Capítulo 1. Estadística Descriptiva (Versión para Imprimir)

Captulo 1.
Estadstica descriptiva
Captulo 1. Estadstica descriptiva
Probabilidad y Estadstica
Facultad de Ingeniera
Universidad de Talca
Mg. Eduardo Alarc on Bustamante
edalarcon@utalca.cl
Curic o, segundo semestre 2012
Indice I
1 Conceptos b asicos
2 Variables
Tipos de variable
Niveles de medici on
Niveles de medici on de una variable cualitativa
Niveles de medici on de una variable cuantitativa
Esquema de variables estadsticas
3 Organizaci on de datos mediante distribuciones de frecuencia
Partes de una tabla de distribuci on de frecuencias
Organizaci on de datos mediante distribuci on de frecuencias (Variables
cualitativas nominales)
cualitativas ordinales)
cuantitativas discretas)
cuantitativas continuas)
4 Organizaci on de datos mediante gr acos
Representaci on gr aca para variables cualitativas
Representaci on gr aca para variables cuantitativas
Indice II
5 Ejercicio 1
6 Medidas de Resumen
Medidas de posici on
Medidas de centralidad
Cuantiles
Medidas de Dispersi on o de variabilidad
Rango (R) y Rango intercuartlico (RI)
Varianza (s
2
) y desviaci on est andar muestral (s)
Coeciente de Variaci on (CV)
Medidas de forma
Asimetra
Curtosis
Relaci on entre media, mediana y moda seg un el sesgo de la distribuci on
7 Detecci on de datos atpicos
Regla emprica y m etodo de puntuaci on Z
M etodo de Tukey
Diagrama de caja (Box-plot)
Construcci on del diagrama de caja
8 Ejercicio 2
9 Ejercicio 3
Conceptos b asicos
Unidad Experimental: es el ente que proporciona una
informaci on. Tambi en recibe el nombre de unidad de an alisis.
Poblaci on: es el universo o conjunto total de unidades
experimentales. Sobre este conjunto se obtendr an las
conclusiones nales.
Muestra: es cualquier subconjunto de la poblaci on.
Par ametro: caracterstica relacionada con la poblaci on y que es
de inter es para el investigador.
Estimadores: aproximaciones de los par ametros basadas en la
muestra.
Variables
Para describir o inferir necesitamos datos, los cuales son
proporcionados por el ente de inter es. Los datos son son aquellas
medidas obtenidas de cierta caracterstica (altura, g enero, edad,
sueldo mensual, profesi on, nivel socio econ omico, etc).
Aquellos datos que NO cambian en el tiempo o por individuo medido
se denomina constante, mientras que aquellos datos que SI
cambian en el tiempo o por individuo se denomina variable.
Denici on (Variable estadstica)
Es cualquier caracterstica o atributo que es deseable conocer
acerca de las unidades experimentales y que se espera vare en el
tiempo o de una unidad a otra. El conjunto de todos los posibles
valores de esta se denomina recorrido de la variable.
Variables
Tipos de variable
Existen dos tipos b asicos de variables
1 Los obtenidos a partir de una poblaci on cualitativa.
2 Los obtenidos a partir de una poblaci on cuantitativa.
Cuando la caracterstica o variable en estudio es no num erica, esta
se denomina Variable cualitativa (g enero, religi on, estado civil, lugar
de nacimiento, nivel socio econ omico, grado de gusto por cierto
producto, nivel de riesgo, etc).
Si la informaci on estudiada es del tipo cualitativa, generalmente
interesa saber cu antas o que proporci on entra en cada categora o
nivel.
Variables
Tipos de variable
Cuando la variable estudiada puede ser expresada de forma
num erica, esta se denomina Variable cuantitativa (Saldo en la
cuenta corriente, edad, velocidad, temperatura, cantidad de clientes
que preeren cierto producto, etc).
Variables
Supongamos que tenemos una urna con 6 papeles de distintos
colores enumerados del 1 al 6, donde cada n umero signica un color
diferente de la siguiente forma:
Supongamos que sumamos los valores asignados a los colores y lo
dividimos por la cantidad de colores, si realizamos este c alculo
obtenemos el promedio (3,5). Qu e signica este 3,5?
En promedio el color de los papeles es morado?
Variables
Los niveles de medici on determinan el tipo de c alculo que es posible
realizar para resumir y presentar la informaci on entregada por la
variable estudiada.
Variables
Variables Cualitativas - Nivel Nominal
La caracterstica de este nivel es que las variables no
necesariamente tienen un orden especco entre las categoras, en
el ejemplo anterior podramos haber asignado cualquier n umero a
cualquier color.
S olo permite la clasicaci on (etiquetar), y no se puede establecer
ning un tipo de orden.
Ejemplo (Estado civil de una persona)
1-Soltero/a
2-Casado/a
3-Divorciado/a
4-Viudo/a
5-Uni on libre
6-Separado/a
Variables
Variables Cualitativas - Nivel Ordinal
Existe una clasicaci on con cierto orden natural (no num erico).
Ejemplos: Estrato socio-econ omico; Nivel educacional; Jerarqua del
empleado...
Variables
Niveles de medici on de una variable cuantitativa
Denici on (Variable Cuantitativa Discreta)
Si la variable cuantitativa toma valores en un conjunto contable
(conjunto nito o innito numerable) entonces se dice que es de tipo
discreta.
Ejemplos: N umero de artculos defectuosos; n umero de clientes que
llegan a una estaci on de servicio durante un da.
Denici on (Variable Cuantitativa Continua)
Si la variable cuantitativa toma valores en un conjunto no contable
(conjunto innito no numerable) entonces se dice que es de tipo
continua.
Ejemplos: Tiempo (en horas) en una la de espera; Temperatura
(C
) de una reacci on qumica.

