Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guia 1 Estadistica
Guia 1 Estadistica
Matemtica
MARZO 2010
Para tener xito en el desarrollo de este nuevo tema, debemos tener en cuenta los conceptos: de
Estadstica Descriptiva y Probabilidades, como: Medidas de tendencia central, grficos de frecuencias,
manejo de la informacin, probabilidad compuesta, probabilidad total y frmula de Laplace en el clculo
de las probabilidades.
En esta Unidad:
Estadstica Descriptiva
Aplicars conceptos estadsticos: muestra, poblacin y tipos de variables.
Ordenars y organizars la informacin.
Analizars y construirs tablas y grficos.
Determinars medidas de tendencia central: media aritmtica, moda y mediana.
Calculars medidas de dispersin: rango, desviacin estndar y varianza.
Conocers e interpretars las medidas de posicin: cuartiles, quintiles, deciles y percentiles.
Estadstica Inferencial
Determinars la homogeneidad y heterogeneidad de una muestra.
Comparars distribuciones de distintas muestras de poblaciones dependiendo del tipo de muestreo
aplicado.
Determinars y calculars funciones de probabilidad y distribucin de una variable aleatoria discreta.
Estudiars la correlacin y regresin lineal de distribuciones bidimensionales.
Reconocers distribuciones normales y binominales. Y calculars probabilidades con ellas.
Existen diferentes razones por las cuales los profesionales deben conocer los fundamentos de la estadstica
como instrumento del trabajo cotidiano. En esta gua se pretende dar a conocer algunas nociones estadsticas
que nos ayudarn a explorar y describir, en un primer momento, nuestros datos.
Poblaciones y Muestras
Cuando se realiza un estudio de investigacin, se pretende generalmente inferir o generalizar resultados de una
muestra a una poblacin. Se estudia en particular a un reducido nmero de individuos a los que tenemos acceso
con la idea de poder generalizar los hallazgos a la poblacin de la cual esa muestra procede. Este proceso de
inferencia se efecta por medio de mtodos estadsticos basados en la probabilidad.
La poblacin representa el conjunto grande de individuos que deseamos estudiar y generalmente suele ser
inaccesible. Es, en definitiva, un colectivo homogneo que rene unas caractersticas determinadas.
La muestra es el conjunto menor de individuos (subconjunto de la poblacin accesible y limitado sobre el que
realizamos las mediciones o el experimento con la idea de obtener conclusiones generalizables a la poblacin). El
individuo es cada uno de los componentes de la poblacin y la muestra. La muestra debe ser representativa de la
poblacin y con ello queremos decir que cualquier individuo de la poblacin en estudio debe haber tenido la misma
probabilidad de ser elegido.
Las razones para estudiar muestras en lugar de poblaciones son diversas y entre ellas podemos sealar:
a. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo.
b. Como consecuencia del punto anterior ahorraremos costes.
c. Estudiar la totalidad de los pacientes o personas con una caracterstica determinada en muchas ocasiones
puede ser una tarea inaccesible o imposible de realizar.
d. Aumentar la calidad del estudio. Al disponer de ms tiempo y recursos, las observaciones y mediciones
realizadas a un reducido nmero de individuos pueden ser ms exactas y plurales que si las tuvisemos
que realizar a una poblacin.
e. La seleccin de muestras especficas nos permitir reducir la heterogeneidad de una poblacin al indicar
los criterios de inclusin y/o exclusin.
Tipos de datos
Lo que estudiamos en cada individuo de la muestra son las variables (edad, sexo, peso, talla, tensin arterial
sistlica, etctera). Los datos son los valores que toma la variable en cada caso. Lo que vamos a realizar es medir,
es decir, asignar valores a las variables incluidas en el estudio. Deberemos adems concretar la escala de medida
que aplicaremos a cada variable.
La naturaleza de las observaciones ser de gran importancia a la hora de elegir el mtodo estadstico ms
apropiado para abordar su anlisis. Con este fin, clasificaremos las variables, a grandes rasgos, en dos tipos 3-5:
variables cuantitativas o variables cualitativas.
a. Variables cuantitativas. Son las variables que pueden medirse, cuantificarse o expresarse
numricamente. Las variables cuantitativas pueden ser de dos tipos:
o Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango numrico
determinado (edad, peso, talla).
o Variables cuantitativas discretas, si no admiten todos los valores intermedios en un rango. Suelen
tomar solamente valores enteros (nmero de hijos, nmero de partos, nmero de hermanos, etc).
o Escalas nominales: sta es una forma de observar o medir en la que los datos se ajustan por
categoras que no mantienen una relacin de orden entre s (color de los ojos, sexo, profesin,
presencia o ausencia de un factor de riesgo o enfermedad, etctera).
o Escalas ordinales: en las escalas utilizadas, existe un cierto orden o jerarqua entre las
categoras (grados de disnea, estadiaje de un tumor, etctera).
