Apunte Estd 01

Valdivia
Estadística Descriptiva
1. Introducción:
1. Conceptos de: Población, muestra, subpoblación.
2. Variables estadísticas, clasificación.
2. Tablas Estadísticas: Tipos
3. Técnicas de recuento.
4. Distintos tipos de frecuencia.
5. Medidas estadísticas:
1. Centralización: Moda, Mediana y Media.
2. Dispersión: Desviación, desviación media, desviación típica, varianza.
3. Localización: Cuartiles, deciles, percentiles.
4. Simetría.
5. Curtosis.
Introducción:
La palabra "estadística" suele utilizarse bajo dos significados distintos, a saber:
1º Como colección de datos numéricos.- Esto es el significado más vulgar de la

palabra estadística. Se sobrentiende que dichos datos numéricos han de estar
presentados de manera ordenada y sistemática. Una información numérica cualquiera
puede no constituir una estadística, para merecer este apelativo, los datos han de
constituir un conjunto coherente, establecido de forma sistemática y siguiendo un
criterio de ordenación.
Tenemos muchos ejemplos de este tipo de estadísticas. El Anuario Estadístico

publicado por el Instituto Nacional de Estadística, El Anuario de Estadísticas del
Trabajo,…
2º Como ciencia.- En este significado, La Estadística estudia el comportamiento de los

fenómenos de masas. Como todas las ciencias, busca las características generales de
un colectivo y prescinde de las particulares de cada elemento. Así por ejemplo al
investigar el sexo de los nacimientos, iniciaremos el trabajo tomando un grupo
numeroso de nacimientos y obtener después la proporción de varones. Es muy
frecuente enfrentarnos con fenómenos en los que es muy difícil predecir el resultado;
así, no podemos dar una lista ,con las personas que van a morir con una cierta edad,
o el sexo de un nuevo ser hasta que transcurra un determinado tiempo de embarazo,
…
Por tanto, el objetivo de la estadística es hallar las regularidades que se encuentran

en los fenómenos de masa.
Población, elementos y caracteres.
Es obvio que todo estudio estadístico ha de estar referido a un conjunto o colección

de personas o cosas. Este conjunto de personas o cosas es lo que denominaremos
población.
Las personas o cosas que forman parte de la población se denominan elementos. En

sentido estadístico un elemento puede ser algo con existencia real, como un
Profesor:Erwin Belmar Torres. 1

Estadístico
Valdivia
automóvil o una casa, o algo más abstracto como la temperatura, un voto, o un
intervalo de tiempo.
A su vez, cada elemento de la población tiene una serie de características que

pueden ser objeto del estudio estadístico. Así por ejemplo si consideramos como
elemento a una persona, podemos distinguir en ella los siguientes caracteres:
Sexo, Edad, Nivel de estudios, Profesión, Peso, Altura, Color de pelo,Etc.
Luego por tanto de cada elemento de la población podremos estudiar uno o más
aspectos cualidades o caracteres.
La población puede ser según su tamaño de dos tipos:
Población finita: cuando el número de elementos que la forman es finito, por

ejemplo el número de alumnos de un centro de enseñanza, o grupo clase.
Población infinita: cuando el número de elementos que la forman es infinito,

o tan grande que pudiesen considerarse infinitos.. Como por ejemplo si se
realizase un estudio sobre los productos que hay en el mercado. Hay tantos y
de tantas calidades que esta población podría considerarse infinita.
Ahora bien, normalmente en un estudio estadístico, no se puede trabajar con todos

los elementos de la población sino que se realiza sobre un subconjunto de la misma.
Este subconjunto puede ser una muestra, cuando se toman un determinado número
de elementos de la población, sin que en principio tengan nada en común; o una
subpoblación, que es el subconjunto de la población formado por los elementos de
la población que comparten una determinada característica, por ejemplo de los
alumnos del centro la subpoblación formada por los alumnos de 3º ESO, o la
subpoblación de los varones.
Variables y atributos.
Como hemos visto, los caracteres de un elemento pueden ser de muy diversos tipos,
por lo que los podemos clasificar en: dos grandes clases:
Variables Cuantitativas.
Variables Cualitativas o Atributos.
Las variables cuantitativas son las que se describen por medio de números, como por
ejemplo el peso, Altura, Edad, Número de Suspensos…
A su vez este tipo de variables se puede dividir en dos subclases:
• Cuantitativas discretas. Aquellas a las que se les puede asociar un número

