Capítulo 1.: Estadística Descriptiva

Capítulo 1.
Estadística
Descriptiva
1.3: Medidas de Localización
1.4: Medidas de Dispersión
Cap 01 Sec 1.3 y 1.4 Prof. Heriberto Figueroa S. Material de clases para estudio individual 01-02 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
sala.
• 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.
La media
El promedio (media) de n números

x1, x2 ,..., xn es x
n
x1  x2  ...  xn  xi
x  i 1
n n
Media poblacional: 
Distintos Estadísticos Descriptivos
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 a como un valor de la
variable por debajo del cual se encuentra una
frecuencia acumulada a.
• 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
– ¿Qué peso es superado sólo por el 25% de los
individuos?
• Percentil 75
– El colesterol se distribuye simétricamente en la
población. Se considera patológico los valores
extremos. El 90% de los individuos son normales ¿Entre
qué valores se encuentran los individuos normales?
• Entre el percentil 5 y el 95
– ¿Entre qué valores se encuentran la mitad de los
individuos “más normales” de una población?
• Entre el cuartil 1º y 3º
Ejemplo
• ¿Qué peso no llega a alcanzar el 25% de los
individuos?
– Primer cuartil = percentil 25 = 60 Kg.
• ¿Qué peso es superado por el 25% de los

individuos?
– Tercer cuartil= percentil 75= 80 kg. 50%
• ¿Entre qué valores se encuentra el 50% de los
individuos con un peso “más normal”?
– Entre el primer y tercer cuartil = entre 60
y 80 kg.
– Obsérvar que indica cómo de dispersos 100
están los individuos que ocupan la “parte

central” de la muestra. Ver más adelante 90
rango intercuartílico.
– Los diagramas de caja (‘boxplot’) sintetizan
esta información (y algo más).
80
70
Estadísticos 60
PESO
Percentiles 25 60,00 50
50 70,00
40
Cap 01 Sec 1.3 y 1.4 Prof. Heriberto75 80,00de clases para estudio individual 01-02
Figueroa S. Material 9
Ejemplo Estadísticos
Número de años de es colarización

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
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.
Algunas fórmulas
• Datos sin agrupar: x1, x2, ..., xn
– Media
x
 x i i
• Datos organizados en tabla n

– 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 – L1 x1 n1 N1 » i es el menor intervalo que
L1 – L2 x2 n2 N2 tiene frecuencia acumulada
...
superior a α ·n
Lk-1 – Lk xk nk Nk » α=0,5 es mediana   n  N i 1
C  Li 1  ( Li  Li 1 )
n ni
Altura mediana
Ejemplo con variables continuas
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
40 – 50
M. Clase
45
Fr.
5
Fr. ac.
5 x
 xn i i i

45  5  55 10    115  3
 69,3
n 58
50 – 60 55 10 15
60 – 70 65 21 36
0,5  58  N i 1
70 - 80 75 11 47 Mediana  C0,5  Li 1  ( Li  Li 1 )
80 - 90 85 5 52
ni
90 - 100 95 3 55 0,5  58  15 
 60  (70  60)  66,6
100 – 130 115 3 58 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.)
En el caso de los pesos los alumnos de
ingeniería
Media de un conjunto de números
• Para un conjunto dado de números x1, x2 ,... xn,la medida
más conocida es la media o promedio aritmético del
conjunto. Como muy a menudo se piensa a los xi como
constituyentes de una muestra, el promedio aritmético
también se denomina media muestral y se denota como x .
Definición: La media muestral de un conjunto de números
n
está dada por
x1  x2    xn
 xi
( x , se lee “x raya”)
x  i 1
n n
La suma de los valores de la variable bajo estudio dividida
por el número total de objetos de la población, se denota
 y está definida por22 N
 xi
  i 1 (  , se lee “mu”)
N
NOTA
• El símbolo x , indica que se han promediado
observaciones de un conjunto de tamaño n de una
población, x es fundamentalmente distinto de  ya que
las muestras de una población pueden tener valores
diferentes entre ellas dentro de la población. Mientras
que la media poblacional es una sola (constante). Sin
embargo si tomamos la media de todas las medias
muestrales x posibles se esperaría obtener el valor
de la media poblacional  . Esta propiedad de x hace
de este sea un estimador insesgado de 
Esta propiedad es muy importante, pues rara vez de
conoce la media  de la población
Observación práctica
• Al escribir x se recomienda usar un dígito
decimal más que el correspondiente a la
exactitud de los xi .así si las distancias de
frenado a 120 km son x1 = 125 y x2 = 131m,…
podría ser x
= 127.3 m.
Es claro que en este caso, que el tamaño
poblacional N, es desconocido y que, en
consecuencia,  también.
Ej. 1.3
Agrietamiento por corrosión