Variables
Esquema de variables estadsticas
Organizaci on de datos mediante distribuciones de frecuencia
Denici on (Distribuci on de frecuencias)
Una distribuci on de frecuencia es un resumen tabular de datos que
muestra el n umero (frecuencia) de elementos en cada una de las
diferentes clases disjuntas.
Se distinguen 3 tipos de frecuencia
Frecuencia Absoluta
Frecuencia Relativa
Frecuencia Acumulada (Absoluta y Relativa)
Supongamos que se desea estudiar una variable que est a agrupada
en k clases excluyentes c
1
, c
2
, . . . , c
k
, entonces se dene
Denici on (Frecuencia absoluta)
Corresponde al n umero de unidades de an alisis que pertenecen a la
clase c
i
y se denota por n
i
, (i = 1, . . . , k) donde:
k
i =1
n
i
= n
Denici on (Frecuencia relativa)
Corresponde a la proporci on de unidades de an alisis que pertenecen
a la clase c
i
y se denota por f
i
, i = 1, . . . , k (i = 1, . . . , k) donde:
f
i
=
n
i
n
;
k
i =1
f
i
= 1
Observaci on
En algunos casos, para un mejor entendimiento, las frecuencias
relativas suelen transformarse en frecuencias porcentuales de la
siguiente forma:
h
i
= f
i
100, donde
k
i =1
h
i
= 100%
Denici on (Frecuencia Acumulada Absoluta)
Corresponde al n umero acumulado de unidades de an alisis que
pertenecen a las clases c
1
, c
2
, . . . , c
i
y se denota por
N
i
, (i = 1, 2, . . . , k), donde
N
i
=
i
j =1
n
j
, i = 1, 2, . . . , k
As N
1
= n
1
y N
k
= n
Denici on (Frecuencia Acumulada Relativa)
Corresponde a la proporci on acumulada de unidades de an alisis que
pertenecen a las clases c
1
, c
2
, . . . , c
i
y se denota por
F
i
, (i = 1, 2, . . . , k), donde
F
i
=
i
j =1
f
j
o F
i
=
N
i
n
, i = 1, 2, . . . , k
As F
1
= f
1
y F
k
= 1
En forma an aloga, es posible denir frecuencias acumuladas
porcentuales por: H
i
= F
i
100, con H
1
= h
1
y H
k
= 100%
Nota: La frecuencia acumulada para variables cualitativas tiene
sentido s olo en el nivel ordinal.
El esquema de la tabla es el siguiente:
Tabla 1. Distribuci on de frecuencias de...
Ttulo
Tabulaciones
(Ttulo)
El ttulo de la tabla de distribuci on de frecuencias debe tener 3 partes
fundamentales:
Variable en estudio
Espacio
Tiempo
Ejemplo: DISTRIBUCI

