Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADSTICA DESCRIPTIVA
1.1 Introduccin: conceptos bsicos
1.2 Tablas estadsticas y representaciones
grficas
1.3 Caractersticas de variables estadsticas
unidimensionales
1.3.1 Caractersticas de posicin
1.3.2 Caractersticas de dispersin
1.3.3 Caractersticas de forma
1.4 Concepto de v.e. bidimensional
1.5 Distribuciones marginales y
condicionadas
1.6 Covarianza
1.7 Dependencia e independencia estadstica
1.8 Regresin y correlacin. Introduccin
1.9 Rectas de regresin
1.10 Coeficiente de determinacin y
coeficiente de correlacin lineal
1.11 Otros tipos de ajuste
1
Recogida de datos
Ordenacin, tabulacin y grficos*
Descripcin de caractersticas*
Anlisis formal
Ejemplos:
- Estatura
- Peso
- Color del pelo
- Nivel de colesterol
- N de hijos de una familia
Ejemplo:
color del pelo:
- castao
- rubio
- negro
Ejemplos:
Profesin
Color del pelo
Cuantitativas: Caractersticas cuantificables o numricas
9 Discretas: Numricas numerables
Ejemplos:
N de hijos
N de viviendas
9 Continuas: Numricas no numerables
Ejemplos:
Talla
Peso
Nivel de colesterol
4
grficas
Variables discretas
9 Frecuencias
xi ni
x1
...
xi
...
xk
Ni
fi
Fi
n1 N1 f1 F1
... ... ... ...
ni Ni fi Fi
... ... ... ...
nk Nk fk Fk
n
1
Absolutas, ni
Absolutas
acumuladas, Ni
Relativas
f i = ni / n
Relativas
acumuladas
Fi = Ni / n
5
Intervalo Ii
xi
ni
Ni
fi
Fi
eo- e1
...
ei-1- ei
...
ek-1- ek
x1
...
xi
...
xk
n1
...
ni
...
nk
n
N1
...
Ni
...
Nk
f1
...
fi
...
fk
1
F1
...
Fi
...
Fk
Grficos estadsticos
N de Aves (ni)
Negro
10
Gris
14
Blanco
20
Rojo
Violeta
20
10
Negro
Gris
Blanco
Rojo
Violeta
7
Color Plumaje
N de Aves (ni)
Negro
10
Gris
14
Blanco
20
Rojo
Violeta
Grados
de cada
sector = 360 fi
violeta
rojo
negro
gris
blanco
N de cras N animales: n
i
fi
Fi
20
0.20
0.20
30
0.30
0.50
25
0.25
0.75
15
0.15
0.90
10
0.10
n = 100
35
30
25
20
15
10
5
0
2
de distribucin
N de cras N animales: n
i
fi
Fi
20
0.20
0.20
30
0.30
0.50
25
0.25
0.75
15
0.15
0.90
10
0.10
n = 100
1
0.90
0.75
0.50
0.20
6
10
V. e. Continuas: Histograma
hi
Estatura
ni
140-160
160-170
170-180
180-190
190-200
30
22
20
18
10
100
hi = ni / a i
1.5
2.2
2
1.8
1
El rea de
cada rectngulo
es proporcional
a la frecuencia
2.2
2
1.8
1.5
140
V. e. Continuas: Curva
acumulativa de distribucin
Talla
140-160
160-170
170-180
180-190
190-200
ni
30
22
20
18
10
100
fi
Fi
0.30
0.30
0.22
0.52
0.20
0.72
0.18
0.90
0.10
1
0.90
0.72
0.52
0.30
140
160
170
180
190
200
12
estadsticas unidimensionales
^ 1.3.1
Caractersticas de Posicin
Media aritmtica
k
ni xi
x = fi xi = i =1
i =1
Estatura
N Personas M. Clase
ni
xi
nixi
140-150
20
145
2900
150-160
100
155
15500
160-180
80
170
13600
180-200
10
190
1900
n = 210
33900
ni xi
Media : x = i =1
33900
210
= 161.42
13
Moda
Valor de la variable ms frecuente
9 Puede haber ms de una moda : Plurimodal
Variables discretas
Datos en serie
2, 2, 3, 3, 3, 3, 5, 6, 7 Mo = 3
Datos en tabla
W Ejemplo
xi
1
ni
34
36
45
22
17
Mo = 3
14
Variables continuas
Mo = ei 1 +
W Ejemplo
Mo = 160 +
h i h i 1
(h i h i1 ) + (hi h i+1 )
ai
xi
ni
hi =ni / ai
140-160
160-170
170-180
180-190
190-200
30
22
20
18
10
100
1.5
2.2
2
1.8
1
( 2.2 1.5)
10 = 167.777
( 2.2 1.5) + ( 2.2 2 )
Observaciones:
Mediana
Valor de la variable que ocupa el lugar central en una
serie de datos ordenados.
