Bloque20iii Tema209 PDF

BLOQUE III. VALORACIN INMOBILIARIA. SISTEMAS DE LA INFORMACIN. GESTIN PATRIMONIAL.
Estadstica y valoracin urbana (I): Conceptos fundamentales

TEMA
de la Estadstica. La Estadstica descriptiva. Representaciones
9 grficas. Medidas de posicin y medidas de dispersin. Nmeros
ndices.
1. Conceptos fundamentales de la estadstica. Estadstica

descriptiva.
La Estadstica es la disciplina que proporciona instrumentos e ideas que

permiten utilizar datos numricos y as profundizar en la comprensin de
distintos temas. En la prctica, la estadstica se utiliza en campos tan
dispares como el estudio de la efectividad de los tratamientos mdicos,
de la reaccin de los consumidores frente a un determinado anuncio
televisivo, prediccin de valores dentro del mercado inmobiliario, y de
muchas cosas ms.
La Estadstica se configura como la tecnologa del mtodo cientfico que

proporciona instrumentos para la toma de decisiones cuando stas se
adoptan en ambiente de incertidumbre, siempre que esta incertidumbre
pueda ser medida en trminos de probabilidad. Por ello, la Estadstica se
preocupa de los mtodos de recogida y descripcin de datos, as como de
generar tcnicas para el anlisis de esta informacin.
En la Estadstica se pueden establecer tres campos de estudio:
- El anlisis de datos se ocupa de los mtodos y las ideas necesarios

para organizar y describir datos utilizando grficos, resmenes
numricos y descripciones matemticas ms elaboradas. La
revolucin informtica ha devuelto de nuevo el anlisis de datos al
centro de la estadstica aplicada.
- La obtencin de datos proporciona mtodos para obtener datos que

permiten dar respuestas claras a preguntas concretas.
- La inferencia estadstica va ms all de los datos disponibles para

obtener conclusiones sobre un universo ms amplio. La inferencia
estadstica no slo obtiene conclusiones, sino que acompaa estas
conclusiones con una afirmacin sobre su fiabilidad.
BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 1

La estadstica se puede dividir, por tanto, en dos partes:
La Estadstica descriptiva o deductiva trata del recuento,

ordenacin y clasificacin de los datos obtenidos por las
observaciones. Se construyen tablas y se representan grficos
que permiten simplificar, en gran medida, la complejidad de
todos los datos que intervienen en la distribucin. Asimismo se
calculan parmetros estadsticos que caracterizan la distribucin.
En esta parte de la estadstica no se hace uso del clculo de
probabilidades, y nicamente se limita a realizar deducciones
directamente a partir de los datos y parmetros obtenidos.
La Estadstica inferencial o inductiva plantea y resuelve el

problema de establecer previsiones y conclusiones generales
sobre una poblacin a partir de los resultados obtenidos de una
muestra. Utiliza resultados obtenidos mediante la estadstica
descriptiva y se apoya fuertemente en el clculo de
probabilidades.
Individuos y variables
La estadstica es la ciencia de los datos. Cualquier conjunto de datos

contiene informacin sobre un grupo de individuos. La informacin se
organiza en forma de variables.
Los individuos son las personas, animales o cosas descritos en un

conjunto de datos.
Una variable es cualquier caracterstica de un individuo. Las variables

pueden tomar distintos valores para los distintos individuos.
Algunas variables simplemente clasifican a los individuos en categoras.

Otras, en cambio, toman valores numricos con los que podemos hacer
clculos aritmticos.
Una variable categrica indica a qu grupo o a que categora

pertenece un individuo. Son caracteres estadsticos cualitativos y se
denomina modalidades a cada una de las diferencias que se pueden
establecer dentro de un mismo carcter estadstico cualitativo. A esta
variables no cuantitativas se las suele designar con el nombre de
atributos.

Una variable cuantitativa toma valores numricos, para los que tiene
sentido hacer operaciones aritmticas como sumas o promedios. Son
caracteres estadsticos cuantitativos y bsicamente se suelen establecer
dos tipos: variables cuantitativas discretas y variables cuantitativas
continuas.
Una variable estadstica es discreta cuando puede tomar un nmero

finito de valores o infinito numerable.
Una variable estadstica es continua cuando puede tomar, al menos

tericamente, todos los valores posibles dentro de un cierto intervalo de
la recta real.
Sin embargo, desde el punto de vista estadstico quiz adquiera mayor

relevancia aquella clasificacin que hace referencia a las propiedades
mtricas de las escalas bajo las cuales pueden aparecer las
observaciones, distinguiendo as:
Escala nominal. Se dice que la informacin sobre un
determinado carcter viene dada en escala nominal cuando sta
se puede clasificar en categoras no numricas mutuamente
excluyentes, entre las cuales no se puede establecer ninguna
relacin de orden, no pudindose fijar, por tanto, ningn origen
de referencia.
Escala ordinal. Las medidas en escala ordinal son aquellas que

participando de las propiedades de la escala nominal, se
diferencian de stas en que s se puede establecer algn tipo de
orden, existiendo, pues, algn origen de referencia para tal
ordenacin.
Escala de intervalos. En este caso pueden establecerse de

antemano algn tipo de unidad de medida, pudindose
cuantificar numricamente la distancia existente entre dos
observaciones cualesquiera. sta es una escala verdaderamente
cuantitativa.
Escala de proporcin. En esta categora se incluyen aquellas

mediciones en las que adems de ser relevantes las propiedades
de la escala de intervalos, tiene pleno sentido la fijacin de un
punto de origen que marque un cero absoluto, como puede
ocurrir con la edad de los individuos o el nmero de unidades
fsicas de un stock inventariado, entre otros.

La importancia de la distincin entre estos cuatro tipos de escala
proviene de su influencia en la eleccin de los mtodos de estadstica
ms adecuados, en cada caso, para el anlisis de los datos.
La distribucin de una variable nos dice qu valores toma una variable

y con que frecuencia.
Poblacin y muestra
Por otra parte, el anlisis estadstico puede extenderse o no, a todo el

conjunto de elementos que participan del carcter objeto de nuestra
investigacin.
Recibe el nombre de poblacin, colectivo o universo el conjunto de

todos los elementos que cumplen una determinada caracterstica. Los
elementos de la poblacin se llaman individuos o unidades estadsticas.
No siempre es factible estudiar todos y cada uno de los elementos de la

poblacin ya sea por razones de coste, de rapidez en la obtencin de la
informacin, o porque los elementos se destruyen en el propio proceso
de investigacin, por lo que es necesario acudir a examinar slo una
parte de esta poblacin, que se denomina muestra. Por tanto, una
muestra ser todo subconjunto representativo de la poblacin. El nmero
de elementos de una muestra se denomina tamao.
En el caso de que nuestra investigacin se dirija a toda la poblacin se

dice que se realiza un censo, mientras que la recogida de la informacin
muestral recibe el nombre de encuesta. A veces se suele emplear la
expresin encuesta exhaustiva como sinnimo de censo.
Dentro de la estadstica los procedimientos de que hoy se dispone para la

extensin de las conclusiones muestrales a toda la poblacin es,
precisamente, lo que le otorga la cualidad de ser el principal instrumento
de investigacin para el cientfico.
DISTRIBUCIONES DE FRECUENCIAS
Variables estadsticas
El investigador social intenta captar de la amplia realidad que le circunda

una serie de fenmenos. Dichos fenmenos pueden dar lugar a
observaciones de tipo cuantitativo o cualitativo.

