Anda di halaman 1dari 40

Estadística Descriptiva

ÍNDICE

ESTADÍSTICA DESCRIPTIVA

1. Población y Muestra 4
2. Variables estadísticas 4
3. Frecuencias 5
4. Distribuciones 7
5. Representación gráfica 11
5.1 De caracteres cuantitativos 11
5.1.1 De variables estadísticas discretas sin agrupar
5.1.1.1 Diagrama de barras 11
5.1.1.2 Polígono de frecuencias 12
5.1.1.3 Diagrama de frecuencias acumuladas 12
5.1.2 De variables estadísticas discretas con valores 14
agrupados en intervalos
5.1.2.1 Histograma 14
5.1.2.2 Polígono de frecuencias 14
5.1.2.3 Polígono de frecuencias acumuladas 15
5.2 De caracteres cualitativos 17
5.2.1 Diagramas de sectores 17
5.2.2 Pictogramas 18
5.2.3 Cartogramas 18
6. Medidas de posición o centralización 18
6.1 Media aritmética 19
6.2 Moda 21
6.3 Mediana 21
6.4 Cuantiles 25
7. Medidas de dispersión. 29
7.1 Rango o recorrido 29

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 1


Estadística Descriptiva

7.2 Recorrido intercuartílico 29


7.3 Varianza 29
7.4 Varianza muestral o cuasivarianza 31
7.5 Desviación típica 31
7.6 Desviación típica muestral 31
7.7 Coeficiente de Variación de Pearson 32
7.8 Momentos 33
8. Características de forma: 34
8.1 Sesgo o Coeficiente de asimetría de Fisher 35
8.2 Curtosis o Coeficiente de apuntamiento 36
9. Diagrama de Caja 37

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 2


Estadística Descriptiva
Es un hecho reconocido que la Estadística es necesaria en todos los campos donde se
avance en investigación.

Los principios estadísticos son independientes de la materia en la que se apliquen; los


principios son generales aunque las técnicas pueden ser distintas.

Se hace ciencia cuando el estudio se ocupa de la observación y clasificación de los


hechos. Estadística es la ciencia de los datos. Los datos o hechos numéricos son esenciales para
tomar decisiones en casi todas las áreas de nuestra vida.

Por ejemplo, llevar paraguas depende de la probabilidad de lluvia. Si observamos que


las medidas de una mujer son 90-60-90, esto significa que esa persona tiene unas proporciones
que se consideran perfectas.

En una empresa se manejan muchos datos sobre ventas, inventarios, personal, gastos,
clientes, equipos, etc. Todos estos datos han de ser interpretados de alguna forma, tarea que
requiere presentar los números de manera que su mensaje aparezca claramente.

Para poder usar los datos con fines concretos debemos resumirlos y describirlos; esta
tarea corresponde a la estadística descriptiva. El análisis de los datos combina resúmenes
numéricos con representaciones gráficas.

Imaginemos que asistimos a una partida de dados: primeramente observamos el


desarrollo de la partida y anotamos los resultados (estadística descriptiva), como sabemos que
con dos dados el resultado más probable es 7 (estadística matemática) y tomaremos la decisión
de jugar o no dependiendo de la comparación de los resultados (inferencia estadística).

En la estadística descriptiva se ven cosas pero no se pueden probar de una manera


formal. La estadística descriptiva y la estadística matemática son complementarias.

El análisis de datos requiere una colaboración dinámica entre el especialista en el asunto


(el que posee los datos) y estadístico (el que los analiza).

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 3


Estadística Descriptiva
El primer paso en un análisis de datos es su inspección, familiarizarse con los datos y
encontrar características extraordinarias. El siguiente paso es la comparación: comparar datos
y comparar modelos. Por último, la interpretación. Muy a menudo el ciclo entero comienza de
nuevo.

1. POBLACIÓN y MUESTRA
Población es un conjunto de elementos de los cuales nos interesa estudiar alguna
característica común. El estudio que se haga servirá para conocer y describir a esa población.

Muestra es una parte de la población. Los resultados que se obtienen de su estudio se


tratan de extrapolar para toda la población.

La característica que queremos estudiar de la población presentará diversas modalidades


que son los posibles valores que puede tomar.

Los caracteres pueden ser:

cualitativos: las diversas modalidades no son valores numéricos.


Ejemplo: "el color del pelo de un grupo de personas".
cuantitativos: las diversas modalidades son números reales.
Ejemplo: "el número de miembros de las familias que viven en Madrid".

Estos números son los diferentes valores que toma una variable estadística.

2. VARIABLES ESTADÍSTICAS
Variable estadística cuantitativa es una aplicación que asigna a cada elemento de la
población un número real, que es el valor de la característica cuantitativa que estamos
estudiando.

E = población→R

Una variable estadística es discreta si sus valores posibles pertenecen a un conjunto


numerable. El caso más frecuente de variables discretas es aquel en que los valores posibles
son números enteros. Así:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 4


Estadística Descriptiva
- El número de hijos en una familia.
- El número (o la proporción) de piezas defectuosas de un lote de 1000 piezas.

Una variable estadística es continua si sus valores posibles pertenecen a un


conjunto no numerable, en general valores de R o de un intervalo de R.
- El diámetro de una pieza.
- La temperatura de un cuerpo.

En general, todas las magnitudes, relacionadas con el espacio, con el tiempo, con la
masa o bien las combinaciones de estos elementos son variables estadísticas continuas.

Rango o recorrido de la variable es la diferencia entre el valor máximo y el valor mínimo de


la variable.

3. FRECUENCIAS
Sea una población de N elementos, de la cual estudiamos el carácter X que presenta las
modalidades x1 , x 2 ,......, x k . Para cada modalidad x i se define:

• Frecuencia absoluta, n i , es el número de elementos que poseen la modalidad


k
x i . Se tiene que ∑n
i =1
i = N.

• Frecuencia relativa, fi , es el cociente entre la frecuencia absoluta n i y el número


k
ni
total de elementos N, es decir, fi =
N
. Se tiene que ∑f
i =1
i = 1.

• Frecuencia absoluta acumulada, Ni, es el número de elementos que poseen la

modalidad x i . o alguna de las anteriores (para lo cual tienen que estar ordenadas
i
previamente), es decir, N i = ∑ n j . Se tiene que N k = N .
j =1

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 5


Estadística Descriptiva
• Frecuencia relativa acumulada, Fi , es el cociente entre la frecuencia absoluta
Ni
acumulada y el número total de elementos N, es decir, Fi = . Se tiene que Fk = 1.
N

El estudio de las distribuciones de frecuencia tiene como objeto construir tablas


verticales u horizontales que se utilizarán para una mejor presentación e interpretación de los
datos obtenidos en la muestra.

En la primera columna (fila) se escriben los valores de la variable y en la segunda el


número de veces que se repite el valor de la variable.

