos agrupados del Cuadro 2.7, dados en el ejemplo 4.14. Solucin.En ejemplos anteriores se obtuvo = 60.133 y = 10.495 Kg. Luego el coeficiente de curtosis es:
1 60
5

Xi
i 1

60.133 ni
4

1825739.21 60 3 (10.495)3

3 = -0.41 < 0, por lo tanto, la

distribucin es platicrtica o achatada.

Clculo de las medidas de forma con los programas Veamos como se pueden obtener los estadgrafos de forma para la variable peso, desde la base de datos construida (datos sin agrupar) utilizando los programas.

En Excel: Con los datos de la variable peso de los 60 alumnos de estadstica Bsica 09-A en la columna D, desde D3 hasta D62, cuando en el programa se pide Matriz se sombrean estos o se escribe D3:D62. Una manera de obtener los estadgrafos de forma es con la opcin de funciones del Excel, escoger dentro de Seleccionar una categora Estadsticas escoger estadgrafo y aparece ventana de dilogo en la que se indica los argumentos requeridos y se obtiene el resultado. Otra manera de obtenerlos es con la sintaxis para el estadgrafo, que es la que utilizaremos. Para la asimetra usar la sintaxis =COEFICIENTE.ASIMETRIA(Matriz) =CURTOSIS(Matriz). y para calcular la curtosis usar

186

Para el peso, en la casilla D79 escribir =COEFICIENTE.ASIMETRIA(D3:D62) al hacer enter aparece el resultado 0.58 (ver Figura 4.14). Entonces los pesos tienen distribucin asimtrica positiva. As mismo, en la casilla D80 escribir =CURTOSIS(D3:62) al hacer enter aparece el resultado -0.47 (ver Figura 4.14). Entonces los pesos tienen distribucin platicrtica o achatada.

Figura 4.14 Clculo de la asimetra y curtosis en Excel

En Minitab: Estando en la base de datos Estadstica Bsica 09A, escoger del men Stat Basic Statistics Display Descriptive Statistics aparece la ventana de dilogo Display Descriptive Statistics (vista en la Figura 3.4). En variables: seleccionar la variable peso de las variables que estn a la izquierda. Hacer clic en el botn y aparece la ventana de dilogo Descriptive

Satatistcs Statistics (ver la Figura 4.2). Escoger Skewness (asimetra) y Kurtosis. Al hacer clic en OK, regresa a la ventana Display Descriptive Statistics, hacer nuevamente clic en OK y aparecen los resultados siguientes: Descriptive Statistics: peso Variable peso Total Count 60 Skewness 0.58 Kurtosis -0.47

Resultados idnticos a los obtenidos en Excel.

187

En SPSS: Estando en la base de datos Estadstica Bsica 09A, seguir la secuencia para obtener la tabla de frecuencias: Analizar Estadsticos descriptivos Frecuencias. Inmediatamente se abre la ventana de dilogo Frecuencias. En Variables: ingresar la variable peso, luego hacer clic en el botn muestra la ventana de dilogo Frecuencias: Estadsticos (ver la Figura 4.3). En Distribucin, seleccionar Asimetra y Curtosis. Luego hacer clic en Continuar, regresando a la ventana de dilogo Frecuencias y para terminar, efectuar clic en Aceptar. Inmediatamente en el Visor de Resultados aparece:
Estadsticos PESO (Kg) N Asimetra Error tp. de asimetra Curtosis Error tp. de curtosis Vlidos Perdidos

y se

60 0 .579 .309 -.469 .608

Resultado de estadgrafos de forma en SPSS Al igual que en el Excel y el Minitab se tiene el mismo resultado.

En R: Estando en la base de datos Estadstica Bsica 09A y habiendo attachado la misma, para que reconozca las variables y sus valores, donde variable es un conjunto de datos cuantitativos (peso aqu). J. Arriaza y Otros (2008) recomiendan en el Apndice B Medidas de forma, con el paquete fBasics del R. Por ello, primero instalar el paquete fBasics. En el men del R escoger Paquetes, luego Instalar paquetes, escoger un pas (Australia, por ejemplo) aparece una lista de Packages (paquetes) buscar fBasics y hacer doble clic para que se instale en la pc. Luego, desde el men escoger en Paquetes, cargar paquete y aparece una lista, dar doble clic en fBasics, para calcular los estadgrafos de forma. Si el fBasics esta instalado, slo hay que cargarlo.

188

Para calcular la Asimetra, escribir en la consola: > skewness(variable) al hacer enter se obtiene el resultado. Para calcular la Curtosis, escribir en la consola: > kurtosis(variable) al hacer enter se obtiene el resultado.

Las medidas de forma de la variable peso se obtienen as: > skewness(peso) [1] 0.550345 attr(,"method") [1] "moment"

> kurtosis(peso) [1] -0.6106151 attr(,"method") [1] "excess"

Cuyos resultados son parecidos a los obtenidos con los otros programas, es decir, que la distribucin de la variable peso es asimtrica positiva y platicrtica.

189

Captulo 5. CORRELACIN Y REGRESIN SIMPLE

Las cifras no mienten, pero los mentirosos tambin usan cifras Annimo

CONTENIDO 5.1 5.2 5.3 5.4 5.5 Introduccin. Diagrama de dispersin. Covarianza y coeficiente de correlacin. Regresin lineal simple. Coeficiente de determinacin.

5.1 INTRODUCCIN Uno de los propsitos de la estadstica es efectuar predicciones al futuro, para lo cual es necesario explicar el comportamiento de una variable dependiente o explicada (denotada por Y) mediante una o ms variables independientes o explicativas (denotadas por Xs) basados en fundamentos tericos del fenmeno que se estudia. As, vemos que en economa se busca explicar la demanda de los bienes y servicios en funcin de los precios de los mismos. Igualmente, basados en la informacin observada sobre la produccin de un bien o servicio a travs del tiempo, tratamos de predecir las cantidades a producir en el futuro. En el presente captulo se busca establecer algunas formas sencillas de establecer la relacin entre las variables construyendo los diagramas de dispersin delos datos, as como la medicin de la relacin entre las variables usando la covarianza y el coeficiente de correlacin. Tambin se presenta la determinacin de algunos modelos de regresin lineal simple entre dos variables y los de series de tiempo que permitan hacer pronsticos en situaciones de incertidumbre.

190

5.2 DIAGRAMA DE DISPERSIN Es la representacin en el plano cartesiano de los valores que toma la variable dependiente Y conjuntamente con los valores que toma la variable independiente X, acompaados por alguna funcin (recta, hoja de parbola, etc.) a la que se ajustan dichos datos. Es decir, que se representan las parejas ordenadas (Xi, Yi) los mismos que aparecen como puntos en el plano cartesiano y dan una idea del tipo de relacin funcional matemtica para las variables. Es un grfico recomendado para establecer el tipo de asociacin entre las variables (si es directa o inversa), as como el tipo de relacin funcional entre las mismas. Ejemplo 5.1 Una compaa productora de muecas quiere establecer la relacin entre las variables X = precio de las muecas ($) e Y = cantidad de muecas vendidas. Los datos son: X Y 6.5 276 8.0 250 10.0 238 12.5 212 14.0 190 16.0 183 17.5 156 20.0 125

Efectuar el diagrama de dispersin. Solucin.Vamos a utilizar los programas Excel, Minitab, SPSS y R para realizar el diagrama de dispersin. En Excel: En una hoja de Excel ingresar los valores de X e Y en las columna A y B respectivamente. Sombrear la variable y los datos. En Insertar, Grficos, escoger XY (Dispersin) y el recuadro Dispersin slo con marcadores, tal como se muestra en la Figura 5.1. Al hacer clic en Aceptar, aparecen los puntos del diagrama de dispersin. Hacer clic con el botn derecho sobre los puntos del plano y seleccionar agregar lnea de tendencia y aparece una ventana de dilogo. Escoger el tipo (automticamente aparece

191

lineal, que es la que interesa en este caso). Al hacer clic en Cerrar se muestra el diagrama de dispersin y la lnea de tendencia de la Figura 5.2

Figura 5.1 Definiendo el diagrama de dispersin en Excel

Figura 5.2 Diagrama de dispersin de la cantidad y precio en Excel En Minitab:

192

Con los datos de la variable precio (X) y cantidad (Y) en el Worksheet, del men escoger Graph, Scatterplot, aparece la ventana de dilogo Scatterplots; escoger With Regression y hacer clic en OK. Se muestra la ventana de dilogo de la Figura 5.3.

Figura 5.3 Definiendo el diagrama de dispersin en Minitab En Y variables seleccionar Cantidad y en X variables Precio. Al efectuar clic en OK se muestra el diagrama de dispersin con la lnea de regresin de la Figura 5.4.

Scatterplot of Y = Cantidad vs X = Precio

280 260 240

Y = Cantidad

220 200 180 160 140 120 5.0 7.5 10.0 12.5 X = Precio 15.0 17.5 20.0

Figura 5.4 Diagrama de dispersin de la cantidad y precio en Minitab En SPSS:

193

Con los datos de la variable precio (X) y cantidad (Y) en el Editor de datos SPSS, del men escoger Grficos, Interactivos, Diagrama de dispersin, aparece la ventana de dilogo Crear diagrama de dispersin de la Figura 5.5.

Figura 5.5 Creando el diagrama de dispersin en SPSS

De la lista de variables arrastrar primero la variable dependiente (Cntidad) en el primer recuadro y luego la variable independiente (precio) en el siguiente, tal como se muestra en la Figura 5.5. Para finalizar hacer clic en Aceptar y aparece el diagrama de dispresin de la Figura 5.6.

194

280

240

CANT IDAD

200

160

120 8.0 0 12. 00 16. 00 20. 00

PRECIO

Figura 5.6 Diagrama de dispersin de la cantidad y precio en SPSS En R: Definir los valores de las variables Precio y Cantidad, por los vectores X e Y respectivamente siguientes: > X=c(6.5, 8.0, 10.0, 12.5, 14.0, 16.0, 17.5, 20.0) > Y=c(276, 250, 238, 212, 190, 183, 156, 125) A continuacin utilizar la funcin plot para definir el diagrama de dispersin, as: > plot(X, Y, xlab="PRECIO", ylab="CANTIDAD", main="Diagrama de dispersin de Precios y Cantidad") Donde: X es la variable independiente e Y la variable dependiente. xlab es la etiqueta del eje X e ylab la etiqueta del eje Y. main es para ponerle ttulo al grfico. El resultado aparece en la Figura 5.7.

195

Figura 5.7 Diagrama de dispersin de la cantidad y precio en R 5.3 COVARIANZA Y COEFICIENTE DE CORRELACIN Los indicadores del grado de asociacin lineal entre dos variables son la covarianza y el coeficiente de correlacin. COVARIANZA.La covarianza entre las variables X e Y, denotada por Cov (X, Y), mide el promedio de las discrepancias conjuntas del producto de las desviaciones de las variables X e Y con respecto a sus respectivas medias. Se calcula como:
1 n
n

Cov( X , Y )

Xi
i 1

X Yi Y

1 SPXY n

196

Donde SPXY representa la Suma de Productos de las desviaciones de X e Y con respecto a sus medias, calculada as:
n n

SPXY
i 1

Xi

X Yi Y
i 1

X iYi n X Y

La covarianza tiene el inconveniente de las unidades de medida de las variables, por ello lo fundamental de la covarianza es el signo, ya que proporciona una idea de la discrepancia conjunta de las variables en estudio. As, si el signo es positivo indica una variacin directa entre los valores de la variable, es decir, que si X aumenta, entonces Y tambin aumenta o si uno disminuye el otro tambin disminuye; mientras que si el signo es negativo, indica una variacin inversa, es decir, que si X aumenta, entonces Y disminuye y viceversa, si X disminuye entonces Y aumenta. Como solucin al inconveniente planteado en el prrafo anterior, surge el coeficiente de correlacin lineal de Pearson que a continuacin se explica. COEFICIENTE DE CORRELACIN.El coeficiente de correlacin lineal entre las variables X e Y, denotada por (X, Y), mide el grado de asociacin lineal entre las variables en estudio. Se calcula as:
( X ,Y ) Cov( X , Y )
X Y

, para la poblacin; y

r ( X ,Y )

Cov( X , Y ) n 1 S X SY n

SPXY , para la muestra. SCX SCY

Donde:
n 2 n n

SCX
i 1

Xi

X i2 n X 2 y SCY
i 1 i 1

Yi Y

Yi 2 nY 2
i 1

El coeficiente de correlacin toma valores entre -1 y 1. Cuanto ms cercano a -1 o a 1 se encuentra es ms fuerte la asociacin lineal entre las variables X e Y, y cercano a 0 indica que la asociacin entre la variable es muy baja o que no existe relacin entre X e Y. 197

Ejemplo 5.2 Para los datos del ejemplo 5.1, calcular e interpretar la covarianza y el coeficiente de correlacin lineal simple entre X e Y. Solucin.Las variables X = precio de las muecas ($) e Y = cantidad vendida. Los datos son: X Y 6.5 276 8.0 250 10.0 238 12.5 212 14.0 190 16.0 183 17.5 156 20.0 125

Clculos necesarios:
8 8

n = 8,
i 1

X i 104.5 ,

X 13.0625 ,
i 1

Yi 1630 ,

203.75

X i2
i 1

(6.5) 2 (8.0) 2 .... (17.5) 2 (20.0) 2 1,520.75

SCX
i 1

X i2 n X 2 1520.75 8(13.0625)2

155.7188

Yi 2
i 1

(276) 2 (250) 2 .... (156) 2 (125) 2

349,814

SCY
i 1

Yi 2 nY 2 349,814 8(203.75)2 17, 701.5

X iYi
i 1

(6.5)(276) (8.0)(250) .... (20.0)(125) 19, 642

SPXY
i 1

X iYi n X Y 19, 642 8(13.0625)(203.75)

1, 649.875

Luego: a) Cov( X , Y )
SPXY n 1649.875 8 206.2344

198

b) r

SPXY SCX SCY

1, 649.875 155.7188 17, 701.5

0.994

Interpretacin.- La covarianza negativa y el coeficiente de correlacin cercano a -1, nos indican que existe una alta relacin inversa entre los precios de las muecas y las cantidades vendidas. A continuacin ilustramos los clculos de la covarianza realizados en Excel y su grfico de dispersin correspondiente.
X = Precio 6.5 8.0 10.0 12.5 14.0 16.0 17.5 20.0 13.1 Media Y = Cantidad 276 250 238 212 190 183 156 125 203.8 Media

( Xi
-6.6 -5.1 -3.1 -0.6 0.9 2.9 4.4 6.9

X)

(Yi

Y)

( Xi

X ) (Yi
-474.14 -234.14 -104.89 -4.64 -12.89 -60.95 -211.89 -546.33 -1649.88 -206.2344

Y)

72.3 46.3 34.3 8.3 -13.8 -20.8 -47.8 -78.8 SPXY = COV(X, Y) =

En el eje de las Xs se ha representado ( X i

X ) y en el eje de las Ys (Yi Y ) .

199

5.4 REGRESIN LINEAL SIMPLE Es el proceso que consiste en poner en relacin a una variable dependiente (Y) en funcin de otra independiente (X), llamada tambin variable explicativa o predictora, mediante la ecuacin de una recta, basados en una relacin de causalidad para el fenmeno en estudio. As, en el ejemplo 5.1 vemos que las cantidad demandada de muecas (Y), es una funcin del precio de las mismas (X). Es decir, que Y = f(X). La relacin funcional a la que se postula es la ecuacin de una recta, por lo tanto, se postula que: Yi = a + bXi. Donde a y b son los coeficientes de regresin, siendo b la pendiente de la recta y es negativa porque recoge el efecto de la relacin inversa entre el precio de las muecas y la cantidad demandada. En el diagrama de dispersin obtenido antes, se puede apreciar que no todos los puntos caen sobre la recta postulada, por lo que es necesario agregarle al modelo una componente de error, as el modelo queda como: Yi = a + bXi + ei Ahora el problema se reduce a encontrar los valores de a y de b que permitan hacer pronsticos de Y asumiendo determinados valores de X,. Para poder determinar los valores de a y de b, se postula que los errores promedien cero, es decir buscando que todos los puntos caigan sobre la recta y que la varianza de estos errores sea mnima, surgiendo as el mtodo de los mnimos cuadrados ordinarios. Mtodo de los Mnimos Cuadrados Ordinarios Es un mtodo de aproximacin a los valores verdaderos de a y de b, buscando minimizar la varianza de los errores, la misma que se traduce en:
n n

Minimizar
i 1

ei2
i 1

Yi

a bX i

200

Siendo la suma de los errores al cuadrado funcin de los parmetros a y b, se tiene que tomar derivadas parciales con respecto a dichos parmetros e igualar a cero, as:
n

ei2
i 1

a
n

2
i 1

Yi

a bX i ( 1) 0

ei2
i 1

2
i 1

Yi

a bX i ( X i ) 0

Resultado de igualar a cero y aplicar el operador sumatoria, surgen las denominadas Ecuaciones normales siguientes:
n n

na b
i 1

Xi
i 1

Yi

. (1)

a
i 1

Xi b
i 1

X i2
i 1

X iYi ... (2)

Cuyas soluciones algebraicas son:

n n

X iYi
i 1 n

nXY
i 1

Xi
n

X Yi Y Xi X
2

X
i 1

2 i

nX

2 i 1

SPXY ; SCX

a Y bX

Frmulas de clculo para los valores de a y de b en regresin simple. Cabe resaltar que el smbolo sobre a y sobre b indica que son valores estimados obtenidos con la informacin muestral y son una buena aproximacin hacia a y b en la estadstica inferencial.

