Clase 1

Curso de: Estadística
Profesor: Marcos Mendoza
Clase 1: Estadística Descriptiva
16/4/2019 Profesor: Marcos Mendoza 1

¿Para qué sirve la estadística?
 La Ciencia se ocupa en general de fenómenos
observables
 La Ciencia se desarrolla observando hechos,
formulando leyes que los explican y realizando
experimentos para validar o rechazar dichas leyes
 Los modelos que crea la ciencia son de tipo
determinísticos o aleatorio (estocástico)
 La Estadística se utiliza como tecnología al servicio de
las ciencias donde la variabilidad y la incertidumbre
forman parte de su naturaleza

Definición
La Estadística es la Ciencia de la
• Sistematización, recogida, ordenación y
presentación de los datos referentes a un fenómeno
que presenta variabilidad o incertidumbre para su
estudio metódico, con objeto de
• deducir las leyes que rigen esos fenómenos,
• y poder de esa forma hacer previsiones sobre los

mismos, tomar decisiones u obtener
conclusiones.

Algunos conceptos
 Población Objetivo: Conjunto bien definido de
elementos que son sujeto de alguna medición [1]
 Unidades de investigación: Elementos de la
población Objetivo a los que se les efectúa alguna
medición [1]
 Muestra: Subconjunto de n unidades de investigación
tomadas de la población objetivo [1]
 Observación: Cada uno de los valores incluidos en la
muestra [1]
[1] Probabilidad y Estadística, Fundamentos y Aplicaciones, Zurita Gaudencio

Parámetros y Estimadores
 Parámetro: Es una cantidad numérica calculada a
partir de los elementos de 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).
 Estimador o Estadístico: Es una cantidad numérica

calculada a partir de los elementos de una muestra
 La altura media de los que estamos en este aula.
 Somos una muestra (¿representativa?) de la
población.
 Si un estadístico se usa para aproximar un
parámetro también se le suele llamar estimador.

Tipos de variables
 Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un
número (no se pueden hacer operaciones algebraicas con ellos)
 Nominales: Si sus valores no se pueden ordenar
 Género, Grupo Sanguíneo, Religión, Nacionalidad.
 Ordinales: Si sus valores se pueden ordenar

 Mejoría a un tratamiento, Grado de satisfacción.
 Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones
algebraicas con ellos)
 Discretas: Si toman valores puntuales
 Número de hijos, Número de máquinas con problemas, número de veces que falla el
suministro de energía por mes.
 Continuas: Si entre dos valores, son posibles infinitos valores intermedios.

 Tiempo que tarda el dar mantenimiento a una máquina, Edad, tiempo de vida de un
equipo

Tabla de Frecuencias
 Para tabular datos cuantitativos se requiere conocer los
siguientes términos: Clase, marca de clase, frecuencia
absoluta, frecuencia relativa, frecuencia acumulada,
frecuencias relativa acumulada .
 Clase: Intervalos de igual longitud, que son
exhaustivos y mutuamente excluyentes.
 Marca de clase: El punto medio de cada una de las
clases
 Frecuencia absoluta: Número de observaciones que
se pueden clasificar en la clase.
(… viene) Tabla de Frecuencias
 Frecuencia Relativa: Se la obtiene dividiendo la
frecuencia de la clase i para el total de observaciones.
 Frecuencia Acumulada: Resulta de sumar la
frecuencia acumulada de la clase i-1 con la frecuencia
de la clase i.
 Frecuencia Relativa acumulada: Se la obtiene
dividiendo la frecuencia acumulada de la clase i para el
total de observaciones.

(… viene) Tabla de Frecuencias
Ordinal Clase Marca de Frecuencia Frecuencia Frecuencia Frecuencia
clase Absoluta Acumulada relativa relativa
acumulada
1 [a1,a2) (a1+a2)/2 f1 f1 f1/n f1/n
2 [a2,a3) (a2+a3)/2 f2 f1+f2 f2/n (f1+f2)/n
k [ak,ak+1) (ak+ak+1)/2 fk n f k/n 1

Tabla I
Tabla de Frecuencias
Tiempo (en horas) que tarda un proceso X
Ordinal Clase Marca de Frecuencia Frecuencia Frecuencia Frecuencia
clase Absoluta Acumulada relativa relativa
acumulada
1 [0-6) 3 2 2 0,04 0,04
2 [6-12) 9 6 8 0,12 0,16
3 [12-18) 15 8 16 0,16 0,32
4 [18-24) 21 16 32 0,32 0,64
5 [24-30) 27 10 42 0,20 0,84
6 [30-36) 33 7 49 0,14 0,98
7 [36-42) 39 1 50 0,02 1

Histograma de frecuencia relativa
 El histograma en un gráfico bidimensional en cuyo eje
de las x se encuentran las clases y en el eje de la y las
frecuencias relativas.

