CognoSfera

www.ugr.es/local/rruizb/cognosfera

ESTADSTICA DESCRIPTIVA DE UNA VARIABLE

M. Jorge Bolaos Carmona

Departamento de Estadstica e I.O.
Facultad de Biblioteconoma y Documentacin
Universidad de Granada

1.INTRODUCCION

El concepto de Estadstica es muy amplio, y sus aplicaciones directas o indirectas, muy numerosas;
resulta difcil, por ello, dar una definicin. Sin embargo, la idea ms adecuada es considerar que incumbe a
la Estadstica la recogida, ordenacin, resumen y anlisis de datos de cualquier tipo sobre colectivos, lo que
significa que no tiene sentido pensar en un dato aislado o individual como terreno de trabajo de la
Estadstica: es necesario, pues, considerar un grupo de elementos (personas, animales, cosas, experimentos,
etc.) a los que se refieren los datos que se consideran. Este conjunto puede venir dado de dos formas que
condicionan toda clasificacin interna de la Estadstica, y que son las siguientes:

a) Poblacin, o conjunto de todos los elementos cuyo estudio nos interesa. Si se dispone de datos de una o
ms variables sobre la poblacin completa, o se puede acceder a ellos, la Estadstica tendr como misin que
la recogida sea adecuada, se ordenen, se estructuren y se resuman dichos datos para su mejor comprensin,
es decir, que se describan. Ello nos llevar a hablar de Estadstica Descriptiva. Por ejemplo, el conjunto de
los varones mayores de 65 aos y residentes en una provincia sera una poblacin.

b) Muestra, o conjunto de elementos de los que efectivamente se dispone de datos, y que es una parte (a
menudo pequea) de la poblacin. Cuando no se puede acceder a los datos de toda la poblacin, que es lo
ms frecuente, y se debe trabajar con slo los de la muestra, a la simple descripcin de los datos se aade el
inters por valorar hasta qu punto los resultados de la muestra son extrapolables o generalizables a la
poblacin; en consecuencia, ser necesario utilizar no slo las tcnicas de la Estadstica Descriptiva, siempre
obligadas en todo caso para la comprensin de los resultados, sino tambin otras que permiten inferir
afirmaciones sobre la poblacin a partir de los datos de la muestra y que constituyen la Estadstica
Inferencial o Inferencia Estadstica. Por ejemplo, el grupo de los varones mayores de 65 aos y residentes en
una provincia que son usuarios de bibliotecas pblicas sera una muestra de la poblacin citada en el prrafo
anterior (otra cosa es que la muestra fuese o no representativa del conjunto de tal poblacin).

Los elementos fundamentales de la descripcin de una variable son los que siguen en los apartados
siguientes, que se pueden resumir de esta forma:

- En primer lugar, se har hincapi en que lo que se estudia son en realidad las variables, lo que nos
obligar a distinguir los tipos bsicos de ellas, porque tienen un tratamiento distinto en todo lo que
sigue.
- Las distribuciones de frecuencia son necesarias en el paso siguiente para expresar los resultados
obtenidos mediante tablas estadsticas.
- Las grficas estadsticas dan una informacin similar a la de las tablas, pero de forma ms directa;
de ellas trata otro apartado.

1
 - Finalmente, el resumen de la informacin se realiza mediante las medidas de centralizacin,
dispersin y posicin.

