UNED

Introduccin al anlisis de datos

TEMA 1

UNED

CONCEPTOS BSICOS Y
ORGANIZACIN DE DATOS

2010

UNED

Centro Asociado A Coru

Corua

Introducci
Introduccin al an
anlisis de datos
LA INVESTIGACI
INVESTIGACIN EN PSICOLOG
PSICOLOGA

Carmen Voces

2010

TEMA 1

UNED

Sistem
Sistemtico:
tico: se trata de un procedimiento que tiene etapas diferenciadas

Replicable:
Replicable: los datos obtenidos mediante su uso tienen que poder ser replicados
replicados o refutados
por cualquier investigador interesado

Centro Asociado A Coru

Corua

Introducci
Introduccin al an
anlisis de datos
ESTAD
ESTADSTICA DESCRIPTIVA E INFERENCIAL

Carmen Voces

TEMA 1

Estad
Estadstica: se ocupa de la sistematizaci
sistematizacin, recogida, ordenaci
ordenacin y presentaci
presentacin de los datos
referentes a un fen
dico, con
fenmeno que presenta variabilidad o incertidumbre para su estudio met
met
objeto de hacer previsiones sobre los mismos, tomar decisiones u obtener conclusiones. Teniendo
en cuenta las funciones de la estad
estadstica, podemos considerar dos grandes reas:

Estad
Estadstica Descriptiva:
Descriptiva: organiza y resume conjuntos de observaciones procedentes de una
una
muestra o de la poblaci
poblacin total, en forma cuantitativa. Este resumen puede hacerse mediante
mediante
tablas, gr
grficos (tema 1) o valores num
numricos:
En el caso de una variable podemos recurrir a:

El m
mtodo cient
cientfico, por tanto, proporciona una manera de actuar para afrontar una investigaci
investigacin, a
trav
travs de las siguientes fases interdependientes:

a) ndices de tendencia central (tema 2): cules son los valores ms habituales de esa
variable?

1. Definici
Definicin del problema

b) Estad
Estadsticos de variabilidad (tema 3): hasta qu punto son similares o diferentes entre s?
c) Estad
Estadsticos de asimetr
asimetra (tema 3): en qu grado las observaciones se reparten
equilibradamente por encima y por debajo de la tendencia central?

2. Deducci
Deduccin de hip
hiptesis contrastables
3. Establecimiento de un procedimiento de recogida de datos

En el caso de dos variables podemos utilizar:

Introducci
Introduccin al
an
anlisis de datos

a) Coeficientes de correlaci
correlacin (tema 4): hasta qu punto estn ambas variables
relacionadas entre s?

5. Discusi
Discusin de dichos resultados y b
bsqueda de conclusiones

b) Ecuaciones de regresi
regresin (tema 4): Es posible predecir el valor de una en funcin de otra?

6. Elaboraci
Elaboracin de un informe de la investigaci
investigacin

2010

TEMA 1

1 PARTE
Conceptos bsicos

Mtodo cient
cientfico: El m
mtodo cient
cientfico consiste en dar raz
razn sistem
sistemtica, emp
emprica y en lo posible
experimental, de los fen
fenmenos (Yela
(Yela,, 1994). El m
mtodo cient
cientfico se caracteriza por ser sistem
sistemtico
y replicable.

4. An
Anlisis de los resultados obtenidos

Introduccin al anlisis de datos

Estad
Estadstica Inferencial:
Inferencial: se realizan inferencias acerca de una poblaci
poblacin bas
basndose en los
datos de una muestra. Para realizar estas generalizaciones de la muestra a la poblaci
poblacin total
se utiliza el c
clculo de probabilidades (temas 5 a 8)

2010

UNED

Introducci
Introduccin al an
anlisis de datos
ESTAD
ESTADSTICA DESCRIPTIVA E INFERENCIAL

TEMA 1

Poblaci
Poblacin: es el conjunto de todos los elementos que cumplen una
determinada caracter
caracterstica objeto de estudio
Muestra: es un subconjunto cualquiera de una poblaci
poblacin
Par
Parmetro: es una propiedad descriptiva (una medida) de una poblaci
poblacin
Estad
Estadstico: es una propiedad descriptiva (medida) de una muestra

