Apuntes Estadística Descriptiva - TUP - 2020

ESTADÍSTICA DESCRIPTIVA
Definiciones Preliminares
La estadística es una ciencia que permite tomar decisiones frente a diferentes

problemas que surgen en el proceso de investigación, en los cuales juega un papel
importante y decisivo la incertidumbre.
La estadística deriva su nombre debido a que antiguamente se recolectaban datos
para diferentes fines. De aquí que la estadística (con minúscula) se entienda
actualmente como un conjunto de observaciones o datos, de carácter numérico o no,
mientras que la Estadística (con mayúscula) es la ciencia encargada de suministrar las
diferentes técnicas y procedimientos que permiten desde organizar la recolección de los
datos de una manera coherente, hasta su elaboración, análisis e interpretación.
La diferenciación planteada permite visualizar los diferentes campos de acción de
la Estadística y el empleo de estos campos en las diferentes ramas de la ciencia en
general, incluyendo las ciencias médicas en particular.
La Estadística puede ser diferenciada en dos grandes áreas: descriptiva e
inferencial.
La Estadística Descriptiva está constituida por el conjunto de métodos

estadísticos dirigidos a la elaboración primaria de los datos, entendiento esto por el
resumen y presentación de la información obtenido en relación con un determinado
problema científico.
La Estadística Inferencial es un área de esta ciencia que se dedica al análisis

y a la elaboración de los datos, con métodos basados en la teoría de las
probabilidades, con el objeto de interpretar sus resultados y tomar decisiones.
De lo expuesto puede derivarse la importancia de las amplias relaciones que se

establecen entre la estadística como ciencia y las demás ciencias en general. Con las
ciencias médicas en particular, esta relación se caracteriza por los complejos y variados
fenómenos que estudia, los cuales en muchos casos solo pueden ser analizados a
través de métodos estadísticos.
Por ejemplo, en el campo de la clínica, sólo es posible llegar al diagnóstico de
cualquier enfermedad mediante la experiencia obtenida a través del análisis estadístico
de un conjunto de síntomas y signos observados en muchos individuos.
Cada nuevo tratamiento propuesto para la terapeútica de determinada
enfermedad siempre requiere de un ensayo experimental correctamente elaborado que
demuestre su efectividad. Bajo esta circunstancia, la Estadística proporciona la
posibilidad de analizar la evidencia recogida y decidir si los efectos observados son
debidos al azar o si pueden ser lógicamente atribuidos a efectos del nuevo tratamiento.
La importancia que la Estadística ha alcanzado en nuestros días, tanto como
cultura básica, como en el campo profesional y en la investigación, es innegable. Ello es
debido a la abundancia de información con la que las personas deben enfrentarse en el
trabajo diario. La mayor parte de las veces estas informaciones vienen expresadas en
forma de tablas o gráficos estadísticos, por lo que un conocimiento básico de esta
ciencia es necesario para la correcta interpretación las mismas.
_________________________________________________________________________ 1
Estadística descriptiva
Sin embargo, nosotros nos ocuparemos de la bioestadística que se define de la
siguiente manera
La Bioestadística es la aplicación de los métodos estadísticos a la solución de los problemas

biológicos; también se la llama Estadística Biológica o Biometría.
La creciente importancia y aplicación de la estadística a los datos biológicos es

evidente incluso al examinar de pasada cualquier revista de Biología. Este incremento
tan marcado en el uso de la estadística en biología ha surgido por la comprobación de
que en biología, la acción recíproca de variables causa y respuesta obedece a leyes
que no están en el modelo clásico de la física del Siglo XIX. En ese siglo biólogos como
Roberto Mayer y otros, tratando de demostrar que los procesos biológicos no eran sino
fenómenos fisicoquímicos, ayudarona a crear la impresión de que los métodos
experimentales y la filosofía natural que habían producido que había producido un
progreso tan espectacular en las ciencias físicas, deberían ser imitados plenamente en
biología.
De esta manera muchos biólogos habían mantenido hasta entonces la tradición
de conceptos de pensamiento estrictamente mecanicistas y deterministas, mientras los
físicos, debido a que sus ciencias eran muy refinadas y trataban con partículas
“elementales”, recurrieron a planteamientos estadísticos. En biología la mayoría de los
fenómenos se ven afectados por muchos factores causales incontrolables en su
variación y, a menudo no identificables. La estadística es necesaria para medir tales
fenómenos variables con un error predecible y para descubrir la realidad de mínimas
pero importantes diferencias.
POBLACIONES Y MUESTRAS
Vamos a definir varios términos importantes y necesarios para la comprensión de

la bioestadística. Generalmente los datos se basan en observaciones individulaes, que
son las observaciones o medidas de la mínima unidad de muestreo, también llamada
individuo o unidad de análisis. Con frecuencia estas mínimas unidades de muestreo son
también individuos en el sentido biológico ordinario. Si pesamos a 100 recién nacidos, el
peso de cada recién nacido es una observación individual; los pesos de los 100 recién
nacidos representan la muestra de observaciones, que se define como
Es un conjunto de observaciones individuales seleccionadas por un procedimiento específico
Hemos definido “observación individual” y “muestra de observaciones”; las que

sólo definen la estructura pero no la naturaleza de los datos de un estudio. Llamaremos
variable a la propiedad real medida por las observaciones individuales. En cada unidad
mínima de muestreo o individuo pueden medirse más de una variable. A continuación
vamos a definir el término población.
“La definición de población desde el punto de vista biológico se refiere a todos los
individuos de la misma especie que se encuentran en un área limitada en un momento
dado”.
En estadística, población se define como
La totalidad de las observaciones individuales sobre las cuales se hacen inferencias, las
cuales existen en cualquier parte del mundo o al menos dentro de un área de muestreo
claramente especificada, limitada en espacio y tiempo.
__________________________________________________________________________ 2
Si se toman cinco hombres y se estudia el número de leucocitos en su sangre
periférica, con la intención de sacar conclusiones sobre todos los hombres a partir de
esta muestra de cinco, en este caso la población de la que se ha extraído la muestra
representa los recuentos de leucocitos de todos los varones de la especie Homo
sapiens. En cambio si se restringe a cinco varones argentinos de 20 años, la población
muestreada estará constituida por los números de leucocitos de todos los varones
argentinos de 20 años. En todos los casos la muestra es un subconjunto de la
población.
P
A
Siendo: P: el conjunto que representa la población y A es un subconjunto de P,

AP, representa la muestra.
En general representaremos con N al número de elementos de la población, y
con n al número de elementos de la muestra.
N: el número de elementos de la población
n: el número de elementos de la muestra.
La muestra debe cumplir ciertas condiciones: representatividad, aleatoriedad e

independencia.
 Representatividad: la muestra debe revelar las características de la población de la
cuál proviene lo más aproximadamente posible. Ha de ser una auténtica
representación de toda la población, y por lo tanto no sirve cualquier porción de la
misma.
Para que sea representativa de una población, el tanto por ciento de individuos de
la muestra que poseen una propiedad determinada ha de ser el mismo que el tanto
por ciento de individuos con esta propiedad en la población.
 Aleatoriedad: cada elemento de la población debe tener la misma posibilidad de ser

elegido. Sólo si satisface este requisito los métodos estadísticos serán razonables.
 Independencia: esto equivale a decir que la probabilidad de que cualquier miembro

de la población aparezca en la muestra, no depende de la aparición de los otros
miembros de la población en la muestra.
Para que se cumpla la independencia, la población debe ser infinita. Cuándo la
población es finita, y se efectúa el muestreo aleatorio con reemplazo (esto tiene por
objeto hacer infinita la población) se cumple la independencia, ya que ante cada
selección restablecemos la situación original, este muestreo se llama no exhaustivo o
con reposición.
Cuando la población es finita y se efectúa el muestreo aleatorio sin reemplazo,
muestreo llamado exhaustivo o sin reposición, no podemos hablar de que los
elementos de la población sean independientes, en este caso decimos que hay
dependencia.
Ejemplo 1:
__________________________________________________________________________ 3
Si para encuestar a 5.000 personas, de las que 2.700 son mujeres y 2.300 son
hombres se toma una muestra de 2.000 personas, entre ellas tendrá que haber, para
que sea representativa:
x 2700
x : mujeres,  ;  x  1080 mujeres
2000 5000
y 2300
y : hombres,  ;  y  920 hombres
2000 5000
EXPERIMENTO ALEATORIO
Es el experimento que proporciona diferentes resultados aún cuando se repita

siempre de la misma manera. Los resultados obtenidos sólo dependen del azar
TIPOS DE DATOS Y ESCALAS DE MEDICIÓN
Para poder organizar y representar los distintos tipos de datos vamos

primeramente a definir variable, carácter o atributo
DEFINICIÓN DE VARIABLE, CARÁCTER O ATRIBUTO
Es la característica que sintetiza o abrevia conceptualmente lo que se desea conocer

acerca de los individuos o unidades de análisis.
A estas características las clasificamos en cualitativas y cuantitativas.
Carácter cualitativo: es aquella característica de la unidad de análisis que no es

susceptible de medición cuantitativa, también recibe el nombre de atributo.
Ej. color de ojos, marca de un automóvil, título secundario, nivel social, sexo.
Los atributos toman modalidades.
Ej. Color de ojos: marrones, celestes, verdes, grises, otros.
Marca de autos: ford, fiat, VW, otros
Respuesta a un determinado tratamiento: excelente, muy buena, buena,
regular, mala.
Tipo de sangre: A, B.AB, O
Carácter cuantitativo: es aquella característica de la unidad de análisis que si es

susceptible de medición, a estas características la vamos a llamar variables. Las
variables cuantitativas pueden ser discretas o continuas.
Variables discretas: son aquellas que toman un numero finito o infinito

numerable de valores.
Ej. Número de alumnos por aula

Número de fusibles por caja
Número de accidentes por día.
Número de veces que una persona a ingresado a un hospital
Cantidad de veces que se realiza un experimento hasta obtener un éxito.
__________________________________________________________________________ 4
Así, los experimentos que consisten en el recuento de objeto dan lugar a variables
discretas.
Variables continuas: son aquellas que toman un numero infinito no numerable

de valores dentro de un intervalo.
Ej: Tiempo de duración de las lámparas

Longitud de tornillos
Tiempo de vida de las personas.
Presión sanguínea de las personas.
Altura de las personas.
Así, al medir magnitudes tales como tiempo, longitud, capacidad, etcétera se
obtienen variables continuas.
Las variables pueden ser clasificadas como unidimensionales, bidimensionales o

n-dimensionales.
Variable unidimensional, la representaremos con una letra mayúscula imprenta
X, se utiliza cuando interesa una sola característica del individuo.
Variable bidimensional: la representaremos con dos letras mayúscula imprenta
(X, Y), se utiliza cuando interesa simultáneamente dos características del individuo.
Ejemplo: Diámetro y longitud de un tornillo.
Altura y peso de las personas
Presión sanguínea y edad de las personas
Variable n-dimensional: (X1, X2,.....Xn ), se utiliza cuando interesa
simultáneamente n características del individuo.
ESCALAS DE MEDICIÓN
Puede interesarnos analizar distintas características de un mismo individuo. Estas