El 50% de los elementos de la poblacin tienen un valor
de la variable menor de la mediana. El 50% de los
elementos de la poblacin tienen un valor de la variable
mayor.
Variables discretas
Datos en serie
W Ejemplos
N impar de observaciones:
2, 2, 2, 3, 5, 6, 7, 7, 8
Me = 5
N par de observaciones:
4, 6, 6, 6, 7, 8, 8, 9
Me = 6 7
Indeterminado entre 6 y 7
16
Variables discretas
Datos en tabla
W Ejemplo
xi
ni
Ni
fi
Fi
0.142
0.142
10
0.214
0.357
10
20
0.357
0.714
25
0.178
0.892
28
0.107
28
n/2 =14
Fi= 1/2
Me = 2
17
Variables continuas
n
1
Ni 1
Fi 1
Me = ei 1 + 2
ai = ei 1 + 2
ai
ni
fi
W Ejemplo
Tallas
ni
Ni
fi
Fi
140-150
15
15 0.15 0.15
150-160
30
45 0.30 0.45
160-170
25
70 0.25 0.70
170-180
20
90 0.20 0.90
180-200
10 100 0.10
n/2 = 50
Fi = 1/2
100
Me = 160 +
0.5 0.45
10 = 160 + 2 = 162
0.25
Percentiles
Definicin: Pk, k:1,2,...,99, percentil k, valor de la
variable que deja por debajo, el k% de los valores de la
variable
Q1 = P25 Cuartil 1
Q2 = P50 Cuartil 2 = Me
Q3 = P75 Cuartil 3
Cuantiles, an
ms general
D1 = P10 Decil 1
D2 = P20 Decil 2
.
D9 = P90 Decil 9
xi
ni
Ni
20
20
30
50
44
94
20
114
10
124
nk/100 =
124x40/100 = 49.6
nk/100 =
124x95/100 = 117.8
124
Percentil 40, P40 = 3
nk/100 =
124x25/100 = 31
nk/100 =
124x50/100 = 62
nk/100 =
124x75/100 = 93
20
Tallas
ni
Ni
fi
Fi
140-150
15
15 0.15 0.15
150-160
30
45 0.30 0.45
160-170
25
70 0.25 0.70
170-180
20
90 0.20 0.90
180-200
10 100 0.10
P40
P75
100
nk
k
Ni 1
Fi 1
Pk = ei 1 + 100
ai = ei 1 + 100
ai
ni
fi
40 15
0.4 0.15
P40 = 150 +
10 = 150 +
10 = 158.33
30
0.30
P75 = 170 +
75 70
0.75 0.70
10 = 170 +
10 = 172.5 = Q3
20
0.20
21
^ 1.3.2.