UNED

Introducci
Introduccin al an
anlisis de datos
MEDICI
MEDICIN Y ESCALAS DE MEDIDA

TEMA 1

Medici
Medicin es el proceso por el cual se asignan n
nmeros a objetos o caracter
caractersticas
seg
segn determinadas reglas.
Llamamos caracter
caractersticas a cualquier propiedad de objetos o personas que
deseamos estudiar y modalidad a las distintas formas de presentarse esta
caracter
caracterstica. As
As pues, la medici
medicin consiste en asignar un n
nmero a cada una de
las modalidades de una caracter
caracterstica, convirtiendo algunas relaciones entre
modalidad en sus correspondientes relaciones entre los n
nmeros que representan
su medida.
Escala de medida: conjunto de reglas o modelos desarrollados para la asignaci
asignacin
de n
nmeros a los valores de las variables. Un ejemplo de escala de medida
medida es la
escala cent
centgrada de temperatura, que se basa en asignar 0
0 a la temperatura de
congelaci
congelacin del agua y 100
100 a la de ebullici
ebullicin.
En funci
funcin de las relaciones que puedan verificarse emp
empricamente entre las
modalidades de las caracter
caractersticas, y siguiendo la clasificaci
clasificacin de Stevens (1946),
pueden distinguirse cuatro tipos de escala de medida: nominal, ordinal,
ordinal, de intervalo
y de raz
razn.

2010

UNED

Tipo

Nominal

Ordinal

Intervalo

Raz
Razn

2010

Introducci
TEMA 1
Introduccin al an
anlisis de datos
MEDICI
MEDICIN Y ESCALAS DE MEDIDA (STEVENS, 1946)

2010

UNED

Introducci
Introduccin al an
anlisis de datos
VARIABLES: CLASIFICACI
CLASIFICACIN Y NOTACI
NOTACIN

TEMA 1

Variable es una representaci

representacin num
numrica de una caracter
caracterstica que presenta m
ms de una

Caracter
Caractersticas
bsicas

Relaciones v
vlidas

Ejemplos

Los n
nmeros
identifican y clasifican
objetos

Relaciones del tipo

igual que
que o distintos
que
que

Sexo, estado civil,

diagn
diagnstico cl
clnico

Adem
Adems, los n
nmeros
indican las posiciones
relativas de los objetos

Adem
Adems, relaciones
del tipo mayor que
que o
igual que
que

Nivel socioecon
socioeconmico,
nivel de estudios,
posici
posicin en el ranking
de la ATP, grado de
satisfacci
satisfaccin

Adem
Adems, hay una
unidad de medici
medicin
com
comn

Adem
Adems, igualdad o
desigualdad de
diferencias

Temperatura, fecha de
calendario, inteligencia

Adem
Adems, el punto cero
es absoluto

Adem
Adems, igualdad o
desigualdad de
razones

Longitud, peso, altura,

tiempo de reacci
reaccin,
coste econ
econmico

modalidad (valor) de un conjunto determinado. Si una caracter

caracterstica tiene una nica modalidad,
se trata de una constante.
constante.

Clasificaci
Clasificacin de las variables
Dicotmica
Nominal

Cualitativa

Dicotomizado

Politmica
Ordinal

Cuasicuantitativa

Politomizada

Discreta

Intervalo
Cuantitativa
Razn

Continua

Notaci
maysculas. Para referirnos a un valor cualquiera de la variable X se
se
Notacin: letras latinas may
utiliza el sub
nmero de elementos que componen la muestra, por lo
subndice i (X
(Xi) siendo n el n
que, de manera gen
genrica, designaremos la variable como: Xi siendo i = 1, 2, 3, ..., n.
2010

UNED

UNED

Introduccin al anlisis de datos

TEMA 1

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

Una distribuci
distribucin de frecuencias es una representaci
representacin de la relaci
relacin entre un conjunto de
medidas exhaustivas y mutuamente excluyentes y la frecuencia de cada una de ellas (Hay,
1988).
Adem
Adems de la organizaci
organizacin de los datos, la distribuci
distribucin de frecuencias cumple dos funciones
fundamentales: ofrecer la informaci
informacin necesaria para realizar representaciones gr
grficas y
facilitar los c
clculos para obtener los estad
estadsticos muestrales que ser
sern objeto de atenci
atencin en
los pr
prximos temas.

