Tema 1. Estadística Descriptiva

We make
it happen
Estadística Descriptiva
Fundamentos de Estadística
Dra. Sara Fontdecaba – sara.fontdecaba@eae.es
Grado en Administración y Dirección de Empresa (ADE)
eae.es
Índice
01. ¿Qué es la estadística? La estadística descriptiva

02. Tipos de variables
03. Síntesis numérica de datos:

02.01. Medidas de tendencia central
02.02. Medias de dispersión
02.03. Relación entre dos variables
03. Representaciones gráficas

03.01. Histogramas
03.02. Boxplots
03.03. Series de Tiempo
03.04. Diagramas Bivariantes
2
01. ¿Qué es la estadística? La estadística

descriptiva
eae.es
3
Introducción. Un poco de historia
• El término estadística comparte raíz con la palabra estado, teniendo ambas un sentido tanto de
situación como un sentido político de nación. Durante siglos, el significado de estadística ha sido la
descripción del estado de la nación.
• La primera noticia que tenemos de un estudio estadístico se remonta a lo que nos explica Herodoto: el
primer censo del que se tiene conocimiento, realizado en Egipto con el fin de la construcción de las
pirámides. Posteriormente, Roma utilizó continuamente la estadística en su administración.
• Para la estadística actual es fundamental el cálculo de probabilidades. Hacia el s. XVI se dieron los
primeros avances con G. Cardano y N. Tartaglia. Grandes estudiosos de la Estadística de este siglo
fueron J. Bernoulli, que ayudó a dar los primeros pasos de esta disciplina y T. Bayes, cuyo teorema
lleva su nombre.
• Ya en el s. XIX, P. S. Laplace publicó “Théorie analityque des probabilités”, que sirvió de base para los
posteriores trabajos de C.F. Gauss o S.D. Poisson, que desarrollaron el cálculo de probabilidades a lo
largo del siglo.
4

• La estadística moderna incluye el término población. Diversos estudios fueron haciendo cada vez más
intensa la relación entre la estadística y el cálculo de probabilidades. Los trabajos culminaron con
L.A.J. Queérelet, cuyas conclusiones determinaron que la información contenida en grandes masas de
datos podrían estudiarse siguiendo como modelo la distribución normal. A él se deben también
algunos de los conceptos que manejaremos, como la media o desviación.
• Cabe destacar la importancia de los trabajos del botánico G. J. Mendel en el campo de la genética, y
los estudios de F. Galton respecto a la correlación y los fundamentos en los que se basa el actual
análisis de regresión.
• Otros grandes exponentes fueron K. Pearson y R.A. Fisher
• Gracias a todos ellos en todos los medios podemos obtener gran cantidad de información estadística.
La estadística forma parte de nuestra vida cotidiana.
5

“La Estadística estudia métodos científicos para recoger, organizar, resumir y analizar datos, así como para
sacar conclusiones válidas y tomar decisiones razonables basadas en tal análisis”.
MurrayR.Spiegel
La estadística es una disciplina que recoge un conjunto de técnicas que nos permiten recopilar, organizar,
analizar, interpretar y representar datos (numéricos) para deducir resultados posibles o consecuencias
sobre un fenómeno.
La estadística es una ciencia que trabaja con datos numéricos y que nos ayuda a responder preguntas.
Por ejemplo, en economía y negocios, la información obtenida al reunir datos, analizarlos, presentarlos e
interpretarlos, proporciona a las personas que deben tomar decisiones una mejor comprensión del
negocio o entorno económico, permitiéndoles así tomar mejores decisiones con base en mejor
información.
6
¿Qué es la estadística?
Aspecto clave de la metodología .
Tomar decisiones en base a:
Impresiones
Opiniones
Suposiciones
Prejuicios
? DATOS !
…
¿Cómo recoger y analizar datos?
7
¿Qué es la estadística?
ESTADÍSTICA
Disciplina que estudia cómo recoger datos y como
analizarlos para obtener la información deseada.
OBJETIVO: Diseño de la recogida de datos y

