Tema 1

TEMA 1:
INTRODUCCIÓN
A LA ESTADÍSTICA
DESCRIPTIVA
MARIOLA ESTUDILLO MARTÍNEZ

DPTO. ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
CONCEPTOS FUNDAMENTALES
•RAMAS DE LA ESTADÍSTICA
Dentro de la Estadística podemos distinguir distintas partes:
 Estadística Descriptiva: se ocupa de la descripción de un
conjunto de datos, es decir, consiste en extraer
información presente en los datos de un estudio.
 Inferencia Estadística: conjunto de técnicas que nos
permite obtener conclusiones generales para toda una
población, a partir del estudio de una muestra
representativa de dicha población.
 Cálculo de probabilidades: conjunto de técnicas que nos
permite establecer el concepto de probabilidad y los
modelos más frecuentes de presentación de ésta. Es una
herramienta en la que se apoya la Inferencia para su
formulación y desarrollo.
•CLASES DE FENÓMENOS
En la observación de la realidad encontramos dos tipos de
fenómenos:
 Causales o determinísticos: aquéllos que presentan los

mismos resultados si se realizan en idénticas condiciones
(fenómenos físicos, químicos,…). EJEMPLO: tiempo de
caída en el lanzamiento de un dado desde una misma altura.
 Aleatorios, estadísticos o de azar: aquellos fenómenos

en los que no se puede predecir el resultado aunque sean
conocidas las condiciones de realización. EJEMPLO:
resultado que se obtiene en el lanzamiento del dado.
NOTA: la Estadística se ocupa del estudio de los fenómenos

aleatorios.
•CONCEPTOS BÁSICOS
 Estadística Descriptiva: método de descripción de un
conjunto de datos, que consiste en dar una descripción
numérica, en ordenar y simplificar la información de los
datos observados. Para ello se organizarán los datos en
tablas (tablas de frecuencias) y se extraerá la información
mediante la obtención de representaciones gráficas y el
cálculo de medidas numéricas.
 Población: conjunto de elementos o individuos objeto del

estudio. Debe estar perfectamente determinada sin ningún
tipo de ambigüedad, de manera que se pueda discernir si
un elemento pertenece o no la misma.
 Individuo: cada elemento de la población.
 Tamaño de la población: número de elementos o

individuos que forman la población. Se designa por N.
 Muestra: subconjunto representativo de la población, de

forma que las conclusiones obtenidas a partir de su
estudio, puedan generalizarse a toda la población. El
número de elementos que la forman se denota por n.
 Carácter: característica o cualidad que deseamos
observar sobre los elementos de la población y que han de
tener todos y cada uno de ellos. EJEMPLOS: sexo, edad,
altura, nivel de estudios, sueldo,…
 Modalidad: cada uno de los estados que puede presentar
un carácter. Deben ser incompatibles y exhaustivos, es
decir, cada individuo debe presentar una y sólo una de
esas modalidades.
EJEMPLOS
- Sexo: hombre, mujer.
- Edad: <18, 19, 20, 21, >21
- Nivel de estudios: primarios, secundarios, superiores.
- Sueldo: <1000, [1000,1500), [1500,2000), >2000
 Carácter cualitativo: aquél cuyas modalidades no son
medibles. No se pueden representar numéricamente sino
que son cualidades.
 Carácter cuantitativo: aquél cuyas modalidades son

medibles o numerables, es decir, se les puede asignar un
número con significado matemático.
EJEMPLOS
-Carácter cualitativo:
-Carácter cuantitativo:
VARIABLES ESTADÍSTICAS
UNIDIMENSIONALES
•DEFINICIÓN Y CLASIFICACIÓN
 Variable estadística: es un símbolo matemático que
representa un carácter. Es decir, es el conjunto de
posibles valores que se pueden obtener al hacer la
medición de un carácter en un estudio estadístico.
 Clasificación:
- Variables cuantitativas: discretas y continuas.

