‘TALLER DE PROBABILIDAD Y ESTADISTICA PARA PROFESORES EN EJERCICIO. Federico De Oli IPA) indice general 1. Introduecién 1.2. {Qué entendamos por Extadistica? 3. Btepas do un estudio estadistin 2, La Estadistien Deseriptiva 24. Ietrodueciéa pein de una variable 231. Variables catogéricas cde atsibuto 0 cua’ 23.2. Variables Cusntitativas 24. Naviables Cuslitativas Nominales 241, ‘Tabla de frecanneias Federico De Olivera LamasINDICE GENERAL 26. 242. Gritoos 248, Mecidas de Eesumen Vatiables Cualitativas Ondina et 252. Tabla de Prewenciaa 252. Gritcos 253, Mocidas de Eesumnen Variables unntitatins, no rupadas on itervloe 25.1, Tabla de fecsencias 252. Gritooe 25.3. Mecidas de rasumen para varasles euanitativas xo agru- pads en intervalos| ‘Vasiblebls cunntitativas agrspadas en intervals “Tabla de ls ibucion de Presuencise itieas Medidas de sesumnen Medidas de disperse 27.5. Hjeicteos os CMS, Faderico De Olivera LamasCapitulo 1 Introduccion 1.1. Introduccién x? se i vuelto importante para todos los que estan dedicados a la clencia © los radar a hace del Foro, jquées estadiitca? y jqué pued> éta hacer? Fay definciones y pereepeiones popul de Josqque signifi ‘Vemos “estadisticasde vida” -dehuneiones, matrimoaios, dela palabra “estatistieas” oan lelos veces indica una lista de mimerce 0 datos, ivorcios, ete, El se pi lianente vasiado yy ls mayor part En este curso no enfatizacemes Ins estaistias como “cases” sino que pensaremes ‘pero que 12 son las inicas coms que debemos conocer Faderico De Olivera Lamas 4 1. Intraduceidn 114, La Estadfstiea y el Métedo Cientifico {Algune voz te has progun-ado emo se lega a la verded acerca de los fensmenas f= La autoridad: algo era ciertosélo pote una cierta autor d Igesia 0 autoridad cette lo afirmaoa. Esta “uente de co de las personas oen la ineapscidad de verfiear, por a mismas acop-an como vid, esinndecuado para cetermina: Ia verdad, Es el caso, por ejemplo, del caso ‘en que existon dos explicaciones Kgiensrazonables paralear Ia verdad, se fran valuaciin objet- va, que es lo que lo dstingue de los otsos métodos. El métaca cientific es Dastenteditec-o: por in medio, goneraknente un rezonaniento deducti- is dea teorinexistente una inducesin a. ‘Aqui es dende ln Estadistica eabrn sn papel rlevante: uno de sis principales jobjetivos es evaluar,en forma ciontifca las afimaciones o hipéitsis plantendas Jos analiza y ext-e eonclusiones geverales 0 eyes so Esti in de las probabilidades, considerada ica. Uno de los cbjetivas de un trabajo Inniue- presencia ce la incentidubre Por ejemplo, iptesis ce que estt aumeatando investigavones mane Faterico De Olivera Laman 6 1. Intraduceidn veles cle azicaren sangre os cuales corren de desamollar diabetes, en alin memento de su vida, Pars conprobar is se mcogen mucsiras do sangre an ayunas de un grupo de 500) adolescentes de una determinsdla ciudal. Se les mide el uivel de mos de glucasa por decilito de s de dich ciudad tenga loner diabetes, sangre I que lo eva las conclusiores obtenias de este trabajode invest gacién, dads de Ta ciudad pueden tomar medias de politica te cha situeién en © ft 0, por ejemplo, fomertar los de on Ia exenela, prot establecimientos sscolares. 1.1.3. Btapas de un estudio estadistico 1. PIANTRAMINETO DEL PROBLEMA: Federico De11 Introduccion i 4) Definir el objetivo de la investignetén, Por ejemslo: diversas Organizaciones internacionales han dirigido su ‘endmeno. se obse pranas ex adol tendientes « a prevencidn de esta problemética socal 2) Definir la poblacién o un-verso: ese conjunto completo de i Igador et 1 easo del ejemple anterior, serfan tedos los alolescentes atge 0, objets a dates que el ado ey est 6) Definir el tipo de informacién quese desea extracr de la elementos do Ia potlacién: podrian sex ddo preguntas, observaciones pues ser dein erés 1) Se les puede cvequear la capacidad de audicién, matida en cantic Faterico De Olivera Laman 1. Intraduceidn 2) Preguntar euintas vooes al mes concu made 100 deibeles Variable 4: Tiempo, madido en -ninutos a dia, _mision con auricular, 2. REcOGIMA DE LA IRFORMAGON MussTRAL Por lo genwral, ao se puede dsponer del valor db todas Ins variables para los Jos elementos de la poblaciin, por ejemplo ps atonces se seleccionan algunas de s peblacion = Je aa muestra. Six cabo una encuosta que eure & 1000 adolescentesazzentinas ‘nel euestionario que étainclaye, spl demise cealizarles un chequeo auditvo. 