Leccion 3

Leccin 3
Descripcin de variables estadsticas (II)

Medidas de dispersin
Medidas de dispersin absolutas

Medidas de dispersin relativas
(ejemplos)
Momentos
Medidas de forma
Medidas de asimetra
Medidas de apuntamiento
(ejemplos)
Variables aleatorias unidimensionales
Sntesis grfica: el grfico de caja y bigotes

Medidas de concentracin.
(ejemplos)
Transformacin de variables
Tipificacin.
(ejemplos)
Bibliografa:
-
CASAS, J.M.; et al. (2010): Estadstica para las Ciencias Sociales. Ed.
Universitaria Ramn Areces. Cap.2: 5-8
CASAS, J.M.; SANTOS, J. (2002): Introduccin a la Estadstica para
Economa. 2 edicin. Ed. Centro de Estudios Ramn Areces. pgs. 61-108
1
Medidas de Dispersin
En el apartado anterior hemos visto las medidas de posicin:

0,120
0,100
0,080
0,060
0,040
0,020
0,000
Medias
Central
Mediana
Medidas de Posicin
Moda
No Central: Cuantiles
Aritmtica
Geomtrica
Armnica
Aritmtica Ponderada
Relativa
Absoluta
Cuartiles
Deciles
Percentiles
Descripcin de variables estadsticas unidimensionales
Las medidas de dispersin:

Tienen por objeto informar de la separacin general de los
valores de la distribucin en torno a sus posiciones
centrales.
Medidas de Dispersin Absoluta: las que informan de dicha separacin en
unidades relacionadas con la escala de medida
Medidas de Dispersin Relativa: las que informan de dicha separacin de
forma adimensional, por referencia a una cierta magnitud patrn
0,120
0,100
0,080
0,120
0,100
0,060
0,080
0,040
0,060
0,040
0,020
0,020
0,000
0,000
N 3
Clasificacin:
Absolutas
Medidas
de
Dispersin
Relativas
Rango o Recorrido
Recorrido Intercuartlico
Recorrido Semiintercuartlico
Desviacin media
Desviacin mediana
Varianza
Desviacin tpica
Coeficiente de Apertura
Recorrido Relativo
Recorrido Intercuartlico Relativo
Recorrido Semi-intercuartlico Relativo
Coeficiente de Variacin de Pearson
ndice de Dispersin Mediana
N 4
Medidas de Dispersin Absoluta

Re maxxi minxi
Rango, Recorrido o Intervalo de Variacin:
Recorrido Intercuartlico:
Recorrido Semi-intercuartlico:
Desviacin Media:
RI Q3 Q1
RSI
1
Dx
N
RI Q3 Q1
2
2
r
ni xi x
i 1
ni xi Me
Desviacin Mediana:
DMe
Varianza:
1 r
1 r
2
S ni xi x ni xi2 x 2 m2
N i 1
N i 1
Desviacin Tpica:
i 1
S S2
N 5
Propiedades de las Medidas de Dispersin Absolutas
Todas son no negativas ( 0)
ni xi K
DMe Dx S
i 1
es mnimo para K Me
Propiedades de la Varianza
r
n x K
i 1
x S
es mnimo para K x
0 S2
2
1 r
1 r
S
ni xi x ni xi2 x 2
N i 1
N i 1
2
x 2S
x 3S
~68%
~95%
~99%
x S
x 2S
x 3S
N 6
Medidas de Dispersin Relativa
Coeficiente de Apertura:
max xi
A
min xi
Re
Rr
x
Recorrido Relativo:
xi 0 i 1,,r
Q3 Q1
Me
Recorrido intercuartlico Relativo:
RI r
Recorrido Semi-intercuartlico Relativo:
RSI r
S
Coeficiente de Variacin de Pearson: V1
x
ndice de dispersin Mediana:
V2
Q3 Q1
Q3 Q1
DMe
Me
N 7
Ej_Medidas Dispersin_[CS;SP Ej2.32]
Tablas Tipo II
Ejemplo
Ej_Unidim_Discreto_2.xls
En una comunidad de vecinos se ha preguntado a las 20 familias que la componen, el

nmero de personas que trabaja en cada una de ellas, siendo las respuestas las
siguientes: 1, 0, 2, 4, 1, 3, 2, 0, 1, 1, 1, 2, 1, 1, 0, 0, 1, 1, 1, 2.
Calcular las principales medias de dispersin y forma; e interpretar los resultados.
xi
0
1
2
3
4
ni
4
10
4
1
1
20
ni.xi
0
10
8
3
4
25
ni.xi^2
0
10
16
9
16
51
ni(xi-xmed)^2
6,25
0,63
2,25
3,06
7,56
19,75
1
25
x ni xi
1, 25 personas
N i 1
20
S
2
n x x
i 1
19, 75
0,9875 personas 2
20
O, alternativamente: S 2
n x
i 1
2
i i
x2
S S 2 0,9875 0,99 personas

