Tema 2

Bioestadística
Tema 2: Estadística Descriptiva
Bioestadística Tema 2: Estadística Descriptiva 1

Parámetros y estadísticos
 Parámetro: Es una cantidad numérica calculada sobre una

población
 La altura media de los individuos de un país
 La idea es resumir toda la información que hay en la población en

unos pocos números (parámetros).
 Estadístico: Ídem (cambiar población por muestra)
 La altura media de los que estamos en este aula.

 Somos una muestra (¿representativa?) de la población.
 Si un estadístico se usa para aproximar un parámetro también se le

suele llamar estimador.
Normalmente nos interesa conocer un parámetro, pero por la dificultad que

conlleva estudiar a *TODA* la población, calculamos un estimador
sobre una muestra y “confiamos” en que sean próximos. Más adelante
veremos como elegir muestras para que el error sea “confiablemente”
pequeño.
Bioestadística Tema 2: Estadísticos 2
Un brevísimo resumen sobre estadísticos
 Posición
 Dividen un conjunto ordenado de datos en grupos con la
misma cantidad de individuos.
 Cuantiles, percentiles, cuartiles, deciles,...
 Centralización
 Indican valores con respecto a los que los datos parecen
agruparse.
 Media, mediana y moda
 Dispersión
 Indican la mayor o menor concentración de los datos con
respecto a las medidas de centralización.
 Desviación típica, coeficiente de variación, rango, varianza
 Forma
 Asimetría
 Apuntamiento o curtosis

Estadísticos de posición
 Se define el cuantil de orden  como un valor de la variable por debajo

del cual se encuentra una frecuencia acumulada 
 Casos particulares son los percentiles, cuartiles, deciles, quintiles,...

Estadísticos de posición
 Percentil de orden k = cuantil de orden k/100

 La mediana es el percentil 50
 El percentil de orden 15 deja por debajo al 15% de las
observaciones. Por encima queda el 85%
 Cuartiles: Dividen a la muestra en 4 grupos con

frecuencias similares.
 Primer cuartil = Percentil 25 = Cuantil 0,25
 Segundo cuartil = Percentil 50 = Cuantil 0,5 = mediana
 Tercer cuartil = Percentil 75 = cuantil 0,75

Ejemplos
 El 5% de los recién nacidos tiene un peso demasiado bajo.
¿Qué peso se considera “demasiado bajo”?
 Percentil 5 o cuantil 0,05
Percentil 5 del peso

25
20
frecuencia
15
10
5
0
1 2 3 4 5
Peso al nacer (Kg) de 100 niños

Ejemplos
¿Qué peso es superado sólo por el 25% de los individuos?
 Percentil 75 o tercer cuartil
Percentil 75 del peso

30
25
20
frecuencia
15
10
5
0
50 55 60 65 70 75 80 85
Peso (Kg) de 100 deportistas

Ejemplos
 El colesterol se distribuye simétricamente en la población. Supongamos
que se consideran patológicos los valores extremos. El 90% de los
individuos son normales ¿Entre qué valores se encuentran los individuos
normales?
Percentiles 5 y 95
20
15
frecuencia
10
5
0
180 200 220 240 260
Colesterol en 100 personas

Ejemplos
 ¿Entre qué valores se encuentran la mitad de los individuos “más

normales” de una población?
 Entre el cuartil 1º y 3º
Percentiles 25 y 75
20
15
frecuencia
10
5
0
150 160 170 180 190
Altura (cm) en 100 varones

Diagrama de cajas de Tukey: Resumen en 5 números
Diagramas de Tukey
0.08
0.06
 Resumen con 5 números:
densidad
 Mínimo, cuartiles y máximo.
0.04
 Suelen dar una buena idea Mín. P25 P50 P75 Máx.
0.02
de la distribución.
0.00
 La zona central, ‘caja’, 40 45 50 55 60 65
contiene al 50% central de Velocidad (Km/h) de 200 vehículos en ciudad
las observaciones.
 Su tamaño se llama ‘rango
intercuartílico’ (R.I.)
Diagrama de cajas de Tukey: Resumen en 5 números
 Es costumbre que ‘los

bigotes’, no lleguen hasta los
0.04
extremos, sino hasta las

0.03
observaciones que se
densidad
separan de la caja en no más

0.02
de 1,5 R.I. Mín. P25 P50 P 75 Máx.

