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

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

podemos decir que el transductor es un elemento que convierte energía de un tipo en otro. Salvo que la señal de entrada sea eléctrica. Por tanto. En este diagrama podemos ver los bloques que componen nuestro sistema de adquisición de datos: Como vemos. como los termopares.Muchos transductores. Aunque la linealización puede realizarse mediante métodos numéricos en el sistema de adquisición de datos. [editar]Ejemplo A veces el sistema de adquisición es parte de un sistema de control. . el transductor debe tomar poca energía del sistema bajo observación. Linealización . suele ser una buena idea el hacer esta corrección mediante circuitería externa. que se suelen montar en un puente de Wheatstone). 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. 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. para no alterar la medida.variable con la temperatura) o bien por la configuración en que se conectan (como el caso de las galgas.

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

7 GB. la detección de fallas y el control de calidad entre otras aplicaciones.8 GB. posibilidad de emular una gran cantidad de dispositivos de medición y activar varios instrumentos al mismo tiempo. de 8 bytes cada una. se adquieren gran cantidad de datos para poder analizar. Se utiliza en la industria. Pero teniendo en cuenta que siempre se tiene que tener una copia de seguridad. esta capacidad la tendremos que multiplicar por dos y eso nos daría 75. [editar]Un Ejemplo 1 Tenemos 300 señales a monitorizar. la investigación científica. Ejemplo 2 En un sistema de adquisición de datos entran 210 señales por segundo. ¿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. posibilidad de realizar las tareas en tiempo real o en análisis posteriores (a fin de analizar los posibles errores). Todas ellas de 4 bytes y queremos guardar la información de todo el proceso cada segundo. etc. rápido acceso a la información y toma de decisión.¿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 = 37.35gigabytes [editar]Véase tipo de ejercicio de adquisición también    Procesamiento de señales Análisis de datos Dispositivos de entrada:  Escáner 3D . gran capacidad de almacenamiento. el control de máquinas y de producción.8GB Tendríamos que tener una capacidad de 37. facilidad de automatización.Flexibilidad de procesamiento.

Aunque en un principio tenía que ver solamente con asuntos de Estado.  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". la biología. la sociología y a muchos otros campos de la ciencia y de la ingeniería. la economía. la comunicación. en la actualidad la influencia de la estadística se ha extendido a la agricultura. Para el director de una escuela. la electrónica. Así para el gerente de de una central de energía eléctrica.: "Diseño de Hardware Electrónico". el comercio. Editorial Paraninfo. Y para un universitario. la estadística son las calificaciones logradas entonos los problemas de un curso del semestre. Editorial Marcombo. la química. I) INTRODUCCION La estadística o los métodos estadísticos. ref nº SLAA013. la psicología. las calificaciones de los alumnos y los sueldos del profesorado. la educación. a lo que debe su nombre.   Pallás Areny. la física. Hoy la estadística y el análisis estadístico están presentes en casi todas las . desempeña un papel cada vez más importante en casi todas las áreas del quehacer humano. las ciencias políticas. Loveday. como se llama algunas veces. la estadística puede ser la información sobre la cantidad de contaminantes que están siendo emitidos hacia la atmósfera. la medicina. G. es la información acerca del ausentismo. C. Ramón: "Adquisición y Distribución de Señales". 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. La palabra Estadística tiene varias acepciones para cada persona.

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

toma cualquier valor entre dos valores dados. se denomina variable discreta.842.. 2.8 pulg. Si no es así. Si la variable solo toma un valor. VARIABLES DISCRETAS Y CONTINUAS Una variable es un símbolo. 6. pero no 2. 1.5 o 3. Y. x o B. . las mediciones dan lugar a datos continuos. Ejemplo 1 El número N de niños en una familia. mientras que las enumeraciones o los conteos dan lugar a datos discretos. respectivamente. mientras que la población que consta de todos los resultados posibles (cara o cruz) en lanzamientos sucesivos de una moneda es infinita..determinado en una fábrica es finita. REDONDEO DE DATOS . A los datos que se pueden describir mediante una variable discreta o continua se les llama datos discretos o continuos. El número de hijos en cada una de 1.. se le llama variable continua. A una variable que. 63.000 familias es un ejemplo de datos discretos.Pequeña parte de la población en estudio. entonces a esta variable se le llama constante. En general. es una variable continua. teóricamente. O 65. dependiendo de la exactitud de las mediciones. como X. que puede ser de 62 pulg. es una variable discreta. 3. Muestra. mientras que las alturas de 100 estudiantes universitarios son un ejemplo de datos continuos.8341 pulg. 5. H. que puede tomar cualquiera de los valores de un conjunto predeterminado llamado dominio de la variable. que puede tomar cualquiera de los valores 0. Ejemplo 2 La altura H de un individuo.