ON DE FRECUENCIAS del nivel socio
econ omico (Variable en estudio) de las familias de la comuna de
Las Condes (Espacio) a diciembre del a no 2011 (Tiempo).
(Tabulaciones)
Las tabulaciones se reeren al nombre que recibe cada una de las
frecuencias en la tabla de distribuci on de frecuencias.
Del ejemplo anterior
Clases: Nivel socio econ omico
n
i
: N umero de familias pertenecientes a cada nivel socio
econ omico.
f
i
: Proporci on de familias pertenecientes a cada nivel socio
econ omico.
N
i
: N umero acumulado de familias pertenecientes a cada nivel
socio econ omico.
F
i
: Proporci on acumulada de familias pertenecientes a cada
nivel socio econ omico.
Distribuci on de frecuencias del nivel socio econ omico
de las familias de la comuna de Las Condes a diciembre del a no 2011
N.S.E Nro. familias Prop. familias Nro. acum. familias Prop. acum. familias
ABC1 64 0,64 64 0,64
C2 22 0,22 86 0,86
C3 13 0,13 99 0,99
D 1 0,01 100 1
E 0 0,00 100 1
Total 100 1
Organizaci on de datos mediante distribuci on de frecuencias (Variables cualitativas nominales)
Distribuci on de frecuencias del estado civil
de los trabajadores del banco BANESE a nes del a no 2009
Estado Civil Nro. de trabajadores Prop. de trabajdores %. de trabajdores
Soltero 23 0,490 49,0%
Casado 12 0,255 25,5%
Divorciado 2 0,043 4,3%
Viudo 3 0,064 6,4%
Uni on libre 6 0,127 12,7%
Separado 1 0,021 2,1%
Total 47 1 100%
Organizaci on de datos mediante distribuci on de frecuencias (Variables cualitativas ordinales)
Para la organizaci on de datos mediante distribuci on de frecuencias
para variables cualitativas ordinales vea el ejemplo de Partes de una
tabla de distribuci on de frecuencias
Organizaci on de datos mediante distribuci on de frecuencias (Variables cuantitativas discretas)
Existen dos tipos de datos de origen cuantitativo discreto:
1 Donde la variable tiene un bajo rango de variabilidad, por
ejemplo: Nro. de hermanos que tienen los alumnos de ingeniera
(0,1,2,3,4,5), Nro. de artculos defectuosos en un pedido
(0,1,2,3), Nro. de computadores por familia (0,1,2,3), etc...
2 Donde la variable tiene un recorrido de alta variabilidad, como
por ejemplo Nro. de pisos que tienen los edicios de Chile
(2,3,6,7,8,10,...,33,34,35,etc...), Cantidad de dinero en la cuenta
corriente de los alumnos de la Universidad de Talca
(0,,10.000,11.000,11.100,12.000,12.100,51.100,51.110,etc...).
Organizaci on de datos mediante distribuci on de frecuencias (Variables cuantitativas discretas)
Para el primer caso, la tabla de distribuci on de frecuencias tiene el
mismo comportamiento que la tabla de distribuci on de frecuencias
para variables cualitativas ordinales.
Para el segundo caso la tabla de distribuci on de frecuencias sufre
una leve modicaci on que est a relacionada con la creaci on de los
intervalos de clases. Esta tabla tambi en es utilizada para variables
cuantitativas del tipo continuo, por lo que veremos en la siguiente
secci on la creaci on de estas tablas de frecuencia.
Organizaci on de datos mediante distribuci on de frecuencias (Variables cuantitativas continuas)
Si la variable bajo estudio es cuantitativa continua (o discreta con un
alto rango de variabilidad), entonces el esquema de tabla anterior
sufre un leve modicaci on que est a relacionada con la creaci on de
los intervalos de clases. En este caso el esquema de la tabla es el
siguiente:
Donde la marca de clase i- esima (m
i
) corresponde al promedio del
intervalo i - esimo (i = 1, ..., k).
M etodo para crear intervalos de clase
Se supone que la amplitud de los intervalos es la misma, se puede
seguir los siguientes pasos para la construcci on de tablas de
frecuencias de variables continuas.
Paso 1: Contar el n umero n de datos.
Paso 2: Calcular el rango (R);
R = max min
donde min y max corresponden a los valores mnimos y
m aximos de los datos, respectivamente.
Paso 3: Escoger el n umero de clases (intervalos). Se sugiere ,el
entero m as pr oximo de la F ormula de Sturges, dada por
k = 1 + 3, 3 log(n)
donde log() es el logaritmo en base 10. Tambi en el investigador
puede elegir el n umero de clases seg un especicaciones
propias.
M etodo para crear intervalos de clase
Paso 4: Calcular la amplitud (A)
A =
R
k
Paso 5: Para determinar los extremos de la primera clase
(intervalo) se debe tomar como lmite inferior el valor min y como
lmite superior el valor min + A: Este sera c
1
Paso 6: Para obtener las restantes clases (c
j
), se suma
sucesivamente A al lmite inferior, donde el lmite inferior de las
sucesivas clases corresponder a a lmite superior de la clase
anterior.
Ejemplo
Considere los siguientes datos
cree una tabla de distribuci on de frecuencias con la metodologa
vista anteriormente.
1 El valor del tama no de muestra es n = 30.
2 El rango sera R = 1, 19 0, 36 = 0, 83.
3 El n umero de clases a considerar es
k = 1 + 3, 3 log(30) = 5, 87 6.
4 La amplitud sera A =
0,83
6
= 0, 138
3.
5 La tabla quedara de la siguiente forma
Organizaci on de datos mediante gr acos
Las grandes cantidades de datos estadsticos resultan
inc omodos de interpretar y si estos no est an ordenados de
alguna manera.
La principal ventaja de la construcci on de gr acos, los cuales
son obtenidos a trav es de las tablas de distribuci on de
frecuencia, es que nos permite visualizar m as claramente la
distribuci on de estos, hacer una mejor comparaci on de
resultados y un an alisis objetivo de estos ultimos.
Denici on (Gr aco)
Es una representaci on pict orica, mediante guras geom etricas u
otros elementos, que proporciona un resumen de la informaci on que
interesa destacar y, lo m as importante, recordar.
Al igual que en la organizaci on de datos mediante distribuciones de
frecuencia, la organizaci on de datos mediante gr acos est a separa
para variables del tipo cualitativa y cuantitativa.
En el caso de las variables cualitativas veremos dos tipos de
gr acos: Gr aco de barras y gr aco circular.
En el caso de las variables cuantitativas veremos 3 tipos de gr aco:
Histograma, polgono de frecuencias y gr aco de ojivas.
Al igual que las tablas de distribuci on de frecuencia, los gr acos
deben llevar un ttulo adecuado el cual cuenta con:
Variable en estudio
Espacio
Tiempo
Por otro lado, en el caso de los gr acos de barra, histograma,
polgono de frecuencias y gr aco de ojivas, los ejes deben llevar el
nombre adecuado:
Eje de las abscisas (Eje de categoras): Debe llevar el nombre
de la variable en estudio, adem as deber ir correctamente el
recorrido de la variable (ya sea clase o intervalo de clase).
Eje de las ordenadas (Eje de valores): Debe llevar el nombre
de la frecuencia utilizada en el gr aco, adem as de los valores
considerados de cada frecuencia (Absoluta, relativa o
porcentual), en el caso del gr aco de ojiva se considera s olo la
frecuencia acumulada.
Nota: En el caso del gr aco circular cada color representa una
categora y en cada sector del gr aco se encuentra el porcentaje
correspondiente a cada categora.
Denici on (Gr aco de barras)
Representa distribuciones de frecuencias de variables cualitativas o
discretas con bajo rango de variabilidad. Es un conjunto de
rect angulos adyacentes (con un espacio entre ellos). En el eje
horizontal deben ir las clases y en el eje vertical las frecuencias
absolutas, relativas o porcentajes.
Denici on (Gr aco circular)
Tambi en denominado gr aco de tortas o gr aco de sectores, es
utilizado principalmente para representar la frecuencia relativa
porcentual de la categora.
La construcci on del gr aco circular se basa en el porcentaje que
representa la frecuencia absoluta dentro de los 360
que
corresponden a los grados totales de una circunferencia.
Denici on (Histograma)
Es una representaci on gr aca para variables cuantitativas continuas
(o variables cuantitativas discretas con un recorrido de alta
variabilidad), donde el area de las barras son proporcionales a la
frecuencia del intervalo.
Denici on (Polgono de frecuencias)
Es una representaci on gr aca para variables cuantitativas continuas,
donde se unen los puntos medios de las barras del histograma
(marcas de clase). Este gr aco muestra la forma poligonal de la
distribuci on.
Denici on (Gr aco de ojiva)
Es la gr aca asociada a las frecuencias acumuladas. Se construye
a partir de la frecuencia acumulada (generalmente porcentual) de las
marcas de clase de los intervalos de clase.
Ejercicio 1
1 Construya la tabla de distribuci on de frecuencias de la variable
Activos circulantes de la tienda ABC Ltda. durante el a no 2005.
2 Construya la tabla de distribuci on de frecuencias de la variable
Volumen de facturaci on (en millones de pesos) de una empresa
