Adquisición de datos

La adquisición de datos o adquisición de señales, consiste en la toma de muestras del mundo real (sistema analógico) para generar datos que puedan ser manipulados por un ordenador u otras electrónicas (sistema digital). Consiste, en tomar un conjunto de señales físicas, convertirlas en tensiones eléctricas y digitalizarlas de manera que se puedan procesar en una computadora o PAC. Se requiere una etapa de acondicionamiento, que adecua la señal a niveles compatibles con el elemento que hace la transformación a señal digital. El elemento que hace dicha transformación es el módulo de digitalización o tarjeta de Adquisición de Datos (DAQ).
Contenido
[ocultar]

1 Proceso de adquisición de datos 2 ¿Cómo se adquieren los datos? 3 Tiempo de conversión 4 La etapa de acondicionamiento de la señal 5 Ejemplo 6 Ventajas 7 Un tipo de ejercicio de adquisición 8 Véase también 9 Bibliografía 10 Enlaces externos

[editar]Proceso Definiciones

de adquisición de datos

Dato: Representación simbólica (numérica, alfabética...), atributo o característica de un valor. No tiene sentido en sí mismo, pero convenientemente tratado (procesado) se puede utilizar en la relación de cálculos o toma de decisiones. Adquisición: Recogida de un conjunto de variables físicas, conversión en voltaje y digitalización de manera que se puedan procesar en un ordenador. Sistema: Conjunto organizado de dispositivos que interactúan entre sí ofreciendo prestaciones más completas y de más alto nivel. Una vez que las señales eléctricas se transformaron en digitales, se envían a través del bus de datos a la memoria del PC. Una vez los datos están en

memoria pueden procesarse con una aplicación adecuada, archivarlas en el disco duro, visualizarlas en la pantalla, etc... Bit de resolución: Número de bits que el convertidor analógico a digital (ADC) utiliza para representar una señal. Rango: Valores máximo y mínimo entre los que el sensor, instrumento o dispositivo funcionan bajo unas especificaciones. Teorema de Nyquist: Al muestrear una señal, la frecuencia de muestreo debe ser mayor que dos veces el ancho de banda de la señal de entrada, para poder reconstruir la señal original de forma exacta a partir de sus muestras. En caso contrario, aparecerá el fenómeno del aliasing que se produce al infra-muestrear. Si la señal sufre aliasing, es imposible recuperar el original. Velocidad de muestreo recomendada: ±2*frecuencia mayor (medida de frecuencia) ±10*frecuencia mayor (detalle de la forma de onda) Los componentes de los sistemas de adquisición de datos, poseen sensores adecuados que convierten cualquier parámetro de medición de una señal eléctrica, que se adquiriere por el hardware de adquisición de datos. Los datos adquiridos se visualizan, analizan, y almacenan en un ordenador, ya sea utilizando el proveedor de software suministrado u otro software. Los controles y visualizaciones se pueden desarrollar utilizando varios lenguajes de programación de propósito general como VisualBASIC, C++, Fortran, Java, Lisp, Pascal. Los lenguajes especializados de programación utilizados para la adquisición de datos incluyen EPICS, utilizada en la construcción de grandes sistemas de adquisición de datos, LabVIEW, que ofrece un entorno gráfico de programación optimizado para la adquisición de datos, y MATLAB. Estos entornos de adquisición proporcionan un lenguaje de programación además de bibliotecas y herramientas para la adquisición de datos y posterior análisis. De la misma manera que se toma una señal eléctrica y se transforma en una digital para enviarla al ordenador, se puede también tomar una señal digital o binaria y convertirla en una eléctrica. En este caso el elemento que hace la transformación es una tarjeta o módulo de Adquisición de Datos de salida, o tarjeta de control. La señal dentro de la memoria del PC la genera un programa adecuado a las aplicaciones que quiere el usuario y, luego de procesarla, es recibida por mecanismos que ejecutan movimientos mecánicos, a través de servomecanismos, que también son del tipo transductores.

Un sistema típico de adquisición utiliza sensores, transductores, amplificadores, convertidores analógico - digital (A/D) y digital - analógico (D/A), para procesar información acerca de un sistema físico de forma digitalizada. [editar]¿Cómo

se adquieren los datos?

La adquisición de datos se inicia con el fenómeno físico o la propiedad física de un objeto (objeto de la investigación) que se desea medir. Esta propiedad física o fenómeno podría ser el cambio de temperatura o la temperatura de una habitación, la intensidad o intensidad del cambio de una fuente de luz, la presión dentro de una cámara, la fuerza aplicada a un objeto, o muchas otras cosas. Un eficaz sistema de adquisición de datos pueden medir todos estos diferentes propiedades o fenómenos. Un sensor es un dispositivo que convierte una propiedad física o fenómeno en una señal eléctrica correspondiente medible, tal como tensión, corriente, el cambio en los valores de resistencia o condensador, etc. La capacidad de un sistema de adquisición de datos para medir los distintos fenómenos depende de los transductores para convertir las señales de los fenómenos físicos mensurables en la adquisición de datos por hardware. Transductores son sinónimo de sensores en sistemas de DAQ. Hay transductores específicos para diferentes aplicaciones, como la medición de la temperatura, la presión, o flujo de fluidos. DAQ también despliega diversas técnicas de acondicionamiento de Señales para modificar adecuadamente diferentes señales eléctricas en tensión, que luego pueden ser digitalizados usando CED. Las señales pueden ser digitales (también llamada señales de la lógica) o analógicas en función del transductor utilizado. El acondicionamiento de señales suele ser necesario si la señal desde el transductor no es adecuado para la DAQ hardware que se utiliza. La señal puede ser amplificada o desamplificada, o puede requerir de filtrado, o un cierre patronal, en el amplificador se incluye para realizardemodulación. Varios otros ejemplos de acondicionamiento de señales podría ser el puente de conclusión, la prestación actual de tensión o excitación al sensor, el aislamiento, linealización, etc. Este pretratamiento del señal normalmente lo realiza un pequeño módulo acoplado al transductor. DAQ hardware son por lo general las interfaces entre la señal y un PC. Podría ser en forma de módulos que pueden ser conectados a la computadora de los puertos (paralelo, serie, USB, etc...) o ranuras de las tarjetas conectadas a (PCI, ISA) en la placa madre. Por lo general, el espacio en la parte posterior de una tarjeta PCI es demasiado pequeño para todas las conexiones necesarias, de modo que una ruptura de caja externa es obligatorio. El cable entre este recuadro y el PC es

cara debido a los numerosos cables y el blindaje necesario y porque es exótico. Las tarjetas DAQ a menudo contienen múltiples componentes (multiplexores, ADC, DAC, TTL-IO, temporizadores de alta velocidad, memoria RAM). Estos son accesibles a través de un bus por un micro controlador, que puede ejecutar pequeños programas. El controlador es más flexible que una unidad lógica dura cableada, pero más barato que una CPU de modo que es correcto para bloquear con simples bucles de preguntas. Driver software normalmente viene con el hardware DAQ o de otros proveedores, y permite que el sistema operativo pueda reconocer el hardware DAQ y dar así a los programas acceso a las señales de lectura por el hardware DAQ. Un buen conductor ofrece un alto y bajo nivel de acceso. Ejemplos de Sistemas de Adquisición y control: · DAQ para recoger datos(datalogger) medioambientales (energías renovables e ingeniería verde). · DAQ para audio y vibraciones (mantenimiento, test). · DAQ + control de movimiento(corte con laser). · DAQ + control de movimiento+ visión artificial (robots modernos). [editar]Tiempo

de conversión

Es el tiempo que tarda en realizar una medida el convertidor en concreto, y dependerá de la tecnología de medida empleada. Evidentemente nos da una cota máxima de la frecuencia de la señal a medir. Este tiempo se mide como el transcurrido desde que el convertidor recibe una señal de inicio de "conversión" (normalmente llamada SOC, Start of Conversión) hasta que en la salida aparece un dato válido. Para que tengamos constancia de un dato válido tenemos dos caminos:   Esperar el tiempo de conversión máximo que aparece en la hoja de características. Esperar a que el convertidor nos envíe una señal de fin de conversión.

