Lección de La Unidad 1

12/6/22, 23:55 Lección de la unidad 1
Lección de la unidad 1
Sitio: ICEST Educación en Línea Imprimido por: (ED-044-LNE) Sharon Reyes Garcia
Curso: Bioestadística I Día: domingo, 12 de junio de 2022, 23:55
Libro: Lección de la unidad 1
https://icest.mrooms.net/mod/book/tool/print/index.php?id=83704 1/27
Descripción
Tabla de contenidos
1. Definición de tendencia central.
2. Medidas de tendencia central.
3. Propiedades de las medidas de tendencia central.
4. Datos simples y datos agrupados.
5. Definición de Medidas de Dispersión
6. Ejercicios propuestos.
1. Definición de tendencia central.
MEDIDAS DE TENDENCIA Y DISPERSIÓN.
(NE) U1 Bioestadistica I
De ICEST DESAD
ID
17 de Junio de 2017
Presentar
Objetivo de la Unidad: Reconocer y analizar con ayuda de las herramientas estadísticas más apropiadas,
los datos extraídos de muestras o poblaciones.
1.1 Definición de tendencia central
La estadística busca entre otras cosas, describir las características típicas de conjuntos de datos. Las
medidas de tendencia central corresponden a valores que generalmente se ubican en la parte central de
un conjunto de datos que nos ayudan a resumir la información en un sólo número.
2. Medidas de tendencia central.
1.2 Medidas de tendencia central
Entre las medidas de tendencia central tenemos: Media Aritmética, Mediana y Moda. Se debe tomar en
cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de tendencia se
usan de acuerdo al tipo de variable que se está observando, en este caso se observan variables
cuantitativas.
Una variable es una propiedad que puede fluctuar y cuya variación es susceptible de adoptar diferentes
valores, los cuales pueden medirse u observarse. (Dawson, 2011)
Tipos de variables:
Cualitativas: son aquellas que no pueden expresarse numéricamente. Sus posibles valores se llaman
modalidades o categorías. No se pueden asociar naturalmente a un número y no se pueden hacer
operaciones algebraicas con ellos. Ejemplo: Sexo, nivel de estudios, etc.
Cuantitativas: Son aquellas que se pueden expresar numéricamente:

Variables cuantitativas discretas son aquellas variables cuyos posibles valores constituyen un conjunto de
cardinal finito ó a lo sumo infinito numerable. Ejemplo: Tamaño de una familia (4), número de enfermeras (12),
número de hermanos de un amigo (2)
Variables cuantitativas continuas son aquellas que pueden tomar los infinitos valores de un intervalo, es decir,
si entre dos valores son posibles infinitos valores intermedios. Ejemplo: la altura de los 5 amigos: 1.73, 1.82,
1.77, 1.69, 1.75
Una variable no aleatoria (asociada al resultado de una experiencia que sí produce el mismo resultado) está
caracterizada por un valor para cada condición.
Una variable aleatoria está caracterizada por la llamada función densidad de probabilidad, a partir de la cual
se obtienen las probabilidades para sus posibles valores para cada condición. (García Ramos, 2008)
Los objetivos de la investigación científica se pueden entender, de un modo muy general, en términos de
encontrar y describir las variables de interés y las relaciones entre ellas, para el problema en estudio.
La estadística es la ciencia que estudia los métodos que permiten realizar este proceso para variables
aleatorias. Estos métodos permiten resumir datos y acotar el papel de la casualidad (azar).
Se divide en dos áreas:
Estadística descriptiva: Trata de describir las variables aleatorias en las "muestras". El objetivo esencial
de la Estadística descriptiva es la caracterización de los conjuntos de datos numéricos; dicha
caracterización, pretende poner de manifiesto, las propiedades de estos conjuntos, lo cuál se puede
lograr de forma gráfica o analítica. (Guerra Bustillo, 2011)
Estadística inductiva o inferencial: Trata de la generalización hacia las poblaciones de los resultados
obtenidos en las muestras y de las condiciones bajo las cuales estas conclusiones son válidas. Se
enfrenta básicamente con dos tipos de problemas:
Estimación, que puede ser puntual o por intervalos

