CURSO DE ANALISIS ESTADISTICO

UNAN-FAREM CHONTALES
MAESTRA EN FORMULACIN, ADMINISTRACIN Y
EVALUACIN DE PROYECTOS.
PROF: WINSTON JOSEPH ZAMORA
PROF: TONYS ROMERO DAZ
DOMINGO 03 NOVIEMBRE 2013
Debe usted creer en un estudio estadstico?
EJEMPLOS DE ABUSOS

Comparacin
entre Estados
Unidos y Japn:
Consumo diario
de petrleo
(millones de
barriles).
Observacin:
El inciso b) est diseado para
exagerar la diferencia al incrementar
cada dimensin en proporcin a las
cantidades reales del consumo de
petrleo.

4.7
4.2
3.9
3.2
1.5
1.3
1.8
2.3
2.8
3.3
3.8
4.3
4.8
5.3
NICARAGUA COSTA RICA GUATEMALA HONDURAS EL SALVADOR
Crecimiento Econmico 2011 en Centroamrica
(Variacin Porcentual)
Fuente: CEPAL
3.6
2.8
-1.5
4.5
4.7
-2
-1
0
1
2
3
4
5
6
2007 2008 2009 2010 2011
Crecimiento Econmico de Nicaragua 2007-2011
(Variacin Porcentual)
Fuente: BCN
CRECIMIENTO
ECONMICO
4
CEPAL estima un
crecimiento del
5.0% para
Nicaragua en
2012
En el libro Statistical Reasoning for Everyday Life, segunda
edicin, los autores Jeff Bennett, William Briggs y Mario
Triola proporcionan los siguientes ocho lineamientos para
evaluar de forma crtica un estudio estadstico.
1. Identificar el objetivo del estudio, la poblacin considerada y el tipo
de estudio.
2. Considerar la fuente, especialmente con respecto a la posibilidad de
un sesgo.
3. Analizar el procedimiento de muestreo.
4. Buscar problemas en la definicin o medida de las
variables de inters.
Consideraciones de Credibilidad
5. Tener cuidado con variables confusas que podran invalidar
las conclusiones.
6. Considerar el contexto y la redaccin de cualquier
encuesta.
7. Verificar que las grficas representen los datos de forma
adecuada y que las conclusiones estn justificadas.
8. Considerar si las conclusiones logran los objetivos
del estudio, si tienen sentido y si poseen un
significado prctico.
Consideraciones de Credibilidad

Las Consideraciones anteriores podran
evitar los siguientes abusos en la
Estadstica
Conclusiones errneas debido a que los datos
son numricamente insuficientes.
Representaciones grficas engaosas (escalas).
Datos muestrales no representativos:
Muestra que no incluye a elementos de toda la
poblacin.
Ciertas categoras de personas no responden
correctamente.
Respuestas voluntarias (sesgadas).
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Definicin
DEFINICIONES BSICAS
DEFINICIONES BSICAS
VARIABLES, TIPOS DE DATOS Y
NIVEL DE MEDICIN
Variables:
son las caractersticas o lo que se estudia de
cada individuo de la muestra. Ej: sexo, edad,
peso, estatura, color de ojos, estado civil,
temperatura, cantidad de nacimientos,
presin, grosor, dimetro, ...
Datos:
son los valores que toma la variable en cada
caso.
Escalas de medida
Escala Nominal.
Escala Ordinal.
Escala de Intervalos.
Escala de Razn

Variables Cualitativas
Variables
Cuantitativas
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala nominal: los datos se pueden
agrupar en categoras que no
mantienen una relacin de orden
entre si, por lo tanto no estn
definidas las operaciones lgicas (>,
<, s, >) sino solo las de igualdad o
diferencia.
Ejemplos: color de ojos, sexo,
profesin, estado civil, religin.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala ordinal: existe un cierto orden o
jerarqua entre las categoras (>, <, s, >).
Ejemplos: grados militares, organigrama
de una empresa, escalafn de los
profesores universitarios, grados de
disnea, estadiaje de un tumor.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala de Intervalos: valores numricos de las
variables y adems de las relaciones de orden
(>, <, s, >), se pueden establecer distancias, es
decir, tienen sentido las operaciones de suma y
resta. Tiene dos propiedades:
Existe una unidad de medida que se mantiene
constante para todos los valores que toma la variable.
Existe un valor patrn u origen relativo que no significa
la ausencia de valor en la variable.
Ejemplo: temperatura, nivel de ruido, movimientos
ssmicos.