Si no respetamos el tiempo de conversión, en la salida tendremos un valor, que dependiendo de la constitución del convertidor será:   Un valor aleatorio, como consecuencia de la conversión en curso El resultado de la última conversión

[editar]La

etapa de acondicionamiento de la señal

Con más detalle, en una etapa de acondicionamiento podemos encontrar estas etapas, aunque no todas están siempre presentes:  Amplificación

Filtrado . conocido como filtro antialiasing. como por ejemplos las galgas "extesométricas".La etapa de acondicionamiento de señal a veces genera excitación para algunos transductores. que necesitan de la misma. Las señales alternas. Cuando el sistema de adquisición y la señal a medir están ambas referidas a masa pueden aparecer problemas si hay una diferencia de potencial entre ambas masas. que es un filtro pasabajo pero con un corte muy brusco. que eliminará interferencias. Por ejemplo.     Excitación Filtrado Multiplexado Aislamiento Linealización Amplificación Es el tipo más común de acondicionamiento. Se aconseja que los multiplexores se utilizen antes del conversor y después del condicionamiento del señal. (como el termistor. con el consiguiente error. incluidos los 50/60 Hz de la red eléctrica. apareciendo un "bucle de masa". Aislamiento . necesitan un tipo distinto de filtro. (como la temperatura) se usa un filtro de ruido de unos 4 Hz. de modo que con un sólo convertidor podemos medir los datos de diferentes canales de entrada. bien por su constitución interna. Un motivo adicional para usar aislamiento es el garantizar que las lecturas del convertidor no son afectadas por diferencias en el potencial de masa o por tensiones en modo común.El multiplexado es la conmutación de las entradas del convertidor. ya que de esta manera no molestará a los aislantes que podamos tener.Otra aplicación habitual en el acondicionamiento de la señal es el aislamiento eléctrico entre el transductor y el ordenador.El fin del filtro es eliminar las señales no deseadas de la señal que estamos observando. Excitación . Puesto que el mismo convertidor está midiendo diferentes canales. que elimina totalmente las señales de mayor frecuencia que la máxima a medir. que es una resistencia . su frecuencia máxima de conversión será la original dividida por el número de canales muestreados. en las señales cuasi-continuas. Para conseguir la mayor precisión posible la señal de entrada debe ser amplificada de modo que su máximo nivel coincida con la máxima tensión que el convertidor pueda leer. para proteger al mismo de transitorios de alta tensión que puedan dañarlo. Multiplexado . "termistores" o "RTD". que puede devolver resultados erróneos. tales como la vibración. ya que se si no se eliminasen aparecerían superpuestas a la señal medida.

para no alterar la medida. Por tanto. Salvo que la señal de entrada sea eléctrica.Muchos transductores. En este diagrama podemos ver los bloques que componen nuestro sistema de adquisición de datos: Como vemos. el transductor debe tomar poca energía del sistema bajo observación. . suele ser una buena idea el hacer esta corrección mediante circuitería externa. podemos decir que el transductor es un elemento que convierte energía de un tipo en otro. los bloques principales son estos:     Transductor El acondicionamiento de señal El convertidor analógico-digital La etapa de salida (interfaz con la lógica) El transductor es un elemento que convierte la magnitud física que vamos a medir en una señal de salida (normalmente tensión o corriente) que puede ser procesada por nuestro sistema. [editar]Ejemplo A veces el sistema de adquisición es parte de un sistema de control. y por tanto la información recibida se procesa para obtener una serie de señales de control. presentan una respuesta no lineal ante cambios lineales en los parámetros que están siendo medidos. Linealización . como los termopares. Aunque la linealización puede realizarse mediante métodos numéricos en el sistema de adquisición de datos.variable con la temperatura) o bien por la configuración en que se conectan (como el caso de las galgas. que se suelen montar en un puente de Wheatstone).

d con el resto del equipo. Este paso hay que tenerlo siempre en cuenta. (normalmente de tensión) realizando las funciones de cuantificación y codificación. [editar]Ventajas . RS-485 o Ethernet para conectar a un ordenador o estación de trabajo. de modo que la máxima señal de entrada debe coincidir con la máxima que el convertidor (pero no con la máxima tensión admisible. hasta una interfaz RS-232. sobre todo cuando el sistema admite señales positivas y negativas con respecto a masa. La etapa de salida es el conjunto de elementos que permiten conectar el s. de modo que las etapas posteriores al convertidor puedan leer estos datos adecuadamente.  Acoplar la impedancia de salida de uno con la impedancia de entrada del otro. momento en el cual la salida binaria del convertidor nos da tanto la magnitud como el signo de la tensión que ha sido medida. la adaptación de impedancias es imprescindible ya que los transductores presentan una salida de alta impedancia. ya que puede hacer que obtengamos datos erróneos. Esta adaptación suele ser doble y se encarga de:  Adaptar el rango de salida del transductor al rango de entrada del convertidor. que normalmente no puede excitar la entrada de un convertidor. y puede ser desde una serie de buffers digitales incluidos en el circuito convertidor. El convertidor analógico/digital es un sistema que presenta en su salida una señal digital a partir de una señal analógica de entrada.a. Por tanto la cuantificación implica una pérdida de información que no podemos olvidar. Por otro lado. de modo que para infinitos valores de la entrada la salida sólo puede presentar una serie determinada de valores. cuya impedancia típica suele estar entre 1 y 10 k.(Normalmente en tensión). La codificación es el paso por el cual la señal digital se ofrece según un determinado código binario. La adaptación entre los rangos de salida del convertidor y el de entrada del convertidor tiene como objetivo el aprovechar el margen dinámico del convertidor. ya que para ésta entran en funcionamiento las redes de protección que el convertidor lleva integrada). en el caso de sistemas de adquisición de datos comerciales.El acondicionamiento de señal es la etapa encargada de filtrar y adaptar la señal proveniente del transductor a la entrada del convertidor analógico / digital. La cuantificación implica la división del rango continuo de entrada en una serie de pasos.

7 GB.8GB Tendríamos que tener una capacidad de 37. gran capacidad de almacenamiento. Ejemplo 2 En un sistema de adquisición de datos entran 210 señales por segundo. se adquieren gran cantidad de datos para poder analizar. de 8 bytes cada una. facilidad de automatización.¿qué capacidad ha de tener el disco duro del PC servidor para tener un histórico de todo un año? 300segundos * 4bytes = 1200bytes * segundo 3600 * 24 * 365 = 31536000 1200 * 31536000 = 37. Se utiliza en la industria.35gigabytes [editar]Véase tipo de ejercicio de adquisición también    Procesamiento de señales Análisis de datos Dispositivos de entrada:  Escáner 3D . la detección de fallas y el control de calidad entre otras aplicaciones. etc.Flexibilidad de procesamiento. Todas ellas de 4 bytes y queremos guardar la información de todo el proceso cada segundo. posibilidad de realizar las tareas en tiempo real o en análisis posteriores (a fin de analizar los posibles errores). Pero teniendo en cuenta que siempre se tiene que tener una copia de seguridad. posibilidad de emular una gran cantidad de dispositivos de medición y activar varios instrumentos al mismo tiempo. esta capacidad la tendremos que multiplicar por dos y eso nos daría 75. la investigación científica.8 GB. rápido acceso a la información y toma de decisión. [editar]Un Ejemplo 1 Tenemos 300 señales a monitorizar. el control de máquinas y de producción. ¿qué capacidad ha de tener el disco duro del PC servidor para tener un histórico de todo un mes? 210segundo * 8bytes = 1680bytes * segundo 3600 * 24 * 30 = 2592000 1680 * 2592000 = 4.

como se llama algunas veces. Loveday. Así para el gerente de de una central de energía eléctrica. la biología. las ciencias políticas.: "Diseño de Hardware Electrónico". a lo que debe su nombre. la economía. Y para un universitario. Ramón: "Adquisición y Distribución de Señales". en la actualidad la influencia de la estadística se ha extendido a la agricultura. la medicina. Todas estas personas están empleando correctamente el término estadística y sin embrago cada una le da un significado ligeramente diferente y la usa para un propósito un poco distinto. 1997. ref nº SLAA013. las calificaciones de los alumnos y los sueldos del profesorado. Hoy la estadística y el análisis estadístico están presentes en casi todas las . la sociología y a muchos otros campos de la ciencia y de la ingeniería. la psicología. Editorial Paraninfo. C. Editorial Marcombo. la comunicación.   Pallás Areny. la educación. I) INTRODUCCION La estadística o los métodos estadísticos. la física. la química. La palabra Estadística tiene varias acepciones para cada persona. la estadística son las calificaciones logradas entonos los problemas de un curso del semestre. la estadística puede ser la información sobre la cantidad de contaminantes que están siendo emitidos hacia la atmósfera.  Conversión analógica-digital Hardware:  PXI  Software:     LabVIEW Measurement Studio para Visual Studio LabWindows/CVI para Lenguaje C MATLAB [editar]Bibliografía  Texas Instruments: "Understanding Data Converters Application Report". desempeña un papel cada vez más importante en casi todas las áreas del quehacer humano. Para el director de una escuela. G. Aunque en un principio tenía que ver solamente con asuntos de Estado. el comercio. es la información acerca del ausentismo. la electrónica.

