Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Histogramas con intervalos de ancho uniforme Respecto al nmero de intervalos no hay una regla fija, aunque lo razonable es que su nmero aumente al ir aumentando el nmero de datos. Si se utiliza un programa de ordenador este ya dar un nmero de intervalos razonable. Si se hace a mano, una regla sencilla para tomar como referencia es la siguiente:
Nm. de datos 20* 50 50 75 75 100 Ms de 100 Nm. de intervalos 7 10 12 15
Roberto Behar es profesor titular de la Escuela de Ingeniera Industrial y Estadstica de la Universidad del Valle. Cali, Colombia Pere Grima, es profesor titular de la Escuela de Ingenieros Industriales de la Universidad Politcnica de Catalua. Barcelona, Espaa.
Agrupamiento de datos en intervalos de Clase Pero tambin debe tenerse en cuenta que para facilitar la lectura del histograma es importante que la anchura de los intervalos sea un nmero sencillo. Por tanto, la tabla anterior se debe utilizar como primera aproximacin, ya que el nmero exacto estar supeditado a tener un valor adecuado para la anchura de los intervalos. Veamos a travs de un ejemplo los aspectos ms relevantes a tener en cuenta, tanto si los histogramas se construyen con ordenador como si se hacen a mano. La Tabla 1.1 contiene los pesos (en gramos) de 160 piezas de pan , 80 producidas con la mquina 1 y otras 80 con la mquina 2. El valor nominal es de 210 gramos, se considera tolerable una desviacin de 10 y existe inters en conocer y comparar la variabilidad que presentan los pesos en ambas mquinas.
Tabla 1.1: Datos correspondientes al peso, en gramos, de 160 piezas de pan elaboradas con 2 mquinas
Mquina 1
209.2 208.5 204.2 204.0 209.6 208.1 205.2 199.0 197.2 199.1 204.6 214.7 204.1 200.2 201.1 201.3 202.2 194.1 204.8 200.6 209.5 208.7 210.2 203.3 203.7 207.9 204.8 197.7 210.6 207.2 207.0 207.5 196.6 205.5 209.2 203.1 204.4 211.0 201.3 202.3 210.2 206.2 210.5 198.2 213.2 211.0 198.7 202.0 199.5 200.8 200.8 205.8 204.6 208.0 205.5 196.3 202.1 208.4 208.4 204.3 212.0 207.8 205.9 199.9 209.6 206.2 205.8 213.1 215.3 201.2 204.6 200.9 199.4 202.7 200.0 205.5 206.6 202.6 212.3 201.4 214.3 215.3 215.7 212.5 208.4 212.3 208.1 207.5 206.9 209.6 212.2 211.4 209.6 203.5 209.1 208.0 210.0 215.6 214.5 209.1
Mquina 2
221.8 216.7 213.8 210.2 214.9 216.2 211.9 209.9 207.1 209.5 209.8 211.2 209.2 206.9 206.3 207.9 209.4 211.8 207.5 205.8 214.6 212.3 215.2 211.3 212.8 208.4 212.9 210.6 213.6 206.8 207.6 214.4 206.1 210.6 209.8 205.3 209.1 205.4 212.9 212.0 214.4 212.0 202.7 210.4 214.8 210.8 209.0 212.3 212.2 214.2 212.6 212.6 207.1 212.3 211.4 203.6 207.0 209.0 204.3 204.2
La Figura 1.1 muestra los histogramas construidos con Excel (Excel 2000: Herramientas > Anlisis de datos > Histograma) con todos los parmetros por defecto. En ambos casos aparecen 9 barras (deberan tocarse, ya que la variable representada es continua), pero lo ms destacable es que los nmeros que figuran en el eje horizontal son raros y esto dificulta su lectura y la interpretacin del grfico. Adems, como todos los programas adaptan la escala al rango de variacin de los datos, las escalas no son iguales, lo que complica la comparacin.
