ESTADISTICA

APLICADA
Sesión 03
Ing. William Jaime León Velásquez
2

MEDIDAS DE
DISPERSIÓN
Y DE FORMA
CONTENIDO TEMATICO
Medidas de dispersión
Medidas de forma
Variables Estadísticas Bidimensionales
Ecuación de regresión

3
MEDIDAS
DE
DISPERSION

4
 MEDIDAS DE DISPERSIÓN

Las Medidas de Dispersión, son

indicadores de variabilidad .

La importancia de estas medidas

reside en la necesidad de tomar
decisiones, basados en la
variabilidad de los datos..

5
 MEDIDAS DE DISPERSIÓN

La Dispersión se refiere a la variabilidad

entre los valores, es decir, qué tan grandes
son las diferencias entre los valores. .

La idea de dispersión se relaciona

con la mayor o menor
concentración de los datos en
torno a un valor central,
generalmente la media aritmética.

6
 MEDIDAS DE DISPERSIÓN.
EJEMPLO 1
▸ En una institución educativa, se selecciona dos grupos de estudiantes
que sometidos a una prueba arrojaron los siguientes puntajes:
GRUPO A GRUPO B
Puntaje Nº estudiantes Puntaje Nº estudiantes

9 2 11 5
10 4 12 10
11 6 13 5
13 4 Total 20
15 2
17 2 7

Total 20
 MEDIDAS DE DISPERSIÓN
El promedio aritmético para ambos grupos es 12
Es decir:
x A  x B  12
Este resultado puede conducir a
conclusiones equivocadas cuando se
está comparando distribuciones,
Se podría pensar que ambas
secciones son idénticas en su
rendimiento,
8
 MEDIDAS DE DISPERSIÓN

Siendo esta conclusión falsa ya que

observando los datos se aprecia que la
sección B es más homogénea.
Por lo tanto
En este caso el promedio no tiene
suficiente grado de representatividad por lo
tanto poco podrá describirnos acerca de
los datos en estudio.
Es necesario entonces calcular otras medidas estadísticas para mostrar
cómo varían los datos alrededor del promedio y esto se logra mediante
las medidas de dispersión.
9
 FUNCIONES DE LAS MEDIDAS
DE DISPERSIÓN
1.- Para evaluar la confiabilidad del promedio que se está
utilizando:
Una dispersión pequeña indica que los datos se
encuentran acumulados muy cerca, alrededor de la
medida de tendencia central establecida.
Por tanto, la medida de tendencia central se considera
confiable o bastante representativa de los datos.
Por el contrario, una dispersión grande indica que la medida escogida
para representar los datos no es muy confiable, es decir, no es muy
representativa de los datos.

10
 FUNCIONES DE LAS MEDIDAS DE
DISPERSIÓN
2.- Para apreciar cuán dispersas están dos o más
distribuciones:
Para poder comparar dos distribuciones de frecuencias
entre sí, no sólo necesitamos la medida de tendencia
central, sino también la dispersión entre las
observaciones para no elaborar conclusiones erróneas.
A mayor medida de dispersión  el grupo es más
heterogéneo.
A menor medida de dispersión  el grupo es más
homogéneo o uniforme.
11
 TIPOS DE MEDIDAS DE DISPERSIÓN

MEDIDAS MEDIDAS DE
DISPERSIÓN DISPERSIOB
ABSOLUTA RELATIVA

Coeficiente
Rango de
variación

Varianza

Desviación 12
estándar
 MEDIDAS DE DISPERSIÓN ABSOLUTA

▸ Cuantifican el grado de concentración

o de dispersión de los valores de la
variable en torno de un promedio de la
distribución.
Principales medidas de dispersión absoluta:

▸Rango o Recorrido : R

▸Varianza : S2

▸Desviación Estándar: S 13
 RANGO O RECORRIDO: R
Es la diferencia entre los valores máximo y mínimo de los datos.

R  X máx  X mín
Esta medida es muy fácil de calcular sin embargo no
es muy recomendable porque sólo toma en cuenta
los valores extremos, sin considerar los demás
valores.
Interpretación de Rango:
El Rango se puede interpretar como la amplitud
existente entre una serie de datos,
Es decir, mide cuán lejos está el valor más pequeño y 14
el valor más grande de la muestra o población.
 VARIANZA S2 , VX
▸ Es un valor numérico que cuantifica el grado de
dispersión de los valores de una variable respecto a su
media aritmética.
▸ Es el promedio de los cuadrados de las desviaciones
de la variable respecto a su media aritmética.

VX   M
 Xi  x 2 

 
15
 VARIANZA S2 , VX
Notación:

S2 : Varianza muestral.

 2
: Varianza poblacional.

Nota:
▸ La varianza nunca es negativa.
▸ Cuando la variable toma un único valor; es decir
cuando es constante entonces la varianza es cero.
▸ Mientras más se aproxima a cero, más
concentrados están los valores de la serie
alrededor de la media. Por el contrario, mientras 16
mayor sea la varianza, más dispersos están.
7

S2 para datos no agrupados:

 2
1 2   Xi 
V( x )    Xi  n   
n 1   n  
 
 S2 para datos no agrupados:
Ejemplo 2:
▸ Calcular e interpretar la varianza de los pesos de un grupo de personas.
Los datos son los siguientes:

56 65 68 70 72 76 78 80

18
 S2 para datos no agrupados:
x x2
Ejemplo 2: 56 3136
65 4225
n = 8 68
70
4624
4900
8 72 5184
8 2
 X i  565  X i  40 329 76 5776
i 1 i 1 78 6084
80 6400

 2 ∑ 565 40329
1  565 
S2 
X  7 40 329  8  8 
  60,84  61 kilos 2

   

En promedio los pesos del grupo de personas, se alejan con respecto al
promedio aritmético en aproximadamente 61 kg al cuadrado.
19
 S2 para datos agrupados

a) Si n < 30 :

 2
  k  
  fi X i 
2 1  k 2  i 1  
SX    fi X i  n   
n  1 i 1  n  
   

   