su transformación en información útil
PARA: La toma de decisiones y el

aprendizaje en presencia de variabilidad
8
Las 2 salidas de un proceso
Productos
o servicios
Entradas PROCESO
ESTADÍSTICA DATOS
Mejora del
producto y
del proceso
INFORMACIÓN ESTADÍSTICA
9
Estadística &
Manegment
30
20
10
40 43 46 49 52 55 58
378498947362394940
Pareto Chart for C1
274948599876537383
200
932849276732904854 100
80
283928985940903850
Percent
Count
60
239832795059049044 100
40
094385040049850385 20
987897899893222341 0
n
0
s ras a c ió rs
du ina
283928985940903850 Ra
ya
So
pla Fo
rm
T erm Ot
he
239832795059049044
094385040049850385 y = 133,5
987897899893222341 s = 7,41
40
Respuesta
Datos a preguntas
C4
30
20
20 30 40 50
C1
10
Estadística &
Manegment
Contabilidad
Finanzas
Diagnóstico:
Aplicación
Análisis y
Recogida de Inferencia en los
Resumen de
datos estadística negocios y
datos
en
economía Marketing
Producción
Economía
11
Estadística &
Manegment
Planteamiento del Problema: Formulamos la PREGUNTA. Definimos el

objetivo y buscarmos la pregunta adecuada que nos provoque los resultados
que buscamos. Definimos las variables y la muestra (que ha de reproducir con
la máxima exactitud posible las características de la población).
Instrumentos: La duda y la pregunta
Recogida de la información: Recopilamos los DATOS. Si ya existen, los

rescatamos (información estadística o administrativa). Si no existen bases de
datos, las creamos.
Instrumentos: Bases de datos (INE), encuestas, TIC, sensores….
12
Estadística &
Manegment
Análisis Descriptivo. TRATAMIENTO de datos. Aplicamos las fórmulas

matemáticas para transformar los datos en información numérica, de modo
que nos sirva para DESCRIBIR el fenómeno que estamos analizando.
Instrumentos: Métodos de la estadística
Inferencia estadística: Obtención de RESULTADOS. Expresamos

matemáticamente los resultados obtenidos. Partiendo de los datos analizados,
suponemos un modelo y sus condiciones generales. Empleamos dicho modelo para
establecer PREDICCIONES.
Instrumentos: Tablas, indicadores estadísticos.
13
Estadística &
Manegment
REPRESENTACIÓN DE LOS RESULTADOS. Presentando los resultados de

una forma gráfica se hace más fácil y universal su comprensión. Puede crearse a
partir de los datos descriptivos, los de inferencia o ambos.
Instrumentos: Gráficos: histogramas, diagramas de sector, lineales…
Diagnóstico e Interpretación de RESULTADOS. Conclusiones de tipo

sociológico, demográfico, económico o de cualquier otro tipo que ayuden a
entender los resultados obtenidos.
Instrumentos: Interpretación y análisis. Experiencia.
14
1. La estadística descriptiva – Fundamentos de estadística.
Definiciones
La estadística descriptiva.
Universo
Conjunto de individuos que
presentan la característica
Muestra que nos interesa estudiar
Subconjunto representativo
de una población que se
utiliza para explicar (inferir)
características del conjunto
de esta población
Generalmente, se simboliza
con la letra n
Población
Es el conjunto total (finito
o infinito) de individuos u
elementos que
Individuo
presentan una misma
Un individuo o unidad
característica. Son objeto
estadística es cada uno de
de estudio y de los que se
los elementos que
requiere información
componen la población
Generalmente, se
simboliza con la letra N
15
Probabilidad e Inferencia
POBLACIÓN POBLACIÓN
?
Probabilidad Estadística / Inferencia
?
MUESTRA MUESTRA
Fundamentos de Estadística Estadística y Análisis de Datos
16
Muestreo para la recogida de datos
17
Muestreo para la recogida de datos
Muestra aleatoria simple sistemática

Muestra aleatoria simple casual
Muestra por Muestra por

conveniencia conglomerado
Muestra aleatoria estratificada
(no probabilistico no s
aleatorio)
18
02. Tipos de variables
eae.es
19
La base de datos
Xi: Variables
ni: Individuos
20
Creación de la base de datos: variables

VARIABLE: Características o cualidades que se estudian en los individuos de una población.
Para poder escoger o introducir las variables e estudiar, hay que CONOCERLAS.
VARIABLES
CUALITATIVA CUANTITATIVA
Valores no numéricos Valores numéricos
21
Creación de bases de datos: Clasificación de las variables.
Hombre/ mujer
Dicotómicas Propio/ajeno
Dos categorías
Cualitativas Nominal / Ordinal
Esta foto de Autor desconocido está bajo licencia CC BY-ND

CODIFICADA Color
Politómicas Profesión
Estudios
VARIABLES
Más de dos categorías
Discretas Nº hijos
Libros en la mochila
Es un número concreto de Nº corredor de seguros
Cuantitativas valores.
Nominal/ordinal Peso
Categorías Continuas Altura
característica no
numérica Puede tomar cualquier valor. Tiempo
Entre dos valores, siempre hay
un intermedio
Se puede agrupar en intervalos.
22
Ejercicio
TIPO DE VARIABLE
La longitud (en mm) de una regla.