X ni X fi
La tabla (1) formada por la variable junto con sus respectivas
x1 n1 x1 f1
frecuencias absolutas se denomina distribución de
x2 n2 x2 f2
frecuencias absolutas.
. .
. .
. .
. . k

xk nk
n1 + n 2 + ... + n=
k ∑ n=
i =1
i N xk fk
1
N
Tabla 2
Tabla 1 La tabla (2), formada por los valores de la variable junto con
sus respectivas frecuencias relativas, se denomina distribución de
frecuencias relativas.
X Fi
k k
n
∑ f i = ∑ i = f1 + ... + f k = 1
X Ni
x1 F1
x1 N1 =i 1 =i 1 n
x2 F2
x2 N2
. .
. . i . .
. . ∑n
j=1
j = N i , y se verifica N k = N
xk Fk = 1
xk Nk = N
Tabla 4
Tabla 3 La tabla (3) es la distribución de frecuencias absolutas
acumuladas.
Ni
Fi = , y se verifica Fk = 1 .
N

La tabla (4) es la distribución de frecuencias relativas acumuladas.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 6


Estadística Descriptiva

También es frecuente usar una tabla llamada sumario estadístico, en la que aparecen los
valores de la variable junto con los valores de los distintos tipos de frecuencia.

EJEMPLO 3:
El número de hectáreas radiadas por día, en un total de 90 días han sido:
0, 1, 1, 0, 1, 2, 2, 1, 0, 2, 3, 2, 0, 1, 1, 0, 1, 1, 4, 0, 1, 1, 0, 3, 0, 0, 1, 3, 1, 0, 1, 2, 2, 1, 3, 1, 1, 0,
0, 1, 1, 3, 0, 0, 1, 1, 0, 2, 2, 3, 0, 1, 2, 2, 1, 0, 1, 2, 2, 4, 1, 0, 4, 5, 0, 2, 2, 0, 0, 1, 1, 0, 1, 1, 0, 0,
1, 1, 0, 1, 1, 0, 1, 1, 1,1, 1, 1, 1, 1.
Obtener la distribución de frecuencias absolutas y la de frecuencias absolutas
acumuladas.
Solución:

Distribución de frecuencias:

Absolutas Absolutas acumuladas

Nº de hectáreas Nº de días Nº de hectáreas Nº de días

xi ni xi Ni

0 26 0 26

1 40 1 66

2 14 2 80

3 6 3 86

4 3 4 89

5 1 5 90

Total 90 Total 90

4. DISTRIBUCIONES

Distribución de frecuencias: es el conjunto de modalidades con sus respectivas


frecuencias. Según sean éstas (absolutas, relativas,....) así lo será la distribución
correspondiente.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 7


Estadística Descriptiva

Las distribuciones de frecuencias se representan mediante tablas estadísticas.

Se clasifican en dos tipos:


- Sin agrupar: aparecen los datos individualizados con sus respectivas
frecuencias. Se utiliza cuando la variable toma pocos valores diferentes.

- Agrupados en intervalos se divide el campo de la variable en intervalos


llamados de clase, que tendrán como frecuencia el número de elementos que estén en el
intervalo. Se utiliza cuando la variable toma muchos valores distintos entre sí.
e0 < e1 < e 2 < ... < e k , siendo k el número de clases
La agrupación en intervalos tiene la ventaja de la simplicidad de los cálculos, y
el inconveniente de la pérdida de información.

Los intervalos serán todos de la misma amplitud procurando que los datos se distribuyan
más o menos homogéneamente a lo largo de todo el recorrido, de forma que no haya ninguna
clase con muchos elementos (más del 30%) ni varias clases con pocos o ningún elemento
(menos del 5%).

Es importante que no existan intervalos con frecuencia cero.

El nº de intervalos que se toma dependerá del número de datos y de la dispersión de los


mismos.

Algunos criterios a seguir es tomar k como el entero más próximo a:


a) 1+3.3log10(N) ; b) 2 N

A los extremos del intervalo se les llama límites de clase (superior e inferior). Estos se
deben tomar de forma que se solapen los intervalos, es decir, que el extremo superior de uno
sea el inferior del siguiente.

Para evitar la ambigüedad que suponen los valores de la variable que coincidan con
algún extremo, se pueden seguir dos criterios:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 8


Estadística Descriptiva
- Incluir siempre el extremo superior, pero no el inferior de cada clase, salvo en la
primera que se incluyen los dos. Es decir, tomar intervalos de la forma (a,b].
- Tomar los extremos de los intervalos con un decimal más que los dados, de forma que
no pueda coincidir con ninguno de ellos.

Se llama marca de clase (xi) al punto medio del intervalo de clase ei-1- ei. En todos los
cálculos se opera como si la marca de clase tuviera la frecuencia absoluta de todo su intervalo.
La marca de clase se obtiene sumando los límites superior e inferior de clase y
( e i −1 + e i )
dividiendo por 2, es decir, x i = .
2

Tamaño de clase o amplitud de clase "a" es la diferencia entre los límites de clase.
ek − e0
a= La distribución de frecuencias quedaría así:
k

Intervalo Marca de Frecuencia Frecuencia Frecuencia Frecuencia


clase x1 absoluta relativa relativa absoluta
acumulada acumulada

[e0 , e1 ] x1 n1 f1 F1 N1

( e1 , e2 ] x2 n2 f2 F2 N2

........... ... ... ... ... ...

( ei−1 , ei ] xi ni fi Fi Ni

........... ... ... ... ... ...

( ek −1 , ek ] xk nk fk 1 N

Designamos por (ni) al número de observaciones que quedan dentro del intervalo ( ei−1 , ei ] .

EJEMPLO 4:
Los precios de 95 ordenadores en diciembre de 2014, dados en euros, son los
siguientes:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 9


Estadística Descriptiva

3000 1200 740 1750 3409 580 840 1700 2300 715
3910 545 1380 815 565 3000 890 1580 800 3650
2240 1975 1745 3030 2350 3700 735 990 800 930
915 1100 1280 1163 1410 2050 3600 1260 1600 735
4260 1500 1000 1000 1600 1900 2150 2495 3200 850
540 2900 4500 3600 1035 1520 2495 1357 750 715
2775 2540 1470 395 3900 995 2200 900 1500 1500
1995 2650 1335 885 360 2100 2400 1200 1335 3310
600 755 500 990 765 1020 630 1555 640 950
630 1500 2300 3500 1825
Obtener una distribución de frecuencias agrupadas.
Solución:

El más caro es 4500 y el más barato 360, luego el recorrido es 4500-360 = 4140.

Elegimos intervalos de la misma amplitud de modo que, los datos se distribuyan de


forma relativamente homogénea a lo largo del recorrido.

Con el criterio, k igual al entero próximo a: 1 + 3.3 ⋅ log10 (95) ≈ 7.6 , elegimos 7

intervalos de amplitud 600 y semiabiertos (a,b].

