TEMA 1 Diapositivas DescritivaUnivariante EDB

Estadística Descriptiva
Univariante
Tema 1
Dr. Ing. Willy Ugaz

Ingeniería Industrial y
de Sistemas
1. ESTADÍSTICA DESCRIPTIVA UNIVARIANTE
Universidad de Piura
Tema 1: Estadística Descriptiva
Univariante
1. Introducción. El propósito de la estadística

2. Descripción de datos mediante tablas
3. Descripción de datos mediante gráficos
4. Medidas características de un conjunto de datos
Tema 1: Estadística Descriptiva Univariante

¿Qué es la estadística?¿Por qué estudiamos estadística?
aprender de la observación
A partir de un número reducido de datos,

sacar conclusiones que sean generales.
Herramienta para poder manejar la
incertidumbre de tener información limitada.
Fenómeno
real
Datos Análisis Aprendizaje

observados estadístico sobre el fenómeno
Dos formas alternativas de acceder al
conocimiento del mundo
A partir de teorías A partir de la observación
• Leyes físicas • Datos

• Reglas matemáticas • Estadística
• Propiedades de los materiales
ideales
A partir de los datos

A partir de los modelos INDUCIMOS o INFERIMOS un
teóricos DEDUCIMOS la modelo empírico
realidad
DEDUCIR= Sacar consecuencias de un INDUCIR= Extraer, a partir de determinadas
principio, proposición o supuesto. observaciones o experiencias particulares, el
principio general que en ellas está implícito.
Tema 1: Estadística descriptiva univariante

Objetivo: resumir la información para facilitar su análisis
Tablas univariantes
Muestran la frecuencia de cada valor observado
Ejemplo 1: número de cilindros de 155 vehículos (fichero cardata)
Clases
Frecuencia (absoluta): número de datos en

cada clase (valor) 138 autos tiene 6 cilindros o menos, lo
que supone el 89% de los datos
Frecuencia relativa: proporción (0-100) de
los datos que hay en cada clase (valor)
Tablas univariantes
Ejemplo 2: mes de nacimiento de 95 estudiantes de primer ciclo
Parece que es menos probable nacer en el

segundo semestre
Tablas univariantes
Si hay muchos valores distintos: se agrupan en intervalos –clases-
Ejemplo: precio de 155 vehículos (fichero cardata)
El 93.55% de los autos

cuesta menos de 8000
El centro de cada clase se Hay 60 autos con precios entre

llama marca de clase 4000 y 6000
El 45.16% de los autos cuesta
‘alrededor’ de $ 3000.
2.2.Descripción
Descripciónde
dedatos
datosmediante
mediantetablas
tablas
¿Número de clases?
Lo decide el analista. Hay varios criterios (ver sección sobre
histogramas, más adelante). El más habitual es usar un
número en torno a 𝑛

3.1 Diagrama de barras

3.2 Histograma y polígono de frecuencias
3.3 Diagrama de sectores o circular (piechart)
3.4 Series temporales
3.1 Diagrama de barras
El diagrama de barras, o gráfico de barras, es la representación gráfica de una tabla de

frecuencias sin agrupar en intervalos. Se usa principalmente para variables discretas o
cualitativas.
Altura de la barra: Frecuencia de cada valor observado
Ejemplo: número de cilindros de 155 vehículos (fichero cardata)
Pueden ser
frecuencias
absolutas o
relativas
104
30
17
1 3
Es el diagrama de barras de una tabla de frecuencias con datos agrupados

70
60
14
8
1 2
El histograma es una de las

herramientas gráficas más útiles
para resumir información
Comportamiento = Distribución
Signo de la asimetría: hacia donde apunte la cola de la distribución (+∞ o −∞)

En un histograma, denominamos intervalo modal, o simplemente
MODA, a la clase más frecuente.
Con la moda, se desea destacar que hay un
máximo local. Puede haber así varios intervalos
modales, sugiriendo la posible existencia de
varios grupos
moda
modas
Hay tres modas: distribución trimodal
Existe una fórmula para hallar un valor numérico para estas modas, que tiene en cuenta las alturas de las clases vecinas a los
intervalos modales. No obstante, en general, dado el carácter descriptivo del histograma, nos bastará con utilizar la marca de
cada clase de los intervalos modales.
Ejemplo: talla de zapato del fichero AlumnosIndustriales
La distribución es claramente bimodal. En lo que respecta a esta variable, los

alumnos no son homogéneos. Los datos sugieren la presencia de dos grupos
diferenciados, uno con una talla de zapato menor, distribuidos
aproximadamente alrededor de 37, y otro con una talla de zapato mayor,
distribuidos alrededor del 42. Claramente, se trata de chicos y chicas.
La apariencia del histograma puede variar dependiendo del número de clases.