Los fenmenos de naturaleza cuantitativa son aqullos cuyas
observaciones vienen expresadas en forma cuantitativa: una concrecin
del fenmeno estatura de un individuo es, por ejemplo, 1,74 metros.
Los fenmenos de naturaleza de naturaleza cualitativa o categrica son,

por consiguiente, aquellos cuyas observaciones no tienen carcter
numrico. As, la concrecin sobre el estado civil, sexo, o profesin
constituyen ejemplos puntuales de dichos fenmenos.
En definitiva, por ahora, tenemos al investigador con una informacin

que ha obtenido de la realidad, y que intenta analizar. Para ello, o bien
tendr que crear un lenguaje nuevo, o bien necesitar utilizar un modelo
con un lenguaje ya conocido. El investigador social opta por aplicar un
modelo matemtico.
As, en el modelo matemtico existe el concepto variable y el concepto

de valor o dato. Para emplear el modelo matemtico hacemos
corresponder la idea de fenmeno al concepto de variable, y la
concrecin del fenmeno, al concepto de dato. Cuando el fenmeno es
de naturaleza cualitativa la idea de atributo sustituye a la de variable.
Al observar las diferentes variables o atributos se obtiene un conjunto,

numrico o no, denominado conjunto de datos. El dato estadstico puede
ser unidimensional si corresponde a una sola variable (o atributo) o
multidimensional si corresponde a varias variables (o atributos).
Los resultados obtenidos al medir u observar variables se denomina

valores y los correspondientes a atributos, modalidades.
Variable discreta y variable continua
Dentro de las variables existen dos tipos: discretas y continuas.
Variable discreta. Se define como aquella variable que, entre

dos valores prximos, puede tomar a lo sumo un nmero finito de
valores.
Variable continua. Es aquella que puede tomar los infinitos

valores de un intervalo.
Por otra parte, y haciendo extensiva la nocin de variable estadstica

continua, una magnitud que pueda tomar un gran nmero de valores y

muy prximos aunque sean valores aislados- ser considerada como
una variable continua.
No obstante, no hay que olvidar la naturaleza discreta o continua de la

variable, ya que en los modelos tericos de la Estadstica dicha distincin
tiene gran importancia.
Dado que la variable es un smbolo matemtico que representa a un

conjunto de valores, establecemos que si este conjunto toma un nmero
infinito de valores, la variable se representa por el smbolo X, Y, Z, Si,
por el contrario, tenemos un conjunto finito representaremos la variable
por Xi, Yi, Zi,
Frecuencia absoluta y relativa
Frecuencia absoluta o repeticin es el nmero de veces que se repite

cada valor o dato de la variable. En general, se representa por ni.
Frecuencia relativa es igual a la frecuencia absoluta dividida por el

nmero total de datos. Se representa por fi.
Si N es el nmero total de datos
ni
fi =
N
Frecuencias acumuladas
Frecuencia absoluta acumulada. Nos dice el nmero de datos

que hay igual al considerado e inferiores a l. Su smbolo es Ni.
Frecuencia relativa acumulada. Es el resultado de dividir cada

frecuencia acumulada por el nmero total de datos. Se designa
por Fi.
Es evidente que:
a) La suma de todas las frecuencias relativas es igual a la unidad.
b) La ltima frecuencia relativa acumulada es la unidad.

Distribucin de frecuencias de una sola variable
Llamaremos distribucin de frecuencias al conjunto de valores que ha

tomado una variable con sus frecuencias correspondientes. Para que
quede determinada una distribucin de frecuencias debemos conocer los
diferentes valores de xi y cualquiera de las columnas de frecuencias, ya
que el paso de una a otra es inmediato.
Recorrido, intervalos y marcas de clases
Hay que distinguir, por otra parte, dos tipos fundamentales de

distribuciones de frecuencias: las no agrupadas en intervalos y las
agrupadas en intervalos.
Una vez recogida y tabulada la informacin, sta se dispone asociando a

cada valor su frecuencia. En este caso, tendremos una distribucin no
agrupada en intervalos. Si las frecuencias son todas iguales a 1, la
distribucin se denomina de frecuencias unitarias.
Pero si el nmero de valores distintos que ha tomado la variable es

suficientemente grande parece aconsejable, para mayor comodidad en el
tratamiento de la informacin, agrupar estos valores en clases o
intervalos, teniendo en cuenta que lo que ganamos en manejabilidad lo
perdemos en informacin.
En la agrupacin hay tres aspectos que debemos contemplar: primero,

que el mximo de informacin lo tenemos al recogerla, disminuyendo al
realizar la operacin de agrupacin por intervalos. Segundo, que en las
distribuciones agrupad, as en intervalos, estos intervalos no se
presentan realmente as, sino que es el investigador el que los crea
para manejar los datos ms fcilmente. Tercero, que al agrupar hay que
tener en cuenta las frecuencias.
En general, representaremos una distribucin de frecuencias agrupada

en intervalos por el par (Li-1 Li ; ni), donde Li es el extremo superior
del intervalo y Li-1 su extremo inferior.
Para agrupar los datos en intervalos o clases, debemos comenzar

determinando el recorrido de la variable, que se define como la
diferencia entre el mayor y el menor valor de la variable. Es decir,
Re = mxxi - mnxi

Este recorrido se divide entonces en intervalos.
Si denominamos amplitud de un intervalo a la diferencia entre los

extremos superior e inferior del mismo, o sea,
ci = Li Li-1
Los intervalos pueden ser de amplitud (o longitud) constante o variable,

siendo mas cmodo para el mejor tratamiento de la informacin que
sean de amplitud constante. Si la amplitud es constante se verificar que
Re = N de intervalos . ci
Esta relacin nos permite deducir el nmero de intervalos si fijamos la

amplitud, o esta ltima si fijamos el nmero de intervalos.
En la fijacin del nmero de intervalos no existen reglas fijas, hasta tal

punto de que a veces se hacen varios ensayos. Un intervalo queda
especificado por sus extremos; en general, para el intervalo i-simo se
representar por Li-1 Li.
Aparece un problema cuando un valor de la variable coincide

exactamente con un extremo de intervalo, con lo que hay dudas sobre su
inclusin o no en un determinado intervalo. Por eso se establece, como
regla general que los intervalos son abiertos por la izquierda y cerrados
por la derecha, es decir, del tipo (a, b], lo que quiere decir que el
intervalo se compone de todos los puntos comprendidos entre a y b,
incluido b y excluido a.
Por ltimo cabe sealar que, como representante de cada intervalo o

clase, elegimos su punto medio al cual denominamos marca de clase
(xi). as, en el intervalo i-simo la marca de clase ser
Li 1 + L1
xi =
2

