MEDIDAS DE RESUMEN

DIPLOMA EN BIOESTADSTICA Y
EPIDEMIOLOGA APLICADA VERSIN 2016
SANDRA PARDO VARGAS

Parmetros y estadsticos
Parmetro
Valor que describe una
caracterstica de una
poblacin. El valor del
parmetro es NICO.
Ej. La altura media de los
individuos de un pas

Estadstico
Valor que describe una caracterstica de una
muestra. El valor del estadstico vara de una
muestra a otra, por lo cual NO ES NICO. Estos
valores permiten establecer conclusiones acerca de
la estructura de una muestra, y pueden usarse como
base para hacer inferencias.

Medidas Descriptivas o de Resumen

Las medidas descriptivas o estadsticos permiten encontrar un valor
muestral, que represente a la poblacin de estudio. Los estadsticos
pueden clasificarse en cuatro grupos:

1. Medidas de Posicin:
Dividen un
conjunto ordenado de datos en grupos con la
misma cantidad de individuos. Percentiles,
cuartiles, deciles.

2. Medidas de Tendencia Central:

Indican
valores con respecto a los que los datos
parecen agruparse. Media, mediana y moda

3. Medidas de Dispersin: Indican la mayor o

menor concentracin de los datos con
respecto a
las medidas de centralizacin.
Rango, rango intercuartlico, varianza,
Desviacin estndar, coeficiente de variacin.

4. Medidas de Forma: Indican la morfologa de la

distribucin de los datos. Asimetra, curtosis

Medidas Descriptivas
Los datos de una muestra, medidos en al menos escala ordinal, debe ordenarse
ascendentemente, estableciendo una posicin de cada uno dentro de la muestra. La
posicin del dato se denota por un subndice encerrado entre parntesis:

Ejemplo: Si se tienen los datos: 12, 7,

15 y 13, al ordenarlos se tiene 7, 12, 13
y 15. Este hecho lo anotamos
simblicamente como sigue:

X(1)= 7
X(2)= 12
X(3)= 13
X(4)= 15

Con esta notacin, si tenemos n datos, el menor valor observado, que

llamaremos el mnimo ser denotado por X(1) y el mayor valor
observado, que llamaremos mximo ser denotado por X(n).

Estadsticos de Posicin

Dan informacin a cerca del orden

en la estructura de una muestra.

Estadsticos de posicin
Dos de ellos, aparecen en forma instantnea al ordenar la muestra,
nos referimos al mximo, X(n), y al mnimo, X(1).

Mnimo

Mximo

Percentiles:
Reciben este nombre cada uno de los nmeros que dividen la muestra en
100 partes iguales, en consecuencia son 99, y se denotan por P(k), donde
k es el orden del percentil indicado. Dado el percentil P(k), este divide la
muestra en dos partes, la inferior que contiene el k% inferior de las
observaciones y la superior que contiene el (100-k)% de las observaciones.
Ejemplo: El percentil 25 deja por debajo al 25% de las
observaciones y por encima queda el 75%.

Cuartiles:
Son tres, denotados Q1, Q2 y Q3, que corresponden respectivamente a
los percentiles P25, P50 y P75, ellos dividen la muestra en cuatro partes
iguales.
Deciles:
Son nueve, denotados por D1, D2,...,D9,
que corresponden respectivamente a los
percentiles P10, P20,..., 90, ellos dividen la
muestra en diez partes iguales.
Quintiles:
Son cuatro, denotados por C1, C2, C3 y
C4, que corresponden a los percentiles
P20, P40, P60 y P80 ellos dividen la
muestra en cinco partes iguales.
Un percentil de particular inters es el percentil cincuenta P50 o Q2 o D5
que adems recibe el nombre de
partes iguales.

mediana

y divide la muestra en dos

Cuartiles (Q): Dividen a la muestra en 4 grupos con frecuencias similares.

Primer quintil
Segundo quintil
Tercer quintil
Cuarto quintil

= Percentil 20
= Percentil 40
= Percentil 60
= Percentil 80

Deciles (D): Dividen a la muestra en 10 grupos con frecuencias similares.

= Percentil 25
= Percentil 50 = mediana
= Percentil 75

Quintiles (C): Dividen a la muestra en 5 grupos con frecuencias similares.

