Clase1 2015

CONCEPTOS BSICOS Y
ESTADSTICA DESCRIPTIVA
ESTADISTICA
UVALPO CAMPUS SANTIAGO
2015
Concepto de Estadstica
Se refiere a un conjunto de mtodos para
manejar la obtencin, presentacin y anlisis
de observaciones numricas.
Tema 1. Introduccin
Concepto de Estadstica
Sus fines son describir al conjunto de datos
obtenidos y tomar decisiones o realizar
generalizaciones acerca de las caractersticas de
todas las observaciones bajo consideracin.
Tema 1. Introduccin
reas que conforman a la
Estadstica
Estadstica Descriptiva (Deductiva): es la

encargada de la organizacin,
condensacin, presentacin de los datos
en tablas y grficos y del clculo de
medidas numricas que permitan
estudiar los aspectos ms importantes de
Tema 1. Introduccin
los datos.
DESCRIBIR
reas que conforman a la
Estadstica
Estadstica Inferencial o Inferencia

Estadstica: est definida por un conjunto
de tcnicas, mediante las cuales se hacen
generalizaciones o se toman decisiones en
base a informacin parcial obtenida
mediante tcnicas descriptivas.
Tema 1. Introduccin
INFERIR
reas de Aplicacin de la
Estadstica
El uso de la Estadstica es muy amplio. Resulta

difcil nombrar un rea en la cual no se emplee.
Los mtodos estadsticos han encontrado aplicacin
en:
Gobierno
Negocios
Ciencias Sociales
Tema 1. Introduccin
Ingeniera
Ciencias Fsica y Naturales
Control de Calidad
Procesos de Manufactura
Muchos otros campos de la actividad intelectual.
reas de Aplicacin de la
Estadstica
Esto se debe a la creciente facilidad con la

cual se pueden manejar grandes
cantidades de datos numricos, debido al
uso de
Tema 1. Introduccin
Conceptos de Poblacin y
Muestra
Poblacin: es la coleccin de todas las
posibles mediciones u observaciones que
pueden hacerse de una variable bajo
estudio.
Tema 1. Introduccin
Muestra
Se clasifica en dos categoras:
Finita: es aquella que incluye una cantidad limitada
contable de observaciones, individuos o medidas.
Siempre que sea posible alcanzar (contar) el nmero
total de todas las posibles mediciones, se considera
como finita la poblacin.
Tema 1. Introduccin
Muestra
Infinita: es aquella que incluye un gran conjunto de
observaciones o mediciones que no pueden
alcanzarse por conteo. Al menos, hipotticamente,
no existe lmite en cuanto al nmero de
observaciones que el experimento puede generar.
Tema 1. Introduccin
Muestra
Muestra:
es un conjunto de mediciones u observaciones
tomadas a partir de una poblacin.
es un subconjunto de la poblacin.
Tema 1. Introduccin
Muestra
Muestra aleatoria: se considera aleatoria
siempre y cuando cada observacin, medicin
o individuo de la poblacin tenga la misma
probabilidad de ser seleccionado.
Tema 1. Introduccin
Tipos de datos y escalas de
medida
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:
Tema 1. Introduccin
son los valores que toma la variable en cada caso.
Tipos de datos
Cualitativos: son datos que solo toman valores
asociados a las cualidades o atributos, clasificndolos
en una de varias categoras, es decir, no son valores
numricos. Ej:
Sexo: f/m.
Hbito de fumar: Fumador/No fumador
Color de ojos: negro, azul, marrn,
Tema 1. Introduccin
Religin: catlica, evanglica,
Estado civil: soltero, casado, divorciado,
Tipos de datos
Cuantitativos: provienen de variables que pueden
medirse, cuantificarse o expresarse numricamente.
Ejemplos:
Peso
Edad
Estatura
Presin
Tema 1. Introduccin
Humedad
Intensidad de un sismo
Cantidad de hermanos
Escalas de medida
Tipos de variables cuantitativas:
Discretas: es aquella que solo puede tomar un
nmero finito o infinito numerable de valores.
Ejemplo: cantidad de hermanos.
Continuas: es la variable que puede tomar cualquier
valor en una escala continua. Ejemplo: cantidad de
Tema 1. Introduccin
lquido contenido en un recipiente.
Escalas de medida
Escala Nominal.
Variables Cualitativas
Escala Ordinal.
Escala de Intervalos.
Escala de Razn o Proporcin. Variables
Cuantitativas
Tema 1. Introduccin
Escala Absoluta.
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 (>, <, , ) sino solo las de
igualdad o diferencia.
Tema 1. Introduccin
Ejemplos: color de ojos, sexo, profesin,
estado civil, religin.
Escalas de medida
Escala ordinal: existe un cierto orden o
jerarqua entre las categoras (>, <, , ).
Ejemplos: grados militares, organigrama de
una empresa, escalafn de los profesores
universitarios, grados de disnea, estadiaje de
un tumor.
Tema 1. Introduccin
Escalas de medida
Escala de Intervalos: valores numricos de las

