Apunte 2

2.
ESTADISTICA
DESCRIPTIVA
CONTENIDO
2 ESTADISTICA DESCRIPTIVA................................................................................... 11
2.1 DISTRIBUCIONES DE FRECUENCIAS Y GRAFICOS 11
2.1.1 DATOS CORRESPONDIENTES A UN ATRIBUTO 11
2.1.2 DATOS CORRESPONDIENTES A UNA VARIABLE DISCRETA 14
2.1.3 DATOS CORRESPONDIENTES A UNA VARIABLE CONTINUA 16
2.1.4GRAFICAS DE SERIE DE TIEMPO 22
2.2 MEDIDAS CARACTERISTICAS DE UNA DISTRIBUCION DE

FRECUENCIAS. 25
2.2.1 MEDIDAS DE POSICION 26
2.2.2 MEDIDAS DE DISPERSIÓN 29
2.2.3 COEFICIENTE DE VARIACION 32
2.3 REGLA EMPIRICA 33
2.4 DIAGRAMAS DE CAJA O BOX - PLOT 34
2.5 TRANSFORMACIONES LINEALES 36
2.6 TRABAJO PRACTICO 38
2.7 COMPLEMENTO PARA EL USO DE EXCEL 44
G.Carnevali-E.Franchelli-G.Gervasoni
ESTADÍSTICA DESCRIPTIVA 11
2 ESTADISTICA DESCRIPTIVA
Una vez fijado el objetivo de estudio y en consecuencia definida la o las poblaciones asociadas,
se procede a la recolección de los datos (censo o muestra).
Considerando que el conjunto de datos constituye una muestra, en este capítulo se estudian
algunas de las técnicas más usadas para:
• la presentación de los mismos en forma ordenada ( tablas y gráficos)

• el cálculo de medidas resúmenes.
Antes de analizar los datos es importante determinar primero si se recogieron datos cualitativos
o cuantitativos ya que se usan técnicas estadísticas distintas para cada uno de ellos, por lo que
se pueden esperar resultados erróneos si se aplica una técnica inapropiada.
2.1 DISTRIBUCIONES DE FRECUENCIAS Y GRAFICOS
Una forma útil de presentar un conjunto de datos es la distribución de frecuencias.
2.1.1 DATOS CORRESPONDIENTES A UN ATRIBUTO
Ejemplo :
Los siguientes datos representan la condición en Matemática Discreta de los alumnos de la ca-
rrera de Ingeniería en Sistemas de Información de la U.T.N., Reg. Rosario, inscriptos en la
asignatura Probabilidad y Estadística, en el año 2002
Número de alumnos Proporción de alumnos

Condición nk fk
Aprobada 119 0,24
Regular 320 0,64
Cursada 13 0,03
Cursando 44 0,09
Sin cursar 3 0
Totales 499 1,00
Característica en estudio: Condición en Matemática Discreta (variable cualitativa o atributo)
Para armar la distribución de frecuencias se particionó al conjunto de los 499 alumnos

inscriptos en Probabilidad y Estadística en el año 2002 en subconjuntos o clases según los
niveles del atributo (en el ejemplo 5 niveles que se corresponden con las condiciones de:
aprobada, regular, cursada, cursando y sin cursar).
El número de elementos que pertenecen a cada clase recibe el nombre de frecuencia
absoluta (nk).
El cociente entre la frecuencia absoluta y el número total de observaciones recibe el nombre de
frecuencia relativa ( fk ).
La suma de las frecuencias absolutas es igual al número total de observaciones y en conse-
cuencia, la suma de las frecuencias relativas es siempre igual a 1.
Es muy frecuente expresar a las frecuencias relativas como porcentaje; así en el ejemplo
diremos que sólo el 24 % de los alumnos que cursaron Probabilidad y Estadística en el 2002,
tenían aprobada la asignatura Matemática Discreta.
REPRESENTACION GRAFICA
 GRAFICO CIRCULAR O SECTORES (realizado en Excel, con asistente de gráfico )
Condición en Matemática Discreta de los alumnos

que cursan Prob. y Estadística - año 2002
Sin cursar
Cursando
0%
9%
Aprobada
Cursada
24%
3%
Regular
64%
 GRAFICO DE BARRAS (realizado en Excel con asistente de gráfico)
Condición en Matemática Discreta de los alumnos

inscriptos en Probabilidad y Estadística - 2002
0,70
0,60
0,50
frec. relativa
0,40
0,30
0,20
0,10
0,00
Aprobada Regular Cursada Cursando Sin cursar
Condición
 DIAGRAMA DE PARETO
Es un caso especial del diagrama de barras, que se usa con frecuencia en control de calidad.
Las barras se grafican en orden descendente. Puede también incluir una segunda escala (del
0 al 100), encima de las barras de las clases, que muestre los porcentajes acumulados.
Este tipo de diagrama lleva el nombre del economista italiano V. Pareto y en general
representa la “ ley de Pareto”, esto es: la mayor parte de los defectos aparece sólo en unas
pocas categorías.
Ejemplo :
Un analista de redes registró las causas principales que propiciaron fallas en los sistemas
durante los últimos seis meses, obteniendo el siguiente resultado:
Razón de la falla Frecuencia

Conexión física 1
Falla eléctrica 8
Software del servidor 28
Hardware del servidor 4
Servidor sin memoria disponible 14
Ancho de banda inadecuado 1
Este resultado se presenta en un diagrama de Pareto (obtenido a través del software

estadístico SPSS)
Razón de la falla
60
Percent
100
50
40
30
50
28
20
14
10
Count
8
0 4 0
Soft servidor Falla eléctrica Ancho de banda
Sin memoria Hardware Conexión física
2.1.2 DATOS CORRESPONDIENTES A UNA VARIABLE DISCRETA
Ejemplo :
Un distribuidor de aspiradoras registra el número de unidades vendidas por día durante un
período de 50 días. Los resultados obtenidos fueron:
84 88 87 89 88 89 88 91 87 85
88 89 90 88 87 91 86 89 85 88
86 90 89 84 91 92 89 88 94 90
87 89 91 86 90 89 91 92 89 88
85 88 87 88 91 87 92 90 85 87
Característica en estudio: número de aspiradoras vendidas por día (variable discreta)
A fin de ordenar la información se particiona al conjunto de 50 días en clases, según la variable

