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

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

. y por tanto la información recibida se procesa para obtener una serie de señales de control. En este diagrama podemos ver los bloques que componen nuestro sistema de adquisición de datos: Como vemos. Linealización . presentan una respuesta no lineal ante cambios lineales en los parámetros que están siendo medidos. el transductor debe tomar poca energía del sistema bajo observación. 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.variable con la temperatura) o bien por la configuración en que se conectan (como el caso de las galgas. para no alterar la medida. como los termopares. Salvo que la señal de entrada sea eléctrica. que se suelen montar en un puente de Wheatstone). 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. podemos decir que el transductor es un elemento que convierte energía de un tipo en otro.Muchos transductores. suele ser una buena idea el hacer esta corrección mediante circuitería externa. Por tanto.

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

gran capacidad de almacenamiento.35gigabytes [editar]Véase tipo de ejercicio de adquisición también    Procesamiento de señales Análisis de datos Dispositivos de entrada:  Escáner 3D . la investigación científica. se adquieren gran cantidad de datos para poder analizar.¿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.Flexibilidad de procesamiento. ¿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. el control de máquinas y de producción. esta capacidad la tendremos que multiplicar por dos y eso nos daría 75. la detección de fallas y el control de calidad entre otras aplicaciones. facilidad de automatización. de 8 bytes cada una. etc. Se utiliza en la industria. Ejemplo 2 En un sistema de adquisición de datos entran 210 señales por segundo.8 GB.8GB Tendríamos que tener una capacidad de 37. 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. rápido acceso a la información y toma de decisión. posibilidad de emular una gran cantidad de dispositivos de medición y activar varios instrumentos al mismo tiempo. Pero teniendo en cuenta que siempre se tiene que tener una copia de seguridad. [editar]Un Ejemplo 1 Tenemos 300 señales a monitorizar.7 GB.

la estadística son las calificaciones logradas entonos los problemas de un curso del semestre. Editorial Marcombo.  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". ref nº SLAA013. La palabra Estadística tiene varias acepciones para cada persona. la economía. desempeña un papel cada vez más importante en casi todas las áreas del quehacer humano. Loveday.   Pallás Areny. la comunicación. la química. es la información acerca del ausentismo. la sociología y a muchos otros campos de la ciencia y de la ingeniería. la estadística puede ser la información sobre la cantidad de contaminantes que están siendo emitidos hacia la atmósfera. como se llama algunas veces.: "Diseño de Hardware Electrónico". la biología. Hoy la estadística y el análisis estadístico están presentes en casi todas las . Para el director de una escuela. G. la educación. Y para un universitario. el comercio. Ramón: "Adquisición y Distribución de Señales". la psicología. Así para el gerente de de una central de energía eléctrica. Editorial Paraninfo. la física. las ciencias políticas. la electrónica. I) INTRODUCCION La estadística o los métodos estadísticos. a lo que debe su nombre. C. 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. las calificaciones de los alumnos y los sueldos del profesorado. 1997. Aunque en un principio tenía que ver solamente con asuntos de Estado. en la actualidad la influencia de la estadística se ha extendido a la agricultura. la medicina.

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

entonces a esta variable se le llama constante. O 65. El número de hijos en cada una de 1. que puede ser de 62 pulg. A una variable que. es una variable discreta. respectivamente.determinado en una fábrica es finita. VARIABLES DISCRETAS Y CONTINUAS Una variable es un símbolo. como X. las mediciones dan lugar a datos continuos. pero no 2. . que puede tomar cualquiera de los valores 0. 5. teóricamente. Y. 63. 1. dependiendo de la exactitud de las mediciones.5 o 3. En general. mientras que las enumeraciones o los conteos dan lugar a datos discretos.8341 pulg. 6. mientras que la población que consta de todos los resultados posibles (cara o cruz) en lanzamientos sucesivos de una moneda es infinita. es una variable continua. Si la variable solo toma un valor. H.Pequeña parte de la población en estudio..842.000 familias es un ejemplo de datos discretos. 2. x o B.. Muestra.8 pulg. Ejemplo 2 La altura H de un individuo. mientras que las alturas de 100 estudiantes universitarios son un ejemplo de datos continuos. REDONDEO DE DATOS . Ejemplo 1 El número N de niños en una familia. se le llama variable continua. A los datos que se pueden describir mediante una variable discreta o continua se les llama datos discretos o continuos. toma cualquier valor entre dos valores dados. Si no es así. se denomina variable discreta. que puede tomar cualquiera de los valores de un conjunto predeterminado llamado dominio de la variable.. 3.