2. Representaciones grficas
Aunque las tablas estadsticas contienen toda la informacin disponible,

parece til y conveniente expresar, esta informacin, mediante un
grfico, de modo que la referencia visual sirva de punto de partida para
el anlisis estadstico.
Segn como sea la naturaleza del carcter estudiado, utilizaremos uno u

otro tipo de representacin grfica. Las distribuciones de frecuencias
pueden de datos sin agrupar y de datos agrupados, presentando estas
ltimas la particularidad de que los valores de la variable no aparecen
individualizados, sino agrupados en intervalos. En general se consideran
los intervalos abiertos por la izquierda y cerrados por la derecha.
Tipos de grficos
a) Para fenmenos cualitativos:
1. Diagramas sectoriales.
2. Cartogramas.
3. Pictogramas.
b) Para fenmenos cuantitativos:
1. Diagrama de barras para distribuciones no agrupadas.

2. Histograma de frecuencias para distribuciones agrupadas en
intervalos.
Diagrama de sectores
Los diagramas de sector o de pastel, as como tambin los diagramas de

rectngulo representan las distintas modalidades de un carcter
mediante sectores circulares o rectngulos en los que el principio de
representacin es el de la proporcionalidad de las reas de los grficos a
las frecuencias absolutas.
En este sistema de representacin los sectores circulares tienen un

ngulo central proporcional a la frecuencia absoluta correspondiente y,
por consiguiente, un rea proporcional a la frecuencia absoluta.

Los diagramas de rectngulos tienen una base constante y una altura
proporcional a la frecuencia absoluta correspondiente. Su superficie es
proporcional a la frecuencia absoluta.
Cartogramas
Se llaman cartogramas a los grficos que se realizan sobre un mapa,

sealando sobre determinadas zonas con distintos colores o rayados lo
que se trate de poner de manifiesto.
Se pueden utilizar los grficos de sectores para comparar, por ejemplo,
categoras de poblacin de diversas reas geogrficas. De este modo,
representando en un mapa dividido en regiones o reas geogrficas los
diferentes crculos subdivididos segn los valores que en cada una de
ellas toman las diversas categoras de poblacin, se consigue en una sola
representacin grfica introducir un gran volumen de informacin que
permite obtener una buena imagen del conjunto.
Este tipo de grfico nos proporciona una amplia informacin al

permitirnos comparaciones interregionales.
Pictogramas
Los pictogramas son dibujos alusivos a la distribucin que se pretende

estudiar y que mediante su forma, tamao, etc., ofrecen una descripcin
lo ms expresiva posible de la distribucin estadstica.
Diagrama de barras
En la representacin grfica de variables cuantitativas, cabe sealar que

aqu tambin se fija el principio general de la proporcionalidad para la
obtencin de grficos, en este caso de las alturas o reas a las
frecuencias absolutas.
Los diagramas de barras o de bastones son especialmente tiles cuando

se desea comparar datos cuantitativos de tipo discreto.
Para trazarlos se representan sobre el eje de abscisas los valores de la

variable, y sobre el eje de ordenadas las frecuencias absolutas, relativas
segn proceda. A continuacin, por los puntos marcados en el eje de
abscisas se levantan trazos gruesos o barras, de longitud igual a la
frecuencia correspondiente. Las frecuencias acumuladas dan lugar a un
diagrama de escalera o escalonado.

Los polgonos de frecuencias se forman uniendo los extremos de las
barras mediante una lnea quebrada. De forma anloga se pueden
representar polgonos de frecuencias relativas y relativas acumuladas.
Histogramas
Los histogramas se utilizan generalmente para distribuciones de variable

estadstica continua, o bien para distribuciones de variable estadstica
discreta, con gran nmero de datos, y que se han agrupado en clases.
Se construye levantando sobre cada intervalo un rectngulo de rea

proporcional a la frecuencia absoluta correspondiente a dicho intervalo.
Si los intervalos son de amplitud constante, las alturas de los rectngulos

sern iguales a las frecuencias absolutas respectivas, ya que la ser las
bases de los rectngulos iguales las reas dependern slo de las
alturas.
Si las amplitudes de los intervalos son desiguales, las alturas de los

rectngulos deben calcularse dividiendo la frecuencia absoluta por la
longitud del intervalo y este coeficiente se conoce como densidad de
frecuencia.
El rea de cada intervalo vale exactamente su frecuencia absoluta, por lo

que la suma de todas las reas ser igual a la frecuencia total.
3. Medidas de dispersin y medidas de posicin
MEDIDAS DE POSICIN CENTRALES
Anteriormente hemos visto una primera forma de reducir la complejidad

de los datos estadsticos de una distribucin, mediante la construccin de
tablas y representaciones grficas.
Aun cuando las tablas estadsticas y las representaciones grficas

permiten obtener, de una manera rpida, una idea aproximada del
comportamiento de una distribucin, desde el punto de vista cientfico
conviene poder estudiar las distribuciones de una forma ms rigurosa.

Para ello vamos a estudiar el significado, clculo e interpretacin de los
parmetros estadsticos ms utilizados.
Estos parmetros permiten resumir y sintetizar un gran nmero de

datos, en unos pocos nmeros que proporcionan una idea, lo ms
aproximada posible, de toda la distribucin.
Evidentemente, todo proceso de sntesis conlleva una prdida de

informacin; pero se gana en el hecho de que es ms fcil trabajar con
unos pocos parmetros con significacin muy preciso que con la totalidad
de los datos.
Toda sntesis de una distribucin se considerar como operativa si:
Intervienen en su determinacin todos y cada uno de los valores

de la distribucin.
Es siempre calculable.
Es nica para cada distribucin de frecuencias.
En este proceso de sntesis buscamos unos valores que nos fijen el

comportamiento global del fenmeno a partir de los datos individuales
recogidos en la informacin disponible.
En una primera etapa se resumirn las caractersticas bsicas de la

informacin en algunos valores sintticos que reciben tradicionalmente el
nombre de medidas de posicin.
Se llama medidas de posicin o medidas de centralizacin a las medidas

o parmetros que tienden a situarse hacia el centro del conjunto de
datos ordenados. A las medidas de centralizacin tambin se las llama
medidas de tendencia central o promedios.
Media aritmtica
Se llama media aritmtica de una variable estadstica a la suma de todos

los valores de dicha variable dividida por el nmero de valores.
La media aritmtica de la variable X se representa por x .

