Interpretar los estadísticos para Almacenar

estadísticos descriptivos
Más información sobre Minitab 18

Encuentre definiciones y ayuda para interpretar cada uno de los estadísticos que se
proporcionan con almacenar estadísticos descriptivos.

En este tema

• Media
• EE de la media
• Desv.Est.
• Varianza
• CoefVar
• Q1
• Mediana
• Q3
• IQR
• MediaRec
• Suma
• Mínimo

• Máximo
• Rango
• SSQ
• Asimetría
• Curtosis
• MSSD
• N
• N valores faltantes
• Conteo
• NAcum
• Porcentaje
• PAcum
1. Media
La media es el promedio de los datos, que es la suma de todas las observaciones
dividida entre el número de observaciones.

Por ejemplo, los tiempos de espera (en minutos) de cinco clientes en un banco
son: 3, 2, 4, 1 y 2. El tiempo medio de espera se calcula de la siguiente manera:

En promedio, un cliente espera 2.4 minutos para ser atendido en el banco.

Interpretación
Utilice la media para describir la muestra con un solo valor que representa el
centro de los datos. Muchos análisis estadísticos utilizan la media como una
medida estándar del centro de la distribución de los datos.

Tanto la mediana como la media miden la tendencia central. Sin embargo,

valores poco comunes, llamados valores atípicos, pueden afectar a la mediana
menos de lo que afectan a la media. Si los datos son simétricos, la media y la
mediana son similares.

Simétrica
 No simétrica

En la distribución simétrica, la media (línea azul) y la mediana (línea naranja) son

tan similares que no es fácil distinguir las dos líneas. En cambio, la distribución
no simétrica es asimétrica hacia la derecha.

2. EE de la media
El error estándar de la media (EE de la media) estima la variabilidad entre las
medias de las muestras que usted obtendría si tomara muestras repetidas de la
misma población. Mientras que el error estándar de la media estima la
variabilidad entre las muestras, la desviación estándar mide la variabilidad dentro
de una misma muestra.

Por ejemplo, usted tiene un tiempo de entrega medio de 3.80 días, con una
desviación estándar de 1.43 días, de una muestra aleatoria de 312 tiempos de
entrega. Estos números producen un error estándar de la media de 0.08 días
(1.43 dividido entre la raíz cuadrada de 312). De haber tomado múltiples
muestras aleatorias del mismo tamaño y de la misma población, la desviación
estándar de esas medias diferentes de las muestras habría sido
aproximadamente 0.08 días.

Interpretación

Utilice el error estándar de la media para determinar el grado de precisión con el

que la media de la muestra estima la media de la población.

Un valor del error estándar de la media más bajo indica una estimación más
precisa de la media de la población. Por lo general, una desviación estándar más
grande se traducirá en un mayor error estándar de la media y una estimación
menos precisa de la media de la población. Un tamaño de muestra más grande
dará como resultado un menor error estándar de la media y una estimación más
precisa de la media de la población.
3. Desv.Est.
La desviación estándar es la medida de dispersión más común, que indica qué
tan dispersos están los datos alrededor de la media. El símbolo σ (sigma) se
utiliza frecuentemente para representar la desviación estándar de una población,
mientras que s se utiliza para representar la desviación estándar de una
muestra. La variación que es aleatoria o natural de un proceso se conoce
comúnmente como ruido.

Debido a que la desviación estándar utiliza las mismas unidades que los datos,
generalmente es más fácil de interpretar que la varianza.

Interpretación

Utilice la desviación estándar para determinar qué tan dispersos están los datos
con respecto a la media. Un valor de desviación estándar más alto indica una
mayor dispersión de los datos. Una buena regla empírica para una distribución
normal es que aproximadamente 68% de los valores se ubican a no más de una
desviación estándar de la media, 95% de los valores se ubican a no más de dos
desviaciones estándar y 99.7% de los valores se ubican a no más de tres
desviaciones estándar.

La desviación estándar también se puede utilizar para establecer un valor de

referencia para estimar la variación general de un proceso

Hospital 1
 Hospital 2

Tiempos de egreso de un hospital

Los administradores dan seguimiento al tiempo de egreso de los pacientes que

son tratados en las áreas de urgencia de dos hospitales. Aunque los tiempos de
egreso promedio son aproximadamente iguales (35 minutos), las desviaciones
estándar son significativamente diferentes. La desviación estándar del hospital 1
es de aproximadamente 6. En promedio, el tiempo para dar de alta a un paciente
se desvía de la media (línea discontinua) aproximadamente 6 minutos. La
desviación estándar del hospital 2 es de aproximadamente 20. En promedio, el
tiempo para dar de alta a un paciente se desvía de la media (línea discontinua)
aproximadamente 20 minutos.

