UNIDAD 3 ESTADISTICA DESCRIPTIVA

Una de las ramas de la Estadstica ms accesible a la mayora de la poblacin es la Descriptiva. Esta parte se dedica nica y exclusivamente al ordenamiento y tratamiento mecnico de la informacin para su presentacin por medio de tablas y de representaciones grficas, as como de la obtencin de algunos parmetros tiles para la explicacin de la informacin. La Estadstica Descriptiva es la parte ue conocemos desde los cursos de educacin primaria, ue se ense!a en los siguientes niveles y ue, por lo general, no pasa a ser un anlisis ms profundo de la informacin. Es un primer acercamiento a la informacin y, por esa misma ra"n, es la manera de presentar la informacin ante cual uier lector, ya sea especialista o no. #in embargo, lo anterior no uiere decir ue care"ca de metodologa o algo similar, sino ue, al contrario, por ser un medio accesible a la mayora de la poblacin $umana, resulta de suma importancia considerar para as evitar malentendidos, tergiversaciones o errores.

3.1 Conceptos bsicos de estadstica: Definici n! Teo"a de decisi n! Pob#aci n! $%est"a a#eato"ia! Pa"&et"os a#eato"ios.
POBLACION es el conjunto de todos los sucesos susceptibles de aparecer en un problema y que interesan a la persona que hace el estudio; y sealamos que una MUESTRA en un subconjunto de mediciones seleccionadas de la poblacin. La poblacin segn su tamao puede ser: finita o infinita; y si nos referimos a su nmero se toma como el tamao de la poblacin. El concepto de infinita slo existe en teor a pues en la pr!ctica nos encontraremos aplicacin a poblaciones de elementos infinitos: Estrellas del uni"erso #tiempo y costo$. %e elige una &'E%()* lo suficientemente representati"a de la poblacin.

Muestreo Aleatorio 'na muestra se dice que es extra da al a+ar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. 'na muestra aleatoria es tambi-n llamada una muestra probabil stica son generalmente preferidas por los estad sticos porque la seleccin de las muestras es objeti"a y el error muestral puede ser medido en t-rminos de probabilidad bajo la cur"a normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistem!tico, muestreo estratificado y muestreo de conglomerados. .ar!metros aleatorios Existen medidas para reali+ar descripciones cuantitati"as de los conjuntos de datos, o poblaciones, y de sus muestras, diferenci!ndose entre ellas las que se refieren a las mismas poblaciones y a las muestras. .ara el caso de las P'()ACI'NES, las medidas que las describen se denominan PAR*$ETR'S , y suelen estar representadas con letras griegas #por ejemplo u y /$.
.or otro lado, para el caso de aquellas medidas que describen a una $UESTRA se les llama estadsticos o esti&ado"es, y son representados por letras de nuestro alfabeto #por ejemplo, x o s$.

3.+ Desc"ipci n de datos: Datos a,"%pados - datos no a,"%pados! ."ec%encia de c#ase! ."ec%encia "e#ati/a! P%nto &edio! )&ites de c#ases.

0*(/% *1)'.*0/% 2 3/ *1)'.*0/%. ()*(*&4E3(/ .*)* 0*(/% 3/ *1)'.*0/%. 5* qu- se refiere esto6 7uando la muestra que se ha tomado de la poblacin o proceso que se desea anali+ar, es decir, tenemos menos de 89 elementos en la muestra, entonces estos datos son anali+ados sin necesidad de formar clases con ellos y a esto es a lo que se le llama tratamiento de datos no agrupados. ()*(*&4E3(/ .*)* 0*(/% *1)'.*0/%. 7uando la muestra consta de :9 o m!s datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las caracter sticas de la muestra y por consiguiente las de la poblacin de donde fue tomada. *ntes de pasar a definir cu!l es la manera de determinar las caracter sticas de inter-s #media, mediana, moda, etc.$ cuando se han agrupado en clases los datos de la muestra, es necesario que sepamos como se agrupan los datos. .asos para agrupar datos. a. 0eterminar el rango o recorrido de los datos. )ango ; <alor mayor = <alor menor b. Establecer el nmero de clases #>$ en que se "an a agrupar los datos tomando como base para esto la siguiente tabla.