5. ANSusis Descriprivo pe Los Datos OsrestDos: Estavisrics Dascrapriea: Federico Deduced 9 sum de diversas formas de acuerdo @ nuestro interés, un eonjunts de Adator obtenides de la realidad. Los coajuatos de datos no o-ganizades re sultan de poco valor. Sin embargo se dispone de téenicasestadistiens para Siqificativa tablas de frecuencia, medidas de resumen, entre otros todoe los datos que fetoe comtienen, Y se scan conchusiones particulares, a relacén a esa parte de la poblacin que fue estudinda, Por ejemalo, se por conocer ew adolescentes, ecuchan misica 10s minutes por dia, en promed, estos 1000 suricuares. Y también e podré saber ceil sel pores Inpmencia Esrapisnes Una eee rados,aralizados 7 resumid los datos de la muestra, pode= far de ver més alls de podemos ae tas ten cistinstas téenieas eetadisticas como som la estimacidn cn prueba de potesis po de rxzonamiento que vy db alli que a Ia taf Faterico De Olivera Laman 10 1. Intraduceidn Sahiendo exis ntos po" dia, en promedic, estos 1000 adolescents, escuchan msica con auricular (dato eportado por la Pstdistiea Deserip- ), se puede “estinar”, con certo margen de erzor prefijado per el in- dor, cus es dicho prouedia pero entze todos los adalescentes Federica Be Olivera LamasCapitulo 2 La Estadistica Descriptiva 2.1. Introduccién itrario, por ser un ned 4 Ia poblacion resulta de suma impartancia considerar, para as! eviter malentendidce, tergiversaciones o earores, Federico De Olivera Lamas 12 2. La Estaditica Des 2.2. Descripcién de una variable 2.2.1, Esquema: Técnicas para resumir informacion correspondinntes cada categoria, sficos y funeiones . rsa (va 4 Histograima de frecuencias (vari 4 Ojiea» grafico de la Funsiin de dicts (variables cuanitativas y eualitasvas ordnales). Taub «Diagram de tals hoje, # Dingrama de caja 1 Medias de resumen: + Medicis de posciin + Medias de dispersn ‘¢ Modidas de fornia Federica Be Olivera Lamasgeneris 3 2.3. Conceptos generales RECORRIDO Y TIPOS DE VARIABLES: Es el conjunto de todos los valores que, en teria, puede tomar Ie variable De acuerdo a su recorrido, oxisten difwrentes tipos de variables. Sec! fn dos grandes grupos Ietivaso de atributes, inles categnicas 0. 2, y la variables medibles 0 cuantitotivas, 2.3.1. Variabies categéricas o de atributo o cuslitativas Son aguills que no son cusatifeables, «= deci: que par su recdeecién my ine tervienen mediciones, aunque cada distinto valor dela variable, que lamaremas ceategorta puede se ssociado con un mimero, con Ia sinica finalidad de simpli fia el procesamien:o de Tos sates, esis ests un posible record): ) de ajos(Lnegros, 2.castaias, 3.grses, deelstes, 5.verdes, (ume, re) co (L.baje, 2 promedio, B.sobre). 4. el estado mutriional (1.bueno, 2regular, malo) Las dos los son de variables evalitativas nominates, qu son ningsin orden Faderico De Olivera Lamas a relaciin "mayer que.® “menor gue” 2.8.2. Variables Cuantitativas Son variables que resultar: de contat o med clettas caracteistiens de lo ele ‘mentos de la munsiza, Se expresan numériesmente, » dichos valores se usarén algebrai tea fin de rvalizar eKeulos, a diferencia de loe nimeros acgnadas 5 2. Cantidad do cigarilis fumadhs por dis, por ls estudiantes de Biologia 3. Leestatura de un juzador de basquetball ce eeupenncién de ‘ma mujer puede tener 1.02 hijos, pro no 1 hijo ¥ mecio. ‘on de variables ewantitativas continuas pcs davis dos valores de lava siempre ‘otro valor: entre una altura de 2 my otm Federica Be Olivera Lamasan jugaccr que tenga una altura en dicho intersalo, apesur de que nue: siros instrumentos de medicien, egerd un momento, que no tendein Ia presen sslecuada como pars natat Carrcorias: # Categorias mutuamente exeluyentes: no se deben superpaner. Cunlyvier oheervacidn s debe eoocar siloen uns categoria, x0 debe haber armbigiedades jemplos: 1. Varieble X: eaaticad de dis por semana que trabaja na persona Faterico De Olivera Laman Recortide ce X + 0)1:2;35455:6;7}. Paedo considerar jecor'ido de la variable; o sino podria comsiderar como cat- 2:45:45}, 6:7). 