Metodos de Analisis de Datos

MTODOS DE ANLISIS DE DATOS
(APUNTES)
MATERIAL DIDCTICO
Matemticas
n 6
Zenaida Hernndez Martn
MTODOS DE ANLISIS DE DATOS

(APUNTES)
UNIVERSIDAD DE LA RIOJA
SERVICIO DE PUBLICACIONES
2012
Hernndez Martn, Zenaida
Mtodos de anlisis de datos : apuntes / Zenaida Hernndez Martn. -
Logroo : Universidad de La Rioja, Servicio de Publicaciones, 2012.
172 p. ; 29 cm. (Material Didctico. Matemticas ; 6)
ISBN 978-84-615-7579-4
1. Mtodos estadsticos. I. Universidad de La Rioja. Servicio de Publicaciones, ed.
519.2
Mtodos de anlisis de datos (Apuntes)

de Zenaida Hernndez Martn (publicado por la Universidad de La Rioja) se difunde bajo una Licencia
Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported.
Permisos que vayan ms all de lo cubierto por esta licencia pueden solicitarse a los titulares del copyright.
Zenaida Hernndez Martn

Universidad de La Rioja, Servicio de Publicaciones, 2012
publicaciones.unirioja.es
E-mail: publicaciones@unirioja.es
ISBN 978-84-615-7579-4
Edita: Universidad de La Rioja, Servicio de Publicaciones
Pr
ologo
Este libro no pretende ser nada mas que lo que es: unos apuntes completos de lo que
se imparte en las clases de Metodos de Analisis de Datos. Un documento de ayuda a
los estudiantes, para que puedan dedicarse a escuchar atentamente las explicaciones del
profesor y a resolver los ejemplos y ejercicios planteados en clase y, a la vez, que sus
apuntes esten completos, las definiciones correctas, las explicaciones esten recogidas y que
las formulas esten correctamente escritas.
Aunque se incluyen algunos ejemplos, en estos apuntes no se incluye, como suele ser
habitual, una lista de problemas, al menos en esta primera version.
Por otra parte, los contenidos teoricos impartidos en clase se deben completar con
unas practicas en aula informatica, en las que se aprendera a hacer un analisis estadstico
utilizando un software adecuado. Estas practicas abarcan desde la obtencion de datos a
partir de las fuentes mas habituales de informacion estadstica, al analisis de los mismos,
tanto de forma descriptiva como mediante la realizacion e interpretacion correcta de los
contrastes de hipotesis mas habituales (los apuntes de estas practicas tampoco estan
contenidos en este libro).
La mayora de los graficos y tablas que aparecen en estos apuntes se han realizado
con el software de StatSoft, Inc. (2007). STATISTICA (Sistema informatico de analisis
de datos), version 8.0. www.statsoft.com, que es el que se esta utilizando actualmente en
las clases practicas.
Hablemos del contexto. La asignatura de Metodos de Analisis de Datos es una asig-
natura de Estadstica Basica, que se imparte en varias titulaciones, sobre todo de las
llamadas de letras y cuyos contenidos estan pensados para familiarizar a los estudiantes
con las tecnicas mas elementales de la Estadstica, con su manejo y su interpretacion.
El objetivo de la asignatura es que los estudiantes conozcan distintas medidas y tecni-
cas estadsticas, sepan cuando aplicarlas y sobre todo, como interpretarlas. No se pre-
tenden grandes sesiones de calculo y tampoco se hace mucho hincapie en el fundamento
matematico, sino que se busca la comprension de los estadsticos, cuando, para que y por
que aplicarlos.
Seg
un los objetivos descritos para esta asignatura en los distintos Grados en los que
se imparte, el estudiante debe adquirir una serie de competencias y habilidades, entre las
que se encuentran las siguientes:
Debera ser capaz de enfrentarse a una situacion y reconocer, si lo hay, un problema
3
4
estadstico. Por otra parte, a la vista de una serie de resultados estadsticos, debe
ser capaz de interpretarlos, resumiendo la informacion y/o describiendo la situacion
de una forma coherente.
Debera adquirir conocimientos estadsticos basicos suficientes para comprender y

defender o rechazar argumentos estadsticos de la vida cotidiana.
Debera conocer y aplicar las tecnicas mas utilizadas para la presentacion y resumen
de datos unidimensionales y bidimensionales, tanto cuantitativos como cualitativos.
Debera ser capaz de elaborar, presentar y defender un informe de la materia bien

estructurado, utilizando el lenguaje correcto y la terminologa adecuada.
Para conseguirlo, se ha pensado en un temario que incluye 10 temas y que son los que
constituyen este curso.
Este documento esta basado en el desarrollo del temario de la asignatura durante
los cursos 2009-2010 y 2010-2011, de modo que se ajusta en tiempo y contenidos a los
objetivos que se pretenden, por lo que es valido no solo para los estudiantes, sino tambien,
como marco de referencia, para cualquier profesor que tenga que abordar por primera vez
esta asignatura o alguna similar.
Como deca al principio, este libro no pretende ir mas alla de los apuntes, completos,
de clase. Tras el Indice, se comentan cuatro libros que se ajustan bastante al temario y
al nivel de esta asignatura. Para acceder a otras explicaciones y/o ampliar conocimientos
tienen en la Biblioteca de la Universidad bibliografa actualizada mas que suficiente.
Por ultimo, no sera justo terminar esta peque
na introduccion sin agradecer a mis
companeros Montse San Martn, Juan Carlos Fillat y David Ortigosa, sus aportaciones y
correcciones y sobre todo por su apoyo para que estos apuntes pudieran salir a la luz.
Logro
no, julio de 2011
Indice
1. Estadsticas econ
omicas y sociales 11
1.1. La utilidad de la Estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2. Definiciones iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3. Fuentes de informacion estadstica . . . . . . . . . . . . . . . . . . . . . . . 17
2. Estadstica Descriptiva unidimensional 19

2.1. Escalas de medicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Resumen de los datos: tablas de frecuencias . . . . . . . . . . . . . . . . . 20
2.3. Lectura de las tablas de frecuencias . . . . . . . . . . . . . . . . . . . . . . 26
2.4. Graficos unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.1. Graficos para distribuciones no agrupadas en intervalos . . . . . . . 30
2.4.2. Graficos para distribuciones agrupadas . . . . . . . . . . . . . . . . 33
2.5. Medidas de una variable cuantitativa . . . . . . . . . . . . . . . . . . . . . 34
2.6. Medidas de posicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6.1. La media aritmetica . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6.2. La moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.3. La mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6.4. Medidas de posicion no central . . . . . . . . . . . . . . . . . . . . 39
2.7. Medidas de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.7.1. Medidas de dispersion absoluta . . . . . . . . . . . . . . . . . . . . 40
2.7.2. Medidas de dispersion relativa . . . . . . . . . . . . . . . . . . . . . 43
2.8. Medidas de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.8.1. Medidas de simetra y asimetra . . . . . . . . . . . . . . . . . . . . 45
5
6 INDICE
2.8.2. Medidas de curtosis o apuntamiento . . . . . . . . . . . . . . . . . . 46

2.9. Medidas de concentracion . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.9.1. La curva de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.9.2. Indice de concentracion de Gini . . . . . . . . . . . . . . . . . . . . 49
2.10. Ejemplo resuelto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3. N
umeros ndices 57
3.1. N
umeros ndices simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2. N
umeros ndices compuestos no ponderados . . . . . . . . . . . . . . . . . 58
3.3. N
umeros ndices compuestos ponderados . . . . . . . . . . . . . . . . . . . 59
3.4. Indices de precios, de cantidad y de valor . . . . . . . . . . . . . . . . . . . 60
3.4.1. Indices de precios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.4.2. Indices de cantidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4.3. Indices de valor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.5. Propiedades de los n
umeros ndices . . . . . . . . . . . . . . . . . . . . . . 63
3.6. Pasos para el calculo de los n
umeros ndices . . . . . . . . . . . . . . . . . 64
3.7. La deflacion de valores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.8. Indice de precios de consumo . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.9. Ejemplos resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4. La curva Normal 73
4.1. Propiedades de la curva Normal . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2. Valores tipificados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3. Proporciones de la curva Normal . . . . . . . . . . . . . . . . . . . . . . . 77
4.3.1. Como se utiliza la tabla? . . . . . . . . . . . . . . . . . . . . . . . 78
4.3.2. Calculos en distintas situaciones . . . . . . . . . . . . . . . . . . . . 79
4.3.3. Obtencion de valores crticos . . . . . . . . . . . . . . . . . . . . . . 81
4.4. La distribucion t de Student . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5. Probabilidad y variables aleatorias 89

5.1. Operaciones con sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
INDICE 7
5.2. Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3. Probabilidades condicionadas . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.4. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.5. Esperanza matematica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.6. La probabilidad y la curva Normal . . . . . . . . . . . . . . . . . . . . . . 99
6. Introducci
on a la Inferencia Estadstica 101
6.1. Distribucion de la media muestral . . . . . . . . . . . . . . . . . . . . . . . 101
6.2. Intervalo de confianza para la media . . . . . . . . . . . . . . . . . . . . . 103
6.3. Contraste de hipotesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.4. Contraste de hipotesis para la media . . . . . . . . . . . . . . . . . . . . . 109
6.5. Distribucion de la proporcion muestral . . . . . . . . . . . . . . . . . . . . 111
6.5.1. Intervalo de confianza para una proporcion . . . . . . . . . . . . . . 112
6.5.2. Contraste de hipotesis para una proporcion . . . . . . . . . . . . . . 114
6.6. Contraste de igualdad (o diferencia) de medias . . . . . . . . . . . . . . . . 115
6.7. Contraste de igualdad (o diferencia) de proporciones . . . . . . . . . . . . . 117
6.8. Ejemplos resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7. Muestreo 127
7.1. Tecnicas de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.2. Tama
no de la muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.2.1. Para la estimacion de una media . . . . . . . . . . . . . . . . . . . 129
7.2.2. Para la estimacion de una proporcion . . . . . . . . . . . . . . . . . 131
7.2.3. Para la estimacion de una diferencia de medias . . . . . . . . . . . . 133
7.2.4. Para la estimacion de una diferencia de proporciones . . . . . . . . 133
8. Estadstica Descriptiva bidimensional 135

8.1. Tablas de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.2. Graficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.3. Distribuciones marginales y condicionadas . . . . . . . . . . . . . . . . . . 139
8.3.1. Distribuciones marginales . . . . . . . . . . . . . . . . . . . . . . . 139
8 INDICE
8.3.2. Distribuciones condicionadas . . . . . . . . . . . . . . . . . . . . . . 140

8.4. La covarianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.5. Independencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
9. Correlaci
on y regresi
on lineal 145
9.1. Correlacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.2. Regresion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9.3. Analisis de la bondad del ajuste . . . . . . . . . . . . . . . . . . . . . . . . 151
9.4. Aplicaciones de la regresion . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.5. Ejemplo resuelto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
10.An
alisis estadstico de datos cualitativos 159
10.1. Correlacion por rangos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
10.2. Asociacion entre caracteres nominales . . . . . . . . . . . . . . . . . . . . . 161
10.2.1. Tablas de contingencia 2 2 . . . . . . . . . . . . . . . . . . . . . . 161
10.2.2. Tablas de contingencia h k . . . . . . . . . . . . . . . . . . . . . . 163
10.3. La distribucion Ji cuadrado . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A. Tablas 167
Bibliografa comentada
En la Biblioteca de la Universidad se dispone de abundante bibliografa actualizada,

con la que se pueden completar estos apuntes y profundizar mas en el temario.
Aqu se recomiendan algunos libros, que permiten completar la informacion de cada
tema, tanto por su facilidad de comprension como por ajustarse bastante a los contenidos
que nos interesan.
Introduccion a la Estadstica Economica y Empresarial, Martn-Pliego Lopez, F. J.;

Ed. Thomson. Madrid. 2004 (3a edicion).
Incluye los temas: 2, 3, 8, 9 y 10.
Lecciones de Estadstica Descriptiva. Curso teorico-practico, Tomeo Perucha, V. y

U
na Juarez, I.; Ed. Thomson. Madrid. 2003.
Incluye los temas: 2, 3, 8, 9 y 10.
Analisis de datos en Psicologa I. Teora y ejercicios. Botella, J. y otros; Ed. Pirami-

de. Madrid. 2001.
Incluye los temas: 2, 4, 5, 6, 8 y 9.
Estadstica para las ciencias del comportamiento. Pagano, R.; Ed. Thomson. Mejico.
1999 (5a edicion).
Incluye los temas: 2, 4, 5, 6, 7, 8 y 9.
9
Tema 1
Estadsticas econ
omicas y sociales
Para que necesita un trabajador social o un economista la Estadstica?

Entendemos las noticias de los periodicos?
Sabemos contestar a un argumento estadstico elemental?
El objetivo de este tema es variado.
En primer lugar y como tema principal: comprender la utilidad de la Estadstica en

las ciencias sociales.
En segundo lugar, debemos establecer algunas definiciones y conceptos elementales
que nos permitan unificar el vocabulario y los criterios para comenzar a trabajar
utilizando un correcto lenguaje estadstico.
Por ultimo, para hacer un estudio estadstico necesitamos datos. En algunos casos
debemos obtenerlos nosotros, pero en otros muchos casos, ya hay mucha informacion
elaborada por organismos oficiales. En este sentido comentaremos diversas fuentes
de informacion estadstica tanto de ambito regional, como nacional e internacional.
1.1. La utilidad de la Estadstica
A la hora de tomar decisiones en nuestro trabajo, e incluso en cualquier situacion

de nuestra vida cotidiana, nos encontramos con que esas decisiones las debemos tomar
basandonos en una informacion que nos dan o que, de alguna forma, conocemos.
Aunque no nos demos cuenta, estamos manejando informacion estadstica en situacio-
nes tales como:
El ni
no pide la paga y sus padres le preguntan: y cuanto les dan a tus amigos sus
padres?
Nos cuestionamos las noticias ya que leemos o escuchamos que ((seis de cada diez
trabajadores en Espa
na son mileuristas)) (en el comentario se especifica que del
11
12 TEMA 1. ESTADISTICAS ECONOMICAS
Y SOCIALES
total de los 27.94 millones de personas que perciben alg un ingreso (asalariados,
pensionistas, parados y autonomos), el 63 % tiene unos ingresos brutos mensuales
inferiores a los 1100 euros). Mientras que por otro lado nos dicen que el sueldo medio
mensual en Espa na es de mas de 1500 euros.
Tenemos que renovar el alquiler con la subida del IPC.
Nos dicen que los precios suben un 2 % (y no nos suben mas el sueldo), pero a
nosotros no nos llega para comprar lo mismo que el a
no pasado.
Estamos viendo un partido de baloncesto y tenemos la informacion de la diferencia
de puntos en cada minuto.
Son muchas las situaciones en las que vamos a tener que tomar decisiones importantes.
Para ello tendremos que conocer, de alguna forma, la situacion concreta que estamos
analizando por lo que debemos manejar informacion sobre la misma.
Desgraciadamente no siempre podremos basar nuestras decisiones en la experiencia,
pero cuando esto es posible, entra en juego la Estadstica. Por lo tanto, las situaciones
que nos interesan aqu son aquellas en las que vamos a manejar datos para ayudarnos a
tomar nuestras decisiones.
Una vez que tenemos los datos, la investigacion social se puede utilizar con dos enfo-
ques: para describir el fenomeno o para tomar decisiones.
A partir de una masa de datos, la Estadstica Descriptiva nos permite describir la
situacion analizada. Para ello se utilizan metodos de reduccion de la masa de datos,
calculo de promedios, dispersion o tendencias, que nos permiten sacar conclusiones de
estos datos.
Supongamos, por ejemplo, que conocemos las notas de selectividad de los 225 estu-
diantes que se matricularon en septiembre en una universidad peque
na. Esto constituira
una masa de datos.
Vamos a manejar una tabla ficticia para este ejemplo, pero mas adelante veremos
que en muchas ocasiones (no en todas) se pueden conseguir los datos reales sin mucha
dificultad.
7.3 4.2 6.5 4.0 4.7 7.7 8.0 2.2 6.6 3.4 5.6 8.9 7.0 9.9 7.7
7.9 4.4 4.1 3.5 4.0 5.3 3.0 7.8 6.2 6.5 4.3 7.1 7.5 3.0 3.4
5.0 7.4 6.0 6.9 8.8 5.7 6.8 5.1 4.0 6.1 3.3 8.4 9.3 7.2 3.4
5.0 9.8 5.8 9.1 8.3 4.4 8.4 5.4 7.0 5.6 6.3 7.7 6.4 5.8 3.4
0.9 8.1 8.1 6.3 5.7 3.0 4.5 8.5 9.6 7.6 1.8 7.0 2.6 3.2 4.9
3.7 4.3 6.7 3.9 8.5 8.3 3.3 6.4 4.2 8.5 5.9 7.2 7.2 5.8 2.7
5.1 1.2 4.0 5.4 5.2 6.6 1.0 2.7 6.2 9.3 8.1 2.0 9.6 4.5 4.0
6.0 9.2 9.0 8.8 7.3 5.4 6.5 5.1 6.0 8.2 4.7 5.1 4.9 5.6 8.9
8.0 5.4 6.5 3.2 8.1 4.2 2.3 4.0 4.6 7.8 6.7 5.9 6.8 6.2 8.3
6.2 4.8 6.8 7.5 7.4 6.7 4.7 4.5 1.4 3.3 2.1 6.8 6.1 7.6 4.1
1.3 6.7 7.2 8.2 6.2 2.6 5.4 5.0 8.5 6.1 8.7 6.1 0.3 3.9 6.7
4.1 1.7 7.0 6.1 4.8 9.0 5.7 6.2 7.3 8.7 8.5 4.6 8.7 7.3 9.5
5.1 9.1 8.0 1.2 6.3 3.4 3.6 8.7 9.2 3.1 5.4 6.5 3.8 8.2 9.7
3.9 7.7 9.4 5.9 7.7 8.8 6.2 2.3 6.4 7.8 3.6 7.1 4.8 3.6 6.2
7.1 7.8 4.6 6.0 8.9 4.7 8.7 4.3 5.3 6.8 1.8 2.3 6.3 9.1 8.2
1.1. LA UTILIDAD DE LA ESTADISTICA 13
La simple observacion directa de esta masa de datos (son n umeros) no nos permite
sacar conclusiones respecto a los mismos. Sin embargo, utilizando las tecnicas de Estadsti-
ca Descriptiva, incluso las mas elementales, podemos describir el comportamiento de las
calificaciones de los estudiantes con bastante precision.
En los proximos temas veremos con detenimiento estas tecnicas, pero ahora, como
ejemplo, vamos a ver su utilidad:
Un primer paso para sacar alguna conclusion de esta masa de datos consiste en redu-
cirla. Para ello se procede a ordenarlos y agruparlos en categoras (este proceso se conoce
como tabulacion):
De esta forma, podemos comenzar a hacernos una idea de la distribucion de la variable

estudiada (calificaciones).
La simple observacion de la tabla nos permite decir que la mayora de las calificaciones
estan en la parte central y que en los extremos hay pocas observaciones; que hay 74
suspensos que corresponden al 32.89 % de las observaciones o que lo mas habitual es tener
una nota en el intervalo [6,7).
En la mayora de las ocasiones, tambien es interesante representar graficamente esta
informacion ya que la interpretacion suele ser mas sencilla:
Y SOCIALES
En el histograma anterior, podemos visualizar algunas de las observaciones que ya

hemos hecho, como destacar el hecho de que son muy pocas las calificaciones por debajo
de 3 o por encima de 9; que la mayora de las calificaciones se encuentran entre 4 y 9 y
que se reparten de forma bastante ((uniforme)) salvo en el intervalo [6,7) en el que hay un
mayor numero de calificaciones.
Aunque todava no hemos comenzado con la asignatura propiamente, un procedimiento
estadstico con el que todos estamos familiarizados, es preguntarnos por la calificacion
promedio. La media aritmetica se obtiene sumando todas las calificaciones y dividiendo
por el numero total de estudiantes y nos permite hacernos una idea de la tendencia en el
grupo. Nos da un valor alrededor del cual se encuentran todas las demas calificaciones.
En este caso la calificacion media es de 5.92 lo que nos dice que la calificacion media de
selectividad ha sido bastante baja.
As, con estos sencillos recursos estadsticos (tablas de distribucion de frecuencias,
graficos y la media aritmetica) hemos podido detectar y describir algunos aspectos del
comportamiento de las calificaciones, que la mera observacion de la masa de datos no nos
permite.
Las tecnicas de Estadstica Descriptiva nos van a permitir reducir la masa de datos a
unos pocos indicadores con los que podremos describir adecuadamente el comportamiento
de la variable.
La Estadstica tambien se utiliza para contrastar hipotesis. Constantemente hacemos
hipotesis o conjeturas sobre ciertas situaciones, pero cuando nuestras decisiones las tene-
mos que basar en estas hipotesis, es convenientes contrastarlas.
1.1. LA UTILIDAD DE LA ESTADISTICA 15
Podemos afirmar (porque es una creencia o porque nos da la impresion) que fuman mas
los hombres que las mujeres o que una determinada enfermedad tiene mayor incidencia
en una provincia o en otra. Sin embargo, si tenemos que tomar una decision basada en
estos hechos, deberamos saber cual es el nivel de confianza de estas afirmaciones, hasta
que punto podemos apoyarnos en ellas. Esto lo haremos con los contrastes de hipotesis.
Esta claro que si tenemos informacion completa de un fenomeno, no hay nada que
contrastar. Si en la Universidad de La Rioja se han matriculado 3000 hombres y 3600
mujeres, podemos afirmar con certeza absoluta que hay mas mujeres que hombres.
Sin embargo, hay informaciones que nos interesa contrastar ya que depender del sentido
comun o de las experiencias cotidianas tiene sus limitaciones y son muchas las ocasiones
en las que las ((creencias populares)) no coinciden con la realidad.
Por ejemplo: ((En la Universidad de La Rioja es mas probable que tengan el carne de
conducir los hombres que las mujeres)); esta afirmacion se puede deber a una impresion
por lo que se ve, pero no se sabe a ciencia cierta. Si queremos utilizarla con propiedad
habra que contrastarla.
Por otra parte, en la Universidad de La Rioja hay unos 6600 alumnos, por lo que quizas
no nos sea posible entrevistarlos a todos para saber si tienen carne o no y distinguir por
sexo a los conductores. En este caso habra que tomar una porcion o muestra del grupo
grande que queremos analizar (poblacion), probaremos la hipotesis para la muestra y
decidiremos si es posible y correcto extender el resultado a la poblacion de la que se
obtuvo la muestra.
El problema de generalizar, o hacer inferencia, es que al tomar una muestra estamos
asumiendo que existe un error inevitable, por muy bueno y correcto que haya sido el
muestreo. No podemos garantizar nuestra respuesta con una seguridad del 100 %. Si en
la tabla de las notas tomamos varias muestras de 5 calificaciones, veremos que las me-
dias para cada una de las muestras son distintas a la media global: 5.92. Esto es lo que
llamaremos error de muestreo.
Supongamos para simplificar que la mitad de los alumnos son hombres y la otra mitad
mujeres, y que a partir de las listas de alumnos tomamos una muestra de 100 hombres
(1 de cada 33) y otra de 100 mujeres (1 de cada 33), ahora les preguntamos si tienen el
carne o no.
Consideramos las siguientes tres respuestas:
Respuesta 1 Respuesta 2 Respuesta 3

H M H M H M
Carne SI 60 40 55 45 51 49
Carne NO 40 60 45 55 49 51
Totales 100 100 100 100 100 100
Las 3 respuestas estan de acuerdo con nuestra hipotesis, pero lo que a nosotros nos
interesa es saber si estas diferencias son lo suficientemente importantes como para gene-
ralizarlas a todos los estudiantes. Es decir, nos preguntamos si las diferencias encontradas
Y SOCIALES
se deben al comportamiento de toda la poblacion o solo se deben a la muestra elegida.

Hasta que punto estamos dispuestos a aceptar la hipotesis con estos resultados?,
en que punto es suficientemente grande la diferencia como para considerarla real?, la
Inferencia Estadstica nos permitira tomar nuestra decision de una forma sencilla y
con un nivel de confianza determinado.
1.2. Definiciones iniciales
En los comentarios anteriores hemos estado utilizando algunos terminos estadsticos sin
conocer cual es su definicion correcta. Para poder trabajar en Estadstica es conveniente
tener claros los conceptos y utilizar un lenguaje com un, que no de lugar a confusion, por
lo que vamos a proceder a dar algunas definiciones basicas.
Para poder realizar cualquier analisis estadstico debemos disponer de unos datos. Y
estos datos corresponden a los valores obtenidos al estudiar determinadas caractersticas
en los elementos de un conjunto de entes.
Para fijar el lenguaje que utilizaremos, estableceremos los siguientes terminos:
Poblaci
on es el conjunto de entes (personas, animales o cosas) sobre los que se va a
llevar a cabo la investigacion estadstica.
Elemento es cada uno de los componentes de la poblacion (pueden ser simples o com-
puestos).
Tama
no de la poblaci
on es el n
umero de elementos que la componen.
Caracteres son las cualidades o rasgos comunes a toda la poblacion que vamos a estudiar.
Pueden ser cuantitativos (variables) o cualitativos (atributos).
Aunque existe el analisis estadstico de los caracteres cualitativos (se vera al final del
temario), cuando se habla de analisis estadstico, generalmente nos referimos al analisis
de las caractersticas cuantitativas observadas en los elementos de una poblacion.
Por lo tanto, generalmente trabajaremos con variables estadsticas que, atendiendo a
los valores que pueden tomar, pueden ser discretas o continuas; y esta diferencia hace
que en muchas ocasiones tengan un tratamiento diferente.
Diremos que una variable estadstica es discreta si dados dos valores distintos de
la variable, entre ellos no puede haber mas que un n umero finito de valores de la
variable, por muy alejados que esten entre s. Por ejemplo: n
umero de hijos.
Diremos que una variable estadstica es continua si, dados dos valores distintos de
la variable, entre ellos hay infinitos posibles valores de la variable, por muy proximos
que esten entre s. Por ejemplo: peso, tiempo...
ESTADISTICA
1.3. FUENTES DE INFORMACION 17
Por otra parte, dentro de los atributos (tambien llamados variables cualitativas), cabe
distinguir dos categoras: los atributos que son simples nombres y/o categoras (atributos
categoricos) y los atributos ordinales que ademas permiten alg un tipo de ordenacion.
Por ejemplo, el estado civil es un atributo categorico, mientras que el grado de satis-
faccion o el nivel de estudios son atributos ordinales.
Es muy importante, en el caso de los atributos, no confundir los n umeros que se pueden
utilizar para codificar las distintas categoras con valores resultantes de una medicion. NO
podremos realizar operaciones aritmeticas con estos n umeros.
Otra cuestion muy importante, que se debe tener en cuenta antes de realizar un analisis
estadstico es que es lo que queremos o podemos hacer, en funcion del tama no de la
poblaci on objeto de estudio.
Si la poblacion es peque
na y podemos obtener datos de todos los elementos de la
misma, lo que haremos sera un analisis descriptivo (Estadstica Descriptiva).
Pero, si la poblacion es muy grande (infinita o tan grande que no podemos abordarla en
su totalidad), no nos queda mas remedio que tomar una ((muestra representativa)), analizar
dicha muestra y luego estudiar bajo que condiciones podemos extender los resultados
obtenidos con la muestra a toda la poblacion o si podemos inferir alg un resultado para la
poblacion. En esto consiste la Inferencia Estadstica.
Una vez que tenemos claros estos conceptos, para realizar un analisis estadstico, ge-
neralmente seguiremos los siguientes pasos:
Paso 1: Establecemos la poblacion que queremos estudiar.
Paso 2: Determinamos las caractersticas que nos interesa analizar de dicha poblacion.
Paso 3: Recogemos los datos.
Paso 4: Realizamos el analisis de datos.
Paso 5: Exponemos nuestras conclusiones.
1.3. Fuentes de informaci

on estadstica
Como ya hemos dicho, para realizar un analisis estadstico necesitamos manejar una
masa de datos.
Estos datos los podemos haber recogido nosotros personalmente mediante estudios
directos de la poblacion o de una muestra representativa de la misma, pero en muchas
ocasiones tendremos que recurrir a datos ya elaborados.
Los organismos oficiales tienen departamentos de Estadstica dedicados a la recoleccion
de datos que utilizan para elaborar sus informes correspondientes.
En la mayora de las ocasiones estos datos nos los presentan semi-tratados y solo en
algunos casos (afortunadamente cada vez mas) tenemos acceso a los microdatos, es decir
Y SOCIALES
a los datos originales de la encuesta.

No vamos a ver aqu una lista exhaustiva de fuentes de informacion estadstica, sino
mas bien una idea de los lugares a los que podemos acudir.
En Espana, lo primero que se nos ocurre es acudir al Instituto Nacional de Estadstica
(INE): http://www.ine.es, un peque no paseo por esta web nos permite acceder a gran
cantidad de informacion estadstica.
na de ayuda, seleccionamos ((Enlaces)), accederemos a una pagina
Ademas, si en la pesta
en la que se encuentran las direcciones actualizadas de las principales fuentes estadsticas,
tanto nacionales como internacionales:
Si lo que necesitamos son los microdatos, la pagina del INE tambien nos permite
acceder a muchos de ellos. En la pesta
na de Productos y Servicios /Informacion podemos
seleccionar ficheros de microdatos.
Por otra parte, si lo que necesitamos son los microdatos de las estadsticas que ofrecen
otras fuentes, debemos acceder mediante su pagina web (si es que los datos son accesibles
al publico en general) o solicitarlos al organismo correspondiente, que valorara nuestra
solicitud y puede que nos los ceda o no.
Por ejemplo, para obtener unos datos que son p
ublicos en el CIS, nos piden que nos
identifiquemos:
http://www.cis.es/cis/opencms/ES/formulario.jsp?dwld=/Microdatos/MD2811.zip
Evidentemente estas no son todas las fuentes estadsticas ya que nos hemos dirigido
solo a organismos oficiales. Hay otras muchas organizaciones que tambien elaboran sus
propias estadsticas y que nos pueden facilitar sus datos, aunque es recomendable utilizar
los datos oficiales siempre que sea posible.
Tambien se puede obtener informacion estadstica en los Anuarios Estadsticos y otras
publicaciones en papel, ya sean de organismos oficiales u otras organizaciones, que se
encuentran en la Biblioteca o en las sedes de los mismos.
Tema 2
Estadstica Descriptiva
unidimensional
En este tema veremos como realizar el analisis descriptivo completo de una variable
unidimensional.
Primero nos haremos una idea de su comportamiento con el resumen de los datos
y algunos graficos elementales y, a continuacion, veremos como calcular las principales
medidas que nos permitiran describir con precision el comportamiento de dicha variable.
Esta descripcion la haremos interpretando correctamente todos los resultados obtenidos.
Los epgrafes del tema son los siguientes:
Escalas de medicion.
Resumen de los datos: tablas de frecuencias.
Graficos unidimensionales.
Medidas de tendencia central y de posicion: media aritmetica, mediana, moda y

percentiles.
Medidas de dispersion absolutas y relativas: Recorrido, varianza, desviacion tpica,

cuasivarianza, cuasidesviacion tpica, recorrido relativo y coeficiente de variacion.
Medidas de forma: asimetra y curtosis.
Medidas de concentracion.
2.1. Escalas de medici

on
Aunque ya lo comentamos en el tema anterior, vamos a dejar un poco mas claro el

concepto de escala de medicion ya que el tipo de escala influira en el posible tratamiento
posterior de la variable.
19
20 TEMA 2. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL
Escala nominal: las observaciones de un caracter vienen dadas en escala nominal cuan-
do se pueden clasificar en varias categoras, excluyentes entre s, entre las que no es
posible establecer ninguna relacion de orden y tampoco es posible operar matemati-
camente.
En este tipo de escala vienen dados los atributos categ oricos: sexo, estado civil,
tipo de contrato laboral, lugar de nacimiento, sector de actividad economica,...
Escala ordinal: las observaciones de un caracter vienen dadas en escala ordinal cuando
se pueden clasificar en varias categoras, excluyentes entre s, entre las que es posible
establecer alguna relacion de orden, aunque no es posible operar matematicamente.
Las categoras se pueden ordenar pero no se puede cuantificar la diferencia entre
ellas.
En este tipo de escala vienen dados los atributos ordinales: nivel de ingresos, nivel
de estudios, grado de satisfaccion,...
Escala de intervalo: las observaciones de un caracter vienen dadas en escala de inter-
valo cuando existe una unidad de medida que nos permite cuantificar la distancia
existente entre dos observaciones, pero el cero es arbitrario.
En este tipo de escala vienen dadas algunas variables (caracteres cuantitativos):
la temperatura en grados Celsius o en grados Fahrenheit, fechas,...
Si observamos dos temperaturas: 30o C y 15o C (equivalentemente: 86 o F y 59 o F
respectivamente o F=32+1.8 o C ), podemos establecer distancias (15 grados de
diferencia en la escala Celsius, o 27 grados en la escala Fahrenheit), pero no podemos
afirmar que 30 o C es una temperatura doble que 15 o C, la temperatura es la misma
sea cual sea la escala de medida y aunque 30 es el doble de 15, sin embargo 86 no
es el doble de 59.
Escala de raz on (proporci on o cociente): las observaciones de un caracter vienen
dadas en escala de razon cuando existe una unidad de medida que nos permite
cuantificar la distancia existente entre dos observaciones y ademas existe un cero
absoluto.
En este tipo de escala vienen dadas la mayora de las variables (caracteres
cuantitativos): edad, peso, salario, nivel de inventario,...
En los dos ultimos casos (escala de intervalo y escala de razon), al existir una unidad de
medida, se puede operar matematicamente con los datos y obtener una serie de medidas o
indicadores que nos van a permitir describir el comportamiento, para nuestra poblacion,
de la caracterstica que estamos analizando.
En algunos libros, solo se consideran 3 tipos de escala, ya que las escalas de intervalo
y de razon se unen en una u
nica categora llamada escala cuantitativa.
2.2. Resumen de los datos: tablas de frecuencias
Una vez que hemos determinado cual es la poblacion que queremos estudiar y que ca-
ractersticas queremos analizar, el siguiente paso es la recogida de datos.
2.2. RESUMEN DE LOS DATOS: TABLAS DE FRECUENCIAS 21
Para cada individuo, obtendremos tantos valores como caractersticas estemos anali-
zando. As, si en una poblacion solo nos interesa la edad, para cada individuo tendremos
un unico valor: su edad; pero si nos interesa la edad, antig uedad en la empresa, estado
civil y salario, para cada individuo tendremos 4 valores.
En el primer caso diremos que obtenemos una variable unidimensional (E=edad) y en
el segundo caso, tenemos una variable de dimension 4 (E, A, C, S).
En realidad, la variable de dimension 4, esta formada por 4 variables unidimensionales,
con la particularidad de que los valores de cada 4-tupla, corresponden al mismo individuo
o elemento de la poblacion. En este curso, solo nos vamos a ocupar de los analisis de
variables unidimensionales y bidimensionales.
Para comenzar nos vamos a referir al estudio de un u
nico caracter poblacional y por
lo tanto a una variable unidimensional (por ahora no vamos a distinguir entre variables
cualitativas y cuantitativas).
Las variables, en general, se suelen nombrar con una letra mayuscula (E, A, X, Y, . . . ).
Cuando observamos una variable en una poblacion, obtenemos una serie de valores dis-
tintos para esa variable: 18, 19, 20,..., o soltero, casado, viudo,... Los distintos valores
observados de la variable se suelen nombrar con la misma letra que la variable pero en
minuscula.
Al observar una caracterstica, X, de la poblacion podemos obtener unos valores (dis-
tintos entre s): x1 , x2 , ..., xk . Ademas, cada uno de los valores distintos observados de la
variable, puede aparecer una o mas veces.
Definimos:
Frecuencia absoluta de un determinado valor, xi , de la variable (y la represen-

taremos por ni ): es el n
umero de veces que se presenta ese determinado valor xi .
Frecuencia relativa de un determinado valor, xi , de la variable (y la representa-

remos por fi ): es la proporcion de veces que aparece ese valor en el conjunto de
observaciones y se calcula como el cociente de su frecuencia absoluta (ni ) y el n
ume-
ro total de datos, N .
Frecuencia absoluta acumulada de un determinado valor, xi , de la variable (y

la representaremos por Ni ): es la suma de las frecuencias absolutas de todos los va-
lores de la variable menores o iguales que dicho valor xi .
Ni = ij=1 nj = n1 + + ni , Nk =N.
P
Frecuencia relativa acumulada de un determinado valor, xi , de la variable (y la

representaremos por Fi ): es la suma de las frecuencias relativas de todos los valores
de la variable menores o iguales que dicho valor, xi .
Fi = ij=1 fj = f1 + + fi = NNi , Fk =1.
P
Las frecuencias acumuladas solo tienen sentido si la escala es ordinal o cuantitativa.