DISTRIBUCIÓN DE FRECUENCIAS
INTERVALO MARCA ABSOLUTA ABSOLUTA RELATIVA RELATIVA
DE CLASE ACUMULADA ACUMULADA
e i −1 − e i xi ni Ni fi Fi

300 - 900 600 27 27 0.2842 0.284


900 - 1500 1200 26 53 0.2737 0.558
1500 - 2100 1800 14 67 0.1474 0.705
2100 - 2700 2400 11 78 0.1158 0.821
2700 - 3300 3000 6 84 0.0632 0.884
3300 - 3900 3600 8 92 0.0842 0.968
3900 - 4500 4200 3 95 0.0316 1.000

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 10


Estadística Descriptiva

5. REPRESENTACIÓN GRÁFICA
Una buena representación gráfica, junto con las tablas de frecuencias anteriormente citadas,
permiten captar rápidamente las características de la muestra, así como resumir y analizar los
datos.
Según sean los datos, las gráficas se pueden clasificar en:

• De Caracteres Cuantitativos.
• Variable estadística discreta sin agrupar. Diagrama de barras. Polígonos de
frecuencias. Diagrama de frecuencias acumuladas.

• Variable estadística discreta con frecuencias agrupadas en intervalos.


• Histograma. Polígonos de frecuencias. Polígonos de frecuencias acumuladas.

• De Caracteres Cualitativos.
• Diagrama de barras. Diagrama de sectores. Pictogramas. Cartogramas

5.1 De caracteres cuantitativos

5.1.1 Para variables discretas (sin agrupar):

DIAGRAMA DE BARRAS

Esta representación es válida para las


frecuencias de una variable discreta, sin
agrupar. Se colocan sobre el eje de las
abscisas los distintos valores de la variable y
sobre cada uno de ellos se levanta una línea
o barra perpendicular, cuya altura es la
frecuencia (absoluta, relativa) de dicho
valor.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 11


Estadística Descriptiva
En caso de utilizarse para comparar muestras distintas de una misma variable, se debe tener
precaución, ya que, en este caso, debemos usar frecuencias relativas para eliminar la
influencia visual que ejerce el tamaño de cada una de las muestras.

POLÍGONO DE FRECUENCIAS
Es una línea que se obtiene uniendo los extremos superiores de las barras en el diagrama
de barras.

16 1
14 0,9
0,8
12
0,7
10 0,6
8 0,5
6 0,4
0,3
4
0,2
2 0,1
0 0

frecuencia (absoluta o relativa)

DIAGRAMA DE FRECUENCIAS ACUMULADAS


Diagrama de frecuencias acumuladas o diagrama de barras acumulativo.

Representamos en el eje de abscisas los distintos valores de la variable estadística.


Levantamos sobre cada uno de ellos una perpendicular cuya longitud será la frecuencia
(absoluta o relativa) acumulada correspondiente a ese valor. De esta forma aparece un diagrama
de barras creciente. Trazando segmentos horizontales de cada extremo de barra a cortar la barra
situada a su derecha se obtiene el diagrama de frecuencias acumuladas.
40 N
35
i
30

25

20

15

10

0
x
i
Se trata de poder observar la acumulación de frecuencias hasta un valor determinado de
la variable; por ello, es muy útil para calcular percentiles de una forma gráfica.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 12


Estadística Descriptiva
EJEMPLO 5.1:
El número de hectáreas radiadas por día, en un total de 90 días han sido:
0, 1, 1, 0, 1, 2, 2, 1, 0, 2, 3, 2, 0, 1, 1, 0, 1, 1, 4, 0, 1, 1, 0, 3, 0, 0, 1, 3, 1, 0, 1, 2, 2, 1, 3, 1, 1, 0,
0, 1, 1, 3, 0, 0, 1, 1, 0, 2, 2, 3, 0, 1, 2, 2, 1, 0, 1, 2, 2, 4, 1, 0, 4, 5, 0, 2, 2, 0, 0, 1, 1, 0, 1, 1, 0, 0,
1, 1, 0, 1, 1, 0, 1, 1, 1,1, 1, 1, 1, 1.
Se pide:
a) Diagrama de barras.
b) Polígono de frecuencias.
c) Construir el diagrama de frecuencias acumuladas.
Solución:
a) Diagrama de barras de frecuencias absolutas

b) Polígono de frecuencias absolutas:


40

35

30

25

20

15

10

0
0 1 2 3 4 5

Polígono de frecuencias absolutas

c) Diagrama de frecuencias absolutas acumuladas

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 13


Estadística Descriptiva
5.1.2 Representación gráfica de variables estadísticas discretas con valores agrupados
en intervalos
HISTOGRAMA
Es la representación gráfica más frecuente para datos agrupados.

En un histograma se representan las frecuencias mediante áreas. De tal forma que un


histograma es un conjunto de rectángulos que tienen como base los intervalos de clase y cuya
superficie son las frecuencias (absolutas o relativas).

Por tanto, los rectángulos tienen que solaparse (variable agrupada en intervalos) y el
área de cada rectángulo será proporcional a la frecuencia (ni o fi) del intervalo. En cuyo caso
las alturas son proporcionales a las frecuencias, y será el cociente entre la frecuencia y la
amplitud del intervalo.

Si algún intervalo es de distinta amplitud, el cálculo de su altura (hi) se efectuará hallando el


n f
cociente h i = i o h i = i , donde ai representa la amplitud del intervalo.
ai ai

ni fi
ai a
i

n f
i i

ei-1 ei e e
i-1 i
POLÍGONO DE FRECUENCIAS
El polígono de frecuencias es una línea que se obtiene uniendo los puntos medios de las
bases superiores (los techos) de cada rectángulo en el histograma. De forma que empiece y

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 14


Estadística Descriptiva
acabe sobre el eje de abscisas, en el punto medio del que sería el intervalo anterior al primero
y posterior al último respectivamente.

POLÍGONO DE FRECUENCIAS ACUMULADAS


En el eje de abscisas representamos los distintos intervalos de clase que han de estar
naturalmente solapados. Sobre el extremo superior de cada intervalo se levanta una línea
vertical de longitud equivalente a la frecuencia (absoluta o relativa) acumulada del mismo. Se
obtiene así un diagrama de barras creciente, que uniendo sus extremos da lugar al polígono de
frecuencias acumuladas.

Alcanzará su máxima altura en el último intervalo, que tendrá de frecuencia N o 1 según


se trate de frecuencias acumuladas absolutas o relativas.

Es muy útil para calcular percentiles de una forma gráfica. El gráfico se obtiene al unir
mediante una poligonal los puntos (ei, Ni) o (ei, Fi).

Al ser un gráfico de datos agrupados en intervalos, el polígono siempre empieza en (e0,


0) y acaba en (ek, N) o (ek, 1).