en estudio: número de aspiradoras vendidas por día y se realiza el cómputo de frecuencias
según se indica en la siguiente:
 DISTRIBUCION DE FRECUENCIAS
Frecuencia Frecuencia
Valor de la Frecuencia Frecuencia
Cómputo de absoluta relativa
variable absoluta relativa
Frecuencias acumulada acumulada
xk nk fk Nk Fk
84 // 2 0,04 2 0,04
85 //// 4 0,08 6 0,12
86 /// 3 0,06 9 0,18
87 //// // 7 0,14 16 0,32
88 //// //// 10 0,20 26 0,52
89 //// //// 9 0,18 35 0,70
90 //// 5 0,10 40 0,80
91 //// / 6 0,12 46 0,92
92 /// 3 0,06 49 0,98
93 0 0,00 49 0,98
94 / 1 0,02 50 1,00
Total 50 1,00
La frecuencia absoluta acumulada ( Nk ) es la cantidad de elementos correspondientes a

valores de la variable menores o iguales a xk .
La frecuencia relativa acumulada ( Fk ) es la proporción de elementos cuyo valor de la

variable es menor o igual que xk.
 GRAFICO DE BASTONES (realizado en Excel con Análisis de datos1)
El mismo se obtiene representando la frecuencia (absoluta o relativa) correspondiente a cada

valor de la variable mediante un segmento cuya longitud es proporcional a la frecuencia.
0,25
0,2
frecuencia relativa
0,15
0,1
0,05
0
83 84 85 86 87 88 89 90 91 92 93 94
número de aspiradoras
 GRAFICO ESCALONADO
0,8
Frec. rel. acumulada
0,6
0,4
0,2
0
83 84 85 86 87 88 89 90 91 92 93 94 95
Número de aspiradoras
1
Ver pasos a seguir para su utilización en el punto 2.7: Complemento para el uso de Excel, pag 45.
Si el número de observaciones hubiese sido pequeño (supongamos las dos primeras

columnas), el tratamiento de la información se haría a través de un:
 DIAGRAMA DE PUNTOS
•
• •
• • • • • • •
84 85 86 87 88 89 90 91
número de aspiradoras
2.1.3 DATOS CORRESPONDIENTES A UNA VARIABLE CONTINUA
Ejemplo:
Con el propósito de adecuar los objetivos curriculares de una escuela, se decide analizar la
realidad socioeconómica de la familia a la cual pertenecen los alumnos ingresantes en un
año determinado. A tal fin se registran para cada uno de ellos (entre otros datos) la superfi-
cie cubierta de la vivienda que habita la familia del alumno ingresante. Los resultados obteni-
dos para 30 alumnos ingresantes seleccionados al azar fueron:
85 - 117 - 92 - 120 - 94 - 110 - 151 - 90 - 80 - 116 - 95 - 102 - 100 - 113 - 118 - 140 - 133 -
108 - 115 - 148 - 110 - 130 - 100 - 120 - 108 - 125 - 105 - 130 - 112 - 150
Característica en estudio: superficie cubierta de la vivienda, en m2 (variable continua).
 DIAGRAMA DE TALLO-HOJA
Como un paso previo a la construcción de la distribución de frecuencias, los datos pueden

organizarse en un diagrama de tallo-hoja. En este tipo de diagramas, cada valor observado
se descompone en “dígitos tallo” y “dígitos hoja”.
En el ejemplo planteado, la decena y la centena de cada valor observado forman los “dígitos
tallo” y la unidad el “dígito hoja”.
dígitos tallo dígitos hoja
Así, para las dos primeras observaciones (85 y 117) re-
sultan: 8 5
11 7
Es conveniente presentar a los dígitos hoja ordenados en forma creciente para facilitar la
posterior utilización del diagrama tallo-hoja, tanto en forma gráfica como tabular.
En el ejemplo, resulta el diagrama de tallo-hoja realizado con PHStat 2 :
8 05
9 0245
10 002588
11 00235678
12 005
13 003
14 08
15 01
 DISTRIBUCION DE FRECUENCIAS
Otra forma de organizar la información es individualizando entre los datos, el valor mínimo (80
m2) y el máximo (151 m2) que asume la variable.
La diferencia entre ambos valores (en este caso 71 m2) se llama rango.
Los 28 valores restantes pertenecen al intervalo [ 80, 151].
Para poder realizar el respectivo cómputo de frecuencias, dicho intervalo se particiona en
subintervalos de igual amplitud. Cada uno de ellos identifica a una clase y recibe el nombre de
intervalo de clase .
Cuando se agrupan datos a través de intervalos de clase, se produce una pérdida de
información por la no conservación de los valores individuales. Demasiados intervalos provoca
pérdida de efectividad como medio de resumir datos; en cambio, pocos intervalos condensan
tanto la información que arrojan poca luz sobre el comportamiento de la característica.
La elección del número de subintervalos está estrechamente relacionada con la cantidad de
datos que se consideran. Es común usar entre 5 y 20 subintervalos.
Suele aplicarse una regla práctica que indica que el número de subintervalos es
aproximadamente igual a la raíz cuadrada del número de observaciones.
Para el ejemplo dado, se tomarán 6 subintervalos, dado que 30 = 5,4772
Cuando se fijan los intervalos de clase, se debe tener en cuenta que:
 Deben ser semiabiertos para que cada valor de la variable pertenezca a uno y sólo
uno de los intervalos.
En el ejemplo : 79 < x ≤ 91 ó ( 79 , 91]
 El punto medio de cada intervalo de clase debe ser un posible valor de la variable (de
acuerdo a las restricciones con las que se expresan los valores de las observaciones).
En el ejemplo los puntos medios deben ser valores enteros a pesar de que la variable
es continua.
Es preferible, por facilidad en el análisis, que los intervalos posean igual amplitud.
La tabla siguiente muestra la distribución de frecuencias del ejemplo :
2
PHStat es un complemento estadístico para Microsoft Excel incluido en el CD que acompaña al libro Estadística para Adminis-
tración (2da edición) de Berenson, M; Levine , D. y Krehbiel,T.; editorial Pearson Educación, México, 2001.
Intervalo de clase Punto medio absoluta relativa
absoluta relativa
acumulada acumulada
79 < x ≤ 91 85 3 0,10 3 0,10
91 < x ≤ 103 97 6 0,20 9 0,30
103 < x ≤ 115 109 8 0,27 17 0,57
115 < x ≤ 127 121 6 0,20 23 0,77
127 < x ≤ 139 133 3 0,10 26 0,87
139 < x ≤ 151 145 4 0,13 30 1,00
30 1,00
 HISTOGRAMA
• Las bases de las barras tienen la longitud igual a la amplitud del intervalo de clase que
representan y se ubican sobre el eje de la abscisa.
• El área de cada barra es proporcional a la frecuencia del intervalo de clase.
• Si los intervalos de clase son de igual amplitud, las alturas de las barras resultan
proporcionales a las frecuencias de las clases. En caso de amplitudes diferentes, las
alturas deben ser calculadas para que se verifique la condición anterior.
Para el ejemplo, se presenta a continuación la distribución de frecuencia y el histograma