2 PARTE
Distribuciones de frecuencias

Frecuencia absoluta (ni): nmero de veces que se repite cada uno de los valores de una variable.
La suma de todas las frecuencias absolutas representa el total de la muestra (n)
Proporcin o frecuencia relativa (pi): cociente entre la frecuencia absoluta de cada valor de la
variable (ni) y el nmero total de observaciones (n). Formalmente pi = ni/n
Porcentaje (Pi): valor de la frecuencia relativa (pi) multiplicado por 100. Formalmente: Pi = pi x 100
Frecuencia absoluta acumulada (na): nmero de veces que se repite cada modalidad o
cualquiera de las modalidades inferiores
Proporcin acumulada o frecuencia relativa acumulada (pi): cociente entre la frecuencia
absoluta acumulada de cada clase y total de observaciones (n). Formalmente pa = na/n
Porcentaje acumulado (Pa): valor de la frecuencia relativa acumulada (pa) multiplicado por 100.
Formalmente: Pa = pa x 100

2010

Centro Asociado A Coru

Corua

UNED

Carmen Voces

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

VARIABLE NOMINAL: Sexo de 40 pacientes (Ejemplo 1.1).

X
Hombre
Mujer

X = las diferentes
modalidades o
categoras de la
variable

X
Primaria
ESO
FP
Diplomatura
Licenciatura

UNED

pi
0,6
0,4
1,0

Pi
60
40
100

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

ni = frecuencia absoluta,
nmero de observaciones
cada categora. n = n
total de observaciones

pi = frecuencia
relativa o
proporcin

Pi = porcentaje

pi = ni/n

pi
0,32
0,28
0,18
0,10
0,12
1,0

Pi = ni/n 100
Pi = pi 100

Pi
32
28
18
10
12
100

Valores de la
variable

Frecuencia
absoluta

Frecuencia
relativa

Porcentaje

Frecuencia
absoluta
acumulada

Frecuencia
relativa
acumulada

Porcentaje
acumulado

ni

pi

Pi

na

pa

Pa

Primaria

13

0,32

32

13

0,32

32

ESO

11

0,28

28

24

0,60

60

FP

0,18

18

31

0,78

78

Diplomatura

0,10

10

35

0,88

88

Licenciatura

0,12

12

40

1,00

100

n = 40

1,0

100

X = las diferentes
modalidades o
categoras de la
variable se
presentarn
ordenadas

VARIABLE ORDINAL: Nivel de estudios de 40 pacientes (Ejemplo 1.1).

2010

10

VARIABLE ORDINAL: Nivel de estudios de 40 pacientes (Ejemplo 1.1).

ni
24
16
n = 40

ni
13
11
7
4
5
n = 40

2010

11

2010

ni = frecuencia pi = frecuencia Pi = porcentaje na = frecuencia pa = frecuencia Pa = porcentaje

absoluta
absoluta
relativa
acumulado
relativa o
Pi = ni/n 100
acumulada,
acumulada, o
proporcin
n = n total de
Pa = na/n 100
Pi = pi 100
nmero de veces
proporcin
observaciones
Pa = pa 100
pi = ni/n
que se repite
acumulada
cada categora o
pa = na/n
cualquiera de las
categoras
inferiores

12

UNED

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

Valores de la
variable

Frecuencia
absoluta

Frecuencia
relativa

Porcentaje

Frecuencia
absoluta
acumulada

Frecuencia
relativa
acumulada

Porcentaje
acumulado

ni

pi

Pi

na

pa

Pa

Primaria

13

0,32

32

13

0,32

32

ESO

11

0,28

28

24

0,60

60

FP

0,18

18

31

0,78

78

Diplomatura

0,10

10

35

0,88

88

0,12

12

40

1,00

100

n = 40

1,0

100

2010

Ejemplo: Supongamos que a partir de una determinada poblacin, un investigador

selecciona una muestra de veinte familias, cuenta el nmero de hijos (X) y encuentra los
siguientes valores: 2, 1, 0, 3, 2, 2, 3, 1, 1, 0, 1, 2, 1, 2, 0, 2, 4, 2, 3 y 1

