Introduccin a la Estadstica Descriptiva

La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una poblacin, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc) y trata de extraer conclusiones sobre el comportamiento de estas variables. Las variables pueden ser de dos tipos: Variables cualitativas o atributos: no se pueden medir numricamente (por ejemplo: nacionalidad, color de la piel, sexo). Variables cuantitativas: tienen valor numrico (edad, precio de un producto, ingresos anuales). Las variables tambin se pueden clasificar en: Variables unidimensionales: slo recogen informacin sobre una caracterstica (por ejemplo: edad de los alumnos de una clase). Variables bidimensionales: recogen informacin sobre dos caractersticas de la poblacin (por ejemplo: edad y altura de los alumnos de una clase). Variables pluridimensionales: recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso de los alumnos de una clase). Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas: Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podr ser 3,45). Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehculo puede ser 80,3 km/h, 94,57 km/h...etc.

Apunte Estadstica Descriptiva

Matemtica I

Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes conceptos: Individuo: cualquier elemento que porte informacin sobre el fenmeno que se estudia. As, si estudiamos la altura de los nios de una clase, cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo. Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten informacin sobre el fenmeo que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha ciudad. Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo.

Apunte Estadstica Descriptiva

Matemtica I

Distribucin de frecuencia
La distribucin de frecuencia es la representacin estructurada, en forma de tabla, de toda la informacin que se ha recogido sobre la variable que se estudia. Variable (Valor) x X1 X2 ... Xn-1 Xn x n1 n2 ... nn-1 nn Frecuencias absolutas Simple x n1 n1 + n2 ... Acumulada x f1 = n1 / n f2 = n2 / n ... Frecuencias relativas Simple x f1 f1 + f2 ... Acumulada

n1 + n2 +..+ nnfn-1 = nn-1 / n f1 + f2 +..+fn-1 1 n fn = nn / n f

Siendo X los distintos valores que puede tomar la variable. Siendo n el nmero de veces que se repite cada valor. Siendo f el porcentaje que la repeticin de cada valor supone sobre el total

Veamos un ejemplo:

Apunte Estadstica Descriptiva

Matemtica I

Medimos la altura de los nios de una clase y obtenemos los siguientes resultados (cm): Alumno x Alumno 1 Alumno 2 Alumno 3 Alumno 4 Alumno 5 Alumno 6 Alumno 7 Alumno 8 Alumno 9 Alumno 10 Estatura x 1,25 1,28 1,27 1,21 1,22 1,29 1,30 1,24 1,27 1,29 Alumno x Alumno 11 Alumno 12 Alumno 13 Alumno 14 Alumno 15 Alumno 16 Alumno 17 Alumno 18 Alumno 19 Alumno 20 Estatura x 1,23 1,26 1,30 1,21 1,28 1,30 1,22 1,25 1,20 1,28 Alumno x Alumno 21 Alumno 22 Alumno 23 Alumno 24 Alumno 25 Alumno 26 Alumno 27 Alumno 28 Alumno 29 Alumno 30 Estatura x 1,21 1,29 1,26 1,22 1,28 1,27 1,26 1,23 1,22 1,21

Si presentamos esta informacin estructurada obtendramos la siguiente tabla de frecuencia: Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 x 1 4 4 2 1 2 Frecuencias absolutas Simple x 1 5 9 11 12 14 Acumulada x 3,3% 13,3% 13,3% 6,6% 3,3% 6,6% Frecuencias relativas Simple x 3,3% 16,6% 30,0% 36,6% 40,0% 46,6% Acumulada

Apunte Estadstica Descriptiva

Matemtica I

1,26 1,27 1,28 1,29 1,30

3 3 4 3 3

17 20 24 27 30

10,0% 10,0% 13,3% 10,0% 10,0%

56,6% 66,6% 80,0% 90,0% 100,0%

Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos una tabla de frecuencia muy extensa que aportara muy poco valor a efectos de sntesis. (tal como se ver en la siguiente leccin).

Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes resultados (cm): Habitante Estatura Habitante Estatura Habitante Estatura x Habitante 1 Habitante 2 Habitante 3 Habitante 4 Habitante 5 x 1,15 1,48 1,57 1,71 1,92 x Habitante 11 Habitante 12 Habitante 13 Habitante 14 Habitante x 1,53 1,16 1,60 1,81 1,98 x Habitante 21 Habitante 22 Habitante 23 Habitante 24 Habitante x 1,21 1,59 1,86 1,52 1,48

Apunte Estadstica Descriptiva

Matemtica I

15 Habitante 6 Habitante 7 Habitante 8 Habitante 9 Habitante 10 1,39 1,40 1,64 1,77 1,49 Habitante 16 Habitante 17 Habitante 18 Habitante 19 Habitante 20 1,20 1,42 1,45 1,20 1,98

25 Habitante 26 Habitante 27 Habitante 28 Habitante 29 Habitante 30 1,37 1,16 1,73 1,62 1,01

Si presentramos esta informacin en una tabla de frecuencia obtendramos una tabla de 30 lneas (una para cada valor), cada uno de ellos con una frecuencia absoluta de 1 y con una frecuencia relativa del 3,3%. Esta tabla nos aportara escasa informacin

En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la informacin queda ms resumida (se pierde, por tanto, algo de informacin), pero es ms manejable e informativa: Estatura Cm x 1,01 - 1,10 1,11 - 1,20 1,21 - 1,30 1,31 - 1,40 1,41 - 1,50 1,51 - 1,60 1,61 - 1,70 1,71 - 1,80 Frecuencias absolutas Simple x 1 3 3 2 6 4 3 3 Acumulada x 1 4 7 9 15 19 22 25 Frecuencias relativas Simple x 3,3% 10,0% 10,0% 6,6% 20,0% 13,3% 10,0% 10,0% Acumulada x 3,3% 13,3% 23,3% 30,0% 50,0% 63,3% 73,3% 83,3%

Apunte Estadstica Descriptiva

Matemtica I

1,81 - 1,90 1,91 - 2,00

2 3

27 30

6,6% 10,0%

90,0% 100,0%

El nmero de tramos en los que se agrupa la informacin es una decisin que debe tomar el analista: la regla es que mientras ms tramos se utilicen menos informacin se pierde, pero puede que menos representativa e informativa sea la tabla. A continuacin veremos como se construye una tabla de frecuencias de una variable continua y sus principales elementos.

Construccin de una distribucin de frecuencias

Una distribucin de frecuencias es una herramienta estadstica muy til para organizar un grupo de observaciones. Distribucin de frecuencias: Es una serie de datos agrupados en categoras, en las cuales se muestra el nmero de observaciones que contiene cada categora. Los pasos para la construccin de una distribucin de frecuencias son mejor explicados con un ejemplo.

Ejemplo:
Los siguientes datos son el nmero de meses de duracin de una muestra de 40 bateras para coche.

Apunte Estadstica Descriptiva

Matemtica I

22 34 25 33 47

41 16 43 31 38

35 31 34 37 32

45 33 36 44 26

32 38 29 32 39

37 31 33 41 30

30 47 39 19 42

26 37 31 34 35

El rango

Rango = Dato mayor Dato menor = 47 16 = 31

Nmero tentativo de los intervalos de clase (NIC) El nmero de intervalos puede ser como mnimo 5 y como mximo 15 , dependiendo del nmero de datos, algunos valores sugeridos son lo siguientes:

Nmero de intervalos 5 6 7 8 9 10

Nmero mximo de datos 32 64 128 256 512 1024

Tamao o Amplitud de los Intervalos de Clase (tic)

TIC =

Rango NIC

31 6

= 5.16 se redondea a 5

Para facilitar la clasificacin de los datos, el Tic se redondea a una cifra mas o menos cerrada.

Apunte Estadstica Descriptiva

Matemtica I

Primer lmite inferior Usualmente, el lmite inferior del primer intervalo de clase es un mltiplo del tamao del intervalo (tic), en este problema el tic es de 5, entonces el primer lmite inferior ser el mayor mltiplo de 5 pero inferior o igual al dato menor, el 15.

