Page 37 - ed2017.pdf
P. 37
✐
“ED-MathBookFC” — 2017/9/12 — 19:56 — page 29 — #35
✐
29 ✐ ✐
> x <- c(”Malo”,”Bueno”,”Bueno”,”Regular”,”Malo”,
R
”Bueno”)
> names(sort(-table(x)))[1]
r1s ”Bueno”
De esta forma, la moda es una medida de tendencia central de los datos
pues indica el valor observado con mayor frecuencia. No existe una notación
estándar para la moda. Se puede usar, por ejemplo, la expresión Modapxq.
Cuando se tiene un conjunto pequeño de datos es fácil determinar una po-
sible moda, sin embargo, cuando se tiene una gran cantidad de datos,no
es sencillo determinar a simple vista una posible moda. En ocasiones, ni si-
quiera podemos mirar los datos pues éstos se encuentran en un archivo de
computadora y son tantos que no es posible pasar la mirada uno por uno.
Sobre el cálculo de la moda tenemos las siguientes observaciones:
La moda puede no existir, es decir, puede no haber un dato con fre-
cuencia mayor al resto de los datos. Esta situación se presenta, por
ejemplo, si todos los datos son diferentes. En este caso se dice queel
conjunto de datos no tiene moda.
La moda puede existir y ser única, como en el ejemplo anterior sobre
las edades. En este caso se dice que el conjunto de datos es unimodal.
Pueden existir dos o más modas, es decir, pueden existir dos o mas
valores que aparecen con la misma frecuencia máxima en el conjunto
de datos. En este caso se dice que el conjunto de datos es bimodal o
multimodal,segúnsea elcaso.
La moda puede permanecer sin cambio cuando se añaden u omiten
datos cuya frecuencia es baja dentro del conjunto de datos.
La moda se preserva bajo transformaciones lineales. Esto eso, si Modapxq
es una moda del conjunto de datos numéricos x 1 ,... ,x n , y si se define
y i “ ax i ` c para i “ 1,... ,n,con a y c dos constantes cualesquiera,
entonces una moda de y 1 ,... ,y n es
Modapyq“ a ¨ Modapxq` c.
✐ ✐
✐ ✐