Tema 2 Estadstica descriptiva 1

1. Conceptos y objetivos de la estadstica descriptiva

ESTADSTICA: Conjunto de tcnicas y mtodos para:

Clasificar, organizar, representar y resumir (en suma hacer
entendible) la informacin obtenida de las variables observadas
sobre una muestra representativa.
Inferir (def.: inducir una cosa de otra) conclusiones para toda una
poblacin a partir de la informacin obtenida en la muestra.
Construir Modelos Matemticos que expresen relaciones entre
conjuntos de variables.
Estructurar la recogida de informacin (datos) de modo que la
inferencia se realice de forma ptima dentro de las restricciones
existentes (de capacidad de experimentacin u observacin, de
tiempo, econmicas, ...)

TIPOS DE POBLACIONES DE ESTUDIO:

POR TAMAO: Finitas (Alumnos matriculados en laFacultad

este curso) o infinitas (puntos de una superficie o de un
volumen)

POR ACCESIBILIDAD: Reales (Turistas que han visitado la

isla durante el ao 2001) o virtuales (Turistas que visitarn la
isla durante el ao 2003)

POBLACIN es un conjunto de objetos (o sujetos) de una misma

naturaleza, sobre los que se pretende realizar alguna clase de estudio:

Evaluar una o varias caractersticas de los objetos.
Evaluar las posibles relaciones existentes entre estas caractersticas.
Verificar la validez de alguna hiptesis previa.

Ejemplos:
Habitantes de Gran Canaria; ballenas del Mar del Norte; algas de una
especie determinada.

MUESTRA: Subconjunto de la poblacin

MUESTRA

REPRESENTATIVA:

muestra

cuyas

caractersticas

generales coinciden con las de la poblacin de la que se ha extraido.

Motivos importantes para utilizar muestras representativas en lugar de
la Poblacin:
Imposibilidad de acceder a toda la poblacin,
falta de tiempo para disponer de informacin de la poblacin,
costes elevados en la medicin y disposicin de las variables de
la poblacin, ...

VARIABLE: caracterstica definida sobre los elementos de un conjunto

(POBLACIN O MUESTRA) susceptible de tomar diferentes valores sobre

cada uno de los elementos de dicho conjunto. (Ej.: peso, edad,
temperatura,...)

Tablas y grficas para datos de tipo continuo

Para la construccin de una tabla de distribucin de
frecuencias para datos de tipo continuo seguiremos los siguientes
pasos :

1) Dividir la recta real en intervalos de la forma,

I j = [ x0 + ( j 1)h, x0 + jh) j Z ,
donde h es un nmero real positivo y x0 es un valor
arbitrario de la recta real. Al nmero h se le conoce como
amplitud del intervalo y al valor x0 se le conoce como
origen de la tabla de frecuencias.
2) Contar el nmero de datos f j que caen en cada intervalo

Ij.
3) Construir a partir de la informacin la tabla de
frecuencias. Por lo general aparecen cuatro columnas:
en la primera se disponen por filas y en orden creciente
los intervalos que contienen algn elemento, en la
segunda columna la marca de clase (semiamplitud de los
intervalos de la columna anterior, en la tercera la
frecuencia absoluta y en la cuarta la frecuencia
acumulada.

Nota : El valor x0 no presenta ningn problema pues es una valor

arbitrario, sin embargo la amplitud debe elegirse con cierto
cuidado para resumir de una forma ptima toda la informacin de
la muestra. Respecto a su eleccin suelen aplicarse una las
siguientes criterios:
a) h =

max min
log 2 n + 1

(Regla de Sturges )

1
3

b) h = 3.5 s n donde s es la desviacin tpica de los datos.

(Regla de Scott)

1
3

donde IQ es el rango intercuartlico de los datos.

c) h = 2 IQ n
(Regla de Freedman-Diaconis)

La tabla de frecuencias se puede representar grficamente de

la siguiente manera. A partir de un diagrama cartesiano se
construye para cada uno de los intervalos I j anteriores un
rectngulo que tenga por base a dicho intervalo y una altura
proporcional a la frecuencia, es decir, la altura es k f j . Desde
luego podemos tomar como alturas las frecuencias absolutas, es
decir, k =1. Esta representacin grfica recibe el nombre de
histograma. Es costumbre tomar como valor de k, el valor
1
k=
. De esta manera la suma de las reas de todos los
nh
rectngulos es igual a 1. Obsrvese que si nos dan un histograma
de esta manera y queremos calcular la proporcin de valores que
cae en un intervalo concreto I j debemos multiplicar la altura de
dicho intervalo por la amplitud de dicho intervalo, es decir,
Proporcin de medidas I j = a j h

donde a j representa la altura del rectngulo de base I j .

