Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - primavera 2011 - 13
-
Upload
carlos-rojas -
Category
Education
-
view
706 -
download
0
Transcript of Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - primavera 2011 - 13
Investigación de Mercado
Investigación de Mercado
La desviación estándar y los modelos
normales
• El truco para poder comparar datos que parecen ser muy dispares, es usar la desviación estándar como regla
• La desviación estándar, como medida de variabilidad más usada, juega un rol crucial en como vemos los datos
La desviación estándar
y yz s
Comparamos los valores individuales de los datos con su media, y lo relativizamos usando la siguiente fórmula:
Denominamos a los valores resultantes como valores estandarizados, se escriben como zTambién se les denomina valores-z
Estandarización
• Los valores-z, nos permiten usar a la desviación estándar como regla para medir la distancia estadística desde la media
• Un valor-z negativo nos da cuenta que el dato se encuentra bajo la media, mientras que valores-z positivos nos dicen que el valor del dato está sobre la media
¿Valores –z?
1. Los valores estandarizados han sido convertidos desde sus unidades originales a unidades estadísticas estándares que muestran las desviaciones estándar desde la media
2. Así, podemos comparar valores que
-Han sido medidos en diferentes escalas-Diferentes unidades-Poblaciones diferentes
Beneficios de la estandarización
Cambiando los datos:
- Sumando (o restando) una cantidad constante a cada valor, sólo agrega (o resta) la misma constante hacia (o desde) la media
- Esto es verdad para la mediana y otras medidas de posiciones
- En general, sumando una constante a cada dato, suma la misma constante a las medidas de tendencia central y percentiles, pero deja las medidas de dispersión sin cambio
Cambiando los datos
Nuevas escalas:
Cuando dividimos o multiplicamos todos los datos y valores por un valor constante, ambas medidas de tendencia central (media y mediana) y las medidas de dispersión (rango, intercuartiles, desviación estándar) son divididas o multiplicadas por el mismo valor
Nuevas escalas
• La estandarización de los datos en valores-z, cambia los datos restando la media y re-escalando los valores dividiéndolos por su desviación estándar
Nota: la estandarización no cambia la forma de la distribución. Sin embargo, cambia la media a Cero y la desviación estándar a uno
¿Qué ocurre con los valores –z?
• Los valores-z nos indican cuán inusual es un valor, ya que nos dice cuantas DE existen desde la media
• Recuerden que un valor-z negativo nos dice que el valor está por debajo de la media, y viceversa
¿Qué nos dicen los valores –z?
• Un modelo que se mantiene a través del tiempo es llamado en estadísticas un modelo normal (curva con forma de campana, campana de Gauss)
• Los modelos normales son apropiados para distribuciones cuyas formas son unimodales y fundamentalmente simétricas
Modelos normales
• Escribimos N(μ,σ) para representar un modelo normal con media μ y desviación estándar σ
• Esta media y DS, no son de los datos, sino que son específicos del modelo
• Estos números son denominados parámetros
Modelos normales
• Una vez que hemos estandarizado usando sólo necesitamos el modelo N(0,1)
• El modelo normal, con media 0 y DE 1, es llamado el modelo normal estándar (o la distribución normal estándar)
• Sean cuidadosos, no usen los modelos normales para cualquier grupo de datos, ya que la estandarización no cambia la forma de la distribución
Modelos normales
• Los modelos normales nos dan una idea de cuán extremo es un valor diciéndonos cuán difícil es encontrar ese valor respecto de la media
La regla de 68-95-99-7
• Entonces ocurre que en un modelo normal:– Cerca del 68% de los valores caen dentro de
una DE respecto de la media– Cerca del 95% de los valores caen dentro de
dos DE respecto de la media– Cerca del 99.7% (casi todos!!) de los valores
caen dentro de tres DE respecto de la media
La regla de 68-95-99-7
• El gráfico nos muestra la regla del 68-95-99.7 :
La regla de 68-95-99-7
• Con sus datos, chequear si un modelo normal es razonable para aplicar
• Para eso, mirar los histogramas de los datos; chequear que sea unimodal y simétrica
¿Es normal? ¿Cómo estar seguro?
• Un grafico más especializado puede ayudarte a decidir si el modelo normal es apropiado para sus datos. • Es el Normal probability plot
• Si la distribución es de tipo normal, entonces el gráfico dibujará una línea diagonal recta
• Desviaciones de la línea indica que la distribución no es normal
¿Es normal? ¿Cómo estar seguro?
• Una distribución de tipo normal muestra un histograma y un gráfico de normalidad que se parece mucho a:
¿Es normal? ¿Cómo estar seguro?
• Una distribución sesgada presentará un histograma y un gráfico de normalidad como esto:
¿Es normal? ¿Cómo estar seguro?
• No usar los modelos normales cuando la distribución no es unimodal ni es simétrica
• No usar las media ni la DE, cuando hay puntos extremos, la media y la DE pueden estar distorsionados
¿Qué puede salir mal?
• Sabemos como estandarizar los datos usando los valores-z
• Sabemos reconocer cuando un modelo normal es apropiado
• Podemos reconocer el 68-95-99.7 cuando tenemos datos aproximadamente normales
¿Qué es lo que sabemos?
Muchas Gracias
Email: [email protected]
Blog: economiaymedios.blogspot.com
Twitter: reds_cl
Slideshare: www.slideshare.net/reds_cl
LinkedIn: http://cl.linkedin.com/in/carlosrojasa
Skype: reds_cl