Homogeneidad o heterogeneidad del comportamiento o distribución.
Hay varios criterios de selección. En la práctica: probar varias configuraciones.
Ejemplo: histograma del peso de los 155 vehículos con diferente número de clases
8 clases
14 clases
¿Cuál es
mejor?
¿Son homogéneos, agrupados alrededor de 2100, o hay 3 tipos de vehículos agrupados en torno a 2100, 2700 y 3500?
La respuesta no es sencilla.
Algunos criterios para decidir el número 𝑘 de clases en un
histograma:
• La raíz: 𝑘 = 𝑛 (para n<1000, pues con muchos datos salen demasiadas clases)
(para datos unimodales y simétricos, de lo

• Sturges: 𝑘 = 1 + log 2 𝑛 = 1 + 1.44 ln(𝑛) contrario k es muy pequeño. Para n<500)
1
• Rice: 𝑘 = 2𝑛 3 (para n>500, pues con pocos datos salen pocas clases)
(con pocos datos da demasiadas clases. mejor

• Dixon-Kronmal: 𝑘 = 10 log10(𝑛) = 4.36 ln(𝑛) para n>200)
Número de clases que se obtienen por cada método para diferentes

tamaños de muestra n
n Raíz Sturges Rice DK
10 3 4 4 10
100 10 8 9 20
155 12 8 11 22
200 14 9 12 23
500 22 10 16 27
1000 32 11 20 30
5000 71 13 34 37
Consejo: experimentar con diferentes elecciones. Una buena opción es empezar con raíz o Rice (“rais or rais”) dependiendo de si n<500
Para los datos del peso de los 155 vehículos

n Raíz Sturges Rice DK
155 12 8 11 22
8 clases 11 clases
12 clases 22 clases
Nota: en estos 155 vehículos hay utilitarios, berlinas y camionetas, por lo que puede ser lógico visualizar tres grupos (12 clases)
El histograma también puede hacerse con las frecuencias acumuladas.
También puede expresarse en frecuencias relativas o absolutas
84.52
14
El polígono de frecuencias se obtiene uniendo con los puntos que tienen como
abscisa a la marca de clase y como ordenada la frecuencia respectiva. Se cierra
en ambos extremos en las marcas adyacentes con frecuencia cero.
Es como si en un histograma uniésemos con segmentos los puntos centrales del

lado superior de cada rectángulo.
Al polígono de frecuencias acumulado también se le conoce por ojiva
eje X eje Y
En el eje de abscisas se colocan los

límites superiores de cada clase y en las
ordenadas se colocan la frecuencias acumuladas
(absoluta o relativa) de la clase.
• Un caso particular de polígono de frecuencias acumuladas es la llamada Función de Distribución

෡ (x)
Empírica 𝑭
Frecuencia relativa acumulada con los datos sin agrupar.

Supongamos un conjunto de 𝑛 datos 𝑥1 , 𝑥2 , … , 𝑥𝑛 , que los ordenamos de menor a mayor, resultando:
𝑥 1 , 𝑥(2) , … , 𝑥 𝑛
donde 𝑥(𝑖) es el dato en posición i-ésima al ordenarlos.

