Estadistica Descriptiva PDF

Introducción
Representación gráfica de datos cualitativos

Representación gráfica de datos cuantitativos
Medidas de tendencia central y dispersión
Estadı́stica Descriptiva
Universidad de Córdoba
Departamento de Matemáticas y Estadı́stica
Agosto de 2017
Unicordoba Estadı́stica Descriptiva

Introducción
Contenido
1 Introducción
2 Representación gráfica de datos cualitativos
Gráfico de barras
Gráfico circular
3 Representación gráfica de datos cuantitativos
Gráfico de puntos
Gráfico de tallos y hojas
Distribución de Frecuencias e Histograma
Polı́gono de Frecuencias y Densidad
Ojiva
4 Medidas de tendencia central y dispersión
Medidas de tendencia central
Medidas de dispersión

Introducción
¿Qué es Estadı́stica?
Algo de historia...
Origen relacionado con la recolección y construcción de tablas de
datos para el gobierno.

Introducción
Algo de historia...
La situación evolucionó: La recolección de datos representa

solamente uno de los aspectos de la estadı́stica.

Introducción
Algo de historia...
La situación evolucionó: La recolección de datos representa

solamente uno de los aspectos de la estadı́stica.
En el siglo XIX, el desarrollo del cálculo de probabilidades y otras

metodologias matemáticas, tales como los Mı́nimos cuadrados,
fueron fundamentales para el desarrollo de la estadı́stica.

Introducción
Algo de historia...
En el siglo XX la estadı́stica se desenvuelve como un área
especı́fica del conocimiento a partir del desarrollo de la
Inferencia Estadı́stica, metodologı́a que hace uso de la Teorı́a
de las Probabilidades y con amplia aplicación en ciencias
experimentales.

Introducción
Algo de historia...
En el siglo XX la estadı́stica se desenvuelve como un área
especı́fica del conocimiento a partir del desarrollo de la
Inferencia Estadı́stica, metodologı́a que hace uso de la Teorı́a
de las Probabilidades y con amplia aplicación en ciencias
experimentales.
La estadı́stica hoy consiste en una metodologı́a cientı́fica para

obtención, organización e análisis de datos y provenientes de las
más variadas ciencias experimentales, cuyo objetivo principal es
auxiliar la toma de decisiones en situaciones de incerteza.

Introducción
Muestreo
X
Asociado a la recolección de datos, la tecnologı́a de muestreo
desarrolló un conjunto de técnicas para la obtención de muestras
convenientemente obtenidas de la población de interés.

Introducción
Muestreo
X
Ejemplos de uso:
Estudios de mercado.

Introducción
Muestreo
X
Ejemplos de uso:
Estudios de opinión pública.

Introducción
Muestreo
X
Ejemplos de uso:
Estudios de opinión pública.
Ensayos clı́nicos.

Introducción
Fuentes de datos
Registros Rutinarios:
Registros clı́nicos de un hospital −→ información acerca de los
pacientes.

Introducción
Fuentes de datos
pacientes.
Registros contables −→ datos sobre las actividades financieras de
una compañı́a.

Introducción
Fuentes de datos
pacientes.
Registros contables −→ datos sobre las actividades financieras de
una compañı́a.
Encuesta: Los datos no están disponibles a partir de los

registros almacenados de manera rutinaria. Ejemplo: información
respecto a la forma de transporte de los empleados a una fábrica,
(encuesta sobre empleados).

Introducción
Fuentes de datos
Experimentación: Una enfermera conduce un experimento en

el que se prueban diferentes estrategias para motivar el
cumplimiento del tratamiento en distintos pacientes.

Introducción
Fuentes de datos
Experimentación: Una enfermera conduce un experimento en

el que se prueban diferentes estrategias para motivar el
cumplimiento del tratamiento en distintos pacientes.
Fuentes externas: Datos que existen como informes publicados,

bancos de datos disponibles o en la literatura de la investigación.
(alguien más ya planeo la misma pregunta).