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 15


Estadística Descriptiva
EJEMPLO 5.2:
Los precios de 95 ordenadores en diciembre de 2014, dados en euros, son los
siguientes:
3000 1200 740 1750 3409 580 840 1700 2300 715
3910 545 1380 815 565 3000 890 1580 800 3650
2240 1975 1745 3030 2350 3700 735 990 800 930
915 1100 1280 1163 1410 2050 3600 1260 1600 735
4260 1500 1000 1000 1600 1900 2150 2495 3200 850
540 2900 4500 3600 1035 1520 2495 1357 750 715
2775 2540 1470 395 3900 995 2200 900 1500 1500
1995 2650 1335 885 360 2100 2400 1200 1335 3310
600 755 500 990 765 1020 630 1555 640 950
630 1500 2300 3500 1825
a) Dibujar el histograma
b) Polígono de frecuencias.
c) Polígono de frecuencias acumuladas.
Solución:
a) Previamente realizamos un agrupamiento por clases o intervalos de amplitud 600:
e i −1 − e i xi ni Ni b)
300 - 900 600 27 27 Histograma

30
900 - 1500 1200 26 53
25
1500 - 2100 1800 14 67
frecuencias absolutas

20

2100 - 2700 2400 11 78


15

2700 - 3300 3000 6 84 10

3300 - 3900 3600 8 92 5

3900 - 4500 4200 3 95 0

0 1 2 3 4 5
Sumas = 95 Precio
(X 1000)

Pol¡gono de frecuencias

30

25

20
Frecuencia absoluta

15

10

0 1 2 3 4 5
(X 1000)
Precio

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 16


Estadística Descriptiva
c)
Pol¡gono de frecuencias acumuladas

100

80

Frecuencias acumuladas
60

40

20

0 1 2 3 4 5
(X 1000)
Precio

5.2 Representaciones gráficas de variables estadísticas cualitativas.


Existe una gran multitud de gráficos para representar los datos de una muestra o
población de una variable estadística cualitativa. Nosotros solo mostramos algunos de ellos.

DIAGRAMAS DE BARRAS
Se representan en el eje de abscisas los distintos caracteres cualitativos y se levantan
sobre ellos rectángulos de bases iguales que no tienen que estar solapados y cuyas alturas serán
las correspondientes a la frecuencia absoluta de cada carácter.

5000 3870 4328


4000
3000 2136 1830 2060
2000
1000
0
Derecho

Químicas
Filosofia
Matemáticas

Económicas

DIAGRAMA DE SECTORES
En un círculo se asigna un sector circular a cada uno de los caracteres cualitativos,
siendo la amplitud del sector proporcional a la frecuencia relativas o absolutas del carácter.

Químicas
Económicas 15%
30%
Matemát.
15%

Derecho Filosofía
13% 27%

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 17


Estadística Descriptiva
PICTOGRAMAS
Cada modalidad se representa por un dibujo de tamaño proporcional a la frecuencia de
la misma. También es frecuente tomar un dibujo estándar y repetirlo un número de veces
proporcional a la frecuencia.

CARTOGRAMA
Es la representación sobre mapas del carácter estudiado. Usualmente las distintas
modalidades que adopta este carácter se representan con colores de distinta intensidad o
distintas tramas; como ejemplo podemos observar el cartograma elaborado por el Instituto de
Estadística de la Comunidad de Madrid. Consejería de Economía y Consumo sobre “la renta
per cápita del año 2004 en la Comunidad de Madrid”.

6.0 PARÁMETROS ESTADÍSTICOS


Los parámetros estadísticos son ciertos valores representativos de un conjunto de datos, en el
sentido de condensar en ellos la información contenida en dicho conjunto. Estos parámetros
estadísticos nos proporcionarán información acerca de la situación, dispersión y forma de los
datos. En este curso estudiamos las siguientes medidas o parámetros:

6. MEDIDAS DE POSICIÓN Y CENTRALIZACIÓN


Tienen por objeto dar una idea del valor o valores de la variable, alrededor de los cuales
se agrupa una cantidad de datos.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 18


Estadística Descriptiva

6.1. Media aritmética.


La media, media aritmética o promedio de una variable estadística es la suma
ponderada de los valores posibles por sus respectivas frecuencias.

n1x1  n 2 x 2  ...  n k x k 1 k k
X   n i x i   fi x i
N N i 1 i 1

x i = valores que toma la variable o marca de clase.

f i = frecuencias relativas.

n i = frecuencias absolutas.
N = número total de la población o muestra.

PROPIEDADES:

1) La media de las diferencias a la media es nula, es decir, la suma de las desviaciones


de los valores de la variable estadística respecto de su media es cero.

k k k k

 (x i  X)  fi   x i  fi   X  fi  X  X fi  X  X  0
i 1 i 1 i 1 i 1

2) La suma de los cuadrados de las desviaciones de los valores de la variable respecto


de cualquier número  es mínima para  = X
N
()   (xi  )2
i 1

N N N k
()   2  (xi  )  (1) = 0   x    0   x
i i  N   = X
i 1 i 1 i 1 i 1

N
Y en efecto, es mínimo: ()   2  2N  0
i 1

3) Si se suma una constante “a” a los N valores de la variable, la media queda aumentada
en dicho valor “a”.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 19


Estadística Descriptiva

k k
a + X =∑ ( a + x i )f i =a + ∑ x i f i =a + X
=i 1 =i 1

4) Si se multiplican todos los valores de la variable estadística X por una constante “b”,
la media queda multiplicada por la constante “b”.

k k
=bX
=i 1 =i 1
∑= ∑ x ifi bX
bx i f i b=

Podemos concluir que para una nueva variable Y=a+bX se cumple que Y= a + bX .

5) La media aritmética está comprendida entre el valor máximo y el valor mínimo del
conjunto de datos.

Solo es aplicable para variables estadísticas cuantitativas.

No depende del orden en el que estén colocados los datos.

Es más representativa cuanto mayor sea la concentración de los valores alrededor suyo y más
simétrica sea la distribución.

Es muy sensible a la presencia de datos extremos.

Nota:
Cuando no todos los datos tienen la misma importancia con respecto del resto, se le
asigna los llamados pesos o ponderaciones, se le llama media aritmética ponderada.
k

x1w1 + x 2 w 2 + ... + x k w k ∑x w i i
=X = i =1
w1 + w 2 + ... + w k k

∑w
i =1
i

x i = valores que toma la variable o datos.


wi = pesos.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 20


Estadística Descriptiva
6.2 Moda, M0, es el valor de la variable que se presenta con más frecuencia dentro de
la distribución.
En las distribuciones sin agrupar se observa directamente el valor de mayor frecuencia.

En las agrupadas, definimos la clase o intervalo modal como la que tiene mayor
frecuencia.

NOTA: Algunas distribuciones pueden presentar varias modas. Cada moda corresponde a un
máximo absoluto del diagrama de barras o histograma.

La moda tiene la ventaja de ser fácil su cálculo, pero tiene el inconveniente de que dos muestras
con datos muy parecidos pueden tener modas muy distintas.

Es importante observar que al agrupar en intervalos perdemos información acerca del auténtico
valor modal.

6.3 Mediana, M, es el valor de la variable que ocupa el lugar central de los valores de
la variable una vez que éstos han sido ordenados en sentido creciente. Por tanto, la mediana M
es un valor de la variable tal que el 50% de los datos son inferiores y el otro 50% de los datos
son superiores.