Supongamos, sin pérdida de generalidad, que los datos no 𝑋 𝑓𝑟 ෡ (x)
𝑭
se repiten. Entonces:
1 1/8 1/8
2 1/8 2/8
• La frecuencia absoluta de cada dato es 1.
5 1/8 3/8
1
• La frecuencia relativa de cada dato es 7 1/8 4/8
𝑛
9 1/8 5/8
• La frecuencia relativa acumulada de 𝑥(𝑖) es 𝑖/𝑛
12 1/8 6/8
Ejemplo: 1,2,5,7,9,12,20,34, 20 1/8 7/8
34 1/8 8/8
Gráficamente (Minitab)
eje Y
Función de Distribución Empírica
𝑋 fr ෡ (x)
𝑭 100
1 1/8 1/8
2 1/8 2/8
80
5 1/8 3/8
7 1/8 4/8
60
Porcentaje
9 1/8 5/8
12 1/8 6/8
40
20 1/8 7/8
34 1/8 8/8
20
eje X 0
0 5 10 15 20 25 30 35
X
¿Y si alguno o todos los datos tienen frecuencia absoluta mayor que
1?
Si hay datos que se repiten, se modifican las frecuencias de acuerdo al número

de valores repetidos.
Ejemplo: 2,2,2,3,5,5,6,8,8,12,34,34,34,34,34 (n=15 datos)

100
𝑋 fr ෡ (x)
𝑭
2 3/15 3/15
80
3 1/15 4/15
5 2/15 6/15 60
Porcentaje
6 1/15 7/15
40
8 2/15 9/15
12 1/15 10/15
20
34 5/15 15/15
0
0 5 10 15 20 25 30 35
X
3.3 Diagrama de sectores o circular (piechart)
El diagrama de sectores es un círculo dividido en porciones proporcionales a las

frecuencias relativas
Ejemplo: número de cilindros de 155 vehículos (fichero cardata)
El eje X es el tiempo. Representa la evolución temporal de la variable
El eje X es el tiempo. Representa la evolución temporal de la variable

Objetivo: buscamos resumir las características más importantes de los

datos en un conjunto reducido de números.
Cada característica un número
4.1 Medidas de centralización
¿Cuál es el centro de los datos?
Hay muchas medidas alternativas.

Las más importantes son
✓ Media aritmética
✓ Mediana
✓ Moda centro de la distribución
de datos
• Media aritmética
Sea un conjunto de observaciones 𝑥1 , 𝑥2 , … , 𝑥𝑛
σ𝑛𝑖=1 𝑥𝑖
𝑥ҧ =
𝑛
Si las n observaciones están formadas por J valores 𝑥1 , 𝑥2 , … , 𝑥𝐽
diferentes que se repiten:
𝑥1 se repite 𝑛1 veces
𝐽
𝑥ҧ = ෍ 𝑥𝑗 𝑓𝑟 (𝑥𝑗 )
...
𝑗=1
𝑥𝐽 se repite 𝑛𝐽 veces
𝑛𝑗
Donde 𝑓𝑟 (𝑥𝑗 ) es la frecuencia relativa del valor 𝑥𝑗 ⇒ 𝑓𝑟 𝑥𝑗 =
𝑛
Ejemplo: 𝑥 = {1,2,3,3,5,5,5,6,6}
1+ 2 + 3 + 3 + 5 + 5 + 5 + 6 + 6
x= =4
9
O bien:
𝐽 1 1 2 3 2
𝑥 = 1× +2× +3× +5× +6× = 4
𝑥ҧ = ෍ 𝑥𝑗 𝑓𝑟 (𝑥𝑗 ) 9 9 9 9 9
𝑗=1
Puede interpretarse como el centro de gravedad de los datos. Si asociamos la
frecuencia de cada dato a la masa situada en dicho punto, la media muestral
sería el centro de gravedad de las observaciones.
Por ejemplo, en un histograma, podríamos visualizar la media muestral
(aproximadamente), pues sería el punto de apoyo para que esté en equilibrio.
Media
Cuanto más asimétrica sea, más se desplaza la media hacia la cola.
En distribuciones muy asimétricas, la media muestral pierde interés como medida que describa
alrededor de qué punto se distribuyen los datos.
Media Media
Es sensible a valores atípicos
Media
Un solo dato puede desplazar la
media hasta hacerla poco
representativa del centro de los
datos
Media
• Mediana
Es el valor que deja a cada lado el 50% de los datos.
Es poco sensible a asimetrías
Es insensible a valores atípicos
1 2 5 8 11 13 24 28 31 9 datos
Mediana=11
Con un número impar de datos: el dato en posición central
1 2 3 5 8 11 13 24 28 31 10 datos
Mediana=(8+11)/2=9.5
Con un número par de datos: la media de los dos centrales
• Mediana
50% 50%
Media=
mediana
• Mediana