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

ID Edad
11
54
12
67
13
74
14
26
15
35
16
56
17
69
18
57
19
48
20
29

ID Edad
21
35
22
52
23
49
24
47
25
55
26
69
27
75
28
28
29
48
30
64

ID Edad
31
71
32
29
33
44
34
48
35
59
36
58
37
47
38
49
39
37
40
57

ID Edad
2
26
14 26
Valores
6
28
(edad)
ordenados 28
28
de menor a
20 29
mayor
32 29
5
34
3
35
15 35
21 35

ID Edad
39 37
33 44
8
45
9
47
24 47
37 47
19 48
29 48
34 48
23 49

ID Edad
38 49
1
50
10 52
22 52
11 54
25 55
16 56
18 57
40 57
36 58

Porcentaje
acumulado

pi

Pi

0,15

15

na

pa

Pa

0,15

0,30

15

30

0.45

45

0,35

35

16

0,80

80

0,15

15

19

0,95

95

0,05

20

1,00

100

n = 20

1,00

100

ni

UNED

ID Edad
35 59
4
64
30 64
12 67
17 69
26 69
31 71
7
73
13 74
27 75

Frecuencia
relativa
acumulada

TEMA 1

tanto, la variable toma valores entre 26 y 75 (ambos incluidos), hay 75 26 + 1 = 50 valores distintos.

Frecuencia
absoluta
acumulada

Frecuencia
absoluta

2010

Ejemplo: Edad (ejemplo 1.1). El participante de menor edad tiene 26 aos y el mayor 75, por lo

Porcentaje

Valores de la
variable

13

VARIABLE CUANTITATIVA DISCRETA CON MUCHOS VALORES.

En este caso ser necesario agrupar en intervalos: formar grupos de valores
consecutivos de la variable, situando cada uno de estos grupos en una fila, y calculando
la frecuencia de cada grupo o intervalo de valores, y no de cada valor de la variable.

ID Edad
1
50
2
26
3
35
4
64
5
34
6
28
7
73
8
45
9
47
10
52

TEMA 1

En este caso procederemos de la forma indicada para variables ordinales.

Para obtener estos valores, simplemente

hay que ir acumulando (sumando), desde
la categora de menor valor de la variable a
la de mayor valor, las frecuencias
absolutas (na), proporciones (pa) o
porcentajes (Pa), de cada categora de
respuesta

UNED

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

VARIABLE CUANTITATIVA DISCRETA CON POCOS VALORES.

VARIABLE ORDINAL: Nivel de estudios de 40 pacientes (Ejemplo 1.1).

Licenciatura

UNED

Frecuencia
relativa

14

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

VARIABLE CUANTITATIVA DISCRETA CON MUCHOS VALORES.

Qu nmero de intervalos es conveniente hacer? No existen normas estrictas en cuanto al
nmero de intervalos que se deben establecer, esta decisin depender del tratamiento que el
investigador quiera dar a la variable en su estudio, tratando de encontrar el equilibrio entre la
precisin que necesita y la manejabilidad de los datos.

Tomando intervalos de amplitud 10 obtendramos.