0.01
 Más allá de esa distancia se

consideran anómalas, y así
0.00
se marcan.
80 90 100 110 120 130 140
Velocidad (Km/h) de 200 vehículos en autovía

Ejemplo Estadísticos
Número de años de escolarización

N Válidos 1508
Número de años de escolarización Perdidos 0
Media 12,90
Porcentaje Mediana 12,00
Frecuencia Porcentaje acumulado Moda 12
3 5 ,3 ,3 Percentiles 10 9,00
20 11,00
4 5 ,3 ,7
25 12,00
5 6 ,4 1,1 30 12,00
6 12 ,8 1,9 40 12,00
7 25 1,7 3,5 50 12,00
60 13,00
8 68 4,5 8,0
70 14,00
9 56 3,7 11,7 75 15,00
10 73 4,8 16,6 80 16,00
11 85 5,6 22,2 ≥20%? 90 16,00
12 461 30,6 52,8
13 130 8,6 61,4
14 175 11,6 73,0
15 73 4,8 77,9
16 194 12,9 90,7 ≥ 90%?
17 43 2,9 93,6
18 45 3,0 96,6
19 22 1,5 98,0
20 30 2,0 100,0
Total 1508 100,0

Estadísticos de centralización
Añaden unos cuantos casos particulares a las medidas de posición. En este caso
son medidas que buscan posiciones (valores) con respecto a los cuales los
datos muestran tendencia a agruparse.
 Media (‘mean’) Es la media aritmética (promedio) de los valores de una

variable. Suma de los valores dividido por el tamaño muestral.
 Media de 2,2,3,7 es (2+2+3+7)/4=3,5
 Conveniente cuando los datos se concentran simétricamente con respecto
a ese valor. Muy sensible a valores extremos.
 Centro de gravedad de los datos
 Mediana (‘median’) Es un valor que divide a las observaciones en dos grupos

con el mismo número de individuos (percentil 50). Si el número de datos es
par, se elige la media de los dos datos centrales.
 Mediana de 1,2,4,5,6,6,8 es 5
 Mediana de 1,2,4,5,6,6,8,9 es (5+6)/2=5,5
 Es conveniente cuando los datos son asimétricos. No es sensible a valores
extremos.
 Mediana de 1,2,4,5,6,6,800 es 5. ¡La media es 117,7!
 Moda (‘mode’) Es el/los valor/es donde la distribución de frecuencia alcanza un

máximo.
Altura mediana

Algunas fórmulas
 Datos sin agrupar: x1, x2, ..., xn
 Media
x
 x i i
n
 Datos organizados en tabla
 si está en intervalos usar como xi las marcas de
clase. Si no ignorar la columna de intervalos.
 Media x
 xn i i i
n
Variable fr. fr. ac.
 Cuantil de orden α
L0 – L 1 x1 n1 N1
 i es el menor intervalo que tiene
L1 – L 2 x2 n2 N2
frecuencia acumulada superior a α ·n
...  α=0,5 es mediana
 n  N
Lk-1 – Lk xk nk Nk C  Li 1  i 1
( Li  Li 1 )
n ni
Ejemplo con variable en intervalos
Peso M. frec Fr.

Clase acum.
40 – 50 45 5 5
50 – 60 55 10 15
60 – 70 65 21 36
70 - 80 75 11 47
80 - 90 85 5 52
90 - 100 95 3 55
100 – 130 115 3 58
En el histograma se identifica “unidad de área” con

“individuo”.
Para calcular la media es necesario elegir un punto

representante del intervalo: La marca de clase.
La media se desplaza hacia los valores extremos.

No coincide con la mediana. Es un punto donde el
histograma “estaría en equilibrio” si tuviese masa.