• En un estudio sobre el agrietamiento por corrosión cáustica bajo
tensiones del hierro y acero, debido a que suelen presentar fallas en
torno de los remaches en calderas de acero y en rotores de
máquinas de vapor.
• Si x = longitud de la grieta (m)
x1  16.1 x2  9.6 x3  24.9 x4  20.4 x5  12.7 x6  21.2 x7  30.2
x8  16.1 x9  9.6 x10  24.9 x11  20.4 x12  12.7 x13  21.2 x14  30.2
x15  16.1 x16  9.6 x17  24.9 x18  20.4 x19  12.7 x20  21.2 x21  30.2
0H 96 89
1L 27 03 40 46 18 Tallo: dígito de las decenas
1H 61 85 Hoja : dígitos de las unidades y de las décimas
2L 49 04 12 33 42
2H 58 53 71 85
3L 02 24 Y como  xi  444.8, la media muestral es
3H
444.8
4L x  21.18
4H 50 21
Geometría de la media
x  21.18
10 20 30 40
Media corresponde geométricamente al punto de equilibrio

de los datos pensando como un sistema de pesas
Efecto de punto alejado
attach(ej0113)
ej0113<-read.table("ej01.13.txt",h=T)
dotchart(lgrieta,col=6)
stem(ej0113$lgrieta,2)
abline(v = mean(lgrieta,trim=0.00), col = 4, lty = 4)
abline(v = mean(lgrieta,trim=0.05),
The decimal col right
point is 1 digit(s) to the = 3, lty = 3)|
of the
legend(35, 10,c("media","media recortada al 5%"),col=3:4,lty=3:4)
0 | 9
1 | 00234
1 | 569
2 | 0134
2 | 55679
3 | 02
3 |
4 |
4 | 5
Propiedades de la media
(como operador)
Si x1  0, x1  0, xn  0 , entonces x  0
ax  ax , a constante
x  a  x  a, a constante
x y  x y Luego,
Resumiendo ax  by  ax  by , a,b constantes
es decir, el operador raya (media) es lineal
En general x y  x  y
Mediana
La mediana muestral, x,es el valor

medio en un conjunto de datos
arreglado en orden ascendente. Para
un número par de datos la mediana
es el promedio de los dos del medio.
Mediana poblacional: 
Mediana (Fórmula de cálculo)
La mediana muestral
~
x
se obtiene al ordenar las n
observaciones (incluyendo los valores repetidos) de menor
a mayor magnitud. Entonces se calcula
ésimo
 n  1
Valor único si   valor ordenado
n es par  2 
~
x Promedio de estos dos valores ordenados:
Promedio de ésimo ésimo
los dos valores n n 
  y   1
medios si n es 2 2 
par
La mediana poblacional, por su parte, se denota 

~
Cuantificación de hierro en la sangre
• Concentración de globulina receptora de hierro, para
una muestra de mujeres con pruebas de laboratorio
de evidente anemia por deficiencias de hierro
x1  15.2 x2  9.3 x3  7.6 x4  11.9 x5  10.4 x6  9.7
x7  20.4 x8  9.4 x9  7.6 x10  16.2 x11  9.4 x12  8.3
Lista de valores ordenados

7.6 8.3 9.3 9.4 9.4 9.7 10.4 11.5 11.9 15.2 16.2 20.4
Como n = 12 es par, se promedia n/2 = 6° valor con el 7° valor ordenado:
9.7  10.4
Mediana muestral   10.05
Cap 01 Sec 1.3 y 1.4
2
Prof. Heriberto Figueroa S. Material de clases para estudio individual 01-02 28
Mediana Poblacional
• Análogo a x como valor muestral, hay un
valor de media poblacional, hay un valor
poblacional de la mediana muestral, el que se
denota por ~ . Y del mismo modo ~ x es
estimador de ~ .
• Las relaciones entre  y ~ depende de la
forma de la distribución de una población.
Sesgo negativo Simétrica Sesgo positivo

