Estadística Descriptiva Unidimensional

1. Introducción.
La estadística es una rama de las matemáticas que trata de la recogida, ordenación, análisis
y presentación adecuada de datos recogidos sobre cierta población (no necesariamente
humana) no el fin de extraer conclusiones a partir de ellos.
Trata de obtener resultados globales buscando las características generales de un colectivo
prescindiendo de las particulares de cada individuo. La estadística se divide en:
- Descriptiva. Analiza algunas características de los elementos de un grupo con el fin
de describirlo sin extraer conclusiones para un grupo mayor. No hace uso del
cálculo de probabilidades.
- Diferencial. Trabaja con muestras y mediante sus técnicas se obtienen previsiones
para toda la población a partir de los resultados de la muestra. Es decir, se deducen
características de toda la población a partir de os resultados obtenidos en una parte
de ella. Se utilizan la estadística descriptiva y el cálculo de probabilidades.

2. Nociones Generales.
La terminología de la estadística descriptiva viene heredada de sus orígenes, que fueron
trabajos de tipo demográfico.
- Población: conjunto de todos los elementos (persona, animal, …) que se desea
estudiar.
- Muestra: subconjunto extraído de la población, cuyo estudio sirve para deducir las
características de toda la población.
- Individuo: cada uno de los elementos de la población.
- Tamaño (N): número de individuos que compone la población o muestra.
- Carácter estadístico: las propiedades o cualidades de los individuos que se desea
estudiar. Se clasifica:
- Cuantitativos. Los que toman valores numéricos. Son medibles y/o contables. Se
llaman variables estadísticas.
- Cualitativos. Los que no toman valores numéricos. Se llaman atributos.
Las variables estadísticas pueden ser:
- Discretas. Caracteres cuantitativos con valores puntuales. Ejemplo: número de
hermanos.
- Continua. Pueden tomar cualquier valor dentro de ciertos intervalos.
Los cualitativos se dividen en:
- Ordinal. Si sus posibles valores admiten un orden implícito.
- Nominales. Los valores no admiten ningún orden.
A los valores de los caracteres cualitativos se les llama modalidades.

3. Fases de un estudio estadístico.

a) Definición de la población.
b) Diseño y realización de una encuesta.
c) Selección de la muestra.
d) Recogida de datos.
e) Clasificación y organización de los datos en tablas y gráficas.
 f) Obtención de paramétricos estadísticos.
g) Análisis de datos.
h) Conclusiones. Toma de decisiones.

4. Muestreo. Ideas básicas.

En la práctica, para inferir datos de la población es frecuente recurrir a una muestra por uno
o más, de los motivos:
- La población es excesivamente numerosa. Ejemplo: si quisiéramos conocer datos
anatómicos de todos los jóvenes europeos de edades comprendidas entre 18 y 30.
Sondeo electoral.
- La población es muy difícil de controlar. Ejemplo: queremos conocer la opinión que
tienen sobre las rebajas las personas que van a los centros comerciales.
- Proceso de medición destructivo o caro. Ejemplo: para estudiar el tiempo de
duración de una bombilla.
Al sustituir el estudio de población por el de la muestra se cometen errores. Si la muestra
está mal elegida, se dice que no es representativa y se producen errores adicionales y
previstas e incontroladas llamados “sesgos”, y la muestra se dice que está sesgada.
El proceso para confeccionar una muestra se llama muestreo. Puede ser aleatorio
(probabilístico) o no aleatorio. Es aleatorio el muestreo cuando los individuos de la mezcla
se eligen al azar, por lo que todos los individuos de la población tienen la misma
probabilidad de ser elegidos. Este tipo de muestreo nos proporciona una muestra
representativa, no sesgada y garantiza fiabilidad de las conclusiones que se obtengan. Tipos
de muestreo aleatorio:
- Simple.
- Sistemático.
- Estratificado.
- Por conglomerados.

