Coeficiente de variación y kurtosis

229
UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ADMINISTRATIVAS
Captulo 6:
DESVIACIN
ESTNDAR
INTRODUCCIN
Como podemos observar, en el mundo de hoy necesitamos conocer con
detalle un conjunto de datos, no basta con conocer solo las medidas de
tendencia central, sino que necesitamos conocer tambin la desviacin que
representan los datos en su distribucin respecto de la media aritmtica de
dicha distribucin, con objeto de tener una visin de los mismos ms
acorde con la realidad a la hora de describirlos e interpretarlos para la toma
de decisiones de la empresa
230
6.1 CONCEPTO:
La desviacin estndar o desviacin tpica () es una medida de centralizacin o
dispersin para variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la
estadstica descriptiva.
Se define como la raz cuadrada de la varianza. Junto con este valor, la desviacin tpica
es una medida (cuadrtica) que informa de la media de distancias que tienen los datos
respecto de su media aritmtica, expresada en las mismas unidades que la variable.
Se caracteriza por ser el estadgrafo de mayor uso en la actualidad.
Se obtiene mediante la aplicacin de la siguiente frmula:
S = ni (Yi - X )
N
SERIES UNIVERSOS MUESTRAS
SIMPLES
S
2
=
S yi x
N
( )
2
T
S Yi x
N
2
1
=

( ) )
S
2
=
S Yi Syi
N
( ) ( )
2 2
T2
=
SYi SYI
N
N
{ ( ) }
2
1
231
AGRUPADA
O
S
2
=
S Yi x
N
( )
2
T2
=
Sni Yi x
N
( )
2
1
CLASIFICADA
S
2
=
SniYi SniYi
N
N
2 2
( )
T2
=
niYi SniYi
N
N
2 2
1
( )
Para comprender el concepto de las medidas de distribucin vamos a suponer que el
gerente de una empresa de alimentos desea saber que tanto varan los pesos de los
empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al azar
cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490,
500, 510, 515 y 520) gramos respectivamente.
Por lo que su media es:
La varianza sera:
Por lo tanto la desviacin estndar sera:
232
Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos,
con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta
informacin le permite al gerente determinar cuanto es el promedio de perdidas causado
por el exceso de peso en los empaques y le da las bases para tomar los correctivos
necesarios en el proceso de empacado.
Ejercicio 1: Determinar la Desviacin Estndar del siguiente cuadro de distribucin:
L
1
- L
2
Y
I
n
I
Yi NiYi niYi (Yi X) /Yi x/ ni(Yi-x)
45 - 55
55 - 65
65 - 75
75 - 85
85 - 95
50
60
70
80
90
4
12
20
10
4
2500
3600
4900
6400
8100
10000
43200
98000
64000
32400
200
720
1400
800
360
384.16
92.16
0.16
108.16
416.16
-196
-9.6
0.4
10.4
20.4
1536.64
1105.92
3.2
108.16
416.16
N =50
niYi=
247600
niYi=
3480
ni(Yi-x)
=
5392
S = ni (Yi - X )
N
233
S = 5392 S = 10.38460399
50
S = niYi - (niYi )
N
S = 247 600 (3480/50) S = 10.38460399
50
Nota:
La desviacin Standard o desviacin tpica se aplica
solo para datos agrupados.