Introducción
Estadı́stica descriptiva
X
La estadı́stica descriptiva es la etapa inicial del análisis, es usado para
describir, organizar y resumir los datos recolectados de una forma
fácil y rápida.

Introducción
X
fácil y rápida.
Otras definiciones...
Nos proporciona herramientas para:

Introducción
X
fácil y rápida.
Registrar datos.

Introducción
X
fácil y rápida.
Registrar datos.
Presentar gráficamente grandes conjuntos de datos.

Introducción
X
fácil y rápida.
Registrar datos.
Presentar gráficamente grandes conjuntos de datos.
Resumir los datos a un número (Estadı́sticas).

Introducción
Estadı́stica inferencial
X
Entendemos por estadı́stica inferencial al conjunto de técnicas que
permite, a partir de datos muestrales, sacar conclusiones sobre la
población de interés, controlando errores a un costo mı́nimo.

Introducción
X
Entendemos por estadı́stica inferencial al conjunto de técnicas que
permite, a partir de datos muestrales, sacar conclusiones sobre la
población de interés, controlando errores a un costo mı́nimo.
Ciencia que crea, desarrolla y aplica técnicas de modo que pueda
evaluarse la incertidumbre de inferencias inductivas.

Introducción
La estadı́stica ayuda al investigador a contestar preguntas como:

Introducción

¿Qué técnicas uso para recolectar datos?

Introducción

¿Qué modelos uso para analizar mis datos?

Introducción

¿Cómo pruebo determinada hipótesis?

Introducción

¿Cómo pruebo determinada hipótesis?
¿Cómo diseño un experimento de tal forma que los datos
obtenidos sean susceptibles de analizar con métodos estadı́sticos?

Introducción
Conceptos básicos (I)

Población
Es la colección completa de todas las observaciones que son de interés
en un momento particular para el investigador.

Introducción

Población
Muestra
Es una parte (subconjunto) “representativa” de la población que se
selecciona para ser estudiada,

Introducción

Población
Muestra
Parámetro
Medida descriptiva de la población.

Introducción

Población
Muestra
Parámetro
Medida descriptiva de la población.
Estadı́stica
Valor que describe una muestra y sirve como estimación de un
parámetro de la población correspondiente.
Introducción
Ejemplo (Encuesta electoral)
En una encuesta electoral, un instituto de investigaciones tiene como

objetivo preveer el resultado de la elección, utilizando una muestra de
la población;

Introducción
Considere el candidato A :
Denote por p la proporción de personas (en la población) que votarán
por el candidato A en la elección.

Introducción
Denote por pb la proporción de personas en la encuesta de opinión que
expresan intención de votos por el candidato A.

Introducción
Denote por pb la proporción de personas en la encuesta de opinión que
expresan intención de votos por el candidato A.
Estimación: podemos usar el valor de pb para estimar la proporción p
de la población.

Introducción
Conceptos básicos (II)
Variable
Caracterı́stica de la población que se estudia.

Introducción
Variable
Clasificación
1 Cualitativas: Se miden de manera no numérica.
Sexo,
Color de ojos, Preferencias.
Tipo de sangre, Estado civil.
Grado de escolaridad.

Introducción
Variable
Clasificación
1 Cualitativas: Se miden de manera no numérica.
Sexo,
Color de ojos, Preferencias.
Tipo de sangre, Estado civil.
Grado de escolaridad.
2 Cuantitativas: Pueden expresarse numéricamente.
Peso, altura, salario, edad,
Presión, temperatura, masas, pesos.
Número de hijos, número de carros.
Cantidad de fisuras en un material.

Introducción
Variables cuantitativas
Clasificación de las variables cuantitativas

1 Discretas: los valores se limitan a números enteros, por lo general
son el resultado de conteos.
Cantidad de hijos de una familia.
Número de defectos de una pieza.
Número de accidentes en un cruce durante el fin de semana.
Número de pacientes que superan una enfermedad.