Estadstica descriptiva
Una vez que se han recogido los valores que toman las variables de nuestro estudio (datos), procederemos al
anlisis descriptivo de los mismos. Para variables categricas, como el sexo o la estatura, se quiere conocer el
nmero de casos en cada una de las categoras, reflejando habitualmente el porcentaje que representan del
total, y expresndolo en una tabla de frecuencias.
Para variables numricas, en las que puede haber un gran nmero de valores observados distintos, se ha de optar
por un mtodo de anlisis distinto, respondiendo a las siguientes preguntas:
Las medidas de centralizacin vienen a responder a la primera pregunta. La medida ms evidente que podemos
calcular para describir un conjunto de observaciones numricas es su valor medio. La media no es ms que la suma
de todos los valores de una variable dividida entre el nmero total de datos de los que se dispone.
Como ejemplo, consideremos 10 pacientes de edades 21 aos, 32, 15, 59, 60, 61, 64, 60, 71, y 80. La media de
edad de estos sujetos ser de:
Ms formalmente, si denotamos por (X1, X2,...,Xn) los n datos que tenemos recogidos de la variable en cuestin, el
valor medio vendr dado por:
Otra medida de tendencia central que se utiliza habitualmente es la mediana. Es la observacin equidistante de
los extremos.
La mediana del ejemplo anterior sera el valor que deja a la mitad de los datos por encima de dicho valor y a la
otra mitad por debajo. Si ordenamos los datos de mayor a menor observamos la secuencia:
Como quiera que en este ejemplo el nmero de observaciones es par (10 individuos), los dos valores que se
encuentran en el medio son 60 y 60. Si realizamos el clculo de la media de estos dos valores nos dar a su vez
60, que es el valor de la mediana.
Francisco Arratia Camus Estadstica y Probabilidad
Pgina 3
Si la media y la mediana son iguales, la distribucin de la variable es simtrica. La media es muy sensible a la
variacin de las puntuaciones. Sin embargo, la mediana es menos sensible a dichos cambios.
La m e d i a n a es i n d e p e n d i e n t e de las a m p l i t u d e s de los i n t e r v a l o s .
Por ltimo, otra medida de tendencia central, no tan usual como las anteriores, es la moda, siendo ste el valor de
la variable que presenta una mayor frecuencia.
b. Medidas de dispersin
Tal y como se adelantaba antes, otro aspecto a tener en cuenta al describir datos continuos es la dispersin de
los mismos. Existen distintas formas de cuantificar esa variabilidad. De todas ellas, la varianza (S2) de los datos
es la ms utilizada. Es la media de los cuadrados de las diferencias entre cada valor de la variable y la media
aritmtica de la distribucin.
Esta varianza muestral se obtiene como la suma de las de las diferencias de cuadrados y por tanto tiene como
unidades de medida el cuadrado de las unidades de medida en que se mide la variable estudiada.
La desviacin tpica (S) es la raz cuadrada de la varianza. Expresa la dispersin de la distribucin y se expresa
en las mismas unidades de medida de la variable. La desviacin tpica es la medida de dispersin ms utilizada en
estadstica.
Aunque esta frmula de la desviacin tpica muestral es correcta, en la prctica, la estadstica nos interesa para
realizar inferencias poblacionales, por lo que en el denominador se utiliza, en lugar de n, el valor n-1.
Aunque en muchos contextos se utiliza el trmino de desviacin tpica para referirse a ambas expresiones.
En los clculos del ejercicio previo, la desviacin tpica muestral, que tiene como denominador n, el valor sera
20.678. A efectos de clculo lo haremos como n-1 y el resultado seria 21,79.
El haber cambiado el denominador de n por n-1 est en relacin al hecho de que esta segunda frmula es una
estimacin ms precisa de la desviacin estndar verdadera de la poblacin y posee las propiedades que
necesitamos para realizar inferencias a la poblacin.
Cuando se quieren sealar valores extremos en una distribucin de datos, se suele utilizar la amplitud como
medida de dispersin. La amplitud es la diferencia entre el valor mayor y el menor de la distribucin.
Por ejemplo, utilizando los datos del ejemplo previo tendremos 80-15 =65.