Contraste de hipótesis.
El tamaño de la muestra es una característica a considerar para lograr una buena representatividad. Los
procedimientos de selección de muestra o de muestreos basados en el azar (procedimientos aleatorios)
son preferibles a los procedimientos de selección muestreos basado en el juicio del investigador sobre
cuáles elementos considerar en la muestra y cuáles no. Los muestreos aleatorios son muestreos
probabilísticos ya que es posible conocer la probabilidad que tiene cada muestra de ser seleccionada. En
el muestreo aleatorio simple, uno de los más utilizados, todas las unidades tienen la misma posibilidad
de formar parte de la muestra.
Estadística Descriptiva
La descripción completa de una variable aleatoria está dada por su función densidad de probabilidad
(fdp).
Afortunadamente una gran cantidad de variables de muy diversos campos están adecuadamente
descritas por unas pocas familias de fdps: binomial, Poisson, normal, gamma, etc.
Dentro de cada familia, cada fdp está caracterizada por unos pocos parámetros, típicamente dos: media
y varianza.
Por tanto la descripción de una variable indicará la familia a que pertenece la fdp y los parámetros
correspondientes.
Ejemplo: (hipotético) la concentración de glucosa en sangre en individuos no diabéticos, medida en

mg/dl, es normal con media 98 y varianza 90.
El problema es ¿cómo averiguar la fdp de una variable de interés?
La familia, generalmente, se sabe por resultados de la teoría de la probabilidad, aunque, en cada caso,
conviene verificarlo. Para conocer los parámetros se deberían conocer los resultados de todos los
posibles experimentos (población: conjunto de todos los valores de una variable aleatoria). Generalmente
la población es inaccesible, bien es infinita, o aunque finita suficientemente grande para ser inabordable.
En consecuencia, se estudian muestras (subconjuntos de la población) que, en caso de ser aleatorias,
permiten realizar estimaciones tanto de la familia como de los parámetros de las fdps.
Muestra aleatoria: muestra elegida independientemente de todas las demás, con la misma probabilidad
que cualquier otra y cuyos elementos están elegidos independientemente unos de otros y con la misma
probabilidad. (Celis de la Rosa, 2014)
Métodos gráficos de representación de muestras: El método gráfico más frecuente es el histograma.
El histograma es una variedad especial de gráfico que, al igual que el diagrama de barras, utiliza
columnas para mostrar la frecuencia con que las características se presentan, pero difiere en que las
columnas no se separan y en que la escala horizontal es cuantitativa. Presenta las siguientes
características:
1. El área de trazo está formada por un eje vertical, con escala discreta, y un eje horizontal, con escala
cuantitativa discreta o continua.
2. El eje vertical corresponde a las frecuencias observadas, sean absolutas o relativas, y siempre empieza en
cero.
3. En el eje horizontal, se anota la escala en que se midió la variable que se describe. No es indispensable que
la escala empiece en cero.
4. Las barras se extienden desde el eje horizontal hasta que alcancen la frecuencia que representan. Su
ancho es igual al intervalo de clase en que se agruparon los datos cuantitativos. Las barras no se separan,
excepto cuando no existen elementos en la barra adyacente.
5. El área de cada barra es igual a la proporción que el número de elementos en ese intervalo de clase tiene
en relación con el total de observaciones. (Balzarini, 2011)
1.2.1 Media aritmética
La media aritmética, o simplemente media o promedio, es una medida descriptiva de tendencia central
cuyo único número resume una serie de valores a partir de los cuales se calcula. Se obtiene sumando
todos los valores de una población y dividiendo el total entre el número de valores que se sumaron.
Es el símbolo de la media aritmética.
Ejemplo
Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.
Media aritmética para datos agrupados
Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la media es:
Ejercicio de media aritmética
En un test realizado a un grupo de 42 personas se han obtenido las puntuaciones que muestra la tabla 1.
Calcula la puntuación media. (Celis de la Rosa, 2014)
Tabla 1 Ejercicio sobre la Media (Celis de la Rosa, 2014)
xi fi xi · fi
[10, 20) 15 1 15
[20, 30) 25 8 200
[30,40) 35 10 350
[40, 50) 45 9 405
[50, 60 55 8 440
[60,70) 65 4 260
[70, 80) 75 2 150
42 1 820
1.2.2 Mediana
Todos nuestros datos en forma creciente o decreciente, la mediana es aquel valor que deja sobre sí el
50% (la mitad) de los datos y bajo sí el otro 50% (la otra mitad de los datos).
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
Cálculo de la mediana
1 Ordenamos los datos de menor a mayor.
2 Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
3 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones
centrales.
7, 8, 9, 10, 11, 12 Me= 9.5
1.2.3 Moda
La moda de una muestra es aquel valor de la variable que se presenta con mayor frecuencia, es decir, el
que más se repite.
Se representa por Mo.
Se puede hallar la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribución:
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la máxima, la
distribución es bimodal o multimodal, es decir, tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay moda.
2, 2, 3, 3, 6, 6, 9, 9
(Balzarini M. , Estadística y biometría, 2013).
3. Propiedades de las medidas de tendencia central.
1.3 Propiedades de las medidas de tendencia central.
Propiedades de la media aritmética:
Su cálculo es muy sencillo y en el intervienen todos los datos.

