1 / 25

Estadística Descriptiva

Estadística Descriptiva. TEMA 3: MEDIDAS ESTADÍSTICAS. 3.0-PROPIEDADES DE YULE. Propiedades de Yule : Propiedades deseables de una medida de tendencia central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa de todas las observaciones.

kizzy
Download Presentation

Estadística Descriptiva

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Estadística Descriptiva TEMA 3: MEDIDAS ESTADÍSTICAS

  2. 3.0-PROPIEDADES DE YULE Propiedades de Yule: Propiedades deseables de una medida de tendencia central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa de todas las observaciones. 3) De significado sencillo y fácil de entender. 4) De cálculo rápido y fácil. 5) Poco sensible a las fluctuaciones del muestreo(valor parecido al de la población) 6) Adecuado a cálculos algebraicos posteriores.

  3. Mediana: La Mediana de la variable estadística X se define como el valor que verifica: Me = Xi Fi = 0,5 • Si n (número de observaciones) es impar: • Me = • Si n es par: • Me = • Ejemplo: • 2, 4, 6, 7, 8, 10, 10, 11 n = 8 (par) • Me = (7+8)/2 = 7,5 Observación Posición 3.1-MEDIDAS DE TENDENCIA CENTRAL Importante: Las observaciones deben estar ordenadas cuantitativamente.

  4. Intervalo mediano La Mediana cuando X viene en una tabla de frecuencias agrupadas en intervalos: Ii = (ei-1, ei] Fi-1 < 0,5 < Fi ó Ejemplo: n/2 15  n/2 = 30/2 = 15  30 Intervalo Mediano: (5,10] Me = 5 + ((15 - 15)/15) * 5 = 5 n = Número total de observaciones 3.1-MEDIDAS DE TENDENCIA CENTRAL

  5. Propiedades de la Mediana: (1) Cumple las condiciones 1, 3, 4, 5 de Yule. (2) Distancia absoluta o media al valor a. dabsoluta (a) = dabs (Me)  dabs (a) , a  R 3.1-MEDIDAS DE TENDENCIA CENTRAL

  6. Moda: La Moda de la variable estadística X se define como aquel/llos valores más frecuentes. • Mo = xi / ni = max nj ó fi = max fjj=1-->k • En Tabla de Frecuencias sin agrupar: Comparar las frecuencias de cada modalidad , la que tenga mayor frecuencia será la Moda de nuestra variable estadística. • En Tabla de Frecuencias agrupadas en Intervalos: • Intervalo Modal--> Ii = (ei-1, ei] hi = max hjj = 1,…,k • 1 = hi-hi-1 • 2 = hi-hi+1 Propiedades de la Moda: (1) Cumple las propiedades 1, 3 y 4 de Yule. (2) Si hay dos modas = Bimodal Si hay tres modas = Trimodal ... 3.1-MEDIDAS DE TENDENCIA CENTRAL

  7. Media Aritmética: La media aritmética o media de la variable estadística X es: • x = (x1 + … + xn) / n • x = (x1* n1 +…+ xk* nk) / n • x = x1* f1 +…+ xk* fk • Propiedades de la Media Aritmética: • (1) Cumple las Propiedades 1, 2, 3, 4, 6 de Yule. • (2) • (3) Distancia Cuadrática(a) = • (4) y = a*x + b a, b  R x : x1,…, xky : y1= a*x1 + b ,..., yk = a*xk + b • (5) Z = a*X + b*Yz = a*x + b*y X, Y, a, b  R Relación entre Media Aritmética, Mediana y Moda: 3 ( x - Me )  ( x - Mo ) k = modalidades diferentes 3.1-MEDIDAS DE TENDENCIA CENTRAL

  8. Media Geométrica: La Media Geométrica (G) de una variable estadística X, positiva, se define como: • Media Armónica: La Media Armónica (H) de una variable estadística X, positiva, se define como: • Media Cuadrática: La Media Cuadrática (Q) de una variable estadística X, positiva, se define como: Comparación de las diversas Medias: H  G  X  Q 3.1-MEDIDAS DE TENDENCIA CENTRAL