a lo largo de 300 das laborales.
Medidas de Resumen
Estas medidas estadsticas resumen al conjunto de datos, tambi en
se les denomina estadsticos. Se clasican en medidas de posici on,
dispersi on y forma.
Medidas de Resumen
Estas medidas de posici on entregan la posici on relativa que poseen
los individuos dentro de la distribuci on y se subdividen en dos:
1 Las de centralidad, que tienden a ubicarse en el centro de la
distribuci on, entre las cuales se encuentran:
El promedio o media aritm etica.
La mediana o valor del centro.
La moda, modo o valor m as frecuente.
La media geom etrica.
2 Los cuantiles, que tienden a ubicarse en distintas partes de la
distribuci on de la variable, entre las que se encuentran:
Los cuartiles (dividen al conjunto en cuatro partes iguales).
Los percentiles (dividen al conjunto en cien partes iguales).
Entre otras.
Medidas de Resumen
Media aritm etica o promedio
Dado el vector A = (a
1
, a
2
, . . . , a
n
), se dene la media aritm etica de A
como:
A =
a
1
+ a
2
+ + a
n
n
=
n
i =1
a
i
n
Medidas de Resumen
Media aritm etica o promedio (X)
Sea X una variable cuantitativa con n datos (x
1
, x
2
, . . . , x
n
), entonces
el c alculo del promedio o media aritm etica de X est a dado por:
Para datos no tabulados:
X =
n
i =1
x
i
n
Para datos tabulados, el promedio tiene un valor aproximado
dado por:
X
n
i =1
f
i
m
i
n
El uso de la medida es exclusivamente para variables
cuantitativas.
Su c alculo puede ser afectado de manera desproporcionada por
la existencia de datos atpicos (fuera de lo com un).
Medidas de Resumen
Propiedades de la media
La sumatoria de la diferencia de los n valores de la variable X
(x
1
, x
2
, . . . , x
n
) con respecto a la media de la variable X es nula:
n
i =1
(x
i
X) = 0
La media aritm etica del producto entre una constante k y una
variable X es igual al producto de esta constante por la media
aritm etica:
kX = kX
Linealidad de la media: La media aritm etica de la suma (o
diferencia) entre k y la variable X es la suma (o diferencia) de k
y la media aritm etica de la variable X:
k + X = k + X
Medidas de Resumen
Propiedades de la media
Variables con el mismo n umero de observaciones, entonces la
media aritm etica de la suma de estas variables es igual a la
suma de las medias respectivas, es decir:
X + Y = X + Y
Medidas de Resumen
Mediana (M
e
)
Corresponde al valor central cuando las n observaciones se ordenan
de menor a mayor. Es decir, considere las siguientes observaciones
x
1
, x
2
, . . . , x
n
, adem as si ordenamos estas observaciones de menor a
mayor tenemos x
(1)
, x
(2)
, . . . , x
(n)
, entonces la mediana (para datos
no tabulados) sera
M
e
=
_
1
2
_
x
(
n
2
)
+ x
(
n
2
+1
)
_
si n es par
x
(
n+1
2
)
si n es impar
El uso de esta medida es para variables cuantitativas o
cualitativas ordinales
Su interpretaci on no es afectada por la existencia de datos
atpicos.
El c alculo para datos tabulados se dar a m as adelante (en el c alculo
de cuantiles).
Medidas de Resumen
Ejemplo
En una empresa se hizo un listado con los trabajadores que llegaron
atrasados el da lunes y para cada uno se registr o el tiempo de
atraso en minutos. Existen dos turnos en la empresa (8.00-14.59 y
15.00-22.00)
A continuaci on se entrega el tiempo de atraso (en minutos) del
primer turno.
10,5 - 11,3 - 11,9 - 12,0 - 12,3 - 12,3 - 12,5 - 12,7 - 13,4 - 13,7 - 13,8 -
14,2 - 14,8 - 15,1 - 15,3 - 16,7 - 16,8 - 18,8 - 20,8
Calcule e interprete la mediana de los tiempos de atraso de los
trabajadores de la empresa
Medidas de Resumen
Soluci on:
1 N umero de datos: 19
2 M
e
= x
(
19+1
2
)
= x
(10)
= 13, 7.
3 El 50% de los trabajadores de la empresa tiene un tiempo de
atraso inferior (o superior) a 13,7 minutos
Medidas de Resumen
Moda (M
o
)
Corresponde al valor o categora con m as alta frecuencia en los
datos.
El uso de esta medida es para cualquier tipo de variable.
En el caso de variables cuantitativas, los datos pueden ser
agrupados en clases y la moda se dene como la marca de
clase que tiene la mayor frecuencia.
Si existe un unico valor que se repite m as hablamos de una
distribuci on unimodal.
Medidas de Resumen
Moda (M
o
)
Puede no ser un estadgrafo unico, en una distribuci on de
frecuencias podra existir m as de una moda (bimodal, trimodal),
tambi en es posible que alguna distribuci on no tenga moda.
Medidas de Resumen
Distribuci on de frecuencias del estado civil
de los trabajadores del banco BANESE a nes del a no 2009
Estado Civil Nro. de trabajadores Prop. de trabajdores %. de trabajdores
Soltero 23 0,490 49,0%
Casado 12 0,255 25,5%
Divorciado 2 0,043 4,3%
Viudo 3 0,064 6,4%
Uni on libre 6 0,127 12,7%
Separado 1 0,021 2,1%
Total 47 1 100%
Medidas de Resumen
Medidas de Resumen
Media Geom etrica
Denici on (Media Geom etrica)
Sea una distribuci on de frecuencias (x
i
, n
i
). La media geom etrica G
se dene como la raz N- esima del producto de los N valores de la
distribuci on.
G =
n
_
x
n
1
1
x
n
2
2
x
n
3
3
x
n
n
n
=
n
_
n
i =1
x
n
i
i
Medidas de Resumen
Media Geom etrica
Un ejemplo de utilizaci on de la media geom etrica es el c alculo de las
tasas de crecimiento dada por
r =
n1
_
n1
t =1
(1 + r
t
) 1
Donde
1 + r
t
=
P
t
P
t 1
Medidas de Resumen
Media Geom etrica
Los siguientes datos corresponden a las utilidades anuales de una
empresa en los perodos 2006-2010.
A no 2006 2007 2008 2009 2010
Utilidad $36.880.900 $39.841.200 $40.250.821 $46.182.345 $45.817.324
Medidas de Resumen
Media Geom etrica
Medidas de Resumen
Media Geom etrica
Medidas de Resumen
Media Geom etrica
Se observa una tendencia a crecer las utilidades de la empresa a
medida que pasa el tiempo, por lo que podramos ser capaces de
predecir las utilidades en el futuro.
Para esto necesitamos la pendiente de la recta dada por la tasa de
crecimiento r , la cual se calcula a trav es de la media geom etrica.
Medidas de Resumen
Media Geom etrica
A no 2006 2007 2008 2009 2010
Utilidad $36.880.900 $39.841.200 $40.250.821 $46.182.345 $45.817.324
Perodo 2006-2007 2007-2008 2008-2009 2009-2010
Tasa 1,08026 1,01028 1,14736 0,99209
As
1 + r =
4
_
(1 + r
1
)(1 + r
2
)(1 + r
3
)(1 + r
4
)
1 + r =
4
_
1, 08026 1, 01028 1, 14736 0, 99209
1 + r = 1, 05574
Medidas de Resumen
Media Geom etrica
Por otro lado tenemos que
1 + r =
4
_
(1 + r
1
)(1 + r
2
)(1 + r
3
)(1 + r
4
)
(1 + r )
4
= (1 + r
1
)(1 + r
2
)(1 + r
3
)(1 + r
4
)
Donde:
P
1
P
0
= (1 + r
1
);
P
2
P
1
= (1 + r
2
);
P
3
P
2
= (1 + r
3
);
P
4
P
3
= (1 + r
4
)
P
4
= (1 + r
4
)P
3
P
4
= (1 + r
4
)(1 + r
3
)P
2
P
4
= (1 + r
4
)(1 + r
3
)(1 + r
2
)P
1
P
4
= (1 + r
4
)(1 + r
3
)(1 + r
2
)(1 + r
1
)P
0
P
4
= (1 + r )
4
P
0
Medidas de Resumen
Media Geom etrica
En general obtenemos una predicci on para el tiempo k- esimo de la
siguiente forma:
P
k
= (1 + r )
k
P
0
Ejemplo
Prediga la utilidad esperada para el a no 2012 de la empresa anterior.
Medidas de Resumen
Media Geom etrica
Soluci on:
Se tiene como a no 0 (P
0
) el a no 2006, con utilidad de $36.880.900,
as k = 6, adem as se obtuvo que 1 + r = 1, 05574, por lo que la
predicci on de la utilidad para el a no 2012 est a dada por:
P
6
= (1 + r )
6
P
0
P
6
= 1, 05574
6
36.880.900
P
6
= 51.067.355, 58
Por lo que, el a no 2012 se espera tener una utilidad de
$51.067.355,58
Medidas de Resumen
Cuantiles
Los cuantiles son medidas que dividen el 100% de los datos en
segmentos iguales, los m as usados son los siguientes:
Cuartiles
Quintiles
Deciles
Percentiles
Medidas de Resumen
Cuantiles
Denici on (Cuartiles)
Valores que particionan a una distribuci on de frecuencias en cuatro
partes iguales, mediante los puntos Q
1
, Q
2
, Q
3
, llamados primer,
segundo y tercer cuartil.
Denici on (Quintiles)
Valores que particionan a una distribuci on de frecuencias en cinco
partes iguales mediante los puntos q
1
, q
2
, q
3
, q
4
, llamados primer,
segundo,tercero y cuarto quintil
Denici on (Deciles)
Valores que particionan a una distribuci on de frecuencias en diez
partes iguales mediante los puntos D
1
, D
2
, . . . , D
9
, llamados primer,
segundo, ..., noveno decil.
Medidas de Resumen
Cuantiles
Denici on (Percentiles)
Valores que particionan a una distribuci on de frecuencias en cien
partes iguales mediante los puntos P
1
, P
2
, . . . , P
99
, llamados primer,
segundo , ..., 99avo percentil.
De la denici on de percentil se puede inferir que los cuartiles,
quintiles y deciles son percentiles especiales.
Q
1
= P
25
Q
2
= P
50
= M
e
Q
3
= P
75
q
1
= P
20
q
2
= P
40
q
3
= P
60
q
4
= P
80
D
1
= P
10
D
2
= P
20
.
.
.
D
9
= P
90
Medidas de Resumen
Cuantiles
P
, el percentil de orden , corresponde al valor de la variable que es

