Descript Iva

Estadstica Descriptiva o Anlisis Exploratorio
de Datos
oNos ayudan a organizar la informacin que nos dan los datos de manera
de detectar algn patrn de comportamiento as como tambin
apartamientos importantes al modelo subyacente
oNos presentan los datos de modo tal que sobresalga su estructura.
Explorar los datos, debe ser la primera etapa de todo anlisis de datos.
Apuntes: Notas de Liliana Orellana Clases de Ana Bianco

Estadstica descriptiva
Hay varias formas de organizar los datos:
o Mtodos grficos: permiten detectar tanto las caractersticas

sobresalientes como las caractersticas inesperadas.
o Medidas resumen: resumirlos en uno o dos nmeros que pretenden

caracterizar el conjunto con la menor distorsin o perdida de informacin
posible.
POBLACIN: total de sujetos o unidades de anlisis de inters en el
estudio
(Todos los nios sanos con edad entre 0 y 5 aos.)
MUESTRA: cualquier subconjunto de los sujetos o unidades de anlisis de

la poblacin, en el cual se recolectarn los datos
Usamos una muestra para conocer o estimar caractersticas de la

poblacin, denominamos:
PARMETRO: una medida resumen calculada sobre la poblacin
ESTADSTICO : una medida resumen calculada sobre la muestra

Cuando existen datos para toda la poblacin (CENSO) no hay necesidad de
usar mtodos estadsticos, ya que es posible calcular exactamente los
parmetros de inters.
Ejemplo: en el censo poblacional, se registra el sexo de todas las

personas censadas, que son prcticamente toda la poblacin, as que es
posible conocer
exactamente la proporcin de habitantes de los dos sexos
VARIABLE: Una variable es una caracterstica que vara de individuo en
individuo.
(edad, peso, altura, gnero, concentracin de colesterol en sangre, club de

ftbol preferido etc.)
DATOS: son los valores de la variable en estudio
Los datos disponibles se obtienen a partir de una muestra de la poblacin

de inters, como los valores observados de la o las variables de inters.
TIPOS DE DATOS:
Categricos:
dicotmicos: (dos categoras) ( sexo, genero, fuma o no fuma)

mas categoras:
nominales: No existe orden obvio entre las categoras.
(pas de origen, estado civil, diagnstico.)
ordinales: Existe un orden natural entre las categoras.
(Tabaquismo: No fuma / ex-fumador / fuma 10
cigarrillos diarios / fuma > 10 cigarrillos diarios)
(Severidad de la patologa: Ausente/leve/moderado/severo)
TIPOS DE DATOS:
Numricos: el resultado de la observacin o medicin es un nmero
Discretos: La variable slo puede tomar un cierto conjunto de

valores posibles. En general, aparecen por conteo.
(nmero de miembros del hogar, nmero de intervenciones
quirrgicas, nmero de casos notificados de una cierta patologa.)
Continuos: Generalmente son el resultado de una medicin que
se expresa en unidades. Las mediciones pueden tomar
tericamente un conjunto infinito de valores posibles dentro de
un rango. En la prctica los valores posibles de la variable estn
limitados por la precisin del mtodo de medicin o por el modo
de registro.
( altura, peso, pH, nivel de colesterol en sangre.)
El tipo de dato nos permite decidir que anlisis estadstico utilizar.
Ejemplo: Edad es continua, pero si se la registra en aos resulta ser

discreta. En estudios con adultos, en que la edad va de 20 a 70 aos, por
ejemplo, no hay problemas en tratarla como continua, ya que el nmero
de valores posibles es muy grande. Pero en el caso de nios en edad
preescolar, si la edad se registra en aos debe tratarse como discreta, en
tanto que si se la registra en meses puede tratarse como continua.
Los datos numricos (discretos o continuos) pueden ser transformados en

categricos y ser tratados como tales.
Aunque esto es correcto no necesariamente es eficiente y siempre es
preferible registrar el valor numrico de la medicin.
Los datos numricos (discretos o continuos) pueden ser transformados en
categricos y ser tratados como tales.
Aunque esto es correcto no necesariamente es eficiente y siempre es
preferible registrar el valor numrico de la medicin.
Por qu es importante identificar el tipo de datos?
Porque el tipo de datos DETERMINA el mtodo de anlisis apropiado y