Ejemplo de mediana
En un curso de 85 notas de una prueba
la mediana, es el 43avo número si las
notas son listadas en orden ascendente.
(Nota: En este caso existen 42 arriba
de la mediana y 42 abajo de la mediana).
40 41 42 43 44 45 46
57.5 57.5 60.0 60.0 60.0 62.5 62.5
Ejemplo de Media y Mediana
Sean n  5, X 1  2.3, X 2  3.2, X 3  1.8, X 4  2.5, X 5  2.7
2.3  3.2  1.8  2.5  2.7
X  2.5
5
Para encontrar la mediana, primero se ordenan los valores
X (1)  1.8, X ( 2)  2.3, X (3)  2.5, X ( 4)  2.7, X (5)  3.2
n 1 ~
Así ,  3  X  X n 1  X (3)  2.5
2 ( )
2
~
Si X (5)  4.2, entonces X  2.7 y X  2.5
Relaciones entre Medias y
medianas poblacionales
• Distribución poblacional
• Sensitividad a la observaciones
extremas (outliers)
Tres diferentes formas de población

simétrica
 
Asimetría positiva Asimetría negativa
Asimetría positiva
Ex 1.14, Concentración, Pág 31
5
X
Frecuencia
4
Frequency
2 X
7 9 11 13 15 17 19 21
Concentración en receptor
Receptor Con
~
X  10.05  X 11.61
Sensitividad a los Valores Extremos
Un conjunto de datos contiene 19 familias, con 8
familias que ganan US$30,000 por año, 10 ganan
US$35,000 por año, y que 1 gana $1 millones por
año.
8(30,000)  10(35,000)  1(1,000,000) 1,590,000

X   $83,684
19 19
~
X  $35,000
Si la distribución es altamente asimétrica, la

mediana es la mejor elección
Modo
El modo, Mo de una serie estadística es el
valor de la característica más frecuente o
dominante en la muestra. El modo
corresponde a la clase se frecuencia máxima
en la distribución de frecuencias.
Ventajas Inconvenientes
Fuertemente influenciada
Media Fácil de calcular,
por los valores extremos,
(aritmética) Responde al principio de
Representa mal una población
mínimos cuadrados
heterogénea (polimodal).
No influenciado por valores Se presta mal a los cálculos
Mediana extremos, estadísticos,
Poco sensible a las variaciones de Supone datos igualmente
amplitud de las clases, repartidos
Calculable sobre caracterís-ticas Representa sólo el valor que
cíclicas (estaciones, etc) donde la separa las muestras en dos
media tiene poca significación. partes iguales.
No influenciado por la exis-tencia No se preta mucho a los
Modo de valores extremos, cálculos estadísticos
Calculable sobre caracterís-ticas Muy sensible a las variacio-
cíclicas (estaciones, etc) donde la nes de amplitud de las clases,
media tiene poca significación. Su cálculo toma en cuenta
Buen indicador de la hetero- sólo los individuos cuyos
geneidad de la población. valores se reportan en la clase
modal.
Medias recortadas
Sea n  5, X 1  2.3, X 2  3.2, X 3  1.8, X 4  2.5,
X 5  2.7
la media recortada al 20%