La mediana es un valor M tal que F(M)=1/2, se define así como raíz de una ecuación.

Cálculo de la mediana.
En primer lugar ordenamos los datos de menor a mayor.

a) Si los datos no están agrupados en intervalos, en general, no tiene solución, puesto que la
función F(x) varía por saltos:

1) Si ningún valor posible x i corresponde a F( x i )=1/2 se conviene en considerar como


mediana el valor x i tal que:
1
F( x i −1 ) < < F( x i )
2
o lo que es igual:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 21


Estadística Descriptiva
1
f1 + f2 +...... + fi −1 < < f1 + f2 +..... + fi −1 + fi
2
y con frecuencias absolutas:
N
n1 + n 2 +..... + n i −1 < < n1 + n 2 +..... + n i −1 + n i
2

F(x)

1/2
1/2

M x

EJEMPLO:
Sea la variable estadística X= {5, 1, 5, 2, 4, 2, 3, 6, 5}, entonces X= {1, 2, 2, 3, 4, 5, 5,
5, 6,}, resultando el término central M=4.

1
2) Si uno de los valores xi corresponde a F( x i ) = (lo que ocurre solamente si el total
2
N de la población es par) la mediana está indeterminada entre los valores xi y xi+1. El intervalo
(xi, xi+1) se denomina mediano, o bien llamamos mediana al punto medio de dicho intervalo.

F(x)

1/2

x xM x
i i+1

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 22


Estadística Descriptiva
EJEMPLO:
Sea la variable estadística X= {4, 1, 5, 2, 2, 3, 4, 5,}, entonces X={1, 2, 2, 3, 4, 4, 5,
5}, resultando el intervalo mediano [3, 4], o bien M=3.5.

En la tabla estadística, la mediana se determina a partir de la columna que da las


frecuencias relativas (o las frecuencias absolutas) acumuladas.

Otra forma de calcular la mediana es:


x1 ≤ x 2 ≤ ... ≤ x N

 x N +1 si N es impar
 2
M=  
1
  x N + x N  si N es par
 2  2
+1
2 

b) Si los datos están agrupados en intervalos:

INTERVALO xi ni Ni

e0 --- e1 x1 n1 N1

e1 --- e2 x2 n2 N2

............ ... ... ....


ei-1 --- ei xi ni Ni

............ ... ... ...


ek-1 --- ek xk nk N

N
1) coincide con uno de los recogidos en la columna de frecuencias acumuladas, por
2
ejemplo Ni, en este caso la mediana es ei.

N
2) está entre Ni-1 y Ni. La mediana se encontrará en el intervalo ( ei-1 , ei ) .
2
La mediana será =
M e i-1 + h y por interpolación lineal se obtiene h.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 23


Estadística Descriptiva
Ni Se tiene:
ni ↔ ei - ei-1 =
a
N/2
ni N ⇒
- N i-1 ↔ h
2
Ni-1
h =
M e i-1 + h
La interpolación lineal anterior puede
ei-1 Mediana ei
resumirse en la fórmula:
Gráfico 6.3
N 
 − N i −1  a
= ei −1 +  
2
M
ni
EJEMPLO:
Consideremos los salarios de los empleados en una fábrica, el director gana 48000
€/mes, el subdirector 20000 €/mes, seis jefes 5000 €/mes cada uno, los cinco capataces 4000
y los diez operarios 2000 cada uno ¿Cuál es el salario medio? ¿Cuál el salario mediano? y
¿Cuál el salario modal?
Solución:
xi 2000 4000 5000 20000 48000 totales

ni 10 5 6 1 1

Ni 10 15 21 22 23 23

k
n i x i 138000
=X ∑ =
i =1 N
=
23
6000 media aritmética.

N 23
= = 11.5 ⇒ N1 = 10 < 11.5 < 15 = N 2 luego la mediana es x2=4000 y la moda corresponde
2 2
a n1=10 que es 2000.

¿Cuál de los tres valores anteriores describe mejor los sueldos percibidos por los empleados
de ésta fábrica?

La generalización del concepto de la mediana da lugar a nuevas medidas de posición que


llamaremos cuantiles.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 24


Estadística Descriptiva

6.4. Cuantiles
Cuantil de orden α es un valor de la variable estadística que deja a su izquierda
una parte α de la población y a la derecha una parte 1- α de la población.

El Cuantil de orden α (0 ≤ α ≤ 1) es x α | F(x α )=α.

Los más utilizados son los cuartiles Q1, Q2 y Q3 que dejan a su izquierda 1/4, 1/2 y
3/4 de la población respectivamente.

Obsérvese que Q2 = M (Mediana).

Los deciles D1, D2, …, D9 dejan a su izquierda 1/10, 2/10, ..., 9/10 de la población
respectivamente.

Los percentiles P1, P2, ........, P99 dejan a su izquierda 1/100, 2/100, .... 99/100 de la
población respectivamente.

El cálculo de los mismos es similar al cálculo de la mediana.

Cálculo de cuantil de orden α


x1 ≤ x 2 ≤ ... ≤ x N

 x[ αN]+1 si αN no es un número natural



xα =  1
 ( x αN + x αN +1 ) si αN es un número natural
2
Donde [ ], los corchetes significan la parte entera del producto, es decir, el menor entero mayor
o igual que α N.
Obsérvese que en todos los casos depende de que αN sea entero o no lo sea.

En el caso de que los datos estén agrupados en intervalos, el cálculo se realiza de forma
semejante a como se realiza para la mediana, pero todo referido al intervalo que contenga el
valor de la frecuencia αN , según sea el cuantil a calcular.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 25


Estadística Descriptiva
Si αN está en el intervalo [ei-1, ei);
Ni
n i 
→ ei − ei −1 = a
αN ni
⇒ P=
α ei −1 + h por
αN − N i −1 
→h
Ni-1
tanto, la interpolación lineal anterior se
h
ei-1 Pα ei
puede resumir en la fórmula:

Gráfico 6.4 =
P ei −1 +
( αN − Ni−1 ) a .
α
ni

EJEMPLO 6.4:
Los precios de 95 ordenadores en diciembre de 2014, dados en euros, son los
siguientes:
3000 1200 740 1750 3409 580 840 1700 2300 715
3910 545 1380 815 565 3000 890 1580 800 3650
2240 1975 1745 3030 2350 3700 735 990 800 930
915 1100 1280 1163 1410 2050 3600 1260 1600 735
4260 1500 1000 1000 1600 1900 2150 2495 3200 850
540 2900 4500 3600 1035 1520 2495 1357 750 715
2775 2540 1470 395 3900 995 2200 900 1500 1500
1995 2650 1335 885 360 2100 2400 1200 1335 3310
600 755 500 990 765 1020 630 1555 640 950
630 1500 2300 3500 1825
Se pide:
a) Cuartiles.
b) Segundo decil.
c) Percentil ochenta y seis.
d) ¿Para un precio de 3000€ que posición ocupa en la distribución?
Solución:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 26


