República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria
Instituto Universitario Carlos Soublette
INFORME
Integrante: Eduardo Bermudez.
¿Qué son cuartiles?
Los cuartiles son valores que dividen una muestra de datos en cuatro partes iguales.
Utilizando cuartiles puede evaluar rápidamente la dispersión y la tendencia central de
un conjunto de datos, que son los pasos iniciales importantes para comprender sus
datos.
Cada cuartil representa un 25% hasta llegar a 100% siendo 100% el total de las
muestras analizadas:
Cuartil 1 (Q1): valor que es superior al del 25% de las muestras más bajas
Cuartil 2 (Q2): valor que es superior al del 50% de las muestras más bajas
Cuartil 3 (Q3): valor que es superior al del 75% de las muestras más bajas
Cuartil 4 (Q4): valor más alto
Por ejemplo, supongamos que el cuartil 1 (Q1) del peso de un varón de 15 años es 51
kg. Esto significa que hay un 25% de varones de 15 años que pesan menos de 51 kg y
un 75% que pesan más.
¿Para qué se calculan cuartiles?
Existen varios métodos para el cálculo de percentiles. Veamos uno de los más sencillos
(válido para datos no agrupados):
1. Agrupamos las muestras de menor a mayor valor
2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente
fórmula:
Siendo N el número total de muestras analizadas y la letra "i" el cuartil buscado
3. Si el resultado anterior (x) no tiene decimales, el cuartil se obtiene seleccionando el valor
de la muestra que ocupa la posición x
4. Si el resultado (x) tiene decimales, el cuartil se obtiene haciendo la media de las muestras
en posición x y x+1
¿Qué es Deciles?
En estadística descriptiva, es uno de los nueve valores que dividen, en diez partes iguales,
un grupo de datos ordenados. Por tanto, no es más que un tipo de cuantil, o una serie de
particiones que se llevan a cabo en los datos de una muestra o población Además, estos
deben ir ordenados de menor a mayor. De esta forma, el decil también irá en ese mismo
orden.
¿Para qué se calculan Deciles?
Como cualquier otro cuantil, puede calcularse para datos agrupados o no agrupados. Para
los primeros, existen ciertas fórmulas que podemos encontrar en manuales de estadística
básica. Para los segundos, el proceso es relativamente más sencillo, sobre todo si
disponemos de una hoja de cálculo. En el ejemplo veremos esto con algo más de detalle.
Existen varios métodos para el cálculo de deciles: Veamos uno de los más sencillos (válido
para datos no agrupados):
1. Agrupamos las muestras de menor a mayor valor
2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente fórmula:
x = (N · i) / 10
Siendo N el número total de muestras analizadas y la letra "i" el decil buscado
3. Si el resultado anterior (x) no tiene decimales, el decil se obtiene seleccionando el valor
de la muestra que ocupa la posición x.
4. Si el resultado (x) tiene decimales, el decil se obtiene haciendo la media de las muestras
en posición x y x+1
¿Qué son los percentiles?
El percentil es una medida estadística la cual divide una serie de datos ordenados de menor
a mayor en cien partes iguales. Se trata de un indicador que busca mostrar la proporción de
la serie de datos que queda por debajo de su valor.
Los percentiles dan los valores correspondientes al 1%, al 2%. Y al 99% de los datos.
¿Para qué se calculan Percentiles?
Existen varios métodos para el cálculo de percentiles.
1. Agrupamos las muestras de menor a mayor valor
2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente fórmula:
Siendo N el número total de muestras analizadas y la letra "i" el percentil buscado
3. Si el resultado anterior (x) no tiene decimales, el percentil se obtiene seleccionando el
valor de la muestra que ocupa la posición x.
4. Si el resultado (x) tiene decimales, el percentil se obtiene haciendo la media de las
muestras en posición x y x+1.
Distribución simétrica
En estadística, una distribución simétrica es una distribución en la que los lados izquierdo y derecho
se reflejan entre sí.
La distribución simétrica más conocida es la distribución normal, que tiene una forma de campana
distinta.
La función simétrica se caracteriza porque la media, la mediana y la moda es el mismo
valor. Si por el contrario la distribución presenta una forma más escorada hacia la izquierda
hablamos de asimetría positiva; y si es más hacia la derecha, de asimetría negativa.
a) Coeficiente de asimetría de Pearson
Este coeficiente se calcula: Ap = (Media – Moda) / Desviación
Si Ap = 0 (Distribución simétrica)
Si Ap > 0 (Distribución asimétrica positiva)
Si Ap < 0 (Distribución asimétrica negativa)
Para aplicar este coeficiente es necesario que la distribución tenga una sola moda.
b) Coeficiente de asimetría de Fischer
El coeficiente de Fisher se calcula: γl = m3 / s3
Siendo m3 = (x1 – Media)3 / Nº de datos
Según los resultados
Si γl = 0 (Distribución simétrica)
Si γl > 0 (Distribución asimétrica positiva)
Si γl < 0 (Distribución asimétrica negativa)
Vamos a ver estos dos coeficientes con un ejemplo: Tenemos 2 distribuciones A y B con
los siguientes datos:
Vemos que la distribución A está escorada hacia la izquierda (asimetría positiva) mientras
que la distribución B lo está hacia la derecha (asimetría negativa).