- Variables cualitativas: escala nominal y escala ordinal.
UNIDIMENSIONALES
 Variables cuantitativas: representan caracteres cuantitativos,
es decir, su valor tiene significado matemático.
 V.c.discretas: si toman valores aislados. Es decir, el
conjunto de valores de la variable es finito o infinito
numerable.
EJEMPLOS:
 V.c.continuas: si toman los infinitos valores dentro de un

intervalo de valores.
EJEMPLOS:
UNIDIMENSIONALES
 Variables cualitativas: representan caracteres cualitativos,
es decir, su valor no tiene significado matemático.
 Escala nominal: cuando la información se puede
clasificar en categorías no numéricas, mutuamente
excluyentes y entre las que no se puede establecer
ninguna relación de orden.
EJEMPLOS:
 Escala ordinal: tiene las mismas características que la
anterior, pero en este caso sí se puede establecer un
orden.
EJEMPLOS:
UNIDIMENSIONALES
 EJERCICIO
Clasificar las siguientes variables estadísticas: temperatura

mínima diaria, código postal, nota numérica de un examen,
nota cualitativa de un examen, número de ingresos en
prisión, número de camiseta de un deportista.
UNIDIMENSIONALES
•TABLAS DE FRECUENCIAS
 Definición
Una tabla de frecuencias es una tabla en la que se resume y
se organiza la información de los datos a través del
recuento de ocurrencias de los valores de las variables. En
general, se habla de distribución de frecuencias
unidimensional ya que sólo se estudia un carácter en los
elementos de la población.
 Tipos de frecuencias
Consideremos una población estadística de n individuos, en
la que se desea estudiar una variable estadística X que
presenta las modalidades x1, x2,…,xk.
UNIDIMENSIONALES
a) Frecuencia absoluta:
La frecuencia absoluta de una modalidad xi de X es el

número de individuos que presenta dicha modalidad. Se
denota por ni.
Se verifica que:
k

i
1
ni n
UNIDIMENSIONALES
b) Frecuencia relativa:
La frecuencia relativa de una modalidad xi de X es la

proporción de individuos que presenta dicha modalidad. Se
denota por fi.
Se verifica que:
k
ni
fi 
n
i  1,..., k 
i
fi
1
1
UNIDIMENSIONALES
c) Frecuencia absoluta acumulada:
La frecuencia absoluta acumulada de una modalidad xi de X

es el número de individuos que presentan una modalidad
igual o inferior a ella. Se denota por Ni.
Se verifica que:
i
Ni  
j
nj
1
UNIDIMENSIONALES
d) Frecuencia relativa acumulada:
La frecuencia relativa acumulada de una modalidad xi de X

es la proporción de individuos que presentan una modalidad
igual o inferior a ella. Se denota por Fi.
Se verifica que:
Ni i
Fi 
n
 
j
1
fj
UNIDIMENSIONALES
 Tablas de frecuencias según el tipo de variable
a) Variables cualitativas:
xi ni fi
x1 n1 f1=n1/n
x2 n2 f2=n2/n
.. .. ..
. . .
xk nk fk=nk/n
n 1
UNIDIMENSIONALES
EJEMPLO
Supongamos que en una población de 100 personas
observamos el color de ojos y obtenemos los siguientes datos:
10 con ojos verdes, 35 azules y 55 marrones. Construir la
tabla de frecuencias.
UNIDIMENSIONALES
b) Variables cuantitativas discretas:
Las modalidades se ordenan de menor a mayor.
xi ni fi Ni Fi
x1 n1 f1=n1/n N1=n1 F1=f1

x2 n2 f2=n2/n N2=n1+n2 F2=f1+f2
.. .. .. .. ..
. . . . .
xk nk fk=nk/n Nk =n1+n2+…+nk =n Fk=f1+f2+…+fk=1
n 1
UNIDIMENSIONALES
EJEMPLO
En cierto edificio, el número de personas por vivienda resultó
ser el siguiente: 4, 2, 2, 5, 3, 3, 4, 6, 3, 2. Organizad los
datos en una tabla de frecuencias y contestad a las
siguientes preguntas:
1. Número de viviendas con menos de 4 personas.
2. Número de viviendas con más de 4 personas.
3. Proporción de viviendas con menos de 5 personas.
4. Proporción de viviendas en las que vivan entre 3 y 5
personas.
UNIDIMENSIONALES
UNIDIMENSIONALES
c) Variables cuantitativas continuas:
Las modalidades se agrupan en clases o intervalos.
Ii ai xi ni fi Ni Fi
[e0,e1] a1=e1-e0 x1=(e0+e1)/2 n1 f1 N1 F1