2. Variable Y: peso de ls bebss en ke, nacidas a termi, Peale recoride: [23:5] . Pardo tomar como categoria ls sigueates in- fs dependiends de os cexcluyentes, pues se superponen, 2.4, Variables Cualitatives Nominales Ejempbo 1 LX = tipo de misica que prefiere. E, recamido de X se agrupa, a elccién del in vestgucor, en las categories i { rock (iaeluye pop, heavy), salsa ritimos ttinoamricanas), new age, folklore, melidice (incluye bol lisa, otcos} Los datos obtenidas a partir de una muestra de 10 estudiantes son les siguiente Federica Be Olivera Lamas4 Tos dats no fa En casos, # mimero de observaciones hace muy ar a couche ones inmediataseiateresantes sobre le variablede interés. Entonces organizamos hos dates 2.4.1. Tabla de distribucién de frecuencias para variables Cualitativas Nominales 1 1 L Fotkre [if 2/02 1 0 1 Faderico De Olivera Lamas 18 2. La Bata Des o de observaciones d cavegorin. + frecuencia elativas: hi, Ia eoporein de obeervaciones de cada cavegorin: ne Observaciin: El perceataje de observiciones de cada categoria es 10. BB Inter's fundamental de ae frecuenciasrelatvas es permiten comparat las pro- signacas a ends categoris, entre muostras co di ts tama. le Feeeuaneias abso so Den faeran mutuamente excluyentes suniarian mis de a, = las Freewanciae rlatira so pre pores a 1,0 fy <1 kes de todas las Frecuencia roativas es 1: ue esto suced, Federica Be Olivera Lamas24 Variables Cus Observacién: El estremo experior d> las su problema, y con carla forma de agrupar los datos: represer categoria, 2.4.2. Graficos para Variables Cualitativas Not Gréfico @ Dingrama de Barras En el ee horizontal van Jos valores que toma la vatiable icntegortas o clases). frecuencias absolstas o ls elativas, La las es slo deeseala. Pero generalmentese utilizan hs frecuencia rlatvas, parque Ia altura de cada barra seré entonces le propore'én que sv obtuve para a clase o categoria, Las barras deben poseer el mismo expecor, pues al diferencia est les alturas;y debet a SOc por La grea debe estar bien centrada, pare lo eal deben obeervaree Jos yalores estremoe, de modo que no qreden desproporcionadee, Fn Ia fen amos el Grifico de Barras del plo 1 Fietograma o Diagrama Cirenlar HI Pictograma es ota repre mea , al diagranna de barras tres, cnn dteas proporcionales Consiste ex un cea quese repent alas frecuencins de cada una de las categoria. Faterico De Olivera Laman Bn Ja Bigura 2.2 ralizamos el verama del ejemplo 2.4.8. Medidas de Resumen para Variables Cualitativas Nominales ‘Moda » Modo Bn otras palabras, la eat esto ejempla-el mace es rack BI Modo es la medida natural eon ques desctibe una variable evlitativa, pues es valor mis represent por serel ms frcuente, Observar que puede existir ‘és de uns clase con la mixima freuen selativa, En ese eas, el mod no et ‘inieo. $i exis mes bimocal Federica Be Olivera Lamas25 Vaviables a Figura 22: Pictograma con porcentajes paral ejemplo 2 2.5. Variables Cualitativas Ordinales Kjemplo 2 Considererios Ja variable X dada por LX = opinién sobre a posibililad de que Uruguay clasfique para ol prixime mundial Fie tes tenidosa partir d Faderico De Olivera Lamas 8 lisifiea segaro peca probasle lables cualativas ondinates es similar al de Las alitatvas nomales: en primer Ligar organizamoe 0 datos en una tabla de distsiburin de freuencian 2.5.1, Tabla de distibucién de frecuencias para Var‘ables Cualitativas Ordinales ‘Comencemas hacienda Ia tabla de Eecenciae para el ejemplo 2 Categorias ()) he re pabte(2) | iy 2 [a2 Probatie(s) | if 2 [a2] 05 Muy prooabie(s) | 7 t [aal oo ifica seguro(5}| f/f) 4 [ at] 1,00 otal 2=10] 1 A ifereaeia de las categorise ls variables cuaitativas nomina es, las categorias de las variables sualitatime ordinsles vienea ofdenatas de forma natural , y idon de distribudién de f-eenencias acwmnmadas Federica Be Olivera Lamas25 Vaviables