1 Los Objetivos De La Práctica

1.1 * El Objetivo General De La Práctica

A continuación se presenta el objetivo general de la práctica:

  • Determinar Las Medidas Estadísticas De Dispersión De Una Muestra Poblacional De Edades, Sueldos Y Calificaciones.

1.2 * Los Objetivos Específicos De La Práctica

A continuación, se presenta los objetivos específicos que tiene la siguiente práctica:

  • Simular Una Muestra Poblacional De Varios Conjuntos De Datos

  • Identificar La Media Estadística De La Muestra Poblacional Obtenida

  • Mostrar Un Tabla De Frecuencia A Partir De Un Análisis De Datos

  • Calcular Y Determinar Las Medidas Estadísticas De Dispersión, Varianza Y Desviación Estándar

  • Visualizar La Dispersión De Los Datos Estadísticos En Relación Con La Media Aritmética

  • Calcular El Coeficiente De Variación Y Comparar Con Similares Conjuntos De Datos.

2 Investigaciones Pertinentes

2.1 * Las Medidas De Dispersión

Las medidas de dispersión tratan, a través del cálculo de diferentes fórmulas, de arrojar un valor numérico que ofrezca información sobre el grado de variabilidad de una variable.

En otras palabras, las medidas de dispersión son números que indican si una variable se mueve mucho, poco, más o menos que otra. La razón de ser de este tipo de medidas es conocer de manera resumida una característica de la variable estudiada.

En este sentido, deben acompañar a las medidas de tendencia central. Juntas, ofrecen información de un sólo vistazo que luego podremos utilizar para comparar y, si fuera preciso, tomar decisiones.

A continuación, se presentan algunas de las características principales y más representativas de las medidas de dispersión:

  • Las medidas de dispersión indican qué tan diseminados se encuentran los datos de una distribución.

  • Permite conocer qué tan cerca o lejos de la media se encuentran los datos.

  • Las medidas de variabilidad te dan la posibilidad de saber la homogeneidad o heterogeneidad de las distribuciones de los datos.

  • Su aplicación es fácil y rápida.

  • Su valores de dispersión siempre son positivos o cero, en caso estos sean iguales.

  • El uso de las medidas de dispersión se puede aplicar en diversos ámbitos, como el sector salud, industrial, económico empresarial, etc.

2.1.1 * La Varianza

La varianza es una medida de variabilidad que utiliza todos los datos. La varianza está basada en la diferencia entre el valor de cada observación (\(x_i\)) y la media \(\bar{x}\).

2.1.1.1 * Las Fórmulas Para Determinar Varianza

Se identifican las fórmulas para varianza poblacional y muestral, dependiendo de los datos a analizar, si es todas las observaciones de la población y solo una muestra de la misma.

Para efectos de este ejercicio se utiliza mas específicamente la varianza y desviación muestral.

2.1.1.2 * La Fórmula Para Determinar La Varianza Poblacional

\[ \sigma^2 = \frac{\sum_{i=1}^N(x_i- \mu)^2}{N} \]

Donde:

  • \(\mu\) Es La Media Poblacional

  • \(N\) Es El Número Total De Datos Poblacionales

2.1.1.3 * La Fórmula Para Determinar La Varianza Muestral

\[ S^2 = \frac{\sum_{i=1}^n(x_i- \bar{x})^2}{n-1} \]

siendo \(\bar{x}\) la media muestral y \(n\) el total de los datos de la muestra.

Las unidades al cuadrado de la varianza dificultan la comprensión e interpretación intuitiva de los valores numéricos de la varianza.

2.2 * La Desviación estándar

La desviación estándar se define como la raíz cuadrada positiva de la varianza.

Continuando con la notación adoptada para la varianza muestral y para la varianza poblacional, se emplea \(\varsigma\) para denotar la desviación estándar muestral y \(\sigma\) para denotar la desviación estándar poblacional.

  • ¿Qué Se Gana Con Convertir La Varianza En La Correspondiente Desviación Estándar?