Estadística Descriptiva
e i −1 − e i xi ni Ni

300 - 900 600 27 27


900 - 1500 1200 26 53
1500 - 2100 1800 14 67
2100 - 2700 2400 11 78
2700 - 3300 3000 6 84
3300 - 3900 3600 8 92
3900 - 4500 4200 3 95
Sumas = 95
Mediana: La mediana es el valor de la variable cuya frecuencia acumulada es N/2.
N 95
= = 47.5 ∈ ( 900,1500 )
2 2
Observando la tabla de frecuencias acumuladas, vemos que la mediana está en el
intervalo 900 - 1500
El valor exacto lo calculamos por interpolación, suponiendo que los elementos de un
intervalo se distribuyen uniformemente a lo largo del mismo.
La frecuencia acumulada al final del intervalo anterior (300, 900) es 27. Por tanto, faltan
20.5 de los 26 elementos que constituyen el intervalo (900, 1500) de amplitud 600.
Gráficamente

53

47.5

27
900 M 1500

47.5 − 27= 20.5 ↔ h (47.5 − 27) ⋅ 600


=h = 473.077
53 − 27
= 26 ←→ 600 26
M= 900 + h= 900 + 473.077= 1373.077
Por tanto, el precio mediano es 1373.077 €.
Los cuartiles los obtenemos de forma similar a la mediana.
N 95
Al primer cuartil le corresponde frecuencia acumulada = = 23.75
4 4
3N 3 ⋅ 95
Al tercer cuartil le corresponde frecuencia acumulada = = 71.25
4 4

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 27


Estadística Descriptiva
Gráficamente
Gráficamente
27 78

23.75 71.25

0 67
900
300 M
Q 1500
900 2100 Q 2700
1 3

23.75 −=
0 23.75 ↔ h 71.25 − 67= 4.25 ↔ h
27 − 0 = 27 ↔ 600 78 − 67 =11 ↔ 600
23.75 4.25
=h = 600 527.777 =h = 600 231.818
27 11
⇒ Q1= 300 + h= 300 + 527.777= 827.777 Q=
3 2100 + =
h 2100 + 231.818
= 2331.818
El segundo cuartil es la mediana = 1373.077€.
b) Al segundo decil le corresponde la
27
frecuencia acumulada
19 27
2N 95
= = 19 0
10 5
19 −=
0 19 ←
→h 300
h
900
D2
27 −
= 0 27 ←
→ 600

19 ⋅ 600
D 2= 300 + h= 300 + = 722.22 84
27
81.7 6
c) Al percentil ochenta y seis le corresponde la
78
86N 86 ⋅ 95
frecuencia acumulada = = 81.7
100 100 h
2700 P86 3300
(81.7 − 78) ⋅ 600
= 2700 + =
P86 h 2700 + = 3070
6
d) Se plantea el problema reciproco del anterior
(3000 − 2700) ⋅ 6
N i = 78 + k = 78 + = 81 Sobre el
600
total representa aproximadamente el percentil 85. 84

Ni 6
k
78

2700 3000 3300

http://asignaturas.topografia.upm.es/matematicas/videos/Percentil.wmv
http://asignaturas.topografia.upm.es/matematicas/videos/Percentil.mp4

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 28


Estadística Descriptiva
7. MEDIDAS DE DISPERSIÓN
Las medidas de dispersión nos dan una idea de la mayor o menor concentración de los
valores de la variable alrededor de algún valor.

EJEMPLO:
Si consideramos 8 alumnos con calificación de 10 y 8 alumnos con un cero; la media
aritmética será 5. Si los 16 alumnos tienen un 5, la media también será cinco, sin embargo, las
dos situaciones son claramente distintas y la media es más representativa en el segundo caso,
al estar los valores concentrados en un único valor. La diferencia entre uno y otro caso se pone
de manifiesto con las medidas de dispersión.

7.1. Rango o recorrido


Es la diferencia entre el mayor y el menor valor de la variable estadística.

EJEMPLO:
Si las observaciones son: 8, 3, 5, 7, 1, 1, 8, el recorrido es 8-1=7.

Es una medida muy sencilla de calcular, pero, poco robusta, pues solo tiene en cuenta
los valores extremos. Para evitar la influencia en el rango de los datos con valores extremos,
suele ser frecuente utilizar el rango o recorrido intercuartílico.

7.2. Rango o recorrido intercuartílico


El rango o recorrido intercuartílico o desviación cuartílica es la diferencia entre los
cuartiles Q1 y Q3 y se representa por IQR.

= Q3 − Q1
IQR
Su cálculo es muy sencillo, y es una medida muy robusta en el sentido de no estar
influenciada por la presencia de valores extremos.

Del ejemplo 6.4, sabemos que Q3 = 2331.818 y Q1 = 827.777 , por tanto, IQR=1514.041.

Es fácil observar que el recorrido intercuartílico contiene el 50% de las observaciones centrales.

7.3. Varianza

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 29


Estadística Descriptiva
Es la media de los cuadrados de las desviaciones a la media.

1 k
( ) ( )
k

∑ ∑
2 2
x=
σ2
i − X = n i x i − X fi
=N i 1 =i 1
x i = valores que toma la variable o marca de clase.

fi = frecuencias relativas.

n i = frecuencias absolutas.
N = número total de elementos de la población o muestra.

Propiedades de la varianza
1) La varianza es siempre positiva o nula.

2) Si se multiplican todos los valores de la variable por una constante “a”, la varianza queda
multiplicada por la constante “a2”.
Si y = ax entonces:

( ) ( )
k k

∑ yi − Y f i =
a 2 ∑ x i − X fi =
2 2
σ 2y = a 2 σ2x
=i 1 =i 1

3) Si sumamos una constante “b” a los valores de la variable, la varianza no cambia.


Si y= b + x entonces:

( ) ( ) ( )
k k k
σ2y =∑ yi − Y f i =∑ (b + x i ) − (b + X) f i =∑ x i − X f i =σ2x
2 2 2

=i 1 =i 1 =i 1

Podemos concluir que para una nueva variable Y=aX+b se cumple que σ2y = a 2 σ2x .

4) La varianza es la media de los cuadrados de la variable, menos el cuadrado de la media


de la variable.

∑( ) ∑( )
k k k

∑x f
2 2 2
=
σ 2x xi − X=
fi x i2 f i − 2x i Xf i + X =
fi 2
i i −X
=i 1 =i 1 i =1

∑x n 2
i i k

∑x f
2 2
=
σ
2
x
i =1
−=
X 2
i i −X
N i =1

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 30


Estadística Descriptiva
5) Cuanto mayor sea la varianza, menos representativa es la media.