234
Ejercicio 2 : Calcular la desviacin standard del siguiente cuadro de distribucin de
frecuencia donde son desconocidas las 3 y la 5 clase y la media aritmtica es 66.3
L
1
- L
2
Y
I
n
I
Ni Yi (Yi -x) Yi - x ni (Yi -x)
45 - 55
55 - 65
65 - 75
75 - 85
85 - 95
61
64
67
70
73
5
7
10
6
2
305
448
670
420
146
28. 09
5. 29
0. 49
13. 69
44. 89
-5. 3
-2. 3
0. 7
3. 7
6. 7
140. 45
37. 03
4. 9
82. 14
89. 78
N =
30
Eni Yi =
1989
Eni (Yi -x)=
354. 3
x = 66, 3 305 + 448 + 67X + 420 + 73Y = 1989
x = Eni Yi /N 67x + 73y = 1989 - 1173
67.x + 73y = 816 .(a)
233
66. 3 x 30 = Eni Yi = 5 + 7 + x + 6 + y = 30
x + y = 30 -18
x + y = 12 . (b)
x + 12 - y
x = 12 - 2 N -10
(a) en (b)
67 (12 - 4) + 73y = 816
804 - 67 + 73y = 816
6y = 616 - 804
6y = 12
y =12/ 6
y = 2
236
6.2 CORRECCIN SHEPPARD PARA LA DESVIACIN ESTNDAR (Sc)
Cuando en una serie clasificada los lmites de clase comprenden varias unidades se
introducen un error al agrupar los datos en clase (llamado error de agrupamiento) ,
debido a que los puntos medios o marcas no coinciden con los respectivos promedios
de los datos agrupados en cada clase .
Los puntos medios o marcas de clase tienen mayor dispersin que los promedios
lo que da lugar a un error en la varianza en exceso , este error se corrige mediante la
correccin Sheppard con lo cual se obtiene la varianza ajustada o corregida para lo cual
a la varianza calculada se le resta la constante i / 12
Se determina mediante la aplicacin de la siguiente frmula:
Sc = S
2
- i
12
Ejercicio 1: Calcular la varianza ajustada estndar corregida del ejercicio anterior .
Sc = S - i / 12
Sc = 107. 84 - 10 /12
Sc = 99. 50666 Sc = 9. 975302
237
Ejercicio 2: Calcular la correccin sheppard del siguiente cuadro de distribucin
L
1
- L
2
Y
I
n
I
45 - 55
55 - 65
65 - 75
75 - 85
85 - 95
50
60
70
80
90
4
12
20
10
4
2500
3600
4900
6400
8100
10000
43200
98000
64000
32400
200
720
1400
800
360
384.16
92.16
0.16
108.16
416.16
-196
-9.6
0.4
10.4
20.4
1536.64
1105.92
3.2
108.16
416.16
N =50
niYi=
247600
niYi=
3480
ni(Yi-x) =
5392
Sc = S - i
12
Sc= 107.84 - 10 /12 Sc= 99.50666 Sc = 9.975302
238
6.3 SIGNIFICADO E INTERPRETACION DE LA DESVIACION
ESTANDAR Y LA CURVA NORMAL
La desviacin estndar puede ser interpretada como una medida de incertidumbre. La
desviacin estndar de un grupo repetido de medidas nos da la precisin de stas.
Cuando se va a determinar si un grupo de medidas est de acuerdo con el modelo
terico, la desviacin estndar de esas medidas es de vital importancia: si la media de
las medidas est demasiado alejada de la prediccin (con la distancia medida en
desviaciones estndar), entonces consideramos que las medidas contradicen la teora.
Esto es coherente, ya que las mediciones caen fuera del rango de valores en el cual
sera razonable esperar que ocurrieran si el modelo terico fuera correcto. La desviacin
estndar es uno de tres parmetros de ubicacin central; muestra la agrupacin de los
datos alrededor de un valor central (la media o promedio).
34.13% 34.13%
13.59% 13.59%
2.15% 2.15%
-3S - 2S -1S X 1S 2S 3S
68.26%
95.45%
99.74%
239
La desviacin estndar ayuda a describir la curva de la distribucin normal o campana
de Gauss mediante la siguiente manera:
1.- Una desviacin estndar a cada lado de la media incluye un rea del 68.26% del
rea total es decir aproximadamente los 2/3 de los casos.
2.- El rea comprendida entre una y dos desviaciones estndar a ambos lados de la
media representa el 13.59% del rea total. El rea comprendida entre 2 desviaciones
estndar a ambos lados de la media es igual a 95.45% del rea total.
3.- Entre la 2 y 3 desviacin standard (o 2 y 3 desviaciones standard) resulta otra
porcin del rea igual a 2.15% del rea total. El rea comprendida entre 3 desviaciones
standard a cada lado de la media es igual al 99.74% del rea total.
