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

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

Veamos un ejemplo donde sí lo son. No se deben confundir los valores de la 3 .1. como el de proporción. cuya tabla se encuentra a continuación.4 y 5) en la muestra. por tanto.5%) 0. diremos que la frecuencia relativa de la modalidad AB es 148/2000 = 0. además. es decir.Frecuencia absoluta es el número de veces que una modalidad o un valor de una variable aparece entre los datos de una muestra. de valores o de anotaciones sobre qué modalidad (cualitativas) o qué valor (cuantitativas) tiene cada elemento de la muestra.4 % y la condición de la suma sería que deben sumar 100 %. dan lugar a conceptos muy importantes.000 (100%) Una tabla como esta se denomina distribución de frecuencias. Sea cual sea el tipo de variable. Usando como ejemplo el grupo sanguíneo en una muestra de doscientas personas. si no. a este conjunto de datos se le llama distribución y. la tabla siguiente sirve para resumir lo que. DISTRIBUCIONES DE FRECUENCIA Y TABLAS ESTADISTICAS. lo que se tiene como información de una variable en una muestra es un número finito n de datos. y de ahí su importancia. ya que las absolutas suman n y estamos dividiendo entre n. Es muy habitual expresar las frecuencias relativas como porcentajes (multiplicándolas por cien) y entonces la frecuencia relativa del ejemplo sería 7. ello nos conduce al concepto fundamental de frecuencia. por ejemplo. salvo cuando el tamaño de muestra n sea muy pequeño. ya que hay que poder fijar cuales son los valores o modalidades “anteriores”.074. pese a su simplicidad. si en una muestra de la variable “nivel de estudios” aparecen 148 personas con nivel de estudios “superiores”.como cualitativa supone una pérdida de calidad en la información. que es una variable cualitativa pura.Frecuencia relativa de una modalidad o valor de una variable es su frecuencia absoluta dividida entre el tamaño muestral. 3. el número total de datos es n y. y puede incluir también las llamadas frecuencias acumulativas.425 (42. y en todo caso sólo tienen sentido con variables cuantitativas o cualitativas ordinales. Modalidades O A B AB Totales Frecuencia absoluta 85 53 48 14 200 Frecuencia relativa (%) 0. el número n de datos es 500 y la variable toma seis valores distintos (0. En este segundo ejemplo. que son la suma de las frecuencias del valor o modalidad que se considere y de todos los anteriores. Naturalmente. de una variable cuantitativa discreta.240 (24.0%) 0.5%) 0. Las frecuencias absolutas y relativas son aplicables a cualquier tipo de variable. las frecuencias acumulativas no son definibles en el ejemplo del grupo sanguíneo. la proporción de veces que aparece esa modalidad o valor entre todos los datos de la muestra. y son la base sobre la que se construye cualquier resumen de los datos. la suma de las frecuencias absolutas de todas las modalidades o valores debe ser igual al tamaño muestral n. con dos enfoques: . Así. diremos que 148 es la frecuencia absoluta de la modalidad “superiores”. . sólo admisible si no podemos disponer de los datos numéricos. Es claro que la suma de las frecuencias relativas de todas las modalidades o valores debe ser 1.265 (26. lo que se entiende mejor (la frecuencia relativa es la parte del total de datos que corresponde a cada valor o modalidad). puede haber frecuencias acumulativas absolutas o relativas. sería una tediosa lista de doscientos grupos sanguíneos: Grupo sanguíneo de una muestra de 200 personas. Un primer y obligado paso de ese resumen de datos es el simple recuento de las repeticiones de un mismo valor o modalidad.3.0%) 1. se debe resumir para que el lector pueda comprender bien los resultados. si la frecuencia absoluta 148 del ejemplo anterior corresponde a una muestra de 2000 personas.070 ( 7. es decir.2.