Cu vas Ordinaes 2 2 la sma de Tas freee ss de tors las cetegorias anteriores a Ln catego Faye hin Matt hy Auaunas canactunisticas pe Fy sox: 1 Bl primer valar coincide con la ficcuencia rlativa ce la primera categoria, 1 yl ltimo valores siempre 1, acemés 0 = FF es no deers fe, pues crece 9 se mantiene constante Iwrenprerscisy nF ln propercidn de sbseryaciones que tienen encegorias anterior a ln categoria Por ejempl {= 3 correspond a ta eatugorin probable, yentonces: F=09 significa que el 1% de estos estudiantes (en la rustea) piensan que, jo, os probable que Uruguay elasifique 2.5.2. Gréficos para variables Cualitativas Ordinales Diagrame de barras Hl éingrama de bareas par a arras para varcbles cu que existe nln figura 2:3 ves el diagrama de barras corespondiente al ejemplo 2 Faterico De Olivera Laman 4 2. La Estadistica Dessriptiva Grafico de Barras Figura 2.5: Grafica de Barras con frecuenciaerelaiva para el ejempls 2 Pietogramna Ojiva 9 Grafica de la Puncién Acunmulada Empitiea F para variables (Calitativas Ordinales Para variables cvaitativas otdinales la grafca de Fe realize eon baras ete cientes, Bn la figura 2.5 vemos la Ojivn corespondien al ejemplo 2 ‘Veamos mediante un ejerccio parte de la invarmacidn que podemos obtener de iouciin de frecuencia Federico De25 Vaviables 25 2% 2. La Bstad Ejercicio 1 Pictograma A partir de las funciones hy y Fy pademos cantestar una serie de preguatas No easifea(t) 10% 1, Porcentaje de persoxas que opinan que por lo menos es probable que clas- cue. ea Poco sopret) patie) 2. Parcentaje de personas que opinan que somo miizimo es p2co probsble que ont ea 2. Porcentaje de personas que opinaz qt poco probeble a clasitique 4. Parcentaje de persoras que opinan que clasifca seguro, la el SC% de las personas? Probable (3) de las personas 0 wwe como Ny probabie(4) 20% P pinan 9 10% Figura 2 2 5. ¢ Qué categoria scum Pictogr 25% de las personas? porcentajes paca ol menos el 25% de las personas opinan que como c Ojiva ‘ la el 75% de las per 1% de las 1 que a Solucién: o 0 é y S - , 2. 30% “ 2 w% 4. Le categoria que acumula el 50% de las pe Figura 2.5: Ojiva pata e ejemplo 2 = probable, Faderico De Olivera Lamas Federica Be Olivera Lamas© no clasifica, o es peco probable, 0 como indximo es srobable que Jo haga. nas es: poco probable Alinanos un 25 % de las personas opinan cue, como maximo, es poco prob able que clasifque. Es ceeir: al menos un 255% de les persones piensan que Unugiay: 0 n0 clasfiea 0 es poco provable qu lo hag 6, Lis categoria que acuantla el 7555 de le personas es: elasifiea seguro, 108 75% de I p como méaxino, es seKurO que Uniguay dasitiea, 2.5.3. Medidas de resumen para les Varizbles Caalitativas Ordinales = Moda o Modo: Fs Ia clase o cctogoria que tione ln mayor recuenci rel ativa (0 absoluta). En ruestro ejemplo el modo es dasifca seguro. ‘= Modiana : Bsla catego: que acumula 150% de las abeervasones. ,Cémo vy detects cual ea primers categoria que aleanza jén, En nuestra caso na es; probable * Primer cuarsl : Es lacategoria que acumul el 25% de las observaciones. {:Céno encontenrla? observo Fy detecto cual es Is primera categot ans, en esta f caso el arimer Faderico De Olivera Lamas Ejercieio 2 Teniendo In cod no clasifion poce probable probable ‘muy probable lasien so tenemas que el promedio para los datos observados es pat tD+G-H+44 6 H545+5)_ Xa EAH S HET decir, en promedio el grupo encnestado epina que se en fad €e probable: 3 yam lasfique al préximo Federica Be Olivera Lamas25 Vaviables lasifica segue nos la siguiente codifcac no sasificn poco probable probable | 3 ible [4 elas sere | 10 8) gCémo exmbia ést> ef promedio? ) {Qué oping sobre caleular promedios con varubles cua ales? Ejercieio 3 Su Woe una enceeste «as estudiantes para indagar que < tos de ux determaado profesor, para ello sles ba -guntas con las pasitles eategorias: acepiable bueno muy bueno Tene ido calectar el pr Faderico De Olivera Lamas Variables cuantitativas, no agrupadas en intervalos no agruparse en intorvalos Ejemph & Sea fa variable X dada pos X= eantidad de pasonas gue habitan en el