Caractersticas de Dispersin
Rango o recorrido
Recorrido intercuartlico
Q3 Q1
22
Varianza
ni x i x
2 = i =1
2
n
x
ii
= i =1
Desviacin tpica
= 2
Coeficiente de variacin
C. V . =
x
23
W Ejemplo
xi
ni
nixi
nixi2
4
6
8
10
12
20
40
44
36
22
162
80
240
352
360
264
1296
320
1440
2816
3600
3168
11344
ni x i 2
2 = Var [ X ] = i =1
2
11344 1296
x =
= 6.02
162 162
2
= 2 = 6.02 = 2.4535
24
r
n
x
i i
k
m r = fi x i r = i =1
n
i =1
k
ni xi
r = 1 m1 = fi xi = i =1
i =1
=x
2
n
x
ii
r = 2 m 2 = fi xi 2 = i =1
i =1
2
n
x
ii
= i =1
( )
x = m 2 m1
25
ni ( x i x )
r = i =1
ni ( x i x )
r = 1 1 = i =1
ni ( x i x )
r = 2 2 = i =1
=0
=2
26
^ 1.3.3
Caractersticas de forma
1 =
3
3
Si 1 = 0 Distribucin simtrica
27
2 =
y Si
2 =0
y Si
y Si
28
bidimensional
140-160 160-180
40-60
10
18
60-80
12
28
80-100
10
25
Marginal
Y
19
26
18
71
9 Frecuencias Marginales
Frecuencias Marginales de X
Frecuencias Marginales de Y
9 Frecuencias Condicionadas
Frecuencias Condicionadas de X
Frecuencias Condicionadas de Y
29
condicionadas
Distribucin marginal de X
X \Y
140-160 160-180
40-60
10
60-80
12
28
80-100
10
25
Marginal
Y
19
26
18
71
30
Distribucin marginal de X
W Distribucin de la variable X: Peso
Frecuencias
Marginales
40-60
18
60-80
28
80-100
25
71
9 Media Marginal de X
9 Mediana Marginal de X
9 Moda Marginal de X
9 Varianza Marginal de X
31
Distribucin marginal de Y
X\Y
140-160 160-180
40-60
10
18
60-80
12
28
80-100
10
25
Marginal
Y
19
26
18
71
32
Distribucin marginal de Y
W Distribucin de la variable Y: Estatura
Y
Frecuencias
Marginales
140-160
19
160-180
26
180-200
18
>200
8
71
9 Media Marginal de Y
9 Mediana Marginal de Y
9 Moda Marginal de Y
9 Varianza Marginal de Y
33
Distribuciones de X
condicionadas a valores de Y
W Ejemplo . Distribucin de X
condicionada a 160 < Y < 180
X\Y
140-160 160-180
40-60
10
60-80
12
28
80-100
10
25
Marginal
Y
19
26
18
71
34
W Ejemplo . Distribucin de X
condicionada a 160 < Y < 180
Frecuencias
condicionadas
40-60
60-80
12
80-100
8
26
9 Medias condicionadas de X
9 Varianzas condicionadas de X
35
Distribuciones de Y
condicionadas a valores de X
W Ejemplo . Distribucin de Y
condicionada a 60 < X < 80
X\Y
140-160 160-180
40-60
10
18
60-80
12
28
80-100
10
25
Marginal
Y
19
26
18
71
36
W Ejemplo . Distribucin de Y
condicionada a 60 < X < 80
Frecuencias
condicionadas
140-160
160-180
12
180-200
>200
2
28
9 Medias condicionadas de Y
9 Varianzas condicionadas de Y
37
1.6 Covarianza
Cov [ X , Y ] = x y =
n ij ( xi x )( y j y )
i
nij xi y j
=
x y
38
1.7 Dependencia e
independencia estadstica
Independencia estadstica
No hay relacin entre las variables
Si n ij =
n i.n. j
n
i, j
Dependencia estadstica
Hay relacin entre las variables
El grado de relacin se mide mediante
un coeficiente de asociacin
39
X\Y
Y1
Y2
Y3
Y4
ni ^
X1
n11
n12
n13
n14
n1 ^
=2
=6
=4
=8
= 20
n21
n22
n23
n24
n2 ^
=3
=9
=6
=
12
= 30
n31
n32
n33
n34
n3 ^
=1
=3
=2
=4
= 10
n ^1
n ^2
n ^3
n ^4
=6
= 18
= 12
=
24
= 60
X2
X3
n ^j
Independencia estadstica
Si nij =
n 23 =
n 2. n.3
n 31 =
n 3. n.1
n
n
30 12
=6
60
10 6
=1
60
ni. n. j
n
i, j
40
Y1
Y2
Y3
Y4
ni ^
X1
n11
n12
n13
n14
n1 ^
=3
=6
=4
=8
= 21
n21
n22
n23
n24
n2 ^
=3
= 10
=6
=
12
= 31
n31
n32
n33
n34
n3 ^
=1
=3
=2
=4
= 10
n ^1
n ^2
n ^3
n ^4
=7
= 19
= 12
=
24
= 62
X2
X3
n ^j
Independencia estadstica
Si nij =
n 23 =
n 2. n.3
n 31
n 3. n.1
n
n
31 12
=6
62
ni. n. j
n
i, j
10 7
=
= 1.129 1
62
41
b.