V1
S 0,99
0, 795 79,5%
x 1, 25
51
2
1, 25 0,9875 personas 2
20
Tablas Tipo III
Ejemplo
Ej_Unidim_Continuo_3.xls
Un comercio ha abierto sus puertas al pblico durante 25 das de un mes y ha

obtenido las siguientes recaudaciones (en euros):
16.500, 10.050, 12.320, 10.000, 22.540, 7.325, 13.800, 18.300, 14.600, 25.000, 17.085, 19.000,
11.900, 13.760, 15.075, 20.210, 7.280, 21.200, 23.090, 24.500, 15.800, 5.000, 13.050, 21.600, 17.700

(Li-1
5000
9000
13000
17000
21000
Li]
9000
13000
17000
21000
25000
ni
3
4
7
5
6
25
1 r
403000
x ni xi
16120
N i 1
25
n x
r
S
2
i 1
xi
7000
11000
15000
19000
23000
ni.xi
21.000
44.000
105.000
95.000
138.000
403.000
ni.xi^2
147.000.000
484.000.000
1.575.000.000
1.805.000.000
3.174.000.000
7.185.000.000
n x
i 1
2
i i
7185106
2
x
16120 27545600 2
25
2
S S 2 27545600 5248,39
V1
S 5248,39
0,3256 32,56%
x
16120
N 9
Momentos
Hemos visto que:
1
x
N
n x
i 1
i i
1 r
1 r
2
S ni xi x ni xi2 x 2
N i 1
N i 1
Estas expresiones, con diversas potencias, aparecen

frecuentemente en frmulas estadsticas; y dan lugar al
concepto de Momentos (potenciales)
Momentos (o momentos con respecto al origen)
Momentos (potenciales)
Momentos centrales (o momentos con respecto a la media)
Momentos
Momentos (o momentos con respecto al origen)

Definicin: Momento de orden h de una variable X
1 r
ah ni xih
N i 1
Casos particulares:
a0 1
a1 x
1 r
x ni xi a1
N i 1
1 r
a2 ni xi2
N i 1
1 r
S ni xi2 x 2 a2 a12
N i 1
2
N 11
Momentos
Momentos centrales (o con respecto a la media)

Definicin: Momento central de orden h de una variable X
1 r
h
mh ni xi x
N i 1
Casos particulares:
m0 1
m1 0
1 r
2
1 r
2
m2 ni xi x S ni xi x 2 m2
N i 1
N i 1
N 12
Momentos
Relaciones entre los momentos con respecto al origen y

los momentos con respecto a la media
m2 a2 x 2
m3 a3 3a2 x 2 x 3
m4 a4 4a3 x 6a2 x 2 3x 4
se deducen del desarrollo de Newton de la potencia de un binomio:

h
h
1 r
1 r h
h
j h h j j
mh ni xi x ni (1) xi x (1) j ah j x j
N i 1
N i 1 j 0
j
j
j 0
N 13
Introduccin
Medidas de Forma
Acabamos de ver las medidas de dispersin, para distinguir situaciones

diferentes que podran presentar unas mismas medidas de posicin:
0,120
0,100
0,080
0,060
0,040
0,020
0,000
0,120
0,100
Absolutas
0,080
0,060
0,040
0,020
0,000
Medidas de
Dispersin
Relativas
Rango o Recorrido
Recorrido Intercuartlico
Recorrido Semi-intercuartlico
Desviacin media
Desviacin mediana
Varianza
Desviacin tpica
Coeficiente de Apertura
Recorrido Relativo
Recorrido Intercuartlico Relativo
Recorrido Semi-intercuartlico Relativo
Coeficiente de Variacin de Pearson
ndice de Dispersin Mediana
14
Introduccin
Pero puede haber variables que con la misma medida de posicin

central y dispersin sean sustancialmente diferentes
Objetivo de este apartado:

Ampliar las medidas de posicin y dispersin, con otras medidas de
forma que permitan distinguir estas diferentes situaciones
15
Las medidas de forma:
Tienen por objeto informar de la forma en que se reparte la dispersin

de los datos al rededor de sus posiciones centrales.
Medidas de Asimetra: las que informan del grado de simetra de la

distribucin con respecto de alguna medida de posicin central
vs
Medidas de Curtosis o apuntamiento central: las que informan del grado de

polarizacin existente entre los valores centrales y los de las colas de la
distribucin
vs
N 16
Medidas de Forma
Clasificacin:
Con respecto a la Media
ndice de asimetra de Fisher
Medidas de
Asimetra
Medidas
Con respecto a la Mediana
Coeficiente Absoluto de Asimetra

ndice de asimetra de Bowley
de
ndice de asimetra de Pearson
Forma
Medidas de Curtosis
o Apuntamiento
Coeficiente de Curtosis
N 17
Medidas de Forma
Medidas de Asimetra
La Simetra implica que
x Me Mo
Me x Mo
Simetra
y si, adems, la distribucin es unimodal, entonces:
Tipos de Asimetra:
Asimetra a la derecha o positiva
Mo Me x
Mo Me x
Simetra m3=0
Asimetra a la izquierda o negativa
x Me Mo
x Me Mo
N
Medidas de Forma
Si ndice = 0
Medidas de Asimetra:
Simetra
Si ndice > 0 Asimetra positiva

Si ndice < 0 Asimetra negativa
Medidas de asimetra con respecto de la media:
Indice de Asimetra de Pearson:

Indice de Asimetra de Fisher:
x Mo
S
1 r
3
n
(
x
x
)
i
i
m3 N
i 1
g1 3
S
S3
f1
Medidas de asimetra con respecto de la mediana

Coeficiente Absoluto de Asimetra: f 2
(Q3 Q2 ) (Q2 Q1 )
S
(Q3 Q2 ) (Q2 Q1 )
Q3 Q1
Indice de Asimetra de Bowley:
N 19
Medidas de Forma
Medidas de Curtosis o apuntamiento central

Coeficiente de Curtosis de Fisher:
m4
g2 4 3
s
Si g2>0 Ms apuntamiento que la distribucin normal: Leptocrtica

Si g2=0 Apuntamiento similar a la distribucin normal: Mesocrtica
Si g2<0 Menos apuntamiento que la distribucin normal: Platicrtica
Platicrtica
Leptocrtica
Ej_Medidas de Forma_[CS;SP Ej2.32]

Ej_Unidim_Discreto_2.xls
Ejemplo
En una comunidad de vecinos se ha preguntado a las 20 familias que la componen, el

nmero de personas que trabaja en cada una de ellas, siendo las respuestas las
siguientes: 1, 0, 2, 4, 1, 3, 2, 0, 1, 1, 1, 2, 1, 1, 0, 0, 1, 1, 1, 2.
xi
0
1
2
3
4
ni
4
10
4
1
1
20
Momentos:
ni.xi
0
10
8
3
4
25
1,25
=a1
ni.xi^2
0
10
16
9
16
51
2,55
=a2
ni.xi^3
0
10
32
27
64
133
6,65
=a3
ni.xi^4
0
10
64
81
256
411
20,55
=a4
m2 a2 x 2 2,55 1, 25 0,9875
2
m3 a3 3a2 x 2 x 3 6,65 3 2,551, 25 21, 25 0,9938

3
m4 a4 4a3 x 6a2 x 2 3x 4
20,55 4 6, 651, 25 6 2,55 1, 25 31, 25 3,8820
2
g1
m3
0,9938
1, 01
3/ 2
3
S
0,9875
g2
m4
3,8820
3 0,98
4
2
s
0.9875

Ej_Unidim_Continuo_3.xls
Ejemplo
Un comercio ha abierto sus puertas al pblico durante 25 das de un mes y ha

obtenido las siguientes recaudaciones (en euros):
16.500, 10.050, 12.320, 10.000, 22.540, 7.325, 13.800, 18.300, 14.600, 25.000, 17.085, 19.000, 11.900,
13.760, 15.075, 20.210, 7.280, 21.200, 23.090, 24.500, 15.800, 5.000, 13.050, 21.600, 17.700