Cuando en un conjunto de valores observados de una variable se realizan las opera-

ciones de ordenaci on y agrupaci on de los valores que se repiten (determinacion
de la frecuencia de cada valor), se obtiene una tabla estadstica de distribuci
on de
frecuencias.
A dicho conjunto de operaciones se le denomina tabulacion.
Nota: en el caso de los atributos, los valores se pueden escribir en cualquier orden,
pero si son atributos ordinales, el construir la tabla con los valores ordenados, facilita la
comprension de la misma.
Para ver como se emplean estos conceptos, consideremos el siguiente ejemplo:
Poblacion: La plantilla de una peque
na empresa, formada por 20 jovenes.
Variable: edad, expresada en a
nos.
Valores observados:
18 20 22 19 18
20 18 19 21 20
20 21 18 20 21
19 20 21 18 20
Entonces, si llamamos X a la variable edad, los valores xi distintos que hemos observado
son: 18, 19, 20, 21 y 22.
La correspondiente tabla de frecuencias sera:
xi ni Ni fi Fi
18 5 5 5/20 5/20
19 3 8 3/20 8/20
20 7 15 7/20 15/20
21 4 19 4/20 19/20
22 1 20 1/20 1
20 1
Ejemplo: Para las notas de 100 alumnos, vamos a construir la tabla de frecuencias:
4 1 5 6 3 5 2 4 4 6
3 4 0 4 7 7 3 4 8 6
8 3 4 5 3 6 9 6 1 5
1 0 1 2 1 3 2 7 5 6
5 4 3 5 5 4 7 5 2 1
2 1 2 3 1 3 5 2 5 5
7 5 3 5 4 6 6 4 7 7
6 0 2 4 2 4 7 3 3 2
8 4 6 6 4 5 10 6 4 7
8 2 4 6 4 4 4 2 6 7
La correspondiente tabla de frecuencias sera:
xi ni Ni fi Fi
0 3 3 0.03 0.03
1 8 11 0.08 0.11
2 12 23 0.12 0.23
3 12 35 0.12 0.35
4 20 55 0.20 0.55
5 15 70 0.15 0.70
6 14 84 0.14 0.84
7 10 94 0.10 0.94
8 4 98 0.04 0.98
9 1 99 0.01 0.99
10 1 100 0.01 1.00
100 1
Las distribuciones de frecuencias se pueden clasificar de acuerdo con el n

umero de los
valores observados de la variable, as como con el n
umero de observaciones totales:
En el caso de pocas observaciones y pocos valores de la variable, no es necesario

realizar la operacion de agrupamiento. En este caso, u nicamente procede realizar
una ordenacion de los valores de la variable. Esta ordenacion no supone tratamiento
estadstico alguno, pues para que exista ((tratamiento estadstico)) se debe disponer
de una ((masa de datos)).
Ejemplo: Variable: peso fsico
Valores observados: 50, 64, 80, 72.
N
umero de observaciones : 4
El u
nico tratamiento posible es la ordenacion de los valores.
Logicamente cuando hay muchos valores, no puede haber pocas observaciones.
Cuando disponemos de muchas observaciones correspondientes a pocos valores de la

variable aparecen las tablas de frecuencias. Generalmente este tipo de distribuciones
se presenta para variables discretas, ya que es poco realista que al realizar muchas
observaciones de una variable continua, se obtengan pocos valores diferentes.
Como ejemplo de una distribucion de este tipo, puede servir el ejemplo anterior de
los 20 empleados. O bien, estudiar la variable edad, con precision de a
nos, en los
alumnos de primera matrcula en la Universidad de La Rioja.
Si son muchas las observaciones y muchos los valores observados de la variable, en

ocasiones se procede previamente a la agrupacion de los valores de la variable en
intervalos. Cuando esto ocurre, se habla de tablas agrupadas en intervalos. Este
tipo de tablas es aplicable tanto a las variables discretas (cuando es muy elevado el
numero de valores), como a las variables continuas.
En este ultimo caso, lo primero que se hace es agrupar los valores de la variable en
intervalos, que pueden ser de amplitud constante o no, y calcular las frecuencias en cada
intervalo.
Para agrupar los datos en intervalos o clases, debemos comenzar determinando el
recorrido o rango de la variable, que se define como la diferencia entre el mayor y el
menor valor de la variable:
Re = max xi mn xi
Este recorrido se divide entonces en intervalos. Lo mas comodo para el tratamiento pos-
terior de la distribucion es que los intervalos sean de amplitud constante, pues entonces:
Re= n umero de intervalos amplitud, lo cual permite deducir:
- el n
umero de intervalos, si fijamos la amplitud
- la amplitud, si fijamos el n
umero de intervalos.
No existen reglas fijas para determinar el n
umero idoneo de intervalos, hasta el punto
de que a veces se hacen varias pruebas hasta conseguir resaltar las caractersticas del
fenomeno. Cuando no existen otras indicaciones, un valor com unmente aceptado es un
numero proximo a raz cuadrada de N (siendo N el numero total de observaciones).
Cada intervalo queda especificado por sus lmites. En general para el intervalo i-esimo,
estos lmites se representan por li1 y li , donde li1 es el lmite inferior y li el lmite
superior.
Un problema que puede surgir es que el valor de la variable coincida exactamente con
el lmite del intervalo. Para evitar que aparezcan situaciones conflictivas, es conveniente
especificar el tipo de intervalo. Generalmente se utiliza abierto por la izquierda y cerrado
por la derecha: (a, b] o ]a, b]. Lo cual significa que dentro del intervalo se incluyen los
valores comprendidos entre a y b, incluido b y excluido a.
Para facilitar el manejo matematico de los intervalos, es preciso considerar un valor
concreto de la variable como representante de cada intervalo. Generalmente se toma como
tal el valor central del intervalo, y se le denomina marca de clase.
Ejemplo: en una escuela, las notas de Fsica de 100 estudiantes fueron:
4.4 1.1 4.6 5.8 2.5 4.8 1.8 4.1 3.5 5.9
2.9 3.5 0.2 3.7 6.8 7.0 3.1 4.4 8.4 6.4
8.2 2.6 4.2 5.1 2.9 5.9 9.2 5.6 0.5 5.2
0.8 0.1 1.2 4.7 2.1 0.6 3.2 1.5 6.7 6.1
4.7 4.3 3.3 4.8 4.7 4.3 6.9 4.9 2.1 0.9
1.5 1.1 2.2 2.9 1.4 3.1 4.6 1.9 4.9 5.1
7.1 5.2 3.2 5.1 4.4 5.7 6.0 4.3 6.5 7.3
6.2 0.3 1.7 3.9 2.2 4.0 6.5 3.0 3.1 1.6
8.0 4.1 5.9 6.0 4.1 5.1 1.0 6.3 4.1 7.4
8.1 2.0 3.6 5.9 3.8 4.0 4.3 1.8 6.0 7.1
Puesto que las puntuaciones pueden ir de 0 a 10, es comodo el hacer 10 intervalos de

longitud constante igual a 1 punto. Los intervalos, las marcas de clase y los distintos tipos
de frecuencias son los siguientes:
(li1 , li ] xi ni Ni fi Fi
[0, 1] 0.5 8 8 0.08 0.08
(1, 2] 1.5 12 20 0.12 0.20
(2, 3] 2.5 10 30 0.10 0.30
(3, 4] 3.5 14 44 0.14 0.44
(4, 5] 4.5 21 65 0.21 0.65
(5, 6] 5.5 16 81 0.16 0.81
(6, 7] 6.5 10 91 0.10 0.91
(7, 8] 7.5 5 96 0.05 0.96
(8, 9] 8.5 3 99 0.03 0.99
(9, 10] 9.5 1 100 0.01 1
En las distribuciones agrupadas en intervalos se puede presentar el problema de que

el u
ltimo intervalo sea abierto, es decir, que no tenga lmite superior (identico problema
se puede presentar con el primer intervalo y el extremo inferior).
Por ejemplo, vamos a considerar la siguiente distribucion de frecuencias de los ingresos
mensuales de 1.000 familias:
Intervalo Marca de clase Frecuencia absoluta

(en euros) xi ni
0-1000 500 100
1000-2000 1500 300
2000-3000 2500 400
3000-5000 4000 150
mas de 5000 ? 50
1000
En la distribucion anterior no se puede determinar directamente la marca de clase

correspondiente al u
ltimo intervalo.
Cuando se conocen los valores individuales de la distribucion, lo que suele hacerse
es tomar como marca de clase del u ltimo intervalo el promedio de todos los valores que
corresponden al mismo (en este ejemplo se calculara el promedio correspondiente a las
50 familias que cuentan con ingresos superiores a 5000 euros mensuales).
Si no se dispone de esa informacion individual, no existen criterios objetivos que nos
permitan determinar la marca de clase.
Sin embargo, para el calculo de ciertas caractersticas de la distribucion, como veremos
mas adelante, es necesario conocer todas las marcas de clase. En ese caso, se toma como
marca de clase de un intervalo abierto, el valor que, a juicio del que realiza la investiga-
cion, mejor representa el intervalo. Como se puede observar esta es una determinacion
arbitraria, pero en ciertos casos, no existe otra solucion.
Como ya se ha indicado, se suele tomar como marca de clase el valor central del
intervalo, ya que en principio se considera como el valor mas representativo del mismo.
Pero en algunas ocasiones se observa que este criterio es totalmente inaceptable. As,
en el ejemplo anterior, no parece razonable que la marca de clase 500 euros, sea un
buen representante de las 100 familias con ingresos comprendidos entre 0 y 1000 euros.
Logicamente, cabe suponer que la mayor parte de estas familias se acercaran mas a los
1000 euros que a los 0 euros. Para conseguir que la marca de clase sea representativa,
debe adoptarse una solucion similar a la adoptada en los intervalos abiertos.
2.3. Lectura de las tablas de frecuencias
Puesto que, como hemos comentado, la reduccion de datos se realiza para hacer mas
manejable y comprensible la masa de datos, vamos a ver ahora como extraer informacion
de una tabla de frecuencias, y como expresar dicha informacion, dependiendo de la forma
de la tabla y de nuestras necesidades.
Supongamos que tenemos la siguiente tabla con la informacion sobre los estudiantes
de cierta universidad, por sexo:
Sexo Frecuencia
si ni
Hombre 25704
Mujer 24696
Total 50400
Una simple mirada a la tabla nos permite decir que en esa universidad hay mas hombres
que mujeres, y que en total hay 50400 estudiantes.
Podramos ampliar esta informacion si completamos la tabla con las frecuencias
relativas y porcentajes:
Sexo Frecuencia Frecuencia relativa Porcentaje

si ni fi 100 fi
Hombre 25704 0.51 51
Mujer 24696 0.49 49
Total 50400 1 100
Ahora esa diferencia la podemos cuantificar: el 51 % de los estudiantes de esa univer-

sidad son hombres, mientras que el 49 % restante son mujeres.
Por otra parte, nos puede interesar comparar a los estudiantes por sexo pero no en toda
la universidad sino para los estudiantes de Ciencias y de Letras, es decir, nos podramos
preguntar si tambien es cierto que hay mas hombres que mujeres tanto en las facultades
de Ciencias como en las de Letras.
2.3. LECTURA DE LAS TABLAS DE FRECUENCIAS 27
Para ello deberamos tener informacion del sexo y tipo de facultad de cada uno de
los estudiantes (variable bidimensional), y esta informacion la podramos recoger en una
tabla del tipo:
Facultad Ciencias Letras Total

Sexo
Hombre 13608 12096 25704
Mujer 16632 8064 24696
Total 30240 20160 50400
Entonces, podemos decir que aunque en las facultades de Letras s que es cierto que el
n
umero de hombres es mayor que el n
umero de mujeres, esto no es cierto en las facultades
de Ciencias, donde es mayor el n
umero de mujeres que el de hombres.
Tambien de esta tabla podemos obtener otra informacion y es que en esta universidad
hay mas estudiantes de Ciencias que de Letras.
Cuando los grupos tienen distinto tama no, para hacer las comparaciones entre los
grupos y hacernos una idea clara de las diferencias, es conveniente ((estandarizar)) las dis-
tribuciones por tama
no, para ello se suelen utilizar las proporciones o los porcentajes.
Recordemos que las proporciones comparan el tama no de una categora dada con el
valor de toda la distribucion (son las frecuencias relativas). Sin embargo hay mucha gente
que prefiere indicar el tama no relativo en forma de porcentaje, o lo que es lo mismo, la
frecuencia de una determinada categora por cada 100 casos.
Veamoslo sobre el ejemplo anterior. Comparamos las distribuciones por columnas.

Sexo
Hombre 13608 (45 %) 12096 (60 %) 25704 (51 %)
Mujer 16632 (55 %) 8064 (40 %) 24696 (49 %)
Total 30240 (100 %) 20160 (100 %) 50400 (100 %)
Ahora podemos saber que en las facultades de Ciencias, de cada 100 alumnos matri-
culados, 45 son hombres y 55 son mujeres, mientras que en las facultades de Letras, hay
un 60 % de estudiantes hombres y solo un 40 % de mujeres.
Como podemos ver, se pueden apreciar mejor las diferencias.
Nota: esta tabla tambien admite otra interpretacion, en la que en lugar de estudiar el
sexo de los estudiantes en cada tipo de facultad, se estudie el tipo de estudios por sexo
(es decir, podemos hacer la interpretacion por filas).

Sexo
Hombre 13608 (52.94 %) 12096 (47.06 %) 25704 (100 %)
Mujer 16632 (67.35 %) 8064 (32.65 %) 24696 (100 %)
Total 30240 (60 %) 20160 (40 %) 50400 (100 %)
De este modo podramos decir que en esta universidad, el 60 % de los alumnos estudian
en facultades de Ciencias y el 40 % lo hace en facultades de Letras. Y por sexos, mientras
los hombres se reparten en un 52.94 % en facultades de Ciencias y el 47.06 % restante en
facultades de Letras, entre las mujeres las diferencias son mucho mas acusadas ya que
un 67.35 % estudian en facultades de Ciencias y solo un 32.65 % lo hace en facultades de
Letras.
Tanto entre los hombres como entre las mujeres se mantiene la tendencia global y es
mayor la proporcion de los que estudian en las facultades de Ciencias que en las de Letras.
Otra forma, aunque menos comun, de estandarizar por tama no es la razon, que con-
siste en comparar, mediante un cociente, los casos que hay en una categora con los que
hay en otra categora.
Si estamos interesados en conocer, en las facultades de Letras, la razon de hombres
(12096) a mujeres (8064), construimos el cociente y simplificamos:
12096 3
razon = =
8064 2
es decir que, en las facultades de Letras, hay 3 hombres por cada 2 mujeres.
Para unificar la terminologa, las razones se suelen dar en unidades ((por cada
100)) unidades. De este modo:
12096 3
razon 100 = 100 = 100 = 150
8064 2
es decir, que en las facultades de Letras, hay 150 hombres por cada 100 mujeres.
Si comparamos tipos de estudios de las mujeres de esta universidad, tendramos:
16632 33 825
razon 100 = 100 = 100 = = 206.25
8064 16 4
es decir, que en el grupo de las mujeres universitarias, hay 33 realizando estudios de
Ciencias por cada 16 que realizan estudios de Letras. O bien, hay aproximadamente 206
mujeres en las facultades de Ciencias por cada 100 que estan en las facultades de Letras.
Otro tipo de razones, que se usan mas que las anteriores, son las tasas.
Todos hemos odo hablar de tasas de nacimiento, de mortalidad, de divorcios, etc...
As como en las razones se comparan el numero de casos de un subgrupo o categora con
los de otro subgrupo, las tasas indican comparaciones entre el numero de casos reales
y el numero de casos potenciales. Por ejemplo, para determinar la tasa de fecundidad
en una determinada poblacion se puede calcular el numero de nacimientos vivos reales
dividido por el numero de mujeres en edad de quedarse embarazadas (que representan
casos potenciales); o del mismo modo, la tasa de divorcios se calcula como el n umero
de divorcios reales dividido por el n
umero de matrimonios que ocurren en un perodo de
tiempo (en un a no, por ejemplo).

2.4. GRAFICOS UNIDIMENSIONALES 29
Las tasas suelen darse en terminos de 1000 casos potenciales (es decir, se multiplica
por mil el resultado del cociente). Por ejemplo, la tasa de natalidad en Espa
na en el a
no
2008 fue de 9.87 nacimientos por cada 1000 habitantes.
frecuencia de casos reales

tasa = 1000
frecuencia de casos potenciales
Otro tipo de tasa muy utilizado es la tasa de cambio o tasa de variaci on (por-
centual) que suele utilizarse para comparar un valor de una poblacion en dos instantes
diferentes de tiempo. Se suele expresar en porcentaje. Si un producto, en un a no, ha
pasado de costar 80 euros a costar 100 euros, la tasa de cambio sera:
valor actual - valor origen 100 80

tasa de cambio = 100 = 100 = 25 %
valor origen 80
el precio ha aumentado en un 25 % (respecto al valor original). Efectivamente, el 25 % de
80 euros son 20 euros, que es lo que ha aumentado el precio.
La tasa de cambio puede ser negativa, cuando el valor disminuye en el tiempo en lugar
de aumentar.
Nota: es importante observar que si el precio original hubiera sido de 100 euros y pasa
a costar 120 euros, la tasa de cambio sera:
valor actual - valor origen 120 100

tasa de cambio = 100 = 100 = 20 %
valor origen 100
en este caso la tasa de cambio sera del 20 %.
Es decir, que un mismo aumento de 20 euros, nos da distintas tasas de cambio, de-
pendiendo del valor original.
2.4. Gr
aficos unidimensionales
Como ya hemos comentado, el primer paso en el analisis de los datos consiste en la

reduccion de la masa de datos para poder obtener una primera informacion acerca de las
caractersticas del fenomeno que estamos estudiando.
Para hacernos una idea del comportamiento de una variable, ademas de las tablas
de frecuencias, suele ser muy u til utilizar representaciones graficas, que nos permiten
visualizar, si las hay, caractersticas destacables.
Existen graficos mas o menos sofisticados, pero en general contienen la misma infor-
macion. Vamos a comentar algunos de los mas elementales.
Distinguiremos los graficos dependiendo de si nuestra distribucion esta agrupada en
intervalos o no.
2.4.1. Gr
aficos para distribuciones no agrupadas en intervalos
Retomemos el ejemplo que vimos al construir las tablas de frecuencias, en el que los
valores observados de una variable, X, fueron los siguientes:
18 20 22 19 18
20 18 19 21 20
20 21 18 20 21
19 20 21 18 20
Para representar estos datos graficamente, podemos utilizar:
Gr
afico de barras:
Este tipo de grafico, se utiliza para representar valores o frecuencias. Podemos repre-
sentar:
para cada caso, el valor observado de la variable.
para cada valor de la variable, su frecuencia.
En la primera situacion, para un sistema de ejes coordenados, dibujamos sobre el eje

horizontal cada uno de los casos y levantamos, para cada uno de estos valores, una barra
cuya altura sera igual al valor observado de la variable en ese caso.
Se suele utilizar para representar valores de una variable cuando podemos identificar
los casos.
Por ejemplo:

Si sabemos que la poblacion de las provincias aragonesas (1 de enero de 2008) es la

siguiente:
Provincia Poblacion
Zaragoza 955323
Huesca 225271
Teruel 146324
la podemos mostrar en el siguiente grafico:
Este grafico nos informa sobre los valores de la variable para cada caso, por lo que es
interesante para mostrar la informacion, pero no sirve para resumir la informacion.
El gr
afico de barras es uno de los mas usados para representar las frecuencias:
Sobre un sistema de ejes dibujaremos en el eje horizontal los distintos valores de la
variable y en el eje vertical la frecuencia de cada uno de ellos. Para cada valor de la
variable, en el eje horizontal se levanta una barra cuya altura sera igual a su frecuencia
absoluta, o a la frecuencia absoluta acumulada.
Estos graficos tambien se pueden hacer con los porcentajes frecuencias relativas mul-
tiplicadas por 100. En ese caso solo cambia la escala ya que la forma del grafico queda
exactamente igual.
xi n i Ni fi Fi
18 5 5 5/20 5/20
19 3 8 3/20 8/20
20 7 15 7/20 15/20
21 4 19 4/20 19/20
22 1 20 1/20 1
Para representar frecuencias relativas tambien es muy u

til el:
Gr
afico de sectores
Es un grafico en el que el area de cada sector representa la frecuencia relativa de cada

valor de la variable, respecto al total.
Es u
til para visualizar las diferencias de las frecuencias, entre las distintas categoras.

2.4.2. Gr
aficos para distribuciones agrupadas
Histograma
Cuando tenemos distribuciones agrupadas, sobre el eje horizontal se dibujan los inter-
valos y sobre cada uno de ellos se levanta un rectangulo cuya area sea proporcional a la
frecuencia absoluta dentro del intervalo.
Como ya hemos comentado, el n
umero de intervalos y su amplitud, quedan a criterio
del investigador.
IMPORTANTE: si todos los intervalos tienen la misma amplitud, las alturas de los
rectangulos pueden ser iguales a la frecuencia absoluta, pero si hay intervalos de distinta
amplitud (ai ), entonces las alturas (hi ) se calculan dividiendo la frecuencia absoluta por
la amplitud:
ni
hi = , que es lo que se llama densidad de frecuencia.
ai
Por ejemplo, en el caso de las notas en Selectividad de 225 estudiantes (pagina 10):
Tambien se pueden representar las frecuencias acumuladas con el Histograma de fre-

cuencias acumuladas o grafico de escalera:
Este grafico solo tiene sentido para intervalos de la misma amplitud.
Histograma de datos categ

oricos
En algunas ocasiones el histograma tambien se utiliza para representar la frecuencia
(absoluta, relativa o acumulada) de cada uno de los valores observados de la variable,
como si fuese un grafico de barras.
Para los datos del ejemplo cuya tabla de frecuencias construimos en la pagina 20:
2.5. Medidas de una variable cuantitativa
Como se ha comentado, para hacer manejable la masa de datos procedentes de la

observacion estadstica, es necesario reducir el volumen de los datos; hemos visto que esto
se puede conseguir construyendo la tabla de distribucion de frecuencias.
En el caso de las variables cuantitativas, es posible reducir a
un mas estas distribucio-
nes, valiendonos de unos pocos n umeros que describan o caractericen a las distribuciones
de frecuencias. Estos numeros, que reciben el nombre de caractersticas, nos indican los
rasgos mas importantes de las distribuciones de frecuencias y se suelen clasificar en los
siguientes grupos:
1. Medidas de posicion. Estos a su vez se dividen en:
Centrales: media aritmetica, mediana y moda.

No centrales: cuantiles.
2. Medidas de dispersion.
3. Medidas de asimetra.
4. Medidas de apuntamiento.
Vamos a analizarlas detenidamente.

2.6. MEDIDAS DE POSICION 35
2.6. Medidas de posici

on
Las medidas de posicion, son unos valores alrededor de los cuales se agrupan los valores
de la variable, y que nos resumen la posicion de la distribucion sobre el eje horizontal.
Existen dos tipos de medidas de posicion: las centrales y las no centrales.
De las medidas de posicion central o promedios, las mas utilizadas son: la media
aritmetica, la mediana y la moda.
Las medidas de posicion no central son los cuantiles.
2.6.1. La media aritm

etica
La media aritm etica: se define como la suma de todos los valores observados de la
distribucion, dividida por el n
umero total de observaciones.
Si agrupamos los valores que se repiten, la expresion de la media es:
Pk
i=1 xi ni x1 n1 + + xk nk
x = =
N N
Este es el promedio mas utilizado en la practica y esto es as por las ventajas que tiene
y que son fundamentalmente:
Tiene en cuenta todos los valores observados.

Es facil de calcular y tiene un claro significado estadstico.
Es u
nica.
Por otra parte tiene el inconveniente de la influencia que ejercen los valores extremos
de la distribucion sobre ella.
Propiedades
1. La suma de las desviaciones (diferencias con el correspondiente signo) de los valores

de la variable, respecto a su media aritmetica, es igual a cero.
En efecto:
k
X k
X k
X
(xi x)ni = xi ni x ni = N x N x = 0
i=1 i=1 i=1
2. Si tenemos que ui = a + bxi , siendo a y b valores cualesquiera, con b distinto de cero

(lo que equivale a hacer un cambio de origen y escala), la media aritmetica puede
expresarse de la forma siguiente: u = a + b
x
Comprobarlo es muy sencillo:
k k k k
1 X 1 X 1 X 1 X
u = ui ni = (a + bxi )ni = a ni + b xi ni =
N i=1 N i=1 N i=1 N i=1
k
N 1 X
=a +b xi ni = a + b
x
N N i=1
Esta propiedad, eligiendo convenientemente los valores a y b, es de gran utilidad en
muchos casos, para simplificar el calculo de la media aritmetica.
3. Si en una distribucion de frecuencias se clasifican las observaciones en dos grupos

mutuamente excluyentes, la media aritmetica de todo el conjunto se relaciona con
las medias aritmeticas de los subconjuntos parciales, de la siguiente forma:
x1 N1 + x2 N2
x =
N
donde:
x= media del conjunto total.

N = n
umero de observaciones del conjunto total.
x1 =media del primer subconjunto.
N1 = n
umero de observaciones del primer subconjunto.
x2 =media del segundo subconjunto.
N2 = n
umero de observaciones del segundo subconjunto.
y naturalmente, se verifica que N = N1 + N2
Esta propiedad se puede generalizar para el caso de dividir la poblacion total en p

subconjuntos mutuamente excluyentes. Es decir:
x1 N1 + x2 N2 + + xp Np
x =
N
En donde se cumple que: N = N1 + N2 + + Np
2.6.2. La moda
En una distribucion, la moda (Mo) se define como ((aquel valor de la variable cuya
frecuencia no es superada por la frecuencia de ning
un otro valor)). Esta definicion corres-
ponde a la denominada moda absoluta. La moda relativa se define como ((el valor de la
variable cuya frecuencia no es superada por la de sus valores contiguos)).
Puede darse el caso de que la maxima frecuencia corresponda a dos o mas valores de
la variable, en ese caso las distribuciones reciben el nombre de bimodales o multimodales.

En una distribucion no agrupada en intervalos, la determinacion de la moda absoluta

y las modas relativas es inmediata.
En una distribucion agrupada en intervalos la determinacion con exactitud de la moda
es imposible, por lo que se suelen hacer algunas suposiciones para poder calcular este valor.
Un criterio valido es tomar como moda la marca de clase del intervalo modal, entonces,
para calcular la moda hay que hacer lo siguiente:
1o ) Determinar cual es el intervalo modal. El intervalo modal es aquel que tiene mayor
densidad de frecuencia (en el caso de que todos los intervalos tengan la misma amplitud
coincide con el intervalo en el que hay mayor frecuencia absoluta).
2o ) La moda sera, entonces, la marca de clase de este intervalo.
2.6.3. La mediana
Para una distribucion discreta no agrupada en intervalos, se define la mediana (Me),

como el valor de la variable que ocupa el lugar central, supuestos ordenados los valores
de menor a mayor. Tambien se puede definir como el valor de la variable que divide a la
distribucion en dos partes con el mismo numero de observaciones.
Si el n
umero de observaciones es impar, entonces el valor de la mediana es inmediato
(el valor que ocupe el lugar N2+1 ).
Si el n
umero de datos es par, suele tomarse como valor de la mediana, la media
aritmetica de los dos valores centrales, es decir, de los que ocupan los lugares N2 y N2 + 1.
Naturalmente cuando estos dos valores son iguales, la mediana coincide con el valor com un.
En el supuesto de una distribucion agrupada en intervalos, la mediana sera alguno
de los valores contenidos en el intervalo al que corresponda una frecuencia acumulada
inmediatamente superior a N2 ; el cual se denomina intervalo mediano.
No podemos determinar exactamente cual de los valores del intervalo es la media-
na, y se pueden seguir varios criterios para elegir uno de ellos. Por simplificar nosotros
tomaremos como mediana, la marca de clase del intervalo mediano.
Propiedad:
La mediana no depende de los valores extremos y por tanto, puede calcularse a
un
cuando estos se desconozcan; basta con conocer su frecuencia.
Ejemplos:
xi ni Ni
1 10 10
39+1
2 12 22 2
= 20 luego, Me=2
3 7 29
4 7 36
5 3 39
xi ni Ni
1 10 10
40 40
2 12 22 2
= 20 y 2
+ 1 = 21
3 7 29
4 8 37 luego, Me=2
5 3 40
xi ni Ni
1 10 10
40 40
2 10 20 2
= 20 y 2
+ 1 = 21
3 7 27
4 8 35 luego, Me= 2+3
2
= 2.5
5 5 40
(li1 , li ] ni Ni
10-11 10 10
51
11-12 12 22 2
= 25.5 Intervalo mediano 12-13
12-13 12 34
13-14 10 44 Me=marca de clase del intervalo mediano = 12+13
2
= 12.5
14-15 7 51
Relaci
on entre la media aritm
etica, la mediana y la moda
En realidad estos tres promedios no deben emplearse de forma excluyente. Cada uno
tiene su significado y se relacionan con aspectos diferentes de la distribucion. No obstante
existe cierta relacion entre ellos que es conveniente saber.
En las distribuciones de frecuencias Normales (se estudiara mas adelante), coinciden
exactamente los tres promedios. Si la distribuci
on es acampanada pero no presenta
simetra, la mediana est a situada entre la moda y la media aritm etica.

Si la asimetra es a la derecha: Mo < Me < x

Si la asimetra es a la izquierda: x < Me < Mo
2.6.4. Medidas de posici

on no central
Ademas de las medidas de posicion centrales vistas hasta ahora, existen otros valores,
no centrales, que pueden considerarse como indicadores de una determinada posicion en
la distribucion.
Estos valores, llamados generalmente cuantiles, constituyen una generalizacion del
concepto de la mediana.
As como la mediana divide a la distribucion en dos partes, cada una con el mismo
n
umero de observaciones que la otra, si dividimos la distribucion en cuatro partes, cada
una de ellas con el mismo numero de observaciones, obtendremos tres valores, que se
denominan cuartiles.
Analogamente, si dividimos la distribucion en diez partes con el mismo n
umero de
observaciones, obtendremos nueve valores, que se denominan deciles. Y si la dividimos
en cien partes, los correspondientes noventa y nueve valores se denominan percentiles.
En general, los q 1 valores que dividen a la distribucion en q partes con el mismo
n
umero de observaciones se denominan cuantiles de orden q.
La determinacion de los cuantiles en una distribucion no agrupada en intervalos, es
analoga a la de la mediana.
En general, el r-esimo cuantil de orden q, sera aquel valor de la variable al cual

rN
corresponde una frecuencia acumulada inmediatamente superior a .
q
Por ello, el cuantil r-esimo de orden q sera el valor de la variable que ocupa el lugar
r
(N 1) + 1.
q
Cuando se trate de una distribucion agrupada en intervalos, ya sabemos que no vamos

a poder calcular el valor exacto, pero lo podemos aproximar tomando la marca de clase
del intervalo en el que se encuentra el cuantil correspondiente, y que es el primer intervalo
rN
con frecuencia acumulada mayor que .
q
Por ejemplo, los valores que encierran el 70 % central de la distribucion seran los
percentiles: 15 y 85.
2.7. Medidas de dispersi

on
Las medidas de posicion que acabamos de estudiar tienen como mision, no solo situar
la distribucion en el eje real, sino ademas sintetizar la informacion que proporciona la
distribucion.
El promedio con el que representamos una distribucion llevara a cabo esta mision con
mayor o menor fidelidad dependiendo de la relacion que exista entre los valores de la
variable y el promedio.
As, si todos los valores fueran iguales, la media, por ejemplo, coincidira con todos
ellos por lo que representara fielmente a la distribucion.
A medida que los valores individuales de la variable difieran del promedio, la repre-
sentatividad de este sera cada vez menor.
Por ello, para evaluar la representatividad de un promedio, necesitamos un indicador
que, de alguna forma, nos cuantifique el grado de separacion de los valores de la variable
respecto al promedio en cuestion.
En este apartado estudiaremos las medidas de dispersion. Hay que tener en cuenta
que existen dos tipos de medidas de dispersion: las absolutas y las relativas.
2.7.1. Medidas de dispersi

on absoluta
Con las medidas de dispersion absoluta se trata de medir la separacion que, por termino
medio, existe entre los distintos valores de la variable, por lo que seran medidas que
vendran expresadas en la misma clase de unidades que la variable.
Las principales medidas de dispersion absoluta son:
El recorrido o rango
El recorrido o rango o amplitud se define como la diferencia entre el mayor y el

menor valor de la variable. Es decir : Re = max xi mn xi = xk x1
Si tenemos dos conjuntos de individuos en los que estamos estudiando la caracterstica
((peso)), si el recorrido del primer conjunto es Re(1)= 10 kg y el del segundo es Re(2)=5
kg, podemos considerar que la primera poblacion tiene mayor dispersion absoluta que la
segunda.
El inconveniente de esta medida es que solo tiene en cuenta los valores extremos.
La varianza
De todas las medidas de dispersion absoluta, la varianza y su raz cuadrada, la des-

viacion tpica, son las mas importantes.

2.7. MEDIDAS DE DISPERSION 41
Hasta ahora, al hablar de dispersion absoluta, no nos hemos referido a la solucion que
parece mas simple: promediar las desviaciones respecto
Pk a la media aritmetica, con el signo
i=1 (xi x)
correspondiente. Es decir, considerar la suma , pero como ya vimos en las
Pk N !
(x
i=1 i x )
propiedades de la media, esta suma es nula = 0 y es por esto por lo que
N
no podemos utilizarla como medida de dispersion.
Ahora bien, si esta suma es igual a cero es porque las desviaciones positivas compen-
san exactamente las negativas, por lo que, podemos eliminar el problema utilizando una
potencia par de las desviaciones.
De todas las potencias pares, elegimos la mas sencilla, y surge as la nueva medida de
dispersion denominada varianza, que definimos como la media aritmetica de los cuadrados
de las desviaciones de los valores observados de la variable respecto a la media aritmetica
de la distribucion. Se representa por S02 y es:
Pk
02 x)2 ni
i=1 (xi
S =
N
Evidentemente, el valor numerico de S02 describe el mayor o menor grado de dispersion

de la distribucion de frecuencias que se considere.
En general, cuanto mas dispersas sean las observaciones, mayores seran las desviaciones
respecto a su media, y mayor por tanto, el valor numerico de la varianza.
Propiedades:
1. La varianza nunca puede ser negativa: S02 0

Es evidente ya que es una media de cuadrados.
2. La varianza se puede calcular (desarrollando la expresion anterior) como:
Pk
02 x2 n i
S = i=1 i x2
N
3. La varianza no se altera ante un cambio de origen. Es decir, que si hacemos el
cambio: ui = xi + a, la varianza de la variable U , es la misma que la de la variable
X.
En efecto: como ui = xi + a, sabemos que: u = x + a y por lo tanto: ui u = xi x
Elevando al cuadrado, multiplicando por ni , sumando para todos los valores de i y
dividiendo por N , tenemos que:
Pk 2
Pk
02 (u i u
) ni (xi x)2 ni
S (U ) = i=1 = i=1 = S02 (X)
N N
4. Si se hace un cambio de origen y de escala, es decir, si se efect ua el cambio de
variable: ui = a + bxi , las varianzas de las dos variables estan relacionadas por la
expresion: S02 (U ) = b2 S02 (X).
En efecto: si hacemos un cambio de origen y de escala tenemos que: ui = a + bxi y

x, restando ambas igualdades tenemos que : ui u = b(xi x).
entonces u = a + b
Elevando al cuadrado, multiplicando por ni , sumando para todos los valores de i y
dividiendo por N , se obtiene como resultado:
Pk Pk Pk
02 i=1 (ui u)2 ni b2 (xi x)2 ni x)2 ni
i=1 (xi
S (U ) = = i=1
= b2 = b2 S02 (X)
N N N
Ejemplos de calculo de la varianza:

xi x2i Cinco observaciones que no se repiten (frecuencias iguales a 1)
0 0
Pk Pk
x i n i xi 10
1 1 x = i=1 = i=1 = =2
N N 5
2 4
Pk 2
Pk
02 i=1 xi ni x2 30
3 9 S = x = i=1 i x2 =
2
22 = 2
N N 5
4 16
10 30
xi ni xi ni x2i ni Diez observaciones, con cuatro valores distintos que se repiten

0 2 0 0
Pk
i=1 xi ni 17
1 3 3 3 x = = = 1.7
N 10
2 1 2 4
Pk
02 x2i ni 43
3 4 12 36 S = i=1
x2 = 1.72 = 1.41
N 10
10 17 43
La desviaci
on tpica
La varianza de la variable viene expresada en unidades de distinto orden que la variable

a la que se refiere. As, si la variable se refiere a la estatura, expresada en centmetros, la
varianza sera un cierto n umero expresado en centmetros cuadrados. Esta es la razon por
la que, para obtener una medida de dispersion, pero expresada en las mismas unidades
que la variable, se emplea la desviaci on tpica o desviaci on est
andar, que es igual a
la raz cuadrada de la varianza, con signo positivo. Se representa por S0 :
s
Pk
0
p
02 )2 ni
i=1 (xi x
S =+ S =+
N
Al venir expresada en las mismas unidades que la variable, permite su comparacion

con los valores de la variable.
Las propiedades de la desviacion tpica se deducen facilmente de las de la varianza.

