Pgina 1 de 39

CAPTULO 4: ESTADSTICA DESCRIPTIVA

En captulos anteriores revisamos el diseo de estudios y la obtencin de datos a travs del
muestreo, en este captulo aprenderemos a trabajar con los datos y a resumirlos, de manera
grfica y numrica, para convertirlos en informacin til para el problema en estudio.
La estadstica descriptiva trata dos aspectos: el obtener informacin de los datos tambin
conocido como anlisis exploratorio de datos* y por otro lado se preocupa de la "presentacin de
resultados".

En este captulo hablaremos sobre:

Tipos de Variables
Mtodos grficos y numricos para describir variables cualitativas
- Tablas de distribucin de frecuencias.
- Grficos para variables cualitativas: Sectorial y de Barras.
Mtodos grficos para describir variables cuantitativas
- Grfico de Puntos.
- Diagrama de Tallo y Hojas.
- Histograma.
Mtodos numricos para describir variables cuantitativas
- Medidas de Tendencia Central: Promedio, Mediana, Moda.
- Medidas de Dispersin: Rango, Desviacin Estndar, Rango entre Cuarteles.
- Medidas de Posicin Relativa.
Transformaciones lineales y estandarizacin

El padre del anlisis exploratorio de datos es John W. Tukey (1915-2000) Estados Unidos

Pgina 2 de 39

Tipos de variables
La base de datos nmero 1, adjunta, contiene la informacin de 36 alumnos de un curso de
Estadstica de la Universidad de Talca.
Base de datos 1:
Nmero
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

Sexo
M
M
M
M
M
M
M
M
M
M
M
M
F
M
M
F
F
F
M
F
F
M
F
M
F
F
F
F
F
M
F
M
F
F
F
M

Edad
22
20
20
22
25
22
21
24
21
21
20
21
20
22
20
20
22
20
20
20
22
19
19
19
20
21
20
21
22
19
22
20
19
20
19
20

Estatura
180
175
178
183
180
180
180
182
177
184
172
173
162
194
174
165
167
155
174
160
155
174
162
180
160
170
155
160
166
170
160
182
162
154
155
184

Peso
74
95
68
75
76
78
.
85
78
85
70
59
56
105
79
50
58
52
65
48
58
80
60
82
57
70
50
60
61
68
60
72
55
46
50
85

Ciudad de residencia
SAN FERNANDO
CHILLAN
TALCA
TALCA
LINARES
SANTIAGO
TALCA
TALCA
CURICO
SANTIAGO
SAN FERNANDO
IQUIQUE
SANTIAGO
LINARES
SANTIAGO
SAN JAVIER
TALCA
PUERTO MONTT
LINARES
SANTIAGO
SANTIAGO
SAN FELIPE
MELIPILLA
TALCA
TALCA
SANTIAGO
SANTIAGO
TALCA
PUERTO IBAEZ
RANCAGUA
SANTIAGO
TALCA
RANCAGUA
SANTIAGO
RANCAGUA
RANCAGUA

Nmero de hermanos
7
2
2
7
3
1
1
1
1
0
3
4
0
4
1
1
1
2
2
2
1
1
1
3
1
2
1
1
1
3
1
1
2
3
2
5

En esta base de datos podemos notar que los alumnos tienen distintas caractersticas, por
ejemplo, no todos vienen de la misma ciudad.

Pgina 3 de 39

Definiciones:
Unidad es el objeto que observamos. Cuando el objeto es una persona, lo referimos como
sujeto.
Observacin es la informacin o caracterstica que registramos de cada unidad.
Una caracterstica que puede variar de unidad en unidad es llamada variable.
Una coleccin de observaciones con una o ms variables se llama base de datos.

Tipos de variables

Cualitativas

Nominales

Ordinales

Cuantitativas

Discretas

Continuas

Variables cualitativas son aquellas que clasifican las unidades en categoras. Las categoras
pueden tener un orden natural (ordinales) o no (nominales). Las variables cualitativas tambin se
llaman variables categricas. Con estas variables podemos contar nmero de casos, comparar
entre categoras, pero no podemos realizar operaciones numricas.
Variables cuantitativas tienen valores numricos que representan medidas (largo, peso, etc.) o
frecuencias (nmero de). Tiene sentido realizar operaciones numricas con estas variables.
Adems distinguimos dentro de las variables cuantitativas las discretas y las continuas. Una
variable discreta es aquella en la cul se puede contar el nmero posible de valores. Una variable
continua puede tomar cualquier valor en un intervalo dado.

Pgina 4 de 39

Ejemplo
Nominal: est asociada a nombres.
Ejemplo: Marca de auto, Sexo, Religin.
Ordinal: tiene asociado un orden.
Ejemplo: Nivel educacional, Estado nutricional, Nivel Socioeconmico.
Discreta: slo puede tomar un nmero finito (o contable) de posible valores.
Ejemplo: El nmero de respuestas correctas en una prueba de 5 preguntas de V o F.

Continua: puede tomar cualquier valor en un intervalo(s).

Ejemplo: Cantidad de agua en un vaso de 50 ml.
0

50
50 ml

20 ml
0 ml

Ejemplo
Tipo de Variable.
Determine qu tipo son las siguientes variables. Si son variables cualitativas (nominal u ordinal) o
cuantitativas (discretas o continuas).
a)
b)
c)
d)
e)
f)
g)

Marca de automvil.
Duracin de un compacto (segundos).
Nmero de temas de un compacto.
Nivel educacional (bsica, media, universitaria).
Temperatura al medioda en Talca (grados Celcius).
Estado civil (soltero, casado, divorciado, viudo).
Cantidad de lluvia en un ao en Talca (mm3).

Pgina 5 de 39
Mtodos grficos y numricos para describir variables cualitativas

Definicin:
La distribucin de una variable nos da los valores posibles de la variable y cuantas veces
ocurren. La distribucin de una variable nos muestra la forma en que vara la variable.

Tablas de distribucin de frecuencias.

Lo primero que hacemos al querer describir variables cualitativas es contar cuntas unidades caen
en cada categora de la variable. Esto lo presentamos en una tabla de distribucin de frecuencias
de la forma:
Valor o
categora de la variable
...