(e1,e2] a2=e2-e1 x2 =(e1+e2)/2 n2 f2 N2 F2
.. .. .. .. .. .. ..
. . . . . . .
(ek-1,ek] ak=ek-ek-1 xk =(ek-1+ek)/2 nk fk Nk =n Fk=1
n 1
UNIDIMENSIONALES
- ai es la amplitud del intervalo Ii.
- xi es la marca de clase del intervalo Ii, punto medio de Ii.
Construcción de intervalos
R= rango de la variable=max{xi}-min{xi}
- ai conocida - ai desconocida
R nº intervalos  nº observaciones
n º intervalos 
ai R
ai 
n º intervalos
- Si n es grande: n º intervalos  1  3.22 log n
UNIDIMENSIONALES
EJEMPLO
Las alturas de 20 personas (en cm) son las siguientes: 174,
185, 166, 176, 145, 166, 191, 175, 158, 156, 156, 187, 162,
172, 197, 181, 151, 161, 183, 172. Construir la tabla de
frecuencias con intervalos de amplitud 10.
UNIDIMENSIONALES
UNIDIMENSIONALES
•REPRESENTACIONES GRÁFICAS
 Definición
Las representaciones gráficas se utilizan para realizar una

síntesis aproximada o apreciación visual de la información.
La norma que se debe seguir es que “la zona que identifica a
cada valor sea proporcional a su frecuencia”. Nunca deben
sustituir al estudio analítico que es el que nos permite
obtener conclusiones definitivas sobre el fenómeno en
estudio. Por tanto, son una forma complementaria de
describir los datos.
UNIDIMENSIONALES
a) Variables cualitativas:
 Diagrama de sectores
Consiste en un círculo en el que se representan sectores o

porciones con áreas proporcionales a las frecuencias de
cada clase.
El sector correspondiente a cada clase se calcula como
ni
i  360  360fi
n
UNIDIMENSIONALES
EJEMPLO
En el ejemplo anterior en el que se estudia el color de los

ojos, obtener un diagrama de sectores.
10 Diagrama de Sectores de Color de ojos

Verdes :  1  360  36º
100 10,00%
Frecuencia
verdes
35 azules
Azules :  2  360  126º marrones
100
55,00% 35,00%
55
Marrones :  3  360  198º
100
UNIDIMENSIONALES
 Diagrama de barras
Cada modalidad se representa mediante un rectángulo. Los

rectángulos tienen base constante y altura proporcional a
su frecuencia.
UNIDIMENSIONALES
EJEMPLO
En el ejemplo anterior en el que se estudia el color de los
ojos, obtener un diagrama de barras.
Diagrama de Barras de Color de ojos

60
50
40
30
20
10
0
verdes azules marrones
UNIDIMENSIONALES
a) Variables cuantitativas discretas:
Se construyen de igual forma que en el caso anterior.

 Diagrama de barras
Cada modalidad se representa mediante una línea
vertical cuya altura es proporcional a la frecuencia.
 Polígono de frecuencias
Es la línea poligonal que se obtiene al unir los
extremos de las barras.
UNIDIMENSIONALES
EJEMPLO
En el ejemplo anterior en el que se estudia el número de
personas por vivienda, obtener las 3 representaciones gráficas.
Diagrama de Barras
D. Sectores del nº personas por vivienda
3
10,00%
10,00% 30,00% 2
Frecuencia
2 1
3
20,00% 4
5 0
6 0 1 2 3 4 5 6 7
30,00% nº personas
UNIDIMENSIONALES
a) Variables cuantitativas continuas:
Se construyen de igual forma que en el caso anterior.

