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

b2) las variables cuantitativas CONTINUAS. el resumen de la información se realiza mediante las medidas de centralización. por ejemplo). sin plantearse problemas de asociación entre ellas.3 Kg. como el orden alfabético. En consecuencia. la variable “gravedad del pronóstico de lesiones traumáticas” podría tener como orden natural entre sus modalidades “leve”. incluso como cualitativa o como cuantitativa. de forma que pueden enumerarse y existen valores “consecutivos” entre los que no puede haber otro. VARIABLES CATEGÓRICAS o ATRIBUTOS. que son aquellas que necesitan números para ser expresadas. el sexo de una persona es una variable cualitativa y “varón” o “mujer” son sus únicas modalidades. y muchos parámetros y cálculos tienen sentido para las variables de un tipo y no para las de otro. aunque en la práctica el número de cifras decimales está limitado y la variable se maneja en cierto modo como discreta. también llamadas CARACTERES. La distinción entre los distintos tipos de variables es importante porque las técnicas a aplicar a cada uno pueden ser muy diferentes. el pertenecer o no a una asociación. etc. “mediano” o “alto” (variable cualitativa ordinal). como por ejemplo el grupo sanguíneo o la nacionalidad de una persona (no hay que confundirse con ordenaciones arbitrarias. que pueden tomar cualquier valor numérico. dependiendo de que usemos valores numéricos o sólo modalidades. Por ejemplo. pero nunca diríamos “grave”. También pueden distinguirse al menos dos subtipos: b1) las variables cuantitativas DISCRETAS. en que la estatura puede darse en centímetros (variable cuantitativa continua) o diciendo de alguien que es “bajo”. Lo usual es considerar primero las variables una a una. de forma que sus modalidades se enuncian siguiendo una cierta ordenación ascendente o descendente y no de otra manera. entero o decimal. de peso siempre está 65. El hecho de tener sólo dos modalidades les confiere características especiales. TIPOS DE VARIABLES.4 Kg.- Finalmente. de forma que teóricamente entre dos valores posibles siempre se pueden encontrar otros (entre 65. Hay que tener en cuenta también que una misma variable de la realidad puede venir expresada de diversas maneras. que no tienen un orden natural preestablecido entre sus modalidades. debe quedar claro que la variable es en esencia cuantitativa y que su tratamiento 2 . cada dato no es más que la información de que un determinado elemento de la muestra presenta una determinada modalidad. 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. “moderado”. “leve”.. Por ejemplo. pensando que convierten en ordinales a las variables. Entre la variables cualitativas cabe distinguir: a1) las variables cualitativas ORDINALES. o en general cualquier situación que sólo admita una respuesta “sí o no”. cada forma particular en que pueden presentarse se denomina modalidad. son básicamente las siguientes: A) Variables CUALITATIVAS. por ejemplo. etc. Cabe citar como ejemplos el ya citado del sexo. para el que habitualmente se utiliza la letra n). piénsese. “grave”. 2. cuyos valores son aislados (habitualmente números enteros). y un dato es en estas variables un número que refleja el valor de la variable en un elemento de la muestra.. B) Variables CUANTITATIVAS o NUMERICAS. y en las que ni siquiera tiene sentido plantearse si son o no ordinales. en este orden.37 Kg. que son aquellas que no necesitan números para expresarse. dispersión y posición. “moderado”. para una variable cualitativa. un resumen puede tener 349 ó 350. ya que no significan una verdadera ordenación natural de las modalidades). que tienen sólo dos modalidades posibles. a3) las variables DICOTOMICAS. que son las que teniendo más de dos modalidades tienen establecido un orden natural entre las mismas. Los tipos de variables. y 65.17 palabras. como la edad de alguien o el número de páginas de un libro. a2) las variables cualitativas PURAS. Lo que se estudia en una muestra o población es una serie de variables en cada individuo o elemento. Cada forma particular en que se presentan es un valor numérico. Por ejemplo. y podemos utilizar cualquier ordenación para ellas. y consecuentemente las clases de datos que se pueden encontrar. En estos casos. pero no 349.