Mquina 2
Histograma
25
20
Frecuencia
Frecuencia
10 8 6 4 2 0
21 0 21 2, 65 y m ay or ... 19 4, 1 19 9, 4 20 2, 05 20 4, 7 20 7, 35 19 6, 75
15
10
0
21 2, 25 21 4, 63 75 21 7, 02 5 21 9, 41 25 y m ay or ... 75 20 7, 47 5 20 9, 86 25 20 5, 08 20 2 ,7
Clase
Clase
Figura 1.1: Histograma construido con Excel con todos los parmetros por defecto
Si utilizamos Minitab (Versin 13: Graph > Histogram) tambin con todos los parmetros por defecto, aparecen 12 barras para la mquina 1 y 11 para la 2. En este caso, tanto los nmeros que figuran en los ejes como la anchura de los intervalos, son nmeros fciles y adecuados, aunque en el caso de la mquina 1 seguramente sera mejor tener ms valores en el eje horizontal. En cuanto a las escalas, ocurre lo mismo que en el caso anterior. Mquina 1
20
10
Mquina 2
Frequency
Frequency
195 205 215
10
0 202 204 206 208 210 212 214 216 218 220 222
Pesos mquina 1
Pesos mquina 2
Figura 1.2: Histogramas construido con Minitab con los parmetros por defecto
Actuando sobre las opciones de Minitab se han construido los histogramas de la Figura 1.3, en los que los ejes estn marcados con valores fciles de leer, la anchura de los intervalos se ha mantenido en 2 gramos, y se ha forzado que las escalas sean iguales. Tambin se han aadido unas lneas con el valor nominal y las tolerancias. De esta forma, slo dando un vistazo se observa que la mquina 1 est descentrada mientras que la 2 est produciendo bsicamente bien, aunque una unidad ha salido fuera de tolerancias por exceso.
Mquina 2
20
15
15
Frequency
10
Frequency
190 195 200 205 210 215 220 225 230
10
Pesos mquina 1
Pesos mquina 2
Figura 1.3: Histogramas construidos con Minitab actuando sobre las opciones disponibles para conseguir la apariencia deseada
En resumen, si el histograma se construye con un programa de ordenador, los aspectos a tener en cuenta para facilitar su lectura e interpretacin son:
Los ejes, especialmente el horizontal, deben estar marcados con valores fciles de leer. La anchura de los intervalos tambin debe ser un nmero redondo Si se van a comparar varios histogramas, es necesario que todos ellos estn construidos con la misma escala para facilitar la comparacin y evitar confusiones
Si estas caractersticas no aparecen con los parmetros que el programa tiene configurados por defecto, conviene actuar sobre las opciones disponibles para conseguirlo. Y si se hace a mano?. En este caso los pasos a seguir son: 1. 2. 3. 4. 5. Calcular el rango de los datos. En el caso de la mquina 1, R = 215,3 194,1 = 21,2. Plantear un nmero de intervalos en primera aproximacin. En nuestro caso, con 80 datos, la tabla gua indica k =12 intervalos. Calcular la anchura del intervalo, h, y ajustar a un nmero redondo. h = R/k, en nuestro caso h = 21,2/12 = 1,77, y por tanto lo ms razonable es redondear a 2. Tabular los datos de acuerdo con los intervalos definidos. Tener en cuenta que tambin interesa que los lmites de los intervalos, o la marca de clase, sean nmeros sencillos. Construir el histograma. Si se va a comparar con otros, la escala debe ser lo suficiente amplia para que pueda ser comn a todos ellos, y tambin conviene mantener en comn tanto la anchura de los intervalos como sus extremos.
Una consideracin para terminar. Seguramente estaremos de acuerdo en que construir histogramas a mano es una tarea un tanto tediosa, y si hacerlos con ordenador no es posible o implica gestiones y retrasos que no compensan, una buena idea puede ser utilizar una plantilla para recoger los datos de forma que al irlos anotando, el histograma se vaya construyendo slo, tal como se indica, a ttulo de ejemplo, en la Figura 1.4. Incluso aunque
Agrupamiento de datos en intervalos de Clase se tenga ordenador disponible, la inmediatez en el anlisis de los datos que se obtiene con este mtodo puede hacer que sea el ms adecuado. Naturalmente, hay que tener una idea de por donde ir la variabilidad de los datos para poder disear la plantilla, que adems, para su completa identificacin y posibles anlisis comparativos, siempre debe incluir un apartado con la fecha en que se han tomado los datos, su origen, la persona que los tom, etc.