T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala de razn o proporcin: es la ms
completa y general de todas las escalas.
Se caracteriza porque los valores de la
variable son nmeros entre los cuales,
adems de las relaciones de orden (>, <,
s, >) y distancia (+,-), se pueden
establecer mltiplos y proporciones.
Ejemplos: peso, altura, volumen
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Organizacin de los datos
Una vez que se ha
realizado la
recoleccin de los
datos, se obtienen
datos en bruto, los
cuales rara vez son
significativos sin una
organizacin y
tabulacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
Formas de organizar los datos:
Un arreglo: es la forma ms sencilla de organizar los
datos en bruto, consiste en colocar las observaciones
en orden segn su magnitud: ascendente o
descendente.
Poco prctica cuando se tiene una gran cantidad de
datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

PRESENTACIN ORDENADA DE DATOS
DISTRIBUCIONES DE FRECUENCIA
Tabla de Frecuencia
EJEMPLO: CONSTRUCCIN DE LA TABLA DE DISTRIBUCIN
PARA LAS EDADES DE LAS MEJORES ACTRICES DEL PREMIO
OSCAR
PROCEDIMIENTOS POSIBLES:
Propuesta uno:

a. Arreglar de forma ordenada la poblacin o
muestra
b. Estimar el nmero de clases usando la frmula
de Sturges
c. Encontrar el recorrido, usando
d. Determinar la amplitud de las clases

1 3.322(log ) K N = +
( ) R valor mayor valor menor =
R
A
K
=
Propuesta dos:
En esta propuesta la nica variante se debe a que
es el investigador o responsable estadstico quien
decide el nmero de clases, mismo que debe
estar entre 5 y 20.

PROCEDIMIENTOS POSIBLES:
As por ejemplo, para conseguir la organizacin de los
datos mostrados en la tabla, se decidi agrupar los datos
en 6 clases, para lo cual se obtuvo una amplitud de 10 y
por criterio estadstico se asumi iniciar con el valor
menor de la serie de datos.
QUE TIPO DE GRAFICO ES EL ADECUADO PARA LA
DISTRIBUCION ANTERIOR

Los grficos permiten visualizar en forma global y
rpida el comportamiento de los datos.
Para datos cuantitativos agrupados en clases,
comnmente se utilizan tres grficos:
Histogramas.
Polgono de frecuencias.
Ojiva o Polgono de frecuencias acumuladas.

23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61

a) Construya una distribucin de frecuencias.
b) Qu puede concluir de estos datos.

Ejemplo 2 de Distribucin de Frecuencias
Representacin grfica de los datos
Histograma
Representacin grfica de los datos
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Histograma y Polgono de Frecuencias
Ojiva
Representacin grfica de los datos
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a


REPRESENTACIONES GRAFICAS

Diagrama de barras
Alturas proporcionales a las frecuencias (abs. o rel.)
Se pueden aplicar tambin a variables discretas
Diagrama de sectores o pastel
No usarlo con variables ordinales.
El rea de cada sector es proporcional a su frecuencia
(abs. o rel.)

GRAFICOS PARA VARIABLES CUALITATIVAS
Pictogramas
Fciles de entender.
El rea de cada modalidad debe ser proporcional a la
frecuencia.

Diagrama de Pareto
Es un grfico de barras para variables ordinales, las
cuales se ordenan jerrquicamente.
GRAFICOS PARA VARIABLES CUALITATIVAS
Tema 1: Introducin 33 Bioestadstica. U.
Mlaga.
Grficos para v. cualitativas
Diagramas de barras
Alturas proporcionales a las frecuencias (abs. o
rel.)
Se pueden aplicar tambin a variables
discretas

Diagramas de sectores (tartas, polares)
No usarlo con variables ordinales.
El rea de cada sector es proporcional a su
frecuencia (abs. o rel.)