Frecuencia

Porcentaje

Total

100

Ejemplo
Tabla de distribucin de frecuencias del sexo de la base de datos 1
Sexo
Femenino
Masculino
Total

Nmero de alumnos
16
20
36

Porcentaje de alumnos
44,4
55,6
100,0

En SPSS
Analizar > Estadsticos Descriptivos > Frecuencias.

SEXO
Vlidos

Frecuencia

Porcentaje

Porcentaje
vlido
44.4

Porcentaje
acumulado
44.4
100.0

16

20

55.6

55.6

Total

36

100.0

100.0

44.4

La salida de SPSS tiene columnas que no aportan informacin, Usted deber editar estas tablas
con la informacin que es relevante y borrar lo que no interesa.

Pgina 6 de 39
Grficos para variables cualitativas.
Una vez que conocemos la distribucin de la variable, nos interesa presentarla de alguna manera
grfica, uno de los grficos o diagramas ms usados en variables cualitativas son los diagramas
sectoriales o de torta y los grficos de barra.

Un grfico sectorial (o de torta) muestra la distribucin de una variable cualitativa dividiendo

un crculo en partes que corresponden a las categoras de la variable, tal que el tamao (ngulo)
de cada pedazo es proporcional al porcentaje de tems en cada categora.
Un grfico de barras muestra la distribucin de una variable cualitativa listando las categoras o
valores de la variable en el eje X y dibujando una barra sobre cada categora. La altura de la barra
es igual al porcentaje de tems en esa categora. Las barras deben tener el mismo ancho.

Grfico sectorial.
Figura 1 (a):
Diagrama sectorial con 1/4 de los tems que
comparten alguna propiedad.

Figura 1 (b):
Diagrama sectorial con 7/8 de los tems que
comparten alguna propiedad

12.5%

25.0%

75.0%

87.5%

Diagrama sectorial para la variable SEXO de base de datos 1

F
44.4%

M
55.6%

Pgina 7 de 39
Grfico de barras
Compare los siguientes grficos. Cules son las diferencias?
Grfico de barras: Sexo en la base de datos 1.
60

50

40

30

Frecuencia

Porcentaje

20

10

0
F

21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
F

Sexo

Sexo

Compare los siguientes grficos. Cules son las diferencias?

60

60

58
50

56
54

40

52
50

30

48
46

Porcentaje

Porcentaje

20

10

0
F

Sexo

44
42
40
F

Sexo

Pgina 8 de 39
Grfico de Barras: Ciudad de procedencia de alumnos de base de datos 1.
30

20

Porcentaje

10

0
H
C

A
LC O
TA AG
TI
N IER
O
V
SA
D
JA AN
N
N
R
SA
FE
N IPE
L
SA
FE
A
N
U
SA AG
TT
N
C
O
M
AN
R TO
EZ

ER IBA
PU TO
ER A
PU ILL
IP
EL
M ES
AR
N
E
LI
U
IQ
U
N
IQ
LA
IL
O
IC
R

U
C

CIUDAD

Ejemplo
Mtodos grficos y numricos para describir datos cualitativos
Tabla: Distribucin de frecuencias de formas de hojas simples de una muestra de 39 hojas del
parque de la Universidad de Talca, sector del edificio Prosperidad, I semestre 2001.
Formas de hojas simples
Aciculada
Elptica
Flagelada
Lanceolada
Lobulada
Ovada
Ovovada
Palmada
Total

Nmero de hojas
4
9
2
5
3
5
3
8
39

Porcentaje de hojas
10,3
23,1
5,1
12,8
7,7
12,8
7,7
20,5
100

Pgina 9 de 39
Figura 1: Grfico de barras que muestra la frecuencia de formas de hojas simples.
10
9
8

Frecuencia

7
6
5
4
3
2
1
0
Aciculada

Elptica

Flavelada

Lanceolada

Lobulada

Ovada

Ovovada

Palmada

Forma de hojas simples

Alternativamente podemos describir grficamente con un grfico circular como el de la figura 2.

Figura 2: Grfico circular que muestra la frecuencia de formas de hojas simples.

Palmada
21%

Aciculada
10%

Elptica
22%
Ovovada
8%

Ovada
13%

Flavelada
5%
Lobulada
8%

Lanceolada
13%

Pgina 10 de 39
Mtodos grficos para describir variables cuantitativas
En esta seccin veremos de qu manera podemos describir grficamente las variables
cuantitativas. Veremos 3 tipos de grficos:
1. Grfico de puntos.
2. Diagrama de Tallo y Hojas.
3. Histograma.

1. Grfico de Puntos.

Ejemplo
Cuntas llaves tiene en su bolsillo?
Haga un grfico de frecuencias (de puntos) con el nmero de llaves que tienen los estudiantes
que asisten hoy a clases. Describa la forma del grfico.

Formas de Distribuciones

Simtrica, acampanada, unimodal

Bimodal

Sesgada a la derecha (sesgo positivo)

Sesgada a la izquierda (sesgo negativo)

Uniforme

Pgina 11 de 39
Los trminos usados para describir la forma de una distribucin son:

Simtrica: La distribucin puede ser dividida en dos partes alrededor de un valor central y
cada parte es el reflejo de la otra.

Sesgada: Un lado de la distribucin se alarga ms que el otro. La direccin del sesgo es la

direccin del lado ms largo.

Unimodal: La distribucin tiene un nico mximo que muestra el o los valores ms comunes
en los datos.

Bimodal: La distribucin tiene dos mximos.

proviene de dos poblaciones.

Uniforme: Los valores posibles tienen la misma frecuencia.