los hospitales tienen expedientes con el número de pacientes que usan los servicios de rayos X. raza. ya que 72. por tanto. Los estadísticos seleccionan sus observaciones de manera que todos los grupos relevantes estén representados en los datos. 7. En estos casos se acostumbra redondear al entero par anterior al 5.465 se redondea a 72.82.575 se redondea a 183.465 está exactamente igual de lejos de 72.47. Los datos ayudan a los encargados de la toma de decisiones a hacer conjeturas bien fundamentadas acerca de las causas y. Para determinar el mercado potencial de un nuevo producto. por ejemplo 72. REPRESENTACION TABULAR Para que los datos sean útiles. el departamento de personal habrá de determinar si ese fenómeno se dio .El resultado de redondear un número. si los expedientes del hospital indican que más pacientes usaron los servicios de rayos X en Junio que en Enero. sobre los efectos probables de ciertas características en algunas situaciones. Y deben cerciorarse de que el grupo contenga una gran diversidad de personas que representen variables como nivel de ingresos.465 a la centésima más cercana se tiene un dilema. ya que 72. Por ejemplo.8 a la unidad mas cercana.8146 está más cerca de 72. De manera que 72.8 está mas cerca de 73 que de 72. escolaridad y barrio.58. 183. hemos de organizar nuestras observaciones de manera que podamos seleccionar tendencias y llegar a conclusiones lógicas. y 116 500 000 redondeado al millón mas cercano es 116 000 000. Esta práctica es especialmente útil para minimizar errores de redondeo acumulados cuando se tiene un gran número de operaciones. Obtener datos de observaciones o registros. De manera semejante. los analistas podrían estudiar a 100 consumidores que viven en cierta zona geográfica. es 73. 72. Colección de Datos Representar a todos los grupos. Los datos provienen de observaciones reales o de documentos que se conservan para usos ordinarios.46 que de 72.81 que de 72.46. Ejemplo.81. puesto que 72. Al redondear 72. pues esta información ayuda a preparar los informes de los médicos y a hacer la facturación.8146 redondeado a la centésima más cercana (o a dos decimales) es 72. Utilizar los datos referentes al pasado para tomar decisiones sobre el futuro.

Cuanto mas abundante sea la información de este tipo que obtengamos de la muestra. Si las observaciones se miden en números. Buscamos cosas como el intervalo (los valores máximos y mínimos). también podemos listar los puntos de datos por orden ascendente de valor numérico. ¡Entra basura. ¿son confiables? No olvide que la exactitud de los datos que salen de la computadora depende de los que entran en ella. 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. Este método da origen a una distribución de frecuencia y se explica mas adelante. Pero si los datos son trabajadores calificados (digamos carpinteros. De ser así. que valores aparecen con mayor frecuencia y otros aspectos. necesitaremos organizarlos de modo diferente. En la actualidad las computadoras permiten a los estadísticos reunir enormes volúmenes de observaciones y condensarlas instantáneamente en tablas. 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. gráficas y números. Se trata de formas compactas y utilizables. Cuando los datos se organizan en forma compacta y útil. 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. Para poder confiar en la interpretación de unos datos cualesquiera. mejor conoceremos la población de donde proviene y mejores serán las decisiones que tomemos. albañiles ó electricistas) que se necesitan en los sitios de construcción. La finalidad de organizar los datos es permitirnos ver rápidamente todas las características posibles de los datos que hemos recabado. . aquello en torno a lo cual los datos tienden a agruparse. Tendremos que representar los puntos graficados (observaciones) de datos por orden alfabético o por algún otro principio organizador. si son diferentes tipos de automóviles fabricados por todas las empresas automotrices o si son los diversos colores de abrigos fabricados por determinada compañía. habrá de ajustar su programa de contrataciones y vacaciones para tenerla en cuenta. las tendencias notorias. sale basura! .sólo en el presente año o si es una indicación de una tendencia constante. Podemos simplemente reunirlos y conservarlos en orden.