4. Varianza
La varianza mide qué tan dispersos están los datos alrededor de su media. La
varianza es igual a la desviación estándar elevada al cuadrado.

Interpretación

Mientras mayor sea la varianza, mayor será la dispersión de los datos.

Puesto que la varianza (σ2) es una cantidad elevada al cuadrado, sus unidades
también están elevadas al cuadrado, lo que puede dificultar el uso de la varianza
en la práctica. La desviación estándar generalmente es más fácil de interpretar
porque utiliza las mismas unidades que los datos. Por ejemplo, una muestra del
tiempo de espera en una parada de autobuses puede tener una media de 15
minutos y una varianza de 9 minutos2. Debido a que la varianza no está en las
mismas unidades que los datos, la varianza suele mostrarse con su raíz
cuadrada, la desviación estándar. Una varianza de 9 minutos 2 es equivalente a
una desviación estándar de 3 minutos.
5. CoefVar
El coeficiente de variación (denotado como COV) es una medida de dispersión
que describe la variación en los datos en relación con la media. El coeficiente de
variación se ajusta de manera que los valores estén en una escala sin unidades.
Gracias a este ajuste, usted puede utilizar el coeficiente de variación en lugar de
la desviación estándar para comparar la variación de los datos que tienen
unidades diferentes o medias muy diferentes.

Interpretación

Mientras mayor sea el coeficiente de variación, mayor será la dispersión en los

datos.

Por ejemplo, usted es el inspector de control de calidad de una planta

embotelladora de leche que embotella el producto en recipientes pequeños y
grandes. Usted toma una muestra de cada producto y observa que el volumen
medio de los recipientes pequeños es de una 1 taza, con una desviación
estándar de 0.08 tazas, y el volumen medio de los recipientes grandes es de 1
galón (16 tazas) con una desviación estándar de 0.4 tazas. Aunque la desviación
estándar del recipiente de un galón es cinco veces mayor que la desviación
estándar del recipiente pequeño, los coeficientes de variación apoyan una
conclusión diferente.

Recipiente grande Recipiente pequeño

COV = 100 * 0.4 tazas / 16 tazas = COV = 100 * 0.08 tazas / 1 taza =
2.5 8

El coeficiente de variación del recipiente pequeño es más de tres veces mayor

que el coeficiente de variación del recipiente grande. En otras palabras, aunque
el recipiente grande tiene una mayor desviación estándar, el recipiente pequeño
presenta una variabilidad mucho mayor con respecto a su media.

6. Q1
Los cuartiles son los tres valores –el primer cuartil en 25% (Q1), el segundo
cuartil en 50% (Q2 o mediana) y el tercer cuartil en 75% (Q3)– que dividen una
muestra de datos ordenados en cuatro partes iguales.

El primer cuartil es el percentil 25 e indica que 25% de los datos es menor que
o igual a este valor.

Para estos datos ordenados, el primer cuartil (Q1) es 9.5. Es decir, 25% de los
datos es menor que o igual a 9.5.

7. Mediana
La mediana es el punto medio del conjunto de datos. El valor de este punto medio
es el punto en el cual la mitad de las observaciones está por encima del valor y
la otra mitad está por debajo del valor. La mediana se determina jerarquizando
las observaciones y hallando la observación que ocupe el número [N + 1] / 2 en
el orden jerarquizado. Si el número de observaciones es par, entonces la
mediana es el valor promedio de las observaciones jerarquizadas en los números
N / 2 y [N / 2] + 1.

Para estos datos ordenados, la mediana es 13. Es decir, la mitad de los valores
es menor que o igual a 13 y la otra mitad de los valores es mayor que o igual a
13. Si usted agrega otra observación igual a 20, la mediana es 13.5, que es el
promedio entre la 5ta observación (13) y la 6ta observación (14).

Interpretación
Tanto la mediana como la media miden la tendencia central. Sin embargo,
valores poco comunes, llamados valores atípicos, pueden afectar a la mediana
menos de lo que afectan a la media. Si los datos son simétricos, la media y la
mediana son similares.