2.7. MEDIDAS DE DISPERSION 43
La cuasivarianza
Es una medida muy similar a la varianza (la u nica diferencia para el calculo esta en
el denominador):
Pk
(xi x)2 ni
S2 = i=1
N 1
y es muy utilizada en Inferencia Estadstica.
La cuasidesviaci
on tpica
Es la raz cuadrada positiva de la cuasivarianza.

s
Pk
p
2 )2 ni
i=1 (xi x
S=+ S =+
N 1
2.7.2. Medidas de dispersi

on relativa
Con las medidas de dispersion relativa, se trata de medir la dispersion, con indepen-
dencia de la clase de unidades en que venga expresada la variable. Estas medidas, permiten
comparar la dispersion existente en dos distribuciones, cuyas variables vengan expresadas
en distinta clase de unidades.
De entre las medidas de dispersion relativa, llamadas tambien ndices de dispersion,
las mas importantes son:
El recorrido relativo
Se define como el cociente entre el recorrido de la variable y la media aritmetica:

Re
Rr =
|
x|
Nos indica el n
umero de veces que el recorrido contiene a la media aritmetica.
El coeficiente de variaci
on o ndice de dispersi
on de Pearson
Es el mas empleado de los ndices de dispersion relativos. Se designa por CV:
S0
CV =
|
x|
Este n
umero nos indica el n
umero de veces que la desviacion tpica contiene a la media,
o lo que es lo mismo, el tanto que representa S0 por cada unidad de x (es un tanto por
uno). Tambien se puede interpretar como la expresion de S0 empleando como unidad de

medida la media aritmetica.
Tanto en la determinacion de la desviacion tpica como en la de la media, se utilizan
todos los valores de la distribucion, por lo que es el ndice mas completo de los que venimos
estudiando.
Puesto que el valor mnimo que puede tomar S0 es cero, este es tambien el mnimo
valor (en valor absoluto) que puede tomar el coeficiente de variacion y que corresponde
al caso de maxima representatividad de la media aritmetica.
Para dos distribuciones con igual dispersion absoluta, el coeficiente de variacion es
tanto menor cuanto mayor sea la media aritmetica.
Ej.: Desviacion tpica de 2 kg en el peso de un bebe (media 7 kg) y en el peso de un
adulto (media 75 kg). Los coeficientes de variacion son, respectivamente, 2/7 y 2/75.
Por u
ltimo, debemos hacer notar que este coeficiente no esta definido cuando la media
aritmetica de la distribucion es igual a cero.
2.8. Medidas de forma
Ahora vamos a completar un poco mas el analisis de una distribucion, ya que con
el estudio hecho hasta ahora, lo que hacemos es globalizar el comportamiento de una
variable en un promedio y en la dispersion respecto a ese promedio, dejando de lado toda
la disparidad, es decir, toda la variedad del comportamiento de la variable, fuera de la
media.
Esta variedad se pone de manifiesto cuando representamos graficamente la distribu-
cion.
Pues bien, en este apartado nos vamos a referir a ciertas medidas que nos van a dar una
idea de la forma de la distribucion, sin necesidad de realizar su representacion grafica.
La forma de una distribucion de frecuencias puede ser muy variada.
En una distribucion campaniforme simetrica coinciden la media, la mediana y la moda
y estas condiciones sugieren distribuciones cuyas frecuencias absolutas o relativas den
lugar a representaciones del tipo:
Una curva continua, que puede servir como modelo matematico de ambos casos, es la
2.8. MEDIDAS DE FORMA 45
curva Normal de Gauss, que tiene la forma siguiente:
y cuyas caractersticas son:
1. Es simetrica.
2. Me = Mo = x
3. Tiene como expresion:

1 (x)2
f (x) = e 22
2
donde es la media y es la desviacion tpica.
Evidentemente, no existe en la realidad ninguna variable cuya distribucion de frecuen-

cias relativas de lugar a una curva as, pero se puede construir un modelo matematico o
distribucion de probabilidades con las propiedades citadas.
Dicho modelo es la distribucion NORMAL cuya representacion grafica es la curva de
Gauss y este sera el modelo de comparacion para la simetra y la curtosis de cualquier
distribucion de frecuencias.
2.8.1. Medidas de simetra y asimetra
Las medidas de simetra nos permiten establecer un indicador del grado de simetra
o asimetra que presenta la distribucion, sin necesidad de llevar a cabo su representacion
grafica.
Diremos que una distribucion es simetrica cuando lo es su representacion grafica en
coordenadas cartesianas. Es decir, que al trazar una recta paralela al eje de ordenadas
por el punto x, existen el mismo n umero de valores xi a ambos lados de dicha recta,
equidistantes y a los que corresponde igual frecuencia.
Si la distribucion es simetrica, el eje de simetra de su representacion grafica sera una
recta paralela al eje de ordenadas que pasa por el punto cuya abscisa es la media aritmetica
(como puede comprobarse al recordar la primera propiedad de la media). Por ello, cuando
la distribucion es asimetrica, se suelen comparar los valores de la distribucion con este
promedio.
Existen varios coeficientes, A, que nos permiten determinar la simetra o el grado de
asimetra de una distribucion, pero para cualquiera de ellos la interpretacion es la misma:
Un coeficiente de asimetra muy sencillo, aunque en algunos casos bastante impreciso,

es el coeficiente de asimetra de Pearson:
Basandose en el hecho de que en una distribucion simetrica unimodal se verifica que:
x = Mo = Me, Karl Pearson propuso como coeficiente de asimetra el siguiente:
x Mo
AP =
S
Si la distribucion presenta asimetra positiva, la media esta desplazada a la derecha

de la moda, por lo que se verifica que: x Mo > 0.
Por el contrario, si la distribucion es asimetrica negativa, x Mo < 0.
Por lo tanto, el signo de AP nos indica el de la asimetra:
- Si AP = 0, la distribucion es simetrica
- Si AP > 0, la distribucion es asimetrica positiva (a la derecha)
- Si AP < 0, la distribucion es asimetrica negativa (a la izquierda)
2.8.2. Medidas de curtosis o apuntamiento
Las medidas de curtosis se aplican a distribuciones campaniformes, es decir, unimo-

dales simetricas o con ligera asimetra.
En esencia, las medidas de curtosis tratan de estudiar la distribucion de frecuencias
en la ((zona central)) de la distribucion.

2.9. MEDIDAS DE CONCENTRACION 47
La mayor o menor agrupaci on de frecuencias alrededor de la media y en la zona

central de la distribucion, dara lugar a una distribucion mas o menos apuntada. Por esta
razon a las medidas de curtosis se les llama tambien de ((apuntamiento)).
Con el coeficiente de curtosis se trata de medir el grado de apuntamiento de una
distribucion comparandolo con el de la distribucion NORMAL.
Existen varios coeficientes que nos permiten calcular la curtosis, pero en todos los
casos la interpretacion es la misma:
- Si K = 0 , se dice que la distribucion es mesoc
urtica (normal).
- Si K > 0 , la distribucion es leptoc
urtica (mas apuntada que la normal).
- Si K < 0 , la distribucion es platic
urtica (menos apuntada que la normal).
2.9. Medidas de concentraci

on
En el calculo de la media aritmetica, el numerador es la suma de todos los valores

observados de la variable.
En muchos casos, dicho numerador no tiene sentido estadstico claro, por ejemplo, en
una distribucion de alturas, sera la suma de todas las alturas. Pero en otros casos, en
particular cuando se trata de variables de caracter socio-economico, s que lo tiene: as en
una distribucion de salarios, el numerador de la media aritmetica representara la masa
total de salarios.
Pues bien, las medidas de concentracion tienen por finalidad, precisamente, medir la
uniformidad del reparto de dicha masa total.
Si todos los trabajadores perciben el mismo salario, la uniformidad de dicho reparto
sera absoluta. Si, por el contrario, la masa total fuese percibida por un solo trabajador,
entonces la falta de uniformidad sera total.
En general, las medidas de concentracion tratan de poner de relieve el mayor o menor
grado de igualdad en el reparto de la suma total de los valores de la variable.
Son, por tanto, indicadores del grado de equidistribuci
on de la variable.
Para calcularlas habra que relacionar el porcentaje acumulado de frecuencias (Pi ) y el
porcentaje acumulado del total de la variable considerada (Qi ).

Supongamos la siguiente distribucion de salarios mensuales en euros.
xi ni
xi ni xi ni pi = fi qi = P Pi Qi
xi ni
800 10 8000 10/50=0.2 8000/80000=0.1 0.2 0.1
1500 20 30000 20/50=0.4 30000/80000=0.375 0.6 0.475
2000 15 30000 15/50=0.3 30000/80000=0.375 0.9 0.85
2400 5 12000 5/50=0.1 12000/80000=0.15 1 1
50 80000
(80000 es la masa salarial total).

Los datos de esta tabla representan:
pi , son las frecuencias relativas de trabajadores (proporcion de trabajadores que

estan en cada grupo, respecto al total).
Pi , son las frecuencias relativas acumuladas de trabajadores (proporcion, respecto

al total, de trabajadores acumulados comenzando por los que menos ganan).
qi , masa de salario que se reparte entre los miembros de la clase i-esima, relativa a
la masa salarial total.
Qi , masa de salario acumulado hasta la clase i-esima, comenzando por los que menos
ganan, relativa a la masa salarial total.
Si ponemos en relacion las columnas Pi y Qi , obtenemos una informacion que nos

indica el reparto de los salarios poniendonos de relieve la concentracion de los mismos.
En efecto, ordenados los trabajadores de menor a mayor salario, resulta que el 20 %
de los trabajadores se reparte el 10 % de la masa salarial, el 60 % de los trabajadores el
47.5 % del dinero,...
2.9.1. La curva de Lorenz
La curva de Lorenz se obtiene representando los valores Pi y Qi (Pi en el eje de abscisas

y Qi en el eje de ordenadas), y uniendo mediante lneas rectas cada punto (Pi , Qi ) con su
consecutivo y ademas (P1 , Q1 ) con el origen . La dibujamos en tantos por ciento.

Si el reparto hubiese sido equitativo, el 10 % de los trabajadores obtendra el 10 % de

la masa salarial; el 20 % de los trabajadores, el 20 % de la masa salarial; etc... Es decir
Pi = Qi , i, con lo cual la curva de Lorenz coincidira con la diagonal.
Si, por el contrario, todos los trabajadores percibiesen el 0 % de la masa salarial excepto
uno que percibiese el 100 %, entonces la curva de Lorenz estara formada por los lados
inferior y derecho.
En general, la curva de Lorenz es siempre convexa, y cuanto mas convexa es, menos
equitativa es la distribucion (mayor concentracion); mientras que cuanto mas se aproxima
a la diagonal, mas equitativa es la distribucion (menor concentracion).
Si tomamos el area encerrada entre la diagonal y la curva, tenemos:
1) Si Pi = Qi , i, estamos en el caso de mnima concentracion o maxima igualdad.
Area = 0.
2) Si un solo trabajador percibiese el 100 % de la masa salarial, estaramos en el caso

de maxima concentracion o mnima igualdad. Area = 11 = 0.5
2
Por lo tanto, cuanto mas se acerque a cero el area, tanto menor sera la concentracion
y el grado de desigualdad existente en el reparto del total de la variable considerada.
2.9.2. Indice de concentraci

on de Gini
Podemos construir un indicador del grado de concentracion, comparando el area en-

cerrada entre la curva de Lorenz y la diagonal, con el area del triangulo inferior. Esto es
lo que hace el Indice de Gini.
Como el triangulo inferior tiene area 0.5, el ndice de Gini es el doble del area com-

prendida entre la diagonal y la curva de concentracion. (I = Area = 2 Area).
G 0.5

Para evaluar el area indicadora del grado de concentracion, basta con calcular el area de
los distintos triangulos y rectangulos que se forman utilizando cualquier metodo conocido.
Se puede comprobar que el ndice de Gini se obtiene exactamente mediante la expre-

sion:
k
X pi
IG = 2 qi Pi 1, donde Pi = Pi
i=1
2
Como el area esta comprendida entre 0 y 0.5 esto significa que el ndice de Gini
esta comprendido entre 0 y 1, lo que nos permite realizar la siguiente interpretacion:
IG = 0: No existe concentracion (maxima equidad)

IG bajo (proximo a 0): Baja concentracion (equidad elevada)
IG alto (proximo a 1): Alta concentracion (poca equidad)
IG = 1: Maxima concentracion (nula equidad).
Veamos dos ejemplos de como calcularlo:

Ejemplo 1 :
Con los datos del ejemplo anterior:
pi
Pi Qi pi qi Pi = Pi qi Pi
2
10/50 8000/80000 10/50 8000/80000 5/50 40000/(50 80000)
30/50 38000/80000 20/50 30000/80000 20/50 600000/(50 80000)
45/50 68000/80000 15/50 30000/80000 37.5/50 1125000/(50 80000)
50/50 80000/80000 5/50 12000/80000 47.5/50 570000/(50 80000)
23335000/(50 80000)=0.58375
Entonces:
k
X 23335000
IG = 2 qi Pi 1 = 2 1 = 2 0.58375 1 = 0.1675
i=1
50 80000
Lo que significa que hay poca concentraci on. El area encerrada entre la curva de
Lorenz y la diagonal, representa un 16.75 % del area del triangulo inferior. El reparto es
equitativo.
Ejemplo 2 :
Vamos a determinar si existe concentracion en el reparto de los salarios que se dan en
la siguiente tabla:
si ni si ni pi qi Pi Pi qi Pi
600 35 21000 35/90 21/102 35/90 17.5/90 367.5/(90 102)
1200 40 48000 40/90 48/102 75/90 55/90 2640/(90 102)
1800 10 18000 10/90 18/102 85/90 80/90 1440/(90 102)
3000 5 15000 5/90 15/102 90/90 87.5/90 1312.5/(90 102)
Sumas 90 102000 5760/(90 102)=0.629676

Entonces:
IG = 2 0.629676 1 = 0.259352
El valor obtenido indica que existe concentraci on, aunque no muy grande, ya
que el area encerrada por la curva de Lorenz, representa un 25.94 % del area del triangulo
inferior. El reparto de los salarios es bastante equitativo.
2.10. Ejemplo resuelto
Vamos a realizar un analisis estadstico de una variable unidimensional.

Para dirigir el analisis, a partir de los datos originales iremos respondiendo a una
serie de preguntas utilizando los estadsticos adecuados que ademas deberemos interpretar
correctamente.
Supongamos que tenemos la siguiente informacion respecto a los salarios (en euros)
de los 1500 trabajadores de una gran empresa:
Salarios No de trabajadores
[1100, 1500] 108
(1500, 1700] 377
(1700, 1900] 575
(1900, 2100] 351
(2100, 2500] 89
1. Cuantos trabajadores cobran entre 1500 y 1700 euros?
2. Que porcentaje de los trabajadores de la empresa cobran entre 1900 y 2100 euros?
3. Cuantos trabajadores cobran mas de 1700 euros?
4. Que proporcion representan los trabajadores que cobran hasta 1900 euros?
5. Dibuja un histograma que represente la distribucion de los salarios de los trabaja-

dores de esta empresa.
6. Cual es el salario mas habitual en esta empresa?
7. Que salario no es superado por el 32.33 % de los trabajadores?
8. Cual es el salario medio de los trabajadores de esta empresa?
9. Que desviacion tpica tienen estos salarios?
10. La distribucion de los salarios es homogenea?
11. Si queremos utilizar el salario medio como representante de los salarios en esta
empresa, este salario medio es representativo?
12. Si nos dicen que, para los datos de esta empresa, el coeficiente de asimetra es 0.023
y que el coeficiente de curtosis es -0.120, que podemos decir respecto a la forma de
la distribucion?
13. El reparto de los salarios en esta empresa es equitativo?
14. Que porcentaje de la masa salarial se reparten el 32.33 % de los trabajadores que
menos ganan?
2.10. EJEMPLO RESUELTO 53
15. Que porcentaje de los trabajadores que menos ganan se reparten el 66.23 % de la
masa salarial?
Soluci
on.
Incluimos aqu una tabla cuyas columnas iremos construyendo a medida que las nece-
sitamos para responder a las distintas preguntas.
Salarios si ni Ni fi Fi ai hi = naii si ni s2i ni
[1100, 1500] 1300 108 108 0.072 0.072 400 0.27 140400 182520000
(1500, 1700] 1600 377 485 0.2513 0.323 200 1.885 603200 965120000
(1700, 1900] 1800 575 1060 0.3833 0.706 200 2.875 1035000 1863000000
(1900, 2100] 2000 351 1411 0.234 0.9406 200 1.755 702000 1404000000
(2100, 2500] 2300 89 1500 0.0593 1 400 0.2225 204700 470810000
1500 2685300 4885450000
1. Cuantos trabajadores cobran entre 1500 y 1700 euros?

Nos preguntan cuantos trabajadores tienen un salario cuyo valor esta dentro de este
intervalo, por lo tanto son: 377 trabajadores.
2. Que porcentaje de los trabajadores de la empresa cobran entre 1900 y 2100 euros?
Un porcentaje es una frecuencia relativa (proporcion) multiplicada por 100, por lo
tanto, seran
351
100 = 0.234 100 = 23.4 %
1500
3. Cuantos trabajadores cobran mas de 1700 euros?
Para responder a esta pregunta podemos utilizar las frecuencias absolutas acumula-
das. Los trabajadores que cobran mas de 1700 euros son todos menos los que cobran
un salario menor o igual a dicha cantidad.
N N2 = 1500 485 = 1015
4. Que proporcion representan los trabajadores que cobran hasta 1900 euros?
Nos piden la proporcion (frecuencia relativa) acumulada de trabajadores cuyos sa-
larios no superan los 1900 euros.
F3 = 0.706
5. Dibuja un histograma que represente la distribucion de los salarios de los trabaja-

dores de esta empresa.
En un histograma las areas de los rectangulos deben ser proporcionales a las fre-
cuencias absolutas correspondientes. En nuestro caso los intervalos tienen distinta
amplitud, por lo que las alturas deben ser las densidades de frecuencia (de este
modo: area= ai hi = ni )
6. Cual es el salario mas habitual en esta empresa?

Nos estan preguntando por la moda. Primero buscamos el intervalo modal, que es
aquel en el que hay mayor densidad de frecuencia: (1700, 1900]. Entonces, segun el
criterio que estamos utilizando, la moda sera la marca de clase de este intervalo:
Mo=1800.
7. Que salario no es superado por el 32.33 % de los trabajadores?

Buscamos el salario tal que el porcentaje de trabajadores con un salario inferior es
del 32.33 %.
Tenemos que la frecuencia relativa acumulada hasta 1700 es 0.3233, por lo tanto, el
salario que estamos buscando es: 1700 euros.
8. Cual es el salario medio de los trabajadores de esta empresa?

Para calcular la media, como tenemos intervalos y necesitamos utilizar valores con-
cretos de la variable, utilizaremos las marcas de clase (son valores que representan
a todas las observaciones que se encuentran en cada intervalo). Entonces:
k
1 X 1
s = s i ni = 2685300 = 1790.2 euros
N i=1 1500
9. Que desviacion tpica tienen estos salarios?

Procediendo de forma analoga al calculo de la media, calculamos primero la varianza:
k
02 1 X 2 1
S = si ni s2 = 4885450000 (1790.2)2 = 52150.626
N i=1 1500
entonces, la desviacion tpica es:

p
S0 = 52150.626 = 228.365117 euros
10. La distribucion de los salarios es homogenea?

Para estudiar la homogeneidad (lo parecidos que son entre s los salarios), estudia-
remos la dispersion relativa.
S0 228.3651
CV = = = 0.12756
s 1790.2
El coeficiente de variacion es muy peque no (esta muy proximo a cero), por lo que
existe muy poca dispersion relativa. Eso indica que la distribucion de los salarios es
muy homogenea.
11. Si queremos utilizar el salario medio como representante de los salarios en esta
empresa, este salario medio es representativo?
S, porque al haber poca dispersion relativa esto significa que los salarios tienen poca
dispersion respecto a la media. Es decir que son muy parecidos entre s y parecidos
a la media. Por lo tanto, podemos usar la media como representante de los salarios
de la empresa.
12. Si nos dicen que, para los datos de esta empresa, el coeficiente de asimetra es 0.023
y que el coeficiente de curtosis es -0.120, que podemos decir respecto a la forma de
la distribucion?
Hemos visto, al hacer el histograma que la distribucion es campaniforme, por lo
tanto, con estos coeficientes podemos a
nadir que tambien es ligeramente asimetrica
a la derecha (muy poco) y ligeramente platicurtica.
13. El reparto de los salarios en esta empresa es equitativo?

Para analizar si un reparto es equitativo tenemos que estudiar si existe concentracion
en el reparto, y para ello tendremos que calcular el ndice de Gini o dibujar la curva
de Lorenz. Vamos a hacer ambas cosas.
k
X
IG = 2 qi Pi 1
i=1
Vamos a construir una tabla con los calculos:
si ni s i ni pi qi Pi Pi qi Pi
1300 108 140400 108/N 140400/S 108/N 54/N 7581600/(N S)
1600 377 603200 377/N 603200/S 485/N 296.5/N 178848800/(N S)
1800 575 1035000 575/N 1035000/S 1060/N 772.5/N 799537500/(N S)
2000 351 702000 351/N 702000/S 1411/N 1235.5/N 867321000/(N S)
2300 89 204700 89/N 204700/S 1500/N 1455.5/N 297940850/(N S)
Sumas 1500=N 2685300=S 2151229750/(N S)
Entonces:
2151229750
IG = 2 1 = 0.06815
1500 2685300
Hay muy poca concentracion. El reparto es muy equitativo.
Vamos a resolverlo dibujando la curva de Lorenz. Construimos una tabla con los
valores de Pi y de Qi y dibujamos el grafico correspondiente.
Pi Qi
0.072 0.0523
0.323 0.2246
0.706 0.6623
0.941 0.9238
1 1
Como vemos, el area que queda entre la curva y la diagonal es muy peque na (el
ndice de Gini nos indica que es menos de un 7 % del area del triangulo inferior),
por lo tanto hay muy poca concentracion. El reparto es muy equitativo.
14. Que porcentaje de la masa salarial se reparten el 32.33 % de los trabajadores que
menos ganan?
Esta pregunta se puede responder con la tabla que hemos construido en el apartado
anterior ya que nos piden relacionar proporciones acumuladas de trabajadores (Pi )
y proporciones acumuladas de masa salarial (Qi )
y a ellos
El 32.33 % de los trabajadores que menos ganan corresponden a Pi = 0.323,
les corresponde una masa salarial acumulada de Qi = 0.2246, es decir, un 22.46 %
de la masa salarial total.
15. Que porcentaje de los trabajadores que menos ganan se reparten el 66.23 % de la
masa salarial?
Esta pregunta se responde de forma analoga a la anterior.
El 66.23 % de la masa salarial (Qi = 0.6623) corresponde a una proporcion acumu-
lada de trabajadores Pi = 0.706, es decir, al 70.6 % de los trabajadores que menos
ganan.
Tema 3
N
umeros ndices
En el tema anterior vimos como describir perfectamente una variable cuantitativa, o lo

que es lo mismo, como describir para la poblacion estudiada, su comportamiento respecto
a una determinada caracterstica. Sin embargo, hay situaciones que por sus caractersticas
particulares no se pueden describir de este modo. Esto es lo que ocurre, por ejemplo, con
la evolucion de las magnitudes economicas.
Ciertas magnitudes economicas suelen variar en el tiempo o en el espacio (niveles de
precios, de salarios, etc...), por lo que surge la necesidad de cuantificar estas variaciones
para as disponer de una medida objetiva de la importancia de dichas variaciones.
As, por ejemplo, nos puede interesar la variacion en los precios de la vivienda y
analizar como ha ido variando a lo largo de los ultimos anos, respecto a un a
no concreto.
O nos interesa la evolucion de los salarios a partir, por ejemplo, de 2008.
Por otra parte, en unas ocasiones nos interesaran las variaciones de una magnitud (pre-
cio de la gasolina) y en otras las de un conjunto de magnitudes (precio de los carburantes).
Pues bien, esta es la cuestion que vamos a tratar en este tema.
Definicion: Llamaremos n umeros ndices a unas medidas estadsticas que sirven
para comparar una magnitud o un grupo de magnitudes en dos situaciones, una de las
cuales se considera de referencia. La comparacion se puede efectuar en el tiempo o en el
espacio.
Los ndices que vamos a estudiar van a referirse generalmente a la evolucion de una
magnitud en el tiempo. As, a la situacion inicial la llamaremos PERIODO BASE O
PERIODO DE REFERENCIA y a la situacion que queremos comparar PERIODO AC-
TUAL.
La teora de los n
umeros ndices se ha desarrollado fundamentalmente para el estudio
de las variaciones de los precios, precisamente para tratar de medir el nivel general de
precios, e inversamente: el poder adquisitivo del dinero.
Los n
umeros ndices podemos clasificarlos en:
N
umeros ndices simples.
57
58
TEMA 3. NUMEROS INDICES
N
umeros ndices compuestos.
No ponderados.
Ponderados.
3.1. N
umeros ndices simples
Estos ndices se refieren a un solo artculo o concepto. Son simples relaciones o por-
centajes entre dos valores del mismo.
Para la magnitud Y , el ndice simple correspondiente al perodo t, tomando como base
el perodo 0, sera:
Yt
It/0 = It0 = 100
Y0
Conviene subrayar que el ndice simple no es mas que el porcentaje que representa Yt
respecto a Y0 . Por lo tanto, carece de dimension.
Por ejemplo: It0 = 210
200
100 = 105 , significa que el valor de la magnitud en el perodo
actual es un 5 % mayor que el valor de la misma magnitud en el perodo base.
En ocasiones se utilizan los llamados, INDICES EN CADENA, en los que se toma
como base el perodo anterior a aquel en el que se calcula el ndice. Su formulacion es:
Yt
It/t1 = Itt1 = 100
Yt1
Ejemplos:
Las siguientes series corresponden al precio de un artculo en distintos perodos, y
vamos a calcular las series de ndices simples y de ndices encadenados:
t Yt It/0 It/t1 t Yt It/0 It/t1
0 125 100 0 140 100
1 140 112 112 1 156.8 112 112
2 154 123.2 110 2 180.32 128.8 115
3 177.1 141.68 115 3 216.384 154.56 120
3.2. N
umeros ndices compuestos no ponderados
Los ndices compuestos son aquellos que hacen referencia a varios artculos o mag-
nitudes. Se trata por tanto de establecer un indicador de la variacion experimentada
por la caracterstica en estudio, correspondiente al ((grupo de artculos o conceptos)) con-
templandolo como un solo ente.
Supongamos que queremos analizar, por ejemplo, la variacion de los precios de un
conjunto de magnitudes. En general, para N artculos, la informacion se puede representar
en una tabla de doble entrada, de la siguiente forma:

3.3. NUMEROS INDICES COMPUESTOS PONDERADOS 59
Magnitudes 1 2 ... N
Perodo base Y01 Y02 ... Y0N
Perodo actual Yt1 Yt2 ... YtN
Indices simples I1 I2 ... IN
El problema consiste en sintetizar la informacion de la tabla para obtener un indicador
que nos ponga de relieve la variacion existente entre los precios de los N artculos en el
perodo actual respecto al perodo base de forma conjunta.
Un criterio para resolver dicho problema es el de utilizar promedios de los n
umeros
ndices simples.
Indice de la media aritm
etica:
P
Ii
It/0 =
N
Otro criterio para resolver el problema, consiste en calcular un ndice simple entre las
sumas de los valores de las magnitudes, es decir:
Indice de la media agregativa:
P
Yti
It/0 =P 100
Y0i
Se debe hacer notar que este ndice solo tiene sentido cuando las magnitudes estan
medidas en las mismas unidades (no se pueden sumar kg y hl, por ejemplo).
3.3. N
umeros ndices compuestos ponderados
Los ndices compuestos sin ponderar tienen varios inconvenientes, entre los que desta-
can los siguientes:
Al no ponderar los conceptos o magnitudes que intervienen en el ndice, esto supone

que se otorga la misma importancia a todos ellos.
La elaboracion de un ndice debe estar de acuerdo con la finalidad que se persiga,
razon por la cual cada magnitud debe venir afectada de un ((peso o ponderacion))
que este en relacion con la importancia que dicha magnitud tiene dentro de todo
el conjunto. As por ejemplo, si se quiere obtener un ndice del coste de la vida, el
precio de la canela no puede tener la misma importancia que el precio del pan.
Los artculos pueden medirse en unidades heterogeneas, por lo que no son compa-
rables.
Todo ello ha dado como resultado que los ndices sin ponderar tengan un empleo muy
limitado, a la vez que da pie a la creacion de los ndices ponderados.
60
Por todo esto, en muchas ocasiones, es necesario asignar a cada magnitud simple, y
por lo tanto a sus ndices, unas ponderaciones que reflejen su peso relativo dentro del
conjunto en el que se consideran.
Supongamos que las diferentes ponderaciones asignadas son: w1 , .., wi , .., wN , de esta
forma obtendremos los siguientes ndices:
Indice de la media aritm
etica ponderada:
P
Ii w i
It/0 = P
wi
Indice de la media agregativa ponderada:

P
Yti wi
It/0 = P 100
Y0i wi
3.4. Indices de precios, de cantidad y de valor
En Economa, los ndices mas utilizados son los que se refieren a precios, cantidades y
valor.
3.4.1. Indices de precios
Podemos considerar los siguientes ndices:
Compuestos sin ponderar:
Indice de Sauerbeck:
Pti
P
P0i
St/0 = 100
N
Indice de Bradstreet y D
utot:
P
Pti
BDt/0 =P 100
P0i
Compuestos ponderados:
En los ndices de precios que se elaboran mas frecuentemente, se utilizan como
ponderaciones las alternativas siguientes:
1. p0i q0i : representa el valor de las transacciones (precio por cantidad) realizadas
para dicho artculo en el periodo base.
2. p0i qti : (valor ficticio), representa el valor de las transacciones realizadas para
dicho artculo en el periodo actual con precios del perodo base.
3.4. INDICES DE PRECIOS, DE CANTIDAD Y DE VALOR 61
Utilizando como ponderacion la alternativa 1, y el ndice de la media aritmetica pon-

derada de los ndices simples, se obtiene el INDICE DE LASPEYRES:
P pti
p q
P
p p0i 0i 0i pti q0i
Lt/0 = P 100 = P 100
p0i q0i p0i q0i
Podemos observar que simplificando el ndice de Laspeyres tambien lo podemos defi-

nir como una media agregativa ponderada de los precios, usando como ponderacion las
cantidades en el perodo base.
La elaboracion de un ndice de Laspeyres tiene la ventaja, y por ello es el que mas
se utiliza, de que las ponderaciones del perodo base se mantienen fijas para todos los
perodos. Sin embargo, presenta el inconveniente de que pierde representatividad a medida
que nos alejamos del perodo base.
Cuando se utiliza la alternativa 2 como ponderacion en una media aritmetica de ndices
simples, se obtiene el INDICE DE PAASCHE:
P pti
p q
P
p p0i 0i ti pti qti
Pt/0 = P 100 = P 100
p0i qti p0i qti
Este ndice tambien se puede ver como una media agregativa de los precios, siendo las
ponderaciones las cantidades en el momento actual.
En este ndice las ponderaciones (p0i qti ) son variables. Concretamente, para su elabora-
cion se requiere informacion de los precios y cantidades en cada perodo, a diferencia del de
Laspeyres, para cuya elaboracion u nicamente se precisa informacion sobre las cantidades
del perodo base, aparte, claro esta, de los datos sobre precios de cada periodo.
El ndice de Paasche tambien pierde representatividad, aunque en menor medida que
el ndice de Laspeyres, a medida que el a
no con el que se efect
ua la comparacion, esta mas
alejado del a no base.
Otro ndice ponderado, aunque menos utilizado es el:
INDICE DE FISHER: es la media geometrica de los ndices de Laspeyres y Paasche,
con lo cual, su valor estara acotado por el valor que tienen ambos ndices.
sP P
p
q
p p pti q0i pti qti
Ft/0 = Lt/0 Pt/0 = P P 100
p0i q0i p0i qti
3.4.2. Indices de cantidad
Son los que tratan de medir la evolucion relativa de una magnitud economica (pro-
duccion, consumo, etc...) en terminos reales, es decir, sin recoger el efecto que sobre ella
pueda haber tenido la variacion de precios.
Solo nos vamos a fijar en las formulaciones de n
umeros ndices compuestos ponderados,
ya que u
nicamente se suelen utilizar estos.
62
Al igual que en el caso de los n

umeros ndices de precios, los ndices cuanticos mas
utilizados son los de Laspeyres y Paasche.
Indice de Laspeyres:
P qti
p q
P
q0i 0i 0i qti p0i
Lqt/0 = P 100 = P 100
p0i q0i q0i p0i
Indice de Paasche:
P qti
q p
P
q0i 0i ti qti pti
Pqt/0 = P 100 = P 100
q0i pti q0i pti
El ndice de cantidad de Fisher sera, en este caso:

Indice de Fisher: q
Fqt/0 = Lqt/0 Pqt/0
3.4.3. Indices de valor
El valor de un conjunto de mercancas (producidas, consumidas, exportadas, etc...) o

gasto, para dos perodos de tiempo, el actual y el base, vendra dado, respectivamente, por
las siguientes expresiones:
X X
Vt = Vti = pti qti
X X
V0 = V0i = p0i q0i
El cociente entre ambos agregados es:
P P
Vt Vti pti qti
IVt/0 = 100 = P 100 = P 100
V0 V0i p0i q0i
y se denomina ndice de valor agregado de la produccion o del gasto en consumo.

Resulta evidente que en un ndice de valor se reflejan conjuntamente las variaciones de
los precios y las cantidades, ya que las variaciones entre los valores no son sino el efecto
conjunto de las variaciones de las cantidades y de sus precios respectivos entre ambos
perodos.
Si para un cierto artculo se verifica que su valor es igual al precio por la cantidad,
v = pq, parece logico que exijamos que para un grupo de artculos se cumpla la misma
ecuacion y por lo tanto, para los ndices se debera exigir que IV = IP IQ .
Es facil demostrar que esto no siempre es cierto. En particular, para los ndices que
hemos definido:

3.5. PROPIEDADES DE LOS NUMEROS INDICES 63
1. Lp Lq 6= IV
2. Pp Pq 6= IV
3. Fp Fq = IV
Tambien es evidente que (prescindiendo del 100):
( P P
P pti qti P p0i qti = Ppt/0 Lqt/0
P P
Vt Vti pti qti
IVt/0 = =P =P = P p0i qti P p0i q0i
V0 V0i p0i q0i P pti qti P pti q0i = Pqt/0 Lpt/0
pti q0i p0i q0i
Es decir que, el ndice de valor puede expresarse mediante un producto de ndices de

Laspeyres (precios o cantidades) y de Paasche (cantidades o precios) respectivamente.
3.5. Propiedades de los n

umeros ndices
Irving Fisher intento establecer una sistematizacion de los n

umeros ndices, y propuso
una serie de criterios o propiedades para examinar las diferentes formulas, de tal forma
que un ndice sera mas ventajoso cuantas mas propiedades cumpla (esto no quiere decir
que si no las satisface la formula deba eliminarse).
Estas propiedades parten del siguiente principio: Lo que es cierto para un producto,
y por lo tanto para un ndice simple, debera ser cierto para un conjunto de ellos, y en
consecuencia, para el n
umero ndice compuesto que los representa.
En estas propiedades se prescinde de multiplicar por 100.
Identidad: se dice que un ndice cumple el criterio de identidad, si el ndice del

perodo t, respecto al perodo t como base, es la unidad.
It/t = 1
La cumplen todos.
Inversion: se dice que un ndice cumple el criterio de inversion si el ndice respecto

a t con base t, multiplicado por el ndice respecto a t con base t es la unidad.
It/t0 It0 /t = 1
La verifican: BD; F. No la verifican: S; L; P.
Reversibilidad de los factores: se dice que un ndice cumple el criterio de rever-

sibilidad de los factores si el ndice de precios por el ndice de cantidad es el ndice
de valor:
Ipt/0 Iqt/0 = IVt/0
La verifica: F. No la verifican: S; BD; L; P.

64
Transitiva o circular (es una generalizacion de la propiedad de inversion):

It0 /t = It0 /t0 1 It0 1/t0 2 It+2/t+1 It+1/t
La verifica: BD. No la verifica: F.
3.6. Pasos para el c

alculo de los n
umeros ndices
Al elaborar un ndice compuesto, hay que realizar una serie de pasos, entre los que
destacan los siguientes (nos referiremos al calculo del ndice de precios al consumo):
1. Selecci on de variables: El primer problema que se plantea es el de seleccionar

((que variables)) entraran en el mismo y definirlas perfectamente. Ej.: Cacao: Nesquik
de 800 gr.
Puesto que el ndice es un resumen del grupo o conjunto al que se refiere, se deben
elegir los artculos o conceptos mas relevantes dentro del grupo (pan vs canela).
2. Seleccion de los lugares y tiempos de observaci on: Una vez definidos los
conceptos que forman el grupo, se procedera a conseguir las observaciones. Estas
observaciones consisten en la obtencion de los valores numericos correspondientes a
los precios y/o cantidades de los artculos seleccionados.
Es necesario que las observaciones se lleven a cabo siempre en los mismos lugares
y referentes al mismo tipo o variedad de artculo. Tambien debe especificarse el
instante en el que se lleva a cabo la observacion (no promociones, aunque ahora
entran las rebajas), o bien un intervalo de tiempo al que se referiran las distintas
tomas de datos.
Los lugares y tiempos de observacion se deben seleccionar en funcion de la impor-
tancia del concepto dentro del grupo.
3. Selecci
on de la base: Puesto que el tiempo base es el termino de referencia o
comparacion, se debe elegir de forma que sea un tiempo o epoca ((normal)).
Si, por ejemplo, vamos a elaborar un ndice de produccion agrcola, no debemos
tomar como a no base un a no de cosechas excepcionales, ya que el resto de los
a
nos, al compararlos, nos arrojaran datos infravalorados. Por ello, en ciertos tipos
de ndices de produccion, en los que, por las caractersticas de los artculos, se
presentan grandes fluctuaciones, se recomienda tomar como base un promedio de
varios a
nos, para eliminar as dichas fluctuaciones.
4. Selecci on de formulas y ponderaciones: Se debe tener en cuenta que las dis-
tintas formulas guardan una estrecha relacion con las ponderaciones y con el coste
en que se incurre para elaborar el ndice.
En el caso de no disponer de las ponderaciones, solo podemos elaborar ndices sin
ponderar (Sauerbeck o Bradstreet). En el caso de que se conozcan las ponderaciones,
la eleccion depende de los medios de que se disponga. El mas costoso es el de Fisher,
seguido del de Paasche y el de Laspeyres. Este u ltimo solo necesita conocer las
ponderaciones del a no base, por lo que es el mas economico.