realizado en Excel con Análisis de datos:3
Clases Frecuencia Frec. acumulada

79 0 0
91 0,10 0,10
103 0,20 0,30
115 0,27 0,57
127 0,20 0,77
139 0,10 0,87
151 0,13 1
163 0 1
3
Ver pasos a seguir para su utilización en el punto 2.7: Complemento para el uso de Excel, pag 45
0,3
0,25
0,2
Frecuencia
0,15
0,1
0,05
0
79 91 103 115 127 139 151 163
Superficie cubierta (en m2)
Los histogramas son más fáciles de interpretar si los intervalos de clase tienen la misma
amplitud.
El histograma, al igual que el diagrama de tallo-hoja, proporciona una impresión visual del
aspecto que tiene la distribución de las observaciones, así como información sobre la
dispersión de los datos.
Al pasar de los datos originales o del diagrama de tallo-hoja a la distribución de frecuencias y al
histograma, se pierde parte de la información debido a que ya no se tienen las observaciones
originales. Sin embargo, esta pérdida en la información a menudo es pequeña si se le compara
con la facilidad de interpretación ganada al utilizar la distribución de frecuencias y el
histograma.
Para conjuntos de datos pequeños, los histogramas pueden cambiar claramente de apariencia
si el número de clases o el ancho de éstas cambia. Los histogramas son más estables si el
número de observaciones es grande.
 POLIGONO DE FRECUENCIAS
Otra forma de representar gráficamente la distribución de frecuencias absolutas o relativas es a

través del polígono de frecuencias.
Si se considera una distribución de frecuencias con intervalos de clase de igual amplitud, el
polígono está referido a un sistema coordenado donde cada vértice tiene por abscisa el punto
medio del intervalo y por ordenada la frecuencia del intervalo de clase.
Para hallar los puntos de iniciación y finalización del polígono, se consideran dos intervalos
de clase (uno anterior al primero y otro posterior al último) de igual amplitud a los restantes y de
frecuencia cero.
Se demuestra mediante la igualdad de triángulos que el polígono así construido encierra igual
área que el histograma.
Para el ejemplo:
0,3
0,25
frecuencia relativa
0,2
0,15
0,1
0,05
0
73 85 97 109 121 133 145 157
sup. cubierta (en m2)
 POLIGONO DE FRECUENCIAS ACUMULADAS
De igual forma se puede construir el polígono de frecuencias acumuladas como se muestra en

la siguiente figura:
1
0,9
Frec. relativa acumulada
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
67 79 91 103 115 127 139 151 163
Sup. cubierta (en m2)
4
Se presenta a continuación otro ejemplo sobre variable continua :
4
Ejemplo extraído de “Probabilidad y Estadística aplicada a la Ingeniería” de Montgomery Douglas, Runger Geor-
ge.- Mc Graw Hill – México, 1996. pag. 5
Los datos de la siguiente tabla representan la resistencia a la tensión, en libras por pulgada
cuadrada (psi), de 80 muestras de una nueva aleación de aluminio y litio, que está siendo
evaluada como posible material para la fabricación de elementos estructurales de aeronaves.
Resistencia a la tensión de 80 muestras de aleación de aluminio-litio

105 221 183 186 121 181 180 143
97 154 153 174 120 168 167 141
245 228 174 199 181 158 176 110
163 131 154 115 160 208 158 133
207 180 190 193 194 133 156 123
134 178 76 167 184 135 229 146
218 157 101 171 165 172 158 169
199 151 142 163 145 171 148 158
160 175 149 87 160 237 150 135
196 201 200 176 150 170 118 149
Los datos fueron registrados conforme se realizaba la prueba y en este formato no conllevan
mucha información con respecto a la resistencia a la tensión. No es fácil responder a preguntas
tales como “¿Qué porcentaje de las muestras fallaron debajo de los 120 psi?”.
Dado que se tienen muchas observaciones, la construcción de un diagrama de puntos para
estos datos es ineficiente; existen presentaciones visuales más eficaces para conjuntos
grandes de datos. Una de ellas es el ya visto diagrama de tallo y hoja:
Tallo Hoja Frecuencia

7 6 1
8 7 1
9 7 1
10 51 2
11 580 3
12 103 3
13 413535 6
14 29583169 8
15 471340886808 12
16 3073050879 10
17 8544162106 10
18 0361410 7
19 960934 6
20 7108 4
21 8 1
22 189 3
23 7 1
24 5 1
Otra gráfica apropiada es el histograma. Nótese en la figura siguiente la simetría de la