Interpretacin de a y b
Al ser b la pendiente de la recta, entonces en b Y , si X X 1 b Y ; quiere

decir que si X se incrementa en una unidad, entonces Y se incrementa en b unidades.

201

 Por otro lado a representa el intercepto con el eje Y, cuando X se aproxima cero y en
algunos casos no tiene mayor sentido. 5.5 COEFICIENTE DE DETERMINACIN (R2) El coeficiente de determinacin mide el porcentaje de explicacin de la variabilidad de la variable dependiente Y, que es debido a la regresin (explicada por la variable independiente X) y el resto que se queda sin explicar se atribuye al error. En la prctica se aproxima (estima) con el coeficiente de correlacin al cuadrado multiplicado por 100, o sea: 100r2 %. Ejemplo 5.3 Para los datos del ejemplo 5.1, se pide: a) calcular e interpretar los coeficientes de regresin y el coeficiente de determinacin entre X e Y; y b) determinar la cantidad demandada de muecas cuando el precio sea de $ 15. Solucin.a) Para las variables X = precio de las muecas ($) e Y = cantidad vendida, en la solucin del ejemplo 5.2 tenemos los clculos que necesitamos, as:
n

SPXY
i 1

X iYi n X Y 19, 642 8(13.0625)(203.75)

1, 649.875

SCX
i 1

X i2 n X 2 1520.75 8(13.0625)2

155.7188

SCY
i 1

Yi 2 nY 2 349,814 8(203.75)2 17, 701.5

Luego:
b SPXY SCX 1649.875 155.7188

- 10.5952

a Y bX

203.75 ( 1.085)(13.0625)

342.15

r2 = (0.994)2 = 0.988 98.8% 202

La ecuacin de regresin simple queda establecido como:

Yi a b Xi 342.15 10.595 X i

Interpretacin.-

b = - 10.595 significa que por cada dlar de incremento en el precio de la muecas,

la cantidad demandada disminuye en casi 11 muecas y viceversa, por cada dlar que disminuye el precio de las muecas, la demanda se incrementa en cerca de 11 muecas.

a = 342.15, indica que la demanda tope bordear las 342 muecas, con el precio de
las mismas alrededor de cero dlares. r2 = 0.988 98.8%, indica que 98.8% de la variabilidad de la demanda de muecas es explicado por el precio de estas. Es decir, que el precio de las muecas ajusta muy bien la cantidad demandada de stas. b) Para determinar la cantidad de muecas demandadas a un precio X = $15, reemplazamos en la ecuacin de regresin de la parte a), as:

Yi

342.15 10.595 X i

342.15 10.595(15) 183.2 = 183 muecas.

Entonces, se espera vender 183 muecas al precio de $15. Veamos como obtener los indicadores del modelo de regresin usando los programas Excel, Minitaab, SPSS y R. En Excel: En una hoja de Excel ingresar los valores de X e Y en las columna A y B respectivamente. Sombrear la variable y los datos. En Datos, escoger Anlisis de datos y en Funciones para anlisis, seleccionar Regresin, y aparece la ventana de dilogo Regresin de la Figura 5.8.

203

Figura 5.8 Aplicando Regresin en Excel En Entrada, indicar el Rango Y de entrada: $B$1:$B$9, Rango X de entrada: $A41:$A$9 y marcar el recuadro Rtulos (para indicar los nombres de las variabes). En Opciones de salida, escoger donde queremos que aparezcan los resultados de la regresin, seleccionamos Rango de salida: indicndole donde queremos que salga, aqu a partir de la celda A12. Tambin se puede escoger obtener los resultados En una hoja nueva: (precisar la hoja en el recuadro) o En un libro nuevo (el programa lo crea). Para terminar hacer clic en Aceptar y se obtiene los resultados de la Figura 5.9. A partir de la celda A12, aparece el Resumen de los clculos de regresin, que para el caso estn sombreados y son: Coeficiente de correlacin = r = 0.993746364, Coeficiente de determinacin R2 =

0.987531836, Coeficiente de intercepcin = a = 342.1501104; y Coeficiente para X =

Precio = b = -10.595223376.
Adems, el Resumen muestra una serie de resultados de la estadstica inferencial aplicados a la regresin como es el Anlisis de Varianza, intervalos de confianza y pruebas estadsticas para los coeficientes de regresin.

204

Figura 5.9 Resultado de la Regresin de cantidad y precio de muecas en Excel En Minitab: Con los datos de la variable precio (X) y cantidad (Y) en el Worksheet, del men escoger Stat, luego Regression y nuevamente la opcin Regression; y aparece la ventana de dilogo Regression de la Figura 5.10.

Figura 5.10 Aplicando Regresin en Minitab

205

De la lista de variables del lado izquierdo, seleccionar la variable Y = cantidad e ingresarla en Response: (variable de respuesta o dependiente) y en Predictors: seleccionar X = Precio. Para terminar hacer clic en OK. Inmediatamente en la ventana de Session del Minitab aparecen los resultados siguientes:
Regression Analysis: Y = Cantidad versus X = Precio

The regression equation is Y = Cantidad = 342 - 10.6 X = Precio Predictor Constant X = Precio S = 6.06500 Coef 342.150 -10.5952 SE Coef 6.701 0.4860 T 51.06 -21.80 P 0.000 0.000

R-Sq = 98.8%

R-Sq(adj) = 98.5%

Analysis of Variance Source Regression Residual Error Total DF 1 6 7 SS 17481 221 17702 MS 17481 37 F 475.23 P 0.000

Se puede apreciar los mismos resultados obtenidos antes, es decir, la ecuacin de regresin, los coeficientes de regresin y el R-cuadrado obtenidos con el Minitab. En SPSS: Con los datos de las variables precio (X) y cantidad (Y) definidos e ingresados en el editor de datos del SPSS, del men seleccionar Analizar Regresin Lineal e inmediatamente aparece la ventana de dilogo de la Figura5.11. De la lista de variables del lado izquierdo, seleccionar la variable CANTIDAD e ingresarla en el recuadro Dependiente:, del mismo modo seleccionar la variable PRECIO e ingresarla en el recuadro Independientes:. Una vez ingresadas las variables, hacer clic en Aceptar y aparecen los resultados mostrados despus de la Figura 5.11.

206

Figura 5.11 Aplicando Regresin en SPSS La vista de resultados del SPSS muestra en el Resumen del modelo los coeficientes de correlacin y determinacin, mientras que en los Coeficientes se presenta la constante

a = 342.150 y b = -10.595.

Resumen del modelo Modelo 1 R R cuadrado a .994 .988 R cuadrado corregida .985 Error tp. de la estimacin 6.06500

a. Variables predictoras : (Cons tante), PRECIO ($)

Coeficientesa Coeficientes no estandarizados B Error tp. 342.150 6.701 -10.595 .486 Coeficientes estandarizad os Beta -.994

Modelo 1

(Constante) PRECIO ($)

t 51.059 -21.800

Sig. .000 .000

a. Variable dependiente: CANTIDAD

207

Al igual que el Minitab, tambin presenta el anlisis de varianza para la regresin siguiente:
ANOVAb Modelo 1 Suma de cuadrados 17480.795 220.705 17701.500 gl 1 6 7 Media cuadrtica 17480.795 36.784 F 475.226 Sig. .000a

Regres in Res idual Total

a. Variables predictoras : (Cons tante), PRECIO ($) b. Variable dependiente: CANTIDAD

En R: Definidos los valores de las variables Precio y Cantidad, por los vectores X e Y respectivamente siguientes: > X=c(6.5, 8.0, 10.0, 12.5, 14.0, 16.0, 17.5, 20.0) > Y=c(276, 250, 238, 212, 190, 183, 156, 125) A continuacin utilizar la funcin lm para definir > modelo=lm(Y~X) > modelo Call: lm(formula = Y ~ X) Coefficients: (Intercept) 342.15 X -10.60

> resumen=summary(modelo) > resumen

208

Call: lm(formula = Y ~ X) Residuals: Min 1Q Median 0.5342 3Q Max

-7.3883 -4.1741 Coefficients:

2.3974 10.3735

Estimate Std. Error t value Pr(>|t|) (Intercept) X --Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 Residual standard error: 6.065 on 6 degrees of freedom Multiple R-squared: 0.9875, Adjusted R-squared: 0.9855 342.150 -10.595 6.701 0.486 51.06 3.79e-09 *** -21.80 6.09e-07 ***

F-statistic: 475.2 on 1 and 6 DF, p-value: 6.086e-07

209

Captulo 6. MODELOS DISCRETOS DE PROBABILIDAD

La estadstica es como una mujer con bikini, muestra casi todo, pero lo fundamental lo oculta . Olvidaba decir que lo fundamental es . lo que yo quiera creer Robert Frost

CONTENIDO 6.1 6.2 6.3 6.4 6.5 Introduccin. Distribucin binomial. Distribucin de Poisson. Distribucin hipergeomtrica. Distribucin geomtrica.

6.1 INTRODUCCIN En el presente captulo se presentan los modelos de probabilidad discretos cuyo clculo ha sido adaptado a los programas que estamos presentando y que permiten dinamizar el aprendizaje del clculo de probabilidades por la simplificacin de los procesos. Se presentan los principales modelos de probabilidad para variables aleatorias discretas, en las que estamos interesados en el nmero de xitos en un determinado nmero de ensayos o pruebas. La determinacin del xito o fracaso en este tipo de pruebas esta sujeto al inters particular de quin realiza una determinada prueba. Entre los modelos a estudiar tenemos las distribuciones: binomial, Poisson, hipergeomtrica y la Geomtrica. En cada caso se presenta las caractersticas principales de cada distribucin, es decir, la funcin de probabilidad, la esperanza, la varianza, la funcin de distribucin acumulativa de probabilidades y las respectivas formas de clculo de probabilidades.

210

6.2 DISTRIBUCIN BINOMIAL Distribucin Bernoulli.Segn Bazn y Corbera (1997) la distribucin de Bernoulli es el modelo ms sencillo de probabilidad y proporciona la base para derivar otras distribuciones de probabilidad discreta. Las pruebas de Bernoulli tienen dos posibles resultados uno de los cuales es fijado convencionalmente como xito (E) y el otro como fracaso (F). Por tanto: = {F, E}. La variable aleatoria X = nmero de xitos en una prueba de Bernoulli toma los valores: Rx = {0, 1}. La probabilidad de xito se denota por P (E) = p = P (X = 1) y la probabilidad de fracaso es el complemento, P (F) = q = 1 p = P (X = 0); las mismas que se calculan con la funcin de probabilidad siguiente:

p ( x ) P( X

x) p x q1 x ; x 0, 1.

La distribucin de probabilidades Bernoulli es: x p (x) = P (X = x) 0 p 1 q=1-p

La media y la varianza de la distribucin Bernoulli son: E (X) = p y Var (X) = pq respectivamente. Ejemplo 6.1 Son ensayos Bernoulli los siguientes: El resultado observado en el lado superior al lanzar una moneda (cara o sello). El estado en que se encuentra un artculo fabricado (bueno o defectuoso). El ingreso de una familia es menor o igual a S/. 2500 o es mayor de 2500.

211

Caractersticas del ensayo binomial Una prueba binomial se caracteriza por estar constituida por n pruebas de Bernoulli repetidas o independientes, cada una con la misma probabilidad p de xito y la variable aleatoria X = nmero de xitos. Rx = {0, 1, 2 , . , n}. Ley de probabilidad La distribucin de probabilidad binomial esta dada por la siguiente funcin:
p ( x) P( X
n! n x ! x!
n x) C x p x q n x

; x 0, 1, 2,3,...., n

Donde: C xn

Los parmetros de la distribucin binomial son n y p. Si una variable X tiene distribucin binomial, se le denota as X ~B (n,p) y la ley de probabilidades es la antes indicada. Media y varianza de la distribucin binomial La media y la varianza de la distribucin binomial son: = E (X) = np y 2 = Var (X) = npq.

La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades de la binomial esta dada por:

F ( x) P( X

x)
xi x

P( X

xi )
xi x

n Cxi p xi q n

xi

Todas estas probabilidades son calculadas por los programas estudiados, tal como veremos a continuacin. Ejemplo 6.2 Se lanza una moneda correcta 5 veces. Sea X = el nmero de caras obtenidas. Calcule la probabilidad de obtener: a) 3 caras; b) a lo ms 2 caras; c) la distribucin de probabilidades; y d) la funcin de distribucin acumulativa de probabilidades.

212

Solucin Cada lanzamiento de la moneda es una prueba de Bernoulli, ya que estamos interesados en observar si sale cara (xito) o no sale (fracaso), con p = q = 0.5. As mismo, se trata de n = 5 pruebas independientes, puesto que el resultado de un lanzamiento no influye en los sucesivos. Por lo tanto, la variable aleatoria X = nmero de caras obtenidas ~B (n=5, p = 0.5) y su funcin de probabilidad es:
p ( x) P( X
5 x) Cx (0.5) x (0.5)5 x 5 Cx (0.5)5 ; x 0, 1, 2,3, 4,5.

a) p(3) P( X

5 1 3) C3 ( )5 2

10 32

0.3125

b) P (X 2) = p(0) + p(1) + p(2) =

1 5 1 5 1 = C0 ( )5 C15 ( )5 C2 ( )5 2 2 2 1 5 10 32 32 32 16 32 0.50

c) La distribucin de probabilidades binomial, calculadas con la funcin de probabilidad, se presentan en el cuadro siguiente: x p(x) 0 1/32 = 0.03125 F(x) 1/32 = 0.03125 1 5/32 = 0.15625 6/32 = 0.18750 2 10/32 = 0.31250 16/32 = 0.50000 3 10/32 = 0.31250 26/32 = 0.81250 4 5/32 = 0.15625 31/32 = 0.96875 5 1/32 = 0.03125 32/32 = 1.00000

d) La distribucin acumulativa de probabilidades se ha determinado con la funcin

F ( x) P( X

x)
xi x

P( X

xi )
xi x

5 Cxi (0.5) xi y se presentan en la tabla

anterior de la pregunta c).

213

Veamos el procedimiento de clculo de estas probabilidades con los programas, las mismas que estn sintetizadas en la tabla de la pregunta c) y d). En Excel: Para hallar la distribucin de probabilidades binomial, en la hoja de clculo definimos en la columna A los valores de la variable x = 0, 1, 2, 3, 4 y 5. En la columna B, definimos las probabilidades p(x) para cada uno de los valores. Para ello, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas

(de seleccionar una categora) y buscamos la funcin DISTR.BINOM y aparece la ventana de dilogo de la Figura 6.1.

Figura 6.1 Clculo de probabilidades para la distribucin binomial en Excel En Argumentos de funcin se define: el nmero de xitos, Nm_xito A2 (0) para poder efectuar una copia para los dems valores de x. Ensayos 5 (nmero de ensayos independientes = 5 lanzamientos de la moneda). La probabilida p de xito Prob_xito

214

0.5 y en Acumulado escribir FALSO, porque no se desea calcular probabilidad acumulada. Al hacer enter, aparece la probabilidad p(0) = 0.03125. Para obtener las probabilidades para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3, B4, B5, B6 y B7, cuyos resultados se muestran en la Figura 6.2. Para obtener las probabilidades acumuladas, estando en la casilla C2, seleccionamos la ventana de dilogo de la Figura 6.1, con los mismos Argumentos de funcin, salvo el de Acumulado en el que se escribe VERDADERO. Al hacer enter, aparece la probabilidad F(0) = 0.03125. Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en C3, C4, C5, C6 y C7, cuyos resultados se muestran en la Figura 6.2.

