CognoSfera

www.ugr.es/local/rruizb/cognosfera

ESTADÍSTICA DESCRIPTIVA DE UNA VARIABLE

M. Jorge Bolaños Carmona © Departamento de Estadística e I.O. Facultad de Biblioteconomía y Documentación Universidad de Granada

1.INTRODUCCION El concepto de Estadística es muy amplio, y sus aplicaciones directas o indirectas, muy numerosas; resulta difícil, por ello, dar una definición. Sin embargo, la idea más adecuada es considerar que incumbe a la Estadística la recogida, ordenación, resumen y análisis de datos de cualquier tipo sobre colectivos, lo que significa que no tiene sentido pensar en un dato aislado o individual como terreno de trabajo de la Estadística: es necesario, pues, considerar un grupo de elementos (personas, animales, cosas, experimentos, etc.) a los que se refieren los datos que se consideran. Este conjunto puede venir dado de dos formas que condicionan toda clasificación interna de la Estadística, y que son las siguientes: a) Población, o conjunto de todos los elementos cuyo estudio nos interesa. Si se dispone de datos de una o más variables sobre la población completa, o se puede acceder a ellos, la Estadística tendrá como misión que la recogida sea adecuada, se ordenen, se estructuren y se resuman dichos datos para su mejor comprensión, es decir, que se describan. Ello nos llevará a hablar de Estadística Descriptiva. Por ejemplo, el conjunto de los varones mayores de 65 años y residentes en una provincia sería una población. b) Muestra, o conjunto de elementos de los que efectivamente se dispone de datos, y que es una parte (a menudo pequeña) de la población. Cuando no se puede acceder a los datos de toda la población, que es lo más frecuente, y se debe trabajar con sólo los de la muestra, a la simple descripción de los datos se añade el interés por valorar hasta qué punto los resultados de la muestra son extrapolables o generalizables a la población; en consecuencia, será necesario utilizar no sólo las técnicas de la Estadística Descriptiva, siempre obligadas en todo caso para la comprensión de los resultados, sino también otras que permiten inferir afirmaciones sobre la población a partir de los datos de la muestra y que constituyen la Estadística Inferencial o Inferencia Estadística. Por ejemplo, el grupo de los varones mayores de 65 años y residentes en una provincia que son usuarios de bibliotecas públicas sería una muestra de la población citada en el párrafo anterior (otra cosa es que la muestra fuese o no representativa del conjunto de tal población). Los elementos fundamentales de la descripción de una variable son los que siguen en los apartados siguientes, que se pueden resumir de esta forma: En primer lugar, se hará hincapié en que lo que se estudia son en realidad las variables, lo que nos obligará a distinguir los tipos básicos de ellas, porque tienen un tratamiento distinto en todo lo que sigue. Las distribuciones de frecuencia son necesarias en el paso siguiente para expresar los resultados obtenidos mediante tablas estadísticas. Las gráficas estadísticas dan una información similar a la de las tablas, pero de forma más directa; de ellas trata otro apartado.