n
x i ni
x = ( x1 n1 + x 2 n2 + K + x n nn ) / N =
i =1 N
En el caso de que tuvisemos una distribucin con datos agrupados, los

valores individuales de la variable seran desconocidos y, por tanto, no
podramos hacer uso de la formulacin normal. En este supuesto se
postula la hiptesis de que el punto medio del intervalo de clase (marca
de clase) representa adecuadamente el valor medio de dicha clase; y se
aplica la frmula original de la media simple para dichos valores.
Hay que hacer referencia al tema de la llamada media aritmtica

ponderada, que se produce cuando se otorga a cada valor de la variable
xi una ponderacin o peso, distinto de la frecuencia o repeticin. En este
caso, en el clculo de la media aritmtica tendramos en cuenta dichas
ponderaciones.
Propiedades de la media aritmtica:
1. La suma de las desviaciones de los valores de la variable respecto

a su media es cero.
2. La media de las desviaciones al cuadrado de los valores de la
constante k variable respecto a una constante k cualquiera, se
hace mnima cuando esa es igual a la media aritmtica. (Teorema
de Konig).
3. Si a todos los valores de una variable les sumamos una constante
k, la media aritmtica queda aumentada en esa constante. Es
decir, la media aritmtica queda afectada por los cambios de
origen.
4. Si todos los valores de una variable los multiplicamos por una
constante k, su media aritmtica queda multiplicada por la misma
constante. Es decir, la media aritmtica queda afectada por los
cambios de escala.
5. Si de un conjunto de valores obtenemos dos o ms conjuntos
disjuntos, la media aritmtica de todo el conjunto se relaciona con
todas las medias aritmticas de los diferentes subconjuntos
disjuntos.
Como ventajas podemos citar las tres que se le exigen a una medida
de sntesis, es decir:
Consideracin de todos los valores de la distribucin.
Ser calculable.
Ser nica.

Sin embargo tiene el inconveniente de que, a veces, puede dar lugar a
conclusiones no muy atinadas. Esto ocurre en el caso de que la variable
presente valores anormalmente extremos que pueden distorsionar la
media aritmtica, hacindola, incluso, poco representativa.
La media aritmtica, como medida de posicin, es la frmula ms

adecuada para el resumen estadstico en caso de distribuciones en
escala de intervalos o de proporcin, con las cuales dicha medida
alcanza su mximo sentido.
Media geomtrica
La media geomtrica, que representaremos por G, se define como la raz

N-sima del producto de los N valores de la distribucin.
n
G = N
x 1
n1
x n
2
2
x n
n
n
= N

i=1
x in i
(
= x1n1 x2n 2 xnn n )
1/ N
La propiedad fundamental es que el logaritmo de la media geomtrica

es igual a la media aritmtica de los logaritmos de los valores de la
variable.
Como ventajas cabe sealar:
En su determinacin intervienen todos los valores de la

distribucin.
Es menos sensible que la media aritmtica a los valores
extremos.
Como inconvenientes, destaquemos:
Es de significado estadstico menos intuitivo que la media

aritmtica.
Su cmputo es ms difcil.
En ocasiones no queda determinada. Cuando la variable toma
al menos un valor igual a cero entonces G se anula. Si la

variable toma valores negativos se pueden presentar una gama
de casos particulares en los que tampoco queda determinada
G.
El empleo ms frecuente de la media geomtrica es el de promediar

porcentajes, tasas, nmeros ndices, etc., es decir, en los casos en los
que se supone que la variable presenta variaciones acumulativas.
Media armnica
La media armnica, H, de una distribucin de frecuencias se define como
N N
H= = n
1 1 1 1
x1
n1 +
x2
n2 + K +
xn
nn
i =1 xi
ni
Ntese que la inversa de la media armnica es la media aritmtica de los

inversos de los valores de la variable.
Como ventajas, mencionaremos la intervencin en su clculo de todos

los valores de la distribucin y que, en ciertos casos, es ms
representativa que la media aritmtica. Por otra parte, siempre se puede
pasar de una media armnica a una media aritmtica transformando
adecuadamente los datos.
Como inconvenientes, hay que citar la influencia de los valores

pequeos, y su no determinacin en las distribuciones con algunos
valores iguales a cero; por ello no es aconsejable su empleo en
distribuciones en que existan valores muy pequeos.
Se suele utilizar para promediar velocidades, tiempos rendimientos, etc.

En general, para promediar todo aquello cuyas unidades vengan
expresadas como el cociente de dos magnitudes simples.
Mediana
Se llama mediana, Me, de una variable estadstica a un valor de la

variable, tal que el nmero de observaciones menores que l es igual al
nmero de observaciones mayores que l.

Es decir, el nmero de datos que preceden a la mediana es igual al
nmero de datos que la siguen.
Clculo de la mediana:
Variable estadstica discreta. Datos simples.
En esta caso se ordenan los datos de menor a mayor y la mediana ser

el trmino o valor central.
Si el nmero de datos es impar, el valor central de la variable es nico.
Si el nmero de datos es par no existe trmino central, sino dos trminos

centrales, y por ello se dice que hay dos medianas, que son los valores
centrales. No obstante, acostumbra tomarse como mediana la semisuma
de los dos valores centrales, aunque dicho valor no pertenezca al
conjunto de datos.
Variable estadstica discreta. Datos agrupados.
Para calcular la mediana podramos proceder ordenando los datos como

si fueran datos simples. Ahora bien, se comprende que este mtodo
resulta muy laborioso normalmente, por lo que para abreviar el proceso
calcularemos las frecuencias absolutas acumuladas.
La mediana viene dada por el primer valor de la variable cuya frecuencia

absoluta acumulada excede a la mitad del nmero de datos.
En el caso de que la mitad del nmero de datos coincida con la

frecuencia absoluta acumulada correspondiente a un valor, la mediana es
la semisuma entre ese valor y el siguiente de la tabla.
Variable estadstica continua.
En esta caso se procede de forma anloga a como se acaba de hacer,

resulta fcil detectar cul es la clase mediana (donde se alcanza la mitad
de los datos), pero para obtener el valor concreto de la variables que
deja a la izquierda igual nmero de datos que a su derecha, aplicaremos
la siguiente expresin:

N
Fi 1
M = Li + c
2
fi
Donde:
Li = lmite inferior de la clase mediana.

c = amplitud del intervalo.
N = nmero total de datos.
Fi-1 = frecuencia absoluta acumulada de la clase anterior a la clase
media
fi = frecuencia absoluta de la clase mediana.
La propiedad fundamental de la mediana se cifra en que hace mnima la

suma de todas las desviaciones absolutas.
La mediana es particularmente til en los siguientes casos:
Cuando entre los datos existe alguno ostensiblemente extremo

que afecta a la media.
Cuando los datos en clases y alguna de ellas es abierta
La mediana tiene mayor sentido en casos de distribuciones en escala

ordinal (datos susceptibles de ser ordenados), de la cual es la medida
ms representativa por describir la tendencia central de la misma, ya
que, en estos casos, no tiene demasiado sentido la utilizacin de
promedios.
Moda
La moda es el valor de la variable que ms veces se repite y, en

consecuencia, en una distribucin de frecuencias, es el valor de la
variable que viene afectada por la mxima frecuencia de la distribucin.
La moda se representa por Mo.
La moda no tiene por que ser nica, puede haber varios valores de la
variable con la mayor frecuencia. En este caso se dir que la distribucin
es bimodal, trimodal, etc., segn que sean 2, 3, etc., los valores de la
variable que presentan mayor frecuencia.