7.4. Varianza muestral o cuasivarianza.


Si los datos que estamos analizando son todos los elementos de la población la varianza
nos es útil para analizar la dispersión de dichos datos respecto de la media. Por el contrario, si
los datos son una muestra de la población, la varianza nos sirve para analizar la dispersión de
dicha muestra, pero… ¿nos sirve para analizar la dispersión de la población?
Si tomamos ahora otra muestra de la misma población, obtendremos una varianza de esta
segunda muestra, etc. Para cada muestra tendremos el valor de su varianza correspondiente.
Sería deseable que la media de todo este conjunto de varianza muéstrales fuese la varianza de
la población. Pero esto no es así (como se demuestra en Inferencia Estadística). Sin embargo,
sí hay una medida de dispersión, la varianza muestral que cumple esta condición, es decir tal
que la media de las cuasivarianzas muestrales es la varianza de la población. Es por esto por lo
que a veces se calcula la cuasivarianza (varianza muestral) en lugar de la varianza.

La varianza muestral viene dada por:

N N 2 N k (x i − X) 2 n i k
(x i − X) 2 n i
S = 2

N −1
σ , es decir: =
2
S2

−1
N=
=
σ ∑ N = ∑
N −1 i 1= i 1 N −1

Nótese que para N suficientemente grande la diferencia entre σ2 y S2 es muy pequeña.

7.5 Desviación típica


La desviación típica o desviación cuadrática media es la raíz cuadrada positiva de la
varianza.
k k

∑ ( x i − X) 2 fi ∑x f
2
σ = + (σ 2 ) = + o bien, σ = + 2
i i −X
i =1 i =1

Tiene la ventaja sobre la varianza de que está medida en las mismas unidades que la
variable.

7.6 Desviación típica muestral.


La desviación típica muestral es la raíz cuadrada positiva de la varianza muestral.
k
(x i − X) 2 n i N
=S ∑
i =1
=
N −1 N −1
σ

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 31


Estadística Descriptiva

7.7 Coeficiente de variación de Pearson


σ
Es el cociente de la desviación típica y la media. CV =
X

Es frecuente expresarlo en tanto por ciento.

Es independiente de la unidad que se utilice, pues no tiene unidades y por tanto nos
permite comparar la dispersión de dos distribuciones que tengan unidades diferentes, o que
tengan medias muy distintas.

Tiene el inconveniente de no estar definido para distribuciones con media cero. Además,
cuando la media se aproxima a cero el coeficiente de variación tiende a infinito.

EJEMPLO 7:
Con los datos del ejemplo 5.2, calcular:
a) Varianza y desviación típica.
b) Varianza y desviación típica muestral.
c) Coeficiente de variación de Pearson.
Solución:
xi ni xi ni Ni x 2i x 2i n i
0 26 0 26 0 0
1 40 40 66 1 40
2 14 28 80 4 56
3 6 18 86 9 54
4 3 12 89 16 48
5 1 5 90 25 25
Sumas 90 103 223

1 5
Media: x = ∑ x i n i = 103 = 114
1
a) .
N i=0 90

 103 
2
1 5
Varianza: σ = ∑ x i2 n i − X =
1
223 −   = 11680
2 2
.
N i=0 90  90 

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 32


Estadística Descriptiva
Desviación típica; σ = ( σ 2 ) = 1.1680 = 1. 0807

N 90
b) Varianza muestral; S2 = σ 2 = 1.1680 = 1.1811
N −1 89
N 90
Desviación típica muestral; S = σ= 1. 0807 = 1. 0867
N −1 89

σ 1.0807
c) =
Coeficiente de variación; CV = = 0.9443
X 1.1444

7.8. Momentos
Se llama momento de orden r respecto al valor "c", a la cantidad:
k k
ni
∑ (x
i =1
i − c) r fi = ∑ ( x i − c) r
i =1 N
, donde r es un entero positivo.

Según los valores de "c", se definen varias clases de momentos:

Momentos no centrales o respecto al origen,


k k n
c = 0⇒ m =
r ∑ i i ∑ xir Ni
x rf =
i =1 i =1

Los primeros momentos no centrales son iguales a:


m0 = 1 ; m1 = X

Momentos centrales o respecto a la media


k k
ni
c = X ⇒ µ r = ∑ ( x i − X) r fi = ∑ ( x i − X) r
i =1 i =1 N

Los primeros momentos centrales son iguales a:


µ 0 = 1; µ 1 = 0 ; µ 2 = σ = m2 − m1
2 2

Relación entre los momentos centrales y no centrales.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 33


Estadística Descriptiva
Desarrollando por la fórmula del binomio de Newton las relaciones de definición:

k k
µ r = ∑ ( x i − X) r fi = ∑ ( x i − m1 ) r fi =
i =1 i =1

r r r r r


=   ∑ x ir f i −   ∑ x ir −1f i m1 +   ∑ x ir − 2 f i m12 + .......... + (−1) r  =m1 ∑ f i
0 i 1 i  2 i r i

r r r r r r


r
=   m r −   m r −1m1 +   m r − 2 m12 + .......... + (−1) r   m=
1 ∑ (−1)  j  m
j
r− j m1j
0 1  2 r j= 0  

r
r
µ=
r ∑ (−1)  j  m
j
r− j m1j
j= 0  

 2  2  2
En particular: µ 2=   m 2 −   m1m1 +   m12= m 2 − m12 ,resultado ya conocido.
0 1  2

µ 3 = m3 − 3m2 m1 + 2 m13

µ 4 = m4 − 4 m3 m1 + 6 m12 m2 − 3m14

8. CARACTERÍSTICAS DE FORMA
Además de la tendencia central y de la dispersión, se puede tratar de caracterizar la
forma de una distribución mediante índices que determinen la asimetría y el apuntamiento de
la distribución.

Asimetría. Una distribución de frecuencias es simétrica si su correspondiente gráfico es


simétrico respecto a un eje vertical.

• Si la distribución es simétrica, la mediana y la media coinciden.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 34


Estadística Descriptiva

Me = X
• Si la distribución es simétrica y unimodal, la mediana, media y moda coinciden.

M=
e X= M o

Una distribución con asimetría por la derecha o positiva,


quiere decir que la gráfica de frecuencias desciende más
lentamente por la derecha que por la izquierda. En este caso
se verifica que:

Mo ≤ Me ≤ X .

Una distribución asimétrica por la izquierda o


negativa, quiere decir que la gráfica de
frecuencias desciende más lentamente por la
izquierda que por la derecha. En este caso se
verifica que:

X ≤ Me ≤ Mo .

8.1 Coeficiente de Asimetría de Fisher o sesgo.


El coeficiente de asimetría de Fisher, se define como el cociente

∑(x )
k 3
− X fi
µ3 i
g= = i =1
σ3 σ3
1

k
Si la muestra es simétrica respecto de la media, entonces ∑ (x
i =1
i − X) 3 = 0 ; mientras que esta

suma será mayor en valor absoluto cuanto más asimétricos son los datos.

• Es un coeficiente adimensional y mide la asimetría respecto de la media.


• Si g1=0 la distribución es simétrica o no sesgada.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 35


Estadística Descriptiva
• Si g1<0 la distribución es asimétrica o sesgada a la izquierda y X ≤ M e ≤ M o .