1

y podemos utilizar cualquier ordenación para ellas. el pertenecer o no a una asociación. y 65. de forma que pueden enumerarse y existen valores “consecutivos” entre los que no puede haber otro. y un dato es en estas variables un número que refleja el valor de la variable en un elemento de la muestra. sin plantearse problemas de asociación entre ellas. b2) las variables cuantitativas CONTINUAS. Los tipos de variables. TIPOS DE VARIABLES. y consecuentemente las clases de datos que se pueden encontrar. Entre la variables cualitativas cabe distinguir: a1) las variables cualitativas ORDINALES. el sexo de una persona es una variable cualitativa y “varón” o “mujer” son sus únicas modalidades. piénsese. que pueden tomar cualquier valor numérico. Cada forma particular en que se presentan es un valor numérico.17 palabras.37 Kg. que tienen sólo dos modalidades posibles. que son aquellas que no necesitan números para expresarse. a3) las variables DICOTOMICAS. Por ejemplo. Hay que tener en cuenta también que una misma variable de la realidad puede venir expresada de diversas maneras. “grave”. que no tienen un orden natural preestablecido entre sus modalidades.4 Kg.3 Kg. por lo que podemos pensar sólo en una variable de cuyos datos imaginamos disponer en una muestra (el número de datos es el llamado Tamaño de Muestra. de peso siempre está 65. cada forma particular en que pueden presentarse se denomina modalidad. y en las que ni siquiera tiene sentido plantearse si son o no ordinales. “moderado”. ya que no significan una verdadera ordenación natural de las modalidades). para el que habitualmente se utiliza la letra n). de forma que teóricamente entre dos valores posibles siempre se pueden encontrar otros (entre 65. En estos casos. son básicamente las siguientes: A) Variables CUALITATIVAS. pensando que convierten en ordinales a las variables. como por ejemplo el grupo sanguíneo o la nacionalidad de una persona (no hay que confundirse con ordenaciones arbitrarias. VARIABLES CATEGÓRICAS o ATRIBUTOS. aunque en la práctica el número de cifras decimales está limitado y la variable se maneja en cierto modo como discreta. 2.- Finalmente. como la edad de alguien o el número de páginas de un libro. la variable “gravedad del pronóstico de lesiones traumáticas” podría tener como orden natural entre sus modalidades “leve”. El hecho de tener sólo dos modalidades les confiere características especiales. Lo que se estudia en una muestra o población es una serie de variables en cada individuo o elemento. por ejemplo). B) Variables CUANTITATIVAS o NUMERICAS. dispersión y posición. cuyos valores son aislados (habitualmente números enteros). También pueden distinguirse al menos dos subtipos: b1) las variables cuantitativas DISCRETAS. En consecuencia. pero nunca diríamos “grave”. de forma que sus modalidades se enuncian siguiendo una cierta ordenación ascendente o descendente y no de otra manera. el resumen de la información se realiza mediante las medidas de centralización. “leve”. debe quedar claro que la variable es en esencia cuantitativa y que su tratamiento 2 . “mediano” o “alto” (variable cualitativa ordinal). en este orden. o en general cualquier situación que sólo admita una respuesta “sí o no”.. y muchos parámetros y cálculos tienen sentido para las variables de un tipo y no para las de otro. para una variable cualitativa. dependiendo de que usemos valores numéricos o sólo modalidades. Lo usual es considerar primero las variables una a una. también llamadas CARACTERES. etc. entero o decimal. como el orden alfabético. cada dato no es más que la información de que un determinado elemento de la muestra presenta una determinada modalidad. La distinción entre los distintos tipos de variables es importante porque las técnicas a aplicar a cada uno pueden ser muy diferentes. que son las que teniendo más de dos modalidades tienen establecido un orden natural entre las mismas. “moderado”. etc. que son aquellas que necesitan números para ser expresadas.. Cabe citar como ejemplos el ya citado del sexo. por ejemplo. a2) las variables cualitativas PURAS. en que la estatura puede darse en centímetros (variable cuantitativa continua) o diciendo de alguien que es “bajo”. incluso como cualitativa o como cuantitativa. un resumen puede tener 349 ó 350. pero no 349. Por ejemplo. Por ejemplo.

