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

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

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

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

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

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

que puede tomar cualquiera de los valores 0. que puede tomar cualquiera de los valores de un conjunto predeterminado llamado dominio de la variable.determinado en una fábrica es finita.8 pulg. es una variable continua. se le llama variable continua.8341 pulg. Ejemplo 2 La altura H de un individuo. pero no 2. como X. Y. . 5. A una variable que.5 o 3. es una variable discreta. mientras que las alturas de 100 estudiantes universitarios son un ejemplo de datos continuos. 63. entonces a esta variable se le llama constante. toma cualquier valor entre dos valores dados. 6. O 65.. dependiendo de la exactitud de las mediciones. H. En general. respectivamente. VARIABLES DISCRETAS Y CONTINUAS Una variable es un símbolo.842. x o B. que puede ser de 62 pulg.. A los datos que se pueden describir mediante una variable discreta o continua se les llama datos discretos o continuos. Si la variable solo toma un valor.000 familias es un ejemplo de datos discretos.Pequeña parte de la población en estudio. REDONDEO DE DATOS . Ejemplo 1 El número N de niños en una familia.. las mediciones dan lugar a datos continuos. mientras que la población que consta de todos los resultados posibles (cara o cruz) en lanzamientos sucesivos de una moneda es infinita. 3. 1. Si no es así. se denomina variable discreta. mientras que las enumeraciones o los conteos dan lugar a datos discretos. 2. Muestra. teóricamente. El número de hijos en cada una de 1.

82. Colección de Datos Representar a todos los grupos. ya que 72. REPRESENTACION TABULAR Para que los datos sean útiles. 7. si los expedientes del hospital indican que más pacientes usaron los servicios de rayos X en Junio que en Enero. Los datos ayudan a los encargados de la toma de decisiones a hacer conjeturas bien fundamentadas acerca de las causas y. por tanto.8146 está más cerca de 72.8 está mas cerca de 73 que de 72. sobre los efectos probables de ciertas características en algunas situaciones. Los estadísticos seleccionan sus observaciones de manera que todos los grupos relevantes estén representados en los datos.8146 redondeado a la centésima más cercana (o a dos decimales) es 72. puesto que 72.465 se redondea a 72. pues esta información ayuda a preparar los informes de los médicos y a hacer la facturación. hemos de organizar nuestras observaciones de manera que podamos seleccionar tendencias y llegar a conclusiones lógicas. Por ejemplo. escolaridad y barrio. Los datos provienen de observaciones reales o de documentos que se conservan para usos ordinarios. Utilizar los datos referentes al pasado para tomar decisiones sobre el futuro. los analistas podrían estudiar a 100 consumidores que viven en cierta zona geográfica. y 116 500 000 redondeado al millón mas cercano es 116 000 000.465 a la centésima más cercana se tiene un dilema. Obtener datos de observaciones o registros. es 73. 72.46 que de 72. ya que 72. De manera que 72. el departamento de personal habrá de determinar si ese fenómeno se dio . Ejemplo. por ejemplo 72. los hospitales tienen expedientes con el número de pacientes que usan los servicios de rayos X.El resultado de redondear un número. Al redondear 72.8 a la unidad mas cercana. Para determinar el mercado potencial de un nuevo producto.46. De manera semejante.58. Y deben cerciorarse de que el grupo contenga una gran diversidad de personas que representen variables como nivel de ingresos. En estos casos se acostumbra redondear al entero par anterior al 5.47. raza. 183.81.575 se redondea a 183.465 está exactamente igual de lejos de 72. Esta práctica es especialmente útil para minimizar errores de redondeo acumulados cuando se tiene un gran número de operaciones.81 que de 72.

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

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

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

es decir. se obtiene promediando los límites inferior y superior de clase.5-62. Dividir el rango en un número adecuado de intervalos de clase del mismo tamaño. 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 marca de clase del intervalo 60-62 es (60+62)/2=61. Los intervalos de clase se eligen también de modo tal que las marcas de clase (o puntos medios) coincidan con los datos realmente observados. hallar las frecuencias de clase.5-59. la frecuencia relativa de la clase 66-68 de la tabla 2-1 es 42/100=42%. d) Marca de Clase La marca de clase. Determinar el número de observaciones que corresponden a cada intervalo de clase. según los datos. la amplitud del intervalo de clase es c=62. A la marca de clase también se le denomina punto medio de la clase. 4. Si todos los intervalos de una distribución de frecuencia son de la misma amplitud. Para los datos de la tabla 2-1. por ejemplo. DISTRIBUCION DE FRECUENCIA RELATIVA La frecuencia relativa de una clase es su frecuencia dividida entre la frecuencia total de todas las clases y se expresa generalmente como un porcentaje. usar intervalos de clase de distintos tamaños o intervalos de clase abiertos. En tal caso.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. a esta amplitud común se le denota por c. c es igual a la diferencia entre dos límites inferiores (o superiores) de clases sucesivas. Se suelen tomar entre 5 y 20 intervalos de clase.5=65.5=3. que es el punto medio del intervalo de clase. Por ejemplo. . De este modo. tamaño o longitud de clase. Si esto no es posible.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

45% [pic] [pic] 99.27% [pic] [pic] [pic] [pic] 95.Multimodal 68.73% a) Mesocúrtica a) Platocúrtica a) Leptocúrtica .