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

la correspondiente frecuencia de clase es 5. se llama intervalo de clase. por ejemplo.5) es la frontera inferior de clase y el número mayor (62.5 se llaman fronteras de clase o límites verdaderos de clase. la frontera superior de clase. Se acostumbra usar los términos clase e intervalo de clase indistintamente. como en la anterior distribución de frecuencias.5 y 62. Estos números. A los datos así organizados y reunidos en clases. A los números 60 y 62 se les conoce como límites de clase. c) Tamaño o Amplitud de un Intervalo de Clase . b) Fronteras de Clase Si se miden estaturas con exactitud de 1 pulg. 3. en teoría el intervalo de clase 60-62 incluye todas las medidas desde 59. además de que se obtienen relaciones evidentes.5000. comprende las estaturas entre 60 y 62 pulg y se indica en el rango 60-62.5000 hasta 62. el número más pequeño (60) es el límite inferior de clase. las fronteras de clase se obtienen promediando los límites superior e inferior de un intervalo de clase. el número menor (59. Aunque el proceso de agrupamiento generalmente quita detalles originales de los datos.5).| |Total 100 | La primera clase (o categoría). mientras que el número más grande (62) es el límite superior de clase. CONSTRUCCION DE UNA DISTRIBUCION DE FRECUENCIA a) Intervalos de Clase y Límites de Clase El símbolo que define una clase. Como hay cinco estudiantes en esta clase. aunque el intervalo de clase es en realidad un símbolo de la clase. se les llama datos agrupados. como el 60-62 de la tabla 2-1. En la práctica. indicados brevemente por los números exactos 59. es muy ventajosa pues proporciona una visión amplia y clara.

que es el punto medio del intervalo de clase.5-62. a esta amplitud común se le denota por c. De este modo. 4. 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). se obtiene promediando los límites inferior y superior de clase. según los datos. Si todos los intervalos de una distribución de frecuencia son de la misma amplitud. usar intervalos de clase de distintos tamaños o intervalos de clase abiertos. hallar las frecuencias de clase. A la marca de clase también se le denomina punto medio de la clase. Dividir el rango en un número adecuado de intervalos de clase del mismo tamaño. tamaño o longitud de clase.5-59.5=3. es decir. Los intervalos de clase se eligen también de modo tal que las marcas de clase (o puntos medios) coincidan con los datos realmente observados.5=65. la marca de clase del intervalo 60-62 es (60+62)/2=61. d) Marca de Clase La marca de clase. la amplitud del intervalo de clase es c=62. Por ejemplo. Se suelen tomar entre 5 y 20 intervalos de clase. Para los datos de la tabla 2-1. En tal caso. la frecuencia relativa de la clase 66-68 de la tabla 2-1 es 42/100=42%. 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. c es igual a la diferencia entre dos límites inferiores (o superiores) de clases sucesivas. 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. Si esto no es posible. por ejemplo. .

Un histograma o histograma de de frecuencias consiste en un conjunto de rectángulos que tienen a) sus bases en el eje X horizontal. es 5+18+42=65. y b) áreas proporcionales a las frecuencias de clase. incluyendo hasta el intervalo de clase 66-68 de la tabla 2-1. 5. inclusive. . la frecuencia acumulada. 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.Si se sustituyen las frecuencias de la tabla 2-1 por las correspondientes frecuencias relativas.5 pulg. Si todos los intervalos de clase son del mismo tamaño. Una tabla que presenta tales frecuencias acumuladas se llama distribución de frecuencias acumuladas. 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. brevemente. 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. distribución de frecuencias o tabla de frecuencias relativas. tabla de frecuencias acumuladas o. las alturas de los rectángulos son proporcionales a las frecuencias de clase. Puede obtenerse uniendo los puntos medios de las partes superiores de los rectángulos del histograma. 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. una distribución acumulada. 6.

etcétera. de 62. Siempre que se hable de distribuciones acumuladas u ojivas.[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. 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. mientras que la antes considerada es una distribución acumulada menor que . [pic] Figura 2-2 7. en la figura 2-2 se ilustra esta gráfica para la distribución de estaturas de los estudiantes de la tabla 2-1.5 pulg o más. como ojivas o más y menores que . Las correspondientes ojivas se conocen. OTROS GRAFICOS a) De Pastel [pic] . sin especificar el tipo.5 pulg o más. Como de este modo se obtienen estaturas de 59. entonces. se estará mencionando el caso menor que . Para ciertos propósitos. se le suele conocer como una distribución acumulada o mas .