X = 1S = 68.26%
X = 2S = 94.75 %
X = 3S = 99.74 %
240
Captulo 7:
MEDIDAS CONJUNTAS
I IN NT TR RO OD DU UC CC CI I N N: :
En estadstica el coeficiente de variacin (de Pearson), es una medida de
dispersin til para comparar dispersiones a escalas distintas pues es una
medida invariante ante cambios de escala. Sirve para comparar variables
que estn a distintas escalas pero que estn correlacionadas
estadsticamente y sustantivamente con un factor en comn.
Tambin estamos desarrollando, para el incremento de conocimientos, el
tema de kurtosis el cual se ha usado en el monitoreo de mquinas ,
especialmente en compresores recprocos,pero no se ha hecho muy
comn.
241
7.1 CONCEPTO
Es la relacin que se puede establecer entre las medidas de centralizacin (RMS, G, X,
H, Mo, Md, Q, D.P.) y las medidas de dispersin (R, DQ, D.M., S2, S) para obtener
coeficientes que nos permite medir: el coeficiente de variacin, la variable normalizada,
el sesgo, la Kurtosis y los momentos.
7.2 COEFICIENTE DE VARIACIN (V)
En estadstica el coeficiente de variacin (de Pearson), es una medida de dispersin til
para comparar dispersiones a escalas distintas pues es una medida invariante ante
cambios de escala. Sirve para comparar variables que estn a distintas escalas pero
que estn correlacionadas estadsticamente y sustantivamente con un factor en comn.
Es decir, ambas variables tienen una relacin causal con ese factor. Su frmula expresa
la desviacin estndar como porcentaje de la media aritmtica, mostrando una mejor
interpretacin porcentual del grado de variabilidad que la desviacin tpica o estndar.
PROPIEDADES Y APLICACIONES:
- El coeficiente de variacin es tpicamente menor que uno.
- Para su mejor interpretacin se lo expresa como porcentaje.
- Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado
que cuando esta es 0 o muy prxima a este valor C.V. pierde significado, ya que
puede dar valores muy grandes, que no necesariamente implican dispersin de
datos.
- El coeficiente de variacin es comn en varios campos de la probabilidad
aplicada.
241
7.1 CONCEPTO
datos.
aplicada.
241
7.1 CONCEPTO
datos.
aplicada.
242
Cuando es preciso comparar las distribuciones de varias series de datos estadsticos
es necesario recurrir, el coeficiente de dispersin relativa que se define como el cociente
que hay entre la dispersin absoluta y el promedio.
Si consideramos que la dispersin absoluta es la desviacin standard y el promedio es
la media aritmtica, a la dispersin relativa resultante se le conoce con el nombre de
coeficiente de variacin.
E El l c co oe ef fi ic ci ie en nt te e d de e v va ar ri ia ac ci i n n ( (v v) ); ; se expresa en trminos de porcentaje y representa un
nmero de abstracto y depende de las unidades que se utilicen.
V Ve en nt ta aj ja a: : La ventaja que ofrece este coeficiente es que permite comparar 2
distribuciones que no estn expresadas en las mismas unidades.
D De es sv ve en nt ta aj ja a: : Deja de ser til cuando la media tiende a cero.
Coef. Disp. Relativa = Dispersin absoluta = V
Promedio
V = S * 100%
X
243
Ejemplo: Determinar el coeficiente de variacin del siguiente cuadro de distribucin:
L
1
- L
2
Y
I
n
I
45 - 55
55 - 65
65 - 75
75 - 85
85 - 95
50
60
70
80
90
4
12
20
10
4
2500
3600
4900
6400
8100
10000
43200
98000
64000
32400
200
720
1400
800
360
384.16
92.16
0.16
108.16
416.16
-196
-9.6
0.4
10.4
20.4
1536.64
1105.92
3.2
108.16
416.16
N =50
niYi=
247600
niYi=
3480
ni(Yi-x) =
5392
V = 10.38460399 * 100% V = 14.92040803%
69.6
V = S * 100%
X
244
_
Z = Yi X
S
7 7. .3 3 V VA AR RI IA AB BL LE E N NO OR RM MA AL LI IZ ZA AD DA A O O R RE EF FE ER RE EN NC CI IA A T TI IP PI IF FI IC CA AD DA AS S ( (Z Z) )
Las variables normalizada es aquella variable que mide las desvas de los puntos
medios con respecto a su medio aritmtico en unidades de desviacin standard.