En este segundo ejemplo. que son la suma de las frecuencias del valor o modalidad que se considere y de todos los anteriores. de una variable cuantitativa discreta. Modalidades O A B AB Totales Frecuencia absoluta 85 53 48 14 200 Frecuencia relativa (%) 0. . es decir. como el de proporción. y puede incluir también las llamadas frecuencias acumulativas. cuya tabla se encuentra a continuación. si en una muestra de la variable “nivel de estudios” aparecen 148 personas con nivel de estudios “superiores”. pese a su simplicidad.265 (26. el número n de datos es 500 y la variable toma seis valores distintos (0. Naturalmente.Frecuencia relativa de una modalidad o valor de una variable es su frecuencia absoluta dividida entre el tamaño muestral. diremos que 148 es la frecuencia absoluta de la modalidad “superiores”. Sea cual sea el tipo de variable. con dos enfoques: . las frecuencias acumulativas no son definibles en el ejemplo del grupo sanguíneo. Así.3. sería una tediosa lista de doscientos grupos sanguíneos: Grupo sanguíneo de una muestra de 200 personas. dan lugar a conceptos muy importantes. ello nos conduce al concepto fundamental de frecuencia. se debe resumir para que el lector pueda comprender bien los resultados.0%) 0.como cualitativa supone una pérdida de calidad en la información.070 ( 7.4 y 5) en la muestra.4 % y la condición de la suma sería que deben sumar 100 %. diremos que la frecuencia relativa de la modalidad AB es 148/2000 = 0. Es claro que la suma de las frecuencias relativas de todas las modalidades o valores debe ser 1.425 (42. No se deben confundir los valores de la 3 . y en todo caso sólo tienen sentido con variables cuantitativas o cualitativas ordinales. la tabla siguiente sirve para resumir lo que.1. ya que hay que poder fijar cuales son los valores o modalidades “anteriores”. es decir. puede haber frecuencias acumulativas absolutas o relativas. Un primer y obligado paso de ese resumen de datos es el simple recuento de las repeticiones de un mismo valor o modalidad.074. Es muy habitual expresar las frecuencias relativas como porcentajes (multiplicándolas por cien) y entonces la frecuencia relativa del ejemplo sería 7. DISTRIBUCIONES DE FRECUENCIA Y TABLAS ESTADISTICAS.5%) 0.2. sólo admisible si no podemos disponer de los datos numéricos. además.0%) 1. de valores o de anotaciones sobre qué modalidad (cualitativas) o qué valor (cuantitativas) tiene cada elemento de la muestra. que es una variable cualitativa pura. lo que se entiende mejor (la frecuencia relativa es la parte del total de datos que corresponde a cada valor o modalidad). la proporción de veces que aparece esa modalidad o valor entre todos los datos de la muestra. y de ahí su importancia.240 (24. lo que se tiene como información de una variable en una muestra es un número finito n de datos. Usando como ejemplo el grupo sanguíneo en una muestra de doscientas personas. por tanto. la suma de las frecuencias absolutas de todas las modalidades o valores debe ser igual al tamaño muestral n. si no. 3.5%) 0. Las frecuencias absolutas y relativas son aplicables a cualquier tipo de variable. ya que las absolutas suman n y estamos dividiendo entre n. por ejemplo. y son la base sobre la que se construye cualquier resumen de los datos. salvo cuando el tamaño de muestra n sea muy pequeño. Veamos un ejemplo donde sí lo son. a este conjunto de datos se le llama distribución y. si la frecuencia absoluta 148 del ejemplo anterior corresponde a una muestra de 2000 personas. el número total de datos es n y.Frecuencia absoluta es el número de veces que una modalidad o un valor de una variable aparece entre los datos de una muestra.000 (100%) Una tabla como esta se denomina distribución de frecuencias.