Primer cuartil
Segundo cuartil
Tercer cuartil

Tercer decil
Quinto decil
Sptimo decil

= Percentil 30
= Percentil 50 = mediana
= Percentil 70

Percentiles (P) : Dividen a la muestra en 100 grupos con frecuencias

similares.

La mediana es el percentil 50
El percentil de orden 15 deja por debajo al 15% de las observaciones. Por
encima queda el 85%

Ejemplos
Qu peso es superado slo por el 25% de los individuos?
Percentil 75 o tercer cuartil

20
15
10
5
0

frecuencia

25

30

Percentil 75 del peso

50

55

60

65

70

Peso (Kg) de 100 deportistas

75

80

85

Clculo de un Percentil

nk
Pk =
100

k: Percentil que se quiere calcular

n: Nmero total de datos

Multiplicar el tamao de la muestra por el percentil y dividir por 100.

Ubicar la observacin cuyo ranking iguale o supere por primera vez
el nmero calculado.
Ejemplo
Diagrama de tallo y hoja: Edad de pacientes atendidos
en el servicio X, Clnica Y. Enero 2010

Calculemos el percentil 70.

30 x70
P70 =
= 21
100
Buscamos en la serie de datos, la
posicin 21. En este caso,
corresponde al dato de 42 aos.
Interpretacin:
El 70% de los encuestados tienen 42 aos o menos.

Ejemplo interpretacin de los

percentiles
peso
Percentiles

Smallest

1%

45

43

5%

48

45

10%

50

45

Obs

145

25%

56

47

Sum of Wgt.

145

50%

60

Mean
Largest

61.5931

Std. Dev.

9.077212

75%

66

82

90%

74

85

Variance

82.39579

95%

77

90

Skewness

.6642773

99%

90

95

Kurtosis

3.913821

El 10% de las personas pesan 50 Kg o menos

El 50% de las personas pesan 60 Kg o menos
El 99% de las personas pesan 90 Kg o menos
El 75% de las personas, pesan ms de 56 Kg
El 95% de las personas pesan ms de 48 Kg

Ejemplo
Nmero de aos de escolarizacin

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Total

Frecuencia
5
5
6
12
25
68
56
73
85
461
130
175
73
194
43
45
22
30
1508

Porcentaje
,3
,3
,4
,8
1,7
4,5
3,7
4,8
5,6
30,6
8,6
11,6
4,8
12,9
2,9
3,0
1,5
2,0
100,0

Porcentaje
acumulado
,3
,7
1,1
1,9
3,5
8,0
11,7
16,6
22,2
52,8
61,4
73,0
77,9
90,7
93,6
96,6
98,0
100,0

Estadsticos

20%?

90%?

Nmero de aos de escolarizacin

N
Vlidos
1508
Perdidos
0
Media
12,90
Mediana
12,00
Moda
12
Percentiles 10
9,00
20
11,00
25
12,00
30
12,00
40
12,00
50
12,00
60
13,00
70
14,00
75
15,00
80
16,00
90
16,00

Estadgrafos de
Tendencia Central:
Media, moda y mediana
Aquellos valores hacia los cuales tienden a aglomerarse los
datos de una muestra. La mayora de ellos trata de ubicarse
en el centro de la distribucin.

Media
Sea X una variable cuantitativa y X1, X2,....Xn, una muestra de n
valores, la media est definida por:
n

x
X=

i=1

Es una medida muy sensible a los valores extremos de la variable. En

consecuencia, no es recomendable usar la media como medida
central en las distribuciones muy asimtricas.

Si consideramos una variable discreta, por ejemplo, el nmero de hijos

el valor de la media puede no pertenecer al conjunto de valores de la
variable; Por ejemplo x = 1,2 hijos.

Media
n

x
X=

i=1

Media
Si se dispone de una tabla de datos asociada a una distribucin de
frecuencias, entonces la media se calcula de la siguiente forma: multiplicando
la marca de clase por la frecuencia de cada intervalo. Se suman los resultados
de cada multiplicacin y se dividen por el nmero total de datos.

ni * Mi

Ejemplo:
Protenas totales del plasma en prematuros
de 15 das de edad

Protenas
(g/l)
40 44
45 49
50 54
55 59
60 64
65 69
Total

Frecuencia
Absoluta
ni
2
6
12
13
5
2
40

Marca de
Clase
Mi
42
47
52
57
62
67

ni Mi
84
282
624
741
310
134
2175

X=

i=1

(2 x 42) + (6 x 47) + (12x52) + (13x57) + (5 x62) + (2 x67)

40
2.175
=
= 54,4 gramos
40

X =

El promedio de concentracin de protenas

en el plasma, en nios prematuros
normales, es de 54,4 gramos.

