Introduccin

La idea original de la "estadstica" era la recoleccin de informacin sobre y para el

"estado". La palabra estadstica se deriva directamente, no de races griegas o latinas
clsica, sino de la palabra italiana estado.
El nacimiento de la estadstica se ubica a mediados del siglo XVII. Un ciudadano comn
llamado Juan Graunt, nacido en Londres, comenz a revisar la publicacin semanal de la
iglesia, la cual era distribuida en la parroquia local y que listaba el nmero de
nacimientos, bautizos, y de muertes en cada parroquia. Las cifras de mortalidad tambin
enumeraban las causas de las muertes. Graunt que era comerciante organiz estos
datos en la forma que hoy llamamos estadstica descriptiva, la cual fue publicada como
Observaciones Naturales y Polticas hechas sobre la tasa de Mortalidad. Luego de la
publicacin, fue elegido como miembro de la sociedad real. De esta forma, la estadstica
tomo prestados algunos conceptos de la sociologa, tal como el concepto de poblacin.

El anlisis exploratorio de datos utiliza tcnicas grficas y numricas para estudiar

patrones de conducta y el origen de los mismos. Las tcnicas de estadstica descriptiva
normalmente usadas son: Distribucin de frecuencia; Histogramas, Boxplot, Grficos de
Dispersin, diagramas de barras y errores, diagramas de diagnstico.

Cuando se examina la distribucin de los datos, se debe detectar algunas caractersticas

importantes, tales como forma, ubicacin, variabilidad, y valores inusuales. Mediante una
cuidadosa observacin de los patrones en los datos, se puede generar conjeturas acerca
las relaciones entre variables. La nocin de cmo una variable puede estar asociada a
otra esta inmersa en casi todo el anlisis estadstico, lo que se puede realizar por
ejemplo, mediante el anlisis regresin lineal.

Los datos deben ser recolectados acorde al desarrollo de un plan que garantice que la
informacin es vlida para los objetivos planteados. El plan debe identificar las variables
importantes que estn relacionadas con los objetivos, y especificar cmo estas van a ser
medidas.

Los datos son conocidos como informacin cruda y no como conocimientos en s. La

secuencia que va desde los datos hasta el conocimiento aparece en la figura siguiente.
Los datos se convierten en informacin, cuando se hacen relevantes para la toma de
decisin de un problema. La informacin se convierte en hecho, cuando es respaldada
por los datos. Los hechos son lo que los datos revelan. Sin embargo el conocimiento
instrumental es expresado junto con un cierto grado estadstico de confianza .

1
La figura anterior representa el hecho que a medida que la exactitud de un modelo
estadstico aumenta, el nivel de mejoramiento en la toma de decisin aumenta. Esta es la
razn del por que necesitamos la estadstica. La estadstica se creo por la necesidad de
poner conocimiento en una base sistemtica de la evidencia. Esto requiri un estudio de
las leyes de la probabilidad, del desarrollo de las propiedades de medicin, relacin de
datos.

La inferencia estadstica intenta determinar si alguna significancia estadstica puede ser

adjudicada, luego que se permita una variacin aleatoria como fuente de error. Una
inteligente y crtica inferencia no puede ser hecha por aquellos que no entiendan el
propsito, las condiciones, y la aplicabilidad de las de diversas tcnicas para juzgar el
significado.

2
Anlisis Exploratorio de Datos
La finalidad del Anlisis Exploratorio de Datos (AED) o Estadstica Descriptiva es
examinar los datos previamente a la aplicacin de cualquier tcnica estadstica. De esta
forma el analista consigue un entendimiento bsico de los datos y de las relaciones
existentes entre las variables analizadas.

El Anlisis Exploratorio de Datos proporciona mtodos sencillos para organizar y

preparar los datos, detectar fallas en el diseo y recogida de datos, tratamiento y
evaluacin de datos ausentes, identificacin de casos atpicos y comprobacin de los
supuestos subyacentes en la mayor parte de las tcnicas multivariantes.

En este curso se va a dar una breve visin general de dicho conjunto de tcnicas
exponiendo, brevemente, cul es su finalidad, ilustrada con ejemplos.

Las preguntas ms frecuentes cuando tenemos un conjunto de datos son:

Existe algn tipo de estructura (normalidad, multimodalidad, asimetra, curtosis,
linealidad, homogeneidad entre grupos, homocedasticidad, etc.) en los datos que se van
a analizar?
Existe algn sesgo en los datos recogidos?
Hay errores en la codificacin de los datos?
Cmo se sintetiza y presenta la informacin contenida en un conjunto de datos?
Existen datos atpicos (outliers)? Cules son? Cmo tratarlos?
Hay datos ausentes (missing)? Tienen algn patrn sistemtico? Cmo tratarlos?

Los objetivos de este curso son:

1) Definir qu es el Anlisis Exploratorio de Datos (A.E.D.) y cules son sus objetivos.
2) Indicar cules son las etapas a seguir en la realizacin de un A.E.D.
3) Seleccionar los mtodos grfico y numrico apropiados para examinar las
caractersticas de los datos y/o relaciones de inters.
4) Comprobar si se verifican algunas hiptesis de inters en los datos (normalidad,
homocedasticidad).
5) Identificar casos atpicos univariantes.
6) Comprender los diferentes tipos de datos ausentes y evaluar su impacto potencial.

Qu es el anlisis exploratorio de datos?

El Anlisis Exploratorio de Datos (A.E.D.) es un conjunto de tcnicas estadsticas cuya
finalidad es conseguir un entendimiento bsico de los datos y de las relaciones
existentes entre las variables analizadas. Para conseguir este objetivo el A.E.D.
proporciona mtodos sistemticos sencillos para organizar y preparar los datos, detectar
fallos en el diseo y recogida de los mismos, tratamiento y evaluacin de datos ausentes
(missing), identificacin de casos atpicos (outliers) y comprobacin de los supuestos
subyacentes en la mayor parte de las tcnicas multivariantes (normalidad,
homocedasticidad).

El examen previo de los datos es un paso necesario, que lleva tiempo, y que
habitualmente se descuida por parte de los analistas de datos. Las tareas implcitas en
dicho examen pueden parecer insignificantes y sin consecuencias a primera vista, pero
son una parte esencial de cualquier anlisis estadstico.

3
Etapas del Anlisis Exploratorio de Datos
Para realizar un A.E.D. conviene seguir las siguientes etapas:
1) Preparar los datos para hacerlos accesibles a cualquier tcnica estadstica.
2) Realizar un examen grfico de la naturaleza de las variables individuales a analizar y
un anlisis descriptivo numrico que permita cuantificar algunos aspectos grficos de
los datos.
3) Realizar un examen grfico de las relaciones entre las variables analizadas y un
anlisis descriptivo numrico que cuantifique el grado de interrelacin existente entre
ellas.
4) Evaluar, si fuera necesario, algunos supuestos bsicos subyacentes a muchas
tcnicas estadsticas como, por ejemplo, la normalidad, linealidad y
homocedasticidad.
5) Identificar los posibles casos atpicos (outliers) y evaluar el impacto potencial que
puedan ejercer en anlisis estadsticos posteriores.
6) Evaluar, si fuera necesario, el impacto potencial que pueden tener los datos ausentes
(missing) sobre la representatividad de los datos analizados.

Preparacin de los datos

El primer paso en un A.E.D. es hacer accesible los datos a cualquier tcnica estadstica.
Ello conlleva la seleccin del mtodo de entrada (por teclado o importados de un archivo)
y codificacin de los datos as como la de un paquete estadstico adecuado para
procesarlos.

Los paquetes estadsticos son conjuntos de programas que implementan diversas

tcnicas estadsticas en un entorno comn. Algunos de los ms utilizados son SAS,
BMDP, SPSS, SYSTAT, STATISTICA, STATA, MINITAB, S-PLUS, EVIEWS,
STATGRAPHICS, MATLAB, R y la planilla Excel. (estos dos ltimos los usaremos en
este curso).

La codificacin de los datos depende del tipo de variable. Los paquetes estadsticos
existentes en el mercado proporcionan diversas posibilidades (datos tipo cadena,
numricos, nominales, ordinales, etc).

La inmensa mayora de los paquetes estadsticos permite realizar manipulaciones de los

datos previas a un anlisis de los mismos. Algunas operaciones tiles son las siguientes:

- Combinar conjuntos de datos de dos archivos distintos

- Seleccionar subconjuntos de los datos
- Dividir el archivo de los datos en varias partes
- Transformar variables
- Ordenar casos
- Agregar nuevos datos y/o variables
- Eliminar datos y/o variables
- Guardar datos y/o resultados

Finalmente, y con el fin de aumentar la utilidad de los datos almacenados, conviene

asociar a la base de datos utilizada, un libro de cdigos en el que se detallen los

4
nombres de las variables utilizadas, su tipo y su rango de valores, su significado as
como las fuentes de donde se han sacado los datos. Todos los paquetes anteriormente
citados permiten esta posibilidad.

Anlisis estadstico unidimensional

Una vez organizados los datos, el paso siguiente consiste en realizar un anlisis
estadstico grfico y numrico de las variables del problema con el fin de tener una idea
inicial de la informacin contenida en el conjunto de datos, as como tambin detectar la
existencia de posibles errores en la codificacin de los mismos.

Para iniciar el estudio del anlisis estadstico se definen algunos conceptos propios de la
terminologa de la Estadstica Descriptiva o anlisis exploratorio de datos.
Poblacin: es el universo de objetos al cual se refiere el estudio que se pretende
realizar. Es decir, es el conjunto de todos los elementos de inters para un determinado
problema. Por ejemplo, todas las piezas terminadas en una cadena de montaje, los
nacidos en un da determinado, los coches de una determinada marca, etc. A los
elementos que conforman la poblacin se les llama unidad observable o unidad de
observacin.