(amao de muestra o 3o. 0e datos &enos de ?9 ?9 a AA C99 a 8?9 8?9 en adelante

3mero de clases ?a@ B a C9 @ a C8 C9 a 89

El uso de esta tabla es uno de los criterios que se puede tomar en cuenta para establecer el nmero de clases en las que se "an a agrupar los datos, existen otros para hacerlo. c. 0eterminar la amplitud de clase para agrupar #7$.

C=

Rango k

d. Dormar clases y agrupar datos. .ara formar la primera clase, se pone como l mite inferior de la primera clase un "alor un poco menor que el dato menor encontrado en la muestra y posteriormente se suma a este "alor 7, obteniendo de esta manera el l mite superior de la primera clase, luego se procede a obtener los l mites de la clase siguiente y as sucesi"amente.

/()/% (E&*% .*)* E3(E30E) L/ '(4L 0E (E3E) 0*(/% *1)'.*0/% 2 3/ *1)'.*0/%,*%E 7/&/ (*&F4G3 L/% 04DE)E3(E% (4./% 0E D)E7'E374*%. 0istribucin de frecuencia para datos no *grupados: Es aquella distribucin que indica las frecuencias con que aparecen los datos estad sticos, desde el menor de ellos hasta el mayor de ese conjunto sin que se haya hecho ninguna modificacin al tamao de las unidades originales. En estas distribuciones cada dato mantiene su propia identidad despu-s que la distribucin de frecuencia se ha elaborado. En estas distribuciones los "alores de cada "ariable han sido solamente reagrupados, siguiendo un orden lgico con sus respecti"as frecuencias. 0istribucin de frecuencia de clase o de datos *grupados: Es aquella distribucin en la que la disposicin tabular de los datos estad sticos se encuentran ordenados en clases y con la frecuencia de cada clase; es decir, los datos originales de "arios "alores adyacentes del conjunto se combinan para formar un inter"alo de clase. 3o existen normas establecidas para determinar cu!ndo es apropiado utili+ar datos agrupados o datos no agrupados; sin embargo, se sugiere que cuando el nmero total de datos #N$ es igual o superior ?9 y adem!s el rango o recorrido de la serie de datos es mayor de 89, entonces, se utili+ar! la distribucin de frecuencia para datos agrupados, tambi-n se utili+ar! este tipo de distribucin cuando se requiera elaborar gr!ficos lineales como el histograma, el pol gono de frecuencia o la oji"a. La ra+n fundamental para utili+ar la distribucin de frecuencia de clases es proporcionar mejor comunicacin acerca del patrn establecido en los datos y facilitar la manipulacin de los mismos. Los datos se agrupan en clases con el fin de sinteti+ar, resumir, condensar o hacer que la informacin obtenida de una in"estigacin sea manejable con mayor facilidad. .unto medio o &arca de clase El centro de la clase, es el "olar de los datos que se ubica en la posicin central de la clase y representa todos los dem!s "alores de esa clase. Este "alor se utili+a para el calculo de la media aritm-tica. Drecuencia de clase La frecuencia de clase se le denomina frecuencia absoluta y se le designa con las letras fi. Es el nmero total de "alores de las "ariables que se encuentran presente en una clase determinada, de una distribucin de frecuencia de clase. Drecuencia )elati"a La frecuencia relati"a es aquella que resulta de di"idir cada uno de los fi de las clases de una distribucin de frecuencia de clase entre el nmero total de datos#3$ de la serie de "alores. Estas frecuencias se designan con las letras fr; si cada fr se multiplica por C99 se obtiene la frecuencia relati"a porcentual #fr %$. Drecuencias acumuladas Las frecuencias acumuladas de una distribucin de frecuencias son aquellas que se obtienen de las sumas sucesi"as de las fi que integran cada una de las clases de una distribucin de frecuencia de clase, esto se logra cuando la acumulacin de las frecuencias se reali+a tomando en cuenta la primera clase hasta alcan+ar la ultima. Las frecuencias acumuladas se designan con las letras fa. Las frecuencias acumuladas pueden ser menor que #fa que$ y frecuencias acumuladas mayor que #faque$.