y son la base sobre la que se construye cualquier resumen de los datos.4 y 5) en la muestra. diremos que la frecuencia relativa de la modalidad AB es 148/2000 = 0. dan lugar a conceptos muy importantes. por ejemplo. Veamos un ejemplo donde sí lo son.000 (100%) Una tabla como esta se denomina distribución de frecuencias.como cualitativa supone una pérdida de calidad en la información. si en una muestra de la variable “nivel de estudios” aparecen 148 personas con nivel de estudios “superiores”. Usando como ejemplo el grupo sanguíneo en una muestra de doscientas personas. Las frecuencias absolutas y relativas son aplicables a cualquier tipo de variable. DISTRIBUCIONES DE FRECUENCIA Y TABLAS ESTADISTICAS. y en todo caso sólo tienen sentido con variables cuantitativas o cualitativas ordinales. se debe resumir para que el lector pueda comprender bien los resultados.0%) 1.0%) 0. la suma de las frecuencias absolutas de todas las modalidades o valores debe ser igual al tamaño muestral n. además. que son la suma de las frecuencias del valor o modalidad que se considere y de todos los anteriores. En este segundo ejemplo.1. puede haber frecuencias acumulativas absolutas o relativas. lo que se tiene como información de una variable en una muestra es un número finito n de datos.5%) 0.074. ya que hay que poder fijar cuales son los valores o modalidades “anteriores”. con dos enfoques: . como el de proporción. es decir. de una variable cuantitativa discreta.240 (24. Es muy habitual expresar las frecuencias relativas como porcentajes (multiplicándolas por cien) y entonces la frecuencia relativa del ejemplo sería 7.2. a este conjunto de datos se le llama distribución y. el número total de datos es n y. Modalidades O A B AB Totales Frecuencia absoluta 85 53 48 14 200 Frecuencia relativa (%) 0.070 ( 7.5%) 0. pese a su simplicidad.265 (26. cuya tabla se encuentra a continuación. por tanto. Naturalmente. es decir. salvo cuando el tamaño de muestra n sea muy pequeño. sólo admisible si no podemos disponer de los datos numéricos. sería una tediosa lista de doscientos grupos sanguíneos: Grupo sanguíneo de una muestra de 200 personas. la proporción de veces que aparece esa modalidad o valor entre todos los datos de la muestra. . y puede incluir también las llamadas frecuencias acumulativas. ello nos conduce al concepto fundamental de frecuencia. si no. de valores o de anotaciones sobre qué modalidad (cualitativas) o qué valor (cuantitativas) tiene cada elemento de la muestra. lo que se entiende mejor (la frecuencia relativa es la parte del total de datos que corresponde a cada valor o modalidad). ya que las absolutas suman n y estamos dividiendo entre n. diremos que 148 es la frecuencia absoluta de la modalidad “superiores”. Un primer y obligado paso de ese resumen de datos es el simple recuento de las repeticiones de un mismo valor o modalidad. si la frecuencia absoluta 148 del ejemplo anterior corresponde a una muestra de 2000 personas. que es una variable cualitativa pura. la tabla siguiente sirve para resumir lo que. 3. y de ahí su importancia.3. las frecuencias acumulativas no son definibles en el ejemplo del grupo sanguíneo.4 % y la condición de la suma sería que deben sumar 100 %. No se deben confundir los valores de la 3 .Frecuencia relativa de una modalidad o valor de una variable es su frecuencia absoluta dividida entre el tamaño muestral. Así. el número n de datos es 500 y la variable toma seis valores distintos (0.425 (42. Es claro que la suma de las frecuencias relativas de todas las modalidades o valores debe ser 1.Frecuencia absoluta es el número de veces que una modalidad o un valor de una variable aparece entre los datos de una muestra. Sea cual sea el tipo de variable.

que el valor de la variable es "cero" para ellas. podemos saber. 163 y 164 se pueden agrupar en el intervalo 160-164). etc. mientras que para tablas y gráficas es frecuente usar intervalos. 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. por ejemplo.0% 77.8% 100.8% 1. es decir.6%).6% = 42. a partir del segundo renglón sí tenemos acumulación (388=210+178 y 77. por tanto. las tablas con intervalos ya no se usan. esta frecuencia absoluta 210 supone el 42% de 500. para el tercer valor se suman tres sumandos y así sucesivamente.. que son el número de visitas (ninguna. que en una muestra hay 32 personas que miden entre 160 y 164 cm.2% 100% Frec.6% 91. de esta forma. Visitas mensuales a una biblioteca de una muestra de 500 usuarios inscritos Valores 0 1 2 3 4 5 Totales Frec. 162 en el caso citado del intervalo 160-164. por ejemplo. Esto provoca que a menudo las tablas tuvieran que ser muy extensas. acumulativa 210 388 456 480 494 500 Frec.0% 98.acumulativa 42. En las tablas así.. Por esta razón. o bien en gráficas. y en la práctica puede ser bastante grande: piénsese que si medimos. Para evitarlo.8% 2. con muchísimos renglones. relat. absol. con las frecuencias absolutas. se hacen agrupaciones de varios valores ( por ejemplo. por lo que 0. En el caso de las variables continuas. lo que es lógico porque no hay ningún valor anterior con cuyas frecuencias sumarlas. por ejemplo.6% 13. las frecuencias se dan para cada intervalo. una. La representación gráfica se utiliza para facilitar al lector la comprensión de los resultados. con clases. se pueden encontrar tablas construídas agrupando los valores en intervalos cuando hay muchos valores entre el mínimo y el máximo. 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 gracias a los avances de la Informática que permiten almacenar muchos valores y trabajar con ellos rápidamente. pero no añade ninguna información sobre la que contendría una tabla de frecuencias. absoluta 210 178 68 24 14 6 500 Frec.42 ó 42% es la frecuencia relativa del valor 0 de la variable. el concepto importante es entonces el de marca de clase o valor medio del intervalo. 4.6% 4. Además.0% 35. relativa 42. el objetivo de las gráficas es que la información “impacte” directamente al lector y que se exprese el “perfil” de la distribución.0% Por lo que se refiere a las frecuencias acumuladas o acumulativas (es lo mismo). el número de valores distintos que puede tomar la variable es infinito. como hasta hace pocos años. GRAFICAS ESTADISTICAS Las distribuciones de frecuencias se presentan en tablas como las anteriores. 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. para realizar cálculos sobre la variable. hay. y usando como ejemplo las que se recogen en la tabla. podemos observar que las frecuencias acumuladas del primer valor coinciden con las 210 y 42% ya comentadas para ese valor. sino que su utilidad queda reducida a la mejor comprensión de las tablas y a la elaboración de gráficos. pero no cuántas de ellas miden en particular 163 cm.) de cada persona a la biblioteca en ese mes. que es. Nótese que las últimas frecuencias acumuladas tienen que coincidir con el número de datos válidos total (en este ejemplo 500) y con el 100%. es muy conveniente que los intervalos tengan todos la misma longitud. pero no para cada valor de la variable. 162. 161.0% + 35.2% 96. las estaturas 160. ya que se han sumado todas las frecuencias absolutas y relativas. pero no debe 4 . dos. teóricamente. una pérdida de información con respecto a lo que sería una tabla detallada. respectivamente.variable.