Como la desviación estándar es la raíz cuadrada de la varianza, las unidades de la varianza, son al cuadrado, posiblemente dificulta su interpretación, por tanto, la desviación estándar de se interpreta de mejor manera la variabilidad de los datos porque el valor resultante se mide en las mismas unidades que los datos originales.

  • Una interpretación preliminar de la desviación estándar muestral es que es el tamaño de una desviación típica o representativa de la media muestral dentro de la muestra dada.

2.2.1 * Las Fórmulas Para La Desviación Estándar

2.2.1.1 * La Fórmula De La Desviación Estándar Poblacional

\[ \sigma = \sqrt{\sigma^2} \]

Donde: \[ \sigma Es La Varianza \]

2.2.1.2 * La Fórmula De La Desviación Estándar Muestral

\[ S = \sqrt{S^2} \]

2.3 * El Coeficiente De Variación (CV)

En algunas ocasiones se requiere un estadístico descriptivo que indique cuán grande es la desviación estándar en relación con la media. Existe el coeficiente de variación y resuelve ese propósito.

2.3.1 * La Fórmula Para Determinar El Coeficiente De Variación

La fórmula del coeficiente de variación indica el grado de dispersión de un conjunto de datos con respecto a la media.

\[ CV = \left(\frac{\sigma}{\bar{x}} \times 100 \right) \text{%} \]

3 * El Desarrollo Metodológico De La Práctica

3.1 * Importar Librerías

Primeramente, instalar las librerías anticipadamente con install.packages(“fdth”)

library(fdth)    # Para tablas de frecuencias
library(ggplot2) # Para gráficos

3.2 * Los Datos Estadísticos - Las Edades

Se establece valor de semilla para que se generen los mismos datos.

set.seed(1186)

Se generan 200 edades en dos conjuntos de datos diferentes.

  • edades1 se genera con función de aleatoriedad sample()

  • edades2 se genera con la función de distribución normal rnorm().

n <- 200
edades1 <- sample(x = 18:60,size = n,replace = TRUE )

3.2.1 * Los Datos Estadísticos - Edades 1

3.2.1.1 * Mostrar Los Datos Estadísticos Edades 1

Se identifican los datos Edades 1

edades1
##   [1] 28 22 51 42 39 52 25 57 36 38 38 37 50 51 59 20 18 22 26 30 26 43 34 50 47
##  [26] 47 56 52 39 21 26 21 55 25 29 19 28 56 36 29 34 28 35 54 56 25 37 34 30 52
##  [51] 33 55 39 52 37 43 23 37 30 56 36 31 38 31 22 44 29 53 56 45 20 55 18 28 50
##  [76] 34 35 53 34 18 25 20 24 25 43 20 32 32 25 41 34 48 51 50 54 32 33 34 57 33
## [101] 27 36 54 49 40 48 51 20 27 32 37 19 49 19 56 20 54 37 44 48 25 49 31 32 56
## [126] 25 59 37 52 37 18 20 28 29 22 48 47 18 29 32 24 27 46 24 60 57 53 59 49 60
## [151] 33 26 47 44 41 28 42 49 24 46 29 20 54 27 30 32 21 27 37 18 48 45 60 43 35
## [176] 40 41 20 28 36 35 25 55 48 52 36 52 24 24 25 29 29 36 28 28 43 28 56 58 53

3.2.1.2 * Determinar La Tabla De Frecuencias De Edades 1

Se muestran las tablas de frecuencias del conjunto de datos edades1.

En las tablas de frecuencias se determina matemáticamente el número de clases, La opción matemáticamente más consistente es la conocida como regla de Sturges.

La solución de esta ecuación proporciona una regla práctica para obtener el número de clases.

\[ k=1+3.322*log2(n) \]

Donde:

  • Siendo k el número de clases

  • log es la función logarítmica de base 10, log10()

  • y n el total de la muestra

El rango de clase de acuerdo a Sturges está dada por \[ h=\frac{max(datos) - min(datos)}{k} \]Siendo h el rango de cada clase y max(datos) - min(datos) el rango del total de los datos, es decir la diferencia entre límite superior menos límite inferior.