Figura 6.2 Solucin del Ejemplo 6.2 en Excel En Minitab: En este programa se puede hacer clculos de probabilidades individuales o para el conjunto de valores que toma la variable, tal como se ha efectuado en Excel. Del men escoger Calc Probability Distributions Binomial y aparece la ventana de dilogo de la Figura 6.3. Esta funcin permite tres tipos de clculos: Probabililty (calcular una probabilidad para un valor de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor determinado) e Inverse cumulative probability (calcular el valor de la

215

variable para una probabilidad acumulada dada). Clculos que son realizados indicando previamente los parmetros de la distribucin binomial, es decir, n = Number of trials (nmero de pruebas) y p = Event probability (probabilidad de xito).

Figura 6.3 Probabilidad con la distribucin binomial en Minitab Veamos el clculo de probabilidades individuales. En el ejemplo 6.2, la variable aleatoria X = nmero de caras obtenidas ~B (n=5, p = 0.5) parmetros indicados en la Figura 6.3. En la parte a) se solicita p (3) = P (X = 3) por ello se ha activado Probability e donde se escribe 3.

Al hacer clic en OK, en la hoja de Session aparece el resultado siguiente: Probability Density Function Binomial with n = 5 and p = 0.5 x 3 P( X = x ) 0.3125

En la parte b) del ejemplo 6.2 se solicita la probabilidad acumulada F (2) = P (X 2) por lo que se hace necesario seleccionar escribir 2, tal como se muestra en la Figura 6.4. 216 y en

Figura 6.4 Probabilidad acumulada con la distribucin binomial en Minitab Al hacer clic en OK, en la hoja de Session aparece el resultado siguiente: Cumulative Distribution Function Binomial with n = 5 and p = 0.5 x P( X <= x ) 2 0.5 Resultados similares a los del ejemplo 6.2. Veamos el clculo de probabilidades para un conjunto de valores Primero definir los valores en una columna de la Worksheet (hoja de trabajo del Minitab); para el ejemplo 6.2, en la columna C1 con la denominacin x se han definido los valores 0, 1, 2, 3, 4 y 5. Para calcular las probabilidades para cada uno de los valores de la variable, se procede de manera similar a lo realizado en la Figura 6.3, slo que no se selecciona Input constant:, sino muestra en la Figura 6.5. en donde se selecciona la columna C1 o x, tal como se

217

Como son seis probabilidades las que se van a calcular se tiene que indicar donde se quiere colocar dichos resultados.

Figura 6.5 Probabilidad para varios valores con distribucin binomial en Minitab Si se desea seguir usando estos resultados para hacer otros clculos, los mismos deben aparecer en la Worksheet del Minitab, por ello en Optional storage: (deposito opcional de resultados) escribir C2. Para terminar hacer clic en OK y los resultados se muestran en la columna C2 de la Worksheet. Si no se van hacer otros clculos con los resultados, hacer clic en OK y dichos resultados se muestran en la hoja de Session as: Probability Density Function Binomial with n = 5 and p = 0.5 x 0 1 2 3 4 5 P( X = x ) 0.03125 0.15625 0.31250 0.31250 0.15625 0.03125

218

Para calcular las probabilidades acumuladas para los seis valores del ejemplo 6.2 y con los resultados en la hoja de Session, en la Figura 6.5 seleccionar y al hacer clic en OK aparecen los resultados siguientes: Cumulative Distribution Function Binomial with n = 5 and p = 0.5 x P( X <= x ) 0 0.03125 1 0.18750 2 0.50000 3 0.81250 4 0.96875 5 1.00000 Los dos ltimos resultados son idnticos a los que aparecen en la Figura 6.2, los que a continuacin se presentan tal como se han obtenido en la Worksheet del Minitab.

El grfico de la distribucin binomial obtenido con el Minitab es el siguiente:

Grfico 6.1 Distribucin binomial (n = 5, p = 0.5)
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00

p(x)

2 x

219

En SPSS: Para calcular las probabilidades simples (P) y las acumuladas (F) del ejemplo 6.2, en la vista de variables se define x y en la vista de datos se ingresan los mismos (0, 1, 2, 3, 4 y 5). Veamos el clculo de probabilidades simples (P). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 6.6. En Variable de destino: escribir P. Del Grupo de funciones: del lado derecho, escoger FDP y FDP no centrada; y de Funciones y variables especiales: seleccionar Pdf.Binom y con un clic en ingresarla en el recuadro Expresin numrica: donde aparece PDF.BINOM(?,?,?).

Figura 6.6 Clculo de probabilidades con la distribucin binomial en SPSS A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin PDF.BINOM(cant,n,prob) que se precisan en el recuadro central de la Figura 6.6. As cant representa los valores de la variable x, n el nmero de ensayos = 5 y prob =

220

probabilidad de xito = 0.5. Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados siguientes:

Para el clculo de las probabilidades acumuladas (F) del ejemplo 6.2, proceder de manera similar al clculo de probabilidades simples, con las variantes indicadas, tal como se muestra en la Figura 6.7.

Figura 6.7 Probabilidades acumuladas con la distribucin binomial en SPSS En la Variable de destino: se escribe F. Del Grupo de funciones: escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Binom e ingresarla en el recuadro Expresin numrica y definir los argumentos cant, n y prob

221

as: CDF.BINOM(x,5,0.5). Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados siguientes:

Nota.- para el clculo de probabilidades simples en SPSS se usa la funcin FDP y FDP no centrada y para calcular las probabilidades acumuladas la funcin FDA y FDA no centrada. En R: Para calcular probabilidades simples con la distribucin binomial usar la funcin dbinom(x,n,p). Donde x puede ser un valor o un conjunto de valores definidos previamente, n el nmero de ensayos y p la probabilidad de xito. En el ejemplo 6.2, X = nmero de caras obtenidas ~B (n=5, p = 0.5). En la parte a) se solicita p (3) = P (X = 3), esto se calcula as: > dbinom(3,5,0.5) [1] 0.3125 Si se desea determinar la distribucin de probabilidades de la variable aleatoria X, primero se define el vector de valores y luego se calculan las probabilidades as: > x=c(0,1,2,3,4,5) > dbinom(x,5,0.5) [1] 0.03125 0.15625 0.31250 0.31250 0.15625 0.03125 El resultado anterior muestra las probabilidades para cada valor de X, pero la presentacin del resultado no permite una adecuada lectura. Por ello se recomienda definir las probabilidades anteriores a travs del objeto P definido as:

222

> P=dbinom(x,5,0.5) Para mejorar la presentacin de la distribucin de probabilidades (x, P) usar la funcin cbind que permite presentar los resultados de los objetos definidos en columna, uno a continuacin de otro, as: > cbind(x,P) x P

[1,] 0 0.03125 [2,] 1 0.15625 [3,] 2 0.31250 [4,] 3 0.31250 [5,] 4 0.15625 [6,] 5 0.03125 Para calcular probabilidades acumuladas con la distribucin binomial usar la funcin pbinom(x,n,p). Donde x puede ser un valor o un conjunto de valores definidos previamente, n el nmero de ensayos y p la probabilidad de xito. En la parte b) del ejemplo 6.2 se solicita F (2) = P (X 2), esto se calcula as: > pbinom(2,5,0.5) [1] 0.5 Para obtener la distribucin de probabilidades y las probabilidades acumuladas efectuamos el siguiente proceso. > F=pbinom(x,5,0.5) > cbind(x,P,F) x P F

[1,] 0 0.03125 0.03125 [2,] 1 0.15625 0.18750

223

[3,] 2 0.31250 0.50000 [4,] 3 0.31250 0.81250 [5,] 4 0.15625 0.96875 [6,] 5 0.03125 1.00000 Resultados idnticos a los obtenidos con los dems programas. Observacin.- para las siguientes distribuciones de probabilidades los clculos efectuados con los programas estudiados son similares a los de la distribucin binomial. 6.3 DISTRIBUCIN DE POISSON La distribucin Poisson se deduce como un lmite de la distribucin binomial y como un proceso de Poisson. Como un lmite de la distribucin binomial, se toma con media igual a = np asumiendo p pequeo (p 0) y n grande (n ). La distribucin de probabilidades de la variable aleatoria discreta de Poisson X = nmero de xitos viene dada por:
x

p( x) P( X

x)

e ; x 0, 1, 2,3,.... x!

El parmetro de la distribucin Poisson es . Si una variable X tiene distribucin Poisson, se le denota as X ~ P () y la ley de probabilidades es la antes indicada. Media y varianza de la distribucin Poisson La media y la varianza de la distribucin Poisson es la misma e igual a . = E (X) = 2 = Var (X) = . La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades de la Poisson esta dada por:
xi

F ( x) P( X

x)
xi x

P( X

xi )
xi x

e xi !

224

La deduccin como un proceso de Poisson, surge cuando hay eventos discretos que se generan en un intervalo continuo t (unidad de medida: longitud, rea, volumen, tiempo, etc.) y forman un proceso de Poisson con parmetro , si tiene las siguientes propiedades. El promedio de xitos que ocurren en una unidad de medida t es conocido e igual a t. La ocurrencia de los eventos son independientes. La probabilidad de xito en una unidad de medida pequea de longitud h es proporcional a su longitud: h. La probabilidad de ocurrencia de 2 o ms xitos en esta unidad pequea h es aproximadamente cero. Si en un proceso de Poisson de parmetro se observa t unidades de medida, se define X = nmero de ocurrencias de eventos en las t unidades de medida. Entonces, el recorrido de la variable es RX = {0, 1, 2, 3, . }. La variable aleatoria X tiene distribucin Poisson definida por:

p ( x) P( X

x)

( t)x e x!

; x 0, 1, 2,3,....

Donde t es el promedio de ocurrencias de los eventos en las t unidades de medida. En ambas frmulas del clculo de probabilidades con la distribucin de Poisson lo primero que se tiene que determinar es la media, bien o t.

Ejemplo 6.3 El promedio de llamadas recibidas por una central telefnica en un minuto es igual a 2. Calcule la probabilidad de que en 2 minutos se reciban: a) 3 llamadas; b) a lo ms 2 llamadas; c) la distribucin de probabilidades; y d) la funcin de distribucin acumulativa de probabilidades.

225

Solucin Como = 2 y t = 2, t = 4 llamadas promedio en 2 minutos. Sea X = el nmero de llamadas recibidas en 2 minutos ~ P (4) y la ley de probabilidades es:

p( x) P( X

x)

4x e 4 ; x 0, 1, 2,3,.... Luego: x! 43 e 4 = 0.195367 3! 40 e 4 0! 41 e 4 1! 42 e 4 = 0.23810 2!

a) p(3) = P(X = 3) =

b) P (X 2) = p(0) + p(1) + p(2) =

c) La distribucin de probabilidades Poisson, calculadas con la funcin de probabilidad, se presentan en el cuadro siguiente: x 0 1 2 3 4 5 6 7 8 9 10 11 12 p(x) = P(X = x) 0.018316 0.073262 0.146525 0.195367 0.195367 0.156293 0.104196 0.059540 0.029770 0.013231 0.005292 0.001925 0.000641 F(x) = P(X x) 0.018316 0.091578 0.238103 0.433470 0.628837 0.785130 0.889326 0.948866 0.978637 0.991868 0.997160 0.999085 0.999726

226

d) La distribucin acumulativa de probabilidades se ha determinado con la funcin

F ( x) P( X x)
xi x

P( X

xi )
xi

4 xi e 4 y se presentan en la tabla anterior xi ! x

de la pregunta c). Veamos el procedimiento de clculo de estas probabilidades con los programas, las mismas que estn sintetizadas en la tabla de la pregunta c) y d). En Excel: Para hallar la distribucin de probabilidades Poisson, en la hoja de clculo definimos en la columna A los valores de la variable x = 0, 1, 2, 3, 4, ., 15, .. En la columna B, definimos las probabilidades p(x) para cada uno de los valores. Para ello, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas

(de seleccionar una categora) y buscamos la funcin POISSON y aparece la ventana de dilogo de la Figura 6.8.

Figura 6.8 Clculo de probabilidades para la distribucin Poisson en Excel

227

En Argumentos de funcin se define: el nmero de xitos, x A2 (0) para poder efectuar una copia para los dems valores de x. Media 4 y en Acumulado escribir FALSO, porque no se desea calcular probabilidad acumulada. Al hacer enter, aparece la probabilidad p(0) = 0.01832. Para obtener las probabilidades para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3, B4, hasta B17, cuyos resultados se muestran en la Figura 6.9. Para obtener las probabilidades acumuladas, estando en la casilla C2, seleccionamos la ventana de dilogo de la Figura 6.8, con los mismos Argumentos de funcin, salvo el de Acumulado en el que se escribe VERDADERO. Al hacer enter, aparece la probabilidad F(0) = 0.01832. Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en C3, C4, hasta C17, cuyos resultados se muestran en la Figura 6.9.

Figura 6.9 Solucin del Ejemplo 6.3 en Excel 228

En Minitab: En este programa, al igual que en la distribucin binomial, se puede hacer clculos de probabilidades individuales o para el conjunto de valores que toma la variable. Del men escoger Calc Probability Distributions Poisson y aparece la ventana de dilogo de la Figura 6.10. En el ejemplo 6.3, la variable aleatoria X = nmero de llamadas recibidas ~P (=4) parmetro indicado en la Figura 6.10. Esta funcin permite tres tipos de clculos: Probabililty (calcular una probabilidad para un valor de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Clculos que se realizan indicando previamente el parmetro de la distribucin Poisson, es decir, = 4 = Mean (media).

Figura 6.10 Probabilidad con la distribucin Poisson en Minitab Veamos el clculo de probabilidades individuales. Para calcular la probabilidad de X = 3, activar , seleccionar

y en el recuadro escribir 3. Al hacer clic en OK, en la hoja de Session aparece este resultado:

229

Probability Density Function Poisson with mean = 4 x 3 P( X = x ) 0.195367

Para calcular las probabilidades individuales para todos los valores de x= 0, 1, 2, 3, 4, ., 15 especificados en la columna C1 de la Worksheet se activa Probability . Seleccionar y escoger x en el recuadro; y en Optional

storage; se escoge p(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados de la Figura 6.11.

Figura 6.11 Probabilidad para varios valores con distribucin Poisson en Minitab Para calcular las probabilidades acumuladas para los valores del ejemplo 6.3 y con los resultados en la Worksheet, en la Figura 6.10 seleccionar y en Optional storage: seleccionar F(x). Al hacer clic en OK en la Worksheet aparecen los resultados de la Figura 6.11. El grfico de la distribucin Poisson obtenido con el Minitab es el siguiente:

230

Grfico 6.2 Distribucin de Poisson con = 4

0.20

0.15

p(x)

0.10

0.05

0.00

7 x

10

11

12

13

14

15

En SPSS: Para calcular las probabilidades simples (P) del ejemplo 6.3, en la vista de variables se define x y en la vista de datos se ingresan los mismos (0, 1, 2, 3, 4, ., 15, ).

Figura 6.12 Clculo de probabilidades con la distribucin Poisson en SPSS

231

Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 6.12. En Variable de destino: escribir P. Del Grupo de funciones: del lado derecho, escoger FDP y FDP no centrada; y de Funciones y variables especiales: seleccionar Pdf.Poison y con un clic en ingresarla en el recuadro Expresin numrica: donde aparece PDF.POISSON(?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin PDF.POISSON(cant,media) que se precisan en el recuadro central de la Figura 6.12. As cant representa los valores de la variable x, y media = = 4. Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.14. Para el clculo de las probabilidades acumuladas (F) del ejemplo 6.3, proceder de manera similar al clculo de probabilidades simples, con las variantes indicadas, tal como se muestra en la Figura 6.13.

Figura 6.13 Probabilidades acumuladas con la distribucin Poisson en SPSS

232

En la Variable de destino: se escribe F. Del Grupo de funciones: escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Poisson e ingresarla en el recuadro Expresin numrica y definir los argumentos cant y media as: CDF.POISSON(x,4). Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.14.