Valores de la
variable

Frecuencia
absoluta

Frecuencia
relativa

Porcentaje

Frecuencia
absoluta
acumulada

Frecuencia
relativa
acumulada

Porcentaje
acumulado

ni

pi

Pi

na

pa

Pa

26 - 35
36 - 45
46 - 55
56 - 65
66 - 75

10
3
13
7
7
n = 100

0,25
0,08
0,33
0,17
0,17
1

25
8
33
17
17
100

10
13
26
33
40

0,25
0,33
0,66
0,83
1,00

25
33
66
83
100

Rango total de valores = valor superior valor inferior + unidad de medida

Rango total de valores = 75 26 + 1 = 50 valores
2010

15

2010

16

UNED

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

TEMA 1

VARIABLE CUANTITATIVA CONTINUA

Lmites exactos = valor informado 0,5 I

Ejemplo: edad - precisin 1 ao

X
25,5 - 35,5
35,5 - 45,5
45,5 - 55,5
55,5 - 65,5
65,5 - 75,5

30,5
40,5
50,5
60,5
70,5

Porcentaje

Frecuencia
absoluta
acumulada

Frecuencia
relativa
acumulada

Porcentaje
acumulado

pi

Pi

na

pa

Pa

0,25
0,08
0,33
0,17
0,17
1

25
8
33
17
17
100

10
13
26
33
40

0,25
0,33
0,66
0,83
1,00

25
33
66
83
100

Frecuencia
absoluta

Frecuencia
relativa

ni
10
3
13
7
7
n = 100

2010

Intervalo: sinnimo del concepto de modalidad, es cada uno de los grupos de valores
que ocupan una fila en una distribucin de frecuencias
Lmites aparentes, virtuales o informados: son los valores mayor y menor de cada
intervalo, teniendo en cuenta el nivel de precisin del instrumento de medida

17

Punto medio del intervalo: es la semisuma de los lmites exactos o de los lmites
aparentes
Amplitud del intervalo: es la diferencia entre el lmite exacto superior y el lmite
exacto inferior (ejemplo, estatura en centmetros, I = 0,01: 1,575 1,915 = 0,34), o
entre el lmite aparente superior y el lmite aparente inferior ms la unidad de medida
(1,58 1,91 + 0,01 = 0,34).
Intervalo abierto: un intervalo que, por lo menos tericamente, no tiene lmite inferior
o lmite superior.

2010

UNED

UNED

TEMA 1

Lmites reales o exactos son los valores mximo y mnimo que tendra cada
intervalo si el instrumento de medida tuviera una precisin perfecta.

Siendo I la unidad del instrumento de medida

Punto
Medio

Introducci
Introduccin al an
anlisis de datos
DISTRIBUCIONES DE FRECUENCIAS

CONCEPTOS (Variables cuantitativas continuas y discretas)

Segn la tabla anterior la variable edad no puede tomar valores entre 45 y 46 aos, lo cual no es
cierto en la prctica. Debemos considerar esta variable como continua en el intervalo, es decir,
tiene que poder adoptar cualquier valor entre 26 y 75, de forma que el lmite superior exacto de
un intervalo coincida con el lmite inferior exacto del siguiente. Los valores que se leen en la
tabla anterior son lmites informados o aparentes.

Lmites exactos
Xi

UNED

Introduccin al anlisis de datos

TEMA 1

18

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

Variable nominal, ordinal y cuantitativa discreta

Ejemplo: nivel de estudios de 40 pacientes (ejemplo 1.1).

DIAGRAMA DE BARRAS

3 PARTE
Representaciones grficas

14
12

Eje de ordenadas:

10

Frecuencias (absolutas o
relativas)

8
6
4

Licenciado

Diplomado

FP

ESO

Primarios

Eje de abscisas:
Modalidades, categoras o valores de la variable

2010

Centro Asociado A Coru

Corua

Carmen Voces

2010

20

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

Variable ordinal y cuantitativa discreta

Variable nominal y ordinal

Ejemplo: nivel de estudios de 40 pacientes (ejemplo 1.1).

Ejemplo: nivel de estudios de 40 pacientes (ejemplo 1.1).

Es una
representacin
circular de
variables
cualitativas o
cuasicuantitativas,
en la que cada
modalidad ocupa
un sector con una
superficie
proporcional a su
frecuencia.

Licenciado

Diplomado

FP

ESO

Eje de ordenadas:
Frecuencias acumuladas
(absolutas o relativas)

40
35
30
25
20
15
10
5
0

Primarios

DIAGRAMA DE BARRAS ACUMULATIVO

DIAGRAMA DE SECTORES

13%
32%

10%

18%
27%

Primarios

ESO

FP

Diplomado

Licenciado

Eje de abscisas:
Modalidades, categoras o valores de la variable

2010

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

21

2010

TEMA 1

UNED

TEMA 1

El ngulo total del crculo,

representa el nmero
total de observaciones, y
para determinar el ngulo
de los sectores de cada
modalidad se multiplica la
frecuencia relativa o
proporcin por 360, que
es el nmero de grados
de una circunferencia

22

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

Variable nominal y ordinal

Variable cuantitativa continua con datos agrupados en intervalos

Ejemplo: nivel de estudios de 40 pacientes (ejemplo 1.1).

Ejemplo: Edad (precisin = 1 ao y n = 40).