características dependiendo del tipo de valores que originan, pueden medirse con
cuatro tipos distintos de escalas de medición:
 Escala nominal:
Una variable nominal consiste en categorías a las que se asigna un nombre sin
que exista ningún orden implícito entre ellas.
A las variables nominales le asignaremos una escala nominal. Es la escala de
nivel más sencilla.
La forma más simple de observación es la clasificación de individuos en
categorías que simplemente pueden distinguirse entre sí, no existe orden implícito entre
ellas, no pueden compararse ni realizarse entre ellas operaciones aritméticas. En este
tipo se incluyen características tales como la profesión, nacionalidad, grupo sanguíneo,
provincia de origen, etcétera.
 Escala ordinal:
Una variable ordinal consiste en categorías ordenadas, la diferencia entre
categorías puede no ser iguales. En ningún caso sabemos con certeza cuanto “mayor”
es una categoría de la variable respecto a otra pues no existe una medición de
distancia.
A las variables ordinales asignaremos una escala ordinal. La escala ordinal tiene
las características de la escala nominal con una relación implícita de orden entre las
medidas.
__________________________________________________________________________ 5
Las distintas calificaciones de un estudiante dadas como excelente-muy bueno-
bueno-regular-aplazado, tienen cuatro categorías. Difieren de una variable como el color
del pelo en el hecho de que existe una ordenación entre estos valores: excelente es
mejor que muy bueno y éste, a su vez, mejor que bueno, que es mejor que regular y
que aplazado. Sin embargo, no podemos suponer que la diferencia entre excelente o
muy bueno, bueno, regular y aplazado sea la misma que la existente entre excelente y
aplazado.
 Escala de intervalo:
Si consideramos una variable cuantitativa, que toma valores reales, a esta
variable interválica le corresponde una escala de intervalo, donde esta definida la
igualdad, orden y distancia, es decir puede indicar cuánto más significa una categoría
que otra.
Es necesario que se defina una unidad de medida y un origen, que es por su
naturaleza arbitrario. Tal como ocurre con la temperatura, la escala cronológica, el
poder adquisitivo etc.
Cuando se dice que una unidad de análisis es “mayor” que otro, se puede
especificar cuantas unidades de diferencia hay entre ambos o cuantas unidades una
unidad es mayor que el otro. Por ejemplo con la medición de intervalo es posible decir
no sólo que Pedro tiene un cociente intelectual mayor que Juan, sino que se puede
decir cuanto es la diferencia entre sus cocientes intelectuales. Un cociente intelectual
igual a 0 no significa ausencia de inteligencia, sino un problema grave intelectual o de
percepción al utilizar los elementos de la prueba.
 Escala de razón o de proporción:
Una variable cuantitativa a la cual se le puede asignar una escala de intervalos
pero que además esta definido el cero absoluto, se denomina variable de razón o de
proporción y dicha escala se denomina de escala de razón o de proporción. El cero
absoluto representa la ausencia de la característica bajo estudio.
Ejemplos de este tipo de variables son: el volumen de ventas, los costos de
producción, la cotización de un cierto tipo de acciones, etcétera
Resumen
Datos
VARIABLE VARIABLE
CATEGÓRICA O NUMÉRICA O
CUALITATIVA CUANTITATIVA
ESCALA ESCALA ESCALA DE ESCALA

NOMINAL ORDINAL INTERVALO DE RAZÓN
__________________________________________________________________________ 6
ORGANIZACIÓN Y PRESENTACIÓN DE DATOS
Existen tres formas para presentar los datos relativos a una población ó a una
muestra, ya organizados y procesados de cualquier estudio estadístico: texto, cuadros o
tablas y gráficos.
TEXTO
Es una combinación de cifras y texto. Esta forma de presentación permite llamar
la atención sobre las comparaciones de importancia y destacar ciertas cifras. Sin
embargo, sólo puede utilizarse cuando los datos por presentar son pocos.
CUADROS O TABLAS
Este tipo de presentación de la información permite volcar un gran número de
datos en forma resumida, con lo que hace fácil y clara su lectura. Es más breve, puesto
que los encabezados de las columnas y los títulos de las filas evitan repetir
explicaciones, Fundamentalmente, facilita las comparaciones de los datos.
GRÁFICOS
La representación gráfica de los datos contenidos en un estudio estadísticos tiene
como finalidad ofrecer una visión de conjunto del fenómeno sometido a investigación,
más rápidamente perceptible que la observación directa de los datos numéricos. De
aquí que las representaciones gráficas sean un medio eficaz para el análisis de la
información estadística, ya que las magnitudes y las regularidades se aprecian y
recuerdan con más facilidad cuando se examinan gráficamente. Hay que advertir, sin
embargo, que la representación gráfica no es más que una herramienta de la
investigación estadística, la cual es básicamente numérica.Las representaciones
gráficas pueden hacerse utilizando un sistema geométrico de representación, en cuyo
caso gozan de rigurosidad y precisión, o bien pueden utilizarse símbolos alusivos al
tema en estudio, por ejemplo: casas, árboles figuras humanas, etcétera. Mediante este
último sistema de representación no se persigue una rigurosa exactitud, sino lograr
efectos visuales en quien está leyendo la información.Existe una gran variedad de
gráficos. Su elección depende de las variables en estudio y de las características que se
quieren destacar. Para la construcción de gráficos no hay reglas únicas. Siempre se
debe tener presente que un gráfico de información más rápida pero menos precisa que
la tabla.
ORGANIZACIÓN DE LOS DATOS
Cuando se comienza a analizar una variable estamos interesados en saber los
valores que puede tomar, el número total de datos con que contamos y cuántas veces
aparecen los diferentes valores. Para presentar una variable es útil representarla
mediante una tabla o cuadro.Cuando se dispone de gran número de datos, es útil
distribuirlos en clases o categorías y determinar el número de individuos pertenecientes
a cada clase, que es la frecuencia de clase. Una ordenación tabular de los datos, con
las frecuencias correspondientes, se conoce como una distribución de frecuencias. A
continuación presentamos una distribución de frecuencias correspondientes a una
muestra de tamaño n.
__________________________________________________________________________ 7
TABLA DE DISTRIBUCIÓN DE FRECUENCIAS
X fi fri Fi Fri
x1 f1 fr1 F1 = f1 Fr1= fri

x2. F2 = f1+f2 Fr2 = fr1+fr2
.
xi fi fri Fi =f1+..+fi Fri =fr1+..+ fri
.
.
m m
xm fm frm
Fm =  f j  n F rm = f rj  1
j 1
j 1
m m
Total  fj  n
j 1
f rj  1
j 1
 En la 1era columna aparecen los distintos valores xi de la característica X

(atributo o variable)
 En la 2da columna aparece la frecuencia absoluta fi , representa el número
de individuos que presentan los distintos valores de la variable.
 En la 3er columna aparecen las frecuencias relativas fri, que representa la
frecuencia con respecto al total de la muestra.
 En la cuarta columna aparece la frecuencia acumulada Fi, de los distintos
valores de la variable
Es la frecuencia total de todos los valores menores o iguales al valor de xi,
correspondiente.
 En la quinta columna aparece la frecuencia relativa acumulada Fri, que
representa la frecuencia acumulada respecto al total de la muestra.
Se calcula:
Fri = Fi / n
FRECUENCIA ABSOLUTA
Frecuencia absoluta
Definición: es el número de veces que se presenta cada valor de la variable.
La suma de todas las frecuencias absolutas nos da el tamaño de la muestra, n.
f
i 1
i  n
__________________________________________________________________________ 8
Siendo n: el número de elementos de la muestra
m: el número de valores distintos que toma la variable X
N: tamaño de la población
FRECUENCIA RELATIVA
Frecuencia relativa
Definición: Frecuencia relativa es el cociente entre la frecuencia absoluta f i y el número
total de elementos n de la muestra.
fi
f ri 
n
La frecuencia relativa indica la proporción de individuos que poseen ese valor de
la variable con respecto al total de individuos
0  f ri  1
La frecuencia relativa toma como valor mínimo el cero y como máximo el valor 1.
Una propiedad muy importante es que: “La suma de todas las frecuencias
relativas nos da siempre 1”.
f
i 1
ri 1
I: VARIABLES
La presentación de los datos de estas variables puede realizarse mediante tablas

con datos sin agrupar o con datos agrupados por intervalos.
a) DATOS SIN AGRUPAR
Realizaremos primeramente una presentación tabular de los datos sin agrupar. Se

enumeran todos los valores observados de la variable, con sus respectivas frecuencias
absolutas o frecuencias relativas:
X f
x1 f1
x2 f2
. .
. .
. .
xk fk
__________________________________________________________________________ 9
k
 f =n i
i 1
k n
El gráfico que le corresponde, cuando queremos graficar la variable aleatoria con

relación a su frecuencia absoluta o frecuencia relativa es el gráfico de bastones,
cuando la variable es cualitativa.
El gráfico que corresponde para representar las frecuencias absolutas
acumuladas o frecuencias relativas acumuladas, en variables cuantitativas es el gráfico
de escaleras.
Ejemplo 2:
Sea X: “Número de cuadras caminadas por 14 alumnos de una escuela
rural, para llegar cada mañana”.
La muestra observada es
5 5 5 6 8 4 4 2 1 8 6 6 4 5
siendo n =14
Se pide: organizar los datos en una tabla de frecuencias y luego graficar la
variable X con relación a su frecuencia absoluta
Solución: Debemos realizar primeramente una presentación tabular de los datos,
para tal fin lo primero que realizamos es un ordenamiento de los datos observados.
1 2 4 4 4 5 5 5 5 6 6 6 8 8
X f F
1 1 1
2 1 2
4 3 5
5 4 9
6 3 12
8 2 14
Total f i 14
i
__________________________________________________________________________ 10
GRÁFICO DE BARRAS
Diagrama de barras
5
3
número de alumnos
0
1 2 4 5 6 8
número de cuadras
GRÁFICO DE FRECUENCAS ABSOLUTAS ACUMULADAS:

GRÁFICO DE ESCALERAS
Gráfico de Frecuencias Acumuladas

15
10
F
5
0
0 2 4 6 8 10
X
GRÁFICO DE TALLO Y HOJAS
Es interesante conocer simultáneamente el valor individual de cada una de las

observaciones. El gráfico de tallo y hojas fue descripto por Tukey.
Para realizar este gráfico, basta seguir los siguientes pasos:
__________________________________________________________________________ 11
1. Primero se ordenan los datos de menor a mayor
2. Se apartan uno o más dígitos de cada dato, según el número de filas que se
desea obtener, en general no más de 12 ó 15, empezando por la izquierda.
Cada valor diferente de estos dígitos apartados, se lista uno debajo del otro,
trazando a la derecha de los mismos una línea vertical. Éste es el tallo.
3. Para cada dato original se busca la línea en la que aparece su tallo. Los
dígitos que nos quedaban los vamos escribiendo en la fila correspondiente de
forma ordenada.
4.
Ejemplo 3:
A continuación se listan los tiempos (en minutos) que requieren 30 médicos en
atender a sus pacientes. Realice con estos datos un gráfico de tallo y hoja.
20 24 15 33 17 16 32 14 12 13
35 18 20 14 14 30 15 31 23 11
22 31 27 26 12 31 36 12 24 15
1. Los datos ordenados de menor a mayor son:
11 12 12 12 13 14 14 14 15 15
15 16 17 18 20 20 22 23 24 24
26 27 30 31 31 31 32 33 35 36
2. Observamos que en todos los datos, los dígitos de la izquierda son los números 1,2
y 3. Listamos estos números de arriba abajo y dibujamos una línea vertical
1
2
3
3. A continuación, para cada dato original, vamos escribiendo, ordenadamente, el

dígito que nos queda, en su fila correspondiente. Si alguno se repite, se escribe
tantas veces como aparezca. Completando de esta forma el gráfico de tallo y hojas
GRÁFICO DE TALLO Y HOJAS
1 1 2 2 2 3 4 4 4 5 5 5 6 78
2 0 0 2 3 4 4 6 7
3 0 1 1 1 2 3 5 6
GRÁFICO DE PUNTOS
Otro gráfico que podemos utilizar es el gráfico de puntos o puntigramas, que

nos permiten distinguir claramente las variables y su frecuencia.
Ejemplo 4:
Los siguientes datos son doce lecturas de temperatura en varios puntos de un gran
horno (en grados Fahrenheit):
445 410 470 460 415 510 450 495 465 500 475 425
Realice un diagrama de puntos.
__________________________________________________________________________ 12
Temperaturas en varios puntos de un horno (en ºF)
Temperaturas en °F de 12 hornos
400 420 440 460 480 500 520

Temperatura (°F)
.
b) DATOS AGRUPADOS
Para resumir la información y adquirir una visión global y sintética de variables

cuantitativas con un gran número de valores, se suelen agrupar los datos en intervalos
de clases al elaborar las tablas de frecuencias y se registra el número de valores
observados que corresponde a cada clase.
Aunque con el proceso de agrupamiento, generalmente se pierde parte del
detalle original de los datos, tiene la importante ventaja de presentarlos todos en un
sencillo cuadro que facilita el hallazgo de las relaciones que pueda haber entre ellos.
Para poder identificar los patrones en un conjunto de datos agrupamos las
observaciones en un número relativamente pequeño de clases que no se superpongan
entre sí.
TABLA DE DISTRIBUCIÓN DE FRECUENCIAS PARA

DATOS AGRUPADOS
X f fr
[xo-x1 ) f1 fr1
[x1-x2 ) f2 fr2
: : :
: : :
[xk-1-xk ] fk frk
k k

i 1
fi  n f
i 1
ri 1
Para proceder a la construcción de una tabla de distribución de frecuencias con

datos agrupados es preciso tener en cuenta las siguientes nociones:
__________________________________________________________________________ 13
FRECUENCIA ABSOLUTA DE CLASE: es el número de observaciones de una
clase f.
FRECUENCIA RELATIVA DE CLASE: es el cociente entre la frecuencia de clase

y el número de observaciones. Representa la proporción de observaciones contenidas
en cada clase fr.
Clase: se llama clase a cada uno de los intervalos en que podemos dividir el
recorrido de la variable estadística. Los intervalos pueden o no ser de la misma
amplitud, en general trabajaremos con intervalos de igual amplitud.
Las fronteras de clase se denominan límites son los puntos específicos de la

escala de medición que sirven para separar clases adyacentes. Límite superior de la
clase, es el máximo valor del intervalo. Límite inferir de la clase es el mínimo valor del
intervalo.
Si calculamos el rango del intervalo de clases obtenemos la longitud del

intervalo de clase. El Rango de una clase puede ser determinado restando al límite
exacto superior de clase el límite exacto inferior
Para ciertos propósitos, los valores de una clase se representan a menudo por el
punto medio de clase o marca de clase, que es el punto medio del intervalo de clase,
puede ser determinado calculando la media aritmética entre los límites superior e
inferior.
Al graficar los intervalos de clase relacionado con sus frecuencias relativas,

o frecuencias absolutas, se produce lo que se conoce como histograma de
frecuencias relativas, o histogramas de frecuencias absolutas respectivamente.
Un histograma o histograma de frecuencias consiste en una serie de rectángulos

que tiene: a) sus bases sobre un eje horizontal (eje X) con centros en las marcas de
clase y longitud igual al tamaño de los intervalos de clase, b) si los intervalos de clase
tiene todos igual tamaño, las alturas de los rectángulos son proporcionales a las
frecuencias de clase. Si los intervalos de clase no son de igual tamaño, estas alturas
deberán ser calculadas.
También puede graficarse los datos agrupados mediante un polígono de

frecuencias, que es un gráfico de línea que se obtiene uniendo las frecuencias
relativas o absolutas de los puntos medios de las bases superiores de los rectángulos
de un histograma de frecuencias. Además completaremos la poligonal, uniendo los
puntos medios del intervalo anterior al primero de nuestra muestra y posterior al último
de nuestra muestra.
Ejemplo 5:
En el siguiente ejemplo aplicaremos un método para construir la tabla de
distribución de frecuencias de la variable en estudio.
A continuación se registran los pesos de 40 estudiantes con aproximación de
una libra. Se pide:
__________________________________________________________________________ 14
a) Construir una tabla de frecuencia con datos agrupados
b) Graficar.
138 164 150 132 144 125 149 157
146 158 140 147 136 148 152 144
168 126 138 176 163 119 154 165
146 173 142 147 135 153 140 135
161 145 135 142 150 156 145 128
El número de clases que se emplea depende del total de observaciones.

Si el número de observaciones es muy pequeño el número de clases será cercano a 5
generalmente no menor de este valor, si el número de observaciones es grande se
utilizaran 8 ó 12, pero no más de 15 clases. No existe una regla fija, es una relación
entre la pérdida de la información que supone el agrupamiento y la visión global y
sintética que se persigue. Esta flexibilidad para la selección de la cantidad de intervalos
puede provocar dudas o confusiones, es por eso que Sturguess da una fórmula para
quien no quiera o no pueda decidir la cantidad de clases a utilizar
Se puede utilizar la fórmula de Sturguess para calcular el número de
intervalos:
k = 1 + 3,3 log n siendo n: número de muestras consideradas.
Un número muy pequeño de clases puede ocultar la distribución real del conjunto
de datos, mientras que un número muy grande puede dejar sin observaciones algunas
clases.
Una buena práctica es la creación de clases de igual longitud.
Esto se obtiene tomando la diferencia entre los dos valores extremos del
conjunto de datos y dividiéndola entre el número de clases. El resultado será
aproximadamente la longitud del intervalo de cada clase. Hay casos en que este
método no puede aplicarse, y se deberá tomar intervalos de clases diferentes.
Para establecer las fronteras de clase es necesario considerar la unidad más
cercana con respecto a la cual se miden las observaciones, en nuestro ejemplo
está redondeado a la libra más cercana, tomamos entonces la unidad decimal para
establecer las fronteras, ej. 126,5.
Estas fronteras se conocen como límites verdaderos.
Dado que los pesos están tomados a la libra más cercana, pueden tomarse los
límites de las clases: (118--126) (127--135), de esta forma las clases no se
superponen. Esta forma de tomar las fronteras se conoce como límites de escritura.
Utilizaremos para realizar nuestro ejemplo los límites de tal forma que el límite
superior de cada clase coincida con el límite inferior de la siguiente, adoptaremos como
criterio que los intervalos se suponen cerrados por izquierda y abiertos por la derecha,
es decir, en cada clase se incluyen los valores de la variable que sean mayores o
iguales al límite superior, pero estrictamente menores que el límite superior.
Como excepción al criterio adoptado, en la última clase, el intervalo será cerrado
en ambos extremos, si no fuera así, el valor máximo quedaría fuera del intervalo.
El método consta de los siguientes pasos:
1. Ordenar los datos de menor a mayor
119 125 126 128 132 135 135 135

136 138 138 140 140 142 142 144
144 145 145 146 146 147 147 148
__________________________________________________________________________ 15
149 150 150 152 153 154 156 157
158 161 163 164 165 168 173 176
2. Determinar el tamaño de la muestra

n = 40
3. Determinar el valor máximo y el valor mínimo de la variable
El peso mayor es 176 libras y el menor 119 libras,
4. Calcular el Rango o Recorrido
Recordemos que en general Rango es la diferencia entre el valor máximo y el

valor mínimo de la variable en una serie estadística:
R = xmax - xmin
R =176-119=57 libras.
5. Calcular la cantidad de intervalos a utilizar
k = 1 + 3,3 log n
k = 1 + 3.3 log 40 = 6,29  7
6. Calcular la longitud de cada intervalo
En general:
Longitud de cada intervalo de clase =R/k
Si utilizamos 7 intervalos de clase, la longitud de cada uno será:

L = 57/7  8 aproximadamente.
La tabla de frecuencia correspondiente a nuestro ejemplo es:
Para la variable: X: Pesos de 40 estudiantes (en libras)
Limite de escritura Punto fi

de la clase medio
[118,127) 122,5 3
[127,136) 131,5 5
[136,145) 140,5 9
[145,154) 149,5 12
[154,163) 158,5 5
[163,172) 167,5 4
[172,181] 176,5 2
Total fi=40
__________________________________________________________________________ 16
HISTOGRAMA DE FRECUENCIAS ABSOLUTAS
X: Pesos de 40 estudiantes (en libras)

Peso de 40 estudiantes
14
12
cantidad de estudiantes
10
0
118 127 136 145 154 163 172 181
peso
POLÍGONO DE FRECUENCIAS
X: Pesos de 40 estudiantes (en libras)
Otras distribuciones útiles que consideraremos son: la distribución de frecuencia

acumulada y la distribución de la frecuencia relativa acumulada u ojiva.
__________________________________________________________________________ 17
FRECUENCIA ACUMULADA: es la frecuencia total de todos los valores
menores que el límite verdadero superior de clase de un intervalo de clase.
Es decir que este gráfico muestra directamente cuántos de los elementos son
menores que, la marca de clase.
FRECUENCIA RELATIVA ACUMULADA: es la frecuencia acumulada dividia por la

frecuencia total. Representa la proporción de observaciones cuyos valores son menos o
iguales al límite superior de la clase.
Límite de escritura de la punto f fr Fa Fra

clase medio
[118 ,127) 122,5 3 0,075 3 0,075

[127 ,136) 131,5 5 0,125 8 0,200
[136 ,145) 140,5 9 0,225 17 0,425
[145 ,154) 149,5 12 0,300 29 0,725
[154 ,163) 158,5 15 0,125 34 0,850
[163, 172) 167,5 4 0,100 38 0,950
[172 ,181] 176,5 2 0,050 40 1,000
fi=40 fri = 1
HISTOGRAMA DE FRECUENCIAS ACUMULADAS
Graficaremos la columna con las frecuencias acumuladas, obteniendo de esta

forma un Histograma de frecuencias acumuladas.
__________________________________________________________________________ 18
Histograma de frecuencias acumuladas
45
40
35
frecuencias acumuladas
30
25
20
15
10
0
118 127 136 145 154 163 172 181
peso
CURVA DE FRECUENCIAS RELATIVAS ACUMULADAS:

Curva Ojiva
Llamamos ojiva al polígono de frecuencias acumuladas. Se obtiene uniendo con

segmentos los puntos cuyas coordenadas son las abscisas correspondientes a los
extremos superiores de cada clase y las ordenadas correspondientes a las frecuencias
acumuladas (relativa o absoluta) hasta dicha clase.
CURVA DE FRECUENCIAS RELATIVAS ACUMULADAS
1,2
1
0,8
Fr 0,6
0,4
0,2
0
118 127 136 145 154 163 172 180
peso (lb)
II - ATRIBUTOS:
__________________________________________________________________________ 19
Recordemos que llamamos atributo a aquella característica de la unidad de
análisis que no es susceptible de medición cuantitativa, en estos casos realizamos una
clasificación en categorías.
Ejemplos:
Color de ojos, marca de un automóvil, título secundario, nivel social, sexo, grupo
étnico que pertenece una persona, nivel de gravedad que posee una persona una
determinada enfermedad.
Para presentar un atributo lo podemos hacer mediante una tabla o cuadro, que
ofrece una visión numérica‚ sintética‚y global de dicho atributo.
Estas tablas o cuadros constan de las siguientes partes:

1-EL TITULO: que debe responder a las ¿qué?, ¿dónde?, ¿cuándo?
2-EL CUERPO: que consta de encabezamiento de columnas, columna
matriz, columna secundaria.
3-EL PIE DEL CUADRO: que consta de fuente de los datos, alguna nota o algún
dato importante.
son: el diagrama circular o gráfico de sectores, los gráficos de barras, que pueden
ser verticales u horizontales, dentro de estos gráficos de barras debemos nombrar el
diagrama de Pareto, muy utilizado hoy en día en calidad, y los pictogramas.
Ejemplo 6:
En la siguiente tabla se presenta el personal ocupado en la industria maquiladora de
exportación, durante los años 2004 al 2008.
X: “Personal ocupado en la industria maquiladora de exportación, durante

los años 2004 al 2008”
Año Frecuencia Frecuencia Frecuencia Frecuencia

absoluta Absoluta de Absoluta de Absoluta de
Total Obreros Técnicos Empleados
fi
2004 199 166 22 11
2005 211 173 25 13
2006 249 204 30 15
2007 305 248 36 21
2008 369 301 44 24
Total 1333 1092 157 84

Fuente: Revista Expansión, 25 de Octubre de 2009.
__________________________________________________________________________ 20
DIAGRAMA CIRCULAR O DIAGRAMA DE SECTORES
Se representará el total del personal ocupado en la industria maquiladora de

exportación durante los años 20044 al 2008. También podría haberse representado
para cada año como estaba compuesto ese personal.
DIAGRAMA CIRCULAR
Total del Personal de 2004 a 2008
15% (2004)
27% (2008)
16% (2005)
23% (2007) 19% (2006)
Fuente: Revista Expansión, 25 de Octubre de 2009

Nota: No deben ponerse los porcentajes dentro del gráfico.
DIAGRAMA DE PARETO
Una variante importante en los diagramas de barras es el diagrama de Pareto. Este

diagrama tiene un uso muy amplio sobretodo por su valor para realizar comparaciones.
Las categorías están ordenadas de mayor a menor frecuencia, modo tal que en la
parte izquierda del gráfico aparezca la categoría con mayor frecuencia, seguida por la
segunda mayor frecuencia y así, sucesivamente. En este tipo de variables generalmente
aparece una categoría denominada otros, en la cual van todos aquellas modalidades con
poca frecuencia absoluta. Esta categoría siempre irá en el último lugar aunque aparezca
con un poco más de frecuencia que alguna otra categoría.
Este tipo de diagramas debe se nombre al economista italiano V. Pareto
Ejemplo 7:
De 2000 circuitos de computadora revisados por el fabricante se obtuvieron los
siguientes datos:
conexiones defectuosas 31
agujeros demasiado grandes 55
agujeros sin abrir 182
circuitos de tamaño incorrecto 5
otros 7
__________________________________________________________________________ 21
a) Confeccione una tabla de frecuencias.
b) Realice un diagrama de Pareto
TABLA DE FRECUENCIAS
DEFECTO fi Fi fri Fri

Conexiones defectuosas 31 31 0,11 0,11
agujeros demasiado grandes 55 86 0,20 0,31
agujeros sin abrir 182 268 0,65 0,96
circuitos de tamaño incorrecto 5 273 0,02 0,98
otros 7 280 0,02 1,00
Para realizar el diagrama de Pareto ordenamos las modalidades de mayor frecuencia

a menor frecuencia y luego realizamos el diagrama de barras, denominado de Pareto.
DEFECTO fi Fi fri Fri

agujeros sin abrir 182 182 0,65 0,11
agujeros demasiado grandes 55 237 0,20 0,31
Conexiones defectuosas 31 268 0,11 0,96
circuitos de tamaño incorrecto 5 273 0,02 0,98
otros 7 280 0,02 1,00
DIAGRAMA DE PARETO
Defectos en circuitos de computadoras
200
180
160
140
120
100
f
80
60
40
20
0
agujeros sin agujeros Conecciones circuitos de otros
abrir demasiado defectuosas tamaño
grandes incorrecto
Defectos
FUENTE: Revista Expansión, 25 de Octubre de 2009.
__________________________________________________________________________ 22
GRÁFICO DE CAJA
Este Gráfico es también denominado ‘box and whiskers”, lo utilizaremos para

representar variables cuantitativas cuyos datos están presentados en forma individual,
ya que este gráfico permite identificar valores atípicos o outliers.
Utilidades del gráfico de caja:
 Nos proporciona la posición relativa de la mediana, los cuartiles y los extremos
de la distribución.
 Nos proporciona información sobre valores atípicos, sugiriendo la necesidad o
no de utilizar determinados estadísticos.
 Nos informa de la simetría o asimetría de la distribución.
 Se puede utilizar para comparar la misma variable en dos muestras distintas.
Explicaremos su construcción paso a paso para poder interpretarlo, aunque se

puede realizar con cualquier software estadístico.
1. Se traza una línea horizontal de longitud proporcional al recorrido de la
variable, que llamaremos eje. Los extremos del eje serán los valores mínimo y
máximo de la distribución.
2. Paralelamente al eje se construye una caja rectangular con altura arbitraria y
cuya base abarca desde el primer cuartil hasta el tercer cuartil. Como vemos,
esta caja indica gráficamente el intervalo de variación del 50 % de valores
centrales de la distribución.
3. La caja se divide en dos partes, trazando una línea a la altura de la mediana.
Cada una de estas partes indica, pues, el intervalo de variabilidad de una
cuarta parte de los datos.
4. El recorrido entre el valor mínimo y el primer cuartil, y el recorrido entre el
tercer cuartil y el valor máximo se denominan bigotes. Si algún dato esta muy
alejado de los valores centrales, estos bigotes se alargarían señalándonos así
los valores atípicos u outliers.
Realizaremos ahora un ejemplo para ver como se interpreta el gráfico y para

verificar sus utilidades.
Ejemplo 14:
La siguiente muestra estadística, contiene los pesos, en kilogramos de un grupo
de sesenta personas.
Varones 55 64 70 74 75 70 62 93 60 62 70 71
70 80 61 60 62 68 65 66 68 71 72 65
Mujeres 60 49 52 54 56 66 45 52 48 54 56 61
46 50 52 53 56 68 47 50 53 57 60 64
X : “Pesos de 60 personas”( en kg. )
__________________________________________________________________________ 23
GRÁFICO DE CAJA
Peso de 48 personas
100
90
80
70
60
50 Median
25%-75%
Non-Outlier Range
Outliers
40 Extremes
Varones Mujeres
DIAGRAMA DE CAJA PARA LOS PESOS DE LOS VARONES
95
90
85
80
75
70
65
Median = 68
25%-75%
60
= (62, 71)
Non-Outlier Range
55 = (55, 80)
Outliers
50 Extremes
peso de varones
__________________________________________________________________________ 24
Se puede observar que el bigote superior es más largo que el bigote inferior por lo
que podemos decir que la distribución es asimétrica. Además se observa un punto, que
representa un valor atípico ( 93 ).
Se observa un símbolo  adentro de la caja, éste me indica donde está ubicada la
mediana.
Se deja al lector comparar la muestra con los pesos de las mujeres con la muestra
de los pesos de los hombres.
MEDIDAS DE TENDENCIA CENTRAL DE UNA POBLACIÓN
La representación gráfica de los datos es una primera incursión en el análisis de

datos, pero tiene sus limitaciones, si se desea describir los datos no es fácil hacerlo a
partir del gráfico, e incluso, no es fácil comparar, por ejemplo, serie de datos para esto
es fundamental resumir los datos
Las medidas de tendencia central dan un valor típico o representativo de un
conjunto de datos( población ó muestra). La tendencia central de un conjunto de datos
es la disposición de estos para agruparse ya sea alrededor del centro de la distribución
de los mismos.
Se consideran principalmente 3 medidas de tendencia central: Moda,
Mediana y Media. Si estas medidas se calculan considerando todas las observaciones
correspondientes a una población reciben el nombre de parámetros.
MODA, MODO O VALOR MODAL
La moda de un conjunto de observaciones correspondientes a una población es

el valor de la observación que ocurre con mayor frecuencia en la población.
Dado un conjunto de observaciones, estas deben ser ordenadas siempre de

menor a mayor.
Una moda es un valor xi tal que:
f (xi)  f (xi-1) f (xi)  f (xi+1)
f(xi) es un máximo relativo
suceder que una serie de datos halla más de una moda. En tal caso se denomina
unimodal, bimodal, trimodal, etc. según el número de modas que presente.
casos el valor de frecuencia mayor como la
moda del conjunto de datos, en otros no podemos tomar dichos valores como
representativos, será en estos casos el estadístico que analiza la situación quien
decidirá.
uales es sencillo, basta con buscar el
valor de la variable que presente la máxima frecuencia absoluta.
Ejemplo 8:
__________________________________________________________________________ 25
De acuerdo con la revista Informes al Consumidor en su número de febrero de
2008, las cuotas anuales de las 40 compañías argentinas para un seguro de $25000
para hombre de 35 años de edad son las siguientes (en pesos), constituye la
siguiente población:
82 85 86 87 87 89 89 90 91 91 92 93 94 95
95 95 95 95 97 98 99 99 100 100 101 101 103 103
103 104 105 105 106 107 107 107 109 110 110 111
OBSERVACIONES fi Fi Fri
82 1 1 0,025
85 1 2 0,050
86 1 3 0,075
87 2 5 0,125
89 2 7 0,175
90 1 8 0,200
91 2 10 0,250
92 1 11 0,275
93 1 12 0,300
94 1 13 0,325
95 5 18 0,450
97 1 19 0,475
98 1 20 0,500
99 2 22 0,550
100 2 24 0,600
101 2 26 0,650
103 3 29 0,725
104 1 30 0,750
105 2 32 0,800
106 1 33 0,825
107 3 36 0,900
109 1 37 0,925
110 2 39 0,975
111 1 40 1
24
f
i 1
i  40
Mayor frecuencia Moda: XMO = $ 95