Introducción
Variables cuantitativas
Clasificación de las variables cuantitativas

1 Discretas: los valores se limitan a números enteros, por lo general
son el resultado de conteos.
Cantidad de hijos de una familia.
Número de defectos de una pieza.
Número de accidentes en un cruce durante el fin de semana.
Número de pacientes que superan una enfermedad.
2 Contı́nuas: puede tomar cualquier valor dentro de un rango
numérico.
Temperatura, presión, tiempo.
Longitudes, distancias, masas, pesos

Introducción
Representación gráfica de datos cualitativos Gráfico de barras
Representación gráfica de datos cuantitativos Gráfico circular
Barras simples
Ejemplo
En una escala de 1 a 4, siendo 4 el mejor, un grupo de consumidores clasifica
la “responsabilidad social empresarial” de 50 organizaciones clasificadas
como públicas ( = 1 ), privadas (= 2), o controladas por el gobierno (= 3 ),

Introducción
Barras simples
Ejemplo
En una escala de 1 a 4, siendo 4 el mejor, un grupo de consumidores clasifica
la “responsabilidad social empresarial” de 50 organizaciones clasificadas
como públicas ( = 1 ), privadas (= 2), o controladas por el gobierno (= 3 ),
Organización Tipo Clasificación

1 1 1
2 2 2
3 2 3
.. .. ..
. . .
49 1 2
50 2 1

Introducción
Tabla de contingencia
Clasificacı́on
Tipo 1 2 3 4 Total
1 7 5 1 2 15
2 3 7 5 4 19
3 3 5 4 4 16
Total 13 17 10 10 50

Introducción
Tabla de contingencia
Clasificacı́on
20
Tipo 1 2 3 4 Total
1 7 5 1 2 15
15
2 3 7 5 4 19
Frecuencia
3 3 5 4 4 16
10
Total 13 17 10 10 50
5
0
Clase1 Clase2 Clase3 Clase4
Clasificación

Introducción
Barras Apliadas
20
Publicas
Privadas
Controladas
15
Frecuencia
10
5
0
Clase1 Clase2 Clase3 Clase4

Introducción
Barras Apliadas Barras Múltiples

20
7
Publicas Publicas
Privadas Privadas
6
Controladas Controladas
15
5
Frecuencia
Frecuencia
4
10
3
2
5
1
0
0
Clase1 Clase2 Clase3 Clase4 Clase1 Clase2 Clase3 Clase4

Introducción
Diagrama circular
Se basa en una proporcionalidad
entre la frecuencia y el ángulo
central de una circunferencia, de
tal manera que a la frecuencia
total le corresponde el ángulo
central de 360 grados.
El ángulo se determina por
fi × 360
θi = P
fi
donde fi es la frecuencia de la
i-ésima categorı́a.

Introducción
Diagrama circular
Se basa en una proporcionalidad
entre la frecuencia y el ángulo
central de una circunferencia, de Tipo fi θi
tal manera que a la frecuencia Públicas 15 108.0
total le corresponde el ángulo Privadas 19 136.8
central de 360 grados. Controladas 16 115.2
El ángulo se determina por
fi × 360
θi = P
fi
Publicas 30 %
donde fi es la frecuencia de la
i-ésima categorı́a. Privadas 38 %
Controladas 32 %

Gráfico de puntos
Introducción
Ojiva
Diagrama de puntos
Un ingeniero agrega un polı́mero de látex a un mortero de cemento portland,

para determinar el efecto del polı́mero sobre la resistencia a la tensión (en
kgf = cm2 ). La tabla muestra los datos del mortero modificado (exp1) y del
mortero sin modificar (exp2).

Gráfico de puntos
Introducción
Ojiva
Diagrama de puntos
Un ingeniero agrega un polı́mero de látex a un mortero de cemento portland,

para determinar el efecto del polı́mero sobre la resistencia a la tensión (en
kgf = cm2 ). La tabla muestra los datos del mortero modificado (exp1) y del
mortero sin modificar (exp2).
1 2 3 4 5 6 7 8 9 10
exp1 16.85 16.40 17.21 16.35 16.52 17.04 16.96 17.15 16.59 16.57
exp2 17.50 17.63 18.25 18.00 17.86 17.75 18.22 17.90 17.96 18.15

Gráfico de puntos
Introducción
Ojiva
Diagrama de puntos
Sin Modificar
● ● ● ● ● ● ● ● ●●
Modificado
●● ● ●● ● ● ● ● ●
16.5 17.0 17.5 18.0

Gráfico de puntos
Introducción
Ojiva
Diagrama de tallos y hojas
Una nueva aleación de aluminio litio está siendo evaluada como posible
material para la fabricación de elementos estructurales de aeronaves. Los
datos de resistencia a la tensión, en libras por pulgada cuadrada (psi), de 80
muestras se transcriben en la siguiente tabla..