Las desviaciones de la medida vienen dadas en unidades de la desviacin standard por
lo que se dice tambin que estn expresadas en unidades tipificadas o referencias
tipificadas, variables que son de gran utilidad para la comparacin de distribucin.
Ejercicio 1:
1.-En un examen final de Matemtica Finanaciera la media aritmtica fue 15 y la
desviacin standard fue 5 y en el examen de Estadstica fue 13 y la desviacin standard
fue 4. La alumna Samuel Len obtuvo 17 y 16 respectivamente de notas finales en
ambas asignaturas En qu asignatura obtuvo un puesto relativamente ms alto?
_
Matemtica X =15 Nota: 17
Financiera S = 5 Yi = 17
_
Z = Yi - X Z = 17-15 Z = 0.40
S 5
_
Z = | Yi X |
S S
243
Nota:16 Yi = 16
Estadstica X = 13
S = 4 Z = Yi - X = 16 - 13 Z = 0.75
S 4
Luego ha obtenido una desviacin standard de 0.40 y 0.75 por encima de la media ,
siendo por lo tanto su puntuacin superior en estadstica .
Ejercicio 2: Hallar el rea bajo la curva normal de los siguientes casos:
a) Z = 0; Z = 1.2
0.3849 rea bajo la curva normal
-3 -2 -1 0 1 2 3
0
.
3
8
4
9
-3 -2 -1 0 1 2 3
0
.
3
8
4
9
246
b) Z = -0.68; Z = 0
Por simetra -0.68 = 0.68
0.2518 rea bajo la curva normal
c) Z = -0.46 ; Z = 2.21
Por simetra Z = -0.46 = Z = 0.46
Z = 2.21 = 0.4 Z = 0.46 = 0.1772
0.1772 + 0.4864 = 0.6636 rea bajo la curva normal
0
.
2
5
1
8
-3 -2 -1 0 1 2 3
0
.
2
5
1
8
-3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3
0
.
1
7
7
2
0.
4
8
6
4
-3 -2 -1 0 1 2 3
0
.
1
7
7
2
0.
4
8
6
4
247
d) Z = 0.81 ; Z = 1.94
Z = 0.81 = 0.2910
Z = 1.94 = 0.4738
e) Suponiendo que el ingreso mensual promedio de 10000 trabajadores es $ 500 y la
desviacin Standard es $ 100 :
Si la distribucin es normal. Cul es el nmero de trabajadores que tienen un ingresos
mensual :
1.-Superior a $ 500
2.-Superior a $ 500 pero inferior a $ 600
3.- Inferior a $ 600
_
Z = Yi X = 500 500 = 0 = 0
S 100 100
_
Z = Yi X = 600 500 = 100 = 1
S 100 100
-3 -2 -1 0 1 2 3
0.
1
8
2
8
0
.
2
9
1
0
-3 -2 -1 0 1 2 3
0.
1
8
2
8
0
.
2
9
1
0
Z = 1.94 - Z = 0.91
0.4738 - 0.2910
0.1828 rea ba[o |a curva norma|
10000(0.5) = 5000
2.- Superior a $ 500 pero inferior a $600
10000 (0.3413) =3413
3.- Superior a $ 600
10000 (0.1587) =1587
248
f) Suponiendo que el ingreso mensual promedio de 10000 trabajadores es $ 400 y la
desviacin Standard es $ 100 :
Si la distribucin es normal. Cul es el nmero de trabajadores que tienen un ingresos
mensual :
1.-Superior a $ 250 pero inferior a $ 500
_
Z = Yi X = 250 400 =-150 = -1.5
S 100 100
A (-1.5) = 0.4332
_
Z = Yi X = 500 400 = 100 = 1
S 100 100
A (1) =0.3413
0.