Interpretación: La cuota anual para un seguro de $25000 para un hombre de 35
años de edad, que se presenta con mayor frecuencia es de $95
__________________________________________________________________________ 26
MEDIANA
Es como su nombre lo indica el valor central del conjunto de las observaciones

que constituyen una población. Cuando todas las observaciones se ordenan en forma
creciente, el 50% de las observaciones son menores o iguales que la mediana y el otro
50% son mayores o iguales que la mediana. La mediana se representa con la notación
x0,5 , tal que F(x0,5 )= 0,5.
Ejemplo 9: La mediana es $ 98 porque F(98)=0,50

Interpretación: El 50% de las cuotas anuales observadas por el pago de un
seguro de $25.000 para un hombre de 35 años son de $98 o menos y el otro 50% son
$98 o mayores
MEDIA O MEDIA ARITMÉTICA
La media de las observaciones x1, x2,..., xN de una población es el promedio

aritmético de estas y se denota por:
N
x i
 i 1
Si tenemos datos que se repiten podemos utilizar la fórmula
x .f i i
 i 1
Siendo k la cantidad de valores distintos que toma la variable X.
todos los individuos que forman la población (corresponde al concepto de centro de

gravedad en física).
odos los datos. Sin
embargo debido a que cualquier observación se emplea para el cálculo, el valor de la
media puede afectarse de manera desproporcionada por la existencia de algunos
valores extremos.
Ejemplo 10 : Consideremos la población de todos los estudiantes de Medicina de la

provincia de Mendoza que cursan el segundo año de la carrera en el presente año 2012
y vamos a considerar la variable “cantidad de materias aprobadas”
Cantidad de materias Cantidad de estudiantes

aprobadas (frecuencia)
4 10
5 30
6 42
7 66
8 62
__________________________________________________________________________ 27
9 90
10.4  30.5  42.6  66.7  62.8  90.9

  7,37 materias
300
MEDIDAS DE TENDENCIA CENTRAL DE UNA MUESTRA
Consideraremos las tres medidas de tendencia central: moda, mediana y media de una
muestra. Estas medidas calculadas sobre una muestra reciben el nombre de
estadísticos.
Moda Muestral
Es el valor de la variable que tienen mayor frecuencia.

Consideremos una muestra aleatoria de tamaño 10 de la población considerada en el
ejemplo 10.
Muestra 1= 7,7,7,8,8,8,8,8,9,9
En este caso la moda es Mo= 8
Si consideramos otra muestra aleatoria de tamaño 10 de la población del ejemplo 10.
Muestra 2= 6,6,6,6,7,7,8,8,9,9
En este caso la moda es Mo= 6
Se puede observar que la moda es una variable, que toma diferentes valores en cada
una de las muestras.
Ventajas y desventajas de la moda:
La moda presenta como ventaja que se puede utilizar como una medida de
tendencia central para cualquier tipo de datos, ya sean estos de tipo cualitativos, como
datos cuantitativos.
Otra ventaja muy importante es que igual que la mediana, no es afectada
indebidamente por valores extremos.
A pesar que tiene las mismas ventajas que la mediana, no es tan utilizada como
la media aritmética o mediana y esto se debe a que muchas veces la distribución de los
datos no tiene moda, y otras contiene más de una moda y resulta difícil interpretar o
sacar una conclusión a partir de distribuciones multimodales.
Mediana Muestral
observación que se encuentra a la mitad del conjunto ordenado. Si n es impar la

mediana ser el valor de la observación que ocupa el lugar (n+1)/2.
Me  x  n 1 
 
 2 
úmero de observaciones es par se considera la mediana como el

promedio aritmético de los valores de las dos observaciones que ocupan el lugar n/2 y
(n+1)/2 del conjunto ordenado.
__________________________________________________________________________ 28
x n  x n1
Es decir: Me  2 2
2
existencia de valores extremos no afecta su
valor.
observaciones, la mediana puede ser una medida de tendencia central mucho más
deseable que la media.
En la Muestra 1 la mediana es:

x 5   x  6  88
Me =  8
2 2
En la Muestra 2 la mediana es:
x 5   x  6  77
Me=  7
2 2
Si consideramos nuevamente el ejemplo 8 donde hemos calculado la moda,

como n es par, para saber la posición del valor de la mediana, buscamos en la columna
de la frecuencia acumulada las posiciones n/2 y (n+1)/2, luego se ve los valores de la
variable correspondientes y se calcula el promedio entre ellos, obteniendo así el valor
de la mediana que deja por encima y por debajo de él el 50% de las observaciones.
Ventajas y desventajas de la mediana
La mediana se puede obtener en un conjunto de datos cuantitativos, pero
también, en un conjunto de datos cualitativos, donde se utiliza una escala ordinal. Si se
trabaja con estas clases de observaciones, se puede enunciar como ventaja, que
siempre existe y es única, al igual que en el caso de la media, existe una sola mediana
para un conjunto de observaciones.
La determinación de la mediana no es afectada por la existencia de valores
extremos. Por lo tanto, si un conjunto de datos contiene valores extremos, la mediana
puede ser una medida de tendencia central mucho más representativa que la media.
Como desventaja se puede decir que para su cálculo se utiliza un solo valor del
conjunto de datos o como máximo dos, en comparación con la media que se utiliza
todos los datos para su determinación.
Media Muestral
Es el promedio aritmético de las observaciones de una muestra.
n k
 xi x i fi
X  i 1
 i 1
n n
__________________________________________________________________________ 29
Consideremos nuevamente la población del ejemplo 10 y dos muestras aleatorias de
esta población:
Muestra 1= 7,7,7,8,8,8,8,8,9,9 y Muestra 2= 6,6,6,6,7,7,8,8,9,9
Calcularemos la media de cada una de estas muestras:
___
3.7  5.8  2.9 __
4.6  2.7  2.8  2.9
X1   7,9 X2   7,2
10 10
Se puede observar que cada una de las dos medias muestrales no coinciden con la
media poblacional.
Ventajas y desventajas de la media aritmética
La media aritmética es una medida de tendencia central que tiene importantes

ventajas. En todo conjunto de datos cuantitativos se puede encontrar siempre su
media, es una medida que puede calcularse y es única.
Otra importante propiedad es que la media aritmética utiliza todos los valores del
conjunto de datos para su cálculo, esta es una propiedad deseable. Sin embargo debido
a que todas las observaciones se emplean para su obtención, el valor de la media
puede ser afectada de manera desproporcionada por la existencia de valores extremos,
que no son representativos del resto de los datos. En este caso no sería la medida de
resumen más conveniente, se podría utilizar otras como la mediana o la moda.
Otra desventaja que presenta es que puede emplearse como medida de
resumen sólo para variables numéricas o cuantitativas, pero no resultará adecuada para
variables categóricas o cualitativas, en sus dos escalas de medición, nominal u ordinal.
Este tipo de variables toman categorías con las cuales no se pueden realizar sumas ni
cocientes.
Ejemplo 11
Una muestra de 11 pacientes admitidos para diagnóstico y evaluación en un
departamento psiquiátrico en un hospital general experimentó los siguientes tiempos de
permanencia, en días.
X: “Tiempo de permanencia de un paciente en el departamento psiquiátrico, en

días”
Paciente 1 2 3 4 5 6 7 8 9 10 11
Tiempo 14 11 12 14 13 32 12 12 11 13 14
en días
 x .f i i
11 2  12  3  13  2  14  3  32
x i 1
=  14,36
n 11
El tiempo medio de permanencia de un paciente en el departamento psiquiátrico

es de 14,36 días. Sin embargo si se calcula el tiempo medio y excluimos el valor 32
días, nos da 12,6 días. Se observa la existencia de un valor extremo, 32, el cual
__________________________________________________________________________ 30
distorsiona el valor obtenido para la media. Este es un ejemplo en el cual si se utiliza
otra medida de tendencia central el resultado sería más representativo del conjunto de
observaciones.
CUANTILES MUESTRALES
Dada una muestra ordenada en forma creciente, el valor que divide al conjunto
de datos en dos partes iguales es la mediana.
Por extensión, si preferimos tener una descripción más detallada de la variabilidad
de los valores individuales, se puede dividir los datos en otras cantidades de partes
iguales. Por ejemplo, en cien, en diez o en cuatro partes iguales, llamando a estas
medidas percentiles, deciles y cuartiles respectivamente.
PERCENTILES
Al dividir los datos en cien partes iguales quedan definidos los percentiles: que se
representan por p1, p2, ..., p99, la mediana muestral es el percentil de orden 50.
La fórmula para obtener el lugar k-ésimo percentil, siendo n: el número de
observaciones:
(n + 1)
Lpk = k --------- Fórmula para obtener el lugar del k-ésimo percentil
100
Así buscando en la lista ordenada de los valores o en la columna de la frecuencia
acumulada, se ve el valor de la variable correspondiente.
En caso de no ser un valor entero se calcula por interpolación lineal el valor del
percentil. En la práctica, tomaremos el valor de la variable correspondiente a la
frecuencia acumulada inmediata superior al valor obtenido de lpk
Es decir el valor del percentil será: Pk  X  n 1 

 k. 
 100 
DECILES
Análogamente los valores que dividen los datos en 10 partes iguales quedan
definidos los deciles y se representan por D1, D2, ..., D9.
La fórmula para obtener el lugar del k-ésimo decil, siendo n el número de
observaciones, es:
(n + 1)
LDk = k --------- Fórmula para obtener el lugar del k-ésimo decil
10
Así buscando en la lista ordenada, de los valores o en la columna de la frecuencia
decil. En la práctica, tomaremos el valor de la variable correspondiente a la frecuencia
acumulada inmediata superior al valor obtenido de lDk.
Es decir el valor de los deciles será:
Dk  X  n 1 
 k. 
 10 
__________________________________________________________________________ 31
CUARTILES
Análogamente si se dividen los datos en cuatro partes iguales, quedan definidos

los cuartiles.
Estos valores se representan Q1, Q2, Q3, se llaman primero, segundo y tercer
cuartil, respectivamente, el valor correspondiente al segundo cuartil, Q2, coincide con
el valor de la mediana.
La fórmula para obtener el lugar del k-ésimo cuartil, siendo n el número de