Drecuencia acumulada relati"a La frecuencia acumulada relati"a es aquella que resulta de di"idir cada una de las fa de las diferentes clases que integran una distribucin de frecuencia de clase entre el nmero total de datos #3$ de la serie de "alores, estas frecuencias se designan con las letras far. %i las far se multiplican por C99 se obtienen las frecuencias acumuladas relati"as porcentuales y las mismas se designan as : far %

3.3 $edidas de tendencia cent"a#: $edia a"it&0tica! &edia ,eo&0t"ica - &edia ponde"ada! $ediana! $oda! $edidas de dispe"si n! Va"ian1a! Des/iaci n estnda"! Des/iaci n &edia! Des/iaci n &ediana! Ran,o.

&edidas de tendencia central.

%e les llama medidas de tendencia central a la media aritm-tica, la mediana, la media geom-trica, la moda, etc. debido a que al obser"ar la distribucin de los datos, estas tienden a estar locali+adas generalmente en su parte central. * continuacin definiremos algunas medidas de tendencia central y la forma de calcular su "alor. &edia aritm-tica #x $. (ambi-n se le conoce como promedio ya que es el promedio de las lecturas o mediciones indi"iduales que se tienen en la muestra, se determina con la frmula siguiente:

x = i =1 n

donde:

x ; media aritm-tica xi ; dato i n ; nmero de datos en la muestra

Ejemplos: C. %e han tomado como muestra las medidas de seis cables usados en un arn-s para la"adora, las cuales son; C?.8 cm, C?.9, C?.C, C?.8, C?.C y C?.9, determine su media aritm-tica. %olucin:

x=

15.2 + 15.0 + 15.1 + 15.2 + 15.1 + 15.0 = 15.1cm 6

&edia geom-trica #1$. Es la ra + en en-sima del producto de los "alores de los elementos de la muestra, es usada cuando los "alores de los datos de la muestra no son lineales, es decir que su "alor depende de "arios factores a la "e+, se determina de la siguiente forma:

G = n x1 * x2 * ...* xn 0onde:
1 ; media geom-trica xi ; dato i n ; nmero de datos en la muestra Ejemplo: C. Las siguientes temperaturas han sido tomadas de un proceso qu mico, C:.Ho7, C8.I, CC.A, C:.B, determine la temperatura promedio de este proceso. %olucin: 1;
4

13.4 x12.8 x11.9 x13.6 = 4 27758.7968 ; C8.A9@@ o7

&edia aritm-tica ponderada # xJ $. Esta media se usa cuando el peso que tiene cada uno de los datos de la muestra es diferente, se calcula de la siguiente manera:

xw =

wi xi
i =1 k

wi
i =1

donde:

xJ ; media aritm-tica ponderada xi ; dato i Ji ; peso del dato i

&edia armnica #K$. La media armnica se define como el rec proco del promedio de los rec procos de cada uno de los datos que se tienen en la muestra, y se determina de la siguiente manera:

H =

1 1 / n1 / xi
i =1 n

1 / xi
i =1

Ejemplo: 0etermine la media armnica de los siguientes datos, :.C, 8.I, 8.IH, :.9?, :.9A

%olucin:

H =

5 = 1 / 3.1 + 1 / 2.8 + 1 / 2.84 + 1 / 3.05 + 1 / 3.09

5 5 = = 2.9703 0.3226 + 0.3571 + 0.3521 + 0.3279 + 0.3236 1.6833

&ediana #xmed$. La mediana es aquel "alor que se encuentra en la parte central de los datos que se tienen en la muestra una "e+ que estos han sido ordenados segn su "alor o magnitud. .ara calcular la mediana se presentan dos casos: Ejemplo: Los siguientes datos son las mediciones obtenidas de un circuito utili+ado en un arn-s de la"adora; se toman como muestra siete circuitos y sus mediciones son: CC.:, CC.8, CC.?, CC.8, CC.8, CC.H, CC.? cm. %olucin:/rdenando los datos de menor a mayor "alor; CC.8, CC.8, CC.8, CC.:, CC.H, CC.?, CC.? &oda #xmod$. La moda se define como aquel "alor o "alores que m!s se repiten o que tienen mayor frecuencia entre los datos que se han obtenido en una muestra, la muestra de una poblacin nos genera la distribucin de los datos una "e+ que estos se han graficado y en esta gr!fica es posible obser"ar la moda o modas de la misma, es por esto que una distribucin de datos puede ser amodal #carece de moda$, unimodal #tiene una sola moda$, bimodal #tiene dos modas$ o polimodal #tiene m!s de dos modas$.

&edidas de 0ispersin.

7uando se tiene una muestra de datos obtenida de una poblacin cualquiera, es importante determinar sus medidas de tendencia central as como tambi-n es b!sico el determinar que tan dispersos est!n los datos en la muestra, por lo que se hace necesario determinar su rango, la "arian+a, la des"iacin est!ndar, etc., ya que una excesi"a "ariabilidad o dispersin en los datos indica la inestabilidad del proceso en an!lisis en la mayor a de los casos.

3.2 Pa"&et"os pa"a datos a,"%pados.

TRATAMIENTO PARA DATOS AGRUPADOS. 7uando la muestra consta de :9 o m!s datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las caracter sticas de la muestra y por consiguiente las de la poblacin de donde fue tomada. *ntes de pasar a definir cu!l es la manera de determinar las caracter sticas de inter-s #media, mediana, moda, etc.$ cuando se han agrupado en clases los datos de la muestra, es necesario que sepamos como se agrupan los datos. .asos para agrupar datos. L0eterminar el rango o recorrido de los datos. )ango ; <alor mayor = <alor menor L Establecer el nmero de clases #>$en que se "an a agrupar los datos

3.3 Dist"ib%ci n de f"ec%encias.

'na distribucin de frecuencias o tabla de frecuencias es una ordenacin en forma de tabla de los datos estad sticos, asignando a cada dato su frecuencia correspondiente. (ipos de frecuencia Drecuencia absoluta.MLa frecuencia absoluta es el nmero de "eces que aparece un determinado "alor en un estudio estad stico. %e representa por fi. La suma de las frecuencias absolutas es igual al nmero total de datos, que se representa por 3. Drecuencia relati"a La frecuencia relati"a es el cociente entre la frecuencia absoluta de un determinado "alor y el nmero total de datos. %e puede expresar en tantos por ciento y se representa por ni. Drecuencia acumulada La frecuencia acumulada es la suma de las frecuencias absolutas de todos los "alores inferiores o iguales al "alor considerado. %e representa por Di. Drecuencia relati"a acumulada La frecuencia relati"a acumulada es el cociente entre la frecuencia acumulada de un determinado "alor y el nmero total de datos. %e puede expresar en tantos por ciento.