3
4
1
3
-3 -2 -1 0 1 2 3
200 300 400 500 600 700 800
0.5
0.1587
0.5 -0.3413
0.5 -0.3413
0.
3
4
1
3
-3 -2 -1 0 1 2 3
200 300 400 500 600 700 800
0.5
0.1587
0.5 -0.3413
0.5 -0.3413
249
AREA ENTRE $250 Y $500 = A (-1.5) + A (1)
0.4332 + 0.3413 = 0.7745
AREA INFERIOR A $250 = A (1) - A(1.5)
0.5 0.4332 = 0.668
0
.
7
7
4
5
-3 -2 -1 0 1 2 3
100 200 300 400 500 600 700
0.6668
0
.
7
7
4
5
-3 -2 -1 0 1 2 3
100 200 300 400 500 600 700
0.6668
1.- Infer|or a 5 2S0
10000(0.7745)
Infer|or a 5 2S0 = S000
2.- Superior a $ 500 pero inferior a $600
10000 (0.6668) =6668
230
Sxy =
7 7. .5 5 C CO OV VA AR RI IA AN NZ ZA A ( (S SX XY Y) )
Esta medida conjunta es utilizada para determinar la relacin que existe entre variables
que han sido medidas en diferentes unidades.
Ejercicio 1: La relacin que existe la inversin de publicidad de la inversin del
medicamento y la venta del mismo, la produccin de papa por hectreas (arrobas) y la
lluvia (milmetros).
Ingreso per cpita y la tabla de analfabetismo.
230
Sxy =
lluvia (milmetros).
1
) " )( " (
"
N
x Xi y Yi
230
Sxy =
lluvia (milmetros).
1
) " )( " (
"
N
x Xi y Yi
231
7 7. .6 6 R RE EL LA AC CI IO ON NE ES S E EM MP P R RI IC CA AS S E EN NT TR RE E L LA AS S M ME ED DI ID DA AS S D DE E D DI IS SP PE ER RS SI I N N
Para distribuciones moderadamente aritmticas se pueden obtener las siguientes
relaciones empricas entre las medidas de dispersin.
1. La desviacin quartil es aproximadamente iguala 2/3 de la desviacin estndar.
2. La desviacin media es igual a las 4/5 de la desviacin estndar.
D.Q = 2 (S)
3
D.M. = 4 (S)
S
D.M. = 4 (S)
5
232
D.Q = 2 (S)
3
D.M. = 4 (S)
5
232
D.Q = 2 (S)
3
D.M. = 4 (S)
5
232
D.Q = 2 (S)
3
D.M. = 4 (S)
5
233
7 7. .7 7 S SE ES SG GO O U U O OB BL LI IC CU UI ID DA AD D, , K KU UR RT TO OS SI IS S Y Y M MO OM ME EN NT TO OS S
7.7.1.- SESGO U OBLICUIDAD
Una distribucin se considera sesgada si la media, la mediana y la moda no tienen
el mismo valor.