Moda
Sea X una variable y x1,x2,xn una muestra de n valores de X, se define
la moda como la observacin que se presenta con mayor frecuencia en la
muestra. Requiere un nmero suficiente de observaciones para que se
manifieste o se defina claramente. Es la nica medida de centralizacin que
tiene sentido estudiar en una variable cualitativa, pues no precisa la
realizacin de ningn clculo.

La moda de la variable sexo, es

varn, ya que se repite 6 veces,
mientras mujer, se repite slo 5.

Por su propia definicin, la moda no es nica,

pues puede haber dos o ms valores de la
variable que tengan la misma frecuencia siendo
esta mxima. En cuyo caso tendremos una
distribucin bimodal o polimodal segn el caso.

Moda
Ordenando los datos es posible identificar con mayor facilidad la moda
3,7
3,8
4,2
4,5
4,5
4,8
5
5
5,1
5,7
5,8
5,8
5,8
5,9
6
6
6,1
6,2
6,2
6,8

La nota ms frecuente entre los veinte

estudiantes, fue 5,8

Moda
Cuando los datos estn resumidos en una tabla de frecuencias, es sencillo identificar
cul valor tiene la mayor frecuencia. Si se calcula la moda en una variable de escala
ordinal o numrica discreta, basta con identificar este valor:
Calidad de la atencin en servicio de urgencias. Clnica X. Ao 2010

Excelente
Buena
Regular
Mala

El nmero de hijos que con mayor

frecuencia tienen los encuestados
es de 2.

La categora con mayor frecuencia en la

calificacin del servicio en la clnica X,
fue mala.

Mediana
Sea X una variable con nivel de medicin por lo menos ordinal, y
x1,x2,xn una muestra de n valores de X , una vez ordenada la
muestra en orden creciente de magnitud, se define la mediana por
una valor o punto donde la muestra se divide en dos partes
iguales.

Es aquel valor que divide la muestra en dos partes iguales. De este modo, la
mediana es el primer valor de la variable que deja por debajo de s al 50% de
las observaciones. La mediana corresponde al percentil 50 o Cuartil 2,
(Mediana=P50=Q2). Notemos que la mediana es tanto un estadgrafo de
posicin y de centralizacin.

Mediana
Como medida descriptiva, tiene la ventaja de no estar afectada por
las observaciones extremas (no depende de los valores que toma
la variable, sino del orden de las mismas). Por ello es adecuado su
uso en distribuciones asimtricas.

A diferencia de la media, la mediana de una variable discreta es siempre

un valor de la variable que estudiamos (ej. La mediana de una variable
nmero de hijos toma siempre valores enteros)

Mediana

Sea x1,x2,xn la muestra ordenada en orden creciente, entonces:

Si n es impar, hay un trmino central,

el cual corresponde a la mediana.

Ejemplo:
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

NOTA
3,7
3,8
4,2
4,5
4,5
4,8
5
5
5,1
5,7
5,8
5,8
5,8
5,9
6
6
6,1
6,2
6,2

! n +1 $
Md = X #
&
" 2 %
19 +1
Md =
= 10.
2
Posicin 10
El valor que divide la
muestra en dos partes
iguales, es 5,7.
El 50% de los
estudiantes tuvo una
nota de 5,7 menos.

Si n es par, hay dos trminos centrales.

La mediana es igual al promedio de las
dos posiciones centrales:
Ejemplo:
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

NOTA
3,7
3,8
4,2
4,5
4,5
4,8
5
5
5,1
5,7
5,8
5,8
5,8
5,9
6
6
6,1
6,2
6,2
6,8

n
n
X + X +1
2
Md = 2
2
n 20
=
= 10
2 2
n
20
X +1 =
+1 = 11
2
2
X10 = 5, 7
X

X11 = 5, 8
5, 7 + 5, 8
Md =
= 5, 75
2
Como la cantidad de datos es
par, entonces la mediana
corresponde al promedio de
los datos centrales, por lo
tanto la mediana es 5,75. El
50% de los estudiantes tuvo
una nota de 5,75 o menos

Mediana Datos Agrupados

Se debe identificar en primer lugar la clase mediana, lo que se realiza dividiendo el total
de la muestra en dos (n/2) y buscando el intervalo que contenga la frecuencia absoluta
acumulada igual o mayor a este valor.