distribución de frecuencias de las mediciones de resistencia.
2.1.4 GRAFICAS DE SERIE DE TIEMPO 5
Las gráficas consideradas hasta el momento (histogramas, diagramas de tallo y hoja) son
métodos visuales muy útiles para mostrar la variabilidad presente en los datos. Sin embargo,
con frecuencia el tiempo es un factor importante que contribuye a la variabilidad observada en
los datos, y los métodos anteriores no lo toman en cuenta. Una serie de tiempo, o secuencia de
tiempo, es un conjunto de datos en los que las observaciones se registran en el orden en que
ocurren. La gráfica de una serie de tiempo es un diagrama en el que el eje vertical denota el
valor observado (por ejemplo x), mientras que el eje horizontal denota el tiempo (que puede ser
minutos, días, años, etc.). Cuando se grafican las mediciones como una serie de tiempo, a
menudo se observan tendencias, ciclos u otras características importantes de los datos que, de
otra forma, pasarían inadvertidas.
Por ejemplo, considérese la figura 1-18 a, la cual presenta la gráfica de una serie de tiempo de
las ventas anuales de una compañía durante los últimos diez años. La impresión general que
ofrece esta gráfica es que las ventas tienen una tendencia a crecer. Existe cierta variabilidad
en esta tendencia, donde, las ventas en algunos años aumentaron con respecto a las del año
anterior, mientras que las ventas de otros años disminuyeron. La figura 1-18 b presenta las
ventas de los tres últimos años notificadas por trimestre. Esta gráfica muestra de manera clara
que las ventas anuales de la empresa exhiben una variabilidad cíclica por trimestre, donde las
ventas en los dos primeros trimestres son mayores que en los dos últimos.
5
Extraído de “Probabilidad y Estadística aplicada a la Ingeniería” de Montgomery Douglas, Runger George.- Mc
Graw Hill – México, 1996. pag. 33
a)
b)
Figura 1-18 Ventas de una compañía por año a) y por trimestre b)
Algunas veces puede ser útil combinar las gráficas de serie de tiempo con alguno de los tipos
de presentación gráfica considerados hasta el momento, por ejemplo con los diagramas de ta-
llo y hoja, para formar un diagrama de dígitos y líneas.
La figura 1.19 presenta un diagrama de dígitos y líneas para las observaciones de resistencia
a la tensión del ejemplo de la página 23, que como se dijo, fueron registradas en el orden en
que ocurrieron.
Esta gráfica indica de manera eficaz la variabilidad total de los datos de resistencia a la tensión
y, de manera simultánea, presenta la variabilidad en las mediciones con el paso del tiempo. La
impresión general es que la resistencia cambia alrededor del valor medio de 162,67, y no hay
ningún patrón obvio sobre esta variabilidad con respecto al tiempo.
El diagrama de dígitos y líneas de la figura 1.20 presenta una situación diferente. Esta gráfica
resume 30 observaciones sobre la concentración de un producto obtenido mediante un proceso
químico, donde las observaciones se registraron a intervalos de una hora. La gráfica indica
que, durante las primeras 20 horas de operación, el proceso produjo concentraciones en
general por encima de 85 g/l, pero después de la muestra 20 algo ocurrió con el proceso, que
dio como resultado concentraciones más bajas. Si esta variabilidad en la concentración del
producto puede reducirse, entonces es posible mejorar la operación del proceso.
2.2 MEDIDAS CARACTERISTICAS DE UNA DISTRIBUCION DE

FRECUENCIAS.
Las medidas que resumen la información de una distribución de frecuencias reciben el nombre
de:
ESTADISTICOS
de acuerdo a
la información que brindan
pueden ser de
POSICION DISPERSION
Media
Media Mediana Moda Fractilas Rango Varianza Desvío Desvío Inter-
estándar cuartílico
2.2.1 MEDIDAS DE POSICION
Se llaman también de tendencia central y están referidas a la posición de la distribución de

frecuencias sobre el eje de las abscisas.
Ellas son :
NOMBRE NOTACION DEFINICION
Media aritmética x Es el promedio de las observaciones
Es el valor de la variable con mayor

Moda x̂ frecuencia
Es el mínimo valor de la variable que

Mediana ~
x
acumula, por lo menos, el 50 % de las
observaciones ordenadas en forma
creciente
Son los mínimos valores de la variable que

acumulan respectivamente, por lo menos :
Cuartiles q1 q2 q3
d1 d2 ...... d9 el 25% , el 50% y el 75% de las observa-
p1 p2 ........p99 ciones ordenadas en forma creciente.
Fractilas Deciles
el 10% , el 20% ........el 90% de las obser-
vaciones ordenadas en forma creciente.
Percentiles
el 1% , el 2% ........ el 99% de las obser-
vaciones ordenadas en forma creciente.
 Media aritmética o promedio muestral
Es la más conocida y utilizada de las medidas de posición.

No coincide necesariamente con un valor de la variable.
Para el cálculo del promedio de n observaciones de la variable X ( xi con i = 1, 2,.......n ),
resulta:
n
1
x=
n
∑
i= 1
xi (1)
Si las n observaciones están agrupadas en r clases , la fórmula (1) resulta :
r r
1
x=
n
∑
i= 1
xi ni = ∑
i= 1
xi fi (2)
• En los casos en que las observaciones se encuentren agrupadas en intervalos de clase,

se le da a xi el valor del punto medio del intervalo de clase correspondiente.
Características del promedio:
• Toma en consideración toda la información por lo tanto es muy sensible a la influencia

de los valores extremos, lo que puede ser una ventaja o desventaja, según la situación.
• Es una medida de posición útil para comparar dos o más distribuciones, sólo si éstas
tienen forma semejante.
 Moda
Es el valor de la variable con mayor frecuencia.
Características de la moda:
• Algunos conjuntos de observaciones no poseen moda.
• Algunos conjuntos de observaciones tienen más de una moda.
 Mediana
Es el mínimo valor de la variable que acumula, por lo menos, el 50 % de las observaciones

ordenadas en forma creciente, por tal razón es uno de los llamados estadísticos de orden.
~
x / F (~
x ) ≥ 0,5
Característica de la mediana:
• Al no tomar en cuenta toda la información pues depende de la cantidad de observaciones y no de

la magnitud de ningún valor extremo, no es sensible a dichos valores extremos.
 Fractilas
Se trabajan en forma similar a la mediana.
 Ejercicios
1. Indique cómo calcularía la mediana en los siguientes casos :
 si se tiene un número impar de observaciones, por ej. : 7 , 12 , 15 , 10 , 4
 si se tiene un número par de observaciones, por ej. : 4 , 17 , 15 , 10 , 12 , 7
 si las observaciones se encuentran clasificadas en clases (ej. apartado 2.1.2, pag. 16)
 si las observaciones se encuentran agrupadas en intervalos de clase (ej. apartado