  9. Desviación Absoluta Media La desviación absoluta media con respecto a la Mediana (Me), se define como: La desviación absoluta media con respecto a la Media(x), se define como: DMe  Dx 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  10. Varianza: La Varianza de X, se define como: • S2 = 2 = var(X) = • Desviación Típica: La desviación Típica de X, se define como: • S =  = + s2  0 • Se vuelve a la misma unidad de la variable original. • Cuasivarianza: La Cuasivarianza de X, se define como: • Cuasivarianza Típica: Sc = +S2c Relación entre estas Dispersiones: n*S2 = (n-1)*S2c 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  11. Coeficiente de Variación de Pearson • El Coeficiente de Variación de Pearson de la variable estadística X, se define como: • |x| es muy pequeña • Si x = 0 no se usaría el CVx • CVx no cambia si utilizamos escalas distintas. • Para averiguar o comparar donde hay más o menos variación de varias variables estadísticas podemos utilizar cual es su CVx,ya que las escalas pueden ser diferentes( no tiene unidad de Medida, es adimensional). 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  12. Cuantiles Se define el Cuantil de orden  (0 <  < 1), como la proporción igual o mayor de observaciones que . Casos Particulares: Cuartiles:Q1 = X0,25 , Q2 = X0,50 , Q3 = X0,75 Deciles:D1 = X0,1 , D2 = X0,2 ,…, D9 = X0,9 Percentiles:P1 = X0,01 , P2 = X0,02 ,…, D99 = X0,99 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  13. Cálculo de los cuantiles X • X no agrupada en Intervalos: • 1)  = Fi X = ( xi + xi+1 ) / 2 • 2) Fi-1 < < Fi x = xi • X agrupada en Intervalos: • Fi-1   Fi (ei-1 , ei]  Xa 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  14. 3.2-CARACTERÍSTICAS DE DISPERSIÓN • Recorrido Intercuartílico • El Intervalo Intercuartílico de X, se define como: • [ Q1 , Q3] • ( 50 % de las observaciones más centradas) • El rango Intercuartílico de X, se define como: • IQR = Q3 - Q1 • El rango o recorrido de X, se define como: • Rg(X) = Max xi - Min xi

  15. Momentos El Momento de Orden r respecto a c se define como: Momentos no Centrales(c=0): Momentos Centrales de orden r (c=x): Propiedades (1) (2) (3) 3.2-CARACTERÍSTICAS DE DISPERSIÓN

  16. Propiedades (1) (2) (3) (4) (5) (6) Teoría de la Información (SHANNON-1948) n = Número total de observaciones 3.2-CARACTERÍSTICAS DE DISPERSIÓN Indice de Diversidad El Indice de Diversidad de X trata la dispersión en variables nominales y se define como: Donde H es:

  17. Coeficientes de Asimetría • Coeficiente de Simetría de PEARSON de X: • Si: As = 0 Situación de Simetría • As > 0 Situación de Simetría a la Derecha • AS < 0 Situación de Asimetría a la Izquierda • Medida Adimensional(Sin Medida) 3.3-CARACTERÍSTICAS DE FORMA

  18. Coeficiente de Simetría de FISHER de X: • Si: = 0 Situación de Simetría • > 0 Situación de Simetría a la Derecha • < 0 Situación de Asimetría a la Izquierda • Medida Adimensional(Sin Medida) 3.3-CARACTERÍSTICAS DE FORMA

  19. Coeficiente de Curtosis El Coeficiente de Curtosis de Fisher de la Variable Estadística X se define como: Interpretación: = 0 > 0 < 0 Mesocúrtica Leptocúrtica Platicúrtica 3.3-CARACTERÍSTICAS DE FORMA

  20. 3.4-CARACTERÍSTICAS DE CONCENTRACIÓN Medidas de Concentración Las Medidas de Concentración ponen de relieve el mayor o menor grado de igualdad en el reparto de la suma total de los valores de la variable. Suelen ser variables de tipo económico: Producción, Salarios, Ventas, ...

  21. Curva de Lorentz La Curva de Lorentz es la poligonal que une los puntos (qi,Pi), i = 0, … , k , donde P0 = 0 , q0 = 0 si : Es la suma de todas las observaciones que caen en el intervalo i-ésimo. si = xi * ni para (ei-1,ei] Si : Acumulación del número de observaciones entre intervalos. Si = s1 + … + si Pi : Porcentaje Pi = Fi * 100 qi : Porcentaje de la suma total que hay menores o iguales que el extremo superior del intervalo. 3.4-CARACTERÍSTICAS DE CONCENTRACIÓN

  22. Ejemplo(Curva de Lorentz): X = “Salario en miles de pesetas” Concentración Máxima(debido a que la curva de Lorentz esta bastante alejada de la recta que une los puntos extremos) Pi (100,100) (0,80) qi (0,0) 3.4-CARACTERÍSTICAS DE CONCENTRACIÓN

  23. Indice de GINI El Indice de Gini se define como el área encerrada entre la bisectriz y la Curva de Lorentz, dividida por la mitad del área del cuadrado [0,100] x [0,100]: • Interpretación • Concentración Máxima • Concentración Mínima 3.4-CARACTERÍSTICAS DE CONCENTRACIÓN

  24. Mediala La Mediala de una variable estadística positiva es el valor: Ml = xi / qi = 50 La Mediala sólo se puede utilizar en variables acumuladas en intervalos, ya que para las no acumuladas utilizamos la Mediana. 3.4-CARACTERÍSTICAS DE CONCENTRACIÓN

  25. FIN José Antonio Cortegana Camúñez 2001-2002

More Related