Lmite inferior y superior de cada intervalo Se comienza en el primer lmite inferior al que se le va sumando el tic, hasta llegar a un valor mximo antes de superar el valor del dato mayor. Los lmites superiores se calculan con la siguiente frmula: LS = LI + TIC 1 LI 15 20 25 30 35 40 45 LS 19 24 29 34 39 44 49

Lmites Reales o Fronteras de Clase Los lmites anteriores son llamados lmites oficiales pero no son los reales. Los lmites reales son el punto medio entre el lmite superior y el lmite inferior del siguiente intervalo.

Apunte Estadstica Descriptiva

Matemtica I

LI 15 20 25 30 35 40 45

LS 19 24 29 34 39 44 49

LSR 19.5 24.5 29.5 34.5 39.5 44.5 49.5

LSR = LS + LIsig 2

Marca de clase (Xi) La marca de clase, tambin llamada punto medio del intervalo es la mitad de la distancia entre los lmites inferior y superior de cada intervalo. La marca de clase es el valor ms representativo de los valores del intervalo.

LI 15 20 25 30 35 40 45

LS 19 24 29 34 39 44 49

LSR 19.5 24.5 29.5 34.5 39.5 44.5 49.5

Xi 17 22 27 32 37 42 47

Xi = LI + LS 2

Clasificacin de los datos y conteo de frecuencias Clasificar las observaciones en los intervalos. La prctica usual es marcar con una lnea ( / ) que representa una observacin. En el ejemplo la observacin 22 se clasifica en el intervalo 20 24 porque se encuentra entre el 20 y el 24 inclusive. Una vez clasificados todos los datos se cuentan las lneas de cada intervalo y el resultado es la frecuencia absoluta (ni) de cada intervalo de clase. LI LS 15 19 // 20 24 / cuenta ni 2 1

Apunte Estadstica Descriptiva

Matemtica I

25 30 35 40 45

29 34 39 44 49

//// ///// ///// ///// ///// ///// ///// ///

4 15 10 5 3

Distribucin de frecuencia relativa Se pueden convertir las frecuencias de clase en frecuencias relativas de clase (fi) para mostrar los porcentajes de observaciones en cada intervalo de clase. Para convertir una distribucin de frecuencia en una distribucin de frecuencia relativa cada una de las frecuencias absolutas se dividen entre el nmero total de observaciones.

LI 15 20 25 30 35 40 45

LS 19 24 29 34 39 44 49

LSR 19.5 24.5 29.5 34.5 39.5 44.5 49.5

Xi 17 22 27 32 37 42 47 N=

ni 2 1 4 15 10 5 3 40

fi 2 / 40 = .05 1 / 40 = .025 4 / 40 = .1 15 / 40 = .375 10 / 40 = .25 5 / 40 = .125 3 / 40 = .075

Distribuciones de frecuencia acumulada Si queremos responder preguntas como cuntas observaciones (bateras) estn por debajo de 40?, o qu porcentaje de observaciones (bateras) caen por debajo de 30?. Las respuestas a estas preguntas pueden ser contestadas con una distribucin de frecuencia acumulada (Ni) o por una distribucin de frecuencia relativa acumulada. (Fi) Las distribuciones de frecuencia acumulada se usan cuando queremos determinar cuantas observaciones, o que porcentaje de observaciones estn debajo de cierto valor.

Apunte Estadstica Descriptiva

Matemtica I

La distribucin de frecuencia acumulada de cierto intervalo se calcula sumando las frecuencias de clase desde el primer intervalo hasta la frecuencia de clase del intervalo de inters. Si queremos la frecuencia acumulada del intervalo 25 29, sumamos las frecuencias de clase 2 + 1 + 4 = 7.

La distribucin de frecuencia relativa acumulada de cierto intervalo se calcula dividiendo la frecuencia acumulada entre el nmero total de observaciones LI 15 20 25 30 35 40 45 LS 19 24 29 34 39 44 49 LSR 19.5 24.5 29.5 34.5 39.5 44.5 49.5 Xi 17 22 27 32 37 42 47 N= ni 2 1 4 15 10 5 3 40 fi .05 .025 .1 .375 .25 .125 .075 Ni 2 3 7 22 32 37 40 Fi .05 .075 .175 .55 .8 .925 1

Representacin Grfica Otra forma de representar lo datos obtenidos en el proceso de recoleccin es construyendo un grfico de stos. Tres grficas que nos ayudarn a representar grficamente una distribucin de frecuencias son el histograma, el polgono de frecuencia y la ojiva de frecuencia acumulada.