50% 50% 50% 50%
Media= Mediana Media

mediana
La mediana no varía, pero la media se desplaza
• Mediana
50% 50%
Media=
mediana
• Mediana
50% 50%
• Mediana
50% 50%
Mediana Media
Los valores atípicos no alteran las posición de la mediana

Con valores atípicos y asimetrías fuertes, la mediana es una
medida de centralización más útil que la media
• Moda
Es el valor más frecuente
1 2 2 2 2 5 5 5 8 8 11 13
Moda=2
Con datos agrupados, es la clase más frecuente localmente, es decir es el máximo local.
Puede haber varias modas , sugiriendo la posible existencia de grupos diferentes en los
datos.
Distribución unimodal Distribución trimodal
4.2 Medidas de dispersión
• Varianza (desviación típica) • Percentiles

• Cuasivarianza (cuasidesviación típica) • Cuartiles. Rango intercuartílico
• Rango • Diagrama de caja (box-plot)
• Varianza Promedio de desviaciones a la media, al cuadrado
𝑠𝑥
𝐶𝑉 =
σ𝑛
𝑖=1 𝑥𝑖 − 𝑥ҧ
2 σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 2 𝑥ҧ
𝑠𝑥2 = 𝑠𝑥 =
𝑛 𝑛 Coeficiente de variación
Varianza Desviación típica o A veces se da en porcentaje: 𝐶𝑉 × 100%
desviación estándar y a veces no se toma el valor absoluto de
la media pero asumiendo que los datos
serán positivos.
• Cuasivarianza
σ𝑛 2 σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 2 Se puede justificar teóricamente

𝑖=1 𝑥𝑖 − 𝑥ҧ (próximos capítulos) que miden
𝑠Ƹ𝑥2 = 𝑠Ƹ𝑥 =
𝑛−1 𝑛−1 mejor la dispersión de los datos.
Cuasivarianza Cuasidesviación típica o
estándar
45
• Si las n observaciones están formadas por 𝐽 valores
𝑥1 , 𝑥2 , … , 𝑥𝐽 diferentes que se repiten:
𝑥2 se repite 𝑛2 veces 𝐽
𝑠𝑥2 = σ𝑗=1 𝑥𝑗 − 𝑥ҧ
2
𝑓𝑟 (𝑥𝑗 )
...
𝑥𝐽 se repite 𝑛𝐽 veces
𝑛𝑗
Donde 𝑓𝑟 (𝑥𝑗 ) es la frecuencia relativa del valor 𝑥𝑗 ⇒ 𝑓𝑟 𝑥𝑗 =
𝑛
• Para el caso de la cuasi-varianza, hay que dividir por 𝑛 − 1,

y la fórmula queda
𝐽
2 𝑛𝑗
𝑠Ƹ𝑥2 = ෍ 𝑥𝑗 − 𝑥ҧ
𝑛−1
𝑗=1
• Varianza y Cuasivarianza
Promedio de desviaciones a la media, al cuadrado
σ𝑛 2
𝑖=1 𝑥𝑖 − 𝑥ҧ
𝑠𝑥2 =
𝑛
Poca dispersión
Baja varianza
Baja desviación típica
Bajo CV
Baja cuasivarianza
Baja cuasidesviación típica
media
Mucha dispersión
Alta varianza
Alta desviación típica
Alto CV
Alta cuasivarianza
Alta cuasidesviación típica
media
• Rango o recorrido
Valor máximo menos valor mínimo
X: 1 2 5 8 11 13 24 28 31
Rango: 31-1=30
A mayor rango mayor dispersión
Rango Rango
• Percentiles
El percentil p es el número por debajo del cual se

encuentra el 𝒑 × 𝟏𝟎𝟎% de las observaciones, y por encima
el 𝟏 − 𝒑 × 𝟏𝟎𝟎%.
• Por ejemplo, el percentil 15 es el valor que deja por debajo al 15% de las
observaciones y, aproximadamente, el 85% quedará por arriba.
• Los percentiles son entonces los 99 valores que dejan por debajo al 1%, 2%... y
99% de los datos, respectivamente. Se denotan por 𝑃1, 𝑃2 , … , 𝑃99 .
• Como usualmente 𝑛 × 𝑝 no es un número entero, diremos que el percentil deja