Existen otras formas de determinar el número de clases a utilizar, algunas más complejas, otras más simples.

Independientemente de la forma de cálculo seleccionada ya se Sturges, Scott o Freedman-Diaconis (FD), lo realmente importante es que la información mostrada en la tabla de frecuencia sea fácil de revisar, que no contenga un número excesivo de clases y que la información que en ella se refleja permita comprender cómo se presentan los datos en la población o de una muestra.

El número de clase de acuerdo par \(n=200\) de acuerdo a Sturges es:

k  <- round(1+3.322 * log2(n))
k
## [1] 26

La amplitud h1 y h2 para cada conjunto de datos es igual a:

h = diff(range(edades1)) / k
h
## [1] 1.615385
tabla.edades1 <- fdt(x = edades1, breaks="Sturges")
tabla.edades1
##   Class limits  f   rf rf(%)  cf cf(%)
##  [17.82,22.57) 25 0.12  12.5  25  12.5
##  [22.57,27.33) 26 0.13  13.0  51  25.5
##  [27.33,32.08) 32 0.16  16.0  83  41.5
##  [32.08,36.83) 22 0.11  11.0 105  52.5
##  [36.83,41.59) 20 0.10  10.0 125  62.5
##  [41.59,46.34) 14 0.07   7.0 139  69.5
##  [46.34,51.09) 23 0.12  11.5 162  81.0
##  [51.09,55.85) 20 0.10  10.0 182  91.0
##   [55.85,60.6) 18 0.09   9.0 200 100.0
  • Class limits significa el rango de cada clase

  • f significa la frecuencia, la suma de f debe ser el total de elementos.

  • rf significa frecuencia relativa la suma de todas las rf debe ser el 1

  • rf% significa el valor relativo pero en porcentaje, la suma de rf% debe ser el 100%

  • cf significa frecuencia acumulada

  • cf% significa frecuencia porcentual acumulada

3.2.1.3 * El Histograma De Edades 1

hist(edades1, breaks = "Sturges" ) 

3.2.1.4 * La Dispersión De Edades 1

datos.edades1 <- data.frame(x = 1:length(edades1), edad= edades1)
ggplot(datos.edades1,fill="green", aes(x=x, y=edad))+
  geom_point() +
  geom_hline(yintercept = mean(edades1), col='red') +
  ggtitle(label = "Dispersión de edades1", subtitle = paste("media = ", mean(edades1)))

3.2.2 * Los Datos Estadísticos - Edades 2

3.2.2.1 * Crear Y Mostrar Los Datos Estadísticos Edades 2

edades2 <- round(rnorm(n = n, mean = 30, sd = 5))

Se identifican los datos edades2

sort(edades2)
##   [1] 18 18 19 20 20 20 22 22 22 22 23 23 23 23 23 23 23 23 23 23 24 24 24 24 24
##  [26] 24 24 25 25 25 25 25 25 25 25 25 25 25 25 26 26 26 26 26 26 26 26 26 26 26
##  [51] 26 26 26 26 26 26 27 27 27 27 27 27 27 27 27 27 27 27 27 28 28 28 28 28 28
##  [76] 28 28 28 28 28 28 28 28 29 29 29 29 29 29 29 29 29 29 29 29 29 29 29 29 29
## [101] 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 31 31 31 31 31 31 31
## [126] 31 31 31 31 31 31 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 33 33 33
## [151] 33 33 33 33 33 34 34 34 34 34 34 34 34 34 35 35 35 35 35 35 35 35 35 35 36
## [176] 36 36 36 36 36 36 36 37 37 38 38 38 38 38 38 39 39 39 39 39 40 40 40 41 42

3.2.2.2 * Crear La Tabla De Frecuencias De Edades 2

Se muestran las tablas de frecuencias del conjunto de datos edades2.