el departamento de personal habrá de determinar si ese fenómeno se dio . ya que 72. es 73. 7. Los datos ayudan a los encargados de la toma de decisiones a hacer conjeturas bien fundamentadas acerca de las causas y.82. Ejemplo.465 está exactamente igual de lejos de 72. 183. En estos casos se acostumbra redondear al entero par anterior al 5. Al redondear 72.58.47. De manera que 72. pues esta información ayuda a preparar los informes de los médicos y a hacer la facturación. por ejemplo 72. REPRESENTACION TABULAR Para que los datos sean útiles. Y deben cerciorarse de que el grupo contenga una gran diversidad de personas que representen variables como nivel de ingresos. ya que 72. los analistas podrían estudiar a 100 consumidores que viven en cierta zona geográfica.46.8 a la unidad mas cercana.El resultado de redondear un número. y 116 500 000 redondeado al millón mas cercano es 116 000 000. Utilizar los datos referentes al pasado para tomar decisiones sobre el futuro. Colección de Datos Representar a todos los grupos.8146 redondeado a la centésima más cercana (o a dos decimales) es 72. Los estadísticos seleccionan sus observaciones de manera que todos los grupos relevantes estén representados en los datos. Para determinar el mercado potencial de un nuevo producto.465 a la centésima más cercana se tiene un dilema. los hospitales tienen expedientes con el número de pacientes que usan los servicios de rayos X. 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.575 se redondea a 183. Los datos provienen de observaciones reales o de documentos que se conservan para usos ordinarios. puesto que 72. hemos de organizar nuestras observaciones de manera que podamos seleccionar tendencias y llegar a conclusiones lógicas. 72.8146 está más cerca de 72. raza. Por ejemplo. sobre los efectos probables de ciertas características en algunas situaciones.81 que de 72. De manera semejante. si los expedientes del hospital indican que más pacientes usaron los servicios de rayos X en Junio que en Enero. escolaridad y barrio.81. por tanto.46 que de 72.465 se redondea a 72.8 está mas cerca de 73 que de 72.

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

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

por ejemplo. se llama intervalo de clase. Se acostumbra usar los términos clase e intervalo de clase indistintamente.5). En la práctica. la frontera superior de clase. 3. aunque el intervalo de clase es en realidad un símbolo de la clase. como el 60-62 de la tabla 2-1. es muy ventajosa pues proporciona una visión amplia y clara. la correspondiente frecuencia de clase es 5.5 se llaman fronteras de clase o límites verdaderos de clase. CONSTRUCCION DE UNA DISTRIBUCION DE FRECUENCIA a) Intervalos de Clase y Límites de Clase El símbolo que define una clase. como en la anterior distribución de frecuencias. el número más pequeño (60) es el límite inferior de clase.| |Total 100 | La primera clase (o categoría). mientras que el número más grande (62) es el límite superior de clase. A los datos así organizados y reunidos en clases. indicados brevemente por los números exactos 59. Como hay cinco estudiantes en esta clase.5000. Aunque el proceso de agrupamiento generalmente quita detalles originales de los datos.5 y 62. el número menor (59. c) Tamaño o Amplitud de un Intervalo de Clase . las fronteras de clase se obtienen promediando los límites superior e inferior de un intervalo de clase.5000 hasta 62. Estos números. 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. A los números 60 y 62 se les conoce como límites de clase. se les llama datos agrupados. en teoría el intervalo de clase 60-62 incluye todas las medidas desde 59. además de que se obtienen relaciones evidentes. b) Fronteras de Clase Si se miden estaturas con exactitud de 1 pulg.

Dividir el rango en un número adecuado de intervalos de clase del mismo tamaño. 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. 4. usar intervalos de clase de distintos tamaños o intervalos de clase abiertos. se obtiene promediando los límites inferior y superior de clase. Para los datos de la tabla 2-1.5=3. Determinar el número de observaciones que corresponden a cada intervalo de clase. la amplitud del intervalo de clase es c=62. A la marca de clase también se le denomina punto medio de la clase. la marca de clase del intervalo 60-62 es (60+62)/2=61. por ejemplo. hallar las frecuencias de clase. que es el punto medio del intervalo de clase. es decir.5-62.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. De este modo. a esta amplitud común se le denota por c. d) Marca de Clase La marca de clase.5=65. según los datos. Si esto no es posible. c es igual a la diferencia entre dos límites inferiores (o superiores) de clases sucesivas. 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). la frecuencia relativa de la clase 66-68 de la tabla 2-1 es 42/100=42%. Los intervalos de clase se eligen también de modo tal que las marcas de clase (o puntos medios) coincidan con los datos realmente observados. Por ejemplo. Si todos los intervalos de una distribución de frecuencia son de la misma amplitud. tamaño o longitud de clase.5-59. En tal caso. Se suelen tomar entre 5 y 20 intervalos de clase. .

una distribución acumulada. incluyendo hasta el intervalo de clase 66-68 de la tabla 2-1. lo que significa que 65 estudiantes tienen estaturas por debajo de 68. es 5+18+42=65. 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. a la tabla resultante se le llama distribución de frecuencias relativas. 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. . Puede obtenerse uniendo los puntos medios de las partes superiores de los rectángulos del histograma. 6. las alturas de los rectángulos son 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. la frecuencia acumulada. Si todos los intervalos de clase son del mismo tamaño. sus centros en las marcas de clase y longitudes iguales a los tamaños de los intervalos de clase. 5. Una tabla que presenta tales frecuencias acumuladas se llama distribución de frecuencias acumuladas. y b) áreas proporcionales a las frecuencias de clase.Si se sustituyen las frecuencias de la tabla 2-1 por las correspondientes frecuencias relativas. tabla de frecuencias acumuladas o. brevemente.5 pulg. distribución de frecuencias o tabla de frecuencias relativas. Por ejemplo. 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.