El color del cabello de los estudiantes.
El peso de un saco de pienso (en Kg).
Número de trozos en los que se rompe una tiza al caer al suelo.
La edad de una persona.
La cantidad de cigarrillos que alguien se fuma cada día.
La valoración de una comida donde las opciones de respuesta son: muy
malo, no muy bueno, bastante bueno, buenísimo.
Número de hijos de una familia.
Tipo de local (comercial, industrial ...).
23
03. Síntesis numérica de los datos
eae.es
24
94,95
59,91 Estadística Descriptiva
63,65
104,21
68,72
Síntesis numérica de datos 71,26
85,39
77,30
121,43
94,95 94,95 91,52
59,91 59,91 95,52
63,65 63,65 126,74
104,21 104,21 79,08 Medidas de tendencia central
68,72 68,72 130,79
71,26 71,26 109,62 Media, Mediana y Moda
85,39 85,39 65,19
77,30 77,30 126,02
121,43 121,43 137,61
91,52 91,52 63,90
95,52 95,52 94,95
?
126,74
79,08
126,74
79,08
59,91
63,65
Medidas de dispersión
104,21
Rango, Varianza, Desviación
130,79 94,95
130,79
109,62 59,91
109,62 68,72
65,19 63,65
65,19 71,26
126,02 104,21
126,02 85,39 tipo
137,61 68,72
137,61 77,30
63,90 71,26
63,90 121,43
85,39
77,30
91,52
95,52
Medidas de posición
126,74
Cuartiles, percentiles
121,43
91,52 79,08
95,52 130,79
126,74 109,62
79,08 65,19
130,79
109,62
126,02
137,61
Medidas de relación entre dos variables
63,90
65,19
126,02 Covarianza, correlación
137,61
63,90 25
Tendencia central:
media
Frecuencia Valor de la
absoluta ni: variable: Xi
Núm. de Núm. de Número medio de hijos por familia

familias hijos
13 0  ni Xi
21 1
x 
N
  fi Xi  1, 48
15 2
8 3
1 4
Frecuencia
relativa
2 5
N = 60 Número total de datos
¿Cuáles son sus puntos
débiles?
 En nuestra empresa la edad media es de 40 años para los hombres y 30 años para las
26
mujeres ¿Cuál es la edad media de los empleados?
Tendencia central:
mediana
No tiene fórmula. Poco influenciable por valores extremos
Ordenar los
Número impar de datos: Valor que queda en el centro
valores
de menor a Número par de datos: Promedio de los 2 centrales
mayor:
Ejemplo: Calcular la mediana de: 4, 2, 7, 1, 9
Los ordenamos de menor a mayor: 1, 2, 4, 7, 9
Mediana
0 1 2 3 4 5 6 7 8 9 10 27
Tendencia central:
moda
Valor que más se repite
Apenas se usa con valores numéricos
Puede no haber moda
Distribución bimodal
150
100
50
40 50 60 70
28
Posición: cuartiles
Menor 50
52
57
58
59
60 25 %
61
61 Q1 = 61: Primer Cuartil
61
64
68 75 %
Datos ordenados
69 50 %
de menor a mayor 71
72
73
78
75,5 Mediana
78
80
81 50 %
82 75 %
82
84
86 Q3 = 86: Tercer Cuartil
90
92
93
25 %
94
95
98
Mayor 100 29
Posición: Cuartiles, Percentiles, Deciles
Percentiles (Pi)
Dividen en 100 partes
iguales: hay 99
centiles
Deciles (Di)
Dividen en 10 partes
iguales: hay 9
quartiles
Cuartiles (Ci)
Dividen en 4 partes
iguales: hay 3
quartiles
30
Dispersión: rango
Rango = Valor máximo- Valor mínimo

