






















Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: Anàlisi de Dades, Profesor: , Carrera: Administració i Direcció d'Empreses, Universidad: UPF
Tipo: Apuntes
1 / 30
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!























Corba de densitat Propietats La distribució Normal Propietats Normal estandarditzada Càlculs amb la Normal
Moore, pag. 51-
Quan explorem la distribució d’una variable quantitativa Comencem amb un gràfic (histograma o tronc-i-fulles). Identifiquem l’aspecte general de la distribució (centre, dispersió, forma) i les observacions atípiques. Triem un resum numèric per a descriure de forma breu el centre i la dispersió de la distribució.
Podem afegir un nou element :
De vegades la forma de la distribució d’un gran nombre d’observacions és tant regular que la podem descriure mitjançant una corba llisa.
Corbes de densitat i histogrames
La corba dibuixada és una bona descripció de l’aspecte general de les dades
Una corba de densitat és un model matemàtic de la distribució de les dades, és a dir una aproximació idealitzada. Ignora les petites irregularitats. Ignora els valors atípics. És una descripció compacta de les dades.
Corbes de densitat i histogrames
La forma concreta de l’histograma depèn de com triem les classes; la de la corba de densitat, no.
Corba de densitat: propietats
Corba de densitat: Quina és la proporció d’estudiants amb notes inferiors a un 4? Ajustem l’escala (verti- cal) de manera que l’àrea total per sota de la corba fos igual a 1. Busquem l’àrea com- presa entre 0 i 4 per sota de la corba. Es pot comprovar que és aproximadament igual al 20%
Mitjana Mediana
Mitjana i mediana coincideixen en una distribució simètrica. En una asimètrica, la mitjana s’aparta de la mediana en la direcció de la cua més llarga.
La mediana és el punt que divideix l’àrea per sota de la corba en dues meitats iguals (50%).
Mitjana
La cua llarga desplaça la mitjana cap a la dreta
Mediana
La distribució Normal
Les corbes de densitat Normals són una classe especial de corbes de densitat. Entre les seves propietats veiem que són: Simètriques Unimodals (un sol “pic”) Tenen forma de campana i Es descriuen donant simplement la mitjana μ i la desviació estàndard σ.
Les distribucions Normals són molt importants en estadística Descriuen bé molts conjunts de dades reals (però no tots). Aproximen bé els resultats de molts processos aleatoris. Molts procediments d’inferència estadística estan basats en les propietats de la distribució Normal.
μ
Punt d’inflexió
μ+ σ
La distribució Normal: Propietats
μ
Punt d’inflexió
μ + σ
La distribució Normal: Propietats
En una distribució Normal de mitjana μ i desviació típica σ (notació N( μ , σ ) ) es compleix que:
El 68% de les observacions es troben entre μ – σ i μ + σ El 95% de les observacions es troben entre μ – 2 σ i μ + 2 σ El 99,7% de les observacions es troben entre μ – 3 σ i μ + 3 σ
Imaginem que volem comparar l’expedient acadèmic de dos estudiants que provenen d’escoles amb sistemes de qualificació diferents. Per exemple:
Estudiant A: té una nota de 8 (a la seva classe la mitjana és 5 i la desviació estàndard 1,5). Estudiant B: té una nota de 76 (la mitjana de la seva classe és 40 i la desviació estàndard 12).
Qui dels dos té millor nota? És evident que no podem comparar directament perquè l’escala no és la mateixa.
Una observació estandarditzada ( z ) ens diu a quantes desviacions típiques (σ) es troba l’observació original ( x ) de la mitjana (μ) i en quina direcció.
L’estudiant amb un 8 es troba a 2 desviacions per sobre de la mitjana. El valor estandarditzat de 6,5 és (8-5/1,5) = 2.
L’estudiant amb un 76, es troba a 3 desviacions típiques de la mitjana. El valor estandarditzat de 76 és (76-40)/12 = 3.
x z
N (0,1)
=>
z
x
Notes estandarditzades (sense unitats)
N (5, 1.5)
0,5 2 3,5 5 6,5 8 9, Notes, escala de 0 a 10
14 26 38 40 64 76 88 Notes, escala de 0 a 100
N (40, 12)
Estudiant A
Estudiant B
Càlculs amb la distribució Normal
És més fàcil fer càlculs amb la variable estandarditzada z i la seva distribució N(0,1), que amb la variable original x i la seva distribució N(μ, σ).
Exemple: Notes de classe, N(5; 1,5)
Càlcul d’un valor: Quina és la nota per sot de la qual es troba el 75% de la classe?
Càlcul d’una proporció: Quin percentatge d’estudiants ha obtingut un mínim de 7?