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

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

aunque la definición teórica sea con denominador n por ser la varianza una "media"). es más recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviación típica de una muestra. ya que necesita un orden en los datos. sumando esos cuadrados y dividiendo entre n. con lo que la varianza es 58/13 = 4. la media sólo es definible para variables cuantitativas. suman +11. que proceden de datos superiores a la media. esto es. La MEDIA ó MEDIA ARITMETICA: es el centro de gravedad de la distribución. En nuestro ejemplo. que proceden de datos inferiores a la media. se define: 7 . como la media ponderada (que es una media aritmética con distintos pesos de importancia para los distintos datos). relacionados con cuestiones de inferencia estadística. sino sólo para ordinales y cuantitativas. Se calcula sumando los datos y dividiendo entre el tamaño de la muestra. 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). sin embargo. y que en nuestro ejemplo valdría 2. es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra (serían ya todas positivas).69 . de modo que todas suman 0). esto es. de forma que la media vale 26/13 = 2. y las positivas. sumándolas y dividiendo entre n. en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones.que corresponde al séptimo lugar (que deja seis por debajo y seis por encima). Segundo grupo: PARAMETROS DE DISPERSION. el tener que usar valores absolutos complica los desarrollos matemáticos con este parámetro y por eso se usa poco. pese a su valor intuitivo. Por su parte. por lo que se calcula tomando como positivas todas las desviaciones. ya que si no hay números no se puede sumar.20 (estos últimos serían la varianza muestral o quasivarianza y la desviación típica muestral y serían los utilizados en la práctica. la suma de estas diferencias o desviaciones es SIEMPRE CERO para cualquier distribución de cualquier variable. entre el número de datos. el cuadrado es matemáticamente mucho más manejable que el valor absoluto. En nuestro ejemplo. La mediana no puede definirse para variables cualitativas puras.83 y como desviación standard su raíz cuadrada 2. en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas. con mucho la más usada de las medidas de dispersión. pues. sería mejor calcular como varianza 58/12 = 4. Sin embargo. Existen otras medidas de centralización de uso menos frecuente. suman – 11.11. A efectos comparativos entre distintas muestras e incluso entre distintas variables.46 . que no tiene nada que ver) sale 22 y por tanto la desviación absoluta media vale 22/13 = 1. 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). quedándose el n para el caso en que se conoce toda la población. con media de 2. como éstas siempre suman cero. en nuestro ejemplo. 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.11 como parámetros más informativos. la suma de los datos es 26 y el número de ellos 13. con lo que el informe más habitual para nuestros datos daría una media de 2. Las más importantes medidas de dispersión son las siguientes: La DESVIACION ABSOLUTA MEDIA: es la media aritmética de los valores absolutos de las desviaciones. la DESVIACION STANDARD o DESVIACION TIPICA.00 . lo que resulta clave para la definición de las medidas de dispersión. lo que hace de la varianza la reina de los parámetros de dispersión desde un punto de vista teórico. Es mucho más importante: La VARIANZA: es la media aritmética de los cuadrados de las desviaciones. por su propia naturaleza. 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. o fiel de la balanza entre todos los datos. Por motivos difíciles de explicar aquí.00 y la desviación típica de 2. por lo que se calcula elevando al cuadrado cada desviación. 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. usando las desviaciones.

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

9 .

Sign up to vote on this title
UsefulNot useful