1. X > Md > Mo = Sesgo positivo
2. X < Md < Mo = Sesgo negativo
X
Md
Mo
a) Sesgo Positivo o Sesgado a la derecha
+
Mo Md X
X >Md > Mo
X = Md = Mo
234
b) Sesgo Negativo o Sesgado a la izquierda
-
X Md Mo
SESGO
X < Md < Mo
+ -
233
7 7. .7 7. .2 2. .- - M ME ED DI ID DA AS S D DE E S SE ES SG GO O
a a. .- - L LO OS S C CO OE EF FI IC CI IE EN NT TE ES S D DE E S SE ES SG GO O D DE E K KA AR RL L P PE EA AR RS SO ON N. .- - Ha logrado relacionar
medidas de dispersin y centralizacin y ha obtenido:
- PRIMER COEFICIENTE DE SESGO DE KARL PEARSON :
-SEGUNDO COEFICIENTE DE SESGO DE KARL PEARTSON:
b b. .- - C CO OE EF FI IC CI IE EN NT TE E D DE E S SE ES SG GO O C CU UA AR RT TI IL LI IC CO O Y Y P PE ER RC CE EN NT T L LI IC CO O
- COEFICIENTE DE SESGO CUARTLICO:
_
2 CS
kp =
3 ( X- Md )
S
_
1 CS
kp
= X Mo
S
CSq = (Q3 - Q2) - (Q2 - Q1) = Q3 - 2 Q2 + Q1
Q3 - Q 1 Q3 - Q1
236
- COEFICIENTE DE SESGO PERCENTLICO
7.7.3 C CO OE EF FI IC CI IE EN NT TE ES S D DE E S SE ES SG GO O E EN N F FU UN NC CI I N N A A L LO OS S M MO OM ME EN NT TO OS S: :
Otra medida de sesgo viene dado por el momento del 3er orden con respecto a la
x denominado tambin medida relativa de 3 rdenes:
CSp = (90 - S0) - (S0 - 10) = 90 - 2S0 + 10
90 - 10 90 - 10
Cs a
m
S
m
S
m
m
m
m
m
= = = = =
3
3
3
3
2 3
3
2
2
3
2
3 2
( )
( )
/
237
7 7. .8 8 K KU UR RT TO OS SI IS S
Es el grado de apuntamiento o echamiento de una distribucin relacionado
comnmente con la curva normal, campana de Gauss o distribucin normal.
7.8.1 CLASES DE KURTOSIS
1. LEPTOCRTICA: Es aquello que presenta un apuntamiento relativamente alto
literalmente Leptocrtica significa curvatura puntiagudo.
2. MESOCRTICA: Es aquello que no es ni puntiagudo ni achatado y coincide
generalmente con la curva normal.
3. PLATICRTICA: Es aquello que se presenta un achatamiento en la parte superior .
MESOCRTICA
LEPTOCRTICA
PLATICRTICA
238
7 7. .8 8. .2 2 M ME ED DI ID DA AS S D DE E K KU UR RT TO OS SI IS S
1. COEFICIENTE DE KURTOSIS PERCENTLICO: Este coeficiente relaciona la
desviacin quartil con el espacio interpercentlico obtenindose el siguiente
coeficiente.
2. COEFICIENTE DE KURTOSIS EN FUNCIN DE LOS MOMENTOS: Est dado por
una medida relativa de cuarto orden con respecto a la media y se determina mediante la
siguiente relacin.
CKp = D. Q. = 1/2 Q
3
- Q
1
= Q
3
- Q
1
P
90
- P
10
P
90
- P
10
2(P
90
- P
10
)
Ckm = u
4
= m
4
= m
4
= m
4
= m
4
S
4
{ S
Z
}
4
{ m
Z
}
4
m
Z
Z
CS O
m
m
m
m
m
= = =
4
4
2
4
4
3
2
( )
239
7 7. .9 9 M MO OM ME EN NT TO OS S ( (M M
o o
) )
Tanto el sesgo como la Kurtasis se miden mejor utilizando los momentos que emplea el
valor exacto de cada observacin. Los momentos son 4 y a su vez pueden ser con
respecto al origen y con respecto a la media. Se considera que los momentos son una
sntesis de 4 captulos anteriores al establecer las siguientes relaciones.
_
m
1
= X Medidas de centralizacin o promedio
m
2
=S Medida de dispersin.
m
3
= Sesgo
m
4
= Kurtosis
Frmula General para los momentos:
r
r
i
N
niu
Mr
(
(
=

260
_
m
1
= (ni u/n) i = X
m
2
= (ni n
2
/N) i
2
= S
2
m
3
= ( ni n
3
/N) i
3
= Sesgo
m
4
= (ni n
4
/N) i
4
= Kurtosis
COEFICIENTE DE KURTOSIS EN FUNCIN DE LOS MOMENTOS:
Esta dado por una medida relativa de cuarto orden .
CK
m
= A
4
= m
4
/ 5
4
= m
4
/ ( 5
)
4
= m
4
/ ( m )
4
= m
4
/m
2
M
niu
N
i
1
=
|
\
|
.