relat. que en una muestra hay 32 personas que miden entre 160 y 164 cm.2% 100% Frec. Esto provoca que a menudo las tablas tuvieran que ser muy extensas. se hacen agrupaciones de varios valores ( por ejemplo. lo que es lógico porque no hay ningún valor anterior con cuyas frecuencias sumarlas. GRAFICAS ESTADISTICAS Las distribuciones de frecuencias se presentan en tablas como las anteriores. relativa 42. por lo que 0. Visitas mensuales a una biblioteca de una muestra de 500 usuarios inscritos Valores 0 1 2 3 4 5 Totales Frec. el número de valores distintos que puede tomar la variable es infinito. 161. es decir. respectivamente. absol. y en la práctica puede ser bastante grande: piénsese que si medimos. el concepto importante es entonces el de marca de clase o valor medio del intervalo.0% Por lo que se refiere a las frecuencias acumuladas o acumulativas (es lo mismo). con clases.0% 35. 162. Además. En las tablas así. por ejemplo. Todo ello significa que las ganancias en comprensión al hacer intervalos se corresponden necesariamente con pérdidas de información (se pierde el detalle) y por ello para los cómputos numéricos se usan los datos originales de uno en uno. que es. etc. esta frecuencia absoluta 210 supone el 42% de 500.6% = 42.0% 77.acumulativa 42. que el valor de la variable es "cero" para ellas. mientras que para tablas y gráficas es frecuente usar intervalos. sino que su utilidad queda reducida a la mejor comprensión de las tablas y a la elaboración de gráficos. las tablas con intervalos ya no se usan. por tanto. podemos saber. se pueden encontrar tablas construídas agrupando los valores en intervalos cuando hay muchos valores entre el mínimo y el máximo. con muchísimos renglones. 4.8% 2. o bien en gráficas. por ejemplo. una.. 162 en el caso citado del intervalo 160-164. En el caso de las variables continuas. hay.8% 1.) de cada persona a la biblioteca en ese mes. 163 y 164 se pueden agrupar en el intervalo 160-164). para el tercer valor se suman tres sumandos y así sucesivamente. de esta forma.6%). como hasta hace pocos años. para realizar cálculos sobre la variable. a partir del segundo renglón sí tenemos acumulación (388=210+178 y 77. podemos observar que las frecuencias acumuladas del primer valor coinciden con las 210 y 42% ya comentadas para ese valor.2% 96. pero no debe 4 . pero no para cada valor de la variable. Nótese que las últimas frecuencias acumuladas tienen que coincidir con el número de datos válidos total (en este ejemplo 500) y con el 100%.42 ó 42% es la frecuencia relativa del valor 0 de la variable. las frecuencias se dan para cada intervalo.0% 98. acumulativa 210 388 456 480 494 500 Frec. Para evitarlo. Por esta razón.6% 13. la estatura en centímetros de una muestra de personas adultas podemos tener fácilmente sesenta o setenta valores distintos. lo que las haría inútiles por incomprensibles. La representación gráfica se utiliza para facilitar al lector la comprensión de los resultados. el objetivo de las gráficas es que la información “impacte” directamente al lector y que se exprese el “perfil” de la distribución.0% + 35. absoluta 210 178 68 24 14 6 500 Frec. las estaturas 160. que son el número de personas cuyo número de visitas es uno determinado: que 210 sea la frecuencia absoluta del valor 0 quiere decir que de entre las 500 personas consideradas en el estudio 210 no han ido ninguna vez a la biblioteca en ese mes. con las frecuencias absolutas. y gracias a los avances de la Informática que permiten almacenar muchos valores y trabajar con ellos rápidamente..6% 4. teóricamente. pero no añade ninguna información sobre la que contendría una tabla de frecuencias.6% 91. pero no cuántas de ellas miden en particular 163 cm.8% 100. es muy conveniente que los intervalos tengan todos la misma longitud. que son el número de visitas (ninguna. y usando como ejemplo las que se recogen en la tabla.variable. dos. una pérdida de información con respecto a lo que sería una tabla detallada. ya que se han sumado todas las frecuencias absolutas y relativas. por ejemplo.

que refleja como sectores de un círculo las frecuencias de cada modalidad. por lo que podemos clasificar las gráficas atendiendo a estos tipos. la gráfica adecuada para las variables discretas es el diagrama de segmentos. generalmente un rectángulo. por ello podemos hacer el diagrama con frecuencias absolutas o relativas. sin mayor complicación (el rectángulo de una modalidad con frecuencia 7 tendrá altura 7 y así con todas). ésta suele representarse horizontalmente con los valores negativos a la izquierda del cero y los positivos a la derecha. Como el radio es constante en un círculo. condición inexcusable para que una gráfica sea correcta. Así. lo que se consigue multiplicando los 360º del círculo por la frecuencia relativa de cada modalidad. Es lo mismo usar para ello frecuencias absolutas o relativas. cada uno de ellos adecuado a un cierto tipo de variables. etc. puede dibujarse una línea quebrada que una los extremos superiores de los segmentos. en trozos proporcionales a las frecuencias. Además. en los que se representa cada modalidad sobre puntos o regiones de un mapa. Junto con el diagrama de segmentos. - Hay otras gráficas menos frecuentes pero igualmente válidas para variables cualitativas. así se consigue que la abscisa (horizontal) refleje los valores y que la ordenada (vertical) exprese las frecuencias de la variable. en el que sobre cada valor de la variable se coloca verticalmente un segmento que tiene una longitud proporcional a su frecuencia. para cumplir la regla fundamental de proporcionalidad basta hacer al ángulo de cada sector proporcional a la frecuencia. fundamentalmente las frecuencias de cada modalidad o valor. o los diagramas de superficie . por esos puntos sueltos. cabe citar los pictogramas. como puntos sueltos. El diagrama de sectores . Si las bases de los rectángulos se dibujan todas iguales. el diagrama de segmentos. a voluntad. que los detalles sean lo suficientemente visibles. Este tipo de gráficas es muy útil para comparar los resultados de una variable cualitativa en dos o más muestras. que no se intente representar demasiada información en una sola gráfica. sino una “poligonal”) se representa sólo. Por ello la regla fundamental para la construcción de una gráfica es que: Las áreas (o longitudes) han de ser proporcionales a las frecuencias. los cartogramas. par cumplir la regla fundamental antes citada basta tomar como alturas de los rectángulos directamente las frecuencias. como si se hubieran borrado los segmentos verticales. en la “recta de los números”. Los rectángulos suelen representarse separados en este tipo de gráficas. Las variables discretas toman valores aislados. que también pueden aparecer con las barras horizontales y las modalidades situadas verticalmente.olvidarse el rigor en aras de la estética: las gráficas deben reflejar fielmente lo que tratan de representar. Por su parte. El polígono de frecuencias también puede usarse junto con: 5 . para variables CUANTITATIVAS los tipos de gráficas más importantes son los siguientes: Para variables discretas. Existen diversos tipos de gráficas. consistente en asociar a cada modalidad de la variable un rectángulo cuya superficie refleje su frecuencia: las modalidades se suelen situar en horizontal y la escala de frecuencias absolutas o relativas en vertical. con carácter general puede recomendarse que el pie de la gráfica explique convenientemente de qué se trata. en los que se divide una figura geométrica. que se llama polígono de frecuencias. para caracteres o variables CUALITATIVAS se pueden mencionar: El diagrama de barras o rectángulos . en los que se representa una misma figura para cada modalidad pero con tamaño proporcional a las frecuencias (pictograma por extensión) o una misma figura repetida tantas veces como sea necesario para reflejar la frecuencia de cada modalidad (pictograma por repetición). ya que las dos clases de frecuencias son a su vez proporcionales por la propia definición de frecuencia relativa. a veces este polígono (que matemáticamente no es tal.