Simétrica

No simétrica

En la distribución simétrica, la media (línea azul) y la mediana (línea naranja) son

tan similares que no es fácil distinguir las dos líneas. En cambio, la distribución
no simétrica es asimétrica hacia la derecha.
8. Q3
Los cuartiles son los tres valores –el primer cuartil en 25% (Q1), el segundo
cuartil en 50% (Q2 o mediana) y el tercer cuartil en 75% (Q3)– que dividen una
muestra de datos ordenados en cuatro partes iguales.

El tercer cuartil es el percentil 75 e indica que 75% de los datos es menor que o
igual a este valor.

Para estos datos ordenados, el tercer cuartil (Q3) es 17.5. Es decir, 75% de los
datos es menor que o igual a 17.5.

9. IQR
El rango intercuartil (IQR) es la distancia entre el primer cuartil (Q1) y el tercer
cuartil (Q3). El 50% de los datos está dentro de este rango.

Para estos datos ordenados, el rango intercuartil es 8 (17.5–9.5 = 8). Es decir, el

50% intermedio de los datos está entre 9.5 and 17.5.

Interpretación
Utilice el rango intercuartil para describir la dispersión de los datos. A medida
que aumenta la dispersión de los datos, el IQR se hace más grande.
10. MediaRec
La media de los datos sin el 5% superior ni el 5% inferior de los valores.

Utilice la media recortada para eliminar el impacto de los valores muy grandes o
muy pequeños sobre la media. Cuando los datos contienen valores atípicos, la
media recortada puede ser una mejor medida de la tendencia central que la
media.

11. Suma
La suma es el total de todos los valores de los datos. La suma también se utiliza
en cálculos estadísticos, como por ejemplo la media y la desviación estándar.

12. Mínimo
El mínimo es el valor más pequeño de los datos.

En estos datos, el mínimo es 7.

13 17 18 19 12 10 7 9 14

Interpretación
Utilice el mínimo para identificar un posible valor atípico o un error de entrada de
datos. Una de las maneras más sencillas de evaluar la dispersión de los datos
consiste en comparar el mínimo y el máximo. Si el valor mínimo es muy bajo,
incluso cuando considere el centro, la dispersión y la forma de los datos,
investigue la causa del valor extremo.

13. Máximo
El máximo es el valor más grande de los datos.

En estos datos, el máximo es 19.

13 17 18 19 12 10 7 9 14

Interpretación
Utilice el máximo para identificar un posible valor atípico o error de entrada de
datos. Una de las maneras más sencillas de evaluar la dispersión de los datos
consiste en comparar el mínimo y el máximo. Si el valor máximo es muy alto,
incluso cuando considere el centro, la dispersión y la forma de los datos,
investigue la causa del valor extremo.

14. Rango
El rango es la diferencia entre los valores más grande y más pequeño de los
datos. El rango representa el intervalo que contiene todos los valores de los
datos.

Interpretación
Utilice el rango para entender la cantidad de dispersión en los datos. Un valor de
rango grande indica mayor dispersión en los datos. Un valor de rango pequeño
indica que hay menos dispersión en los datos. Puesto que el rango se calcula
usando solo dos valores de los datos, es más útil con conjuntos de datos
pequeños.

SSQ
La suma de los cuadrados no corregida es la suma de los cuadrados de cada valor
de la columna. Por ejemplo, si la columna contiene x1, x2, ... , xn, entonces la suma
de los cuadrados calcula (x12 + x22 + ... + xn2). A diferencia de la suma de los
cuadrados corregida, la suma de los cuadrados no corregida incluye el error. Los
valores de datos se elevan al cuadrado sin antes restar la media.

15. Asimetría
La asimetría es el grado en que los datos no son simétricos.

Interpretación
Utilice la asimetría como ayuda para lograr entender inicialmente los datos.

Figura A
Figura B

Distribuciones simétricas o no asimétricas

A medida que los datos se vuelven más simétricos, el valor de su asimetría se
acerca a cero. La figura A muestra datos distribuidos normalmente, que por
definición exhiben relativamente poca asimetría. Al dibujar una línea por debajo
de la mitad de este histograma de datos normales, se puede ver fácilmente que
un lado es el reflejo del otro. Pero la falta de asimetría por sí sola no implica
normalidad. La figura B muestra una distribución en la que ambos lados siguen
siendo un reflejo el uno del otro, a pesar de que la distribución de los datos dista
mucho de ser normal.