tabla.edades2 <- fdt(x = edades2, breaks="Sturges")
tabla.edades2
##     Class limits  f   rf rf(%)  cf cf(%)
##   [17.82,20.553)  6 0.03   3.0   6   3.0
##  [20.553,23.287) 14 0.07   7.0  20  10.0
##   [23.287,26.02) 36 0.18  18.0  56  28.0
##   [26.02,28.753) 27 0.14  13.5  83  41.5
##  [28.753,31.487) 48 0.24  24.0 131  65.5
##   [31.487,34.22) 33 0.16  16.5 164  82.0
##   [34.22,36.953) 18 0.09   9.0 182  91.0
##  [36.953,39.687) 13 0.06   6.5 195  97.5
##   [39.687,42.42)  5 0.03   2.5 200 100.0

3.2.2.3 * El Histograma de edades2

hist(edades2, breaks = "Sturges" ) 

3.2.2.4 * La Dispersión de edades2

datos.edades2 <- data.frame(x = 1:length(edades2), edad= edades2)
ggplot(datos.edades2, aes(x=x, y=edad))+
  geom_point() +
  geom_hline(yintercept = mean(edades2), col='red') +
  ggtitle(label = "Dispersión de edades2", subtitle = paste("media = ", mean(edades2)))

3.3 * Las Medidas De Dispersión

Las medidas de dispersión varianza y desviación estándar miden el valor de dispersión de un conjunto de datos numéricos.

La dispersión significa que tanto los datos están alejados de la media, el valor de la desviación se compara con la media y se interpreta que tanto los valores distan del valor de la media.

3.3.1 * Las Medias Aritméticas De Edades

media_edades1 <- mean(edades1)
media_edades2 <- mean(edades2)
media_edades1; media_edades2 
## [1] 37.34
## [1] 29.71

3.3.2 * La Varianza Y La Desviación Dstándar

\[ S^2 = \frac{\sum_{i=1}^n(x_i- \bar{x})^2}{n-1} \]

\[ S = \sqrt{S^{2}} \]

