Clase de Parametros

Un parmetro estadstico es un nmero que resume la ingente cantidad de datos
que pueden derivarse del estudio de una variable estadstica. El clculo de este
nmero est bien definido, usualmente mediante una frmula aritmtica obtenida a
partir de datos de la poblacin.
Existen principalmente tres tipos de parmetros estadsticos: de posicin,
dispersin y forma:
1. PARMETROS DE POSICIN
Permiten identificar el valor en torno al cual se agrupan mayoritariamente los
datos, es decir, cuyo valor es representativo de todos ellos. Pueden ser de dos
tipos:
MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA Y MODA.
Media Aritmtica
Es el valor obtenido al sumar todos los datos y dividir el resultado entre
el nmero total de datos
N
i 1
Ejemplo:
Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso
medio.
En general, la media no ser un buen parmetro de posicin cuando la distribucin

de los datos sea asimtrica, al ser muy sensible a los valores extremos de la
variable.
Mediana
Es el valor que ocupa el lugar central de todos los datos cuando stos
estn ordenados de menor a mayor.
La mediana se representa por M e .
La mediana se puede hallar slo para variables cuantitativas.

Ejemplo
Hallar la mediana de las siguientes series de nmeros:
3, 5, 2, 6, 5, 9, 5, 2, 8. 2, 2, 3, 5, 5, 5, 6, 8, 9
Me = 5
3, 5, 2, 6, 5, 9, 5, 2, 8, 6, 2, 2, 3, 5, 5, 5, 6, 6, 8, 9.
10/2 = 5
Moda
Es el valor que tiene mayor frecuencia absoluta.
Se representa por M o .
Se puede hallar la moda para variables cualitativas y cuantitativas.
Ejemplo:
Hallar la moda de la distribucin:
2, 3, 3, 4, 4, 4, 5, 5
Mo = 4
MEDIDAS DE POSICIN NO CENTRAL

Se trata de valores de la variable estadstica que dejan por debajo de s
determinada cantidad de los datos. Mientras que la mediana deja por debajo de s
al 50% de la distribucin, los cuantiles pueden hacerlo con cualquier otro
porcentaje. Los ms frecuentemente utilizados son cuartiles, si se divide la
cantidad de datos en cuatro partes. A estos cuartiles se les denomina y representa
de la siguiente manera:
Primer cuartil, C1. Valor que deja por debajo el 25% de los datos y por encima el
75% de los datos.
Segundo cuartil, C2. Coincide con la mediana. Deja el 50% de los valores por
debajo y por encima.
Tercer cuartil, C3. Valor que deja por debajo el 75% de los datos y por encima el
25% de los datos.
Para calcular C1 y C3, ordenados los datos de menor a mayor, se procede de la
siguiente forma:
Si N es un nmero par, entonces C1 es la mediana de los N/2 primeros datos y C3

la mediana de los N/2 ltimos datos.
Si N es un nmero impar, entonces tenemos dos posibilidades:

N 1
2
es impar. C1 es la mediana de los primeros
de los ltimos
N 1
2
N 1
2
de los ltimos
Por ejemplo
datos. C3 es la mediana
datos.
es par. C1 es la mediana de los primeros

N 1
2
N 1
2
+C2 datos
N 1
2
+C2 datos y C3 la mediana
Los siguientes datos muestran el nmero de despedidos que se han producido en

15 empresas del sector del automvil durante el ao 2010:
33
56
91
64
55
60
42
32
26
63
40
25
34
84
Hallar los cuartiles.

Lo primero que debemos hacer es ordenar los datos de menor a mayor:
10
11
12
13
14
15
25
26
32
33
34
40
42
55
56
60
63
64
84
91
Se trata de un nmero impar de datos, luego la mediana es el valor central que