Ejemplo (continuación)
Peso M. Clase Fr. Fr. ac.
40 – 50 45 5 5
x
 xn i i i

45  5  55 10    115  3
 69,3
50 – 60 55 10 15 n 58
60 – 70 65 21 36
70 - 80 75 11 47 0,5  58  N i 1
Mediana  C0,5  Li 1  ( Li  Li 1 )
80 - 90 85 5 52 ni
90 - 100 95 3 55 0,5  58  15 
100 – 130 115 3 58
 60  (70  60)  66,6
21
58
0,75  58  N i 1 43,5  36
P75  C0,75  Li 1  ( Li  Li 1 )  70  (80  70)  76,8
ni 11
 Moda = marca de clase de (60,70] = 65
 Cada libro ofrece una fórmula diferente para la moda (difícil estar al día.)

Variabilidad o dispersión
 Los estudiantes de Bioestadística reciben diferentes calificaciones en la
asignatura (variabilidad). ¿A qué puede deberse?
 Diferencias individuales en el conocimiento de la materia.
 ¿Podría haber otras razones (fuentes de variabilidad)?

 Por ejemplo supongamos que todos los alumnos poseen el mismo nivel de
conocimiento. ¿Las notas serían las mismas en todos? Seguramente No.
 Dormir poco el día del examen, el croissant estaba envenenado...

 Diferencias individuales en la habilidad para hacer un examen.
 El examen no es una medida perfecta del conocimiento.

 Variabilidad por error de medida.
 En alguna pregunta difícil, se duda entre varias opciones, y al azar se elige

la mala
 Variabilidad por azar, aleatoriedad.
Medidas de dispersión
Miden el grado de dispersión (variabilidad) de los datos, independientemente
de su causa.
0.05
Mín. P25 P50 P75 Máx.
 Amplitud o Rango (‘range’):
0.04
Diferencia entre observaciónes extremas.
 2,1,4,3,8,4. El rango es 8-1=7
0.03
 Es muy sensible a los valores extremos.
25% 25% 25% 25%
0.02
Rango intercuartílico
0.01
 Rango intercuartílico (‘interquartile range’): Rango
 Es la distancia entre primer y tercer cuartil.
0.00
 Rango intercuartílico = P
75 - P25 150 160 170 180 190
 Parecida al rango, pero eliminando las observaciones más extremas
inferiores y superiores.
 No es tan sensible a valores extremos.

 Varianza S2 (‘Variance’): Mide el promedio de las desviaciones (al cuadrado) de
las observaciones con respecto a la media.
1
S   ( xi  x )
2 2
n i
 Es sensible a valores extremos (alejados de la media).
 Sus unidades son el cuadrado de las de la variable. De interpretación difícil para un

principiante.
 La expresión es fea, pero de gran belleza ‘natural’ (físicamente). Contiene la

información geométrica relevante en muchas situaciones donde la energía interna de
un sistema depende de la posición de sus partículas.
 Energía de rotación (vía el coeficiente de inercia): patinadores con brazos extendidos

(dispersos) o recogidos (poco dispersos)
 Energía elástica: Muelles ‘estirados’ con respecto a su posición de equilibrio (dispersos)

frente a muelles en posición cercana a su posición de equilibrio (poco dispersos)

Desviación típica (‘standard deviation’)
Es la raíz cuadrada de la varianza
S S 2
 Tiene las misma dimensionalidad 50
(unidades) que la variable. Versión
‘estética’ de la varianza.
40
 Cierta distribución que veremos más

adelante (normal o gaussiana)
30
quedará completamente determinada

por la media y la desviación típica. 20
10
 A una distancia de una desv. típica de la Desv. típ. = 568,43
media hay más de la ‘más de la mitad’. Media = 2023

0 N = 407,00
 A una distancia de dos desv. típica de la

media las tendremos casi todas. Peso recién nacidos en partos gemelares

Dispersión en distribuciones ‘normales’
0.05
0.05
0.04
0.04
0.03
0.03
0.02
0.02
0.01
0.01
xs x  2s
68.5 % 95 %
0.00
0.00
150 160 170 180 190 150 160 170 180 190
 Centrado en la media y a una desv. típica de distancia hay

aproximadamente el 68% de las observaciones.
 A dos desviaciones típicas tenemos el 95% (aprox.)