lo que es lógico porque no hay ningún valor anterior con cuyas frecuencias sumarlas. 163 y 164 se pueden agrupar en el intervalo 160-164). respectivamente. acumulativa 210 388 456 480 494 500 Frec.variable.2% 96.) de cada persona a la biblioteca en ese mes. las estaturas 160. que el valor de la variable es "cero" para ellas.8% 100. por lo que 0. y en la práctica puede ser bastante grande: piénsese que si medimos.0% 35.. pero no debe 4 . el número de valores distintos que puede tomar la variable es infinito. GRAFICAS ESTADISTICAS Las distribuciones de frecuencias se presentan en tablas como las anteriores. mientras que para tablas y gráficas es frecuente usar intervalos.0% Por lo que se refiere a las frecuencias acumuladas o acumulativas (es lo mismo). pero no añade ninguna información sobre la que contendría una tabla de frecuencias. Por esta razón. 161.0% 98. Visitas mensuales a una biblioteca de una muestra de 500 usuarios inscritos Valores 0 1 2 3 4 5 Totales Frec. es decir.0% 77. que es. y gracias a los avances de la Informática que permiten almacenar muchos valores y trabajar con ellos rápidamente. por ejemplo. ya que se han sumado todas las frecuencias absolutas y relativas. o bien en gráficas. con clases. es muy conveniente que los intervalos tengan todos la misma longitud. a partir del segundo renglón sí tenemos acumulación (388=210+178 y 77. absoluta 210 178 68 24 14 6 500 Frec. y usando como ejemplo las que se recogen en la tabla. por tanto.8% 1. 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.8% 2. pero no cuántas de ellas miden en particular 163 cm.0% + 35. por ejemplo. Además. el objetivo de las gráficas es que la información “impacte” directamente al lector y que se exprese el “perfil” de la distribución. dos.42 ó 42% es la frecuencia relativa del valor 0 de la variable. La representación gráfica se utiliza para facilitar al lector la comprensión de los resultados.6% 13. para el tercer valor se suman tres sumandos y así sucesivamente. teóricamente. 4. En las tablas así. el concepto importante es entonces el de marca de clase o valor medio del intervalo. se hacen agrupaciones de varios valores ( por ejemplo.6% 4. que en una muestra hay 32 personas que miden entre 160 y 164 cm.6% 91. absol. por ejemplo. En el caso de las variables continuas. con las frecuencias absolutas. etc. que son el número de visitas (ninguna.6% = 42. con muchísimos renglones. esta frecuencia absoluta 210 supone el 42% de 500. una. la estatura en centímetros de una muestra de personas adultas podemos tener fácilmente sesenta o setenta valores distintos. pero no para cada valor de la variable..6%). sino que su utilidad queda reducida a la mejor comprensión de las tablas y a la elaboración de gráficos. hay. Nótese que las últimas frecuencias acumuladas tienen que coincidir con el número de datos válidos total (en este ejemplo 500) y con el 100%. 162. se pueden encontrar tablas construídas agrupando los valores en intervalos cuando hay muchos valores entre el mínimo y el máximo. podemos saber. una pérdida de información con respecto a lo que sería una tabla detallada. lo que las haría inútiles por incomprensibles. relativa 42. 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. de esta forma. como hasta hace pocos años.acumulativa 42.2% 100% Frec. las tablas con intervalos ya no se usan. 162 en el caso citado del intervalo 160-164. para realizar cálculos sobre la variable. las frecuencias se dan para cada intervalo. Esto provoca que a menudo las tablas tuvieran que ser muy extensas. Para evitarlo. podemos observar que las frecuencias acumuladas del primer valor coinciden con las 210 y 42% ya comentadas para ese valor. relat.