c.
d.
X\Y
10
15
20
1
2
3
0
1
0
3
0
0
0
0
5
X\Y
10
15
20
25
1
2
3
0
0
2
3
0
0
0
1
0
4
0
0
X\Y
10
15
20
1
2
3
0
3
0
5
0
0
0
0
2
X\Y
10
15
20
1
2
3
3
1
0
2
0
1
0
2
1
42
10
15
20
Marginal X
Marginal Y
10
n12
n 1. n.2
n
3 4
=
= 1.2 3
10
X\Y
10
15
20
25
Marginal X
Marginal Y
10
n 23
n 2. n.3
n
11
= 0.1 1
10
43
X\Y
10
15
20
Marginal X
Marginal Y
10
n11
n 1. n.1
n
53
=
= 1.5 0
10
X\Y
10
15
20
Marginal X
Marginal Y
10
n 21
n 2. n.1
n
3 4
= 1.2 1
10
10
15
20
Y Depende funcionalmente de X
X No Depende funcionalmente de Y
b.
X\Y
10
15
20
25
Y No Depende funcionalmente de X
X Depende funcionalmente de Y
45
X\Y
10
15
20
X Depende funcionalmente de Y
Y Depende funcionalmente de X
d.
X\Y
10
15
20
X No Depende funcionalmente de Y
Y No Depende funcionalmente de X
46
Introduccin
Regresin
y = f(x)
Correlacin
Estudio del nivel de relacin entre las variables
y = a + bx
*
*
yj *
(xi, yj* )
(xi, yj )
eij
yj
*
xi
Residuos = eij = y j ( a + bxi )
= min
i
y j ( a + bxi )
2
*
yj yj
=
Ecuaciones normales
48
y = f ( x) = a + b x
Cov [ X , Y ] xy
b=
=
=
2
Var [ X ]
x
ni x i yi x y
n
ni x i 2
n
a = y bx
y y =b xx
b = coeficiente de regresin de Y / X
Variacin de Y si X aumenta en una unidad
49
x = f ( y) = c + d y
Cov [ X , Y ] xy
d=
=
=
2
Var [Y ]
y
ni x i yi x y
n
ni y i 2
n
c = xd y
xx=d y y
d = coeficiente de regresin de X / Y
Variacin de X si Y aumenta en una unidad
50
r2 =
2
xy
x2 y2
0 r2 1
r=
xy
x y
1 r 1
r = 0 Independencia
r > 0 Dependencia directa
r < 0 Dependencia inversa
r = 1 Dependencia funcional lineal
51
xi
yi
x i yi
x2i
y 2i
160
52
8320
25600
2704
172
64
11008
29584
4096
174
65
11310
30276
4225
176
72
12672
30976
5184
180
78
14040
32400
6084
x=
xy
862
= 172.4 ;
5
y=
331
= 66.2
5
n i x i yi
57350
=
xy =
172.4
66.2 = 57.12
2
n
x
2 148836
i i
2
=
x =
172.42 = 45.44
y =
2
n
y
i i
y =
22293
66.22 = 76.16
5
52
y = a + bx
b=
Cov [ X , Y ]
Var [ X ]
xy
x2
57.12
= 1.257
45.44
xy
x y
57.12
45.44
= 0.9708
76.16
53
Parablico
y = ax 2 + bx + c
Exponencial
y = a bx
Potencial
y = a xb
Hiperblico
y=
a
x
54