hogar de forma siilar 108 bs datos en une26 Var a 2.6.1, Tabla de distribucién de frecuencias para Variables Cuantitativas no agrupadas en intervalos Categorias: 3 = ale) RPG) zi 7 1 OL 2 2 08 3 2 05 1 i 06 3 a 1 relativa acumulada de 1 ‘de cbservacienes 4 n valores menores 0 24, Por gjempl = €6, significa que el 60% de estos tra vi con 4 persenas omens 2.6.2. Gréficos para variables cuantitativas no agrupadas en intervalos istograma, Faderico De Olivera Lamas 2 2. La Bstad Histogramas de frecuencias ous o oss 0a 028 “ Figura 26 lo frocuercias para el En eles pueden las frec.enciagreativas, por el mismo motive expresaco para la variables euali- tative, tas corte com e] lelgadas basras Atencién: Los puntos puetea ser prolongados con unal je Or, para mejorar su visualizacion verticaes a figura 2.6 oaservamos el histograma de ‘ieeuencies relatives para el eemplo Federica Be Olivera LamasPictograma 10% 17; Pictogeama de freeuencias para el ejemplo 3. les evantitaivas ova sento con uma funein secrionalmente constant; forma sscalonads, donde cada ‘calén se da en los valores x del recorido de la vasiable. Esto os as ts Faderico De Olivera Lamas 34 2. La Bstad Ojiva os — —) —) — Figura 28: Ojiva parnel ejemph 3. (2), has que llesuemos a siguiente, que tenga frectencis paca acumulas (3). ‘Observactén: In altura del escalin enn, e frecue icv a) Y que en zy, F(z) toma ol valor de In devecha y no el de laizquierda (que es dempre nds pecueio) Bn Ja Sra 2.8 cheervammes la ojiva para el emplo 3. 2.6.3. Medidas de resumen para variables cuantitativas no agrupadas en intervalos Medias de Posicién 1. Ds Tendencin Central Federica Be Olivera Lamas26 Variables cuantittivas, uo sgrupatas en in:ervalos 35 primera categoria =, que alcanza el 0,5 0 més, en esta fuseién stro caso la mediana 0: Xie = 3 6 doer al 50% de laspor- sonas de a muestr, viven con $ personas 6) Medin: Es el prontedio matemtico se puede eal dio de los valores de recorrdo pondetado por hs frecuenciasrolaivas, es decir pa LEEP2 SP SHAH 5 SETS giao z303+401+504—35 0 2 Cuactites: 42) Primer euartil: cla primor eatogoxia que acamula al menos el 25% se las obvervaciones. En nuesteo ejemplo: a2 8) Segundo enartil imer categoria qu: acumul al mens 50% de Is observaciones, es decir, le medina ‘categoria que acum al sens el 75% ejemplo: ans Faterico De Olivera Laman ‘Medidas dle Dispersion 1, Rango: R Es la diferencia entre el mayor jestra, en nuestro ejemplar Ras "Nas da unaidea de qué tan aljados forma de medir la dispersién de los dat, 5. Dosviacién media: Le desvineion mea es de cada obervacién a romedio ds las distancia |r. ~ Z| powerados por la freeuencin relative, puede caleularse como promedio esdecit dese rin = Soy = 3h Ba nucstro ejemplo, siendo ¥ = 35: Federico De26 Variables cuantitativas, no upelas en in-ervnlas 3 3 2. La Bstadistica Dessiptiva ela dispersim des dats, nos Obwerw ‘que si le variable es medida ianza queda medida en anidades al cuadrado a, an el fin de “nor i pues no peeve buenss propiedades ‘mulizar” launidad es que dams paso al desvio standard “estuclitias, estudiando inferenciaestadistica se pada apeciar con més cierta anidlad w,entonces dice cuanto sealejan del valor medio, en promedio. Sin embargo esta forma de msdir la deeviaekin 1 resulta muy 5. Dasvio stendard: sentido este ‘Una medida “similar” «In dese ia, pero de muche més utifidad ol Deseo o desviacicn standard, ella proviene de vierta mpaiienesin de J desviacion media, es una aproximacion Ea este eas Ia inter Ja igualdad, a menos esto nos itanen el hogar de los encues- x desvio standard, Postviormente, euande estudienos variates aleaterias, tunloe so alkja del valor medio (3,5) en 1, verenos que toma mucho més sentido la cefiniciin de varianea aqua dada, 4. Varianeas S* Bn nuestro ejemplo: St = (1-35)-01+ @-35)*-02+(8-3,5)'-02 + 1-35)? 