Poblacin finita: cuando el nmero de elementos que la forman es finito, por ejemplo el
nmero de alumnos de su colegio, o de su curso.

Poblacin infinita: cuando el nmero de elementos que la forman es infinito, o tan

grande que pudiese considerarse infinita. Como por ejemplo si se realiza un estudio sobre
los productos que hay en el mercado. Hay tantos y de tantas calidades que esta poblacin
podra considerarse infinita.

Observacin o dato: a cualquier valor cualitativo o cuantitativo asociado a una variable

Variable: es cualquier caracterstica objeto de estudio en la poblacin. Se les llama

variables, ya que pueden variar de un individuo a otro. Por ejemplo, el grosor de una
pieza, peso al nacer, consumo de gasolina, partido al que va a votar un individuo, etc.

Muestra: Un subconjunto de una poblacin o universo que se selecciona para ser

estudiada ya que la poblacin es demasiado grande como para analizarla en su totalidad.

Es importante que el investigador defina total y cuidadosamente a la poblacin antes de

recolectar la muestra, incluyendo una descripcin de los elementos.

Unidad de Muestreo: Una unidad es una persona, un animal, una planta o una cosa que
son estudiadas por un investigador; son los objetos bsicos sobre los cuales se ejecuta el
estudio o el experimento. Por ejemplo, una persona; una muestra de suelo; un pote de
semillas.

Una medida descriptiva relacionada, cuando consideramos toda la poblacin, se

denomina parmetro. Los parmetros generalmente se designan por letras griegas. Uno
de los parmetros mas utilizado es el promedio o media aritmtica y la desviacin
estndar designados por , 2 respectivamente.

5
Una medida descriptiva relacionada con una muestra, se denomina estadstico. Los
estadsticos tienen dos fines. Describen la muestra que est disponible y sirven como
aproximacin a los parmetros correspondientes de la poblacin.

POBLACION MUESTRA

PARAMETROS
ESTADISTICOS

Ejemplo: Suponga que el gerente de una tienda desea saber el valor de , el gasto
promedio por cliente de su tienda durante el ao pasado. El puede calcular el gasto
promedio de los miles de clientes que compraron en su tienda durante el ao pasado; es
decir, la media poblacional . En lugar de esto, el podra utilizar una estimacin de la
media poblacional calculando la media de una muestra aleatoria de clientes. Si se
encontrara que el valor fuera de $50000, estos $50000 seran su estimacin.

Variables Cualitativas y Cuantitativas

El tipo de anlisis a realizar depende del tipo, y la escala de medida de la variable a
analizar.

Si se observa una sola caracterstica a cada unidad observable, entonces la variable se

denomina unidimensional. Si se observan simultneamente dos caractersticas a cada
unidad observable, entonces la variable se denomina bidimensional o bivariada, y as
sucesivamente.

Se distinguen dos tipos de variables: cualitativa y cuantitativa.

Variables Cualitativas
Una variable cualitativa es aquella cuyos valores corresponden a conceptos, categoras
atributos o cualidades como, por ejemplo, el sexo, la profesin de una persona, nivel de
estudio, estado civil, etc.

Si en dichas categoras hay un orden subyacente se denomina variable ordinal, si no se

denomina variable nominal.

Las variables nominales son aquellas que los valores se registran dentro de categoras o
clases, donde no tiene sentido el orden.

Se dice que las variables nominales que toman o pueden tomar uno de dos valores
distintos como hombre o mujer son dicotmicos o binarios

6
Los datos o elementos de una variable cualitativa se agrupan en forma natural en
diferentes categoras o clases y se cuenta el nmero de datos que aparecen en cada una
de ellas, lo que se denomina tabla de frecuencias.

Consideremos el siguiente ejemplo con la variable nominal estado civil

Ejemplo 1.- Suponga que se extrae una muestra de 300 clientes de un supermercado y
se les consulta por el estado civil de ellos. La tabla 1 muestra el conjunto de datos
obtenidos de esta variable.

Tabla 1.
Estado Civil
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
2 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
3 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
4 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
5 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
6 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
7 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
8 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
9 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
10 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
11 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
12 Soltero Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Viudo Soltero Soltero Casado Casado
13 Soltero Soltero Separado Soltero Soltero Casado Casado Casado Casado Casado Separado Soltero Soltero Casado Casado
14 Soltero Soltero Separado Soltero Soltero Casado Casado Casado Casado Casado Separado Soltero Soltero Casado Casado
15 Soltero Soltero Separado Soltero Soltero Casado Casado Casado Casado Casado Separado Soltero Soltero Casado Casado
16 Soltero Soltero Separado Soltero Soltero Casado Casado Casado Casado Casado Separado Soltero Soltero Casado Casado
17 Soltero Viudo Soltero Soltero Soltero Casado Casado Casado Casado Casado Soltero Soltero Soltero Casado Casado
18 Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Casado Soltero Soltero Casado Casado Casado
19 Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Casado Soltero Soltero Casado Casado Casado
20 Soltero Viudo Soltero Soltero Casado Casado Casado Casado Casado Casado Soltero Soltero Casado Casado Casado

Para comprender y resumir estos datos, es til presentarlos en una tabla o grficos en la que
aparezca los valores posibles de la variable, llamados clases ( ci ) y el nmero de veces que cada
valor se repite. A ese nmero se le denomina frecuencia absoluta (ni) o simplemente
frecuencia. La tabla se denomina tabla de frecuencias.

La suma de las frecuencias absolutas es siempre igual a n, siendo n el nmero total de casos,

k
n = ni
i =1
donde k es el nmero de clases.

7
La frecuencia relativa ( fi ) Expresa los resultados en proporciones.

ni
fi =
n
k
se cumple f i = 1
i =1

Frecuencia relativa porcentual de la clase ci es el cuociente fi entre la frecuencia

absoluta de la clase y el nmero total de observaciones n.

ni
hi = *100 = f i *100%
n
k
Se cumple que hi = 100
i =1

Tabla 1.1 Tabla de frecuencia variable Estado Civil

Contar de Estado civil

Estado civil Total
Casado 305
Separado 4
Soltero 77
Viudo 16
Total general 402

E s ta d o C iv il
300
250
200
frecuencia absoluta

150
100
50
0

C a sa d o S e p a ra d o S o lte ro V iud o

C a te g o ra s

Figura 1.1 Grafico de barra de la variable Estado Civil

(Entregado por defecto por el software).

8
Grfico circular.

Para el grfico circular se utiliza la sentencia: pie nombre de la tabla de frecuencia

igura 1.2 Grafico Circular de la variable Estado Civil

(Entregado por defecto por el software).

Ejemplo 2.- Suponga que la distribucin de frecuencia del Nivel de Estudio (variable
cualitativa ordinal) de cierta ciudad en un determinado ao es:

Enseanza media incompleta
Sin estudio
Enseanza media completa
Enseanza superior completa
Enseanza superior completa
Enseanza superior completa
Sin estudio
Enseanza media incompleta
Enseanza superior completa
Enseanza superior incompleta
Sin estudio
Estudios basicos
Sin estudio
Enseanza media incompleta
Sin estudio
Enseanza superior incompleta
Enseanza superior incompleta
Nivel de estudios
Sin estudio Enseanza media incompleta
Estudios basicos Enseanza media incompleta
Sin estudio Enseanza media incompleta
Sin estudio Enseanza superior completa
Sin estudio Enseanza media incompleta
Estudios basicos Enseanza media incompleta
Sin estudio Estudios basicos
Estudios basicos Enseanza superior completa
Enseanza media incompleta Enseanza superior incompleta
Enseanza media completa Enseanza superior completa
Enseanza media incompleta Sin estudio
Enseanza media completa Estudios basicos
Enseanza media incompleta Estudios basicos
Enseanza superior completa Enseanza superior completa
Enseanza superior completa Enseanza superior incompleta
Enseanza media incompleta Enseanza media incompleta
Estudios basicos

Para resumir los datos ordinales, es til presentarlos en una tabla o grficos similares a los
obtenidos para las variables nominales. Los grficos utilizados en este caso son los de barra y
circulares. Las tablas de resumen o de frecuencias adems, de la frecuencia absoluta y relativa
tiene sentido en este caso la frecuencia absoluta acumulada y la frecuencia relativa porcentual
acumulada.

La Frecuencia acumulada Ni es el nmero de elementos de la poblacin o muestra

cuya modalidad es inferior o equivalente a la modalidad ci, es decir es la suma de las
frecuencias absolutas de la clase ci y las anteriores a ella,

i
N i = n j = N i 1 + ni
j =1

La frecuencia relativa porcentual ( Hi ) define el porcentaje de individuos menores o

iguales a la clase i-sima
Ni
Hi = * 100
n

9
Frecuencia relativa porcentual de la clase ci es el cuociente fi entre la frecuencia
absoluta de la clase y el nmero total de observaciones n.

La tabla de frecuencia resultante es:

Tabla 1.2 Variable Nivel de Estudio

Nivel de estudios ni hi Ni Hi
Sin estudio 11 22% 11 22%
Estudios basicos 8 16% 19 38%
Enseanza media incompleta 13 26% 32 64%
Enseanza media completa 3 6% 35 70%
Enseanza superior incompleta 5 10% 40 80%
Enseanza superior completa 10 20% 50 100%
Total general 50 100%

Por ejemplo, la tercera clase dice que existen 13 personas con enseanza media
incompleta, que corresponde al 26% del total, que 32 personas tienen a lo ms
enseanza media incompleta, o bien el 64% de las 50 personas tienen enseanza media
O bien sin necesidad de cambiar el nombre de las columnas y para ordenar desde sin
estudio hasta estudios superiores completos se utiliza [c(se escriben los nmero que
corresponden al orden alfabtico separados por comas)]

N iv e l d e E s tu d io s Nivel de Estudios
12

Enseanza media incompleta

10
frecuencia absoluta

anza superior completa

8

Enseanza med
6
4
2

za superior incompleta

Sin estudio
0

s in e s t e s tb a s e ns m e d c o m e ns s up c o m
Estudios basicos
C la s e s

Figura 1.3 Grfico de barra y circular de la variable

Estado Civil

10
Variables Cuantitativas
Variables cuantitativas son aquellas que se pueden expresar numricamente, es decir,
pueden tomar valores reales.