también llamados de tendencia central o de posición central. por ello. Finalmente. La MEDIANA: es el valor que está en el centro de la distribución. 6 . También se puede hablar de moda local o secundaria. dar una valoración de hasta qué punto los datos se parecen entre sí o bien están muy diferenciados (dispersos). Así se crean las medidas ó parámetros de centralización. En segundo lugar. En la práctica. tendencia central o posición central. que es la gráfica adecuada para representar variables cuantitativas continuas. que es la más grande. tratar de informar sobre la distribución de la variable diciendo a cuántos de sus valores supera uno dado. tres son las definiciones destacables: La MODA: es el valor de la variable que tiene mayor frecuencia en la muestra. se puede también tratar de medir qué valor supera a una cierta porción o proporción de valores. es decir. - - Definiremos a continuación los más importantes entre todos los parámetros de estos tres tipos y para ilustrar su cálculo usaremos el ejemplo siguiente. o lo que es lo mismo. Para hacer ese resumen o información de los datos hay tres enfoques fundamentales: En primer lugar. se calcula buscando el valor de la muestra que ocupa el lugar (n+1)/2.- El histograma o histograma de rectángulos. dar un valor lo más representativo posible de todos los valores de la muestra. el que se repite más (moda se asocia con lo más frecuente). Estas variables cubren teóricamente con sus valores a la recta de los números reales. A veces estos histogramas son llamados erróneamente diagramas de barras. En nuestro ejemplo es el valor 0. y como complemento a lo anterior. que no sea. más se parecerán al representante o parámetro de centralización que elijamos. esto se traduce en que casi siempre se maneja un gran número de valores distintos y ello hace poco adecuado para estas variables un diagrama de segmentos. presentamos los datos ordenados de menor a mayor para mejor comprensión. que tiene una frecuencia absoluta de cuatro. con más frecuencia que la que tengan el anterior y el posterior. y mejor sería éste. o al menos de un cierto intervalo. En nuestro ejemplo es el valor 1. PARAMETROS DE UNA DISTRIBUCION Se trata de resumir más la información de una tabla o de una gráfica. con los datos ordenados. que sería cualquier valor más frecuente que sus adyacentes. no hay ninguna moda secundaria en nuestro ejemplo. La moda puede definirse para cualquier tipo de variables. y para respetar la continuidad de la variable. además. Por todo esto conviene medir las diferencias internas de los datos mediante las medidas ó parámetros de dispersión. lo que se hace es agrupar los valores en intervalos y gráficamente se representan rectángulos yuxtapuestos cuyas bases descansan sobre la horizontal y cuyas alturas son tales que el área de cada rectángulo sea proporcional a la frecuencia de cada intervalo. Para ello se usan los cuantiles como medidas ó parámetros de posición. Supongamos que son los siguientes: 0 0 0 0 1 1 1 2 2 3 4 5 7 Vamos a definir ahora las medidas más importantes: Primer grupo: PARAMETROS DE CENTRALIZACION. por tanto. 5. es decir. es decir. cuanto más se parezcan entre sí los valores que nos salen. en tercer lugar. lo que requiere al menos orden en los datos. ni de los más bajos ni de los más altos. y de encontrar algunos valores lo más simples posible que nos permitan dar información sobre la muestra o comparar dos muestras entre sí. de manera que “infinitamente” junto a un valor se encontraría otro y no se producen “saltos” entre ellos. pero en principio los datos nos vendrían en cualquier orden. el valor que supera a la mitad de los de la muestra y se ve superado por la otra mitad (salvo empates en ambos casos). donde los datos son el número de hermanos (excluido él mismo) de una muestra de 13 niños. Entre los parámetros de centralización.