2. TIPOS DE VARIABLES.

Lo que se estudia en una muestra o poblacin es una serie de variables en cada individuo o
elemento. Lo usual es considerar primero las variables una a una, sin plantearse problemas de asociacin
entre ellas, por lo que podemos pensar slo en una variable de cuyos datos imaginamos disponer en una
muestra (el nmero de datos es el llamado Tamao de Muestra, para el que habitualmente se utiliza la letra
n). Los tipos de variables, y consecuentemente las clases de datos que se pueden encontrar, son bsicamente
las siguientes:

A) Variables CUALITATIVAS, tambin llamadas CARACTERES, VARIABLES CATEGRICAS o

ATRIBUTOS, que son aquellas que no necesitan nmeros para expresarse; cada forma particular en que
pueden presentarse se denomina modalidad. Por ejemplo, el sexo de una persona es una variable cualitativa
y varn o mujer son sus nicas modalidades. En consecuencia, para una variable cualitativa, cada dato
no es ms que la informacin de que un determinado elemento de la muestra presenta una determinada
modalidad. Entre la variables cualitativas cabe distinguir:

a1) las variables cualitativas ORDINALES, que son las que teniendo ms de dos modalidades
tienen establecido un orden natural entre las mismas, de forma que sus modalidades se enuncian siguiendo
una cierta ordenacin ascendente o descendente y no de otra manera. Por ejemplo, la variable gravedad del
pronstico de lesiones traumticas podra tener como orden natural entre sus modalidades leve,
moderado, grave, etc., pero nunca diramos grave, leve, moderado, etc. en este orden.

a2) las variables cualitativas PURAS, que no tienen un orden natural preestablecido entre sus
modalidades, y podemos utilizar cualquier ordenacin para ellas, como por ejemplo el grupo sanguneo o la
nacionalidad de una persona (no hay que confundirse con ordenaciones arbitrarias, como el orden alfabtico,
pensando que convierten en ordinales a las variables, ya que no significan una verdadera ordenacin natural
de las modalidades).

a3) las variables DICOTOMICAS, que tienen slo dos modalidades posibles, y en las que ni
siquiera tiene sentido plantearse si son o no ordinales; El hecho de tener slo dos modalidades les confiere
caractersticas especiales. Cabe citar como ejemplos el ya citado del sexo, el pertenecer o no a una
asociacin, o en general cualquier situacin que slo admita una respuesta s o no.

B) Variables CUANTITATIVAS o NUMERICAS, que son aquellas que necesitan nmeros para ser
expresadas, como la edad de alguien o el nmero de pginas de un libro. Cada forma particular en que se
presentan es un valor numrico, y un dato es en estas variables un nmero que refleja el valor de la variable
en un elemento de la muestra. Tambin pueden distinguirse al menos dos subtipos:

b1) las variables cuantitativas DISCRETAS, cuyos valores son aislados (habitualmente nmeros
enteros), de forma que pueden enumerarse y existen valores consecutivos entre los que no puede haber
otro; Por ejemplo, un resumen puede tener 349 350, pero no 349.17 palabras.

b2) las variables cuantitativas CONTINUAS, que pueden tomar cualquier valor numrico, entero o
decimal, de forma que tericamente entre dos valores posibles siempre se pueden encontrar otros (entre 65.3
Kg. y 65.4 Kg. de peso siempre est 65.37 Kg., por ejemplo), aunque en la prctica el nmero de cifras
decimales est limitado y la variable se maneja en cierto modo como discreta.

La distincin entre los distintos tipos de variables es importante porque las tcnicas a aplicar a cada
uno pueden ser muy diferentes, y muchos parmetros y clculos tienen sentido para las variables de un tipo y
no para las de otro. Hay que tener en cuenta tambin que una misma variable de la realidad puede venir
expresada de diversas maneras, incluso como cualitativa o como cuantitativa, dependiendo de que usemos
valores numricos o slo modalidades; pinsese, por ejemplo, en que la estatura puede darse en centmetros
(variable cuantitativa continua) o diciendo de alguien que es bajo, mediano o alto (variable cualitativa
ordinal). En estos casos, debe quedar claro que la variable es en esencia cuantitativa y que su tratamiento

2
como cualitativa supone una prdida de calidad en la informacin, slo admisible si no podemos disponer de
los datos numricos.