Una primera clasificacin, basada en el tipo de valores que puede tomar, permite
distinguir entre variables cuantitativas discretas que son aquellas donde el conjunto de
valores que puede asumir la variable se puede enumerar. Este conjunto puede ser finito
o infinito, por ejemplo, el nmero de paneles producidos en un da. y variables
cuantitativas continuas que son aquellas que pueden asumir cualquier valor en algn
intervalo real, por ejemplo, la temperatura aplicada en el proceso de produccin de los
paneles.

Las variables cuantitativas discretas con un nmero de valores que se repite, se

tratan de forma similar a las variables cualitativas ordinales. La diferencia es que en estos
casos se puede realizar un anlisis descriptivo numrico, el cual permite describir
diferentes caractersticas del conjunto de datos.

Para tabular y graficar en Excel esta variable discreta se realiza en forma similar a las
variables ordinales.

Ejemplo 3.- El nmero de personas que viven en la casa de una muestra de 50 familias
son:

Tabla 1.3 Tabla de datos del N de personas que viven en la casa

N de N de N de N de N de
Corr. personas Corr. personas Corr. personas Corr. personas Corr. personas
1 1 11 4 21 6 31 4 41 3
2 2 12 6 22 5 32 2 42 1
3 1 13 5 23 2 33 1 43 2
4 3 14 4 24 2 34 3 44 5
5 4 15 2 25 2 35 4 45 6
6 5 16 2 26 1 36 5 46 4
7 2 17 3 27 3 37 2 47 3
8 1 18 3 28 2 38 2 48 2
9 3 19 1 29 5 39 1 49 1
10 5 20 1 30 6 40 2 50 3

Cuando el conjunto de datos discretos es pequeo se puede construir tablas de

frecuencia donde cada clase es uno de sus valores numricos.

La construccin de la tabla de frecuencia y los grficos de barra y circular para este tipo
de datos es similar a la de las variables cualitativas ordinales.

11
 Tabla 1.4.Tabla de frecuencias del N de personas que viven en casa
N de
Personas ni fi hi Ni Hi
1 10 0.20 20 10 20
2 14 0.28 28 24 48
3 9 0.18 18 33 66
4 6 0.12 12 39 78
5 7 0.14 14 46 92
6 4 0.08 8 50 100

N de personas que viven en una casa

14
12
10
frecuencia absoluta

8
6
4
2
0

1 2 3 4 5 6

Clases

Figura 1.4. Grfico de Barra N de personas que viven en casa

Se observa que en el 28% de las casas de los encuestados viven dos personas y que
solo en un 8% de las casas viven 6 personas. (El anlisis numrico lo veremos ms
adelante).

N de personas que viven en una casa

6
3

5
4

Figura 1.5. Grfico de Barra N de personas que viven en casa

Las variables cuantitativas continuas generalmente se miden por escala de intervalo o

por escala de razn. La escala de intervalo, adems de todas las propiedades de la

12
escala ordinal, hace que tenga sentido calcular diferencias entre las mediciones.
Ejemplos de variables con esta escala son: Temperatura de una persona. Ubicacin en
una carretera respecto de un punto de referencia (Kilmetro 85 Ruta 5). Sobrepeso
respecto de un patrn de comparacin. Nivel de aceite en el motor de un automvil
medido con una vara graduada.

La escala de razn permite, adems de lo de las otras escalas, comparar mediciones

mediante un cuociente. Ejemplos de variables con la escala de razn son: Altura de
personas. Cantidad de litros de agua consumido por una persona en un da. Velocidad
de un auto en la carretera.

La escala de intervalo tiene un cero que se establece por convencin y puede tener
variaciones. Es arbitrario. Por otra parte, la escala de razn tiene un cero real, fijo, no
sujeto a variaciones; es propio de la medicin hecha.

Tablas estadsticas o tablas de frecuencias

Distribucin de frecuencias
Si la variable analizada es continua o discreta con un elevado nmero de valores
distintos se tabula como una distribucin de frecuencias agrupadas y se representa
grficamente mediante histogramas, polgonos de frecuencias, ojivas y boxplots con el fin
de estudiar la forma de la distribucin y analizar, en particular, la posible existencia de
varias modas en la misma que pongan de manifiesto la presencia de diversos grupos
homogneos en la muestra.

Cuando el tamao de la muestra y el recorrido de la variable son grandes, ser necesario

agrupar en intervalos los valores de la variable. La tabla de frecuencia o distribucin de
frecuencia ordena los datos y estos se dividen en clases o intervalos de clases
mutuamente excluyentes (sin elementos comunes) y se registra el nmero de
observaciones en cada clase.

Para decidir la amplitud de los intervalos, necesitaremos decidir cuntos intervalos

queremos?

Observacin
No existen criterios ptimos para elegir la cantidad de intervalos. En general, entre 5 y 15
intervalos deberan ser suficientes. Utilizar muchos o muy pocos intervalos puede ser
poco informativo. Pero se pueden seguir las siguientes reglas:

Algunas regla para agrupar los datos en intervalos o categoras

1. Decidir el nmero de intervalos o categoras o clases, que puede ser el nmero
deseado de clases o si n es el nmero de observaciones se puede utilizar como
referencia:

k n , si n no es grande
k 1 + 3.22log(n), en otro caso
2. Localizar la observacin mayor y menor, es decir el valor mximo y el valor mnimo de
las observaciones.

13
3. Hallar la diferencia entre estos dos valores (restar mximo menos el mnimo). Esta
diferencia se denomina rango o recorrido de los datos.

r = x mx x mn

4. Hallar la amplitud de la clase o del intervalo de clase ai se define por:

xmx xmn
a=
k
As la divisin en clases o intervalos podra tomarse: l0 =xmn , l1 =l0 + a,,
lk = l0 + ka.

5. Hallar la marca de clase de cada intervalo. Se define por

li + li 1
xi =
2
Distintos tipos de frecuencias
Cuando se resume la informacin en una tabla a cada valor de la variable se le asocian
determinados nmeros que representan el nmero de veces que ha aparecido, su
proporcin con respecto a otros valores de la variable, etc. Estos nmeros se denominan
frecuencias: As tenemos los siguientes tipos de frecuencia:

Frecuencia absoluta de la clase ci es el nmero de elementos en la poblacin o

k
muestra perteneciente a la clase ci, se designa por ni. Se cumple que n
i =1
i = n.

Frecuencia relativa porcentual de la clase ci es el cuociente fi entre la frecuencia

absoluta de la clase y el nmero total de observaciones n.

ni
hi = *100
n
k
Se cumple que hi = 100
i =1

Frecuencia acumulada Ni al nmero de elementos de la poblacin o muestra

cuya modalidad es inferior o equivalente a la modalidad ci, es decir es la sume de
las frecuencias absolutas de la clase ci y las anteriores a ella,

i
Ni = n j
j =1

Tambin se puede determinar la frecuencia relativa acumulada porcentual.

14
Se llama distribucin de frecuencias al conjunto de intervalos o clases junto a las
frecuencias correspondientes a cada una de ellas. Una tabla estadstica o tabla de
frecuencias sirve para presentar en forma ordenada los datos.
Su forma general es:

Tabla 1.5 Tabla de frecuencias o Distribucin de Frecuencias

Modalidad Intervalos Frec. Frec. Rel. Frec. Abs. Acumu. Marca de
o clases de clases Abs. Porcentual clases
ci ni hi Ni xi
c1 l0 l1 n1 f1= n1/n*100 N1=n1 x1

cj lj-1 -- lj nj fj=nj/n*100 Nj=n1+n2++nj xj

ck lk-1 -- lk nk fk=nk/n*100 Nk=n xk
n 100%

Ejemplo 4.- Los siguientes datos son los ingresos anuales de 60 ejecutivos de
empresas en Estados Unidos. Los datos estn expresados en miles de dlares.

Datos ingreso anuales de 60 ejecutivos

58 76 89 45 67 34
64 76 34 65 45 39
79 74 56 71 85 87
74 38 69 79 61 71
69 62 56 38 69 79
71 54 31 69 62 39
65 79 47 46 77 66
55 75 62 57 77 36
73 72 64 69 51 50
40 50 74 61 69 73

Para construir la tabla de frecuencia en Excel se determina primero el nmero de clases.

Suponga que se van a construir k = 7 clases o categoras, luego
xmx xmn 89 31
a= = = 8,28 , la amplitud es de por lo menos 8,28 por ser ms fcil
k 7
hacemos a = 10 y el lmite superior de la primera clase li+1 = 34. Completando la Tabla de
frecuencia se obtiene:

Tabla 1.4 Tabla de frecuencias de los ingreso anuales de 60 ejecutivos

Clases Intervalos ni fi hi Ni Hi xi
1 (24 , 34] 3 0,05 5,00 3 5,00 29
2 (34 , 44] 6 0,10 10,00 9 15,00 39
3 (44 , 54] 8 0,13 13,33 17 28,33 49
4 (54 , 64] 12 0,20 20,00 29 48,33 59
5 (64 , 74] 19 0,32 31,67 48 80,00 69
6 (74 , 84] 9 0,15 15,00 57 95,00 79
7 (84 , 94] 3 0,05 5,00 60 100,00 89
60 1 100

15
Representacin grfica para variables discretas y continuas
Un grfico estadstico es una representacin pictrica que permite dar un resumen visual
de la informacin, y se utiliza para detectar tendencias, agrupacin de datos en torno a
un valor central, variaciones cclicas, estacinales, etc.