5. Frecuencias.
Se llama frecuencia absoluta del valor χ i al número de veces que se repite dicho valor en
las n observaciones. Se representa por f i y la suma de f i tiene que dar N.
Se llama frecuencia absoluta del valor χ i a la suma de la frecuencia absoluta de todos los
valores menores o iguales que χ i , se representa por F i. La frecuencia absoluta no es
suficiente para reflejar la intensidad con que se repite un valor. Por ejemplo, no es lo mismo
decir que un valor se repite 3 de cada 100 veces, que decir que se repite 3 de cada 1000
veces. Por esto es mejor usar la frecuencia relativa.
Se llama frecuencia relativa de un valor de hi , al cociente de la frecuencia absoluta de χ i y
f
al número total de observaciones. hi = i
N
Se llama frecuencia relativa acumulada del valor χ i y se representa por hi al cociente entre
Fi
H i= . La última frecuencia relativa aproximada sería 1. Las frecuencias relativas se
N
pueden expresar en forma de fracción, decimal y en porcentaje.
En el ejemplo, hemos estudiado una variable estadística discreta que toma pocos valores,
aunque la situación no es siempre tan simple. Esto ocurre cuando tratamos con variables
discontinuas o discretas con un número de valores continuos.
En estos casos, lo más útil es agrupar los datos en intervalos:
 Se ha hecho un estudio sobre el retraso en minutos de 120 trenes de cierta línea de largo
recorrido. Obteniéndose los resultados de la tabla.
Agrupamos los datos en intervalos (intervalos de clase) y a los puntos medios de dichos
intervalos les llamamos marcas de clase. La forma de agrupar los datos en intervalos es la
siguiente:
a) Ordenamos los datos de menor a mayor.
b) Dividimos el recorrido (la diferencia entre el valor mayor y menor de la variable
generalmente de la misma amplitud).
c) Los intervalos son semiabiertos por la derecha y cerrados por la izquierda.

6. Gráficos estadísticos.
La representación visual de una serie de datos estadísticos. Es una herramienta eficaz ya
que un buen gráfico:
- Capta la atención del lector.
- Presenta la información de forma sencilla, clara y precisa.
- No induce a error.
- Facilita la comparación de datos y destaca las tendencias y diferencias.
- Ilustra el mensaje o texto al que acompaña.
Los gráficos más usados son:
 Gráfico de barras. La representación gráfica de las frecuencias de una variable
aleatoria discreta o cualitativa. En uno de los ejes se posicionan las modalidades o
categorías de las variables aleatorias discretas y en el otro las frecuencias. La
orientación puede ser vertical u horizontal. Las categorías pueden ordenarse
alfabéticamente facilitando su búsqueda o por sus frecuencias facilitando la
comparación de los datos. Se suele usar para comparar magnitudes de varias
categorías o para ver la evaluación en el tiempo de una magnitud. Tipos:
- Sencillo. Única serie de datos.
- Agrupado. Varias series de datos (con color diferente cada una).
- Apilado. Varias series de datos.
 Histograma. Representa las frecuencias de una variable cuantitativa continua. En
uno de los ejes se posicionan los intervalos y en el otro las frecuencias. No existe
separación entre las barras.
 Gráfico de barras bi-direccional. Orientación horizontal y contiene dos series de
datos cuyas barras de frecuencias crecen en sentidos opuestos. Las más comunes:
pirámide de población.
 Pirámide de población. Histograma bi-direccional que muestra la estructura. Nos da
una visión del grado de desarrollo de la población. Según su forma:
- Progresiva. Típicas de país subdesarrollado cuya esperanza de vida es baja y la
natalidad alta.
- Regresiva. Típicas de país desarrollado cuya natalidad está descendiendo y
esperanza de vida alta.
 - Estancada. País en vía de desarrollo donde se ha controlado la mortalidad y se
empieza a controlar la natalidad.
 Gráfico de líneas. Representan tendencias temporales. El polígono de frecuencia es
un caso particular del gráfico de líneas, que se obtiene poniendo el punto medio de
las barras.
 Gráfico de sectores. Representación circular. ∝=360 º ×hi .
 Pictograma.
 Cartograma.
 Gráfico de Pareto. Muestra el principio de Pareto o ley del 80/20. Establece que el
80% de las consecuencias provienen del 20% de las causas.
 Gráfico de dispersión. (Estadística bi-dimensional)