Gráfico de puntos
Introducción
Ojiva
Una nueva aleación de aluminio litio está siendo evaluada como posible
material para la fabricación de elementos estructurales de aeronaves. Los
datos de resistencia a la tensión, en libras por pulgada cuadrada (psi), de 80
muestras se transcriben en la siguiente tabla..
105 97 245 163 207 134 218 199 160 196

221 154 228 131 180 178 157 151 175 201
183 153 174 154 190 76 101 142 149 200
186 174 199 115 193 167 171 163 87 176
121 120 181 160 194 184 165 145 160 150
181 168 158 208 133 135 172 171 237 170
180 167 176 158 156 229 158 148 150 118
143 141 110 133 123 146 169 158 135 149

Gráfico de puntos
Introducción
Ojiva

Gráfico de puntos
Introducción
Ojiva
75 muestras (94 %) resistieron

110 psi o más.

Gráfico de puntos
Introducción
Ojiva

110 psi o más.
El valor central está en un
punto alrededor de 150 y 170
psi.

Gráfico de puntos
Introducción
Ojiva

110 psi o más.
psi.
La mediana es un valor entre
160 y 169 psi.

Gráfico de puntos
Introducción
Ojiva

110 psi o más.
psi.
160 y 169 psi.
8 muestras fallaron por debajo
de los 120 psi.

Gráfico de puntos
Introducción
Ojiva

110 psi o más.
psi.
160 y 169 psi.
8 muestras fallaron por debajo
de los 120 psi.
Sólo 6 muestras resistieron
mas de 210 psi.

Gráfico de puntos
Introducción
Ojiva
Distribución de frecuencia e histograma
25
22
20
17
15
Frecuencia
14
10
10
6
5
4
3
2 2
0
100 150 200 250
Resistencia (psi)

Gráfico de puntos
Introducción
Ojiva
Inf Sup Mi fi f ri Fi F ri
70 90 80 2 0.0250 2 0.0250
90 110 100 3 0.0375 5 0.0625
110 130 120 6 0.0750 11 0.1375
130 150 140 14 0.1750 25 0.3125
150 170 160 22 0.2750 47 0.5875
170 190 180 17 0.2125 64 0.8000
190 210 200 10 0.1250 74 0.9250
210 230 220 4 0.0500 78 0.9750
230 250 240 2 0.0250 80 1.0000
80 1

Gráfico de puntos
Introducción
Ojiva
¿Cúantos intervalos de clase?

1 Depende del número de observaciones.

Gráfico de puntos
Introducción
Ojiva

2 Resulta satisfactorio entre 5 y 20 clases.

Gráfico de puntos
Introducción
Ojiva

3 Algunas fórmulas empı́ricas:
√ √
K≈ n, con n = 80 se tiene 80 = 8,94 ≈ 9

Gráfico de puntos
Introducción
Ojiva

√ √
K ≈ n, con n = 80 se tiene 80 = 8,94 ≈ 9
K ≈ 1 + 3,3 log10 (n) (Fórmula de Sturges). Para el ejemplo,
1 + 3,3 log10 (80) = 7, 28 ≈ 7

Gráfico de puntos
Introducción
Ojiva

√ √
K ≈ n, con n = 80 se tiene 80 = 8,94 ≈ 9
K ≈ 1 + 3,3 log10 (n) (Fórmula de Sturges). Para el ejemplo,
1 + 3,3 log10 (80) = 7, 28 ≈ 7
K ≈ ln(n)
ln(2)
, para el ejemplo ln(80)
ln(2)
= 6,32 ≈ 7