tabla.varianza.edades1 <- data.frame(x = edades1,
  x_media = media_edades1,
  xi.menos.media = edades1 - media_edades1,
  xi.menos.media.cuad = (edades1 - media_edades1)^2)
tabla.varianza.edades1
##      x x_media xi.menos.media xi.menos.media.cuad
## 1   28   37.34          -9.34             87.2356
## 2   22   37.34         -15.34            235.3156
## 3   51   37.34          13.66            186.5956
## 4   42   37.34           4.66             21.7156
## 5   39   37.34           1.66              2.7556
## 6   52   37.34          14.66            214.9156
## 7   25   37.34         -12.34            152.2756
## 8   57   37.34          19.66            386.5156
## 9   36   37.34          -1.34              1.7956
## 10  38   37.34           0.66              0.4356
## 11  38   37.34           0.66              0.4356
## 12  37   37.34          -0.34              0.1156
## 13  50   37.34          12.66            160.2756
## 14  51   37.34          13.66            186.5956
## 15  59   37.34          21.66            469.1556
## 16  20   37.34         -17.34            300.6756
## 17  18   37.34         -19.34            374.0356
## 18  22   37.34         -15.34            235.3156
## 19  26   37.34         -11.34            128.5956
## 20  30   37.34          -7.34             53.8756
## 21  26   37.34         -11.34            128.5956
## 22  43   37.34           5.66             32.0356
## 23  34   37.34          -3.34             11.1556
## 24  50   37.34          12.66            160.2756
## 25  47   37.34           9.66             93.3156
## 26  47   37.34           9.66             93.3156
## 27  56   37.34          18.66            348.1956
## 28  52   37.34          14.66            214.9156
## 29  39   37.34           1.66              2.7556
## 30  21   37.34         -16.34            266.9956
## 31  26   37.34         -11.34            128.5956
## 32  21   37.34         -16.34            266.9956
## 33  55   37.34          17.66            311.8756
## 34  25   37.34         -12.34            152.2756
## 35  29   37.34          -8.34             69.5556
## 36  19   37.34         -18.34            336.3556
## 37  28   37.34          -9.34             87.2356
## 38  56   37.34          18.66            348.1956
## 39  36   37.34          -1.34              1.7956
## 40  29   37.34          -8.34             69.5556
## 41  34   37.34          -3.34             11.1556
## 42  28   37.34          -9.34             87.2356
## 43  35   37.34          -2.34              5.4756
## 44  54   37.34          16.66            277.5556
## 45  56   37.34          18.66            348.1956
## 46  25   37.34         -12.34            152.2756
## 47  37   37.34          -0.34              0.1156
## 48  34   37.34          -3.34             11.1556
## 49  30   37.34          -7.34             53.8756
## 50  52   37.34          14.66            214.9156
## 51  33   37.34          -4.34             18.8356
## 52  55   37.34          17.66            311.8756
## 53  39   37.34           1.66              2.7556
## 54  52   37.34          14.66            214.9156
## 55  37   37.34          -0.34              0.1156
## 56  43   37.34           5.66             32.0356
## 57  23   37.34         -14.34            205.6356
## 58  37   37.34          -0.34              0.1156
## 59  30   37.34          -7.34             53.8756
## 60  56   37.34          18.66            348.1956
## 61  36   37.34          -1.34              1.7956
## 62  31   37.34          -6.34             40.1956
## 63  38   37.34           0.66              0.4356
## 64  31   37.34          -6.34             40.1956
## 65  22   37.34         -15.34            235.3156
## 66  44   37.34           6.66             44.3556
## 67  29   37.34          -8.34             69.5556
## 68  53   37.34          15.66            245.2356
## 69  56   37.34          18.66            348.1956
## 70  45   37.34           7.66             58.6756
## 71  20   37.34         -17.34            300.6756
## 72  55   37.34          17.66            311.8756
## 73  18   37.34         -19.34            374.0356
## 74  28   37.34          -9.34             87.2356
## 75  50   37.34          12.66            160.2756
## 76  34   37.34          -3.34             11.1556
## 77  35   37.34          -2.34              5.4756
## 78  53   37.34          15.66            245.2356
## 79  34   37.34          -3.34             11.1556
## 80  18   37.34         -19.34            374.0356
## 81  25   37.34         -12.34            152.2756
## 82  20   37.34         -17.34            300.6756
## 83  24   37.34         -13.34            177.9556
## 84  25   37.34         -12.34            152.2756
## 85  43   37.34           5.66             32.0356
## 86  20   37.34         -17.34            300.6756
## 87  32   37.34          -5.34             28.5156
## 88  32   37.34          -5.34             28.5156
## 89  25   37.34         -12.34            152.2756
## 90  41   37.34           3.66             13.3956
## 91  34   37.34          -3.34             11.1556
## 92  48   37.34          10.66            113.6356
## 93  51   37.34          13.66            186.5956
## 94  50   37.34          12.66            160.2756
## 95  54   37.34          16.66            277.5556
## 96  32   37.34          -5.34             28.5156
## 97  33   37.34          -4.34             18.8356
## 98  34   37.34          -3.34             11.1556
## 99  57   37.34          19.66            386.5156
## 100 33   37.34          -4.34             18.8356
## 101 27   37.34         -10.34            106.9156
## 102 36   37.34          -1.34              1.7956
## 103 54   37.34          16.66            277.5556
## 104 49   37.34          11.66            135.9556
## 105 40   37.34           2.66              7.0756
## 106 48   37.34          10.66            113.6356
## 107 51   37.34          13.66            186.5956
## 108 20   37.34         -17.34            300.6756
## 109 27   37.34         -10.34            106.9156
## 110 32   37.34          -5.34             28.5156
## 111 37   37.34          -0.34              0.1156
## 112 19   37.34         -18.34            336.3556
## 113 49   37.34          11.66            135.9556
## 114 19   37.34         -18.34            336.3556
## 115 56   37.34          18.66            348.1956
## 116 20   37.34         -17.34            300.6756
## 117 54   37.34          16.66            277.5556
## 118 37   37.34          -0.34              0.1156
## 119 44   37.34           6.66             44.3556
## 120 48   37.34          10.66            113.6356
## 121 25   37.34         -12.34            152.2756
## 122 49   37.34          11.66            135.9556
## 123 31   37.34          -6.34             40.1956
## 124 32   37.34          -5.34             28.5156
## 125 56   37.34          18.66            348.1956
## 126 25   37.34         -12.34            152.2756
## 127 59   37.34          21.66            469.1556
## 128 37   37.34          -0.34              0.1156
## 129 52   37.34          14.66            214.9156
## 130 37   37.34          -0.34              0.1156
## 131 18   37.34         -19.34            374.0356
## 132 20   37.34         -17.34            300.6756
## 133 28   37.34          -9.34             87.2356
## 134 29   37.34          -8.34             69.5556
## 135 22   37.34         -15.34            235.3156
## 136 48   37.34          10.66            113.6356
## 137 47   37.34           9.66             93.3156
## 138 18   37.34         -19.34            374.0356
## 139 29   37.34          -8.34             69.5556
## 140 32   37.34          -5.34             28.5156
## 141 24   37.34         -13.34            177.9556
## 142 27   37.34         -10.34            106.9156
## 143 46   37.34           8.66             74.9956
## 144 24   37.34         -13.34            177.9556
## 145 60   37.34          22.66            513.4756
## 146 57   37.34          19.66            386.5156
## 147 53   37.34          15.66            245.2356
## 148 59   37.34          21.66            469.1556
## 149 49   37.34          11.66            135.9556
## 150 60   37.34          22.66            513.4756
## 151 33   37.34          -4.34             18.8356
## 152 26   37.34         -11.34            128.5956
## 153 47   37.34           9.66             93.3156
## 154 44   37.34           6.66             44.3556
## 155 41   37.34           3.66             13.3956
## 156 28   37.34          -9.34             87.2356
## 157 42   37.34           4.66             21.7156
## 158 49   37.34          11.66            135.9556
## 159 24   37.34         -13.34            177.9556
## 160 46   37.34           8.66             74.9956
## 161 29   37.34          -8.34             69.5556
## 162 20   37.34         -17.34            300.6756
## 163 54   37.34          16.66            277.5556
## 164 27   37.34         -10.34            106.9156
## 165 30   37.34          -7.34             53.8756
## 166 32   37.34          -5.34             28.5156
## 167 21   37.34         -16.34            266.9956
## 168 27   37.34         -10.34            106.9156
## 169 37   37.34          -0.34              0.1156
## 170 18   37.34         -19.34            374.0356
## 171 48   37.34          10.66            113.6356
## 172 45   37.34           7.66             58.6756
## 173 60   37.34          22.66            513.4756
## 174 43   37.34           5.66             32.0356
## 175 35   37.34          -2.34              5.4756
## 176 40   37.34           2.66              7.0756
## 177 41   37.34           3.66             13.3956
## 178 20   37.34         -17.34            300.6756
## 179 28   37.34          -9.34             87.2356
## 180 36   37.34          -1.34              1.7956
## 181 35   37.34          -2.34              5.4756
## 182 25   37.34         -12.34            152.2756
## 183 55   37.34          17.66            311.8756
## 184 48   37.34          10.66            113.6356
## 185 52   37.34          14.66            214.9156
## 186 36   37.34          -1.34              1.7956
## 187 52   37.34          14.66            214.9156
## 188 24   37.34         -13.34            177.9556
## 189 24   37.34         -13.34            177.9556
## 190 25   37.34         -12.34            152.2756
## 191 29   37.34          -8.34             69.5556
## 192 29   37.34          -8.34             69.5556
## 193 36   37.34          -1.34              1.7956
## 194 28   37.34          -9.34             87.2356
## 195 28   37.34          -9.34             87.2356
## 196 43   37.34           5.66             32.0356
## 197 28   37.34          -9.34             87.2356
## 198 56   37.34          18.66            348.1956
## 199 58   37.34          20.66            426.8356
## 200 53   37.34          15.66            245.2356