Gráfico I
Histograma de Frecuencias Relativas
0.35
0.3
Frecuencia Relativa
0.25
0.2
0.15
0.1
0.05
0
[0-6) [6-12) [12-18) [18-24) [24-30) [30-36) [36-42)
Tiempo (en horas)

Polígono de frecuencia relativa
 El Polígono en un gráfico bidimensional en cuyo eje de
las x se encuentran las marcas de clase y en el eje de la
y las frecuencias relativas.

Gráfico II
Polígono de Frecuencias Relativas
0.35
0.3
Frecuencia Relativa
0.25
0.2
0.15
0.1
0.05
0
0 3 9 15 21 27 44 39 45
Tiempo (en horas)

Ojiva
 Es un gráfico que presenta en el eje horizontal la
característica cuantitativa que se está investigando y en
el eje vertical la frecuencia relativa acumulada

Gráfico III
Ojiva
1
Frecuencia Relativa Acumulada
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40
Tiempo (en horas)

Algunas preguntas
 ¿Qué porcentaje de veces el proceso tarda menos de 14
horas?
 ¿Qué porcentaje de veces el proceso tarda mas de 21
horas?
 ¿Qué porcentaje de veces el proceso tarda entre 21
meses y 32 horas?
 ¿Cuál es el tiempo que tarda el proceso de tal forma
que la mitad de las veces dure menos de ese valor?
 ¿Cuál es el tiempo que tarda el proceso de tal forma
que el 25% de las veces dure menos de ese valor?
Gráfico III
Ojiva
1
Frecuencia Relativa Acumulada
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40
Tiempo (en horas)

Diferencias entre gráficos 419
 La diferencia está en si las variables a

400 375
graficar son continuas, discretas o 300
255
Recuento
215
cualitativas 200
127
 Diagramas barras para v. discretas o 100
54
característica cualitativas 24 23 17
0 1 2 3 4 5 6 7 Ocho o más
 Se deja una separación entre barras para Número de hijos
indicar los valores que no son posibles

250
200
 Histogramas para variables continuas
Recuento
150
100
50
20 40 60 80
Edad del encuestado

Estimadores
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

Simbología
 n: tamaño de la muestra
 Xi: i-ésima observación
 X(i) : i-ésima observación tal que
X(1)  X(2)  X(3)  …  X(n)
 Por ejemplo si se tienen las siguientes observaciones

3 4 5 8 7 4 1
 X1=3 X2=4 X3=5 X4=8 X5=7 X6=4 X7=1
 X(1)=1 X(2)=3 X(3)=4 X(4)=4 X(5)=5 X(6)=7 X(7)=8

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

(… viene) Estadísticos de posición
 Percentil de orden i = cuantil de orden i/100
 El i% de los elementos de la muestra toman valores menores o
iguales a Pi, denominado percentil i; i=1,2, … , 99
 Cuartiles: Divide los elementos de la muestra en 4
grupos con frecuencias similares.
 Q1=Primer cuartil = Percentil 25 = Cuantil 0,25
 Q2=Segundo cuartil = Percentil 50 = Cuantil 0,5 = mediana
 Q3=Tercer cuartil = Percentil 75 = cuantil 0,75
 Deciles: Divide los elementos de la muestra en 10
grupos con frecuencias similares.
 Di: i-ésimo decil

Cálculo de los estadísticos de
posición
 Definamos:
X (i.a )  X (i )  0.a( X (i  1)  X (i ))
Para i=1,2,…,n-1
Entonces el i-ésimo percentil es:
P i  X  n 1i  Para i=1,2,…,99
 
 100 

Diagramas de Cajas Diagrama de cajas de Tukey: Resumen en 5 números
 Resumen con 5 números:
0.08
 Mínimo, cuartiles y
0.06
máximo.
densidad
 Suelen dar una buena idea
0.04
de la distribución.
0.02
Mín. P25 P50 P75 Máx.
 La zona central, ‘caja’,
0.00
contiene al 50% central de
las observaciones. 40 45 50 55 60 65
Velocidad (Km/h) de 200 vehículos en ciudad

 El largo de la caja se llama
‘rango intercuartílico’ (R.I.) Diagrama de cajas de Tukey: Resumen en 5 números
 Es costumbre que ‘los

0.04
bigotes’, no lleguen hasta los

0.03
extremos, sino hasta las

densidad
observaciones que se
0.02
separan de la caja en no más

P25 P50 P75
de 1,5 R.I.
0.01
Mín. Máx.
 Más allá de esa distancia se

0.00
consideran atípica o
anómalas, y así se marcan. 80 90 100 110 120 130 140
Velocidad (Km/h) de 200 vehículos en autovía