3.6. PASOS PARA EL CALCULO
DE LOS NUMEROS INDICES 65
5. Renovaci on del ndice: A medida que el tiempo transcurre (y nos alejamos de la

base) tienen lugar cambios en el comportamiento de las variables, de modo que el
conjunto de variables que se ha seleccionado para la elaboracion del ndice puede
haber dejado de ser representativo. Por otro lado, las ponderaciones pueden no
ajustarse tampoco a la estructura del momento.
Ej.: Hace unos cincuenta a

nos, el pollo solo se consuma los domingos (y solo algunos
privilegiados) y ahora se consume todos los das. Por otra parte, en los hogares se
consuma carbon y por supuesto no haba ordenadores.
Por ello, conviene ((renovar)) el ndice. Esto lleva consigo comenzar todo el proceso
desde el principio: elegir las variables, nueva base, ponderaciones, ...
6. Empalme o enlace de ndices nuevos con los antiguos: Una vez que se ha
llevado a cabo la renovacion del ndice, nos encontraremos series de ndices, cada una
de las cuales abarcara perodos distintos. La serie nueva comenzara naturalmente
por 100, y habra entonces una ((rotura)) de datos.
En muchas ocasiones necesitaremos una sola serie de ndices que nos permita ver la
evolucion temporal del fenomeno, para ello debemos enlazar las dos series de ndices.
El proceso es muy sencillo, veamoslo sobre un ejemplo:
Supongamos que tenemos los ndices de precios al consumo en dos series. La primera,
con base en 2001, abarca los a
nos 2003 al 2006, y la segunda, con base en 2006, abarca
los a
nos 2006 a 2009, es decir que se dispone de los siguientes datos:
IPC base 2001 IPC base 2006
2003 106.68
2004 109.93
2005 113.63
2006 117.62 100
2007 102.80
2008 107.00
2009 106.70
El enlace se puede hacer con base en 2001 o con base en 2006.
Suponiendo que queramos obtener toda la serie con base en este u

ltimo a
no, esta-
bleceremos la siguiente regla de tres:
Si 117.62 equivale a 100 entonces 113.63 equivale a x , por lo tanto:

100 1
x = 113.63 117.62
= 113.63 1.1762
Luego, para pasar de base 2001 a base 2006, tenemos que dividir los ndices con
base en 2001 por la constante: 1.1762
De forma similar se obtiene la serie con base en 2001, sin mas que multiplicar los
ndices con base en 2006 por la constante: 1.1762
66

2003 106.68 90.70
2004 109.93 93.46
2005 113.63 96.61
2006 117.62 100
2007 120.91 102.80
2008 125.85 107.00
2009 125.50 106.70
Hay que hacer constar que, en realidad, los dos perodos enlazados no son
estrictamente comparables, ya que al renovar la base pueden haber entrado
en el conjunto artculos nuevos, habran desaparecido otros, habran cambiado las
ponderaciones, etc..., pero cuando es necesario enlazar dos series no queda otra
solucion.
Sin embargo, no hay que olvidar que el ndice es solo ((un reflejo)) de la variacion
del fenomeno, y no una medida exacta, y por lo tanto, como indicador de estas
variaciones, puede sernos de utilidad, a pesar de los inconvenientes citados.
7. Cambio de base: En muchas ocasiones necesitaremos expresar los ndices calcu-
lados con base en una epoca 0, en otra base t. La diferencia de este caso con el
anterior, es que ahora no existe renovacion del ndice, sino que artificialmente va-
mos a cambiar de perodo base, conservando las ponderaciones del periodo base 0,
respecto al que se elaboraron los ndices.
Por ejemplo, supongamos que conocemos los ndices de precios al consumo, calcu-
lados con base en 2001:
IPC base 2001
2001 100
2002 103.54
2003 106.68
2004 109.93
2005 113.63
2006 117.62
Si queremos tomar como base el a no 2003 (IPC=100) podemos operar igual que
antes (resolviendo una regla de tres): Como el valor 10668 hay que convertirlo en
100, habra que dividirlo por 1,0668; por lo tanto este es el valor constante por el
que habra que dividir todos los terminos de la serie.
2001 100 93.74
2002 103.54 97.06
2003 106.68 100
2004 109.93 103.05
2005 113.63 106.51
2006 117.62 110.25
De esta forma se obtienen los valores de la serie con base en 2003.
En estos casos, para evitar confusiones, se debe especificar, ademas del a
no base, el
a
no al que se refieren las ponderaciones.
DE VALORES
3.7. LA DEFLACION 67
3.7. La deflaci
on de valores
Ya hemos comentado que para solucionar el problema de la agregacion de ((bienes y

servicios)) heterogeneos, se procede a la valoracion de los mismos. En economa es general
el empleo que se hace de estos valores.
La manera de calcular el valor de un bien, consiste en multiplicar la cantidad (q) por
el precio (p); y el precio tiene que venir expresado en unidades monetarias, es decir, en
dinero.
Pero esta unidad de medida no es fija, y a lo largo del tiempo sufre alteraciones,
que se concretan en variaciones del valor del dinero. Lo normal es que los precios se
eleven a medida que transcurre el tiempo, proceso conocido con el nombre de inflaci on.
La inflacion, por lo tanto, origina una perdida en el valor del dinero (perdida de poder
adquisitivo).
Al comparar valores correspondientes a dos epocas distintas, debemos tener en cuenta
que deben estar expresadas en unidades monetarias equivalentes, es decir, con el
mismo poder adquisitivo; sin embargo, al venir referidas a tiempos distintos, vendran
expresadas en unidades monetarias con diferente poder adquisitivo.
Por lo tanto es necesario corregir la perdida de valor del dinero, para obtener una
unidad de medida homogenea, o lo que es lo mismo: expresar los valores en unidades
monetarias con poder adquisitivo constante.
El procedimiento mediante el cual corregimos la perdida del valor del dinero se conoce
con el nombre de deflaci
on.
Entonces, a la hora de comparar magnitudes economicas en valor a lo largo del tiempo,
se requiere que estos valores sean homogeneos, lo cual requiere deflactar la serie de valores
corrientes mediante un ndice de precios adecuado. El ndice que se utiliza para realizar
esta operacion recibe el nombre de deflactor.
Para obtener la serie deflactada (en la que todos los valores deben estar expresados en
las mismas unidades monetarias) hay que dividir la serie original en precios corrientes,
por el deflactor correspondiente; de esta forma, la nueva serie refleja su evolucion
real en el tiempo, independientemente de las alteraciones monetarias.
No existe un deflactor u
nico, sino que depende de la magnitud que se trate de obtener.
As por ejemplo, si se quiere medir la capacidad real de compra de los consumidores
privados en bienes de consumo, habra que deflactar las rentas monetarias de cada perodo
por el ndice deflactor correspondiente, que sera, en este caso, el ndice de precios al
consumo.
Veamos ahora que posibilidades ofrecen los ndices de Laspeyres y Paasche para de-
flactar una serie economica agregada.
Sean:
P P
Vt = Vti = pti qti , valor agregado a precios corrientes del perodo actual.
68
P P
V0 = V0i = p0i q0i , valor agregado a precios corrientes del perodo base.
Al dividir Vt por el ndice de precios de Laspeyres, resulta la siguiente expresion:
P
Vt pti qti
= = V0 Pq
Lp
P
P pti q0i
p0i q0i
Mientras que si deflactamos Vt mediante un ndice de precios de Paasche, tenemos que:
P
Vt pti qti X
= = p0i qti
Pp
P
P ti qti
p
p0i qti
As pues, al deflactar Vt mediante un ndice de precios de Laspeyres, se obtiene como

resultado una proyeccion temporal del valor inicial, V0 , a traves de un ndice cuantico de
Paasche.
Por el contrario, al deflactar con un ndice de precios de Paasche se obtiene la valo-
racion de la producci on actual a precios del perodo base. Por lo tanto, el ndice
de Paasche es el deflactor idoneo, ya que permite pasar de valores monetarios corrien-
tes a valores expresados en precios (los del perodo base) constantes. Si utilizamos como
deflactor cualquier otro ndice, no obtenemos valores a precios constantes.
A pesar de que el ndice de Paasche es el mas adecuado, en la practica se utiliza en
muchas ocasiones el ndice de Laspeyres por ser el unico disponible, ya que el primero
exige para su elaboracion una informacion que habitualmente no esta disponible.
Por otra parte, aunque en la expresion anterior hemos considerado valores que se pue-
dan descomponer en suma de productos de precios por cantidades, se puede presentar
el problema de deflactar una magnitud macroeconomica que no permita tal descomposi-
cion. Por ejemplo, puede interesarnos expresar, en terminos constantes, la renta personal
disponible, que es una magnitud que tiene un caracter estrictamente monetario.
Para deflactar una magnitud de este tipo, debe determinarse previamente el objetivo
perseguido con tal operacion, para despues proceder a la eleccion del deflactor mas ade-
cuado para tal efecto. As, si lo que queremos es expresar la renta personal disponible en
terminos de poder adquisitivo en bienes de consumo, el deflactor a elegir sera el ndice de
precios de consumo.
3.8. Indice de precios de consumo
El Indice de Precios de Consumo (IPC) es una medida estadstica de la evolucion

del conjunto de precios de los bienes y servicios que consume la poblacion residente en
viviendas familiares en Espana.
La ficha tecnica del IPC actual es la que se muestra a continuacion:
3.9. EJEMPLOS RESUELTOS 69
Para saber mas sobre la metodologa general del IPC calculado en Espa
na, se recomien-
da leer el documento Metodologa que se encuentra en la pagina del INE (www.ine.es):
http://www.ine.es/daco/daco43/metoipc06.pdf
3.9. Ejemplos resueltos
Veamos algunas de las muchas cuestiones que se pueden resolver con n

umeros ndices.
1. En la siguiente tabla se muestran los salarios medios mensuales, en euros, de cierta

categora de empleados, as como los ndices de precios de consumo en el mismo
perodo:
Ano Salario IPCt/06
2004 2043 93.5
2005 2125 96.6
2006 2252 100
2007 2393 102.8
2008 2513 107
2009 2561 106.7
a) Obten los ndices que miden la variacion de los salarios de cada a

no respecto
al a
no anterior.
b) Obten los ndices que miden la variacion de los precios de cada a
no respecto al
a
no 2004.
c) Expresa la serie de los salarios anuales en unidades monetarias constantes de
2004.
Soluci
on.
70
a) Obten los ndices que miden la variacion de los salarios de cada a

no respecto
al a
no anterior.
Tenemos que calcular los ndices encadenados:
S(t)
ISt/t1 = 100
S(t 1)
El primero que podemos calcular es:

2125
IS05/04 = 100 = 104.01
2043
analogamente:
2252
IS06/05 = 100 = 105.98
2125
y as con todos (al final del ejercicio esta la tabla completa).
b) Obten los ndices que miden la variacion de los precios de cada a
no respecto al
ano 2004.
En este caso tenemos que hacer un cambio de base en el ndice.Ahora el a no
base es 2004, por lo que tenemos que convertir el 93.5 en un 100, para lo cual
100
nos basta con multiplicar la serie del IPC por
93.5
100
IPCt/04 = IPCt/04
93.5
Los correspondientes valores del IPC con base en 2004 estan en la tabla, al
final del ejercicio.
c) Expresa la serie de los salarios anuales en unidades monetarias constantes de
2004.
Los salarios estan expresados en unidades monetarias corrientes de cada a no y
queremos expresarlos en t erminos constantes del a no 2004.
Para ello debemos eliminar el efecto de la inflacion (variacion de los precios de
cada a no respecto al a
no 2004), por lo tanto, debemos deflactar, dividiendo los
salarios en u.m. corrientes, por el ndice de precios de cada ano con base en
el ano 2004.
As, en el a
no 2004 el salario medio mensual fue de 2043.
2125
En el a no 2005, fue de = 2056 (euros de 2004)
1.0332
y as con todos los demas.
Ano S(t) IPCt/06 ISt/t1 IPCt/04 S(ctes de 2004)
2004 2043 93.5 100.00 2043.00
2005 2125 96.6 104.01 103.32 2056.81
2006 2252 100 105.98 106.95 2105.62
2007 2393 102.8 106.26 109.95 2176.51
2008 2513 107 105.01 114.44 2195.94
2009 2561 106.7 101.91 114.12 2244.18
2. La familia Perez ha ido registrando los ingresos del hogar en los u

ltimos 5 a
nos y
dispone tambien de los datos del IPC con base en el ano 2006.
Ano Ingreso IPCt/06
2004 28602 93.5
2005 29750 96.6
2006 31528 100
2007 33502 102.8
2008 107
a) Si los ingresos del hogar aumentaron en 2008 un 2 % respecto al a

no anterior
cual fue el ingreso del hogar ese a
no?
b) Viendo la evolucion del IPC ese a
no, la familia dice haber perdido poder adqui-
sitivo y exige al Gobierno una paga para compensar esta perdida de cuanto
debera ser esa paga?
c) Calcula el ingreso del hogar en el a
no 2007 en terminos constantes del a
no
2004.
Soluci
on.
a) Si los ingresos del hogar aumentaron en 2008 un 2 % respecto al a no anterior

cual fue el ingreso del hogar ese a
no?
El ingreso de 2008 fue el ingreso de 2007 mas un 2 % de dicho ingreso:
2
Ingreso(08) = Ingreso(07) + Ingreso(07) = 1.02 Ingreso(07)
100
Ingreso(08) = 1.02 33502 = 34172.04 euros
b) Viendo la evolucion del IPC ese a

no, la familia dice haber perdido poder adqui-
sitivo y exige al Gobierno una paga para compensar esta perdida de cuanto
debera ser esa paga?
Para no perder poder adquisitivo la variacion de los ingresos debera haber sido
igual a la del IPC.
Calculamos la variacion de los precios de 2008 respecto a 2007:
IPC08/06 107
IPC08/07 = 100 = 100 = 104.0856
IPC07/06 102.8
Los precios subieron un 4.0856 %, por lo que los ingresos deberan haber subido
en la misma proporcion. Es decir que para no perder poder adquisitivo el ingreso
debera haber sido de:
Ingreso correcto(2008) = 33502 1.040856 = 34870.76 euros
Por lo tanto, la familia debera solicitar una paga por la diferencia:
Paga = 34870.76 34172.04 = 698.72 euros

72
c) Calcula el ingreso del hogar en el a no 2007 en terminos constantes del a no

2004.
Para calcular el ingreso del hogar en el ano 2007 en terminos constantes del
a
no 2004, debemos expresar dicha cantidad eliminando el efecto de la inflacion
en ese perodo.
Calculamos la variacion de los precios para 2007 respecto a 2004:
IPC07/06 102.8
IPC07/04 = 100 = 100 = 109.9465
IPC04/06 93.5
Y ahora deflactamos el ingreso de 2007:
Ingreso07
Ingreso07 (en terminos ctes de 2004) =
IPC07/04
33502
Ingreso07 (en terminos ctes de 2004) = = 30471.18 euros de 2004
1.099465
Tema 4
La curva Normal
Se dice que algo es normal, cuando se encuentra en su estado natural, cuando sirve de
norma o regla, o cuando por su naturaleza, forma o magnitud se ajusta a ciertas normas
fijadas de antemano.
Y que tiene que ver esto con la Estadstica?, pues mucho mas de lo que parece.
Cuando estudiamos una caracterstica de una poblacion, nos interesa saber si los va-
lores observados son normales, es decir, si el comportamiento de nuestra variable, en la
poblacion analizada, es normal, es el esperado o el que cabra esperar, o si, por el contrario,
la variable presenta un comportamiento anomalo.
Si pensamos en la altura o el peso de los hombres adultos de una determinada po-
blacion, podemos observar que hay unos determinados valores que nos pueden parecer
normales (175 cm, 80 kg), y que nos lo parecen as porque son los mas habituales, los
que aparecen con mayor frecuencia, mientras que los valores alejados de estos, tanto por
exceso como por defecto ya no se consideran normales (225 cm, 40 kg) y si aparecen lo
hacen con una frecuencia muy peque na. En general, lo normal, se encuentra cerca del
valor medio y es lo mas frecuente.
Esta idea la plasmo Gauss en una curva llamada curva Normal, cuya formulacion
matematica es la siguiente:
1 (x)2
f (x) = e 22
2
donde:
f (x) es la frecuencia de un determinado valor
x es un valor cualquiera de la variable
es la media de la distribucion
es la desviacion tpica de la distribucion
es la constante: 3.14159...
e es la constante: 2.71828...
73
74 TEMA 4. LA CURVA NORMAL
Los valores de y de constituyen los parametros de la curva Normal, que denotare-

mos como N (, ) (Normal de media y desviacion tpica ).
Esta claro que este no es mas que un modelo teorico y que ning un fenomeno de la
naturaleza se va a ajustar exactamente a este modelo, pero s que hay muchos fenomenos
cuyo comportamiento se acercara mucho.
Mas adelante (en las practicas con ordenador) veremos como determinar si nuestra
variable tiene un comportamiento parecido al de una Normal, pero por ahora vamos a
estudiar esta funcion y a descubrir algunas de sus propiedades.
4.1. Propiedades de la curva Normal
A simple vista se pueden observar varias caractersticas:
1. Tiene forma de campana.
2. Es simetrica respecto al parametro .
3. La media, la mediana y la moda coinciden con el valor .
4. Los puntos de inflexion de la curva corresponden a las abscisas .

Ademas esta curva tiene otras propiedades que, aunque se intuyen, no se ven a
simple vista y que vamos a comentar:
5. El area total bajo la curva vale 1.
6. Existe una relacion muy interesante entre la media y la desviacion tpica: ((la pro-
porcion de datos que se encuentran entre la media y la media mas una desviaci on
tpica es de 0.3413 )) (aproximadamente un tercio).
4.2. VALORES TIPIFICADOS 75
Esto significa que en el intervalo de 2 desviaciones tpicas en torno a la media, se

concentra una proporcion de observaciones de 0.6826, o lo que es lo mismo, el 68.26 % de
las observaciones (algo mas de dos tercios).
En general, casi el 100 % de las observaciones se encuentran a menos de 3 desviaciones
tpicas de la media.
Nota: estamos identificando la proporcion de datos en un intervalo con el area bajo la

curva en dicho intervalo.
4.2. Valores tipificados
Una utilidad de la informacion anterior es la siguiente:

Supongamos que conocemos la media (=6.5) y la desviacion tpica (=1.7) de las
calificaciones de los alumnos de esta asignatura en el primer trabajo del curso, y que
sabemos que dichas calificaciones se distribuyen normalmente (es decir, siguen una distri-
bucion Normal). Entonces, podemos afirmar que el 68.27 % de los estudiantes de la clase,
tiene una calificacion entre 6.5-1.7 (=4.8) y 6.5+1.7 (=8.2).
Otra situacion que se puede plantear es la siguiente: un compa
nero nos dice que ha sa-
cado un 7.5 en los dos trabajos que hay que realizar durante el curso, como interpretamos
estas puntuaciones?
Directamente no lo podemos interpretar, pero, suponiendo que las calificaciones del
segundo trabajo sigan tambien una distribucion Normal, y si conocemos la media (=8) y
la desviacion tpica (=1.5) de las notas del grupo, podemos comparar ambas calificaciones
y determinar cual es su posicion en el grupo en ambos casos.
Por un lado, podemos calcular su desviacion respecto a la media del grupo:
En el primer trabajo: 7.5-6.5=1, su calificacion esta 1 punto por encima de la media
del grupo, mientras que en el segundo trabajo: 7.5-8=-0.5, lo que significa que su nota
esta medio punto por debajo de la nota media del grupo.
Sin embargo, como ya sabemos, es importante conocer lo proximos o alejados que
se encuentran los valores de la media, por lo que, si dividimos estas desviaciones por la
desviacion tpica (es decir, utilizamos la desviacion tpica como unidad de medida de la
dispersion), obtendremos unos valores, llamados valores tipificados, que corresponden a
distribuciones del mismo tipo (estos valores corresponden a una escala que tiene el 99.73 %
de sus valores entre -3 y 3).
7.5 6.5 7.5 8

z1 = = 0.59 , mientras que en el segundo trabajo: z2 = = 0.33
1.7 1.5
Ahora, ambos valores corresponden a la misma escala y son comparables. Como vemos,
las dos notas, aunque numericamente son iguales, no representan lo mismo.
La nota del primer trabajo esta 0.59 veces la desviacion tpica, por encima de la nota
media del grupo, mientras que la nota del segundo trabajo esta 0.33 veces la desviacion
tpica por debajo de la nota media del grupo.
Como ambos valores estan en la misma escala, podemos afirmar que es mucho mejor
nota la del primer trabajo, que la nota del segundo trabajo, con relacion a las notas del
grupo.
Los valores tipificados nos permiten comparar tanto los valores de un mismo sujeto
para distintas variables (que pueden estar medidas en distintas escalas), como los valores
de distintos sujetos para la misma variable.
Caractersticas de los valores tipificados
1. Los valores tipificados son una mera transformacion lineal de los valores observados
y por lo tanto son equivalentes.
Esto significa que la forma de la distribucion de los valores tipificados es la misma
que la de los valores originales.
2. La media de los valores tipificados es siempre cero.
Esto es consecuencia directa de la propiedad de la media que dice que la suma de
las desviaciones respecto a la media es cero.
k k k
X x 1 X 1 X xi x 1 1X 1 1
Z= 0
z = zi ni = 0
ni = 0
(xi
x)ni = 0=0
s N i=1 N i=1 s N s i=1 N s0
4.3. PROPORCIONES DE LA CURVA NORMAL 77
3. La desviacion tpica de los valores tipificados es siempre 1.

Esto se debe a las propiedades de la varianza (y por lo tanto de la desviacion tpica)
frente a transformaciones lineales:
k
X x 0 0 02 1 X
Z= donde s = SX y sabemos que SZ = (zi z)2 ni
s0 N i=1
xi x
Como zi z =
, entonces:
s0
k k 2 k 0
02 1 X 2 1 X xi x 1 1 X 2 s2
SZ = (zi z) ni = ni = 0 2 (xi x) ni = 0 2 = 1
N i=1 N i=1 s0 s N i=1 s
4.3. Proporciones de la curva Normal

Tabla de la Normal tipificada Z ~ N(0,1)
Suponiendo que nuestra distribucion se ajusta a una curva Normal y que conocemos
la media y la desviacion tpica, podemos averiguar la proporcion de datos que cumplen
determinados criterios.
x2

Para elloPZse zutilizan
1 zlose 2valores
dx (que estan tabulados) de la Normal de media 0 y
2
desviacion tpica 1. Tabla de la N (0, 1):
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
3 3 3 3 3 3 3 4 4
3 0.00135 0.0 968 0.0 687 0.0 483 0.0 337 0.0 233 0.0 159 0.0 108 0.0 723 0.0 481
4 4 4 5 5 5 5 5 6 6
4 0.0 317 0.0 207 0.0 133 0.0 854 0.0 541 0.0 340 0.0 211 0.0 130 0.0 793 0.0 479
6 6 7 7 7 7 7 8 8 8
5 0.0 287 0.0 170 0.0 996 0.0 579 0.0 333 0.0 190 0.0 107 0.0 599 0.0 332 0.0 182
9 9 9 9 10 10 10 10 11 11
6 0.0 987 0.0 530 0.0 282 0.0 149 0.0 777 0.0 402 0.0 206 0.0 104 0.0 523 0.0 260
11 12 12 12 13 13 13 14 14 14
2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
78 2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 TEMA
0.0029 4. LA
0.0028 CURVA NORMAL
0.0027 0.0026
2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
Para valores mayores:
z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
3 3 3 3 3 3 3 4 4
3 0.00135 0.0 968 0.0 687 0.0 483 0.0 337 0.0 233 0.0 159 0.0 108 0.0 723 0.0 481
4 4 4 5 5 5 5 5 6 6
4 0.0 317 0.0 207 0.0 133 0.0 854 0.0 541 0.0 340 0.0 211 0.0 130 0.0 793 0.0 479
6 6 7 7 7 7 7 8 8 8
5 0.0 287 0.0 170 0.0 996 0.0 579 0.0 333 0.0 190 0.0 107 0.0 599 0.0 332 0.0 182
9 9 9 9 10 10 10 10 11 11
6 0.0 987 0.0 530 0.0 282 0.0 149 0.0 777 0.0 402 0.0 206 0.0 104 0.0 523 0.0 260
11 12 12 12 13 13 13 14 14 14
7 0.0 128 0.0 624 0.0 301 0.0 144 0.0 682 0.0 320 0.0 149 0.0 688 0.0 311 0.0 133
Esta tabla representa la proporcion de observaciones que se encuentran ((a la derecha))

de un determinado valor z, correspondiente a una variable que se distribuye seg un una
Normal de media 0 y desviacion tpica 1: N (0, 1).
4.3.1. C
omo se utiliza la tabla?
En primer lugar, sabemos que la curva es simetrica, por lo que la mitad de las obser-
vaciones (0.5 o el 50 %), se encuentran en cada una de las dos mitades. Por eso solo se
utiliza la parte de la derecha, ya que haciendo un calculo muy sencillo se pueden obtener
las proporciones correspondientes para los valores negativos.
CoTabla
mo se de
leenlalos valorestipificada
Normal de la tabla?
Z ~ N(0,1)
En general se trabaja con valores tpicos con dos decimales. La parte entera
y el primer decimal estan en la columna de la izquierda de la tabla, y el segundo decimal
en la primera fila.
x2

PZ modo,
z para
1
De este buscar
2 z
e dx la proporci2
on de observaciones con un valor tpico mayor
que 0.59, tenemos que buscar la interseccion entre la fila del 0.5 y la columna del 0.09:
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
Es decir
1.0 que dicha0.1562
0.1587 proporci on es0.1515
0.1539 de 0.2776,
0.1492 o0.1469
dicho 0.1446
de otra0.1423
forma,0.1401
un 27.76 % de las
0.1379
observaciones
1.1 tienen
0.1357 una
0.1335puntuaci
0.1314 o0.1292
n tpica0.1271
mayor0.1251
que 0.59.
0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
Si recordamos el ejemplo de las calificaciones en los trabajos, estaramos diciendo que

solo el 27.76 % de los compa neros de clase tienen una puntuacion mejor en el primer
trabajo. Esto tambien se puede interpretar diciendo que el 72.24 % de sus compa neros
tienen una calificacion inferior.
Como las distribuciones de los datos originales y de los valores tpicos correspondientes
son equivalentes, podemos afirmar que en el primer trabajo: 7.5 es una nota que no es
superada por el 72.24 % de los alumnos del curso; o bien, 7.5 es una nota que solo es
superada por el 27.76 % de los alumnos del curso.
RECUERDA: para utilizar la tabla de la Normal, los valores deben corresponder a una
distribucion Normal de media 0 y desviacion tpica 1, por lo tanto, para poder calcular
todas estas proporciones, debemos tipificar previamente.
4.3.2. C
alculos en distintas situaciones
La tabla solo nos da la proporcion de datos por encima de un determinado valor

positivo, as que si queremos calcular alguna otra proporcion tendremos que hacer algunos
calculos para obtenerla.
a) Proporci
on de datos por debajo de un determinado valor positivo (+1.00):
Si nos fijamos en el grafico de esta situacion y en su complemen-
tario , podemos comprobar que la proporcion que queda por debajo

de +1.00 es el total (1 o el 100 %) menos la proporcion que queda por encima de ese valor
(que esta en las tablas):
Por lo tanto: La proporcion por debajo de +1.00 es igual a 1-0.1587=0.8413
b) Proporci
on de observaciones por encima de un determinado valor nega-
tivo (-1.00):
Como la curva es simetrica, las areas y son

iguales, es decir, que la proporcion por encima de (-1.00) es la misma que la que queda
por debajo de (+1.00).
Por lo tanto: La proporcion por encima de -1.00 es igual a 1-0.1587=0.8413
c) Proporci
on de observaciones por debajo de un determinado valor nega-
tivo (-1.00):
Como la curva es simetrica, las areas y son

iguales, por lo que:
La proporcion por debajo de -1.00 es igual a 0.1587.
Ahora vamos a considerar la proporcion de casos que se encuentran en un intervalo.
d) Proporcion de datos entre dos valores sim

etricos respecto a la media:
(-1.00 y +1.00):
Las areas, y son complementarias, y como la

curva es simetrica, las dos ramas son iguales, por lo que la proporcion de datos fuera del
intervalo es el doble de la proporcion de datos por encima de +1.00. Entonces:
La proporcion de datos entre -1.00 y +1.00 es 1-20.1587 = 1-0.3174 = 0.6826.
e) Proporci
on de datos entre dos valores positivos: (+1.00 y +2.00):
Esta proporcion la podemos expresar como la proporcion de datos

por encima de +1.00 menos la proporcion de datos por encima de +2.00, es decir:
menos . Entonces:
La proporcion de datos entre +1.00 y +2.00 es 0.1587-0.0228=0.1359.
f ) Proporci
on de datos entre dos valores negativos: (-2.00 y -1.00):
Como la curva es simetrica, la proporcion de datos entre -2.00 y -1.00
es exactamente igual a la proporcion de datos entre +1.00 y +2.00 .

La proporcion de datos entre -2.00 y -1.00, es 0.1587-0.0228=0.1359.
g) Proporci
on de datos entre dos valores de distinto signo: (-1.00 y +2.00):
Usando los argumentos anteriores, esta proporcion es la diferencia entre los que estan
por encima de -1.00 y los que estan por encima de +2.00:
= menos =
= (1 ) menos
La proporcion de datos entre -1.00 y +2.00, es (1-0.1587) - 0.0228=0.8413-0.0228=0.8185.
Recuerda que estamos usando todo el tiempo dos propiedades basicas de la curva
Normal:
Es simetrica respecto a la media.
El area total bajo la curva vale 1.
4.3.3. Obtenci
on de valores crticos
Del mismo modo que nos preguntamos por la proporcion de observaciones que se
encuentran en un determinado intervalo de valores tipificados, nos podramos hacer la
pregunta inversa: cu
al es el valor tipificado a partir del cual se encuentra una
determinada proporci on de observaciones?
Podemos responder a esta cuestion utilizando la tabla de forma parecida al caso an-
terior.
T DE STUDENT
4.4. LA DISTRIBUCION 83
X x
Como Z = , entonces X = s0 Z + x
s0
En nuestro caso, el lmite inferior sera:
xinf = s0 zinf + x = 1.7 (0.84) + 6.5 = 5.072
y el lmite superior sera:
xsup = s0 zsup + x = 1.7 (0.84) + 6.5 = 7.928
Por lo tanto, el 60 % central de las calificaciones se encuentran entre 5.07 y 7.93.
Puntuaci
on que no es superada por el 30 % de los estudiantes.
Estamos diciendo que el 30 % de los estudiantes tienen una nota inferior a esa.
Sabemos que buscamos un valor tpico negativo pero, aprovechando la simetra, po-
demos buscar: .
A una proporcion por encima de 0.3, le corresponde un valor tpico de 0.52, entonces,
el valor tpico que buscamos es z =-0.52 y la puntuacion sera:
x = s0 z + x = 1.7 (0.52) + 6.5 = 5.616
Es decir, el 30 % de los estudiantes han obtenido una calificacion inferior a 5.616 en el

primer trabajo.
4.4. La distribuci
on t de Student
Un modelo alternativo que se usara mucho en Inferencia Estadstica es la llamada

distribuci
on t de Student.
Esta curva es muy parecida a la curva Normal, N (0, 1), pero depende de un parametro
llamado ((grados de libertad)). Tiene, como la Normal, forma de campana, su media es
cero y es simetrica, pero su varianza es mayor que uno.
Tiene la particularidad de que cuanto mayor es el parametro grados de libertad, mas
se acerca la varianza a 1 y por lo tanto mas se parece esta distribucion a la distribucion
N (0, 1).
De hecho, cuando el n umero de grados de libertad es mayor que 30, la diferencia entre
la t de Student y la N (0, 1) se puede considerar despreciable. Graficamente:
http://www.matematicasvisuales.com/html/probabilidad/varaleat/tstudent.html
Comparacion entre la grafica de la N (0, 1) (azul) y la t de Student con 2 grados de

libertad, t2 (verde).

libertad, t5 (amarillo).

libertad, t20 (rosa).
Las proporciones bajo la t de Student, se calculan como sigue:

Dada una proporcion p y los grados de libertad n, la tabla nos proporciona el valor
tpico correspondiente:
T DE STUDENT
Probabilidad de una variable t de student con n grados de libertad T ~ tn