variables y adems de las relaciones de orden
(>, <, , ), se pueden establecer distancias, es
decir, tienen sentido las operaciones de suma
y resta. Tiene dos propiedades:
Tema 1. Introduccin
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.
Escalas de medida
Ejemplo: temperatura, nivel de ruido,
movimientos ssmicos.
Tema 1. Introduccin
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 (>, <, ,
) y distancia (+,-), se pueden establecer
Tema 1. Introduccin
mltiplos y proporciones.
Ejemplos: peso, altura, volumen
Escalas de medida
Escala Absoluta: se caracteriza porque los
valores que toma la variable son el resultado de
contar y por lo tanto, est constituida por los
enteros positivos y el cero.
Ejemplos: nmero de hermanos, cantidad de
autos vendidos, cantidad de accidentes en una
Tema 1. Introduccin
interseccin, cantidad de hijos,
Datos Univariantes y
Multivariantes
Univariantes o unidimensionales: slo recogen
informacin sobre una caracterstica (Ej: edad
de los alumnos de una clase).
Bivariantes o bidimensionales: recogen
informacin sobre dos caractersticas de la
poblacin. (Ej: edad y estatura de los alumnos
Tema 1. Introduccin
de una clase).
Datos Univariantes y
Multivariantes
Multivariantes o pluridimensionales: recogen
informacin sobre tres ms caractersticas.
(Ej: edad, estatura y peso de los alumnos de
una clase).
Tema 1. Introduccin
Abusos que se pueden cometer
con 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.
Tema 1. Introduccin
Ciertas categoras de personas no responden
correctamente.
Respuestas voluntarias (sesgadas).
TEMA 2. ESTADSTICA DESCRIPTIVA
Organizacin de los datos
Una vez que se ha

realizado la
recoleccin de los
Tema 2. Estadstica Descriptiva

datos, se obtienen
datos en bruto, los
cuales rara vez son
significativos sin
una organizacin y
tabulacin.
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.
Organizacin de los
datos
Una distribucin de frecuencias: es un arreglo
de los datos que permite expresar la frecuencia
de ocurrencias de las observaciones en cada
una de las clases, mostrando el patrn de la

distribucin de manera ms significativa.
Clase Pto. ni fi Ni Fi
Medio
La Distribucin de Frecuencias:
Se recomienda su uso cuando se tienen
grandes cantidades de datos (n).

Su construccin requiere, en primer lugar, la
seleccin de los lmites de los intervalos de
clase.
Para definir la cantidad de intervalos de clase
(k), se puede usar:
La regla de Sturges: k = 1 + 3.3log(n)
k = n
La cantidad de clases no puede ser tan pequeo

(menos de 5) o tan grande (ms de 20), que la
verdadera naturaleza de la distribucin sea
imposible de visualizar.