 Histograma
Es un diagrama de rectángulos adosados cuya base
coincide con la clase o intervalo correspondiente y cuya
altura se calcula como hi=ni/ai (densidad de frecuencia). Si
todos los intervalos tienen la misma amplitud, entonces la
altura es ni.
UNIDIMENSIONALES
 Polígono de frecuencias
Es la línea poligonal que se obtiene al unir los puntos medios
de los extremos superiores de los rectángulos y completamos
con los ficticios anterior y posterior.
UNIDIMENSIONALES
EJEMPLO
Dada la siguiente tabla de frecuencias de una variable
continua, obtener sus representaciones gráficas.
Ii ai xi ni Fi hi
[0,10) 10 5 10 0.1 1
[10,20) 10 15 35 0.45 3.5
[20,40) 20 30 40 0.85 2
[40,50] 10 45 15 1 1.5
100
UNIDIMENSIONALES
Histograma
4
hi 2
0
0 10 20 30 40 50 60
UNIDIMENSIONALES
•MEDIDAS DE CENTRALIZACIÓN
 Definición
Estas medidas proporcionan un valor o valores centrales

representativos de las observaciones. Se expresan en las
mismas unidades que la variable.
 Tipos
Las medidas de centralización o tendencia central son:
media, mediana y moda.
UNIDIMENSIONALES
 MEDIA
Es el resultado de dividir la suma de todas las

observaciones entre el número total de observaciones.
1 k k
x 
n

i
1
ni xi  
i
fi xi
1
- Si la variable es discreta se aplica directamente esta

definición.
- Si la variable es continua, los xi corresponden a las marcas
de clase.
UNIDIMENSIONALES
EJEMPLO
Estamos estudiando la variable X=“número de personas por

vivienda en un edificio”. Obtener el valor de la media.
xi ni
2 6
3 15
4 10
5 9
40
UNIDIMENSIONALES
EJEMPLO
Dada la variable X=“edad en años de un grupo de 50
personas”. Obtener el valor de la media.
Ii ni
[0,5) 5
[5,10) 10
[10,15) 16
[15,20) 6
[20,25] 13
50
UNIDIMENSIONALES
 MEDIANA
Es una medida de tendencia central que expresa el centro

de los datos como el punto que separa las observaciones,
ordenadas de menor a mayor, en dos grupos con el mismo
número de elementos. Es decir, es el valor central de las
observaciones que deja por debajo y por encima de sí el
50% de las observaciones.
UNIDIMENSIONALES
Forma de cálculo:
1. Datos no agrupados:
a) Se ordenan los datos de menor a mayor: x(1),x(2),…,x(n).

b) Si n es impar, la mediana es el valor central de las
observaciones:
Me  x  n  1 
 
 2 
Si n es par, la mediana es la media de los dos

valores centrales.
x n   x n 
   1 
Me  2 2 
2
UNIDIMENSIONALES
EJEMPLO
Dada la variable X=“número de veces que usan la tarjeta de

crédito a la semana un grupo de 15 personas”, obtener el valor
de la mediana.
6, 3, 6, 6, 6, 4, 1, 3, 4, 4, 4, 3, 6, 6, 6
UNIDIMENSIONALES
EJEMPLO
Consideremos la variable del ejemplo anterior, pero ahora con

los siguientes datos:
6, 3, 6, 6, 6, 4, 1, 3, 4, 4, 4, 3, 6, 6, 6, 6
UNIDIMENSIONALES
2. Datos agrupados en tablas:
a) Variables discretas:
Obtenemos las frecuencias absolutas acumuladas y
buscamos el valor cuya frecuencia absoluta acumulada
iguale o supere a n/2 de tal forma que:
n
Si Ni   Me  xi
2
n xi  xi  1
Si Ni   Me 
2 2
UNIDIMENSIONALES
b) Variables continuas:
- Obtenemos el intervalo mediano actuando como en el
caso discreto.
- Hallamos el valor exacto de la mediana aplicando la
siguiente expresión:
n 1
 Ni 1  Fi 1
Me  ei 1  2 ai ó Me  ei 1  2 ai
ni fi
NOTA: nosotros obtendremos el intervalo mediano y no
aplicaremos la fórmula para obtener el valor exacto.
UNIDIMENSIONALES
EJEMPLO
Consideremos el ejemplo anterior con n=15 datos pero con los

valores agrupados en una tabla de frecuencias. Obtener el
valor de la mediana.
xi ni
1 1
3 3
4 4
6 7
15
UNIDIMENSIONALES
EJEMPLO
Consideremos el ejemplo anterior con n=16 pero con los datos