menor o igual al % de los datos y es mayor o igual que el
(100 )% de los datos (ordenados de menor a mayor).
Para datos no tablados, se realiza el c alculo de la posici on en que se
encuentra el percentil mediante el c alculo simple de un porcentaje
n
100
y luego se busca el percentil en la posici on calculada.
Si el c alculo de la posici on da un n umero no entero, entonces
aproxmelo al promedio de los datos pertenecientes a ambas
posiciones.
Medidas de Resumen
Cuantiles
Para datos tabulados, una forma de obtener una aproximaci on
(lineal) del percentil es mediante la f ormula:
P
= Li
i
+
_
n
100
N
i 1
n
i
A
i
_
donde
[0, 100]
Li
i
= Lmite inferior del intervalo donde se encuentra P
N
i 1
= Frecuencia absoluta acumulada del intervalo anterior donde
se encuentra P
n
i
= Frecuencia absoluta del intervalo donde se encuentra P
A
i
= Amplitud del intervalo donde se encuentra P
n = Tama no de la muestra
Medidas de Resumen
Ejemplo
atrasados el da lunes y para cada uno se registr o el tiempo de
atraso en minutos. Existen dos turnos en la empresa (8.00-14.59 y
15.00-22.00)
A continuaci on se entrega el tiempo de atraso (en minutos) del
primer turno.
10,5 - 11,3 - 11,9 - 12,0 - 12,3 - 12,3 - 12,5 - 12,7 - 13,4 - 13,7 - 13,8 -
14,2 - 14,8 - 15,1 - 15,3 - 16,7 - 16,8 - 18,8 - 20,8
Calcule e interprete Q
1
, Q
3
, q
1
.
Medidas de Resumen
Ejemplo
De la siguiente distribuci on de frecuencias,
Calcule e interprete Q
1
, M
e
, Q
3
, q
1
.
Medidas de Resumen
Indican, mediante un c alculo, cuan dispersos se encuentran los datos
respecto de un valor central.
Una dispersi on peque na indica que es poco el alejamiento de los
datos con respecto al valor central.
En este captulo se ver an las siguientes medidas de dispersi on
Rango
Rango intercuartlico
Varianza y desviaci on est andar muestral
Coeciente de variaci on
Medidas de Resumen
Rango (R): Corresponde a la diferencia entre el m aximo y mnimo de
los datos.
R = M ax-Mn
Su interpretaci on puede ser afectada por la existencia de datos
atpicos.
Rango Intercuartil (RI): Esta medida de variabilidad es resistente a
valores atpicos concentra en el 50% central de los datos centrales.
RI = Q
3
Q
1
Medidas de Resumen
La varianza de las observaciones x
1
, x
2
, . . . , x
n
est a dada por
s
2
=
1
n 1
n
i =1
(x
i
x)
2
Por otro lado, si los datos se encuentran tabulados, la varianza se
obtiene de la siguiente forma:
s
2
n
n 1
n
i =1
f
i
(m
i
x)
2
Esta medida no se puede interpretar, pues tiene unidades de medida al
cuadrado.
El uso de esta medida es exclusivamente para variables cuantitativas.
Si los datos corresponden a los de una poblaci on para calcular la varianza
poblacional (
2
) se reemplaza el factor
1
n1
por
1
n
.
Se dene la desviaci on est andar muestral como s =
s
2
. Su interpretaci on es
afectada por la existencia de datos atpicos.
La desviaci on est andar (s) se interpreta como la cantidad de desviaciones
promedio de los datos con respecto a la media.
Medidas de Resumen
Propiedades lineales de la media y varianza
Sean x
1
, x
2
, . . . , x
n
un conjunto de n observaciones donde a cada una
se le aplica la siguiente transformaci on lineal:
y
i
= ax
i
+ b i = 1, 2, . . . , n
donde a R (= 0) y b R
Sean x y S
2
x
el promedio y la varianza de las observaciones
x
1
, x
2
, . . . , x
n
. Luego el promedio y la varianza de los datos
transformados y
1
, y
2
, . . . , y
n
est an dados por:
y = ax + b y s
2
y
= a
2
s
2
x
Medidas de Resumen
Coeciente de variaci on (CV)
Corresponde a una medida de dispersi on relativa a la media. Est a
dada por
CV =
s
x
100%
No depende de la unidad de medida de los datos.