vlido y cada mtodo de anlisis estadstico es especfico para un cierto
tipo de datos. La distincin ms importante es entre datos numricos y
categricos.
Mtodos Grficos:
REPRESENTACIN DE DATOS CATEGRICOS
TABLA DE FRECUENCIA
El modo ms simple de presentar datos categricos es por medio de una
tabla de frecuencias que indica el nmero observaciones que caen en
cada una de las clases de la variable.
GRFICO DE BARRAS
A cada categora o clase de la variable se le asocia una barra cuya altura
representa la frecuencia o la frecuencia relativa de esa clase. Las barras
difieren slo en altura, no en ancho.
GRFICO DE TORTAS
Se representa la frecuencia relativa de cada categora como una porcin
de un crculo, en la que el ngulo se corresponde con la frecuencia relativa
correspondiente.
Mtodos Grficos
REPRESENTACIN DE DATOS NUMERICOS
Trataremos de responder a preguntas tales como:
Son los valores medidos casi todos iguales?

Son muy diferentes unos de otros?
En qu sentido difieren?
Cmo podemos describir cualquier patrn o tendencia?
Son un nico grupo? Hay varios grupos de nmeros?
Difieren algunos pocos nmeros notablemente del resto?
Mtodos Grficos
GRFICO DE TALLOS Y HOJAS (STEM AND LEAF)
Esta tcnica grfica desarrollada por Tukey es muy sencilla y permite
mostrar la forma de la distribucin de una variable numrica.
Es apropiada para conjuntos de observaciones no muy extensos, se
construye con poco esfuerzo por lo que es muy simple de realizar con lpiz
y papel.
Mtodos Grficos
1. Separamos cada observacin en dos porciones, TALLO y HOJA. En

general, el tallo tendr tantos dgitos como sea necesario, pero las
hojas contendrn un nico dgito.
Ejemplo: tallo 96 hoja
2. Se listan los tallos verticalmente en orden creciente y se traza una

lnea vertical a la derecha de los tallos
Mtodos Grficos
3. A continuacin de cada tallo se agregan las hojas correspondientes en

la misma lnea, arreglndolas de menor a mayor.
Se debe tomar una decisin sobre qu se har con el dgito posterior
a la hoja, si se truncar o se redondear, poco se pierde truncando y
esta ltima opcin hace ms simple volver a la lista de datos a partir
del grfico.
Los tallos que no estn acompaados con hojas tambin se
representan, de este modo se respeta la escala de los datos.
Mtodos Grficos
Que vemos en este diagrama?
Forma de la distribucin: simetra, asimetra a derecha, asimetra a

izquierda
Posicin del centro de la distribucin y concentracin de los datos
Desviaciones marcadas respecto al comportamiento general: outliers

Mtodos Grficos
Mtodos Grficos
Mtodos Grficos
Mtodos Grficos
Los grficos de tallo-hojas son tiles para comparar la distribucin de una

variable en dos condiciones o grupos. El grfico se denomina tallo-hojas
espalda con espalda porque ambos grupos comparten los tallos.
Comparacin de la presin arterial sistlica en pacientes sometidos a dos

tcnicas anestsicas (30 minutos del inicio de la anestesia).
Mtodos Grficos
HISTOGRAMAS
El histograma es el ms conocido de los grficos para resumir un conjunto
de datos Numricos.
Una virtud del grfico de tallo-hojas es que retiene los valores de las
observaciones, sin embargo, esta caracterstica puede ser una desventaja
para gran cantidad de datos.
Construir manualmente un histograma es ms laborioso que construir un

grfico de tallo-hojas, pero la mayora de los paquetes estadsticos
producen histogramas.
Para construir un histograma es necesario previamente construir una

tabla de frecuencias
Mtodos Grficos
HISTOGRAMAS
Dividimos el rango de los n datos en intervalos o clases, que no se
superponen. Las clases deben ser excluyentes y exhaustivas.
Contamos la cantidad de datos en cada intervalo o clase, es decir la

frecuencia.
Tambin podemos usar para cada intervalo la frecuencia relativa
Graficamos el histograma en un par de ejes coordenados representando