observaciones, es:
(n + 1)
LQk = k --------- Fórmula para obtener el lugar del k-ésimo cuartil.
4
Así buscando en la lista ordenada, de los valores o en la columna de la frecuencia
cuartil. En la práctica, tomaremos el valor de la variable correspondiente a la frecuencia
acumulada inmediata superior al valor obtenido de lQk.
Es decir el valor del los cuartiles será:
Q k
 x k
( n 1 )
4
Si queremos determinar un valor debajo del cuál se halle el 25% de los datos,
calculamos el 1er cuartil Q1, si queremos calcular un valor debajo del cuál se halle el
50% de los datos calculamos el segundo cuartil Q2 y si nos interesa calcular un valor
debajo del cuál se halle el 75% de los datos, calculamos el tercer cuartil Q3.
Si se obtiene valores fraccionados, hacemos una interpolación lineal entre los
dos valores correspondientes a las dos observaciones de la muestra.
Ejemplo 11:
Las siguientes cifras son el importe del consumo de 15 personas en un
restaurant, en orden ascendente, en unidad pesos, 100, 100, 250, 250, 250, 350, 400,
530, 900, 1250, 1350, 2450, 2750, 3090, y 4100. Determinar a) el primer quartil, b) el
primer decil, c) el 40-ésimo percentil
n  1 15  1
a) LQ1   4
4 4
Q1  x n 1  x 4  250
4
n  1 16
b) LD1    1,6  2
10 10
D1 = 100
__________________________________________________________________________ 32
¿Qué significa que el primer cuartil tome el valor $250?
Significa que el 25 % de los valores son inferiores o iguales a $250 y el 75%
restante es mayor o igual a $250.
¿Qué significa que el primer decil tome el valor $100?
Significa que el 10 % de los valores son inferiores o iguales a $100 y el 90 %
restante es mayor o igual a $100.
p. n  p 40.(n  1) 2
c) LP40    .(n  1)  6, 4  7
100 100 5
P40 =x(7) = 400
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS
MODA
Para calcular la moda es necesario identificar primero, la clase modal, que es

aquella que tenga mayor frecuencia absoluta.
Una vez identificada la clase modal el valor de la moda dentro del intervalo se
halla mediante la fórmula:
  
x L  .c 1
   
Mo m
1 2
Siendo:
L : límite inferior de la clase modal
Δ : valor absoluto de la diferencia entre la frecuencia de la clase modal y la
premodal.
Δ2: valor absoluto de la diferencia entre la frecuencia de la clase modal y la
posmodal
c: longitud de la clase modal
__________________________________________________________________________ 33
clase modal
30
25
20
15
f
10
5
0
3
4
5
X
MEDIA ARITMÉTICA MUESTRAL
Para calcular la media para datos agrupados utilizaremos la formula:
f1 . m1 ......  f k . mk 1 k
x  .  f i . mi
f1  f 2 .....  f k n i 1
Siendo:
mi: punto medio de la clase i
fi . mi : valor total de observaciones que corresponde a la clase i
k: número de clases
MEDIANA MUESTRAL
interpolación algebraico.
En el método gráfico, el valor de la mediana se halla por interpolación
de la curva ojiva de la distribución.
Trazamos una línea horizontal partiendo del eje vertical por n/2 ó 0,5 según sea la
escala de frecuencia absoluta o frecuencia relativa hasta la ojiva, luego
trazamos una recta perpendicular a la escala horizontal para localizar el valor de la
mediana.
__________________________________________________________________________ 34
Ejemplo 12:
Hallar la mediana de los pesos de 40 estudiantes de la State University, dados
por el siguiente cuadro:
Peso (libra) fi Fi fri Fri

117,5 - 126,5 3 3 0,075 0,075
126,5 -135,5 5 8 0,125 0,200
135,5 - 144,5 9 17 0,225 0,425
144,5 - 153,5 12 29 0,300 0,725
153,5 - 162,5 5 34 0,125 0,850
162,5 - 171,5 4 38 0,100 0,950
171,5 - 180,5 2 40 0,050 1
f
i 1
i  40
CURVA OJIVA Y MEDIANA
0,8
0,6
Fr
0,4
0,2
0
117,5 135,5 153,5 171,5
X
valor de la mediana se obtiene ubicando primero la

clase mediana. La fórmula para obtener dicho lugar, siendo n el número de
observaciones es:
(n+1)
LMe=---------
2
__________________________________________________________________________ 35
así, buscando el valor obtenido en la columna de la frecuencia acumulada, se ve el
intervalo correspondiente a la clase mediana. Si el número obtenido en LMe no existe, se
toma el inmediato superior.
Una vez identificada la clase mediana el valor de la mediana dentro del intervalo
se halla mediante la fórmula:
n 
 2  Fp 
Me  L 0,5  .c
 f 0,5 
 
Siendo
L 0,5: límite inferior de la clase mediana.

Fp : frecuencia acumulada de la clase anterior a la clase mediana.
f 0,5: frecuencia absoluta de la clase mediana.
c: longitud de la clase mediana
n: tamaño de la muestra
Hallar la mediana en nuestro ejemplo 12:
 20  17 
Me  144,5   .8  146,8libras
 12 
Conclusión el 50% de los alumnos pesan 146,8 libras o menos, y el otro 50%
pesan 146,8 libras o más.
CUANTILES MUESTRALES PARA DATOS AGRUPADOS
PERCENTILES
Hay dos métodos para localizar el percentil k, el método gráfico y el método

algebraico.
En método gráfico, el valor del percentil k se halla mediante la observación de la
ojiva de la distribución.
En el método algebraico, el valor del percentil k se obtiene ubicando primero, la
clase del percentil k. La fórmula para obtener dicho lugar, siendo n el número de
observaciones es:
(n + 1)
LPk = k --------- Fórmula para obtener el lugar del k-ésimo percentil
100
Así, buscando el valor obtenido, LPk, en la columna de la frecuencia acumulada,
se puede obtener el intervalo correspondiente a la clase k, en la columna de los valores
de la variable. Si el número obtenido en LPk, no existe, se toma el inmediato superior.
__________________________________________________________________________ 36
Una vez identificada la clase del percentil k el valor del percentil k dentro del intervalo se
halla mediante la fórmula:
 k .n 
100  Fant. Pk 
Pk  Linf . Pk  .c
 f pk 
 
Siendo:
LinfPk : límite inferior de la clase del percentil k.
Fant Pk: frecuencia acumulada de la clase anterior a la clase del percentil k.
fPk : frecuencia absoluta de la clase del percentil k.
c: longitud de la clase del percentil k.
n: tamaño de la muestra.
DECILES:
Hay dos métodos para localizar el decil k, el método gráfico y el método
algebraico.
En método gráfico, el valor del decil k se halla mediante la observación de la ojiva
de la distribución.
En el método algebraico, el valor del decil k se obtiene ubicando primero, la clase
del decil k. La fórmula para obtener dicho lugar, siendo n el número de observaciones
es:
(n + 1)
LDk = k --------- Fórmula para obtener el lugar del k-ésimo decil
100
Así, buscando el valor obtenido, LDk, en la columna de la frecuencia acumulada,
se puede obtener el intervalo correspondiente a la clase k, en la columna de los valores
de la variable. Si el número obtenido en LDk, no existe, se toma el inmediato superior.
Una vez identificada la clase del decil k el valor del decil k dentro del intervalo se halla
mediante la fórmula:
 k .n 
  Fant 
Dk  Linf   10 .c
 f Dk 

 

Siendo:
Linf: límite inferior de la clase del decil k.

Fant : frecuencia acumulada de la clase anterior a la clase del decil k.
fDk : frecuencia absoluta de la clase del decil k.
c: longitud de la clase del decil k.
__________________________________________________________________________ 37
n: tamaño de la muestra
CUARTILES:
Como la mediana es el 2do cuartil o el 5to decil o el 50-ésimo percentil. De

forma análoga que calculamos la mediana calcularemos los cuartiles.
Por lo tanto hay dos métodos para localizar el cuartil k, el método gráfico y el
método algebraico.
En método gráfico, el valor del cuartil k se halla mediante la observación de la
ojiva de la distribución.
En el método algebraico, el valor del cuartil k se obtiene ubicando primero, la
clase del cuartil k. La fórmula para obtener dicho lugar, siendo n el número de
observaciones es:
(n + 1)
LQk = k --------- Fórmula para obtener el lugar del k-ésimo cuartil.
4
Así, buscando el valor obtenido en la columna de la frecuencia acumulada, se
puede obtener el intervalo correspondiente a la clase k, en la columna de los valores de
la variable. Si el número obtenido en LQk, no existe se toma el inmediato superior.
Una vez identificada la clase del cuartil k el valor del cuartil k dentro del intervalo
se halla mediante la fórmula:
 k .n 
 4  Fant 
Q k  L inf  c
 f Qk 
 
Siendo:
Linf : límite inferior de la clase del cuartil k.

Fant : frecuencia acumulada de la clase anterior a la clase del cuartil k.
fQk : frecuencia absoluta de la clase del cuartil k.
c: longitud de la clase del cuartil k.
n: tamaño de la muestra.
A los cuartiles, deciles, percentiles y otros valores obtenidos por subdivisiones

análogas de los datos se los llama en forma general cuantiles.
MEDIDAS DE DISPERSIÓN DE UNA POBLACIÓN
Las medidas de tendencia central nos indican los valores alrededor de los cuales
se distribuyen los datos.
Las medidas de dispersión nos proporcionan una medida del mayor o menor
agrupamiento de los datos respecto a los valores de tendencia central.
Todas las medidas de dispersión son valores mayores o iguales a cero, indicando
un valor cero, la ausencia de dispersión.
__________________________________________________________________________ 38
Un promedio puede ser engañoso a menos que vaya acompañado de otra
información que nos diga la amplitud o sus desviaciones con relación al promedio.
 RECORRIDO O RANGO
El rango de las observaciones en un conjunto de datos es la diferencia entre

el valor más grande y el más pequeño.
R =xmáx - xmín
El rango proporciona una rápida indicación de la variabilidad existente entre las

observaciones de un conjunto de datos. Sin embargo, debe usarse con precaución
ya que su valor es función únicamente de dos valores extremos pertenecientes al
conjunto, debe evitarse el uso del rango como medida de variabilidad, cuando el
número de observaciones en un conjunto es grande o cuando éste contenga algunas
observaciones cuyo valor sea relativamente grande
Para muchos problemas tiene una mayor utilidad determinar el recorrido entre
dos valores cuantiles que entre dos valores extremos.
La diferencia entre el tercer y primer percentil, recibe el nombre de recorrido
intercuantil, sólo incluye el 50% central de la distribución.
La diferencia entre los percentiles noveno y décimo recibe el nombre de
recorrido interdecil, toma el 80% central de la distribución.
 VARIANZA POBLACIONAL
La varianza de las observaciones x1, x2,....., xN de una población es el promedio

del cuadrado de las distancias entre cada observación y la media poblacional.
 (x  )
i
2
2  i 1
 DESVIACIÓN ESTÁNDAR POBLACIONAL
La raíz cuadrada de la varianza se denomina desviación estándar .
 (x  )
i
2
 i
La varianza y la desviación estándar no son medidas de variabilidad

distintas, debido a que esta última no puede determinarse a menos que se conozca
la varianza.
__________________________________________________________________________ 39
El valor de la varianza puede sufrir un cambio muy desproporcionado aún
más que la media, por la existencia de algunos valores extremos en el conjunto de
datos.
A menudo se prefiere la desviación estándar con relación a la varianza, porque

se expresa en las mismas unidades físicas de las observaciones.
COEFICIENTE DE VARIACIÓN POBLACIONAL
A menudo nos interesa comparar la variabilidad entre dos o más poblaciones.
Puede hacerse esto con sus respectivas varianzas o desviaciones estándar,

cuando las variables se dan en las mismas unidades, y sus medias son
aproximadamente iguales.
Cuando no sucede esto utilizamos una medida relativa de variabilidad

llamada coeficiente de variabilidad.
El coeficiente de variabilidad es la razón entre la desviación estándar y la

media.