P P{T
{T>> t}
t} == pp== Area sombreada
rea sombreada
p
n 0.005 0.01 0.025 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
1 63.6567 31.8205 12.7062 6.3138 3.0777 1.9626 1.3764 1.0000 0.7265 0.5095 0.3249 0.1584
2 9.9248 6.9646 4.3027 2.9200 1.8856 1.3862 1.0607 0.8165 0.6172 0.4447 0.2887 0.1421
3 5.8409 4.5407 3.1824 2.3534 1.6377 1.2498 0.9785 0.7649 0.5844 0.4242 0.2767 0.1366
4 4.6041 3.7469 2.7764 2.1318 1.5332 1.1896 0.9410 0.7407 0.5686 0.4142 0.2707 0.1338
5 4.0321 3.3649 2.5706 2.0150 1.4759 1.1558 0.9195 0.7267 0.5594 0.4082 0.2672 0.1322
6 3.7074 3.1427 2.4469 1.9432 1.4398 1.1342 0.9057 0.7176 0.5534 0.4043 0.2648 0.1311
7 3.4995 2.9980 2.3646 1.8946 1.4149 1.1192 0.8960 0.7111 0.5491 0.4015 0.2632 0.1303
8 3.3554 2.8965 2.3060 1.8595 1.3968 1.1081 0.8889 0.7064 0.5459 0.3995 0.2619 0.1297
9 3.2498 2.8214 2.2622 1.8331 1.3830 1.0997 0.8834 0.7027 0.5435 0.3979 0.2610 0.1293
10 3.1693 2.7638 2.2281 1.8125 1.3722 1.0931 0.8791 0.6998 0.5415 0.3966 0.2602 0.1289
11 3.1058 2.7181 2.2010 1.7959 1.3634 1.0877 0.8755 0.6974 0.5399 0.3956 0.2596 0.1286
12 3.0545 2.6810 2.1788 1.7823 1.3562 1.0832 0.8726 0.6955 0.5386 0.3947 0.2590 0.1283
13 3.0123 2.6503 2.1604 1.7709 1.3502 1.0795 0.8702 0.6938 0.5375 0.3940 0.2586 0.1281
14 2.9768 2.6245 2.1448 1.7613 1.3450 1.0763 0.8681 0.6924 0.5366 0.3933 0.2582 0.1280
15 2.9467 2.6025 2.1314 1.7531 1.3406 1.0735 0.8662 0.6912 0.5357 0.3928 0.2579 0.1278
16 2.9208 2.5835 2.1199 1.7459 1.3368 1.0711 0.8647 0.6901 0.5350 0.3923 0.2576 0.1277
17 2.8982 2.5669 2.1098 1.7396 1.3334 1.0690 0.8633 0.6892 0.5344 0.3919 0.2573 0.1276
18 2.8784 2.5524 2.1009 1.7341 1.3304 1.0672 0.8620 0.6884 0.5338 0.3915 0.2571 0.1274
19 2.8609 2.5395 2.0930 1.7291 1.3277 1.0655 0.8610 0.6876 0.5333 0.3912 0.2569 0.1274
20 2.8453 2.5280 2.0860 1.7247 1.3253 1.0640 0.8600 0.6870 0.5329 0.3909 0.2567 0.1273
21 2.8314 2.5176 2.0796 1.7207 1.3232 1.0627 0.8591 0.6864 0.5325 0.3906 0.2566 0.1272
22 2.8188 2.5083 2.0739 1.7171 1.3212 1.0614 0.8583 0.6858 0.5321 0.3904 0.2564 0.1271
23 2.8073 2.4999 2.0687 1.7139 1.3195 1.0603 0.8575 0.6853 0.5317 0.3902 0.2563 0.1271
24 2.7969 2.4922 2.0639 1.7109 1.3178 1.0593 0.8569 0.6848 0.5314 0.3900 0.2562 0.1270
25 2.7874 2.4851 2.0595 1.7081 1.3163 1.0584 0.8562 0.6844 0.5312 0.3898 0.2561 0.1269
26 2.7787 2.4786 2.0555 1.7056 1.3150 1.0575 0.8557 0.6840 0.5309 0.3896 0.2560 0.1269
27 2.7707 2.4727 2.0518 1.7033 1.3137 1.0567 0.8551 0.6837 0.5306 0.3894 0.2559 0.1268
28 2.7633 2.4671 2.0484 1.7011 1.3125 1.0560 0.8546 0.6834 0.5304 0.3893 0.2558 0.1268
29 2.7564 2.4620 2.0452 1.6991 1.3114 1.0553 0.8542 0.6830 0.5302 0.3892 0.2557 0.1268
30 2.7500 2.4573 2.0423 1.6973 1.3104 1.0547 0.8538 0.6828 0.5300 0.3890 0.2556 0.1267
31 2.7440 2.4528 2.0395 1.6955 1.3095 1.0541 0.8534 0.6825 0.5298 0.3889 0.2555 0.1267
32 2.7385 2.4487 2.0369 1.6939 1.3086 1.0535 0.8530 0.6822 0.5297 0.3888 0.2555 0.1267
33 2.7333 2.4448 2.0345 1.6924 1.3077 1.0530 0.8526 0.6820 0.5295 0.3887 0.2554 0.1266
34 2.7284 2.4411 2.0322 1.6909 1.3070 1.0525 0.8523 0.6818 0.5294 0.3886 0.2553 0.1266
35 2.7238 2.4377 2.0301 1.6896 1.3062 1.0520 0.8520 0.6816 0.5292 0.3885 0.2553 0.1266
36 2.7195 2.4345 2.0281 1.6883 1.3055 1.0516 0.8517 0.6814 0.5291 0.3884 0.2552 0.1266
37 2.7154 2.4314 2.0262 1.6871 1.3049 1.0512 0.8514 0.6812 0.5289 0.3883 0.2552 0.1265
38 2.7116 2.4286 2.0244 1.6860 1.3042 1.0508 0.8512 0.6810 0.5288 0.3882 0.2551 0.1265
39 2.7079 2.4258 2.0227 1.6849 1.3036 1.0504 0.8509 0.6808 0.5287 0.3882 0.2551 0.1265
40 2.7045 2.4233 2.0211 1.6839 1.3031 1.0500 0.8507 0.6807 0.5286 0.3881 0.2550 0.1265
45 2.6896 2.4121 2.0141 1.6794 1.3006 1.0485 0.8497 0.6800 0.5281 0.3878 0.2549 0.1264
50 2.6778 2.4033 2.0086 1.6759 1.2987 1.0473 0.8489 0.6794 0.5278 0.3875 0.2547 0.1263
55 2.6682 2.3961 2.0040 1.6730 1.2971 1.0463 0.8482 0.6790 0.5275 0.3873 0.2546 0.1262
60 2.6603 2.3901 2.0003 1.6706 1.2958 1.0455 0.8477 0.6786 0.5272 0.3872 0.2545 0.1262
65 2.6536 2.3851 1.9971 1.6686 1.2947 1.0448 0.8472 0.6783 0.5270 0.3870 0.2544 0.1262
70 2.6479 2.3808 1.9944 1.6669 1.2938 1.0442 0.8468 0.6780 0.5268 0.3869 0.2543 0.1261
75 2.6430 2.3771 1.9921 1.6654 1.2929 1.0436 0.8464 0.6778 0.5266 0.3868 0.2542 0.1261
80 2.6387 2.3739 1.9901 1.6641 1.2922 1.0432 0.8461 0.6776 0.5265 0.3867 0.2542 0.1261
85 2.6349 2.3710 1.9883 1.6630 1.2916 1.0428 0.8459 0.6774 0.5264 0.3866 0.2541 0.1260
90 2.6316 2.3685 1.9867 1.6620 1.2910 1.0424 0.8456 0.6772 0.5263 0.3866 0.2541 0.1260
95 2.6286 2.3662 1.9853 1.6611 1.2905 1.0421 0.8454 0.6771 0.5262 0.3865 0.2541 0.1260
100 2.6259 2.3642 1.9840 1.6602 1.2901 1.0418 0.8452 0.6770 0.5261 0.3864 0.2540 0.1260
125 2.6157 2.3565 1.9791 1.6571 1.2884 1.0408 0.8445 0.6765 0.5257 0.3862 0.2539 0.1259
150 2.6090 2.3515 1.9759 1.6551 1.2872 1.0400 0.8440 0.6761 0.5255 0.3861 0.2538 0.1259
200 2.6006 2.3451 1.9719 1.6525 1.2858 1.0391 0.8434 0.6757 0.5252 0.3859 0.2537 0.1258
300 2.5923 2.3388 1.9679 1.6499 1.2844 1.0382 0.8428 0.6753 0.5250 0.3857 0.2536 0.1258
2.5758 2.3263 1.9600 1.6449 1.2816 1.0364 0.8416 0.6745 0.5244 0.3853 0.2533 0.1257
Si observamos la tabla, veremos que con ella podemos hacer a

un menos aproximaciones
que en el caso de la Normal (hay muy pocos valores de p).
Veamos algunos ejemplos:
1. Determina la proporcion de observaciones que estan por encima del valor 1 para
una t de Student con 16 grados de libertad.
Buscamos en la fila correspondiente a n=16 el valor mas proximo a 1 (1.0711),
que nos da una p=0.15. Entonces: la proporcion buscada es 0.15 , el 15 % de las
observaciones.
2. Determina la proporcion de observaciones que estan por debajo del valor 2.53 para
Buscamos en la fila correspondiente a n=20 el valor mas proximo a 2.53 (2.5280),
que nos da una p=0.01. Esto significa que 0.01 es la proporcion de observaciones por
encima de dicho valor. Entonces: la proporcion buscada es 1-0.01=0.99, es decir el
99 % de las observaciones.
3. Determina la proporcion de observaciones que estan por encima del valor -0.7 para
Para los valores negativos aprovecharemos la simetra de la grafica: el area por
encima de -0.7 es igual al area por debajo de 0.7, entonces:
Buscamos en la fila correspondiente a n=7 el valor mas proximo a 0.7 (0.7111), que
nos da una p=0.25. Esto significa que 0.25 es la proporcion de observaciones por
encima de dicho valor. Entonces: la proporcion buscada es 1-0.25=0.75, es decir el
75 % de las observaciones.
4. Determina que valor de una t de Student con 50 grados de libertad deja a su derecha
un area de 0.25.
Buscamos en la fila de n=50 la interseccion con la columna p=0.25 y obtenemos el
valor buscado: 0.6794.
5. Determina que valor de una t de Student con 22 grados de libertad verifica que el
area encerrada entre este valor y 0.2564 es exactamente 0.1.
Si hacemos el dibujo (siempre ayuda mucho), podemos observar que el area por
encima del valor buscado es igual a 0.1 mas el area por encima de 0.2564.
El area por encima de 0.2564 en una t de Student con 22 grados de libertad es 0.4,
y por lo tanto, el area por encima del valor buscado es 0.4+0.1=0.5. Esto significa
que el valor que estamos buscando es cero.
6. Determina que valor de una t de Student con 40 grados de libertad verifica que el
area encerrada entre -1.05 y este valor es exactamente 0.7.
Volvemos al dibujo. Podemos observar que el area por debajo del valor buscado es
igual a 0.7 mas el area por debajo de -1.05.
T DE STUDENT
Aprovechando la simetra, sabemos que el area por debajo de -1.05 es igual al area
por encima de 1.05. Buscamos en la tabla dicha area para una t de Student con 40
grados de libertad y obtenemos p=0.15. Entonces:
El area por debajo del valor buscado es igual a 0.7+0.15=0.85, lo que significa que
el area por encima es 0.15. Por lo tanto el valor buscado es: 1.05.
Notas:
1. Siempre que hagamos calculos con las tablas (tanto de la Normal como de la t de
Student), es muy recomendable hacer el dibujo correspondiente para entender lo
que calculamos y no equivocarnos.
2. Los programas estadsticos s que nos permiten obtener las probabilidades o los
valores crticos en cualquier situacion.
Tema 5
Probabilidad y variables aleatorias
Vamos a intentar abordar ahora una situacion no determinista.

En la mayora de las situaciones con las que trabajaremos, vamos a tener que tomar
decisiones y sacar conclusiones aceptando un cierto riesgo, un cierto nivel de incertidumbre
que viene dado por el hecho de que en nuestro estudio no podemos predecir exactamente
el resultado de un experimento o no podemos realizarlo tantas veces como sera deseable.
Si lanzamos una moneda al aire (no trucada), no sabemos que va a ocurrir. Sin em-
bargo, nos interesa poder describir cual es el comportamiento de los resultados del expe-
rimento ((lanzar una moneda)).
Vamos a introducir algunas definiciones que nos permitan abordar estas situaciones
para poder describirlas.

A los experimentos de este tipo, en los cuales no se puede predecir cual va a ser el
resultado, se les denomina experimentos aleatorios, a cada uno de los posibles resul-
tados del mismo se le denomina suceso elemental y al conjunto de todos los posibles
resultados del experimento, se le denomina espacio muestral y se le suele denotar por
E o por .
Cada subconjunto del espacio muestral es un suceso, y puede ser elemental o com-
puesto.
Ejemplo: si lanzamos un dado, A=sacar un 3 ={3} es un suceso elemental y B=sacar
un n
umero mayor que 3 ={4, 5, 6} es un suceso compuesto.
89
90 TEMA 5. PROBABILIDAD Y VARIABLES ALEATORIAS
Al suceso que ocurre siempre se le llama suceso seguro y coincide con el espacio
muestral.
Ejemplo: A =sacar un n
umero del 1 al 6 al lanzar un dado=.
Al suceso que no puede ocurrir nunca se le llama suceso imposible y se denota

por el vaco ().
Ejemplo: A =sacar un 8 al lanzar un dado=.
Llamaremos suceso contrario o complementario de un suceso A, a lo que ocurre

cuando no ocurre A.
Ejemplo: si A es el suceso sacar un 3 al lanzar un dado: A={3}, entonces Ac =no

sacar un 3, es decir: Ac ={1,2,4,5,6}
Es decir: Ac = A
5.1. Operaciones con sucesos
Entre los sucesos se pueden establecer las siguientes operaciones:
Uni
on de sucesos
Dados dos sucesos A y B, llamaremos suceso union de A y B, al suceso formado por

todos los sucesos elementales de A y de B:
S
Es el suceso que ocurre cuando ocurre A o B o los dos y se denota como A B.
Ejemplo: si al lanzar un dado, A = {3, 4} y B = sacar un n
umero par = {2, 4, 6},
S
entonces A B = {2, 3, 4, 6}
5.1. OPERACIONES CON SUCESOS 91
Intersecci
on de sucesos
Dados dos sucesos A y B, llamaremos suceso interseccion de A y B, al suceso formado

por todos los sucesos elementales comunes a A y a B:
T
Es el suceso que ocurre cuando ocurren A y B a la vez y se denota como A B.
Ejemplo: si al lanzar un dado, A = {3, 4} y B = sacar un n
umero par = {2, 4, 6},
T
entonces A B = {4}.
Los sucesos que no pueden ocurrir a la vez se llaman sucesos incompatibles y su
interseccion es el suceso imposible.
Ejemplo:T si al lanzar un dado, A = {3} y B = sacar un n
umero par = {2, 4, 6},
entonces A B = .
Diferencia de sucesos
Dados dos sucesos A y B, llamaremos diferencia A B, al suceso formado por todos

los sucesos elementales de A que no estan en B.
Bc
T
Es el suceso que ocurre cuando ocurre A pero no ocurre B: A B = A
Ejemplo: si al lanzar un dado, A={3,4} y B=sacar un n
umero par ={2,4,6}, entonces
A B = {3} y B A = {2, 6}
T
Es interesante observar que: A B = A (A B)
5.2. Probabilidad
Al estudiar los experimentos aleatorios, aunque no sabemos cual va a ser el resultado,

s que el sentido comun, o la intuicion, nos indica que hay unos resultados que tienen mas
posibilidades de ocurrir que otros. Vamos, entonces, a intentar plasmar esta idea intuitiva.
Es decir, vamos a determinar la probabilidad de que ocurra un determinado suceso.
Una forma de obtener la probabilidad ((teorica)), no basada en los resultados del expe-
rimento, es la llamada probabilidad cl
asica o Regla de Laplace.
Si todos los resultados de un experimento tienen la misma posibilidad de ocurrir,
entonces, la probabilidad de ocurrencia de un suceso A ser a:
n
umero de casos favorables a A
P (A) =
n
umero de casos posibles
Ejemplo: Consideremos el experimento lanzar un dado.

Nuestro espacio muestral es ={1, 2, 3, 4, 5, 6} y, si el dado no esta trucado, suponemos
que todos los sucesos tienen la misma posibilidad de ocurrir. Entonces podemos calcular:
n
umero de casos favorables a 5 1
P (5) = = = 0.16
n
umero de casos posibles 6
n
umero de casos favorables a par 3
P (par) = = = 0.5
n
umero de casos posibles 6
Otra forma de obtener una probabilidad es la probabilidad ((emprica)) o frecuen-

tista.
Una vez comprobados algunos resultados experimentales, se define la probabilidad
de ocurrencia de un suceso A como:
n
umero de veces que ha ocurrido A
P (A) =
n
umero de repeticiones
(es la frecuencia relativa de A).
Cuando el numero de repeticiones es bajo, esta probabilidad ((emprica)) puede ser
bastante incorrecta, mientras que, a medida que aumentamos el n umero de repeticiones, el
valor de la probabilidad se estabiliza y se va aproximando, cada vez mas a la probabilidad
((teorica)).
Ejemplo: si lanzamos un dado y contamos las veces que ha salido un 2:
5.3. PROBABILIDADES CONDICIONADAS 93
No de lanzamientos 50 100 150 200 300 400 500

o
N de 2 4 13 24 34 51 64 80
P(2)= frecuencia relativa 0.08 0.13 0.16 0.17 0.17 0.16 0.16
Estas ideas se pueden formalizar dando la siguiente definici

on axiom
atica de la
probabilidad:
Una distribucion de probabilidad es una funcion que asigna a cada suceso posible
un n
umero en el intervalo [0,1], con las siguientes propiedades:
1. Para todo suceso A : P (A) 0

2. La probabilidad del suceso seguro es 1: P () = 1
T
3. Si A y B son dos sucesos incompatibles (A B = ), entonces:
S
P (A B) = P (A) + P (B)
De esta definicion se deducen las siguientes consecuencias:
1. Si Ac es el suceso contrario de A, entonces: P (Ac ) = 1 P (A)

2. P () = 0
S T
3. Dados dos sucesos A y B cualesquiera: P (A B) = P (A) + P (B) P (A B)
S S S
4. Podemos generalizar el axioma 3: Si A = A1 A2 ... An , siendo estos sucesos
incompatibles 2 a 2, entonces:
S S S
P (A) = P (A1 A2 ... An ) = P (A1 ) + P (A2 ) + ... + P (An )
5.3. Probabilidades condicionadas
Nos podemos plantear cual sera la probabilidad de cierto suceso B, sabiendo que ha
sucedido otro suceso A. Por ejemplo, se lanza un dado y nos dicen que el resultado es
impar cual es la probabilidad de que sea un 3?
Esta probabilidad se conoce como probabilidad condicionada, y se calcula de la
siguiente manera:
La probabilidad del segundo suceso, B, dado que conocemos que ha ocurrido el primer
suceso, A, o bien, la probabilidad del suceso B condicionado a que ha ocurrido el suceso
A es: T
P (A B)
P (B|A) = , siendo P (A) > 0
P (A)
Ejemplo:
1
P (3 e impar) P (3) 6 1
P (3|impar) = = = 3 =
P (impar) P (impar) 6
3
De aqu se deduce la formula de la probabilidad compuesta: La probabilidad de

que ocurran dos sucesos A y B simultaneamente es la probabilidad de que ocurra uno por
la probabilidad de que ocurra el otro dado que ha ocurrido el primero:
\
P (A B) = P (A)P (B|A) = P (B)P (A|B)
Diremos que dos sucesos son independientes cuando la ocurrencia del primero no
cambia la probabilidad de que ocurra el segundo.
P (B | A) = P (B) , o bien P (A | B) = P (A)
T
Como consecuencia, si dos sucesos son independientes: P (A B) = P (A)P (B)
5.4. Variables aleatorias
Cuando realizamos un experimento, tenemos un espacio muestral (con todos los resul-
tados, sucesos elementales, posibles).
Una variable aleatoria, es una funcion que asocia a cada suceso elemental un n
umero
perfectamente definido.
: R
Por ejemplo, en el caso de lanzar 2 monedas, podemos estudiar el n

umero de caras y
entonces asociar n
umeros a los resultados:
(c, c) 2; (c, x) 1; (x, c) 1; (x, x) 0
Llamaremos funci on de distribucion de una variable aleatoria a una funcion F ,

F : R [0, 1], que asocia a cada valor x la probabilidad de que la variable aleatoria
tome un valor menor o igual que x: F (x) = P ( x).
F (x), es la ((probabilidad acumulada)) hasta x.
Ejemplo: en el caso anterior, F (0) = 1/4 ; F (1) = 3/4 ; F (2) = 1
En general: P (a < b) = F (b) F (a)
5.4. VARIABLES ALEATORIAS 95
Para seguir con el analisis, debemos distinguir dos tipos de variables aleatorias: las
discretas y las continuas.
Llamaremos variable aleatoria discreta, a una variable aleatoria cuyo soporte (con-
junto de valores posibles) es un conjunto discreto (finito o numerable).
Ejemplo: la variable aleatoria anterior es discreta. Su soporte es el conjunto {0, 1, 2},
que es un conjunto finito.
Llamaremos variable aleatoria continua, a una variable aleatoria cuyo soporte
(conjunto de valores posibles) NO es un conjunto discreto (intuitivamente, este conjunto
sera entonces un intervalo de n
umeros reales).
Ejemplo: la variable aleatoria que asigna a cada persona extrada de una poblacion su
peso, es una variable aleatoria continua ya que podemos considerar como posibles todos
los valores del intervalo (0, 300).
En el caso de las variables aleatorias discretas, vamos a construir una funcion asociando
a cada uno de los valores de la variable aleatoria, su probabilidad:
Si tenemos una variable aleatoria discreta , que toma los valores x1 , . . . , xn , entonces:
f (xi ) = P ( = xi ) = pi .
Ademas se cumple que: f (x1 ) + f (x2 ) + + f (xn ) = 1
A esta funcion f que acabamos de construir, se le llama funcion de probabilidad
o funci
on de cuanta de una variable aleatoria de tipo discreto.
Ejemplo: en el caso anterior, f (0) = 1/4 ; f (1) = 2/4 = 1/2 ; f (2) = 1/4
Ejemplo: Si lanzamos un dado al aire, la variable aleatoria asociada a este experimento
tomara los valores: 1, 2, 3, 4, 5, 6 y la probabilidad de cada uno de estos resultados es 1/6.
La funcion de probabilidad f , es tal que:
f (1) = P ( = 1) = 1/6 f (2) = P ( = 2) = 1/6 f (3) = P ( = 3) = 1/6
f (4) = P ( = 4) = 1/6 f (5) = P ( = 5) = 1/6 f (6) = P ( = 6) = 1/6
Y se cumple que: f (1) + f (2) + + f (6) = 1

Para cualquier otro valor, la funcion de probabilidad vale cero.
f (2.5) = P ( = 2.5) = 0
Si calculamos la funcion de distribucion F para los valores anteriores, obtenemos:

F (1) = P ( 1) = 1/6 F (2) = P ( 2) = 2/6 F (3) = P ( 3) = 3/6
F (4) = P ( 4) = 4/6 F (5) = P ( 5) = 5/6 F (6) = P ( 6) = 6/6 = 1
En el resto de los puntos, se calcula de forma analoga:
F (2.5) = P ( 2.5) = P ( = 1) + P ( = 2) = 2/6 = 1/3

Entonces, para conocer cual es la probabilidad de que al lanzar un dado obtengamos

una puntuacion mayor que 2 y menor o igual que 5, podramos hacerlo de dos formas:
Mediante la funcion de probabilidad:
P (2 < 5) = P ( = 3) + P ( = 4) + P ( = 5) = 3 1/6 = 1/2
O usando la funcion de distribucion:
P (2 < 5) = F (5) F (2) = 5/6 2/6 = 3/6 = 1/2
Cuando observamos tiempos, longitudes, etc..., la variable aleatoria resultante es una

variable aleatoria continua.
En este caso, en lugar de utilizar la funcion de probabilidad o de cuanta, se usa la
llamada funcion de densidad de probabilidad, que es una funcion tal que el area
comprendida bajo la curva, entre dos puntos, es precisamente la probabilidad entre esos
dos puntos.
Para que una funcion pueda ser la funci
on de densidad de una variable aleatoria
continua tiene que cumplir :
f (x) 0, para cualquier valor x de la variable.
El area total encerrada entre el eje horizontal y la curva f (x), vale 1.

T5: Probabilidad y variables aleatorias. 71
Entonces, la funcin de densidad de una variable aleatoria continua cumple lo siguiente:

f(x)0
+

f ( x)dx = 1
Sabemos que F (x) = P ( x). Graficamente, F (x) es el xarea encerrada bajo la curva
La funcin de distribucin es: F ( x) = P( x) =
f (x), desde hasta x:
f (t )dt
x2
Como P ( x1 P (x1<x 2)
= xF2()x=2 )F(x 1) =
F2()x
consecuencia,
Entonces: F (x1 ) f (t )dt
x1
x2
5.5. ESPERANZA x 2 ) = F ( x 2 ) F ( x1 ) =
P ( x1 ATICA
Entonces:MATEM
x1
f (t )dt 97
Nota: en el caso de las variables continuas, la probabilidad de que la variable aleatoria

tome un valor concreto es cero (P ( = x) = 0), y en consecuencia:
Esperanza matemtica.
P (x < x ) = P (x < < x ) = F (x ) F (x )
1 2 1 2 2 1
El concepto de esperanza matemtica, como otros muchos de la teora de la
sin probabilidad,
embargo, estotiene
no essucierto
origen
en en los juegos
el caso de las de azar. Los
variables jugadores
aleatorias deseaban
discretas conocer cul
(utilizamos
aquera
lossu esperanza
datos del u de ejemplo):
ltimo ganancias o prdidas cuando participaban repetidamente en un
juego. En este sentido, el valor esperado representa la cantidad de dinero promedio que
el jugador < ganar
P (2espera 5) = P o ( = 3) despus
perder + P ( = de
4) +
unPgran 5) = 3 de1/6
( =nmero = 1/2
partidas.
mientras que:
Supongamos el siguiente juego:
El jugador lanza
P (2 un
< dado,
< 5) =y:Psi
( sale
= 3)un 4) = 2 gana
+ P1(el=jugador 1 1/3
1/6 = euro, si sale un 2 gana 3
euros, si sale un 3 gana 5 euros, si sale un 4 no gana ni pierde nada, si sale un 5 pierde 3
euros y si sale un 6 pierde 6 euros.
5.5.
VamosEsperanza matem
a calcular el valor esperadoade
tica
las ganancias o prdidas en el juego:
La variable aleatoria ganancias en el juego toma los valores {-6, -3, 0, 1, 3, 5}
El concepto de esperanza matematica, como otros muchos de la teora de la probabi-
Y como
lidad, losorigen
tiene su valores
en del dado son
los juegos equiprobables,
de azar. la probabilidad
Los jugadores de cada
deseaban conocer cualuno
era de
su estos
valoresde
esperanza es ganancias
1/6. o perdidas cuando participaban repetidamente en un juego. En
este sentido, el valor esperado representa la cantidad de dinero promedio que el jugador
Valor del dado 1 2 3 4 5 6
espera ganar o perder despues de un gran n umero de partidas.
Probabilidad 1/6 1/6 1/6 1/6 1/6 1/6
Supongamos el siguiente juego:
Ganancia 1 2 3 0 -3 -6
El jugador lanza un dado, y: si sale un 1 el jugador gana 1 euro, si sale un 2 gana 4
euros, si sale un 3 gana 5 euros, si sale un 4 no gana ni pierde nada, si sale un 5 pierde 2
euros y si sale un 6 pierde 6 euros.
Vamos a calcular el valor esperado de las ganancias o perdidas en el juego:
La variable aleatoria ganancias en el juego toma los valores {-6, -2, 0, 1, 4, 5}, y como
los valores del dado son equiprobables, la probabilidad de cada uno de estos valores es
1/6.
Valor del dado 1 2 3 4 5 6
Probabilidad 1/6 1/6 1/6 1/6 1/6 1/6
Ganancia 1 4 5 0 -2 -6
Entonces, la ganancia esperada, despues de un n
umero grande de partidas, se obtiene
sumando los productos de cada valor de la ganancia por la probabilidad de obtenerla. Es
decir, en este juego:
Ganancia esperada=1 16 + 4 16 + 5 61 + 0 16 + (2) 61 + (6) 16 = 2 61 = 31 = 0.3 euros

La ganancia esperada puede ser positiva, negativa o cero; en el primer caso diremos
que el juego es favorable al jugador, en el segundo que es un juego desfavorable y si la
ganancia esperada es cero diremos que es un juego justo.
Es importante destacar que el valor de la esperanza no tiene por que ser un valor
posible de la variable, lo que significa que una variable aleatoria puede que nunca tome el
valor de su esperanza.
Este concepto tambien se utiliza en situaciones que nada tienen que ver con los juegos
de azar, as podemos hablar de la esperanza de vida de las mujeres o del tiempo esperado
de permanencia en una consulta. Estos valores esperados hay que interpretarlos como un
promedio y no se pueden aplicar a un individuo en particular.
Si trasladamos este concepto a las variables aleatorias, podemos interpretar la es-
peranza matem atica de una variable aleatoria, como su promedio o valor esperado,
despues de realizar un gran n
umero de pruebas del experimento al que esta asociada,
de modo que tenemos la siguiente definicion (la damos solo en el caso de una variable
aleatoria discreta):
Si consideramos una variable aleatoria de tipo discreto, , con funcion de probabilidad
pi = P ( = xi ), para todo i = 1, . . . n, entonces definimos la esperanza matem atica, o
valor esperado, o media de , como:
n
X
E[] = = xi p i
i=1
(Podemos entender la esperanza como un promedio de la variable)

Del mismo modo que hemos definido la esperanza, podemos definir la varianza de
una variable aleatoria de tipo discreto:
Dada una variable aleatoria de tipo discreto, , que tiene funcion de probabilidad
pi = P ( = xi ), para todo i = 1, . . . n, entonces llamamos varianza de , al valor:
Var() = 2 = E[( )2 ]
Se puede comprobar que se cumple:
n
X
2
Var() = = x2i pi 2 = E[ 2 ] E[]2
i=1
Llamaremos desviaci
on tpica de a la raz cuadrada positiva de la varianza.

= DT() = + 2
5.6. LA PROBABILIDAD Y LA CURVA NORMAL 99
5.6. La probabilidad y la curva Normal
Muchas de las funciones de densidad de variables aleatorias de tipo continuo tienen

como representacion grafica la campana de Gauss, son las llamadas distribuciones nor-
males. Una distribucion Normal, esta determinada cuando se conocen su media () y su
desviacion tpica (), y se denota por: N (, ).
La funcion de densidad f (x), de una distribuci on Normal, viene dada por la
siguiente expresion (cuya grafica es la campana de Gauss):
1 (x)2
f (x) = e 22
2
donde:
f (x) es la densidad de un determinado valor
x es un valor cualquiera de la variable
es la media de la distribucion
es la desviacion tpica de la distribucion
es la constante: 3.14159...
e es la constante: 2.71828...
Recordemos que esta funcion esta definida y es continua en (, +), es simetrica
respecto a la media (), tiene un maximo en x = y el eje de abscisas es una asntota
horizontal (por mucho que se acerque en los extremos, la curva nunca llega a tocar el eje).
Para obtener la P ( a), utilizaremos la funcion de distribucion:
P ( a) = F (a) = area bajo la curva hasta a:
Calcular la probabilidad mediante areas no es facil, pero ya conocemos las tablas de

la distribucion N (0, 1) que nos dan la proporcion de observaciones por encima de un
determinado valor a, lo que en t erminos de variables aleatorias significa que nos
dan la probabilidad de que la variable aleatoria tome un valor por encima de
a.
Entonces, para calcular las probabilidades de una variable aleatoria que siga
cualquier distribuci on N (, ), en primer lugar, tipificaremos (haciendo un cambio
de variable para obtener otra variable aleatoria tambien Normal, pero con media 0 y
desviacion tpica 1), y a continuacion usaremos las tablas de la N (0, 1) que ya conocemos.
Tema 6
Introduccion a la Inferencia
Estadstica
Como ya comentamos al principio de la asignatura, con la Estadstica no solo queremos

describir el comportamiento de una variable o caracterstica de una poblacion, sino que
tambien la utilizaremos para tomar decisiones respecto a toda la poblacion basandonos
en los resultados obtenidos para una muestra.
Si en lugar de trabajar con toda la poblacion estamos trabajando con una muestra,
es muy importante que no confundamos las caractersticas de una y otra, as la media
y la desviacion tpica muestrales las denotaremos por x y s0 , mientras que la media y la
desviacion tpica poblacionales las denotaremos por y respectivamente.
6.1. Distribuci
on de la media muestral
Vamos a comenzar planteando el tema de la estimacion de la media () de una variable

para una poblacion.
La poblacion es tan grande que no podemos abordarla en su totalidad, y por lo tanto,
solo podemos trabajar con los resultados obtenidos a partir de una muestra.
Supongamos que queremos determinar la altura media de los estudiantes de la Uni-
versidad de La Rioja. No vamos a poder medirlos a todos, as que elegimos, al azar, a 30
estudiantes, los medimos y calculamos la media de las alturas. Obtenemos como altura
media: 177.32 cm, con una cuasidesviacion tpica (para estos 30 datos) de 12.98 cm.
Nos atreveramos a decir que la altura media de los estudiantes de la Universidad de
La Rioja es de 177.32 cm?
Que ocurre si tomamos otras muestras, tambien de tama
no 30?
Muestra 1 2 3 4 5 6 7 8 9 10
Media 177.32 175.06 178.30 178.26 179.47 173.61 175.83 179.18 180.12 177.18
Cuasidesviaci
on 12.98 11.96 11.65 13.46 9.75 13.03 13.32 13.14 12.12 11.01
tpica
101
102 A LA INFERENCIA ESTADISTICA
TEMA 6. INTRODUCCION
Como podemos observar, para cada muestra obtenemos unos valores diferentes, pero
estos valores, que podemos considerar como observaciones de la variable aleatoria media
muestral, siguen tambien una distribucion.
Se puede demostrar que la variable aleatoria media muestral (esa variable cuyos valores
son las medias obtenidas de cada una de las posibles muestras de tama no n), tiene la
siguiente distribucion:
Si tenemos una poblacion en la que la variable considerada sigue una distribucion
Normal, N (, ), y extraemos muestras de tama
no n, entonces, la variable aleatoria media
muestral, sigue una distribucion:

N (, )
n
Notad que estamos diciendo que la variable aleatoria media muestral tiene como media
(esperanza) la media poblacional (). El valor esperado de la media muestral es la
media poblacional.
La desviacion tpica de la media muestral se conoce como error estandar o error tpico
de la media (standard error of the mean: SE).
El resultado anterior tambien es cierto (aproximadamente) cuando la distribucion en
la poblacion no es Normal, siempre que el tama no de las muestras sea suficientemente
grande:
Teorema central del lmite: Si se toman muestras de tama no n (n>30) de una
poblacion con una distribucion cualquiera, de media y desviacion tpica , entonces, la
distribucion de la variable aleatoria media muestral sigue, aproximadamente, una distri-
bucion Normal:

N (, )
n
Si tipificamos esta variable, obtendremos otra variable con distribucion N (0, 1), que
nos permitira realizar inferencias sobre , cuando la desviacion tpica poblacional, , es
conocida.
Es decir:
Si la poblacion sigue una distribucion Normal en la variable considerada o el
tama no de las muestras es suficientemente grande (n>30) entonces, para realizar
inferencias sobre , cuando la desviacion tpica poblacional, , es conocida,
usaremos el siguiente estadstico:

N (0, 1)
/ n
En la practica, la varianza poblacional no es conocida (si no conocemos la media, lo

mas probable es que tampoco conozcamos la varianza).
Entonces el estadstico anterior no nos sirve ya que depende de un parametro desconoci-
do. Para resolver el problema usaremos el siguiente resultado que utiliza la cuasidesviacion
6.2. INTERVALO DE CONFIANZA PARA LA MEDIA 103
tpica muestral en lugar de la desviacion tpica poblacional:

Si se toman muestras de tama no n de una poblacion que, para la variable consi-
derada, sigue una distribucion Normal de media (que queremos estimar), y la
desviacion tpica poblacional, , es desconocida, entonces:

tn1
s/ n
(s es la cuasidesviacion tpica muestral).
6.2. Intervalo de confianza para la media
Hemos visto como se distribuye la media muestral, pero no olvidemos que a nosotros
lo que nos interesa es poder hacer una estimacion de la media poblacional a partir
de los resultados de una muestra.
Lo que vamos a hacer es, partiendo de los resultados obtenidos para la muestra, cons-
truir un intervalo en el que ((confiamos)) que se encuentre la media poblacional.
Llamaremos nivel de confianza al porcentaje de confianza que tenemos al hacer
la estimacion (tambien se puede expresar en terminos de probabilidad como 1 ), o
bien, podemos hablar tambien del nivel de significacion, , que no es otra cosa que la
probabilidad de error que estamos dispuestos a asumir en la estimacion.
Estos dos conceptos son complementarios: Si estamos dispuestos a asumir una proba-
bilidad de error de = 0.05 (5 % de error), entonces, nuestro nivel de confianza sera del
95 % (o 0.95 en terminos de probabilidad).
Por otra parte, queda claro que cuanto mayor sea el error admitido, menor sera el
nivel de confianza.
La distribucion de la media muestral para poblaciones normales o muestras grandes,
con varianza conocida es:

N (, )
n
6.2. INTERVALO DE CONFIANZA PARA LA MEDIA 105

Entonces, si para la Z = / , el intervalo de confianza, con un nivel de confianza
n
1-, es (z/2 , z/2 ), esto significa que:

x
1=P z/2 < < z/2 = P x z/2 < < x + z/2
/ n n n
Por lo tanto:
Cuando trabajamos con poblaciones en las que la variable sigue una distribucion
Normal, o con muestras grandes, y ademas la varianza poblacional es
conocida, el intervalo de confianza para la media, , con un nivel de confianza
1 es:

IC() = x z/2 , x + z/2
n n
donde, z/2 es el valor de la N (0, 1), que deja a su derecha una probabilidad igual
a /2.
Cuando la varianza poblacional no es conocida, no podemos calcular este intervalo.