Esto resulta a menudo cuando la muestra

Ejemplo
BASE DE DATOS mdica = medidas en 20 individuos que fueron parte de un estudio mdico
para reducir la presin sangunea.
Nmero
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020

Sexo
M
M
F
F
F
M
M
F
M
M
M
M
F
F
M
F
M
F
M
M

Edad
45
41
51
46
47
42
43
50
39
32
41
44
47
49
45
42
41
40
45
37

N_tabletas
2
1
2
2
3
2
4
2
1
1
2
2
2
3
3
1
2
1
2
3

Presin_antes
100.2
98.5
100.8
101.1
100.0
99.0
100.7
100.3
100.6
99.9
101.0
100.9
97.4
98.8
100.9
101.1
100.7
97.8
100.0
101.5

Presin_despus
100.1
100.0
101.1
100.9
99.8
100.2
100.7
100.9
101.0
98.5
101.4
100.8
96.2
99.6
100.0
100.1
100.3
98.1
100.4
100.8

Pgina 12 de 39
2. Diagrama de Tallo y Hojas (Stem and Leaf).
Los grficos o diagramas de tallo y hoja son una manera muy fcil de ordenar y mirar la
distribucin de los datos.

Pasos para hacer un Tallo y Hoja:

1. Separar cada medida en un tallo y una hoja.
Generalmente la hoja consiste en exactamente un dgito (el ltimo) y el tallo consiste
en uno o ms dgitos.
Ejemplo:

734 => tallo=73, hoja=4

2,345 => tallo=2,34, hoja=5.

A veces se deja fuera el decimal pero se agrega una nota de cmo leer el valor.
Para 2,345 por ejemplo podremos decir que 234 | 5 se debe leer como 2,345.
2. Escribir los tallos en orden creciente de arriba abajo y dibujar una lnea a la derecha de
los tallos.
3. Agregar las hojas a su respectivo tallo en orden creciente.

Ejemplo

Diagrama bsico de Tallo y Hoja para la Edad de base de datos de un estudio mdico.

Considere las edades de 20 sujetos de la base de datos mdica.

1. Separamos los nmeros en un tallo y una hoja:
45
41

41
44

51
47

46
49

47
45

42
42

2. Elegimos el tallo y lo anotamos en orden creciente

3. Agregamos las hojas en orden creciente:

43
41

50
40

39
45

32
37

Pgina 13 de 39
Una modificacin til es que podemos dividir los tallos:
3
3
4
4
5

|
|
|
|
|

2
7
0
5
0

9
1112234
556779
1

Note que el menor valor representado por 3 | 2 se lee 32 aos.

As podemos visualizar mejor que la distribucin de las edades de los sujetos es aproximadamente
simtrica, centrada en aproximadamente 43-44, sin valores extremos evidentes (observaciones
que caen fuera del patrn general de datos).

Ejemplo

Puntajes de pruebas de dos estudiantes.

Estudiante A: 80 52 86 94 76 48 92 69 79 45
Estudiante B: 73 87 81 75 78 82 84 74 80 76
Construya un grfico de tallo y hoja comparativo para los datos
Puede decir a cul de los dos le ha ido mejor? Explique.

Pensemos

Qu est malo?
Explique por qu los siguientes grficos de tallo y hojas no reflejan bien a la distribucin de los
datos.
Tallo y hoja 1

Tallo y Hoja 2

Tallo y hoja 3

27
32
33
34
35

2|112223445567789
3|022334678
4|011

18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

|
|
|
|
|

9
0
1
0
1

1178
2259
34
1

Nota: 27 | 9 representa 279

Nota: 2 | 1 representa 21

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

1
0
128
0
7
5
2
0
1
2
7
6

8
3
5
29

0
0

Nota:18 | 1 representa 181

Pgina 14 de 39

En SPSS
Analizar > Estadsticos Descriptivos > Explorar > Grficos > Tallo y Hojas.
TALLO1 Stem-and-Leaf Plot
Frequency
1.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
3.00
2.00
3.00
2.00
3.00
0.00
2.00
Stem width:
Each leaf:

Stem
27
28
28
29
29
30
30
31
31
32
32
33
33
34
34
35

& Leaf
. 9
.
.
.
.
.
.
.
.
. 011
. 78
. 122
. 59
. 034
.
. 11

10
1 case(s)

TALLO2 Stem-and-Leaf Plot

Frequency
2.00
4.00
4.00
3.00
2.00
1.00
2.00
Stem width:
Each leaf:

Stem
2
2
2
2
2
3
3

&
.
.
.
.
.
.
.

Leaf
11
2223
4455
677
89
0
22

10
1 case(s)

TALLO3 Stem-and-Leaf Plot

Frequency
2.00
5.00
10.00
1.00
Stem width:
Each leaf:

Stem &
1
2
2
3

.
.
.
.

Leaf
89
11123
5566778889
0

100
1 case(s)

Pgina 15 de 39

En SPSS
Analicemos ahora la salida que nos entrega el programa SPSS.
Estos diagramas contienen datos de la estatura (en cms) y de edad de los alumnos de la base de
datos de 36 alumnos de Estadstica:
Diagrama 1
ESTATURA Stem-and-Leaf Plot
Frequency

Diagrama 2
EDAD Stem-and-Leaf Plot

Stem & Leaf

Frequency

1.00
4.00
7.00
3.00
7.00
3.00
10.00
.00
1.00

15 .
15 .
16 .
16 .
17 .
17 .
18 .
18 .
19 .

Stem width:
Each leaf:

4
5555
0000222
567
0023444
578
0000022344

Stem & Leaf

6.00
19 . 000000
14.00
20 . 00000000000000
6.00
21 . 000000
8.00
22 . 00000000
.00
23 .
1.00
24 . 0
1.00 Extremes (>=25.0)

10
1 case(s)

Stem width:
Each leaf:

1
1 case(s)

3. Histograma
Los histogramas son otra manera de mostrar la distribucin de una variable cuantitativa.

Pasos para hacer un histograma:

1. Dividir el rango de los datos (menor a mayor) en clases del mismo ancho. Las clases
deben contener el rango posible de datos y no se deben superponer. Ej. Si los datos
van de 0 a 29, comience en 0 hasta 30 de ancho 5.
2. Contar el nmero de observaciones (frecuencias) que caen en cada clase.
3. Dibujar en el eje horizontal y marcar las clases.
4. El eje vertical puede contener la frecuencia, la proporcin, o el porcentaje.
5. Dibujar un rectngulo (una barra vertical) en cada clase con la altura igual a la
frecuencia, la proporcin, o el porcentaje.