Como consecuencia de la definicin, el clculo de la moda resulta muy
sencillo en los casos de datos simples y datos agrupados. Ahora bien, en
el caso de datos agrupados en intervalos es fcil determinar la clase
modal (clase con mayor frecuencia), pero el valor dentro del intervalo
que se presume tenga mayor frecuencia se obtiene a partir de la
siguiente expresin:
D1
Mo = Li + c
D1 + D2
Donde:
Li = lmite inferior de la clase modal

c = amplitud de los intervalos
D1 = diferencia entre la frecuencia absoluta de la clase modal y la
frecuencia absoluta de la clase anterior
D2 = diferencia entre la frecuencia absoluta de la clase modal y la
frecuencia absoluta de la clase siguiente.
Para las distribuciones cuyos datos se encuentran clasificados en

intervalos existe un mtodo grfico que permite obtener la moda con
cierta aproximacin. Para ello se representa el histograma de frecuencias
absolutas, a ser posible sobre papel milimetrado con el fin de poder
contener una mayor precisin. Seguidamente se unen, con lneas de
puntos, los extremos de la clase modal con las contiguas. La moda viene
dada por la abscisa del punto de corte.
Observaciones:
1. Puede ocurrir que existan distribuciones que no tengan moda;

eso ocurre cuando las frecuencias de todos los datos son iguales.
2. La moda es menos representativa que la media aritmtica, pero

en algunas ocasiones es ms til que sta: por ejemplo, cuando
se trata de una distribucin de datos cualitativos.
3. En la moda no intervienen todos los datos de la distribucin.
4. Aun cuando la moda se considera una medida o parmetro de

centralizacin, no siempre tiene por qu situarse en la zona

central; es frecuente encontrar la moda prxima a los valores
extremos de la distribucin.
5. En definitiva, la moda representa el valor dominante de la

distribucin.
MEDIDAS DE POSICIN NO CENTRALES
Al estudiar la mediana se ha visto que, una vez ordenados de menor a

mayor los datos de una distribucin, la mediana divide a stos en dos
grupos distintos.
Anlogamente tiene inters estudiar otros parmetros que dividen a los

datos de una distribucin en funcin de otras cuantas o valores notables
pero que no van a reflejar ninguna tendencia central: los cuantiles. Son
valores de la distribucin que la dividen en partes iguales, es decir, que
comprenden el mismo nmero de valores.
Entre los cuantiles podemos citar, por ser de uso ms frecuente, los
cuartiles, los deciles y los precentiles.
Cuartiles
Son los tres valores que dividen la distribucin en cuatro partes iguales,
es decir, en cuatro intervalos dentro de cada cual estn incluidos el
veinticinco por ciento de los valores de la distribucin.
Se representan por C1, C2 y C3, y se designan cuartel primero, segundo y

tercero, respectivamente.
Deciles
Son los nueve puntos que dividen a la distribucin en diez partes iguales
de forma que, dentro de cada una, estn incluidos el diez por ciento de
los valores.
Se representan por D1, D2, , D9, y se designan decil primero, segundo,

, noveno, respectivamente.
Percentiles

Son los noventa y nueve valores que dividen la distribucin en cien
partes iguales.
Se representan por P1, P2, , P99, y se designan percentil primero,

segundo, , noventa y nueve, respectivamente.
La mediana coincide con el cuartil segundo Q2; el decil quinto, D5, y el

percentil de orden 50, P50.
Me = C2 = D5 = P50
Para el clculo de los cuantiles para distribuciones no agrupadas en

intervalos se procede del siguiente modo:
N
Cuartiles: C1 es el valor que ocupa el lugar
4
2N
C2 es el valor que ocupa el lugar
4
3N
C3 es el valor que ocupa el lugar
4
N
Deciles: D1 es el valor que ocupa el lugar
10
2N
D2 es el valor que ocupa el lugar
10
...
9N
D9 es el valor que ocupa el lugar
10
N
Percentiles: P1 es el valor que ocupa el lugar
100
2N
P2 es el valor que ocupa el lugar
100

99N
P99 es el valor que ocupa el lugar
100
Para determinarlos se calculan previamente las frecuencias acumuladas,

y se busca el valor que ocupe el lugar r/k.N de la distribucin.
Para el clculo de los cuantiles para distribuciones agrupadas en

intervalos se procede del siguiente modo:

El problema que se presenta es similar al que se tiene al calcular
la mediana. Para elegir el representante para un determinado
cuartel se sigue el criterio:
r
N N i 1
Qr k = Li 1 + k ci
ni
Donde:
para k = 4 y r = 1,2,3, tendremos los cuartiles

para k = 10 y r = 1,2, , 9 tendremos deciles
para k = 100 y r = 1,2, , 99 tendremos percentiles
La frmula anterior se obtiene de forma anloga a la desarrollada en la

mediana.
Como ltimo comentario, researemos que en el conjunto de medidas de

posicin (mediana, moda y cuantiles) no intervienen para su clculo
todos los valores de la distribucin, que era la primera condicin que se
impona a una buena medida de sntesis.
MEDIDAS DE DISPERSIN
Se han definido anteriormente una serie de medidas de tendencia central

cuyo objetivo es sintetizar la informacin de la que se dispone. En este
epgrafe se va a estudiar hasta qu punto, para una determinada
distribucin de frecuencias, estas medidas de tendencia central son
representativas como sntesis de toda la informacin.
Medir la representatividad de estas medidas equivale a cuantificar la

separacin de los valores de la distribucin respecto a dicha medida. Por
ejemplo, si queremos estudiar en qu grado una medida aritmtica nos
marca una tendencia central generalizable del comportamiento de todos
los elementos del conjunto estudiado (poblacin o muestra), tendremos
que fijarnos en la separacin (en la desviacin) de cada valor respecto a
la media. Si todos los valores estn cercanos al valor medio, ste ser
representativo de ellos.