entero, es decir, aquellas que por su naturaleza no admiten un fraccionamiento
de la unidad, por ejemplo número de hermanos, páginas de un libro, etc.
• Cuantitativas continuas: Aquellas que no se pueden expresar mediante un
número entero, es decir, aquellas que por su naturaleza admiten que entre dos
Estadístico
Valdivia
valores cualesquiera la variable pueda tomar cualquier valor intermedio, por
ejemplo peso, tiempo. etc.
No obstante en muchos casos el tratamiento estadístico hace que a variables

discretas las trabajemos como si fuesen continuas y viceversa.
Los atributos son aquellos caracteres que para su definición precisan de palabras, es
decir, no le podemos asignar un número. Por ejemplo Sexo Profesión, Estado Civil,
etc.
A su vez las podemos clasificar en:
• Ordenables: Aquellas que sugieren una ordenación, por ejemplo la graduación

militar, El nivel de estudios, etc.
• No ordenables: Aquellas que sólo admiten una mera ordenación alfabética,
pero no establece orden por su naturaleza, por ejemplo el color de pelo, sexo,
estado civil, etc.
Tablas Estadísticas:
A partir de este momento nos vamos a ocupar de las estadísticas de una sola
variable, "Estadísticas Unidimensionales".
Las tablas estadísticas según el número de observaciones y según el recorrido de la

variable estadística, así tenemos los siguientes tipos de tablas estadísticas:
Tablas tipo I:
Cuando el tamaño de la muestra y el recorrido de la variable son pequeños, por

ejemplo si tenemos una muestra de las edades de 5 personas, por lo que no hay que
hacer nada especial simplemente anotarlas de manera ordenada en filas o columnas.
Edad de los 5 miembros de una familia:
5, 8, 16, 38, 45
Tablas tipo II:
Cuando el tamaño de la muestra es grande y el recorrido de la variable es pequeño,

por lo que hay valores de la variable que se repiten. Por ejemplo, si preguntamos el
número de personas activas que hay en 50 familias obtenemos la siguiente tabla:
Personas Activas en 50 familias
2 1 2 2 1 2 4 2 1 1
2 3 2 1 1 1 3 4 2 2
2 2 1 2 1 1 1 3 2 2

Estadístico
Valdivia
3 2 3 1 2 4 2 1 4 1
1 3 4 3 2 2 2 1 3 3
Podemos observar que la variable toma valores comprendidos entre 1 y 4, por lo que
precisaremos una tabla en la que resumamos estos datos quedando la siguiente
tabla:
Personas Número de
Activas Familias
1 16
2 20
3 9
4 5
Total 50
Tablas tipo III:
Cuando el tamaño de la muestra y el recorrido de la variable son grandes, por lo que

será necesario agrupar en intervalos los valores de la variable. Por ejemplo si a un
grupo de 30 alumnos les preguntamos el dinero que en ese momento llevan encima,
nos encontramos con los siguientes datos:
450 1152 250 300 175 80 25 2680 605 785 1595 2300 5000 1200 100
5 180 200 675 500 375 1500 205 985 185 125 315 425 560 110
0
Evidentemente, la variable estadística tiene un recorrido muy grande, 4998 pesetas,

por lo que sí queremos hacer una tabla con estos datos tendremos que tomar
intervalos. Para decidir la amplitud de los intervalos, necesitaremos decidir ¿cuántos
intervalos queremos?. Normalmente se suele trabajar con no más de 10 o 12
intervalos.
Amplitud =4998/10 = 499,8 Por lo que tomaremos intervalos de amplitud 500
Debemos tener en cuenta las siguientes consideraciones:
Tomar pocos intervalos implica que la "pérdida de información" sea mayor.

Estadístico
Valdivia
Los intervalos serán siempre Cerrados por la izquierda y Abiertos por la Derecha [ Li-1 ,
Li )
Procuraremos que en la decisión de intervalos los valores observados no coincidan

con los valores de los extremos del intervalo y si esto ocurre que no sea en más de un
5% del total de observaciones.
Con estas recomendaciones tendremos la siguiente tabla:
[ Li-1 , Li ) Frecuenci
a
[ 0,500) 16
[ 500, 1000) 6
[ 1000,1500 3
)
[ 1500, 2
2000)
[ 2000, 1
2500)
[ 2500, 1
3000)
[ 3000, 0
3500)
[ 3500, 0
4000)
[ 4000, 0
4500)
[ 4500, 0
5000)
[ 5000,5500 1
)
1.3. Técnicas de recuento.
Aunque hoy en día, si se realiza un estudio estadístico importante esta tarea la realiza
el ordenador, ya sea por medio de programas de estadística específicos BMDP, SPSS,
o bien utilizando herramientas informáticas de propósito general como Bases de
Datos u Hojas de Cálculo
A lo largo del curso, veremos como mediante hojas de cálculo o bases de datos
podemos realizar este recuento.