( "n
%+
* A $ Nim1 ' #2
&Md = Li + *
* ni(xm ) *)
-,

Li
n
Ni(m-1)
ni(xm)
A
n/2

: Lmite inferior de la clase mediana

: Nmero total de observaciones
: Frecuencia acumulada hasta el intervalo
anterior a que contiene la mediana.
: Frecuencia absoluta de la clase mediana.
: Amplitud de la clase mediana.
: Muestra/2. Clase mediana

Ejemplo
Concentracin de protenas totales en el plasma
de prematuros normales de 15 das de edad
Protenas
(g/l)

40 44
45 49
50 54
55 59
60 64
65 69
Total

Marca de Frecuencia F.Absoluta

F. Relativa
F. Relativa
Clase
Absoluta acumulada
acumulada

Mi
42
47
52
57
62
67

ni
2
6
12
13
5
2
40

Ni
2
8
20
33
38
40

f%
5
15
30
32,5
12,5
5
100

F%
5
20
50
82,5
95
100

Li
: 50
n
: 40
Ni(m-1) : 8
ni(xm) : 12
A
:4
n/2
: 40/2= 20

(" 4(20 8) %+
Md = 50 + *$
'- = 54
#
12 &,
)
El 50% de los nios tiene 54 g/l de proteina en
el plasma o menos.
El valor que divide la muestra en dos partes
iguales, es 4 g/l

Anlisis descriptivo de las notas de un curso

Las notas de los 20 estudiantes estn entre 3,7 y 6,8.

De un total de 20 estudiantes, se obtuvo una nota promedio de 5,3.
La nota ms frecuente entre los estudiantes, fue de 5,8.
El 50% de los estudiantes obtuvo una nota de 5,75 o menos

Anlisis descriptivo de los niveles plasmticos de

protenas en prematuros
Protenas
(g/l)

40 44
45 49
50 54
55 59
60 64
65 69
Total

Marca de Frecuencia F.Absoluta

F. Relativa
F. Relativa
Clase
Absoluta acumulada
acumulada

Mi
42
47
52
57
62
67

ni
2
6
12
13
5
2
40

Ni
2
8
20
33
38
40

f%
5
15
30
32,5
12,5
5
100

F%
5
20
50
82,5
95
100

De un total de 40 nios prematuros, el nivel promedio de concentracin de protenas en el

plasma fue de 54,4 g/l.
La concentracin de protenas ms frecuente entre los nios prematuros analizados, fue de
55,4 g/l
El 50% de los nios tiene 54 g/l de proteina en el plasma o menos.
El 80% de los nios tiene 58,69 g/l o menos de concentracin de protena en el plasma

Cul es la mejor medida de tendencia central?

1. Distribucin Simtrica

La mejor medida

de tendencia central depende

de la forma en que se distribuyen los valores. Si
es simtrica, la mejor medida es la media.
2. Asimetra Positiva

Si son simtricos y unimodales la media, mediana

y la moda deberan ser aproximadamente las

mismas.

Si la distribucin es simtrica pero bimodal, la

3. Asimetra negativa

media y la mediana deberan ser

aproximadamente las mismas. Es ms adecuado
manejar por separado los dos subgrupos.

Si la distribucin es asimtrica pero unimodal, la

mediana a menudo es la mejor medida de

tendencia central.

4. Bimodal

Ejercicio
1. Los siguientes datos corresponden a las edades de un grupo de 30 pacientes
atendidos en un consultorio de Pealoln durante un da:
15
36
30
22
4
54

73
42
45
21
17
70

1
3
29
33
48
51

Ingresar los datos a Stata

Calcular las medidas de tendencia central
Realizar un anlisis descriptivo

65
61
73
25
3
27

16
19
69
55
36
34

. sum edad
Variable

Obs

Mean

Std. Dev.

edad

30

35.9

22.17384

Min

Max

73

histogram edad

.02

. sum edad, d

5%

10%

3.5

Obs

30

25%

19

Sum of Wgt.