Grfico de tallo y hojas

Un mtodo grfico para iniciar el anlisis exploratorio de datos, y que adems
proporciona informacin visual rpida, es la representacin grfica de tallo y hoja.
Entrega una primera aproximacin rpida de la distribucin de los datos sin perder de
vista las observaciones.

Un diagrama de tallo y hoja consiste en una serie de hileras horizontales de nmeros. El

nmero utilizado para designar una hilera es su tallo, el resto de los nmeros de la hilera
se denominan hojas.

Ejemplo 5.- La siguiente tabla muestra los datos de la fuerza de compresin de 45

muestras de aleacin de aluminio-litio.

Tabla 1.5
Datos de la fuerza de compresin
96 93 88 117 127 95 113 96
108 94 148 156 139 142 94 107
125 155 155 103 112 127 117 120
112 135 132 111 125 104 106 139
134 119 97 89 118 136 125 143
120 103 113 124 138

a) Se separa cada observacin en dos partes: tallo y hoja.

b) Se lista en forma vertical y creciente los tallos y agregamos las hojas a la
derecha del tallo.
c) Generalmente las hojas es la unidad del nmero y el tallo es la decena, centena,
etc.
d) Se separa esos dgitos de los restantes, que constituirn los tallos.

8 | 89
9 | 3445667
10 | 334678
11 | 122337789
12 | 00455577
13 | 2456899
14 | 238
15 | 556

Qu podemos ver en este diagrama?

Rango de las observaciones, valores mximo y mnimo.
Forma de la distribucin: simetra, asimetra a la izquierda, asimetra a derecha y
cuantas modas tiene la distribucin.

16
 Posicin del centro de la distribucin y concentracin de los datos.
Desviaciones marcadas respecto al comportamiento general: outlier o valores
atpicos.

Los grficos de tallo y hoja tambin son tiles para comparar la distribucin de una
variable en dos condiciones o grupos. El grfico se denomina grfico de tallo y hojas con
espalda porque ambos grupos comparten los tallos.

Ejemplo 6.- Consideremos la longitud en centmetros de 20 partes consecutivas de una

lnea de ensamble del proceso 1 y la longitud de 20 partes consecutivas de una lnea de
ensamble del proceso 2.

Tabla 1.6
Datos de longitud de 20 partes.
PROC1 19.969 19.975 19.984 19.984 19.985 19.992 19.994 19.997 19.998 20.000
PROC2 19.989 19.994 19.994 19.996 20.000 20.000 20.000 20.000 20.001 20.001

PROC1 20.001 20.001 20.002 20.004 20.004 20.004 20.007 20.008 20.008 20.011
PROC2 20.001 20.003 20.005 20.007 20.007 20.008 20.009 20.010 20.010 20.011

1996 9
1997 5
9 1998 445
644 1999 2478
9877531110000 2000 112444788
100 2001 1

En este caso vemos que el segundo proceso es menos variable que el primero que la
longitud mxima para ambos proceso es 20.011 y longitud mnimo para el proceso 1 es
19.969 y para el proceso 2 es 19.989.

Aunque en las tablas se puede mostrar gran cantidad de informacin estadstica, a

veces es conveniente presentar esta informacin de una manera ms clara y efectiva por
medio de grficos. Existen varios tipos de grficos o representaciones grficas
utilizndose cada uno de ellos de acuerdo al tipo de informacin que se est utilizando y
los objetivos que se persiguen al presentar la informacin

Los grficos utilizados en variables cuantitativas discretas o continuas con un gran

nmero de datos que se encuentran en una distribucin de frecuencias son el
histograma y el polgono de frecuencias.

Un histograma se construye en el plano cartesiano. En el eje de las abscisas se coloca

los lmites de cada intervalo y en el eje de las ordenadas las frecuencias de clase
(absoluta, relativas o relativas porcentuales), representando sobre cada intervalo un
rectngulo que tiene a este segmento como base y como altura la frecuencia de cada
clase.

Las caractersticas geomtricas del histograma nos permiten descubrir informacin til
sobre los datos, por ejemplo:

17
 1. La localizacin del centro de los datos.
2. El grado de dispersin.
3. El lado al cual se sesga, es decir, cuando no cae simtricamente en ambos lados
del mximo.
4. El grado de agudeza del mximo.

Sueldo ejecutivos

15
10
ni

5
0

30 40 50 60 70 80 90

Sueldo

Figura 1.6. Histograma de los ingresos de los ejecutivos

El polgono de frecuencias es un grfico de lnea cerrado, en el eje de las abscisas va

las marcas de clase y en el eje de las ordenadas alguna de las frecuencias (absoluta,
relativas o relativas porcentuales) los puntos correspondientes a estos pares se unen
mediante rectas. La marca de clase del primer y ltimo intervalo se une con la marca de
clase anterior y siguiente, respectivamente.

Polgono de Frecuencias Sueldo Ejecutivos

15
10
ni

5
0

20 40 60 80 100

xi

Figura 1.7. Polgono de frecuencia de los ingresos de los ejecutivos

18
La Ojiva es un grfico de lnea, en el eje de las abscisas van lo lmites superiores de
cada clase y en el eje de las ordenadas la frecuencia acumulada absoluta o la frecuencia
acumulada relativa porcentual.
Ojiva Sueldos Ejecutivos

60
50
40
Ni2

30
20
10
0

20 40 60 80

limsup

Figura 1.8. Ojiva de los ingresos de los ejecutivos

Grfico de tiempo Cuando los datos de una variable estn tomados a travs de tiempo,
puede ser de gran inters el grfico de los datos a travs del tiempo o el orden en que
los datos fueron obtenidos.

Un grfico de tiempo llamado tambin grfico de series, es un grfico de las

observaciones a travs del tiempo u orden en que fueron observados. Los puntos
consecutivos se conectan con lneas para ayudarnos a determinar si se producen
cambios en la distribucin a medida que pasa el tiempo.

Ejemplo 7.- Los datos siguientes corresponden al nmero de estudiante que llegaron
tarde al colegio A durante un periodo de tres semanas.

Tabla 1.7 Datos del N de estudiantes que llegan tarde

Lunes Martes Mircoles Jueves Viernes
Semana 1 10 7 6 8 11
Semana 2 14 5 10 8 7
Semana 3 9 3 6 4 6

Grfico de tiempo
N de alumnos

15
atrasados

Semana 1
10
Semana 2
5
Semana 3
0
s

s
s
ne

te

ne
ve
ar

e
Lu

er
Ju
M

Vi

Tiempo

Figura 1.9. Grfico de tiempo N de estudiantes que llegaron tarde al colegio

19
Resumen numrico de los datos
Para ampliar la informacin acerca de esta distribucin y completar as el anlisis
descriptivo de una poblacin o muestra, es necesario recurrir a ciertos valores numricos
que permiten cuantificar ciertas caractersticas de la distribucin. Se les llama a estos
valores medidas estadsticas o estadgrafos. Las de uso frecuente en un anlisis
descriptivo son las medidas de tendencia central y las medidas de dispersin.

Las medidas descriptivas numricas que caracterizan lo mejor posible a los datos
originales o a la distribucin de frecuencias mas frecuentes son:

Las medidas tendencia central de los datos;

Las medidas de dispersin o variacin con respecto a este centro;

Las medidas de tendencia central permiten determinar un valor caracterstico de una

distribucin de frecuencias ubicado hacia el centro de la distribucin.
Las tres medidas ms usuales de tendencia central son: la media, la mediana, la moda.

La media
Llamada tambin promedio aritmtico o simplemente media o promedio, es una de las
medidas ms importantes y de mayor uso en diversas aplicaciones estadsticas. Se
denota por si es obtenida de la poblacin y por x si es obtenida de una muestra y se
calcula de la siguiente manera:.
i) Para datos no agrupados sea x1, x2,...xn un conjunto de n valores, entonces

Poblacin (tamao N) Muestra (tamao n)

Media o promedio aritmtico Media o promedio aritmtico
poblacional muestral
N n
xi x i
= i =1
x = i=1
N n
para datos agrupados

Poblacin (tamao N) Muestra (tamao n)

Media o promedio aritmtico Media o promedio aritmtico
poblacional muestral
N n

ni xi n x i i

= i =1 x= i =1

N n

donde xi es la marca de clases

20
Observacin
1. En general, la media aritmtica obtenida a partir de las marcas de clase xi, diferir de
la media obtenida con los valores reales, xi. Es decir, habr una prdida de precisin
que ser tanto mayor, cuanto mayor sea la diferencia entre los valores reales y las
marcas de clase, o sea, cuando mayores sean las amplitudes ai, de los intervalos.
2. La media aritmtica es sensible a valores extremos.
3. De las observaciones x1, x2, ..., xn se tiene la siguiente propiedad elemental que
tendr grandes consecuencias en la definicin una medida de la variabilidad,

( xi x ) = 0

n
n n n
xi
En efecto ( xi x ) = xi x =n( i =1 ) nx = nx nx = 0
i =1 i =1 i =1 n

Este resultado es en cierta manera desalentador, puesto que el error o desviacin de

una observacin en particular respecto de la media es compensado con los dems
errores, de manera que sumando los errores de esta forma no nos entrega
informacin sobre la variabilidad o sobre cuan alejado estn las observaciones del
promedio. De manera que si consideramos las desviaciones de la observacin
respecto de la media como positivo, tendramos una medida del error. Podemos
considerar las siguientes situaciones para medir el error,

n
( xi x )
2
Error cuadrtico
i =1
n
xi x Error cuadrtico
4. i =1
mx xi x error mximo
i =1,2 ,...n

5. El error ms usual utilizado en estadstica es el error cuadrtico. Este error tiene

interesantes propiedades. Veremos una de ellas.