A la mayor o menor separacin de los valores respecto a otro, que se
pretende que sea su sntesis, se le llama dispersin o variabilidad.
Ser tanto ms representativa la media aritmtica de una variable

cuanto ms agrupados en torno a ella estn los valores promediados y,
por el contrario, ser tanto ms rechazable, por no ser representativa,
cuanto mayor dispersin exista respecto a la media.
Resulta, pues, necesario para completar la informacin que pueda

deducirse de la media aritmtica, acompaar este promedio de uno o
varios coeficientes que nos midan el grado de dispersin de la
distribucin de la variable. Estos coeficientes son los que llamamos
medidas de dispersin.
Para una mejor sistematizacin, vamos a distinguir entre medidas de

dispersin absolutas y relativas.
MEDIDAS DE DISPERSIN ABOLUTAS
Una primera aproximacin para medir la dispersin en una distribucin

es calcular su recorrido.
Rango o recorrido
Se llama recorrido (o rango), Re, de una distribucin a la diferencia entre

el mayor y el menor valor de la variable estadstica. Es decir:
Re = x n xi
Se trata, por consiguiente, de un medio burdo para medir la dispersin,

aplicable slo a algunos casos.
Observaciones:
1. Cuanto menor es el recorrido de una distribucin mayor es el

grado de representatividad de los valores centrales.
2. El recorrido tiene la gran ventaja de su sencillez de clculo.
3. Tiene gran aplicacin en procesos de control de calidad, y de una

manera general, en aquellos procesos que se pretenda verificar

longitudes, pesos, volmenes, estando prefijados de antemano
los lmites permitidos.
4. El recorrido presenta el inconveniente de que slo depende de

los valores extremos. De esta forma basta que uno de ellos se
separe mucho, para que el recorrido se vea sensiblemente
afectado
Para paliar esos inconvenientes se utilizan en ocasiones otros dos

rangos:
Rango intercuartlico: R1 = C3 C1
Rango entre percentiles: P = P90 P10
Estos rangos son algo ms estables que el rango, ya que tienden a

eliminar aquellos valores extremadamente alejados.
El rango o recorrido intercuartlico nos indica que en un intervalo de

longitud R1 estn comprendidos el 50% de los valores centrales. Si R1 es
pequeo, siempre en trminos relativos de acuerdo con las unidades en
que venga dada la distribucin, podemos intuir una pequea dispersin.
El objetivo ltimo que se debe perseguir es determinar la

representatividad de las medidas de posicin, pues las medidas
contempladas anteriormente no hacen referencia especfica a ningn
promedio.
Se necesitan medidas de dispersin que involucren a los promedios.
Desviacin media respecto a la media aritmtica
La desviacin media (respecto a la media aritmtica), Dx , se puede

definir como la media aritmtica de los valores absolutos de las
diferencias entre los valores de la variable y la media aritmtica.
n
ni
Dx =
i =1
xi x
N

Desviacin media respecto a la mediana
La desviacin media (respecto a la mediana), DMe , se puede definir como

la media aritmtica de los valores absolutos de las diferencias entre los
valores de la variable y la mediana.
n
ni
DMe =
i =1
x i Me
N
Las desviaciones medias tienen un significado preciso como promedio

de las desviaciones, aunque, precisamente por incorporar valores
absolutos, tienen el inconveniente de no ser muy adecuadas al clculo
algebraico.
Varianza
De todas las medidas de dispersin absolutas respecto a la media

aritmtica, la varianza y su raz cuadrada, la desviacin tpica, son las
ms importantes.
Se define la varianza, S 2 , como la media aritmtica de los cuadrados de

las desviaciones de los valores de la variable a la media aritmtica.
Se expresa, por tanto del siguiente modo:
(x x)
2
2 ni
S = i
i =1 N
Propiedades de la varianza:
1. La varianza nunca puede ser negativa.
2. La varianza es la medida cuadrtica de dispersin ptima.
3. La varianza es igual al momento de segundo orden respecto al

origen menos el de primer orden elevado al cuadrado.

4. Si en la distribucin de frecuencias sumamos a todos los valores
de la variable una constante, la varianza no vara.
5. Al multiplicar los valores de una distribucin de frecuencias por

una constante k, la varianza queda multiplicada por el cuadrado
de la constante.
Desviacin tpica o estndar
As como las desviaciones medias vienen expresadas en las mismas

unidades de medidas que la distribucin, la varianza no, ya que vendr
dada en las unidades correspondientes pero elevadas al cuadrado. Esto
dificulta su interpretacin, y hace necesario definir la desviacin tpica.
La desviacin tpica, que se representa por S, es la raz cuadrada, con

signo positivo, de la varianza
n 2
ni
S= S2 = (xi x )
i =1 N
Al ser la raz cuadrada de la varianza vendr expresada en las mismas

unidades de medida que la distribucin, lo cual la hace ms apta como
medida de dispersin.
Propiedades de la desviacin tpica:
1. S 0.
2. Es una medida de dispersin ptima.
3. S= a 2 a12 .
4. No le afectan los cambios de origen.
5. Le afectan los cambios de escala, siendo S' = |k|.S.
Hay que hacer notar que en la desviacin tpica tienen ms influencia las
desviaciones de los valores muy extremos que en la desviacin media,
ya que estas desviaciones, en la primera medida, estn previamente
elevadas al cuadrado.

MEDIDAS DE DISPERSIN RELATIVAS
A veces, que se nos plantea conocer cual de los promedios,

correspondientes a dos distribuciones de frecuencias distintas, es ms
representativo. Sucede que esa comparacin no la podemos efectuar por
sus respectivas medidas de dispersin, ya que las distribuciones, en
general, no vendrn dadas en las mismas unidades de medida. Tampoco
en el caso de que las unidades de medida sean las mismas, si los
promedios son numricamente diferentes.
Es preciso, pues, construir medidas adimensionales, es decir, que no

vengan afectadas por las unidades de medida. Estas medidas de
dispersin, llamadas relativas, siempre se concretan en forma de
cociente, es decir, de ndice.
Coeficiente de apertura
Se define como la relacin por cociente entre el mayor valor y el menor

de una distribucin dada:
xn
A=
x1
El cociente ha eliminado las unidades y ahora nos es posible comparar

dos distribuciones a travs de este coeficiente. Si bien es verdad que
este coeficiente es el ms fcil de calcular, presenta una serie de
inconvenientes, entre los cuales se pueden citar los siguientes: mide la
distribucin sin hacer referencia a ningn promedio, por lo que no
resuelve el problema de la comparacin entre stos; por otra aprte,
como no tiene en cuenta ms que los dos valores extremos de la
distribucin nos dar una gran dispersin si estos valores estn muy
separados, a pesar de que puede ocurrir que el resto de los valores estn
concentrados.
Recorrido relativo
Se define como el cociente entre el recorrido y la media aritmtica:
Re
Rr =
x

Nos indica el nmero de veces que el recorrido contiene a la media
aritmtica.
Recorrido semi-intercuartlico
Se define como el cociente entre el recorrido intercuartlico y la suma del

primer y el tercer cuartil:
C3 C1
Rs =
C3 + C1
Coeficiente de variacin de Pearson
Un intento para resolver el problema de comparacin de medias

aritmticas de dos distribuciones que pueden venir, en general, en
unidades diferentes, o en las que las medias no sean iguales, es el que
Pearson propuso.
Se define el coeficiente de variacin de Pearson, V, como la relacin por

cociente entre la desviacin tpica y la media aritmtica:
S
V=
x
En primer lugar, observamos que al efectuar el cociente eliminamos las

unidades, y por tanto V es adimensional, como caba esperar.
En segundo lugar V representa el nmero de veces que S contiene a x, y

es claro que cuanto mayor sea V ms veces contendr S a x, luego
relativamente a mayor V menor representatividad de x.
Este coeficiente tambin se suele expresar en tantos por ciento

emplendose:
S
V= 100
x
Como tanto en S como en x han intervenido todos los valores de la

distribucin, V presenta la garanta, frente a otros coeficientes, de que
utiliza toda la informacin.