20
 S2 para datos agrupados
Ejemplo 3:

Calcular e interpretar la varianza de la edad de 20 personas que han sido

seleccionadas al azar. Los datos recopilados se muestra en la tabla de
 frecuencias.
Edad Nº de n = 20
Ii personas fi
4 - 6 4
6 - 10 5
10 - 16 7 n < 30
16 - 20 3
20 - 30 1 21
Total n = 20
 S2 para datos agrupados
Intervalo X f fx fx2
Ejemplo 3: 4- 6 5 4 20 100
6 - 10 8 5 40 320
10-16 13 7 91 1183
16 - 20 18 3 54 972
20 - 30 25 1 25 625
∑ 230 3200
 2
  k  
  fi X i 
1 
 k  2
1 2  i 1   3200  20  230  
V( X )    fi X i  n      
n  1 i 1  n   19   20  
   
 

   

V ( X ) = 29,21  29 años 2

▸ En promedio la edad de estas personas se aleja con respecto a su

promedio aritmético en aproximadamente 29 años al cuadrado.
22
 S2 para datos agrupados
b) Si n  30 :

Usando frecuencias Usando

absolutas: frecuencias
relativas:
2
k 2  k 
 fi X i   fi X i  k  k 
2
 i 1  2 2   hi Xi 
S2  i 1  S   hi X i   
n  n  i 1  i 1 

 

 

23
 S2 para datos agrupados
Ejemplo 4:
Calcular e interpretar la varianza de la siguiente tabla.
Peso Nº de
Ii ingenieros
fi n = 40
50 - 60 6
60 - 70 8
70 - 80 10  n > 30
80 - 90 9
90 -100 7
Total n = 40
24
 S2 para datos agrupados

Ejemplo:
Intervalo X f fx fx2
50 - 60 55 6 330 18150
60 - 70 65 8 520 33800
70 - 80 75 10 750 56250
80 - 90 85 9 765 65025
90 -100 95 7 665 63175
∑ 3030 236400
2
k 2  k 
 fi X i   fi X i  2
2 i 1  i 1  236 400  3030 
S          171,94
n n 40  40 

 

 

 En promedio el peso de los ingenieros se aleja con respecto al peso

promedio en aproximadamente 172 kilos al cuadrado . 25

 VARIANZA TOTAL O GLOBAL
Si una muestra de tamaño n se particiona en k muestras de
tamaño 𝑛𝑖 cada una con su correspondiente promedio
aritmético, 𝑋ത𝑖 y 𝑆𝑖 2 su varianza
1 2 k

n1 n2 ……….. nk

x1 x2 ………. xk
………..
S12 S 22 S k2
26
 VARIANZA TOTAL O GLOBAL

La varianza para los k grupos juntos se calcula

mediante la fórmula:

2
k  k 
 2
n i ( x i  S2
i )

  ni x i 

donde

S2  i 1   i 1  k
n  n 
 ni
T
  n 
 
  i 1

27
 VARIANZA TOTAL O GLOBAL

Ejemplo 5:
Se tienen tres grupos, de seis, nueve y siete estudiantes respectivamente. Si las
notas correspondientes a cada uno de ellos son:

Grupo 1: 12 16 08 11 10 12
Grupo 2: 17 14 07 13 11 18 13 15 14
Grupo 3: 10 13 11 08 12 09 12

28
 VARIANZA TOTAL O GLOBAL

Ejemplo: Grupo 1 Grupo 2 Grupo 3

n 6 9 7
Media 11.5 13.55 10.71
Varianza 7.10 10.53 3.24

 6 (11,5 2
 7,1)  9 (13,56 2  10,53 )  7 (10,712  3,24)
 12,09 
2
S T2  i 1
 8,89
22

S2 = 8,89
En promedio las notas de los estudiantes de los tres grupos se alejan
con respecto al promedio total en aproximadamente 9 puntos al 29
cuadrado.
 DESVIACIÓN ESTÁNDAR

S  V ( X)

30
 DESVIACIÓN ESTÁNDAR
La desviación estándar o desviación típica se obtiene para simplificar la
interpretación de la varianza.
Cuando se calcula la varianza, se basa en datos elevados al cuadrado, por
lo que, el resultado obtenido debe interpretarse en unidades al cuadrado;

Interpretación de la Desviación Estándar:

▸ Es una medida que muestra la distancia promedio de los valores
observados con respecto a su media.
▸ La distancia de cada valor con su media se mide tomando el valor
absoluto de la diferencia entre ese valor y la media, es decir, es la
distancia de cada dato respecto a su promedio. 31
 DESVIACIÓN ESTÁNDAR

Ejemplo 6:

Calcular la desviación estándar de las notas obtenidas por un grupo de

estudiantes del cuarto ciclo de la Facultad de Ingeniería Industrial de la
UNMSM en la primera evaluación de estadística.

12 07 14 11 16
18 09 14 10

32
 DESVIACIÓN ESTÁNDAR

Ejemplo 6: x x2
12 144 9
 n=9 7
14
49
 Xi  111
11
196
121
i 1
16 256
Por lo tanto: 18 324 9 2
9 81  Xi  1 467
14 196 i 1
10 100
∑ 111 1467

1   111  2 
VX   1 467  9     12,25  S  12,25  3,5 puntos
8   9   X

En promedio las notas de los estudiantes se alejan con respecto al
promedio en aproximadamente 3.5 puntos 33
DESVIACIÓN ESTÁNDAR

Nota:
La varianza y la desviación estándar se utilizan para
comparar grupos cuya variable está expresada en las
mismas unidades.
Así, el grupo más homogéneo, más uniforme o en el que
la media aritmética es más representativa será aquel en
el cual la varianza o la desviación estándar es menor.

34
 DESVIACIÓN ESTÁNDAR

Ejemplo 7:
En varias semanas consecutivas, los oficiales de policía: Martínez y Castro
aplicaron las siguientes infracciones por exceso de velocidad:

Martínez 31 38 42 32 39 26
Castro 35 43 38 37 33 28 27

¿Cuál de los oficiales es más homogéneo con

respecto al número de infracciones?

35
 DESVIACIÓN ESTÁNDAR

Ejemplo 7: Martínez Castro

x x2 x x2
31 961 35 1225
Solución: 38 1444 43 1849
42 1764 38 1444
32 1024 37 1369
39 1521 33 1089
26 676 28 784
∑ 208 7390 27 729
∑ 241 8489
2
1   2
241  
7 390  6   
208
8 489  7 
S2   35,87 1
M   S2
C      31,95
5   6   6   7  
   
S2  S2
M
C
El oficial Castro es más homogéneo en aplicar infracciones por 36
exceso de velocidad porque su varianza es menor.
 PROPIEDADES DE LA DESVIACIÓN
ESTÁNDAR
1.- Si a todos los valores de la variable se les suma un número la
desviación estándar no varía.