Fácil de usar pero poco informativo
(especialmente si se tienen muchos datos)
Muy influenciable por valores extremos
0 1 2 3 4 5 6 7 8 9 10
31
Dispersión:
varianza
“Promedio” del cuadrado de las distancias de cada valor a la media
MUESTRA POBLACIÓN
n n
  xi  x    xi   
2 2
s2 = i=1 2 = i=1
n- 1 N
Caso más frecuente. Los datos de que

disponemos
No interesa la varianza de los
constituyen toda la
datos que se tienen, sino
población objeto de
estimar la varianza de la
estudio
población de que provienen 32
Dispersión:
varianza
“Promedio” del cuadrado de las

distancias de cada valor a la media
(9 – 4,6) 2 + (7 – 4,6) 2 + (4 – 4,6) 2 + (2 – 4,6) 2 + (1 – 4,6) 2

s2 = =
5-1
(4,4) 2 + (2,4) 2 + (- 0,6) 2 + (- 2,6) 2 + (- 3,6) 2
= = 11,3
4
0,6
2,6 2,4
3,6 4,4
0 1 2 3 4 5 6 7 8 9 10
33
4,6
Dispersión:
desviación tipo
Medida de dispersión de uso cotidiano
MUESTRA POBLACIÓN
s = s2  = 2
Mismas unidades que los datos

Orden de magnitud comparable a los datos
Ejemplo: Pesos de 4 personas (en kg): 65, 94, 81,

72
Varianza: s2 = 156,67 kg2 (!)
Desviación tipo: s = 12,52 kg
Pero la desviación tipo no tiene las propiedades matemáticas de la varianza

34
Dispersión:
coeficiente de variación
Expresa la relación que hay entre la desviación típica de una muestra y su media aritmética).
Al no tener unidades, nos permite comparar diferentes muestras. Con ello sabremos qué
muestra es más representativa en relación a sus desviaciones a menor Cv, más concentrada
está la muestra y más representativa es.
𝒔
Cv=
𝑿
Medidas de relación
lineal entre 2
variables n
 (x  x)(yi i  y) 10
Cov(X, Y)  i1 Negativa I II Positiva
n1 9 (+ · -) (+ · +)
8
- +
7
Cov (X,Y) > 0: + +
6
Relación positiva
Y 5 Media de Y
- -
4
Cov (X,Y) < 0:
Relación negativa 3
- +
2
1 Positiva Negativa
Cov (X,Y)  0: (- · -) Media de X (- · +)
No hay relación 0 IV III
0 1 2 3 4 5 6 7 8 9 10
X
36
INCONVENIENTE: Depende de las unidades de las variables
Medidas de relación
lineal entre 2
variables
El coeficiente de correlación resuelve los problemas de la covarianza
Unidades: Es adimensional
Valores: Se encuentran entre –1 y +1

-1: Correlación negativa perfecta
0: Sin correlación
+1: Correlación positiva perfecta
r = 0,779
r = - 0,160
37
03. Representaciones gráficas
eae.es
38
¡Un mundo entero! Estadística y Visualización de Datos

Histogramas
Utilidad
Muestra la forma que sigue un conjunto de datos y su

dispersión.
Ventajas
• Revela la media, la variabilidad de los datos y la
forma de la distribución
• Permite detectar anomalías, la existencia de datos

que provienen de dos distribuciones distintas, los
valores que aparecen con más frecuencia, etc.
Limitaciones
No refleja la información temporal de los datos
40
El caso de la
panadería
Día Ope. Máquina 1 Máquina 2
1 A 220.3 215.5 219.1 219.2 220.3 208.0 214.4 219.2

2 B 215.8 222.0 218.9 213.6 216.9 213.4 217.7 217.7
3 B 220.4 218.7 218.6 219.6 222.9 219.7 209.4 221.6
4 B 221.5 227.0 219.5 222.5 223.1 215.3 220.4 215.6
5 A 215.7 225.3 223.0 218.0 216.0 210.9 221.4 210.9
6 A 222.7 215.1 219.6 217.3 212.1 213.0 218.0 216.5

7 A 216.0 218.8 217.9 213.0 216.9 216.0 213.5 219.2
8 B 219.4 218.3 216.7 224.1 216.2 218.4 216.6 214.9
9 B 219.8 222.6 219.1 217.7 216.2 212.2 216.9 214.9
10 A 220.2 219.5 222.4 219.9 222.9 214.3 219.1 216.7
11 B 218.0 223.9 219.6 221.9 214.9 212.6 219.4 213.3

