Estadísticos Descriptivos

Diferencia entre
Estadístico y Parámetro Estadístico
Parámetro Es una cantidad Es una cantidad
numérica calculada numérica
sobre una población calculada sobre
una muestra
Estadísticos Descriptivos
Tendencia
Posición Dispersión Forma
Central
Desviación
Media Típica
Percentiles
Aritmética
Sesgo
Varianza

Mediana Deciles Coeficiente de

Variación

Curtosis
Rango
Moda Cuartiles
Intercuartílico
Medidas de Tendencia Central
Las Medidas de Tendencia Central son indicadores
estadísticos que muestran hacia que valor o valores se agrupan
los datos.

Media Aritmética

Mediana

Moda

Las unidades de medida de todos los parámetros de

tendencia central son las mismas que los datos sobre los que se
calculan.
Media Aritmética
La media aritmética es
el parámetro de centralización
más utilizado, su valor es el
centro aritmético de los datos.

La media aritmética es
el valor que tendría cada
elemento de la serie de datos si
todos tuvieran el mismo valor

n
xi xi  f i
n
x x
i 1 n i 1 n
Frecuencias Repetidas
Media Aritmética

✓ Fácil de entender y calcular ✓Puede ser influenciada

por valores extremos
✓ Hace uso de todos los datos de
una distribución ✓En el caso de variables
discretas, el valor no es
✓ Es el más conocido exactamente alguno de
los datos, por lo que a
veces se redondean.
✓ Es usada en la inferencia
estadística.
Mediana
La mediana de un conjunto de n datos ordenados de menor a mayor es
el valor central, es decir, la mediana divide a un conjunto de datos ordenados
en dos partes iguales en cuanto al número de datos

Datos Impares Datos Pares

xn  xn
Md  x n 1 1

2
Md  2 2
2
Mediana
✓Los valores extremos no la afectan
ya que está determinada por el
número de observaciones y no por el
valor de las mismas.
✓Se puede calcular aunque los
valores extremos sean abiertos
✓Es fácil de calcular.
✓No se presta a tratamientos
algebraicos.
✓Es necesario ordenar las
variantes antes de que se
pueda calcular la mediana.
✓Es poco conocida.
Moda
La moda de un
conjunto de valores es
aquel valor que ocurre con
una mayor frecuencia. Si
todos los valores son
diferentes, no hay moda.
Por otra parte, un conjunto
de valores puede tener más
de una moda
Moda

✓Si todos los datos tienen la

✓No se ve afectada por los misma frecuencia no hay moda
valores extremos
✓No toma en cuenta todos los
✓El cálculo es sencillo datos y si algunos de estos se
alteran, es posible que la moda
siga igual, lo que la hace
insuficiente

✓No siempre es única

Relación entre las Medidas de Tendencia Central
 “La estadística es una ciencia que
demuestra que, si mi vecino tiene dos
coches y yo ninguno, los dos tenemos uno”

GEORGE BERNARD SHAW

Medidas de Posición

Las Medidas de Posición son medidas estadísticas que dividen la

distribución de los datos en partes iguales y describen la posición que tiene
un dato dentro de una distribución, una vez que se ordenan de forma
creciente.

Las medidas de tendencia son en realidad un caso particular de las

medidas de posición.
Percentiles
Dividen a la distribución en 100 partes (99 divisiones).P1,...,P99,
correspondientes a 1%,...,99%.

k n
Fk 
100
Deciles
Dividen a la distribución en 10 partes iguales (9 divisiones).D1,...,D9,
correspondientes a 10%,...,90%

k n
Fk 
10
Cuartiles
Dividen a la distribución en cuatro partes iguales (tres
divisiones).Q1,Q2,Q3, correspondientes a 25%, 50%,75%

k n
Fk 
4
Medidas de Posición

Q1  P25
Q2  Md  P50  D5
P20  D2
Q3  P75
P10  D1
P90  D9
“La estadística es la primera de las
ciencias inexactas”

EDMOND DE GONCOURT
Medidas de Dispersión
Las Medidas de Dispersión están encaminadas a cuantificar lo
próximos o alejados que están los datos de la muestra de un punto central.

Indicarán el grado de variabilidad que hay en la muestra.

Desviación Típica
Varianza
Coeficiente de Variación
Rango Intercuartílico
Desviación Típica
También llamada Desviación Estándar. Se define como la raíz
cuadrada de la media de los cuadrados de las puntuaciones de desviación.

 x  x 
n
2
i
S i 1
n
Si n  30, entonces usar n 1

✓Es un índice muy sensible a las puntuaciones extremas

✓En los casos donde no se pueda hallar la media tampoco será posible hallar
la desviación típica
✓Su valor se encuentra en relación directa con la dispersión de los datos, a
mayor desviación mayor dispersión y viceversa
Varianza

 x  x 
Es la media aritmética de los n
2
cuadrados de las desviaciones de los valores i
de la variable con respecto de la media de la S 
2 i 1

distribución n

Si n  30, entonces usar n 1

✓Es siempre un valor no negativo, que puede ser igual o distinta

de cero
✓La varianza es la medida de dispersión óptima por ser la
menor de todas
✓Utiliza las unidades de la variable estudiada al cuadrado
Coeficiente de Variación
Es el cociente entre la desviación
típica y la media aritmética de la S
distribución multiplicada por cien CV  100%
porciento. x

CV Tipo de Distribuci ón
 20% Homogénea
20%  50% Medianamente Homogénea
 50% Heterogéne a
Rango Intercuartílico
Mide la concentración de
los datos en el 50% central de
RQ  Q3  Q1
los mismos

En la medida que esa distancia sea menor los datos estarán

mayormente concentrados. Si la distancia es mayor indica mayor
dispersión.
Medidas de Forma
Las Medidas de Forma son
indicadores estadísticos que permiten
identificar si una distribución de
frecuencia presenta uniformidad.

Es la apariencia externa de la
distribución de frecuencias o de una
colección de datos cuantitativos y viene
representada por el aspecto gráfico.

Sesgo

Curtosis
Sesgo x  Mo
Sesgo 
El sesgo es un indicador que mide el S
grado de asimetría o falta de simetría de una
distribución. Es decir, la deformación Q1  2Q2  Q3
horizontal de los valores de la variable respecto Sesgo 
al valor central de la media
Q3  Q1

P10  2 P50  P90

Sesgo 
P90  P10

 x  x 
n
3
i
i 1

Sesgo  n
S3
Sesgo

Sesgo  0 Sesgo  0 Sesgo  0

Curtosis
El concepto de curtosis o apuntamiento
de una distribución surge al comparar la
forma de dicha distribución con la forma de la
Distribución Normal. De esta forma
clasificaremos las distribuciones según sean
más o menos apuntadas que la Distribución
Normal.

 x  x 
n
4

Q3  Q1 i
K i 1
2P90  P10  n
K 4
S
v.c.  0,263 v.c.  3
Curtosis

k  v.c. k  v.c. k  v.c.