en las abscisas los intervalos y sobre cada uno de ellos un rectngulo cuya
rea es proporcional a la frecuencia relativa de dicho intervalo.
Mtodos Grficos
HISTOGRAMAS
Mtodos Grficos
HISTOGRAMAS
Mtodos Grficos
HISTOGRAMAS
No es necesario que todos los intervalos tengan la misma longitud, pero
es recomendable que as sea. Esto facilita la lectura.
El histograma representa la frecuencia o la frecuencia relativa a travs del

rea y no a travs de la altura.
Es recomendable tomar
Altura del rectngulo = frecuencia relativa

Long. del intervalo
De esta manera el rea es 1 y dos histogramas son fcilmente

comparables independientemente de la cantidad de observaciones en las
que se basa cada uno.
Mtodos Grficos
HISTOGRAMAS
Mtodos Grficos
HISTOGRAMAS
No existen criterios ptimos para elegir la cantidad de intervalos. En

general, entre 8 y 15 intervalos deberan ser suficientes. Muchos o muy
pocos intervalos puede ser poco informativo.
Se busca un equilibrio entre un histograma muy irregular y uno demasiado

suavizado.
Mtodos Grficos
HISTOGRAMAS
Qu podemos ver en un histograma?

Rango de variacin de los datos (Mnimo Mximo)
Intervalos ms frecuentes
Simetra o Asimetra
Mtodos Grficos
HISTOGRAMAS
Qu podemos ver en un histograma?

Rango de variacin de los datos (Mnimo Mximo)
Intervalos ms frecuentes
Simetra o Asimetra
Mtodos Grficos
HISTOGRAMAS
En que difieren un grfico de barras y un histograma?
-El grfico de barras representa el porcentaje en la altura de la barra.

Mientras que en un histograma el porcentaje se representa en el rea
de la barra.
- En el grfico de barras, las barras se representan separadas para

indicar que no hay continuidad entre las categoras. En un histograma
barras adyacentes deben estar en contacto indicando que la variable es
continua.
Mtodos Grficos
HISTOGRAMAS
Medidas resumen
Resumiremos la informacin de los datos mediante medidas de fcil
interpretacin que reflejen sus caractersticas ms relevantes. Las medidas
resmenes son tiles para comparar conjuntos de datos y para presentar los
resultados de un estudio.
Se clasifican en dos grupos principales:
Medidas de posicin o localizacin: describen un valor alrededor del cual se

encuentran las observaciones
Medidas de dispersin o escala: pretenden expresar cuan variable es un

conjunto
de datos.
Medidas resumen
Medidas de Posicin o Centrado
Cul es el valor central o que mejor representa a los datos?
Buscamos un valor tpico que represente a los datos.
Si la distribucin es simtrica diferentes medidas darn resultados similares y hay

un claro valor de centrado.
Si es asimtrica no existe un centro evidente y diferentes criterios para resumir

los datos pueden diferir considerablemente.
Medidas resumen
Promedio o Media Muestral
Sumamos todas las observaciones y dividimos por el nmero total

datos.
Medidas resumen
Medidas resumen
Media de datos agrupados
Supongamos que se dispone de dos conjuntos de datos en los

que se conoce la media y el nmero de datos de cada uno
(hombres/ mujeres) ( x1 , n1 , x2 , n2 )
x1n1 + x2 n2
x=
n1 + n2
Medidas resumen
Medidas resumen
Mediana poblacional
La mediana poblacional se define de modo equivalente a la mediana

muestral y es el valor de la variable por debajo del cual se encuentra
a lo sumo el 50% de la poblacin y por encima del cual se encuentra
a lo sumo el 50% de la poblacin.
Medidas resumen
Mediana poblacional
Medidas resumen
Medidas resumen
Medidas resumen
Medidas de Dispersin
Medidas resumen
Medidas resumen
Medidas resumen
Medidas resumen
Medidas resumen
Mtodos Grficos
Boxplot
Mtodos Grficos
Boxplot
1. Representamos una escala vertical u horizontal
2. Dibujamos una caja cuyos extremos son los cuartiles y dentro de ella un
segmento que corresponde a la mediana.
3. A partir de cada extremo dibujamos un segmento hasta el dato ms alejado