3. DISTRIBUCIONES DE FRECUENCIA Y TABLAS ESTADISTICAS.

Sea cual sea el tipo de variable, lo que se tiene como informacin de una variable en una muestra es
un nmero finito n de datos, es decir, de valores o de anotaciones sobre qu modalidad (cualitativas) o qu
valor (cuantitativas) tiene cada elemento de la muestra; a este conjunto de datos se le llama distribucin y,
salvo cuando el tamao de muestra n sea muy pequeo, se debe resumir para que el lector pueda comprender
bien los resultados.

Un primer y obligado paso de ese resumen de datos es el simple recuento de las repeticiones de un
mismo valor o modalidad; ello nos conduce al concepto fundamental de frecuencia, con dos enfoques:

- Frecuencia absoluta es el nmero de veces que una modalidad o un valor de una variable aparece entre los
datos de una muestra; si en una muestra de la variable nivel de estudios aparecen 148 personas con nivel
de estudios superiores, diremos que 148 es la frecuencia absoluta de la modalidad superiores.
Naturalmente, el nmero total de datos es n y, por tanto, la suma de las frecuencias absolutas de todas las
modalidades o valores debe ser igual al tamao muestral n.

- Frecuencia relativa de una modalidad o valor de una variable es su frecuencia absoluta dividida entre el
tamao muestral, es decir, la proporcin de veces que aparece esa modalidad o valor entre todos los datos de
la muestra; si la frecuencia absoluta 148 del ejemplo anterior corresponde a una muestra de 2000 personas,
diremos que la frecuencia relativa de la modalidad AB es 148/2000 = 0.074. Es claro que la suma de las
frecuencias relativas de todas las modalidades o valores debe ser 1, ya que las absolutas suman n y estamos
dividiendo entre n. Es muy habitual expresar las frecuencias relativas como porcentajes (multiplicndolas
por cien) y entonces la frecuencia relativa del ejemplo sera 7.4 % y la condicin de la suma sera que deben
sumar 100 %, lo que se entiende mejor (la frecuencia relativa es la parte del total de datos que corresponde a
cada valor o modalidad).

Las frecuencias absolutas y relativas son aplicables a cualquier tipo de variable, y de ah su

importancia; adems, pese a su simplicidad, dan lugar a conceptos muy importantes, como el de proporcin,
y son la base sobre la que se construye cualquier resumen de los datos. Usando como ejemplo el grupo
sanguneo en una muestra de doscientas personas, la tabla siguiente sirve para resumir lo que, si no, sera
una tediosa lista de doscientos grupos sanguneos:

Grupo sanguneo de una muestra de 200 personas.

Modalidades Frecuencia absoluta Frecuencia relativa (%)

O 85 0.425 (42.5%)
A 53 0.265 (26.5%)
B 48 0.240 (24.0%)
AB 14 0.070 ( 7.0%)
Totales 200 1.000 (100%)

Una tabla como esta se denomina distribucin de frecuencias, y puede incluir tambin las llamadas
frecuencias acumulativas, que son la suma de las frecuencias del valor o modalidad que se considere y de
todos los anteriores; puede haber frecuencias acumulativas absolutas o relativas, y en todo caso slo tienen
sentido con variables cuantitativas o cualitativas ordinales, ya que hay que poder fijar cuales son los valores
o modalidades anteriores. As, por ejemplo, las frecuencias acumulativas no son definibles en el ejemplo
del grupo sanguneo, que es una variable cualitativa pura. Veamos un ejemplo donde s lo son, de una
variable cuantitativa discreta.

En este segundo ejemplo, cuya tabla se encuentra a continuacin, el nmero n de datos es 500 y la
variable toma seis valores distintos (0,1,2,3,4 y 5) en la muestra. No se deben confundir los valores de la

3
variable, que son el nmero de visitas (ninguna, una, dos, etc.) de cada persona a la biblioteca en ese mes,
con las frecuencias absolutas, que son el nmero de personas cuyo nmero de visitas es uno determinado:
que 210 sea la frecuencia absoluta del valor 0 quiere decir que de entre las 500 personas consideradas en el
estudio 210 no han ido ninguna vez a la biblioteca en ese mes, es decir, que el valor de la variable es "cero"
para ellas; esta frecuencia absoluta 210 supone el 42% de 500, por lo que 0.42 42% es la frecuencia
relativa del valor 0 de la variable.