Calculando la suma y determinando varianza

n <- length(edades1)
suma <- sum(tabla.varianza.edades1$xi.menos.media.cuad)
suma
## [1] 29930.88
varianza <- suma / (n -1)
varianza
## [1] 150.4064

Con las funciones de var() y sd() se determinan la varianza y a desviación respectivamente y con mean() la media de la muestra.

varianza_edades1 <- var(edades1)
varianza_edades2 <- var(edades2)
desv.std_edades1 <- sd(edades1)
desv.std_edades2 <- sd(edades2)

Se muestran los valores generados, el punto y coma en R significa en una misma linea se ejecutan dos instrucciones o dos comandos, en este caso solo mostrar los valores.

varianza_edades1; varianza_edades2
## [1] 150.4064
## [1] 23.79487
desv.std_edades1; desv.std_edades2 
## [1] 12.26403
## [1] 4.877999

3.3.3 * El Coeficiente De Variación

El coeficiente de variación (CV) es un estadístico que permite comparar entre dos o mas conjuntos de datos cuál es estos tiene una dispersión mayor o menor.

Al identificar el CV de un conjunto de datos y compararlo con otro CV de otro conjunto de datos similares, se puede determinar cual de los datos tiene mayor o menor dispersión y se puede concluir en cual es estos está mas dispersos sus datos, es decir cuál de ellos se aleja mas o menos de la media, según sea el caso.

Para determinar el coeficiente de variación se establece la división de la desviación estándar entre la media del conjunto de datos.

\[ CV = \frac{\sigma}{\bar{x}} \]

CV_edades1 <- desv.std_edades1 / media_edades1
CV_edades1
## [1] 0.3284422
CV_edades2 <- desv.std_edades2 / media_edades2
CV_edades2
## [1] 0.1641871

3.4 * Análisis Crítico De Los Datos Obtenidos

3.4.1 * Interpretación De La Práctica

Llegado al final de esta práctica, se logra concluir que, una medida de dispersión son valores estadísticos que interviene en un análisis critico de información de una muestra o población estadística, que representan variables y datos que supone la descripción de un modelo matemático en las que se organizan en variables y que buscan descubrir patrones y esquemas.

A su vez, las tabla de frecuencia nos permiten visualizar un conjunto de datos estadísticos de manera ordenada. A cada uno de ellos, se le asigna una frecuencia, es decir, es el número de veces que se repite un dato.

  • Dentro de la Práctica, en lo que confiere, a Las Edades 1, existen un 16% de la población total, en los que el valor de los datos estadísticos se estimó entre un 27.33,32.08 donde 32 elementos se posicionaron ahí. De Igual manera, existe un 7% de la población total que corresponde a un rango de 41.59,46.34, lo que equivale, a 14 elementos.

  • Por otro lado, a Las Edades 2, existen un 24% de la población total, en los que el valor de los datos estadísticos se estimó entre un 28.753,31.487 donde 48 elementos se posicionaron ahí. De Igual manera, existe un 3% de la población total que corresponde a un rango de 39.687,42.42, lo que equivale, a 5 elementos.

Con respecto a los valores estadísticos del conjunto de datos edades1, el valor la media es de: 37.34, la desviación es de: 12.26403.

Con respecto a los valores estadísticos del conjunto de datos edades2, el valor la media es de: 29.71, la desviación es de: 4.877999.

El coeficiente de variación de edades1 es de: 0.3284422y el CV de edades2 es de: 0.1641871

Finalmente, existe una mayor dispersión en los valores del conjunto de datos Edades 1 con respecto a Edades 2 por tener ligeramente mayor valor en su coeficiente de variación.

4 * Referencias Bibliográficas

  • Anderson, D. R. (2008). Estadística para administración y economía. (10ª. ed.) México : Cengage Learning.

  • Berenson, M. (2006). Estadística para administración. (4ª. ed.) México : Pearson Educación.

  • Carot, V. (2006). Control estadístico de la calidad. España : Alfaomega.