37
 PROPIEDADES DE LA DESVIACIÓN
ESTÁNDAR
2.- Si todos los valores de la variable se multiplican por un número la
desviación estándar queda multiplicada por dicho número.

38
 MEDIDAS DE DISPERSIÓN
RELATIVA

▸ La variancia y la desviación típica también tienen sus

limitaciones.
▸ Es similar a la media aritmética que es vulnerable a la influencia
de casos extremos.
▸ Además, cuando las medias aritméticas no son iguales o
cuando las unidades de medición son distintas, la comparación
de desviaciones típicas puede no ser significativa.

39
 COEFICIENTE DE VARIACIÓN
▸ Es la desviación estándar dividida sobre la media
aritmética multiplicada por 100. El mismo nos permite
comparar desviaciones típicas de variables con unidades
de medición distintas.
S
CV   100
x
El coeficiente de variación se expresa en unidades
independientes de la naturaleza de la variable.
▸ Interpretación del Coeficiente de Variación:
El Coeficiente de Variación, mide la variabilidad relativa
a la Media. Expresa la proporción de variabilidad de una
40
característica por cada unidad de la Media.
 COEFICIENTE DE VARIACIÓN
▸ En la práctica, se acostumbra considerar que un coeficiente de
variación según la tabla.

Valor del coeficiente Interpretación del coeficiente

De variación (%) Variabilidad Estabilidad
Igual a cero Nula Muy alta
Mayor de 0 hasta 20 Baja Alta
Mayor de 20 hasta 60 Moderada Moderada
Mayor de 60hata 90 Alta Baja
Mayor de 90 Muy alta Nula

41
 COEFICIENTE DE VARIACIÓN
Ejemplo 8:

▸ Se desea comparar los sueldos de los

trabajadores de dos empresas A y B.
Para tal efecto se tienen los datos de la
tabla siguiente :
▸ ¿Se puede afirmar que los sueldos de
los trabajadores de la empresa A son
más uniformes? ¿Por qué?

42
 COEFICIENTE DE VARIACIÓN
Empresa A Empresa B
Sueldos Nº trabajadores Sueldos Nº trabajadores
($) ( S/.)
380 10 600-650 7

410 9 650-700 9

450 12 700-750 14

480 8 750-800 6

500 7 800-850 4

43
 COEFICIENTE DE VARIACIÓN
Cálculo de la Media y la Desviación Estándar de los dos grupos

Empresa A Empresa B
2
X f Xf Xf X f Xf X2f
380 10 3800 1444000 600-650 625 7 4375 2734375
410 9 3690 1512900 650-700 675 9 6075 4100625
450 12 5400 2430000 700-750 725 14 10150 7358750
480 8 3840 1843200 750-800 775 6 4650 3603750
500 7 3500 1750000 800-850 825 4 3300 2722500
46 20230 8980100 40 28550 20520000
k

X
2
k 2   k 
fi  fi X i  fi X i 
 i 1 
i
  i 1 
2
S
Empresa A Empresa B x  i 1
n  n 
Media 439.78 713.75 n  44 
Desv Est 42.55 59.67
 COEFICIENTE DE VARIACIÓN
x  439,78 x  713,75
A B

SA  42,55 S  59,67
B
59,67
CVA 
42,55
 100  9,68 %
CVB   100  8,36%
439,78 713,75

Por lo tanto, los sueldos de los trabajadores de la empresa A no son más

uniformes; sino los sueldos de la empresa B porque presenta menor
.
coeficiente de variación
45
TEOREMA DE
CHEBYSHEV

REGLA EMPIRICA

46
 TIPIFICACIÓN. VALOR Z
▸ La tipificación es el proceso de restar la media y dividir
entre su desviación típica a una variable X.
▸ De este modo se obtiene una nueva variable

𝑋 − 𝑥ҧ
𝑧=
𝜎
 Con media 0 y desviación estándar σ z = 1, que se denomina variable
tipificada.
 Esta nueva variable carece de unidades y permite hacer
comparables dos medidas que en un principio no lo son, 47
por aludir a conceptos diferentes.
 TIPIFICACIÓN. VALOR Z.
Ejemplo 9:
▸ Comparar el nivel académico de dos estudiantes de diferentes
Universidades para la concesión de una beca de estudios.

• En principio sería injusto concederla directamente al

que posea una nota media más elevada, ya que la
dificultad para conseguir una buena calificación
puede ser mucho mayor en un centro que en el otro,
lo que limita las posibilidades de uno de los
estudiante y favorece al otro.
48
 TIPIFICACIÓN. Valor Z.
Ejemplo
▸ Se desea dar una beca a uno de dos estudiantes de sistemas educativos
diferentes. Se asignará al que tenga mejor expediente académico.

La estudiante A tiene una calificación de 8 en un

sistema donde la calificación de los alumnos se
comporta como N(6,1).

La estudiante B tiene una calificación de 80 en un

sistema donde la calificación de los alumnos se
comporta como N(70,10).

49
 Tipificación. Valor Z. Ejemplo

▸ Solución
▹ No se puede comparar directamente 8 puntos de
A frente a los 80 de B,
▹ Pero como ambas poblaciones se comportan de
modo normal,
▹ Entonces se puede tipificar y observar las
puntuaciones sobre una distribución de
referencia N(0,1)

50
 Tipificación. Valor Z.
Ejemplo
xA   A 86
zA   2
A 1
xB   B 80  70
zB   1
B 10
Como ZA>ZB, se puede decir que el porcentaje de compañeros del
mismo sistema de estudios que ha superado en calificación el
estudiante A es mayor que el que ha superado el estudiante B.
Se puede concluir que el estudiante A es mejor candidato para
la beca.

51
 TEOREMA DE CHEBYSHEV

La proporción de cualquier distribución que esté a menos de

k desviaciones estándar de la media es por lo menos

1- 12
k

Donde k es cualquier número positivo mayor que 1.

Este teorema es válido para todas las distribuciones de datos.