30
25
20
15
10
Figura 1.4: Plantilla de recogida de datos en la que el histograma se va construyendo solo. Los valores se redondean a las unidades y se marca una cruz en el lugar correspondiente.
Eficiencia (%)
80
70 60 0 1 2 3
Para entender en significado de Eficiencia, tomemos el caso de h=2, es decir intervalos de ancho 2 desviaciones estndar, el cual tiene asociada una eficiencia del 75%, que indica que para obtener
2
Fisher Ronald (1922). On Mathematical Foundations of Theorical Statistics. Pages 10308A-10368 In R. A. Fisher: Contributions To Mathematical Statistics. New York: Wiley. First Published in the Philosophical Transactions Seie A. Volume 222 of the Royal Society of London.
Para estimar la desviacin estndar poblacional los intervalos de un ancho 1.6 , producen una eficiencia del 70%.
Conclusiones prcticas.
1. No invierta demasiada energa en afinar las mediciones para obtener datos que van a ser agrupadas, dicha energa adicional invirtala en ms datos menos precisos. 2. Suponiendo que el rango en una distribucin normal es 6 desviaciones estndar, entonces podemos asociar a cada valor h, un nmero de intervalos m, de la siguiente forma:
m=
6 6 = h h
As por ejemplo h=0.2 es equivalente a toma 30 intervalos y h= 0.5 es equivalente a tomar 12 intervalos. En este ltimo caso se tendra una eficiencia de 97.9%. 3. Correccin de Sheppard. El mejor estimador de la varianza 2 para datos agrupados es:
h2 S 2 1 12
Sin embargo cuando se calcula la media y la varianza con el mismo agrupamiento (intervalos de igual ancho), para pruebas de hiptesis no es necesaria la correccin de Sheppard, pues se presenta un efecto cancelativo. Referencia adicional sobre el tema: Gjddbeh N. F. (1949). Contributions to the study of grouped observations: I. Application on the method of maximun likelihood in case of Normality distributed observations. Skandivish Actuarietidsrift 32. 135-159.
3. Tienen que ser todos los intervalos necesariamente del mismo ancho?: El concepto de densidad de frecuencia.
No, no siempre debe ser del mismo ancho, algunas situaciones obligan a usar intervalos de distinto ancho. Por ejemplo cuando se trata de variables como salarios, a menudo es conveniente usar ancho distinto, pues para salarios bajos, pequeas diferencias son importantes, pero las mismas no lo son para salarios altos. As por ejemplo para un salario de 300 unidades monetarias, 30 unidades representa el 10%, sin embargo para salarios de
Agrupamiento de datos en intervalos de Clase 6000 unidades, esta diferencia deja de ser importante. En este caso sera recomendable, usar intervalos cortos al principio de la escala e ir aumentando su tamao. En estos casos de intervalos de diferente tamao, es necesario tener en cuenta que la escala del eje vertical del histograma, debe corresponder con la densidad de frecuencia y no con la frecuencia, pues lo que informa en un histograma es el rea y no las alturas. Cuando los intervalos son del mismo ancho las alturas son proporcionales al rea y las escalas en el eje Y, al usar frecuencia o densidad, solo se diferencian por un factor constante, no produciendo distorsin en el grafico resultante.
R. Behar
El histograma es una de las representaciones grficas de las distribuciones de frecuencias, ms tradicionales y ms usadas. Su relacin conceptual y directa con conceptos como la funcin de densidad de probabilidad, justifica explorar un poco ms aspectos que son ignorados en todos los textos de estadstica que se disponen en el mercado. Ya hemos dicho, que el histograma se interpreta bajo la premisa de que el rea representa la frecuencia, no la altura de los rectngulos. Cuando los intervalos de clase, son de igual anchura, el rea es directamente proporcional a la altura y en este caso las alturas son un indicador de la frecuencia. Pero, esto se da en este caso particular y no vale cuando los intervalos son de diferente ancho, como puede suceder en muchas situaciones de carcter prctico. Veamos un ejemplo:
Disponemos en principio de 500 datos sobre la antigedad de los trabajadores que constituyen la muestra, cada uno de los cuales es clasificado en alguno de los intervalos propuestos. Luego de contar cuantos resultan en cada intervalo de clase, podemos construir un cuadro de frecuencias, como se muestra a continuacin:
(I. Clase)
Frec. Relat.(%)
50 25 200 200 25
TOTAL 500
El nmero de datos en un intervalo es su frecuencia absoluta y si se expresa como un porcentaje del total de datos (500), se da origen a la llamada frecuencia relativa. Este cuadro es la base para construir el histograma que los represente. Cmo construir el histograma? En ese caso colocaremos en el eje X, la variable antigedad de tal manera que dispongamos de una escala que cubra de o a 20 aos.