• Si g1>0 la distribución es asimétrica o sesgada a la derecha y M o ≤ M e ≤ X .

8.2 Coeficiente de apuntamiento o curtosis


El coeficiente de apuntamiento de Fisher se define e interpreta como sigue:

∑(x )
k 4
− X fi
µ4 i
g2 = − 3= i =1
−3.
σ4 σ4

Se mide en relación a la distribución Normal, de la misma media y desviación típica.

De forma que es nulo para la distribución normal. Si el coeficiente es positivo la


distribución está más apuntada que la distribución Normal (de la misma media y desviación
típica), y se dice leptocúrtica. Si es menos apuntada el coeficiente es negativo y se dice
platicúrtica. Mesocúrtica es cuando el coeficiente es nulo.

Si la distribución estudiada tiene por media X y desviación típica σ, entonces:


• Si g2>0, la distribución es más apuntada que la normal N X, σ . ( )
• Si g2<0, la distribución es menos apuntada que la normal N X, σ . ( )
• El apuntamiento como medida de forma es relativa. Su definición se hace por
comparación con la distribución normal de la misma media y varianza.
• Es mayor cuanto mayor sea la concentración de los valores alrededor de la media.

EJEMPLO: 8
Con los datos del ejemplo 5.2, calcular:
a) Coeficiente de asimetría.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 36


Estadística Descriptiva
b) Coeficiente de curtosis.
Solución:
a) Las operaciones para el cálculo de μ3 y μ4 las disponemos en la siguiente tabla:

e i−1 ei xi ni ni xi n i x 3i n i x 4i
300 900 600 27 16200 5832.106 34992.108
900 1500 1200 26 31200 44928.106 539136.108
1500 2100 1800 14 25200 81648.106 1469664.108
2100 2700 2400 11 26400 152064.106 3649536.108
2700 3300 3000 6 18000 162000.106 4860000.108
3300 3900 3600 8 28800 373248.106 13436928.108
3900 4500 4200 3 12600 222264.106 9335088.108

∑= 95 158400 1041984.106 33325344.108

Según vimos en el ejemplo 5.2:


7

∑n x i
2
i
m=
1 X= 1667.368, m=
2
i =1
= 3857684.21, y ahora,
N

7 7

∑ n i x 3i ∑ n i x i4
=m3 i=
1 =i 1
10968252630=
y m 4 = 3507930947.104
N N

Utilizando las fórmulas del 7.8, tenemos:

µ3= m3 − 3m 2 m1 + 2m13= 942669.108

µ3
y como σ = 1038.06 el coeficiente de asimetría es: g= = 0.842755>0 (sesgada a la dch)
σ3
1

b) µ3= m 4 − 4m3 m1 + 6m 2 m12 − 3m14= 942669.108 =755952.108 resulta

µ4
g2 = − 3= 62.1042>0 (más apuntada que la normal)
σ4

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 37


Estadística Descriptiva
9. DIAGRAMA DE CAJA
Uno de los objetivos principales de la Estadística es el de obtener informaciones útiles
a partir de los datos disponibles. Por ello, es muy importante que los datos que utilicemos sean
fiables (no contengan errores) y, por tanto, en todo tratamiento estadístico es conveniente
efectuar un proceso de depuración y estudio de los datos.

Los valores atípicos o erróneos, por ser inusualmente grandes o pequeños, en general
son atribuibles a una de las siguientes causas:

• El valor se observa y se registra o introduce en el ordenador incorrectamente.


• El valor proviene de una población distinta.
• El valor es correcto, pero representa un suceso poco común.

El problema que se nos presenta es decidir si un determinado dato, con un valor poco
común, puede ser utilizado, o por el contrario lo hemos de rechazar. La respuesta no es fácil,
ya que, si rechazamos datos de forma inadecuada, podemos perder información valiosa y, por
el contrario, si los aceptamos, pueden variar los resultados de forma que nuestras conclusiones
sean erróneas. En la actualidad existe gran multitud de procedimientos que nos facilitan el tomar
una decisión sobre la depuración de datos.

Los histogramas y los polígonos de frecuencia proporcionan impresiones visuales


acerca de un conjunto de datos. Las cantidades numéricas, tales como la media o varianza,
proporcionan información acerca de alguna característica particular de los datos.

Los diagramas de caja son unas representaciones gráficas que describen


simultáneamente varias características importantes de un conjunto de datos, como son la
mediana, la dispersión y la asimetría, pero también permiten identificar observaciones que caen
inusualmente lejos del grueso de los datos, los puntos atípicos, (Outliers). Es un gráfico
representativo de las distribuciones de un conjunto de datos en cuya construcción se usan cinco
medidas descriptivas de los mismos, a saber: mediana, primer cuartil, tercer cuartil, valor
máximo y valor mínimo.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 38


Estadística Descriptiva
Una vez calculados los valores anteriores, procedemos de la siguiente forma. Dibujamos
una caja cuyos lados verticales corresponden a los valores de Q1 y Q3, trazamos una línea
vertical en el valor de la mediana, y dos pequeñas líneas verticales (barreras) para los valores
de LI y LS. A continuación, trazamos un segmento a cada lado de la caja hasta las barreras y
por último colocamos el valor de la media y de los posibles puntos atípicos.

LI=máx(xmín, Q1-1.5(Q3 – Q1)) LS=mín (xmáx, Q3+1.5(Q3 - Q1)).

Donde xmín y xmáx son los valores mínimo y máximo del conjunto de datos.

Opcionalmente se puede representar la media con una cruz.

Todo dato que esté fuera del intervalo [LI, LS] será considerado como posible dato atípico,
anómalo o Outlier y corresponde a un dato que debería ser estudiado.

EJEMPLO 9:
En el conjunto de datos, 23.39, 23.45, 23.47, 23.47, 23.50, 23.50, 23.58, el valor de la mediana
es M=23.47, la media 23.48, el primer cuartil Q1=23.45, el tercer cuartil Q3=23.50 y los valores
de los datos máximo y mínimo son respectivamente 23.39 y 23.58.

Los valores de las barreras son:


Q1-1.5(Q3-Q1)=23.375,
por tanto LI=xmin=23.39.

Q3+1.5(Q3-Q1)=23.575,
por tanto LS=23.575.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 39


Estadística Descriptiva
2

1,5

0,5

0
23,35 23,4 23,45 23,5 23,55 23,6

En consecuencia, el dato 23.58 es un valor atípico y se representa como el gráfico.

En este gráfico hemos de observar que LS es menor que algunas observaciones; estas
observaciones corresponden a puntos atípicos. La media es mayor que la mediana y, por tanto,
es asimétrica hacia la derecha.

http://asignaturas.topografia.upm.es/matematicas/videos/variable_estadistica.wmv
http://asignaturas.topografia.upm.es/matematicas/videos/variable_estadistica.mp4

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 40

Anda mungkin juga menyukai