M
niu
N
i
2
2
2
=
|
\
|
.
M
niu
N
i
3
3
3
=
|
\
|
.
M
niu
N
i
4
4
4
=
|
\
|
.
261
7 7. .9 9. .1 1 C CO OM MP PR RO OB BA AC CI I N N C CH HA AR RL LI IE ER R
La comprobacin Charlier en el clculo de los momentos por el mtodo clave hace uso
de las propiedades de las identidades para la comprobacin para el clculo de medidas.
ni ( u + 1) = niu + N
ni ( u + 1) = niu
2
+ 3 niu
2
+ niu + N
ni ( u + 1)
3
= niu
2
+ 3 niu
2
+ niu + N
ni ( u + 1)
4
= niu
4
+ 4 niu
3
+ 6 niu + 4 niu + N
7 7. .9 9. .2 2 R RE EL LA AC CI I N N E EN NT TR RE E L LO OS S M MO OM ME EN NT TO OS S. .
Entre momentos con respecto a la media y momentos con respecto a un punto cualquier
se dan las siguientes relaciones:
m
2
= m
2
- m
1
2
m
3
= m
3
- 3m
1
m
2
+ 2m
1
3z
m
4
= m
4
- 4m
1
m
3
+ 6m
1
2
m
2
- 3m
1
4
La relacin entre los momentos es el paso previo a la correccin Sheppard para los
momentos.
262
7 7. .9 9. .3 3 C CO OR RR RE EC CC CI I N N S SH HE EP PP PA AR RD D P PA AR RA A L LO OS S M MO OM ME EN NT TO OS S
Los momentos que necesitan corregirse son los momentos de 2 y 4 orden, esto implica
que los momentos de 1 y 3 orden ya no necesitan corregirse.
M
2c
= m
2
i
2
12
m
4c
= m
4
- 1 i
2
m
2
+ 7 i
4
2 240
263
Ejercicio : Del siguiente cuadro de distribucin de frecuencia determinar :
1. Las 4 primeros momentos.
2. La comprobacin Charlier
3. La relacin entre los momentos
4. La correccin Sheppard para los momentos
L
1
L
2
Yi ni ni
3
3
ni
3
4
45 -55
55- 65
65 -75
75 -85
85 - 95
50
60
70
80
90
4
12
20
10
4
-2
-1
0
10
4
4
1
0
1
4
16
12
0
10
16
-8
-1
0
1
8
-32
-12
0
1
8
16
1
0
1
16
n = 50 ni=54 ni3=-2
264
1. m
1
= ( niu/N)i m
1
= (-2 /50) 10 m
1
= -0/4
m
2
= ( niu2/N)i m
2
= (54 /50) 1002 m
2
= 108
m
3
= ( niu3/N)i
3
m
3
= (-2 /50) 1000 m
3
= -40
m
4
= ( niu4/N)i
4
m
4
= (150/50) 1000 m
4
= 30000
2. -
n| (u + 1) = n| (u+N)
48 = - 2 + S0
48 = 48
n| (u + 1)
2
= n| u
2
+ 2n| u + N
100 = S4 + 2(2) + N
100 = S8 + N
N = 42
n| (u + 1)
3
= n| u
3
+ 3n| u + 3n| + u + N
204 = - 2 + 3(S4) + 3( -2) + N
204 = - 2 + 162 - 6 + N
204 = 1S4 + N
N = 48
n| (u + 1)
3
= n| u
4
+ 3n| u
3
+ 6n| + 4n| + u + N
S08 = 1S0 + 4(- 2) + 6(S4) + 4( - 2) + N
S08 = 1S0 - (- 8) + 324 - 8 + N
S08 = 4S8 + N
N = 48
263
3. -
m
2r
= m
2
- m
1
2
m
2r
= 108 - (- 0. 4)2
m
2r
= 108 + 0. 16
m
2r
= 108. 16
m
3r
= m
3
- 3m
1
m
2
+ 2m
1
3
m
3r
= - 40 - 3(- 0. 4)(108) + 2( - 0. 4)3
m
3r
= - 40 + 129. 6 - 0. 128
m
3r
= 129. 6 - 40. 128
m
3r
= 89. 472
m
4r
= m
4
- 4m
1
m
2
+ 6m
1
3
m
2
- 3m
1
4
m
4r
= 30000 - 4(- 0. 4)(-40) + 6(-0. 4)(108) - 3(- 0. 4)
m
4r
= 30000 - 64 + 103. 68 - 0. 0768
m
4r
= 30103. 68 - 64. 0768
m
4r
= 30039. 6032
4. -
m
2C
= m
-
|
2
m
2C
= 107. 84 -(100)
m
2C
= 107. 84 - 100]12
m
2C
= 99. S0666667
m
4C
= m
4r
- x | m
2r
+ 7]240 |
4
m
4C
= 30039. 6032 - x(100)107. 84 + 7]240(10
4
)
m
4C
= 30039. 6032 - S392 + 0. 029166666 x 10
4
m
4C
= 30039. 6032 - S392 + 291. 666666
m
4C
= 24939. 26986
266
EJERCI CI O: Del si gui ent e cuadro de di stri buci n de f recuenci as,
det ermi nar l o si gui ent e.