30

50%

33.5

Mean
Largest

35.9

Std. Dev.

22.17384
491.6793

75%

54

69

90%

69.5

70

Variance

95%

73

73

Skewness

.174533

99%

73

73

Kurtosis

1.963585

Density
.01

.005

Smallest

1%

Percentiles

.015

edad

20

40
edad

60

80

Estadgrafos de
variabilidad o dispersin
Rango, rango intercuartlico, desviacin
estndar, varianza, coeficiente de variacin
Dan un valor de la diferencia o variabilidad de los datos, tomando como
referencia la media. Indican que tan alejados estn los datos con
respecto a su media.

Estadgrafos de
Variabilidad o dispersin
Los estudiantes de Bioestadstica obtienen diferentes calificaciones en

la asignatura (variabilidad). A qu puede deberse?

Diferencias individuales en el conocimiento de la materia.

Podra haber otras razones (fuentes de variabilidad)?

Por ejemplo supongamos que todos los alumnos poseen el mismo nivel

de conocimiento. Las notas seran las mismas en todos?

Seguramente No.

Dormir poco el da de la prueba, el caf estaba con somnfero...

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 difcil, se duda entre varias opciones y al azar se elige la

mala

Variabilidad por azar, aleatoriedad.

Rango
Se define el rango o recorrido de los datos como el mximo menos el mnimo.

R= Mx - Min
Es fcil de calcular y sus unidades son las mismas que las de la variable.
Es una medida de baja utilidad, dado que solamente tiene en cuenta dos
valores (extremos), siendo fuertemente afectada por stos.

Ejemplos
En la serie de edades de un grupo de nios:
2, 3, 3, 5, 6, 7, 7, 8, 9, 10, 13.
El Rango es:
R=13-2=11

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

NOTA
3,7
3,8
4,2
4,5
4,5
4,8
5
5
5,1
5,7
5,8
5,8
5,8
5,9
6
6
6,1
6,2
6,2
6,8

Las notas de los

estudiantes estn
entre 3,7 y 6,8
R=6,8-3,7
R=3,1

Rango Intercuartlico
Dado que el rango puede exagerar el grado de heterogeneidad del los datos, para
prevenir este hecho se prefiere usar como medida de variabilidad e rango
intercuartlico, que corresponde a la distancia entre primer y tercer cuartil. Esta
medida, no es tan sensible a valores extremos.

RIC= Q3 Q1 = P75 - P25

Ejemplos

A continuacin se presentan los estadgrafos de resumen

de la variable edad, medida en un grupo de 30 pacientes

RIC= 45-31=14

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

NOTA
3,7
3,8
4,2
4,5
4,5
4,8
5
5
5,1
5,7
5,8
5,8
5,8
5,9
6
6
6,1
6,2
6,2
6,8

Se calculan los percentiles 25 y

75 para un conjunto de notas
de 20 estudiantes

RIC= 6 - 4,575=1,425

Varianza
Mide la dispersin de los datos con respecto a su media, su calculo es la media de las
diferencias cuadrticas de cada observacin con su media. Es representada como 2
cuando es la varianza poblacional y S2 varianza muestral. Describe la variabilidad de los
datos alrededor de la media: es grande cuando hay mucha dispersin y pequea cuando
hay poca dispersin.

(
=

Xi X

S2 =

) (

X1 X + X2 X +... + Xn X

n 1

n 1

Ejemplo: Consideremos las calificaciones de 2 alumnos: Pedro y Pablo:

Nota

(2 4) + (3 4) + ( 7 4) + ( 4 4) + (6 4) + (5 4) + (1 4)
=
7 1

(2) + (1) + (3) + (0) + (2) + (1) + (3)

S2 =
7 1
4 +1+ 9 + 0 + 4 +1+ 9 28
S2 =
= = 4, 67
6
6

Desvo de las
notas, respecto
del promedio

2
3
7
4
6
5
1

2 - 4= -2
3 - 1= -1

Total

28

7 - 4= 3
4 - 4= 0
6 - 4= 2
5 - 4= 1
1 - 4= -3

Desviacin estndar: Datos No Agrupados

La desviacin estndar describe la variabilidad de los datos alrededor de la media.
Corresponde a la raz cuadrada de la varianza. Se denota por la S si se mide en la
muestra y si se mide en la poblacin.