Gráfico de puntos
Introducción
Ojiva
Polı́gono de Frecuencias

Gráfico de puntos
Introducción
Ojiva
Polı́gono de Frecuencias Función de Densidad

Gráfico de puntos
Introducción
Ojiva
Ojiva

Introducción
Representación gráfica de datos cualitativos Medidas de tendencia central
Representación gráfica de datos cuantitativos Medidas de dispersión
Media aritmética.
Definición
La media aritmética de un conjunto de n observaciones y1 , y2 , . . . , yn
es igual a la suma de las observaciones dividida por n (el número de
datos). Se indica con y.

Introducción
Media aritmética.
Definición
La media aritmética de un conjunto de n observaciones y1 , y2 , . . . , yn
es igual a la suma de las observaciones dividida por n (el número de
datos). Se indica con y.
n
P
yi
y1 + y2 + · · · + yn i=1
y= =
n n

Introducción
Media aritmética.
Ejemplo: Considere las siguientes 15 mediciones
8 10 4 3 8
5 6 8 7 6
7 7 5 11 7

Introducción
Media aritmética.
Ejemplo: Considere las siguientes 15 mediciones
8 10 4 3 8
5 6 8 7 6
7 7 5 11 7
Cálculo de la media
8 + 5 + 7 + ··· + 6 + 7 102
y= = = 6,8
15 15

Introducción
Media aritmética (Datos agrupados).
¿Cómo se calcula?
K
P
fi Mi
i=1
xa =
n
fi es la frecuencia de clase
Mi es la marca de clase
nes el número de datos

Introducción
Media aritmética (Datos agrupados).
¿Cómo se calcula?
K
P
fi Mi
i=1
xa =
n
fi es la frecuencia de clase
Mi es la marca de clase
nes el número de datos
Ejemplo: Calcular la media a partir de los datos agrupados del
ejemplo de resistencia a la tensión.
2 × 80 + 3 × 100 + · · · + 4 × 220 + 2 × 240 13080
xa = = = 163, 5
80 80

Introducción
Mediana.
Definición
La mediana de un conjunto de valores y1 , y2 , . . . , yn es el valor tal que
la mitad de las observaciones son menores o iguales que él y la otra
mitad es mayor o igual que él.

Introducción
Mediana.
Definición
Si y(1) , y(2) , . . . , y(n) es una muestra acomodada en orden creciente de
magnitud. La mediana se define como la observación que ocupa el
lugar n+1 2 . Si n es impar, o el promedio de las observaciones que
ocupan los lugares n2 e n2 + 1 si n es par.

Introducción
Mediana.
Definición
Si y(1) , y(2) , . . . , y(n) es una muestra acomodada en orden creciente de
magnitud. La mediana se define como la observación que ocupa el
lugar n+1 2 . Si n es impar, o el promedio de las observaciones que
ocupan los lugares n2 e n2 + 1 si n es par.
(
y( n+1 ) , si n es impar,
Me = 2
y( n ) +y( n +1)
2
2
2
, si n es pas,

Introducción
Mediana (Ejemplos).
1 Obtener la mediana de 8, 3, 2, 4, 5, 6, 9.

Introducción
Mediana (Ejemplos).
n = 7 es un número impar, la mediana es la observación que
ocupa el lugar 7+1
2 = 4 después de ordenar los datos
Posición 1 2 3 4 5 6 7
Dato 2 3 4 5 6 8 9

Introducción
Mediana (Ejemplos).
ocupa el lugar 7+1
Posición 1 2 3 4 5 6 7
Dato 2 3 4 5 6 8 9
Me = 5

Introducción
Mediana (Ejemplos).
ocupa el lugar 7+1
Posición 1 2 3 4 5 6 7
Dato 2 3 4 5 6 8 9
Me = 5
2 Obtener la mediana de 9, 2, 7, 11, 14, 6.