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

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

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

4. 11. 8. Ejemplo 4 El conjunto de números 3. la frecuencia total) . la clase que contiene a la mediana) | |[pic] | |número de datos (es decir. 8. 12. está dada por [pic] donde: |[pic] |frontera inferior de la clase de la mediana (es decir. 7. 6. 8 y 10 tiene mediana 6 Ejemplo 5 El conjunto de números 5. la mediana obtenida por interpolación.Ejemplo 3 La media geométrica de los números 2. 5. 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. 15 y 18 tiene mediana [pic] Para datos agrupados. 4 y 8 es [pic] 4. 9. 5.

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

se denominan como primero. Extendiendo esta idea. es posible considerar los valores que dividen al conjunto en cuatro partes iguales. 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. IV) MEDIDAS DE DISPERSION 1. El quinto decil y el 50º percentil coinciden con la mediana. donde [pic] es igual a la mediana. Cuartiles. los cuales se denotan por [pic]. denotados por [pic]y [pic]. De forma similar los valores que dividen los datos en 10 partes iguales son llamados deciles. segundo y tercer cuartiles respectivamente. Deciles y Percentiles Si un conjunto de datos se ordena de acuerdo con su magnitud. 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. . el valor central (o la media aritmética de los dos valores centrales) que divide al conjunto en dos partes iguales es la mediana. mientras que los valores que dividen a los datos en 100 partes iguales se conocen como percentiles y se indican con [pic].

[pic]. 5. 6.2. 8. [pic] y [pic]). 3. 3. (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. Media aritmética [pic] [pic] . 8. 12 es 12-2=10 3. El Rango El rango de un conjunto de números es la diferencia entre el número mayor y el menor del conjunto. Ejemplo1 El rango del conjunto 2. así [pic]. 5. 11. Ejemplo 2 Calcule la desviación media del conjunto 2. 10. 5. 3. 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].

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

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

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

y la misma media [pic]. tres desviaciones estándar a cada lado de la media) [pic] C. esta propiedad proporciona una razón importante para definir la desviación estándar como se hizo antes. Propiedades de la Desviación Estándar A.27% de los casos están incluidos entre [pic] y [pic] (es decir. De todas las desviaciones estándar. La desviación estándar puede definirse como [pic] donde [pic] es un promedio cercano a la media aritmética. Entonces la varianza combinada de ambos conjuntos (o dos distribuciones de frecuencias) estará dada por [pic] . B.73% de los casos están incluidos entre [pic] y [pic] (es decir.45% de los casos están incluidos entre [pic] y [pic] (es decir. En distribuciones normales: a) 68. una desviación estándar a cada lado de la media) b) 95. dos desviaciones estándar a cada lado de la media) c) 99.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. 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]. la mínima es aquella en que [pic]. respectivamente.

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

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

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

los símbolos griegos correspondientes serían [pic] y [pic]. con frecuencia se acostumbra usar símbolos latinos para las muestras y símbolos griegos para las poblaciones. Los subíndices siempre son símbolos latinos. respectivamente. De manera similar. Para la distribución normal. Por esto. para determinada población. [pic]. si las medidas de asimetría y curtosis de la muestra se denotan por [pic] y [pic]. ----------------------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 . Así. negativa en una distribución platocúrtica e igual a cero en la distribución normal. si los momentos se denotan como [pic] y [pic]. que es positiva en una distribución leptocúrtica.que con frecuencia se denota como [pic]. Cuando se requiere distinguir los momentos. entonces la asimetría y la curtosis de la población serían [pic] y [pic]. se define a la curtosis como [pic]. las medidas de asimetría y las medidas de curtosis de una muestra.

27% [pic] [pic] [pic] [pic] 95.45% [pic] [pic] 99.Multimodal 68.73% a) Mesocúrtica a) Platocúrtica a) Leptocúrtica .