Pgina 16 de 39

Ejemplo

Histograma de Edad
Veamos nuevamente las edades de la base de datos mdica. El rango va de 32 a 51, entonces
podemos crear clases que comiencen en 30 con incrementos de 5 hasta 55. Puede intentar
diferentes clases con distinto ancho hasta obtener una buena representacin.
Para empezar es necesario construir una tabla de distribucin de frecuencias:

Clase

Cuenta

Nmero de observaciones

Porcentaje

(30,35]

1/20 = 0.05 => 5%

(35,40]

///

3/20 = 0.15 => 15%

(40,45]

//////////

10

10/20 = 0.50 => 50%

(45,50]

/////

5/20 = 0.25 => 25%

(50,55]

1/20 = 0.05 => 5%

Histograma para Edad de base de datos mdica:

Pgina 17 de 39

En SPSS
Grficos > Generador de Grficos > Histograma.

Histograma para la edad de 36 alumnos

Histograma de la estatura de 36 alumnos

30

10

8
20

Frecuencia

10

Frecuencia

0
19
2

18

18

17

16

16

15

15

0
21 - 23

23 - 25

25 - 27

98

-1

86

92

-1

-1

81

-1

75

-1

69

-1

64

-1

58

-1

19 - 21

EDAD

ESTATURA

En SPSS
Comparemos histogramas con tallo y hoja.
Histograma para el nmero de hermanos

Nmero de hermanos Stem-and-Leaf Plot

Frequency
Stem & Leaf

de 36 alumnos
20

2.00
0
16.00
1
8.00
2
5.00
3
2.00
4
1.00
5
2.00 Extremes

Frecuencia

10

.
.
.
.
.
.

00
0000000000000000
00000000
00000
00
0
(>=7.0)

0
0

Nmero de hermanos

Stem width:
Each leaf:

1
1 case(s)

Pgina 18 de 39
Cuidado con usar grficos de barras para variables cuantitativas:

Frecuencia

Grfico de barras: nmero de hermanos

Histograma para el nmero de hermanos

20

20

18

18

16

16

14

14

12

12

10

10

0
0

Gua para grficos, figuras o diagramas:

Hay ciertos errores comunes que aparecen en grficos que pueden hacer que se mal interprete la
informacin. Cuando construya grficos:
-

Pngale un ttulo apropiado.

Incluya la fuente de los datos o cualquier informacin relevante.
Escriba el nombre de la variable que se describe en los ejes.
Incluya las unidades de medida de las variables.
Verifique si el eje de la frecuencia, proporcin o porcentaje comienza en cero.
Verifique si los ejes mantienen una escala constante

Ejemplo
Histograma del Peso al nacer de los recin nacidos en 1993 en Chile.
%
40

30

20

10

260

893

1526 2159

2792 3425 4058 4691 5324 5957 6590

Peso de Nacimiento en gramos

Fuente: Instituto Nacional de Estadstica.

Pgina 19 de 39
Mtodos numricos para describir variables cuantitativas
En este captulo, empezamos a organizar y resumir los datos, primero tratamos las variables
cualitativas, luego la descripcin grfica de variables cuantitativas, ahora estudiaremos cmo
obtener buen resumen numrico de los datos.
Especficamente estudiaremos medidas de
resumen o medidas descriptivas numricas que son de tres tipos:
- las que ayudan a encontrar el centro de la distribucin, llamadas medidas de tendencia
central.
- las que miden la dispersin, llamadas medidas de dispersin.
- las que describen la posicin relativa de una observacin dentro del conjunto de datos,
llamadas medidas de posicin relativa.
1. Medidas de Tendencia Central.
Las medidas de tendencia central son valores numricos que quieren mostrar el centro de un
conjunto de datos, nos interesan especialmente dos medidas: la media y la mediana.
Si los datos son una muestra, el promedio y la mediana se llamarn estadsticas. Si los datos son
una poblacin entonces estas medidas de tendencia central se llamarn parmetros.

Una Estadstica es una medida descriptiva numrica calculada a partir de datos de una muestra.
Un Parmetro es una medida descriptiva numrica que usa la totalidad de las unidades de una
poblacin.

a) Promedio.

El promedio de un conjunto de n observaciones es simplemente la suma de las observaciones

dividida por el nmero de observaciones, n.

Promedio de edad de los 20 sujetos en el estudio mdico:

Sume las 20 edades y divida por 20:

45 + 41 + 51 + 46 + 47 + L + 45 + 37
= 43,35 aos
20
Notacin: Si

x1, x2 ,..., xn denota una muestra de n observaciones, entonces el promedio de la

muestra se llama "x-barra" y se denota por:

n

x =

x
i =1

x1 + x 2 + L + x n
n

Si se tiene TODOS los valores de una poblacin, el promedio de la poblacin es la suma de todos
los valores dividida por cuntos son.

Pueden revisar la notacin de sumatorias en Hopkins, K. Hopkins, B. Glass, G. (1997) Estadstica bsica para las ciencias
sociales y del comportamiento. Tercera edicin. Prentice Hall.

Pgina 20 de 39
N

El promedio de la poblacin se denota por la letra Griega (mu): =

x
i =1

Ejemplo

Nmero promedio de nios por hogar.

Los datos siguientes son el nmero de nios en una muestra aleatoria de 10 casas en un
vecindario: 2, 3, 0, 2, 1, 0, 3, 0, 1, 4.
El promedio de estas 10 observaciones es: 1,6
El resultado es 1,6 aunque no sea posible observar 1,6 nios en una casa. El promedio es 1,6
Supongamos que una observacin en la ltima casa se anot como 40 en vez de 4, Qu le
pasar al promedio?
Notar que 9 de las 10 observaciones son menores que el promedio. El promedio es sensible a las
observaciones extremas.
La mayora de los mtodos grficos nos ayudarn de detectar observaciones extremas.

Ejemplo
Un promedio NO es siempre representativo.
Las notas en varias pruebas de Juanita son 1,0
Juanita.

6,9

2,0 1,8 1,3, calcule el promedio de

Ejemplo
Combinando Promedios.
El promedio de 3 estudiantes es 5,4 y el promedio de otros 4 estudiantes es 6,7, Cul es el
promedio de los 7 estudiantes?