Introducción
Mediana (Ejemplos).
ocupa el lugar 7+1
Posición 1 2 3 4 5 6 7
Dato 2 3 4 5 6 8 9
Me = 5
n = 6 es un número par, la mediana es el promedio de las
observaciones que ocupan los lugares 62 = 3 y 62 + 1 = 4 después
de ordenar los datos
Posición 1 2 3 4 5 6
Dato 2 6 7 9 11 14

Introducción
Mediana (Ejemplos).
ocupa el lugar 7+1
Posición 1 2 3 4 5 6 7
Dato 2 3 4 5 6 8 9
Me = 5
n = 6 es un número par, la mediana es el promedio de las
observaciones que ocupan los lugares 62 = 3 y 62 + 1 = 4 después
de ordenar los datos
Posición 1 2 3 4 5 6
Dato 2 6 7 9 11 14
7+9
Me = 2 =8

Introducción
Mediana (Ventaja).
Robusta a valores extremos

La mediana tiene la ventaja que los valores extremos no tienen
influencia sobre ella.

Introducción
Mediana (Ventaja).

1 Suponga las siguientes observaciones: 1, 3, 4, 2, 7, 6 y 8. La

media es 4.43, mientras que la mediana es 4. Ambas cantidades
proporcionan una medida razonable de la tendencia central de los
datos.

Introducción
Mediana (Ventaja).

1 Suponga las siguientes observaciones: 1, 3, 4, 2, 7, 6 y 8. La

media es 4.43, mientras que la mediana es 4. Ambas cantidades
proporcionan una medida razonable de la tendencia central de los
datos.
2 Suponga ahora que los datos son 1, 3, 4, 2, 7, 2450 y 8. La
mediana sigue siendo 4, pero la media es 353.57 que no dice
mucho respecto a la tendencia central de los datos.

Introducción
La media no es suficiente
Considere los siguientes datos:
Muestra 1 130 150 145 158 165 140

Muestra 2 90 128 205 140 165 160

Introducción
Muestra 1 130 150 145 158 165 140

Muestra 2 90 128 205 140 165 160
Ambas muestras tienen media 148, es decir, x1 = x2 = 148.

Introducción
Muestra 1 130 150 145 158 165 140

Muestra 2 90 128 205 140 165 160

¿Son similares los dos conjuntos de datos?

Introducción
Muestra 1 130 150 145 158 165 140

Muestra 2 90 128 205 140 165 160

¿Son similares los dos conjuntos de datos?
La dispersión o variabilidad de la muestra 2 es mayor.

Introducción
Muestra 2
● ● ● ● ● ●
Muestra 1
● ●●● ● ●
50 100 150 200

Introducción
Rango
Diferencia entre la observación mas grande y la mas pequeña.
r = máx(yi ) − mı́n(yi )
Rango de la primera muestra: r1 = 165 − 130 = 35

Rango de la segunda muestra: r2 = 205 − 90 = 115

Introducción
Rango
Diferencia entre la observación mas grande y la mas pequeña.
r = máx(yi ) − mı́n(yi )
Rango de la primera muestra: r1 = 165 − 130 = 35

Rango de la segunda muestra: r2 = 205 − 90 = 115
Ignora la información que hay entre el máximo y el mı́nimo.
Muestra 1 1 3 5 8 9
Muestra 2 1 5 5 5 9
r1 = r2 = 8. Se requiere una medida que dependa de todas las

observaciones (que use toda la información)

Introducción
Varianza y desviación estándar
Varianza
n
(yi − y)2
P
2 i=1
S =
n−1

Introducción
Varianza y desviación estándar
Varianza
n
(yi − y)2
P
2 i=1
S =
n−1
Desviación estándar
La desviación estándar muestral, S, es la raiz cuadrada positiva de la
varianza. v
u n
uP
u (yi − y)2
S = i=1
t
n−1

Introducción
Varianza y desviación estándar (Ejemplo)
Calcular la varianza y la desviación estándar de los siguientes datos:
58476
1 ( Varianza) Para estos datos tenemos que n = 5 y y = 6
(5 − 6)2 + (8 − 6)2 + (4 − 6)2 + (7 − 6)2 + (6 − 6)2 )