Util para comparar variabilidad de grupos (con o sin la misma
unidad de medida).
Mientras m as peque no es el valor del CV m as homog eneos son
los datos.
Medidas de Resumen
Ejemplo
atrasados el da lunes y para cada uno se registr o el tiempo de atraso en
minutos. Existen dos turnos en la empresa (8.00-14.59 y 15.00-22.00)
Tiempos de atraso (en minutos) primer turno.
10,5 - 11,3 - 11,9 - 12,0 - 12,3 - 12,3 - 12,5 - 12,7 - 13,4 - 13,7 - 13,8 - 14,2 -
14,8 - 15,1 - 15,3 - 16,7 - 16,8 - 18,8 - 20,8
Tiempos de atraso (en minutos) segundo turno.
10,0 - 10,4 - 10,7 - 11,8 - 12,0 - 12,1 - 12,7 - 12,7 - 12,9 - 13,1 - 13,4 - 14,1 -
14,5 - 14,8 - 15,3 - 15,7 - 16,1 - 16,8 - 17,8
Calcule e interprete el rango intercuartlico de ambos turnos.
Qu e grupo tiene tiempos de atraso m as homog eneo?.

Medidas de Resumen
Medidas de forma
Denici on (Sesgo sk)
Indice que expresa el grado de asimetra de la distribuci on de los