El promedio tambin se define como el punto de equilibrio, el

punto donde distribucin se balancea.

1 2

Mean =2

Si la distribucin es simtrica, el promedio ser exactamente

el centro de la distribucin.

Pgina 21 de 39

Si la observacin ms grande se mueve a la derecha, el

promedio se mueve con la observacin extrema.

Mean =2.5

1 2

11
Mean =4

Si la distribucin es sesgada, vamos a querer usar una medida que sea ms resistente para
mostrar el centro. La medida de tendencia central que es ms resistente a los valores extremos es
la mediana.
b) Mediana.

Definicin:
La mediana de un conjunto de n observaciones, ordenadas de menor a mayor, es un valor tal
que la mitad de las observaciones son menores o iguales que tal valor y la mitad de las
observaciones son mayores o iguales que ese valor.

Pasos para encontrar la mediana:

1. Ordenar los datos de menor a mayor;
2. Calcular la posicin de la mediana: (n+1)/2, donde n es el nmero de observaciones
3. a) Si el nmero de observaciones es impar, la mediana es un nico trmino central.
b) Si el nmero de observaciones es par, la mediana es el promedio de los dos trminos
centrales.

Ejemplo
Edades de n=20 sujetos...
Calculamos (n+1)/2 obtenemos (20+1)/2 = 10,5. Entonces los trminos centrales son la dcima
y undcima observaciones, es decir 43 y 44. La mediana es el promedio de estos dos trminos,
(43+44)/2=43,5 aos.
32

37

39

40

41

41

41

42

42

43

44

45

45

45

46

47

47

49

50

51

Pgina 22 de 39

Ejemplo
Mediana del nmero de nios por hogar.
Encuentre la mediana del nmero de nios por hogar en la muestra de 10 hogares.
Nmero de Nios:
2, 3, 0, 1, 4, 0, 3, 0, 1, 2.
a) Ordenar las observaciones de menor a mayor:
b) Calcular (n+1)/2 = _________________
c) Mediana = ______________
d) Qu le pasa a la mediana si la quinta observacin en la lista se anota incorrectamente como
40 en vez de 4?
e) Qu le pasa a la mediana si la tercera observacin en la lista se anota incorrectamente como
20 en vez de 0?
Nota: La mediana es resistente (robusta), es decir, no cambia o cambia muy poco con
observaciones extremas.

c) Moda.

Definicin:
La moda de un conjunto de observaciones es el valor ms frecuente.

La moda de los valores: { 0,

0,

0,

0,

{ 0,

2,

3,

4 } dos modas, 0 y 2

Cul sera la moda del siguiente conjunto de valores? { 0,

{0, 0, 0, 0, 0, 1, 2, 3, 4, 4, 4, 4, 5} ...

0,

0,

1,

1,

2,

2,

1,

1,

2,

2,

3,

4 } es 0.
(bimodal).
1,

2,

4,

5,

8 }.

La Moda no se usa a menudo como medida de tendencia central para datos cuantitativos. Sin
embargo la Moda es LA medida de tendencia central que puede ser calculada en datos
cualitativos.

Pgina 23 de 39

CIUDAD de origen de 36 alumnos

12

10

Frecuencia

2
0

A
LC O
TA IAG
NT ER O
I
SA AV ND
J
A
N
RN
SA
E
F
N
PE
A
LI
S
FE A
N
U
T
SA A G NT
NC MO Z
RA TO E
A
ER IB
PU TO
ER A
PU ILL
IP
EL
M ES
R
A
N
LI UE
Q
UI
IQ AN
L
IL
CH O
IC
R
CU

Ejemplo

Diferentes medidas pueden dar diferentes impresiones.

El famoso tro - promedio, mediana y moda representan tres mtodos diferentes para encontrar
EL valor del centro. Estos tres valores pueden ser un mismo valor pero a menudo son distintos.
Cuando son distintos, pueden servir para diferentes interpretaciones de los datos que queremos
resumir. Considere el ingreso mensual de cinco familias en un barrio:
$120 000

$120 000

$300 000

$900 000

$1 000 000

Cul es el ingreso tpico de este grupo?

El ingreso mensual promedio es:
La mediana del ingreso mensual es:
La moda del ingreso mensual es:
Si Usted est tratando de promover el barrio, Qu medida usara?
Si Usted est tratando que bajen las contribuciones, Qu medida usara?

Pgina 24 de 39
Cul medida de tendencia central usar?

Forma acampanada, Simtrica

Bimodal

50%

mean=median
two modes

mean=median=mode

Sesgada a la derecha

Sesgada a la izquierda

50%

50%

mode
mean
median

mean
mode
median

Pensemos

Suponga que calcula el promedio, mediana y moda de una lista de nmeros, Cul medida es
siempre un nmero en la lista?
Si la distribucin es simtrica, Cul medida de tendencia central calculara: el promedio o la
mediana?, Por qu?

Ejemplo

Una distribucin diferente.

En la figura se muestra la distribucin de una
variable:

1/4

a) Es esta distribucin simtrica?

b) Su mediana es menor, igual o mayor a

4?
c) Su promedio es menor, igual o mayor a
4?

Pgina 25 de 39

Ejemplo

Buenas o malas medidas.

Para los siguientes grficos describa qu tan buenas o malas son las tres medidas de tendencia
central como descripcin del centro de la distribucin:

2. Medidas de Dispersin.
Las medidas de tendencia central son tiles pero nos dan una interpretacin parcial de los datos.
Considere los dos siguientes conjuntos de datos:

Datos 1: 55, 56, 57, 58, 59, 60, 60, 60, 61, 62, 63, 64, 65

35

40

45

50

X
X
XXXXXXXXXXX
55
60
65

.
70

75

80

85

Datos 2: 35, 40, 45, 50, 55, 60, 60, 60, 65, 70, 75, 80, 85

X
35

X
40

X
45

X
50

X
X
X
60

X
55

X
65

X
70

X
75

X
80

X .
85

a) Rango.
Es la medida de variabilidad o dispersin ms simple. Se calcula tomando la diferencia entre el
valor mximo y el mnimo observado.
Rango = Mximo Mnimo.