Apunte Estadstica Descriptiva

Matemtica I

El histograma El histograma es una de las grficas mas ampliamente utilizadas y una de las mas fciles de entender. Un histograma describe una distribucin de frecuencia utilizando una serie de rectngulos adyacentes donde la altura de cada rectngulo es proporcional a la frecuencia de clase que representa., mientras que el eje x los intervalos se ven representados por sus respectivas marcas de clase. Cabe sealar que el histograma se puede construir a base de la frecuencia absoluta o con los datos de la frecuencia relativa. Polgono de frecuencia El polgono de frecuencia consiste de segmentos de lnea conectando los puntos formados por la interseccin de las marcas de clase y las frecuencias de clase. El polgono de frecuencia relativa es similar al anterior solo que en este se muestran porcentajes, es decir las frecuencias relativas de cada clase. En la siguiente pgina se encuentran las grficas del histograma tanto para la frecuencia absoluta como para la frecuencia relativa, as como los respectivos polgonos de frecuencia, para el ejemplo que henos estado desarrollando.

Apunte Estadstica Descriptiva

Matemtica I

Apunte Estadstica Descriptiva

Matemtica I

Ojivas de Frecuencia Acumulada Las distribuciones de frecuencia acumulada y frecuencia relativa acumulada se presentan grficamente con las ojivas de frecuencia acumulada y frecuencia relativa acumulada, que es una grfica de segmentos de lnea que une los puntos donde se cruzan los lmites reales con las frecuencias acumulada y relativa acumulada de cada intervalo de clase. Note que el eje de las X se deben ubicar las fronteras de clase de cada uno de los intervalos En nuestro ejemplo estas grficas seran:

Apunte Estadstica Descriptiva

Matemtica I

Medidas de posicin central

Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas caractersticas de esta serie de datos. Las medidas de posicin son de dos tipos: a) Medidas de posicin central: informan sobre los valores medios de la serie de datos. b) Medidas de posicin no centrales: informan de como se distribuye el resto de los valores de la serie. a) Medidas de posicin central Las principales medidas de posicin central son las siguientes: 1.- Media: es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: Media aritmtica: se calcula sumando todas las observaciones y luego ese resultado se divide por el total de datos de la muestra:

a)

X =

x1 + x 2 + .......... ..... + xn n

En el caso de que los datos provengan de una tabla de frecuencias, la media aritmtica queda definida por la suma de las multiplicaciones de las marcas de clase de cada uno de los intervalos por su respectiva frecuencia absoluta, dividida por el total de observaciones, es decir:

X =

x i * ni n

Apunte Estadstica Descriptiva

Matemtica I

b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican todo estos resultados y al producto fiinal se le calcula la raz "n" (siendo "n" el total de datos de la muestra).

Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media geomtrica. La media geomtrica se suele utilizar en series de datos como tipos de inters anuales, inflacin, etc., donde el valor de cada ao tiene un efecto multiplicativo sobre el de los aos anteriores. En todo caso, la media aritmtica es la medida de posicin central ms utilizada. Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna informacin. Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como geomtrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos valores anmalos podran condicionar en gran medida el valor de la media, perdiendo sta representatividad. 2.- Mediana: es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su clculo toda la informacin de la serie de datos (no pondera cada valor por el nmero de veces que se ha repetido). En el caso de que el nmero de datos sea impar, la mediana es el valor que queda exactamente en el centro de los datos una vez que han sido ordenado de menor a mayor, mientras que si el nmero de observaciones es par, entonces la mediana corresponder al

Apunte Estadstica Descriptiva

Matemtica I

promedio entre los dos valores centrales que quedan el centro de la distribucin ordenada de menor a mayor. Para determinar la mediana en una tabla de frecuencias, primero se ubica el intervalo que contenga al menos al 50% de las observaciones, para luego en dicho intervalo aplicar la siguiente frmula:

n c N ( i 1) 2 Me = Li + ni
donde: Li: Frontera de clase inferior del intervalo que contiene a la mediana c: Amplitud del intervalo N(i-1): Frecuencia acumulada hasta la clase anterior a la que contiene a la mediana ni: Frecuencia absoluta del intervalo que contiene a la mediana 3.- Moda: es el valor que ms se repite en la muestra. En el caso de tablas de frecuencia en el intervalo con mayor frecuencia se aplica la siguiente frmula:

1 Mo = Li + c + 1 2
Donde:

Li: Frontera de clase inferior del intervalo con mayor frecuencia c: Amplitud del intervalo 1: Diferencia entre la frecuencia mayor y la anterior a ella 2: Diferencia entre la frecuencia mayor y la posterior a ella

Apunte Estadstica Descriptiva

Matemtica I

Ejemplo: vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los alumnos que vimos en la leccin 2. Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 x 1 4 4 2 1 2 3 3 4 3 3 Frecuencias absolutas Simple x 1 5 9 11 12 14 17 20 24 27 30 Acumulada x 3,3% 13,3% 13,3% 6,6% 3,3% 6,6% 10,0% 10,0% 13,3% 10,0% 10,0% Frecuencias relativas Simple x 3,3% 16,6% 30,0% 36,6% 40,0% 46,6% 56,6% 66,6% 80,0% 90,0% 100,0% Acumulada

Vamos a calcular los valores de las distintas posiciones centrales: 1.- Media aritmtica: (1,20*1) + (1,21*4) + (1,22 * 4) + (1,23 * 2) + ......... + (1,29 * 3) + (1,30 * 3) Xm = ------------------------------------------------------------------------------------------------30 Luego: Xm = 1,253 Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm.

2.- Media geomtrica: X= ((1,20^ 1) * (1,21^4) * (1,22^ 4) * .....* (1,29^3)* (1,30^3))

Apunte Estadstica Descriptiva

Matemtica I

^ (1/30) Luego: Xm = 1,253 En este ejemplo la media aritmtica y la media geomtrica coinciden, pero no tiene siempre por qu ser as. 3.- Mediana: La mediana de esta muestra es 1,26 cm, ya que por debajo est el 50% de los valores y por arriba el otro 50%. Esto se puede ver al analizar la columna de frecuencias relativas acumuladas. En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se situara exactamente entre el primer y el segundo valor de este grupo, ya que entre estos dos valores se encuentra la divisin entre el 50% inferior y el 50% superior. 4.- Moda: Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo tanto esta seria cuenta con 3 modas.

Medidas de dispersin
Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos. Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes: 1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor ms bajo. 2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamao de la muestra.

Apunte Estadstica Descriptiva

Matemtica I

La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn. 3.- Desviacin tpica: Se calcula como raz cuadrada de la varianza. 4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media.

Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de una clase (leccin 2) y vamos a calcular sus medidas de dispersin. Variable (Valor) x x Frecuencias absolutas Simple x Acumulada x Frecuencias relativas Simple x Acumulada

Apunte Estadstica Descriptiva

Matemtica I

1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30

1 4 4 2 1 2 3 3 4 3 3

1 5 9 11 12 14 17 20 24 27 30

3,3% 13,3% 13,3% 6,6% 3,3% 6,6% 10,0% 10,0% 13,3% 10,0% 10,0%

3,3% 16,6% 30,0% 36,6% 40,0% 46,6% 56,6% 66,6% 80,0% 90,0% 100,0%

1.- Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el rango de esta muestra es 10 cm. 2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego, aplicamos la frmula:

Por lo tanto, la varianza es 0,0010 3.- Desviacin tpica: es la raz cuadrada de la varianza.

Luego:

4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media de la muestra. Cv = 0,0320 / 1,253

Apunte Estadstica Descriptiva

Matemtica I

Luego, Cv = 0,0255

El inters del coeficiente de variacin es que al ser un porcentaje permite comparar el nivel de dispersin de dos muestras. Esto no ocurre con la desviacin tpica, ya que viene expresada en las mismas unidas que los datos de la serie. Por ejemplo, para comparar el nivel de dispersin de una serie de datos de la altura de los alumnos de una clase y otra serie con el peso de dichos alumnos, no se puede utilizar las desviaciones tpicas (una viene vienes expresada en cm y la otra en kg). En cambio, sus coeficientes de variacin son ambos porcentajes, por lo que s se pueden comparar.

Apunte Estadstica Descriptiva

Matemtica I