12 B 219.3 219.6 218.8 219.9 219.0 216.7 216.4 213.5
13 B 220.0 214.1 224.3 217.4 218.0 219.5 219.5 222.3
14 A 223.9 220.6 219.5 219.6 211.8 218.2 218.3 217.4
15 A 218.1 218.8 218.4 217.9 214.6 215.7 218.0 216.4
16 B 216.9 221.6 220.6 222.6 215.6 220.4 217.3 216.2

17 B 217.9 225.7 222.2 216.1 212.5 214.6 209.7 211.3
18 A 224.2 216.2 219.9 220.4 215.8 219.9 216.5 211.9
19 A 214.1 219.7 222.4 224.5 213.7 209.7 216.9 213.1
20 A 221.1 225.0 222.7 222.2 212.5 217.5 217.4 215.7
41
Histogramas:
Visión general
Datos globales Datos globales

Frecuencia Porcentaje
40 35
35 30
30
25
25
20
20
15
15
10
10
5 5
0 0
205 210 215 220 225 230 235 205 210 215 220 225 230 235
Pesos Pesos
42
Histogramas:
Comparación
Operario A Operario B
Porcentaje Porcentaje
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
205 210 215 220 225 230 235 205 210 215 220 225 230 235
Pesos Pesos
ESTRATIFICACIÓN: Graficar una Debemos haber recogido los datos

variable continua (Pesos Barras) en
función de los valores de una
variable discreta (Operario)
! pensando ya en que
luego estratificaremos. Siempre que
sea posible, debemos estratificar.
43
Histogramas:
Comparación (2)
Máquina 1 Máquina 2
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
205 210 215 220 225 230 235 205 210 215 220 225 230 235
Pesos Pesos
44
Histogramas:
Ejercicio
¿Producen las máquinas 1 y 3 con la misma dispersión?
Máquina 1 Máquina 3
35 25
30
20
25
20 15
15
10
10
5
5
0 0
205 210 215 220 225 230 235 212 214 216 218 220 222 224 226 228
Pesos Pesos
45
Histogramas: Tipos
200 120 200
150 150
80
100 100
40
50
50
0 0 0
30 35 40 45 50 55 60 65 70 25 30 35 40 45 50 55 60 65 70 75 0 5 10 15 20 25
Variabilidad natural Bimodal Sesgado a la derecha
200 200 200
150 150 150
100 100 100
50 50 50
0 0 0
35 40 45 50 55 60 65 70 75 80 85 90
30 35 40 45 50 55 60 65 70 35 40 45 50 55 60 65 70 75 80 85 90
Censurado Con anomalías, errores, etc.

46
Boxplot (Diagrama de caja / bigotes)

Utilidad
Muestra la forma que sigue una variable continua

considerando medidas de tendencia central y
dispersión
Ventajas
• Revela la media, la variabilidad de los datos y la
forma de la distribución
• Permite detectar anomalías, la existencia de datos

que provienen de dos distribuciones distintas, los
valores que aparecen con más frecuencia, etc.
Limitaciones
No refleja la información temporal de los datos
No consiera el tamaño de la muestra
47

Fija la atención en las medidas de posición y los valores extremos
Orden: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
5, 7, 7, 9, 9, 9, 9, 9, 9, 9, 10, 11, 11, 11, 11, 11, 14, 15, 16, 18
Q1 Mediana Q3
Zona Zona Zona Zona

anomalías anomalías anomalías anomalías
extremas moderadas Q1 Q3 moderadas extremas
1,5*IQR 1,5*IQR IQR 1,5*IQR 1,5*IQR
* * * o
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
48
Peso en función del sexo en un grupo Evolución de la humedad de un producto

de 92 estudiantes (pienso) fabricado a lo largo de una semana
10
200
Humedad
Weight
9
150
100
8
1 2 Lunes Martes Miércoles Jueves Viernes
Sex
49
Serie de Tiempo (Time Series Plot)