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

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

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. de forma que la media vale 26/13 = 2. 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. 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). la suma de estas diferencias o desviaciones es SIEMPRE CERO para cualquier distribución de cualquier variable. Sin embargo. pues. Por su parte. en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones. el cuadrado es matemáticamente mucho más manejable que el valor absoluto. en nuestro ejemplo. En nuestro ejemplo. 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). por lo que se calcula tomando como positivas todas las desviaciones. Se calcula sumando los datos y dividiendo entre el tamaño de la muestra. Las más importantes medidas de dispersión son las siguientes: La DESVIACION ABSOLUTA MEDIA: es la media aritmética de los valores absolutos de las desviaciones. Por motivos difíciles de explicar aquí. ya que necesita un orden en los datos.46 . aunque la definición teórica sea con denominador n por ser la varianza una "media"). La mediana no puede definirse para variables cualitativas puras. y que en nuestro ejemplo valdría 2. de modo que todas suman 0). la DESVIACION STANDARD o DESVIACION TIPICA. La MEDIA ó MEDIA ARITMETICA: es el centro de gravedad de la distribución. pese a su valor intuitivo.83 y como desviación standard su raíz cuadrada 2. Es mucho más importante: La VARIANZA: es la media aritmética de los cuadrados de las desviaciones. es más recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviación típica de una muestra. esto es. que proceden de datos superiores a la media. con lo que el informe más habitual para nuestros datos daría una media de 2. con lo que la varianza es 58/13 = 4. quedándose el n para el caso en que se conoce toda la población.11. En nuestro ejemplo. ya que si no hay números no se puede sumar. 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. como la media ponderada (que es una media aritmética con distintos pesos de importancia para los distintos datos). en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas. con media de 2.69 . y las positivas. es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra (serían ya todas positivas). que no tiene nada que ver) sale 22 y por tanto la desviación absoluta media vale 22/13 = 1. Existen otras medidas de centralización de uso menos frecuente. el tener que usar valores absolutos complica los desarrollos matemáticos con este parámetro y por eso se usa poco. suman +11. sería mejor calcular como varianza 58/12 = 4. sin embargo.11 como parámetros más informativos.00 y la desviación típica de 2. por su propia naturaleza. lo que resulta clave para la definición de las medidas de dispersión. la media sólo es definible para variables cuantitativas. Segundo grupo: PARAMETROS DE DISPERSION. entre el número de datos.que corresponde al séptimo lugar (que deja seis por debajo y seis por encima). o fiel de la balanza entre todos los datos. 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.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 13.00 . como éstas siempre suman cero. sumándolas y dividiendo entre n. se define: 7 . usando las desviaciones. sumando esos cuadrados y dividiendo entre n. A efectos comparativos entre distintas muestras e incluso entre distintas variables. suman – 11. que proceden de datos inferiores a la media. relacionados con cuestiones de inferencia estadística. con mucho la más usada de las medidas de dispersión.

si restamos el tercer cuartil menos el primero obtenemos el RANGO INTERCUARTÍLICO. y está claro que no tienen sentido en muestras tan pequeñas como la de nuestro ejemplo.100055 ó bien 11005.05% (nótese que no es un verdadero porcentaje. porque puede valer más del 100%). Los cuantiles más próximos al percentil 50. pero en nuestro ejemplo valdrían respectivamente 0. hasta nueve deciles. séptima y “décima y media” de los datos ordenados). a menudo expresado en tanto por ciento. que son como los deciles pero de uno en uno por ciento. etc.2011/2. porque requieren siempre que los datos estén ordenados. y en nuestro ejemplo valdría 2. mientras que el RANGO INTERCUARTILICO es la extensión cubierta por la mitad central de los datos ordenados. que definen las cuartas partes de la muestra mediante tres “cortes”: el primer cuartil deja por debajo al 25% de la distribución. como la propia mediana o los cercanos a ella. que dan nueve cortes para definir de diez en diez por ciento los valores de la distribución. Todos los cuantiles son definibles sobre variables cuantitativas o sobre cualitativas ordinales. Con el rango intercuartílico estamos midiendo la extensión que nos cubre la mitad central de nuestros datos. entre la desviación típica y la media de una distribución. Además de las citadas. la más simple de las medidas de dispersión es el RANGO. así. 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. que es la diferencia entre el valor máximo y el mínimo de la muestra. 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. excluyendo la cuarta parte inicial (los que son inferiores al primer cuartil) y la cuarta parte final (los que son superiores al tercer cuartil). por ejemplo.El COEFICIENTE DE VARIACION . pueden considerarse como parámetros de centralización y sin embargo los más lejanos al centro ayudan a medir la dispersión. este resultado indicaría mucha dispersión en los datos del ejemplo en relación con la media. No tienen mucho sentido en muestras pequeñas.es/local/rruizb/cognosfera 8 .00 = 1. recuérdese que el RANGO era la extensión cubierta por toda la muestra ordenada (se define como máximo menos mínimo). y por tanto son noventa y nueve. 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.5 (que están situados en las posiciones “tercera y media”. el segundo dos décimas partes. Los DECILES. el percentil 37 deja por debajo al 37% de la distribución. que es el cociente. y que indica qué extensión de la recta de los números ocupan los datos de nuestra muestra. 1 y 3. por ejemplo. Es una especie de desviación típica “relativa”.ugr. Tercer grupo: CUANTILES O PARAMETROS DE POSICION Los cuantiles completan el cuadro de los parámetros de una distribución. Los PERCENTILES. el primer decil deja por debajo una décima parte de la distribución. CognoSfera www. ya que trece elementos no se pueden “partir” en cien partes. Se definen entre los más importantes: Los CUARTILES.. que es una medida de dispersión. RECORRIDO ó AMPLITUD. el segundo coincide con la mediana y el tercero deja por debajo al 75% de la distribución.

9 .