01 +5 - 35)" C4 Federico De2.7. Variablebles cuantitativas agrupadas en in- tervalos terns ea en intervabe, ‘Yn vimos que el objetivo de a Bstadistica ora extencr 1a informad ex un conjunto de obsermciones o datos. Par ello cuenta con lat siguientes Iorearnientas 2.7.1, Tabla de la Distribucién de Frecuencias Continuanto can el ejemplo intzoducida en la pigina 5, de los adolescentes y ua muestra Je 20 adclescentes, Las vel do glace i, mamas & trabajar oor estas eben ser por Io general de mayor taro, pere tomames slo 20 para smanejar cen fs jemplo ¢ Ten X= aver de glucemia en ay tos dats st Faderico De Olivera Lamas 40 98, 150, 100, 70, 80, 110, 128, 85, 115, 120 120, 110, 105, 98, 190, 81, 125, 120, 190, 126 strates en una tabh de lugar, ag yre que debemee hacer e¢ doterminar ke Lin de que los podamos interpretar de alga fo iston certos valores lime, para distntas condiciones relacionadas con la ea lace po e073 Hae 100 0125, pre-diabetes 16 a 152 shes Adoptaremos la convenciéa de constr que alo pero noel de la derecha, Y recerdando ferent aloe pantendos en la tabla anterior: Gaegorin Taal iT) 1 (10 [wees [5 uo, 20) [eeeereeve | Wad [226,152] Federica Be Olivera Lamas27 Variables cuantitativas agrupadas en intervals a ddande cada dato se eneuentra. Lego: ro sabemos si ellos tienen cerca un nivel cerca de 9) mg/l, @ ‘sti distibuidas ce manere uniforme alo largo de todo el interval, Nocatros ‘amos a adoptar esta 1a tabla de frecuencia tambén inclue las siguientes columns: i marea de clase del intervalo: sto madio de dicho intervalo, que se cael como la semisuma de sus valor extremas Por ejempb, el punto medio del primer val es (48-4 74)/2 =02 1% de los adolescents 126, noi ive, mg do gueosa par dl de sangre) que los leva.a tener pre-diabetes. Fe Fincién de distribucién acumnlada enspirien: cla propareldn (0 por ‘entaje a ve multipica cada valor de F7 por 100) de observacianes que exten Faterico De Olivera Laman podeaos decir que] 305% de los wdeseentes © glucersia normal (100 mg/dl o menos), lo yue implica que el 70% teen pre= F-100=0,3) hipog.ueenia Categoras ™ r (98,74) 1 0.002 5 oon 9 5 [o2s| 1 fase] oo nao] 1 2.7.2. Graficos Histogzama, vista, secaralguras conclesiones mis répidan = su principal objetivo. Federico DeFnelde “ Histograma 018 016 oo 012 0010 0008 0006 008 002 ‘0000 ra wi 139 tlveles de glucema Figura 2.0: Histograma del nivel de glucemia Faterico De Olivera Laman rminan dos puntcs con dentro do cada interval, studios realizado co poblacian 2.7.8. Medidas de resumen Las mecidas de resumen muestrales para obtener caracterstions ymerales de diche muestra con el rissgo que sempre implican las restimenes, en cuanto al Federico De rs Lamas27 Voviablebles cuantitativas agrupadas en intervalas 4 oe Bos iy ; a ro © * 18 70 Figura 210% Ova del nivel de ghucemsia sgavdo-en que refleja In informacida dl conjumto de dates, Veremns dos grapes ds medidas de resunen: = Medidas de dispersién: Se ut de tos datos, pa confiable es el dato propor san para medir el grado de concentrzciia lo, debon avom- toro a determinadas valores, Por ejen las medidas de tendencia ce wado por el para der una idea de qué tan, Faterico De Olivera Laman 6 2. La Estadistica Dessriptiva ‘Medidas de posicién ‘Medidas de tendeneia central Se ealeula como la suma de as marcas de clase por Observar Siguiente que la media surge de Le media en nuestro.caso vale # = Jos addalescentes encwsstadls tien 110,4 mg de gucasa por dl de saagre, en ‘ayunas. Elly slo no nas dice nacho pues no sakemos ile que divide en dos mitadhs al canjanto de re scum €.50% de as observaciones 1 sen que cumple que F*(X Federico De27 Variables cuantitativas agrupadas en intervals a la tabla se observe que FX(x5) = 05, entances Xe = extzemo superior cel intervelo correspondiente Si no es asi, entoxces la mediana we debe abe terpolecidn dentro del intervals que cortiene & Xige. Ei este caso, se proce a clo donde so encueatza Xing! e= el primer es mayor « 0,5. Ea nuestro easo es 100, 2) =03 1ién de densidad emptiea, carespandiente al slo donde est la medina, O sea f= 0,017 (05-048) «= 100 + FS? — 111,76 Se interpreta dicendo que 150% dels adolescents tieren un nivel de ‘Tomg/idlo menos. O més signi val de glucemsia del 50% de ellos es rediabstes 0 diabetes + podemos 6 elvcemia de dacis queel igual dad de observaciones. Puede exstir mas de una categoria que cumplalo anterier. Bn ese caso, Faterico De Olivera Laman es bimodal, En la forma es que estamos trabajando, con dates agri pados en intervals, no hablamas de Modo sino de mayor feeueneta rel tervalo Modal: iva por unidad ervalo, al cual be corresponde el msi de dersidad empitica f alo modal es (10, ‘que la mayor parte de los adolescents de esta muest Gly 186,05 1802.25 5746.05, 1590.25 126546 ‘Medidas de posieién vo eentrales Ademasde las medidas de tendencio central , también hay algunas medides tiles 6 deseribir propiedades les 7 percents res valores: Qs,.2a.