‘aproximadamente’ el 𝒑 × 𝟏𝟎𝟎% por debajo.
• Aunque la idea es muy simple, no hay una definición única de percentil. Por
ejemplo, algunos textos lo definen como que el 𝒑 × 𝟏𝟎𝟎% de lo datos es menor
a 𝑃𝑝 , y otros que son menores o iguales.
Ejemplo: ¿Cuál es el percentil 25 de las siguientes
observaciones: 1, 4, 8 y 9?
el percentil 25 debe dejar
1 4 8 9 un dato por debajo y tres
por arriba
25% de 75% de
los datos los datos
• Si bien la intuición que hay detrás del concepto de percentil es clara, su cálculo es
complicado, pues en general hay ambigüedad sobre dichos valores.
• Por ejemplo, vemos que debajo del valor 3 queda sólo el 1; pero eso también ocurre por
debajo del valor 2, o del valor 2.7 o cualquiera en el intervalo continuo (1,4), ¿qué
contestaremos si nos piden el percentil 25?
• Esto ha provocado que haya varios procedimientos, que pueden arrojar resultados
diferentes. Básicamente, difieren en la forma en que interpolan entre los dos valores que
puede estar (en nuestro ejemplo, entre el 1 y el 4).
• En la práctica, utilizaremos los percentiles que se obtengan con el programa estadístico

que utilicemos.
• Sólo hay una definición unánime para el 𝑷𝟓𝟎 que es la definición de mediana
vista antes.
Ejemplo: ¿Cuál es el percentil 25 de las siguientes
observaciones: 1, 4, 8 y 9?
1 4 8 9
25% de los datos= 1 75% de los datos= 3

datos ‘como mucho’ datos ‘como mucho’
Percentil Minitab Excel Matlab Statgraphics

25 1.75 1.75 2.5 2.5
50 6 6 6 6
75 8.75 8.75 8.5 8.5
Cuanto mayor sea el número de observaciones, más parecidos serán los

resultados de las diferentes alternativas.
El contenido de esta trasparencia es opcional, y se ofrece con fines informativos. No
forma parte del contenido evaluable de la asignatura.
Una forma muy popular de calcular el percentil 𝑝, que se denota por 𝑃𝑝 , a partir de 𝑛
observaciones es el siguiente:
a) Calcular 𝑟 = 𝑝 𝑛 + 1 .
b) Descomponer 𝑟 en su parte entera (e) y parte decimal (d), es decir:
𝑟 =𝑒+𝑑
Por ejemplo, para el cálculo de 𝑃30 de los seis datos siguientes 2, 4, 5, 7, 8, 9, se tiene
𝑟 = 0.3 × 7 = 2.1 ⇒ 𝑒 = 2, 𝑑 = 0.1
c) El percentil 𝑝 será entonces:
𝑃𝑝 = 𝑋(𝑒) + 𝑑(𝑋 𝑒+1 − 𝑋 𝑒 )
Con el ejemplo anterior se tiene:
𝑃30 = 𝑋(2) + 0.1 𝑋 3 − 𝑋 2 = 4 + 0.1 5 − 4 = 4.1
Generalmente calcularemos los percentiles con la computadora.
Una forma de obtener unos percentiles aproximados de forma gráfica es utilizando la ojiva
de la siguiente forma:
1. Entramos por el eje Y con la probabilidad 𝑝 deseada.
2. El percentil será el valor de la abscisa del punto de corte con la ojiva
Ejemplo:
La siguiente figura es la ojiva de las estaturas del fichero AlumnosIndustriales. A la vista
de esta figura, determina de forma aproximada los percentiles 20 y 80
(es una aproximación, pues los datos están agrupados en clases, y hace que la ojiva sea más o menos
suave en función del número de clases)
𝑃20 ≈ 166 𝑃80 ≈ 182

Otra forma sencilla de calcular un percentil aproximado es utilizando la ‘Función
de Distribución Empírica’ vista anteriormente.
En ese gráfico, entramos por el eje Y con el valor de probabilidad que deseemos.
El percentil es el valor que le corresponde en el eje X al ‘chocar’ con la pared del
escalón.
100
80
60
Porcentaje
40
30
20
0 5 10 15 20 25 30 35
X
• Cuartiles Q1, Q2, Q3
Son los valores que dividen la muestra en 4 grupos, cada uno con el 25% de
los datos (aproximadamente)
Entre el mínimo y Q1 25% de los datos