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

Puedes cambiar los valores de las frecuencias absolutas y observar su imfluencia en el correspondiente gráf Ejemplo 3.Ejemplo 2. el poligono de frecuencias y el diagrama de sectores correspond resultados. 40) 38 Total fr.. 32) 30 [32 .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. Con el pulsador de "gráfico" puedes. elegir diferente representación gráfica: 1 para dia de frecuencia y 3 para el diaframa de sectores. 36) 34 [36 .. los resultados obtenidos se reflejan en la siguiente tabla: Intervalo marca clase (xi) [20 . absoluta (ni) 1 2 4 7 1 1 3 1 20 Realiza en tu cuaderno el diagrama de barras.En un preconocimiento médico realizado a 30 niños. al variar su valor. absoluta (ni) 3 6 10 8 3 30 . uno de los datos que se han tomado ha uno. 24) 22 [24 . 28) 26 [28 .

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

como el sexo. número de recidivas. etc. 12. Diagrama de dispersión (regresión logística) Fig. Cuando se dispone de datos de una población. Gráfico de líneas Fig. 5. 9. Para variables categóricas3. Los diagramas de barras son similares a los gráficos de sectores. un primer paso consiste en presentar esa información de forma que ésta se pueda visualizar de una manera más sistemática y resumida. se divide un círculo en tantas porciones como clases tenga la variable. representando sobre cada intervalo un rectángulo que tiene a este segmento como base. son varias las publicaciones que podemos consultar1. Se describirán los distintos tipos de gráficos que podemos utilizar y su correspondencia con las distintas etapas del proceso de análisis. Gráfico P-P Fig. y antes de abordar análisis estadísticos más complejos. 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. Histograma Fig. Como se puede observar. 4. etc. constatando su utilidad en el proceso de análisis estadístico y la presentación de datos. del tipo de variables que estemos manejando2. 3. Se representan tantas barras como categorías tiene la variable. Si el número de categorías es excesivamente grande. En este artículo se abordará la representación gráfica de los resultados de un estudio. Un ejemplo se muestra en la Figura 1. Curvas ROC La realización de los estudios clínico-epidemiológicos implica finalmente emitir unos resultados cuantificables de dicho estudio o experimento. el tipo de gráfico más utilizado es el histograma. Diagramas de líneas superpuestos Fig. 11. La claridad de dicha presentación es de vital importancia para la comprensión de los resultados y la interpretación de los mismos. El criterio para calcular la altura de cada rectángulo es el de mantener la proporcionalidad entre las frecuencias absolutas (o relativas) de . en cada caso. en ocasiones un diagrama o un gráfico pueden ayudarnos a representar de un modo más eficiente nuestros datos. también conocidos como diagramas de "tartas". Diagrama de caja Fig. de modo que a cada clase le corresponde un arco de círculo proporcional a su frecuencia absoluta o relativa. profesión. 6.. 10. Estos mismos gráficos pueden utilizarse también para describir variables numéricas discretas que toman pocos valores (número de hijos. tales como la edad. 7. Para construir un gráfico de este tipo. la tensión arterial o el índice de masa corporal. 13. 8. Para variables numéricas continuas. En losgráficos de sectores. Diagrama de barras agrupadas Fig. Una forma muy sencilla de representar gráficamente estos resultados es mediante diagramas de barras o diagramas de sectores. Aunque se aconseja que la presentación de datos numéricos se haga habitualmente por medio de tablas. Los datos que nos interesan dependen. Polígono de frecuencias Fig. A la hora de representar los resultados de un análisis estadístico de un modo adecuado. Diagrama de barras de error Fig.grupos Relación entre dos variables numéricas Otros gráficos Bibliografía Tabla I. Análisis descriptivo. Diagrama de dispersión Fig.). estadio TNM. de modo que la altura de cada una de ellas sea proporcional a la frecuencia o porcentaje de casos en cada clase (Figura 2). En este caso se pueden apreciar con claridad dichos subgrupos. se quiere conocer la frecuencia y el porcentaje del total de casos que "caen" en cada categoría. Distribución de frecuencias: edad en 100 pacientes 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. se divide el rango de valores de la variable en intervalos de igual amplitud.

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

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

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. . 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. Distribución de frecuencias de la edad en 100 pacientes.

Figura 5.Figura 4. Ejemplo de un diagrama de caja correspondiente a lo datos en la Tabla I. 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. Barras de error. Relación entre la presencia de alguna enfermedad coronaria y los antecedentes cardiacos familiares en una muestra. Variación en el índice de masa corporal según el sexo. Figura 8.

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

. 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.Figura 10. Figura 11. Dos diagramas de líneas superpuestos.

.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.

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

Sign up to vote on this title
UsefulNot useful