Medidas de tendencia Central
 Media (‘mean’) Es la media aritmética (promedio) de
los datos contenidos en la muestra. Se la obtiene
sumando todas las observaciones y dividiendo para el
tamaño de la muestra.
n
X i
x i 1
n
 Mediana (‘median’) Es un valor que divide a las
observaciones ordenadas en forma ascendente en dos
grupos con el mismo número de individuos (percentil
50, segundo cuartil).
~
x  X  n 1 
 
 2 
 Moda (‘mode’) Es el/los valor/es donde la distribución

de frecuencia alcanza un máximo.
Altura mediana

Ejemplo 1
 Para el siguiente conjunto de observaciones determine
los cuartiles, P73, D3 y D7, la media, la mediana y la
moda
8 3 5 6 4 7 8 1 4 4

Datos agrupados
 Datos organizados en tabla
 Denotemos por Xi a la marca de clase, entonces:
k
 Media
x i fi
x i 1
n
 Cuantil de orden α
 i es el menor intervalo que tiene frecuencia
acumulada superior a α ·n
Variable fr. fr.  α=0,5 es mediana
ac.
L0 – L1 x1 f1 F1 a  n  Fi 1
Ca  Li 1  ( Li  Li 1 )
L1 – L2 x2 f2 F2 fi
...
Lk-1 – Lk xk fk Fk
n
Ejemplo con variable en intervalos
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 – 115 3 58
130
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 M. Clase Fr. Fr. ac.
40 – 50 45 5 5
x
 xf
i i i

45  5  55 10    115  3
 69,3
50 – 60 55 10 15 n 58
60 – 70 65 21 36
~ 0,5  58  N i 1
70 - 80 75 11 47 X  P50  Li 1  ( Li  Li 1 )
fi
80 - 90 85 5 52
0,5  58  15 
90 - 100 95 3 55  60  (70  60)  66,6
21
100 – 130 115 3 58
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

Medidas de dispersión
 Amplitud o Rango (‘range’):
0.05
Mín. P25 P50 P75 Máx.
Diferencia entre el valor máximo X(n) y el
0.04
mínimo X(1).
0.03
Rango= X(n) - X(1) 25% 25% 25% 25%
0.02
 2,1,4,3,8,4. El rango es 8-1=7 Rango intercuartílico
0.01
 Es muy sensible a los valores extremos. Rango
0.00
150 160 170 180 190
 Rango intercuartílico (‘interquartile range’):

 Es la distancia entre primer y tercer cuartil.
 RI=Rango intercuartílico = Q3 – Q1
 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
S2   i
n 1 i
( x  x ) 2
 Sus unidades son el cuadrado de las de la variable. De interpretación un poco

compleja para un principiante.
 Desviación típica (‘standard deviation’) Es la raíz cuadrada de la varianza
S S 2

Dispersión en distribuciones ‘normales’
0.05
0.05
0.04
0.04
0.03
0.03
0.02
0.02
0.01
0.01
x s x 2s
95 %
68.5 %
0.00
0.00
150 160 170 180 190
150 160 170 180 190
 Centrado en la media y a una desv. típica de distancia hay

aproximadamente el 68% de las observaciones.
 A dos desviaciones típicas tenemos el 95% (aprox.)

 Datos ‘casi normales’.
0.3
0.3
densidad
densidad
0.2
0.2
0.1
0.1
x s x 2s x s x 2s
66 % 95 % 71 % 94 %
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
0.4
0.3
0.3
densidad
densidad
0.2
0.2
0.1
0.1
x s x s x 2s
x 2s
68 % 94 % 70 % 94 %
0.0
0.0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3

Coeficiente de variación
Es la razón entre la desviación típica y la media. S
 Mide la desviación típica en forma de
“qué tamaño tiene con respecto a la media” CV 
 También se la denomina variabilidad relativa.
x
 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.
 Los ingenieros electrónicos hablan de la razón ‘señal/ruido’ (su inverso).

Ejemplo 2
 Para el conjunto de observaciones del Ejemplo 1,
determine el rango, la varianza, la desviación estándar
y el coeficiente de variación
8 3 5 6 4 7 8 1 4 4

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 al cubo con respecto a la media.
 En función del signo del estadístico diremos que la asimetría es
positiva o negativa.
 Distribución simétrica  asimetría nula.
0.20
0.5
0.20
0.4
0.15
0.15
0.3
0.10
0.10
0.2
0.05
0.05
0.1
x s x s
x s
66 % 78 %
78 %
0.00
0.00
0.0
8 10 12 14 16 18 20 -2 -1 0 1 2 3 0 2 4 6 8 10 12 14
16/4/2019 x Profesor: Marcos Mendoza x x 40