C.V . 

Esta medida es independiente de las unidades utilizadas. Por esta razón es

útil para comparar distribuciones donde las unidades pueden ser diferentes.
Un inconveniente del coeficiente de variación es que deja de ser útil cuando x esta
próxima a cero.
__________________________________________________________________________ 40
MEDIDAS DE DISPERSIÓN DE UNA MUESTRA
Las medidas de dispersión que se calcularon para una población se pueden

calcular en una muestra. Estas son: rango, varianza, desviación estándar y
coeficiente de variación. Estas medidas calculadas en una muestra reciben el
nombre es estadísticos.
Rango de una muestra
R =xmáx - xmín
n __
 ( x  x)i
2
VARIANZA MUESTRAL S2  i 1
n -1
__
 ( xi  x ) 2
DESVIACIÓN ESTÁNDAR MUESTRAL S i
n 1
S
C.V .  __
COEFICIENTE DE VARIACIÓN
x
Ejemplo 13: Para ver sus aplicaciones analizaremos tres muestras de 40 alumnos cada
una, a los que se les tomó una evaluación de seis preguntas. Los xi indican el número
de respuestas correctas y los fi indican la cantidad de alumnos que obtuvieron dicho
valor.
xi fi xi fi xi fi
1 1 1 16 1 6
2 2 2 3 2 7
3 17 3 1 3 7
4 17 4 1 4 7
5 2 5 3 5 7
6 1 6 16 6 6
Grupo 2
20
15
f 10
__________________________________________________________________________ 41
Estadística descriptiva 5
0
1 2 3 4 5 6
R. Correct as
Las tres distribuciones tienen la misma media aritmética, 2,5 puntos ¿pero
podemos afirmar que hay homogeneidad entre los grupos?. Gráficamente vemos que el
valor de la media aritmética no es suficiente para describir cada una de las situaciones.
Para precisar mejor lo que denominamos como “dispersión” podemos calcular
unos estadísticos que nos den más información, sin necesidad de representar los datos.
VARIANZA PARA DATOS AGRUPADOS
1 k
s2  
n  1 i 1
f i ( mi  x ) 2
Siendo:
mi : punto medio de la clase
k: número de clases
DESVIACIÓN ESTÁNDAR PARA DATOS AGRUPADOS:

k
 f (m  x)
i i
2
s i 1
n 1
Resumen: Estamos en condiciones de resumir en un gráfico que escala debo utilizar con
cada variable y que medidas de tendencia central se pueden obtener con cada escala.
DATOS
VARIABLE VARIABLE
CATEGÓRICA O NUMÉRICA O
CUALITATIVA CUANTITATIVA
ESCALA DE ESCALA
ESCALA ESCALA
INTERVALO DE RAZÓN
NOMINAL ORDINAL
__________________________________________________________________________ 42
Moda Moda
Moda
Mediana
Mediana
Media Aritmética
Ejemplo 14:
Se ha medido la vida, en horas, de cincuenta lámparas incandescentes, obteniendo
la siguiente muestra:
1067 919 1196 785 1126 936 918 1156 920 948
855 1092 1162 1170 929 950 905 972 1035 1045
1157 1195 1195 1240 1122 938 970 1237 956 1102
1022 978 832 1009 1157 1151 1009 765 958 902
923 1233 811 1217 1085 896 958 1211 1037 702
a) Agrupe los datos en una tabla de distribución de frecuencias con intervalos

de clase de 100 horas, comenzando con la clase  699,5 ; 799,5).
Consideraremos la variable en estudio:
X: “Duración de lámparas incandescentes” (en horas)
Intervalos fi Fi fri Fri

 699,5 ; 799,5 ) 3 3 0,06 0,06
 799,5 ; 899,5 ) 4 7 0,08 0,14
 899,5 ; 999,5 ) 17 24 0,34 0,48
 999,5 ; 1099,5 ) 9 33 0,18 0,66
 1099,5 ; 1199,5 ) 12 45 0,24 0,90
 1199,5 ; 1299,5 ) 5 50 0,10 1,00
50
b) Dibuje un histograma y el polígono de frecuencias correspondiente
HISTOGRAMA Y POLÍGONO DE FRECUENCIAS
__________________________________________________________________________ 43
18
16
14
12
frecuencia
10
8
6
4
2
0
599,5 699,5 699,5 799,5 799,5 899,5 899,5 999,5 999,5 1099,5 1099,5 1199,5 1299,5 1399,5
1199,5 1299,5
duración de lámparas incandescentes (en horas)
c) Grafique la función de frecuencia acumulativa (curva ojiva).
CURVA OJIVA
50 50 50
45 45
frecuencia acumulada
40
35 33
30
25 24
20
15
10
7
5 3
0 0
6 9 9 ,5 7 9 9 ,5 8 9 9 ,5 9 9 9 ,5 1 0 9 9 ,5 1 1 9 9 ,5 1 2 9 9 ,5 1 3 9 9 ,5
duración de lámparas incandescentes (en horas)
d) Calcule la media, la mediana, el modo y la desviación estándar de los datos

brutos.
 Media aritmética:
1
x = n1  xi fi = . 51054 = 1021,08 horas.
i 50
 En promedio, las lámparas duran 1021,08 horas
 Mediana:
El orden de la mediana es (n+1)/2 = 25,5, lo que indica que la mediana será el
promedio entre los números que ocupen las posiciones n/2 y (n+2)/2, o sea, el promedio
entre 1009 horas y 1009 horas, es decir:
__________________________________________________________________________ 44
Me = 1009 horas.
 Esto indica que el 50% de las lámparas duran 1009 horas o menos y el otro
50% de las lámparas duran 1009 horas o más.
 Moda:
Como hay tres valores que tienen máxima frecuencia, decimos que la
distribución es trimodal, siendo:
Mo1 = 1009 horas Mo2 = 1157 horas Mo3 = 1195horas
 Los valores con mayor frecuencia son 1009 horas, 1157 horas y 1195
horas.
 Desviación estándar:
s = s 2 = 137,484818 horas.
 En promedio la duración de las lámparas se apartan de la media en

aproximadamente 137,48 horas.
e) Calcule la media, la mediana, el modo y la desviación estándar de

los datos agrupados.
 Media aritmética:
1 1
x = n  mi fi = . 51275 = 1025,5 horas.
i 50
 En promedio, las lámparas duran 1025,5 horas
 Mediana:
El orden de la mediana es (n+1)/2 = 25,5, luego, observando la frecuencia
acumulada, elegimos la primera que sea mayor o igual a 25,5, entonces, Me  [ 999,5 ;
1099,5 ) que es la clase mediana.
El valor de la mediana dentro del intervalo está dado por:
c.
 n - F 
2 
ant Me
100 . 25 - 24

Me = LiMe + = 999,5 + = 1010,61 horas.
fMe 9
 Esto indica que el 50% de las lámparas duran 1010,61 horas o menos y el
otro 50% de las lámparas duran 1010,61 horas o más.
__________________________________________________________________________ 45
* Moda: La mayor frecuencia se da en el intervalo [ 899,5 ; 999,5) que es la
clase modal. Se observa que con los datos agrupados tenemos una distribución
unimodal.
El valor del modo dentro del intervalo está dado por:
1 13
Mo = LiMo + l . = 899,5 + 100 . = 961,40 horas.
1   2 13 + 8
(siendo 1 = fMo - fant. Mo y 2 = fMo - fpost. Mo )
 El valor que representa la mayor frecuencia es 961,40 horas.
* Desviación estándar:
s = s 2 = 134,8619854 horas.
 En promedio la duración de las lámparas se apartan de la media en

aproximadamente 134,86 horas.
f) Compare los resultados obtenidos en los incisos d y e.
Datos no agrupados Datos agrupados

Media 1021,08 horas 1025,5 horas
Mediana 1009 horas 1010,61 horas
Modo 1009 horas - 1157 horas -1195 horas 961,40 horas
Desviación estándar 137,48 horas 134,86 horas
Comentarios:
La media se mantiene parecida porque la muestra es bastante
homogénea.
La mediana es la que menos varía.
El modo es muy distinto porque al ser agrupados las frecuencias
cambian.
El desvío se mantiene bastante parecido.
g) Calcule R, Q3 - Q1 y C.V..
* Rango o amplitud muestral:
R = xmáx - xmín = 1240 horas - 702 horas = 538 horas.
La amplitud de la muestra es de 538 horas.
 Recorrido intercuartílico:
Recordemos que llamamos recorrido intercuartílico a la amplitud entre el

primer cuartil y el tercer cuartil. Se utiliza cuando nos interesa trabajar con el 50 %
central de la distribución alrededor de la mediana.
Q3 - Q1 = 1137 horas - 931,85 horas = 205,15 horas.

__________________________________________________________________________ 46
El 50% de los valores alrededor de la mediana se hallan entre 931,85
horas y 1137 horas, o sea, hay una diferencia de 205,15 horas entre los cuartiles 1 y
3.
Como lo obtuvimos:
El orden del primer cuartil es (n+1) .1 / 4 = 12,75
Luego, observando la frecuencia acumulada, elegimos la primera que sea mayor o
igual a 12,75, entonces:
Q1  [ 899,5 ; 999,5 ) que es la clase del cuartil 1.

El valor del cuartil 1 en el intervalo está dado por
c.
 n .1 - F 
4 
ant Q1
Q1 = LiQ1 +
fQ1

100 . 12,5 - 7 
Q1 = 899,5 + = 931,85 horas.
17
El 25% de las lámparas duran 931,5 horas o menos y el 75 % restantes duran
931,5 horas o más.
El orden del tercer cuartil es (n+1) .3 / 4 = 38,25

igual a 38,25; entonces:
Q3  [ 1099,5; 1199,5 ) que es la clase del cuartil 3.

El valor del cuartil 3 en el intervalo está dado por
c.
 n .3 - F 
4 
ant Q3
Q3 = LiQ3 +
fQ3
100 . 37,5 - 33
Q3 = 1099,5 + = 1137 horas.
12
 El 75% de las lámparas duran 1137 horas o menos y el 25 % restantes

duran 1137 horas o más.
* Coeficiente de variación:
s 134,86
C.V. = = = 0,1315.
x 1025,5
Tenemos un coeficiente de variación de 0,1315 o del 13,15%.