(Li-1
5000
9000
13000
17000
21000
Li]
9000
13000
17000
21000
25000
ni
3
4
7
5
6
25
xi
7000
11000
15000
19000
23000
ni.xi
21.000
44.000
105.000
95.000
138.000
403.000
16.120,00
=a1
Momentos:
ni.xi^2
147.000.000
484.000.000
1.575.000.000
1.805.000.000
3.174.000.000
7.185.000.000
287.400.000
=a2
ni.xi^3
1.029.000.000.000
5.324.000.000.000
23.625.000.000.000
34.295.000.000.000
73.002.000.000.000
137.275.000.000.000
5.491.000.000.000
=a3
ni.xi^4
7.203.000.000.000.000
58.564.000.000.000.000
354.375.000.000.000.000
651.605.000.000.000.000
1.679.046.000.000.000.000
2.750.793.000.000.000.000
110.031.720.000.000.000
=a4
m2 a2 x 2 287400 16120 27545600

2
m3 a3 3a2 x 2 x 3 5491109 3 2874104 16120 216120 29958144000

3
m4 a4 4a3 x 6a2 x 2 3x 4
110031720109 4 5491109 16120 6 287410 4 16120 316120 1492039761920000

2
g1
m3 29958144000
0, 21
S 3 27545600 3/ 2
g2
m4
1492039761920000
3 1, 03
4
2
s
27545600
N
Sntesis Grfica: el Grfico de Caja y Bigotes
Es una representacin grfica de una distribucin estadstica

unidimensional que refleja sus principales caractersticas: lmite inferior,
primer cuartil, mediana, tercer cuartil y lmite superior, informando de
cmo son las colas de la misma.
Si H Q3 Q1 , el diagrama general es:
Q1 3(Q3 Q1 )
1,5H
Min{xi}
3
Q3 (Q3 Q1 )
2
3
Q1 (Q3 Q1 )
2
1,5H
Q1
Q3
1,5H
Me
Q3 3(Q3 Q1 )
1,5H
Max{xi}
Barreras interiores
Zona de observaciones atpicas
Barreras exteriores
Zona de observaciones extremas
Elementos bsicos
Mediana
Bisagra inferior: Q1
Bisagra superior: Q3
Analisis_Preliminar_de_los_Datos: Enfoque Exploratorio
extensin: H=Q3-Q1
Barreras interiores:
Superior
Inferior
Q3 +1.5H ( mx)
Q1 -1.5H ( min)
Barreras exteriores:
Superior
Inferior
Q3 +3H
Q1 -3H
8000000
6
376
6000000
637
7
164
853
4000000
934
594
798
262
391
709
394
889
266
228
19
479
906
357
914
598
371
512
881
2000000
348
23
430
419
Valores atpicos (outsiders):

valores entre barreras
-2000000
N=
Valores extremos (far out values):

fuera de las barreras exteriores
424
51
Varn
Mujer
Sexo
Medidas de Concentracin
Tratan de poner en relieve el mayor o menor grado de igualdaddesigualdad (equidistribucin-concentracin) en el reparto de la suma
total de los valores de la variable.
Ejemplo: cmo se reparte la masa salarial entre los N trabajadores de una empresa?
Dos casos extremos:

Si el reparto se realiza asignando a todos los individuos la misma cantidad, sta ser la
medida de la distribucin, y se dice que hay equidistribucin (o mxima igualdad)
x1 x2 xi xN x
Si el reparto se realiza de forma que todo lo recibe un individuo y el resto no reciben
nada, se dice que hay mxima concentracin ( mxima desigualdad)
x1 x2 xi xN 1 0 , xN N x
Principales indicadores de concentracin (desigualdad):

Grfico: La curva de Lorenz
Numrico: El ndice de Gini
N
Medidas de concentracin
La curva de Lorenz:
Ordenamos los valores de menos a mayor, como de costumbre
x1 x2 xi xr
Calculamos la proporcin de individuos hasta el intervalo -simo:
pi
Ni
100
N
i
ui n j x j
Calculamos la cantidad de recursos repartidos hasta el intervalo -simo:

j 1
Calculamos la proporcin de recursos repartidos hasta el intervalo -simo:
qi
Dibujamos la Curva de Lorenz
poligonal que une los puntos (pi, qi)
ui
u
100 i 100
ur
Nx
qi%
Casos extremos:
Equidistribucin: diagonal del cuadrado
Mxima concentracin: Lados del cuadrado
Curva de
Lorenz
pi%
Medidas de concentracin
ndice de Concentracin de Gini:

Es el doble del rea que deja la Curva de Lorenz con la diagonal del cuadrado.
Indice de Concentracin de Gini:
r 1
IG
( pi q i )
i 1
r 1
r 1
pi
i 1
Mnima
0 IG 1
Concentracin
qi
qi%
i 1
r 1
pi
i 1
Mxima
Concentracin
Curva de
Lorenz
pi%
Casos extremos:
Equidistribucin: Curva de Lorenz en la diagonal del cuadrado
IG=0
Mxima concentracin: Curva de Lorenz en los lados del cuadrado IG=1
N 27
Ej_medidas de concentracin_[CS;SP Ej2.34]

Ej_Unidim_Discreto_4.xlsx
Ejemplo
En una empresa existen 4 categoras profesionales, y cada una de ellas tiene unos
niveles de ingresos mensuales diferentes. Las frecuencias que expresan dichos
niveles de ingresos junto al nmero de personas de cada categora es la siguiente:
xi
1000
2000
3000
4000
ni
25
10
4
1
40
Obtener el ndice de Gini y la Curva de Lorenz

xi
1000
2000
3000
4000
ni
25
10
4
1
40
pi=Fi(a)
0,6250
0,8750
0,9750
1,0000
3,4750
ni.xi(a)
25.000
45.000
57.000
61.000
qi
0,4098
0,7377
0,9344
1,0000
3,0820
pi-qi
0,2152
0,1373
0,0406
0,0000
0,3930
r 1
r 1
IG
( p q )
i 1
r 1
p
i 1
0,393
0,1588
2, 48
IG 1
q
i 1
r 1
p
i 1
2, 08
0,1588
2, 48
N 28
Transformacin lineal de una Variable Estadstica

A. Cambio de Origen:
xi ui xi Ot
transformar
Cmo se transforma la distribucin de X?
xi
10
20
30
40
50
ni
4
6
6
2
2
ui xi 30
ui
-20
-10
0
10
20
ni
4
6
6
2
2
-20 -15 -10
-5
-20 -15 -10
-5
10
15 20 25
10
15 20 25
30 35
40
45
50
30 35
40
45
50
Transformacin lineal de una variable estadstica
B. Cambio de Escala
xi
xi
wi
C
transformar
xi
10
20
30
40
50
wi
wi
1
2
3
4
5
ni
4
6
6
2
2
-20 -15
-10
-5
xi
10
ni
4
6
6
2
2
10
15 20
25
30
35
40
45
50
10
15 20
25
30
35
40
45
50
-20 -15
-10
-5
N 30
C. Cambio de Origen y de Escala
xi O t
xi
yi
C
transformar
( xi Ot Cyi )
xi
10
20
30
40
50
yi
yi
-2
-1
0
1
2
ni
4
6
6
2
2
-20 -15
-10
-5
xi 30
10
ni
4
6
6
2
2
10
15 20
25
30
35
40
45
50
10
15 20
25
30
35
40
45
50
-20 -15
-10
-5
N 31
yi
Efecto sobre la media

xi
10
20
30
40
50
ni
4
6
6
2
2
20
x ini
40
120
180
80
100
520
x i2ni
400
2400
5400
3200
5000
16400
ui xi 30
ui
-20
-10
0
10
20
yi
yi
-2
-1
0
1
2
ni
4
6
6
2
2
20
uini
-80
-60
0
20
40
-80
ui2ni
1600
600
0
200
800
3200
-20 -15
-10
-5
-20 -15
-10
y ini
-8
-6
0
2
4
-8
y i2ni
16
6
0
2
8
32
-5
10
15 20
10
x Ot
C
25
15 20
25
-10
-5
520
26
20
30
x Ot 26 30
0.4
10
10
10
15 20
25
40
35
-20 -15
30
u x Ot 26 30 4
ui xi 30
10
10
ni
4
6
6
2
2
20
xi Ot
C
30
35
40
45
50
45
50
45
50
80
4
20
35
40
8
0.4
20
N 32
Efecto de un cambio de origen y de escala sobre las medidas de posicin:

Si se realiza un cambio de origen y de escala,
xi yi
xi Ot
C
xi Cyi Ot
entonces:
x Ot
y
C
Mex Ot
Mey
C
Mox Ot
Moy
C
Cr / q ( x) Ot
Cr / q ( y )
C
x C y Ot
Mex C Mey Ot
Mox C Moy Ot
Cr / q ( x) C Cr / q ( y ) Ot
N 33
Efecto sobre la varianza y xi Ot

i
S x2
S 2
C
xi
10
20
30
40
50
ni
4
6
6
2
2
20
x ini
40
120
180
80
100
520
x i2ni
400
2400
5400
3200
5000
16400
ui xi 30
ui
-20
-10
0
10
20
yi
yi
-2
-1
0
1
2
ni
4
6
6
2
2
20
uini
-80
-60
0
20
40
-80
ui2ni
1600
600
0
200
800
3200
-20 -15
-20 -15
-10
-5
-10
y ini
-8
-6
0
2
4
-8
y i2ni
16
6
0
2
8
32
-5
10
15 20
-10
-5
Sy
S x 12
1.2
C 10
25
30
10
15 20
25
30
15 20
25
35
40
45
50
35
40
45
50
3200
(4) 2 12
20
Su
10
SX
C
16400
26 2 12
20
-20 -15
Sx
Su S x 12
ui xi 30
10
10
ni
4
6
6
2
2
20
SY
2
y
30
Su
35
40
45
50
32
(0.4) 2 1.2
20
N 34
Efecto de un cambio de origen y de escala sobre las medidas de dispersin

y los momentos centrales:
Si se realiza un cambio de origen y de escala,
xi Ot
xi yi
xi Cyi Ot
C
entonces:
SX
SY
C
S X C SY
S x2
S 2
C
m ( x)
mh ( y ) h h
C
S x2 C 2 S y2
2
y
mh ( x) C mh ( y )
h
En general, las medidas de dispersin relativa son invariantes frente

a cambios de escala positivos del tipo:
x
xi yi i xi Cyi , C 0
C
pero se ven influenciadas por los cambios de origen.
N 35
Efecto de un cambio de origen y de escala sobre las medidas de forma:

Si se realiza un cambio de origen y de escala positivo,
xi yi
xi Ot
C
xi Cyi Ot
,C 0
entonces:
g1 ( x) g1 ( y)
g 2 ( x) g 2 ( y )
N 36
Tipificacin de una variable

Una variable Z se dice que est tipificada o estandarizada
cuando su media es cero y su desviacin tpica es uno;
es decir, si
z 0
y Sz 1
Proceso de Tipificacin:
Dada cualquier variable X, con media x y varianza positiva S x 0

siempre podemos obtener la correspondiente variable tipificada, Z,
realizando el siguiente cambio de origen y de escala:
X x
Sx
xx
Sx
Sz Sx 1
Sx
Ej_Transformacin de una v.e. unidimensional
Ejemplo
Ej_Transformacion de una
ve1dim.xlsx
Calcular como varan las principales medidas estadsticas descriptivas