Estadístico
Valdivia
Veamos como realizaríamos este proceso manualmente, para ello veremos diversas
técnicas de ir anotando 53-1-u-puntuaciones:
Aunque el método más utilizado o conocido sea el primero, quizás el más cómodo de
utilizar es el 2º en la mayoría de los casos.
Distintos Tipos de Frecuencia:
Una de los primeros pasos que se realizan en cualquier estudio estadístico es la

tabulación de resultados, es decir, recoger la información de la muestra resumida en
una tabla en la que a cada valor de la variable se le asocian determinados números
que representan el número de veces que ha aparecido, su proporción con respecto a
otros valores de la variable, etc. Estos números se denominan frecuencias: Así
tenemos los siguientes tipos de frecuencia:
1. Frecuencia absoluta
2. Frecuencia relativa
3. Porcentaje
4. Frecuencia absoluta acumulada
5. Frecuencia relativa acumulada
6. Porcentaje acumulado
7. Ejemplo
Frecuencia absoluta:
La frecuencia absoluta de una variable estadística es el número de veces que aparece

f (xi)
en la muestra dicho valor de la variable, la representaremos por a
Frecuencia relativa:

Estadístico
Valdivia
La frecuencia absoluta, es una medida que está influida por el tamaño de la muestra,
al aumentar el tamaño de la muestra aumentará también el tamaño de la frecuencia
absoluta. Esto hace que no sea una medida útil para poder comparar. Para esto es
necesario introducir el concepto de frecuencia relativa, que es el cociente entre la
frecuencia absoluta y el tamaño de la muestra. La denotaremos por fr.
fa(xi)
fr (xi) =
n
Donde n = Tamaño de la muestra
Porcentaje:
La frecuencia relativa es un tanto por uno, sin embargo, hoy día es bastante
frecuente hablar siempre en términos de tantos por ciento o porcentajes, por lo que
esta medida resulta de multiplicar la frecuencia relativa por 100. La denotaremos por
p i.
p(xi) = fr (xi) ●100%
Frecuencia Absoluta Acumulada:
Para poder calcular este tipo de frecuencias hay que tener en cuenta que la variable
estadística ha de ser cuantitativa o cualitativa ordenable. En otro caso no tiene
mucho sentido el cálculo de esta frecuencia. La frecuencia absoluta acumulada de un
valor de la variable, es el número de veces que ha aparecido en la muestra un valor
menor o igual que el de la variable y lo representaremos por Fa(xi)
Frecuencia Relativa Acunulada:
Al igual que en el caso anterior la frecuencia relativa acumulada es la frecuencia

absoluta acumulada dividido por el tamaño de la muestra, y la denotaremos por Fr

Estadístico
Valdivia
Fa(xi)
Fr =
n
Porcentaje Acumulado:
Análogamente se define el Porcentaje Acumulado y lo vamos a denotar por Pi como la

frecuencia relativa acumulada por 100.
Veamos esto con un ejemplo: Tomamos para ello los datos relativos a las personas
activas.
Personas Activas Número

Familias
Xi ni Fi pi Ni Fi Pi
1 16 16/50 32% 16 16/50 32%
2 20 20/50 40% 36 36/50 72%
3 9 9/50 18% 45 45/50 90%
4 5 5/50 10% 50 50/50 100%
Total 50
En este ejemplo se puede ver fácilmente como se calculan estas frecuencias.
Medidas Estadísticas:
1. Introducción.
2. Tipos de Medida
3. Algunas consideraciones