X
X
X
20

X
X X
X
X X X X X X X X
21 22 23 24 25 26 27 28

X
X
X
29

X
X
X
30

X
X X
X X X X X
20 21 22 23 24

X
X
X
X
25

X
X X
X X X X X
26 27 28 29 30

Analice cules podran ser las ventajas y desventajas del rango como medida de variabilidad.

Pgina 26 de 39
b)

Desviacin Estndar.

Es una medida de la dispersin de las observaciones a la media. Es un promedio de la distancia

de las observaciones a la media.

Ejemplo

deviation = -4
deviation =1
deviation = 3

mean=4
Observacin Desviacin

xx

Desviacin al cuadrado
(x x )2

0
5
7
Promedio = 4

04=-4
54= 1
74= 3
Suma = 0

16
1
9
Suma = 26

La varianza muestral est definida como la suma de las desviaciones al cuadrado divididas por
el tamao muestral menos 1, es decir, dividas por n 1 .

varianza muestral =

( 4)2 + (1)2 + (3)2

3 1

16 + 1 + 9 26
=
= 13
2
2

desviacin estndar muestral = 13 3,6

Ejemplo

Desviacin estndar para el nmero de nios por hogar.

Recordemos los datos del nmero de nios por hogar en una muestra de 10 casas de un barrio:
2, 3, 0, 2, 1, 0, 3, 0, 1, 4
Use su calculadora cientfica y compruebe es siguiente resultado:
"Los hogares tienen, en promedio 1,6 nios con una variacin de alrededor de 1,43 nios".

 En Resumen
Pensemos la desviacin estndar como aproximadamente un promedio de las distancias de las
observaciones a la media.
Si todas las observaciones son iguales, entonces la desviacin estndar es cero.
La desviacin estndar es positiva y mientras ms alejados estn los valores del promedio, mayor
ser la desviacin estndar.

Pgina 27 de 39

Si x1, x2 ,..., xn denota una muestra de n observaciones, la varianza muestral se denota por:

(x
=

x)

n 1

(x1 x )2 + (x2 x )2 + L + (x n x )2
n 1

La desviacin estndar muestral, denotada por s , es la raz cuadrada de la varianza:

s=

s2

La desviacin estndar poblacional, se denota por la letra Griega

cuadrada de la varianza poblacional y se calcula como:

(x

(sigma), es la raz

Notas:
-

La varianza y la desviacin estndar no son medidas de variabilidad distintas, debido a que la

ltima no puede determinarse a menos que se conozca la primera.

A menudo se prefiere la desviacin estndar en relacin con la varianza, porque se expresa en

las mismas unidades fsicas de las observaciones.

As como el promedio es una medida de tendencia central que no es resistente a las

observaciones extremas, la desviacin estndar, que usa el promedio en su definicin,
tampoco es una medida de dispersin resistente a valores extremos.

Tenemos argumentos estadsticos para demostrar por qu dividimos por n 1 en vez de n en

el denominador de la varianza muestral.

Cuartiles

La mediana de una distribucin divide los datos en dos partes iguales:

Datos ordenados en orden creciente:
50%

50%

Mnimo

Mediana

Mximo

Tambin es posible dividir los datos en ms de dos partes. Cuando se dividen un conjunto
ordenado de datos en cuatro partes iguales, los puntos de divisin se conocen como cuartiles y
los representamos por Q1, Q2 y Q3.
Datos ordenados en orden creciente:
25%
Mnimo

25%
Q1

25%
Q2

25%
Q3

Mximo

Pgina 28 de 39
c)

Rango entre cuartiles.

La diferencia entre el tercer cuartil y el primer cuartil se llama rango entre cuartiles, denotado
por RQ=Q3-Q1. El rango entre cuartiles mide la variabilidad de la mitad central de los datos.

Pasos para calcular cuartiles:

1. Encontrar la mediana de todas las observaciones.

2. Encontrar el primer cuartil = Q1 = mediana de las observaciones que son menores a la
mediana.
3. Encontrar el tercer cuartil = Q3 = mediana de las observaciones que son mayores a la
mediana.

Notas:
- Cuando el nmero de observaciones es impar, la observacin del medio es la mediana. Esta
observacin no se incluye luego en los clculos de Q1 y Q3.
- Pueden encontrar diferentes frmulas en libros, calculadoras o computadores, pero todas estas
frmulas se basan en el mismo concepto.
- Si la distribucin es simtrica, los cuartiles deben estar a la misma distancia de la mediana.

Ejemplo

Cuartiles para la Edad.

Lista ordenada de las edades de los 20 sujetos en el estudio mdico:

32

37

39

40

41

41

41

42

42

43

44

45

45

45

46

47

47

49

median = 43.5
Q1 = 41

Q3 = 46.5
Count
8

Podemos ver que la distribucin de la edad es

aproximadamente simtrica y que los cuartiles estn casi a
la misma distancia de la mediana.

30

35

40

45

50

55

50

51

Pgina 29 de 39

Ejemplo
Qu es Variabilidad?

Considere los 4 conjuntos de datos

siguientes y sus histogramas:
Datos I:
2 3 3
5 5

Datos II:
3 3 3 3
5 6
Datos III:
2 3 3 4
5 6
Datos IV:
3 3 3 3
5 5

Distribution I

Distribution II

1 2 3 4 5 6
Distribution III

Distribution IV

Medidas de variabilidad
Rango
Rango entre cuartiles
Desviacin Estndar

II

III

IV

Algunas personas asocian variabilidad con rango mientras que otras asocian variabilidad con cmo
difieren los valores de la media. Hay muchas medidas de variabilidad, y la desviacin estndar es
la ms usada. Pero recuerden que una distribucin con la menor desviacin estndar no es
necesariamente la distribucin que es menos variable con respecto a otras definiciones de
variabilidad2.

Referencia: Nitko, A. (1983) Educational Tests and Measurement: An Introduction. Harcourt.