La amplitud de todas las clases deber ser la
misma. Se recomienda que sea impar y que los
puntos medios tengan la misma cantidad de
cifras significativas que los datos en bruto.
Los lmites de las clases deben tener una cifra
significativa ms que los datos en bruto.
Determinar:
Punto medio = (Li+Ls)/2.
Frecuencia absoluta de la clase (ni).

Frecuencia acumulada de la clase (Ni).
Frecuencia relativa de la clase (fi):
fi = ni/N
Frecuencia relativa acumulada de la clase (Fi).
Ejemplos de Distribucin de
Frecuencias
A continuacin se presentan las

calificaciones de 60

estudiantes.
Ejemplos de Distribucin de
Frecuencias
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.
Representacin grfica de los
datos
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.
datos
Histograma
datos

Histograma y Polgono de Frecuencias
datos

Ojiva
datos
Para datos cualitativos se usan:
Curvas
Barras

Sectores
datos
Barras
Barras
datos
Curvas
datos
Sectores, torta o circular

Ejemplos de construccin de
grficos

Medidas de tendencia central o
posicin
Corresponden a valores que generalmente se
ubican en la parte central de un conjunto de
datos.

Forma como los datos pueden condensarse en
un solo valor central alrededor del cual todos
los datos muestrales se distribuyen.
Medidas de tendencia central o
posicin
Las medidas de tendencia central ms
importantes son:
Media: Aritmtica y Aritmtica ponderada.

Mediana.
Moda.
Media Aritmtica
Es la suma de todas las observaciones dividida entre el
nmero total de observaciones.
Expresada de forma ms intuitiva, podemos decir que la
media aritmtica es la cantidad total de la variable

distribuida a partes iguales entre cada observacin.
(wikipedia)
Por ejemplo, si en una habitacin hay tres personas, la
media de dinero que tienen en sus bolsillos sera el
resultado de tomar todo el dinero de los tres y dividirlo a
partes iguales entre cada uno de ellos. Es decir, la media es
una forma de resumir la informacin de una distribucin
(dinero en el bolsillo) suponiendo que cada observacin
(persona) tendra la misma cantidad de la variable.
(wikipedia)
Clculo de la media
aritmtica
Para datos no agrupados:
n
x i

X i 1
N
Para datos agrupados:
k
xn i i
X i 1
N
Donde: xi: punto medio de la clase i
ni: frecuencia absoluta de la clase i
k: cantidad de clases
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.
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.
Clculo de la mediana
Datos agrupados: clase mediana es la que

contiene a la observacin que ocupa la
posicin n/2.

n
N ( xm 1 )
Md Li 2 a
n ( xm )
Donde: Lm: lmite inferior de la clase mediana.

N(xm-1): frecuencia acumulada de la clase
anterior a la clase mediana.
n(xm): frecuencia absoluta de la clase mediana.
a: amplitud de la clase mediana.
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.
Clculo de la moda
Para datos no agrupados: es simplemente la

observacin que ms se repite.
Para datos agrupados:

1
Mo Li a
1 2
Donde: Lim: lmite inferior de la clase modal.
1: diferencia entre fi de la clase modal y la
anterior.
2: diferencia entre fi de la clase modal y la
posterior.
a: amplitud de la clase modal (clase de mayor
frecuencia).
Relacin entre la media, la
mediana y la moda

Cuando los datos son sesgados es mejor emplear la Md
Propiedades, ventajas y
desventajas de la media
Propiedades:
La suma de las diferencias entre las media muestral y
el valor de cada observacin es cero.
La media de una constante es la constante.

Si todas las observaciones xi se multiplican por una
constante a, la X tambin se debe multiplicar por ese
mismo valor constante.
Si se somete a una variable estadstica X a un
cambio de origen y escala, Y = a + bX, la media
aritmtica de dicha variable X vara en la
misma proporcin.

La media de la suma de dos variables es igual a
la suma de sus medias.
Ventajas:
Emplea en su clculo toda la informacin
disponible.