Esto significa que el desvío estándar s es un 13,15 % de la media.
__________________________________________________________________________ 47
h) ¿Cuál es y qué representa el percentil 45?.
El percentil de orden 45 es (n+1) . 45 / 100 = 22,95

igual a 22,95; entonces:
P45  [ 899,5 ; 999,5 ) que es la clase del percentil 45.

El valor del percentil 45 en el intervalo está dado por
c.
 n .45 - F 
 100 
ant P45
P45 = LiP45 +
fP45
100 . 22,5 - 7 
P45 = 899,5 + = 990,68 horas.
17
El 45% de las lámparas duran 990,68 horas o menos y el 55% restante

duran 990,68 horas o más.
i) ¿Por debajo de qué valor se halla el 25% de las horas de vida de estas
lámparas?.
El valor que deja por debajo de él el 25% es el cuartil 1, Q1 = 931,85 horas .
El 25% de las lámparas duran 931,5 horas o menos.
j) ¿Qué porcentaje de lámparas duró hasta 1140 horas?.
El rango percentil de x está dado por

x - LiP#
Fant P# + .fi
RP de x = c . 100%
n
1140 - 1099,5
33 + .12
RP de 1140 = 100 . 100% = 75,72% .
50
El 75,72% de las lámparas duran 1140 horas o menos.
k) ¿Qué porcentaje de lámparas duró menos de 1000 horas?.
1000 - 999,5
24 + .33
RP de 1000 = 100 . 100% = 48,33%.
50
__________________________________________________________________________ 48
El 48,33% de las lámparas duran 1000 horas o menos.
l) ¿Qué porcentaje de lámparas duró más de 900 horas?.
900 - 899,5
7+ .17
RP de 900 = 100 . 100% = 14,17%.
50
El 14,17% de las lámparas duran 900 horas o menos, por lo que

100-14,17=85,83 %, es decir el 85,83% de las lámparas duran más de 900 horas.
CARACTERÍSTICAS DE FORMA DE UNA POBLACIÓN
Cuando conocemos las medidas de tendencia central, las medidas de dispersión

es conveniente conocer también la forma de la distribución, es decir analizar su simetría
y su curtosis.
MEDIDAS DE ASIMETRÍA
Decimos que una distribución es simétrica cuando las medidas de tendencia

central, media aritmética, mediana y moda coinciden:
  X Mo  X 0,5
El sesgo es el grado de asimetría, de una distribución. Si la curva de frecuencia
de una distribución tienen una “cola” más larga a la derecha del máximo central que a la
izquierda se dice que la distribución es sesgada a la derecha o que tiene sesgo
positivo. Si es al contrario, se dice que es sesgada a la izquierda o que tiene sesgo
negativo.
La medida Pearsoniana de asimetría se basa en las relaciones entre la media,
mediana y la moda. Para una distribución unimodal simétrica‚ estas tres medidas son
de idéntico valor, pero para una distribución asimétrica‚ la media se aleja de la moda
con la mediana entre ellas.
La distancia entre la media y la moda podría usarse para medir la asimetría.
ASIMETRÍA =   X M o
Cuanto mayor es esa distancia, tanto más asimétrica‚ es la distribución.

Esta medida puede adimensionarse dividiéndola por una medida de dispersión, tal
como la desviación típica, esta medida se conoce como coeficiente de asimetría.
Un ejemplo típico de una distribución simétrica es la distribución normal.
__________________________________________________________________________ 49
DISTRIBUCIÓN NORMAL: función densidad
CURVA NORMAL
0.45
0.4
0.35
0.3
f(x) 0.25
0.2
0.15
0.1
0.05
0
1 3 5 7 9 11 13 15 17 19 21 23 25
x
Se observa que en esta distribución la media aritmética, la mediana y la moda
coinciden. _
Curva simétrica:   X Mo  X 0,5
Un ejemplo de una distribución asimétrica a derecha o con sesgo positivo,

es la Distribución Binomial con parámetros: n=8, p=0,20
Distribución Binomial
0.4
0.35
0.3
0.25
f(x)
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9
X
Se observa que la media aritmética es mayor que la mediana y la moda, se
observa que la mediana se encuentra entre la media aritmética y la moda.
Curva asimétrica positiva: XMo  X0,5  
Un ejemplo de una distribución asimétrica a izquierda o con sesgo negativo:

Binomial con parámetros n = 8, p= 0,8
__________________________________________________________________________ 50
Distribución Binomial
0.4
0.35
0.3
f(x) 0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9
X
Se observa que la Moda es mayor que la mediana y la media aritmética. La

mediana se encuentra entre la moda y la media aritmética.
Curva asimétrica negativa:   X0,5  XMo
Conclusión
Curva simétrica:  = XMo =X0,5

__
Curva asimétrica positiva: XMo  X0,5  
Curva asimétrica negativa:   XMe  XMo
COEFICIENTE DE ASIMETRÍA
Para saber si una distribución con una sola moda, es asimétrica a la derecha o a
la izquierda, sin necesidad de representarla gráficamente, podemos utilizar el
coeficiente de asimetría de Pearson que calcularemos:
  x MO
AP 
d
 En una distribución simétrica unimodal, la media, la mediana y la moda
coinciden. En este tipo de distribuciones los datos se encuentran repartidos a
lo largo del recorrido de forma que todas las medidas de tendencia central
están justo en el centro del conjunto de datos. Si la distribución es simétrica,
Ap=0, ya que la media aritmética es igual al modo.
 Si la distribución unimodal es asimétrica a la derecha, entonces, Ap >0, ya que

la media aritmética es mayor que el modo.
 Si la distribución unimodal es asimétrica a la izquierda, entonces, Ap <0, ya que

la media aritmética es menor que el modo.
__________________________________________________________________________ 51
CURTOSIS O APUNTAMIENTO
La curtosis mide como se concentran los datos alrededor de su media. Es una

medida de qué tan puntiaguda es la distribución de probabilidad.
COEFICIENTE DE CURTOSIS
Cuando una distribución es simétrica, a veces es interesante saber si es más o

menos apuntada que la curva normal. Existe un coeficiente ideado por Fisher, que mide
el apuntamiento y se calcula:
1
N
 (x i  )4 . fi
CF  i
2
3
1 

N
i ( xi   ) 2 . f i 
pero se diferencian en cuanto que unas son más planas que otras, esta característica
es conocida como curtosis.
mesocúrtica, Si calculamos su curtosis su valor será tres.
leptocúrtica, si calculamos su valor nos dará un valor positivo, mayor que tres. Los
datos se encuentran muy concentran alrededor de su media.
toma como referencia, se la llama platocúrtica. Si calculamos su curtosis nos dará un

valor menor que 3. Los datos estan alejados de su media.
CURTOSIS
6
4 Curva A
Platocúrtica
ASAC.
f(x 3 "Curva C
)
cA.
Mesocúrtic
2 a
Curva B
1 bB.
Leptocúrtic
a
0
1 3 5 7 9 11 13 15 17 19 21 23 25
__________________________________________________________________________ 52
__________________________________________________________________________ 53

Apuntes Estadística Descriptiva - TUP - 2020

Cargado por

Copyright:

Formatos disponibles

Apuntes Estadística Descriptiva - TUP - 2020

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Estadística Descriptiva - TUP - 2020

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA DESCRIPTIVA

La estadística es una ciencia que permite tomar decisiones frente a diferentes

La Estadística Descriptiva está constituida por el conjunto de métodos

La Estadística Inferencial es un área de esta ciencia que se dedica al análisis

De lo expuesto puede derivarse la importancia de las amplias relaciones que se

La Bioestadística es la aplicación de los métodos estadísticos a la solución de los problemas

La creciente importancia y aplicación de la estadística a los datos biológicos es

Vamos a definir varios términos importantes y necesarios para la comprensión de

Hemos definido “observación individual” y “muestra de observaciones”; las que

Siendo: P: el conjunto que representa la población y A es un subconjunto de P,

La muestra debe cumplir ciertas condiciones: representatividad, aleatoriedad e

 Aleatoriedad: cada elemento de la población debe tener la misma posibilidad de ser

 Independencia: esto equivale a decir que la probabilidad de que cualquier miembro

Es el experimento que proporciona diferentes resultados aún cuando se repita

TIPOS DE DATOS Y ESCALAS DE MEDICIÓN

Para poder organizar y representar los distintos tipos de datos vamos

DEFINICIÓN DE VARIABLE, CARÁCTER O ATRIBUTO

Es la característica que sintetiza o abrevia conceptualmente lo que se desea conocer

A estas características las clasificamos en cualitativas y cuantitativas.

Carácter cualitativo: es aquella característica de la unidad de análisis que no es

Carácter cuantitativo: es aquella característica de la unidad de análisis que si es

Variables discretas: son aquellas que toman un numero finito o infinito

Ej. Número de alumnos por aula

Variables continuas: son aquellas que toman un numero infinito no numerable

Ej: Tiempo de duración de las lámparas

Las variables pueden ser clasificadas como unidimensionales, bidimensionales o

Puede interesarnos analizar distintas características de un mismo individuo. Estas

ESCALA ESCALA ESCALA DE ESCALA

x1 f1 fr1 F1 = f1 Fr1= fri

 En la 1era columna aparecen los distintos valores xi de la característica X

La suma de todas las frecuencias absolutas nos da el tamaño de la muestra, n.

La presentación de los datos de estas variables puede realizarse mediante tablas

a) DATOS SIN AGRUPAR

Realizaremos primeramente una presentación tabular de los datos sin agrupar. Se

TABLA DE DISTRIBUCIÓN DE FRECUENCIAS

El gráfico que le corresponde, cuando queremos graficar la variable aleatoria con

TABLA DE DISTRIBUCIÓN DE FRECUENCIAS

GRÁFICO DE FRECUENCAS ABSOLUTAS ACUMULADAS:

Gráfico de Frecuencias Acumuladas

GRÁFICO DE TALLO Y HOJAS

Es interesante conocer simultáneamente el valor individual de cada una de las

1. Los datos ordenados de menor a mayor son:

3. A continuación, para cada dato original, vamos escribiendo, ordenadamente, el

GRÁFICO DE TALLO Y HOJAS

Otro gráfico que podemos utilizar es el gráfico de puntos o puntigramas, que

400 420 440 460 480 500 520

Para resumir la información y adquirir una visión global y sintética de variables

TABLA DE DISTRIBUCIÓN DE FRECUENCIAS PARA

Para proceder a la construcción de una tabla de distribución de frecuencias con

FRECUENCIA RELATIVA DE CLASE: es el cociente entre la frecuencia de clase

Las fronteras de clase se denominan límites son los puntos específicos de la

Si calculamos el rango del intervalo de clases obtenemos la longitud del

Al graficar los intervalos de clase relacionado con sus frecuencias relativas,

Un histograma o histograma de frecuencias consiste en una serie de rectángulos

También puede graficarse los datos agrupados mediante un polígono de

El número de clases que se emplea depende del total de observaciones.

k = 1 + 3,3 log n siendo n: número de muestras consideradas.

1. Ordenar los datos de menor a mayor

119 125 126 128 132 135 135 135