Figura 6.14 Distribucin de probabilidades Poisson del ejemplo 6.3 en SPSS

En R: Para calcular probabilidades simples con la distribucin Poisson usar la funcin dpois(x,). Donde x puede ser un valor o un conjunto de valores definidos previamente y la media. En el ejemplo 6.3, X = nmero de llamadas recibidas ~ P ( = 4). En la parte a) se solicita p (3) = P (X = 3), esto se calcula as: > dpois(3,4) [1] 0.1953668

233

Si se desea determinar la distribucin de probabilidades de la variable aleatoria X, primero se define el vector de valores y luego se calculan las probabilidades as: > x=c(0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15) > P=dpois(x,4) Para presentar la distribucin de probabilidades (x, P) usar la funcin cbind que permite presentar los resultados de los objetos definidos en columna, uno a continuacin de otro, as: > cbind(x,P) x [1,] [2,] [3,] [4,] [5,] [6,] [7,] [8,] [9,] [10,] P

0 1.831564e-02 1 7.326256e-02 2 1.465251e-01 3 1.953668e-01 4 1.953668e-01 5 1.562935e-01 6 1.041956e-01 7 5.954036e-02 8 2.977018e-02 9 1.323119e-02

[11,] 10 5.292477e-03 [12,] 11 1.924537e-03 [13,] 12 6.415123e-04 [14,] 13 1.973884e-04 [15,] 14 5.639669e-05 [16,] 15 1.503912e-05 Para calcular probabilidades acumuladas con Poisson usar la funcin ppois(x,). Donde x puede ser un valor o un conjunto de valores definidos y la media. 234

En la parte b) del ejemplo 6.3 se solicita F (2) = P (X 2), esto se calcula as: > ppois(2,4) [1] 0.2381033 Para obtener la distribucin de probabilidades y las probabilidades acumuladas efectuamos el siguiente proceso. > F=ppois(x,4) > cbind(x,P,F) x [1,] [2,] [3,] [4,] [5,] [6,] [7,] [8,] [9,] [10,] P F

0 1.831564e-02 0.01831564 1 7.326256e-02 0.09157819 2 1.465251e-01 0.23810331 3 1.953668e-01 0.43347012 4 1.953668e-01 0.62883694 5 1.562935e-01 0.78513039 6 1.041956e-01 0.88932602 7 5.954036e-02 0.94886638 8 2.977018e-02 0.97863657 9 1.323119e-02 0.99186776

[11,] 10 5.292477e-03 0.99716023 [12,] 11 1.924537e-03 0.99908477 [13,] 12 6.415123e-04 0.99972628 [14,] 13 1.973884e-04 0.99992367 [15,] 14 5.639669e-05 0.99998007 [16,] 15 1.503912e-05 0.99999511

235

6.4 DISTRIBUCIN HIPERGEOMTRICA Esta distribucin esta asociada a experimentos del siguiente tipo: de un conjunto de N objetos, de los cuales M poseen cierta caracterstica de inters y el resto N M no la poseen, se extrae n objetos al azar y sin reemplazo; y se observa el nmero x de objetos en la muestra que poseen la caracterstica de inters. Dicho experimento tiene asociada una variable aleatoria X que da el nmero x de xitos (objetos en la muestra que poseen la caracterstica de inters) en n ensayos de Bernoulli cuya distribucin de probabilidades esta dada por:

p( x) P( X

x)

CxM CnN xM ; mx {o, n + M - N} x mn {n, M} CnN

Los parmetros de la distribucin hipergeomtrica son N, M y n. Si una variable X tiene distribucin hipergeomtrica, se le denota as X ~ Hiper (N, M, n) y la ley de probabilidades es la antes indicada. Media y varianza de la distribucin hipergeomtrica La media y la varianza de la distribucin hipergeomtrica son: = E (X) = np y 2 = Var (X) = npq(N n) / (N 1) Donde: p = M/N y q = (N M) / N = 1 - p La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades de la hipergeomtrica esta dada por:

F ( x) P( X

x)
xi x

P( X

xi )
xi x

CxM CnN xiM i CnN

Ejemplo 6.4 De la baraja de 52 cartas se reparten 5 naipes sin reposicin. Sea X el nmero de naipes de color negros repartidos. Calcule la probabilidad de que entre los 5 naipes

236

repartidos hayan: a) 3 naipes negros; b) a lo ms 2 naipes negros; c) la distribucin de probabilidades; y d) la funcin de distribucin acumulativa de probabilidades. Solucin En la baraja N = 52 cartas, M = 26 cartas negras, n = 5 cartas repartidas sin reposicin. Sea X = el nmero de naipes negros repartidos ~ Hiper (52, 26, 5) y la ley de probabilidades es:
26 Cx C526x x) ; x 0,1, 2,3, 4,5 Luego: 52 C5

p ( x) P( X

a) p(3) P( X

3)

26 C326 C2 = 0.32513 52 C5

b) P (X 2) = p(0) + p(1) + p(2) =

26 C0 C526 52 C5

26 C126 C4 52 C5

26 C2 C326 = 52 C5

= 0.02531 + 0.14956 + 0.32513 = 0.50000 c) La distribucin de probabilidades, calculadas con la funcin de probabilidad hipergeomtrica, se presentan en el cuadro siguiente: x p(x) F(x) 0 0.02531 0.02531 1 0.14956 0.17487 2 0.32513 0.50000 3 0.32513 0.82513 4 0.14956 0.97469 5 0.02531 1.00000

d) La distribucin acumulativa de probabilidades se ha determinado con la funcin

F ( x) P( X

x)
xi x

P( X

xi )
xi x

Cx26C526xi i
52 C5

y se presentan en la tabla anterior

de la pregunta c). Veamos el procedimiento de clculo de estas probabilidades con los programas, las mismas que estn sintetizadas en la tabla de la pregunta c) y d).

237

En Excel: Para hallar la distribucin de probabilidades hipergeomtrica, en la hoja de clculo definimos en la columna A los valores de la variable x = 0, 1, 2, 3, 4 y 5. En la columna B, definimos las probabilidades p(x) para cada uno de los valores. Para ello, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas

(de seleccionar una categora) y buscamos la funcin DISTR.HIPERGEOM y aparece la ventana de dilogo de la Figura 6.15.

Figura 6.15 Clculo de distribucin hipergeomtrica en Excel En Argumentos de funcin se define: el nmero de xitos en la muestra, Muestra_xito A2 (0) para poder efectuar una copia para los dems valores de x. Num_de_muestra 5 (es el tamao de la muestra n). Poblacin_xito 26 (es el nmero de xitos en la poblacin = M) y en Num_de_poblacin 52 (el tamao de la poblacin N). Al hacer enter, aparece la probabilidad p(0) = 0.02531. Para obtener las probabilidades para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3, B4, B5, B6 y B7, cuyos resultados se muestran en la Figura 6.16. 238

Las probabilidades acumuladas F(x) se han determinado haciendo los clculos en la columna C usando los de la columna B, estos se muestran en la Figura 6.16.

Figura 6.16 Solucin del Ejemplo 6.4 en Excel En Minitab: En este programa, al igual que en la distribucin binomial y Poisson, se puede hacer clculos de probabilidades individuales o para el conjunto de valores que toma la variable. Del men escoger Calc Probability Distributions Hipergeometric y aparece la ventana de dilogo de la Figura 6.17. En el ejemplo 6.4, la variable aleatoria X = nmero de naipes negros repartidos ~ Hiper (52, 26, 5) parmetros indicados en la Figura 6.17. Esta funcin permite tres tipos de clculos: Probabililty (calcular una probabilidad para un valor de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Clculos que se realizan indicando previamente los parmetros de la distribucin hipergeomtrica, es decir: Population size (N): = el tamao de la poblacin = 52; Event count in population (M) = nmero de xitos en la poblacin = 26; y Sample size (n): = tamao de la muestra = 5.

239

Figura 6.17 Probabilidad con la distribucin hipergeomtrica en Minitab Veamos el clculo de probabilidades individuales. Para calcular la probabilidad de X = 3, se activa , seleccionar

y en el recuadro escribir 3. Al hacer clic en OK, en la hoja de Session aparece este resultado: Probability Density Function Hypergeometric with N = 52, M = 26, and n = 5 x 3 P( X = x ) 0.325130

Para calcular las probabilidades individuales para todos los valores de x= 0, 1, 2, 3, 4, ., 15 especificados en la columna C1 de la Worksheet se activa Probability . Seleccionar y escoger x en el recuadro; y en Optional

storage; se escoge p(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados de la Figura 6.18. Para calcular las probabilidades acumuladas para los valores del ejemplo 6.4 y con los resultados en la Worksheet, en la Figura 6.17 seleccionar 240

y en Optional storage: seleccionar F(x). Al hacer clic en OK en la Worksheet aparecen los resultados de la Figura 6.18.

Figura 6.18 Probabilidades con distribucin hipergeomtrica en Minitab El grfico de la distribucin hipergeomtrica obtenido con el Minitab es el siguiente:

Grfico 6.3 Distribucin hipergeomtrica con N = 52, M = 26, n = 5

0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00

p(x)

2 x

En SPSS: Para calcular las probabilidades simples (P) del ejemplo 6.4, en la vista de variables se define x y en la vista de datos se ingresan los mismos (0, 1, 2, 3, 4, 5). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 6.19. En Variable de destino: escribir P.

241

Figura 6.19 Clculo de probabilidades con la distrib. hipergeomtrica en SPSS Del Grupo de funciones: del lado derecho, escoger FDP y FDP no centrada; y de Funciones y variables especiales: seleccionar Pdf.Hiper y con un clic en ingresarla en el recuadro Expresin numrica: donde aparece PDF.HIPER(?,?,?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin PDF.HIPER(cant,total,muestra,aciertos) que se precisan en el recuadro central de la Figura 6.19. As cant representa los valores de la variable x, total = N = 52, muestra = n = 5 y aciertos = M = 26. Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.21. Para el clculo de las probabilidades acumuladas (F) del ejemplo 6.4, proceder de manera similar al clculo de probabilidades simples, con las variantes indicadas, tal como se muestra en la Figura 6.20. En la Variable de destino: se escribe F. Del Grupo de funciones: escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Hiper e 242

ingresarla en el recuadro Expresin numrica y definir los argumentos cant, total, muestra y aciertos, as: CDF.HIPER(x,52,5,26).

Figura 6.20 Probabilidades acumuladas con la distrib. hipergeomtrica en SPSS

Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.21.

Figura 6.21 Distrib. de probabilidades hipergeomtrica del ejemplo 6.4 en SPSS

243

En R: Para calcular probabilidades simples con la distribucin hipergeomtrica usar la funcin dhyper(x,M,N-M,n). Donde x puede ser un valor o un conjunto de valores definidos previamente, M = objetos con la caracterstica de inters, N-M = objetos sin la caracterstica de inters y n el tamao de la muestra. En el ejemplo 6.4, X = nmero de naipes negros repartidos ~ Hiper (N = 52, M =26, n = 5). En la parte a) se solicita p (3) = P (X = 3), esto se calcula as: > dhyper(3,26,26,5) [1] 0.3251301 Si se desea determinar la distribucin de probabilidades de la variable aleatoria X, primero se define el vector de valores y luego se calculan las probabilidades as: > x=c(0,1,2,3,4,5) > P=dhyper(x,26,26,5) Para presentar la distribucin de probabilidades (x, P) usar la funcin cbind que permite presentar los resultados de los objetos definidos en columna, uno a continuacin de otro, as: > cbind(x,P) x P

[1,] 0 0.02531012 [2,] 1 0.14955982 [3,] 2 0.32513005 [4,] 3 0.32513005 [5,] 4 0.14955982 [6,] 5 0.02531012

244

Para calcular probabilidades acumuladas con la hipergeomtrica usar la funcin phyper(x,M,N-M,n). Donde x puede ser un valor o un conjunto de valores definidos previamente, M = objetos con la caracterstica de inters, N-M = objetos sin la caracterstica de inters y n el tamao de la muestra. En la parte b) del ejemplo 6.4 se solicita F (2) = P (X 2), esto se calcula as: > phyper(2,26,26,5) [1] 0.5 Para obtener la distribucin de probabilidades y las probabilidades acumuladas efectuamos el siguiente proceso. > F=phyper(x,26,26,5) > cbind(x,P,F) x P F

[1,] 0 0.02531012 0.02531012 [2,] 1 0.14955982 0.17486995 [3,] 2 0.32513005 0.50000000 [4,] 3 0.32513005 0.82513005 [5,] 4 0.14955982 0.97468988 [6,] 5 0.02531012 1.00000000 Resultados idnticos para cada uno de los programas empleados. Cabe resaltar que cualquiera de los clculos de probabilidades con otras distribuciones son similares, vemos ahora la distribucin geomtrica de probabilidades.

245

6.5 DISTRIBUCIN GEOMTRICA Es una distribucin que se relaciona con el proceso de Bernoulli excepto que el nmero de ensayos no es fijo. La variable aleatoria geomtrica se define como X = nmero de ensayos independientes requeridos hasta obtener el primer xito, con probabilidad de xito p y probabilidad de fracaso q. La ley de probabilidades geomtrica est dada por:

p ( x ) P( X

x) p q x 1 ; x 1, 2,3, 4,5,....

El parmetro de la distribucin geomtrica es p. Si una variable X tiene distribucin geomtrica, se le denota as X ~ Geom (p) y la ley de probabilidades es la antes indicada. Media y varianza de la distribucin geomtrica La media y la varianza de la distribucin geomtrica son: = E (X) = 1/p y 2 = Var (X) = q/p2 La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades de la geomtrica esta dada por:

F ( x) P( X

x)
xi x

P( X

xi ) p
xi x

q xi

Ejemplo 6.5 Se lanza una moneda cargada con probabilidad de cara igual a 1/4. Sea X el nmero de lanzamientos de la moneda hasta obtener cara. Calcule la probabilidad de que se hayan realizado: a) 3 lanzamientos; b) a lo ms 2 lanzamientos; c) la distribucin de probabilidades; y d) la funcin de distribucin acumulativa de probabilidades.

246

Solucin El xito es obtener cara, entonces p = P(C) = = 0.25 y q = = 0.75. Sea X = el nmero de lanzamientos de la moneda hasta obtener cara ~ Geom (0.25) y la ley de probabilidades es:
1 4 3 4
x 1

p( x) P( X

x)

; x 1, 2,3, 4,.... Luego:

a) p(3) P( X

3)

1 4

3 4

3 1

= 0.14063

1 b) P (X 2) = p(1) + p(2) = 4

3 4

1 1

1 4

3 4

2 1

= 0.25000 + 0.18750 = 0.4375 c) La distribucin de probabilidades, calculadas con la funcin de probabilidad geomtrica, se presenta en el cuadro siguiente: x 1 2 3 4 5 6 7 8 9 10 11 p(x) = P(X = x) 0.25000 0.18750 0.14063 0.10547 0.07910 0.05933 0.04449 0.03337 0.02503 0.01877 0.01408 F(x) = P(X x) 0.25000 0.43750 0.57813 0.68359 0.76270 0.82202 0.86652 0.89989 0.92492 0.94369 0.95776

247

d) La distribucin acumulativa de probabilidades se ha determinado con la funcin

F ( x) P( X

x)
xi x

P( X

1 xi ) 4 xi

3 4

xi 1

y se presentan en la tabla

anterior de la pregunta c). Veamos el procedimiento de clculo de estas probabilidades con los programas, las mismas que estn sintetizadas en la tabla de la pregunta c) y d).

En Excel: La distribucin de probabilidades geomtrica no esta definida en el Excel, pero se pueden obtener en la hoja de clculo trabajando con la frmula. Para ello definir en la columna A, los valores de la variable x, luego en la columna B definir las probabilidades p(x) como frmula de clculo. Del mismo modo en la columna C, definir los acumulados, bajo la forma tradicional de acumulacin y se obtiene el resultado mostrado en la Figura 6.22.

Figura 6.22 Solucin del Ejemplo 6.5 en Excel 248

En Minitab: En este programa, al igual que para las distribuciones anteriores, se puede hacer clculos de probabilidades individuales o para el conjunto de valores que toma la variable. Del men escoger Calc Probability Distributions Geometric y aparece la ventana de dilogo de la Figura 6.23. En el ejemplo 6.5, la variable aleatoria X = el nmero de lanzamientos de la moneda hasta obtener cara ~ Geom (0.25) parmetro indicado en la Figura 6.23.

Figura 6.23 Probabilidad con la distribucin geomtrica en Minitab Esta funcin permite tres tipos de clculos: Probabililty (calcular una probabilidad para un valor de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Clculos que se realizan indicando previamente el parmetro de la distribucin geomtrica, es decir: p = 0.25 escrito en Event probability.

249

Veamos el clculo de probabilidades individuales. Para calcular la probabilidad de X = 3, se activa , seleccionar

y en el recuadro escribir 3. Al hacer clic en OK, en la hoja de Session aparece este resultado: Probability Density Function Geometric with p = 0,25 x 3 P( X = x ) 0,140625

* NOTE * X = total number of trials.