Son ndices que describen la variabilidad o dispersin y por tanto cuando los datos estn muy alejados de
la media, el numerador de sus frmulas ser grande y la varianza y la desviacin tpica lo sern.
Al aumentar el tamao de la muestra, disminuye la varianza y la desviacin tpica. Para reducir a la mitad
la desviacin tpica, la muestra se tiene que multiplicar por 4.
Cuando todos los datos de la distribucin son iguales, la varianza y la desviacin tpica son iguales a 0.
Para su clculo se utilizan todos los datos de la distribucin; por tanto, cualquier cambio de valor ser
detectado.
Otra medida que se suele utilizar es el coeficiente de variacin (CV). Es una medida de dispersin relativa de los
datos y se calcula dividiendo la desviacin tpica muestral por la media y multiplicando el cuociente por 100. Su
utilidad estriba en que nos permite comparar la dispersin o variabilidad de dos o ms grupos. As, por ejemplo, si
tenemos el peso de 5 pacientes (70, 60, 56, 83 y 79 Kg) cuya media es de 69,6 kg. y su desviacin tpica (s) =
10,44 y la TAS de los mismos (150, 170, 135, 180 y 195 mmHg) cuya media es de 166 mmHg y su desviacin tpica
de 21,3. La pregunta sera: qu distribucin es ms dispersa, el peso o la tensin arterial? Si comparamos las
desviaciones tpicas observamos que la desviacin tpica de la tensin arterial es mucho mayor; sin embargo, no
podemos comparar dos variables que tienen escalas de medidas diferentes, por lo que calculamos los coeficientes
de variacin:
CV de la variable peso =
CV de la variable TAS =
Cuando los datos se distribuyen de forma simtrica (y ya hemos dicho que esto ocurre cuando los valores de su
media y mediana estn prximos), se usan para describir esa variable su media y desviacin tpica. En el caso de
distribuciones asimtricas, la mediana y la amplitud son medidas ms adecuadas. En este caso, se suelen utilizar
adems los cuartiles y percentiles.
Los cuartiles y percentiles no son medidas de tendencia central sino medidas de posicin. El percentil es el valor
de la variable que indica el porcentaje de una distribucin que es igual o menor a esa cifra.
As, por ejemplo, el percentil 80 es el valor de la variable que es igual o deja por debajo de s al 80% del total de
las puntuaciones. Los cuartiles son los valores de la variable que dejan por debajo de s el 25%, 50% y el 75% del
total de las puntuaciones y as tenemos por tanto el primer cuartil (Q1), el segundo (Q2) y el tercer cuartil (Q3).
1 O r d e n a m o s los d a t o s de m e n o r a m a y o r .
Ejercicios
a. Define la poblacin.
b. Define la muestra.
c. Define la(s) variable(s) aleatoria(s).
1 Comida Favorita.
2 Profesin que te gusta.
3 Nmero de goles marcados por tu equipo favorito en la ltima temporada.
4 Nmero de alumnos de tu Instituto.
5 El color de los ojos de tus compaeros de clase.
Francisco Arratia Camus Estadstica y Probabilidad
Pgina 7
6 Coeficiente intelectual de tus compaeros de clase.
5 . El nmero de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1, 2, 2, 4, 1.
Construir la tabla de distribucin de frecuencias y dibuja el grfico ms adecuado.
7. Los pesos de los 65 empleados de una fbrica vienen dados por la siguiente tabla:
Peso [50, 60) [60, 70) [70, 80) [80,90) [90, 100) [100, 110) [110, 120)
fi 8 10 16 14 10 5 2
8 . Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un examen de Fsica.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27, 47, 39, 37,
34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1 Construir la t a b l a d e f r e c u e n c i a s .
2 Dibujar el h i s t o g r a m a y el p o l g o n o d e f r e c u e n c i a s .
9. Sea una distribucin estadstica que viene dada por la siguiente tabla:
xi 61 64 67 70 73
fi 5 18 42 27 8
Sumas 2 3 4 5 6 7 8 9 10 11 12
Veces 3 8 9 11 20 19 16 13 11 6 4
1 . Calcular la m e d i a y la d e s v i a c i n t p i c a .
2 . Hallar el porcentaje de valores comprendidos en el intervalo ( x , x + ) .
1 2 . De esta distribucin de frecuencias absolutas acumuladas, calcular:
Edad Fi
[0, 2) 4
[2, 4) 11
[4, 6) 24
[6, 8) 34
[8, 10) 40