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

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

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

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

como en la Figura 8. En general. De este modo. la Tabla I muestra la distribución de frecuencias de la edad de 100 pacientes. por ejemplo. en qué rangos se encuentra la mayor parte de los datos. de un modo puramente visual. En cada grupo. comprobar la normalidad de alguna de las variables numéricas de las que se dispone. se obtiene una imagen que se llama polígono de frecuencias. se representa su valor medio. de resumir una variable de tipo numérico es utilizando el concepto de percentiles. dicha línea se encontrará en el centro de la caja. el 1er y 3er cuartil de la distribución. junto con su 95% intervalo de confianza.los datos en cada intervalo y el área de los rectángulos. resultan además de gran ayuda cuando se dispone de datos en distintos grupos de sujetos. Por otro lado. gráficamente. dos grupos de barras: uno para los sujetos con antecedentes cardiacos familiares y otro para los que no tienen este tipo de antecedentes. Dicha figura pretende mostrar. los diagramas de cajas resultan más apropiados para representar variables que presenten una gran desviación de la distribución normal. Los gráficos Q-Q se obtienen de modo análogo. Conviene recordar que el hecho de que dichos intervalos no se solapen. los puntos se concentran en torno a una línea recta. Se suelen también representar aquellas observaciones que caen fuera de este rango (outliers o valores extremos). Los extremos de los "bigotes" que salen de la caja son los valores que delimitan el 95% central de los datos. Si se divide este rango en intervalos de dos años. el primer tramo está comprendido entre los 18 y 19 años. aunque en ocasiones coinciden con los valores extremos de la distribución. Por último. La caja central indica el rango en el que se concentra el 50% central de los datos. Para cada grupo. para posteriores análisis. Así . Existen otros métodos gráficos específicos para este propósito. En la Figura 6se muestra el gráfico P-P correspondientes a los datos de la Tabla I que sugiere. Uniendo los puntos medios del extremo superior de las barras del histograma. comprendida entre los 18 y 42 años. y muy útil. ya que en otro caso el gráfico podría resultar engañoso. Un diagrama de cajas o un histograma son gráficos sencillos que permiten comprobar. como son los gráficos P-P o Q-Q. La línea central en la caja es la mediana. por medio del test t de Student. No se debe olvidar que cuando los tamaños de las dos poblaciones son diferentes. A partir de dicha muestra podemos representar. análisis de la varianza o métodos no paramétricos equivalentes. la comparación de variables continuas en dos o más grupos se realiza habitualmente en términos de su valor medio. mediante diagramas de cajas4. utilizando los datos anteriores. pero sí nos puede servir para valorar la magnitud de la misma. Comparación de dos o más grupos. suele ser necesario. LaFigura 5 muestra un gráfico de cajas correspondiente a los datos de la Tabla I. Cuando se quieren comparar las observaciones tomadas en dos o más grupos de individuos una vez más el método estadístico a utilizar. valorar su desviación de la normalidad. si la variable es simétrica. se confrontan las proporciones acumuladas de una variable con las de una distribución normal. al igual que el correspondiente histograma y el diagrama de cajas. Esto resulta especialmente útil para comprobar. se construye el histograma que se muestra en la Figura 3. Cuando se trabaja con dos variables cualitativas podemos seguir empleando gráficos de barras o de sectores. entre los que se encuentra el 4/100=4% del total. y así se ha de reflejar en el tipo de gráfico utilizado. En este caso resulta muy útil undiagrama de barras de error. Otro modo habitual. que la distribución de la variable se aleja de la normalidad. como se hace en la Figura 7. por lo tanto. la primera barra tendrá altura proporcional a 4. Sus extremos son. Si la variable seleccionada coincide con la distribución de prueba. Procediendo así sucesivamente. Como ejemplo. Por lo tanto. esta vez representando los cuantiles de distribución de la variable respecto a los cuantiles de la distribución normal. no implica necesariamente que la diferencia entre ambos grupos pueda ser estadísticamente significativa. se presenta en la Figura 4.5. por lo tanto. de la forma más simple. 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. Podemos querer determinar. Un ejemplo. la frecuencia de sujetos que padecen una enfermedad coronaria es más frecuente en aquellos que tienen algún familiar con antecedentes cardiacos. es conveniente utilizar las frecuencias relativas. dependen del tipo de variables que estemos manejando. y en lo que respecta a la descripción de los datos. Como se verá más adelante. así como los gráficos apropiados para visualizar esa relación. posibles errores en nuestros datos. se dibujan dos barras representando el porcentaje de pacientes que tienen o no alguna enfermedad coronaria. En los primeros. si en una muestra dada.

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

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

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

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

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

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

Dos diagramas de líneas superpuestos. 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 entre la talla y el peso de una muestra de individuos. Figura 11.Figura 10.

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

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

Sign up to vote on this title
UsefulNot useful