Visitas mensuales a una biblioteca de una muestra de 500 usuarios inscritos

Frec. absol. Frec.

Valores Frec. absoluta Frec. relativa
acumulativa relat.acumulativa
0 210 42.0% 210 42.0%
1 178 35.6% 388 77.6%
2 68 13.6% 456 91.2%
3 24 4.8% 480 96.0%
4 14 2.8% 494 98.8%
5 6 1.2% 500 100.0%
Totales 500 100%

Por lo que se refiere a las frecuencias acumuladas o acumulativas (es lo mismo), y usando como
ejemplo las que se recogen en la tabla, podemos observar que las frecuencias acumuladas del primer valor
coinciden con las 210 y 42% ya comentadas para ese valor, lo que es lgico porque no hay ningn valor
anterior con cuyas frecuencias sumarlas; a partir del segundo rengln s tenemos acumulacin
(388=210+178 y 77.6% = 42.0% + 35.6%), para el tercer valor se suman tres sumandos y as
sucesivamente. Ntese que las ltimas frecuencias acumuladas tienen que coincidir con el nmero de datos
vlidos total (en este ejemplo 500) y con el 100%, ya que se han sumado todas las frecuencias absolutas y
relativas, respectivamente.

En el caso de las variables continuas, el nmero de valores distintos que puede tomar la variable es
infinito, tericamente, y en la prctica puede ser bastante grande: pinsese que si medimos, por ejemplo, la
estatura en centmetros de una muestra de personas adultas podemos tener fcilmente sesenta o setenta
valores distintos. Esto provoca que a menudo las tablas tuvieran que ser muy extensas, con muchsimos
renglones, lo que las hara intiles por incomprensibles. Para evitarlo, se hacen agrupaciones de varios
valores ( por ejemplo, las estaturas 160, 161, 162, 163 y 164 se pueden agrupar en el intervalo 160-164); de
esta forma, se pueden encontrar tablas construdas agrupando los valores en intervalos cuando hay muchos
valores entre el mnimo y el mximo; el concepto importante es entonces el de marca de clase o valor medio
del intervalo, que es, por ejemplo, 162 en el caso citado del intervalo 160-164. Adems, es muy conveniente
que los intervalos tengan todos la misma longitud.

En las tablas as, con clases, las frecuencias se dan para cada intervalo, pero no para cada valor de
la variable; podemos saber, por ejemplo, que en una muestra hay 32 personas que miden entre 160 y 164
cm., pero no cuntas de ellas miden en particular 163 cm.; hay, por tanto, una prdida de informacin con
respecto a lo que sera una tabla detallada. Por esta razn, y gracias a los avances de la Informtica que
permiten almacenar muchos valores y trabajar con ellos rpidamente, las tablas con intervalos ya no se usan,
como hasta hace pocos aos, para realizar clculos sobre la variable, sino que su utilidad queda reducida a la
mejor comprensin de las tablas y a la elaboracin de grficos. Todo ello significa que las ganancias en
comprensin al hacer intervalos se corresponden necesariamente con prdidas de informacin (se pierde el
detalle) y por ello para los cmputos numricos se usan los datos originales de uno en uno, mientras que
para tablas y grficas es frecuente usar intervalos.