se refiere a un grupo de individuos u objetos. 4. La población puede ser finita ó infinita. Por ejemplo. ESTADISTICA INDUCTIVA. sin sacar conclusiones o inferencias acerca de un grupo mas grande. será también de gran valor como referencia para todos aquellos que estén aplicando la estadística en su campo de investigación particular. así como de sacar conclusiones válidas y tomar decisiones con base en este análisis. El propósito de este curso es presentar una introducción a los principios generales de la estadística. presentar y analizar datos. las alturas y los pesos de los estudiantes de una universidad o la cantidad de piezas defectuosas y no defectuosas producidas en una fábrica un día determinado. 1. en especial para los gerentes. ESTADISTICA DESCRIPTIVA.Ó Estadística Inferencial. 3.. 2. en una herramienta de suma utilidad. POBLACION Y MUESTRA Población. es aquella que a partir de una muestra representativa de una población se pueden inferir conclusiones importantes. la población que comprende todas las piezas producidas en un día ... es la que busca únicamente describir y analizar un grupo determinado.profesiones. por ejemplo. debido a que tales inferencias no llegan a ser precisas por completo. Se han convertido. DEFINICION ESTADISTICA Se ocupa de los métodos científicos para recolectar. que le será útil a todos los individuos sin importar su campo de especialización. para sacar conclusiones se usa el lenguaje de Probabilidad.También llamada Estadística Deductiva. organizar.También llamado universo. resumir.

. se denomina variable discreta. es una variable discreta. 3. mientras que la población que consta de todos los resultados posibles (cara o cruz) en lanzamientos sucesivos de una moneda es infinita.842. entonces a esta variable se le llama constante. que puede tomar cualquiera de los valores 0. Ejemplo 2 La altura H de un individuo.. toma cualquier valor entre dos valores dados.000 familias es un ejemplo de datos discretos. REDONDEO DE DATOS . que puede ser de 62 pulg. dependiendo de la exactitud de las mediciones. teóricamente. H. que puede tomar cualquiera de los valores de un conjunto predeterminado llamado dominio de la variable. VARIABLES DISCRETAS Y CONTINUAS Una variable es un símbolo. respectivamente. Y.5 o 3.8341 pulg. pero no 2. A una variable que. Ejemplo 1 El número N de niños en una familia. es una variable continua. Si no es así.determinado en una fábrica es finita. mientras que las enumeraciones o los conteos dan lugar a datos discretos. 1. las mediciones dan lugar a datos continuos. 63.8 pulg. . Si la variable solo toma un valor. Muestra. A los datos que se pueden describir mediante una variable discreta o continua se les llama datos discretos o continuos.Pequeña parte de la población en estudio. En general. se le llama variable continua. O 65. x o B. 6. 2. mientras que las alturas de 100 estudiantes universitarios son un ejemplo de datos continuos.. 5. El número de hijos en cada una de 1. como X.

465 está exactamente igual de lejos de 72. y 116 500 000 redondeado al millón mas cercano es 116 000 000.El resultado de redondear un número.465 se redondea a 72. por ejemplo 72. Los estadísticos seleccionan sus observaciones de manera que todos los grupos relevantes estén representados en los datos.47. Ejemplo. sobre los efectos probables de ciertas características en algunas situaciones.8146 está más cerca de 72. ya que 72. los analistas podrían estudiar a 100 consumidores que viven en cierta zona geográfica. el departamento de personal habrá de determinar si ese fenómeno se dio . es 73. Para determinar el mercado potencial de un nuevo producto. puesto que 72.575 se redondea a 183.46. Los datos ayudan a los encargados de la toma de decisiones a hacer conjeturas bien fundamentadas acerca de las causas y. ya que 72.82.465 a la centésima más cercana se tiene un dilema. raza. por tanto. pues esta información ayuda a preparar los informes de los médicos y a hacer la facturación. 183.81. En estos casos se acostumbra redondear al entero par anterior al 5. Los datos provienen de observaciones reales o de documentos que se conservan para usos ordinarios. Al redondear 72.81 que de 72. Por ejemplo. Esta práctica es especialmente útil para minimizar errores de redondeo acumulados cuando se tiene un gran número de operaciones.8 está mas cerca de 73 que de 72. De manera que 72. De manera semejante.8 a la unidad mas cercana. 72. escolaridad y barrio.58. Colección de Datos Representar a todos los grupos.8146 redondeado a la centésima más cercana (o a dos decimales) es 72. REPRESENTACION TABULAR Para que los datos sean útiles. Obtener datos de observaciones o registros. Utilizar los datos referentes al pasado para tomar decisiones sobre el futuro. hemos de organizar nuestras observaciones de manera que podamos seleccionar tendencias y llegar a conclusiones lógicas. los hospitales tienen expedientes con el número de pacientes que usan los servicios de rayos X.46 que de 72. Y deben cerciorarse de que el grupo contenga una gran diversidad de personas que representen variables como nivel de ingresos. 7. si los expedientes del hospital indican que más pacientes usaron los servicios de rayos X en Junio que en Enero.

antes se prueban formulando las siguientes preguntas: ¿De dónde proceden los datos? ¿Apoyan o contradicen los datos la otra evidencia con que se cuenta? ¿Existen datos que ignoramos y que nos harían llegar a una conclusión diferente? ¿Cuántas observaciones tenemos? ¿Es lógica la conclusión? Hay muchas maneras de clasificar los datos. Para poder confiar en la interpretación de unos datos cualesquiera. aquello en torno a lo cual los datos tienden a agruparse. Cuando los datos se organizan en forma compacta y útil. necesitaremos organizarlos de modo diferente. ¡Entra basura. habrá de ajustar su programa de contrataciones y vacaciones para tenerla en cuenta. también podemos listar los puntos de datos por orden ascendente de valor numérico. En la actualidad las computadoras permiten a los estadísticos reunir enormes volúmenes de observaciones y condensarlas instantáneamente en tablas. Una forma útil de hacerlo consiste en dividir los datos en categorías o clases similares y luego contar el número de observaciones que caen dentro de cada categoría. Este método da origen a una distribución de frecuencia y se explica mas adelante. pero cabe preguntar. los encargados de la toma de decisiones consiguen información confiable del ambiente y se valen de ella para llegar a decisiones inteligentes. si son diferentes tipos de automóviles fabricados por todas las empresas automotrices o si son los diversos colores de abrigos fabricados por determinada compañía. albañiles ó electricistas) que se necesitan en los sitios de construcción. Pero si los datos son trabajadores calificados (digamos carpinteros. las tendencias notorias. Se trata de formas compactas y utilizables. que valores aparecen con mayor frecuencia y otros aspectos. Buscamos cosas como el intervalo (los valores máximos y mínimos). gráficas y números. . sale basura! . Si las observaciones se miden en números. Podemos simplemente reunirlos y conservarlos en orden. La finalidad de organizar los datos es permitirnos ver rápidamente todas las características posibles de los datos que hemos recabado. Tendremos que representar los puntos graficados (observaciones) de datos por orden alfabético o por algún otro principio organizador. mejor conoceremos la población de donde proviene y mejores serán las decisiones que tomemos. Cuanto mas abundante sea la información de este tipo que obtengamos de la muestra.sólo en el presente año o si es una indicación de una tendencia constante. De ser así. ¿son confiables? No olvide que la exactitud de los datos que salen de la computadora depende de los que entran en ella.

el rango es 74-60= 14 pulg.Tabla 2-1 Estaturas de 100 estudiantes hombres de la universidad XYZ |Estatura |(pulg) |60-62 |63-65 |66-68 |69-71 |72-74 |Número de |Estudiantes |5 |18 |42 |27 |8 | | | | | | | . Se les llama Datos Sueltos a los datos que no han sido organizados numéricamente. que está ordenado en forma alfabética. obtenidas del registro universitario. Ejemplo. Por ejemplo. ORDENAMIENTO DE DATOS Si se reúnen grandes cantidades de datos sueltos es útil distribuirlos en clases o categorías. DEFINICION Datos Sueltos. con sus correspondientes frecuencias de clase. si la estatura mayor de los 100 estudiantes es 74 pulg y la menor es 60. y determinar el número de individuos que pertenecen a cada categoría. Un ejemplo es el conjunto de estaturas de 100 estudiantes hombres.II) DISTRIBUCIONES DE FRECUENCIA 1.. A una disposición tabular de los datos por clases. Ordenación. Una ordenación es un conjunto de datos numéricos en orden creciente o decreciente de magnitud. se le conoce como distribución de frecuencias o tabla de frecuencias. a lo que se le llama frecuencia de clase. A la diferencia entre el número mayor y el menor se le conoce como rango de los datos. 2.