Supongamos que tenemos las observaciones x1, x2, ..., xn. Si elegimos cualquier
representante de estas observaciones, digamos a , entonces el error cuadrtico ser
mayor si elegimos la media como representante de estas observaciones, de otra
forma si x a

n n
( xi x ) < ( xi a )
2 2
Entonces
i =1 i =1

En efecto,

21
 n n n
( xi a ) = ( xi x + x a ) = (( xi x ) + ( x a ))
2 2 2
i =1 i =1 i =1
n
= (( xi x )2 + 2( xi x )( x a ) + ( x a )2 )
i =1
n n n
= ( xi x )2 + 2( x a ) ( xi x )+ ( x a )2
i =1 =1424
i1 3 i1 =14243
0 positivo

luego
n
= ( xi x )2
i =1

Vamos a ver otra propiedad interesante de la media. Supongamos que tenemos las
siguientes observaciones x1, x2, ..., xn, por razones que ms adelante veremos puede ser
altamente conveniente realizar una transformacin lineal de estas observaciones, por
ejemplo hacer yi = a + b xi, entonces la media de estas nuevas variables y1, y2, ... , yn es
y = a + bx . En efecto,

1 n 1 n 1 n 1 n 1 1 n
yi = ( a + bxi ) = a + b xi = na + b xi = a + bx
n i =1 n i =1 n i =1 n i =1 n n i =1

Ejemplo 8. Determinar el promedio de los sueldos de los ejecutivos para datos sin
agrupados y agrupados

Para datos sin agrupar la media es:

n
xi 58 + 76 + 89 + ... + 69 + 73
i =1
x= = = 62,05
n 60

Para datos agrupados la media es:

Tabla 1.8 Tabla de frecuencias de los ingreso anuales de 60 ejecutivos

Clases Intervalos ni Ni xi ni*xi ni*xi^2

1 (24 , 34] 3 3 29
2 (34 , 44] 6 9 39
3 (44 , 54] 8 17 49
4 (54 , 64] 12 29 59
5 (64 , 74] 19 48 69
6 (74 , 84] 9 57 79
7 (84 , 94] 3 60 89

22
Suponga que los sueldos de los gerentes generales de estas empresas es una funcin
lineal de los sueldos de los ejecutivos dada por yi = 230 xi + 300 determine le sueldo
promedio de los gerentes de estas empresas.

n
ni x i 3 * 29 + 6 * 39 + 8 * 49 + 12 * 59 + 19 * 69 + 9 * 79 + 3 * 89
i =1
x= = = 61,8333333 3,
n 60

yi = 230 xi + 300
y = 230 x + 300 = 230 * 62,05 + 300 = 14571,5

Propiedades de la media aritmtica

o Puede ser calculada en distribuciones con escala relativa y de intervalos
o .Todos los valores son incluidos en el cmputo de la media.
o Una serie de datos solo tiene una media.
o Es una medida muy til para comparar dos o ms poblaciones
o Es la nica medida de tendencia central donde la suma de las desviaciones de cada
valor respecto a la media es igual a cero.
o Por lo tanto podemos considerar a la media como el punto de balance de una serie de
datos.

Desventajas de la media aritmtica

o Si alguno de los valores es extremadamente grande o extremadamente pequeo, la
media no es el promedio apropiado para representar la serie de datos.
o No se puede determinar si en una distribucin de frecuencias hay intervalos de clase
abiertos.

Ejemplo 9.
a)
2 La media tambin se define como el
1 punto de equilibrio Si la distribucin es
0 simtrica, como en la figura a), la media
1 2 3 est exactamente en el centro de la
distribucin
Media = 2

23
b)
2 Cuando la observacin mayor se mueve
ms a la derecha, como en la figura b) la
1 media tiende hacia la observacin.
0
1 2 3 4 5

Media = 2,5

c)
2
Si la distribucin tiene un valor
extremo, como en la figura c) la
1 media tiende hacia este valor
extremo.
0
1 2 3 4 5 6 7 8 9 10 11

Media = 4

Promedio Ponderado.
En muchas ocasiones, los datos observados no tienen la misma importancia relativa.
Para hacer presente este hecho en la bsqueda de un 'centro' que represente a los
datos, es necesario asignar a cada uno de stos, una ponderacin (peso o coeficiente)
que represente su importancia dentro de la muestra.

Por ejemplo, considrese el sistema de calificacin del curso donde las pruebas tienen
distinta ponderaciones, segn su importancia en el proceso de evaluacin del trabajo del
alumno. En este caso, no resulta apropiado el promedio simple. Cada nota parcial debe
ser multiplicada por su coeficiente o ponderacin, para luego sumar estos resultados y
dividirlos por la suma de los coeficientes respectivos.

Definicin. Sean x1 ,x2 ,....,xn , n datos y w1 ,w2,....,wn, n, nmeros reales tales que wi 0;
i=1,2,....n; con a lo menos un wi > 0. Entonces el promedio ponderado de los datos, est
dado por:

n
wi xi
w1 x1 + w2 x2 + ... + wn xn i =1
xw = = n
w1 + w2 + ... + wn wi
i =1

Si w i= k, k constante positiva, entonces x w coincide con x .

Esto equivale a decir que, si cada observacin tiene la misma ponderacin, entonces el
promedio y el promedio ponderado son iguales.

24
 Ejemplo.
Si un alumno obtiene un 5.5 en la primera evaluacin 4.9 en la segunda evaluacin si la
primera evaluacin corresponde a un 45% y un 55% la segunda evaluacin. Cul es
nota promedio de estas dos pruebas?

0,45 * 5,5 + 0 ,55 * 4 ,9

xw = = 5,17
0,45 + 0 ,55

La media geomtrica.
Como se puede observar en la grfica 1, la funcin logaritmo (en este caso logaritmo
natural) "suaviza" los datos, si son muy grandes los datos los disminuye, y adems los
"contrae", es decir si x1 y x2 estn muy separados, no lo estarn tanto los valores
transformados ln ( x1) y ln ( x2).

De tal manera que en el manejo de datos estadsticos a veces es conveniente utilizar la

transformacin tales como, y = ln (x). Supongamos que tenemos un conjunto de
observaciones x1, x2, ... , xn, luego si a cada una de estas observaciones le aplicamos
logaritmo natural tenemos que yi = ln ( xi ). Vamos a calcular la media de estas nuevas
observaciones y1, y2, ... , yn, esto es

y1 + y 2 + ... + y n ln( x1 ) + ln( x2 ) + ... + ln( xn )

y= =
n n
1
= ln( x1 x2 ...xn )
n
1
= ln( x1 x2 ...xn ) n

y = ln n ( x1 x2 ...xn )
e y = n ( x1 x2 ...xn )

25
a la expresin de la derecha se le define como la media geomtrica, y se denota por

x g = n x1 x2 ...xn

Ejemplos.

1. Encontrar la media de los siguientes nmeros 2, 4, 8. obsrvese que entre ellos existe
una razn o proporcin constante, cada uno de ellos es el doble del anterior, por tanto
la media a utilizar es la media geomtrica, de la siguiente manera

xg = 3 2 * 4 * 8 = 4

Respuesta: la media geomtrica de los datos es 4

Un caso de aplicacin del promedio geomtrico, es el de clculo de inters en un

depsito a plazo.

Suponga que una persona desea depositar $1.000.000. durante un mes a una tasa de
2%. Esto significa que al trmino del mes, el banco le entrega $1.020.000.Al siguiente
mes, toma el capital inicial ms los intereses y los deposita por otro mes. Esta vez el
banco ofrece una tasa de 3%. Al trmino del segundo mes recibe $1.050.600.
Finalmente, deposita este nuevo capital por un tercer mes, ahora al 4%, obteniendo al
final $1.092.624. A qu tasa mensual debera ponerse el capital inicial para obtener el
mismo capital final al cabo de los tres meses?

Esta pregunta quiere dilucidar cul sera la tasa fija que el banco debiese haber aplicado
en cada uno de los tres meses en que el capital estuvo depositado (con los intereses
variables - 2%, 3%, 4% - que vimos).

El capital total finalmente obtenido, puede expresarse como:

1000000*1.02*1.03*1.04 = 1000000*1.092624

Esto significa que la tasa total aplicada es de 9.2624%

Entonces, la tasa mensual estara dada por la raz cbica de 1.092624, cuyo valor es
1.029968. Es decir, se habra necesitado una tasa mensual de 2.9968%. Cantidad
levemente inferior al 3% que se obtendra si, errneamente, se hubiese promediado 2%,
3% y 4%. Para ver claramente cmo interviene el promedio geomtrico en este ejemplo,
escribamos las tasas de inters como un factor multiplicativo del capital al cual se
aplican. De este modo, las sucesivas tasas son: 1.02, 1.03, 1.04.

26
El promedio geomtrico de estos nmeros es:

x g = 3 1,02 * 1,03 * 1,04 = 1,029968

Propiedades de la media geomtrica

La media geomtrica esta basada en todas las observaciones, por lo que est
afectada por todos los valores de la variable. Sin embargo, da menos pesos a los
valores extremadamente grandes que el que les da la media aritmtica.
La media geomtrica es igual a cero si algunos de los valores es cero, y se puede
volver imaginaria si ocurren valores negativos. Con la excepcin de estos dos casos,
su valor siempre es definitivo y est rgidamente definido.
La media geomtrica es la que se debe utilizar cuando lo que se va a promediar son
tasas de cambios o proporciones, y se intenta dar igual peso a tasas de cambios
iguales.