2.1.3 , pag. 20 )
2. Los últimos diez días de junio, el tren “ Costa Especial ” llegó tarde a su destino en los
siguientes números de minutos ( un número negativo significa que el tren llegó con anti-
cipación):
3 , 6 , 4 , 10 , - 4 , 124 , 2 , - 1 , 4 , 1
¿Qué medidas de posición utilizaría Ud. para :
 mostrar que el tren ofrece un buen servicio?

 mostrar que el tren ofrece un mal servicio?
 COMPARACION DE MEDIA ARITMETICA, MEDIANA Y MODA
Distribución Sim étrica
Media
Mediana
Moda
Distribuciones Asimétricas o Sesgadas
Distribución asimétrica a la derecha
Distribución asimétrica a la izquierda
2.2.2 MEDIDAS DE DISPERSIÓN
Analizando comparativamente las siguientes distribuciones se observa que a pesar de que

están igualmente centradas, los valores de la variable de cada una de ellas están alejados del
promedio de manera distinta. Esta situación hace ver la necesidad del estudio de otro tipo de
medida característica de las distribuciones de frecuencias que son llamadas de dispersión.
Dicha información se obtiene a través de los siguientes estadísticos de dispersión:
NOMBRE NOTACION DEFINICION
Es la diferencia entre el mayor y

r el menor valor de las
Rango
observaciones
Es el promedio, aproximado, de
los cuadrados de las diferencias
Varianza muestral entre los valores de las observacio-
s2n-1
nes y su correspondiente media
aritmética
Es la raíz cuadrada positiva de la

Desvío estándar muestral s
varianza.
Recorrido intercuartílico Es la diferencia entre el cuartil 3

riq
y el cuartil 1.
 Rango
Es la diferencia entre el máximo valor de las observaciones (x M) y el mínimo valor de las

mismas (xm )
r = xM - x m
Proporciona una primera información sobre la dispersión de los valores pero basta que al
menos uno de los dos valores que intervienen en su cálculo esté excesivamente alejado
para que pierda importancia la información que brinda.
 Varianza muestral
Es el promedio, aproximado, de los cuadrados de los desvíos de las observaciones con res-
pecto a su media aritmética.
1 r
∑ ( xi − x ) ni
2
s n2− 1 =
n − 1 i= 1
Si el denominador hubiese sido n en lugar de n-1, se hubiera obtenido el promedio de los
cuadrados de los desvíos de las observaciones con respecto al promedio de las mismas. Sin
embargo, n-1 se usa aquí debido a ciertas propiedades deseables del estadístico s2 que lo
hacen apropiado para la inferencia estadística. Si el tamaño de la muestra es grande, la

diferencia entre s2n y s2n-1 es despreciable.
La varianza está expresada en unidades al cuadrado, lo que representa una desventaja para
su interpretación.
 Desvío estándar muestral
Es la raíz cuadrada positiva de la varianza muestral.
s = s n2− 1
Este estadístico tiene la ventaja de estar expresado en la misma unidad de las

observaciones
 Recorrido intercuartílico
Es la diferencia entre el tercer cuartil y el primer cuartil.
riq = q3 - q1
Se darán a continuación las medidas características calculadas para los dos ejemplos
trabajados con variable discreta y con variable continua. Las mismas fueron obtenidas en Excel
con Análisis de datos, en la opción Estadística Descriptiva :
Para el ejemplo del apartado 2.1.2 correspondiente al número de aspiradoras vendidas

diariamente por un distribuidor, las mismas resultaron :
Número de Aspiradoras
Media 88,44
Error típico 0,32
Mediana 88,00
Moda 88,00
Desviación estándar 2,23
Varianza de la muestra 4,99
Curtosis -0,22
Coeficiente de asimetría 0,05
Rango 10
Mínimo 84
Máximo 94
Suma 4422
Cuenta 50
Con respecto al ejemplo del apartado 2.1.3 correspondiente a la superficie cubierta de las
viviendas de los alumnos ingresantes a una escuela las mismas resultaron :
Superficie cubierta (en m2)

Media 113,90
Error típico 3,41
Mediana 112,50
Moda 120,00
Desviación estándar 18,70
Varianza de la muestra 349,54
Curtosis -0,33
Coeficiente de asimetría 0,35
Rango 71
Mínimo 80
Máximo 151
Suma 3417
Cuenta 30
2.2.3 COEFICIENTE DE VARIACION
Es una medida de variación relativa. Se simboliza c.v. y es igual a :
s
c.v. = . 100
x
Es el desvío estándar expresado como porcentaje de la media aritmética, por lo tanto no viene
expresado en unidades.
Es útil para la comparación de la variabilidad relativa entre distribuciones que no están
expresadas en la misma unidad de medida o bien, entre distribuciones que si bien están
expresadas en la misma unidad, poseen promedios muy dispares.
Ejemplo :
En febrero del año pasado, los datos de préstamos personales de una mutual mostraron
un promedio de $650 y una desviación estándar de $300. Recientemente se calculó la
media y la desviación estándar correspondiente a los préstamos personales de febrero
del presente año resultando las mismas $ 900 y $ 350 respectivamente.
¿En cuál de los dos años los préstamos personales presentaron menor dispersión
relativa?
c.v. año pasado = ( 300 / 650 ) . 100 = 45%
c.v. presente año = ( 350 / 900 ) . 100 = 39%
La menor dispersión relativa se presenta en los préstamos personales otorgados este

año por la mutual.
2.3 REGLA EMPIRICA
Es posible que dos conjuntos de datos distintos tengan el mismo rango pero difieran
considerablemente en el grado de variación de los datos. En consecuencia, el rango es una
medida relativamente insensible de la variación de los datos. La varianza tiene importancia
teórica, pero es difícil de interpretar porque las unidades de medición de la variable de interés
están elevadas al cuadrado. En cambio, las unidades de medición de la desviación estándar
son las unidades de la variable. Si la desviación estándar se combina con la media del conjunto
de datos, resulta fácil interpretarla. Una regla práctica útil es la que se conoce como regla
empírica, a saber:
Si un conjunto de datos tiene una distribución aproximadamente simétrica se pueden utilizar

las siguientes reglas prácticas para describir el conjunto de datos:
 Aproximadamente el 68 % de las observaciones quedan a una desviación estándar de su