Para calcular las probabilidades individuales para todos los valores de x= 0, 1, 2, 3, 4, ., 15 especificados en la columna C1 de la Worksheet se activa Probability . Seleccionar y escoger x en el recuadro; y en Optional

storage; se escoge p(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados de la Figura 6.24. Para calcular las probabilidades acumuladas para los valores del ejemplo 6.5 y con los resultados en la Worksheet, en la Figura 6.23 seleccionar y en Optional storage: seleccionar F(x). Al hacer clic en OK en la Worksheet aparecen los resultados de la Figura 6.24. Las probabilidades acumuladas presentadas en la Figura 6.24, se encuentran alrededor de 0.987, para X = 15, por lo que existen ms valores de X cuyas probabilidades acumuladas no se han evaluado. As tenemos que para X = 40: el Minitab arroja una probabilidad ms cerca de uno y es la siguiente: Cumulative Distribution Function Geometric with p = 0.25 x 40 P( X <= x ) 0.999990

* NOTE * X = total number of trials.

250

Figura 6.24 Probabilidades con distribucin geomtrica en Minitab

El grfico de la distribucin geomtrica obtenido con el Minitab es el siguiente:

Grfico 6.4 Distribucin geomtrica con p = 0.25

0.25

0.20

p(x)

0.15

0.10

0.05

0.00

9 x

10 11 12 13 14 15 16 17 18

251

En SPSS: Para calcular las probabilidades simples (P) del ejemplo 6.5, en la vista de variables se define x y en la vista de datos se ingresan los mismos (0, 1, 2, 3, , 14, 15, .). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 6.25. En Variable de destino: escribir P.

Figura 6.25 Clculo de probabilidades con la distribucin geomtrica en SPSS Del Grupo de funciones: del lado derecho, escoger FDP y FDP no centrada; y de Funciones y variables especiales: seleccionar Pdf.Geom y con un clic en ingresarla en el recuadro Expresin numrica: donde aparece PDF.GEOM(?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin PDF.GEOM(cant,prob) que se precisan en el recuadro central de la Figura 6.25. As cant representa los valores de la variable x, prob = probabilidad de xito = p = 0.25.

252

Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.27. Para el clculo de las probabilidades acumuladas (F) del ejemplo 6.5, proceder de manera similar al clculo de probabilidades simples, con las variantes indicadas, tal como se muestra en la Figura 6.26. En la Variable de destino: se escribe F. Del Grupo de funciones: escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Geom e ingresarla en el recuadro Expresin numrica. Luego definir los argumentos cant, y prob, as: CDF.GEOM(x,0.25).

Figura 6.26 Probabilidades acumuladas con la distribucin geomtrica en SPSS

Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 6.27.

253

Figura 6.27 Distrib. de probabilidades geomtrica del ejemplo 6.5 en SPSS En R: El clculo de probabilidades para la distribucin geomtrica en R se realiza con una variante en los valores de la variable que van desde cero hacia adelante. Para ello se define una variable Y = X - 1 = nmero de pruebas (lanzamientos de la moneda) menos uno hasta obtener el xito (cara). Es decir que: P(X = x) = P(Y = x 1). Por lo tanto, la funcin de probabilidad y la distribucin acumulativa de probabilidades para el R son:

p( y) P(Y

y) p q y ; y

0,1, 2,3, 4,5,....

F ( y) P(Y

y)
yi y

P(Y

yi ) p
yi y

q yi

Para calcular probabilidades simples con la distribucin geomtrica usar la funcin dgeom(y,p). Donde y puede ser un valor o un conjunto de valores definidos previamente y p = probabilidad de xito. En el ejemplo 6.5, se defini X = el nmero de lanzamientos de la moneda hasta obtener cara ~ Geom (0.25). En la parte a) se solicita p (3) = P (X = 3) = P(Y = 2), esto se calcula en R as:

254

> dgeom(2,0.25) [1] 0.140625 Si se desea determinar la distribucin de probabilidades de la variable aleatoria Y, primero se define el vector de valores y luego se calculan las probabilidades as: > y=c(0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15) > P=dgeom(y,0.25) Para presentar la distribucin de probabilidades (y, P) usar la funcin cbind que permite presentar los resultados de los objetos definidos en columna, uno a continuacin de otro, as: > cbind(y,P) y [1,] [2,] [3,] [4,] [5,] [6,] [7,] [8,] [9,] [10,] P

0 0.250000000 1 0.187500000 2 0.140625000 3 0.105468750 4 0.079101563 5 0.059326172 6 0.044494629 7 0.033370972 8 0.025028229 9 0.018771172

[11,] 10 0.014078379 [12,] 11 0.010558784

255

[13,] 12 0.007919088 [14,] 13 0.005939316 [15,] 14 0.004454487 [16,] 15 0.003340865 Para calcular probabilidades acumuladas con la geomtrica usar la funcin pgeom(y,p). Donde x puede ser un valor o un conjunto de valores definidos previamente, p = probabilidad de xito. En la parte b) del ejemplo 6.5 se solicita F (2) = P (X 2) = P(Y 1), esto se calcula en R as: > pgeom(1,0.25) [1] 0.4375 Para obtener la distribucin de probabilidades y las probabilidades acumuladas efectuamos el siguiente proceso. > F=pgeom(y,0.25) > cbind(y,P,F) y [1,] [2,] [3,] [4,] [5,] [6,] [7,] P F

0 0.250000000 0.2500000 1 0.187500000 0.4375000 2 0.140625000 0.5781250 3 0.105468750 0.6835938 4 0.079101563 0.7626953 5 0.059326172 0.8220215 6 0.044494629 0.8665161

256

[8,] [9,] [10,]

7 0.033370972 0.8998871 8 0.025028229 0.9249153 9 0.018771172 0.9436865

[11,] 10 0.014078379 0.9577649 [12,] 11 0.010558784 0.9683236 [13,] 12 0.007919088 0.9762427 [14,] 13 0.005939316 0.9821821 [15,] 14 0.004454487 0.9866365 [16,] 15 0.003340865 0.9899774

Las probabilidades acumuladas presentadas hasta aqu, se encuentran alrededor de 0.98998, para Y = 15, por lo que existen ms valores de Y cuyas probabilidades acumuladas no se han evaluado. As tenemos que para Y = 40: el R arroja una probabilidad ms cerca de uno y es la siguiente: > pgeom(40,0.25) [1] 0.9999925 Tambin para Y = 50: > pgeom(50,0.25) [1] 0.9999996

Nota: el clculo de probabilidades para las distintas distribuciones discretas vistas y otras, tienen la misma forma de clculo en cada uno de los programas estudiados, siendo cuestin de explorar cada uno de ellos.

257

Captulo 7. MODELOS CONTINUOS DE PROBABILIDAD

Democracia: es una supersticin muy difundida, un abuso de la estadstica. Jorge Luis Borges

CONTENIDO 7.1 7.2 7.3 7.4 7.5 7.6 7.7 Introduccin. Distribucin uniforme o rectangular. Distribucin exponencial. Distribucin normal. Distribucin chi-cuadrado. Distribucin T de student. Distribucin F.

7.1 INTRODUCCIN En el presente captulo se presentan los modelos de probabilidad continuos cuyo clculo basado en integrales, ha sido adaptado a los programas que estamos estudiando y que facilitan el clculo de probabilidades por la simplificacin de los procesos. Se presentan los principales modelos de probabilidad para variables aleatorias continuas, cuyo clculo de probabilidades esta basado en la distribucin acumulativa de probabilidades F(x) = P(X x) probabilidades como: P(a X b) = F(b) F(a) o P(X > c) = 1- P(X c) = 1 F(c)
x

f (t ) dt ; las mismas que permiten calcular

Entre los modelos a estudiar tenemos las distribuciones: uniforme, exponencial, normal, chi-cuadrado, T de student y F. En cada caso se presenta las caractersticas principales de cada distribucin, es decir, la funcin de probabilidad, la esperanza, la varianza, la funcin de distribucin acumulativa de probabilidades y las respectivas formas de clculo de probabilidades.

258

7.2 DISTRIBUCIN UNIFORME O RECTANGULAR Definicin.- se dice que una variable aleatoria continua X se distribuye uniformemente en el intervalo [a, b], si su funcin de densidad de probabilidades est dada por:
1

f ( x)

,a x b b a 0 , otros casos

Los parmetros de la distribucin uniforme son a y b. Si una variable X tiene distribucin uniforme, se le denota as X ~ Uniforme (a, b) y la ley de probabilidades es la antes indicada. Media y varianza de la distribucin uniforme La media y la varianza de la distribucin uniforme son: = E (X) = (a + b)/2 y 2 = Var (X) = (b a)2/12 La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades de la uniforme esta dada por:
0 F ( x) P( X x) ,x a

x a ,a x b b a 1 , x b

Ejemplo 7.1 El tiempo en minutos que cierta persona invierte en ir de su casa a la estacin del tren es un fenmeno aleatorio que obedece a una ley de distribucin uniforme en el intervalo de 20 a 25 minutos. a) Cul es la probabilidad de que alcance el tren que sale de la estacin a las 7:28 a.m. en punto, si sale de su casa exactamente a las 7:05 a.m.? b) Hallar P(22 X 24).

259

Solucin La variable aleatoria X = tiempo que se demora la persona en ir de su casa a la estacin del tren saliendo a las 7:05 a.m. ~ Uniforme (20, 25) y la funcin de densidad de probabilidades esta dada por:
1 , 20 x 25 5 0 , otros casos

f ( x)

As mismo, su funcin de distribucin acumulativa de probabilidades es:

0 F ( x) P( X x) ,x 20

x 20 , 20 x 25 5 1 , x 25

a) Si sale de su casa a las 7:05, para que alcance el tren que sale a las 7:28, debe demorarse a lo ms 23 minutos, es decir X 23, luego la probabilidad solicitada usando la funcin de distribucin acumulativa de probabilidades es:
P( X 23) F (23) 23 20 5 3 = 0.6. 5

Significa que el 60% de las veces que sale de su casa a las 7:05 alcanzar el tren. b) P(22 X 24) = F(24) F(22) =
24 20 5 22 20 5 2 = 0.4. 5

Veamos el procedimiento de clculo de estas probabilidades con los programas estudiados, reiterando que en la mayora de los casos dichos clculos se realizan utilizando las probabilidades acumuladas. En Excel: La distribucin uniforme no ha sido definida en Excel, pero con la funcin de distribucin acumulativa de probabilidades planteada, se pueden efectuar algunos clculos de probabilidades acumulativos definiendo la frmula correspondiente.

260

En Minitab: Del men escoger Calc Probability Distributions Uniform y aparece la ventana de dilogo de la Figura 7.1.

Figura 7.1 Probabilidad con la distribucin uniforme en Minitab La funcin permite tres tipos de clculos: Probabililty density (para hallar f(x) para un valor x de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor x determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Las ms usadas son las dos ltimos. En el Ejemplo 7.1, la variable aleatoria X = tiempo que se demora la persona en ir de su casa a la estacin del tren ~ Uniforme (20, 25) parmetros indicados en la Figura 7.1. Para resolver la parte a) y b) se necesita el clculo de probabilidades acumuladas F(23), F(24) y F(22) que se explican a continuacin. Para el clculo de probabilidades acumuladas seleccionar e

indicar los parmetros de la distribucin uniforme, es decir: a = 20 escrito en Lower endpoint (valor ms pequeo de X) y b = 25 escrito en Upper endpoint (valor ms grande de X).

261

Para efectuar el clculo F(23) de la parte a) del Ejemplo 7.1 necesitamos seleccionar y en el recuadro escribir 23. Al hacer clic en OK, en la hoja de Session aparece este resultado: Cumulative Distribution Function Continuous uniform on 20 to 25 x 23 P( X <= x ) 0.6

Se procede del mismo modo para hallar F(24) y F(22) de la parte b). Si de antemano sabemos que se requiere calcular probabilidades acumuladas para varios valores de X, en una columna de la worksheet definimos dichos valores como x y en otra columna F(x) para obtener los resultados. Para ello, en la figura 7.1 en vez de escoger Input constant: se selecciona y escoge x en el recuadro; y en

Optional storage; se escoge F(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados siguientes:

De la tabla, se obtiene rpidamente P(22 X 24) = F(24) F(22) = 0.8 0.4 = 0.4. Una representacin grfica de la solucin anterior en Minitab (cuyo procedimiento es similar para otras distribuciones continuas), se obtiene seleccionando del men Graph Probability Distribution Plots, de la ventana mostrada seleccionar View Probability, luego hacer clic en OK y aparece la ventana de dilogo de la Figura 7.2. En Distribution: hacer clic en parmetros. Luego hacer clic en , escoger la distribucin uniforme e indicar sus (rea a sombrear) y aparece la ventana de , luego e

dilogo de la Figura 7.3. En Define Shaded Area By escoger

indicar los valores X1 = 22 y X2 = 24 [ya que queremos hallar P(22 X 24) y el grfico con dicha rea sombreada]. Para finalizar hacer clic en OK y aparece el grfico de la Figura 7.4.

262

Figura 7.2 Graficando probabilidades acumuladas para la uniforme en Minitab

Figura 7.3 Definiendo el rea a sombrear para probabilidades acumuladas con la distribucin uniforme en Minitab

263

Uniform, Lower=20, Upper=25 0.20 0.4

Distribution Plot

0.15
Density

0.10

0.05

0.00

20

22

24

25

Figura 7.4 Clculo y grfico de P(22 X 24) con la dist. uniforme en Minitab Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) seleccionar Figura 7.1 e indicar los parmetros de la distribucin uniforme. Para determinar el valor de x, para una probabilidad acumulada F(x) =0.05 en el Ejemplo 7.1 necesitamos seleccionar y en el recuadro escribir 0.05. Al en la

hacer clic en OK, en la hoja de Session aparece este resultado: Inverse Cumulative Distribution Function Continuous uniform on 20 to 25 P( X <= x ) 0.65 x 20.25

Cuyo grfico (vlido para la distribucin uniforme y otras variables continuas) se obtiene de manera similar al anterior, slo que en la Figura 7.3 en Define Shaded Area By se escoge , luego seleccionar (cola del lado izquierdo en

inferencia estadstica) y en el recuadro de Probability: escribir 0.05. Para finalizar hacer clic en OK e inmediatamente aparece el grfico de la Figura 7.5.

264

Uniform, Lower=20, Upper=25 0.20 0.05

Distribution Plot

0.15
Density

0.10

0.05

0.00

20 20.3

25

Figura 7.5 Grfico del inverso de probab. acum. Con la dist. uniforme en Minitab Nota.- todos los procedimientos vistos aqu con el Minitab son vlidos para las otras distribuciones continuas de probabilidad y que sern abreviados cuando se vea para esas otras distribuciones. En SPSS: Para calcular las densidades f(x) (f) del ejemplo 7.1, slo para hacer el grfico de la funcin, en la vista de variables se define x y en la vista de datos se ingresan los mismos (22, 23, 24, .). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 7.6. En Variable de destino: escribir f. Del Grupo de funciones: del lado derecho, escoger FDP y FDP no centrada; y de Funciones y variables especiales: seleccionar Pdf.Uniform y con un clic en ingresarla al recuadro Expresin numrica: donde aparece PDF.UNIFORM(??,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin PDF.UNIFORM(cant,mn,mx) que se precisan en el recuadro central de la Figura 7.6.

265

As cant representa los valores de la variable x, mn = valor mnimo = 20 y mx = valor mximo = 25.

Figura 7.6 Clculo de las densidades f(x) con la distribucin uniforme en SPSS Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 7.8, cuyos resultados no son de mucha trascendencia para variables continuas, ya que sirven para realizar la grfica de la distribucin [distinto al caso discreto, donde se obtena probabilidades p(x) con esta funcin], por lo que para las siguientes distribuciones los obviaremos, pero se obtienen de manera similar en el SPSS. Sin embargo, las probabilidades acumuladas son de inters por lo que sern tratadas en cada una de las distribuciones continuas que se presentan y cuyo procedimiento es similar al que se ve a continuacin. Para el clculo de las probabilidades acumuladas (F) del ejemplo 7.1, proceder de manera similar al clculo de densidades, con las variantes indicadas, tal como se muestra en la Figura 7.7.

