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

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

Las frecuencias absolutas y relativas son aplicables a cualquier tipo de variable. la proporción de veces que aparece esa modalidad o valor entre todos los datos de la muestra. el número total de datos es n y. Así. lo que se entiende mejor (la frecuencia relativa es la parte del total de datos que corresponde a cada valor o modalidad). DISTRIBUCIONES DE FRECUENCIA Y TABLAS ESTADISTICAS.Frecuencia absoluta es el número de veces que una modalidad o un valor de una variable aparece entre los datos de una muestra. si la frecuencia absoluta 148 del ejemplo anterior corresponde a una muestra de 2000 personas.240 (24.como cualitativa supone una pérdida de calidad en la información. y de ahí su importancia. que es una variable cualitativa pura. dan lugar a conceptos muy importantes. como el de proporción. pese a su simplicidad. Modalidades O A B AB Totales Frecuencia absoluta 85 53 48 14 200 Frecuencia relativa (%) 0. que son la suma de las frecuencias del valor o modalidad que se considere y de todos los anteriores. las frecuencias acumulativas no son definibles en el ejemplo del grupo sanguíneo. y puede incluir también las llamadas frecuencias acumulativas. ello nos conduce al concepto fundamental de frecuencia. Es claro que la suma de las frecuencias relativas de todas las modalidades o valores debe ser 1. y son la base sobre la que se construye cualquier resumen de los datos. se debe resumir para que el lector pueda comprender bien los resultados. la suma de las frecuencias absolutas de todas las modalidades o valores debe ser igual al tamaño muestral n. Veamos un ejemplo donde sí lo son. por ejemplo. puede haber frecuencias acumulativas absolutas o relativas.070 ( 7.3. por tanto. Usando como ejemplo el grupo sanguíneo en una muestra de doscientas personas. sólo admisible si no podemos disponer de los datos numéricos. es decir. En este segundo ejemplo. ya que hay que poder fijar cuales son los valores o modalidades “anteriores”. Naturalmente.4 % y la condición de la suma sería que deben sumar 100 %. a este conjunto de datos se le llama distribución y. el número n de datos es 500 y la variable toma seis valores distintos (0.2. No se deben confundir los valores de la 3 . ya que las absolutas suman n y estamos dividiendo entre n. 3. Es muy habitual expresar las frecuencias relativas como porcentajes (multiplicándolas por cien) y entonces la frecuencia relativa del ejemplo sería 7.0%) 1. diremos que 148 es la frecuencia absoluta de la modalidad “superiores”. y en todo caso sólo tienen sentido con variables cuantitativas o cualitativas ordinales. es decir. Un primer y obligado paso de ese resumen de datos es el simple recuento de las repeticiones de un mismo valor o modalidad. sería una tediosa lista de doscientos grupos sanguíneos: Grupo sanguíneo de una muestra de 200 personas.4 y 5) en la muestra. salvo cuando el tamaño de muestra n sea muy pequeño.425 (42. Sea cual sea el tipo de variable.000 (100%) Una tabla como esta se denomina distribución de frecuencias. lo que se tiene como información de una variable en una muestra es un número finito n de datos. cuya tabla se encuentra a continuación. la tabla siguiente sirve para resumir lo que.5%) 0. de valores o de anotaciones sobre qué modalidad (cualitativas) o qué valor (cuantitativas) tiene cada elemento de la muestra.1. si en una muestra de la variable “nivel de estudios” aparecen 148 personas con nivel de estudios “superiores”.265 (26.0%) 0. diremos que la frecuencia relativa de la modalidad AB es 148/2000 = 0.074.Frecuencia relativa de una modalidad o valor de una variable es su frecuencia absoluta dividida entre el tamaño muestral. si no. con dos enfoques: .5%) 0. además. . de una variable cuantitativa discreta.