agrupados en una tabla de frecuencias. Obtener el valor de la
mediana.
xi ni
1 1
3 3
4 4
6 8
16
UNIDIMENSIONALES
EJEMPLO
personas”. Obtener el valor de la mediana.
Ii ni Ni
[0,5) 5 5
[5,10) 10 15
[10,15) 16 31
[15,20) 6 37
[20,25] 13 50
50
UNIDIMENSIONALES
 MODA
Es el valor de la variable con mayor frecuencia, es decir, el

que más se repite.
La moda no tiene por qué ser única, pueden existir dos o
más modas.
Forma de cálculo:
1. Variables discretas:
Es el valor de la variable con mayor frecuencia ni.

UNIDIMENSIONALES
EJEMPLO
Estamos estudiando la variable X=“número de personas por

vivienda en un edificio”. Obtener el valor de la moda.
xi ni
2 6
3 15
4 10
5 9
40
UNIDIMENSIONALES
2. Variables continuas:
- Obtenemos el intervalo modal que es aquel con mayor ni si
todos los intervalos tienen la misma amplitud o aquel con
mayor hi (densidad de frecuencia) si tienen distinta amplitud.
- Hallamos el valor exacto de la moda aplicando la
siguiente expresión:
Amplitudes iguales : Amplitudes distintas :
ni  ni 1 hi  hi 1 ni
Mo  ei 1  ai Mo  ei 1  a hi 
ni  ni 1  ni  ni 1 hi  hi 1  hi  hi 1 i ai
NOTA: nosotros obtendremos el intervalo modal y no

aplicaremos la fórmula para obtener el valor exacto.
UNIDIMENSIONALES
EJEMPLO
personas”. Obtener el valor de la moda.
Ii ni
[0,5) 5
[5,10) 10
[10,15) 16
[15,20) 6
[20,25] 13
50
UNIDIMENSIONALES
EJEMPLO
personas”. Obtener el valor de la moda.
Ii ni
[0,5) 5
[5,15) 26
[15,20) 6
[20,25] 10
47
UNIDIMENSIONALES
 Comparación entre las medidas centrales
La relación existente entre las tres medidas de

centralización es la siguiente:
x  Mo  3x  Me 
Media
a) Es sensible a valores extremos.
b) No es una medida representativa en distribuciones asimétricas.
c) En caso de v. discretas puede no ser un valor de las
observaciones.
UNIDIMENSIONALES
Mediana
a) No le afectan los valores extremos.
b) Difícil de usar en Inferencia por complejidad en propiedades.
Moda
a) Fácil de calcular.
b) Puede no ser única.
c) No le afectan los valores extremos.
UNIDIMENSIONALES
•MEDIDAS DE POSICIÓN: CUANTILES
 Definición
Los cuantiles son una medida de posición que permiten el

cálculo del valor de la variable que ocupa una cierta posición
relativa respecto del conjunto total de los valores
observados.
En general, el cuantil de orden k es el valor de la variable
que deja por debajo de él el k% de las observaciones.
 Tipos
Los tipos de cuantiles son: cuartiles, deciles y percentiles.
UNIDIMENSIONALES
 CUARTILES
Los cuartiles son los valores de la variable que dividen a la
población en 4 partes iguales.
- Primer cuartil, Q1: cuantil de orden ¼. Es el valor de la variable
que deja por debajo de sí el 25% de las observaciones.
- Segundo cuartil, Q2: cuantil de orden ½. Es el valor de la
variable que deja por debajo de sí el 50% de las observaciones.
Coincide, por tanto, con la mediana.
- Tercer cuartil, Q3: cuantil de orden ¾. Es el valor de la variable
que deja por debajo de sí el 75% de las observaciones.
UNIDIMENSIONALES
Forma de cálculo
Se calculan de igual forma que la mediana pero sustituyendo