266

En la Variable de destino: se escribe Fx. Del Grupo de funciones: escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Uniform e ingresarla en el recuadro Expresin numrica. Luego definir los argumentos cant representa los valores de la variable x, mn = valor mnimo = 20 y mx = valor mximo = 25, as: CDF.UNIFORM(x,20,25).

Figura 7.7 Probabilidades acumuladas con la distribucin uniforme en SPSS Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 7.8.

Figura 7.8 Densidades y probab. acumuladas con la distrib. uniforme en SPSS Resultados que son idnticos a los obtenidos con el Minitab. 267

En R: Para calcular las densidades con la distribucin uniforme se usa la funcin dunif(x,mn,mx). Donde x puede ser un valor o un conjunto de valores definidos previamente, mn = a = valor ms pequeo de X y mx = b = valor ms grande de X. En el ejemplo 7.1, X = tiempo que se demora la persona en ir de su casa a la estacin del tren ~ Uniforme (20, 25). Para determinar las densidades correspondientes a los valores 22, 23 y 24se define un vector x con dichos valores y luego las densidades f se calculan as: > x=c(22,23,24) > f=dunif(x,20,25) > cbind(x,f) x [1,] 22 [2,] 23 [3,] 24 f 0.2 0.2 0.2

Para calcular probabilidades acumuladas con la uniforme usar la funcin punif(x,mn,mx). Donde x puede ser un valor o un conjunto de valores definidos previamente, mn = a = valor ms pequeo de X y mx = b = valor ms grande de X. Para determinar las probabilidades acumuladas F para los valores x ya definidos y presentar las densidades f tambin, se procede as: > F=punif(x,20,25) > cbind(x,f,F) x [1,] 22 [2,] 23 [3,] 24 f 0.2 0.2 0.2 F 0.4 0.6 0.8 268

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) usar la funcin qunif(p,mn,mx). Donde p puede ser una probabilidad acumulada o un conjunto de probabilidades acumuladas definidas previamente, mn = a = valor ms pequeo de X y mx = b = valor ms grande de X. Para hallar el valor del cuantil x correspondiente a una probabilidad acumulada de 0.05, se procede as: > qunif(0.05,20,25) [1] 20.25 Resultados idnticos a los del Minitab y del SPSS. Cabe resaltar que cualquiera de los clculos de probabilidades con otras distribuciones es similar.

7.3 DISTRIBUCIN EXPONENCIAL Definicin.- se dice que una variable aleatoria continua X tiene distribucin exponencial con parmetro positivo, si su funcin de densidad de probabilidades est dada por:
e 0
x

f ( x)

,x 0 , otros casos

El parmetro de la distribucin exponencial es . Si una variable X tiene distribucin exponencial, se le denota as X ~ Exp () y la ley de probabilidades es la antes indicada.

Media y varianza de la distribucin exponencial La media y la varianza de la distribucin exponencial son: = E (X) = 1/ 2 = Var (X) = 1/ 2

269

La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades esta dada por:
0 1 e
x

F ( x) P( X

x)

, x 0 , x 0

Ejemplo 7.2 El tiempo de vida de un tipo de focos es una variable aleatoria X, que tiene distribucin exponencial con una vida media de 1000 horas. a) Qu proporcin de focos no sirve antes de las 1000 horas? y b) Qu proporcin de focos dura entre 800 y 1200 horas? Solucin La variable aleatoria X = tiempo de vida de los focos tiene distribucin exponencial con media = 1/ = 1000 horas. Por lo tanto, = 0.001. Luego X ~ Exp (0.001) y la funcin de densidad de probabilidades esta dada por:
0.001 e 0
0.001 x

f ( x)

,x 0 , otros casos

As mismo, la funcin de distribucin acumulativa de probabilidades esta dada por:

0 1 e
0.001 x

F ( x) P( X

x)

, x 0 , x 0

Entonces las probabilidades solicitadas son: a) P(X < 1000) = F(1000) = 1 e-0.001(1000) = 1 e-1 = 0.6321 Significa que el 63.21% de los focos no sirve antes de las 1000 horas. b) P(800 X 1200) = F(1200) - F(800) = [1 e-0.001(1200)] [1 e-0.001(800)] = = [1 - e-1.2] [1 - e- 0.8 = 0.698806 0.550671 = 0.148135. Significa que el 14.81% de los focos dura entre 800 y 1200 horas. Veamos el clculo de estas probabilidades acumuladas con los programas en estudio.

270

En Excel: Para hallar la distribucin de probabilidades acumuladas exponenciales, en la hoja de clculo definimos en la columna A los valores de la variable x = 800, 1000 y 1200. En la columna B, definimos las probabilidades acumuladas F(x) para cada uno de los valores. Para ello, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas

(de seleccionar una categora) y buscamos la funcin DISTR.EXP y aparece la ventana de dilogo de la Figura 7.9.

Figura 7.9 Clculo de probabilidades acumuladas con exponencial en Excel En Argumentos de funcin se define: el valor de X = A2 (800) para poder efectuar una copia para los dems valores de x, Lambda = = 0.001 (es el valor del parmetro) y en Acum escribir VERDADERO [para obtener las probabilidades acumuladas, si se escribe FALSO se obtiene la densidad de probabilidades f(x)]. Al hacer enter, aparece la probabilidad acumulada F(800) = 0.550671.

271

Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3 y B4, cuyos resultados son:

En Minitab: Del men escoger Calc Probability Distributions Exponential y aparece la ventana de dilogo de la Figura 7.10.

Figura 7.10 Probabilidad acumulada con la distribucin exponencial en Minitab La funcin permite tres tipos de clculos: Probabililty density (para hallar f(x) para un valor x de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor x determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Las ms usadas son las dos ltimos. En el Ejemplo 7.2, la variable aleatoria X = tiempo de vida de los focos ~ Exp (0.001) parmetro indicado en la Figura 7.10. Para resolver la parte a) y b) se necesita el 272

clculo de probabilidades acumuladas F(800), F(1000) y F(1200) que se explican a continuacin. Para el clculo de probabilidades acumuladas seleccionar = 1/ = 1000. Para efectuar el clculo F(800) de la parte a) del Ejemplo 7.2 necesitamos seleccionar y en el recuadro escribir 1000. Al hacer clic en OK, en la hoja de Session aparece este resultado: Cumulative Distribution Function Exponential with mean = 1000 x 1000 P( X <= x ) 0.632121 e

indicar el parmetro requerido por la distribucin exponencial en Scale, es decir: media

Se procede del mismo modo para hallar F(800) y F(1200) de la parte b). Tambin se puede calcular probabilidades acumuladas para varios valores de X, en una columna de la worksheet definimos dichos valores como x y en otra columna F(x) para obtener los resultados. Para ello, en la figura 7.10 en vez de escoger Input constant: se selecciona y escoge x en el recuadro; y en Optional storage; se escoge

F(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados siguientes:

De la tabla, se obtiene rpidamente P(800 X 1200) = F(1200) F(800) = 0.698806 0.550671 = 0.148135. La representacin grfica de la solucin anterior en Minitab, se obtiene seleccionando del men Graph Probability Distribution Plots, de la ventana mostrada seleccionar View Probability, luego hacer clic en OK y aparece la ventana de dilogo de la Figura 7.11.

273

Figura 7.11 Graficando probabilidades acum. para la exponencial en Minitab En Distribution: hacer clic en , escoger la distribucin Exponential e indicar la . En Define Shaded Area By

media = 1000 en Scale. Luego hacer clic en escoger , luego

e indicar los valores X1 = 800 y X2 = 1200 [ya que

queremos hallar P(800 X 1200) y el grfico con dicha rea sombreada]. Para finalizar hacer clic en OK y aparece el grfico siguiente:

Scale= = 1/ = 1000, Thresh=0 0.0010

Distribucin exponencial

0.0008

Density

0.0006

0.0004

0.148

0.0002

0.0000

800 1200

274

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) seleccionar Figura 7.10 e indicar el parmetro de la distribucin exponencial. Para determinar el valor de x, para una probabilidad acumulada F(x) =0.05 en el Ejemplo 7.2 necesitamos seleccionar y en el recuadro escribir 0.05. Al en la

hacer clic en OK, en la hoja de Session aparece este resultado: Inverse Cumulative Distribution Function Exponential with mean = 1000 P( X <= x ) 0.05 x 51.2933

El 5% de los focos tiene un duracin menor o igual a 51.29 horas. El valor de x, para una probabilidad acumulada F(x) =0.95 es: Inverse Cumulative Distribution Function Exponential with mean = 1000 P( X <= x ) x 0.95 2995.73 El 95% de los focos tiene una duracin menor o igual a 2995.73 horas. En SPSS: Para calcular las probabilidades acumuladas F(x) (F) del ejemplo 7.2, en la vista de variables se define x y en la vista de datos se ingresan los mismos (800, 1000, 1200). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 7.12. En Variable de destino: escribir F. Del Grupo de funciones: del lado derecho, escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Exp y con un clic en ingresarla al recuadro Expresin numrica: donde aparece CDF.EXP(?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin CDF.EXP(cant,escala) que se precisan en el recuadro central de la Figura 7.12. As cant representa los valores de la variable x y escala = = 0.001.

275

Figura 7.12 Clculo de probab. acum. con la distribucin exponencial en SPSS Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 7.13.

Figura 7.13 Probabilidades acumuladas con la distrib. exponencial en SPSS En R: Para calcular probabilidades acumuladas con la exponencial usar la funcin pexp(x,). Donde x puede ser un valor o un conjunto de valores definidos previamente y = parmetro de la exponencial.

276

En el ejemplo 7.2, X = tiempo de vida de los focos ~ Exp (0.001). Para determinar las probabilidades acumuladas correspondientes a los valores 800, 1000 y 1200 se define un vector x con esos valores y luego las probabilidades acumuladas F se calculan as: > x=c(800,1000,1200) > F=pexp(x,0.001) > cbind(x,F) x [1,] 800 F 0.5506710 0.6321206 0.6988058

[2,] 1000 [3,] 1200

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x o q, para una probabilidad acumulada dada) usar la funcin qexp(p,). Donde p es una o un conjunto de probabilidades acumuladas definidas previamente y parmetro de la exponencial. Para hallar el valor del cuantil q correspondiente a las probabilidades acumulada de 0.05 y 0.95 se procede as: > p=c(0.05,0.95) > q=qexp(p,0.001) > cbind(p,q) p q =

[1,] 0.05 51.29329 [2,] 0.95 2995.73227

277

7.4 DISTRIBUCIN NORMAL Definicin.- se dice que una variable aleatoria continua X tiene distribucin normal con parmetros y 2, si su funcin de densidad de probabilidades est dada por:

f ( x) 2

1
2

(x

)2
2

La distribucin normal es simtrica respecto a . Media y varianza de la distribucin normal La media y la varianza de la distribucin normal son: E (X) = y Var (X) = 2

Si una variable aleatoria X tiene distribucin normal con media y varianza 2, se le denota as X ~ N ( y 2) y la ley de probabilidades es la antes indicada. La grfica de la distribucin normal tiene la siguiente forma:

Distribution Normal
Mean = , StDev = 0.8 0.7 0.6 0.5

Density

0.4 0.3 0.2 0.1 0.0 X

La funcin de distribucin acumulativa de probabilidades La funcin de distribucin acumulativa de probabilidades esta dada por:

278

F ( x)

P( X

x)

1 2
2

(t

)2
2

dt

Calcular estas probabilidades acumuladas es complicado ya que los clculos varan para cada media y cada varianza. Problema que es resuelto mediante el proceso de estandarizacin (transformacin) de la variable X ~ N (, 2) en otra variable
Z X

~ N (0, 1) llamada distribucin normal estndar.

La distribucin normal estndar Si una variable aleatoria X ~ N (, 2) y se define la variable Z variable aleatoria Z tiene distribucin normal estndar densidad de probabilidades esta dada por:
1 e 2
z2 2

entonces la

= N (0, 1) y su funcin de

f ( z)

La funcin de distribucin acumulada de la distribucin normal estndar se denota y define as:

z t 1 2 e dt . Se cumple que (-z) = 1 - (z), para z > 0. 2
2

(z) = P( Z

z)

Estas probabilidades han sido calculadas y aparecen en la denominada tabla de la distribucin normal estndar y facilitada por el uso de los programas estadsticos como los que estamos estudiando. Estandarizacin.- es el proceso por el cual una variable aleatoria X ~ N (, 2) se transforma en otra variable aleatoria Z
X

~ N (0, 1); permitiendo el clculo de

probabilidades cuando X se encuentra entre dos nmeros reales a y b del siguiente modo: P(a X b) = P[(a - ) / (X - ) / (b - ) /] = = P[(a - ) / Z (b - ) /] = ((b - ) /) - ((b - ) /)

279

Ejemplo 7.3 Los dimetros de los tubos fabricados por cierta mquina tienen distribucin normal con media de 9.8 mm. y desviacin estndar de 0.53 mm. a) Qu proporcin de tubos sern rechazados, si no se aceptan dimetros inferiores a 9 mm?; b) Qu proporcin de tubos tiene un dimetro entre 8.5 y 11.0 mm?; y c) por debajo de que dimetro se encuentra el 95% de los tubos? Solucin La variable aleatoria X = dimetro de los tubos en mm. ~ N (9.8, 0.53). Estandarizando se tiene que Z
X 9.8 ~ N (0, 1) 0.53

a) Se rechazan los tubos si X < 9 mm., entonces:

X 9.8 0.53 9 9.8 0.53 1.51) = (-1.51) = 0.06552

P( X

9)

P( Z

Significa que alrededor del 6.55% de los tubos fabricados ser rechazado. b) P(8.5 X 11.0) = P
8.5 9.8 0.53 X 9.8 0.53 9 9.8 0.53

P( 2.45 Z

3.40)

= (3.40) - (-2.45) = 0.99966 - 0.00714 = 0.99252. Significa que alrededor del 99.25% de los tubos fabricados tienen dimetro entre 8.5 y 11.0 mm. c) Necesitamos halla el cuantil q0.95 = x, tal que: 0.95 = P(X x) = P Z
x 9.8 x 9.8 0.53 0.53 1.645 x = 10.67 mm.

Z 0.95

Significa que el 95% de los tubos fabricados tienen un dimetro de alrededor de los 10.67 mm. Veamos la solucin del ejemplo 7.3 utilizando los programas y basados fundamentalmente en las probabilidades acumuladas de la normal.

280

En Excel: Para hallar la distribucin de probabilidades acumuladas normales, en la hoja de clculo definimos en la columna A los valores de la variable x = 8.5, 9.0 y 11.0. En la columna B, definimos las probabilidades acumuladas F(x). Para hallar las probabilidades acumuladas, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas (de seleccionar una categora) y buscamos la funcin DISTR.NORM y aparece la ventana de dilogo de la Figura 7.14.

Figura 7.14 Clculo de probabilidades acumuladas con la normal en Excel En Argumentos de funcin se define: el valor de X = A2 (8.5) para poder efectuar una copia para los dems valores de x, Media = = 9.8, Desv_estndar = = 0.53 y en Acum escribir VERDADERO [para obtener las probabilidades acumuladas, si se escribe FALSO se obtiene la densidad de probabilidades f(x)]. Al hacer clic en Aceptar, aparece la probabilidad acumulada F(8.5) = 0.007087.