¥ Qasae me dividen los datos oxdenadas le, en curtos 25%). Federica Be Olivera Lamas27 Variables cuantitativas agrupadas en intervals 49 25% | 2% | Bw" | 25% a @ a G: ese valor enya fecuencis acuta es 25%. Geese valor cu ecuencin acuta es 50%, Entonees Qz = Xine Gs ese valor cuya fecueneis acura es 75%. Fercentiles: Hay noventa y neve percentiles, Por ejemplo, el pereon mula es del 105%. ¥ el per 10 (que anotamos Pio) es el valor euys fccueneta eu 90 ( iy ) cumple que Fy(Pi9) = 0.9 1a doterminacion de estas medidas e= andloga ala dela medina o los curls. éleulo de PRIMER CUARTIL: Es aquel valor que cumple que Dos casos: 1. Sin la tabla se observa que F*(2,) — 025, entorees Q, = 24, extiemo superior de ifervalo correspondiente, 2. Si nc es asi, tonces @), se debe obtener por tervalo que lo contiene. En este caso, se proce de a sigul Faterico De Olivera Laman lr al de Q. lor de Is funcién de densidad empirien del intervalo donde est Q. Bn el ejemplo, intervalp donde ests Qi es [74 , 10C)) Por lo tanto: ae Es dear el 25% de los adolescentes de esta muestra tienen niveles de lucetnia de asta 94 any/all Célenlo de TERCER CUARTL Bs aque valor que cumple que F*(Qs) = 0,75 Dos casos: 1. Siew Ia la se obwerva que F*(2\) = 0,75, entonces Qy =, superior de! intervale correspendiente, es asi entonces Qy se debe obtener por interpolaciin dentro di wale que lo ue. Em este caso, se procede dela siguiente forma: ervalo donde se encuentra Qa* es primer Intervalo donde: Federico De27 Variables cuantitativas agrupadas en intervals st suencia seumulada del J tabla que # de los adbolescentes de 0126 mg/al, O mis significa ees de 126 mg/all » mayores, es de 27.4. Medidas de dispersion ‘Las medidas de dspersin dan idence unto se dispertan o concertran los eater dds nuestra muestra, Sm cia contra. En ors palatras: los valores centrales pierden signifieasién lad de las ida de ten les para medi, de alin modo, be repres ‘exando Ia dispersi6n es alta, y porello debemos conser y e ‘medidas de posiidn, con las nedidas de dispersion, EJEMPLD: los ingtsoe meisuales ded persons (en $) son los sg $320, 8.000, 8.400, 1a media 8.100, ¢« simp! 19 nctamos que los en torno a ella, pus se separan poco ée la medin [oe ingreste mensucles de otras 4 personas son los siguientes 30] 2700 12900) La media 2s también 8.100, pero se advierte una dispersién mucio mayor que Faterico De Olivera Laman suelo representative de estas 4 persones, dedemos acompaiiarl de una medida de dispersién, como eel cesvio standard. Rango: R BI rango de un eonjunto ¢ Lextremo superior del rio, Esdeer: R= 122-48 = lores de licemia de fos adolesce vy 152 mg/dl, (es decir recorses 104 valores lo considera los valores extremos, sin aportar informacidn sobre ls valores intericres Rango Interenartiticn: RU o desviacién -especto a nut RE= Qe in dela mediano, la euol so encuentra en ol intervalo ie, muestra valores) ‘Varitiiea + $2 Federico De27 Voviablebles cuantitativas agrupadas en intervalas 33 aiden dela dispe ale como el pronedio del cundradade las deviaciones de los valores resyecto do la media, ‘omaés fil para lo edleulas $? = S3(2 +h) ~ (2)? Entonees inde la tabla, ma, Pa lo se puede eaeul siendo D2 1? = 466,44 Observacién 1: Lis desvi li, se eleva de cada xi eam respecte a 4 cundracs pues de lo contrari la suria de todks ells seria siempre cero Observacién 2: La varlanza es una de las ms importantes medias de disper sin, pero su resulta implica una magnitud que no s caleula au raie conrad In desvineiin standard Desvio