media (es decir, dentro del intervalo x ± s )
 Aproximadamente el 95 % de las observaciones quedan a dos desviaciones estándar de su

media (es decir, dentro del intervalo x ± 2 s )
 Casi todas las observaciones quedan a tres desviaciones estándar de su media (es decir,
dentro del intervalo x ± 3 s )
La regla empírica es el resultado de la experiencia práctica de investigadores en muchas

disciplinas, que han observado muy diferentes tipos de conjuntos de datos de la vida real.
Fuente : Estadística Elemental. Johnson – Kuby pag 82
Con respecto al ejemplo del apartado 2.1.3 correspondiente a la superficie cubierta de las
viviendas de los alumnos ingresantes a una escuela, la media es 113,8 m2 y la desviación
estándar 18,267 m2.
Las proporciones del número total de observaciones que se esperaría encontrar en
los intervalos x ± s , x ± 2 s y x ± 3 s según la regla empírica, así como las
proporciones reales, se presentan en la siguiente tabla:
Proporción esperada de Proporción real de

k x ± ks observaciones en el observaciones en el
intervalo intervalo
1 95,533 – 132,067 0,68 0,67
2 77,266 – 150,334 0,95 1,00
3 58,999 – 168,601 Aproximadamente 1,00 1,00
En caso de conocer la distribución de frecuencias, lógicamente se encuentran las proporciones

reales de las observaciones para los distintos intervalos y no se aplica la regla empírica.
2.4 DIAGRAMAS DE CAJA O BOX - PLOT
Representa los tres cuartiles junto con los dos valores extremos de las observaciones.
Los diagramas de caja que se presentan a continuación ( confeccionados con PHStat ),
corresponden a los datos observados para las características “número de aspiradoras
vendidas” y “superficie cubierta de la vivienda” analizadas anteriormente en el desarrollo de las
distribuciones de frecuencias de las variables discretas y continuas, respectivamente.
Nº Aspiradoras
96
94
92
90
88
86
84 Nº Aspiradoras
82
Superficie cubierta
150
130
110
90
Superficie
70
El lado inferior de las cajas corresponde al primer cuartil, el lado superior al tercer cuartil y el
segmento que divide a las cajas al segundo cuartil. Un segmento de recta une el lado inferior
de las cajas con el mínimo valor observado y otro segmento une el lado superior de las cajas
con el máximo valor observado.
Constituyen una herramienta eficaz para el análisis de la simetría de una distribución de

frecuencias y su estudio comparativo con otras distribuciones.
• DETECCION DE VALORES ANOMALOS (outliers)
Hay ocasiones en que un conjunto de datos contiene observaciones inconsistentes y es proba-

ble que no se desee incluirlas para su análisis. Cuando dichas observaciones se salen del in-
tervalo de valores de datos que se quiere describir, se denominan valores anómalos u
outliers.
Una observación “x” que es inusualmente grande o pequeña en relación con los demás valores
de un conjunto de datos se denomina valor anómalo.
Uno de los métodos para determinar si una observación es un valor anómalo es observar si el
valor absoluto de z es anormalmente grande.
El valor “z” de un valor “x” de un conjunto de datos es la distancia a la que se encuentra x
por arriba o por debajo de la media, medida en unidades de la desviación estándar:
x -x
Valor z =
s
Estos valores por lo general son atribuibles a una de las siguientes causas:
 La observación se registra incorrectamente.

 La observación proviene de una población distinta.
 La observación es correcta pero representa un suceso poco común (fortuito)
2.5 TRANSFORMACIONES LINEALES
Supongamos una variable “x” con media aritmética ( x ) y varianza ( s2x ) y una variable “y”
de la forma:
y = a+bx
Se demuestra fácilmente que:
• y= a+ bx ( media aritmética de la variable y )
2 2 2
• sy = b sx ( varianza de la variable y )
• sy = b sx ( desvío estándar de la variable y )
En el caso b = 1, lo único que se hace es sumar una constante (a). La media aritmética de la
nueva variable quedará incrementada en un valor igual al de la constante (a) y el desvío
estándar, que es una medida de dispersión, permanece igual.
En cambio, si la variable es multiplicada por una constante b ≠ 1, esto produce una contracción
o una dilatación de la distribución (según sea b menor o mayor que 1) lo que se refleja en la
varianza.
Ejemplo :
Sea la variable x : número de días completos trabajados en un año por operario de una fá-
brica.
Se conoce que el promedio de la variable x es 290,1 días con una desviación de 2,2 días.
Cada día no trabajado ocasiona a la fábrica una pérdida de $ 150.
Calcule la pérdida anual promedio por operario y su desvío estándar (considere 300 días la-
borables en el año).
y : pérdida anual por operario
yi = ( 300 - xi ) 150
de donde :
y = ( 300 - 290,1 ) 150 = $ 1485 pérdida anual promedio por operario
sy = 150 . 2,2 = $ 330 desviación estándar de la pérdida anual por operario
2.6 TRABAJO PRACTICO
1.- Analice los siguientes gráficos6. Comente.
a ) El siguiente gráfico representa una reducción ( en el año 1990 con respecto al año
anterior ) del 50% en el número de barriles de petróleo extranjero utilizado en el proceso
de manufactura de productos de películas por una empresa.
120,000
Barriles
60,000
1989 1990
b)
Liderazgo
2% 2%
3%
COLDWELL BANKER
11%
E.R.A.
32% GALLERY
CENTURY
otros
¿Quién creen los propietarios que es el líder en bienes raíces?
6
Los gráficos fueron realizados por Diego Martínez Viademonte, alumno que cursó la asignatura en el año 2003
c)
Chevrolet. Los camiones más formales y de mayor duración.
Como una roca
98
Porcentaje
97
96
95
CHEVY FORD TOYOTA NISSAN
Camión
Más del 98% de los camiones Chevy vendidos durante los últimos 10 años siguen en el camino.
Chevrolet. Los camiones más formales y de mayor duración.
Como una roca
100
90
80
70
Porcentaje
60
50
40
30
20
10
0
CHEVY FORD TOYOTA NISSAN
Camión
Más del 98% de los camiones Chevy vendidos durante los últimos 10 años siguen en el camino.
2.- En una editorial se clasificaron las publicaciones del año anterior según su carácter y se
obtuvo que el 45% de las publicaciones eran científicas, el 17% técnicas, 16% literarias,
12% artísticas y 10% de otro carácter.
Presente un informe respecto a las publicaciones de la editorial.
3.- Una fábrica de estéreos desea estudiar la relación entre el número de piezas defectuosas y
el momento de la jornada de trabajo en que se producen las mismas. Se fijaron tres
períodos de la jornada : 6 – 7 horas ; 10 – 11 horas y 13 – 14 horas y en cada uno de ellos
se observó durante treinta días el número de defectuosos. Los resultados obtenidos fueron:
4 1 4 3 5 10 4 8 10 3 7 6 6 5 9
1° período
8 10 6 4 6 5 7 6 6 9 7 5 6 7 5
6 2 4 5 7 8 5 6 4 6 5 7 4 6 5
2° período
3 6 6 5 9 8 6 7 6 4 7 6 6 5 7
4 5 6 9 8 10 12 11 12 10 9 9 10 8 7
3° período
11 12 9 14 12 9 11 13 12 11 13 14 12 10 13
Compare y concluya respecto de la relación entre el número de piezas defectuosas y el