S2 =
4
(−1)2 + 22 + (−2)2 + 12 + 02 10
= = = 2,5
4 4
√ √
2 ( Desviación Estándar) S = S 2 = 2, 5 = 1, 58

Introducción
Varianza (Fórmula Alternativa)

Una fórmula alternativa para calcular la varianza es
n
yi2 − ny 2
P
i=1
S2 =
n−1

Introducción

n
yi2 − ny 2
P
i=1
S2 =
n−1
i yi yi2
1 5 25
2 8 64
3 4 16
4 7 49
5 6 36
Sumas 30 190

Introducción

n
yi2 − ny 2
P
i=1
S2 =
n−1
yi2 190−5×62 10
i yi S2 = 4 = 4 = 2, 5
1 5 25
2 8 64
3 4 16
4 7 49
5 6 36
Sumas 30 190

Introducción
Varianza (Datos agrupados)

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
fi es la frecuencia de clase.

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
Mi es la marca de clase.

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
n es el número de datos.

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
xa es la media calculada a partir de los datos agrupados.

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
Ejemplo: Datos del ejemplo de resistencia a la tensión.

Introducción

Varianza
K
fi Mi2 − nx2a
P
i=1
Sa2 =
n−1
Ejemplo: Datos del ejemplo de resistencia a la tensión.
(2 × 802 + 3 × 1002 + · · · + 4 × 2202 + 2 × 2402 ) − 80 × 163, 52
Sa2 =
4
2226400 − 2138580 87820
= = = 1111, 646
79 79
Introducción
Percentiles y cuartiles
El primer cuartil o cuartil inferior, notado como P25 , es un valor

tal que el 25 % de los datos es menor o igual que él y el restante
75 % es mayor igual que él.

Introducción

El tercer cuartil, notado como P75 , es un valor que tiene el 75 %
de los datos por debajo y él 25 % por encima.

Introducción

Cuando un conjunto de datos se divide en cien partes iguales, los
puntos de división reciben el nombre de percentiles.

Introducción

Los deciles separan un conjunto de datos en 10 subconjuntos
iguales.

Introducción

Los deciles separan un conjunto de datos en 10 subconjuntos
iguales.
Los percentiles separan un conjunto de datos en 100
subconjuntos iguales.

Introducción
Ejemplo
La demanda diaria, en kilogramos, de un producto industrial durante
30 dı́as fue:
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56

Introducción
Ejemplo
30 dı́as fue:
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56
Calcule:
Los cuartiles.

Introducción
Ejemplo
30 dı́as fue:
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56
Calcule:
Los cuartiles.
El percentil 15.

Introducción
Ejemplo
30 dı́as fue:
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56
Calcule:
Los cuartiles.
El percentil 15.
El percentil 80.

Introducción
Ejemplo (Solución)
Ordenamos los datos

25 28 32 33 35 36
38 42 44 44 47 48
48 49 51 52 53 56
57 58 58 59 61 63
66 67 69 72 76 78

Introducción
Ordenamos los datos

25 28 32 33 35 36
38 42 44 44 47 48
48 49 51 52 53 56
57 58 58 59 61 63
66 67 69 72 76 78
En este caso n = 30 y P = 25 luego.
25
L25 = (30 + 1) = 7, 75
100

Introducción
Ordenamos los datos

25 28 32 33 35 36
38 42 44 44 47 48
48 49 51 52 53 56
57 58 58 59 61 63
66 67 69 72 76 78
En este caso n = 30 y P = 25 luego.
25
L25 = (30 + 1) = 7, 75
100
buscamos las observaciones 7 y 8 en los datos ordenados que son
38 y 42 el primer cuartil es
P25 = 38 + 0, 75(42 − 38) = 41

Introducción
El segundo cuartil es el percentil 50 o la mediana de los datos, en
este caso P = 50,
50
L50 = (30 + 1) = 15, 5
100

Introducción
este caso P = 50,
50
= 15, 5
L50 = (30 + 1)
100
buscamos las observaciones 15 y 16 en los datos ordenados, las
cuales son 51 y 52. El percentil 50 es
P50 = 51 + 0, 50(52 − 51) = 51, 5