2.3  2.5  2.7
X ( 20)   2.5
3
~
X  2.5
Robustez: Medias Recortadas
• Las medias y medianas están influidas por los valores
atípicos de manera diferente, la media en gran medida
y la mediana nada en absoluto. Las medidas a las
cuales son o muy poco o nada afectadas por las
observaciones atípicas se llaman robustas. Una familia
de medidas robustas tienen sus valores entre la media
y la mediana. Se consiguen recortando los extremos
de la distribución previo el cálculo de la media, y por
este motivos se llaman medias recortadas.
• Una media recortada al 10% se obtiene recortando el
10% de los datos de las valores más grandes y el 10%
de los más pequeños.
Ejemplo de Media recortada (Trimmed mean)
• Duración (en horas) de las lámpara incandescentes
• Se registró las duración en horas de 20 horas de cierto
tubo incandescente:
Otras medidas de localización
• La mediana (poblacional o muestral) divide el conjunto
(ordenado) de datos en dos partes iguales. Si se
dividen los datos en más de dos partes se pueden
obtener medidas de localización más finas.
4 Cuartiles (partes)
Quintiles = división
de cinco partes
Decíles = división
Primer Segundo Tercer de diez partes
cuartil cuartil cuartil
Percentiles = división
2° cuartil = mediana
de 100 partes
Datos categóricos y proporción
muestral
• Dada una muestra aleatoria de tamaño n de
una variable de valores x la proporción
muestral se define como
x
n
Donde x se enciende como la suma de los valores
de presencia, al codificar los elementos de alguna
clase con 1 ó 0 según tengan o no alguna
característica distintiva.
La proporción poblacional se denota por p
Tareas
• Ejercicios (sección 1.3 (pares(33-43)))
1.4
Medidas
de
Variabilidad
Medidas de variabilidad
• Las medidas de localización da sólo información
parcial sobre un conjunto de datos o su
distribución. Las distintas muestras o
poblaciones pueden tener medidas idénticas de
centralidad pero diferentes entre sí en otros
aspectos característicos importares. En seguida
se presentan los diagramas de puntos de tres
muestras con la misma media y mediana, pero
que difieren completamente en la cantidad de
variabilidad.
Medidas de Variabilidad
1
30 40 50 50 50
Muestras de medidas con centralidad idénticas, pero distintas
variabilidades
(tienen la misma media y mediana: pero distinta variabilidad)
La variabilidad es distinta en las tres muestras
Rango muestra 1  Rango muestra 2 > Rango muestra 3
Ojo! es en realidad “=“
Medidas de Variabilidad para
Datos Muestrales
• Rango = Valor máximo – valor mínimo
(también llamado Intervalo o recorrido)
En el caso de la figura anterior el rango de la
muestra 1 es la de mayor variabilidad y la
muestra 3 es la de menor variabilidad.
Rango muestra 1 = Rango muestra 2,
pero claramente hay menos dispersión en la
segunda que en la primera muestra.
¡El rango depende mucho de los valores
extremos!
Desviaciones de la Media
• Se llaman desviaciones respecto de la media
(transformación de centramiento) al resultado de
restar media de cada una de las n observaciones de la
muestra
x1  x , x2  x ,, xn  x
Una desviación positiva si la observación es mayor
(está a la derecha de la media en el eje de medición)
que la media y es negativa si es menor que la media
1
30 40 50 50 50
Media
Propiedades de las desviaciones
de la media
• Si las magnitud de todas las
desviaciones pequeña, entonces las xi
estarán cerca de la media y hay poca
variabilidad. Si algunas de las
desviaciones son grandes entonces
alguna se las xi quedan lejos de
x , lo
que indica una mayor variabilidad
Variabilidad o dispersión
• Los estudiantes de Estadística 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.
Variabilidad o dispersión
• Los estudiantes de estadística 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 malo...
• 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.
• Amplitud o Rango (‘range’):

La diferencia entre las observaciónes extremas.
– 2,1,4,3,8,4. El rango es 8-1=7
– Es muy sensible a los valores extremos.
• Rango intercuartílico (‘interquartile range’):

– Es la distancia entre el primer y tercer cuartil.
• Rango intercuartílico = P75 - P25
– 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.
– Si habéis oído hablar en física de porqué un

patinador gira a diferente velocidad cuando tiene los
brazos recogidos (menor dispersión), puede que os
suene el ‘coeficiente de inercia’
Desviación típica (‘standard deviation’)
Es la raíz cuadrada de la varianza
S S 2
• Tiene las misma dimensionalidad
(unidades) que la variable. 50
• Cierta distribución que veremos más 40
adelante (normal o gaussiana)

quedará completamente
determinada por la media y la
30
desviación típica.
20
– A una distancia de una desv. típica de la

media tendremos 68% observaciones. 10
Desv. típ. = 568,43
Media = 2023
– A una distancia de dos desv. típica de la 0 N = 407,00
media tendremos 95% observaciones.
1. 1 2 2. 2 3
50 90 30 . 70 . 10 50 . 90 . 30
0 0 0 0 0 0 0 0
Peso recién nacidos en partos gemelares

• Centrado en la media y a una desviación típica de
distancia tenemos más de la mitad de las
observaciones (izq.)
• A dos desviaciones típicas las tenemos a casi todas