En ese caso usaremos el siguiente resultado que se obtiene siguiendo un razonamiento
analogo para una t de Student:
Cuando trabajamos con poblaciones en las que la variable sigue una distribucion
Normal, y la varianza poblacional es desconocida, el intervalo de confianza
para la media, , con un nivel de confianza 1 es:

s s
IC() = x tn1,/2 , x + tn1,/2
n n
donde, tn1,/2 es el valor de la t de Student con n-1 grados de libertad, que deja
a su derecha una probabilidad igual a /2.
De ahora en adelante trabajaremos en este supuesto (varianza poblacional desconoci-

da).
Aunque el error que estamos dispuestos a admitir puede cambiar, los valores mas
habituales son: 1 %, 5 % y 10 % (=0.01, 0.05 y 0.1 respectivamente).
Por ejemplo, para una t de Student con 29 grados de libertad, estas situaciones son:
(donde t es el valor de tn1,/2 = t29,/2 y p = )

Una vez que hemos establecido el error maximo que estamos dispuestos a admitir
en nuestra estimacion, podemos establecer que la media poblacional se encuentra en el
intervalo: IC = x EM , donde EM es el error muestral.
(el error muestral es la desviaci
on respecto al par
ametro)
En el ejemplo de las medias: para la u
ltima muestra de tama no 30, tenamos que la
media observada (media de la muestra) era x = 177.18 , con una cuasidesviacion tpica
muestral de s = 11.01.
Entonces, el intervalo de confianza para la media poblacional con un nivel de confianza
del 90 % sera:
=0.1: IC() = 177.18 1.699127 11.01

30
= 177.18 3.415486
Es decir que, estimamos que la media poblacional se encuentra dentro del intervalo
(173.7645, 180.5955), con un nivel de confianza del 90 %.
Los intervalos de confianza para la media con los otros niveles de significacion mas
habituales son:
=0.01: IC() = 177.18 2.756386 11.01

30
= 177.18 5.540727
=0.05: IC() = 177.18 2.04523 11.01

30
= 177.18 4.111202
6.3. Contraste de hip

otesis
En muchas ocasiones, el objetivo de nuestro analisis sera corroborar empricamente

alguna hipotesis inicial sobre la poblacion objeto de estudio. Muestra de ello pueden ser
las siguientes situaciones:
1. Las especificaciones del fabricante indican que la vida media de una batera es
de 4 a nos. Una organizacion de consumidores mantiene que la vida media de la
batera es sensiblemente menor, y para comprobarlo experimentalmente, realizara un
seguimiento sobre 40 usuarios de este tipo de bateras.
2. El Ministerio de Cultura de un pas sostiene que el 60 % de los votantes apoyara un
incremento en el presupuesto de este ministerio, pero el gobierno no esta dispuesto a
modificar dicho presupuesto salvo que esa afirmacion pueda ser corroborada cientfi-
camente. Con tal objetivo, el ministerio de cultura opta por hacer una encuesta a
2000 personas.
3. Un centro de investigacion afirma que dispone de una vacuna contra la malaria mas
eficiente que la desarrollada por el Dr. Patarroyo. Esta vacuna fue probada sobre

6.3. CONTRASTE DE HIPOTESIS 107
38 voluntarios del Cuerpo de Paz que fueron a un pas tropical en el que estaban
especialmente expuestos a la enfermedad. A la mitad se les inoculo la vacuna del
Dr. Patarroyo y a la otra mitad la nueva vacuna. De los que recibieron la nueva
vacuna 15 se libraron de contraer la malaria, mientras que de los que recibieron la
vacuna del Dr. Patarroyo, solamente 11.
Podemos observar que en todos los casos, hay una afirmacion sobre los parametros
poblacionales y se toma una muestra para, con los resultados obtenidos para la misma,
avalar o rechazar dicha afirmacion.
En esencia este es el planteamiento general de lo que en Inferencia Estadstica se
conoce como pruebas o contrastes de hip otesis.
Se formula una hipotesis sobre la poblacion.
Se experimenta (la propia hipotesis nos sugiere como realizar el muestreo).
Se decide si los resultados obtenidos para la muestra apoyan estadsticamente la

hipotesis de partida.
Dado que nos movemos en condiciones de incertidumbre, esta u ltima decision se de-
bera tomar en terminos probabilsticos, es decir, si los resultados obtenidos para la muestra
tienen una alta probabilidad cuando la suposicion de partida es cierta, entonces no te-
nemos evidencia en contra de dicha suposicion (aceptamos la hipotesis de partida). Pero
si los resultados obtenidos para la muestra son poco probables cuando suponemos que la
hipotesis de partida es cierta, entonces, esto nos lleva a rechazar dicha hipotesis.
Veamos como desarrollar todo esto. En primer lugar vamos a definir una serie de
terminos:
Hip
otesis nula (H0 ) es la hipotesis que queremos contrastar. Es la hipotesis que el
experimentador asume como correcta.
Hip
otesis alternativa (H1 ) es la negacion de la hipotesis nula (es lo que aceptamos
cuando rechazamos la hipotesis nula)
Estadstico de contraste (o medida de discrepancia) es cualquier funcion de los da-

tos muestrales y del parametro especificado por la hipotesis nula, con distribucion
conocida cuando H0 es cierta.
Esta metodologa, en la que la toma de decisiones esta basada en los resultados obte-
nidos con una muestra, puede conducir a dos tipos de errores:
Decision
Aceptar H0 Rechazar H0
H0 verdadera Correcto (1 ) Error de tipo I ()
Realidad H0 falsa Error de tipo II () Correcto (1 )
A la probabilidad de rechazar la hipotesis nula cuando es falsa (1 ) se le llama

potencia del contraste.
A la probabilidad de rechazar la hipotesis nula cuando es verdadera () se le llama
nivel de significacion.
Para construir y resolver un contraste de hipotesis, se siguen los pasos siguientes:
1. Enunciar la hip
otesis nula (H0 ) y la hip
otesis alternativa (H1 ).
Ambas hipotesis deben ser excluyentes. La hipotesis nula es la que se considera
como cierta. La hipotesis alternativa es la que aceptaremos solo si la muestra nos
proporciona ((suficiente evidencia en contra)) de la hipotesis nula.
Dependiendo de la formulacion de la hipotesis alternativa, el contraste puede ser
unilateral o bilateral.
2. Determinar el nivel de significaci

on.
Recordemos que el nivel de significacion () es el nivel de error de tipo I que estamos
dispuestos a aceptar. Los valores mas habituales son: 0.01, 0.05 y 0.1.
En muchas ocasiones se habla de nivel de confianza: 1- (y se expresa en %).
3. Determinar el estadstico apropiado para la prueba y la zona de rechazo

(llamada tambi
en regi on crtica).
Estos estadsticos vienen dados por la distribucion muestral del estadstico objeto
de estudio.
Una vez que conocemos esa distribucion, suponiendo que H0 es cierta, tenemos que
determinar la zona de rechazo de la hipotesis nula.
Esta zona es el conjunto de valores posibles del estadstico que son tan extremos
que la probabilidad de que ocurran, cuando H0 es cierta, es muy peque na (menor
que ).
En el caso de la N (0, 1):
(De forma analoga se obtiene con otras distribuciones)

La region que no es zona de rechazo se llama: region de aceptacion.
4. Calcular el estadstico.
Con los datos observados de la muestra y suponiendo que la hipotesis nula, H0 , es
cierta, calculamos el estadstico y la probabilidad de encontrar un valor mas alejado
del parametro que el que hemos calculado (p-valor).
DE LA PROPORCION
6.5. DISTRIBUCION MUESTRAL 111
Relaci
on entre el contraste de hip
otesis y el intervalo de confianza
Los contrastes de hipotesis y los intervalos de confianza tienen una estrecha relacion.
Para un determinado nivel de confianza, esta relacion podramos expresarla diciendo
que ((El intervalo de confianza esta formado por todos los valores del parametro que se
aceptaran en un contraste de hipotesis bilateral)).
Dicho de otra forma, cualquier valor del parametro que se encuentre dentro del in-
tervalo de confianza dara lugar a un valor del estadstico que se encuentra dentro de la
region de aceptacion en el contraste de hipotesis bilateral correspondiente.
Por lo tanto, en el caso de la media poblacional tenemos que:
Si con los datos de la muestra, 0 IC1 () entonces, si planteamos el contraste de
hipotesis:
H0 : = 0
H1 : 6= 0
con nivel de significacion
y lo queremos resolver apoyandonos en los datos de la misma muestra, el resultado sera que
debemos aceptar la hipotesis nula. Es decir, que el valor 0 es un valor aceptable para la
media poblacional, para el nivel de significacion dado, .
Si por el contrario 0
/ IC1 (), entonces, deberemos rechazar la hipotesis nula. Es
decir que el valor 0 no es un valor aceptable para la media poblacional, para el nivel de
significacion dado, .
6.5. Distribuci
on de la proporci
on muestral
En muchas ocasiones nos interesara estimar no el valor medio de un conjunto de obser-

vaciones sino la proporcion de veces que ocurre un determinado fenomeno (por ejemplo:
la proporcion de votantes a un partido poltico).
Es decir, queremos estimar el valor de la proporcion poblacional (p), a partir de los
resultados obtenidos con una muestra de tama no n.
Siguiendo un razonamiento analogo al utilizado para determinar la distribucion de la
media muestral (tomando muchas muestras de tama no n, calculando la proporcion para
cada una de ellas y estudiando la distribucion de la variable proporcion muestral, p),
llegamos a que:
Cuando n es grande (n > 30), la distribucion de la proporcion muestral es una Normal:
r !
p(1 p)
p N p,
n
o lo que es equivalente:
p p
q N (0, 1)
p(1p)
n
6.5.1. Intervalo de confianza para una proporci

on
Haciendo lo mismo que en el caso de la media poblacional, para calcular el intervalo

de confianza de la proporcion poblacional, con un nivel confianza 1 (o un nivel de
significacion ), tenemos que:
r r r !
p(1 p) p(1 p) p(1 p)
IC(p) = p z/2 = p z/2 , p + z/2
n n n
Este intervalo no lo podemos calcular ya que depende del parametro p que queremos
estimar.
Lo que hacemos es utilizar para el calculo, la proporcion muestral en lugar de la
proporcion poblacional. Entonces:
Cuando n es suficientemente grande (n > 30), el intervalo de confianza para la

proporcion poblacional, con un nivel de significacion , es:
r r r !
p(1 p) p(1 p) p(1 p)
IC(p) = p z/2 = p z/2 , p + z/2
n n n
NOTACION: z/2 es el valor de una N (0, 1) que deja a la derecha una probabi-
lidad /2
Tambien nos podemos poner en la peor situacion posible y determinar el intervalo de

confianza mas grande posible, para un nivel de confianza 1-, que es el que se obtiene
cuando p=1/2.
En esa situacion:
Cuando n es suficientemente grande (n > 30), el intervalo de confianza m as
grande posible para la proporcion poblacional, con un nivel de significacion ,
es:
r r r !
1 1 1
IC(p) = p z/2 = p z/2 , p + z/2
4n 4n 4n
NOTACION: z/2 es el valor de una N (0, 1) que deja a la derecha una probabi-
lidad /2
Para los niveles de significacion mas habituales, los valores de z/2 , son:
DE LA PROPORCION
6.5. DISTRIBUCION MUESTRAL 113
Veamos un ejemplo:
Si basandonos en una muestra (altura de 30 estudiantes) queremos determinar la
proporcion de estudiantes universitarios con una altura superior a 180 cm, deberamos
hacer lo siguiente:
1. Observamos lo que ocurre en la muestra: 5 de los estudiantes tienen una altura

superior a los 180 cm.
Esto significa que la proporcion muestral es: p = 5 = 0.16
30
2. Determinamos el nivel de error que estamos dispuestos a aceptar y construimos el

intervalo de confianza correspondiente. As:
Si = 0.1: s
5 25
5
IC(p) = 1.644854 30 30
30 30
IC(p) = (0.05475, 0.27858)
3. Interpretamos el resultado:
Basandonos en los resultados de la muestra, estimamos con un nivel de confianza
del 90 %, que la proporcion poblacional de estudiantes con una altura mayor que
180 cm se encuentra dentro del intervalo: (0.05475, 0.27858) (o lo que es lo mismo,
entre el 5.475 % y el 27.858 %).
Los intervalos de confianza para otros niveles de significacion son:

Si = 0.01: s
5 25
5
IC(p) = 2.575829 30 30
30 30
Es decir que, basandonos en los resultados de la muestra, estimamos con un nivel de

confianza del 99 %, que la proporcion poblacional de estudiantes con una altura mayor
que 180 cm se encuentra dentro del intervalo: (-0.008596, 0.341930).
Este resultado teoricamente esta bien, pero como la proporcion no puede ser negativa,
podemos utilizar el intervalo: (0, 0.34193).
Es decir que estimamos, con un nivel de confianza del 99 %, que la proporcion pobla-
cional de estudiantes con una altura mayor que 180 cm es menor que el 34.193 %.
problemas correspondientes los resolveremos con el ordenador.

Queremos contrastar si dos poblaciones tienen, para la variable objeto de estudio, la
misma media. O dicho de otra forma, si existen diferencias, estadsticamente significativas
entre dos medias muestrales.
Para ello, tomaremos dos muestras (una de cada poblacion), que no tienen por que ser
del mismo tama no: 1 , ..., n y 1 , ..., m . Estas muestras deben ser aleatorias.
Distinguiremos las siguientes situaciones:
Si las muestras son pareadas.

En este caso las muestras s que tienen que ser del mismo tama no. Este sera el caso
de dos caractersticas estudiadas para el mismo individuo (por ejemplo, tension antes
y despues de un tratamiento). En la practica lo que se hace, en lugar de contrastar
si las medias son iguales, es contrastar si la variable diferencia de estas dos variables
tiene media cero. Por lo tanto este caso se reduce a un contraste de una media (con
todas sus condiciones de validez).
Si las muestras son independientes la una de la otra.

Este caso corresponde a la comparacion de las medias de una misma variable para
dos grupos independientes de casos (estudiar si se puede aceptar que existen dife-
rencias estadsticamente significativas entre los salarios medios de dos categoras de
empleados -o entre los tiempos medios de fabricacion de una pieza en el turno de
manana y en el de tarde -).
El procedimiento para realizar los contrastes de igualdad de medias es el mismo que

en los dos casos anteriores. Las distribuciones utilizadas para establecer el estadstico de
contraste dependen de las caractersticas de las variables observadas:
Poblaciones Normales o poblaciones cualesquiera cuando tenemos muestras grandes

y las varianzas poblacionales son conocidas:
1 2 (1 2 )
q N (0, 1)
12 22
n
+ m
Poblaciones Normales y las varianzas poblacionales son desconocidas pero podemos

aceptar que son iguales:
1 2 (1 2 )
q tn+m2
Sp n1 + m1
s
(n 1)s21 + (m 1)s22
donde: Sp = , (s21 y s22 son las cuasivarianzas muestrales).
n+m2
6.7. CONTRASTE DE IGUALDAD (O DIFERENCIA) DE PROPORCIONES 117
6.7. Contraste de igualdad (o diferencia) de propor-

ciones
En el caso del contraste para la diferencia de proporciones, seguiremos el mismo pro-

cedimiento que en los casos anteriores.
El estadstico de contraste que utilizaremos se basa en el siguiente resultado:
Si tenemos muestras grandes se cumple que:
p p2 (p1 p2 )
q1 N (0, 1)
p1 (1p1 ) p2 (1p2 )
n
+ m
Como las proporciones poblacionales p1 y p2 son desconocidas, para calcular el es-

tadstico de contraste se suelen utilizar, en el denominador, las proporciones muestrales,
p1 y p2 .
En muchas ocasiones, como la hipotesis nula supone que las proporciones poblacionales
son iguales (H0 : p1 = p2 = p), se utiliza una u
nica estimacion de la proporcion poblacional
comun:
n
p1 + mp2
p =
n+m
En este caso el estadstico de contraste sera:
p1 p2 n
p1 + m
p2
z=q donde p =
p(1 p) n1 + 1 n+m
m
6.8. Ejemplos resueltos

1. Se desea investigar la superficie (en m2 ) de los pisos en venta en el mercado inmobi-
liario de nuestra ciudad. Para ello se cuenta con la informacion proporcionada por
una muestra aleatoria de 31 viviendas:
SUPERFICIE (en m2 )
85.8 49.2 65.7 58.3 65.2 52.9 87.2 90.3 51.6 69.4
75.9 70.3 76.0 71.9 65.2 82.3 70.9 70.8 74.6 52.1
34.1 81.9 86.1 76.1 55.4 63.2 105.1 59.9 62.7 85.9
84.5
Describiendo las hip

otesis adecuadas, contesta a las siguientes preguntas:
a) Determina los intervalos de confianza para la media de la superficie de los

pisos en el mercado inmobiliario de nuestra ciudad con niveles de confianza del
90 % y del 99 %.
b) A partir del resultado obtenido en el apartado anterior y, sin realizar ning

un
c
alculo adicional, cual es nuestra conclusion ante las hipotesis:
H0 : la superficie media de los pisos ofertados es igual a 75 m2
H1 : la superficie media de los pisos ofertados no es igual a 75 m2
con niveles de significacion =0.1, 0.01 y 0.05?
c) Responde a todas las preguntas del apartado anterior (haciendo los calculos
que sean necesarios).
d ) Un directivo inmobiliario afirma que el porcentaje de pisos de menos de 60 m2
no supera el 15 %. Se sostiene su afirmacion con un nivel de significacion de
0.05?
e) Se realiza un estudio similar en otra ciudad y, una muestra aleatoria de 21
pisos, da como resultado (llamemos Y a la superficie de los pisos en esta nueva
ciudad):
Y = 85 m2 , SY2 = 200 m4
Con un nivel de significacion 0.05, puede descartarse que la media de la su-
perficie de los pisos en el mercado inmobiliario de nuestra ciudad sea similar a
la de esta otra?
Soluci
on:
Nos dan una muestra de la superficie en m2 , X, de 31 viviendas (n=31). Para esta
muestra podemos calcular la media y la cuasidesviacion tpica:
x = 70.871 y S = 14.86032
a) Determina los intervalos de confianza para la media de la superficie de los pisos

en el mercado inmobiliario de nuestra ciudad con niveles de confianza del 90 %
y del 99 %.
Nos piden IC(), para 1 = 0.9 y para 1 = 0.99
Como la varianza poblacional es desconocida, suponiendo que la superficie
de los pisos sigue una distribuci on Normal, se verifica que:

tn1
s/ n
s
Entonces: IC1 () = x tn1,/2
n
14.86032
IC0.9 () = 70.33871 t30,0.05 = 70.33871 1.6973 2.66899
31
IC0.9 () = 70.33871 4.53008 = (65.80863, 74.86879)
La superficie media de los pisos se encuentra entre 65.81 m2 y 74.87 m2 , con
un nivel de confianza del 90 %.
Analogamente:
IC0.99 () = 70.33871 t30,0.005 2.66899 = 70.33871 2.75 2.66899
IC0.99 () = 70.33871 7.33972 = (62.99899, 77.67843)
La superficie media de los pisos se encuentra entre 63 m2 y 77.68 m2 , con un
nivel de confianza del 99 %.
b) A partir del resultado obtenido en el apartado anterior y, sin realizar ning

un
c
alculo adicional, cual es nuestra conclusion ante las hipotesis:
H0 : = 75
con niveles de significacion =0.1, 0.01 y 0.05?
H1 : 6= 75
Para responder a esta pregunta utilizaremos los intervalos de confianza calcu-

lados en el apartado anterior, por lo tanto, las condiciones de validez son las
mismas que en dicho apartado: como no conocemos la varianza poblacional,
para poder hacer inferencias sobre la media poblacional necesitamos que la
variable superficie siga una distribuci on Normal.
Para = 0.1: esto significa que 1 = 0.9

75
/ IC0.9 (), por lo tanto, rechazamos H0 .
Es decir: para un nivel de significacion del 10 %, no podemos aceptar que la
superficie media de las viviendas en venta sea de 75 m2 .

75 IC0.99 (), por lo tanto, aceptamos H0 .
Es decir: para un nivel de significacion del 1 %, aceptamos que la superficie
media de las viviendas en venta es de 75 m2 .

Sin hacer mas calculos no podemos decir nada
A partir de los resultados anteriores ((da la sensacion)) de que con este nivel
de significacion se aceptara la hipotesis nula (ya que 75 esta muy cerca del
extremo del intervalo de confianza para = 0.1) y para = 0.05 el intervalo
es mayor). Pero en realidad no podemos afirmar que vaya a estar dentro.
c) Responde a todas las preguntas del apartado anterior (haciendo los calculos
que sean necesarios).
Resolvemos el contraste de hipotesis en general y luego respondemos a las

cuestiones en funcion del nivel de significacion.
H0 : = 75
Queremos resolver el contraste: para distintos niveles de sig-
H1 : 6= 75
nificacion.
Como la varianza poblacional es desconocida, suponiendo que la superficie
de los pisos sigue una distribuci on Normal, se verifica que:

tn1
s/ n
x 75
Entonces, si H0 es cierta, el valor del estadstico es un valor de una tn1
s/ n
Es decir que, en nuestro caso
70.33871 75 4.66129
t= 14.86032 = = 1.74646

31
2.66899
Es decir que, para un nivel de significacion de 0.05 s se puede aceptar que la

superficie media de las viviendas sea de 75 m2 .
Este apartado tambien se puede resolver utilizando el p-valor.

Una vez calculado el valor del estadstico: t = 1.74646, entonces:
p-valor=P {| T |> 1.74646 siendo T t30 }
p-valor=2 P {T > 1.74646 siendo T t30 }
Si usamos las tablas, teniendo en cuenta que T t30 , las mejores aproximacio-
nes que podemos hacer son :
p-valor= 2 P {T > 1.74646} > 2 0.025 = 0.05
p-valor= 2 P {T > 1.74646} < 2 0.05 = 0.1
Si usamos el ordenador obtenemos que el p-valor=0.090964
En cualquier caso, el razonamiento es el mismo:

Si = 0.1, el p-valor es MENOR que y rechazamos H0 .
Si = 0.05, el p-valor es MAYOR que y aceptamos H0 .
Si = 0.01, el p-valor es MAYOR que y aceptamos H0 .
Las respuestas son las mismas que hemos dado antes.
d ) Un directivo inmobiliario afirma que el porcentaje de pisos de menos de 60 m2
no supera el 15 %. Se sostiene su afirmacion con un nivel de significacion de
0.05?
Lo que se plantea ahora es un contraste para una proporcion.
Ademas este contraste es unilateral (la zona de rechazo es solo una de las colas).
Para poder hacer inferencia sobre proporciones y que el estadstico utilizado
sea valido, necesitamos que el tama
no de la muestra sea suficientemente grande
n > 30 y ademas que np > 5 y n(1 p) > 5.
En este caso, como p=0.15 y n=31, no se cumplen las condiciones de validez
porque, aunque n es suficientemente grande, n > 30, no se verifica otra de las
condiciones np = 0.15 31 = 4.65 < 5.
Resolvemos el problema suponiendo que se cumplen las condiciones de validez.
El contraste es:
H0 : p 0.15
para un nivel de significacion = 0.05.
H1 : p > 0.15
Si se cumplen las condiciones de validez sabemos que
p p
q N (0, 1)
p(1p
n
Graficamente la situacion es (la zona de rechazo esta a la derecha):

Por lo tanto aceptamos que el numero medio de aciertos despues de la siesta es

mayor que antes (no hay evidencia en contra), con un nivel de significacion del 5 %.
Tambien podamos haberlo resuelto calculando el p-valor:
p = P {T < 0.2236 , siendo T t9 }
aunque las tablas no nos dan un valor exacto, para una t9 sabemos que
p = P {T < 0.2236} = P {T > 0.2236} > 0.35 > = 0.05
Por lo tanto, como el p-valor> , aceptamos la hipotesis nula, es decir, aceptamos

que el n
umero medio de aciertos despues de la siesta es mayor que antes (no hay
evidencia en contra), con un nivel de significacion del 5 %.
Resumen de Intervalos y Contrastes
Intervalo de confianza y contraste de hip

otesis para la media:
Condiciones Distribuci
on Intervalo
de confianza Contraste Estadstico

x
Poblaci
on Normal o
/ n
N (0, 1) x + z/2 n
z/2 n , x H0 : = 0 z= 0
/ n
poblaci
on cualquiera
con muestra grande
H1 : 6= 0
(n 30) y varianza
conocida

x
Poblaci
on Normal y
s/ n
tn1 x tn1,/2 sn , H0 : = 0 t= 0
s/ n
varianza descono-
cida
H1 : 6= 0
x
+ tn1,/2 sn

otesis para la proporci
on:
on Intervalo
q
q pp p z/2 p(1p)
N (0, 1) q pp0
Muestra gran- p(1p) n , H0 : p = p0 z= p0 (1p0 )
p 5 y
de (n n q H1 : p 6= p0 n
p(1p)
n(1 p) 5) p + z/2 n

otesis para la diferencia de medias:
on Intervalo
q
1 2 (1 2 ) 2 2
x y d0
Poblaciones r
2
y z/2 n1 + m2 ,
x H0 : 1 2 = d0 z= r
Normales o 1 2 H1 : 1 2 6= d0
2
1 2
n
+ m2 q n
+ m2
poblaciones 2 2
cualesquiera N (0, 1) y + z/2 n1 + m2
x
con muestras
grandes y
varianzas
conocidas

1 2 (1 2 ) x
q
y d0
q
Poblaciones q
1+ 1
tn+m2 y tn+m2,/2 Sp n
x 1
+m 1
, H0 : 1 2 = d0 t= 1 1
Sp n Sp +m
Normales y m q H1 : 1 2 6= d0 n
varianzas donder 1 1
y + tn+m2,/2 Sp n
x +m
desconocidas (n1)s2 2
1 +(m1)s2
Sp = n+m2
pero iguales

otesis para la diferencia de proporciones:
on Intervalo
q
Muestras p1 p2 (p1 p2 )
p1 q1 p2 q2 p1 p2 z/2 p1nq1 + p2mq2 , H0 : p1 p2 = 0 z= q p1 p2
+ 1 1
pq( n + m )
grandes n
N (0, 1)
m
q H1 : p1 p2 6= 0
q =1p p1 p2 + z/2 p1 q1 p2 q2 donde
n + m
p = npn+m
1 +m
p2
Tema 7
Muestreo
En el tema anterior hablabamos de algunos de los aspectos mas elementales de la

Inferencia Estadstica y dabamos por hecho que tenamos una muestra de tama
no n, con
la que podamos hacer inferencias, pero las cosas no son tan sencillas.
En primer lugar, una muestra debe ser un subconjunto de la poblacion, pero no
cualquier subconjunto, sino que debe ser representativo de la misma.
La forma en la que se elige este subconjunto influira en los resultados que obtengamos.
Hay toda una teora de muestras desarrollada para determinar en cada caso como debe
ser la muestra, en funcion del estudio que queramos realizar.
Este no es el momento ni el lugar para desarrollar esta teora, pero s que nos con-
viene conocer algunos de los tipos o tecnicas mas habituales de muestreo, ya que los
necesitaremos para realizar cualquier estudio estadstico.
En segundo lugar, cual debe ser el tamano de la muestra?, es apropiado tomar 20
elementos?, existen grandes diferencias entre tomar 50 o 100 elementos?, en qu
e influye
el tamano de la muestra?
Vamos a intentar dar una respuesta rapida y sencilla a estas dos cuestiones, aunque,
como ya se ha dicho, el tema no es ni rapido ni sencillo.
7.1. T
ecnicas de muestreo
Una muestra debe ser un subconjunto de la poblacion, representativo de la misma.

Vamos a comentar algunas de las tecnicas mas habituales de muestreo.
Muestreo con reemplazamiento es el que se realiza cuando un elemento tomado de la

poblacion vuelve de nuevo a ella para poder volver a ser elegido. En esta situacion,
cada miembro de la poblacion puede seleccionarse mas de una vez.
Muestreo sin reemplazamiento es el que se realiza sin devolver a la poblacion los

elementos que se van eligiendo para construir la muestra. En esta situacion, cada
127
128 TEMA 7. MUESTREO
miembro de la poblacion solo puede seleccionarse una vez.

Muestreo no aleatorio es el que se realiza de modo que no todos los elementos de la
poblacion tienen la misma probabilidad de ser elegidos.
Con este tipo de muestreo la representatividad de la muestra es escasa y las infe-
rencias poco validas.
Dentro de este tipo de muestreo se encuentran los muestreos: opinatico (eleccion
subjetiva por considerar el elemento representativo); por cuotas (se obliga a elegir
un cierto n umero de elementos con una caracterstica determinada); semialeatorio
(en alguna fase del muestreo aleatorio, se permite al entrevistador la eleccion del
elemento que formara parte de la muestra) y por rutas (se suele utilizar en encuestas
de opinion y consiste en indicar pautas para la eleccion del itinerario a seguir y que
llevara al individuo encuestado).
Muestreo aleatorio es el que se realiza teniendo en cuenta que todos los individuos de
la poblacion tienen la misma probabilidad de ser elegidos en la muestra. Con este
tipo de muestreo, las muestras son representativas, es posible conocer los errores
cometidos y se pueden hacer inferencias.
El muestreo aleatorio es el que mas nos interesa y sera el que utilicemos siempre que
podamos. Existen tres tipos de muestreo aleatorio:
Muestreo aleatorio simple Para elegir una muestra se parte de una lista con todos los
elementos de la poblacion y del mismo se seleccionan los n elementos que forman la
muestra.
La eleccion de estos n elementos se pude hacer de varias formas:
Asignando un n umero a cada elemento de la poblacion y luego eligiendo al azar n

n
umeros (ya sea metiendolos en una urna y sacando n papeles, o generando una
variable discreta equiprobable). Esto da lugar a un muestreo sin reemplazamiento.
Mediante una tabla de n
umeros aleatorios. Tendremos que decidir si queremos un
muestreo con reemplazamiento (un elemento puede estar mas de una vez en la
muestra), o no.
Este muestreo aleatorio es el mas sencillo de todos y sirve de base para los otros dos.
Muestreo aleatorio sistem atico es una variedad del muestreo aleatorio simple. Con-
siste en, conocido el tamano de la poblacion, N, y de la muestra, n, dividir N entre
n, y el resultado del cociente, k, nos indica que debemos seleccionar los elementos
de la muestra de k en k.
Este tipo de muestreo tiene la ventaja de que solo hay que elegir aleatoriamente el
primer elemento de la muestra, pero tiene el problema de que si hay periodicidad en los
datos, la muestra resultante puede que no sea representativa.
DE LA MUESTRA
7.2. TAMANO 129
Muestreo aleatorio estratificado Se realiza dividiendo la poblacion en subgrupos o

estratos homogeneos y tomando, en cada uno de ellos, una muestra aleatoria simple.
El procedimiento utilizado para determinar el n umero de elementos que se toman en

cada estrato se llama afijaci
on. Los mas habituales son:
Afijacion simple: se toma el mismo n

umero de elementos en cada estrato.
Afijacion proporcional: el n
umero de elementos es proporcional al tama
no del estrato
dentro de la poblacion.
En general, si queremos tomar una muestra de tamano n en una poblacion de tama
no
N, para el i-esimo estrato, de tama
no Ni , tendremos que tomar una muestra de
Ni
tamano: ni = n .
N
Existen otros tipos de muestreo aleatorio aunque no vamos a verlos.
7.2. Tama
no de la muestra
7.2.1. Para la estimaci

on de una media
Una cuestion importante a la hora de seleccionar una muestra es determinar el tama

no
de la misma.
En muchas ocasiones esta tarea no es nada sencilla, e incluso lo u
nico que podemos
hacer es una estimacion del tama
no mnimo que debe tener.
Empecemos por el principio, por que no nos vale con cualquier tama
no de muestra y
en que influye dicho tama
no?
Para empezar, debemos tener claro que se elige una muestra cuando tenemos una
poblacion tan grande que no podemos abarcarla, o bien lo suficientemente grande para
que sea muy costoso el acceder a todos los elementos de la misma. En estos casos queremos
elegir un subconjunto representativo (muestra aleatoria) y a la vez que no nos suponga
un gasto excesivo.
Por otra parte, la muestra debe ser lo suficientemente grande como para que los re-
sultados obtenidos a partir de ella sean fiables. Esta fiabilidad viene medida por el error
maximo que estamos dispuestos a admitir, EM, y su probabilidad asociada ().
Por lo tanto, lo que buscamos al elegir el tama
no muestral es evitar un gasto exce-
sivo y conseguir resultados fiables.
El problema de determinar el tama no de la muestra, como se ha dicho no es nada
sencillo, pero, en algunos casos, podemos dar valores que nos garanticen una determinada
fiabilidad de los resultados.
La idea es la siguiente:
Si la poblacion es Normal, y la varianza poblacional es conocida, la distribucion

de la media muestral es:

N (, )
n
En este caso, el intervalo de confianza para la media poblacional, con un nivel de

confianza 1 , o lo que es lo mismo para un nivel de significacion , es:

IC() = x z/2 , x + z/2
n n

Es decir que: IC() = x z/2 = x EM
n
EM es el error muestral.
Luego, el error muestral, que es el error maximo que se puede cometer, para un nivel
de confianza 1 , es:

EM = z/2
n
Entonces:
Para calcular el intervalo de confianza para la media, o para realizar un contraste
de hipotesis para la media, cuando:
la poblacion sigue una distribuci

on Normal para la variable considerada,
la varianza poblacional es conocida,
estamos dispuestos a asumir una probabilidad de error ,
y determinamos que el error m

aximo que estamos dispuestos a acep-
tar es EM,
entonces, el tama
no de la muestra debe ser:
2
z/2 2
n=
EM 2
En el caso de que la varianza poblacional sea desconocida (que es lo mas habitual),

sabemos que el intervalo de confianza para la media, con un nivel de confianza 1 , es:

s s
IC() = x tn1,/2 , x + tn1,/2
n n
Esto significa que el error muestral es:

s
EM = tn1,/2
n
pero en esta expresion tanto s como el valor de la t, dependen de n, por lo que es imposible
calcularlos.
DE LA MUESTRA
7.2. TAMANO 131
Lo que se hace en estas ocasiones es calcular una estimaci on del tama no de la

muestra, utilizando informacion previa fiable sobre el valor de la varianza poblacional.
Utilizaremos la misma expresion, pero ahora no podemos asegurar el resultado,
aunque sera aproximado.
Para calcular el intervalo de confianza para la media, o para realizar un contraste
de hipotesis para la media cuando:
la poblacion sigue una distribuci

on Normal para la variable considerada,
aunque la varianza poblacional es desconocida tenemos informacion

previa fiable sobre la misma (habitualmente se utiliza la cuasivarianza
muestral s2 ),
estamos dispuestos a asumir una probabilidad de error ,
y determinamos que el error m

aximo que estamos dispuestos a acep-
tar es EM,
entonces, el tama
no de la muestra debe ser:
2
z/2 s2
n=
EM 2
En cualquier otro caso, el analisis es mucho mas complicado y no lo vamos a ver.

on de una proporci
on
En el caso de la proporci
on poblacional, el razonamiento es analogo:
Sabemos que cuando n es suficientemente grande (n > 30), el intervalo de confianza
para la proporcion poblacional, con un nivel de significacion , es:
r
p(1 p)
IC(p) = p z/2
n
Es decir que el error muestral es:

r
p(1 p)
EM = z/2
n
Lo que significa que el tama

no mnimo de la muestra debe ser:
2 p(1 p)
n = z/2
EM 2
Es decir:
Para calcular el intervalo de confianza para la proporcion poblacional, o para

realizar un contraste de hipotesis para la proporcion poblacional, si estamos
dispuestos a asumir una probabilidad de error , y determinamos que el
error m aximo que estamos dispuestos a aceptar es EM, entonces, el tama no
de la muestra debe ser:
p(1 p)
2
n = z/2
EM 2
Este resultado es cierto siempre que obtengamos n > 30.
En el resultado anterior, se utiliza una proporcion muestral previa (o estimada) como

estimacion de la proporcion poblacional para poder realizar los calculos.
Si no queremos o no podemos utilizar la aproximacion de la proporcion, nos podemos

poner en la peor situacion posible y determinar el intervalo de confianza mas grande
posible, para un nivel de confianza 1 que es el que se obtiene cuando p=1/2.
Para esta situacion sabemos que:
Cuando n es suficientemente grande (n > 30), el intervalo de confianza para la pro-
porcion poblacional, con un nivel de significacion , es:
r
1
IC(p) = p z/2
4n
r
1
Es decir que el error muestral es: EM = z/2
4n
Lo que significa que el tama
no mnimo de la muestra debe ser:
2 1
n = z/2
4EM 2
Es decir que:
Si no queremos o no podemos utilizar la aproximacion de la proporcion, para
calcular el intervalo de confianza para la proporcion poblacional, o para realizar
un contraste de hipotesis para la proporcion poblacional, si estamos dispuestos a
asumir una probabilidad de error , y determinamos que el error m aximo
que estamos dispuestos a aceptar es EM, entonces, el tama no de la muestra debe
ser:
1
2
n = z/2
4EM 2
Este resultado es cierto siempre que obtengamos n > 30.
DE LA MUESTRA
7.2. TAMANO 133

on de una diferencia de medias
En el caso de la diferencia de medias, solo vamos a considerar el caso mas elemental:

Sabemos que si tenemos muestras tomadas en Poblaciones Normales o poblaciones
cualesquiera pero con muestras grandes y varianzas poblacionales conocidas, la distribu-
cion en el muestreo de la diferencia de medias cumple que:
1 2 (1 2 )
q N (0, 1)
12 22
n
+m
Entonces, el intervalo de confianza para la diferencia de medias sera:

r
12 22
IC(1 2 ) = x1 x2 z/2 +
n m
Si tomamos muestras del mismo tama no en las dos poblaciones: n=m, entonces:
r 2
12 + 22 1 + 22

2
EM = z/2 y en este caso: n = z/2
n EM 2
Es decir
Si trabajamos en Poblaciones Normales con varianzas conocidas y si tomamos
muestras del mismo tama no en ambas poblaciones, entonces, el tama no mues-
tral necesario en cada poblacion, para que el error muestral de la diferencia de
medias, con un nivel de confianza prefijado 1 , sea igual a una cantidad pre-
fijada, EM, es: 2
1 + 22

2
n = z/2
EM 2

on de una diferencia de proporciones
Analogamente, para la diferencia de proporciones

Si tomamos muestras del mismo tama no en ambas poblaciones, entonces, el
tama no muestral necesario para que el error muestral de la diferencia de pro-
porciones, con un nivel de confianza prefijado 1 , sea igual a una cantidad
prefijada, EM, es:

2 p1 (1 p1 ) + p2 (1 p2 )
n = z/2
EM 2
Igual que en el caso de una proporcion, para poder aplicar esta formula, tendremos
que utilizar alguna estimacion ((fiable)) de las proporciones poblacionales ya que estas son
desconocidas.
O bien, en el caso mas extremo (p1 = p2 = 1/2):