Estadística Básica
 TEOREMA DE CHEBYSHEV

Este teorema establece que a menos de dos

desviaciones estándar de la media (k = 2) siempre se
encontrará por lo menos el 75% (o más) de los datos.
Por lo menos el 75%
s

X-2s x X+2s

Estadística Básica
 REGLA EMPÍRICA
Si una variable está distribuida normalmente, entonces: a menos de una
desviación estándar de la media hay aproximadamente 68% de los datos;
a menos de dos desviaciones estándar de la media hay aproximadamente
95% de los datos; y a menos de tres desviaciones estándar de la media
hay aproximadamente 99.7% de los datos. Esta regla es válida
específicamente para una distribución normal.
99.7%

95%

68%

X-3s X-2s X-1s x X+1s X+2s X+3s Estadística Básica

 EJEMPLOS

¿Cuántos alumnos obtuvieron una calificación de entre 60 y

80 en los exámenes? Si se tiene una media de 70 y
desviación estándar de 5.

Por tanto, 75% de los estudiantes como mínimo debió obtener una
calificación de entre 60 y 80.
 EJEMPLOS

El ingreso medio de un grupo de observaciones de una muestra es de $500, la

desviación estándar es de $40; de acuerdo con el Teorema de Chebyshev ¿Por lo
menos que porcentaje de ingresos se encontrara entre 400 y 600 pesos?

Por tanto
MEDIDAS
DE
FORMA

57
 MEDIDAS DE FORMA

MEDIDAS DE • Coeficiente
ASIMETRIA de asimetría
MEDIDAS
DE FORMA
MEDIDA • Coeficiente
DE de curtosis
CURTOSIS
Son medidas que recogen dos aspectos de la distribución
de datos:
▸ Su asimetría alrededor de una medida de tendencia
central 58
▸ Su curtosis o grado de apuntamiento de la
distribución
 ASIMETRÍA O SESGO
▸ Una distribución es asimétrica cuando sus datos tienden a agruparse hacia
uno de los extremos de la distribución.
▸ Cuando una curva es asimétrica, tiene un sesgo.
El sesgo puede ser de dos tipos:
▸ Si los datos tienden a agruparse en las primeras clases, se dice que el
distribución tiene un sesgo positivo o que es asimétrica positiva.
▸ Si los datos tienden a agruparse en las últimas clases de la distribución, se
dice que esta tiene sesgo negativo o que es asimétrica negativa.

59

Asimétrica negativa Asimétrica positiva

 El coeficiente de asimetría
COEFICIENTE DE KARL PEARSON
▸ Si una distribución es simétrica, entonces: X = Me = Mo.
▸ Entre más diferencia halla entre la y la Mo, másXasimétrica es la
distribución. El coeficiente de Karl Pearson que simbolizamos como SK, mide
ésta diferencia en unidades de desviación estándar así:

𝑥ҧ − 𝑀𝑜
𝑆𝐾 =
𝑆
▸ Si la media es mayor que la moda, entonces, SK es positivo Sk>0.
Es decir, el sesgo es positivo.
▸ Si la media es menor que la moda, SK es negativo Sk<0, es decir
el sesgo es negativo. 60
▸ Si la media es igual a la moda, SK=0 y la distribución es simétrica.
 EJEMPLO 12

▸ Se tiene la información de las edades de 90 personas y se desea

saber como están distribuidos
▸ Se obtuvieron los siguientes datos,
▸ Los datos son los siguientes:
Edad Personas
50 54 7
54 58 10
58 62 16
62 66 20
66 70 18
70 74 11 61
74 78 8
 EJEMPLO 12
▸ Se calcula , la media , la moda y la desviación
Edad Personas
estándar Edad Personas
Li Ls X f xf
Li Ls f
50 54 52 7 364
54 58 56 10 560
50 54 7
58 62 60 16 960 54 58 10
62 66 64 20 1280 58 62 16
66 70 68 18 1224 62 66 20
70 74 72 11 792 66 70 18
74 78 76 8 608 70 74 11
90 5788
74 78 8
5788
4
Mx= ------------- = 64.31
Mo= 62 + 4 --------- = 64.66667
90
Edad Personas 6
Li Ls X f x2 f
50 54 52 7 18928 376272
54 58 56 10 31360 S= ---------- - 4135.92 = 6.70
58 62 60 16 57600 90
62 66 64 20 81920
66 70 68 18 83232 62
70 74 72 11 57024
74 78 76 8 46208
 EJEMPLO 12
▸ Se calcula el coeficiente de Pearson
𝑥ҧ − 𝑀𝑜
𝑆𝐾 =
𝑆
64.31 - 64.6666667
Sk = ------------- -------------- --------------- = -0.0531
6.70

Las edades de las personas tiene un distribución casi simétrica con una ligera
asimétrica negativa
Es decir las edades de las personas tienden a agruparse al centro de la
distribución 63
 CURTOSIS O APUNTAMIENTO

Mide el grado de elevación o de agudeza de una distribución

comparada con la curva normal.

64
 TIPOS DE CURVAS
a) En la medida en que los diferentes tramos de la variable
presenten frecuencias muy similares en todo su
recorrido, entonces podemos afirmar que existe poca
curtosis o concentración de los datos. Esta situación
contribuye a que la dispersión sea alta. Una distribución
con éstas características, se denomina PLATICÚRTICA
O ACHATADA
b) Por el contrario, si existe una cantidad muy
significativa de datos que se encuentran
concentrados en algún tramo de la variable,
entonces decimos que la distribución es altamente
concentrada o que tiene alta curtosis. Una
distribución de éstas características se denomina 65
LEPTOCÚRTICA O APUNTADA.
 TIPOS DE CURVAS
c) Si la concentración es intermedia entre las
dos situaciones anteriores, se dice que la
distribución es MESOCÚRTICA o
MODERADA CONCENTRACIÓN DE LOS
DATOS. Una distribución con esta
característica es propia de la distribución
normal,

66
 COEFICIENTE DE CURTOSIS A4
Éste coeficiente, resulta del cociente existente entre el
momento de orden cuatro respecto a la media y la
desviación estándar elevada a la cuarta.