Su valor es único para una serie de datos dada.
Se usa con frecuencia para comparar poblaciones, aunque es más apropiada acompañarla de una medida de
dispersión.
Se interpreta como punto de equilibrio de las masas del conjunto de datos.

Propiedades de la mediana:
Es menos sensible que la media a oscilaciones de los valores de la variable.

Puede calcularse para datos agrupados en intervalos, incluso cuando uno de ellos no esta acotado.
No se ve afectada por la dispersión. De hecho, es más representativa que la media aritmética cuando la
población es bastante heterogénea.
Propiedades de la moda:
Calculo sencillo
Interpretación muy clara
Al depender solo de las frecuencias, puede calcularse para las variables cualitativas
(García Ramos, 2008).
4. Datos simples y datos agrupados.
1.4 Datos simples y datos agrupados
Es aquella distribución en la que la disposición tabular de los datos estadísticos se encuentra ordenada
en clases y con la frecuencia de cada clase; es decir, los datos originales de varios valores adyacentes
del conjunto se combinan para formar un intervalo de clase. No existen normas establecidas para
determinar cuándo es apropiado utilizar datos agrupados o datos no agrupados; sin embargo, se sugiere
que cuando el número total de datos (N) es igual o superior 50 y además el rango o recorrido de la serie
de datos es mayor de 20, entonces, se utilizará la distribución de frecuencia para datos agrupados,
también se utilizará este tipo de distribución cuando se requiera elaborar gráficos lineales como el
histograma, el polígono de frecuencia o la ojiva.
La razón fundamental para utilizar la distribución de frecuencia de clases es proporcionar mejor

comunicación acerca del patrón establecido en los datos y facilitar la manipulación de los mismos. Los
datos se agrupan en clases con el fin de sintetizar, resumir, condensar o hacer que la información
obtenida de una investigación sea manejable con mayor facilidad.
Agrupamiento por intervalo
Los datos que pueden tener tantos decimales como se desee y que entre cada dos de ellos siempre
puede haber otro, se llaman continuos. Al poder estar muy cerca unos de otros, no se pueden estudiar de
uno en uno y se agrupan en intervalos.
Son continuos el peso, la estatura, el nivel de glucosa en la sangre, etc.
Estos datos se suelen estudiar clasificados en intervalos: De 20 a 30 kg. , de 30 g a 40 g., de 120 cm. a
140 cm., etc.
La primera operación que hay que aprender es la de agrupar datos.
(Prieto Valiente, 2010).
5. Definición de Medidas de Dispersión
1.5 Definición de Medidas de Dispersión
La dispersión de un conjunto de observaciones se refiere a la variedad que exhiben sus valores. Si todos
los valores son los mismos, no existe dispersión; si no lo son, hay dispersión en los datos. La magnitud
de la dispersión puede ser pequeña cuando los valores, aunque diferentes, están próximos entre sí. Si los
valores están ampliamente “diseminados”, la dispersión es mayor. Las medidas de dispersión más
frecuentes utilizadas son: el rango, desviación media y la varianza.