 Datos ‘casi normales’. Eje ‘x’ medido en desviaciones típicas…
 ¿Encuentras relación entre rango intercuartílico y desviación típica?
 ¿Y entre los ‘bigotes’ y dos desviaciones típicas? ¿Podrías
caracterizar las observaciones anómalas?
0.3
0.3
densidad
densidad
0.2
0.2
xs
0.1
x  2s
0.1
x s x  2s
66 % 95 % 71 % 94 %
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
0.4
0.3
0.3
densidad
densidad
0.2
0.2
0.1
x s x  2s
0.1
xs x  2s
68 % 94 % 70 % 94 %
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3

Coeficiente de variación
S
Es la razón entre la desviación típica y la media. CV 
 Mide la desviación típica en forma de
“qué tamaño tiene con respecto a la media”
x
 También se la denomina variabilidad relativa.
 Es frecuente mostrarla en porcentajes

 Si la media es 80 y la desviación típica 20 entonces CV=20/80=0,25=25% (variabilidad
relativa)
 Es una cantidad adimensional. Interesante para comparar la variabilidad de

diferentes variables.
 Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos presentan más
dispersión en peso que en altura.
 No debe usarse cuando la variable presenta valores negativos o donde el valor 0

sea una cantidad fijada arbitrariamente
 Por ejemplo 0ºC ≠ 0ºF
 Los ingenieros electrónicos hablan de la razón ‘señal/ruido’ (su inverso).

Asimetría o Sesgo
 Una distribución es simétrica si la

mitad izquierda de su distribución
es la imagen especular de su mitad
derecha.
 En las distribuciones simétricas

media y mediana coinciden. Si sólo
hay una moda también coincide
 La asimetría es positiva o negativa

en función de a qué lado se
encuentra la cola de la distribución.
 La media tiende a desplazarse

hacia las valores extremos (colas).
 Las discrepancias entre las

medidas de centralización son
indicación de asimetría.

Estadísticos para detectar asimetría
 Hay diferentes estadísticos que sirven para detectar asimetría.
 Basado en diferencia entre estadísticos de tendencia central.
 Basado en la diferencia entre el 1º y 2º cuartiles y 2º y 3º.
 Basados en desviaciones con signo al cubo con respecto a la media.
 Los calculados con ordenador. Es pesado de hacer a mano.
 En función del signo del estadístico diremos que la asimetría es

positiva o negativa.
 Distribución simétrica  asimetría nula.
0.20
0.5
0.20
0.4
0.15
0.15
0.3
0.10
0.10
0.2
0.05
0.05
0.1
xs xs
xs
66 % 78 %
78 %
0.00
0.00
0.0
8 10 12 14 16 18 20 -2 -1 0 1 2 3 0 2 4 6 8 10 12 14
Bioestadística Tema 2:x Estadísticos 26
x x
Apuntamiento o curtosis
La curtosis nos indica el grado de apuntamiento (aplastamiento) de una distribución
con respecto a la distribución normal o gaussiana. Es adimensional.
Platicúrtica (aplanada): curtosis < 0
Mesocúrtica (como la normal): curtosis = 0 En el curso serán de especial

interés las mesocúrticas y
Leptocúrtica (apuntada): curtosis > 0 simétricas (parecidas a la normal).
Aplanada Apuntada como la normal Apuntada

2.0
0.8
0.3
1.5
0.6
0.2
1.0
0.4
0.1
0.5
0.2
x s
xs x s
68 %
57 % 82 %
0.0
0.0
0.0
0.0 0.2 0.4 0.6 0.8 1.0 -3 -2 -1 0 1 2 3 -2 -1 0 1 2

Ejercicio: descriptiva con SPSS
28%
Descriptivos para Número de hijos n=419
25%
Estadístico Error típ. n=375

Media 1,90 ,045 25%
Intervalo de Límite
1,81 17%
confianza para la inferior
20%
media al 95% Límite n=255 14%
Porcentaje
superior 1,99 n=215
15%
Media recortada al 5% 8%
1,75 10%
n=127
4%
Mediana 2,00 n=54 2% 2% 1%
5%
Varianza 3,114 n=24 n=23 n=17
Desv. típ. 1,765
Mínimo 0
0 1 2 3 4 5 6 7 Ocho o más
Máximo 8
Número de hijos
Rango 8
Amplitud intercuartil  Está sombreado lo que sabemos interpretar hasta ahora.
Verifica que comprendes todo. ¿Qué unidades tiene cada
3,00 estadístico? ¿Variabilidad relativa?
Asimetría 1,034 ,063  Calcula los estadísticos que puedas basándote sólo en el
Curtosis 1,060 ,126 gráfico de barras.