(dcha.)
Coeficiente de variación
S
Es la razón entre la desviación típica y la media.
– Mide la desviación típica en forma de CV 
“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).
Dispersión en cuartos (Cuartiles)
La dispersión cuartílica fs
(Rango inter cuartílico: IQR)
fs = cuarto superior– cuarto inferior =
IQR = 3er cuartil – 1er cuartil.
Cuartiles superior e inferior
Una vez ordenada las n observaciones del
conjunto de datos de menor a mayor, el
cuartil inferior (superior) es la mediana
de la mitad inferior (superior) de los datos
(largest), donde la mediana x se incluye
en ambas mitades de n es impar. Una
medida de dispersión que es resistente a
los outliers es la dispersión cuartílica
fs = cuartil superior – cuartil inferior
El tercer y primer cuartil
Después de ordenadas n observaciones de un
conjunto de datos en orden creciente, el primer
(tercer) cuartil es la mediana de de la mitad de
los datos más pequeños (mayores), donde la
mediana x se incluye en ambas mitades si n es
impar. Una medida de dispersión resistente a
las observaciones extremas es el rango
intercuartílico IQR:
fs = 3er cuartil – 1er cuartil.
Observaciones atípicas (outlier)
Cualquier observación más allá 1.5fs del

cuartil más cercano es outlier. Una
observación atípica es extrema si está
más acá de 3fs del cuartil más cercano, y
es extraña de cualquier otro modo.
Ejemplo de gráfico de cajas
Aislantes de alto voltaje n = 25, pág 42
5.3 8.2 13.8 74.1 85.3 88.0
90.2 91.5 92.4 92.9 93.6 94.3 94.8
94.9 95.5 95.8 95.9 96.6 96.7
98.1 99.0 101.4 103.7 106.0 113.5
~
X = 94.8,
fs = 90.2 fs= 96.7
q = 6.5 1.5q=9.75 3q = 19.50
Rango
Diferencia entre los valores
muestrales mayor y menor.
Range  Max ( X i )  Min ( X i )  X ( n )  X (1)
Muy sensible a los outliers
Varianza muestral
La Variance es una medida de dispersión de
los datos.
La varianza muestral de la muestra x1, x2, …xn
de n valores de X está dada por
 
2
2
s 
 xi  x

S xx
n 1 n 1
La varianza poblacional:  2
Ejemplo de varianza muestral
• Primero, encuentre la varianza muestral:
x  61.35
• En seguida, sume los cuadrados de las
desviaciones de la media:
(62.5  61.35)2  (90.0  61.35)2   21,531.9
• Divida por n - 1, donde n es el número de
observaciones (en este caso, 85):
21,531.9
 256.3
84
Desviación estándar
La Desviación estándar es una medida de
dispersión de los datos en las mismas
unidades de los datos originales.
La desviación estándar muestral es la
raíz cuadrada positiva de la varianza
muestral:
2
s s
Ejemplo de desviación estándar
2
s s  256.3  16.0
x  61.35
Fórmula para s2
Una expresión alternativa para el

numerador de s2 es
  xi 
2

S xx   xi  x  
2
xi2 
n
Fórmula para s2: Ejemplo abreviado
n
• Primero, sume los
valores:
x
i 1
i  5215
• En seguida, sume n
los cuadrados:  i  341, 487.5

x 2
i 1
• El numerador de la
varianza muestral
es igual a 85
52152
341, 487.5   21,531.9
85
Propiedades de s2
Sean x1, x2,…,xn cualquier muestra y c
una constante no nula
2
donde s x es
la varianza muestral de las x’s
2
y s y es la varianza muestral de los y’s.
Ejemplo
40 52 55 60 70 75 85 90 90 92 94 95 98 100 115 125 125
X(max) = 125
X(min) = 40
Q2 = 40 Q2 = 72.5
x  90
~
Q3 = 90
Boxplots
Cuartil inferior Cuartil superior
Outlier Valores mediana