que est a lo sumo 1.5 dI del extremo de la caja. Estos segmentos se llaman
bigotes.
4. Marcamos con * a aquellos datos que estn entre 1.5 dI y 3 dI de cada extremo
y con o a aquellos que estn a ms
Mtodos Grficos
Boxplot
Mtodos Grficos
Boxplot
Que vemos en un box-plot?
oposicin
oDispersin
oAsimetra
olongitud de las colas
opuntos anmalos o outliers.
Los box-plots son tiles para comparar varios conjuntos de datos, pues nos dan una
rpida impresin visual de sus caractersticas.
Mtodos Grficos
Boxplot
Se sembraron 25000 clulas en cada well en un Multiwell de 24 wells. Se
aplicaron 6 dosis (tetra) 0, 1, 10, 25, 50 y 100 g/ml. Luego de 24 horas se mide
la absorbancia del medio de cultivo de cada well en un espectrofotmetro.
Mtodos Grficos
Boxplot
Mtodos Grficos
Boxplot
Mtodos Grficos
Boxplot
Mtodos Grficos
QQ-Plot o Grafico cuantil-cuantil
Mtodos Grficos
Mtodos Grficos
Mtodos Grficos
ERRORES
Errores en el Proceso de Medicin
En todo proceso de medicin existen limitaciones dadas por
o los instrumentos usados

o el mtodo de medicin
o el observador
El mismo proceso de medicin introduce errores o incertezas.
Ejemplo: Si usamos un termmetro para medir una temperatura, parte del calor del objeto
fluye al termmetro, de modo que el resultado de la medicin es un valor modificado del
original debido a la interaccin. Esta interaccin podr o no ser significativa, de acuerdo a si
medimos la temperatura de un metro cbico de agua si el volumen en cuestin es una
fraccin del mililitro.
ERRORES
Los instrumentos que usamos para medir como las magnitudes mismas son fuente de
incertezas al momento de medir.
Los instrumentos tienen una precisin finita, por lo tanto siempre existe una variacin
mnima de la magnitud que puede detectar.
Ejemplo: con una regla graduada en milmetros, no podemos detectar variaciones menores
que una fraccin del milmetro.
Las magnitudes a medir no estn definidas con infinita precisin.
Ejemplo: Si queremos medir el largo de una mesa, si usamos instrumentos cada vez ms
precisos empecemos a notar las irregularidades
ERRORES
Errores en el Proceso de Medicin:
Tipos de Errores:
Errores sistemticos: (sesgo) surgen por falla del equipo o del diseo.
No se pueden evaluar realizando medidas repetidas.
Errores aleatorios: surgen por efectos de variables no controladas.

Siempre esta presente, nunca se pueden eliminar. Podemos
.minimizarlos y realizando medidas repetidas independientes se pueden
evaluar, usando procedimientos estadsticos .
ERRORES
Precisin: la precisin de un instrumento o un mtodo de medicin est asociada a la

sensibilidad o menor variacin de la magnitud que se pueda detectar con dicho instrumento
o mtodo.
Ejemplo: un cronmetro es ms preciso que un reloj comn
Exactitud: La exactitud de un instrumento o mtodo de medicin est asociada a la calidad de

la calibracin del mismo, a la proximidad del valor verdadero.
Ejemplo: Imaginemos que el cronmetro que usamos es capaz de determinar la

centsima de segundo pero adelanta dos minutos por hora, mientras que un reloj de pulsera
comn no lo hace. En este caso decimos que el cronmetro es todava ms preciso que el
reloj comn, pero menos exacto.
ERRORES
Errores en el Proceso de Medicin: Precisin y Exactitud
ERRORES
Tenemos errores por diversos origenes
Error de apreciacin (minima division de escala)

Error de definicin (falta de definicin del objeto)
Error de interaccin (interaccin en el metodo de medicin)
ERRORES
MEDICION= +1+2+3+ +n
errores
Cantidad a medir: (desconocido pero no aleatorio)

2 2 2 2 2
VAR(+1+2+3+ +n)=1+2+3+.+n= si llamamos =1+2+3+ +n
2 2
X= + donde ~N(0, ) esto es equivalente a X ~N(, )
MODELO

Descript Iva

Cargado por

Información del documento

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

Descript Iva

Cargado por

Copyright:

Formatos disponibles

Estadstica Descriptiva o Anlisis Exploratorio

oNos presentan los datos de modo tal que sobresalga su estructura.