281

Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3 y B4, cuyos resultados son:

Nota.- para hallar los resultados iniciales del ejemplo 7.3, se hizo una aproximacin de los valores Z, para poder usar la vieja tabla de la distribucin normal estndar, resultados que difieren de los acumulados F(x) encontrados con el programa, ya que ste internamente hace la estandarizacin y da una mejor aproximacin. Sin embargo, el Excel tambin permite obtener los (z) con la funcin DIST.NORM.ESTAND(z). Tal como se muestra en los resultados anteriores difieren los F(x) y (z). Para hallar el inverso de probabilidades acumuladas (calcular el valor del cuantil x , para una probabilidad acumulada = p) usar la funcin DIST.NORM.INV(p, , ) que para la parte c) del ejemplo 7.3 escribir =DIST.NORM.INV(0.95,9.8,0.53) en el recuadro al lado de anteriormente hallado. En Minitab: Del men escoger Calc Probability Distributions Normal y aparece la ventana de dilogo de la Figura 7.15. La funcin permite tres tipos de clculos: Probabililty density (para hallar f(x) para un valor x de la variable), Cumulative probability (calcular la probabilidad acumulada hasta un valor x determinado) e Inverse cumulative probability (calcular el valor de la variable para una probabilidad acumulada dada). Las ms usadas son las dos ltimos. En el Ejemplo 7.3, la variable aleatoria X = dimetro de los tubos en mm. ~ N (9.8, 0.53) parmetro indicado en la Figura 7.15. Para resolver la parte a) y b) se necesita el clculo de probabilidades acumuladas F(8.5), F(9.0) y F(11.0) que se explican a continuacin. 282 , al hacer enter se obtiene x = 10.67177 mm. similar al

Figura 7.15 Probabilidad acumulada con la distribucin normal en Minitab Para el clculo de probabilidades acumuladas seleccionar 9.8 y en Standard deviation = desviacin estndar = = 0.53. Para efectuar el clculo F(8.5) de la parte b) del Ejemplo 7.3 necesitamos seleccionar y en el recuadro escribir 8.5. Al hacer clic en OK, en la hoja de Session aparece este resultado: Cumulative Distribution Function Normal with mean = 9.8 and standard deviation = 0.53 x 8.5 P( X <= x ) 0.0070869 e

indicar los parmetros requeridos por la distribucin normal en Mean = media = =

Se procede del mismo modo para hallar F(9.0) y F(11.0). Tambin se puede calcular probabilidades acumuladas para varios valores de X, en una columna de la worksheet definimos dichos valores como x y en otra columna F(x) para obtener los resultados. Para ello, en la figura 7.15 en vez de escoger Input constant: se selecciona y escoge x en el recuadro; y en Optional storage: se escoge

283

F(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados siguientes:

De la tabla, se obtiene rpidamente P(8.5 X 11.0) = F(11.0) F(8.5) = 0.988218 0.007087 = 0.981131. Ligeramente diferente al 0.99252 encontrado en b). La representacin grfica de la solucin anterior en Minitab, se obtiene seleccionando del men Graph Probability Distribution Plots, de la ventana mostrada seleccionar View Probability, luego hacer clic en OK y aparece la ventana de dilogo de la Figura 7.16.

Figura 7.16 Graficando probabilidades acumuladas con la normal en Minitab En Distribution: hacer clic en = 0.53. Luego hacer clic en luego , escoger la distribucin Normal e indicar = 9.8 y . En Define Shaded Area By escoger ,

e indicar los valores X1 = 8.5 y X2 = 11.0 [ya que queremos hallar P(8.5

X 11.0) y el grfico con dicha rea sombreada]. 284

Para finalizar hacer clic en OK y aparece el grfico siguiente:

Distribution Normal
Mean=9.8, StDev=0.53 0.8 0.7 0.6 0.5

P(8.5 X 11.0) = 0.981

Density

0.4 0.3 0.2 0.1 0.0 8.5 9.8 X 11

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) seleccionar Figura 7.15 e indicar los parmetros de la distribucin normal. Para determinar el valor de x, para una probabilidad acumulada F(x) =0.95 en la parte c) del Ejemplo 7.3 necesitamos seleccionar y en el recuadro escribir en la

0.95. Al hacer clic en OK, en la hoja de Session aparece este resultado: Inverse Cumulative Distribution Function Normal with mean = 9.8 and standard deviation = 0.53 P( X <= x ) 0.95 x 10.6718

El 95% de los tubos tiene un dimetro menor o igual a 10.6718 mm. En SPSS: Para calcular las probabilidades acumuladas F(x) (F) del ejemplo 7.3, en la vista de variables se define x y en la vista de datos se ingresan los mismos (8.5, 9.0, 11.0).

285

Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 7.17. En Variable de destino: escribir F. Del Grupo de funciones: del lado derecho, escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Normal y con un clic en ingresarla al recuadro Expresin numrica: donde aparece CDF.NORMAL(?,?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin CDF.NORMAL(cant,media,desv_tp) que se precisan en el recuadro central de la Figura 7.17. As cant representa los valores de la variable x, media = = 9.8 y desv_tp = = 0.53.

Figura 7.17 Clculo de probab. acumuladas con la distribucin normal en SPSS Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados de la Figura 7.18. Los resultados obtenidos son idnticos a los del Excel y Minitab.

286

Figura 7.18 Probabilidades acumuladas con la distribucin normal en SPSS En R: Para calcular probabilidades acumuladas con la exponencial usar la funcin pnorm(x,,). Donde x puede ser un valor o un conjunto de valores definidos previamente, = media, y = desviacin estndar. En el ejemplo 7.3, X = dimetro de los tubos en mm. ~ N (9.8, 0.532). Para determinar las probabilidades acumuladas correspondientes a los valores 8.5, 9.0 y 11.0 se define un vector x con esos valores y luego las probabilidades acumuladas F se calculan as: > x=c(8.5,9.0,11.0) > F=pnorm(x,9.8,0.53) > cbind(x,F) x [1,] [2,] 8.5 9.0 F 0.007086862 0.065593960 0.988217584

[3,] 11.0

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x o q, para una probabilidad acumulada dada) usar la funcin qnorm(x,,). Donde p es una o un conjunto de probabilidades acumuladas definidas previamente. Para hallar el valor del cuantil q correspondiente a las probabilidades acumulada de 0.95 se procede as: > qnorm(0.95,9.8,0.53) [1] 10.67177 El 95% de los tubos tiene un dimetro menor o igual a 10.6718 mm.

287

7.5 DISTRIBUCIN CHI-CUADRADO Definicin.- Sean Z1, Z2, ..., Zr, variables aleatorias independientes, cada una con distribucin normal estndar, Zi ~ N(0 , 1) . Entonces, la variable aleatoria

Z12

2 Z2 ... Z r2

tiene una distribucin chi-cuadrado con r grados de libertad, si su funcin de densidad de probabilidades est dada por:

f X 2 ( x) =

1 2
r 2

r 2

x2 e

x/2

0<x<

= 0 Donde: representa el gamma de un nmero, entero positivo

en otros casos

( n)
1 2

X n 1e x dx , n > 0. Si n es
.

(n) = (n 1)! . Adems,

r = grados de libertad (GL) representa el nmero de variable aleatorias independientes que se suman o el nmero de variables que pueden variar libremente. En regresin y econometra es el rango de una matriz (mximo nmero de columnas linealmente independientes) cuadrticas delas sumas de cuadrados. asociadas a formas

Si la variable aleatoria X tiene distribucin chi-cuadrado con r grados de libertad, la denotaremos como X ~ X r2 .

Media y varianza de la distribucin chi-cuadrado La media y la varianza de la distribucin chi-cuadrado son: = E(x) = r y = Var(x) = 2r

La funcin de distribucin acumulativa de probabilidades El clculo de probabilidades para la variable aleatoria chi-cuadrado, se efecta utilizando las Tablas de Chi Cuadrado, las mismas que han sido elaboradas

288

utilizando la funcin de distribucin acumulativa de probabilidades que en la mayora de los casos son del tipo de acumulacin menor o igual que. As tenemos que, la probabilidad que la variable aleatoria X con distribucin

xr2 1 r

30 sea menor o igual a un valor constante x 2 , representada por:

PX X2

Est dada por:

PX x

x2 0

f X 2 x dx

x2 0

1 2
r 2

r 2

r 1 2

e dx

x 2

y su grfica es:

Distribution chi-cuadrado
Chi-Square, df=25 0.06 0.05 0.04

Density

0.03 0.02 0.01 0.00

Ejemplo 7.4
2 Si la variable aleatoria X ~ X 25 . Hallar: a) Qu proporcin de valores de X son

mayores que 40.6?; b) Qu proporcin de valores de X se encuentran entre 14.6 y 37.7?; y c) por debajo de que valor se encuentra el 10% de los valores de X? Solucin
2 La variable aleatoria X ~ X 25 . Entonces, usando la tabla de chi-cuadrado se tiene que:

289

2 a) P[X > 40.6] = 1 - P[ X 25 40.6] = 1 0.975 = 0.025.

2 Significa que el 2.5% de los valores de X ~ X 25 son mayores que 40.6.

2 2 b) P(14.6 X 37.7) = P[ X 25 37.7] - P[ X 25 14.6] = 0.95 0.05 = 0.90

2 Significa que el 90% de los valores de X ~ X 25 se encuentran entre 14.6 y 37.7.

c) Necesitamos halla el cuantil q0.10 = x, tal que:

2 2 0.10 = P( X 25 x) x = X 25,0.10 = 16.5

2 Significa que el 10% de los valores de X ~ X 25 son menores que 16.5.

Veamos la solucin del ejemplo 7.4 utilizando los programas y basados fundamentalmente en las probabilidades acumuladas de la chi-cuadrado. En Excel: Para hallar la distribucin de probabilidades acumuladas chi-cuadrado, en la hoja de clculo definimos en la columna A los valores de la variable x = 14.6, 37.7 y 40.6. En la columna B, definimos las probabilidades acumuladas, que en Excel vienen dadas por F(x) = P(X > x). Para hallar las probabilidades acumuladas, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas (de seleccionar una categora) y buscamos la funcin DISTR.CHI y aparece la ventana de Argumentos de funcin donde se define: el valor de X = A2 (14.6) para poder efectuar una copia para los otros valores de x, y en el recuadro de Grados_de libertad escribir 25. Una forma directa de clculo es escribir =DISTR.CHI(A2,25) en el recuadro al lado de Aceptar, aparece la probabilidad acumulada F(14.6) = 0.950239. Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3 y B4, los resultados se presentan en la Figura 7.19. Se puede apreciar que se ha calculado una columna de 1 F(x) cuyos resultados son parecidos a los usados en la solucin manual del Ejemplo 7.4. . Al hacer clic en

290

Figura 7.19 Clculo de probabilidades acumuladas con la chi-cuadrado en Excel Para hallar el inverso de probabilidades acumuladas (calcular el valor del cuantil x , para una probabilidad acumulada = p) usar la funcin PRUEBA.CHI.INV(1-p, GL) que para la parte c) del ejemplo 7.4 es PRUEBA.CHI.INV(0.90, 25) al hacer enter se obtiene x = 16.4734 similar al 16.5 hallado con la tabla de chi-cuadrado. En Minitab: Del men escoger Calc Probability Distributions Chi-Square y aparece la ventana de dilogo Chi-Square Distribution. El procedimiento de clculo es similar al ejecutado con las distribuciones de probabilidades antes vistas. Es decir, el clculo para una constante (Input constant, con el resultado en la ventana Session) o para varios valores definidos previamente en una columna de la Worksheet (Input column, con los resultados en la worksheeet) que usaremos de aqu en adelante. Para el clculo de probabilidades acumuladas seleccionar e

indicar el parmetro requerido Degrees of freedom (grados de libertad) escribir 25 en el recuadro. Para calcular las probabilidades acumuladas para los valores de X del ejemplo 7.4, en una columna de la worksheet definimos como x los valores 14.6, 37.7 y 40.6; y en otra columna F(x) para obtener los resultados. Para ello, seleccionar y

escoge x en el recuadro; y en Optional storage: se escoge F(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados siguientes:

291

Resultados idnticos a los obtenidos con el Excel en la columna 1 F(x). De la tabla, se obtiene rpidamente P(14.6 X 37.7) = F(37.7) F(14.6) = 0.950526 0.049761 = 0.900765. Ligeramente diferente al 0.90 encontrado en b). La representacin grfica de la solucin anterior en Minitab, se obtiene seleccionando del men Graph Probability Distribution Plots, de la ventana mostrada seleccionar View Probability, luego hacer clic en OK y aparece la ventana de dilogo Probability Distribution Plot Probability. En Distribution: hacer clic en , escoger la distribucin Chi-Square e indicar el

parmetro requerido Degrees of freedom (grados de libertad) escribir 25 en el recuadro. Luego hacer clic en . En Define Shaded Area By escoger , luego

e indicar los valores X1 = 14.6 y X2 = 37.7 [ya que queremos hallar P(14.6 X 37.7) y el grfico con dicha rea sombreada]. Para finalizar hacer clic en OK y aparece el grfico de la Figura 7.20.

Distribution Plot
Chi-Square, df=25 0.06 0.901 0.05 0.04

Density

0.03 0.02 0.01 0.00

14.6

37.7

Figura 7.20 Grfico de P(14.6 X 37.7) con la chi-cuadrado en Minitab

292

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) seleccionar ventana de dilogo Chi-Square Distribution e indicar los grados de libertad 25. Para determinar el valor de x, para una probabilidad acumulada F(x) =0.10 en la parte c) del Ejemplo 7.4 necesitamos seleccionar y en el recuadro escribir en la

0.10. Al hacer clic en OK, en la hoja de Session aparece este resultado: Inverse Cumulative Distribution Function Chi-Square with 25 DF P( X <= x ) 0.1 x 16.4734

2 El 10% de los valores de X ~ X 25 son menores que 16.5.

En SPSS: Para calcular las probabilidades acumuladas F(x) (F) del ejemplo 7.4, en la vista de variables se define x y en la vista de datos se ingresan los mismos (14.6, 37.7, 40.6). Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 7.21. En Variable de destino: escribir F. Del Grupo de funciones: del lado derecho, escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.Chisq y con un clic en ingresarla al recuadro Expresin numrica: donde aparece CDF.CHISQ(?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin CDF.CHISQ(cant,gl) que se precisan en el recuadro central de la Figura 7.21. As cant representa los valores de la variable x y gl = grados de libertad = 25. Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados siguientes:

293

Figura 7.21 Clculo de probab. acumuladas con la chi-cuadrado en SPSS En R: Para calcular probabilidades acumuladas con la chi-cuadrado usar la funcin pchisq(x,gl). Donde x puede ser un valor o un conjunto de valores definidos previamente, gl = grados de libertad.
2 En el ejemplo 7.4, X ~ X 25 . Para determinar las probabilidades acumuladas

correspondientes a los valores 14.6, 37.7 y 40.6 se define un vector x con esos valores y luego las probabilidades acumuladas F se calculan as: > x=c(14.6,37.7,40.6) > F=pchisq(x,25) > cbind(x,F) x [1,] 14.6 F 0.04976093 294

[2,] 37.7 [3,] 40.6

0.95052629 0.97471962

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x o q, para una probabilidad acumulada dada) usar la funcin qchisq(x,gl). Donde p es una o un conjunto de probabilidades acumuladas definidas previamente. Para hallar el valor del cuantil q correspondiente a las probabilidades acumulada de 0.10 se procede as: > qchisq(0.10,25) [1] 16.47341
2 El 10% de los valores de X ~ X 25 son menores que 16.5.

7.6 DISTRIBUCIN T DE STUDENT Definicin.- Sea Z una variable aleatoria normal estndar N(0, 1). Sea X2 ~ X r2 una variable aleatoria que tiene una distribucin chi-cuadrado con r grados de libertad, y si Z y X2 son independientes, entonces la variable aleatoria (v.a.)
Z X2 r Z r ~ tr Y

tiene una distribucin t , con r grados de libertad, y su funcin de densidad de probabilidades est dada por:
r 1 2 r r 2 t 1 r
r 1 2

f t

- <t<

Notacin: decir que la variable aleatoria T tiene distribucin t con r grados de libertad, la denotaremos como T ~ t r . 295

Media y Varianza: La media y la varianza de la v. a. T con r grados de libertad son:

E(T) = Var(T) =
2 T

=0
r r 2

, ,

r>1 r>2

Funcin de Distribucin Acumulativa de Probabilidades.El clculo de probabilidades para variable aleatoria t, se efecta utilizando las Tablas de t, las mismas que han sido elaboradas utilizando la funcin de distribucin acumulativa de probabilidades que en la mayora de los casos son del tipo de acumulacin menor o igual que. As tenemos que, la probabilidad que la variable aleatoria T con distribucin tr (1 r < 30) sea menor o igual a un valor constante t , representada por:

PT t
Est dada por:
t

0<

<1

PT

f t dt

r 1 2 r r 2

t 1 r

r 1 2

dt

cuya representacin grfica es la siguiente:

Distribution t
gl = df=25 0.4

0.3

Density

0.2

0.1 0.0

0 X

296

La distribucin t es una distribucin simtrica como la normal y se cumple que: F(-a) = P[ T -a] = 1 - P[ T a] = 1 - F(a) Ejemplo 7.5 Si la variable aleatoria X ~ T25. Hallar: a) Qu proporcin de valores de X son mayores que 2.485?; b) Qu proporcin de valores de X se encuentran entre -1.316 y 2.060?; y c) por debajo de que valor se encuentra el 5% de los valores de X? Solucin La variable aleatoria X ~ T25. Entonces, usando la tabla de t se tiene que: a) P[X > 2.485] = 1 - P[T25 2.485] = 1 0.99 = 0.01. Significa que el 1.0% de los valores de X ~ T25 son mayores que 2.485. b) P(-1.316 X 2.060) = P[T25 2.060] - P[T25 -1.316] = = P[T25 2.060] {1 - P[T25 1.316]} = 0.975 {1 - 0.90} = 0.875 Significa que el 87.5% de los valores de X ~ T25 se encuentran entre -1.316 y 2.06. c) Necesitamos halla el cuantil q0.05 = x, tal que: 0.05 = P(T25 x) x = T25, 0.05 = -1.708 Significa que el 5% de los valores de X ~ T25 son menores que -1.708. Veamos la solucin del ejemplo 7.5 utilizando los programas y basados fundamentalmente en las probabilidades acumuladas de la distribucin t. En Excel: Para hallar la distribucin de probabilidades acumuladas T, en la hoja de clculo definimos en la columna A los valores de la variable x = 1.316, 2.060 y 2.485. En la columna B, definimos las probabilidades acumuladas, que en Excel vienen dadas por F(x) = P(X > x). Excel considera x > 0 y en el clculo usar la simetra.