σ 4
4
𝑓 ∗ 𝑥𝑖 − 𝑥ҧ /𝑛
𝐴 = 4
▸ La mayoría de los autores consideran que: 𝑆
a) Si A4 - 3 = 0, la distribución es mesocúrtica o moderada
concentración de los datos. Tal es el caso de la distribución
normal
b) Si A4 - 3 > 0, la distribución es apuntada o leptocúrtica o alta
concentración de los datos.
67
c) Si A4 - 3 < 0, la distribución es achatada o platicúrtica o baja
concentración de los datos.
 COEFICIENTE DE CURTOSIS A4
Ejemplo 14
▸ Unos grandes almacenes disponen de un estacionamiento para sus
clientes.
▸ Los siguientes datos que se refieren al número de horas que permanecen
en el estacionamiento una serie de vehículos:

1 2 3 4 5 6
Tiempo (h)
vehiculos 5 8 12 20 10 6

• Se quiere saber como esta distribuido los

la cantidad de vehículos en función a las
horas de estacionamiento 68
 COEFICIENTE DE CURTOSIS A4
Ejemplo 14
▸ Primero se prepara el siguiente cuadro, realizando lo siguiente:
x f x*f x-media (x-media)4 f*(x-media)4
1 5 5 1 1 5
2 8 16 2 16 128
3 12 36 3 81 972
4 15 60 4 256 3840
5 10 50 5 625 6250
6 6 36 6 1296 7776
56 203 18971

Media 3.625
69
 COEFICIENTE DE CURTOSIS A4
Ejemplo 14
▸ Se calcula la desviación estándar
x f x2 f
1 5 5
2 8 32
2
3 12 108 k 2  k 
 fi X i   fi X i 
4 15 240 i 1  i 1 
S2    
5 10 250 n n

 

6 6 216  
56 851

851
S= ------------ - 13.140625 = 1.43380737
70
56
 COEFICIENTE DE CURTOSIS A4
σ 𝑓 ∗ 𝑥 − 𝑥ҧ 4 /𝑛
▸ Reemplazando en la fórmula 4 𝑖
𝐴 =
𝑆4
18971
------
56 338.767857
A4 = --------------- = ------------- = 80.15654
4.22632832 4.22632832

A4 - 3 =

80.1565 - 3 = 77.1565404
En éste caso, la distribución es bien apuntada o leptocurtica o con
bastante concentración de los datos. 71
VARIABLES
ESTADÍSTICAS
BIDIMENSIONALES

72
 DISTRIBUCIONES BIDIMENSIONALES

▸ Las distribuciones bidimensionales son aquellas en las que se

estudian al mismo tiempo dos variables de cada elemento de la
población:

Ejemplo:
• Peso y altura de un grupo de
estudiantes;
• Superficie y precio de las viviendas de
una ciudad;
• Potencia y velocidad de una grupo de
autos deportivos.

Ing. William Jaime León Velásquez 73

 ORGANIZACIÓN DE DATOS
▸Las variables estadísticas bidimensionales se representan por el
par (X,Y), donde X es una variable unidimensional que toma los
valores x1,x2,....xn e Y es otra variable unidimensional que toma
los valores y1,y2,...yn.

• Si representamos estos pares

(x1,y1), (x2,y2)......en un sistema de
ejes cartesianos se obtiene un
conjunto de puntos sobre el plano
que se denomina diagrama de
dispersión o nube de puntos.

74
Ing. William Jaime León Velásquez
 CÁLCULO DE LOS PARÁMETROS

▸ La variable estadística bidimensional (X,Y) utiliza las mismas definiciones de

media y varianza para distribuciones de variable estadística unidimensional:
Variable X Variable Y

MEDIA X   xn i i
Y 
y n i i

n n

  
2
ni x 2 i n y i
Y
2 i 2
VARIANZA  X
2
S 2
x S y
n n

A la raíz cuadrada positiva de las varianzas se la llama desviación típica y

se representa por Sx y por Sy. 75
Ing. William Jaime León Velásquez
 VARIABLES ESTADÍSTICAS
BIDIMENSIONALES
▸ Ejemplo 1.-
▸ Se realiza un estudio de la talla, medida en cm. y
el peso, medido en kg. de un grupo de 10
personas,
▸ Los valores obtenidos figuran en la tabla inferior:

Talla
160 165 168 170 171 175 175 180 180 182
(cms)
Peso
55 58 58 61 67 62 66 74 79 83
(kgs)
76
Ing. William Jaime León Velásquez
 VARIABLES ESTADÍSTICAS
BIDIMENSIONALES
▸ Se puede llamar X a la talla e Y al peso.
▸ Se obtiene la variable bidimensional (X, Y) que toma 10
valores, que son las 10 parejas de valores de la tabla
anterior: (160,55), (165,58), etc.

Talla
(cms) 160 165 168 170 171 175 175 180 180 182

Peso
(kgs) 55 58 58 61 67 62 66 74 79 83

77
Ing. William Jaime León Velásquez
 TABLA DE FRECUENCIAS
BIDIMENSIONALES
▸En algunos casos el número de "parejas" de valores (x,y) es grande y además
muchos de ellos aparecen repetidos; en este caso se utiliza una "Tabla de doble
entrada" o Tabla de frecuencias bidimensionales, tal como se muestra en el figura
siguiente
X1 X2 Xi
Y1
Y2

Yj

▸ En la primera fila se colocan los valores de una de las características o variable

que componen la variable bidimensional Xi y en la primera columna los de la otra
variable Yj. 78
Ing. William Jaime León Velásquez
 TABLA DE FRECUENCIAS
BIDIMENSIONALES
▸ Ejemplo 2.- Se representa por X el número de hijos de 100 familias y por
Y el número de hijas

# de hijas (Y)
# de hijos (x) 0 1 2 3
0 10 15 15 3
1 10 12 7 2
2 8 4 3 1
3 3 2 1 0
4 2 1 1 0 79
Ing. William Jaime León Velásquez
 TABLAS BIDIMENSIONALES
DE FRECUENCIAS
# de hijas (Y)
# de hijos (x) 0 1 2 3
0 10 15 15 3
1 10 12 7 2
2 8 4 3 1
3 3 2 1 0
4 2 1 1 0
▸ La lectura de esta tabla es sencilla.
▸ Por ejemplo:
▸ habría 7 familias que tendrían 1 hijo y 2 hijas y ninguna familia tendría 3
hijos y 3 hijas. 80
Ing. William Jaime León Velásquez
 DIAGRAMAS DE
DISPERSIÓN O NUBES DE
▸ La PUNTOS
gráfica de este tipo de variables es en realidad semejante a la
representación de puntos en el plano, usando unos ejes de
coordenadas.