que proceden de datos superiores a la media. con mucho la más usada de las medidas de dispersión.83 y como desviación standard su raíz cuadrada 2. suman – 11.00 y la desviación típica de 2. que no tiene nada que ver) sale 22 y por tanto la desviación absoluta media vale 22/13 = 1. sería mejor calcular como varianza 58/12 = 4. entre el número de datos. esto es. con media de 2.46 . de modo que todas suman 0). Es la más importante de las medidas de centralización y en general de todos los parámetros estadísticos y al ser centro de gravedad tiene la propiedad de que si hallamos las diferencias de cada dato con ella (llamadas desviaciones). de forma que la media vale 26/13 = 2. y las positivas. pese a su valor intuitivo. A efectos comparativos entre distintas muestras e incluso entre distintas variables. Por motivos difíciles de explicar aquí. Sin embargo. pues. sumando esos cuadrados y dividiendo entre n. suman +11. Las más importantes medidas de dispersión son las siguientes: La DESVIACION ABSOLUTA MEDIA: es la media aritmética de los valores absolutos de las desviaciones. y que en nuestro ejemplo valdría 2.00 . sumándolas y dividiendo entre n.20 (estos últimos serían la varianza muestral o quasivarianza y la desviación típica muestral y serían los utilizados en la práctica. la media geométrica (raíz enésima del producto de los datos) o la media armónica (la inversa de la media aritmética de los inversos de los datos). por lo que se calcula elevando al cuadrado cada desviación.11 como parámetros más informativos. la suma de los datos es 26 y el número de ellos 13. quedándose el n para el caso en que se conoce toda la población. En nuestro ejemplo.que corresponde al séptimo lugar (que deja seis por debajo y seis por encima). relacionados con cuestiones de inferencia estadística. Se calcula sumando los datos y dividiendo entre el tamaño de la muestra. las medidas de dispersión se basan en la idea de medir las diferencias entre unos datos y otros midiendo las diferencias de cada dato con la media. Es mucho más importante: La VARIANZA: es la media aritmética de los cuadrados de las desviaciones. sin embargo. en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones. el tener que usar valores absolutos complica los desarrollos matemáticos con este parámetro y por eso se usa poco. ya que necesita un orden en los datos. el hecho de que carezca de interpretación intuitiva y que sus unidades sean cuadradas (¿hermanos cuadrados?) hace que es la práctica se use mucho más su raíz cuadrada. La MEDIA ó MEDIA ARITMETICA: es el centro de gravedad de la distribución. Segundo grupo: PARAMETROS DE DISPERSION. esto es. sino sólo para ordinales y cuantitativas. lo que hace de la varianza la reina de los parámetros de dispersión desde un punto de vista teórico.69 . las desviaciones (que se obtienen restando cada dato menos la media) son: -2 -2 -2 -2 -1 -1 -1 0 0 +1 +2 +3 +5 que como puede calcularse suman cero (las negativas. la media sólo es definible para variables cuantitativas. es más recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviación típica de una muestra. el cuadrado es matemáticamente mucho más manejable que el valor absoluto. por su propia naturaleza. es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra (serían ya todas positivas). En nuestro ejemplo. aunque la definición teórica sea con denominador n por ser la varianza una "media"). Por su parte. con lo que el informe más habitual para nuestros datos daría una media de 2. lo que resulta clave para la definición de las medidas de dispersión.11. que proceden de datos inferiores a la media. ya que si no hay números no se puede sumar. la DESVIACION STANDARD o DESVIACION TIPICA. usando las desviaciones. La mediana no puede definirse para variables cualitativas puras. en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas. como la media ponderada (que es una media aritmética con distintos pesos de importancia para los distintos datos). por lo que se calcula tomando como positivas todas las desviaciones. con lo que la varianza es 58/13 = 4. la suma de estas diferencias o desviaciones es SIEMPRE CERO para cualquier distribución de cualquier variable. como éstas siempre suman cero. o fiel de la balanza entre todos los datos. en nuestro ejemplo. Existen otras medidas de centralización de uso menos frecuente. se define: 7 .