Expresan con
dibujos alusivos al
objeto de estudio
las frecuencias de
las modalidades
de la variable.
Estos grficos se
hacen
representando a
diferentes escalas
un mismo dibujo,
de tal manera que
el rea de cada
uno sea
proporcional a la
frecuencia de la
modalidad que
representa

2010

HISTOGRAMA

PICTOGRAMA
14

25

Eje de ordenadas:
20
15
10
5
0

TEMA 1

Es un error hacer la
representacin con una
escala tal que el
permetro del dibujo sea
proporcional a la
frecuencia, ya que a
frecuencia doble,
correspondera un dibujo
de rea cudruple, lo que
dara un efecto visual
engaoso

23

Frecuencias (absolutas o
relativas) o Frecuencias
acumuladas (absolutas o
relativas)

12
10
8
6
4
2
0

25,5

35,5

45,5

55,5

65,5

75,5

Eje de abscisas:
Lmites exactos de cada uno de los intervalos en que se han agrupado los
datos (todos con la misma amplitud), o los puntos medios de los intervalos.

2010

24

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

Para variables discretas, el polgono de frecuencias es la figura que resulta de unir los
extremos superiores de las que hubieran sido las barras si se hubiera hecho un diagrama de
barras
Para variables continuas podemos decir lo mismo pero referido a los puntos medios de las
bases superiores de los rectngulos correspondientes a un hipottico histograma construido
con esos mismos datos

Ejemplo: Nmero de hijos

en las familias (n = 20).

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

Variable cuantitativa discreta o continua

Variable cuantitativa discreta o continua

UNED

POL
POLGONO DE FRECUENCIAS

Ejemplo: Edad

POL
POLGONO DE FRECUENCIAS
14
12

Eje de ordenadas:

10

Frecuencias (absolutas o
relativas) o Frecuencias
acumuladas (absolutas o
relativas)

8
7
6

8
6

Eje de ordenadas:

Frecuencias (absolutas o
relativas) o Frecuencias
acumuladas (absolutas o
relativas)

25,5

35,5

45,5

55,5

65,5

75,5

1
0
0

Eje de abscisas: Lmites exactos de cada intervalo en los

que se han agrupado los datos

Eje de abscisas: Valores observados en la variable ordenados de forma ascendente segn su magnitud

2010

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

25

2010

TEMA 1

UNED

Al menos una de las dos variables es nominal (cualitativa)

Ejemplo:
Distribucin conjunta (tabla de doble
entrada) de las variables estado civil y sexo

Hombre

Mujer

Casado

12

12

Divorciado

Soltero

Viudo

POL
POLGONO DE BARRAS CONJUNTO

26

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

Representar gr
grficamente dos variables cuantitativas medidas conjuntamente,
conjuntamente, que
adem
adems se puede representar e un plano cartesiano: diagrama de dispersi
dispersin o nube de
puntos. En este diagrama cada par de valores se representa como un punto que queda
determinado por sus coordenadas X e Y, siendo X el eje horizontal,
horizontal, o eje de abscisas, e Y el
eje vertical, o eje de ordenadas.
Las ventajas del diagrama de dispersi
dispersin que no presentan los diagramas de barras es que
permite visualizar muy claramente si hay una relaci
relacin clara entre las variables:
variables: si en el
diagrama de dispersi
n
dispersin se observa que cuando aumentan los valores en una variable tambi
tambi
aumentan o disminuyendisminuyen-, en promedio, los valores en la otra, se puede sospechar que hay
hay
relaci
relacin entre ellas.

14
12
10
8
6
4
2

Hombre

2010

Viudo

Soltero

Divorciado

Casado

Mujer

27

2010

28

UNED

Introducci
Introduccin al an
anlisis de datos
REPRESENTACIONES GR
GRFICAS

TEMA 1

Se utiliza para representar gr

grficamente dos variables cuantitativas medidas conjuntamente,
conjuntamente,
dando una idea de la relaci
relacin que existe entre ambas variables. Se sit
sita una de las variables en el
eje de abscisas (X) y la otra en el eje de ordenadas (Y). Para cada
cada par de datos, se localiza la
intersecci
interseccin de ambas variables y se marca con un punto.