Estadístico
Valdivia
INTRODUCCIÓN:
En el resto del tema nos ocuparemos exclusivamente de las variable cuantitativas,

puesto que con los atributos no se pueden realizar operaciones aritméticas. Como
hemos estudiado, las variables estadísticas cuantitativas se dividen o clasifican en
discretas o continuas, por lo que necesitaremos precisar cómo se calculan dichas
medidas en cada caso.
En las variables cuantitativas continuas, dado que la tabulación de los datos se hace
mediante intervalos, necesitaremos tomar un valor del intervalo para poder operar.
Este valor se denomina marca de clase y es el 53-1-u-punto medio del intervalo.
Las medidas estadísticas pretenden "resumir" la información de la "muestra" para

poder tener así un mejor conocimiento de la población. Se clasifican en:
TIPOS DE MEDIDA:
1. Medidas de Centralización:
o Que sirven para determinar los valores centrales o medios de la
dsitribución
2. Medidas de Dispersión:
o Nos van a dar una idea sobre la representatividad de las medidas
centrales, a mayor dispersión menor representatividad.
3. Medidas de Localización:
o Útiles para encontrar determinados valores importantes, para una
"clasificación" de los elementos de la muestra o población.
4. Medidas de la Simetría:
o Sirven para ver si la distribución tiene el mismo comportamiento por
encima y por debajo de los valores centrales.
5. Ejemplo del cálculo de los coeficientes de simetría y Curtósis
ALGUNAS CONSIDERACIONES:

Estadístico
Valdivia
El Estadístico Yule ha definido algunas propiedades deseables para una medida
estadística:
1. Debe definirse de manera objetiva: dos observadores distintos deben llegar al

mismo resultado numérico.
2. Usar todas las observaciones y no algunas de ellas solamente, de manera que si
varia alguna observación la medida considerada debe reflejar esta variación.
3. Tener un significado concreto: la interpretación debe ser inmediata y sencilla.
4. Ser sencilla de calcular.
5. Prestarse fácilmente al cálculo algebraico: Lo que permitirá demostraciones
mas elegantes.
6. Ser poco sensible a las fluctuaciones muestrales. Esta condición es
imprescindible en la Estadística Matemática y en la Teoría de Sondeos.
Medidas de Centralización:
1. Media
1. Media aritmética
2. Media geomética
3. Media armónica
2. Mediana
1. Variable discreta.
2. Variable contínua.
3. Moda
1. Variable discreta.
2. Variable contínua.
MEDIA:
Vamos a estudiar en este apartado los distintos tipos de media que hemos detallado
en el apartado anterior
Media aritmética:
La media aritmética de una variable se define como la suma ponderada de los valores
de la variable por sus frecuencias relativas y lo denotaremos por y se calcula
mediante la expresión:
xi representa el valor de la variable o en su caso la marca

de clase.

Estadístico
Valdivia
Propiedades:
1. Si multiplicamos o dividimos todas las observaciones por un mismo número, la

media queda multiplicada o dividida por dicho numero.
2. Si le sumamos a todas las observaciones un mismo número, la media
aumentará en dicha cantidad.
3. Además de la media aritmética existen otros conceptos de media, como son la
media geométrica y la media armónica.
MEDIA:
Vamos a estudiar en este apartado los distintos tipos de media que hemos detallado
en el apartado anterior
Media aritmética:
La media aritmética de una variable se define como la suma ponderada de los valores
de la variable por sus frecuencias relativas y lo denotaremos por y se calcula
mediante la expresión:
xi representa el valor de la variable o en su caso la marca

de clase.
Propiedades:
1. Si multiplicamos o dividimos todas las observaciones por un mismo número, la

media queda multiplicada o dividida por dicho numero.
2. Si le sumamos a todas las observaciones un mismo número, la media
aumentará en dicha cantidad.
3. Además de la media aritmética existen otros conceptos de media, como son la
media geométrica y la media armónica.
Media geométrica:
La media geométrica de N observaciones es la raíz de índice N del producto de todas

las observaciones. La representaremos por G.
Solo se puede calcular si no hay observaciones negativas. Es una medida estadística

poco o nada usual.

Estadístico
Valdivia
Media armónica:
La media armónica de N observaciones es la inversa de la media de las inversas de

las observaciones y la denotaremos por H
Al igual que en el caso de la media geométrica su utilización es bastante poco

frecuente.
Mediana:
La mediana es el valor central de la variable, es decir, supuesta la muestra ordenada

en orden creciente o decreciente, el valor que divide en dos partes la muestra.
Para calcular la mediana debemos tener en cuenta si la variable es discreta o

continua.
Cálculo de la mediana en el caso discreto:
Tendremos en cuenta el tamaño de la muestra.
Si N es Impar, hay un término central, el término que será el valor de la