La media armnica. Se denota por xa y se define como el valor inverso de la media de

los valores recprocos de las observaciones x1, x2, ... , xn; esto es

n
xa =
1 1 1
+ + ... +
x1 x2 xn

Ejemplo

Un.automvil que hace viajes de ida y vuelta entre las ciudades A y B, realiza el viaje
entre A y B a razn de 80 Km por hora y el viaje entre B y A a 120 Km por hora, La
velocidad promedio del viaje de ida y vuelta ser de

2
xa = = 96 Km / hr
1 1
+
80 120
Propiedades de la media armnica
o La media armnica se basa en todas las observaciones por lo que est afectada por
todos los valores de la variable. Da a los valores extremadamente grandes un peso
menor que el que les da la media geomtrica, mientras que a los valores pequeos
les da un peso mayor que el que les da tanto la media aritmtica como la media
geomtrica.
o La media armnica esta indeterminada si alguno de los valores es cero, pues hallar el
recproco de cero implica dividir entre cero, lo cual no es vlido. La media armnica
est rgidamente definida y siempre es definitiva, excepto cuando uno de los valores
es cero.
o La media armnica es el promedio que se ha de usar, cuando lo que se va a
promediar son proporciones donde los numeradores de las razones son los mismos
para todas las proporciones.

27
Mediana
Supongamos que tenemos un conjunto de observaciones x1, x2, ..., xn. Ordenamos estas
observaciones de menor a mayor, y supongamos que el ordenamiento se consigue de la
forma x(1), x(2), ..., x(n); es decir x(i) es el i-simo nmero en orden entre las n observaciones,
en los casos extremos se tiene que x(1) es la menor de todas las observaciones y que x(n)
es la mayor de todas las observaciones.
La mediana es el valor central de la variable, despus que se ha ordenado en orden
creciente, es el valor que divide en dos partes la muestra.

Para calcular la mediana debemos tener en cuenta si la variable cuantitativa est sin
agrupar o si est agrupada, si es discreta con muchos datos y rango pequeo o discreta
o continua tabulada en intervalos.

Clculo de la mediana en el caso discreto no agrupado

Si el conjunto de observaciones los denotamos por x1,...,xn y al conjunto de
observaciones ordenadas las denotamos por x(1) ,... ,x(n). Se define la posicin de la
mediana como:

n +1
s = Pos ( Med ) =
2
Si s es un entero el valor de la mediana estado por

Med = xs
Si s no es un entero, entonces se determina un entero i tal que i<s<i + 1. Luego el valor
de la mediana es:
x ( i ) + x ( i 1 )
Med =
2
Ejemplo 10.-
n par n impar
1,4,6,7,8,9,12,16,20,24,25,27 1,4,6,7,8,9,12,16,20,24,25,27, 30
n=12 n=13
Trminos Centrales el 6 y 7 Trmino Central el 7 , 12
9 y 12
Me= (9+12)/2= Me=12

28
Ejemplo 11 Determinar la mediana para el ejemplo de los sueldos de los ejecutivo, para
los datos sin agrupar y agrupados.

Para los datos sin agrupar primero ordenamos los datos

31 45 57 65 71 76
34 46 58 66 71 77
34 47 61 67 72 77
36 50 61 69 73 79
38 50 62 69 73 79
38 51 62 69 74 79
39 54 62 69 74 79
39 55 64 69 74 85
40 56 64 69 75 87
45 56 65 71 76 89
Como el nmero de elementos es par se ubican los dos valore centrales y se promedia.

x ( i ) + x ( i 1) 65 + 65
Med = = = 65
2 2

Clculo de la mediana para datos agrupados

Para el caso de datos agrupados las observaciones estn agrupadas en intervalos de

clase, de manera que primero tenemos que fijarnos en la frecuencia absoluta acumulada,
y en aquel intervalo de clase en que el valor correspondiente a la primera frecuencia
absoluta acumulada que supera o es igual al 50% del nmero de observaciones, se dice
que es el intervalo donde se encuentra la mediana.

n
N i 1 )
(
med = li 1 + 2 ai
ni

Donde:
li-1 : lmite inferior de la clase de la mediana
n : nmero de observaciones
Ni-1: frecuencia absoluta de la clase anterior a la clase mediana
ni : frecuencia absoluta del intervalo mediano
ai : amplitud del intervalo de la clase de la mediana

Cambio en los valores extremos en los valores ordenados de la muestra no afectan

significativamente a la mediana, no as la media. En efecto, supongamos la muestra
anterior 1, 1, 2, 3, 3, 3, 4, 4, 5, 7, 8; donde la mediana es med = 3, y la media de esta
muestra es x = 3,72; sin embargo si cambiamos el ltimo valor de esta muestra, que es
8, por 12, tenemos que la mediana sigue siendo la misma no obstante que la media
cambia su valor a 4,09. De manera que, en algunas ocasiones es ms representativa la

29
mediana que la media, fundamentalmente en muestras en que aparecen observaciones
extremas.

Ejemplo.
El ejemplo de los sueldos de los ejecutivos el valor de la mediana para datos agrupados
se obtiene determinando la clase de la mediana, es la primera clase, donde la frecuencia
acumulada supera o iguala a la mitad de los datos.

En este ejemplo es la 5 clase.

n 60
Ni l 29
Med = l i 1 + 2 * ai = 64 + 2 * 10 = 64,5263158
ni 19

La moda
En el lenguaje cotidiano, la palabra moda describe una situacin que es frecuente, que
est mayoritariamente en uso, en particular y como ejemplo se utiliza mucho en el
vestuario, sobre todo de las damas. Pues bien, en lo que respecta a la estadstica
diramos que tiene el mismo significado, para el caso discreto es la observacin absoluta
(o relativa) ms frecuente respecto de las observaciones vecinas, de modo que puede
haber ms de una moda. Intentaremos dar un lenguaje ms formal a esta definicin.
Como antes estudiaremos ambos casos, el discreto y el continuo.

Caso discreto
La moda es el valor de mayor frecuencia absoluta, la que ms se repite, es la nica
medida de centralizacin que tiene sentido estudiar en una variable cualitativa, pues no
precisa la realizacin de ningn clculo.

Por su propia definicin, la moda no es nica. Pues puede haber dos o ms valores de la
variable que tengan la misma frecuencia siendo esta mxima. En cuyo caso tendremos
una distribucin bimodal o polimodal segn el caso.

Ejemplo: Supongamos que tenemos las siguientes observaciones (ordenadas)

1, 1, 2, 2, 2, 3, 4, 4, 5, 5, 5, 6, 6, 7, 8, 8, 9, 9. En este caso podemos observar que hay
dos modas, a saber: 2 y 5.

Caso continuo
En este caso tiene ms sentido hablar de intervalo modal. En efecto, esta vez nos
fijamos en los intervalos de clase con sus respectivas frecuencias absolutas. Si un
intervalo tiene mayor frecuencia que sus intervalos inmediatamente adyacentes se dice
entonces que es un intervalo modal. De manera ms formal, diremos que (li - 1, li] es un
intervalo modal si la frecuencia absoluta (o relativa) ni es mayor que las frecuencias
adyacentes ni - 1 y ni + 1.

Ahora el problema es qu valor elegir de este intervalo modal y definirlo como moda?
De momento digamos que una moda se denotar por moda.

30
de modo que la moda es

donde ai es la amplitud del intervalo, que por lo general es constante.

Esta estadstica debe usarse con cuidado. Su objetivo es identificar zonas donde se
producen aglomeraciones de datos, sin embargo, podra ser que por el solo hecho de
haber una observacin extra en un punto aislado, ste pudiese aparecer como una
moda.

Este inconveniente es especialmente delicado cuando hay pocas observaciones en la

muestra, tal como es el caso que se observa en el grfico siguiente.

Como puede apreciarse, cuatro alumnas tienen una estatura de 165 cm.. Si no se pone
atencin al resto de las observaciones, se podra reportar este valor como la moda
principal, lo que tiende a confundir ya que alrededor 159 cm. hay una gran concentracin
de datos. La mayor utilidad de la moda, se presenta al usarla con muestras relativamente
grandes, donde la influencia de un dato individual no distorsiona el anlisis.

Ejemplo 11.- Determinar la moda del sueldo de los ejecutivos para datos agrupados y
sin agrupar.

31
Relacin entre media, mediana y moda
En el caso de distribuciones unimodales, la mediana est con frecuencia comprendida
entre la media y la moda (incluso ms cerca de la media)
En las distribuciones que presentan valores extremos, es ms aconsejable el uso de la
mediana. Sin embargo en estudios relacionados con propsitos estadsticos y de
inferencia suele ser ms apta la media.

Principales Caractersticas de la Moda, Mediana y Media

Moda Mediana Media
Es el valor del punto medio de los datos
Es el valor mas frecuente en a distribucin. Es ordenados, tal que la mitad de los Es el valor promedio de todas las
1 el punto mas alto en la funcin. datos estn por arriba y la otra por observaciones
debajo de ella.
Su valor es establecido por las frecuencia El valor de la mediana es fijado o por
La suma algebraica de sus desviaciones
2 predominante, no por r los valores en la su u posicin en la seleccin, y no
es cero.
distribucin. refleja valores individuales.
Una distribucin puede tener mas de 2 modas,
Cada seleccin tiene solo una
3 pero no existe moda en una distribucin
mediana.
Una muestra tiene solo una media.
rectangular.
No puede ser manipulada Pueden ser manipuladas algebraicamente.
No puede ser manipulada algebraicamente.
algebraicamente. Medias de subgrupos pueden ser
4 Modas de subgrupos no pueden ser ponderadas
Medianas de subgrupos no pueden ser combinadas cuando son ponderadas
o combinadas.
ponderadas o combinadas. apropiadamente.
Es estable en cuanto a que Es estable en cuanto a que
Es inestable, puede ser influenciada en el
5 proceso de agrupacin.
procedimientos para agrupar no afecta procedimientos para agrupar no afecta su
su apreciacin. apreciacin.
Podra ser calculada igualmente cuando
algn valor individual es desconocido, si
6 Puede ser aplicada a datos cualitativos. No es aplicable para datos cualitativos.
se posee la suma de los valores y el
tamao de la muestra.
No puede ser calculado de una tabla de
Puede ser calculada cuando los extremos de Puede ser calculado cuando los valores
7 los valores de los grupos son abiertos. extremos son abiertos.
frecuencia cuando sus valores
extremos son abiertos.
Valores no necesitan ser ordenados para su Valores deben ser ordenados yLos valores no necesitan ser ordenados
8 clculo. agrupados para su clculo. para su clculo.