extremo adyacentes
Ejemplo 1.18: Exploración por ultrasonido de
la corrosión de fondos de estanques
contenedores de petróleo (por borras)
30 40 50 60 70 80 90 100110120130
C1
30 40 50 60 70 80 90 100110120130
C1
Ejemplo de Boxplot
magnitud de pulso n = 25, pág 42
5.3 8.2 13.8 74.1 85.3 88.0
90.2 91.5 92.4 92.9 93.6 94.3 94.8
94.9 95.5 95.8 95.9 96.6 96.7
98.1 99.0 101.4 103.7 106.0 113.5
~
X = 94.8,
Cuartil inferior = 90.2 Cuartil superior = 96.7
fs = 6.5 1.5fs = 9.75 3fs = 19.50
Ejemplo 1.19: Degradación de cavidades
aisladoras de cerámica con el alto voltaje
0 58 Ancho de impulso
1 3
7 4
* * * Outside Values * * *
8 5
0 50 100 150
8
8 8
9 H 01
9 223
C1
9 M 444555
9 H 66
9 89
10 1
10 3
10
10 6
* * * Outside Values * * *
11 3
Ancho de impulso Boxplot del ejemplo 19
Boxplots lado a lado (Side-By-Side)
Peso
Cap 01 Sec 1.3 y 1.4

Sexo
Prof. Heriberto Figueroa S. Material de clases para estudio individual 01-02 78
Ejercicios Sec 1.4 (44-61)
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

respecto a la media.
• En este se basa SPSS. No lo
calcularemos manualmente en
este curso.
• En función del signo del estadístico

diremos que la asimetría es positiva o
negativa.
• Distribución simétrica  asimetría nula.
• La asimetría es adimensional.
Apuntamiento o curtosis
160
La curtosis nos indica el grado de apuntamiento 140
(aplastamiento) de una distribución con respecto a la

120
distribución normal o gaussiana. Es adimensional.
100
Platicúrtica: curtosis < 0 80
Frecuencia
Mesocúrtica: curtosis = 0 60
40
45 48 51 54 57 60 63 66 69 72 75 78 81 84
Leptocúrtica: curtosis > 0
Platicúrtica
400 300
Los gráficos que veis poseen la 300
200
misma media y desviación
típica, pero con diferente grado 200
de apuntamiento. 100
En el curso serán de especial 100
Frecuencia
Frecuencia
interés las mesocúrticas y

simétricas (parecidas a la 0 0
normal). 3 27 37 47 57 67 77 87 97 108 27
32
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
99
Cap 01 Sec 1.3 y 1.4 16 32 42 52 62 72
Prof. Heriberto Figueroa S. Material de clases para estudio individual 01-02 82 92 102 138
82
Leptocúrtica Mesocúrtica
Ejercicio: descriptiva con SPSS
28%
Descriptivos para Número de hijos n=419
25%
Estadís tico 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%
Porce ntaje
s uperior 1,99 n=215
15%
8%
Media recortada al 5%
1,75 n=127
10%
4%
Mediana 2,00 n=54 2% 2% 1%
5%
Varianza 3,114 n=24 n=23 n=17
Des v. típ. 1,765

Mínimo 0 0 1 2 3 4 5 6 7 Ocho o más
Máximo 8
Número de hijos
Rango 8
• Está sombreado lo que sabemos interpretar hasta ahora.
Amplitud intercuartil 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
gráfico de barras.
Curtosis 1,060 ,126
¿Utilidad de los Boxplot lado a lado?
Descomposición de Salarios de
Inicio de vida de Trabajo
Diagrama de cajas de salarios de ingreso (en miles de US$) a cargo
administrativo en un Banco, por sexo
9
8
Con el Software
Producir este gráfico SALARIO (en mUS$)
7
¿Qué pasa
Tarea 2, P-1 6
con este
5 punto?
3 ¿y con este?
Hombre Mujer
SEXO Explique!
Histogramas y diagramas de cajas de 100
Observaciones de cuatro Distribuciones
Normal Tarea 2, P-2 Cola larga
Asimétrica
Cola corta
¿Cómo Interpreta cada una de estas las muestras?
Tarea 2, P-5
Aberraciones
Cromosómicas por cada
100 células de 333
personas irradiadas por
la Bomba A de
Hiroshima
Comente que le indican los
diagramas de cajas respecto
de irradiados directos y los
otros.
¿Cómo se podrían comparar
estas dos muestras?
Cifras significativas y propagación del
Error
Bevington y Robinson, pág 4:
El dígito no nulo del extremo DATA
izquierdo es el más significativo. REDUCTION
Si no existe punto decimal, el dígito AND
ERROR
no nulo del extremo derecho es el
ANALYSIS
menos significativos. FOR
Si existe un punto decimal, el dígito THE
del extremo derecho es el menos PHYSICAL
significativo. SCIENCES
Todos los dígitos entre el extremo Philip R. Bevington
derecho y el izquierdo cuentan como