datos (histograma). La asimetra positiva indica que los valores m as
extremos se encuentran por encima de la media. La asimetra
negativa indica que los valores m as extremos se encuentran por
debajo de la media.
sk =
_
n
(n 1)(n 2)
_ _
n
i =1
(x
i
x)
3
s
3
_
Si sk = 0; entonces la distribuci on es sim etrica.
Si sk < 0; entonces la distribuci on es asim etrica negativa.
Si sk > 0; entonces la distribuci on es asim etrica positiva.
Medidas de Resumen
Medidas de forma
Denici on (Error est andar del coeciente de asimetra (e
sk
))
Es la desviaci on tpica de la distribuci on muestral del ndice de
asimetra, el cual permite estandarizar el valor del ndice de
asimetra.

Indices estandarizados mayores que 1,96 en valor
absoluto permiten armar que existe asimetra (positiva o negativa,
dependiendo del signo del ndice).
e
sk
=
6n(n 1)
(n 2)(n + 1)(n + 3)
Si
sk
e
sk
< 1, 96, entonces la distribuci on de los datos es sim etrica, de

lo contrario, dependiendo del signo de sk se identica si la
distribuci on es asim etrica positiva o negativa.
Medidas de Resumen
Medidas de forma
Medidas de Resumen
Medidas de forma
Denici on (Curtosis (k))
Su interpretaci on est a sujeta a distribuciones sim etricas, e indica el
grado de Apuntamiento de la distribuci on.
Para una distribuci on con apuntamiento muy bajo (Distribuci on
aplanada), se puede inferir que la distribuci on de los es muy
dispersa, por el contrario para una distribuci on con apuntamiento
muy pronunciado (Distribuci on puntiaguda) se puede inferir que los
datos la distribuci on de los es muy homogenea.
k =
_
n(n + 1)
(n 1)(n 2)(n 3)
_ _
n
i =1
(x
i
x)
4
s
4
_
_
n(n + 1)
2
(n 1)(n 2)
_
Si k > 0; entonces la distribuci on es m as puntiagudas
(Leptoc urtica).
Si k = 0; (pr oximos a cero) entonces indican semejanza con la
curva normal (Mesoc urtica).
Si k < 0; entonces la distribuci on es m as aplanada (Platic urtica).
Medidas de Resumen
Medidas de forma
Denici on (Error est andar de la curtosis(e
k
))
El error tpico del ndice de curtosis, el cual puede utilizarse para
estandarizar el valor del ndice de curtosis.

Indices estandarizados
mayores que 1,96 en valor absoluto permiten armar que la
distribuci on se aleja de la distribuci on normal.
e
k
=
24n(n 1)
2
(n 3)(n 2)(n + 3)(n + 5)
Si,
k
e
k
< 1, 96 entonces la distribuci on de los datos es como la

normal, de lo contrario, dependiendo del signo de k se identica si la
distribuci on es platic urtica o leptoc urtica.
Medidas de Resumen
Medidas de forma
Medidas de Resumen
Medidas de forma
Los siguientes estadsticos de forma (Asimetra y Curtosis)
corresponden a la distribuci on de datos de los gastos en combustible
de dos empresas (A y B).
sk e
sk
k e
k
Empresa A -0,986 0,330 0,778 0,650
Empresa B 0,082 0,330 -0,217 0,650
Comente acerca de la asimetra del gasto en combustible de las

dos empresas.
Comente acerca de la curtosis del gasto en combustible de las

dos empresas.
Medidas de Resumen
Medidas de forma
Relaci on entre media, mediana y moda seg un el
sesgo de la distribuci on
Caso 1: Si la distribuci on de los datos es sim etrica (No sesgada)
x = M
e
= M
o
Caso 2: Si la distribuci on de los datos es asim etrica hacia la derecha
(Sesgo positivo)
M
o
< M
e
< x
Caso 3: Si la distribuci on de los datos es asim etrica hacia la
izquierda (Sesgo negativo)
x < M
e
< M
o
Nota: La mediana (M
e
) siempre se hallar a entre el promedio (x) y la
moda (M
o
) ya que no es afectada por datos extremos.
Detecci on de datos atpicos
Un dato atpico (fuera de lo com un) puede deberse, por ejemplo, a
una mala lectura, mal registro, causa fortuita, etc. Este tipo de datos
no puede eliminarse inmediatamente sin un an alisis preliminar de las
causas que lo originan.
La idea es buscar un m etodo, tanto algebraico como geom etrico,
para detectar datos atpicos.
Regla emprica y m etodo de puntuaci on Z
Regla emprica Para un conjunto de valores que tienen un
histograma en forma de campana, el intervalo:
x s Contiene aproximadamente al 68% de los valores
x 2s Contiene aproximadamente al 95% de los valores
x 3s Contiene aproximadamente al 100% de los valores
M etodo de la puntuaci on z
Si consideramos la regla emprica, sabemos que aproximadamente
el 100% de los datos est a en el intervalo [x 3s; x + 3s]. Es muy
improbable que un dato est e fuera de este intervalo, y en caso que
fuese, este se llamara un dato atpico. Es decir, un dato es no
atpico si:
x
i
[x 3s; x + 3s]
x
i
x
s
[3, 3]
x
i
x
s
3
.
As, Si consideramos la transformaci on z
i
=
x
i
x
s
, entonces un datos
x
i
se considera como atpico si |z
i
| > 3
M etodo de Tukey
M etodo de Tukey: Considere las siguientes barreras
Barrera Interior Inferior: BII = Q1 1, 5RI
Barrera Interior Superior: BIS = Q3 + 1, 5RI
Barrera Exterior Inferior: BEI = Q1 3RI
Barrera Exterior Superior: BES = Q3 + 3RI
Entonces
Cualquier valor fuera de las barreras interiores es considerado