Si tomamos muestras del mismo tama no en ambas poblaciones, entonces, el

tama no muestral necesario para que el error muestral de la diferencia de pro-
porciones, con un nivel de confianza prefijado 1 , sea igual a una cantidad
prefijada, EM, es:
2 1
n = z/2
2EM 2
Tema 8
Estadstica Descriptiva
bidimensional
Hasta ahora, practicamente todo lo que hemos visto se refera al estudio de una u nica
variable estadstica o aleatoria. Vamos a ver aqu como abordar el estudio de una variable
bidimensional como una extension de lo ya visto en el caso unidimensional.
La mayora de las veces, al estudiar una poblacion, se estudian dos o mas caractersticas
simultaneamente. Cada observacion dara lugar por tanto a dos o mas n umeros (suponien-
do que las caractersticas son cuantitativas). La variable estadstica correspondiente se
denomina: variable bidimensional o multidimensional.
Nosotros nos vamos a limitar al estudio de dos caractersticas, por lo que nos centra-
remos en las variables bidimensionales.
El analisis de las distribuciones de dos o mas dimensiones tiene por objetivo general el
estudio de la existencia o no de alg un tipo de asociacion, dependencia o covariacion entre
las distintas variables.
8.1. Tablas de frecuencias
Igual que hacamos en el caso unidimensional, una vez que hemos recogido nuestra
masa de datos, el primer paso sera intentar resumir esta informacion, para lo cual cons-
truiremos una tabla de frecuencias.
Si tenemos una variable X, con valores: x1 , x2 , .., xk , y otra variable Y con valores
y1 , y2 , .., ym , para cada elemento de la poblacion tendremos una observacion bidimensional
(xi , yj ).
Llamaremos:
Frecuencia absoluta conjunta bidimensional al n umero de veces que se presenta

conjuntamente el par de valores (xi , yj ), y se representa por nij .
135
136 TEMA 8. ESTADISTICA DESCRIPTIVA BIDIMENSIONAL
Frecuencia relativa conjunta bidimensional a la proporcion de veces que se presenta

el par (xi , yj ) y se calcula como el cociente entre la frecuencia absoluta bidimensional
nij
y el n
umero total de datos: fij =
N
Distribucion bidimensional al conjunto formado por los pares de valores de los carac-
teres (xi , yj ), asociado a sus frecuencias absolutas: (xi , yj , nij ), o a las relativas.
Podemos construir una tabla de frecuencias con las variables X e Y y su frecuencia

conjunta, es decir, para cada par de valores, su frecuencia: (xi , yj , nij ).
Otra forma de disponer los datos es la conocida como tabla de doble entrada (si es
de caracteres cualitativos o atributos se denomina tabla de contingencia).
Igual que en el caso de variables unidimensionales, podemos distinguir entre distribu-
ciones agrupadas en intervalos o no agrupadas.
Tabla de doble entrada generica:
NO AGRUPADA:
Y y1 y2 y3 ... ym
X
x1 n11 n12 n13 ... n1m
x2 n21 n22 n23 ... n2m
... ... ... ... ... ...
xk nk1 nk2 nk3 ... nkm
AGRUPADA:
Y (l00 , l10 ] (l10 , l20 ] (l20 , l30 ] . . . 0
(lm1 0
, lm ]
X
(l0 , l1 ] n11 n12 n13 ... n1m
(l1 , l2 ] n21 n22 n23 ... n2m
... ... ... ... ... ...
(lk1 , lk ] nk1 nk2 nk3 ... nkm
Ejemplo: Sea una poblacion de 96 familias, para la que se han medido las siguientes
variables:
X= n
umero de personas activas en la familia.
Y = tama
no de la familia (n
umero de miembros).
Y 1 2 3 4 5 6 7 8
X
1 7 10 11 16 8 1 1 0 (54)
2 0 2 5 6 6 2 0 0 (21)
3 0 0 1 6 4 3 1 1 (16)
4 0 0 0 0 2 1 1 1 (5)
(7) (12) (17) (28) (20) (7) (3) (2) 96
Extraemos informacion de la tabla:

8.2. GRAFICOS 137
X
N = nij : la suma de todas las frecuencias, coincide con el n
umero total de
i,j
observaciones.
n43 = 0 ; El n
umero de familias de 3 miembros con 4 personas activas es 0.
n25 = 6 ; hay 6 familias de 5 miembros en las que 2 estan en activo.
6
f25 = = 0.0625 ; de las 96 familias, hay 6 familias de 5 miembros con 2 en activo.
96
O bien, 0.0625 es la proporcion de familias de 5 miembros con 2 en activo, en el
total de las 96 familias. Multiplicando por 100 se obtiene el porcentaje (6.25 %).
8.2. Gr
aficos
Las distribuciones bidimensionales se pueden representar graficamente en el espacio

de tres dimensiones.
En este caso en el eje vertical se representan las frecuencias y en el plano horizontal
los valores de las variables X e Y .
Por ejemplo, la representacion grafica de una distribucion generica puede ser:
Grafico de barras de la variable bidimensional, o Histograma de datos categ

ori-
cos en variables no agrupadas (representan lo mismo):
Nube de puntos o Diagrama de Dispersi

on:
El Diagrama de dispersion es mas practico cuando todos los pares de valores tienen
frecuencia 1:
En el caso de variables agrupadas en intervalos, podemos dibujar el Histograma en el

espacio, aunque puede ser complicado.
8.3. DISTRIBUCIONES MARGINALES Y CONDICIONADAS 139
8.3. Distribuciones marginales y condicionadas
8.3.1. Distribuciones marginales
En una distribucion bidimensional, (X, Y ), se pueden considerar las distribuciones de

cada una de las variables componentes. A estas distribuciones se les llama distribuciones
marginales y vienen definidas por los valores que toma una variable y la frecuencia de
los mismos, al margen (de ah el nombre) de los que tome la otra.
Consideremos, por ejemplo:
Y y1 y2 y3
X
x1 n11 n12 n13
x2 n21 n22 n23
x3 n31 n32 n33
x4 n41 n42 n43
Para saber el numero de veces que ha aparecido el valor x1 , basta con sumar las
frecuencias correspondientes a dicha fila. Llamando a ese valor n1 , podemos poner:
n1 = n11 + n12 + n13 = 3j=1 n1j ; en general: ni = m
P P
j=1 nij
Analogamente, para la variable Y, tenemos:

P4 Pk
nj = n1j + n2j + n3j + n4j = i=1 nij ; y en general: nj = i=1 nij
Ademas:
k
X m
X XX XX
ni = nj = nij = nij = N
i=1 j=1 i j j i
Podemos completar la tabla de doble entrada (llamada tambien de correlacion) con

esta informacion:
Y y1 y2 y3 ni
X
x1 n11 n12 n13 n1
x2 n21 n22 n23 n2
x3 n31 n32 n33 n3
x4 n41 n42 n43 n4
nj n1 n2 n3 N
Por ejemplo, para las variables: X=estado civil e Y =tipo de residencia

Y Urbano Intermedio Rural ni

X
Soltero 191 180 129 500
Casado 211 196 131 538
Viudo 40 28 35 103
Otros 8 2 0 10
nj 450 406 295 1151
8.3.2. Distribuciones condicionadas
En ocasiones estaremos interesados en analizar un cierto subconjunto de la poblacion

total, es decir, solo aquellos elementos que cumplen una determinada condicion.
As en la distribucion conjunta de X e Y , podemos estar interesados solo en el analisis
de la variable X, pero refiriendonos u nicamente a aquellos elementos para los que la
variable Y toma un determinado valor: yr .
Por ejemplo, en el caso de las familias, nos puede interesar hacer un analisis, no de
todas las familias (96), sino solo de aquellas en las que hay menos de 3 miembros activos,
o solo de aquellas que tienen 5 miembros.
La variable X, sujeta a la condicion de que la Y tome el valor concreto yr , la repre-

sentaremos por: X|Y =yr .
De igual forma se define la variable Y condicionada al hecho de que la variable X tome
el valor xs : Y |X=xs
La frecuencia relativa condicionada f (xi |yj ), se define como la frecuencia relativa
con que se presenta xi , dentro del subconjunto en el que Y = yj .
Es decir:
f (xi , yj ) fij n(xi , yj ) nij

f (xi |yj ) = = = =
f (yj ) fj n(yj ) nj
Analogamente
f (xi , yj ) fij n(xi , yj ) nij

f (yj |xi ) = = = =
f (xi ) fi n(xi ) ni
Nuestro universo son los valores que cumplen la condicion, por lo que la suma de todas
las frecuencias condicionadas de X para un valor dado de Y es igual a 1.
k Pk
X
i=1 fij fj
f (xi |yj ) = = =1
i=1
fj fj
8.3. DISTRIBUCIONES MARGINALES Y CONDICIONADAS 141
La distribuci on condicionada de la variable Y , dado un valor X = xi , se define

por los valores que toma la variable Y , y las frecuencias condicionadas de Y asociadas a
dichos valores. Analogamente se define una distribucion condicionada de la variable X.
Las distribuciones condicionadas son, en realidad, unas distribuciones unidimen-
sionales en las que se pueden calcular las mismas caractersticas que en estas u
ltimas.
As, en la distribucion condicionada de Y , dado X = xi , la media vendra dada por la
siguiente expresion:
m
X
y|xi = yj f (yj |xi )
j=1
Y la varianza vendra dada por:
m
02
X
Sy|xi = (yj y|xi )2 f (yj |xi )
j=1
En el ejemplo de las familias:
Y 1 2 3 4 5 6 7 8
X
1 7 10 11 16 8 1 1 0
2 0 2 5 6 6 2 0 0
3 0 0 1 6 4 3 1 1
4 0 0 0 0 2 1 1 1
Para las familias de 5 miembros, el n

umero medio de personas activas es de 2 con una
varianza de 1:
40
xi ni |y=5 xi ni |y=5 x2i ni |y=5 x|y=5 = =2
20
1 8 8 8
100
2 6 12 24 a2 (x|y=5 ) = =5
20
3 4 12 36
0
4 2 8 32 Sx|2y=5 = 5 22 = 1
suma 20 40 100
Analogamente: Para las familias de 6 miembros o mas, el n

umero medio de personas
11 49
activas es de = 2.75 con una varianza de :
4 48
33 11
xi ni |y6 xi ni |y6 x2i ni |y6 x|y6 = = = 2.75
12 4
1 2 2 2
103
2 2 4 8 a2 (x|y6 ) =
12
3 5 15 45
2
0 103 11 49
4 3 12 48 Sx|2y6 = =
12 4 48
suma 12 33 103
Ejemplo:
Sea la siguiente distribucion:
60 80 100
Y 50-70 70-90 90-110
X ni
160 150-170 35 30 5 70
180 170-190 3 48 29 80
nj 38 78 34 150
1. Frecuencias conjuntas: n23 = 29 ; n12 = 30
2. Frecuencias relativas:
En tanto por uno En tanto por ciento
35
f11 = 150 = 0.23 f11 = 23.3 %
f22 = 150 = 0.323
48
f22 = 32.3 %
3. Frecuencias marginales: n2 = 78 ; n2 = 80
4. Frecuencias relativas marginales:

34
f3 = 150 = 0.226 f3 = 22.6 %
f1 = 150 = 0.46
70
f1 = 46.6 %
5. Frecuencias relativas condicionadas:

30
f (x = 160 |y=80 ) = 78 = 0.3846 38.46 %
29
f (y = 100 |x=180 ) = 80 = 0.3625 36.25 %
51
f (x = 180 |y<100 ) = 116 = 0.4397 43.97 %
6. Medias marginales y condicionadas:

x = 16070+18080
150
= 170.6
16035+1803
x |y=60 = 38
= 161.5789
603+8048+10029
y |x=180 = 80
= 86.5
8.4. LA COVARIANZA 143
8.4. La covarianza
Como sabemos si dos variables estan relacionadas?

Para estudiar el grado de covariacion o variacion conjunta de dos variables calcularemos
un coeficiente llamado COVARIANZA.
Pk Pm
i=1 j=1 (xi x)(yj y)nij
S0XY =
N
Si realizamos calculos en la expresion anterior, este coeficiente se puede obtener tam-

bien como:
Pk Pm
i=1 j=1 xi yj nij
S0XY = xy
N
(Esta expresion es mas facil de calcular)

El inconveniente de este coeficiente es que viene medido en el producto de las unidades
de las dos variables.
Propiedades: como pasaba con la varianza, al ser un coeficiente calculado a traves de
las desviaciones respecto a la media, a este coeficiente no le afectan los cambios de
origen pero s le afectan los cambios de escala:
Si sabemos que X e Y son dos variables cuya covarianza es: Cov(X, Y ) = S0XY , y si
tenemos dos variables U y V , que se obtienen como un cambio de origen y escala de las
anteriores:
ui = a + bxi , y vj = c + dyj , entonces:
Cov(U, V ) = SU0 V = bdSXY

0
= bdCov(X, Y )
Por u ltimo, diremos que dos variables X e Y estan incorreladas, si su covarianza es

cero: S0XY = 0.
Nota: en Inferencia (y los programas estadsticos) se usa la Cuasicovarianza, que se
obtiene dividiendo por N-1 en lugar de N:
Pk Pm
i=1 j=1 (xi x)(yj y)nij
SXY =
N 1
Pk Pm
i=1 xi yj nij
j=1 N
SXY = xy
N 1 N 1
8.5. Independencia
Intuitivamente, se puede afirmar que dos variables son independientes entre s cuando
los valores que toma una cualquiera de ellas no estan afectados por los valores que toma
la otra.
Definicion: Dos variables son independientes si y solo si, la frecuencia relativa con-
junta es igual al producto de las frecuencias relativas marginales. Es decir:
i, j : f (xi , yj ) = f (xi )f (yj )
Las siguientes proposiciones son equivalentes a la definicion anterior:
Diremos que la variable Y se distribuye independientemente de la variable X si y

solo si, las frecuencias condicionadas de yj (cualquiera que sea el valor de j) para los
distintos valores de X, son iguales entre si. Es decir:
f (yj |x1 ) = f (yj |x2 ) = = f (yj |xk ), j
Dos variables son independientes si y solo si:
f (yj ) = f (yj |xi ), i, j
Definicion: Dada una distribucion bidimensional (X, Y ), diremos que las variables son
dependientes si y solo si, no son independientes. Es decir:
i, j : f (xi , yj ) 6= f (xi )f (yj )
Teorema: Independencia implica incorrelacion, pero el recproco no es cierto.

Es decir, que si dos variables son independientes, forzosamente su covarianza es cero
(estan incorreladas), pero puede ocurrir que la covarianza entre dos variables sea cero, y
que no sean independientes.
Tema 9
Correlaci
on y regresi
on lineal
En el tema anterior hemos examinado el concepto de dependencia entre dos variables,

estableciendo el criterio para determinar si existe o no tal dependencia: fij = fi fj
Sin embargo, al investigador que esta examinando la relacion que existe entre dos
variables no solo le interesa saber si las variables son independientes o no, sino que ademas,
para profundizar en este analisis, sera importante:
medir el grado de asociacion.

conocer la forma concreta en la que se relacionan.
Precisamente para dar respuesta a estas dos cuestiones se han desarrollado las tecnicas
estadsticas de correlacion y regresion.
La Correlaci on: estudia el grado de asociacion entre las componentes de la variable

estadstica, y su objetivo es construir coeficientes que determinen si hay o no cova-
riacion.
La Regresi
on: se encarga de la determinacion (si es posible) de aquella estructura de
dependencia que mejor exprese el tipo de relacion existente entre las componentes.
Es decir, tratara de obtener (si es posible) una relacion funcional entre las com-
ponentes: y = f (x), en el caso bidimensional, o y = f (x1 , x2 , . . . , xk1 ), en el caso
k-dimensional.
Podemos encontrarnos con distintas situaciones:
145
146 Y REGRESION
TEMA 9. CORRELACION LINEAL
Es importante senalar que la aplicacion de estas tecnicas estadsticas exige un analisis

teorico previo de la relacion que existe entre las variables objeto de estudio, pues lo
contrario puede conducirnos a resultados absurdos.
Debe tenerse en cuenta que la dependencia estadstica observada entre dos variables
puede obedecer a tres motivos diferentes:
Al azar.
Podemos tomar dos variables para las que en principio no tiene ning un sentido
estudiar su relacion y descubrir que, casualmente, guardan una estrecha relacion.
Es famoso el ejemplo propuesto por G. M. Jenkins: el paralelo crecimiento del n
ume-
ro de nacidos y el de cig
ue
nas en Baviera.
Otro ejemplo: podemos encontrar que en los u ltimos 20 a
nos, han crecido de forma
paralela el n
umero de divorcios en Suecia y los automoviles fabricados en Espana.
Es evidente que carece de sentido llevar a cabo un estudio que relacione dichas
variables.
Una tercera variable influye sobre las dos consideradas.

Por ejemplo, el aumento en el consumo de Whisky y la compra de automoviles,
pueden moverse en una misma direccion a causa de la influencia que ejerce sobre
los mismos la renta disponible.
La relacion entre la demanda de mobiliario y el aumento del precio del suelo, puede
ser debida al aumento de la construccion.
Una variable influye en la otra (la relacion es de caracter causal).

La relacion que se establece entre las dos variables consideradas es de caracter causal.
Por ejemplo: el gasto en ropa, realizado por una familia, viene influido por la renta
que percibe.
Como parece logico, las relaciones que nos interesara analizar son las de caracter causal,
donde una variable llamada explicativa (o exogena), determina el comportamiento de
otra variable llamada explicada (o endogena).
9.1. Correlaci
on lineal
El grado de asociacion existente entre dos variables, puede medirse mediante las tecni-
cas de correlacion. Estas tecnicas nos proporcionan unos coeficientes que nos cuantifican
ese grado de asociacion.
El coeficiente de correlacion mas importante, es el
Coeficiente de correlaci
on lineal de Pearson:
S0XY
rXY =
S0X S0Y
LINEAL
9.1. CORRELACION 147
El coeficiente de correlacion lineal se utiliza para medir el grado de asociaci

on lineal
entre dos variables.
Importante: que este coeficiente sea cero solo significa que las variables no tienen
ninguna relacion lineal, pero pueden tener otro tipo de relacion.
El valor de este coeficiente vara entre -1 y 1, y su signo dependera del signo de la
covarianza.
Cuanto mas se aleje este coeficiente de cero (hacia el 1 o hacia el -1) mayor sera la
relacion lineal entre las variables.
En el caso extremo de que el coeficiente sea 1 o -1, tendremos la maxima relacion
lineal, lo que significa que todos los puntos observados estan alineados.
El signo del coeficiente, que es el signo de la covarianza, nos indica si la relacion lineal
entre las variables es directa (positivo: cuando los valores de una variable crecen, los de
la otra tambien lo hacen) o inversa (negativo: cuando los valores de una variable crecen,
los de la otra decrecen).
Graficamente:
148 Y REGRESION
9.2. Regresi
on lineal
Una vez que hemos especificado que la relacion entre dos variables es de tipo lineal,
su formulacion sera la siguiente: yi = a + bxi
El objeto de la regresion es la determinacion del valor de los parametros del modelo
(en este caso a y b) a partir de un conjunto de observaciones sobre las variables.
La determinacion de los parametros se puede hacer por varios metodos; nosotros vamos
a utilizar el m
etodo de regresi on minimocuadr atica.
La idea del metodo es la siguiente:
Supongamos que se ha determinado que existe una relacion lineal entre las variables
X=renta familiar e Y =gasto en ropa, entonces, el modelo teorico que define esta relacion
sera:
yi = a + bxi
El gasto de una familia en ropa, puede estar influenciado especialmente por la renta,
pero en ning un caso se puede esperar que esta variable explique completamente el gasto
en el vestir. Existen otros factores: composicion de la familia, clima, ideologa, influencia
de la moda,... que tambien ejercen una influencia en mayor o menor grado.
El n
umero de estos factores puede ser infinito. Ademas, como la sencillez de los modelos
es otra ventaja o propiedad a destacar, conviene incluir el mnimo n umero de variables
posibles en los mismos. Para corregir esta anomala expresaremos el modelo de la siguiente
forma:
yi = a + bxi + ei
donde ei representa el error que cometemos al explicar el gasto en ropa en funcion u
nica-
mente de la renta, y que viene causado por multiples efectos de procedencia muy dispar.
Por lo tanto, lo que tenemos es un conjunto de pares (xi , yi ) a los que se quiere ajustar
una recta:
Para cada valor de la variable X (renta), tenemos dos valores del gasto: un valor del
gasto real (Y ) y un valor del gasto teorico (Y ). Por lo tanto, el error es la diferencia entre
ambos:
ei = yi yi
LINEAL
9.2. REGRESION 149
Este error es el residuo o diferencia que queremos que sea lo menor posible.
Por lo tanto, el problema consiste en encontrar los valores de los par
ametros
a y b del modelo, que minimicen el error.
Pero que es lo que ocurre?, pues que como algunos errores son positivos y otros nega-
tivos se pueden compensar. Para evitar compensaciones, lo que haremos sera: Minimizar
la suma de los cuadrados de los errores (dePah la denominacion minimocuadratica):
minimizar e2i
Para simplificar la notacion, supondremos el caso de una distribucion bidimensional
de frecuencias unitarias, caso al que se pueden reducir los demas, sin mas que repetir la
pareja de valores tantas veces como nos indica su frecuencia.
Vamos a calcular los coeficientes de la recta que nos da los valores de la variable
Y (variable explicada) en funcion de los valores de la variable X (variable explicativa),
utilizando el metodo de regresion minimocuadratica.
Se trata de obtener los parametros a y b de la recta (modelo teorico) yi = a + bxi ,
que mejor se ajusta a la nube de puntos, utilizando el metodo de ajuste de los mnimos
cuadrados.
Es decir, que queremos encontrar los valores de los par
ametros a y b del mo-
delo, de modo que minimizan la suma de los cuadrados de los errores
N
X N
X N
X
mn e2i = mn (yi yi )2 = mn (yi a bxi )2 = mn S(a, b)
i=1 i=1 i=1
El mnimo de esta funcion se obtiene cuando:

S0XY
b= 0
SX2
y entonces a = y b
x
A la recta Y = a + bX construida con estos parametros se le denomina: Recta de

on de Y sobre X, y se representa como: Y |X
regresi
La recta de regresion minimocuadratica, que explica los valores de la variable Y en
funcion de los valores de la variable X se puede escribir de varias formas:
Cuando esta escrita de la forma: Y = a + bX, diremos que esta en forma explcita
(es la forma habitual).
Sin embargo, cuando sustituimos los coeficientes de la recta por su valor:
S0XY S0XY
yi = y 0 x
+ 0 xi
SX2 SX2
obtenemos otra expresion de la misma recta:
S0XY
yi y = 0 (xi x)
SX2
denominada forma punto-pendiente.
150 Y REGRESION
Analogamente, dada una variable bidimensional (X, Y ), podemos construir la recta

de regresion minimocuadr atica de X sobre Y .
Es decir: el modelo teorico que explica los valores de la variable X en funcion de los
valores de la variable Y .
Dicha recta sera:
S0XY
X|Y : X = a + bY , donde: b = 0 2 , y a = x b
y
SY
Ejemplo:
xi y i x2i yi2 xi yi
10 2 100 4 20
15 4 225 16 60
20 8 400 64 160
25 12 625 144 30
30 9 900 81 270
100 35 2250 309 810
Realizamos los calculos:
100 35 0 2250
x = = 20 ; y = = 7 ; SX2 = 202 = 50
5 5 5
0 309 810
SY2 = ltimo S0XY =
72 = 12.8 y por u 20 7 = 22
5 5
Entonces las rectas de regresion son:

22 22
Y |X : yi = 7 20 + xi = 1.8 + 0.44xi
50 50
Es decir: Y |X : yi = 1.8 + 0.44xi , que explica el comportamiento de la variable Y

en funcion de los valores que toma la variable X.
Y la otra recta de regresion es:

22 22
X|Y : xi = 20 7 + yi = 7.96875 + 1.71875yi
12.8 12.8
Es decir: X|Y : xi = 7.96875+1.71875yi , que explica el comportamiento de la variable

X en funcion de los valores que toma la variable Y .

9.3. ANALISIS DE LA BONDAD DEL AJUSTE 151
Propiedad de las rectas de regresi

on:
Las rectas de regresion se cortan en el punto (

x, y).
Es decir, que este punto verifica la ecuacion de las dos rectas.
Nota: como el signo de la pendiente de las rectas de regresion depende del signo de la
covarianza, ambas rectas tiene la pendiente del mismo signo.
Es por esto que o bien ambas rectas son crecientes (pendientes positivas) o ambas rectas
son decrecientes (pendientes negativas).
9.3. An
alisis de la bondad del ajuste
Una vez realizado un ajuste, interesa constatar en que medida queda explicada la
variable endogena mediante el modelo estimado.
Un criterio bastante razonable para medir la bondad de cualquier ajuste es medir la
proporcion de varianza total explicada por el modelo.
Por ello, se toma como indicador de la bondad del ajuste, el cociente:
0
S 2
R = Y0 2 = Coeficiente de determinaci
2
on
SY
El coeficiente de determinaci on R2 , nos indica el tanto por uno de la variacion

de Y explicada por la variable X.
Como es este coeficiente en el caso de que ajustemos un modelo lineal?

En primer lugar, debemos notar que a partir de la distribucion original (X, Y ), pode-
mos obtener otras dos distribuciones unidimensionales: las de yi y la de ei .
Cada una de estas nuevas distribuciones, tendra sus caractersticas (su media y su
varianza).
Ademas, en el caso de la regresion lineal minimocuadratica se cumple que:
0 0 0
SY2 = SY2 + Se2
Es decir: la Varianza total = Varianza explicada por la regresion + Varianza residual

(no explicada).
0
Entonces, dividiendo la expresion anterior por SY2 , podemos expresar el coeficiente de
determinacion de la siguiente manera:
0
S2
R = 1 0e2
2
SY
152 Y REGRESION
(este resultado es valido en el caso lineal, pero no con otros modelos)

Ejemplo: si R2 = 0.99, esto indica que el 99 % de la variacion de Y esta explicado por
la variable X. Por lo tanto se trata de un buen ajuste.
Este resultado tambien nos indica, en el caso lineal, que el porcentaje de variacion de
la variable Y , que no esta explicado por la variable X es del 1 %.
Los lmites de variaci

on se pueden ver facilmente a traves de la siguiente formula-
cion:
0 0
S2 S 2
R = 1 0e2 = Y0 2
2
SY SY
Cuando la lnea ajustada pasa por los puntos observados, todos los residuos seran
0
nulos, y por lo tanto: Se2 = 0 y R2 = 1 .
Este sera el maximo valor del coeficiente, y en consecuencia, la variacion de Y viene
totalmente explicada por X. Se trata de un ajuste perfecto.
Por el contrario, si la varianza explicada por la regresion es nula, entonces: R2 = 0.

Este es el mnimo valor que puede tomar el coeficiente de determinacion.
El significado de este valor es que no existe ning
un tipo de relacion lineal entre las
variables X e Y (que la variacion de X no afecta para nada, linealmente, a la
variacion de Y )
(No hay que olvidar que el hecho de que no haya relacion lineal no significa que no
pueda existir relacion de alg
un otro tipo)
C
alculo de la varianza residual
Si tenemos el modelo lineal yi = a + bxi , como esto no es mas que un cambio de origen
y escala, sabemos que:
0 0
02 S 2 02
02
2
SXY
S Y = b SX = XY
2
04 SX = 02 = bS0XY
SX SX
0 0 0
Como en el caso lineal sabemos que se cumple que: SY2 = SY2 + Se2
Entonces:
0
02 02 02 02S2
Se = SY S Y = SY XY
0
SX2
Esta formula nos permite calcular la varianza residual en funcion de las varianzas de
las distribuciones marginales y de la covarianza de la distribucion bidimensional.

9.4. APLICACIONES DE LA REGRESION 153
9.4. Aplicaciones de la regresi

on
Son tres las aplicaciones mas importantes de la regresion:

1. LA PREDICCION. Esta es la aplicacion mas importante de la regresion.
La prediccion consiste en determinar, a partir del modelo estimado, el valor que
toma la variable explicada, para un valor dado de la variable explicativa.
Por ejemplo: Supongamos que en el caso de Y = gasto en ropa y X = renta dispo-
nible, tenemos que: yi = 20 + 0.044xi
Entonces: si conocemos un valor concreto de la renta x0 = 3500 , podemos hacer
una prediccion teorica del gasto y0 = 20 + 0.044 3500 = 134
A partir de un modelo estimado, podemos hacer dos tipos de predicciones:

Interpolaci on: Para valores (x0 ) de la variable explicativa que esten situados
dentro del intervalo de variacion de los datos.
Extrapolaci on: Para valores de la variable explicativa situados fuera del in-
tervalo de variacion de los datos.
Al hacer predicciones a partir de un modelo dado, conviene hacer las siguiente
observaciones:
La fiabilidad de los pronosticos para la variable endogena sera tanto mejor
cuanto mejor sea el ajuste, (es decir: cuanto mayor sea R2 , mejores seran los
pronosticos), en el supuesto de que exista una relacion causal entre las variables.
La fiabilidad de los valores pronosticados decrece a medida que el valor de la
variable explicativa (en la que se basa la prediccion) se aleja de la media (
x).
Cuando hacemos predicciones para valores muy alejados del centro de gravedad de
la distribucion utilizada en el ajuste, se corre el peligro adicional de que no sea
valido el modelo utilizado.
Ejemplo: Puede ser aceptable el proponer una relacion lineal entre el gasto en ro-
pa y la renta disponible, para unos valores de la variable explicativa, digamos en
(500, 5000), pero a partir de ah, es logico pensar que el gasto en ropa tenga menor
constante de proporcionalidad, es decir, que a partir de un valor en adelante, vara
la pendiente (como se indica en la figura)
Entonces, si efectuamos, a partir de nuestro modelo, la prediccion para una renta

de: x0 = 10000, obtendramos que y0 *=420, que no tendra ninguna fiablilidad.
154 Y REGRESION
Es decir, la fiabilidad depende, tanto de la bondad del modelo como de la proximidad

a los valores con los que ha sido estimado el mismo.
2. CALCULO DE FUNCIONES MARGINALES.

La funcion marginal representa la variacion en unidades de la variable explicada al
variar en una unidad la variable explicativa.
dY
El calculo de la funcion marginal viene dado por: marginal =
dX
En el caso del modelo lineal, Y = a + bX, la funcion marginal es el coeficiente
angular (pendiente de la recta):
S0XY
marginal = b = 0
SX2
3. CALCULO DE ELASTICIDADES.
El coeficiente de elasticidad de Y con respecto a X sera: la variacion porcentual que
experimenta Y al variar X en un 1 %.
En Economa, se utiliza mucho el concepto de elasticidad de la demanda o de la
oferta.
Es un concepto ideado con objeto de indicar el grado en que la demanda (Q) o
la oferta (O) responden a variaciones del precio del mercado (P ). Depende esen-
cialmente de las variaciones porcentuales, y es independiente de las unidades que
utilicemos para medir Q (u O) y P .
Ejemplo: La elasticidad-precio de la demanda, la definiramos como la relacion por-
centual, o cambio porcentual en la cantidad demandada de un bien, que resulta del
cambio en un 1 % en el precio.
Analticamente:
dY
Y X dY
Y /X = dX
=
X
Y dX
En el caso del modelo lineal, Y = a + bX, la funcion de elasticidad es:

X
Y /X = b
Y
Ejemplo: En el caso de Y =gasto en ropa y X=renta disponible, para el que hemos

considerado que yi = 20 + 0.044xi , la funcion de elasticidad es:
X
Y /X = 0.044
Y
Entonces, si calculamos la elasticidad para un valor concreto, por ejemplo para
x0 = 600, se tiene, seg
un el modelo, que y0 = 6.4
por lo tanto, la elasticidad en este punto es: Y /X = 4.125
Esto significa que, si el valor x0 = 600 aumenta en un 1 %, entonces el correspon-
diente valor de y0 que habamos obtenido, aumentara en un 4.125 %.
9.5. Ejemplo resuelto
Se quiere hacer un estudio sobre la relacion entre la velocidad de los vehculos y el

consumo de combustible.
En la siguiente tabla se muestran los consumos observados, en litros por cada 100 km,
para cierto tipo de vehculos a distintas velocidades:
Velocidad (V ) 80 80 80 80 120 120 120 120 140 140
Consumo (C) 4.5 5.8 5.0 5.5 6.0 6.6 7.2 6.5 7 8.5
1. Se puede aceptar o no que existe una relacion lineal entre el consumo y la velocidad?
2. Determina la ecuacion lineal que nos da el consumo en funcion de la velocidad del

vehculo.
3. Que porcentaje de la variabilidad del consumo no esta explicado por la velocidad?
4. Para una velocidad de 110 km/h cual sera el consumo estimado?, es fiable esta
estimacion?
5. Si la velocidad anterior, 110 km/h se incrementa en un 1 %, en que porcentaje

variara el consumo?
Soluci
on:
1. Se puede aceptar o no que existe una relacion lineal entre el consumo y la velocidad?
Para determinar si existe o no relacion lineal entre las variables, calculamos el coe-
ficiente de correlacion lineal.
SCV
rCV =
SC SV
Para obtenerlo debemos calcular las varianzas y la covarianza. Hacemos los calculos
previos:
V C V2 C2 CV
80 4.5 6400 20.25 360
80 5.8 6400 33.64 464
80 5.0 6400 25.00 400
80 5.5 6400 30.25 440
120 6.0 14400 36.00 720
120 6.6 14400 43.56 792
120 7.2 14400 51.84 864
120 6.5 14400 42.25 780
140 7.0 19600 49.00 980
140 8.5 19600 72.25 1190
1080 62.6 122400 404.04 6990
Entonces:
156 Y REGRESION
6990 1080 62.6

SCV = = 22.92
10 10 10
2
02 122400 1080
SV = = 576
10 10
2
02 404.04 62.6
SC = = 1.2164
10 10
Luego:
SCV 22.92
rCV = = = 0.86589
SC SV 576 1.2164
Esto significa que hay bastante relacion lineal (el coeficiente esta proximo a 1)
y ademas la relacion es directa (el coeficiente es positivo porque la covarianza es
positiva), lo que indica que a medida que aumenta la velocidad aumenta tambien el
consumo.
2. Determina la ecuacion lineal que nos da el consumo en funcion de la velocidad del

vehculo.
Vamos a construir el modelo lineal que nos da el consumo en funcion de la velocidad:
C = a + bV .
Los coeficientes del modelo son:
SCV 22.92
b = 02 = = 0.03979
SV 576
a = c b
v = 6.26 0.03979 108 = 1.96268
Entonces:
C = 1.96268 + 0.03979V
3. Que porcentaje de la variabilidad del consumo no esta explicado por la velocidad?

Sabemos que el coeficiente de determinacion representa la proporcion de la variabi-
lidad del consumo que esta explicada por el modelo. Por lo tanto, la proporcion no
explicada sera 1 R2 .
0
S2
R2CV = 0 2CV0 2 = 0.865892 = 0.74977
SC SV
El modelo explica un 74.977 % de la variabilidad del consumo en funcion de la
velocidad, por lo tanto, como 1 R2 = 0.25023:
El porcentaje de la variabilidad del consumo que no est
a explicado por
la velocidad es del 25.023 %.
4. Para una velocidad de 110 km/h cual sera el consumo estimado?, Es fiable esta
estimacion?
Para hacer la estimacion, basta utilizar la recta que acabamos de calcular:
Si V = 110, entonces: C = 1.96268 + 0.03979 110 = 6.33958
Es decir, que a 110 km/h el consumo estimado es de unos 6.34 litros.
Para ver si esta estimacion es fiable se deben comprobar dos cosas, por un lado la
bondad del modelo y por otro la proximidad a los datos utilizados para la construc-
cion del modelo. En nuestro caso:
Bondad del ajuste: R2 = 0.74977, el modelo es bastante bueno.

Proximidad: 110 es un valor que esta dentro del rango de velocidades utilizadas
(de 80 a 140), es decir que estamos haciendo una interpolacion y por lo tanto
se cumple la condicion de proximidad.
on SI es fiable
Entonces: La predicci
5. Si la velocidad anterior, 110 km/h se incrementa en un 1 %, en que porcentaje

variara el consumo?
Para responder a esta pregunta basta con calcular la elasticidad:
dC V V 110
C/V = = b = 0.03979 = 0.69041
dV C C 6.33958
El consumo aumenta en un 0.69 %.
Tambien se puede responder a esta pregunta directamente:

Si V = 110, entonces: C = 1.96268 + 0.03979 110 = 6.33958
Si V 0 = 110 0.01 = 111.1, entonces: C = 1.96268 + 0.03979 111.1 = 6.38335
La variacion porcentual sera:
6.38335 6.33958
= 100 = 0.69042
6.33958
Es decir que el consumo aumenta en un 0.69 %.