• Cada pareja de valores da lugar a

un punto en el plano y el conjunto
de puntos que se obtiene se
denomina "diagrama de
dispersión o nube de puntos".

81
Ing. William Jaime León Velásquez
 DIAGRAMAS DE DISPERSIÓN O
NUBES DE PUNTOS

82
Ing. William Jaime León Velásquez
 DIAGRAMAS DE DISPERSIÓN
O NUBES DE PUNTOS
▸ Se puede ver en el figura anterior del diagrama de talla - peso
que la serie de puntos presenta una tendencia "ascendente" .
▸ Existe entre las dos variables una "dependencia directa"
▸ Si la tendencia es "descendente" existe una "dependencia
inversa "

▸ Si no se pueda observar una tendencia clara existirá una

dependencia muy débil que no se puede observar mediante la
nube de puntos

83
Ing. William Jaime León Velásquez
 DIAGRAMAS DE DISPERSIÓN O
NUBES DE PUNTOS
▸ Del ejemplo 1 sobre la talla y el peso de 10 personas se obtiene el siguiente
tabla:
▸ El eje X representa la talla en cm. y el eje Y el peso en kg.)
Talla (cms) X Peso (kgs) Y 𝑋 − 𝑋ത 𝑌 − 𝑌ത
160 55 -12.6 -11.3
165 58 -7.6 -8.3
168 58 -4.6 -8.3
170 61 -2.6 -5.3
171 67 -1.6 0.7
175 62 2.4 -4.3
175 66 2.4 -0.3
180 74 7.4 7.7
180 79 7.4 12.7
182 83 9.4 16.7
Suma 1726 663
n 10 10
Media 172.6 66.3 84
 DIAGRAMAS DE DISPERSIÓN O
NUBES DE PUNTOS

▸ De la grafica se observa que los puntos se encuentran en el primer y

tercer cuadrante por lo tanto la relación es ascendente, es decir directa
20

15

10
PESO

0
-15 -10 -5 0 5 10 15
-5

-10

-15
85
TALLA
 COVARIANZA
▸ La covarianza mide la forma en que varía conjuntamente dos
variables X e Y
Es el estudio simultaneo de dos variables, lo que interesa
saber es si existe algún tipo de relación entre ellas.
▸ Sean (x yi ) pares de observaciones de
i, dos características X y
Y, y sean 𝑋ത 𝑦 𝑌ത sus respectivas medias.
▸ La covarianza entre las dos variables se define por :

σ 𝑥𝑖 𝑦𝑖
𝑆𝑥𝑦 = − 𝑥ҧ 𝑦ത
 Donde:
𝑛
xi e yi representan los pares de valores de la variable y el producto 𝑋ത 𝑌ത 86
corresponde al producto de las medias aritméticas de las variables X e Y respectivamente.
 COVARIANZA
Otras formas de expresar la covarianza:
FORMULA 2
Se utiliza cuando se tiene una tabla
σ𝑟𝑖=1 σ𝑠𝑗=1 𝑥𝑖 − 𝑥ҧ 𝑦𝑗 − 𝑦ത 𝑛𝑖𝑗 que se hallado las diferencias de
𝑆𝑥𝑦 = cada dato con su respectiva media.
𝑁 En gráficos de dispersión de puntos

FORMULA 3
Se utiliza cuando las dos variables
σ𝑟𝑖=1 σ𝑠𝑗=1 𝑥𝑖 𝑦𝑖 𝑛𝑖𝑗 están representadas mediante una
𝑆𝑥𝑦 = − 𝑥ҧ 𝑦ത tabla bidimensional de frecuencias
𝑁
87
Ing. William Jaime León Velásquez
 COVARIANZA:
Si Sxy >0 hay dependencia directa (positiva), es decir las
variaciones de las variables tienen el mismo sentido
Si Sxy = 0 l Las variables están incorrelacionadas, es decir no hay
relación lineal, pero podría existir otro tipo de relación.
Si Sxy < 0 hay dependencia inversa o negativa, es decir las
variaciones de las variables tienen sentido opuesto.

La covarianza no es un parámetro acotado, y puede

tomar cualquier valor real, por lo que su magnitud no
es importante; lo significativo es el signo que adopte
la misma.
88
Ing. William Jaime León Velásquez
 EJEMPLO. FORMULA 1

Calcular la covarianza para el primer ejemplo correspondiente a las

variables talla - peso

Talla
(cm) 160 165 168 170 171 175 175 180 180 182
Peso
(kg) 55 58 58 61 67 62 66 74 79 83

Mediante la fórmula 1

σ 𝑥𝑖 𝑦𝑖
𝑆𝑥𝑦 = − 𝑥ҧ 𝑦ത
𝑛 89
Ing. William Jaime León Velásquez
 EJEMPLO. FORMULA 1
Paso 1:
 La suma de todos los productos de los valores de Talla (cm) Peso (kg)
x (talla) por los de y (peso) sería: X Y XY

∑ xi y i 160
165
55
58
8800
9570
168 58 9744
170 61 10370
171 67 11457
175 62 10850
∑ xi yi= 114,987 175 66 11550
180 74 13320
180 79 14220
Paso 2: 182 83 15106
114987

 Definir n como el numero de eventos en este caso

es n=10

90
Ing. William Jaime León Velásquez
 EJEMPLO. FORMULA 1
Paso 3:
A este valor se resta el producto de las medias de ambas variables:
Talla (cm) Peso (kg)
X Y
160 55
165 58
168 58
170 61
171 67
175 62
175 66 Media de x (talla): 172.6
180 74 Media de y (peso): 66.3
180 79
182 83 𝑋ത 𝑌ത = 172.6 * 66.3 = 11443.38
Suma 1726 663
n 10 10
Mx 172.6 66.3 91
Ing. William Jaime León Velásquez
 EJEMPLO. FORMULA 1
Paso 3:
∑ xi yi= 114,987
n=10
𝑋ത 𝑌ത = 11443.38 σ 𝑥𝑖 𝑦𝑖
𝑆𝑥𝑦 = − 𝑥ҧ 𝑦ത
𝑛
De acuerdo a la formula se tiene que:

114,987
𝑆𝑥𝑦 = − 11,443.38 = 55.32
10
Se ha obtenido un valor positivo para la covarianza que corresponde a una
dependencia directa como ya se había intuido con la nube de puntos 92
Ing. William Jaime León Velásquez
 CON LA FORMULAS DEL DIAGRAMA DE
DISPERSIÓN
EJEMPLO. FORMULA 2
Talla (cms) Peso (kgs)
𝑋 − 𝑋ത 𝑌 − 𝑌ത ni 𝑋𝑖 − 𝑋ത 𝑌𝑗 − 𝑌ത 𝑛𝑖𝑗
X Y
160 55 -12.6 -11.3 2 284.76
165 58 -7.6 -8.3 2 126.16
168 58 -4.6 -8.3 2 76.36
170 61 -2.6 -5.3 2 27.56
171 67 -1.6 0.7 2 -2.24
175 62 2.4 -4.3 2 -20.64
175 66 2.4 -0.3 2 -1.44
180 74 7.4 7.7 2 113.96
180 79 7.4 12.7 2 187.96
182 83 9.4 16.7 2 313.96
Suma 1726 663 20 1106.4
n 10 10
Media 172.6 66.3 93
 CON LA FORMULAS DEL DIAGRAMA DE
DISPERSIÓN
EJEMPLO. FORMULA 2

N=ni

Con los datos de las sumatorias de la tabla se reemplaza en la fórmula

σ𝑟𝑖=1 σ𝑠𝑗=1 𝑥𝑖 − 𝑥ҧ 𝑦𝑖 − 𝑦ത 𝑛𝑖𝑗

𝑆𝑥𝑦 =
𝑁
1106.4
Sxy= ------------- = 55.32
20
Se ha obtenido un valor positivo para la covarianza que corresponde a
una dependencia directa 94
 CON LA FORMULAS DE LA TABLA
BIDIMENSIONAL
EJEMPLO. FORMULA 3

▸ Dada la distribución bidimensional calcular la

covarianza entre las dos variables

X 1 2 1 2 3 2 2 2 3 1
Y 3 5 2 3 5 4 3 5 5 3

95
Ing. William Jaime León Velásquez
 CON LA FORMULAS DE LA TABLA
BIDIMENSIONAL
EJEMPLO. FORMULA 3

▸ Se construye la tabla bidimecional

X 1 2 1 2 3 2 2 2 3 1
Y 3 5 2 3 5 4 3 5 5 3
1 2 3
X X
Y 1 2 3 Y
1
1 2 1
2 | 3 2 2
3 || || 4 1
4 | 5 2 2
5 || ||
96
Ing. William Jaime León Velásquez
 CON LA FORMULAS DE LA TABLA
EJEMPLO. FORMULA 3
BIDIMENSIONAL

▸ Cálculos
X 1 2 3 n’j nj’yj nijxiyj
Y
2 1 1 2 2
3 2 2 4 12 18
4 1 1 4 8
5 2 2 4 20 50
ni 3 5 2 10 38 78
nixi 3 10 6 19
nijxiyj 8 40 30 78

97
Ing. William Jaime León Velásquez
 CON LA FORMULAS DE LA TABLA
BIDIMENSIONAL
EJEMPLO. FORMULA 3
σ𝑟𝑖=1 σ𝑠𝑗=1 𝑥𝑖 𝑦𝑖 𝑛𝑖𝑗
𝑆𝑥𝑦 = − 𝑥ҧ 𝑦ത
▸ Cálculos 𝑁
σ𝑟𝑖=1 σ𝑠𝑗=1 𝑥𝑖 𝑦𝑖 𝑛𝑖𝑗
=7.8
𝑁

ത
𝑋= 1.9
ത
𝑌= 3.8
Sxy= 7.8 - 1.9 3.8 = 0.58

La covarianza entre las dos variables es positiva

Por lo tanto existe una relación directa 98
Ing. William Jaime León Velásquez
Coeficiente de
correlación

99
 EL COEFICIENTE DE CORRELACIÓN
DE PEARSON
▸ El coeficiente de correlación, creado por Karl Pearson
alrededor de 1900, describe la fuerza de la relación entre
dos conjuntos de variables .
▸ Se nombra con la letra r, y frecuentemente se le conoce
como r de Pearson y coeficiente de correlación producto-
momento.
▸ Puede adoptar cualquier valor de -1.00 a +1.00, inclusive.
▸ Un coeficiente de correlación de -1.00 o bien de +1.00
indica una correlación perfecta.

100
Ing William León Velásquez
 EL COEFICIENTE DE
CORRELACIÓN DE PEARSON

El siguiente dibujo resume la fuerza y dirección del

coeficiente de correlación.

101
Ing William León Velásquez
 EL COEFICIENTE DE
CORRELACIÓN DE PEARSON

rxy = 1
−1 ≤ 𝑟𝑥𝑦 ≤ +1
rxy = 0.88 rxy = 0
9
25 12
8
10
20 7
6 8
15 5
6
10 4
3 4
5 2
2
1
0
0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
0 2 4 6 8 10

rxy = -1 rxy = -0.88 rxy = 0

0
0 2 4 6 8 10 12
-5

-10

-15

-20

Ing William León Velásquez 102

 EL COEFICIENTE DE
CORRELACIÓN DE PEARSON
𝑆𝑥𝑦
𝑟𝑥𝑦 =
𝑆𝑥 𝑆𝑦
𝐧 σ 𝐱𝐲 − σ 𝐱 σ 𝐲
𝐫=
𝐧 σ 𝐱𝟐 − σ 𝐱 𝟐 𝐧 σ 𝐲𝟐 − σ 𝒚 𝟐

σ𝑁 ത ത
𝑖=1 𝑋𝑖 − 𝑋 𝑌𝑖 − 𝑌
𝑟𝑥𝑦 =
σ𝑁 ത
𝑖=1 𝑋𝑖 − 𝑋
2 σ𝑁 ത
𝑖=1 𝑌𝑖 − 𝑌
2

σ 𝐗−𝐗 ഥ 𝐘−𝐘 ത
𝐫=
(𝐧 − 𝟏)𝐒𝐗 𝐒𝐘 103
Ing William León Velásquez
 COEFICIENTE DE CORRELACIÓN
EJEMPLO 1

▸El director de recursos humanos de Ventas S.A. está entrevistando y

seleccionando nuevos vendedores.
▸El ha diseñado una prueba que le ayudará a realizar la mejor selección
posible para la fuerza de ventas.