Conviene sealar el caso particular para el cual V no es significativo. Si x
= 0, esto hara que V tendiera a infinito, aqu la utilizacin de V no
interesa, ya que su resultado numrico nos puede llevar a conclusiones
estadsticas equivocadas. Adems se pueden argir otros inconvenientes
metodolgicos como, por ejemplo, que este coeficiente no es invariante
ante cambios de origen.
4. Nmeros ndices
En los apartados anteriores se han caracterizado las distribuciones de

una variable por una serie de medidas que intentaban sintetizar el
conjunto de toda la informacin disponible (medidas de posicin),
pasando despus por el estudio de la variabilidad (medidas de
dispersin) y de las medidas de forma (asimetra y curtosis). El problema
que ahora se nos presenta es la comparacin de una serie de
observaciones respecto a una situacin inicial, fijada arbitrariamente.
Cuando las observaciones tienen carcter cuantitativo, que es el caso

que se va a estudiar, existen dos sistemas alternativos para efectuarla:
la comparacin por diferencia y la comparacin por cociente.
Normalmente se utilizarn las comparaciones por cociente, ya que

permiten la agregacin de comparaciones de magnitudes que pueden
venir dadas en diferentes unidades de medida, como resultado de que
proporciona comparaciones adimensionales al realizarse por cociente.
Por otra parte, para las comparaciones habr tambin que tener en
cuenta los dos aspectos siguientes:
- Fijacin arbitraria de la situacin inicial a la que se referirn las

comparaciones. La eleccin de la situacin inicial condiciona el
resultado de la comparacin y, por tanto, dicho punto de referencia
inicial debe ser lo ms adecuado posible a los objetivos que se
persigan.
- Comparacin de magnitudes simples o complejas. Esto nos

introduce en el problema de la agregacin de magnitudes y de la
construccin de sistemas de comparacin adecuados.
Definiremos un nmero ndice como aquella medida estadstica que nos

permite estudiar los cambios que se producen en una magnitud simple o

compleja con respecto al tiempo o al espacio; es decir, vamos a
comparar dos situaciones, una de las cuales se considera de referencia.
Con esto se quiere decir que es posible comparar, por ejemplo, el coste
de vida en una ciudad con el habido respecto al perodo anterior o bien
con el coste de una ciudad vecina.
Al perodo inicial se le denomina perodo base o de referencia, por

contraposicin, la situacin que queremos comparar es denominada
perodo actual o corriente.
NMEROS NDICES SIMPLES
Sea Xi una magnitud simple y, sean xi0 y xit los valores de dicha
magnitud en los perodos base y actual, respectivamente. El nmero
ndice simple Ii para la magnitud citada se define como:
xit
Ii = I 0 (i ) =
t
xi 0
Que nos mide la variacin, en tanto por uno, que ha sufrido la magnitud
Xi entre los dos perodos considerados.
Los nmeros ndices simples ms usuales son los siguientes:
Precio relativo
Es la razn entre el precio de un bien en el perodo actual (pit) y el precio

del mismo en el perodo base (pi0).
pit
p 0t =
pi 0
Cantidad relativa
Se define como la razn entre la cantidad producida o vendida de un

bien en sus perodos actual (qit) y base (qi0)
qit
q 0t =
qi 0

Valor relativo
Si definimos el valor de un bien en un perodo cualquiera como el valor

de un bien en un perodo cualquiera como el producto del precio de ese
bien la cantidad producida (o vendida), entonces el valor relativo ser la
razn entre los valores de ese bien en el perodo actual (pitqit) y en el
perodo base (pi0qi0)
pit qit pit qit

V0t = =
pi 0 qi 0 pi 0 qi 0
Como se puede ver, el valor relativo de un bien es igual al producto de

su precio relativo y su cantidad relativa, es decir
V0t = p 0t q 0t
Generalmente, estos ndices se suelen expresar en porcentajes,

multiplicndolos por cien.
NMEROS NDICES COMPLEJOS
En la realidad, sucede que, generalmente, no estamos interesados en

comparar precios, cantidades o valores de bienes individuales, sino que
se comparan dichas magnitudes para grandes grupos de bienes. Como
consecuencia de ello, la informacin suministrada por los ndices simples
de cada uno de los diferentes bienes debe ser resumida en un nico
ndice al que vamos a denominar complejo.
La construccin de un ndice complejo no es tarea fcil. Si quisiramos,

por ejemplo, elaborar un ndice que nos mostrase la evolucin del coste
de vida en un pas (as, en Espaa sera el IPC) habra que seleccionar un
grupo de bienes que reflejasen dicho coste, teniendo en cuenta la
importancia relativa de cada uno de esos bienes en el conjunto elegido,
la existencia de calidades distintas para un mismo bien, y, finalmente,
habra que decidir la forma de unificar toda esta informacin y obtener
un nico ndice.
El objetivo es llegar a un nmero ndice sencillo, pero que a la vez rena

la mayor cantidad posible de informacin. As, se puede considerar dos
tipos de ndices complejos, en los que va a primar, en mayor o menor
medida, cada una de las caractersticas anteriores. Si se prefiere

sencillez tendremos los ndices complejos no ponderados y si, por el
contrario, lo que se desea es que contengan la mayor cantidad de
informacin posible se utilizarn los ndices complejos ponderados.
Nmeros ndices complejos no ponderados
Para resumir la informacin obtenida a travs de los ndices simples es

lgico promediar stos. As los ndices compuestos van a ser medias
aritmticas, geomtricas, armnicas y agregativas de los ndices simples.
ndice media aritmtica de ndices simples
Una primera solucin para resumir los diferentes ndices simples Ii

sera considerar su media aritmtica
N
N xit
I1 + I 2 + K + I i + K + I N Ii x
i =1
I = = i =1 = i0
N N N
ndice media geomtrica de ndices simples
N N
x it
IG = I1 I 2 L I i L I N =
N N
I
i =1
i = N
x i =1 i0
ndice media armnica de ndices simples
N N N
IH = = N
= N
1 1 1 1 1 xi 0
+ +L+ +L+
I1 I 2 Ii IN I
i =1

i ? 1 x it
i
ndice media agregativa
Otra solucin diferente podra ser considerar, en vez de los diferentes

ndices simples, la relacin entre las sumas de los diferentes valores en
los dos perodos, en el caso de que sean agregables
x + x 2t + L + xit + L x Nt x it
I A = 1t = i =1
x10 + x 20 + L xi 0 + L x N 0 N
x
i =1
i0