Pgina 30 de 39

 En Resumen
Cuando queremos describir una variable usamos alguna medida de posicin central y una medida
de dispersin. El par de medidas ms comnmente usado es el promedio y la desviacin estndar.
Pero vimos que cuando la distribucin de las observaciones es sesgada, el promedio no es una
buena medida de posicin central y preferimos la mediana. La mediana en general va
acompaada del rango como medida de dispersin. Pero cuando observamos valores extraos
(extremos) el rango se ve muy afectado, por lo que preferimos usar el rango entre cuartiles.
Medida de
tendencia
central
Promedio

Medida de
dispersin

Uso en
Distribuciones

Desviacin
estndar

Simtricas

Mediana

Rango

Sesgadas, sin
valores extremos

Mediana

Rango entre
cuartiles

Sesgadas con
valores extremos

Ventajas

Desventajas

Buenas
propiedades, muy
usados.
Mediana robusta a
valores extremos.
Rango muy
conocido, fcil de
entender.
Medidas robustas a
valores extremos.

Sensible a valores
extremos.
Rango sensible a
valores extremos.

El rango entre
cuartiles no es muy
conocido.

3. Medidas de posicin relativa.

Los cuartiles dividen un conjunto ordenado de datos, en cuatro partes iguales:
Datos ordenados en orden creciente:
25%

25%

Mnimo

25%

Q1

25%

Q2

Q3

Mximo

Tambin podemos dividir conjuntos de datos en 100 partes iguales y los puntos de divisin se
conocen como percentiles.
Datos ordenados en orden creciente:
1%
Mn

1%
P1

1%
P2

1%
P3

1%
.

1%
.

1%
.

...

1%

1%
.

1%
.

1%

P97

1%
P98

1%

P99 Mx

Es as como los cuartiles son en realidad los percentiles 25, 50 y 75, respectivamente.
En general, el k-simo percentil es un valor tal que el k% de los datos son menores o iguales
que l, y el (100-k)% restante son mayores o iguales que l.
Datos ordenados en orden creciente:
(100-k)%

k%
Mnimo

Pk

Mximo

Pgina 31 de 39
Por ejemplo, el 25-simo percentil o percentil 25 (P25) es un valor tal que el 25% de los datos
son menores o iguales que l, y el (100-25) = 75% restante son mayores o iguales que l.

Definicin:

Las medidas de posicin relativa son medidas que describen la posicin que tiene un valor
especfico en relacin con el resto de los datos.

Ejemplo

Si su nota estuvo en el percentil 84, entonces el 84% de las notas fueron inferiores a la suya y el
16% superiores.

Adems existen los quintiles y los deciles, Cules sern?

Usos de medidas de posicin relativa en:
- Calificaciones de exmenes.
- Puntajes en tests Psicolgicos.
- Curvas de crecimiento en salud (http://www.cdc.gov/growthcharts/)

Definicin
Valores extremos (outliers): son valores que se alejan del conjunto de datos.

Regla para identificar valores o datos extremos:

Vamos a definir una observacin xi como extrema si:

xi < Q1 1,5 * (Q3-Q1)

xi > Q3 + 1,5 * (Q3-Q1)

donde xi sern las primeras y ltimas observaciones en la serie ordenada de los datos.

Ejemplo
Tiene valores extremos, la variable edad de los 20 sujetos en el estudio mdico?
32

37

39

40

41

41

41

42

42

43

44

45

45

45

46

47

median = 43.5
Q1 = 41

Q3 = 46.5

47

49

50

51

Pgina 32 de 39
Diagramas de caja (boxplot):

El diagrama de caja se construye de la siguiente manera:

1. Dibujar la caja que empieza en el primer cuartil y termina en el tercer cuartil.
2. Dibujar la mediana con una lnea dentro de la caja.
3. Por ltimo se extienden las lneas, llamadas bigotes, saliendo de la caja hasta el mnimo y el
mximo (salvo en la presencia de valores extremos).

Ejemplo

Grfico de caja para la EDAD

min = 32

Q1 = 41 mediana = 43,5 Q3= 46,5

Min

Q1 Median Q3

max = 51

Max

IQR
30

32

34

36

38

40

42

44

46

48

50

52

54

56

En la presencia de valores extremos, los "bigotes" se extienden hasta el valor observado anterior
al valor extremo.

Pgina 33 de 39

En SPSS
Grfico > Generador de Grficos > Diagrama de Caja.
Diagrama de caja de edad en
base de datos mdica segn SPSS

10

EDAD

30

35

40

45

50

55

La distancia entre la mediana y los cuartiles es aproximadamente la misma, lo que nos hace
pensar que la distribucin de los datos es ms o menos simtrica como vimos antes en el
histograma y en el tallo y hoja.
Los grficos de caja son muy tiles para comparar distribuciones de dos o ms grupos.
ejemplo, comparar los grupos de fumadores y no fumadores (ver ejercicios propuestos).
80

70

60

50

40

Minutos

30

20
10
N=

Grupo

12

14

Fumadores

No fumadores

Por

Pgina 34 de 39

Ejemplo
En diciembre de 2004, SERNAC realiz un estudio acerca del precio de las bicicletas en Santiago.
En el siguiente grfico de caja se presentan los precios de 5 bicicletas Bianchi Modelo Goliat 12:
56

54

52

50

48

46

44
N=

Bianchi Goliat 12

a) Cul es el rango aproximado del precio de las bicicletas?

b) Cul es el valor aproximado del 25% de las bicicletas ms caras?

Ejemplo
Identifique las 5 medidas de resumen e identifique los valores extremos:
26

Edad en aos Stem-and-Leaf Plot

25

Frequency

24

23

Stem &

6.00
19
14.00
20
6.00
21
8.00
22
.00
23
1.00
24
1.00 Extremes

22

21

20

19
18

Edad de base de datos de 36 alumnos

Mnimo = _________

Valores extremos?

Q1 = ______________

Stem width:
Each leaf:

Mediana = _________

.
.
.
.
.
.

Leaf
000000
00000000000000
000000
00000000
0
(>=25.0)

1
1 case(s)

Q3 = ______________

Mximo = _________

Pgina 35 de 39

Pensemos

Si el grfico de caja es simtrico, Podemos concluir que la distribucin de los datos es

simtrica?