el valor n/2 por nk/4, es decir, por n/4 en el caso de Q1,
n/2 en el caso de Q2=Me y 3n/4 en el caso de Q3.
UNIDIMENSIONALES
 DECILES
Los deciles son los valores de la variable que dividen a la
población en 10 partes iguales. Son 9 y se denotan por D1,
D2,…D9. Por ejemplo:
- Primer decil, D1: es el valor de la variable que deja por
debajo de sí el 10% de las observaciones.
- Quinto decil, D5: es el valor de la variable que deja por
debajo de sí el 50% de las observaciones. Coincide, por
tanto, con la mediana.
- Noveno decil, D9: es el valor de la variable que deja por
UNIDIMENSIONALES
Forma de cálculo

el valor n/2 por nk/10, es decir, por n/10 en el caso de D1,
2n/10 en el caso de D2, 3n/10 en el caso de D3,…,9n/10 en el
caso de D9.
UNIDIMENSIONALES
 PERCENTILES
Los percentiles son los valores de la variable que dividen a
la población en 100 partes iguales. Son 99 y se denotan por
P1, P2,…P99. Por ejemplo:
- Primer percentil, P1: es el valor de la variable que deja por
- Percentil 50, P50: es el valor de la variable que deja por
debajo de sí el 50% de las observaciones. Coincide, por
tanto, con la mediana.
- Percentil 99, P99: es el valor de la variable que deja por
UNIDIMENSIONALES
Forma de cálculo

el valor n/2 por nk/100, es decir, por n/100 en el caso de P1,
2n/100 en el caso de P2, 30n/100 en el caso de P30,
…,99n/100 en el caso de P99.
UNIDIMENSIONALES
EJEMPLO
Consideremos la siguiente distribución de frecuencias.

Obtener Q1, Q3, D9, P50 y P82.
-Q1, primer cuartil:

xi ni Ni
2 6 6
3 14 20
4 11 31
5 9 40
UNIDIMENSIONALES
EJEMPLO
-Q3, tercer cuartil:

xi ni Ni
2 6 6
3 14 20
4 11 31
5 9 40
UNIDIMENSIONALES
EJEMPLO
-D9, noveno decil:

xi ni Ni
2 6 6
3 14 20
4 11 31
5 9 40
UNIDIMENSIONALES
EJEMPLO
-P50, percentil 50:
xi ni Ni
2 6 6
3 14 20
4 11 31
5 9 40
UNIDIMENSIONALES
EJEMPLO
-P82, percentil 82:
xi ni Ni
2 6 6
3 14 20
4 11 31
5 9 40
UNIDIMENSIONALES
EJEMPLO
Consideremos la siguiente distribución de frecuencias.
Obtener Q3, D2 y P62.
-Q3, tercer cuartil:
Ii ni Ni
[0,5) 5 5
[5,10) 10 15
[10,15) 17 32
[15,20) 5 37
[20,25] 13 50
UNIDIMENSIONALES
EJEMPLO
-D2, segundo decil:
Ii ni Ni
[0,5) 5 5
[5,10) 10 15
[10,15) 17 32
[15,20) 5 37
[20,25] 13 50
UNIDIMENSIONALES
EJEMPLO
-P62, percentil 62:

Ii ni Ni
[0,5) 5 5
[5,10) 10 15
[10,15) 17 32
[15,20) 5 37
[20,25] 13 50
UNIDIMENSIONALES
•MEDIDAS DE DISPERSIÓN
 Definición
La dispersión es la mayor o menor separación de los valores
respecto a una característica de tendencia central. Dicha
característica es más representativa cuanto más agrupados en
torno a ella estén los valores y tanto menos representativa
cuanto más dispersos estén los datos respecto a ella. La
descripción de una variable no debe hacerse sólo en términos
de las características de posición, sino que hay que
acompañarla siempre de una medida de dispersión.
 Tipos
Las medidas de dispersión pueden ser absolutas o relativas.
UNIDIMENSIONALES
 ABSOLUTAS
a) Rango o recorrido
Es la diferencia entre el valor máximo y el mínimo.
R = max{xi}-min{xi}
b) Recorrido intercuartílico
Es la diferencia entre Q3 y Q1, es decir, informa del
intervalo que contiene el 50% central de las observaciones.
RIQ = Q3-Q1
UNIDIMENSIONALES
c) Varianza
Es la media de los cuadrados de las desviaciones de cada
observación respecto a la media.
1 k
1 k
Sn 
2