Las medidas de dispersión son:
1.5.1 Rango
El rango es la diferencia entre el valor máximo y el mínimo de un conjunto de datos de una distribución
estadística.
1.5.2 Desviación media
La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la
media.
1.5.3 Varianza
La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media.
La varianza se representa por
Varianza para datos agrupados
Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes
a las anteriores.
Varianza para datos agrupados
(Ritchey, 2008)
Ejercicios de varianza
Calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Calcular la varianza de la distribución de la tabla2:
Tabla 2 Varianza (Ritchey, 2008)
xi fi xi · fi xi2 · fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
Desviación típica o estándar
La varianza se expresa en unidades cuadradas que son difíciles de interpretar. Una medida de dispersión
expresada en las unidades originales es la desviación típica o desviación estándar, que es igual a la raíz
cuadrada de la varianza.
La desviación típica se representa por σ.
Desviación típica para datos agrupados
Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las
anteriores.
Desviación típica para datos agrupados
(Ritchey, 2008).
6. Ejercicios propuestos.
1.6 Ejercicios propuestos
Calcular la desviación típica de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Calcular la desviación típica de la distribución de la tabla 3:
Tabla 3 Datos para ejercicio de desviación típica (Ritchey, 2008)
xi fi xi · fi xi2 · fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60) 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
(Ritchey, 2008)

Lección de La Unidad 1

Cargado por

Información del documento

Descripción original:

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

Lección de La Unidad 1

Cargado por

Copyright:

Formatos disponibles

12/6/22, 23:55 Lección de la unidad 1

1. Definición de tendencia central.

2. Medidas de tendencia central.

3. Propiedades de las medidas de tendencia central.

4. Datos simples y datos agrupados.

5. Definición de Medidas de Dispersión

1. Definición de tendencia central.

MEDIDAS DE TENDENCIA Y DISPERSIÓN.

1.1 Definición de tendencia central

2. Medidas de tendencia central.

1.2 Medidas de tendencia central

Cuantitativas: Son aquellas que se pueden expresar numéricamente:

Se divide en dos áreas:

Estimación, que puede ser puntual o por intervalos

Ejemplo: (hipotético) la concentración de glucosa en sangre en individuos no diabéticos, medida en

El problema es ¿cómo averiguar la fdp de una variable de interés?

Métodos gráficos de representación de muestras: El método gráfico más frecuente es el histograma.

1.2.1 Media aritmética

Es el símbolo de la media aritmética.

Media aritmética para datos agrupados

Ejercicio de media aritmética

Tabla 1 Ejercicio sobre la Media (Celis de la Rosa, 2014)

[20, 30) 25 8 200

[40, 50) 45 9 405

[70, 80) 75 2 150

La mediana se representa por Me.

La mediana se puede hallar sólo para variables cuantitativas.

1 Ordenamos los datos de menor a mayor.

7, 8, 9, 10, 11, 12 Me= 9.5

Se representa por Mo.

Se puede hallar la moda para variables cualitativas y cuantitativas.

Hallar la moda de la distribución:

(Balzarini M. , Estadística y biometría, 2013).

3. Propiedades de las medidas de tendencia central.

1.3 Propiedades de las medidas de tendencia central.

Propiedades de la media aritmética:

Su cálculo es muy sencillo y en el intervienen todos los datos.

Es menos sensible que la media a oscilaciones de los valores de la variable.

(García Ramos, 2008).

4. Datos simples y datos agrupados.

1.4 Datos simples y datos agrupados

La razón fundamental para utilizar la distribución de frecuencia de clases es proporcionar mejor

obtenida de una investigación sea manejable con mayor facilidad.

Agrupamiento por intervalo

Son continuos el peso, la estatura, el nivel de glucosa en la sangre, etc.

La primera operación que hay que aprender es la de agrupar datos.

(Prieto Valiente, 2010).

5. Definición de Medidas de Dispersión

1.5 Definición de Medidas de Dispersión

Las medidas de dispersión son:

1.5.2 Desviación media

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media.

La varianza se representa por

Varianza para datos agrupados

Varianza para datos agrupados

Calcular la varianza de la distribución:

Calcular la varianza de la distribución de la tabla2:

Tabla 2 Varianza (Ritchey, 2008)

[10, 20) 15 1 15 225

[20, 30) 25 8 200 5000

[30,40) 35 10 350 12 250

[40, 50) 45 9 405 18 225