tipico o desvineién standacd: 8 S» calcula tomando ta raiz eundrada dela varianzn, Faterico De Olivera Laman Jos de glen de con respacto ala media que 1104 mg/dl Peto dichs dispersin, es grande © poqueiia 2, Esto lo contests 1 coeficente de variacin, riadando una medida sobre la dispersin 1 Se ealeula silo cuando los datos som posi cu-$ Por lo tanto CV = 21.6 ngjéll /1104 mg/l = 0,196 = 0,20 raiondeanco ‘un 209% de la media, lo cual es una baja cispesién. Y por lo tanto pademas concluirque la media do 110, 1 representa bien a mi mucetra Federico De2. La Bata 2.7.5. Bjericicos 37 0 [6 % [22[ ar “Avenci6Nes may importante que interprets oe resultadas de casaejercieio. Uno 48 0 | 8 98 | 202| 30 > oe objetivos dela Estadisticas resume y presenter informacién cuantitativa 46 158 215] #8 2 forma cara, por lo que es sspecialirente relevante que en la reslucin de los 20 158 80 | sss cecicos, x exprese de forme evden 36 1 113 [10 [as ido paca su resclucin, los 3 a 59 am [io| as a 16 105 | 223 | 6 ables, 08 cuales el est Ey 15 x9 [ane | 30 cnr ce acuerdo a la clasfcacié seialada ol punto Ey 10) w@ [ial sion 3) 0 [a0 100 [ass | oe 8 0 [ast 98 [280] 35 pant 0 [5 80 [aor] se scterial silica (mn de Hg) i) Titbao| ar £6} Color de ojos (agrupads entres eategorias: 1 celestes rules o verdes: 0 [5 17 | 196 2) pardos 0 negrss 3) 196 182 3 zis oe fmer de dene 37 193 | 99) 1) Niimero de exomecomas, 5 mil 4) Cantidad de globulas ros. 2 196 2 158 a 0 [an a6 [230 [15 = 0 | ase ssf asa | a0 2 1 [ose st [103 | 39 36 1 | 90 ss fair] 2 a 1 | 16s | 32 3 1 [38 2e| ot Faderico De Olivera Lamas Federica Be Olivera Lamas27 Variables cuantitativas agrupadas en intervals 3 26 [0 | t [ser [arto] 22 6 a [a [1 | asr [szs0[ 2 7 [a [> [158 [oro | 96. u wa fo 9750 a8 [21 | 36 20 [2 [> | 169 [100 10: [29] 90 50 [a [> [167 [or50| 308 [a | a w fa lo aa[ 2 w fata za 45 at [a [a [et [roo | 240 [ass] a9) so [a [1 [10 [exoo[ so [ass | or 9 [a [1 [168 [740 100 [235 | 77 a [a [1 [166 [200] 25 [255 [30 EDAD: En ane SEXO: 0 (Mujeres) 1 (Varones) habitual 1 ($9 € (No) PESO: En Ky GLU: Glucema {mg/al CT : Colesteral Tot al HDL Fraceidn de coleterol unido a lipoprateinas de alta Density Lipoproteins (mg ~yseumulacas, ia, ©) Haz una tabla con la frscuencias absolutay, relatives y aeumrulads, 1 part de los dates de glucemia de los varones de la tabla anterior. alos de igual longitud. j Qué porcentaje de hombres Consicera tienen mal de glucemia ? Contesta de doe formas: {ela table fe uenciasy a patie de os dats o rogram de In variable talla.Consdera § i ‘Haz Jo mien, disc wandlo por 8630, considerando Tos mismos intervalos, Compara, 2} Representa la tabla de frcuencias dela variable BH, tes grupos de wdades: de 20 a 39 aos, de 40 a 59 ios. Compara. 3. Con el fin Ae obs 095 y otro tabla: Federico De27 Variables cuantitativas agrupadas en intervals 59 socioeomémnion Personas con CZ = 05 Personas eon C1 > $5 Frsewencia Frecuencia 7 9 ES % 20 2 30 30 2% 3 18 46 Dibuje ua gration que perma o prar ambos grupos 8) Caleule Iss medidas de teadencia rupos a tral pam cada uno de los dos €) Calealar las medidas de dispersin para cada uno de loc grupos. Qué conelusiones se pueden sacar a rae de 1 informacién obtenida 4. Un estudio consists en anatar el minmero ¢e leds en 15 segundos ilo normales. Tenisnde [N° de palabras ledas Didéxicos Normales B 56 1 26 a ° a 6 a 28 B 2” 29 0 28 0 2 2 calede: 4) Las medinearitms:cas de senbos grupos. Faterico De Olivera Laman 2. La Estadistica Dessriptiva 9} Laas madianas de ambos grupos, ©} BI porceataje de sujetos disléxieos que superaron Te mediane de Tos normale ¢ ls varabilidad relative de ambos grupos. 5. Ba una epitemia de esearlatina, se recgieron @ mimero de fallectas, en 40 ciudacies de un pefs, obtenindase I sigue Ne defallecides [0] 1] 2 [3]4[ 5] 6 Gudadee | 7a fie [7 [a [2 fafa ) Caleular media, mediana y moda. terpretarlas 4) Caleula Ia vasianza y la desviaeién standand, ) Caleular el porcentaje de cudades con al menos 2 macro, ) Caleular el poreentaje de efudaes con mse 3 4} Caleul el poscentaje de ciudades con, ala sumo, 5 muertos Federico De