Pictogramas
Fciles de entender.
El rea de cada modalidad debe ser
proporcional a la frecuencia. De los dos, cul
es incorrecto?.


Tema 1: Introducin 34 Bioestadstica. U.
Mlaga.
Grficos diferenciales para variables
numricas
Son diferentes en funcin de que
las variables sean discretas o
continuas. Valen con frec. absolutas
o relativas.
Diagramas barras para v. discretas
Se deja un hueco entre barras para
indicar los valores que no son posibles

Histogramas para v. continuas
El rea que hay bajo el histograma
entre dos puntos cualesquiera indica la
cantidad (porcentaje o frecuencia) de
individuos en el intervalo.

0 1 2 3 4 5 6 7 Ocho o ms
Nmero de hijos
100
200
300
400
R
e
c
u
e
n
t
o
419
255
375
215
127
54
24 23
17
20 40 60 80
Edad del encuestado
50
100
150
200
250
R
e
c
u
e
n
t
o
Tema 1: Introducin 35 Bioestadstica. U.
Mlaga.
Diagramas integrales
Cada uno de los anteriores diagramas tiene su correspondiente diagrama integral. Se
realizan a partir de las frecuencias acumuladas. Indican, para cada valor de la variable,
la cantidad (frecuencia) de individuos que poseen un valor inferior o igual al mismo. No
los construiremos en clase. Se pasan de los diferenciales a los integrales por
integracin y a la inversa por derivacin (en un sentido ms general del que visteis en
bachillerato.)
Barras
Representacin grfica de los datos
Barras
Representacin grfica de los datos
Sectores, torta o circular
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Grfico que representa las unidades de
bebida vendidas cada da de la semana.
Pictograma
OTRAS FORMAS DE ORGANIZACIN
PARA DATOS NUMRICOS

Diagrama de tallo y hojas
Diagrama de caja y bigotes (AED)

Loc D Loc C Loc B Loc A

4.000
3.000
2.000
1.000
0
7
Comparacin de los rindes segn localidades
TALLO-HOJA
GAsto por turista y da Stem-and-Leaf Plot for
Sexo= femenino

Frequency Stem & Leaf

32,00 0 . 000011111111111
61,00 0 . 222222222222222333333333333333
59,00 0 . 44444444444444444444555555555
31,00 0 . 666666666777777
34,00 0 . 8888888888999999
30,00 1 . 00000000001111
23,00 1 . 22222222222&
13,00 1 . 444445
22,00 1 . 6667777777
15,00 1 . 8888889
12,00 2 . 01111
2,00 2 . 3
12,00 2 . 445555
,00 2 .
1,00 2 . &
13,00 Extremes (>=292)

Stem width: 100,00
Each leaf: 2 case(s)
LNgtd Stem-and-Leaf Plot for
Sexo= masculino

Frequency Stem & Leaf

3,00 Extremes (=<1,5)
2,00 1 . &
11,00 2 . 1333&
13,00 2 . 7899&
46,00 3 . 000000001222334444444
63,00 3 . 555555666666777777788889999999
73,00 4 . 00001122222222222333333344444444444
75,00 4 . 555555666666666666677788888888889999
52,00 5 . 000111111122222333333334
8,00 5 . 557&
4,00 6 . 2&
1,00 6 . &

Stem width: 1,00
Each leaf: 2 case(s)



& denotes fractional leaves.


ESTADSTICOS PARA DESCRIBIR, EXPLORAR
Y COMPARAR DATOS

Cuando describimos, exploramos y comparamos
conjuntos de datos, las siguientes caractersticas
suelen ser sumamente importantes: centro,
variacin, distribucin, valores extremos y cambios
a travs del tiempo.

TENDENCIA CENTRAL Y DISPERSIN
Tendencia central : La tendencia central se refiere
al punto medio de una distribucin. Las medidas de
tendencia central se conocen tambin como
medidas de posicin.