momento de la jornada de trabajo.
4.- Los siguientes datos corresponden a los tiempos de duración (en segundos) de 100 temas
de rock. Realiza un análisis descriptivo completo de la información:
Tiempo Frecuencia
135 ≤ t < 145 8
145 ≤ t < 155 9
155 ≤ t < 165 18
165 ≤ t < 175 20
175 ≤ t < 185 35
185 ≤ t < 195 10
5.- A los efectos de organizar las compras de gaseosas para la fiesta de fin de curso de un
instituto, se le preguntó a cada uno de los 200 integrantes de la comunidad educativa la
gaseosa preferida.
Completa la siguiente tabla a doble entrada considerando que:
♦ el 20 % de los docentes y el 30 % de los alumnos prefieren naranja
♦ de los no docentes , el 40 % prefieren cola y el 20 % prefieren pomelo
♦ el porcentaje de alumnos que prefieren pomelo es igual al de los docentes que prefieren
la misma gaseosa
Integrante
s
Docentes No docentes Alumnos Totales
Gaseosa
Cola
Pomelo 4
Naranja
Totales 40 10
6.- Una compañía de seguros registró entre sus asegurados el número de accidentes del año
2003, obteniendo la siguiente información:
Edad del asegurado

[18-28) [28-38) [38-48) [48-58) 58 y más Totales
N° de accidentes
0 748 821 786 720 672
1 84 50 41 66 60
2 41 15 12 16 25
más de 2 10 9 5 5 8
Totales
En base al cuadro anterior responde:
a) ¿Qué porcentaje de asegurados no tuvo accidentes durante 2003?

b) Analiza en qué rango de edades hay el mayor y el menor porcentaje de asegurados
que tuvieron al menos un accidente.
c) Si la compañía decide no renovar el seguro a todos aquellos asegurados que hayan
tenido más de dos accidentes, ¿cuántos asegurados están en condiciones de renovar
su seguro en 2004?
d) ¿Cuál puede haber sido el objetivo de este estudio?
e) La compañía decide dar un premio del 5% de descuento sobre el valor de la póliza del
año 2004 a todos aquellos asegurados que no sufrieron accidentes en 2003. El valor
promedio de cada póliza es de $ 3.200, ¿cuánto dejará de ganar la compañía en 2004
por la implementación de dicho premio?
7.- La siguiente es la distribución de frecuencias de los sueldos de los empleados

administrativos de una industria:
Sueldo ( x ) ( en $ ) Número de empleados
200 < x ≤ 400 10

400 < x ≤ 600 25
600 < x ≤ 800 40
800 < x ≤ 1000 10
1000 < x ≤ 1200 2
a) Calcule las medidas descriptivas que crea conveniente para representar los datos e
interprete sus resultados.
b) El sueldo promedio de los 1000 operarios de esa industria es de $ 490. Obtenga el
sueldo promedio para el conjunto de ambas categorías de empleados.
c) Si conociera la mediana y la moda para la categoría de los operarios, ¿podría calcular
esas medidas para el conjunto de todos los trabajadores de la industria?
d) Si se aumentara en un 10 % el sueldo de cada empleado, calcule sueldo promedio y
varianza.
e) Si a cada empleado se le aumenta el sueldo en 50 $, calcule sueldo promedio y varian-
za.
8.- Los siguientes datos son mediciones de viscosidad de un producto químico tomadas cada
hora (de arriba abajo y de izquierda a derecha).
47,9 48,8 48,6 43,2 43,0

47,9 48,1 48,0 43,0 42,8
48,6 48,3 47,9 43,5 43,1
48,0 47,2 48,3 43,1 43,2
48,4 48,9 48,5 43,0 43,6
48,1 48,6 48,1 42,9 43,2
48,0 48,0 48,0 43,6 43,5
48,6 47,5 48,3 43,3 43,0
a) Grafique de la manera más conveniente.
b) Las especificaciones sobre la viscosidad del producto son 48 + 2. ¿Qué conclusiones

puede obtener sobre el desempeño del proceso?
9.- En un proceso de producción interesa controlar el diámetro ( X ) de un tipo de lata ( en mm ).
Se seleccionan al azar 160 latas a las cuáles se les mide el diámetro y se obtiene la
siguiente distribución de frecuencias:
Diámetro de las latas Cantidad de latas

83,4 ≤ x < 83,5 3
83,5 ≤ x < 83,6 12
83,6 ≤ x < 83,7 21
83,7 ≤ x < 83,8 30
83,8 ≤ x < 83,9 47
83,9 ≤ x < 84,0 28
84,0 ≤ x < 84,1 19
a) Indique la característica en estudio y clasifíquela. Dé la unidad elemental asociada a la

variable o atributo. Grafique.
b) Calcule la media aritmética, mediana, moda , desvío estándar. Analice la simetría.
c) De otra muestra de 200 observaciones del diámetro de la lata mencionada se obtuvo
un promedio de 83,93 mm con una desviación estándar de 0,20 mm. ¿Puede a partir
de estos datos encontrar el promedio de las observaciones de las dos muestras? En
caso afirmativo, encuéntrelo. En caso negativo, justifique porqué.
d) ¿Cuál de la dos muestras (la primera de 160 observaciones y la segunda de 200
observaciones) presenta menor dispersión relativa? Justifique la respuesta.
10.- Para comparar la capacidad de frenado de tres diseños de bandas de rodamiento, se

midió la distancia necesaria para detener un tipo de automóvil que se desplazaba sobre
pavimento húmedo. Los neumáticos de cada diseño fueron probados en el mismo
vehículo que circulaba sobre un pavimento húmedo controlado.
Diseño A Diseño B Diseño C

