Beruflich Dokumente
Kultur Dokumente
Aplicaciones y Ejemplos
Por
Vincenzo Jesús D'Alessio Torres
Compartir en Facebook
Compartir en Twitter
Índice [Ocultar]
1 Explicación
2 Aplicaciones
3 Ejemplo
4 Referencias
Explicación
La regla de Sturges es un método empírico muy utilizado en la estadística
descriptiva para determinar el número de clases que deben existir en un
histograma de frecuencias, para así poder clasificar un conjunto de datos
que representan una muestra o población.
– k es el número de clases.
k=1+3,322* 2,1523
k=8,14 ≈ 8
Aplicaciones
La regla de Sturges es aplicada principalmente en estadística, ya que esta
permite realizar una distribución de frecuencias a través del cálculo del
número de clases (k), así como la longitud de cada una de estas, conocida
también como amplitud.
Ejemplo
Se necesita realizar un histograma de frecuencia de acuerdo a los datos
dados, que corresponden a edades obtenidas en una encuesta realizada a
hombres que hacen ejercicios en un gimnasio de la localidad.
Para determinar los intervalos se debe saber cuál es el tamaño de la
muestra o el número de observaciones; en este caso, se tienen 30.
k=1+3,322* 1,4771
k = 5,90 ≈ 6 intervalos.
– Intervalo 1: 13 – 18 = 9
– Intervalo 2: 19 – 24 = 9
– Intervalo 3: 25 – 30 = 5
– Intervalo 4: 31 – 36 = 2
– Intervalo 5: 37 – 42 = 2
– Intervalo 6: 43 – 48 = 3
– Intervalo 1: fi = 9 ÷ 30 = 0,30
– Intervalo 2: fi = 9 ÷ 30 = 0,30
– Intervalo 3: fi = 5 ÷ 30 = 0,1666
– Intervalo 4: fi = 2 ÷ 30 = 0,0666
– Intervalo 5: fi = 2 ÷ 30 = 0,0666
– Intervalo 4: fi = 3 ÷ 30 = 0,10
Luego se puede realizar una tabla que refleje los datos, y también el
diagrama a partir de la frecuencia relativa con relación a los intervalos
obtenidos, como se puede observar en las siguientes imágenes:
De esa manera, la regla de Sturges permite determinar la cantidad de
clases o intervalos en los que puede ser dividida una muestra, con la
finalidad de resumir una muestra de datos a través de la elaboración de
tablas y gráficas.
Referencias
1. Alfonso Urquía, M. V. (2013). Modelado Y Simulación De Eventos
Discretos. UNED,.
2. Altman Naomi, M. K. (2015). “Simple Linear Regression.” Nature
Methods .
3. Antúnez, R. J. (2014). Estadística en la educación. Digital UNID.
4. Fox, J. ( 1997.). Applied Regression Analysis, Linear Models, and
Related Methods. SAGE Publications.
5. Humberto Llinás Solano, C. R. (2005). Estadística descriptiva y
distribuciones de probabilidad. Universidad del Norte.
6. Panteleeva, O. V. (2005). Fundamentos de Probabilidad y
Estadística.
7. O. Kuehl, M. O. (2001). Diseño de Experimentos: Principios
Estadísticos de Diseño Y análisis de Investigación. Thomson
Editores.