A los datos así organizados y reunidos en clases. aunque el intervalo de clase es en realidad un símbolo de la clase. es muy ventajosa pues proporciona una visión amplia y clara. c) Tamaño o Amplitud de un Intervalo de Clase .5000 hasta 62.5). A los números 60 y 62 se les conoce como límites de clase.5000. como el 60-62 de la tabla 2-1.5 se llaman fronteras de clase o límites verdaderos de clase. las fronteras de clase se obtienen promediando los límites superior e inferior de un intervalo de clase. CONSTRUCCION DE UNA DISTRIBUCION DE FRECUENCIA a) Intervalos de Clase y Límites de Clase El símbolo que define una clase. en teoría el intervalo de clase 60-62 incluye todas las medidas desde 59. se llama intervalo de clase. por ejemplo. como en la anterior distribución de frecuencias. el número menor (59. se les llama datos agrupados. además de que se obtienen relaciones evidentes.5 y 62. la frontera superior de clase. 3. indicados brevemente por los números exactos 59. la correspondiente frecuencia de clase es 5.| |Total 100 | La primera clase (o categoría). En la práctica. Se acostumbra usar los términos clase e intervalo de clase indistintamente. b) Fronteras de Clase Si se miden estaturas con exactitud de 1 pulg. comprende las estaturas entre 60 y 62 pulg y se indica en el rango 60-62.5) es la frontera inferior de clase y el número mayor (62. Estos números. Aunque el proceso de agrupamiento generalmente quita detalles originales de los datos. mientras que el número más grande (62) es el límite superior de clase. el número más pequeño (60) es el límite inferior de clase. Como hay cinco estudiantes en esta clase.

Determinar el número de observaciones que corresponden a cada intervalo de clase.El tamaño o la amplitud de un intervalo de clase es la diferencia entre las fronteras de clase inferior y superior y se le conoce como amplitud. la marca de clase del intervalo 60-62 es (60+62)/2=61. c es igual a la diferencia entre dos límites inferiores (o superiores) de clases sucesivas. d) Marca de Clase La marca de clase. A la marca de clase también se le denomina punto medio de la clase. En tal caso. Se suelen tomar entre 5 y 20 intervalos de clase. según los datos. . usar intervalos de clase de distintos tamaños o intervalos de clase abiertos. es decir. a esta amplitud común se le denota por c. Para los datos de la tabla 2-1. Por ejemplo. DISTRIBUCION DE FRECUENCIA RELATIVA La frecuencia relativa de una clase es su frecuencia dividida entre la frecuencia total de todas las clases y se expresa generalmente como un porcentaje. hallar las frecuencias de clase. De este modo. tamaño o longitud de clase. se obtiene promediando los límites inferior y superior de clase.5=65. Si esto no es posible. Reglas Generales para Construir Distribuciones de Frecuencia Determinar el número mayor y el menor en los datos sueltos con el fin de especificar el rango (la diferencia entre ambos). por ejemplo. Si todos los intervalos de una distribución de frecuencia son de la misma amplitud. que es el punto medio del intervalo de clase. Los intervalos de clase se eligen también de modo tal que las marcas de clase (o puntos medios) coincidan con los datos realmente observados. 4. Dividir el rango en un número adecuado de intervalos de clase del mismo tamaño.5-62.5=3. la frecuencia relativa de la clase 66-68 de la tabla 2-1 es 42/100=42%.5-59. la amplitud del intervalo de clase es c=62.

6. b) Construcción de Polígonos de Frecuencia Un polígono de frecuencia es una gráfica de línea de las frecuencias de clase dibujada con respecto a la marca de clase. lo que significa que 65 estudiantes tienen estaturas por debajo de 68. a la tabla resultante se le llama distribución de frecuencias relativas. Por ejemplo. Una tabla que presenta tales frecuencias acumuladas se llama distribución de frecuencias acumuladas. una distribución acumulada. incluyendo hasta el intervalo de clase 66-68 de la tabla 2-1.5 pulg. DISTRIBUCION DE FRECUENCIA ACUMULADA La frecuencia total de todos los valores menores que la frontera de clase superior de un intervalo de clase dado se conoce como frecuencia acumulada hasta ese intervalo de clase. sus centros en las marcas de clase y longitudes iguales a los tamaños de los intervalos de clase. y b) áreas proporcionales a las frecuencias de clase. . Un histograma o histograma de de frecuencias consiste en un conjunto de rectángulos que tienen a) sus bases en el eje X horizontal. inclusive. es 5+18+42=65. 5. REPRESENTACION GRAFICA DE DISTRIBUCION DE FRECUENCIA a) Construcción de Histogramas Los histogramas y los polígonos de frecuencias son dos representaciones gráficas de las distribuciones de frecuencias. tabla de frecuencias acumuladas o. las alturas de los rectángulos son proporcionales a las frecuencias de clase. brevemente.Si se sustituyen las frecuencias de la tabla 2-1 por las correspondientes frecuencias relativas. la frecuencia acumulada. Si todos los intervalos de clase son del mismo tamaño. Puede obtenerse uniendo los puntos medios de las partes superiores de los rectángulos del histograma. distribución de frecuencias o tabla de frecuencias relativas.

sin especificar el tipo. [pic] Figura 2-2 7. Para ciertos propósitos.[pic] Figura 2-1 c) Ojivas y Ojivas Porcentuales Una gráfica que recoja las frecuencias acumuladas por debajo de cualquiera de las fronteras de clase superiores respecto de dicha frontera es denominada un polígono de frecuencias acumuladas u ojiva. etcétera. de 62. en la figura 2-2 se ilustra esta gráfica para la distribución de estaturas de los estudiantes de la tabla 2-1. se le suele conocer como una distribución acumulada o mas . entonces.5 pulg o más. mientras que la antes considerada es una distribución acumulada menor que . se estará mencionando el caso menor que . Como de este modo se obtienen estaturas de 59. OTROS GRAFICOS a) De Pastel [pic] . Siempre que se hable de distribuciones acumuladas u ojivas. es deseable considerar una distribución de frecuencias acumuladas de todos los valores mayores o iguales que la frontera de clase inferior de cada intervalo de clase. Las correspondientes ojivas se conocen.5 pulg o más. como ojivas o más y menores que .

b) Piramidal [pic] c) Tipos de Curvas de Frecuencia Las curvas de frecuencia que aparecen. [pic] Las curvas de frecuencia simétricas o en forma de campana se caracterizan porque las observaciones equidistantes del máximo central tienen la misma frecuencia. III) MEDIDAS DE TENDENCIA CENTRAL 1. en la práctica adoptan ciertas formas características. Una curva de frecuencia en forma de U tiene máximos en ambos extremos. En una curva en forma de J o de J invertida hay un máximo en un extremo. como se ilustra en la figura 2-3. Una curva de frecuencias bimodal tiene dos máximos.ppt. o sesgadas. En las curvas de frecuencia moderadamente asimétricas. la cola de la curva a un lado del máximo es mas larga que al otro lado. Interpretación de Tendencia Central . Una curva de frecuencias multimodal tiene más de dos máximos 8. CONSTRUCCION DE GRAFICAS POR COMPUTADORA Remitirse al archivo Graficación.

