Comprobación de Charlier

La comprobación de Charlier (en homenaje a su inventor, el astrónomo sueco Carl Charlier, 1862-1934) es una comprobación de la realización correcta  de los cálculos manuales de la varianza muestral cuando esta se ha calculado para un conjunto de datos agrupados en una distribución de frecuencia a través de la computación de una nueva columna de valores a partir de la tabla de frecuencias

Para la comprobación se parte de la siguiente identidad, donde los valores \(x\) y \(n\) son respectivamente los valores correspondientes a las valores de la variable o marcas de clase cuando la distribución está agrupada en intervalos y frecuencias de cada intervalo:

$$\sum n(x+1)^2=\sum nx^2+2\sum nx+ \sum n$$

Las sumas a la derecha de la identidad ya han sido desarrolladas previamente para el cálculo de la varianza, por lo que son conocidas. La comprobación de Charlier consiste en desarrollar la suma correspondiente al lado de izquierdo de la expresión y verificar que su resultado coincide con la suma de las sumas del lado derecho ya calculadas previamente. 

Ejemplo

Por ejemplo, a partir de la tabla de frecuencias de las notas obtenidas por un grupo de alumnos en un examen (columnas 1 y 2) recogidas en la primera columna, se muestran a continuación los cálculos para la determinación de la varianza muestral (columnas 3, 4 y 5). La última columna es la correspondiente a la comprobación de Charlier y no es necesaria para el cálculo de la varianza; únicamente es necesaria para la comprobación.

Intervalo \(x\) (marca de clase) \(n\) \(nx\) \(nx^2\) \(n(x+1)^2\)
0-2 1 3 3 3 12
2-4 3 6 18 54 96
4-6 5 12 60 300 432
6-8 7 8 56 392 512
8-10 9 4 36 324 400


33 173 1073 1452

Calculamos la varianza muestral:

$$s_x^2=\cfrac{1073}{33}-\Bigg(\cfrac{173}{33}\Bigg)^2=5.05$$

Aplicamos a continuación la comprobación de Charlier para dar por buenas las sumas calculadas en las tablas:

$$1452=1073+2 \times 173+33$$

La igualdad es correcta, por lo que las sumas para el cálculo de la varianza también lo son.



Como citar: Sarasola, Josemari (2024) en ikusmira.org
"Comprobación de Charlier" (en línea)   Enlace al artículo
Última actualización: 27/08/2024

¿Tienes preguntas sobre este artículo?

Envíanos tu pregunta e intentaremos responderte lo antes posible.

Nombre
Email
Tu pregunta
Sigue aprendiendo en Audible

Apoya nuestro contenido registrándote en Audible, sigue aprendiendo gratis a través de este link!


Límites de confianza

En estadística, los límites de confianza son los valores míninos y máximos que se establecen para un parámetro desconocido con un nivel de confianza determinado, que suele ser del 90, 95 o 99%. Generalmente, los límites de confianza se establecen restando, para conseguir el valor mínimo, y sumando, ...

Medio rango intercuartil

El medio rango intercuartil (en inglés, midhinge) es una medida de tendencia central calculada como la media aritmética del primer y tercer cuartil, valores que a su vez indican los valores de la distribución que dejan por debajo y encima de esos valores el 25% de los datos o una probabilidad del 0....

Desigualdad de Markov

La desigualdad de Markov es una desigualdad probabilística que permite conociendo únicamente la esperanza matemática o media de una distribución acotar la probabilidad del extremo superior de una variable aleatoria no negativa. Más concretamente, para $X \geq 0$ (variable aleatoria no negativa) y el...

Modelo de regresión

Un modelo de regresión es un modelo estadístico que establece la relación entre una variable independiente o explicativa o una variable dependiente a partir de los datos obtenidos para las dos variables y estimando los parámetros necesarios para concretar dicha relación, introduciendo generalmente f...