Se expresa en las mismas unidades que la
variable en estudio.
Es el centro de gravedad de toda la
distribucin, representando a todos los valores
observados.
Es una valor nico.
Se trata de un concepto familiar para la
mayora de las personas.
Es til para llevar a cabo procedimientos

estadsticos como la comparacin de medias de
varios conjuntos de datos.
Desventajas:
Se ve adversamente afectada por valores extremos,
perdiendo representatividad.
Si el conjunto de datos es muy grande puede ser

tedioso su clculo manual.
No se puede calcular para datos cualitativos.
No se puede calcular para datos que tengan clases de
extremo abierto, tanto superior como inferior.
Ventajas y desventajas de la
mediana
Ventajas:
Fcil de calcular si el nmero de
observaciones no es muy grande.

No se ve influenciada por valores
extremos, ya que solo influyen los valores

centrales.
Fcil de entender.
mediana
Se puede calcular para cualquier tipos de datos
cuantitativos, incluso los datos con clase de
extremo abierto.

Es la medida de tendencia central ms
representativa en el caso de variables que solo
admiten la escala ordinal.
mediana
Desventajas:
No utiliza en su clculo toda la informacin
disponible.

No pondera cada valor por el nmero de veces
que se ha repetido.
Hay que ordenar los datos antes de
determinarla.
moda
Ventajas:
No requiere clculos.
Puede usarse para datos tanto cuantitativos

como cualitativos.
Fcil de interpretar.
No se ve influenciada por valores extremos.
Se puede calcular en clases de extremo abierto.
moda
Desventajas:
Para conjuntos pequeos de datos su valor
no tiene casi utilidad, si es que de hecho

existe. Solo tiene significado en el caso de
una gran cantidad de datos.
No utiliza toda la informacin disponible.
No siempre existe, si los datos no se
repiten.
moda
En ocasiones, el azar hace que una sola
observacin se no representativa se el valor
ms frecuente del conjunto de datos.

Difcil de interpretar si los datos tiene 3 o ms
modas.
Medidas de dispersin, variacin o
variabilidad.
Son valores numricos que indican o describen
la forma en que las observaciones estn
dispersas o diseminadas, con respecto al valor
central.

variabilidad.
Son importantes debido a que dos muestras de
observaciones con el mismo valor central
pueden tener una variabilidad muy distinta.

variabilidad.
Rango.
Varianza.
Desviacin Tpica.

Coeficiente de variacin.
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.
Rango
Casi no se emplea debido a que depende
nicamente de dos valores.
No proporciona una medida de variabilidad de

las observaciones con respecto al centro de la
distribucin.
Notacin: R
Medidas de dispersin: Varianza
Es un valor numrico que mide el grado de

dispersin relativa porque depende de la
posicin de los datos x1,x2,,xn con respecto a

la media.
Es el promedio al cuadrado de las desviaciones
de cada observacin con respecto a la media.
Notacin: s2, 2, var(X)
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.
x x
n
2
i
Para datos NO s2 i 1
agrupados: n
n
i
x 2
2
s
2 i 1
x
n
Medidas de dispersin: Varianza
Para datos agrupados en una distribucin

de frecuencias:
k

im x 2
fi
s2 i 1
n
k
i fi
m 2
x
2
s2 i 1
n
Desviacin Tpica
Es la raz cuadrada de la varianza.

Notacin: s, .

s s 2
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
s
CV 100%
x
Ventajas y Desventajas del
Rango
Ventajas:
til cuando se quiere conocer la extensin de
las variaciones extremas (valor mximo de la

dispersin).
Fcil de calcular.
Rango
Desventajas:
No es una MD con respecto al centro de la
distribucin.

Solo emplea dos valores en su clculo.
No se puede calcular en distribuciones de
lmite de clase abierto.

Propiedades, Ventajas y
Desventajas de la Varianza
Propiedades:
1. Siempre es mayor o igual a cero y menor que
infinito.