Introducción
este caso P = 50,
50
= 15, 5
L50 = (30 + 1)
100
P50 = 51 + 0, 50(52 − 51) = 51, 5
El tercer cuartil es el percentil 75, por tanto P = 75 y

75
L75 = (30 + 1) = 23, 25
100

Introducción
este caso P = 50,
50
= 15, 5
L50 = (30 + 1)
100
P50 = 51 + 0, 50(52 − 51) = 51, 5
El tercer cuartil es el percentil 75, por tanto P = 75 y

75
L75 = (30 + 1)
= 23, 25
100
buscamos las observaciones 23 y 24 que son 61 y 63 el primer
cuartil es
P75 = 61 + 0, 25(63 − 61) = 61, 5
Introducción
Para calcular el percentil 15 se tiene P = 15, luego,
15
L15 = (30 + 1) = 4, 65
100

Introducción
15
L15 = (30 + 1)
= 4, 65
100
buscamos las observaciones 4 y 5 en los datos ordenados, que son
33 y 35 entonces
P15 = 33 + 0, 65(35 − 33) = 34, 3

Introducción
15
L15 = (30 + 1)
= 4, 65
100
33 y 35 entonces
P15 = 33 + 0, 65(35 − 33) = 34, 3
Para calcular el percentil 80 se tiene P = 80, luego

80
L80 = (30 + 1) = 24, 8
100

Introducción
15
L15 = (30 + 1)
= 4, 65
100
33 y 35 entonces
P15 = 33 + 0, 65(35 − 33) = 34, 3
Para calcular el percentil 80 se tiene P = 80, luego

80
L80 = (30 + 1)
= 24, 8
100
buscamos las observaciones 24 y 25 en los datos ordenados, que
son 63 y 66 entonces
P80 = 63 + 0, 80(66 − 63) = 65, 4

Estadistica Descriptiva PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte

Estadistica Descriptiva PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Descriptiva PDF

Cargado por

Copyright:

Formatos disponibles

Introducción

Representación gráfica de datos cualitativos

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

La situación evolucionó: La recolección de datos representa

Unicordoba Estadı́stica Descriptiva

La situación evolucionó: La recolección de datos representa

En el siglo XIX, el desarrollo del cálculo de probabilidades y otras

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

La estadı́stica hoy consiste en una metodologı́a cientı́fica para

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Encuesta: Los datos no están disponibles a partir de los

Unicordoba Estadı́stica Descriptiva

Experimentación: Una enfermera conduce un experimento en

Unicordoba Estadı́stica Descriptiva

Experimentación: Una enfermera conduce un experimento en

Fuentes externas: Datos que existen como informes publicados,

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

Unicordoba Estadı́stica Descriptiva

La estadı́stica ayuda al investigador a contestar preguntas como:

Unicordoba Estadı́stica Descriptiva

La estadı́stica ayuda al investigador a contestar preguntas como:

Unicordoba Estadı́stica Descriptiva

La estadı́stica ayuda al investigador a contestar preguntas como:

Unicordoba Estadı́stica Descriptiva

La estadı́stica ayuda al investigador a contestar preguntas como:

Unicordoba Estadı́stica Descriptiva

La estadı́stica ayuda al investigador a contestar preguntas como:

Unicordoba Estadı́stica Descriptiva

Conceptos básicos (I)

Unicordoba Estadı́stica Descriptiva

Conceptos básicos (I)

Unicordoba Estadı́stica Descriptiva

Conceptos básicos (I)

Unicordoba Estadı́stica Descriptiva

Conceptos básicos (I)

Ejemplo (Encuesta electoral)

En una encuesta electoral, un instituto de investigaciones tiene como

Unicordoba Estadı́stica Descriptiva

Ejemplo (Encuesta electoral)

Unicordoba Estadı́stica Descriptiva

Ejemplo (Encuesta electoral)

Unicordoba Estadı́stica Descriptiva

Ejemplo (Encuesta electoral)