n i
ni (xi
1
x) 
2

n i
ni xi
1
2
x 2
 0
Si la varianza es grande, la media será una medida poco

representativa de las observaciones. Cuanto menor sea,
más representativa será la media.
Se expresa en las unidades de la variable pero al
cuadrado.
UNIDIMENSIONALES
d) Desviación típica
Es la raíz cuadrada positiva de la varianza.
Sn   Sn2  0
Cuanto mayor sea la desviación típica, más dispersos
estarán los datos y menos representativa será la media de
los datos. Cuanto menor sea, más agrupados estarán los
datos en torno a la media y más representativa será ésta.
Se expresa en las mismas unidades de la variable, por lo

que no tiene el inconveniente de la varianza.
UNIDIMENSIONALES
 RELATIVAS
Son medidas sin dimensión, es decir, sin unidades. Por ello,
se utilizan para comparar la representatividad de la media
en distintos conjuntos de datos.
S
Coeficiente de variación: CV ( X )  n
x
Interpretación:
-Permite determinar si la media de un conjunto de datos es o
no representativa, es decir, si los datos son o no dispersos.
Se considera que los datos están muy dispersos respecto a su
media si el coeficiente de variación supera el 75% (expresado
en %).
UNIDIMENSIONALES
 RELATIVAS
-Permite comparar dos o más variables para ver cuál es más

homogénea, qué media es más representativa o en cuál los
datos son menos dispersos.
-Aquella variable con un coeficiente de variación menor es más

homogénea, tiene la media más representativa y los datos son
menos dispersos.
UNIDIMENSIONALES
EJEMPLO
Dados los siguientes datos, obtener a partir de ellos la
varianza, la desviación típica y el coeficiente de variación.
k k
n  50  ni xi  685
i 1
 i i  11512.5
n x
i 1
2
UNIDIMENSIONALES
EJEMPLO
La nota media en matemáticas en una clase es 6.5 con una
desviación típica de 1.5 y la de matemáticas en otra clase
distinta es 7.8 con una desviación típica de 2.4. ¿Qué media es
más representativa?
UNIDIMENSIONALES
•MEDIDAS DE FORMA
 MEDIDAS DE ASIMETRÍA
- Se dice que la distribución de los datos es simétrica cuando
los datos están repartidos de igual forma a uno y otro lado de
la media. En este caso: ẋ = Me = Mo.
- Se dice que la distribución de los datos es asimétrica a la
derecha si las frecuencias descienden más lentamente por la
derecha que por la izquierda. Y es asimétrica a la izquierda si
las frecuencias descienden más lentamente por la izquierda que
por la derecha.
- Los tipos de medidas de asimetría son: coeficiente de
asimetría de Fisher y coeficiente de asimetría de Pearson.
UNIDIMENSIONALES
•MEDIDAS DE FORMA
a) Coeficiente de asimetría de Fisher
1 k
 n (x
n i i i
 x )3
1  1
Sn3
- Si 1 < 0, la distribución es asimétrica a la izquierda o negativa.
- Si 1 = 0, la distribución es simétrica.
- Si 1 > 0, la distribución es asimétrica a la derecha o positiva.
UNIDIMENSIONALES
•MEDIDAS DE FORMA
15 15
15
12 12
12
9 9 9
6 6 6
3 3 3
0 0 0
0 2 4 6 8 0 2 4 6 8 10 0 2 4 6 8 10
distribución distribución distribución

asimétrica izquierda simétrica asimétrica derecha
UNIDIMENSIONALES
•MEDIDAS DE FORMA
 MEDIDAS DE CURTOSIS O APUNTAMIENTO
- Determinan la forma de la distribución en relación con su

grado de aplastamiento.
- Comparan la forma de la distribución de unos datos

observados con la distribución normal.
- La medida más utilizada es el coeficiente de curtosis de

Fisher.
UNIDIMENSIONALES
•MEDIDAS DE FORMA
a) Coeficiente de curtosis de Fisher
1 k
n
 i i
n ( x  x ) 4
2  i 1
3
Sn
4
- Si 2 < 0, distribución menos apuntada que la normal (platicúrtica).
- Si 2 = 0, distribución igual de apuntada que la normal (mesocúrtica).
- Si 2 > 0, distribución más apuntada que la normal (leptocúrtica).