Dispersin: La dispersin se refiere a la separacin
de los datos en una distribucin, es decir, al grado en
que las observaciones se separan.
Medidas de tendencia central
Las medidas de tendencia central ms
importantes son:
Media: Aritmtica y Aritmtica ponderada.
Mediana.
Moda.
Clculo de la media aritmtica
Para datos no agrupados:

n
x
X
n
i
i
=
=
1
Para datos agrupados:

n
f m
X
k
i
i i
=
=
1
Donde: m
i
: punto medio de la clase i
f
i
: frecuencia absoluta de la clase i
k: cantidad de clases

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Mediana
Es el valor que ocupa la posicin central
de un conjunto de observaciones, una vez
que han sido ordenados en forma
ascendente o descendente.
Divide al conjunto de datos en dos partes
iguales.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la mediana
Para datos no agrupados:
Si n es impar: posicin donde se ubica la
mediana es igual a (n+1)/2.
Si n es par: (n+1)/2 no es entero, por lo tanto
la mediana ser igual al promedio de las dos
posiciones centrales.

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la mediana
Datos agrupados: clase mediana es la que
contiene a la observacin que ocupa la
posicin n/2.
Cm
x f
x F
n
Lm Md
m
m
) (
) (
2
1
1

+
+ =
Donde: Lm: lmite inferior de la clase mediana.
F(x
m-1
): frecuencia acumulada de la clase
anterior a la clase mediana.
f(x
m
): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Moda
Observacin o clase que tiene la mayor
frecuencia en un conjunto de
observaciones.
Un conjunto de datos puede ser unimodal,
bimodal o multimodal.
Es la nica medida de tendencia central
que se puede determinar para datos de
tipo cualitativo.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Relacin entre la media, la mediana y la moda
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Cuando los datos son sesgados es mejor emplear la Md
La mejor medida de tendencia central
Hasta ahora hemos considerado la media, mediana, moda y mitad del
rango como medidas de tendencia central. Cul de ellas es la mejor?
Por desgracia, no existe una respuesta nica a esa pregunta, porque
no hay criterios objetivos para determinar la medida ms representativa
para todos los conjuntos de datos. Las diferentes medidas de tendencia
central ofrecen diversas ventajas y desventajas, algunas de las cuales
se presentan en la figura a continuacin.

MEDIDAS DE VARIACIN

Dispersin: por qu es importante?
Cul de las siguientes curvas presenta mayor variabilidad?
Argumente su respuesta.
Medidas de dispersin, variacin o
variabilidad.
Rango.
Varianza.
Desviacin Tpica.
Coeficiente de variacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Rango
Rango (amplitud o recorrido):
Est determinado por los dos valores
extremos de los datos muestrales, es
simplemente la diferencia entre la
mayor y menor observacin.
Es una medida de dispersin
absoluta, ya que depende solamente
de los datos y permite conocer la
mxima dispersin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin:
Varianza
Es un valor numrico que mide el grado
de dispersin relativa porque depende de
la posicin de los datos x
1
,x
2
,,x
n
con
respecto a la media.
Es el promedio al cuadrado de las
desviaciones de cada observacin con
respecto a la media.
Notacin: s
2
, o
2
, var(X)
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin:
Varianza
Si la varianza de un conjunto de observaciones
es grande se dice que los datos tiene una
mayor variabilidad que un conjunto de datos
que tenga un varianza menor.
( )
2
1
2
2
1
2
2
x
n
x
s
n
x x
s
n
i
i
n
i
i
=

=
=
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Para datos NO
agrupados:
Para datos agrupados en una
distribucin de frecuencias:
Medidas de dispersin:
Varianza
( )
( )
2
1
2
2
1
2
2
x
n
f m
s
n
f x m
s
k
i
i i
k
i
i i