297

Para hallar las probabilidades acumuladas, estando en la casilla B2, en funciones del Excel, escogemos Estadsticas (de seleccionar una categora) y buscamos la funcin DISTR.T y aparece la ventana de Argumentos de funcin donde se define: el valor de X = A2 (1.316) para poder efectuar una copia para los otros valores de x, en el recuadro de Grados_de libertad escribir 25 y en colas escribir 1. Una forma directa de clculo es escribir =DISTR.T(A2,25,1) en el recuadro al lado de hacer clic en Aceptar, aparece la probabilidad acumulada F(1.316) = 0.100057. Para obtener las probabilidades acumuladas para los otros valores de x, se efecta una copia de lo anterior para las celdas sucesivas en B3 y B4, los resultados se presentan en la Figura 7.22. Se puede apreciar que se ha calculado una columna de 1 F(x) cuyos resultados son parecidos a los usados en la solucin manual del Ejemplo 7.4. . Al

Figura 7.22 Clculo de probabilidades acumuladas con la t en Excel Para hallar el inverso de probabilidades acumuladas (calcular el valor del cuantil x , para una probabilidad acumulada = p) usar la funcin DISTR.T.INV(2p, GL) que es para 2 colas (por eso 2p). Para la parte c) del ejemplo 7.5 es DISTR.T.INV(0.10, 25) al hacer enter se obtiene x = 1.708141(en valor absoluto) similar al -1.708 hallado con la tabla de T. En Minitab: Del men escoger Calc Probability Distributions t y aparece la ventana de dilogo t Distribution. El procedimiento de clculo es similar al ejecutado con las distribuciones de probabilidades anteriores. Es decir, el clculo para una constante (Input constant, con el resultado en la ventana Session) o para varios valores definidos previamente en una columna de la Worksheet (Input column, con los resultados en la worksheeet) que se esta usando.

298

Para el clculo de probabilidades acumuladas seleccionar

indicar el parmetro requerido Degrees of freedom (grados de libertad) escribir 25 en el recuadro. Para calcular las probabilidades acumuladas para los valores de X del ejemplo 7.5, en una columna de la worksheet definimos como x los valores -1.316, 2.060 y 2.485; y en otra columna F(x) para obtener los resultados. Para ello, seleccionar y

escoge x en el recuadro; y en Optional storage: se escoge F(x) para que los resultados los deposite en la misma Worksheet. Al hacer clic en OK, en la Worksheet aparecen los resultados siguientes:

Resultados idnticos a los obtenidos con el Excel en la columna 1 F(x). De la tabla, se obtiene rpidamente P(-1.316 X 2.060) = F(2.060) F(-1.316) = 0.975024 0.100057 = 0.874967. Aproximadamente el 0.875 encontrado en b). La representacin grfica de la solucin anterior en Minitab, se obtiene seleccionando del men Graph Probability Distribution Plots, de la ventana mostrada seleccionar View Probability, luego hacer clic en OK y aparece la ventana de dilogo Probability Distribution Plot Probability. En Distribution: hacer clic en , escoger la distribucin t e indicar el parmetro

requerido Degrees of freedom (grados de libertad) escribir 25 en el recuadro. Luego hacer clic en . En Define Shaded Area By escoger , luego

e indicar los valores X1 = -1.316 y X2 = 2.060 [ya que queremos hallar P(-1.316 X 2.060) y el grfico con dicha rea sombreada]. Para finalizar hacer clic en OK y aparece el grfico de la Figura 7.23.

299

Distribution T
gl = df=25 0.4

0.875

0.3

Density

0.2

0.1

0.0

-1.316

0 X

2.06

Figura 7.23 Grfico de P(-1.316 X 2.060) con la t en Minitab Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x, para una probabilidad acumulada dada) seleccionar ventana de dilogo Chi-Square Distribution e indicar los grados de libertad 25. Para determinar el valor de x, para una probabilidad acumulada F(x) =0.05 en la parte c) del Ejemplo 7.4 necesitamos seleccionar y en el recuadro escribir en la

0.05. Al hacer clic en OK, en la hoja de Session aparece este resultado: Inverse Cumulative Distribution Function Student's t distribution with 25 DF P( X <= x ) 0.05 x -1.70814

El 5% de los valores de X ~ T25 son menores que -1.70814. En SPSS: Para calcular las probabilidades acumuladas F(x) (F) del ejemplo 7.5, en la vista de variables se define x y en la vista de datos se ingresan los mismos (-1.316, 2.060 y 2.485).

300

Del men escoger Transformar Calcular variable y aparece la ventana de dilogo de la Figura 7.24. En Variable de destino: escribir F. Del Grupo de funciones: del lado derecho, escoger FDA y FDA no centrada; y de Funciones y variables especiales: seleccionar Cdf.T y con un clic en al recuadro Expresin numrica: donde aparece CDF.T(?,?). A continuacin, hay que definir cada uno de los argumentos ? indicados en la funcin CDF.T(cant,gl) que se precisan en el recuadro central de la Figura 7.24. As cant representa los valores de la variable x y gl = grados de libertad = 25. Para finalizar hacer clic en Aceptar y en la vista de datos aparece los resultados siguientes: ingresarla

Figura 7.24 Clculo de probab. acumuladas con la t en SPSS

301

En R: Para calcular probabilidades acumuladas con la T usar la funcin pt(x,gl). Donde x puede ser un valor o un conjunto de valores definidos previamente, gl = grados de libertad. En el ejemplo 7.5, X ~ T25. Para determinar las probabilidades acumuladas correspondientes a los valores (-1.316, 2.060 y 2.485) se define un vector x con esos valores y luego las probabilidades acumuladas F se calculan as: > x=c(-1.316,2.060,2.485) > F=pt(x,25) > cbind(x,F) x [1,] -1.316 [2,] [3,] 2.060 2.485 F 0.1000570 0.9750238 0.9899976

Para el clculo del inverso de probabilidades acumuladas (calcular el valor del cuantil x o q, para una probabilidad acumulada dada) usar la funcin qt(x,gl). Donde p es una o un conjunto de probabilidades acumuladas definidas previamente. Para hallar el valor del cuantil q correspondiente a las probabilidades acumulada de 0.05 se procede as: > qt(0.05,25) [1] -1.708141 El 5% de los valores de X ~ T25 son menores que -1.708141.

302

REFERENCIAS BIBLIOGRFICAS

1. Arriaza A.J. y Otros (2008). Estadstica Bsica con R y R-Commander. UCA, Universidad de Cdiz. Documento HTML. http://knuth.uca.es/repos/ebrcmdr/pdf/actual/ebrcmdr.apendices.pdf 2. Bazn, Juan y Corbera, Jos (1997). Problemas de probabilidad. Trabajo de investigacin para la Facultad de Ciencias Econmicas de la Universidad Nacional del Callao, Callao, Per, 156 p. 3. Correa, Juan y Gonzlez, Nelfy (2002). Grficos estadsticos con R, Manual pdf. Posgrado en Estadstica de la Universidad Nacional de Medelln, Colombia, 299 p. 4. Chu, Jorge y Otros (2007). Estadstica descriptiva y probabilidades. Lima, Per. Fondo Editorial Universidad de Lima, 294 p. 5. Instituto Nacional de Estadstica e Informtica (2006). Norma Tcnica para la elaboracin de cuadros estadsticos. Resolucin Jefatural N 312-2006 INEI, publicada en la pgina web: http://www.inei.gob.pe/documentospublicos/nt_cestadisticos.pdf 6. Instituto Nacional de Estadstica e Informtica (2009). Indicadores Demogrficos-Poblacin. Censos Nacionales de Poblacin y Vivienda, publicada en la pgina web: http://www.inei.gob.pe/ . Per en cifras. 7. Paradis, Emmanuel (2002). R para principiantes, Manual pdf del Institut des Sciences de lvolution Universit Montpellier II, F-34095 Montpellier cdex 05, Francia, 61 p. Traducido por Jorge A. Ahumada, University of Hawai, 2003. 8. Prez, Csar (2002). Estadstica aplicada a travs de Excel. Madrid, Espaa. Editorial Pearson-Prentice Hall, 596 p. 9. Tukey, John Wilder. 1977. Exploratory Data Analysis. Adisson-Wesley Publishing Company: Reading, Massachusetts. 10. Visauta, Bienvenido. Anlisis estadstico con SPSS para Windows. Madrid, Espaa. Editorial Mc Graw-Hill, 1997.

303

304

ANEXO

305

BASE DE DATOS: ESTADSTICA BSICA 09-A

n_cuest 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 sexo 1 1 1 1 1 2 2 2 2 1 2 1 2 1 2 1 1 1 2 1 1 2 1 2 2 2 2 2 1 1 1 2 1 1 2 2 1 2 2 1 2 1 1 2 1 1 edad 21 16 20 20 21 19 19 17 19 19 22 20 19 18 17 20 18 18 18 23 19 20 20 22 21 23 19 19 20 19 18 20 20 21 18 21 19 19 19 21 19 20 20 19 21 21 peso 68 69 63 55 57 48 50 50 44 60 52.6 80 52 67 46 80 64 64 63 72 65 47 70 50 53 66 57 50.5 80 55 88 55 75 64.5 50 49 54 46.5 49 70 48 60 75 55 51 72 talla 169 172 170 173 167 152 152 156 154 171 160 176 164 171 154 177 169 171 170 179 177 165 171 158 155 160 159 152 175 165 175 157 177 165 149 164 164 160 161 169 150 168 172 150 156 174 ing. fam 3900 800 1000 1200 800 1000 700 1000 600 3000 800 1800 1200 1000 1600 750 3000 2800 2000 4500 3500 2200 4000 1000 800 800 950 1000 1500 1800 1000 4000 800 800 800 900 3000 2000 1300 2500 600 750 2100 2500 600 800 mie. fam 5 5 5 5 5 5 5 4 6 7 4 6 4 4 7 4 6 3 5 5 6 5 5 6 5 2 5 4 5 7 3 5 3 5 2 6 5 5 5 5 4 6 6 5 5 5 g.estud 150 50 250 60 90 250 150 400 20 80 180 150 150 250 300 170 200 240 160 300 200 150 200 120 250 120 180 150 150 200 80 230 250 70 250 300 250 160 80 100 100 120 140 150 200 120 cr.aprob 36 42 38 42 34 42 38 42 50 39 50 38 38 50 30 47 35 35 35 44 42 39 35 43 43 40 34 25 31 35 34 37 34 38 34 50 34 38 37 34 40 27 30 38 50 43 prom. acum 11.30 13.33 13.49 12.40 12.29 13.19 12.40 12.60 13.96 12.00 15.92 13.00 12.00 15.92 13.00 14.00 12.00 11.99 12.00 12.00 13.00 12.00 11.00 11.00 11.00 11.00 12.00 11.00 14.60 12.20 12.00 12.30 13.00 13.50 13.00 12.00 11.95 12.35 12.30 11.35 12.63 10.00 11.70 11.00 13.00 11.50 t.vi viend 2 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 2 2 1 1 1 1 1 1 4 3 2 1 1 1 1 1 1 1 2 3 1 1 1 1 4 1

(Contina .

306

. Continuacin)
n_cuest 47 48 49 50 51 52 53 54 55 56 57 58 59 60 sexo 1 1 1 2 1 1 2 2 2 2 1 1 1 2 n.dor mit 3 7 2 3 4 2 4 3 4 5 3 7 4 4 3 3 4 3 6 4 2 3 4 7 6 3 4 3 3 10 3 edad 22 21 21 22 22 20 22 23 19 20 19 18 19 22 horas. tv 8 4 30 3 4 6 8 10 8 15 10 6 26 7 8 12 10 6 12 5 14 6 14 8 7 14 5 3 6 21 16 peso 68 68 55 59 65 66 51 53 45 52 53 67 77 53 hrs. estud 8 25 35 4 6 30 12 12 30 30 15 16 26 15 10 14 14 18 10 10 20 25 24 8 6 15 8 5 15 9 9 talla 175 168 165 152 172 173 156 155 150 160 168 172 178 157 lib. leidos 1 15 5 4 3 2 3 4 5 4 10 3 3 3 4 3 2 5 8 3 2 3 2 4 7 4 4 3 3 3 3 ing. fam 1500 2000 1500 1300 1000 1000 900 1250 650 900 1000 1300 1200 600 mie. fam 3 4 5 8 9 4 7 4 7 4 5 5 5 3 imp. estudio 4 4 5 4 4 5 4 5 5 4 5 5 5 4 5 5 5 4 4 5 4 4 4 3 4 4 5 5 5 5 4 g.estud 150 180 100 240 300 250 100 250 125 150 250 180 150 150 imp. fisico 4 3 3 4 4 2 3 3 3 2 3 3 5 3 3 4 5 3 2 4 4 4 4 4 5 3 3 3 3 3 4 cr.aprob 34 52 34 48 32 29 16 40 34 44 36 39 30 35 prom. acum 11.00 11.79 12.00 11.00 12.09 11.70 12.00 12.00 14.00 14.00 15.00 13.00 12.00 11.00 t.vi viend 2 1 1 1 3 1 1 1 1 2 1 2 1 1

n_cuest 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

hobby 2 2 1 4 2 2 2 5 4 1 4 2 4 1 3 3 2 2 5 4 2 2 1 2 2 4 2 2 1 4 1

col. proc espe cial 2 2 1 2 1 1 1 1 1 2 1 1 2 1 2 1 2 2 2 1 1 2 1 1 1 1 1 1 1 2 1 2 1 2 2 2 2 2 2 1 2 1 2 2 1 2 2 2 1 2 2 2 2 1 2 2 2 2 2 1 2 2

(Contina . 307

. Conclusin)
n_cuest 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 Codificacin:
SEXO 1 = Hombre 2 = Mujer TIPO DE VIVIENDA 1 = Casa Independiente 2 = Dpto. en Edificio 3 = Quinta 4 = Otro HOBBY 1 = Deporte 2 = Msica 3 = Baile 4 = TV/Cine 5 = Otro

n.dor mit 4 3 3 1 4 4 4 3 3 3 2 7 3 3 5 2 3 3 10 4 5 8 3 4 2 3 3 3 2

horas. tv 3 8 12 12 12 14 10 30 12 16 6 10 14 7 21 10 21 10 8 5 10 10 9 4 8 14 14 14 15

hrs. estud 9 14 16 12 30 14 5 28 28 14 10 7 14 12 35 10 14 18 10 10 14 18 10 10 8 5 14 30 16

lib. leidos 3 4 3 6 8 5 3 5 4 10 0 3 2 1 3 2 3 2 3 7 5 4 2 3 8 2 5 5 3

hobby 2 2 2 4 2 2 3 4 2 1 1 4 4 2 2 1 1 2 2 1 1 2 3 2 4 1 1 1 2

imp. estudio 5 5 4 4 5 4 5 5 5 5 3 4 5 5 4 2 5 5 4 5 5 4 4 4 5 3 4 4 3

imp. fisico 1 4 3 2 3 3 3 4 2 3 3 3 4 3 3 4 4 4 3 5 5 5 4 5 4 3 3 3 4

col. proc espe cial 1 1 2 1 1 2 1 1 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 1 1 1 1 1 1 1 2 2 2 1 2 2 2 2 2 2 2 2 1 2 1 1 2 2 2 2 1 2 2 2 2 2 2 2

IMPORTANCIA DE .

1 = Muy Poca 2 = Poca 3 = Media 4 = Mucha 5 = Muchsima

COLEGIO DE PROCEDENCIA

ESPECIALIZACIN

1 = Estatal 2 = No Estatal

1 = Teora Econmica 2 = Gestin Empresarial

308