• Con el fin de probar la validez de

la prueba para predecir las ventas
semanales, él eligió vendedores
experimentados y aplicó la prueba
a cada uno.

104

Ing William León Velásquez

 COEFICIENTE DE
CORRELACIÓN EJEMPLO 1
• La calificación de cada vendedor fue entonces
pareada con sus ventas semanales.
Calificaciones y ventas semanales de 5 vendedores de Ventas
S.A.
Vendedor Calificación Ventas semanales

José Luis 4 5,000

Rufino 7 12,000
Frida 3 4,000
Diego 6 8,000
María 10 11,000
105

Ing William León Velásquez

 COEFICIENTE DE
CORRELACIÓN EJEMPLO 1
Calificaciones y ventas semanales de 5 vendedores de Ventas S.A.

Calificación Ventas
Vendedor x2 xy y2
(x) (y)

José Luis 4 5 16 20 25
Rufino 7 12 49 84 144
Frida 3 4 9 12 16
Diego 6 8 36 48 64
María 10 11 100 110 121
total 30 40 210 274 370
106

Ing William León Velásquez

 COEFICIENTE DE
CORRELACIÓN EJEMPLO 1
Calcular el coeficiente de correlación para el ejemplo
que involucre las ventas semanales y las
calificaciones de los vendedores .

𝐧 σ 𝐱𝐲 − σ 𝐱 σ 𝐲
𝐫=
𝐧 σ 𝐱𝟐 − σ 𝐱 𝟐 𝐧 σ 𝐲𝟐 − σ 𝒚 𝟐

𝟓(𝟐𝟕𝟒) − (𝟑𝟎)(𝟒𝟎)
𝐫=
(𝟓) 𝟐𝟏𝟎 − (𝟑𝟎)𝟐 𝟓 𝟑𝟕𝟎 − (𝟒𝟎)𝟐

r=0.88 107

Ing William León Velásquez

 COEFICIENTE DE CORRELACIÓN
EJEMPLO 1

La práctica usual es redondear r a la centésima más

próxima, en este problema esto es 0.88, indicando una
muy fuerte relación entre las calificaciones y las ventas
semanales de los vendedores.
Esto hace parecer que la prueba del director de
recursos humanos tiene potencial para predecir las
ventas semanales.

108

Ing William León Velásquez

 ECUACIÓN DE
REGRESIÓN
COEFICIENTE DE
DETERMINACIÓN.

109
Ing William León Velásquez

INTRODUCCIÓN

▸ En el análisis de regresión, se desarrolla

una ecuación de estimación, esto es,
una fórmula matemática que relaciona
las variables conocidas con la variable
desconocida.
▸ Luego de conocer el patrón de esta relación,
se puede aplicar el análisis de correlación
para determinar el grado en el que las
variables se relacionan.
▸ El análisis de correlación, entonces, nos
indica qué tan bien la ecuación de estimación 110

describe realmente la relación.

Ing William León Velásquez

INTRODUCCIÓN

▸ El análisis de regresión es una técnica

para investigar y modelar la relación
entre variables.

▸ Aplicaciones de regresión son numerosas

y ocurren en casi todos los campos,
incluyendo ingeniería, la física, ciencias
económicas, ciencias biológicas y de la
salud, como también ciencias sociales

111
Ing William León Velásquez
INTRODUCCIÓN
Se estudiará la estimación de parámetros para el modelo
de regresión lineal simple.
Es decir, un modelo con un solo regresor X que tiene una
relación con una respuesta Y y que es una línea recta.

El modelo lineal es dado por

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝜀𝑖
Donde
Yi es la i esima observación de la variable aleatoria dependiente Y.
Xi es la i esima observación de la variable fija dependiente X
βo es el intercepto y es una constante (parámetro)
β1 es llamado la pendiente y es una constante (parámetro)
ε es la componente aleatoria error
112
Ing. William león Velásquez

MÉTODO DE MÍNIMOS CUADRADOS

• Los valores de a y b en la ecuación de regresión son conocidos

como coeficientes de regresión.
• Las fórmulas para calcularlos son:

ഥ 𝐘𝐢 − 𝐘
σ𝐧𝐢=𝟏 𝐗 𝐢 − 𝐗 ഥ
n(ΣXY) – (ΣX)(ΣY) 𝒃=
b= ഥ 𝟐
n(ΣX²) – (ΣX)² σ𝐧𝐢=𝟏 𝐗 𝐢 − 𝐗

ΣY ΣX ഥ−𝐛𝐗
𝒂=𝐘 ഥ
a= – b
n n
113
 COEFICIENTE DE DETERMINACIÓN

En el ejemplo 1 sobre la relación entre las calificaciones y las

ventas semanales de los vendedores el coeficiente de
correlación de 0.88 fue interpretado como muy fuerte.
Los términos fuerte, moderado y débil, no tienen un significado
muy preciso.
Lo mismo sucede con el peso y la altura.

114

Ing William León Velásquez

 COEFICIENTE DE DETERMINACIÓN

Una medida que da un significado más exacto es el

coeficiente de determinación.

Este es calculado elevando al cuadrado el coeficiente

de correlación.

En el ejemplo,
el coeficiente de determinación (r2) es de 0.77,
encontrado por (0.88)2.
115

Ing William León Velásquez

 EL COEFICIENTE DE NO
DETERMINACIÓN
El coeficiente de no determinación es la proporción de la variación
total en Y que no esta explicada por la variación en X.

Este coeficiente se calcula con 1 – r2.

En el problema del ejemplo es 1 – ( .88 )2 = .23. Esto significa que el

23% de la variación total en las ventas semanales no es explicado
por la variación en las calificaciones de las pruebas.

Los coeficientes de determinación y de no determinación pueden

solamente ser positivos y pueden asumir valores entre 0 y 1.00
inclusive.
116

Ing William León Velásquez

117

FIN
wjleonv@[Link]