Tema 10
Analisis estadstico de datos

cualitativos
Este curso se ha centrado principalmente en el analisis de variables cuantitativas uni-

dimensionales y bidimensionales.
Que ocurre con las variables cualitativas? Con lo visto hasta ahora, practicamente
no podramos pasar de construir una tabla de frecuencias y hacer alguna interpretacion
frecuentista de la misma o realizar algun grafico. La parte de la Estadstica que nos permite
analizar las cualidades o caractersticas no medibles es la Estadstica de atributos.
Sabemos que cuando las observaciones solo se pueden expresar en una escala nominal,
lo u
nico que podemos hacer es construir la tabla de frecuencias (contar las apariciones
de cada valor), y en este caso, la unica medida que nos sirve de resumen es la moda.
Sin embargo, cuando los valores de la variable corresponden a una escala ordinal, para
resumir la informacion, ademas de la moda tambien podemos utilizar la mediana.
Nos podramos plantear ahora, tal como hemos hecho en el tema anterior, si existe
alg
un tipo de relacion entre las variables para caractersticas de este tipo. En este tema
vamos a ver, sin entrar en muchos detalles, c omo podemos cuantificar, si existe, la
relaci
on entre dos variables cualitativas.
Cuando los caracteres estudiados son susceptibles de ser ordenados de acuerdo con
una determinada escala, podremos llegar a unos coeficientes de correlacion que midan el
grado de asociacion entre las variables. Estos coeficientes estan basados en los rangos u
ordenes de las observaciones.
En el caso de observaciones nominales, estableceremos los llamados coeficientes de
asociacion y contingencia.
10.1. Correlaci
on por rangos
Para dos variables ordinales, queremos medir su grado de asociaci

on.
159
160
TEMA 10. ANALISIS ESTADISTICO DE DATOS CUALITATIVOS
Lo haremos mediante el coeficiente de correlaci

on por rangos de Spearman.
Cada variable tiene una serie de valores que pueden ser ordenados, por lo tanto, a
cada uno de ellos le podemos asociar su correspondiente rango o n
umero de ranking (en
caso de empates utilizaremos el criterio del rango central).
El coeficiente que vamos a calcular se basa en la comparacion de los rangos para las
dos variables:
6 N d2
P
= 1 3 i=1 i
N N
donde di es la diferencia entre los rangos en las dos variables para cada caso.
Este coeficiente es muy facil de calcular, aunque se emplea, sobre todo, cuando tenemos
menos de 20 observaciones.
A este coeficiente tambien se le llama coeficiente de correlacion ordinal.
Interpretaci
on del valor :
El valor de este coeficiente vara entre -1 y +1.
Cuando la concordancia entre los rangos es perfecta, entonces las diferencias son
todas nulas y por lo tanto el coeficiente es igual a 1.
Cuando existe discordancia total, los pares de rangos vienen dados por:
N
X N3 N
(N ; 1), (N 1; 2), . . . , (1; N ). En ese caso, d2i = , por lo que el coeficiente
i=1
3
valdra -1.
Cuando el coeficiente tiene valor cero, indica que no existe relacion entre los rangos
de ambas variables.
Ejemplo:
Los ranking de 5 hoteles, seg un su ocupacion y su precio son los que se dan en la
siguiente tabla. Calcula el coeficiente de correlacion por rangos de Spearman, para medir
el grado de asociacion de ambas variables:
Hotel Ranking en ocupacion Ranking en precio Diferencia (di ) d2i

A 1 3 -2 4
B 2 4 -2 4
C 3 2 1 1
D 4 1 3 9
E 5 5 0 0
Suma 18
6 N d2
P
6 18 108
= 1 3 i=1 i = 1 3 =1 = 0.1
N N 5 5 120
ENTRE CARACTERES NOMINALES
10.2. ASOCIACION 161
El coeficiente esta proximo a cero, lo que nos indica que el ranking en ocupacion tiene
muy poco que ver con el ranking en precio.
10.2. Asociaci
on entre caracteres nominales
La observacion de dos caracteres nominales da lugar a una tabla de doble entrada,

en la que nij indica el n
umero de objetos o individuos que poseen simultaneamente las
modalidades i-esima del primer atributo y j-esima del segundo.
A estas tablas se les denomina tablas de contingencia.
Las distribuciones de frecuencias de cada uno de los atributos tambien se denominan
distribuciones marginales.
Una tabla de contingencia tiene la siguiente forma:
Atributo B Modalidad
Atributo A B1 B2 . . . Bk Total
A1 n11 n12 . . . n1k n1
Modalidad A2 n21 n22 . . . n2k n2
... ... ... ... ... ...
Ah nh1 nh2 . . . nhk nh
Total n1 n2 . . . nk N
10.2.1. Tablas de contingencia 2 2
La clasificacion por atributos mas sencilla es la dicotomica, es decir, aquella en la que

cada atributo solo tiene dos modalidades posibles (mutuamente excluyentes).
Por ejemplo:
Tener trabajo (B) B1 B2
Sexo (A) (S) (No) Total
A1 (mujer) n11 n12 n1
A2 (hombre) n21 n22 n2
Total n1 n2 N
Se dice que dos atributos son independientes cuando entre ellos no existe ninguna
influencia mutua.
En el caso del ejemplo, no hay influencia entre los dos atributos si la proporcion de
personas con trabajo entre las mujeres es igual a la proporcion de personas con trabajo
entre los hombres, e igual a la proporcion de personas con trabajo al margen del sexo. Es
decir:
n11 n21 n1
= =
n1 n2 N
162
n1 n1

n11 = N
Haciendo operaciones se puede ver que esto es equivalente a decir que: n2 n1
n21 = N
ni nj
y lo mismo ocurre con las demas modalidades: nij = N
, (i, j = 1, 2)
Es decir, que si dos atributos son estadsticamente independientes, la frecuencia rela-

tiva conjunta es igual al producto de las frecuencias relativas marginales respectivas:
fij = fi fj , (i, j = 1, 2)
Como concepto contrario a la independencia, tenemos el de asociaci

on o dependen-
cia.
Se dice que dos atributos est an asociados cuando aparecen juntos en mas (o en
menos) ocasiones que las que cabra esperar si fuesen independientes.
En las tablas dicotomicas la asociacion se suele medir entre las distintas modalidades
de los atributos.
Para medir el grado de asociacion entre dos modalidades de dos atributos existen
distintos coeficientes. Nosotros vamos a utilizar el coeficiente de asociaci
on H.
En la tabla 2x2, sabemos que dos modalidades A1 y B1 son independientes si
n1 n1
n11 = .
N
Por lo tanto, se puede obtener una primera medida de asociacion mediante la diferen-
cia:
n1 n1
H = n11
N
Si H=0 Los atributos son independientes.

Si H > 0 Existe una asociacion positiva.
Si H < 0 Existe una asociacion negativa.
Este coeficiente es muy sencillo, pero tiene el inconveniente de que su amplitud depende
de los valores que tomen las frecuencias conjuntas, as que aunque sabremos si existe o no
asociacion, no podemos determinar si esta es grande o peque na.
Ejemplo:
De 1000 estudiantes, 516 son hombres y el resto mujeres. De los primeros, 221 son
fumadores, mientras que las mujeres fumadoras son 183. Construye la tabla de doble en-
trada correspondiente y determina si existe asociacion o independencia entre los atributos
sexo y ser fumador.
Para analizar la asociacion entre ((mujer)) y ((s es fumador)), utilizaremos el coeficiente
de asociacion H:
En primer lugar construimos la tabla:
ENTRE CARACTERES NOMINALES
10.2. ASOCIACION 163
Ser fumador (B) B1 B2

Sexo (A) (S) (No) Total
A1 (mujer) 183 301 484
A2 (hombre) 221 295 516
Total 404 596 1000
n1 n1 484 404
H = n11 = 183 = 12.536
N 1000
Esto significa, que seg
un las observaciones de que se dispone, existe una asociacion
negativa entre las modalidades ser mujer y ser fumadora.
Por lo tanto, s que hay asociaci
on entre los atributos.
Nota: calcula el coeficiente en las demas situaciones, que ocurre?, por que?
Con el coeficiente anterior podemos determinar si existe o no asociacion entre las

variables pero no podemos cuantificarla.
Si necesitamos cuantificar la relaci
on usaremos una medida de asociacion llamada
Q de Yule, que se calcula como sigue:
n11 n22 n21 n12

Q=
n11 n22 + n21 n12
y cuya interpretacion es la siguiente:
Si las variables son independientes: Q=0

Si existe asociacion positiva (entre A1 y B1 , y por lo tanto entre A2 y B2 ): Q > 0.
Si existe asociacion negativa (entre A1 y B1 , y por lo tanto entre A2 y B2 ): Q < 0.
Ademas, como este coeficiente vara entre -1 y 1, y alcanza estos valores extremos
cuando hay una asociacion perfecta, este coeficiente nos permite medir la intensidad y la
direccion de la asociacion.
En el ejemplo anterior:
n11 n22 n21 n12 183 295 221 301 12536

Q= = = = 0.104
n11 n22 + n21 n12 183 295 + 221 301 120506
Esto nos indica que hay una relaci

on negativa, aunque muy peque
na, entre ser
mujer y ser fumadora.
10.2.2. Tablas de contingencia h k
Estas tablas se construyen cuando el primer atributo tiene h modalidades y el segundo

atributo k modalidades.
164
Para analizar la independencia de los dos atributos, se utiliza el mismo criterio que
en el caso anterior, de modo que los dos atributos son independientes si:
ni nj
i, j : nij =
N
En este caso, para medir el grado de asociaci

on entre los atributos, se utilizan los
siguientes coeficientes de contingencia:
Coeficiente de contingencia 2
Si denominamos nij a la frecuencia conjunta observada de las modalidades Ai del

atributo A y Bj del atributo B y por Eij a la frecuencia teorica que le correspondera
n n
si fuesen independientes i, j : Eij = iN j , definimos el coeficiente de contingencia 2
como:
h X k
X (nij Eij )2
2 =
i=1 j=1
Eij
A este coeficiente se le denomina tambien cuadrado de la contingencia.
Este coeficiente es siempre positivo y si las variables fuesen independientes su valor
sera cero.
El coeficiente de contingencia 2 se suele utilizar para contrastar la hip
otesis de
independencia entre los atributos.
En este sentido, se tiene en cuenta que el estadstico 2 , sigue una distribucion Ji
cuadrado con (h 1) (k 1) grados de libertad: 2(h1)(k1) .
(Al final del tema, se indica como manejar las tablas para esta distribucion)
Por lo tanto, aceptaremos la independencia de las variables si el p-valor es mayor que
el nivel de significacion ().
En este caso, el p-valor es: p = P {X > 2 , siendo X 2(h1)(k1) }
O lo que es equivalente, se acepta la independencia si el valor calculado (2 )

verifica:
2 < 2(h1)(k1),
siendo el nivel de significacion.
El coeficiente anterior no es muy adecuado para constituir por s mismo un coeficiente,

dado que sus lmites varan en funcion de los datos, por ello, Karl Pearson propuso el
siguiente coeficiente:
Coeficiente de contingencia de K. Pearson:
s
2
C=
N + 2
Este coeficiente vara entre 0 y 1, de modo que:

166
RESPUESTAS: 27,0.01 = 18.475 y P {X > 0.584|X 23 } = 0.9
Tabla completa de la Ji cuadrado
p
n 0.01 0.025 0.05 0.10 0.15 0.25 0.5 0.75 0.85 0.9 0.95 0.975 0.99
1 6.635 5.024 3.841 2.706 2.072 1.323 0.455 0.102 0.036 0.016 0.003932 0.000982 0.000157
2 9.210 7.378 5.991 4.605 3.794 2.773 1.386 0.575 0.325 0.211 0.103 0.051 0.020
3 11.345 9.348 7.815 6.251 5.317 4.108 2.366 1.213 0.798 0.584 0.352 0.216 0.115
4 13.277 11.143 9.488 7.779 6.745 5.385 3.357 1.923 1.366 1.064 0.711 0.484 0.297
5 15.086 12.833 11.070 9.236 8.115 6.626 4.351 2.675 1.994 1.610 1.145 0.831 0.554
6 16.812 14.449 12.592 10.645 9.446 7.841 5.348 3.455 2.661 2.204 1.635 1.237 0.872
7 18.475 16.013 14.067 12.017 10.748 9.037 6.346 4.255 3.358 2.833 2.167 1.690 1.239
8 20.090 17.535 15.507 13.362 12.027 10.219 7.344 5.071 4.078 3.490 2.733 2.180 1.646
9 21.666 19.023 16.919 14.684 13.288 11.389 8.343 5.899 4.817 4.168 3.325 2.700 2.088
10 23.209 20.483 18.307 15.987 14.534 12.549 9.342 6.737 5.570 4.865 3.940 3.247 2.558
11 24.725 21.920 19.675 17.275 15.767 13.701 10.341 7.584 6.336 5.578 4.575 3.816 3.053
12 26.217 23.337 21.026 18.549 16.989 14.845 11.340 8.438 7.114 6.304 5.226 4.404 3.571
13 27.688 24.736 22.362 19.812 18.202 15.984 12.340 9.299 7.901 7.042 5.892 5.009 4.107
14 29.141 26.119 23.685 21.064 19.406 17.117 13.339 10.165 8.696 7.790 6.571 5.629 4.660
15 30.578 27.488 24.996 22.307 20.603 18.245 14.339 11.037 9.499 8.547 7.261 6.262 5.229
16 32.000 28.845 26.296 23.542 21.793 19.369 15.338 11.912 10.309 9.312 7.962 6.908 5.812
17 33.409 30.191 27.587 24.769 22.977 20.489 16.338 12.792 11.125 10.085 8.672 7.564 6.408
18 34.805 31.526 28.869 25.989 24.155 21.605 17.338 13.675 11.946 10.865 9.390 8.231 7.015
19 36.191 32.852 30.144 27.204 25.329 22.718 18.338 14.562 12.773 11.651 10.117 8.907 7.633
20 37.566 34.170 31.410 28.412 26.498 23.828 19.337 15.452 13.604 12.443 10.851 9.591 8.260
21 38.932 35.479 32.671 29.615 27.662 24.935 20.337 16.344 14.439 13.240 11.591 10.283 8.897
22 40.289 36.781 33.924 30.813 28.822 26.039 21.337 17.240 15.279 14.041 12.338 10.982 9.542
23 41.638 38.076 35.172 32.007 29.979 27.141 22.337 18.137 16.122 14.848 13.091 11.689 10.196
24 42.980 39.364 36.415 33.196 31.132 28.241 23.337 19.037 16.969 15.659 13.848 12.401 10.856
25 44.314 40.646 37.652 34.382 32.282 29.339 24.337 19.939 17.818 16.473 14.611 13.120 11.524
26 45.642 41.923 38.885 35.563 33.429 30.435 25.336 20.843 18.671 17.292 15.379 13.844 12.198
27 46.963 43.195 40.113 36.741 34.574 31.528 26.336 21.749 19.527 18.114 16.151 14.573 12.879
28 48.278 44.461 41.337 37.916 35.715 32.620 27.336 22.657 20.386 18.939 16.928 15.308 13.565
29 49.588 45.722 42.557 39.087 36.854 33.711 28.336 23.567 21.247 19.768 17.708 16.047 14.256
30 50.892 46.979 43.773 40.256 37.990 34.800 29.336 24.478 22.110 20.599 18.493 16.791 14.953
31 52.191 48.232 44.985 41.422 39.124 35.887 30.336 25.390 22.976 21.434 19.281 17.539 15.655
32 53.486 49.480 46.194 42.585 40.256 36.973 31.336 26.304 23.844 22.271 20.072 18.291 16.362
33 54.776 50.725 47.400 43.745 41.386 38.058 32.336 27.219 24.714 23.110 20.867 19.047 17.074
34 56.061 51.966 48.602 44.903 42.514 39.141 33.336 28.136 25.586 23.952 21.664 19.806 17.789
35 57.342 53.203 49.802 46.059 43.640 40.223 34.336 29.054 26.460 24.797 22.465 20.569 18.509
36 58.619 54.437 50.998 47.212 44.764 41.304 35.336 29.973 27.336 25.643 23.269 21.336 19.233
37 59.893 55.668 52.192 48.363 45.886 42.383 36.336 30.893 28.214 26.492 24.075 22.106 19.960
38 61.162 56.896 53.384 49.513 47.007 43.462 37.335 31.815 29.093 27.343 24.884 22.878 20.691
39 62.428 58.120 54.572 50.660 48.126 44.539 38.335 32.737 29.974 28.196 25.695 23.654 21.426
40 63.691 59.342 55.758 51.805 49.244 45.616 39.335 33.660 30.856 29.051 26.509 24.433 22.164
41 64.950 60.561 56.942 52.949 50.360 46.692 40.335 34.585 31.740 29.907 27.326 25.215 22.906
42 66.206 61.777 58.124 54.090 51.475 47.766 41.335 35.510 32.626 30.765 28.144 25.999 23.650
43 67.459 62.990 59.304 55.230 52.588 48.840 42.335 36.436 33.512 31.625 28.965 26.785 24.398
44 68.710 64.201 60.481 56.369 53.700 49.913 43.335 37.363 34.400 32.487 29.787 27.575 25.148
45 69.957 65.410 61.656 57.505 54.810 50.985 44.335 38.291 35.290 33.350 30.612 28.366 25.901
50 76.154 71.420 67.505 63.167 60.346 56.334 49.335 42.942 39.754 37.689 34.764 32.357 29.707
55 82.292 77.380 73.311 68.796 65.855 61.665 54.335 47.610 44.245 42.060 38.958 36.398 33.570
60 88.379 83.298 79.082 74.397 71.341 66.981 59.335 52.294 48.759 46.459 43.188 40.482 37.485
65 94.422 89.177 84.821 79.973 76.807 72.285 64.335 56.990 53.293 50.883 47.450 44.603 41.444
70 100.425 95.023 90.531 85.527 82.255 77.577 69.334 61.698 57.844 55.329 51.739 48.758 45.442
75 106.393 100.839 96.217 91.061 87.688 82.858 74.334 66.417 62.412 59.795 56.054 52.942 49.475
80 112.329 106.629 101.879 96.578 93.106 88.130 79.334 71.145 66.994 64.278 60.391 57.153 53.540
85 118.236 112.393 107.522 102.079 98.511 93.394 84.334 75.881 71.589 68.777 64.749 61.389 57.634
90 124.116 118.136 113.145 107.565 103.904 98.650 89.334 80.625 76.195 73.291 69.126 65.647 61.754
95 129.973 123.858 118.752 113.038 109.286 103.899 94.334 85.376 80.813 77.818 73.520 69.925 65.898
100 135.807 129.561 124.342 118.498 114.659 109.141 99.334 90.133 85.441 82.358 77.929 74.222 70.065
Ap
endice A
Tablas
167
169
Tabla de t de Student con n grados de libertad
Probabilidad de una variable t de student con n grados de libertad T ~ tn

{T{T> >
PP t} t=| pT =rea
t } sombreada
n
p
n 0.005 0.01 0.025 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
1 63.6567 31.8205 12.7062 6.3138 3.0777 1.9626 1.3764 1.0000 0.7265 0.5095 0.3249 0.1584
2 9.9248 6.9646 4.3027 2.9200 1.8856 1.3862 1.0607 0.8165 0.6172 0.4447 0.2887 0.1421
3 5.8409 4.5407 3.1824 2.3534 1.6377 1.2498 0.9785 0.7649 0.5844 0.4242 0.2767 0.1366
4 4.6041 3.7469 2.7764 2.1318 1.5332 1.1896 0.9410 0.7407 0.5686 0.4142 0.2707 0.1338
5 4.0321 3.3649 2.5706 2.0150 1.4759 1.1558 0.9195 0.7267 0.5594 0.4082 0.2672 0.1322
6 3.7074 3.1427 2.4469 1.9432 1.4398 1.1342 0.9057 0.7176 0.5534 0.4043 0.2648 0.1311
7 3.4995 2.9980 2.3646 1.8946 1.4149 1.1192 0.8960 0.7111 0.5491 0.4015 0.2632 0.1303
8 3.3554 2.8965 2.3060 1.8595 1.3968 1.1081 0.8889 0.7064 0.5459 0.3995 0.2619 0.1297
9 3.2498 2.8214 2.2622 1.8331 1.3830 1.0997 0.8834 0.7027 0.5435 0.3979 0.2610 0.1293
10 3.1693 2.7638 2.2281 1.8125 1.3722 1.0931 0.8791 0.6998 0.5415 0.3966 0.2602 0.1289
11 3.1058 2.7181 2.2010 1.7959 1.3634 1.0877 0.8755 0.6974 0.5399 0.3956 0.2596 0.1286
12 3.0545 2.6810 2.1788 1.7823 1.3562 1.0832 0.8726 0.6955 0.5386 0.3947 0.2590 0.1283
13 3.0123 2.6503 2.1604 1.7709 1.3502 1.0795 0.8702 0.6938 0.5375 0.3940 0.2586 0.1281
14 2.9768 2.6245 2.1448 1.7613 1.3450 1.0763 0.8681 0.6924 0.5366 0.3933 0.2582 0.1280
15 2.9467 2.6025 2.1314 1.7531 1.3406 1.0735 0.8662 0.6912 0.5357 0.3928 0.2579 0.1278
16 2.9208 2.5835 2.1199 1.7459 1.3368 1.0711 0.8647 0.6901 0.5350 0.3923 0.2576 0.1277
17 2.8982 2.5669 2.1098 1.7396 1.3334 1.0690 0.8633 0.6892 0.5344 0.3919 0.2573 0.1276
18 2.8784 2.5524 2.1009 1.7341 1.3304 1.0672 0.8620 0.6884 0.5338 0.3915 0.2571 0.1274
19 2.8609 2.5395 2.0930 1.7291 1.3277 1.0655 0.8610 0.6876 0.5333 0.3912 0.2569 0.1274
20 2.8453 2.5280 2.0860 1.7247 1.3253 1.0640 0.8600 0.6870 0.5329 0.3909 0.2567 0.1273
21 2.8314 2.5176 2.0796 1.7207 1.3232 1.0627 0.8591 0.6864 0.5325 0.3906 0.2566 0.1272
22 2.8188 2.5083 2.0739 1.7171 1.3212 1.0614 0.8583 0.6858 0.5321 0.3904 0.2564 0.1271
23 2.8073 2.4999 2.0687 1.7139 1.3195 1.0603 0.8575 0.6853 0.5317 0.3902 0.2563 0.1271
24 2.7969 2.4922 2.0639 1.7109 1.3178 1.0593 0.8569 0.6848 0.5314 0.3900 0.2562 0.1270
25 2.7874 2.4851 2.0595 1.7081 1.3163 1.0584 0.8562 0.6844 0.5312 0.3898 0.2561 0.1269
26 2.7787 2.4786 2.0555 1.7056 1.3150 1.0575 0.8557 0.6840 0.5309 0.3896 0.2560 0.1269
27 2.7707 2.4727 2.0518 1.7033 1.3137 1.0567 0.8551 0.6837 0.5306 0.3894 0.2559 0.1268
28 2.7633 2.4671 2.0484 1.7011 1.3125 1.0560 0.8546 0.6834 0.5304 0.3893 0.2558 0.1268
29 2.7564 2.4620 2.0452 1.6991 1.3114 1.0553 0.8542 0.6830 0.5302 0.3892 0.2557 0.1268
30 2.7500 2.4573 2.0423 1.6973 1.3104 1.0547 0.8538 0.6828 0.5300 0.3890 0.2556 0.1267
31 2.7440 2.4528 2.0395 1.6955 1.3095 1.0541 0.8534 0.6825 0.5298 0.3889 0.2555 0.1267
32 2.7385 2.4487 2.0369 1.6939 1.3086 1.0535 0.8530 0.6822 0.5297 0.3888 0.2555 0.1267
33 2.7333 2.4448 2.0345 1.6924 1.3077 1.0530 0.8526 0.6820 0.5295 0.3887 0.2554 0.1266
34 2.7284 2.4411 2.0322 1.6909 1.3070 1.0525 0.8523 0.6818 0.5294 0.3886 0.2553 0.1266
35 2.7238 2.4377 2.0301 1.6896 1.3062 1.0520 0.8520 0.6816 0.5292 0.3885 0.2553 0.1266
36 2.7195 2.4345 2.0281 1.6883 1.3055 1.0516 0.8517 0.6814 0.5291 0.3884 0.2552 0.1266
37 2.7154 2.4314 2.0262 1.6871 1.3049 1.0512 0.8514 0.6812 0.5289 0.3883 0.2552 0.1265
38 2.7116 2.4286 2.0244 1.6860 1.3042 1.0508 0.8512 0.6810 0.5288 0.3882 0.2551 0.1265
39 2.7079 2.4258 2.0227 1.6849 1.3036 1.0504 0.8509 0.6808 0.5287 0.3882 0.2551 0.1265
40 2.7045 2.4233 2.0211 1.6839 1.3031 1.0500 0.8507 0.6807 0.5286 0.3881 0.2550 0.1265
45 2.6896 2.4121 2.0141 1.6794 1.3006 1.0485 0.8497 0.6800 0.5281 0.3878 0.2549 0.1264
50 2.6778 2.4033 2.0086 1.6759 1.2987 1.0473 0.8489 0.6794 0.5278 0.3875 0.2547 0.1263
55 2.6682 2.3961 2.0040 1.6730 1.2971 1.0463 0.8482 0.6790 0.5275 0.3873 0.2546 0.1262
60 2.6603 2.3901 2.0003 1.6706 1.2958 1.0455 0.8477 0.6786 0.5272 0.3872 0.2545 0.1262
65 2.6536 2.3851 1.9971 1.6686 1.2947 1.0448 0.8472 0.6783 0.5270 0.3870 0.2544 0.1262
70 2.6479 2.3808 1.9944 1.6669 1.2938 1.0442 0.8468 0.6780 0.5268 0.3869 0.2543 0.1261
75 2.6430 2.3771 1.9921 1.6654 1.2929 1.0436 0.8464 0.6778 0.5266 0.3868 0.2542 0.1261
80 2.6387 2.3739 1.9901 1.6641 1.2922 1.0432 0.8461 0.6776 0.5265 0.3867 0.2542 0.1261
85 2.6349 2.3710 1.9883 1.6630 1.2916 1.0428 0.8459 0.6774 0.5264 0.3866 0.2541 0.1260
90 2.6316 2.3685 1.9867 1.6620 1.2910 1.0424 0.8456 0.6772 0.5263 0.3866 0.2541 0.1260
95 2.6286 2.3662 1.9853 1.6611 1.2905 1.0421 0.8454 0.6771 0.5262 0.3865 0.2541 0.1260
100 2.6259 2.3642 1.9840 1.6602 1.2901 1.0418 0.8452 0.6770 0.5261 0.3864 0.2540 0.1260
125 2.6157 2.3565 1.9791 1.6571 1.2884 1.0408 0.8445 0.6765 0.5257 0.3862 0.2539 0.1259
150 2.6090 2.3515 1.9759 1.6551 1.2872 1.0400 0.8440 0.6761 0.5255 0.3861 0.2538 0.1259
200 2.6006 2.3451 1.9719 1.6525 1.2858 1.0391 0.8434 0.6757 0.5252 0.3859 0.2537 0.1258
300 2.5923 2.3388 1.9679 1.6499 1.2844 1.0382 0.8428 0.6753 0.5250 0.3857 0.2536 0.1258
2.5758 2.3263 1.9600 1.6449 1.2816 1.0364 0.8416 0.6745 0.5244 0.3853 0.2533 0.1257
170
APENDICE A. TABLAS
Tabla de Ji cuadrado con n grados de libertad
P {X > x | X 2n }
p
n 0.01 0.025 0.05 0.10 0.15 0.25 0.5 0.75 0.85 0.9 0.95 0.975 0.99
1 6.635 5.024 3.841 2.706 2.072 1.323 0.455 0.102 0.036 0.016 0.003932 0.000982 0.000157
2 9.210 7.378 5.991 4.605 3.794 2.773 1.386 0.575 0.325 0.211 0.103 0.051 0.020
3 11.345 9.348 7.815 6.251 5.317 4.108 2.366 1.213 0.798 0.584 0.352 0.216 0.115
4 13.277 11.143 9.488 7.779 6.745 5.385 3.357 1.923 1.366 1.064 0.711 0.484 0.297
5 15.086 12.833 11.070 9.236 8.115 6.626 4.351 2.675 1.994 1.610 1.145 0.831 0.554
6 16.812 14.449 12.592 10.645 9.446 7.841 5.348 3.455 2.661 2.204 1.635 1.237 0.872
7 18.475 16.013 14.067 12.017 10.748 9.037 6.346 4.255 3.358 2.833 2.167 1.690 1.239
8 20.090 17.535 15.507 13.362 12.027 10.219 7.344 5.071 4.078 3.490 2.733 2.180 1.646
9 21.666 19.023 16.919 14.684 13.288 11.389 8.343 5.899 4.817 4.168 3.325 2.700 2.088
10 23.209 20.483 18.307 15.987 14.534 12.549 9.342 6.737 5.570 4.865 3.940 3.247 2.558
11 24.725 21.920 19.675 17.275 15.767 13.701 10.341 7.584 6.336 5.578 4.575 3.816 3.053
12 26.217 23.337 21.026 18.549 16.989 14.845 11.340 8.438 7.114 6.304 5.226 4.404 3.571
13 27.688 24.736 22.362 19.812 18.202 15.984 12.340 9.299 7.901 7.042 5.892 5.009 4.107
14 29.141 26.119 23.685 21.064 19.406 17.117 13.339 10.165 8.696 7.790 6.571 5.629 4.660
15 30.578 27.488 24.996 22.307 20.603 18.245 14.339 11.037 9.499 8.547 7.261 6.262 5.229
16 32.000 28.845 26.296 23.542 21.793 19.369 15.338 11.912 10.309 9.312 7.962 6.908 5.812
17 33.409 30.191 27.587 24.769 22.977 20.489 16.338 12.792 11.125 10.085 8.672 7.564 6.408
18 34.805 31.526 28.869 25.989 24.155 21.605 17.338 13.675 11.946 10.865 9.390 8.231 7.015
19 36.191 32.852 30.144 27.204 25.329 22.718 18.338 14.562 12.773 11.651 10.117 8.907 7.633
20 37.566 34.170 31.410 28.412 26.498 23.828 19.337 15.452 13.604 12.443 10.851 9.591 8.260
21 38.932 35.479 32.671 29.615 27.662 24.935 20.337 16.344 14.439 13.240 11.591 10.283 8.897
22 40.289 36.781 33.924 30.813 28.822 26.039 21.337 17.240 15.279 14.041 12.338 10.982 9.542
23 41.638 38.076 35.172 32.007 29.979 27.141 22.337 18.137 16.122 14.848 13.091 11.689 10.196
24 42.980 39.364 36.415 33.196 31.132 28.241 23.337 19.037 16.969 15.659 13.848 12.401 10.856
25 44.314 40.646 37.652 34.382 32.282 29.339 24.337 19.939 17.818 16.473 14.611 13.120 11.524
26 45.642 41.923 38.885 35.563 33.429 30.435 25.336 20.843 18.671 17.292 15.379 13.844 12.198
27 46.963 43.195 40.113 36.741 34.574 31.528 26.336 21.749 19.527 18.114 16.151 14.573 12.879
28 48.278 44.461 41.337 37.916 35.715 32.620 27.336 22.657 20.386 18.939 16.928 15.308 13.565
29 49.588 45.722 42.557 39.087 36.854 33.711 28.336 23.567 21.247 19.768 17.708 16.047 14.256
30 50.892 46.979 43.773 40.256 37.990 34.800 29.336 24.478 22.110 20.599 18.493 16.791 14.953
31 52.191 48.232 44.985 41.422 39.124 35.887 30.336 25.390 22.976 21.434 19.281 17.539 15.655
32 53.486 49.480 46.194 42.585 40.256 36.973 31.336 26.304 23.844 22.271 20.072 18.291 16.362
33 54.776 50.725 47.400 43.745 41.386 38.058 32.336 27.219 24.714 23.110 20.867 19.047 17.074
34 56.061 51.966 48.602 44.903 42.514 39.141 33.336 28.136 25.586 23.952 21.664 19.806 17.789
35 57.342 53.203 49.802 46.059 43.640 40.223 34.336 29.054 26.460 24.797 22.465 20.569 18.509
36 58.619 54.437 50.998 47.212 44.764 41.304 35.336 29.973 27.336 25.643 23.269 21.336 19.233
37 59.893 55.668 52.192 48.363 45.886 42.383 36.336 30.893 28.214 26.492 24.075 22.106 19.960
38 61.162 56.896 53.384 49.513 47.007 43.462 37.335 31.815 29.093 27.343 24.884 22.878 20.691
39 62.428 58.120 54.572 50.660 48.126 44.539 38.335 32.737 29.974 28.196 25.695 23.654 21.426
40 63.691 59.342 55.758 51.805 49.244 45.616 39.335 33.660 30.856 29.051 26.509 24.433 22.164
41 64.950 60.561 56.942 52.949 50.360 46.692 40.335 34.585 31.740 29.907 27.326 25.215 22.906
42 66.206 61.777 58.124 54.090 51.475 47.766 41.335 35.510 32.626 30.765 28.144 25.999 23.650
43 67.459 62.990 59.304 55.230 52.588 48.840 42.335 36.436 33.512 31.625 28.965 26.785 24.398
44 68.710 64.201 60.481 56.369 53.700 49.913 43.335 37.363 34.400 32.487 29.787 27.575 25.148
45 69.957 65.410 61.656 57.505 54.810 50.985 44.335 38.291 35.290 33.350 30.612 28.366 25.901
50 76.154 71.420 67.505 63.167 60.346 56.334 49.335 42.942 39.754 37.689 34.764 32.357 29.707
55 82.292 77.380 73.311 68.796 65.855 61.665 54.335 47.610 44.245 42.060 38.958 36.398 33.570
60 88.379 83.298 79.082 74.397 71.341 66.981 59.335 52.294 48.759 46.459 43.188 40.482 37.485
65 94.422 89.177 84.821 79.973 76.807 72.285 64.335 56.990 53.293 50.883 47.450 44.603 41.444
70 100.425 95.023 90.531 85.527 82.255 77.577 69.334 61.698 57.844 55.329 51.739 48.758 45.442
75 106.393 100.839 96.217 91.061 87.688 82.858 74.334 66.417 62.412 59.795 56.054 52.942 49.475
80 112.329 106.629 101.879 96.578 93.106 88.130 79.334 71.145 66.994 64.278 60.391 57.153 53.540
85 118.236 112.393 107.522 102.079 98.511 93.394 84.334 75.881 71.589 68.777 64.749 61.389 57.634
90 124.116 118.136 113.145 107.565 103.904 98.650 89.334 80.625 76.195 73.291 69.126 65.647 61.754
95 129.973 123.858 118.752 113.038 109.286 103.899 94.334 85.376 80.813 77.818 73.520 69.925 65.898
100 135.807 129.561 124.342 118.498 114.659 109.141 99.334 90.133 85.441 82.358 77.929 74.222 70.065

Metodos de Analisis de Datos

Cargado por

Información del documentohacer clic para expandir la información del documentoitp

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Metodos de Analisis de Datos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos de Analisis de Datos

Cargado por

Copyright:

Formatos disponibles

MTODOS DE ANLISIS DE DATOS

MTODOS DE ANLISIS DE DATOS

Mtodos de anlisis de datos (Apuntes)

Zenaida Hernndez Martn

Debera ser capaz de enfrentarse a una situacion y reconocer, si lo hay, un problema

Debera adquirir conocimientos estadsticos basicos suficientes para comprender y

Debera ser capaz de elaborar, presentar y defender un informe de la materia bien

2. Estadstica Descriptiva unidimensional 19

2.8.2. Medidas de curtosis o apuntamiento . . . . . . . . . . . . . . . . . . 46

5. Probabilidad y variables aleatorias 89

8. Estadstica Descriptiva bidimensional 135

8.3.2. Distribuciones condicionadas . . . . . . . . . . . . . . . . . . . . . . 140

En la Biblioteca de la Universidad se dispone de abundante bibliografa actualizada,

Introduccion a la Estadstica Economica y Empresarial, Martn-Pliego Lopez, F. J.;

Lecciones de Estadstica Descriptiva. Curso teorico-practico, Tomeo Perucha, V. y

Analisis de datos en Psicologa I. Teora y ejercicios. Botella, J. y otros; Ed. Pirami-

Para que necesita un trabajador social o un economista la Estadstica?

En primer lugar y como tema principal: comprender la utilidad de la Estadstica en

1.1. La utilidad de la Estadstica

A la hora de tomar decisiones en nuestro trabajo, e incluso en cualquier situacion

De esta forma, podemos comenzar a hacernos una idea de la distribucion de la variable

En el histograma anterior, podemos visualizar algunas de las observaciones que ya

Respuesta 1 Respuesta 2 Respuesta 3

se deben al comportamiento de toda la poblacion o solo se deben a la muestra elegida.

1.2. Definiciones iniciales

1.3. Fuentes de informaci

a los datos originales de la encuesta.

Resumen de los datos: tablas de frecuencias.

Medidas de tendencia central y de posicion: media aritmetica, mediana, moda y

Medidas de dispersion absolutas y relativas: Recorrido, varianza, desviacion tpica,

Medidas de forma: asimetra y curtosis.

2.1. Escalas de medici

Aunque ya lo comentamos en el tema anterior, vamos a dejar un poco mas claro el

2.2. Resumen de los datos: tablas de frecuencias

Frecuencia absoluta de un determinado valor, xi , de la variable (y la represen-

Frecuencia relativa de un determinado valor, xi , de la variable (y la representa-

Frecuencia absoluta acumulada de un determinado valor, xi , de la variable (y

Frecuencia relativa acumulada de un determinado valor, xi , de la variable (y la

Las frecuencias acumuladas solo tienen sentido si la escala es ordinal o cuantitativa.

Cuando en un conjunto de valores observados de una variable se realizan las opera-

La correspondiente tabla de frecuencias sera:

Las distribuciones de frecuencias se pueden clasificar de acuerdo con el n

En el caso de pocas observaciones y pocos valores de la variable, no es necesario

Logicamente cuando hay muchos valores, no puede haber pocas observaciones.

Cuando disponemos de muchas observaciones correspondientes a pocos valores de la

Si son muchas las observaciones y muchos los valores observados de la variable, en

Puesto que las puntuaciones pueden ir de 0 a 10, es comodo el hacer 10 intervalos de

En las distribuciones agrupadas en intervalos se puede presentar el problema de que

Intervalo Marca de clase Frecuencia absoluta

En la distribucion anterior no se puede determinar directamente la marca de clase

2.3. Lectura de las tablas de frecuencias

Sexo Frecuencia Frecuencia relativa Porcentaje

Ahora esa diferencia la podemos cuantificar: el 51 % de los estudiantes de esa univer-

Facultad Ciencias Letras Total

Facultad Ciencias Letras Total

Facultad Ciencias Letras Total

frecuencia de casos reales

valor actual - valor origen 100 80