Sujeto
11
12
13
14
15
16
17
18
19
20

Y
77
69
65
85
72
67
69
70
84
85

X
1,75
1,70
1,62
1,68
1,64
1,65
1,62
1,68
1,82
1,76
X
1,82
1,63
1,58
1,83
1,59
1,58
1,62
1,69
1,72
1,67

Y
89
75
72
89
72
63
71
83
69
75

Sujeto
21
22
23
24
25
26
27
28
29
30

X
1,59
1,55
1,63
1,74
1,73
1,77
1,59
1,67
1,79
1,71

Sujeto
31
32
33
34
35
36
37
38
39
40

X
1,57
1,73
1,69
1,59
1,68
1,73
1,63
1,67
1,79
1,73

Y
63
62
68
78
83
79
70
68
89
79
Y
58
69
72
78
72
80
75
67
84
86

100
90

TEMA 1

2004 ENERO (MODELO A)

1. De acuerdo con los datos de la tabla 1, cu
cuntos sujetos obtienen entre 9,5 y 12,5?
a) 21
b) 23
c) 25

X
Lmites aparentes

70
60
50

pi

0,10

30

10

12

0,14

20

13

15

0,34

16

18

0,24

19

21

0,18

40

10
0
1,5

1,55

1,6

1,65

1,7

1,75

1,8

1,85

Altura

Permite visualizar muy claramente si hay una relaci

relacin clara
entre las variables:
variables: si en el diagrama de dispersi
dispersin se observa que
cuando aumentan los valores en una variable tambi
tambin aumentan o
disminuyendisminuyen-, en promedio, los valores en la otra, se puede
sospechar que hay relaci
relacin lineal entre ellas.

2010

UNED

Introducci
Introduccin al an
anlisis de datos
EJERCICIOS

80

Peso

Sujeto
1
2
3
4
5
6
7
8
9
10

UNED

Introducci
Introduccin al an
anlisis de datos
EJERCICIOS

Tabla 1: Distribucin, expresada en

proporciones, de las puntuaciones de un
grupo de 150 sujetos en una prueba de encaje
de formas

29

2010

30

TEMA 1

UNED

Introducci
Introduccin al an
anlisis de datos
EJERCICIOS

TEMA 1

2004 ENERO (MODELO A)

2004 FEBRERO (MODELO c)

1. De acuerdo con los datos de la tabla 1, cu

cuntos sujetos obtienen entre 9,5 y 12,5?
a) 21
b) 23
c) 25

2. Con los datos de la tabla 1, qu

qu porcentaje de sujetos superaron la puntuaci
puntuacin 10,5?
a) 74%
b) 44%
c) 56%

X
Lmites aparentes

pi

0,10

10

12

0,14

13

15

0,34

16

18

0,24

19

21

0,18

X
Lmites exactos

pi

6,5 9,5

0,10

9,5 12,5

ni = pi n

Valor informado

0,14

0,10150
0,14150

ni

15

21

10

15

12,5 15,5

0,34

0,34150

51

15,5 18,5

0,24

0,24150

36

11

12

27

12

10

18,5 21,5

0,18

0,18150

Tabla 1: Distribucin, expresada en proporciones, de las puntuaciones de un grupo de

150 sujetos en una prueba de encaje de formas

2010

Xi

ni

31

n = 50
Tabla 1: Distribucin de frecuencias de una prueba de memoria
2009

32

UNED

Introducci
Introduccin al an
anlisis de datos
EJERCICIOS

TEMA 1

2004 FEBRERO (MODELO c)

2. Con los datos de la tabla 1, qu
qu porcentaje de sujetos superaron la puntuaci
puntuacin 10,5?
a) 74%
b) 44%
c) 56%

Xi
Valor

Xi
Lmites exactos

informado

ni

pi

Pi

Pa

6,5 7,5

3/50 = 0,06

6%

100%

7,5 8,5

8/50 = 0,16

16%

94%

8,5 9,5

12/50 = 0,24

24%

86%

10

15

9,5 10,5

15

15/50 = 0,30

30%

74%

11

12

10,5 11,5

12

12/50 = 0,24

24%

44%

12

10

11,5 12,5

10

10/50 = 0,20

20%

20%

n = 50

2009

33