1.
Es única. Para un conjunto de datos existe
una y solo una media aritmética.
EJ:
se
tiene un conjunto de valores cuya distribución de frecuencia es.
x
|
3
|
4
|
5
|
P(X=x)
|
5/9
|
3/9
|
1/9
|
Al calcular la esperanza lo que nos indica es el valor
central que se encuentra entre la mayoría de datos. Por ende no puede haber
sino un único valor para dicho conjunto de datos que para este caso dado la
formula
2.
Puesto que todos y cada uno de los valores en
el conjunto de datos entra en el cálculo de la media, esta es afectada por cada
valor. Por lo tanto, los valores extremos influyen sobre la media y, en algunos
casos, pueden distorsionarla tanto que llega a ser indeseable como medida de
tendencia central.
EJ: médicos que trabajan en cinco áreas son llamados a declarar sus cobros por realizar cierto procedimiento. Suponga que se reporta lo siguiente: $75, $75, $80 y 280$ en promedio para cada una de las áreas. El cobro medio para las cinco áreas es de $118, un valor que no es muy representativo del conjunto de datos. El único valor atípico del conjunto tuvo el efecto de inflar la media.
PRINCIPALES PROPIEDADES
DE LA VARIANZA Y LA DESVIACION ESTANDAR
1.
La varianza y la desviación estándar son no
negativas, es decir s2 ≥ 0 y s ≥ 0 para cualquier serie de datos.
EJ: dada la siguiente distribución de frecuencia, se
determinara la varianza y desviación estándar.
x
|
3
|
P(X=x)
|
13/13
|
E(X)= 3
S=√0
S2=
(3-3)2 x 13/13 = 0 S=0
Esto significa que no hay
varianza entre los datos ni desviación estándar por ende, es decir todos los
valores de los datos son iguales.
2.
Si cada uno de los datos x1, x2,…,xn
es igual a un mismo valor fijo o constante k, entonces la varianza S2
y la desviación estándar S son iguales a cero.
EJ: fue
explicado en el ejemplo anterior en el intento de demostrar cual es el valor
mínimo que puede tomar la varianza y desviación estándar.
3.
Si cada uno de los datos originales se
multiplica por un mismo número real cualquiera k, la varianza y la desviación
estándar de los nuevos datos kx1, kx2,…, kxn
viene dadas por k2s2 y lklS respectivamente.es
decir que se produce una alteración en la dispersión de los nuevos datos, bien
sea aumentando o disminuyendo, dependiendo del valor k.
EJ: k=4
x
|
3 x k
|
4 x k
|
5 x k
|
P(X=x)
|
5/9
|
3/9
|
1/9
|
E(X)= 14.22
1.a S2=0.168+0.0675+0.233613=0.46913
es el resultado sin la constante k.
3.b S2=
(12-14.22)2 x 5/9
+ (16-14.22)2 x
3/9 +
(20-14.22)2x 1/9 =7.506 es el resultado con la constante k.
Al remplazar la formula k2s2
tendremos que (4)2 x (0.46913) =7.506 por tanto se cumple
que la constante k elevada al cuadrado por la varianza de 1.a es
igual a la varianza de 3.b
FORMULAS
E(a + bX)= a + bE(X)
Var(X)= E(X2) −
(E(X))2
Var(a + bX)= b2Var
(X)
No hay comentarios:
Publicar un comentario