Notación de índices Denotemos por [pic] (léase X sub j ) cualquiera de los [pic] valores [pic] que toma una variable [pic]. podríamos servirnos de números individuales.En el capítulo anterior aprendimos a construir tablas y gráficas donde se usaban datos brutos. 3. ¿Pero que sucedería si necesitáramos medidas mas exactas de un conjunto de datos? En ese caso. [pic] Cuando no ocasione confusión. ya que no tendremos necesidad de consultar nuestras observaciones iniciales. de un conjunto de N números [pic] se denota por [pic] (léase X barra ) y se define por [pic] (1) . ó simplemente media. También reciben el nombre de medidas de localización. llamados estadísticos resumidos. se denotará esa suma simplemente con [pic] 2. para describir ciertas características de dicho conjunto. Igual que los promedios. por definición. las medidas de tendencia central nos indican el punto medio o típico de datos que cabe esperar. N se llama subíndice. Y estos números nos permitirán tomar decisiones más rápidas y satisfactorias. 2. Media Aritmética La media aritmética. que puede valer 1. La letra j en [pic]. Notación de sumatoria El símbolo [pic]denota la suma de todos los [pic] desde j=1 hasta j=N. A partir de ellos lograremos una comprensión mas precisa de los datos de la que podríamos conseguir con nuestras tablas y gráficas. Las Representaciones resultantes de las distribuciones de frecuencia nos permitieron discernir las tendencias y patrones de los datos.

la media aritmética es [pic] (2) donde [pic] es la frecuencia total (es decir. 3. 12 y 10 es [pic] Si los números [pic] ocurren [pic] veces. 5. 8. o punto medio del intervalo. en ese orden. con frecuencias [pic]). todos los valores que caen dentro de un intervalo de clase dado se consideran iguales a la marca de clase. Media Geométrica La media geométrica G de un conjunto de N números positivos [pic] es la raíz N-ésima del producto de esos números: [pic] . 6 y 2 ocurren con frecuencias 3. respectivamente (es decir. el número total de casos). su media aritmética es [pic] Cuando los datos se presentan en una distribución de frecuencias.Ejemplo 1 La media aritmética de los números 8. Ejemplo 2 Si 5. 4 y 1. 3. 2.

5. 5. 7. la frecuencia total) . 11. 8 y 10 tiene mediana 6 Ejemplo 5 El conjunto de números 5. 12. 9. 8. está dada por [pic] donde: |[pic] |frontera inferior de la clase de la mediana (es decir. 6. la clase que contiene a la mediana) | |[pic] | |número de datos (es decir. Ejemplo 4 El conjunto de números 3. Mediana y Moda para datos agrupados La Mediana La mediana de un conjunto de números ordenados en magnitud es el valor central o la media de los dos valores centrales.Ejemplo 3 La media geométrica de los números 2. 4 y 8 es [pic] 4. 15 y 18 tiene mediana [pic] Para datos agrupados. la mediana obtenida por interpolación. 4. 8.

La moda puede no existir e incluso no ser única. 5. La moda llega a obtenerse de una distribución de frecuencias o de un histograma a partir de la fórmula: . 11. 7. 4. 4. 7. 9. 10. Ejemplo 6 El conjunto 2. que corresponde a la recta vertical que divide un histograma en dos partes de área igual. la mediana es el valor X (abscisa). 4 y 7. 9. 12 y 18 tiene moda 9. y 9 cuenta con dos modas. el valor más frecuente. y se le conoce como bimodal. 9. 7. Ejemplo 8 El conjunto 2. para ajustar los datos. 7. Ejemplo 7 El conjunto 3. 4. 5. 10. 12. La distribución con una sola moda se llama unimodal. la moda será(n) el (los) valor(es) de X correspondiente(s) al(os) máximo(s) de la curva.|[pic] | |[pic] |[pic] | |suma de las frecuencias de las clases inferiores a la clase de la mediana |frecuencia de la clase de la mediana |tamaño del intervalo de clase de la mediana | Geométricamente. 2. Ese valor de X se denota por [pic]. 3. 5. 15 y 16 carece de moda. 8. es decir. Ese valor de X suele denotarse por [pic] La Moda La moda de un conjunto de números es el valor que ocurre con mayor frecuencia. En el caso de datos agrupados donde se haya construido una curva de frecuencias. 5. 10.

los cuales se denotan por [pic]. Extendiendo esta idea. Cuartiles. donde [pic] es igual a la mediana. denotados por [pic]y [pic]. el valor central (o la media aritmética de los dos valores centrales) que divide al conjunto en dos partes iguales es la mediana. . segundo y tercer cuartiles respectivamente. El quinto decil y el 50º percentil coinciden con la mediana. De forma similar los valores que dividen los datos en 10 partes iguales son llamados deciles. Dispersión o Variación La dispersión o variación de los datos es el grado en que los datos numéricos tienden a esparcirse alrededor de un valor promedio. se denominan como primero. es posible considerar los valores que dividen al conjunto en cuatro partes iguales. IV) MEDIDAS DE DISPERSION 1. Estos valores.[pic] donde: |[pic] | |[pic] | |[pic] | |[pic] |Frontera inferior de la clase de la clase modal (clase que contiene a la moda) |Diferencia de la frecuencia modal con la frecuencia de la clase inferior inmediata |Diferencia de la frecuencia modal con la frecuencia de la clase superior inmediata |tamaño del intervalo de la clase modal | 5. Deciles y Percentiles Si un conjunto de datos se ordena de acuerdo con su magnitud. mientras que los valores que dividen a los datos en 100 partes iguales se conocen como percentiles y se indican con [pic].

3. [pic]. así [pic]. 12 es 12-2=10 3. 11. 3. 6. 3.2. [pic] y [pic]). (El valor absoluto de un número es el número sin el signo asociado y se indica con dos líneas verticales colocadas a los lados del número. 5. La Desviación Media La desviación media o la desviación promedio de un conjunto de N números [pic] se abrevia DM y se define como: [pic] (1) donde [pic] es la media aritmética de los números y [pic] es el valor absoluto de la desviación de [pic] respecto de [pic]. Media aritmética [pic] [pic] . 5. 8. El Rango El rango de un conjunto de números es la diferencia entre el número mayor y el menor del conjunto. 5. Ejemplo 2 Calcule la desviación media del conjunto 2. 10. Ejemplo1 El rango del conjunto 2. 8.

Si [pic] ocurren con frecuencias [pic] respectivamente. Algunas veces se usa el rango intercuartilar [pic]. Rango entre Percentiles 10-90 El rango percentilar de un conjunto de datos se define como Rango Percentilar [pic] (4) . En ocasiones la desviación media se define en términos de desviaciones absolutas con respecto a la mediana u otro promedio. donde las [pic] representan las marcas de clase y las [pic] son las frecuencias de clase correspondientes. Una propiedad interesante de la suma [pic] radica en que es mínima cuando [pic] es mínima (es decir. Desviación Cuartílica El rango semiintercuartilar o desviación intercuartilar de un conjunto de datos se denota por [pic] y se define como [pic] (3) donde [pic] y [pic] son el primer y el tercer cuartiles de los datos. aunque el rango semiintercuartilar es más común como medida de dispersión. 5. Esta forma es útil para datos agrupados. 4. la desviación media con referencia a la mediana es mínima). la desviación media puede expresarse [pic] (2) donde [pic]. en lugar de hacerlo en relación con la media.

reemplazando N en los denominadores de las expresiones de las ecuaciones (5) y (6). Para los valores grandes de N (de modo preciso N>30). 6. calculada de acuerdo con la primera definición. la desviación estándar suele expresarse [pic] (6) donde [pic]. 7. como se le llama en forma común. siempre podemos obtenerlo multiplicando la desviación estándar. prácticamente no existe diferencia entre las dos definiciones. desviación de la media cuadrática. Si [pic] ocurren con frecuencias [pic] respectivamente. De esta forma. respecto de la [pic]. se usarán las formas (5) y (6). es útil para datos agrupados.Donde [pic] y [pic] son los percentiles 10º y 90º de los datos. La Desviación Estándar La desviación estándar o típica de un conjunto de N números [pic] se denota por [pic] y se define como: [pic] (5) donde [pic] representa las desviaciones de cada uno de los números [pic]. Por lo tanto [pic] es la media cuadrática de las desviaciones en relación con la media o. ya que el valor resultante representa un mejor estimado de la desviación estándar de la población original. Algunas veces la desviación estándar de los datos de una muestra se define con (N-1). Por lo tanto. Además cuando se necesita el mejor estimado. La Varianza . por [pic].

por lo tanto. Si [pic] son las desviaciones de [pic] con respecto a una constante arbitraria [pic]. se representa como [pic] en las ecuaciones (5) y (6). cuyos intervalos de clase son del mismo tamaño c. Métodos Cortos para Calcular la Desviación Estándar Las ecuaciones (5) y (6) pueden expresarse. respectivamente en [pic] (9) [pic] (10) Cuando los datos se encuentran agrupados en una distribución de frecuencias. respectivamente. los resultados de (7) y (8) se convierten. Cuando es necesario distinguir la desviación estándar de una población de la desviación estándar de una muestra obtenida de dicha población. en las formas equivalentes: [pic] (7) [pic] (8) donde [pic] denota la media de los cuadrados de los distintos valores de [pic]. respectivamente. con frecuencia se utiliza el símbolo [pic] para esta última y [pic] (sigma griega minúscula) para la primera. Por lo tanto [pic] y [pic] representan la varianza de una muestra y la varianza de una población.La varianza de un conjunto de datos se define como el cuadrado de la desviación estándar. se tiene [pic] o [pic] y el resultado (10) se convierte en [pic] (11) . mientras que [pic] denota el cuadrado de la media de los distintos valores de [pic].