mediana.
Si N es Par, hay dos términos centrales, la mediana será la media de

esos dos valores
Veamos un ejemplo.
N parN Impar

Estadístico
Valdivia
1,4,6,7,8,9,12,16,20, 24,25,27 N=12 1,4,6,7,8,9,12,16,20, 24,25,27,30 N=13
Términos Centrales el 6º y 7º 9 y 12 Término Central el 7º , 12
Me=12
Me=
Cálculo de la mediana en el caso continuo:
Si la variable es continua, la tabla vendrá en intervalos, por lo que se calcula de la

siguiente forma:
Nos vamos a apoyar en un gráfico de un histograma de frecuencias acumuladas.
De donde la mediana vale: donde ai es la amplitud del

intervalo
Veámoslo por medio de un ejemplo.
Supongamos los pesos de un grupo de 50 personas se distribuyen de la siguiente

forma:
Li-1 Li ni Ni Como el tamaño de la muestra es N=50, buscamos el intervalo en

45 55 6 6 el que la Frecuencia acumulada es mayor que 50/2=25, que en
55 65 10 16

Estadístico
Valdivia
65 75 19 35
75 85 11 46
85 95 4 50
este caso es el 3º y aplicamos la fórmula anterior. Luego la
Mediana será
MODA:
Me=
La moda es el valor de la variable que tenga mayor frecuencia absoluta, la que más
se repite, es la única medida de centralización que tiene sentido estudiar en una
variable cualitativa, pues no precisa la realización de ningún cálculo.
Por su propia definición, la moda no es única, pues puede haber dos o más valores de
la variable que tengan la misma frecuencia siendo esta máxima. En cuyo caso
tendremos una distribución bimodal o polimodal según el caso.
Por lo tanto el cálculo de la moda en distribuciones discretas o cualitativas no precisa

de una explicación mayor; sin embargo, debemos detenernos un poco en el cálculo
de la moda para distribuciones cuantitativas continuas.
Apoyándonos en el gráfico podemos llegar a la determinación de la expresión para la
Moda que es:
Otros autores dan una expresión aproximada para la moda que viene dada por la
siguiente expresión:

Estadístico
Valdivia
Veamos su cálculo mediante un ejemplo, para ello usaremos los datos del apartado
anterior
Li-1 Li ni Ni
45 55 6 6
55 65 10 16
Utilizando la fórmula aproximada
65 75 19 35
75 85 11 46
85 95 4 50
MEDIDAS DE DISPERSIÓN:
1. Breve Introducción
2. Rango
3. Concepto de desviación
4. Desviación Media
5. Varianza
6. Desviación Típica
7. Cuasivarianza
8. Cuasi Desviación típica
9. Coeficiente de Variación
10. Ejemplo
Breve Introducción
Hasta el momento hemos estudiado los valores centrales de la distribución, pero

también es importante conocer si los valores en general están cerca o alejados de
estos valores centrales, es por lo que surge la necesidad de estudiar medidas de
dispersión.
Rango:
Es la primera medida que vamos a estudiar, se define como la diferencia existente

entre el valor mayor y el menor de la distribución,. Lo notaremos como R. Realmente

Estadístico
Valdivia
no es una medida muy significativa e la mayoría de los casos, pero indudablemente
es muy fácil de calcular.
Hemos estudiado varias medidas de centralización, por lo que podemos hablar de

desviación con respecto a cualquiera de ellas, sin embargo, la mas utilizada es con
respecto a la media.
Desviación: Es la diferencia que se observa entre el valor de la variable y la media

aritmética. La denotaremos por di .
No es una medida, son muchas medidas, pues cada valor de la variable lleva asociada
su correspondiente desviación, por lo que precisaremos una medida que resuma
dicha información.
La primera solución puede ser calcular la media de todas las desviaciones, es decir, si
consideramos como muestra la de todas las desviaciones y calculamos su media.
Pero esta solución es mala pues como veremos siempre va a ser 0.
Luego por lo tanto esta primera idea no es valida, pues las desviaciones positivas se
contrarrestan con las negativas.
Para resolver este problema, tenemos dos caminos:
• Tomar el valor absoluto de las desviaciones. Desviación media

• Elevar al cuadrado las desviaciones. Varianza.
Desviación media:
Es la media de los valores absolutos de las desviaciones, y la denotaremos por dm.
Varianza:

Estadístico
Valdivia
Es la media de los cuadrados de las desviaciones, y la denotaremos por o también
por .
Aunque también es posible calcularlo como:
Este estadístico tiene el inconveniente de ser poco significativo, pues se mide en el

cuadrado de la unidad de la variable, por ejemplo, si la variable viene dada en cm. La
varianza vendrá en cm2.
Desviación típica:
Es la raíz cuadrada de la varianza, se denota por Sx o σx.
Este estadístico se mide en la misma unidad que la variable por lo que se puede
interpretar mejor.
Otros dos estadísticos importantes son la cuasivarianza y la cuasidesviación típica,

que como veremos cuando estudiemos el tema de estimación estadística, son los
estimadores de la varianza y desviación típica poblacionales respectivamente.
Cuasivarianza:
Es una medida de dispersión, cuya única diferencia con la varianza es que dividimos
por N-1, la representaremos por o y la calcularemos de la siguiente forma:

Estadístico
Valdivia
Cuasidesviación típica:
La raíz cuadrada de la cuasivarianza y la denotaremos por SN—1 o  .

N-1
Todas estas medidas de dispersión vienen influidas por la unidad en la que se mide la
variable, esto implica que si cambiamos de unidad de medida, los valores de estos
estadísticos se vean a su vez modificados. Además, no permite comparar por
ejemplo, en un grupo de alumnos si los pesos o las alturas presentan mas dispersión.
Pues no es posible comparar unidades de distinto tipo.
Precisamos por lo tanto, una medida "escalar", es decir, que no lleve asociado
ninguna unidad de medida.
Coeficiente de Variación:
Es un estadístico de dispersión que tiene la ventaja de que no lleva asociada ninguna

unidad, por lo que nos permitirá decir entre dos muestras, cual es la que presenta
mayor dispersión. La denotaremos por C.V.
Ejemplo
Veamos por último un ejemplo de cómo se calculan todas estas medidas.
45 55 6 6 50 300 -19,4 116,4 2258,16 15000

55 65 10 16 60 600 -9,4 94 883,6 36000
65 75 19 35 70 1330 0,6 11,4 6,84 93100
75 85 11 46 80 880 10,6 116,6 1235,96 70400
85 95 4 50 90 360 20,6 82,4 1697,44 32400
N= 50 3470 420,8 6082 246900

Estadístico
Valdivia
Dm=
C.V.=
Medidas de Localización: Cuartiles, deciles y percentiles.
Las medidas de localización dividen la distribución en partes iguales, sirven para

clasificar a un individuo o elemento dentro de una determinada población o muestra.
Así en psicología los resultados de los test o pruebas que realizan a un determinado
individuo, sirve para clasificar a dicho sujeto en una determinada categoria en función
de la 53-1-u-puntuacióMn obtenida.
1. Cuartiles.
2. Deciles.
3. Percentiles.
4. Ejemplos de cálculo.
5. Algunas medidas de dispersión asociadas
Cuartiles
Medida de localización que divide la población o muestra en cuatro partes iguales.
• Q1= Valor de la variable que deja a la izquierda el 25% de la distribución.

• Q2= Valor de la variable que deja a la izquierda el 50% de la distribución =
mediana.
• Q3= Valor de la variable que deja a la izquierda el 75% de la distribución.
Al igual que ocurre con el cálculo de la mediana, el cálculo de estos estadísticos,

depende del tipo de variable.
Caso I: Variable cuantitativa discreta:

Estadístico
Valdivia
En este caso tendremos que observar el tamaño de la muestra: N y para
calcular Q1 o Q3 procederemos como si tuviésemos que calcular la mediana de
la correspondiente mitad de la muestra.
Caso II: Variable cuantitativa continua:
En este caso el cálculo es más simple:, sea la distribución que sigue:
[Li-2 -- Li-1) ni-1 Ni-1
[Li-1 -- Li) ni Ni
Siendo el intervalo coloreado donde se encuentra el Cuartil correspondiente:
Deciles
Medida de localización que divide la población o muestra en 10 partes iguales
No tiene mucho sentido calcularlas para variables cualitativas discretas. Por lo que lo
vamos a ver sólo para las variables continuas.
dk = Decil k-simo es aquel valor de la variable que deja a su izquierda el k·10 % de la

distribución.
[Li-2 -- Li-1) ni-1 Ni-1

[Li-1 -- Li) ni Ni Intervalo donde se encuentra el Decil correspondiente:
k = 1 .. 9
Percentiles:
Medida de localización que divide la población o muestra en 100 partes iguales
No tiene mucho sentido calcularlas para variables cualitativas discretas. Por lo que lo
vamos a ver sólo para las variables continuas.