¿Qué hemos visto?
 Parámetros
 Estadísticos y estimadores
 Clasificación
 Posición (cuantiles, percentiles,...)
 Diagramas de cajas
 Medidas de centralización: Media, mediana y moda
 Diferenciar sus propiedades.
 Medidas de dispersión
 con unidades: rango, rango intercuartílico, varianza, desv.
típica
 sin unidades: coeficiente de variación
 ¿Qué usamos para comparar dispersión de dos poblaciones?
 Asimetría
 positiva
 negativa
 ¿Podemos observar asimetría sin mirar la gráfica?
 ¿Cómo me gustan los datos?
 Medidas de apuntamiento (curtosis)
 ¿Cómo me gustan los datos?

Tema 2

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 2

Cargado por

Copyright:

Formatos disponibles

Bioestadística

Tema 2: Estadística Descriptiva

Bioestadística Tema 2: Estadística Descriptiva 1

 Parámetro: Es una cantidad numérica calculada sobre una

 La altura media de los individuos de un país

 La idea es resumir toda la información que hay en la población en

 Estadístico: Ídem (cambiar población por muestra)

 La altura media de los que estamos en este aula.

 Si un estadístico se usa para aproximar un parámetro también se le

Normalmente nos interesa conocer un parámetro, pero por la dificultad que

Bioestadística Tema 2: Estadísticos 4

 Se define el cuantil de orden  como un valor de la variable por debajo

 Casos particulares son los percentiles, cuartiles, deciles, quintiles,...

Bioestadística Tema 2: Estadísticos 5

 Percentil de orden k = cuantil de orden k/100

 Cuartiles: Dividen a la muestra en 4 grupos con

Bioestadística Tema 2: Estadísticos 6

Percentil 5 del peso

Peso al nacer (Kg) de 100 niños

Percentil 75 del peso

Peso (Kg) de 100 deportistas

Bioestadística Tema 2: Estadísticos 8

180 200 220 240 260

Colesterol en 100 personas

 ¿Entre qué valores se encuentran la mitad de los individuos “más

150 160 170 180 190

Altura (cm) en 100 varones

 Es costumbre que ‘los

extremos, sino hasta las

separan de la caja en no más

de 1,5 R.I. Mín. P25 P50 P 75 Máx.

 Más allá de esa distancia se

Velocidad (Km/h) de 200 vehículos en autovía

Bioestadística Tema 2: Estadísticos 11

Número de años de escolarización

Bioestadística Tema 2: Estadísticos 12

 Media (‘mean’) Es la media aritmética (promedio) de los valores de una

 Mediana (‘median’) Es un valor que divide a las observaciones en dos grupos

 Moda (‘mode’) Es el/los valor/es donde la distribución de frecuencia alcanza un

Bioestadística Tema 2: Estadísticos 14

Peso M. frec Fr.

En el histograma se identifica “unidad de área” con

Para calcular la media es necesario elegir un punto

La media se desplaza hacia los valores extremos.

Bioestadística Tema 2: Estadísticos 16

Bioestadística Tema 2: Estadísticos 17

 Diferencias individuales en el conocimiento de la materia.

 ¿Podría haber otras razones (fuentes de variabilidad)?

 Dormir poco el día del examen, el croissant estaba envenenado...

 El examen no es una medida perfecta del conocimiento.

 En alguna pregunta difícil, se duda entre varias opciones, y al azar se elige

 Amplitud o Rango (‘range’):

 No es tan sensible a valores extremos.

 Sus unidades son el cuadrado de las de la variable. De interpretación difícil para un

 La expresión es fea, pero de gran belleza ‘natural’ (físicamente). Contiene la

 Energía de rotación (vía el coeficiente de inercia): patinadores con brazos extendidos

 Energía elástica: Muelles ‘estirados’ con respecto a su posición de equilibrio (dispersos)

Bioestadística Tema 2: Estadísticos 20

 Cierta distribución que veremos más

quedará completamente determinada

media hay más de la ‘más de la mitad’. Media = 2023

 A una distancia de dos desv. típica de la