S= S

Ejemplo: Consideremos las calificaciones de 2 alumnos: Pedro y Pablo:

Varianza = S 2 = 4, 67

DesviacinEstndar = S = 4, 67 = 2, 2

Cuando se presenta el anlisis descriptivo de una variable, suelen escribirse juntos el

promedio y la desviacin estndar as

El promedio de notas de Pablo fue de 4 2,2

Interpretacin: la mayora de los datos est entre el promedio menos la desviacin y el promedio
ms la desviacin, lo que en el ejemplo es:

La mayora de las notas de Pablo estn entre

4 - 2.2 y 4 + 2.2, es decir entre 1.8 y 6.2.

0.01

0.02

0.02

0.03

0.03

0.04

0.04

0.05

0.05

Desviacin estndar

0.01

x s
68.5 %

x 2s

0.00

0.00

95 %

150

160

170

180

190

150

160

170

180

190

En una distribucin normal:

Centrado en la media y a una desviacin estndar de distancia hay

aproximadamente el 68% de las observaciones.

A dos desviaciones estndar tenemos el 95% (aproximadamente.)

Varianza:

Sus unidades son el cuadrado de las de la variable. De interpretacin

difcil. Ej. Si trabajamos con cm, la varianza se expresa como cm.

Coeficiente de variabilidad
Es una medida que permite interpretar el grado de heterogeneidad entre los datos y
comparar el nivel de dispersin de dos muestras de variables diferentes. Entre
menor es el valor, ms homogneos son los datos. Se calcula como el cociente
entre la desviacin estndar y el promedio, multiplicado por 100.

CV =

S
X

Para el ejemplo de las calificaciones

de Pablo, encontramos :

100%

2,2
CV =
100% = 55
4

Es decir un 55% de variabilidad o dispersin, que es alto:.

Coeficiente de variabilidad
Es una medida til, cuando se requiere comparar la variabilidad de dos
variables que tienen unidades de medida distinta.

Ejemplo
La siguiente tabla resume la informacin de la ingesta de Energa, carbohidratos
y protenas en un grupo de 5.473 individuos:
Ingesta Energia
Ingesta
(Kcal/dia)
Carbohidratos (g/dia)
N Vlidos

5473

5473

Media

2245,2325

235,1666

Mediana

2196,4036

226,3880

252,36a

537,30782

72,65626

Moda
Desv. tp.
!

2330,13

Qu vara ms: la ingesta de energa o de carbohidratos?

CV =

537, 3
72, 65
100% = 23, 9%CV =
100% = 30, 9%
2245, 2
235,16

La ingesta de energa es ms homognea. El consumo de carbohidratos

presenta mayor variabilidad

Estadgrafos de forma
Coeficiente de asimetra y de
curtosis
Son aquellos nmeros resmenes, que indican la morfologa de la
distribucin de los datos, es decir de la simetra y curtosis que tiene el
histograma de la variable en estudio.

Coeficiente de Asimetra
Permite medir si la curva tiene una forma simtrica, es decir, si
respecto al centro de la misma (centro de simetra) los segmentos de
curva que quedan a derecha e izquierda son similares.

Curva simtrica: Existe la

misma concentracin de valores
a la derecha y a la izquierda de
la media.
Curva con asimetra positiva:
Existe mayor concentracin de
valores a la izquierda de la
media.
Curva con asimetra negativa:
Existe mayor concentracin de
valores a la derecha de la media .

Interpretacin:
= 0, Simtrica
ASF

> 0, Asimtrica Positiva

< 0, Asimtrica Negativa

En las distribuciones
simtricas media y mediana
coinciden. Si slo hay una
moda tambin coincide.

Apuntamiento o curtosis
Mide el grado de concentracin que presentan los valores
alrededor de la zona central de la distribucin. Se definen 3
tipos de distribuciones segn su grado de curtosis:
Distribucin mesocrtica: presenta un grado de
concentracin medio alrededor de los valores
centrales de la variable (el mismo que presenta una
distribucin normal).
Distribucin leptocrtica: presenta un elevado
grado de concentracin alrededor de los valores
centrales de la variable.
Distribucin platicrtica: presenta un reducido grado de
concentracin alrededor de los valores centrales de la
variable.