En nuestro caso podemos construir por ejemplo, el primer rectngulo con base en el primer intervalo 0-2 aos y le colocaremos una altura arbitraria. El area que resulte es equivalente al 10% de los datos ( su frecuencia relativa). Este servir de patrn para construir los rectngulos restantes que constituyen el histograma.
Construyendo el histograma/1
Esta rea representa 10% En 2-3 debe construirse un rectngulo que represente el 5%. Hasta dnde debe subir?
10
15
20
Antiguedad (Aos)
R. Behar 5
De esta manera, puesto que en el intervalo que sigue el que va de 2 a 3 aos de antiguedad contiene 5% de los datos, el ara de su rectngulo debe ser la mitad del anterior, para ello extenderemos su altura hasta donde se necesario para lograrlo.
10
Construyendo el histograma/2
!Resultaron de la misma altura ! Cmo interpretar la altura del rectngulo?
10
15
20
Antiguedad (Aos)
R. Behar 6
Como en ancho del segundo rectngulo es la mita del primero, poniendo su misma altura tendremos la mitad del rea, que representa el 5% de los datos. Note que no obstante que el primer intervalo contiene el doble de datos que el segundo, tienen, en este caso, la misma altura. Este hecho debe llevarnos a la reflexin sobre el significado de la altura de un histograma (eje Y). El tercer intervalo, de 3 a 5 aos, contiene el 40% de los datos, as, en el histograma, su rectngulo correspondiente debe ser representado por un rea equivalente a 4 veces la del primero que tiene 10%, como se muestra a continuacin:
Construyendo el histograma/3
10%
40%
0 2 3 5 10 15 20
Antiguedad (Aos)
R. Behar 7
En estos casos ha sido relativamente sencillo, casi a ojo, asignar la altura adecuada para obtener el rea deseada, pero no siempre ser tan obvia, la situacin.
11
h1*
C1
8
R. Behar
Si queremos que el rea coincida con la frecuencia relativa, al escribir la ecuacin: base por altura igual a porcentaje de datos, se puede despejar la altura que debe ponerse al rectngulo. NOTACIN : La altura la representamos con h * (h con asterisco), reservando la h (sin asterisco) para el porcentaje de datos que contiene el intervalo. As pues, para el primer intervalo: h1 = 10% mientras que h1* = 5% / ao . Practiquemos lo mencionado para calcular la altura h* 4 del rectngulo asociado al cuarto intervalo. Planteemos la ecuacin base por altura igual a porcentaje de datos y despejemos la altura correspondiente:
Construyendo el histograma/4
* h4 * 5 aos = 40 %
20
* h4 = 8 % / ao
Densidad (%/ao)
15 10 5 0
0 5 10 15 20
Antiguedad
R. Behar
12
h1 = 5% / ao . El segundo intervalo contiene 5% de los datos, distribuidos en una unidad * (un ao), lo cual da h2 = 5% / ao .
El tercer intervalo (3 a 5 aos), contiene el 20% de los datos, distribuidos en dos aos, lo * cual indica que en promedio en cada unidad (ao), hay h3 = 10% / ao . Para el cuarto intervalo, en el cual hay el 40% de los datos en 5 unidades (aos), habr en * * promedio h4 = 8% / ao y en el ltimo, 5% en 10 aos, h5 = 0.5% / ao . El siguiente cuadro presenta el resumen de la situacin:
Frecuenc Absoluta.
ni
0-2 2-3 3-5 5-10 10-20 R. Behar TOTAL
*
hi
50 25 200 200 25
h1* =
h1 C1
10% = 5% ao 2 aos
En sntesis, la altura hi de un rectngulo en un histograma, representa en promedio la densidad (concentracin) de los datos, en dicho intervalo, expresado en %/unidad.