D. Keith Robinson
SECOND EDITION
significativos.
1992
Philip R. Bevington
D. Keith Robinson
SECOND EDITION
1992
Cifras significativas
¿Cuántas cifras significativas se deben informar?
Todos los números que siguen tienen cuatro dígitos significativos
(o cifras): 1234, 1234000. 123.4, 1001, 1000., 10.10, 0.0001010, 100.0
Es mejor escribir en notación científica con el número apropiado
de dígitos: 1.010x10-4
Para los cálculos, conservar un dígito más que el número de cifras
significativas.
La incerteza define el número de dígitos significativos
Es inadecuado informar 9.979  5.1015
Debido a la propagación del error, el número de cifras significativas
puede que no aumente con los cálculos.
En los cálculos, se puede arrastrar una cifra significativa
adicional para justificar certeza de los cálculos.
Salarios de Ingreso a la Administración por Sexo
Histograma de frecuencias de salarios de ingreso a la
administración por sexo.
HOMBRES
MUJERES
US$ 4000 US$ 5000 US$ 6000 US$ 7000 US$ 8000
Salarios de Ingreso por sexo (en miles de US$ )
Diagramas
de Cajas
Gráficos de Cajas
(Con SPSS)
SPSS permite identificación de los outliers (observaciones
inusuales)
Tarea: Aguzar la vista
Ejercicios Cap I,
Sec II: Prob: 10, 12, 22,24
Sec III: Los ya dados
Sec IV: Nos 44, 54, 56, 58, 62
Además de los planteados

Capítulo 1.: Estadística Descriptiva

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Capítulo 1.: Estadística Descriptiva

Enviado por

Direitos autorais:

Formatos disponíveis

Capítulo 1.

El promedio (media) de n números

• Casos particulares son los percentiles, cuartiles,

• Cuartiles: Dividen a la muestra en 4 grupos con

• ¿Qué peso es superado por el 25% de los

están los individuos que ocupan la “parte

Número de años de es colarización

12 461 30,6 52,8

• Datos organizados en tabla n

En el histograma se identifica “unidad de

Agrietamiento por corrosión

Media corresponde geométricamente al punto de equilibrio

La mediana muestral, x,es el valor

La mediana poblacional, por su parte, se denota 

Lista de valores ordenados

Sesgo negativo Simétrica Sesgo positivo

8(30,000)  10(35,000)  1(1,000,000) 1,590,000

Si la distribución es altamente asimétrica, la

la media recortada al 20%

• Amplitud o Rango (‘range’):

• Rango intercuartílico (‘interquartile range’):

– No es tan sensible a valores extremos.

– Sus unidades son el cuadrado de las de la variable.

– Si habéis oído hablar en física de porqué un

• Cierta distribución que veremos más 40

adelante (normal o gaussiana)

– A una distancia de una desv. típica de la

Peso recién nacidos en partos gemelares

• A dos desviaciones típicas las tenemos a casi todas

Cualquier observación más allá 1.5fs del

Range  Max ( X i )  Min ( X i )  X ( n )  X (1)

Muy sensible a los outliers

Una expresión alternativa para el

los cuadrados:  i  341, 487.5

40 52 55 60 70 75 85 90 90 92 94 95 98 100 115 125 125

Cuartil inferior Cuartil superior

Outlier Valores mediana

Cap 01 Sec 1.3 y 1.4

• En las distribuciones simétricas

• La media tiende a desplazarse

• Las discrepancias entre las

– Basado en diferencia entre

– Basado en la diferencia entre el 1º y

– Basados en desviaciones con signo

• En función del signo del estadístico

• Distribución simétrica  asimetría nula.

La curtosis nos indica el grado de apuntamiento 140

(aplastamiento) de una distribución con respecto a la

Platicúrtica: curtosis < 0 80

Los gráficos que veis poseen la 300

interés las mesocúrticas y

Estadís tico Error típ. n=375

Des v. típ. 1,765

¿Cómo Interpreta cada una de estas las muestras?

Todos los dígitos entre el extremo Philip R. Bevington

derecho y el izquierdo cuentan como

Você também pode gostar