1. La Vari anza
2. La Desvi aci n St andard
3. Vari abl e Normal i zada
4. Rel aci n Empri ca ent re l as medi das de di spersi n
5. Los moment os
6. La Comprobaci n Charl i er
7. Las rel aci ones entre l os moment os
8. Correcci n Sheppard
266
1. La Vari anza
5. Los moment os
266
1. La Vari anza
5. Los moment os
267
268
269
1. - Vari anza
S = ni (Yi - x) / N
S = 24724563. 89 =
94573
S = 261. 4336427
2. - Desvi aci n Estndar
S = (Yi - x) / N
S = 261. 4336427
S = 16. 16890976
3. - Vari abl e Normali zada
Z = ni | Yi - x | S
Z = 1507460. 49
16. 16890976
Z = 93232. 043
270
4. - Rel aci n Emp rica entre l as Medi das de Di spersi n
D. Q. = 2/ 3 (S) = 2/ 3 (16. 16890976) = 10. 77927317
D.M. = 4/ 5 (S) = 4/ 5 (16. 16890976) = 12. 93512781
5. - Rel aci n entre los Momentos
m
1
= (Eni u / N)i = (-30647 / 94573) 10 = -3. 240565489
m
2
= (Eni u / N)i = (257177 / 94573) 100 = 271. 9349074
m
3
= (Eni u
3
/ N)i
3
= (-314645 / 94573) 1000 = -3327. 006651
m
4
= (Eni u
4
/ N)i
4
= (496525 / 94573) 10000 = 158240. 1954
6. - Comprobacin Charli er
Eni (u + 1) = Eni (u+N) = -30467 + 94573 = 64106
Eni (u + 1)
2
= Eni u
2
+ 2Eni u + N= 211634 + (-60934) + 94573
= 245273
Eni (u + 1)
3
= Eni u
3
+ 3Eni u + 3Eni u + N
= (-314645) + 3(211634) + 3(-30467) + 94573
= 323249
271
7. - Correcci n Shepard para los Momentos
m
2r
= m
2
- m
1
2
m
2r
= 223. 7784569 - (-3. 240565489)
m
2r
= 213. 2771922
m
3r
= m
3
- 3m
1
m
2
+ 2m
1
3
m
3r
= -3327. 006651 -(-2715. 506234) + (-68. 06007188)
3
m
3r
= -1219. 560489
m
4r
= m
4
- 4m
1
m
2
+ 6m
1
3
m
2
- 3m
1
4
m
4r
=158240 - 1954 - 43125. 53174 + 14099. 74084 - 330. 8296802
m
4r
= 128883. 5748

Coeficiente de variación y kurtosis

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Coeficiente de variación y kurtosis

Hochgeladen von

Copyright:

Verfügbare Formate

229

UNIVERSIDAD NACIONAL DEL CALLAO

Das könnte Ihnen auch gefallen