Vamos a calcular los índices de asimetría de Pearson y Fischer para ver si confirman este
aspecto:
Vemos como la distribución A tiene un coeficiente Pearson positivo mientras que la
distribución B tiene un coeficiente Pearson negativo.
Nuevamente se observa que la distribución A tiene un coeficiente Fischer positivo mientras
que la distribución B tiene un coeficiente Ficher negativo.
Asimetría
Es la medida que indica la simetría de la distribución de una variable respecto a la media
aritmética, sin necesidad de hacer la representación gráfica. Los coeficientes de asimetría
indican si hay el mismo número de elementos a izquierda y derecha de la media.
Existen tres tipos de curva de distribución según su asimetría:
Asimetría negativa: la cola de la distribución se alarga para valores inferiores a
la media.
Simétrica: hay el mismo número de elementos a izquierda y derecha de la media. En
este caso, coinciden la media, la mediana y la moda. La distribución se adapta a la forma
de la campana de Gauss, o distribución normal.
Asimetría positiva: la cola de la distribución se alarga (a la derecha) para valores
superiores a la media.
Coeficiente de asimetría de Fisher
El coeficiente de asimetría de Fisher CAF evalúa la proximidad de los datos a su media x.
Cuanto mayor sea la suma ∑(xi–x)3, mayor será la asimetría. Sea el conjunto X=(x1, x2,…,
xN), entonces la fórmula de la asimetría de Fisher es:
Cuando los datos están agrupados o agrupados en intervalos, la fórmula del coeficiente
de asimetría de Fisher se convierte en:
i CAF<0: la distribución tiene una asimetría negativa y se alarga a valores menores que
la media.
Si CAF=0: la distribución es simétrica.
Si CAF>0: la distribución tiene una asimetría positiva y se alarga a valores mayores que
la media.
Coeficiente de asimetría de Pearson
El coeficiente de asimetría de Pearson CAP mide la diferencia entre la media y
la moda respecto a la dispersión del conjunto X=(x1, x2,…, xN).
Este procedimiento, menos usado, lo emplearemos solamente en distribuciones
unimodales y poco asimétricas.
Si CAP<0: la distribución tiene una asimetría negativa, puesto que la media es menor
que la moda.
Si CAP=0: la distribución es simétrica.
Si CAP>0: la distribución tiene una asimetría positiva, ya que la media es mayor que
la moda.
Coeficiente de asimetría de Bowley
El coeficiente de asimetría de Bowley CAB toma como referencia los cuartiles para
determinar si la distribución es simétrica o no. Para aplicar este coeficiente, se supone que
el comportamiento de la distribución en los extremos es similar. Sea el conjunto X=(x1,
x2,…, xN), la asimetría de Bowley es:
Esta fórmula viene de:
Recordemos que la mediana (Me) es lo mismo que el segundo cuartil (Q2).
Por lo que la fórmula del coeficiente de asimetría de Bowley también se puede escribir
así:
Si CAB<0: la distribución tiene una asimetría negativa, puesto que la distancia de
la mediana al primer cuartil es mayor que al tercero.
Si CAB=0: la distribución es simétrica, ya que el primer y tercer cuartil están a la misma
distancia de la mediana.
Si CAB>0: la distribución tiene una asimetría positiva, ya que la distancia de
la mediana al tercer cuartil es mayor que al primero.
La curva normal
Se llama curva normal a la distribución gaussiana: la distribución de probabilidad de una
variable continua que suele resultar próxima a un fenómeno real.
Características de la curva normal estadística
Sus características son las siguientes: Es una distribución simétrica. Es asintótica, es decir
sus extremos nunca tocan el eje horizontal, cuyos valores tienden a infinito. En el centro de
la curva se encuentran la media, la mediana y la moda.
Distribución normal de la curva
La distribución normal es una distribución de probabilidad de variable continua que
describe los datos que se agrupan en torno a un valor central. Todo proceso en el que solo
existan causas aleatorias de variación sigue una ley de distribución normal.
Probabilidad de la curva normal
Probabilidad de variable continua que describe los datos que se agrupan en torno a un valor
central. Todo proceso en el que solo existan causas aleatorias de variación sigue una ley de
distribución normal.
¿Qué es un evento?
Un evento es un subconjunto del espacio muestral de un experimento aleatorio.
Los eventos normalmente se denotan con las letras mayúsculas A, B, C; y tienen la
característica de ser subconjuntos de S ((A, B, C) Ì S).
¿Qué es la probabilidad?
La probabilidad es la posibilidad de que suceda un fenómeno o un hecho, dadas
determinadas circunstancias. Se expresa como un porcentaje.
Es entonces el nivel de certeza que tenemos sobre la ocurrencia de cierto evento. Esto, en
base a un valor de entre 0 y 1, y cuando más cerca esté de la unidad, significa mayor
certidumbre. Por el contrario, cuando se aproxima a cero, existe menor seguridad en el
resultado final.
