Ejercicio: agrupar datos en intervalos

Siguiendo con el ejemplo anterior, agruparemos los siguientes datos, en intervalos:

2,2,2,10,10,10,8,8,8,4,4,4,6,6,6,6,7,7,14,14, n=20

Lo primero es determinar la cantidad de intervalos. Utilizaremos las dos opciones que tenemos:

A)Raiz de "n".

Aproximando nos daría 5 intervalos:

B)Fórmula de Sturges.

Aproximando, también nos da 5 intervalos:

Ahora hallaremos la amplitud de los intervalos:

La amplitud, si puede ser un número decimal. En este caso resolvimos aproximar a 2,5.
Por lo tanto comenzamos con el valor más pequeño: 2 y luego le vamos sumando 2,5 para obtener el límite superior del intervalo. Así continuamos hasta completar los 5 intervalos en los que agrupamos a la variable.

Para realizar la tabla de frecuencias contamos cuantas observaciones caen dentro de cada intervalo.

Y quedó pronto el ejercicio, para comenzar con los cálculos de las medidas de resumen de la variable en estudio.

Agrupar Datos en Intervalos

En este post indicaremos como agrupar los datos originales, que hemos recogido de las encuestas.

Sería el caso por ejemplo de tener las siguientes observaciones:



2,2,2, 10,10,10,8,8,8,4,4,4,6,6,6,6, 7,7,14,14




1) Lo primero es hallar la cantidad de intervalos en los que vamos a agrupar los valores. Para ello tenemos dos alternativas:




a) número de intervalos:












b) número de intervalos:






2) Debemos hallar la amplitud o rango de los intervalos hallados:


La fórmula a utilizar es la siguiente:




Una vez que tenemos resuelto el número de intervalos en el que vamos a agrupar los datos, usamos ese valor para el denominador de la fórmula de la amplitud de los intervalos.

Recordar: que el número de intervalos no puede ser un número decimal. Siempre debe ser un número entero. En cambio la amplitud sí puede ser número decimal.

Con la práctica vamos viendo como aproximar los números para que ninguna observación quede fuera del rango total de los intervalos.

Distribución de Probabilidad Exponencial

La distribución de probabilidad EXPONENCIAL, tiene la variable aleatoria "X" que expresa el tiempo de espera hasta que se produce cierto suceso.

La función de densidad es la siguiente:

Tiene un solo parámetro: lambda, que a su vez está en la media y en la varianza.

Importante: la exponencial no tiene memoria.

Significa que si queremos calcular la probabilidad de que una máquina esté funcionando "x" cantidad de horas, será lo mismo que si calculamos la probabilidad de que la máquina funcione "x" cantidad de horas sabiendo que ya estuvo funcionando "y" cantidad de horas.

La media de la distribución Exponencial es:

La varianza de la distribución Exponencial es:

Y como siempre, si queremos la desviación típica o estándar, basta con calcular la raíz cuadrada de la varianza.

Ejercicios: Distribución Hipergeométrica

Ejercicio:
En una florería hay 20 variedades de flores, de las cuales 8 son diferentes clases de rosas.
¿Que probabilidad hay de que al extraer una muestra al azar de 12 flores , se incluyan 3 clases de rosas?
Es una distribución hipergeométrica , con los siguientes parámetros:
N=tamaño de población =20
n=tamaño de muestra=12
A=éxitos en la población=rosas=8
k=éxitos en la muestra=rosas=3

Sustituimos los valores en la fórmula original:

Luego realizamos los cálculos y obtenemos:

La probabilidad pedida es 0,0978; como siempre es un numero que debe estar comprendido entre cero y uno.

Distribución de probabilidad Hipergeométrica

La distribución de probabilidad HIPERGEOMÉTRICA es para variables discretas.

Es muy parecida a la distribución Binomial. Tenemos un experimento con dos sucesos , pero la muestra se toma sin reposición, y la población es finita.

Por lo tanto la probabilidad de "éxito" en una observación queda afectada por los resultados de las observaciones previas.

La función de cuantía es :

Donde:

N=tamaño de la población

n= tamaño de la muestra

A= éxitos en la población

k= éxitos en la muestra.

La fórmula de cálculo de la media es:

La fórmula de cálculo de la varianza es la siguiente:

Recordemos que si queremos hallar la desviación típica o estándar simplemente calculamos la raíz cuadrada de la varianza.

Distribución Geométrica: ejercicio

Ejercicio:

Realizamos el experimento aleatorio de "tirar una moneda", y concideramos "éxito" que salga "cara". Pero queremos que salga "cara" en la séptima tirada, por primera y única vez.

Este experimento se modela por la distribución de Probabilidad Geométrica.

Esta distribución es un caso particular de la Distribución Binomial, pues se desea que ocurra un éxito por primera y única vez en el último ensayo que se realiza el experimento.

La probabilidad de que salga cara es p=1/2 , la probabilidad de fracaso también q=1/2.

Calcularemos también la varianza:

Y la esperanza o media:

Distribucion de probabilidad Geométrica

La distribución de probabilidad GEOMÉTRICA es para variables discretas.

El experimento aleatorio tiene dos sucesos, al igual que la distribución Binomial. Un suceso es llamado "éxito", y el otro suceso se llama "fracaso".

Se realiza el experimento "n" veces, y se quiere que el "éxito" ocurra unicamente (primera y única vez) la última vez que se realiza el experimento.

La función de cuantía es la siguiente:

x=es el número de repeticiones del experimento hasta que ocurra un éxito.
Debe ser el único éxito, y debe ser la primera vez que ocurre el éxito.
p=probabilidad de éxito.
q= probabilidad de fracaso.

La fórmula para la media de la distribución es :

La varianza de la distribución Geométrica es:

Gráfico Circular

Aquí tenemos otro gráfico circular.
Le hemos dado mayor grosor al círculo, y además hemos esfumado el fondo rojizo.

Otro detalle: el título está subrayado. Sin duda MSExcel nos permite muchos cambios y combinaciones para resaltar los gráficos.
A practicar! Elige tus formatos y tus colores!

Variables nominal y su gráfica.

La variable cualitativa nominal se acompaña de una gráfica circular.

Generalmente se grafican las frecuencias porcentuales, en una gráfica circular llamada "pastel" o "torta".

Distribución de Frecuencias y Variables estadísticas.

Las distribuciones de frecuencias pueden ser:

1) Absolutas: es la cantidad de observaciones para cada valor de la variable.
2) Relativas: es la cantidad de observaciones para cada valor de la variable en relación al total de observaciones.
3) Acumuladas: se pueden acumular tanto las frecuencias relativas como las absolutas.
4) Porcentuales: se multiplican por 100 las frecuencias relativas, simples o acumuladas.
Cuando acumulamos las frecuencias relativas debemos recordar que siempre se llega a la unidad.

Cada tipo de variable tiene sus frecuencias.

A la variable cualitativa nominal, solo se le puede calcular las frecuencias absolutas y relativas simples. Esta variable no acumula frecuencias, pues entre sus categorías no hay relación de orden.
A la variable cualitativa ordinal, si, se le pueden calcular las frecuencias acumuladas, pues entre sus categorías se puede establecer una relacion de mayor o menor.

A las variables cuantitativas discretas y contínuas, se les calcula todas las frecuencias, ya sean absolutas y relativas simples y acumuladas.
Pues al ser numéricas se puede establecer entre sus categorías relaciones de orden.