Utilidad
Muestra la evolución temporal de una variable

continua o discreta
Ventajas
• Recopilan de manera lineal en períodos de tiempo
adyacentes, potencialmente puede establecer
correlaciones, patrones, tendencias…
• Visión general en aspectos micro/macro económicos
Limitaciones
Escasez de la recogida de datos longitudinales
50
Serie de Tiempo (Time Series Plot)
Time
51
Otras representaciones gráficas
Diagrama de puntos Diagrama de sectores (Pie Chart)
Pictograma Diagrama de rectángulos
52
Diagramas
bivariantes:
correlación causa y
efecto
Utilidad
Identifica correlación entre variables. También indica
la intensidad de la correlación.
Ventajas
• Ayuda a identificar que entrada o variable del
proceso puede estar relacionada con una salida del
proceso.
• Permite encontrar anomalías.
El diagrama de correlación muestra correlación entre variables,

! pero no implica relación de causa-efecto (no prueba que una
variable es causa directa de otra) 53
Diagramas
bivarantes
54

Tema 1. Estadística Descriptiva

Cargado por

Información del documento

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. Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

We make

Dra. Sara Fontdecaba – sara.fontdecaba@eae.es

Grado en Administración y Dirección de Empresa (ADE)

01. ¿Qué es la estadística? La estadística descriptiva

03. Síntesis numérica de datos:

03. Representaciones gráficas

01. ¿Qué es la estadística? La estadística

Introducción. Un poco de historia

Introducción. Un poco de historia

• Otros grandes exponentes fueron K. Pearson y R.A. Fisher

Introducción. Un poco de historia

Aspecto clave de la metodología .

Tomar decisiones en base a:

¿Cómo recoger y analizar datos?

OBJETIVO: Diseño de la recogida de datos y

PARA: La toma de decisiones y el

Las 2 salidas de un proceso

Planteamiento del Problema: Formulamos la PREGUNTA. Definimos el

Instrumentos: La duda y la pregunta

Recogida de la información: Recopilamos los DATOS. Si ya existen, los

Instrumentos: Bases de datos (INE), encuestas, TIC, sensores….

Análisis Descriptivo. TRATAMIENTO de datos. Aplicamos las fórmulas

Instrumentos: Métodos de la estadística

Inferencia estadística: Obtención de RESULTADOS. Expresamos

Instrumentos: Tablas, indicadores estadísticos.

REPRESENTACIÓN DE LOS RESULTADOS. Presentando los resultados de

Instrumentos: Gráficos: histogramas, diagramas de sector, lineales…

Diagnóstico e Interpretación de RESULTADOS. Conclusiones de tipo

Instrumentos: Interpretación y análisis. Experiencia.

Muestreo para la recogida de datos

Muestreo para la recogida de datos

Muestra aleatoria simple sistemática

Muestra por Muestra por

02. Tipos de variables

Creación de la base de datos: variables

Creación de bases de datos: Clasificación de las variables.

Esta foto de Autor desconocido está bajo licencia CC BY-ND

Más de dos categorías

La longitud (en mm) de una regla.

03. Síntesis numérica de los datos

Núm. de Núm. de Número medio de hijos por familia

Ejemplo: Calcular la mediana de: 4, 2, 7, 1, 9

Los ordenamos de menor a mayor: 1, 2, 4, 7, 9

Posición: Cuartiles, Percentiles, Deciles

Rango = Valor máximo- Valor mínimo

Muy influenciable por valores extremos

Caso más frecuente. Los datos de que

“Promedio” del cuadrado de las

(9 – 4,6) 2 + (7 – 4,6) 2 + (4 – 4,6) 2 + (2 – 4,6) 2 + (1 – 4,6) 2

Mismas unidades que los datos

Ejemplo: Pesos de 4 personas (en kg): 65, 94, 81,

Pero la desviación tipo no tiene las propiedades matemáticas de la varianza

Valores: Se encuentran entre –1 y +1

¡Un mundo entero! Estadística y Visualización de Datos

Muestra la forma que sigue un conjunto de datos y su

• Permite detectar anomalías, la existencia de datos

1 A 220.3 215.5 219.1 219.2 220.3 208.0 214.4 219.2

6 A 222.7 215.1 219.6 217.3 212.1 213.0 218.0 216.5

11 B 218.0 223.9 219.6 221.9 214.9 212.6 219.4 213.3

16 B 216.9 221.6 220.6 222.6 215.6 220.4 217.3 216.2

Datos globales Datos globales

ESTRATIFICACIÓN: Graficar una Debemos haber recogido los datos

¿Producen las máquinas 1 y 3 con la misma dispersión?

200 120 200

1,5IQR 1,5IQR IQR 1,5IQR 1,5IQR