Apuntamiento o curtosis
La curtosis nos indica el grado de apuntamiento (aplastamiento) de una
distribución con respecto a la distribución normal o gaussiana. Es
adimensional.
Platicúrtica (aplanada): curtosis < 0
En el curso serán de especial
Mesocúrtica (como la normal): curtosis = 0 interés las mesocúrticas y
simétricas (parecidas a la normal).
Leptocúrtica (apuntada): curtosis > 0
Aplanada Apuntada como la normal Apuntada

2.0
0.8
0.3
1.5
0.6
0.2
1.0
0.4
0.1
0.5
x s
x s 0.2
68 % x s
57 %
0.0
82 %
0.0
0.0
0.0 0.2 0.4 0.6 0.8 1.0 -3 -2 -1 0 1 2 3

-2 -1 0 1 2
Bibliografía
 Zurita, G. (2008) Probabilidad y Estadística:
Fundamentos y Aplicaciones; Edición Escuela Superior
Politécnica del Litoral, Instituto de Ciencias
Matemáticas, Guayaquil-Ecuador
 Barón, F., Téllez, F. (2004) Apuntes de Bioestadística;
Universidad de Málaga

Clase 1

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

Clase 1

Hochgeladen von

Copyright:

Verfügbare Formate

Curso de: Estadística

Profesor: Marcos Mendoza

Clase 1: Estadística Descriptiva

16/4/2019 Profesor: Marcos Mendoza 1

16/4/2019 Profesor: Marcos Mendoza 2

• deducir las leyes que rigen esos fenómenos,

• y poder de esa forma hacer previsiones sobre los

16/4/2019 Profesor: Marcos Mendoza 3

[1] Probabilidad y Estadística, Fundamentos y Aplicaciones, Zurita Gaudencio

16/4/2019 Profesor: Marcos Mendoza 4

 Estimador o Estadístico: Es una cantidad numérica

16/4/2019 Profesor: Marcos Mendoza 5

 Ordinales: Si sus valores se pueden ordenar

 Continuas: Si entre dos valores, son posibles infinitos valores intermedios.

16/4/2019 Profesor: Marcos Mendoza 6

16/4/2019 Profesor: Marcos Mendoza 8

k [ak,ak+1) (ak+ak+1)/2 fk n f k/n 1

16/4/2019 Profesor: Marcos Mendoza 9

16/4/2019 Profesor: Marcos Mendoza 10

16/4/2019 Profesor: Marcos Mendoza 11

16/4/2019 Profesor: Marcos Mendoza 12

16/4/2019 Profesor: Marcos Mendoza 13

16/4/2019 Profesor: Marcos Mendoza 14

16/4/2019 Profesor: Marcos Mendoza 15

16/4/2019 Profesor: Marcos Mendoza 16

16/4/2019 Profesor: Marcos Mendoza 18

 La diferencia está en si las variables a

graficar son continuas, discretas o 300

 Diagramas barras para v. discretas o 100

 Se deja una separación entre barras para Número de hijos

indicar los valores que no son posibles

 Histogramas para variables continuas

Edad del encuestado

16/4/2019 Profesor: Marcos Mendoza 19

16/4/2019 Profesor: Marcos Mendoza 20

 Por ejemplo si se tienen las siguientes observaciones

16/4/2019 Profesor: Marcos Mendoza 22

16/4/2019 Profesor: Marcos Mendoza 23

16/4/2019 Profesor: Marcos Mendoza 24

16/4/2019 Profesor: Marcos Mendoza 25

 Resumen con 5 números:

 La zona central, ‘caja’,

Velocidad (Km/h) de 200 vehículos en ciudad

 Es costumbre que ‘los

bigotes’, no lleguen hasta los

extremos, sino hasta las

separan de la caja en no más

 Más allá de esa distancia se

Velocidad (Km/h) de 200 vehículos en autovía

16/4/2019 Profesor: Marcos Mendoza 26

 Moda (‘mode’) Es el/los valor/es donde la distribución

16/4/2019 Profesor: Marcos Mendoza 28

16/4/2019 Profesor: Marcos Mendoza 29

Para calcular la media es necesario elegir un

La media se desplaza hacia los valores extremos.

16/4/2019 Profesor: Marcos Mendoza 31

 Moda = marca de clase de (60,70] = 65

16/4/2019 Profesor: Marcos Mendoza 32

Diferencia entre el valor máximo X(n) y el

 Rango intercuartílico (‘interquartile range’):

16/4/2019 Profesor: Marcos Mendoza 33

 Sus unidades son el cuadrado de las de la variable. De interpretación un poco

 Desviación típica (‘standard deviation’) Es la raíz cuadrada de la varianza