ocupa la posicin (N+1)/2 o en nuestro caso (15+1)/2=8, es decir, el dato 42.
Para el primer y el tercer cuartil, tenemos que N es impar (15) y que (N-1)/2=7 es
impar. Por tanto, el primer cuartil C1 es la media de los primeros (N-1)/2 datos,
como son 7 datos, ser entonces el dato central de los primeros (N-1)/2 datos, o
el dato 4. Luego C1=32
Para C3 seguimos el mismo procedimiento, con lo que C3=63.
2. PARMETROS DE DISPERSIN
Las medidas de posicin resumen la distribucin de datos, pero resultan
insuficientes y simplifican excesivamente la informacin. Estas medidas adquieren
verdadero significado cuando van acompaadas de otras que informen sobre la
heterogeneidad de los datos. Estas medidas se conocen como parmetros de
dispersin y miden en qu medida los datos se agrupan entorno a un valor central.
Hay medidas de dispersin absolutas, entre las cuales se encuentran la varianza,
la desviacin tpica o el recorrido y medidas de dispersin relativas, como el
coeficiente de variacin. Las medidas absolutas tienen que ir acompaadas de un
parmetro de posicin, normalmente la media, y no permiten comparaciones entre
distintas muestras. Las medidas relativas suelen ser adimensionales por lo que
permiten la comparacin entre distintas muestras. Los estadsticos de dispersin
ms relevantes son:
1. Recorrido o Rango
Es la medida de dispersin ms sencilla de calcular. Es la diferencia entre el
mayor y el menor valor que toma la variable. Es una medida poco precisa ya que
slo toma en consideracin un par de observaciones y puede verse afectada por
valores extremos.
Por ejemplo:
Hallar el rango de los datos 2, 9, 8, 9, 15, 21, 5, 20.
El Rango quedara 21-2=19.
2. Intervalo Intercuartlico:
Se define como la diferencia entre el tercer y primer cuartil. En ese rango estn,
por la propia definicin de los cuartiles, el 50% de las observaciones. Este tipo de
medidas tambin se usa para determinar valores atpicos.
Por ejemplo:
Hallar el Intervalo Intercuartlico de los datos 2, 9, 8, 15, 21, 5, 20.
Para el clculo de los cuartiles debemos ordenar los datos de menor a mayor: 2, 5,
8, 9, 15, 20, 21. El C1 ser igual a 5 y el C3 igual a 20, con lo que el Intervalo
Intercuartlico tendr un valor de 15.
3. Varianza y Desviacin Tpica
La varianza se define como:
N
xi x
i 1
N 1
Donde
es el valor de la media aritmtica y xi el valor de cada dato.
Para evitar el inconveniente de que est expresado en las mismas unidades que la
media pero elevadas al cuadrado, suele utilizarse la desviacin tpica (S), que no
es ms que la raz cuadrada de la varianza:
x
i 1
N 1
La varianza cumple tres propiedades bsicas:

La varianza y la desviacin tpica no varan si a cada valor de la variable se le
suma una constante. Es decir, si Y=a+X entonces,
SY2 S X2
Si una variable Z es la suma de dos variables X e Y, la varianza de Z es la suma

de las varianzas de X e Y, es decir, si Z=X+Y entonces,
S Z2 S X2 SY2
Siguiendo lo anterior, si una variable Y es una transformada lineal de otra variable

X, es decir, Y=a+bX, la varianza de Y es tambin la transformada lineal de la
varianza de X, esto es
SY2 b 2 S X2
Por ejemplo: La varianza y desviacin tpica de los datos 2, 9, 8, 15, 21, 5, 20,
seran respectivamente 49,18 y 6,82.
4. Coeficiente de Variacin de Pearson
Se define como cociente entre la desviacin tpica y la media:
CV
S
x
Se interpreta como el nmero de veces que la media est contenida en la