Propiedades de la Desviación Estándar A. dos desviaciones estándar a cada lado de la media) c) 99. En distribuciones normales: a) 68. B. tres desviaciones estándar a cada lado de la media) [pic] C. Entonces la varianza combinada de ambos conjuntos (o dos distribuciones de frecuencias) estará dada por [pic] .45% de los casos están incluidos entre [pic] y [pic] (es decir. Suponga que dos conjuntos con [pic] y [pic] números (o dos distribuciones de frecuencia con frecuencias totales [pic] y [pic]) tiene varianzas dadas por [pic] y [pic].Esta fórmula ofrece un método muy breve para calcular la desviación estándar y debe utilizarse siempre para datos agrupados cuando el tamaño de los intervalos de clase sea igual. respectivamente.27% de los casos están incluidos entre [pic] y [pic] (es decir. La desviación estándar puede definirse como [pic] donde [pic] es un promedio cercano a la media aritmética. esta propiedad proporciona una razón importante para definir la desviación estándar como se hizo antes. la mínima es aquella en que [pic]. De todas las desviaciones estándar.73% de los casos están incluidos entre [pic] y [pic] (es decir. y la misma media [pic]. una desviación estándar a cada lado de la media) b) 95.

Dispersión Absoluta y relativa La variación real o dispersión. se denomina dispersión absoluta. al medir una distancia de 1. Sin embargo. V) MOMENTO SESGO Y CURTOSIS 1.000 pies. Por este motivo es útil para comparar distribuciones con unidades diferentes. determinada a partir de la desviación estándar u otra medida de dispersión. Obsérvese que el coeficiente de variación es independiente de las unidades usadas. 8. se define la cantidad . Momentos Si [pic] son los [pic] valores de la variable [pic]. entonces la dispersión relativa se denomina coeficiente de variación o coeficiente de dispersión. una variación (o dispersión) de 10 pulg.Obsérvese que se trata de una media aritmética ponderada de las varianzas. Una medida de este efecto es sustituida por la dispersión relativa. Una desventaja del coeficiente de variación es que no sirve cuando la media es cercana a cero. la misma se denota por [pic] y está dada por Coeficiente de variación [pic] que por lo general se expresa en forma de porcentaje. tiene un efecto muy diferente si la misma variación de 10 pulg se presenta en una distancia de 20 pies. El resultado puede generalizarse a tres o más conjuntos. que se define como [pic] si la dispersión absoluta es la desviación estándar [pic] y el promedio es la media [pic].

respectivamente. si [pic]. El primer momento con [pic] es la media aritmética [pic]. 2. los momentos anteriores están dados por [pic] (4) [pic] (5) [pic] (6) . El r-ésimo momento respecto de cualquier origen A se define como: [pic] (3) donde [pic] son las desviaciones de [pic] respecto de [pic]. Por eso la ecuación (1) se le llama el r-ésimo momento con respecto a cero. El r-ésimo momento respecto de la media [pic]. se define como: [pic] (2) Si [pic] entonces [pic].[pic] (1) llamada el r-ésimo momento. la ecuación (3) se reduce a la ecuación (1). entonces [pic] es la varianza. Momentos para Datos Agrupados Si [pic] ocurren con las frecuencias [pic]. Si [pic].

Curtosis La curtosis mide que tan puntiaguda es una distribución. la media tiende a caer en el mismo lado de la moda y en el de la cola más larga. Por lo tanto una mediada de la asimetría está dada por la diferencia: media-moda. Asimetría La asimetría es el sesgo o la distorsión de la simetría de una distribución. recibe el nombre de platocúrtica. Una distribución con un pico relativamente alto. 3. mientras que la curva que es achatada. se dice que está sesgada hacia la derecha o que es de asimetría positiva. Las fórmulas son adecuadas para calcular momentos a partir de datos agrupados. expresado en forma adimensional y está dado por Coeficiente momento de curtosis [pic] . lo que lleva a la definición [pic] 4. Si sucede lo contrario se considera que está sesgada hacia la izquierda o que es de asimetría negativa. La distribución normal que no es muy picuda ni muy achatada. Si la curva de frecuencias de una distribución tiene una cola mas larga hacia la derecha del máximo central. Esta puede hacerse adimensional si se divide entre una medida de dispersión tal como la desviación estándar. En las distribuciones asimétricas. comparada con una distribución normal.donde [pic]. se denomina leptocúrtica. [pic] Una medida de la curtosis utiliza el cuarto momento con respecto a la media. por lo general. se define como mesocúrtica. que hacia la izquierda.

las medidas de asimetría y las medidas de curtosis de una muestra. se define a la curtosis como [pic]. Para la distribución normal. si las medidas de asimetría y curtosis de la muestra se denotan por [pic] y [pic]. respectivamente. Así. para determinada población. Los subíndices siempre son símbolos latinos. Por esto. ----------------------Sesgada a la derecha (sesgo positivo) Sesgada a la izquierda (sesgo negativo) En forma de J En forma de J invertida En forma de U Bimodal Simétrica o en forma de campana . los símbolos griegos correspondientes serían [pic] y [pic]. [pic].que con frecuencia se denota como [pic]. si los momentos se denotan como [pic] y [pic]. Cuando se requiere distinguir los momentos. con frecuencia se acostumbra usar símbolos latinos para las muestras y símbolos griegos para las poblaciones. De manera similar. negativa en una distribución platocúrtica e igual a cero en la distribución normal. entonces la asimetría y la curtosis de la población serían [pic] y [pic]. que es positiva en una distribución leptocúrtica.

45% [pic] [pic] 99.73% a) Mesocúrtica a) Platocúrtica a) Leptocúrtica .Multimodal 68.27% [pic] [pic] [pic] [pic] 95.

El cálculo de la amplitud en grados sexagesimales del sector correspondiente se realiza así: ángulo = frecuenc . Histograma acumulativo. cada valor de la variable se representa p él se dibuja una barra de longitud igual o proporcinal a su frecuencia absoluta. el poligono de fecuencias se obtiene uniendo por una poligonal los puntos medios del histograma. Si se utilizarán rectángulos de amplitud diferente. incluso sacar alguna conclusión sobre el comportamiento de la m estudio. Se utiliza para todo tipo de variable estadística. los extremos supe Para una variable continua. nos van a permitir. cada intervalo se representa sobre el ej rectángulo que se dibuja sobre él con altura igual o proporcional a su frecuencia absoluta. el área del rectángulo es la que tendría qu absoluta correspondiente a ese intervalo. si se utiliza la frecuencia absoluta acumu POLÍGONO DE FRECUENCIAS. Las escalas utilizadas para representar los polígonos de frecuencias influyen mucho por el impacto visual de lo DIAGRAMA DE SECTORES.REPRESENTACIÓN GRÁFICA DE DATOS Las tablas estadísticas representan toda la información de modo esquemático y están preparadas para los cálcu estadísticos nos transmiten esa información de modo más expresivo. Consiste en dibujar sectores sobre sectores proporcional a su frecuencia absoluta. Para una variable discreta. con un sólo golpe de v observar sus caracteícticas más importantes. el polígono de frecuencias se obtiene uniendo por una poligonal. Se utilizan para variables estadísticas cuantitativas. Se utiliza para la representación de variables cuantitativas discretas. discretas o continuas. Los gráficos estadísticos más usuales son: DIAGRAMA DE BARRAS. cada sector se rellena con un color diferente. cuantitativa o cualitativa. Los gráficos estadísticos son muy útiles para comparar distintas tablas de frecuencia. Se utiliza para la representación de variables cuantitativas continuas. Si la frecuencia absoluta que se diagrama de barras que se obtiene es: diagrama de barras acumulativo HISTOGRAMA. Como los intervalo quedan adosados.