Estadístico
Valdivia
pk = Percentil k-simo es aquel valor de la variable que deja a su izquierda el k % de la
distribución.
[Li-2 -- Li-1) ni-1 Ni-1

[Li-1 -- Li) ni Ni Intervalo donde se encuentra el percentil
corespondiente:
k=1 .. 99
EJEMPLO:
Como se puede observar la forma de calcular estas medidas es muy similar a la del
cálculo de la mediana.
Veamos el cálculo de algunas de estas medidas en el ejemplo que estamos

estudiando.
Vamos a calcular Q1,Q3, d3, y p45
Li-1 Li ni Ni
45 55 6 6
55 65 10 16
65 75 19 35
75 85 11 46
85 95 4 50
Cálculo de Q1: Buscamos en la columna de las frecuencias Acumuladas el valor que

supere al 25% de N=50, corresponde al 2º intervalo.(50/4=12.5)
Análogamente calculemos Q3, Buscamos ahora en la misma columna el

correspondiente al 75 %de N que en este caso es el 4º intervalo (3.50/4=37.5)

Estadístico
Valdivia
Veamos ahora el decil 3º. (corresponde al 30 % 3 · 50 / 10 = 15) sería el 2º intervalo.
Por último veamos el percentil 45 (45·50/100 = 22.5) Corresponde al intervalo 3º.
Algunas medidas de Dispersión asociadas
Una vez estudiadas las medidas de localización surgen dos nuevas medidas de
dispersión, que son:
• Recorrido intercuartílico:
• Semirecorrido intercuartílico:
• Recorrido interdecílico:
• Recorrido intercentilico:
Medidas de Simetría:
Las medidas de la asimetría, al igual que la curtosis, van a ser medidas de la forma de
la distribución, es frecuente que los valores de una distribución tiendan a ser
similares a ambos lados de las medidas de centralización. La simetría es importante
para saber si los valores de la variable se concentran en una determinada zona del
recorrido de la variable.
As<0 As=0 As>0

Estadístico
Valdivia
Asimetría Negativa a la Simétrica Asimetría Positiva a la

Izquierda Derecha.
Para medir la asimetría se puede realizar atendiendo básicamente a dos criterios:
• Comparando la Media y la Moda.

• Comparando los valores de la variable con la media.
Comparando la Media y la Moda:
Si la diferencia es positiva, diremos que hay asimetría positiva o a la

derecha, en el caso de que sea negativa diremos que hay asimetría negativa o a la
izquierda. No obstante, esta medida es poco operativa al no ser una medida relativa,
ya que esta influida por la unidad en que se mida la variable, por lo que se define el
coeficiente de Asimetría como:
Esta medida es muy fácil de calcular, pero menos precisa que el coeficiente de
asimetría de Pearson.
El coeficiente de asimetría de Pearson, se basa en la comparación con la media de

todos los valores de la variable, así que es una medida que se basará en las
diferencias , como vimos en el caso de la dispersión si medimos la media de
esas desviaciones sería nulas, si las elevamos al cuadrado, serían siempre positivas
por lo que tampoco servirían, por lo tanto precisamos elevar esas diferencias al cubo.
Para evitar el problema de la unidad, y hacer que sea una medida escalar y por lo
tanto relativa, dividimos por el cubo de su desviación típica. Con lo que resulta la
siguiente expresión:

Estadístico
Valdivia
Medida de a53-1-u-puntamiento, Curtosis:
La curtosis es una medida del a53-1-u-puntamiento, que nos indicará si la distribución

es muy a53-1-u-puntada o poco a53-1-u-puntada
Curtosis Negativa Curtosis nula Curtosis Positiva
Platicúrtica Mesocúrtica Leptocúrtica
Como podemos observar, el coeficiente de curtosis nos mide el grado de a53-1-u-

puntamiento de la distribución. Este coeficiente lo vamos a denotar por K y se calcula
según la siguiente expresión:
Veamos por último el cálculo de estos dos últimos coeficientes en el ejemplo que
estamos estudiando.
45 55 6 6 50 300 -19,4 - 849881,098

43808,30
4
55 65 10 16 60 600 -9,4 -8305,84 78074,896
65 75 19 35 70 1330 0,6 4,104 2,4624
75 85 11 46 80 880 10,6 13101,17 138872,466
6
85 95 4 50 90 360 20,6 34967,26 720325,638
4

Estadístico
Valdivia
N= 50 3470 -4041,6 1787156,56
Mo= 70.24
As=
Coeficiente de Asimetría
de Pearson As=
K=
Luego es una distribución asimétrica negativa o a la izquierda y Platicúrtica.