32
Cuantiles
Como sabemos, la mediana es un valor del recorrido de los datos que particiona a la
distribucin de frecuencias en dos partes, cada una conteniendo el 50% del total de la
distribucin.

Podemos realizar una particin mayor de la distribucin de frecuencias dividindola en 4,

10 100 partes. Llamamos a estas particiones cuantiles y segn el nmero de divisiones
obtenemos cuartiles, deciles o percentiles.

Si los datos no estn agrupados al igual que en la mediana se debe ordenar el conjunto
de datos y determinar primero la posicin para posteriormente determinar el valor.

k
s = Pos ( Pk ) =
(n + 1) si s entero Pk = x( s )
100
si s no es un entero s = t , r Pk = xt + 0, r * ( xt +1 + xt )

Si los datos estn agrupados de determina mediante la frmula:

n*k
N i 1
Pk = li 1 + 100 * ai
ni
Por su propia naturaleza, el percentil puede estar situado en cualquier lugar de la
distribucin, por lo que no se puede considerar como una medida de tendencia central.

Los cuartiles, Qi, son un caso particular de los percentiles. Hay 3, y se define como:

Q1 = P25 Q2 = P50= Med Q3 = P75

De forma anloga se definen los deciles como los valores de la variable que dividen a
las observaciones en 10 grupos de igual tamao. Ms precisamente, definamos D1,
D2,...,D9 como:
Di = P10*i
Los percentiles (que incluyen a la mediana, cuartiles y deciles) tambin son denominados
estadsticos de posicin).

33
Medidas de variabilidad o dispersin
Los estadsticos de tendencias central o posicin nos indican donde se sita un conjunto
de observaciones. Los de variabilidad o dispersin nos indican si esas observaciones o
valores estn prximas entre si o por el contrario estn o muy dispersas.

Hasta ahora hemos estudiado en las observaciones los estadsticos de posicin

(percentiles) y de tendencia central (medias, medianas y modas). Sin embargo debemos
tener una nocin en cuanto a la relacin existente entre estas observaciones, una
medida de cuan alejada est una determinada observacin del resto, o de una medida de
disgregacin que tienen estas observaciones. En rigor la primera medida de dispersin
que ya hemos estudiado es el rango de las observaciones. Pero es claro que esta
medida presenta varios inconvenientes. En primer lugar solo considera dos
observaciones, la ms pequea y la mayor, de modo que no puede ser muy fiable toda
vez que uno de estos valores extremos se aleje demasiado y el resto se encuentre muy
agrupado. En segundo lugar, podemos aumentar el nmero de observaciones, esto
significa tener ms precisin en el fenmeno en estudio, y es posible que las nuevas
observaciones se agrupen, por ejemplo en torno a la media, y el rango no disminuir.
Finalmente, basta que una observacin nueva sea mayor o menor que el resto de las
anteriores para que el rango aumente. De manera que es conveniente que creemos otras
medidas de dispersin.

Ejemplo 12. considere los siguientes conjuntos de datos:

Datos 1: 55, 56, 57, 58, 59, 60, 60, 60, 61, 62, 63, 64, 65
Media =Moda =Mediana = 60
X
X
X
XXXXXXXXXXX
35 40 45 50 55 60 65 70 75 80 85

Datos 2: 35, 40, 45, 50, 55, 60, 60, 60, 65, 70,75, 75, 80, 85
Media =Moda =Mediana = 60
X
X
X
X X X X X X X X X X X
35 40 45 50 55 60 65 70 75 80 85

Se puede observar que lo datos1 estn muy cercanos alrededor del centro, mientras que
en datos2 estn mas dispersos o alejados.

Ahora, veremos medidas de dispersin mejores que la anterior. Estas se determinan en

funcin de la distancia entre las observaciones y algunos estadsticos de tendencia
central.

34
Desviacin media, DM
Se define la desviacin media como la media de las diferencias en valor absoluto de los
valores de la variable a la media, es decir, si tenemos un conjunto de n observaciones,
x1,...,xn entonces:

Poblacin (tamao N) Muestra (tamao n)

Desviacin Media Poblacinal Desviacin Media Muestral
N n

| x i x| | x x | i
DM = i =1
DM = i =1

N n

ii) para datos agrupados

Poblacin (tamao N) Muestra (tamao n)

Desviacin Media Poblacinal Desviacin Media Muestral

k k

| x i x | ni | x x | n i i
DM = i =1
DM = i =1

N n

Varianza y desviacin estndar

La varianza, S2, se define como la media de las diferencias cuadrticas de n
observaciones con respecto a su media aritmtica, es decir:

Poblacin (tamao N) Muestra (tamao n)

Varianza Poblacinal Varianza Muestral

N n
( xi x ) ( xi x )
2 2

V ( X ) = X2 = i =1 V ( X ) = S X2 = i =1
N n 1
n
( xi x )
2
N
xi
2
nx 2
V ( X ) = S X2 = i =1
i =1
V( X ) = S X2 = n
N n
xi nx
2 2

V ( X ) = S X2 = i =1
n 1
n
xi nx
2 2

V ( X ) = S X2 = i =1
n

35
iii) para datos agrupados

Poblacin (tamao N) Muestra (tamao n)

Varianza Poblacinal Varianza Muestral

N n
( xi x ) ni ( xi x ) ni
2 2

V ( X ) = S X2 = i =1 V ( X ) = s X2 = i =1
N n 1
k n
ni x i n x ( xi x ) ni
2 2
i =1
V ( X ) = S X2 = V ( X ) = s X2 = i =1
N n
k
ni x i n x
2
i =1
V ( X ) = s 2X =
n 1
k
ni x i n x
2
i =1
V ( X ) = s 2X =
n

La varianza no tiene la misma magnitud que las observaciones (ej. Si las observaciones
se miden en metros, la varianza lo hace en metros cuadrados). Si queremos que la
medida de dispersin sea de la misma dimensionalidad que las observaciones bastar
con tomar su raz cuadrada, Por ello se define la desviacin estndar o tpica, como:

SX = V ( X )
Propiedades de la varianza.
Supongamos que tenemos las siguientes observaciones x1, ..., xi, ..., xn, cuya varianza la
denotaremos por V(X). Supongamos que sobre cada una de estas observaciones
realizamos la siguiente transformacin

Entonces para estas nuevas observaciones transformadas linealmente calcularemos su

varianza, esto es

36
Notemos lo siguiente, que si tenemos una serie de observaciones, a saber ,
entonces si hacemos un "traslado" de todas estas observaciones a una distancia que nos
interesa, como por ejemplo

entonces, lo que nos dice la propiedad anterior, que la varianza es la misma que las
observaciones anteriores. Es decir que si trasladamos "conjuntamente" las
observaciones a otro sitio, las observaciones siguen manteniendo el mismo grado de
dispersin.

Finalmente, si hacemos un cambio de escala, es decir multiplicamos cada una de las

observaciones por una cantidad constante, entonces la varianza de este cambio de
escala ser proporcional a la anterior en un factor cuadrtico de la cantidad constante.

Una ltima propiedad de la varianza que daremos sin demostracin es la siguiente: Si

tenemos las observaciones , entonces en el intervalo real
se encuentra al menos el 75% de las observaciones.

La desviacin intercuartlica se define como:

RIQ = Q3 Q1

37
 Caractersticas Principales de
la Desviacin Cuartl, la Media de Desviacin Absoluta y la Desviacin Estndar
La Desviacin intercuatlica Desviacin media La Desviacin Estndar
La desviacin intercuatlica es fcil de La Desviacin media tiene la La Desviacin Estndar es
calcular y entender. Sin embargo, esta ventaja de dar igual peso a la normalmente mas til y mejor
1 es inconsis- tente si existen brechas desviacin de cada valor con adaptada a un anlisis mas
entre los datos alrededor de los respecto a la media o la profundos que lo que es desviacin
cuartiles. mediana. media.
Es una medida de dispersin
Es ms adaptable como estimador
Solo depende de dos valores, los ms sensitiva que cualquiera
de la dispersin de la poblacin que
2 cuales incluyen la mitad central de los de las descritas anteriormente,
cualquier otra medicin, haciendo
mismos. y normalmente tiene errores de
que la distribucin sea normal.
muestreo ms pequeos.
Es ms fcil de calcular y
Es la ms amplia medida de
Es normalmente superior al rango como entender, adems es menos
3 dispersin usada, y la ms fcil de
una medida cruda de dispersin. sensible que la desviacin
manejar algebraicamente.
estndar a valores extremos.
Esta podra ser determinada en una Desafortunadamente, es muy
distribucin abierta en los extremos, o difcil de manejar En comparacin con los dems, esta
4 en una en la cual los datos pueden ser algebraicamente, dado que el es mas difcil de calcular y de
seleccionados pero no medidos signo negativo debe ser entender.
cuantitativamente. ignorado cuando se calcula.
Es muy til en distribuciones muy Su aplicacin principal es la Es normalmente afectada por valores
sesgadas, o en aquellas en las cuales precisa eleccin de modelos extremos, los cuales podran
5
otras medidas de dispersin serian en tcnicas de predicciones ocasionar el sesgamiento de los
deformadas por valores extremos. comparativas. datos.