=

=

=
=
Medidas de dispersin: Desviacin
Tpica
Es la raz cuadrada de la varianza.
Notacin: s, o.
2
s s =
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Coeficiente de
Variacin
Es una medida de dispersin relativa que
permite comparar el nivel de dispersin de dos
muestras de variables estadsticas diferentes.
No tiene dimensiones.
Notacin: CV
% 100 =
x
s
CV
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de posicin
Requisitos
Variables cuantitativas
Los resultados estn ordenados de menor a mayor
Las medidas de posicin son variables discretas
Equivalencias
Como todas las medidas se refieren al mismo grupo
de datos, se pueden hacer equivalentes entre s
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
P10 P20 P30 P40 P50 P60 P70 P80 P90 P100
P25 P75
Q1 Q2 Q3
59
Medidas de Posicin
El percentil 30 (P
30
), por ejemplo es el valor de
la variable bajo el cual se encuentra el 30% de
los casos y sobre el cual se encuentra el 70 %
de los casos

El decil 4 (D
4
) es el valor de la variable que deja
bajo l, el 40 % de los casos y sobre l el 60 %.
Esto permite ver las equivalencias entre
percentiles y deciles : (D
4
) = (P
40
)

60
CUARTILES
Q1 que se ubica en el lugar , es el primer
cuartil, deja el 25% de las unidades por debajo
y el 75% por encima;
Q2 que se ubica en el lugar ,es el segundo
cuartil, deja el 25%*2, o sea el 50% por debajo
y el otro 50% por encima.. es decir que
coincide con la Mediana.
Q3 que se ubica en el lugar , es el tercer
cuartil, deja el 25%*3, o sea el 75% por debajo
y el 25% por encima.
4
n
4
2 * n
4
3 * n
Clculo del Percentil
El clculo del percentil cuando los datos estn sueltos es directo.
Ubicar el puntaje que est en la posicin que corresponde al
porcentaje del percentil
Ej: 23 34 34 36 37 37 37 42 46 50
P
60
=37
Si los datos estn en una tabla de intervalos, la frmula es la
siguiente
i
f
F N
x
L P
x
*
*
100
(
(
(

+ =
N = Nmero total de sujetos
L = limite inferior real del intervalo crtico
F = Frecuencia acumulada hasta el intervalo anterior
f = frecuencia relativa en el intervalo crtico
i = Amplitud del intervalo

62
Un curso rindi una prueba de Matemtica, Qu se puede
decir del resultado, si se sabe que en la distribucin de las
notas se obtuvo: Q
2
= 5,8 y Q
3
= 6,5 ?
Respuesta:
Es conveniente ver la situacin en forma grfica:
5,8 6,5
25%
50%
Se puede afirmar que:
* El 50% del curso obtuvo una calificacin superior a 5,8
* El 25% mejor preparado logr notas superiores al 6,5
Ejercicio
En un estudio realizado en Uruguay en el ao 2000 en torno a
los cambios en la estructura productiva del pas y su impacto
sobre el empleo se obtuvo la siguiente informacin referida a
la distribucin de la variable horas trabajadas por mes:
Sector Moda Mediana Media Rango Q1 Q3 S CV
Industria 130 145 140 100 125 159 24 17
Construccin 150 145 130 100 136 158 16 12
Servicios 130 122 122 100 106 135 23 19
Qu sugieren los estadsticos respecto al sector de la industria? Al
de servicios? Y al de la construccin?
Qu sector es el ms homogneo? Por qu?
En funcin de los valores asumidos en el sector de la construccin,
qu medida es ms pertinente para describir la distribucin? Media o
Mediana? Por qu?

Medidas de Forma
Son medidas numricas que permiten
determinar la forma que tiene la curva de
los datos, por lo tanto, sirven para
corroborar lo que los grficos muestran.
Medidas
de forma
-Asimetra

-Kurtosis o apuntamiento
Coeficiente de Pearson
Coeficiente de Fisher
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Asimetra
Permiten estudiar la forma de la curva,
dependiendo de cmo se agrupan los
datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma:
Asimetra
Coeficiente de Asimetra de Pearson:
Fcil de calcular e interpretar.
Clculo:
( )
s
Md X
ASP