Distribuciones asimétricas positivas o hacia la derecha

Los datos con asimetría positiva o asimétricos hacia la derecha se llaman así
porque la "cola" de la distribución apunta hacia la derecha y porque el valor de
asimetría es mayor que 0 (es decir, positivo). Los datos sobre salarios suelen
ser asimétricos de esta manera: muchos empleados de una empresa ganan
relativamente poco, mientras que cada vez menos personas ganan salarios
muy elevados.

Distribuciones asimétricas negativas o hacia la izquierda

Los datos asimétricos hacia la izquierda o con asimetría negativa se llaman así
porque la "cola" de la distribución apunta hacia la izquierda y porque producen
un valor de asimetría negativo. Los datos de tasas de fallas suelen ser
asimétricos a la izquierda. Consideremos el caso de las bombillas: muy pocas
se quemarán inmediatamente, la gran mayoría dura un tiempo
considerablemente largo.
16. Curtosis
La curtosis indica la manera en que las colas de una distribución difieren de la
distribución normal.

Interpretación
Utilice la curtosis para lograr entender inicialmente las características generales de
la distribución de los datos.

Línea de base: Valor de curtosis de 0

Los datos normalmente distribuidos establecen la línea de base para la
curtosis. Un valor de curtosis de 0 indica que los datos siguen perfectamente la
distribución normal. Un valor de curtosis que se desvía significativamente de 0
puede indicar que los datos no están distribuidos normalmente.
Curtosis positiva
Una distribución que tiene un valor positivo de curtosis indica que la distribución
tiene colas más pesadas que la distribución normal. Por ejemplo, los datos que
siguen una distribución t tienen un valor positivo de curtosis. La línea continua
indica la distribución normal y la línea de puntos indica una distribución que tiene
un valor positivo de curtosis.

Curtosis negativa
Una distribución con un valor negativo de curtosis indica que la distribución tiene
colas más livianas que la distribución normal. Por ejemplo, los datos que siguen
una distribución beta con el primer y el segundo parámetro de forma iguales a 2
tienen un valor negativo de curtosis. La línea continua indica la distribución
normal y la línea de puntos indica una distribución que tiene un valor negativo de
curtosis.

17. MSSD
La MSSD es la media de las diferencias sucesivas cuadráticas. La MSSD es una
estimación de la varianza. Un posible uso de la MSSD es para probar si una
secuencia de observaciones es aleatoria. En control de calidad, un posible uso
de la MSSD es para estimar la varianza cuando el tamaño del subgrupo = 1.
18. N
El número de valores presentes en la muestra.

En este ejemplo, hay 141 observaciones registradas.

Conteo total N N*

149 141 8

19. N valores faltantes

El número de valores faltantes en la muestra. El número de valores faltantes se
refiere a las celdas que contienen el símbolo de valor faltante *.

En este ejemplo, 8 errores ocurrieron durante la recolección de datos y se

registraron como valores faltantes.

Conteo total N N valores faltantes

149 141 8

20. Conteo
El número total de observaciones en la columna. Utilícese para representar la
suma de N valores faltantes y N valores presentes.

En este ejemplo, hay 141 observaciones válidas y 8 valores faltantes. El conteo

es 149.
 Conteo N N valores faltantes

149 141 8

21. NAcum
N acumulado es un total acumulado del número de observaciones en categorías
sucesivas. Por ejemplo, una escuela primaria registra el número de estudiantes
de primero a sexto grado. La columna NAcum contiene el conteo acumulado de
la población estudiantil:

Nivel de grado Conteo NAcum Cálculo

1 49 49 49

2 58 107 49 + 58

3 52 159 49 + 58 + 52

4 60 219 49 + 58 + 52 + 60

5 48 267 49 + 58 + 52 + 60 + 48

6 55 322 49 + 58 + 52 + 60 + 48 + 55
22. Porcentaje
El porcentaje de observaciones en cada grupo de la Por variable. En el siguiente
ejemplo, hay cuatro grupos: Línea 1, Línea 2, Línea 3 y Línea 4.

Grupo (por variable) Porcentaje

Línea 1 16

Línea 2 20

Línea 3 36

Línea 4 28

23. PAcum
El porcentaje acumulado es la suma acumulada de los porcentajes para cada
grupo de la Por variable. En el siguiente ejemplo, la Por variable tiene 4 grupos:
Línea 1, Línea 2, Línea 3 y Línea 4.