desviacin tpica. Suele darse su valor en tanto por ciento, multiplicando el
resultado anterior por 100. De este modo se obtiene un porcentaje de la
variabilidad.
3. PARMETROS DE FORMA
Las variables aleatorias continuas presentan frecuentemente una pauta de
variabilidad que se caracteriza por el hecho de que los datos tienden a acumularse
en torno a un valor central, que coincide con la media, decreciendo su frecuencia
de forma aproximadamente simtrica a medida que se alejan por ambos lados de
dicho valor. Los histogramas de estas variables continuas tienen forma de
campana de Gauss, que es el modelo matemtico de la distribucin normal,
siendo la distribucin que con ms frecuencia aparece en multitud fenmenos
reales.
Los parmetros de forma son indicativos de la forma tpica que presenta la grfica
o histograma de los datos, es decir de cmo se distribuyen. Entre ellas destacan el
coeficiente de asimetra y curtosis.
1. Coeficiente de Asimetra
Las medidas de asimetra permiten conocer si los datos estn dispuestos de forma
simtrica en torno a un valor central de posicin, que generalmente es la media
aritmtica.
Para saber qu grado de asimetra presentan los datos es necesario el llamado
Coeficiente de Asimetra (C.A), que se define como:
N
CA
x
i 1
( N 1)S 3
Si unos datos son simtricos, lo son respecto a su media y la suma de los cubos
de las desviaciones de los datos respecto a su media ser nula.
Por el contrario, tendremos una asimetra positiva (C.A > 0), cuando la media est
a la derecha de la mediana y grficamente se obtiene un histograma en forma de
L con una cola hacia la derecha, como se muestra en la figura 2. As mismo, existe
asimetra negativa (C.A <0) la media sea inferior a la mediana y el histograma
resultante tiene una forma caracterstica de J, con cola hacia la izquierda.
2. Coeficiente de Curtosis o Apuntamiento (C.C)

Con este parmetro se pretende medir cmo se reparten las frecuencias relativas
de los datos entre el centro y los extremos, tomando como comparacin la
campana de Gauss. Miden si los valores se concentran ms o menos
frecuentemente en torno a la media respecto de lo que cabra esperar en una
distribucin normal
Se define como:
N
xi x
CC i1
( N 1)S 4
Existen 3 grandes categoras de curtosis:

Distribucin platicrtica (apuntamiento negativo) (CC<3): indica que en las colas o
extremos hay ms casos acumulados que en las colas de una distribucin normal,
es decir, datos alejados de la media que aparecen con una frecuencia excesiva,
respecto de una distribucin normal. Presentan un histograma simtrico pero ms
aplanado que una campana de gauss, como se muestra en la figura 3.
Distribucin leptocrtica (apuntamiento positivo) (CC>3): se produce cuando datos
alejados de la media aparecen con una frecuencia menor a lo que sera esperable.
Presentan un histograma simtrico pero ms apuntado que una campana de
gauss, como se muestra en la figura 3.
Distribucin mesocrtica (apuntamiento normal): coincide con la distribucin
normal.
Por ejemplo: el coeficiente de asimetra y de curstosis de los datos 2, 9, 8, 15, 21,

5, 20, seran respectivamente
0,22 y -1,64, es decir prcticamente normal
respecto del punto de vista de la asimetra y ligeramente planicrtico.

Clase de Parametros

Cargado por

Copyright:

Formatos disponibles

Clase de Parametros

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase de Parametros

Cargado por

Copyright:

Formatos disponibles

Un parmetro estadstico es un nmero que resume la ingente cantidad de datos

En general, la media no ser un buen parmetro de posicin cuando la distribucin

La mediana se representa por M e .

La mediana se puede hallar slo para variables cuantitativas.

MEDIDAS DE POSICIN NO CENTRAL

Si N es un nmero par, entonces C1 es la mediana de los N/2 primeros datos y C3

Si N es un nmero impar, entonces tenemos dos posibilidades:

es impar. C1 es la mediana de los primeros

es par. C1 es la mediana de los primeros

+C2 datos y C3 la mediana

Los siguientes datos muestran el nmero de despedidos que se han producido en

Hallar los cuartiles.

Se trata de un nmero impar de datos, luego la mediana es el valor central que

es el valor de la media aritmtica y xi el valor de cada dato.

La varianza cumple tres propiedades bsicas:

Si una variable Z es la suma de dos variables X e Y, la varianza de Z es la suma

Siguiendo lo anterior, si una variable Y es una transformada lineal de otra variable

Se interpreta como el nmero de veces que la media est contenida en la

2. Coeficiente de Curtosis o Apuntamiento (C.C)

Existen 3 grandes categoras de curtosis:

Por ejemplo: el coeficiente de asimetra y de curstosis de los datos 2, 9, 8, 15, 21,

0,22 y -1,64, es decir prcticamente normal

respecto del punto de vista de la asimetra y ligeramente planicrtico.

También podría gustarte