=
3
o Interpretacin:
ASP
= 0, X=Md Simtrica

> 0, X>Md Asimtrica Positiva

< 0, X<Md Asimtrica Negativa
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma:
Asimetra
Coeficiente de Asimetra de Fisher:
No es de fcil clculo, pero si su interpretacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

( )
( )
3
1
3
3
1
3
ns
f x M
ASF
ns
X x
ASF
k
i
i i
n
i
i

=
=

=

=
Datos NO agrupados
Datos Agrupados
Medidas de Forma: Kurtosis
Miden si los valores de la distribucin
estn ms o menos concentrados
alrededor de los valores medios de la
muestra (zona central de la distribucin).
Se definen tres tipos de distribucin segn
su grado de Kurtosis:
Medidas de Forma: Kurtosis
Mesocrtica: grado de concentracin medio
alrededor de los valores centrales de la variable.
Leptocrtica: grado de concentracin elevado.
Platicrtica: grado de concentracin reducido.

Medidas de Forma: Kurtosis
( )
( )
3
3
4
1
4
4
1
4

=
=
ns
f X M
CK
ns
X x
CK
k
i
i i
n
i
i
Datos No Agrupados
Datos Agrupados
Interpretacin:
CK
=0 Mesocrtica

>0 Leptocrtica

<0 Platicrtica
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

ANLISIS DESCRIPTIVO DE ACUERDO AL
NIVEL DE MEDIDA

No todos los procedimientos estadsticos
son realmente tiles para la totalidad de los
niveles de medida. Cada uno de los tipos de
medida posee ciertas caractersticas, las
cuales debemos tener en cuenta en el
momento de realizar un anlisis descriptivo.

ANLISIS DESCRIPTIVO DE ACUERDO AL
NIVEL DE MEDIDA
VEAMOS UN EJEMPLO DONDE SE REFLEJE LA PRCTICA TIL
DE LOS CONCEPTOS Y TRMINOS ESTUDIADOS:

Supongamos que tenemos las edades de dos subgrupos
de un saln de clases de primer ao de contabilidad de
cierta Universidad.

G1: 17 ,18, 20, 21, 17, 18, 19, 18, 17, 18, 18, 17, 18, 19,
20, 21, 22, 20, 17, 18

G2: 17, 17 ,17,18, 18, 17, 19, 19, 18, 17, 20, 17, 17, 18,
18, 19, 20, 19, 17, 18

1. Organizar los datos
2. Qu tipo estadsticos es recomendable obtener?,
Calclelos
3. Qu tipo(s) de grafico empleara usted para caracterizar
estas muestras? , realice la(s) grfica(s).
4. Determine el coeficiente de asimetra y la curtosis.
5. En base a la informacin indique que grupo de
edades presenta mayor variabilidad.

La edad del grupo 1

Frecuencia Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
Vlidos
17 5 25.0 25.0 25.0
18 7 35.0 35.0 60.0
19 2 10.0 10.0 70.0
20 3 15.0 15.0 85.0
21 2 10.0 10.0 95.0
22 1 5.0 5.0 100.0

Total

20

100.0

100.0


Estadsticos

La edad del grupo 1
N
Vlidos 20
Perdidos 0
Media 18.65
Mediana 18.00
Moda 18
Desv. tp. 1.531
Asimetra .760
Error tp. de asimetra .512
Curtosis -.448
Error tp. de curtosis .992
Mnimo 17
Mximo 22
Grfico representativo Edad grupo 1
La edad del grupo 2

Frecuencia Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
Vlidos
17 8 40.0 40.0 40.0
18 6 30.0 30.0 70.0
19 4 20.0 20.0 90.0
20 2 10.0 10.0 100.0
Total 20 100.0 100.0


Estadsticos
La edad del grupo 2
N
Vlidos 20
Perdidos 0
Media 18.00
Mediana 18.00
Moda 17
Desv. tp. 1.026
Asimetra .650
Error tp. de asimetra .512
Curtosis -.671
Error tp. de curtosis .992
Mnimo 17
Mximo 20
Grfico representativo Edad grupo 2
Grfico representativo Edad grupo1, Edad grupo 2