4. GRAFICAS ESTADISTICAS

Las distribuciones de frecuencias se presentan en tablas como las anteriores, o bien en grficas. La
representacin grfica se utiliza para facilitar al lector la comprensin de los resultados, pero no aade
ninguna informacin sobre la que contendra una tabla de frecuencias; el objetivo de las grficas es que la
informacin impacte directamente al lector y que se exprese el perfil de la distribucin, pero no debe

4
olvidarse el rigor en aras de la esttica: las grficas deben reflejar fielmente lo que tratan de representar,
fundamentalmente las frecuencias de cada modalidad o valor. Por ello la regla fundamental para la
construccin de una grfica es que:

Las reas (o longitudes) han de ser proporcionales a las frecuencias,

condicin inexcusable para que una grfica sea correcta.

Adems, con carcter general puede recomendarse que el pie de la grfica explique
convenientemente de qu se trata, que no se intente representar demasiada informacin en una sola grfica,
que los detalles sean lo suficientemente visibles, etc.

Existen diversos tipos de grficas, cada uno de ellos adecuado a un cierto tipo de variables, por lo
que podemos clasificar las grficas atendiendo a estos tipos.

As, para caracteres o variables CUALITATIVAS se pueden mencionar:

- El diagrama de barras o rectngulos, consistente en asociar a cada modalidad de la variable un

rectngulo cuya superficie refleje su frecuencia: las modalidades se suelen situar en horizontal y la
escala de frecuencias absolutas o relativas en vertical. Si las bases de los rectngulos se dibujan
todas iguales, par cumplir la regla fundamental antes citada basta tomar como alturas de los
rectngulos directamente las frecuencias, sin mayor complicacin (el rectngulo de una modalidad
con frecuencia 7 tendr altura 7 y as con todas). Los rectngulos suelen representarse separados en
este tipo de grficas, que tambin pueden aparecer con las barras horizontales y las modalidades
situadas verticalmente.

- El diagrama de sectores, que refleja como sectores de un crculo las frecuencias de cada
modalidad. Como el radio es constante en un crculo, para cumplir la regla fundamental de
proporcionalidad basta hacer al ngulo de cada sector proporcional a la frecuencia, lo que se
consigue multiplicando los 360 del crculo por la frecuencia relativa de cada modalidad. Este tipo
de grficas es muy til para comparar los resultados de una variable cualitativa en dos o ms
muestras.

Hay otras grficas menos frecuentes pero igualmente vlidas para variables cualitativas; cabe citar los
pictogramas, en los que se representa una misma figura para cada modalidad pero con tamao
proporcional a las frecuencias (pictograma por extensin) o una misma figura repetida tantas veces
como sea necesario para reflejar la frecuencia de cada modalidad (pictograma por repeticin), los
cartogramas, en los que se representa cada modalidad sobre puntos o regiones de un mapa, o los
diagramas de superficie, en los que se divide una figura geomtrica, generalmente un rectngulo, en
trozos proporcionales a las frecuencias.

Por su parte, para variables CUANTITATIVAS los tipos de grficas ms importantes son los
siguientes:

- Para variables discretas, el diagrama de segmentos. Las variables discretas toman valores aislados,
como puntos sueltos, en la recta de los nmeros; sta suele representarse horizontalmente con los
valores negativos a la izquierda del cero y los positivos a la derecha; por esos puntos sueltos, la
grfica adecuada para las variables discretas es el diagrama de segmentos, en el que sobre cada
valor de la variable se coloca verticalmente un segmento que tiene una longitud proporcional a su
frecuencia; as se consigue que la abscisa (horizontal) refleje los valores y que la ordenada (vertical)
exprese las frecuencias de la variable. Es lo mismo usar para ello frecuencias absolutas o relativas,
ya que las dos clases de frecuencias son a su vez proporcionales por la propia definicin de
frecuencia relativa; por ello podemos hacer el diagrama con frecuencias absolutas o relativas, a
voluntad. Junto con el diagrama de segmentos, puede dibujarse una lnea quebrada que una los
extremos superiores de los segmentos, que se llama polgono de frecuencias; a veces este polgono
(que matemticamente no es tal, sino una poligonal) se representa slo, como si se hubieran
borrado los segmentos verticales. El polgono de frecuencias tambin puede usarse junto con:

5
 - El histograma o histograma de rectngulos, que es la grfica adecuada para representar variables
cuantitativas continuas. Estas variables cubren tericamente con sus valores a la recta de los
nmeros reales, o al menos de un cierto intervalo, de manera que infinitamente junto a un valor
se encontrara otro y no se producen saltos entre ellos. En la prctica, esto se traduce en que casi
siempre se maneja un gran nmero de valores distintos y ello hace poco adecuado para estas
variables un diagrama de segmentos; por ello, y para respetar la continuidad de la variable, lo que
se hace es agrupar los valores en intervalos y grficamente se representan rectngulos yuxtapuestos
cuyas bases descansan sobre la horizontal y cuyas alturas son tales que el rea de cada rectngulo
sea proporcional a la frecuencia de cada intervalo. A veces estos histogramas son llamados
errneamente diagramas de barras.

5. PARAMETROS DE UNA DISTRIBUCION

Se trata de resumir ms la informacin de una tabla o de una grfica, y de encontrar algunos valores
lo ms simples posible que nos permitan dar informacin sobre la muestra o comparar dos muestras entre s.
Para hacer ese resumen o informacin de los datos hay tres enfoques fundamentales:

- En primer lugar, dar un valor lo ms representativo posible de todos los valores de la muestra, que no
sea, por tanto, ni de los ms bajos ni de los ms altos. As se crean las medidas parmetros de
centralizacin, tendencia central o posicin central.

- En segundo lugar, y como complemento a lo anterior, dar una valoracin de hasta qu punto los datos se
parecen entre s o bien estn muy diferenciados (dispersos); adems, cuanto ms se parezcan entre s los
valores que nos salen, ms se parecern al representante o parmetro de centralizacin que elijamos, y
mejor sera ste. Por todo esto conviene medir las diferencias internas de los datos mediante las medidas
parmetros de dispersin.

- Finalmente, en tercer lugar, se puede tambin tratar de medir qu valor supera a una cierta porcin o
proporcin de valores, o lo que es lo mismo, tratar de informar sobre la distribucin de la variable
diciendo a cuntos de sus valores supera uno dado. Para ello se usan los cuantiles como medidas
parmetros de posicin.

Definiremos a continuacin los ms importantes entre todos los parmetros de estos tres tipos y para ilustrar
su clculo usaremos el ejemplo siguiente, donde los datos son el nmero de hermanos (excluido l mismo) de
una muestra de 13 nios; presentamos los datos ordenados de menor a mayor para mejor comprensin, pero
en principio los datos nos vendran en cualquier orden. Supongamos que son los siguientes:

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

Vamos a definir ahora las medidas ms importantes:

Primer grupo: PARAMETROS DE CENTRALIZACION.

Entre los parmetros de centralizacin, tambin llamados de tendencia central o de posicin central,
tres son las definiciones destacables:

La MODA: es el valor de la variable que tiene mayor frecuencia en la muestra, es decir, el que se repite ms
(moda se asocia con lo ms frecuente). En nuestro ejemplo es el valor 0, que tiene una frecuencia absoluta
de cuatro, que es la ms grande. La moda puede definirse para cualquier tipo de variables. Tambin se puede
hablar de moda local o secundaria, que sera cualquier valor ms frecuente que sus adyacentes, es decir, con
ms frecuencia que la que tengan el anterior y el posterior, lo que requiere al menos orden en los datos; no
hay ninguna moda secundaria en nuestro ejemplo.

La MEDIANA: es el valor que est en el centro de la distribucin, es decir, el valor que supera a la mitad de
los de la muestra y se ve superado por la otra mitad (salvo empates en ambos casos); se calcula buscando el
valor de la muestra que ocupa el lugar (n+1)/2, con los datos ordenados. En nuestro ejemplo es el valor 1,

6
que corresponde al sptimo lugar (que deja seis por debajo y seis por encima). La mediana no puede
definirse para variables cualitativas puras, sino slo para ordinales y cuantitativas, ya que necesita un orden
en los datos.