2. La varianza de una constante es cero.
3. Si a una variable X la sometemos a Y=a+bX, la
varianza de Y ser Var(Y) = b2Var(X)
Propiedades, Ventajas y
Desventajas de la Varianza
Ventajas:
Es til cuando se compara la variabilidad de dos o
ms conjuntos de datos.
Utiliza toda la informacin disponible.

Desventajas:
No proporciona ayuda inmediata cuando se estudia
la dispersin de un solo conjunto de datos.
Difcil de interpretar por tener sus unidades elevadas
al cuadrado.
Ventajas y Desventajas de la
Desviacin Tpica
Ventajas:
Esta expresada en las mismas unidades que la
variable en estudio.

Utiliza todas las observaciones en su clculo.
Fcil de interpretar.
Desventajas:
No tiene.
Ventajas:
Es la nica MD que permite comparar el nivel
de dispersin de dos muestras de variables

diferentes.
Emplea toda la informacin disponible en su
clculo.
Fcil de calcular.
Desventaja:
No es una MD con respecto al centro de la
distribucin de los datos.

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.

Coeficiente de Pearson
- Asimetra
Medidas Coeficiente de Fisher
de forma - Kurtosis o apuntamiento
Medidas de Forma:
Asimetra
Permiten estudiar la forma de la curva,
dependiendo de cmo se agrupan los datos.

Medidas de Forma:
Asimetra
Coeficiente de Asimetra de Pearson:

Fcil de calcular e interpretar.

Clculo:

3 X Md
ASP
s
o Interpretacin:
= 0, X=Md Simtrica
ASP > 0, X>Md Asimtrica Positiva
< 0, X<Md Asimtrica Negativa

Medidas de Forma:
Asimetra
Coeficiente de Asimetra de Fisher:

No es de fcil clculo, pero si su interpretacin.

x X
n
3
i
ASF i1
3
Datos NO agrupados
ns
M x f
k
3
i i
ASF i1 Datos Agrupados
ns3
Medidas de Forma:
Asimetra
o Interpretacin:
= 0, Simtrica

ASF > 0, Asimtrica Positiva
< 0, Asimtrica Negativa

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
x X
n
4
i
CK i1 4
3 Datos No Agrupados
ns

M X
k
4
i fi
CK i1 4
3 Datos Agrupados
ns
Interpretacin:
=0 Mesocrtica
CK >0 Leptocrtica
<0 Platicrtica
Referencias:
. Probabilidad y Estadstica. Mc Graw-Hill.
Triola, Mario F. Estadstica. Pearson.

Clase1 2015

Cargado por

Información del documento

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

Clase1 2015

Cargado por

Copyright:

Formatos disponibles

CONCEPTOS BSICOS Y

Estadstica Descriptiva (Deductiva): es la

Estadstica Inferencial o Inferencia

El uso de la Estadstica es muy amplio. Resulta

Esto se debe a la creciente facilidad con la

Escala nominal: los datos se pueden

Escala de Intervalos: valores numricos de las

Escala de razn o proporcin: es la ms

Conclusiones errneas debido a que los datos

Una vez que se ha

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

La cantidad de clases no puede ser tan pequeo

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

A continuacin se presentan las

Tema 2. Estadstica Descriptiva

a) Construya una distribucin de frecuencias.

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Datos agrupados: clase mediana es la que

Tema 2. Estadstica Descriptiva

Donde: Lm: lmite inferior de la clase mediana.

Tema 2. Estadstica Descriptiva

Para datos no agrupados: es simplemente la

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

observaciones no es muy grande.

Tema 2. Estadstica Descriptiva

extremos, ya que solo influyen los valores

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Es un valor numrico que mide el grado de

Tema 2. Estadstica Descriptiva

Tema 2. Estadstica Descriptiva

Para datos agrupados en una distribucin

Es la raz cuadrada de la varianza.

Tema 2. Estadstica Descriptiva