Nmeros ndices complejos ponderados
En todos estos ndices complejos anteriores no se tiene en cuenta la

diferente importancia relativa que puede tener cada una de las
magnitudes simples dentro del conjunto de todas ellas. Esto equivaldra,
por ejemplo, a considerar que la variacin en el precio del pan tendra la
misma importancia que una misma variacin porcentual en el precio de
la carne, si lo que estamos estudiando es la magnitud compleja precio.
Como esto, tanto en este caso como en la mayora de los que se puedan
considerar, no es as, es necesario afectar a cada magnitud simple, y por
tanto a sus ndices, de unas ponderaciones que midan su peso relativo
dentro del conjunto en que se consideren
Supongamos que las diferentes ponderaciones o pesos asignados son:

w1, w2, , wi, , wN. De esta forma obtendramos los siguientes nmeros
ndices:
ndice media aritmtica ponderada.
I w + I 2 w2 + L + I i wi + L I N wN I w i i
I* = 1 1 = i =1
w1 + w2 + L + wi + L + wN N
w
i =1
i
ndice media geomtrica ponderado.
N

I =
G
i =1
I 1
w1
i
wi
LI LI wN
N = i =1
I
i =1
i
wi
ndice media armnica ponderado.
w1 + L + wi + L w N w i
I H = = i =1
N
1 1 1 wi
I1
w1 + L + wi + L +
Ii IN
wN I
i =1 i

ndice media agregativa ponderado
x w + L + xit wt + L + x Nt wN x it wi
I A = 1t 1 = i =1
x10 w1 + L + xi 0 wi + L x N 0 wN N
x
i =1
i0 wi
PROPIEDADES DE LOS NMEROS NDICES
1. Existencia. Todo nmero ndice debe existir, ha de tener un valor

finito distinto de cero. Por ejemplo, los ndices de media geomtrica
y armnica se anula si algn xit es cero y por lo tanto, en este caso,
no estn determinados.
2. Identidad. Si se hacen coincidir el perodo base y el perodo actual el

nmero ndice debe ser igual a la unidad. Esta propiedad debe
cumplirse necesariamente puesto que los nmeros ndices miden
variaciones entre dos perodos y, al hacer coincidir stos, el nmero
ndice no debe reflejar ninguna variacin
3. Inversin.
4. Circular.
5. Proporcionalidad. Si en el perodo actual
NDICES EN CADENA
Los ndices en cadena se obtienen a travs de enlaces relativos que son

ndices para los cuales la base es siempre el perodo precedente, con lo
que cada uno de ellos representa una comparacin porcentual respecto
al periodo anterior.
A los ndices conseguidos por medio de enlaces relativos, se les

denomina ndices en cadena relativos a una base fijada. A travs de
este procedimiento y partiendo de una serie de enlaces relativos
podemos conseguir una serie de ndices referidos a una base comn. La
nueva serie obtenida permitira efectuar comparaciones a medio y largo
plazo.

Bloque20iii Tema209 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Bloque20iii Tema209 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

BLOQUE III. VALORACIN INMOBILIARIA. SISTEMAS DE LA INFORMACIN. GESTIN PATRIMONIAL.

Estadstica y valoracin urbana (I): Conceptos fundamentales

1. Conceptos fundamentales de la estadstica. Estadstica

La Estadstica es la disciplina que proporciona instrumentos e ideas que

La Estadstica se configura como la tecnologa del mtodo cientfico que

En la Estadstica se pueden establecer tres campos de estudio:

- El anlisis de datos se ocupa de los mtodos y las ideas necesarios

- La obtencin de datos proporciona mtodos para obtener datos que

- La inferencia estadstica va ms all de los datos disponibles para

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 1

La Estadstica descriptiva o deductiva trata del recuento,

La Estadstica inferencial o inductiva plantea y resuelve el

La estadstica es la ciencia de los datos. Cualquier conjunto de datos

Los individuos son las personas, animales o cosas descritos en un

Una variable es cualquier caracterstica de un individuo. Las variables

Algunas variables simplemente clasifican a los individuos en categoras.

Una variable categrica indica a qu grupo o a que categora

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 2

Una variable estadstica es discreta cuando puede tomar un nmero

Una variable estadstica es continua cuando puede tomar, al menos

Sin embargo, desde el punto de vista estadstico quiz adquiera mayor

Escala ordinal. Las medidas en escala ordinal son aquellas que

Escala de intervalos. En este caso pueden establecerse de

Escala de proporcin. En esta categora se incluyen aquellas

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 3

La distribucin de una variable nos dice qu valores toma una variable

Por otra parte, el anlisis estadstico puede extenderse o no, a todo el

Recibe el nombre de poblacin, colectivo o universo el conjunto de

No siempre es factible estudiar todos y cada uno de los elementos de la

En el caso de que nuestra investigacin se dirija a toda la poblacin se

Dentro de la estadstica los procedimientos de que hoy se dispone para la

El investigador social intenta captar de la amplia realidad que le circunda

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 4

Los fenmenos de naturaleza de naturaleza cualitativa o categrica son,

En definitiva, por ahora, tenemos al investigador con una informacin

As, en el modelo matemtico existe el concepto variable y el concepto

Al observar las diferentes variables o atributos se obtiene un conjunto,

Los resultados obtenidos al medir u observar variables se denomina

Dentro de las variables existen dos tipos: discretas y continuas.

Variable discreta. Se define como aquella variable que, entre

Variable continua. Es aquella que puede tomar los infinitos

Por otra parte, y haciendo extensiva la nocin de variable estadstica

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 5

No obstante, no hay que olvidar la naturaleza discreta o continua de la

Dado que la variable es un smbolo matemtico que representa a un

Frecuencia absoluta y relativa

Frecuencia absoluta o repeticin es el nmero de veces que se repite

Frecuencia relativa es igual a la frecuencia absoluta dividida por el

Si N es el nmero total de datos

Frecuencia absoluta acumulada. Nos dice el nmero de datos

Frecuencia relativa acumulada. Es el resultado de dividir cada

a) La suma de todas las frecuencias relativas es igual a la unidad.

b) La ltima frecuencia relativa acumulada es la unidad.

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 6

Llamaremos distribucin de frecuencias al conjunto de valores que ha

Recorrido, intervalos y marcas de clases

Hay que distinguir, por otra parte, dos tipos fundamentales de

Una vez recogida y tabulada la informacin, sta se dispone asociando a

Pero si el nmero de valores distintos que ha tomado la variable es

En la agrupacin hay tres aspectos que debemos contemplar: primero,

En general, representaremos una distribucin de frecuencias agrupada

Para agrupar los datos en intervalos o clases, debemos comenzar

BLOQUE III. ESTADSTICA Y VALORACIN URBANA. TEMA 9 7