Parámetros estadísticos

De Wikipedia

(Diferencia entre revisiones)
Revisión de 10:11 14 jul 2017
Coordinador (Discusión | contribuciones)
(Interpretación conjunta de la media y la desviación típica)
← Ir a diferencia anterior
Revisión de 10:12 14 jul 2017
Coordinador (Discusión | contribuciones)
(Videotutoriales y actividades)
Ir a siguiente diferencia →
Línea 372: Línea 372:
{{p}} {{p}}
-===Videotutoriales y actividades===+===Actividades===
{{Videotutoriales|titulo=Parámetros de dispersión|enunciado= {{Videotutoriales|titulo=Parámetros de dispersión|enunciado=
{{Video_enlace_fonemato {{Video_enlace_fonemato
Línea 399: Línea 399:
}} }}
{{p}} {{p}}
 +
==Interpretación conjunta de la media y la desviación típica== ==Interpretación conjunta de la media y la desviación típica==
De todas los parámetros estudiados, los más significativos son la media para las medidas de centralización y la desviación típica para las medidas de dispersión. De todas los parámetros estudiados, los más significativos son la media para las medidas de centralización y la desviación típica para las medidas de dispersión.

Revisión de 10:12 14 jul 2017

Tabla de contenidos

Parámetros estadísticos

Después de haber representado los datos gráficamente, ahora llega el momento de hacer un estudio de los mismos. Si estamos estudiando la estatura de todos los alumnos y alumnas del instituto y necesitamos dar información de este estudio, parece lógico dar un dato que conocemos todos como media y que representa la estatura de todo el alumnado estudiado. Además de este dato existen otros datos (que llamaremos parámetros) que van a representar a toda la población o que nos van a informar sobre la población.

Parámetros estadísticos: Son datos que resumen el estudio realizado en la población. Pueden ser de dos tipos:

  • Parámetros de centralización. Son datos que representan de forma global a toda la población. Entre ellos vamos a estudiar la media aritmética, la moda y la mediana.
  • Parámetros de dispersión. Son datos que informan de la concentración o dispersión de los datos respecto de los parámetros de centralización. Por ejemplo el recorrido, la varianza y la desviación típica.

Parámetros de centralización

Moda

Se define la moda como el valor de la variable que más se repite, es el decir, aquél que tiene mayor frecuencia absoluta. Se representa por Mo.

Media

Se define la media como la suma de todos los datos dividida por el número de datos. Se representa por \bar x\.

Para calcular la media hacemos:

\bar x\ = \frac{x_1 + x_2 + ....+x_N} {N}={\sum_{i=1}^N x_i \over N}

donde N = num.\ total\ de\ individuos = \sum_{i=1}^N f_i.

Sin embargo, podemos observar que aparecen datos repetidos y que en un estudio estadístico tenemos los datos agrupados en una tabla en la que aparecen las frecuencias. Por tanto, podemos simplificar el cálculo de la media aritmética con la fórmula:

\bar x\ = \frac{x_1.f_1 + x_2.f_2 + ....+x_N.f_N} {N}={\sum_{i=1}^N x_i.f_i \over N}

Si la variable es continua, el cálculo se hace de la misma forma pero utilizando como xi las marcas de clase: los valores centrales de cada intervalo o la media aritmética de los extremos de cada intervalo.

Mediana

Si ordenamos todos los valores de la variable de menor a mayor, se define la mediana como el valor de la variable que está en el centro. Se representa por Me. Aquí tenemos que comprender que si hay un número impar de valores, habrá un sólo valor central; mientras que si hay un número par de valores habrá dos valores centrales.

Actividades

Parámetros de dispersión

Rango o recorrido

Se define el rango o recorrido como la diferencia entre el mayor y el menor de los valores de la variable. Se representa por R. Nos indica un intervalo en el que están comprendido todos los datos.

Varianza y desviación típica

Se define la varianza como la media aritmética de los cuadrados de las desviaciones respecto de la media. Es decir:

\sigma^2\ = \frac{(x_1 - \bar x)^2.f_i + (x_2 - \bar x)^2.f_i + ....+(x_N - \bar x)^2.f_i} {N}={\sum_{i=1}^N (x_i - \bar x)^2.f_i \over N}

Se calcula más facilmente, con la siguiente fórmula equivalente:

\sigma^2\ = {\sum_{i=1}^N x_i^2.f_i \over N} - \bar x^2
Se define la desviación típica como la raíz cuadrada positiva de la varianza.

Si la variable es continua, el cálculo se hace de la misma forma pero utilizando como xi las marcas de clase: los valores centrales de cada intervalo o la media aritmética de los extremos de cada intervalo.

Actividades

Interpretación conjunta de la media y la desviación típica

De todas los parámetros estudiados, los más significativos son la media para las medidas de centralización y la desviación típica para las medidas de dispersión.

Vamos a hacer un estudio conjunto de ambas para entender mejor su significado.

La media aritmética es el centro de gravedad de la distribución estadística. Si nos imaginamos el diagrama de barras o el histograma de frecuencias apoyado en un punto del eje horizontal de forma que quedase en equilibrio, el valor de este punto en dicho eje sería el valor de la media.

Como ya hemos comentado, no es suficiente con un parámetro de centralización, es necesario un parámetro de dispersión que nos indique si los datos estudiados están más concentrados o más dispersos. Y este parámetro de dispersión va a ser la desviación típica. Lógicamente si los datos están más concentrados la desviación típica será menor, y si los datos están más dispersos la desviación típica será mayor.

Coeficiente de variación. Si hemos realizado un estudio estadístico en dos poblaciones diferentes, y queremos comparar resultados, no podemos acudir a la desviación típica para ver la mayor o menor homogeneidad de los datos, sino a otro parámetro nuevo, llamado coeficiente de variación y que se define como el cociente entre la desviación típica y la media.

{CV}={\sigma \over \bar x}

Ejercicios

Herramientas personales
* AVISO: Para que te funcionen los applets de Java debes usar Internet Explorer y seguir las instrucciones de la Ayuda del menu de la izquierda