Apuntes: Notas de Liliana Orellana Clases de Ana Bianco

o Mtodos grficos: permiten detectar tanto las caractersticas

o Medidas resumen: resumirlos en uno o dos nmeros que pretenden

MUESTRA: cualquier subconjunto de los sujetos o unidades de anlisis de

Usamos una muestra para conocer o estimar caractersticas de la

PARMETRO: una medida resumen calculada sobre la poblacin

ESTADSTICO : una medida resumen calculada sobre la muestra

Ejemplo: en el censo poblacional, se registra el sexo de todas las

(edad, peso, altura, gnero, concentracin de colesterol en sangre, club de

DATOS: son los valores de la variable en estudio

Los datos disponibles se obtienen a partir de una muestra de la poblacin

dicotmicos: (dos categoras) ( sexo, genero, fuma o no fuma)

Discretos: La variable slo puede tomar un cierto conjunto de

Ejemplo: Edad es continua, pero si se la registra en aos resulta ser

Los datos numricos (discretos o continuos) pueden ser transformados en

Por qu es importante identificar el tipo de datos?

Porque el tipo de datos DETERMINA el mtodo de anlisis apropiado y

Trataremos de responder a preguntas tales como:

Son los valores medidos casi todos iguales?

1. Separamos cada observacin en dos porciones, TALLO y HOJA. En

Ejemplo: tallo 96 hoja

2. Se listan los tallos verticalmente en orden creciente y se traza una

3. A continuacin de cada tallo se agregan las hojas correspondientes en

Que vemos en este diagrama?

Forma de la distribucin: simetra, asimetra a derecha, asimetra a

Posicin del centro de la distribucin y concentracin de los datos

Desviaciones marcadas respecto al comportamiento general: outliers

Los grficos de tallo-hojas son tiles para comparar la distribucin de una

Comparacin de la presin arterial sistlica en pacientes sometidos a dos

Construir manualmente un histograma es ms laborioso que construir un

Para construir un histograma es necesario previamente construir una

Contamos la cantidad de datos en cada intervalo o clase, es decir la

Tambin podemos usar para cada intervalo la frecuencia relativa

Graficamos el histograma en un par de ejes coordenados representando

El histograma representa la frecuencia o la frecuencia relativa a travs del

Altura del rectngulo = frecuencia relativa

De esta manera el rea es 1 y dos histogramas son fcilmente

No existen criterios ptimos para elegir la cantidad de intervalos. En

Se busca un equilibrio entre un histograma muy irregular y uno demasiado

Qu podemos ver en un histograma?

Qu podemos ver en un histograma?

En que difieren un grfico de barras y un histograma?

-El grfico de barras representa el porcentaje en la altura de la barra.

- En el grfico de barras, las barras se representan separadas para

Se clasifican en dos grupos principales:

Medidas de posicin o localizacin: describen un valor alrededor del cual se

Medidas de dispersin o escala: pretenden expresar cuan variable es un

Buscamos un valor tpico que represente a los datos.

Si la distribucin es simtrica diferentes medidas darn resultados similares y hay

Si es asimtrica no existe un centro evidente y diferentes criterios para resumir

Sumamos todas las observaciones y dividimos por el nmero total

Supongamos que se dispone de dos conjuntos de datos en los

La mediana poblacional se define de modo equivalente a la mediana

1. Representamos una escala vertical u horizontal

3. A partir de cada extremo dibujamos un segmento hasta el dato ms alejado

Que vemos en un box-plot?

En todo proceso de medicin existen limitaciones dadas por

o los instrumentos usados

El mismo proceso de medicin introduce errores o incertezas.

Las magnitudes a medir no estn definidas con infinita precisin.

Errores aleatorios: surgen por efectos de variables no controladas.

Precisin: la precisin de un instrumento o un mtodo de medicin est asociada a la