entre la desviación típica y la media de una distribución. pero en nuestro ejemplo valdrían respectivamente 0. Es una especie de desviación típica “relativa”. 1 y 3. si restamos el tercer cuartil menos el primero obtenemos el RANGO INTERCUARTÍLICO. el primer decil deja por debajo una décima parte de la distribución. la más simple de las medidas de dispersión es el RANGO. el segundo dos décimas partes. el segundo coincide con la mediana y el tercero deja por debajo al 75% de la distribución.5 (que están situados en las posiciones “tercera y media”.100055 ó bien 11005. por ejemplo. que es una medida de dispersión.05% (nótese que no es un verdadero porcentaje. No tienen mucho sentido en muestras pequeñas. que dan nueve cortes para definir de diez en diez por ciento los valores de la distribución. el percentil 37 deja por debajo al 37% de la distribución. CognoSfera www. por ejemplo. RECORRIDO ó AMPLITUD. Tercer grupo: CUANTILES O PARAMETROS DE POSICION Los cuantiles completan el cuadro de los parámetros de una distribución. En cierto modo pueden ser considerados como medidas de centralización (de hecho la mediana es uno de ellos) y también como medidas de dispersión (algunas pueden construirse a partir de ellos) pero en realidad son medidas de posición. séptima y “décima y media” de los datos ordenados). que es el cociente. excluyendo la cuarta parte inicial (los que son inferiores al primer cuartil) y la cuarta parte final (los que son superiores al tercer cuartil). hasta nueve deciles.es/local/rruizb/cognosfera 8 .ugr. Se definen entre los más importantes: Los CUARTILES.. a menudo expresado en tanto por ciento. Se define el cuantil p como aquel valor de la variable (que puede estar o no en la muestra) que supera al p% de los datos de la muestra. y que indica qué extensión de la recta de los números ocupan los datos de nuestra muestra. como la propia mediana o los cercanos a ella. porque requieren siempre que los datos estén ordenados. este resultado indicaría mucha dispersión en los datos del ejemplo en relación con la media. recuérdese que el RANGO era la extensión cubierta por toda la muestra ordenada (se define como máximo menos mínimo). Los DECILES. etc. resultan útiles sólo cuando la muestra es numerosa y permiten saber en que “posición” se encuentra un valor dado con respecto al conjunto de una muestra o población. mientras que el RANGO INTERCUARTILICO es la extensión cubierta por la mitad central de los datos ordenados. ya que trece elementos no se pueden “partir” en cien partes.00 = 1. pueden considerarse como parámetros de centralización y sin embargo los más lejanos al centro ayudan a medir la dispersión. Los cuantiles más próximos al percentil 50. y por tanto son noventa y nueve. que son como los deciles pero de uno en uno por ciento.El COEFICIENTE DE VARIACION . y está claro que no tienen sentido en muestras tan pequeñas como la de nuestro ejemplo. Los PERCENTILES. que es la diferencia entre el valor máximo y el mínimo de la muestra. y en nuestro ejemplo valdría 2. porque puede valer más del 100%).2011/2. Además de las citadas. así. Con el rango intercuartílico estamos midiendo la extensión que nos cubre la mitad central de nuestros datos. que definen las cuartas partes de la muestra mediante tres “cortes”: el primer cuartil deja por debajo al 25% de la distribución. Todos los cuantiles son definibles sobre variables cuantitativas o sobre cualitativas ordinales.

9 .