Entre Q1 y Q2 25% de los datos 50%
Entre Q2 y Q3 25% de los datos

50%
Entre Q3 y el máximo 25% de los datos
Q1=percentil 25;Q2 = mediana;Q3=percentil 75

Q3-Q1=Rango Intercuartílico (R.I.)
25% 25% 25% 25%
min Q1 Q2 Q3 max
Hay varios métodos para calcular Q1 y Q3. Con pocos datos pueden dar valores diferentes
• Cuartiles Q1, Q2, Q3
Ejemplo 𝑥: {1,1,3,3,5,9,11,14,15}
Método sencillo para calcular cuartiles (hay varios procedimientos, y no todos

dan el mismo resultado)
1º Obtenemos la mediana Q2 5
2º Excluimos ese valor (si es que es un izda.: {1,1,3,3,}

dato, por ser un número impar de
observaciones) y nos quedamos con dcha.: {9,11,14,15}
dos grupos de datos, uno a cada lado
de la mediana
3º Q1 es la mediana del grupo que Q1=(1+3)/2=2

queda a la izquierda
4º Q3 es la mediana del grupo que Q3=(11+14)/2=12.5

queda a la derecha
(Éste será nuestro método ‘oficial’ para cuando haya que calcular los
cuartiles a mano en alguna evaluación)
• Diagrama de caja (box-plot)
Es la representación gráfica de los cuartiles
25% 25% 25% 25%
min max
Q1 Q2 Q3
Los gráficos Box-plot son muy útiles para:
• Comparar grupos
• Ver asimetrías
• Detectar atípicos **
Datos extremos (o ‘atípicos’)
¿Cómo construir un Box-plot con marcas de atípicos?
Primer paso:
Segundo paso:
Tercer paso:
Los puntos que caigan en estas zonas se marcan. Es decir, los puntos que están más
allá de la barrera interna ya se consideran atípicos
Tercer paso:
Las líneas laterales (bigotes) se extienden sólo hasta el último punto dentro de la barrera
interna. Los bigotes sólo llegaran hasta la barrera interna en el caso particular de que allí
haya un dato.
Ojo!! Cuando hay asimetrías,

Dato atípico: dato que se sale del
un dato extremo no debe
necesariamente catalogarse patrón general de los datos
como atípico
La asimetría indica que al

final de la cola habrá cada
vez menos datos.
No es atípico. Es compatible con

el patrón de los datos
Sí es atípico
Es compatible con la asimetría

positiva
4.1 Medidas de centralización media, mediana, moda
varianza, desv. típica, coeficiente
4.2 Medidas de dispersión de variación, rango, cuartiles,
box-plot
4.3 Otras medidas de forma
• Medidas de asimetría
• Medidas de apuntamiento
Coeficiente de σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 3
𝐶𝐴 =
asimetría (de Fisher) 𝑛𝑠𝑥3
•CA = 0; si la distribución es perfectamente simétrica

•CA > 0; si hay asimetría positiva
•CA < 0: si hay asimetría negativa
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 3
Coeficiente de asimetría de Fisher 𝐶𝐴 =
𝑛𝑠𝑥3
• CA = 0; si la distribución es perfectamente simétrica
• CA > 0; si hay asimetría positiva
• CA < 0: si hay asimetría negativa
Coeficiente de σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 4
apuntamiento o 𝐾=
𝑛𝑠𝑥4
Curtosis
•𝐾 = 3; distribución con forma de campana

•𝐾 > 3; distribución más picuda que una campana
•𝐾 < 3; distribución menos picuda que una campana
𝐾>3
𝐾<3 𝐾=3
Muchos programas de Estadística definen curtosis como 𝐾 − 3. Esta medida

recibe también el nombre de ‘Exceso de curtosis’:
𝐸𝐾 = 𝐾 − 3.
(Curtosis-3: ‘exceso de curtosis’)
Valores de curtosis muy bajos pueden ser indicio de ‘multimodalidad’ .
Ejercicios
EDB_2016_II.xlsx
• El fichero EDB_2016_II.xlsx contiene información de los alumnos de EDB del ciclo
2016-II. Haz un histograma de la variable IA (índice acumulado) utilizando un número
de clases adecuado. Comenta sus características más importantes y busca un valor
numérico que cuantifique cada una de ellas.
• Usando este mismo fichero, la siguiente figura muestra las ojivas de la variable IA de
cada programa académico. ¿En cuál te gustaría estar?
Histograma de IA
PA
100 IC
IIS
IME
80
Porcentaje acumulado
60
40
20
0
9,0 10,5 12,0 13,5 15,0 16,5 18,0
IA