Ejemplo
Coeficiente de asimetra:
= 0, Simtrica
> 0, Asimtrica Positiva
< 0, Asimtrica Negativa

Coeficiente de curtosis
=0 Mesocrtica
>0 Leptocrtica
<0 Platicrtica

Datos con asimetra positiva y mesocurtosis

Asimetra hacia la derecha
(asimetra positiva)

Asimetra hacia la izquierda

(asimetra negativa)

Leptocrtica

Al ser positiva significa que

la grfica es ms apuntada
que la grfica de la
distribucin normal y por
tanto los valores alrededor
de la media estn mas
concentrados que en la
Distribucin Normal.

Curtosis

Platicrtica

Al ser negativa significa

que la grfica es menos
apuntada que la grfica de
la distribucin normal y por
tanto los valores alrededor
de la media estn menos
concentrados que en la
Distribucin Normal.

Box plot o grfico de cajas y bigotes

Edad de las personas que se realizaron
angioplasta entre 1980 y 2000
100
90
80

Edad

70 Q3
Mediana
60 Q1
50
40
30

Es un grfico utilizado para representar

variables cuantitativas.

Rene los conceptos de centralizacin,

simetra y variabilidad.

Permite comparar el comportamiento de

la variable,
desagregada por las categoras de una
variable nominal.

Permite identificar grficamente la

mediana, los cuartiles 1 y 3 (percentiles
25 y 75), mnimo y mximo de una
variable.

El eje x permite identificar la poblacion

en estudio.

El eje y representa los valores de la

variable en estudio.

Valores
Outlier o
atpicos

20
10
0
N=

584

1473

Mujeres

Hombres

Ejemplo Box Plot

93
90
80
edad
70

16x25
= X 4 = 57
100
16x75
Q3=P75 =
= X12 = 71
100
65+ 66
Md =
= 65, 5
2
Q1=P25 =

71
65,5

60

Edad
47
52
52
57
58
58
60
65
66
66
69
71
71
72
73
93

RIC=Q3-Q1=71-57=14
57

Out_i = Q1 - (1,5*RIC)=57- (1,5*14)=57-21= 36

50

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Out_s= Q3 + (1,5*RIC)= 71+(1,5*14)=71+21= 92

El 25% de las personas tiene 57 aos o menos

El 50% de las personas tiene 65,5 aos o menos
El 75% de las personas tiene 71 aos o menos
El 25% de las personas tiene edades entre 57 y 65,5 aos
El 50% de las personas tiene entre 57 y 71 aos
El 25% de las personas tiene ms de 71 aos

Ejemplo anlisis descriptivo notas finales del curso de

bioestadstica en una universidad X

Ejemplo anlisis descriptivo notas finales del curso de

bioestadstica en una universidad X

Ejemplo anlisis descriptivo notas finales del curso de

bioestadstica en una universidad X
Distribucin de notas finales, por seccin

Qu medidas usar para

describir los datos?
Depende de la escala de
medicin de la variable:
Ordinal:
adems de
la moda, se
p u e d e n
Nominal:
calcular los
S l o s e p o d r percentiles
determinar la moda de la (incluyendo
distribucin, es decir, la la mediana).
categora ms frecuente.
No es posible dar una
medida de dispersin.

Intervalar Razn:
Si los datos tienen
distribucin asimtrica: usar
los percentiles y la
mediana.
Si los datos tienen
distribucin simtrica y es
unimodal con distribucin
normal: pueden usarse la
media y la desviacin
estndar.

50

CARACTERSTICAS DE NEONATOS MACROSMICOS Y DE SUS MADRES, DEL

HOSPITAL HERMINDA MARTIN DE CHILLN.
Rev Chil Nutr Vol. 33, N2, Agosto 2006, pags: 180-186

Caractersticas generales de los nios macrosmicos y sus madres, destaca que los nios
nacidos macrosmicos nacieron de 39,45 1,06 semanas de gestacin presentaron un
buen Apgar al minuto y a los 5 minutos y las madres ganaron durante el embarazo 14,40
6,54 kg.

51

Indicadores antropomtricos, composicin corporal

y limitaciones funcionales en ancianos
Patricia Arroyo, Lydia Leraa, Hugo Snchez, Daniel Bunout, Jose Luis Santosb, Cecilia Albala.

FIN
52