Estadístico

Apunte Estd 01

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apunte Estd 01

Cargado por

Copyright:

Formatos disponibles

Valdivia

La palabra "estadística" suele utilizarse bajo dos significados distintos, a saber:

1º Como colección de datos numéricos.- Esto es el significado más vulgar de la

Tenemos muchos ejemplos de este tipo de estadísticas. El Anuario Estadístico

2º Como ciencia.- En este significado, La Estadística estudia el comportamiento de los

Por tanto, el objetivo de la estadística es hallar las regularidades que se encuentran

Población, elementos y caracteres.

Es obvio que todo estudio estadístico ha de estar referido a un conjunto o colección

Las personas o cosas que forman parte de la población se denominan elementos. En

Profesor:Erwin Belmar Torres. 1

A su vez, cada elemento de la población tiene una serie de características que

Sexo, Edad, Nivel de estudios, Profesión, Peso, Altura, Color de pelo,Etc.

La población puede ser según su tamaño de dos tipos:

Población finita: cuando el número de elementos que la forman es finito, por

Población infinita: cuando el número de elementos que la forman es infinito,

Ahora bien, normalmente en un estudio estadístico, no se puede trabajar con todos

Variables Cualitativas o Atributos.

A su vez este tipo de variables se puede dividir en dos subclases:

• Cuantitativas discretas. Aquellas a las que se les puede asociar un número

No obstante en muchos casos el tratamiento estadístico hace que a variables

A su vez las podemos clasificar en:

• Ordenables: Aquellas que sugieren una ordenación, por ejemplo la graduación

Las tablas estadísticas según el número de observaciones y según el recorrido de la

Cuando el tamaño de la muestra y el recorrido de la variable son pequeños, por

Edad de los 5 miembros de una familia:

Tablas tipo II:

Cuando el tamaño de la muestra es grande y el recorrido de la variable es pequeño,

Personas Activas en 50 familias

Profesor:Erwin Belmar Torres. 3

Tablas tipo III:

Cuando el tamaño de la muestra y el recorrido de la variable son grandes, por lo que

Evidentemente, la variable estadística tiene un recorrido muy grande, 4998 pesetas,

Amplitud =4998/10 = 499,8 Por lo que tomaremos intervalos de amplitud 500

Debemos tener en cuenta las siguientes consideraciones:

Tomar pocos intervalos implica que la "pérdida de información" sea mayor.

Profesor:Erwin Belmar Torres. 4

Procuraremos que en la decisión de intervalos los valores observados no coincidan

Con estas recomendaciones tendremos la siguiente tabla:

1.3. Técnicas de recuento.

Profesor:Erwin Belmar Torres. 5

Distintos Tipos de Frecuencia:

Una de los primeros pasos que se realizan en cualquier estudio estadístico es la

La frecuencia absoluta de una variable estadística es el número de veces que aparece

Profesor:Erwin Belmar Torres. 6

Donde n = Tamaño de la muestra

p(xi) = fr (xi) ●100%

Frecuencia Absoluta Acumulada:

Frecuencia Relativa Acunulada:

Al igual que en el caso anterior la frecuencia relativa acumulada es la frecuencia

Profesor:Erwin Belmar Torres. 7

Análogamente se define el Porcentaje Acumulado y lo vamos a denotar por Pi como la

Personas Activas Número

En este ejemplo se puede ver fácilmente como se calculan estas frecuencias.

Profesor:Erwin Belmar Torres. 8

En el resto del tema nos ocuparemos exclusivamente de las variable cuantitativas,

Las medidas estadísticas pretenden "resumir" la información de la "muestra" para

Profesor:Erwin Belmar Torres. 9

1. Debe definirse de manera objetiva: dos observadores distintos deben llegar al

xi representa el valor de la variable o en su caso la marca

Profesor:Erwin Belmar Torres. 10

1. Si multiplicamos o dividimos todas las observaciones por un mismo número, la

xi representa el valor de la variable o en su caso la marca

1. Si multiplicamos o dividimos todas las observaciones por un mismo número, la