por ejemplo. que son el número de visitas (ninguna. En el caso de las variables continuas. Esto provoca que a menudo las tablas tuvieran que ser muy extensas. lo que las haría inútiles por incomprensibles. una. 4. pero no debe 4 . para el tercer valor se suman tres sumandos y así sucesivamente.0% 35. el objetivo de las gráficas es que la información “impacte” directamente al lector y que se exprese el “perfil” de la distribución. por lo que 0. esta frecuencia absoluta 210 supone el 42% de 500. 161. absoluta 210 178 68 24 14 6 500 Frec. con las frecuencias absolutas. absol. dos. es muy conveniente que los intervalos tengan todos la misma longitud. la estatura en centímetros de una muestra de personas adultas podemos tener fácilmente sesenta o setenta valores distintos. 162. y gracias a los avances de la Informática que permiten almacenar muchos valores y trabajar con ellos rápidamente.8% 100.8% 2. el número de valores distintos que puede tomar la variable es infinito. que es.8% 1. es decir. 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. y usando como ejemplo las que se recogen en la tabla. relativa 42. etc. que en una muestra hay 32 personas que miden entre 160 y 164 cm.0% + 35. una pérdida de información con respecto a lo que sería una tabla detallada.0% 77. Además. pero no para cada valor de la variable. Por esta razón. teóricamente. podemos observar que las frecuencias acumuladas del primer valor coinciden con las 210 y 42% ya comentadas para ese valor. acumulativa 210 388 456 480 494 500 Frec. respectivamente. las tablas con intervalos ya no se usan. las estaturas 160. con muchísimos renglones. 163 y 164 se pueden agrupar en el intervalo 160-164). Para evitarlo.6% = 42. por tanto. y en la práctica puede ser bastante grande: piénsese que si medimos.. En las tablas así. Visitas mensuales a una biblioteca de una muestra de 500 usuarios inscritos Valores 0 1 2 3 4 5 Totales Frec. el concepto importante es entonces el de marca de clase o valor medio del intervalo. se pueden encontrar tablas construídas agrupando los valores en intervalos cuando hay muchos valores entre el mínimo y el máximo. pero no cuántas de ellas miden en particular 163 cm. 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. sino que su utilidad queda reducida a la mejor comprensión de las tablas y a la elaboración de gráficos. como hasta hace pocos años.2% 96. ya que se han sumado todas las frecuencias absolutas y relativas. para realizar cálculos sobre la variable.6%). lo que es lógico porque no hay ningún valor anterior con cuyas frecuencias sumarlas. pero no añade ninguna información sobre la que contendría una tabla de frecuencias. de esta forma. las frecuencias se dan para cada intervalo.0% Por lo que se refiere a las frecuencias acumuladas o acumulativas (es lo mismo). con clases.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%.acumulativa 42.6% 91. mientras que para tablas y gráficas es frecuente usar intervalos. por ejemplo. se hacen agrupaciones de varios valores ( por ejemplo.0% 98. por ejemplo.2% 100% Frec.6% 13.6% 4. a partir del segundo renglón sí tenemos acumulación (388=210+178 y 77. GRAFICAS ESTADISTICAS Las distribuciones de frecuencias se presentan en tablas como las anteriores. relat. 162 en el caso citado del intervalo 160-164. hay.42 ó 42% es la frecuencia relativa del valor 0 de la variable. que el valor de la variable es "cero" para ellas. o bien en gráficas. podemos saber.) de cada persona a la biblioteca en ese mes. La representación gráfica se utiliza para facilitar al lector la comprensión de los resultados..

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

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

con media de 2. 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. que no tiene nada que ver) sale 22 y por tanto la desviación absoluta media vale 22/13 = 1. lo que hace de la varianza la reina de los parámetros de dispersión desde un punto de vista teórico. La mediana no puede definirse para variables cualitativas puras. el tener que usar valores absolutos complica los desarrollos matemáticos con este parámetro y por eso se usa poco. la media sólo es definible para variables cuantitativas. la suma de estas diferencias o desviaciones es SIEMPRE CERO para cualquier distribución de cualquier variable.20 (estos últimos serían la varianza muestral o quasivarianza y la desviación típica muestral y serían los utilizados en la práctica. por lo que se calcula elevando al cuadrado cada desviación. la suma de los datos es 26 y el número de ellos 13. La MEDIA ó MEDIA ARITMETICA: es el centro de gravedad de la distribución. sumando esos cuadrados y dividiendo entre n. como la media ponderada (que es una media aritmética con distintos pesos de importancia para los distintos datos). se define: 7 . esto es. en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones. con lo que la varianza es 58/13 = 4. como éstas siempre suman cero. y que en nuestro ejemplo valdría 2.46 . con lo que el informe más habitual para nuestros datos daría una media de 2. que proceden de datos inferiores a la media. ya que necesita un orden en los datos. por su propia naturaleza. lo que resulta clave para la definición de las medidas de dispersión. suman +11. Por su parte. o fiel de la balanza entre todos los datos. en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas. esto es. la DESVIACION STANDARD o DESVIACION TIPICA. aunque la definición teórica sea con denominador n por ser la varianza una "media"). Sin embargo. 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. quedándose el n para el caso en que se conoce toda la población. En nuestro ejemplo. pese a su valor intuitivo. Las más importantes medidas de dispersión son las siguientes: La DESVIACION ABSOLUTA MEDIA: es la media aritmética de los valores absolutos de las desviaciones.69 . y las positivas. Es mucho más importante: La VARIANZA: es la media aritmética de los cuadrados de las desviaciones. pues. el cuadrado es matemáticamente mucho más manejable que el valor absoluto. Se calcula sumando los datos y dividiendo entre el tamaño de la muestra. En nuestro ejemplo. con mucho la más usada de las medidas de dispersión. es más recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviación típica de una muestra. de modo que todas suman 0). entre el número de datos. sino sólo para ordinales y cuantitativas. ya que si no hay números no se puede sumar.00 .11. relacionados con cuestiones de inferencia estadística. sería mejor calcular como varianza 58/12 = 4. Por motivos difíciles de explicar aquí. 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).que corresponde al séptimo lugar (que deja seis por debajo y seis por encima).00 y la desviación típica de 2. Existen otras medidas de centralización de uso menos frecuente. Segundo grupo: PARAMETROS DE DISPERSION. usando las desviaciones.11 como parámetros más informativos. 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 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). sumándolas y dividiendo entre n. de forma que la media vale 26/13 = 2. por lo que se calcula tomando como positivas todas las desviaciones. A efectos comparativos entre distintas muestras e incluso entre distintas variables. que proceden de datos superiores a la media. en nuestro ejemplo. sin embargo. suman – 11. es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra (serían ya todas positivas).83 y como desviación standard su raíz cuadrada 2.

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

9 .

Sign up to vote on this title
UsefulNot useful