como un posible valor atpico .
Cualquier valor fuera de las barreras exteriores es considerado

como un potencial valor atpico .
Un gr aco-caja o box plot muestra las posiciones relativas de los
cuartiles, medidas de posici on central y valores extremos de una
distribuci on de frecuencias.
El interior de la caja encierra el 50% central de los casos. La longitud
de la caja da una idea de la variabilidad de los datos.
Ejemplo
Realice un diagrama de cajas con los datos de tiempo de atraso del primer turno.
10,5 - 11,3 - 11,9 - 12,0 - 12,3 - 12,3 - 12,5 - 12,7 - 13,4 - 13,7 - 13,8 - 14,2 - 14,8 -
15,1 - 15,3 - 16,7 - 16,8 - 18,8 - 20,8
Paso 1: Se traza un rect angulo cuyos extremos se ubican en el primer y tercer cuartil.
Paso 2: En la caja se traza una recta horizontal en el lugar de la mediana.
Paso 3: En el centro horizontal y a la altura de la media se dibuja un punto.
Paso 4: Se calcula el rango intercuartlico (RI = Q
3
Q
1
).
Paso 5: Calcular las barreras internas
BII = Q
1
1, 5RI BIS = Q
3
+ 1, 5RI
Paso 6: Calcular las barreras externas
BEI = Q
1
3RI BES = Q
3
+ 3RI
Paso 7: Identique los puntos adyacentes: Se llaman puntos adyacentes al mnimo y
m aximo dato que se encuentran dentro de las barreras internas. Desde los extremos
de la caja se trazan lneas hasta los respectivos valores adyacentes. A estas lneas se
les llama antenas o bigotes.
Paso 8: Identicar los puntos atpicos (M arquelos con ): Se llaman puntos atpicos u
outliers a aquellos datos que se encuentran fuera de las barreras internas y dentro de
las barreras externas.
Paso 9: Identicar los puntos extremos (M arquelos con ): Se llaman puntos extremos
a aquellos puntos ubicados fuera de las barreras externas
Ejercicio 2
Considere los siguientes datos (consid erelos como no tabulados)
1 Con todos los datos
Calcule e interprete media, mediana, varianza, desviaci on est andar, rango

y rango intercuartlico.
Compruebe la regla emprica
Mediante el m etodo de la puntuaci on z, identique si existen datos atpicos

valores atpicos.
Cree un diagrama de caja.
Si los datos son multiplicados por 3 e incrementados en 1, calcule la media

y la desviaci on est andar.
2 Separe el conjunto de datos en los 15 menores y 15 mayores.
Qu e conjunto de datos es m as homog eneo?. Justique su respuesta
Cree, en un mismo plano, un diagrama de caja para cada conjunto de

datos.
Ejercicio 3
Considere los siguientes datos
Calcule e interprete media, mediana, varianza, desviaci on

est andar, rango y rango intercuartlico.
Separe la tabla de distribuci on de frecuencias en dos partes: los

tres primeros y los tres segundos intervalos. Cu al de los dos
grupos es m as homog eneo?

Capítulo 1. Estadística Descriptiva (Versión para Imprimir)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capítulo 1. Estadística Descriptiva (Versión para Imprimir)

Cargado por

Copyright:

Formatos disponibles

Captulo 1.

) de una reacci on qumica.

, el percentil de orden , corresponde al valor de la variable que es

Calcule e interprete el rango intercuartlico de ambos turnos.

Qu e grupo tiene tiempos de atraso m as homog eneo?.

Indice que expresa el grado de asimetra de la distribuci on de los

< 1, 96, entonces la distribuci on de los datos es sim etrica, de

< 1, 96 entonces la distribuci on de los datos es como la

Comente acerca de la asimetra del gasto en combustible de las

Comente acerca de la curtosis del gasto en combustible de las

Cualquier valor fuera de las barreras interiores es considerado

Cualquier valor fuera de las barreras exteriores es considerado

Calcule e interprete media, mediana, varianza, desviaci on est andar, rango

Compruebe la regla emprica

Mediante el m etodo de la puntuaci on z, identique si existen datos atpicos

Cree un diagrama de caja.

Si los datos son multiplicados por 3 e incrementados en 1, calcule la media

Qu e conjunto de datos es m as homog eneo?. Justique su respuesta

Cree, en un mismo plano, un diagrama de caja para cada conjunto de

Calcule e interprete media, mediana, varianza, desviaci on

Separe la tabla de distribuci on de frecuencias en dos partes: los

También podría gustarte