Ejemplo
Considere los siguientes conjuntos de datos (ordenados):

I
-1 1 2 2 3 3 3 4 4 4 4 5 5 5 6 6 7 9
Mnimo = -1
Q1 = 3
Mediana = 4
Q3 = 5
Mximo = 9

III

II
1 1 1 1 1 1 3 3 4 6 7 7 9 9 9 9 9 9
Mnimo = 1
Q1 = 1
Mediana = 5
Q3 = 9
Mximo = 9

IV

Pgina 36 de 39

Ejemplo

Diseo muestral.

Los grficos representan las notas en dos cursos de Estadstica de los 3 ltimos aos que se
dictan para la Facultad de Ciencias de la Salud y la Facultad de Ciencias Econmicas.

Ao 2002
Fc Cs Salud

FACE

Ao 2003
Fc Cs Salud

FACE

Ao 2004
Fc Cs Salud

FACE

Considere tres diseos muestrales para estimar la verdadera media poblacional de las
notas:
i) muestreo aleatorio simple.
ii) muestreo aleatorio estratificado tomando muestras del mismo tamao en cada estrato.
iii) muestreo aleatorio estratificado tomando ms unidades de un estrato que de otro.
Asuma que el tamao muestral total es igual en todos los diseos.
a) Para qu poblacin (2002, 2003 o 2004) los diseos (i) y (ii) son igualmente efectivos?
b) Para qu poblacin (2002, 2003 o 2004) el diseo (ii) ser el mejor?
c) Para qu poblacin (2002, 2003 o 2004) el diseo (iii) ser el mejor?, De cul
Facultad se debe obtener una muestra de mayor tamao?

Pgina 37 de 39
Anexo: Transformaciones lineales y estandarizacin.

Ejemplo

Una transformacin.

Se tiene datos del nmero de nios por hogar de 10 viviendas de un barrio:

2, 3, 2, 2, 1, 0, 3, 2, 1, 4
El promedio es 2,0 y desviacin estndar = 1,1547 nios
a) Suponga que queremos describir el nmero de personas en cada vivienda y suponga
que en cada vivienda hay 2 adultos: 4, 5, 4, 4, 3, 2, 5, 4, 3, 6
- Encuentre el promedio y la desviacin estndar de esta nueva variable y compare
con las observaciones originales.
- Cmo cambia el promedio? Cmo cambia la desviacin estndar?
- Describa como afecta al promedio y la desviacin estndar el sumar una constante a
cada observacin.
b) Suponga que cada nio recibe una mesada semanal de $500. Describa ahora el gasto en
mesadas de cada vivienda.
- Encuentre el promedio y la desviacin estndar y compare con los obtenidos de las
observaciones originales.
- Cmo cambia el promedio?, Cmo cambia la desviacin estndar?
- Describa cmo afecta al promedio y la desviacin estndar el multiplicar una
constante a cada observacin.

Si X representa una variable, x su promedio y sx su desviacin estndar. Sea Y=aX+b,

una transformacin lineal de X, entonces:
El promedio de Y es: y = ax + b
y la desviacin estndar: sY = a sX
NOTA: |a| es el valor absoluto o mdulo de la constante a, donde a es cualquier valor
positivo o negativo y su mdulo es siempre positivo.

Ejemplo
La temperatura mnima en Talca la semana del 14 al 20 de Mayo de 2001 fue de:

X= t F

Lunes
38

Martes Mircoles Jueves

46
38
50

Viernes
45

Sbado
34

El promedio y la desviacin estndar son: x = 42 grados Fahrenheit y

sX = 5,67 grados Fahrenheit.

Domingo
43

Pgina 38 de 39
Sea Y = la temperatura en escala de grados Celsius, Y est relacionada con X = la
5
temperatura en grados Fahrenheit, por la siguiente transformacin lineal: C = (F 32) , o
9
en trminos de Y y X: Y =

5
160
X
.
9
9

Calcule el promedio y la desviacin estndar en grados Celsius.

Si X representa una variable, x su promedio y sx su desviacin estndar. Llamaremos z a

la variable estandarizada:

z=

xx
sX

Una variable est estandarizada si la variable tiene media cero y desviacin estndar uno.

Note que la variable estandarizada

xx
sX

se puede expresar de la forma de una

transformacin lineal:

xx 1
=
sX
sX

con a = 1
x +
s
sX

, y b = x .
s
X

Calcule el promedio y desviacin estndar de la variable nmero de nios estandarizada.

Transformaciones no lineales3

Ejemplo
Se tienen datos sobre la emisin de monxido de Carbono de 46 vehculos del mismo tipo
(Monoxido.sav).
EN
1
2
3
.
.
.
44
45
46

HC
0,5
0,65
0,46
.
.
.
0,46
0,47
0,55

CO
5,01
14,67
8,6
.
.
.
3,99
5,22
7,47

NOX
1,28
0,72
1,17
.
.
.
2,01
1,12
1,39

A los investigadores les interesa calcular la media del monxido de Carbono. Si analizamos
el histograma adjunto, vemos que la distribucin del monxido de Carbono es sesgada a la
derecha, por lo que la media no ser un buen estimador del centro de la distribucin. Como
solucin podemos transformar la variable usando el logaritmo natural y calculamos el
3

Lectura complementaria Captulo 6 de Pea, D. Romo, J. (1999) Introduccin a la Estadstica para las Ciencias
Sociales. McGraw Hill.

Pgina 39 de 39
promedio de la nueva variable. Pero al investigador le interesa conocer el valor de la media
en las unidades originales de la variable, para eso convertimos a la unidad original de CO
0,82

= 2,2705 ). Esta media de la variable transformada se conoce

con exponencial ( e
como media geomtrica.
25

Histograma

22

24

20

Nmero de Vehculos

12,5

15

10,0

7,5
10

5,0
5

2,5
Media =7,88
Desviacin tpica =5,163
N =48
0,0
0,00

5,00

10,00

15,00

20,00

25,00

Monxido de Carbono

Monxido de Carbono

Media = 7,88.

Histograma
1,25

10

1,00

Nmero de Vehculos

0,75

0,50

2
Media =0,82
Desviacin tpica =0,26
N =48

0,25

0
0,25

0,50

0,75

1,00

1,25

Logaritmo del Monxido de Carbono

Media = 2,2705.

Logaritmo del Monxido de Carbono