Coeficiente de variacin
Es un ndice que puede servir para la comparacin entre poblaciones en que se miden
distintas caractersticas. Dada un conjunto de observaciones x1, x2, ..., xn se define el
coeficiente de variacin, CV, como

S
CV = *100%
x
Segn esta definicin, es claro que no tiene sentido para observaciones cuya media es
nula.

El CV es independiente de las unidades de medida. En la estimacin de un parmetro,

cuando su CV es menos del 10%, la estimacin se asume aceptable.

Si a la muestra x1, x2, ..., xn le hacemos la transformacin yi = xi + b, y si denotamos por

CVy al coeficiente de variacin de las y1, y2, ... yn, entonces

Si a la muestra x1, x2, ..., xn le hacemos la transformacin yi = xi + b, y si denotamos por

CVy al coeficiente de variacin de las y1, y2, ... yn, entonces

38
Adems, y como es de prever, es invariante bajo cambio de escala, es decir si yi = a xi
entonces CVy = CVx. En efecto, viene del hecho de que Sy = a Sx y de que y = a x

En definitiva, si tenemos dos tipos de observaciones diferentes, esto es que miden dos
atributos X e Y diferentes, entonces con el clculo de los coeficientes de variacin
respectivos podemos tener una medida de que tipo de atributo est ms disperso (en
torno de la media) en comparacin con el otro atributo. Esto es si CVx < CVy entonces los
datos relativos al atributo Y estn ms dispersos que los datos del atributo X.

Generalmente el coeficiente de variacin nos sirve para comparar la variacin de dos o

ms conjuntos de datos

Ejemplo 13.- Determinar las medidas de dispersin del ejemplo 4, ingresos de los
ejecutivos para datos sin agrupar y agrupados.

Tabla 11.
Medidas de dispersin
Medidas de dispersin Datos no agrupados Datos agrupados
Rango o recorrido 58 90
Desviacin media 12,2783 12,4056
Varianza 217,0475 226,9722
Desviacin estndar 14,7325 15,0656

39
Asimetra y apuntamiento
Sabemos cmo calcular valores alrededor de los cuales se distribuyen las observaciones
de una variable sobre una muestra y sabemos cmo calcular la dispersin que ofrecen
los mismos con respecto al valor de central. Nos proponemos dar un paso ms all en el
anlisis de la variable. En primer lugar, se estudia si la distribucin de los datos es la
simetra. Un conjunto de datos que no se distribuye simtricamente, se llama asimtrico.
La asimetra puede verse en el diagrama de tallo y hoja o en el histograma. Tambin
puede verse a travs de la posicin relativa entre la media y la mediana.

Estadsticos de asimetra
Para saber si una distribucin de frecuencias es simtrica, hay que precisar con respecto
a qu. Un buen candidato es la mediana, ya que para variables continuas, divide al
histograma de frecuencias en dos partes de igual rea. Podemos basarnos en ella para,
de forma natural, decir que una distribucin de frecuencias es simtrica si el lado
derecho de la grfica (a partir de la mediana) es la imagen por un espejo del lado
izquierdo.

Distribucin Sim trica

7
6
5
4
3
2
1
0
1 2 3 4 5 6 7

Dentro de los tipos de asimetra, vamos a destacar los dos fundamentales:

Asimetra positiva
Si las frecuencias ms altas se encuentran en el lado izquierdo de la media, mientras que
en derecho hay frecuencias ms pequeas (cola)

Distribucin Asim trica Positiva

12
10
8
6
4
2
0
1 2 3 4 5 6 7

40
Asimetra negativa
Si las frecuencias ms altas se encuentran en el lado derecho de la media, mientras que
en el izquierdo hay frecuencias ms pequeas (cola)

Distribucin Asim trica Negativa

12

10

0
1 2 3 4 5 6 7

Cuando realizamos un estudio descriptivo es altamente improbable que la distribucin

de frecuencias sea totalmente simtrica. En la prctica diremos que la distribucin de
frecuencias es simtrica si lo es de un modo aproximado. Por otro lado, an observando
cuidadosamente la grfica, podemos no ver claro de qu lado estn las frecuencias ms
altas. Conviene definir entonces unos estadsticos que ayuden a interpretar la asimetra,
a los que llamaremos ndices de asimetra, y que denotaremos mediante As.

n
( xi x )
p

M 3
M p = i =1
AS = 3 donde
n
S n
( xi x ) ni
X p

M p = i =1
n
es denominado el psimo momento central (alrededor de la media) y

S X3 = ( V ( X ) )3

Apoyndonos en este ndice, diremos que hay asimetra positiva si As > 0 , y que la
asimetra es negativa si As < 0 y si As = 0 la distribucin es simtrica.

En las distribuciones sesgadas negativamente siempre la media est a la izquierda de la

mediana y la moda a la derecha de ella. En las distribuciones sesgadas positivamente la
moda est a la izquierda de la mediana y la media a la derecha de la mediana.

41
Curva bimodal (simtrica o asimtrica por estratos):

0.5

0.4

0.3

0.2

0.1

0
-3 2

Estadsticos de apuntamiento
Uno de los coeficientes que nos indica el apuntamiento de una distribucin de frecuencia
es el coeficiente de aplastamiento de Fisher o coeficiente de curtosis definido por:

M4
K=
M 22

De este modo, las distribuciones de frecuencias se clasifican en:

1) Leptocrtica: cuando, K>0, o sea, si la distribucin de frecuencias es ms apuntada
que la normal:
2) Mesocrtica: cuando K=0, es decir, cuando la distribucin de frecuencias es tan
apuntada como lo normal;
3) Platicrtica: cuando K<0, o sea, si la distribucin de frecuencias es menos apuntada
que la normal

Ejemplo 14.- Las medidas descriptivas del ejemplo 3, ingreso de los ejecutivos para los
datos no agrupados son: (obtenidos utilizando Excel)

42
 Medidas descriptivas de la variable Ingreso de los Ejecutivos
Media 62,05 Rango 58
Mediana 65 Mnimo 31
Moda 69 Mximo 89
Desviacin estndar 14,8569 Suma 3723
Varianza de la muestra 220,7263 Cuenta 60
Curtosis -0,727577
Coeficiente de asimetra -0,451824

Se aprecia que el ingreso promedio de los ejecutivos es de US$ 625000, con una
desviacin estndar de US$ 14857.
El valor de la mediana es de US$ 65000 es decir el 50% de los ejecutivos tienen un
ingreso de a lo mas este valor y el otro 50% tienen un ingreso mayor a este valor.
El ingreso mas frecuente es de US$ 69000.
Como el valor de la curtosis es menor que 3 la curva es leptocrtica.
El coeficiente de asimetra es negativo la curva o histograma es asimtrico a izquerda lo
que significa que hay una mayor variacin de los ingresos en los entre los ejecutivos de
menor ingreso.

43
Cmo Construir un BoxPlot
Un BoxPlot es un grfico que tiene muchas caractersticas. Incluye la presencia de
posibles outliers. Muestra el rango de los datos. Muestra una medida de dispersin tal
como el cuartl superior, cuartl inferior y los rangos intercuartiles (RIC) de un conjunto de
datos, as como tambin a la mediana como medida central ubicacin, el cual es til para
comparar grupos de datos. Tambin indica acerca de la simetra o de la asimetra de la
distribucin. La razn principal de utilizar los boxplots es porque ofrecen mucha
informacin de una manera compacta.

Pasos para Construir un Boxplot

1.- Calcular los 3 cuartiles (Q1, Q2, y Q3). La porcin central de la distribucin que se
encuentre entre Q1 y Q3 se representa por una caja (no interesa el ancho de ella). Dentro
de esta caja se ubica el valor de la mediana (Q2).

2.- Calcular el recorrido intercuartlico (Q).

3.- Calcular las barreras internas BI1 y BI2 en la forma:

BI1 = Q1 1.5 Q
BI2 = Q3 + 1.5 Q

4.- Calcular las barreras externas BE1 y BE2 en la forma:

BE1 = Q1 3 Q
BE2 = Q3 + 3 Q

5.- Identifique los puntos adyacentes

Se llaman puntos adyacentes al mnimo y mximo dato que se encuentran dentro de las
barreras internas. Desde los extremos de la caja se trazan lneas hasta los respectivos
valores adyacentes. A estas lneas se les llama antenas o bigotes.

6.- Identificar los puntos atpicos y extremos:

Se llaman puntos atpicos o outliers a aquellos datos que se encuentran fuera de las
barreras internas y dentro de las barreras externas. Se llaman puntos extremos a
aquellos puntos ubicados fuera de las barreras externas.

Un punto atpico o extremo puede deberse, por ejemplo, a una mala lectura, mal registro,
causa fortuita, etc. Este tipo de datos no puede eliminarse inmediatamente sin un anlisis
preliminar de las causas que lo originan.

A travs de un grfico caja podemos identificar el tipo de asimetra de una distribucin de

frecuencias unimodal de la siguiente manera:

i) Si la posicin de la mediana se encuentra en la mitad de la caja y las antenas

tiene la misma longitud, la distribucin es simtrica.

44
ii) Sil a posicin de la mediana se encuentra ubicada ms cerca del primer cuartil y la
antena superior es de mayor longitud que la antena inferior, la distribucin
presenta sesgo positivo.
iii) Si la posicin de la mediana se encuentra ubicada ms cerca del tercer cuartil y la
antena superior es de menor longitud que la antena inferior, la distribucin
presenta sesgo negativo.

Ejemplo 15.- El grfico de caja para el ejemplo 3 (ingreso de los ejecutivos) es:

Box Plot Ingresos Ejecutivos

110
100
90
80
70
60
50
40 Mediana= 65
Q1 = 51
30 Q3 = 74

20 No hay puntos outlier

Ingreso Ejecutivos

45