UNIDIMENSIONALES
•MEDIDAS DE FORMA
-5 -3 -1 1 3 5 -5 -3 -1 1 3 5 -5 -3 -1 1 3 5
platicúrtica mesocúrtica leptocúrtica

UNIDIMENSIONALES
•MEDIDAS DE FORMA
EJEMPLO
Estudiar la forma de la distribución.
xi ni
2 6
3 15
4 10
5 9
40
UNIDIMENSIONALES
•MEDIDAS DE FORMA
TEMA 1:
INTRODUCCIÓN
A LA ESTADÍSTICA
DESCRIPTIVA
MARIOLA ESTUDILLO MARTÍNEZ

DPTO. ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

Tema 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

Tema 1

Cargado por

Copyright:

Formatos disponibles

TEMA 1:

MARIOLA ESTUDILLO MARTÍNEZ

 Causales o determinísticos: aquéllos que presentan los

 Aleatorios, estadísticos o de azar: aquellos fenómenos

NOTA: la Estadística se ocupa del estudio de los fenómenos

 Población: conjunto de elementos o individuos objeto del

 Tamaño de la población: número de elementos o

 Muestra: subconjunto representativo de la población, de

 Carácter cuantitativo: aquél cuyas modalidades son

- Variables cuantitativas: discretas y continuas.

 V.c.continuas: si toman los infinitos valores dentro de un

Clasificar las siguientes variables estadísticas: temperatura

La frecuencia absoluta de una modalidad xi de X es el

La frecuencia relativa de una modalidad xi de X es la

La frecuencia absoluta acumulada de una modalidad xi de X

La frecuencia relativa acumulada de una modalidad xi de X

x1 n1 f1=n1/n N1=n1 F1=f1

[e0,e1] a1=e1-e0 x1=(e0+e1)/2 n1 f1 N1 F1

Las representaciones gráficas se utilizan para realizar una

Consiste en un círculo en el que se representan sectores o

En el ejemplo anterior en el que se estudia el color de los

10 Diagrama de Sectores de Color de ojos

Cada modalidad se representa mediante un rectángulo. Los

Diagrama de Barras de Color de ojos

Se construyen de igual forma que en el caso anterior.

Se construyen de igual forma que en el caso anterior.

Estas medidas proporcionan un valor o valores centrales

Es el resultado de dividir la suma de todas las

- Si la variable es discreta se aplica directamente esta

Estamos estudiando la variable X=“número de personas por

Es una medida de tendencia central que expresa el centro

a) Se ordenan los datos de menor a mayor: x(1),x(2),…,x(n).

Si n es par, la mediana es la media de los dos

Dada la variable X=“número de veces que usan la tarjeta de

Consideremos la variable del ejemplo anterior, pero ahora con

Consideremos el ejemplo anterior con n=15 datos pero con los

Consideremos el ejemplo anterior con n=16 pero con los datos

Es el valor de la variable con mayor frecuencia, es decir, el

Es el valor de la variable con mayor frecuencia ni.

Estamos estudiando la variable X=“número de personas por

NOTA: nosotros obtendremos el intervalo modal y no

La relación existente entre las tres medidas de

b) Difícil de usar en Inferencia por complejidad en propiedades.

Los cuantiles son una medida de posición que permiten el

Se calculan de igual forma que la mediana pero sustituyendo

Se calculan de igual forma que la mediana pero sustituyendo

Se calculan de igual forma que la mediana pero sustituyendo

Consideremos la siguiente distribución de frecuencias.

-Q1, primer cuartil:

-Q3, tercer cuartil:

-D9, noveno decil:

-P62, percentil 62:

Si la varianza es grande, la media será una medida poco

Se expresa en las mismas unidades de la variable, por lo

-Permite comparar dos o más variables para ver cuál es más

-Aquella variable con un coeficiente de variación menor es más

- Si 1 < 0, la distribución es asimétrica a la izquierda o negativa.

distribución distribución distribución

- Determinan la forma de la distribución en relación con su

- Comparan la forma de la distribución de unos datos

- La medida más utilizada es el coeficiente de curtosis de

- Si 2 < 0, distribución menos apuntada que la normal (platicúrtica).