Ejemplo 2. Puedes cambiar los valores de las frecuencias absolutas y observar su imfluencia en el correspondiente gráf Ejemplo 3.Hemos preguntado a 20 personas por el número medio de días que practican deporte a la seman respuestas: Nº días (xi) 0 1 2 3 4 5 6 7 Total fr. 28) 26 [28 . absoluta (ni) 3 6 10 8 3 30 .. uno de los datos que se han tomado ha uno. 36) 34 [36 . 32) 30 [32 . 40) 38 Total fr.. absoluta (ni) 1 2 4 7 1 1 3 1 20 Realiza en tu cuaderno el diagrama de barras. 24) 22 [24 . Con el pulsador de "gráfico" puedes. los resultados obtenidos se reflejan en la siguiente tabla: Intervalo marca clase (xi) [20 .En un preconocimiento médico realizado a 30 niños. elegir diferente representación gráfica: 1 para dia de frecuencia y 3 para el diaframa de sectores. al variar su valor. el poligono de frecuencias y el diagrama de sectores correspond resultados.

.......... Complexo Hospitalario Universitario de A Coruña (España) Cad Aten Primaria (Pendiente de publicación) Actualizada el 02/04/2001.. en el gráfico más adecuado....... 60 " Entre 110 y 120 Km...... Unidad de Epidemiología Clínica y Bioestadística..... Tabla de contenidos: Imprimir documento [¿Problemas con PDF?] Tablas y Figuras Análisis descriptivo Comparación de dos o más Fig.........../h ......Utilizando la encuesta que has realizado en la actividad 2........./h . De más de 60 a 70 Km........... construye la tabla de frecuencias................... 2............. 90 " Entre 90 y 100 Km..Realiza en tu cuaderno el Histograma./h .../h ......... Puedes cambiar los valores de las frecuencias absolutas y observar su imfluencia en el correspondiente gráfic Actividad 4................ y representa la correspondiente tabla de frecuencias....... elegir diferente representación gráfica: 1 para His frecuencia y 3 para el diaframa de sectores.............. 10 " Dibuja un Histograma que refleje estos valores.. Representación gráfica en el Análisis de Datos Autores: Pértega Díaz S.. Actividad 5..... 1........................Un aparato de radar instalado a la entrada de una población (velocidad máxima permitida............. 40 " Entre 80 y 90 Km.. 80 " Entre 100 y 110 Km... el poligono de frecuencias y el diagrama de sectores correspondi resultados.. Con el pulsador de "gráfico" puedes... al variar su valor. Diagrama de sectores Fig............................/h .................. 60K " estadística" de infracciones..... Pita Fernández S.. 30 vehículos Entre 70 y 80 Km......./h ...... pa considerado...... Diagrama de barras ..

Si el número de categorías es excesivamente grande. la información que se debe mostrar en cada sector hace referencia al número de casos dentro de cada categoría y al porcentaje del total que estos representan. En este artículo se abordará la representación gráfica de los resultados de un estudio. número de recidivas. Estos mismos gráficos pueden utilizarse también para describir variables numéricas discretas que toman pocos valores (número de hijos. Para variables numéricas continuas. Polígono de frecuencias Fig. Diagrama de dispersión Fig. En este caso se pueden apreciar con claridad dichos subgrupos. un primer paso consiste en presentar esa información de forma que ésta se pueda visualizar de una manera más sistemática y resumida. Diagrama de caja Fig. constatando su utilidad en el proceso de análisis estadístico y la presentación de datos. del tipo de variables que estemos manejando2. Se describirán los distintos tipos de gráficos que podemos utilizar y su correspondencia con las distintas etapas del proceso de análisis. 12. El criterio para calcular la altura de cada rectángulo es el de mantener la proporcionalidad entre las frecuencias absolutas (o relativas) de . En losgráficos de sectores. el tipo de gráfico más utilizado es el histograma. estadio TNM. se divide un círculo en tantas porciones como clases tenga la variable. también conocidos como diagramas de "tartas". 8. y antes de abordar análisis estadísticos más complejos. etc. La claridad de dicha presentación es de vital importancia para la comprensión de los resultados y la interpretación de los mismos.grupos Relación entre dos variables numéricas Otros gráficos Bibliografía Tabla I. Diagrama de barras de error Fig. Curvas ROC La realización de los estudios clínico-epidemiológicos implica finalmente emitir unos resultados cuantificables de dicho estudio o experimento. Se representan tantas barras como categorías tiene la variable. 13. en ocasiones un diagrama o un gráfico pueden ayudarnos a representar de un modo más eficiente nuestros datos. Diagrama de barras agrupadas Fig. la imagen proporcionada por el gráfico de sectores no es lo suficientemente clara y por lo tanto la situación ideal es cuando hay alrededor de tres categorías. de modo que a cada clase le corresponde un arco de círculo proporcional a su frecuencia absoluta o relativa. etc. Para construir un gráfico de este tipo. como el sexo. en cada caso. Cuando se dispone de datos de una población. se divide el rango de valores de la variable en intervalos de igual amplitud. Los diagramas de barras son similares a los gráficos de sectores.). 10. profesión. Un ejemplo se muestra en la Figura 1. representando sobre cada intervalo un rectángulo que tiene a este segmento como base. la tensión arterial o el índice de masa corporal. A la hora de representar los resultados de un análisis estadístico de un modo adecuado. 6. Gráfico P-P Fig. Como se puede observar. de modo que la altura de cada una de ellas sea proporcional a la frecuencia o porcentaje de casos en cada clase (Figura 2). Diagramas de líneas superpuestos Fig. Diagrama de dispersión (regresión logística) Fig. 4. se quiere conocer la frecuencia y el porcentaje del total de casos que "caen" en cada categoría. Una forma muy sencilla de representar gráficamente estos resultados es mediante diagramas de barras o diagramas de sectores. tales como la edad. Los datos que nos interesan dependen. 11. Gráfico de líneas Fig. Análisis descriptivo. Histograma Fig. 3. 5.. 9. son varias las publicaciones que podemos consultar1. 7. Distribución de frecuencias: edad en 100 pacientes Fig. Aunque se aconseja que la presentación de datos numéricos se haga habitualmente por medio de tablas. Para variables categóricas3.

y en lo que respecta a la descripción de los datos. Conviene recordar que el hecho de que dichos intervalos no se solapen. utilizando los datos anteriores. La caja central indica el rango en el que se concentra el 50% central de los datos. No se debe olvidar que cuando los tamaños de las dos poblaciones son diferentes. pero sí nos puede servir para valorar la magnitud de la misma. como son los gráficos P-P o Q-Q. para posteriores análisis. Por último. es conveniente utilizar las frecuencias relativas. Como se verá más adelante. Un diagrama de cajas o un histograma son gráficos sencillos que permiten comprobar. Por lo tanto. la primera barra tendrá altura proporcional a 4. Dicha figura pretende mostrar. se confrontan las proporciones acumuladas de una variable con las de una distribución normal. de la forma más simple. Los gráficos Q-Q se obtienen de modo análogo. los puntos se concentran en torno a una línea recta. Se suelen también representar aquellas observaciones que caen fuera de este rango (outliers o valores extremos). se construye el histograma que se muestra en la Figura 3. La línea central en la caja es la mediana. Si la variable seleccionada coincide con la distribución de prueba. Cuando se trabaja con dos variables cualitativas podemos seguir empleando gráficos de barras o de sectores. así como los gráficos apropiados para visualizar esa relación. Existen otros métodos gráficos específicos para este propósito. comprendida entre los 18 y 42 años.los datos en cada intervalo y el área de los rectángulos. posibles errores en nuestros datos. no implica necesariamente que la diferencia entre ambos grupos pueda ser estadísticamente significativa. análisis de la varianza o métodos no paramétricos equivalentes. Por otro lado. de resumir una variable de tipo numérico es utilizando el concepto de percentiles. mediante diagramas de cajas4. Un ejemplo. al igual que el correspondiente histograma y el diagrama de cajas. En este caso resulta muy útil undiagrama de barras de error. Así . valorar su desviación de la normalidad. De este modo. dicha línea se encontrará en el centro de la caja. En cada grupo. dependen del tipo de variables que estemos manejando. Para cada grupo. Sus extremos son. se obtiene una imagen que se llama polígono de frecuencias. por medio del test t de Student. Podemos querer determinar. Los extremos de los "bigotes" que salen de la caja son los valores que delimitan el 95% central de los datos. y muy útil. se dibujan dos barras representando el porcentaje de pacientes que tienen o no alguna enfermedad coronaria. junto con su 95% intervalo de confianza. la simetría y el "apuntamiento" de la distribución de una variable y. por lo tanto. si la variable es simétrica.5. En general. esta vez representando los cuantiles de distribución de la variable respecto a los cuantiles de la distribución normal. LaFigura 5 muestra un gráfico de cajas correspondiente a los datos de la Tabla I. como en la Figura 8. por ejemplo. en qué rangos se encuentra la mayor parte de los datos. suele ser necesario. Como ejemplo. En él se compara el índice de masa corporal en una muestra de hombres y mujeres. A partir de dicha muestra podemos representar. En los primeros. y así se ha de reflejar en el tipo de gráfico utilizado. los diagramas de cajas resultan más apropiados para representar variables que presenten una gran desviación de la distribución normal. Esto resulta especialmente útil para comprobar. Comparación de dos o más grupos. el primer tramo está comprendido entre los 18 y 19 años. como se hace en la Figura 7. de un modo puramente visual. resultan además de gran ayuda cuando se dispone de datos en distintos grupos de sujetos. se presenta en la Figura 4. ya que en otro caso el gráfico podría resultar engañoso. que la distribución de la variable se aleja de la normalidad. la Tabla I muestra la distribución de frecuencias de la edad de 100 pacientes. entre los que se encuentra el 4/100=4% del total. por lo tanto. si en una muestra dada. se representa su valor medio. En la Figura 6se muestra el gráfico P-P correspondientes a los datos de la Tabla I que sugiere. dos grupos de barras: uno para los sujetos con antecedentes cardiacos familiares y otro para los que no tienen este tipo de antecedentes. la frecuencia de sujetos que padecen una enfermedad coronaria es más frecuente en aquellos que tienen algún familiar con antecedentes cardiacos. el 1er y 3er cuartil de la distribución. comprobar la normalidad de alguna de las variables numéricas de las que se dispone. Procediendo así sucesivamente. gráficamente. Si se divide este rango en intervalos de dos años. la comparación de variables continuas en dos o más grupos se realiza habitualmente en términos de su valor medio. aunque en ocasiones coinciden con los valores extremos de la distribución. Cuando se quieren comparar las observaciones tomadas en dos o más grupos de individuos una vez más el método estadístico a utilizar. Uniendo los puntos medios del extremo superior de las barras del histograma. Otro modo habitual.