unidimensionales ante un cambio del origen al valor 30 y de escala a unidades 10
veces mayores:
X
Y = (X-30) / 10
media
26
mediana
26
moda
26
cuantil de orden p
26
varianza
144
desviacin tpica
12
Momento central de
3
orden h=
144
x Ot
C
Me X Ot
Cx
Mo X Ot
Mo Y
Cx
C p X Ot
C p Y
Cx
Var X
Var Y
Cx2
S
SY X
Cx
m (Y )
mh (Y ) h h
Cx
Me Y
Y
= (26-30) / 10 =
-0,40
= (26-30) / 10 =
-0,40
= (26-30) / 10 =
-0,40
= (26-30) / 10 =
-0,40
= 144 / (10^2) =
1,44
= 12 / |10| =
1,20
= 144 / (|10|^3) =
0,14
Coeficiente de
asimetra de Fisher
g1 ( X ) g1 (Y )
=1=
Coeficiente de
curtosis de Fisher
0,8
g 2 ( X ) g 2 (Y )
= 0,8 =
0,8
N 38
Bibliografa
Bsica:
CASAS, J.M.; et al. (2010): Estadstica para las Ciencias Sociales. Ed. Universitaria Ramn
Areces. Cap.2:5-8
[CS;SP] Casas Snchez, J.M.; Santos Peas, J. Introduccin a la estadstica para Economa. 2
edicin. Editorial Centro de Estudios Ramn Areces. 2002. pgs. 61-108
Complementaria:
[A;S;W] ANDERSON, D.R.; SWEENEY, D.J. & WILLIAMS, T.A. Estadstica para Administracin
y Economa. Ed. Paraninfo. 1999. pgs. 63-88; 100-104.
[A;G] ARANDA, J.; GOMEZ, J. Introduccin a la Estadstica Econmica y Empresarial. (2 Vols). Ed. PPU.
1992. pgs. 35-69
[CS+4] CASAS, J.M; CALLEALTA, F.J.; NUEZ, J.J.; TOLEDO, M.I.; UREA, C. Curso Bsico de Estadstica
Descriptiva. INAP. Madrid. 1986. pgs. 87-149
[MP] MARTIN PLIEGO, J.J. Introduccin a la Estadstica Econmica y Empresarial (Teora y Prctica). Ed.
AC. 1994. pgs. 37-192
[U;M] URIEL, E.; MUIZ, M. Estadstica Econmica y Empresarial. Teora y ejercicios. Ed. AC. 1988. pgs.
15-50

Leccion 3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Leccion 3

Uploaded by

Copyright:

Available Formats

Leccin 3

Descripcin de variables estadsticas (II)

Medidas de dispersin absolutas

Variables aleatorias unidimensionales

Sntesis grfica: el grfico de caja y bigotes

En el apartado anterior hemos visto las medidas de posicin:

Variables aleatorias unidimensionales

Descripcin de variables estadsticas unidimensionales

Las medidas de dispersin:

Descripcin de variables estadsticas unidimensionales

Medidas de Dispersin Absoluta

Rango, Recorrido o Intervalo de Variacin:

Descripcin de variables estadsticas unidimensionales

Propiedades de las Medidas de Dispersin Absolutas

Todas son no negativas ( 0)

Descripcin de variables estadsticas unidimensionales

Descripcin de variables estadsticas unidimensionales

Medidas de Dispersin Relativa

Recorrido intercuartlico Relativo:

Recorrido Semi-intercuartlico Relativo:

ndice de dispersin Mediana:

Ej_Medidas Dispersin_[CS;SP Ej2.32]

Descripcin de variables estadsticas unidimensionales

En una comunidad de vecinos se ha preguntado a las 20 familias que la componen, el

S S 2 0,9875 0,99 personas

Ej_Medidas Dispersin_[CS;SP Ej2.16]

Tablas Tipo III

Un comercio ha abierto sus puertas al pblico durante 25 das de un mes y ha

Descripcin de variables estadsticas unidimensionales

Calcular las principales medias de dispersin y forma; e interpretar los resultados.

Hemos visto que:

Estas expresiones, con diversas potencias, aparecen

Momentos (o momentos con respecto al origen)

Descripcin de variables estadsticas unidimensionales

Momentos centrales (o con respecto a la media)

Descripcin de variables estadsticas unidimensionales

Descripcin de variables estadsticas unidimensionales

Relaciones entre los momentos con respecto al origen y

se deducen del desarrollo de Newton de la potencia de un binomio:

Acabamos de ver las medidas de dispersin, para distinguir situaciones

Variables aleatorias unidimensionales

Variables aleatorias unidimensionales

Pero puede haber variables que con la misma medida de posicin

Objetivo de este apartado:

Las medidas de forma:

Tienen por objeto informar de la forma en que se reparte la dispersin

Descripcin de variables estadsticas unidimensionales

Medidas de Asimetra: las que informan del grado de simetra de la

Medidas de Curtosis o apuntamiento central: las que informan del grado de

ndice de asimetra de Fisher

Con respecto a la Mediana

Coeficiente Absoluto de Asimetra

ndice de asimetra de Pearson

La Simetra implica que

Descripcin de variables estadsticas unidimensionales

y si, adems, la distribucin es unimodal, entonces:

Asimetra a la derecha o positiva

Asimetra a la izquierda o negativa

Si ndice > 0 Asimetra positiva

Medidas de asimetra con respecto de la media:

Descripcin de variables estadsticas unidimensionales

Indice de Asimetra de Pearson:

Medidas de asimetra con respecto de la mediana