Ejemplo: Construir una tabla de frecuencias para los siguientes
30 datos. A continuacin pintar el histograma correspondiente.
14.4, 12.8, 12.8, 11.2, 11.4, 11.8, 7.83, 15.9, 8.1, 9.83, 2.59, 6.61,
5.76, 11.6, 11.6, 11.9, 5.46, 14.3, 6.78, 10.3, 13.5, 9.15, 11, 7.54,
10.7, 9.92, 7.95, 8.59, 12.8, 11.2
En primer lugar construimos los intervalos I j . Para ello,
elegimos x0 = 9 (Recurdese que es un valor arbitrario). Otro
valor que debemos determinar es h. Adoptaremos el criterio de

1
3

Scott h = 3.5 s n . Para nuestros datos h = 3.38.

I1 = [9 +

3.28 x (1-1), 9 + 3.28 x 1 ) = [9, 12.38)

I 2 = [9 + 3.38 x (2-1), 9 + 3.38 x 2) = [12.38, 15.76)

I 3 = [15.76 - 3.38, 15.76 + 3.38) = [15.76, 19.14). Este intervalo
va a ser el intervalo ms a la derecha pues no existe ningn dato
en la muestra superior a 19.14

I 0 = [9 + 3.38 x (0 -1), 9 + 3.38 x 0) = [5.62, 9)

I 1 = [5.62-3.38, 9-3.38) = [2.24, 5.62). Este intervalo va a ser el
intervalo ms a la izquierda pues no existe ningn dato en la
muestra inferior a 2.24.

La tabla de frecuencias queda de la siguiente manera :

Marca
[2.24, 5.62)
3.93
[5.62, 9.00)
7.31
[9.00, 12.38) 10.69
[12.38, 15.76) 14.07
[15.76, 19.14) 17.45

fr

Fr

2
8
13
6
1

2
10
23
29
30

2/30
8/30
13/30
6/30
1/30

2/30
10/30
23/30
29/30
1

Si representamos esta tabla de forma grfica obtenemos un

histograma para nuestros datos. Elegimos como factor de
proporcin a k = 1/ (30 x 3.38), es decir, las frecuencias relativas
divididas por la amplitud de los intervalos h.

En el histograma anterior las alturas de los intervalos son (

de izquierda a derecha ) : 0.0197 ; 0.078 ; 0.128 ; 0.059 ;
0.009 . Recuerda que estos valores son proporcionales a las
frecuencias relativas (no son las frecuencias relativas).
Ejercicio : Construir una tabla de frecuencias para los
siguientes 30 datos. A continuacin pintar el histograma
correspondiente.
14.8, 11.7, 4.42, 9.46, 10.5, 7.11, 10.7, 10.7, 13.7, 9.02, 3.67,
13.8, 5.29, 9.03, 10.6, 8.99, 9.25, 10.8, 17, 17.9, 9.28, 10.7, 6.78,
12.8, 5.06, 8.06, 6.51, 9.63, 9.11, 11.6

Otra grfica muy comn en estadstica para datos de tipo

continuo es el polgono de frecuencias. Es muy fcil de obtener:
a partir de un histograma se unen a travs de una recta los puntos
medios del lado superior de los rectngulos. Para los datos del
ejemplo anterior el polgono de frecuencias es el siguiente.

Aparte del polgono de frecuencias, tambin suele hablarse

del polgono de frecuencias acumuladas. Es tambin muy fcil
de hacer: A partir de un diagrama cartesiano se pinta para cada
intervalo I i los ( x0 + (i 1)h, Fr ( i 1) ) y ( x0 + ih, Fr (i ) )
donde

Fr (i ) denota la frecuencia relativa correspondiente al intervalo i

y Fr ( i 1) la frecuencia relativa del intervalo anterior al I i . En
caso de que esta ltima frecuencia no exista en la tabla se tomar

como cero. Para el ejemplo anterior el valor el polgono de

frecuencias acumuladas es el siguiente.

Nota : El histograma, el polgono de frecuencias y el polgono de

frecuencias acumuladas son grficas que se construyen a partir de
la tabla de frecuencias correspondiente.
__________________________________________
Para datos de tipo continuo, aparte de las grficas, tablas y
funciones anteriormente explicadas, existe otra funcin usual de
cierta importancia: la funcin de distribucin emprica. Esta
funcin se define a partir de los datos iniciales y no precisa de
clculos intermedios como los anteriores. Es decir, no hay que
agrupar por intervalos ni nada por el estilo

Dado un muestra de datos x1 , x2 ,..., xn se llama funcin de

distribucin emprica a,
Fn ( x) =

n de datos x 1
= Ind ( xi x)
n
n i =1

Mostramos a continuacin la funcin de distribucin emprica

para el ejemplo anterior.

Obsrvese que esta funcin es una funcin discontinua y tiene

forma escalonada. Estas dos caractersticas las va a tener siempre.