Sabiendo que la mayor densidad calculada es 20%/ao, podemos metrizar el eje Y, de 0 a 20%/ao y construir el histograma correspondiente.
13
Histograma de la antigedad
Distribucin de la Antiguedad de una muestra de 500 obreros de la industria Metalmecnica.
20
h*
Densidad (%/ao)
15
10 8 5 0.5 0 2 3 5 10 15 20
Antiguedad (Aos)
R. Behar 11
Entender lo que significa una densidad de frecuencia permitir que tenga sentido la funcin de densidad de probabilidad. El concepto de densidad, permite tambin hacer estimaciones muy razonables de cantidades no explcitas, en los datos agrupados o complicadas de realizar con base en una muestra bruta.
Densidad (%/ao)
15 10 5 0
0 5
Antiguedad
R. Behar 12
Si queremos estimar el porcentaje de trabajadores con antigedad menor o igual que 7 aos, hacemos la siguiente reflexin : Con antigedad de 5 aos o menos hay 55% (es decir 10%+5%+40%), falta por sumar los que tienen antigedad de 5 a 7 aos, pero como en ese intervalo hay 8%/ao, en los dos aos que requerimos habr 16%. As, el porcentaje pedido es 71% (Es decir, 55%+16%).
14
15
Densidad (%/ao)
10
0 0 5 10 15 20
Antiguedad (Aos)
13
Este intervalo toma un ao del tercer intervalo y 3.5 aos del cuarto intervalo. Multiplicando este nmero de unidades por sus densidades respectivas y sumando, se da respuesta a lo pedido. Hagamos un ejercicio ms usando el til concepto de densidad. Calculemos el primer cuartil Q1 para la antigedad, es decir cual es el valor de la antigedad tal que el 25% de los trabajadores no la superan.
10%
Densidad (%/ao)
10
0 0 5 10 15 20
Antiguedad (Aos)
R. Behar 14
En este caso conocemos el rea (25%) y nos piden al valor Q1. Como se conocen los porcentajes de datos en todos los intervalos, podemos determinar con certeza, cual de los intervalos contiene el valor Q1 que estamos buscando. En este caso atrs de 3 aos est el 15% de los datos y atrs de 5 aos, est el 55% de los datos, por lo tanto en algn punto entre 3 y 5 deber estar aquel que deja atrs el 25%.
15
Q1
R. Behar 15
Lo que muestra la ecuacin de arriba es que el 25% se debe completar sumando al 15% de los datos que estn en los primeros dos intervalos, el porcentaje que se halla desde 3 hasta Q1. De all puede despejarse Q1=3.5 aos. Lo cual significa que la cuarta parte los trabajadores tienen 3.5 aos de antigedad o menos. Para verificar que ha comprendido, calcule el segundo y tercer cuartiles y compruebe que ellos son respectivamente: 4.75 aos y 7.5 aos. Observaciones sobre el histograma:
El histograma es un modelo para el conjunto de datos. Como en todo modelo, se hacen simplificaciones con el propsito descubrir algunos rasgos asociados con el cuerpo de datos. En particular, se tiene una foto que describe el bosque, pero que impide ver cada rbol en particular (datos). En la construccin del histograma, hemos supuesto que la densidad (altura de los rectngulos) es constante para cada unidad dentro de un intervalo, es decir, consideramos que dentro de un intervalo, los datos se hallan esparcidos uniformemente, como cuando extendemos mantequilla sobre un pan. Esto es una de las simplificaciones, que nos permiten hacer clculos y estimaciones muy fcilmente, esperando que el verdadero valor que resultara, si tomramos en cuenta los datos crudos originales, no sea muy distinto. Esto ser mas cierto entre mayor sea el nmero de intervalos, pero har cada vez menos sencillo el modelo. La mismas simplificaciones incluidas en el modelo de histograma, permite hacer ms sencilla la estimacin de rasgos de la distribucin como la media, los cuartiles o la desviacin estndar, entre otras.
16