TEMA 1 Diapositivas DescritivaUnivariante EDB

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

TEMA 1 Diapositivas DescritivaUnivariante EDB

Cargado por

Copyright:

Formatos disponibles

Estadística Descriptiva

Dr. Ing. Willy Ugaz

1. Introducción. El propósito de la estadística

1. Introducción. El propósito de la estadística

A partir de un número reducido de datos,

Datos Análisis Aprendizaje

A partir de teorías A partir de la observación

• Leyes físicas • Datos

A partir de los datos

1. Introducción. El propósito de la estadística

Objetivo: resumir la información para facilitar su análisis

Muestran la frecuencia de cada valor observado

Ejemplo 1: número de cilindros de 155 vehículos (fichero cardata)

Frecuencia (absoluta): número de datos en

Ejemplo 2: mes de nacimiento de 95 estudiantes de primer ciclo

Parece que es menos probable nacer en el

Si hay muchos valores distintos: se agrupan en intervalos –clases-

Ejemplo: precio de 155 vehículos (fichero cardata)

El 93.55% de los autos

El centro de cada clase se Hay 60 autos con precios entre

1. Introducción. El propósito de la estadística

3.1 Diagrama de barras

El diagrama de barras, o gráfico de barras, es la representación gráfica de una tabla de

Altura de la barra: Frecuencia de cada valor observado

Ejemplo: número de cilindros de 155 vehículos (fichero cardata)

Es el diagrama de barras de una tabla de frecuencias con datos agrupados

El histograma es una de las

Signo de la asimetría: hacia donde apunte la cola de la distribución (+∞ o −∞)

Hay tres modas: distribución trimodal

La distribución es claramente bimodal. En lo que respecta a esta variable, los

La apariencia del histograma puede variar dependiendo del número de clases.

Hay varios criterios de selección. En la práctica: probar varias configuraciones.

(para datos unimodales y simétricos, de lo

(con pocos datos da demasiadas clases. mejor

Número de clases que se obtienen por cada método para diferentes

Para los datos del peso de los 155 vehículos

Es como si en un histograma uniésemos con segmentos los puntos centrales del

Ejemplo: precio de 155 vehículos (fichero cardata)

Al polígono de frecuencias acumulado también se le conoce por ojiva

Ejemplo: precio de 155 vehículos (fichero cardata)

En el eje de abscisas se colocan los

• Un caso particular de polígono de frecuencias acumuladas es la llamada Función de Distribución

Frecuencia relativa acumulada con los datos sin agrupar.

donde 𝑥(𝑖) es el dato en posición i-ésima al ordenarlos.

Si hay datos que se repiten, se modifican las frecuencias de acuerdo al número

Ejemplo: 2,2,2,3,5,5,6,8,8,12,34,34,34,34,34 (n=15 datos)

Función de Distribución Empírica

El diagrama de sectores es un círculo dividido en porciones proporcionales a las

El eje X es el tiempo. Representa la evolución temporal de la variable

El eje X es el tiempo. Representa la evolución temporal de la variable

1. Introducción. El propósito de la estadística

Objetivo: buscamos resumir las características más importantes de los

Cada característica un número

4.1 Medidas de centralización

¿Cuál es el centro de los datos?

Hay muchas medidas alternativas.

Sea un conjunto de observaciones 𝑥1 , 𝑥2 , … , 𝑥𝑛

Cuanto más asimétrica sea, más se desplaza la media hacia la cola.

Es sensible a valores atípicos

Con un número impar de datos: el dato en posición central

Con un número par de datos: la media de los dos centrales

Es el valor que deja a cada lado el 50% de los datos.

Es el valor que deja a cada lado el 50% de los datos.