La MEDIA MEDIA ARITMETICA: es el centro de gravedad de la distribucin, o fiel de la balanza entre

todos los datos. Se calcula sumando los datos y dividiendo entre el tamao de la muestra, esto es, entre el
nmero de datos. En nuestro ejemplo, la suma de los datos es 26 y el nmero de ellos 13, de forma que la
media vale 26/13 = 2.00 ; por su propia naturaleza, la media slo es definible para variables cuantitativas, ya
que si no hay nmeros no se puede sumar. Es la ms importante de las medidas de centralizacin y en
general de todos los parmetros estadsticos y al ser centro de gravedad tiene la propiedad de que si hallamos
las diferencias de cada dato con ella (llamadas desviaciones), la suma de estas diferencias o desviaciones es
SIEMPRE CERO para cualquier distribucin de cualquier variable, lo que resulta clave para la definicin de
las medidas de dispersin. En nuestro ejemplo, con media de 2, las desviaciones (que se obtienen restando
cada dato menos la media) son:

-2 -2 -2 -2 -1 -1 -1 0 0 +1 +2 +3 +5

que como puede calcularse suman cero (las negativas, que proceden de datos inferiores a la media, suman
11, y las positivas, que proceden de datos superiores a la media, suman +11, de modo que todas suman 0).

Existen otras medidas de centralizacin de uso menos frecuente, como la media ponderada (que es
una media aritmtica con distintos pesos de importancia para los distintos datos), la media geomtrica (raz
ensima del producto de los datos) o la media armnica (la inversa de la media aritmtica de los inversos de
los datos).

Segundo grupo: PARAMETROS DE DISPERSION.

Por su parte, las medidas de dispersin se basan en la idea de medir las diferencias entre unos datos y otros
midiendo las diferencias de cada dato con la media, esto es, usando las desviaciones; sin embargo, como
stas siempre suman cero, es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra
(seran ya todas positivas). Las ms importantes medidas de dispersin son las siguientes:

La DESVIACION ABSOLUTA MEDIA: es la media aritmtica de los valores absolutos de las

desviaciones, por lo que se calcula tomando como positivas todas las desviaciones, sumndolas y dividiendo
entre n; en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas, que no
tiene nada que ver) sale 22 y por tanto la desviacin absoluta media vale 22/13 = 1.69 ; el tener que usar
valores absolutos complica los desarrollos matemticos con este parmetro y por eso se usa poco, pese a su
valor intuitivo. Es mucho ms importante:

La VARIANZA: es la media aritmtica de los cuadrados de las desviaciones, por lo que se calcula elevando
al cuadrado cada desviacin, sumando esos cuadrados y dividiendo entre n; en nuestro ejemplo resulta 58 la
suma de cuadrados de las desviaciones, con lo que la varianza es 58/13 = 4.46 ; el cuadrado es
matemticamente mucho ms manejable que el valor absoluto, lo que hace de la varianza la reina de los
parmetros de dispersin desde un punto de vista terico. Sin embargo, el hecho de que carezca de
interpretacin intuitiva y que sus unidades sean cuadradas (hermanos cuadrados?) hace que es la prctica se
use mucho ms su raz cuadrada, la DESVIACION STANDARD o DESVIACION TIPICA, con mucho la
ms usada de las medidas de dispersin, y que en nuestro ejemplo valdra 2.11, con lo que el informe ms
habitual para nuestros datos dara una media de 2.00 y la desviacin tpica de 2.11 como parmetros ms
informativos. Por motivos difciles de explicar aqu, relacionados con cuestiones de inferencia estadstica, es
ms recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviacin tpica de
una muestra, quedndose el n para el caso en que se conoce toda la poblacin; en nuestro ejemplo, pues,
sera mejor calcular como varianza 58/12 = 4.83 y como desviacin standard su raz cuadrada 2.20 (estos
ltimos seran la varianza muestral o quasivarianza y la desviacin tpica muestral y seran los utilizados en
la prctica, aunque la definicin terica sea con denominador n por ser la varianza una "media"). A efectos
comparativos entre distintas muestras e incluso entre distintas variables, se define:

7
El COEFICIENTE DE VARIACION, que es el cociente, a menudo expresado en tanto por ciento, entre la
desviacin tpica y la media de una distribucin. Es una especie de desviacin tpica relativa, y en nuestro
ejemplo valdra 2.2011/2.00 = 1.100055 bien 11005.05% (ntese que no es un verdadero porcentaje,
porque puede valer ms del 100%); este resultado indicara mucha dispersin en los datos del ejemplo en
relacin con la media.

Adems de las citadas, la ms simple de las medidas de dispersin es el RANGO, RECORRIDO

AMPLITUD, que es la diferencia entre el valor mximo y el mnimo de la muestra, y que indica qu
extensin de la recta de los nmeros ocupan los datos de nuestra muestra.

Tercer grupo: CUANTILES O PARAMETROS DE POSICION

Los cuantiles completan el cuadro de los parmetros de una distribucin. En cierto modo pueden ser
considerados como medidas de centralizacin (de hecho la mediana es uno de ellos) y tambin como
medidas de dispersin (algunas pueden construirse a partir de ellos) pero en realidad son medidas de
posicin. Se define el cuantil p como aquel valor de la variable (que puede estar o no en la muestra) que
supera al p% de los datos de la muestra; resultan tiles slo cuando la muestra es numerosa y permiten saber
en que posicin se encuentra un valor dado con respecto al conjunto de una muestra o poblacin. Se
definen entre los ms importantes:

Los CUARTILES, que definen las cuartas partes de la muestra mediante tres cortes: el primer cuartil deja
por debajo al 25% de la distribucin, el segundo coincide con la mediana y el tercero deja por debajo al 75%
de la distribucin. No tienen mucho sentido en muestras pequeas, pero en nuestro ejemplo valdran
respectivamente 0, 1 y 3.5 (que estn situados en las posiciones tercera y media, sptima y dcima y
media de los datos ordenados).

Los DECILES, que dan nueve cortes para definir de diez en diez por ciento los valores de la distribucin;
as, el primer decil deja por debajo una dcima parte de la distribucin, el segundo dos dcimas partes, etc.,
hasta nueve deciles.

Los PERCENTILES, que son como los deciles pero de uno en uno por ciento, y por tanto son noventa y
nueve; por ejemplo, el percentil 37 deja por debajo al 37% de la distribucin, y est claro que no tienen
sentido en muestras tan pequeas como la de nuestro ejemplo, ya que trece elementos no se pueden partir
en cien partes.

Todos los cuantiles son definibles sobre variables cuantitativas o sobre cualitativas ordinales, porque
requieren siempre que los datos estn ordenados.

Los cuantiles ms prximos al percentil 50, como la propia mediana o los cercanos a ella, pueden
considerarse como parmetros de centralizacin y sin embargo los ms lejanos al centro ayudan a medir la
dispersin; por ejemplo, si restamos el tercer cuartil menos el primero obtenemos el RANGO
INTERCUARTLICO, que es una medida de dispersin. Con el rango intercuartlico estamos midiendo la
extensin que nos cubre la mitad central de nuestros datos; recurdese que el RANGO era la extensin
cubierta por toda la muestra ordenada (se define como mximo menos mnimo), mientras que el RANGO
INTERCUARTILICO es la extensin cubierta por la mitad central de los datos ordenados, excluyendo la
cuarta parte inicial (los que son inferiores al primer cuartil) y la cuarta parte final (los que son superiores al
tercer cuartil).

CognoSfera
www.ugr.es/local/rruizb/cognosfera

8
9