Siempre que se hable de distribuciones acumuladas u ojivas. entonces.5 pulg o más. en la figura 2-2 se ilustra esta gráfica para la distribución de estaturas de los estudiantes de la tabla 2-1. Para ciertos propósitos. [pic] Figura 2-2 7. de 62.[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. Como de este modo se obtienen estaturas de 59.5 pulg o más. 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. se estará mencionando el caso menor que . mientras que la antes considerada es una distribución acumulada menor que . sin especificar el tipo. se le suele conocer como una distribución acumulada o mas . Las correspondientes ojivas se conocen. OTROS GRAFICOS a) De Pastel [pic] . como ojivas o más y menores que . etcétera.

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

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

en ese orden. 3. 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] . o punto medio del intervalo. 6 y 2 ocurren con frecuencias 3.Ejemplo 1 La media aritmética de los números 8. Ejemplo 2 Si 5. la media aritmética es [pic] (2) donde [pic] es la frecuencia total (es decir. 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. 8. respectivamente (es decir. 5. su media aritmética es [pic] Cuando los datos se presentan en una distribución de frecuencias. 4 y 1. 2. el número total de casos). 3. con frecuencias [pic]).

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

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

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

3. [pic] y [pic]). 6. 10. 3. Media aritmética [pic] [pic] . 8. 3. 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]. 12 es 12-2=10 3. así [pic]. El Rango El rango de un conjunto de números es la diferencia entre el número mayor y el menor del conjunto. 5. (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. Ejemplo1 El rango del conjunto 2. [pic]. 8.2. 11. Ejemplo 2 Calcule la desviación media del conjunto 2.

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

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

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

En distribuciones normales: a) 68.27% de los casos están incluidos entre [pic] y [pic] (es decir. De todas las desviaciones estándar. una desviación estándar a cada lado de la media) b) 95. B. La desviación estándar puede definirse como [pic] donde [pic] es un promedio cercano a la media aritmética.73% de los casos están incluidos entre [pic] y [pic] (es decir.45% de los casos están incluidos entre [pic] y [pic] (es decir. Entonces la varianza combinada de ambos conjuntos (o dos distribuciones de frecuencias) estará dada por [pic] . respectivamente. tres desviaciones estándar a cada lado de la media) [pic] C.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. dos desviaciones estándar a cada lado de la media) c) 99. y la misma media [pic]. la mínima es aquella en que [pic]. Propiedades de la Desviación Estándar A. 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 propiedad proporciona una razón importante para definir la desviación estándar como se hizo antes.

se denomina dispersión absoluta. Una desventaja del coeficiente de variación es que no sirve cuando la media es cercana a cero. Por este motivo es útil para comparar distribuciones con unidades diferentes. una variación (o dispersión) de 10 pulg. se define la cantidad . Sin embargo.000 pies. Obsérvese que el coeficiente de variación es independiente de las unidades usadas. la misma se denota por [pic] y está dada por Coeficiente de variación [pic] que por lo general se expresa en forma de porcentaje. determinada a partir de la desviación estándar u otra medida de dispersión. 8. que se define como [pic] si la dispersión absoluta es la desviación estándar [pic] y el promedio es la media [pic]. al medir una distancia de 1. El resultado puede generalizarse a tres o más conjuntos. entonces la dispersión relativa se denomina coeficiente de variación o coeficiente de dispersión. V) MOMENTO SESGO Y CURTOSIS 1. Dispersión Absoluta y relativa La variación real o dispersión.Obsérvese que se trata de una media aritmética ponderada de las varianzas. Una medida de este efecto es sustituida por la dispersión relativa. Momentos Si [pic] son los [pic] valores de la variable [pic]. tiene un efecto muy diferente si la misma variación de 10 pulg se presenta en una distancia de 20 pies.

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

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

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

73% a) Mesocúrtica a) Platocúrtica a) Leptocúrtica .45% [pic] [pic] 99.Multimodal 68.27% [pic] [pic] [pic] [pic] 95.

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

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

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

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

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

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

Ejemplo de gráfico de barras. Estadio TNM en el cáncer gástrico.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. . Distribución de frecuencias de la edad en 100 pacientes.Tabla I.

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

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

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

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

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

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

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