37 – 36 – 34 – 40 – 38 - 32 33 – 34 – 35 – 38 – 42 - 34 40 – 39 – 41 – 41 – 40 - 43
Construya un gráfico de cajas para cada uno de los tres diseños y presente un informe
con sus conclusiones.
2.7 COMPLEMENTO PARA EL USO DE EXCEL
1. Se entra en Excel en HERRAMIENTAS
2. En COMPLEMENTOS DISPONIBLES se activan las opciones Herramientas para

análisis y Herramientas para análisis VBA
3. Se activa ANALISIS DE DATOS ( ahora ya en Herramientas )
4. Para graficar se entra a la opción HISTOGRAMA

a) Rango entrada : se marca la columna en donde están los datos
b) Rango de clase : se marca la columna en donde se han dado los límites superiores de
los intervalos de clase elegidos
c) Rango de salida : se elige dónde se quieren la distribución de frecuencias y el gráfico
( puede ser en la misma hoja o en hoja nueva )
d) Se activa crear gráfico
e) Para los dos tipos de gráficos (bastones e histograma) se activa una barra.
En OPCIONES: ANCHO DE RANGO:
- Si se lleva a 500 las barras se separan y se obtiene el gráfico de BASTONES
- Si se lleva a 0 las barras se unen y se obtiene el HISTOGRAMA
5.- En ANALISIS DE DATOS la opción ESTADÍSTICA DESCRIPTIVA da el resumen de

todos los estadísticos (posición, dispersión, asimetría etc.)

Apunte 2

Cargado por

Copyright:

Formatos disponibles

Apunte 2

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

Apunte 2

Cargado por

Copyright:

Formatos disponibles

2.

2.2 MEDIDAS CARACTERISTICAS DE UNA DISTRIBUCION DE

2.3 REGLA EMPIRICA 33

2.4 DIAGRAMAS DE CAJA O BOX - PLOT 34

2.5 TRANSFORMACIONES LINEALES 36

2.6 TRABAJO PRACTICO 38

2.7 COMPLEMENTO PARA EL USO DE EXCEL 44

• la presentación de los mismos en forma ordenada ( tablas y gráficos)

2.1 DISTRIBUCIONES DE FRECUENCIAS Y GRAFICOS

Una forma útil de presentar un conjunto de datos es la distribución de frecuencias.

2.1.1 DATOS CORRESPONDIENTES A UN ATRIBUTO

Número de alumnos Proporción de alumnos

Característica en estudio: Condición en Matemática Discreta (variable cualitativa o atributo)

Para armar la distribución de frecuencias se particionó al conjunto de los 499 alumnos

 GRAFICO CIRCULAR O SECTORES (realizado en Excel, con asistente de gráfico )

Condición en Matemática Discreta de los alumnos

 GRAFICO DE BARRAS (realizado en Excel con asistente de gráfico)

Condición en Matemática Discreta de los alumnos

Razón de la falla Frecuencia

Este resultado se presenta en un diagrama de Pareto (obtenido a través del software

2.1.2 DATOS CORRESPONDIENTES A UNA VARIABLE DISCRETA

Característica en estudio: número de aspiradoras vendidas por día (variable discreta)

A fin de ordenar la información se particiona al conjunto de 50 días en clases, según la variable

La frecuencia absoluta acumulada ( Nk ) es la cantidad de elementos correspondientes a

La frecuencia relativa acumulada ( Fk ) es la proporción de elementos cuyo valor de la

 GRAFICO DE BASTONES (realizado en Excel con Análisis de datos1)

El mismo se obtiene representando la frecuencia (absoluta o relativa) correspondiente a cada

Si el número de observaciones hubiese sido pequeño (supongamos las dos primeras

2.1.3 DATOS CORRESPONDIENTES A UNA VARIABLE CONTINUA

Característica en estudio: superficie cubierta de la vivienda, en m2 (variable continua).

Como un paso previo a la construcción de la distribución de frecuencias, los datos pueden

En el ejemplo, resulta el diagrama de tallo-hoja realizado con PHStat 2 :

Cuando se fijan los intervalos de clase, se debe tener en cuenta que:

• El área de cada barra es proporcional a la frecuencia del intervalo de clase.

Para el ejemplo, se presenta a continuación la distribución de frecuencia y el histograma

Clases Frecuencia Frec. acumulada

Otra forma de representar gráficamente la distribución de frecuencias absolutas o relativas es a

 POLIGONO DE FRECUENCIAS ACUMULADAS

De igual forma se puede construir el polígono de frecuencias acumuladas como se muestra en

Resistencia a la tensión de 80 muestras de aleación de aluminio-litio

Tallo Hoja Frecuencia

Otra gráfica apropiada es el histograma. Nótese en la figura siguiente la simetría de la

2.1.4 GRAFICAS DE SERIE DE TIEMPO 5

Figura 1-18 Ventas de una compañía por año a) y por trimestre b)

2.2 MEDIDAS CARACTERISTICAS DE UNA DISTRIBUCION DE

la información que brindan

2.2.1 MEDIDAS DE POSICION

Se llaman también de tendencia central y están referidas a la posición de la distribución de

NOMBRE NOTACION DEFINICION

Media aritmética x Es el promedio de las observaciones

Es el valor de la variable con mayor

Es el mínimo valor de la variable que

Son los mínimos valores de la variable que

 Media aritmética o promedio muestral

Es la más conocida y utilizada de las medidas de posición.

Si las n observaciones están agrupadas en r clases , la fórmula (1) resulta :

• En los casos en que las observaciones se encuentren agrupadas en intervalos de clase,

Características del promedio:

• Toma en consideración toda la información por lo tanto es muy sensible a la influencia

Es el valor de la variable con mayor frecuencia.