Partiendo de una muestra arbitraria. Ejemplo de gráfico de sectores. .. y valorar hasta qué punto dicha relación puede modelizarse por la ecuación de una recta. uno para cada grupo. representando aquí como altura de cada barra el valor medio de la variable de interés. Los coeficientes de correlación (Pearson. pero ofrecen grandes posibilidades para la representación de datos y pueden ser utilizados en múltiples situaciones. Spearman. Cuando se dispone de todos los datos. incluso para representar los resultados obtenidos por métodos de análisis más complicados. el valor de una variable y en el eje vertical el valor de la otra. incluso tridimensionales. Distribución de una muestra de pacientes según el hábito de fumar. el valor máximo en cada grupo. Figura 1. La mayoría de los paquetes estadísticos (SPSS. S-PLUS. No obstante. etc. pueden utilizarse dos diagramas de cajas. como la importancia y utilidad que las representaciones gráficas pueden alcanzar en el proceso de análisis de datos. donde se confronta. porcentaje de casos en una categoría.) ofrecen grandes posibilidades en este sentido. donde cada punto puede representar distintas cosas según lo que nos interese en cada momento (el valor medio de una variable. por ejemplo. para visualizar este tipo de asociaciones. especialmente útiles en la etapa de selección de variables cuando se ajusta un modelo de regresión lineal. si existe una correlación alta. el método de análisis adecuado es el estudio de la correlación. Los tipos de gráficos mostrados hasta aquí son los más sencillos que podemos manejar. La creciente utilización de distintos programas informáticos hace especialmente sencillo la obtención de las mismas. es difícil precisar cuándo es más apropiado utilizar un gráfico que una tabla. Cuando lo que interesa es estudiar la relación entre dos variables continuas. En particular. Un diagrama de dispersión es el método adecuado para valorar el resultado de un modelo de regresión logística (Figura 12). por lo tanto. Hemos visto. sino que además nos permiten comprobar la normalidad y la variabilidad de cada una de las distribuciones. gráficamente. Más bien podremos considerarlos dos modos distintos pero complementarios de visualizar los mismos datos. En él puede observarse claramente como existe una relación directa entre ambas variables. sobre todo cuando interesa estudiar tendencias a lo largo del tiempo (Figura 9). Otros gráficos. EGRET. Este tipo de gráficos son. No olvidemos que las hipótesis de normalidad y homocedasticidad son condiciones necesarias para aplicar algunos de los procedimientos de análisis paramétricos. Podemos utilizar. Relación entre dos variables numéricas. Existen incluso algunos análisis concretos que están basados completamente en la representación gráfica. la elaboración de curvas ROC (Figura 13) y el cálculo del área bajo la curva constituyen el método más apropiado para valorar la exactitud de una prueba diagnóstica. Además de los gráficos vistos. como una herramienta imprescindible en la presentación de resultados y el proceso de análisis estadístico. STATGRAPHICS.. dos diagramas de líneas superpuestos para visualizar los resultados de un análisis de la varianza con dos factores (Figura 11). Un ejemplo sencillo de variables altamente correlacionados es la relación entre el peso y la talla de un sujeto. en el eje horizontal. No son más que una serie de puntos conectados entre sí mediante rectas.. Estos diagramas son especialmente útiles aquí: no sólo permiten ver si existe o no diferencia entre los grupos.) valoran hasta qué punto el valor de una de las variables aumenta o disminuye cuando crece el valor de la otra. podemos construir el diagrama de dispersión de laFigura 10. es mediante diagramas de dispersión. Los gráficos de líneas pueden resultar también especialmente interesantes. etc). permitiendo grandes cambios en su apariencia y facilidad de exportación a otros programas para presentar finalmente los resultados del estudio.mismo. es posible elaborar otros gráficos. señalar que también en esta situación pueden utilizarse los ya conocidos gráficos de barras. por lo tanto. un modo sencillo de comprobar. La mayoría de los textos estadísticos y epidemiológicos4 hacen hincapié en los distintos tipos de gráficos que se pueden crear. Por último.

Estadio TNM en el cáncer gástrico. Ejemplo de gráfico de barras.Figura 2. .

Ejemplo de un histograma correspondiente a los datos de la Tabla I. Distribución de frecuencias de la edad en 100 pacientes. . Edad 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 41 42 Nº de pacientes 1 3 4 7 5 8 10 8 9 6 6 4 3 4 5 3 2 3 1 2 3 1 1 1 Figura 3.Tabla I.

. Figura 5. Ejemplo de un diagrama de caja correspondiente a lo datos en la Tabla I.Figura 4. Polígono de frecuencias para los datos de la Tabla I.

. Gráfico P-P de normalidad para los datos de la Tabla I.Figura 6.

Figura 7. Diagrama de barras agrupadas. Figura 8. Variación en el índice de masa corporal según el sexo. Relación entre la presencia de alguna enfermedad coronaria y los antecedentes cardiacos familiares en una muestra. Barras de error. .

. Número de pacientes trasplantados renales en el Complexo Hospitalario "Juan Canalejo" durante el periodo 1981-1997. Gráfico de líneas.Figura 9.

.Figura 10. Diagrama de dispersión entre la talla y el peso de una muestra de individuos. Variación en el peso medio de una muestra de recién nacidos según el control ginecológico del embarazo y el hábito de fumar de la madre. Dos diagramas de líneas superpuestos. Figura 11.

Figura 12. Diagrama de dispersión (regresión logística). según un modelo de regresión logística ajustando por el % de protrombina y el presentar o no hepatomegalia. . Probabilidad de padecer cirrosis hepática.

1997. 1997. Editors. Parker RA. Johnson TA. 116 (6 Part 1): 1663-5. The box-plot: an exploratory analysis for biomedical publications. Graphical display of categorical data. 4. repr. [Medline] Altman DA. Bibliografía 1. Curva ROC para el porcentaje de protrombina en la predicción de cirrosis. 5. 46(3): 231-6. J Clin Epidemiol 1993. Altman DG. . and reviewers. How to report statistics in medicine. Practical statistics for medical research. Ann Intern Med 1989.. 312: 572. Kendrick JS. 110 (11): 916-21. Statistics Notes: Presentation of numerical data. The box plot: a simple visual method to interpret data. Annotated Guidelines for authors. Amara IA. Secic M. [Medline] Simpson RJ. 2. Bland JM. 1997. Feinstein AR. Lang TA. [Medline] [Texto completo] Singer PA. BMJ 1996. 6.Figura 13. [Medline] Williamson DF. 1th ed. London: Chapman & Hall. 3. Am Heart J 1988. Philadelphia: Port City Press.

Sign up to vote on this title
UsefulNot useful