Grupo (por variable) Porcentaje PAcum

Línea 1 16 16

Línea 2 20 36
Grupo (por variable) Porcentaje PAcum

Línea 3 36 72

Línea 4 28 100
 ¿Cómo interpretar y para qué sirve el
coeficiente de correlación?
Ignaciadd
23/11/2018

1. Introducción
A la hora de conocer ciertos términos y fórmulas es difícil saber cómo y para qué
sirve el coeficiente de correlación y que utilidades tiene. Eso es lo que le
explicamos en este artículo.

El coeficiente de correlación o coeficiente de correlación de Pearson, está

dirigido para las variables cuantitativas -escala mínima de intervalo- y se trata
de un índice que permite medir el grado de covariación entre variables que estén
relacionadas linealmente.

En cuanto a la correlación, se refiere a la forma numérica, que

la estadística logra demostrar la relación entre dos o más variables, midiendo el
nivel de dependencia de una variable respecto de otra variable independiente. A
nivel estadística, el coeficiente de correlación (de Pearson) tiene carácter de
medida lineal entre dos variables aleatorias cuantitativas.
2. Correlación de Pearson
La correlación de Pearson tiene independencia de la escala de medida de las
variables. El coeficiente de correlación de Pearson puede tomarse como un
índice que sirve para medir el grado de relación de dos variables, para lo que
ambas variables deben ser cuantitativas y continuas.

3. Utilidad del coeficiente de correlación:

El coeficiente de correlación permite la medición de la correlación entre dos
variables. Entre las ventajas por la que sobresale el coeficiente de correlación
respecto a otras formas de medición de correlación, es la covarianza, los
resultados del coeficiente de correlación son entre -1 y +1; y siendo su
simpleza para comparar diferentes correlaciones de forma más directa y simple.

Si se analizan dos variables aleatorias X e Y relacionada con determinada

población; el coeficiente de correlación de Pearson, la simbología con la letra y
se refiere a la expresión que permite calcular.

Teniendo en cuenta que:

• es la covarianza de (X,Y)

• es la desviación estándar de la variable X

• es la desviación estándar de la variable Y

Se puede calcular de la siguiente forma, utilizando la formula:

Mientras que, adicionalmente se puede calcular el coeficiente sobre
un estadístico muestral, reflejado en

4. Interpretación del valor del índice de correlación

Este varía en el intervalo [-1,1], estableciendo el signo el sentido de la relación,
y la interpretación de cada resultado es el siguiente:

• Si r = 1: Correlación positiva perfecta. El índice refleja la dependencia

total entre ambas dos variables, la que se denomina relación directa:
cuando una de las variables aumenta, la otra variable aumenta en
proporción constante.

• Si 0 < r < 1: Refleja que se da una correlación positiva.

• Si r = 0: En este caso no hay una relación lineal. Aunque no significa

que las variables sean independientes, ya que puede haber relaciones
no lineales entre ambas variables.

• Si -1 < r < 0: Indica que existe una correlación negativa.

• Si r = -1: Indica una correlación negativa perfecta y una dependencia

total entre ambas variables lo que se conoce como "relación inversa",
que es cuando una de las variables aumenta, la otra variable en cambio
disminuye en proporción constante.

La correlación refleja la medida de asociación entre variables. Si se aplica en

probabilidad y estadística, la correlación permite conocer la fuerza y dirección
de la relación lineal que se dé entre dos variables aleatorias.
5. ¿Cuándo dos variables cuantitativas están
correlacionadas?
Se da dicha correlación, si los valores de una de esas variables varían de manera
sistemática respecto a los valores similares de la otra variable; por ejemplo, entre
dos variables (A y B) se da correlación si los valores de la variable A aumentan
y también suben los valores de B y si se da viceversa.

Siempre es bueno aprender sobre temas que no sabemos o que no tenemos

claro del todo, por lo que sí tienen que utilizar en sus estudios el coeficiente de
correlación, esperemos que les sirviera este artículo.

6. Coeficiente de variación
El coeficiente de variación es la relación entre la desviación típica de una
muestra y su media.

El coeficiente de variación se suele expresar en porcentajes:

El coeficiente de variación permite comparar las dispersiones de dos

distribuciones distintas, siempre que sus medias sean positivas.

Se calcula para cada una de las distribuciones y los valores que se obtienen se
comparan entre sí. La mayor dispersión corresponderá al valor del coeficiente
de variación mayor.
Ejemplo:

Una distribución tiene y y otra y .

¿Cuál de las dos presenta mayor dispersión?

La primera distribución presenta mayor dispersión.