3.4 T0cnicas de a,"%paci n de datos

3.5 T0cnicas de &%est"eo.

$%est"eo Es el procedimiento mediante el cu!l seleccionamos una muestra representati"a de la poblacin objeto de estudio. E# dise6o - #a e#ecci n de #a &%est"a de est%dio El paso siguiente que debe resol"er el in"estigador es el del diseo y la eleccin de la muestra. *mbas acciones est! ntimamente unidas puesto que dependiendo del diseo que utilice el in"estigador as ser! la eleccin de los sujetos de estudio. Los elementos, personas, fenmenos, constituyen la muestra de la in"estigacin. Estos elementos forman parte de un grupo de conceptos b!sicos que con"iene clarificar y que deben ser definidos en cada in"estigacin. 7onceptos F!sicos

'ni"erso Es la serie real o hipot-tica de elementos que comparten unas caracter sticas definidas relacionadas con el problema de in"estigacin.

.oblacin

Es un conjunto definido, limitado y accesible del uni"erso que forma el referente para la eleccin de la muestra. Es el grupo al que se intenta generali+ar los resultados.

&uestra

7onjunto de indi"iduos extra do de la poblacin a partir de algn procedimiento espec fico. Los "alores que obtenemos del an!lisis estad stico de la muestra se denominan estad grafos o estad sticos.

Elemento o indi"iduo #muestral$

Es la unidad m!s pequea en la que podemos descomponer la muestra, la poblacin o el uni"erso. Esta unidad puede ser una persona, un grupo, un centro, etc. La identificacin de este elemento est! en funcin del problema de in"estigacin.

3.7 8IST'9RA$A
El histograma es una gr!fica de barras que permite describir el comportamiento de un conjunto de datos en cuanto a su tendencia central, forma y dispersin. El histograma permite que de un "ista+o se pueda tener una idea objeti"a sobre la calidad de un producto, el desempeo de un proceso o el impacto de una accin de mejora. La correcta utili+acin del histograma permite tomar decisiones no solo con base en la media, sino tambi-n con base en la dispersin y formas especiales de comportamiento de los datos. %u uso cotidiano facilita el entendimiento de la "ariabilidad y fa"orece la cultura de los datos y los hechos objeti"os C'NSTRUCCI'N DE UN 8IST'9RA$A. .ara decidir correctamente y detectar posibles anormalidades en los datos se procede a lo siguiente para construir un histograma: Paso 1. 0eterminar el rango de datos.La diferencia entre el dato m!ximo y el dato m nimo. Paso +. /btener el numero de clases #37$ o barras.3inguno de ellos es exacto, esto depende de cmo sean los datos y cuantos sean . 'n criterio usado es del numero de clases, debe ser aprox. 4gual a la ra + cuadrada del numero de datos. Paso3. Establecer la longitud de clase #L7$.%e establece de tal manera que el rango pueda ser cubierto en su totalidad por 37. 'na forma directa de obtener la L7 es di"idiendo el rango entre el numero de clases, L7; )N37. Paso :. 7onstruir los inter"alos de clase. )esultan de di"idir el rango #original o ampliado$ en 37 e inter"alos de longitud L7. Paso 2. /btener la frecuencia de cada clase. %e cuentan los datos que caen en cada inter"alo de clase. Paso 3.1raficar el histograma. %e grafican en barras, en las que su base es el inter"alo de clase y la altura sean las frecuencias de las clases EOE&.L/ : * una fabrica de en"ases de "idrio, un cliente le est! exigiendo que la capacidad de cierto tipo de botella sea deC: ml., con una tolerancia de m!s menos C ml.. La f!brica establece un programa de mejora de calidad para que las botellas que se fabriquen cumplan con los requisitos del cliente. &uestreo ; CC,C8,C:,C8,C:,CH,CH,C?,CC,C8,C:,C8,CH,C?,CC,C8,CB,CB,CH,C:,CH,CH,C:,C?,C?

C. )ango : CB =CC ; ? 7lase 4nter"alo Drecuencia Drec. )elati"a C 8 : H ? CC,C8 C8,C: C:,CH CH,C? C?,CB : ? ? B B 89 9,C8 9,8? 9,8? 9,8H 9,8H C,99

PQR8? ; ? :. ?N? ; C