LECTURA AE1 Modulo 3

Módulo 3
Análisis Exploratorio y Programación

Estadística
Aprendizaje Esperado 1
Aprendizaje Esperado
1. Utiliza los conceptos básicos de estadística descriptiva para la
caracterización de un conjunto de datos de una población.
___________________________________________________________
Estadística descriptiva
La estadística descriptiva es una disciplina que se encarga de recoger,

almacenar, ordenar, realizar tablas o gráficos y calcular parámetros
básicos sobre el conjunto de datos.
La estadística descriptiva es, junto con la inferencia estadística o

estadística inferencial, una de las dos grandes ramas de la estadística.
Su propio nombre lo indica, trata de describir algo. Pero no describirlo
de cualquiera forma, sino de manera cuantitativa. Pensemos en el peso
de una caja de verduras, en la altura de una persona o en la cantidad de
dinero que gana una empresa. De estas variables podríamos decir
muchas cosas. Por ejemplo, podríamos indicar que esta o aquella caja de
tomates pesan mucho o pesan menos que otras. Siguiendo con otro
ejemplo, podríamos decir que el ingreso de una empresa varía mucho a
lo largo del tiempo o que una persona tiene una altura promedio.
Para dictar las afirmaciones anteriores, sobre mucho, poco, alto, bajo,
muy variable o poco variable necesitamos variables de medidas. Esto es,
necesitamos cuantificarlas, ofrecer un número. Con esto en mente,
podríamos utilizar los gramos o los kilogramos como unidad de medida
para saber el peso de tantas cajas de tomates como consideremos. Una
vez pesemos treinta cajas, sabremos cuales pesan más, cuales pesan
menos, que cuantía es la que más se repite o si existe mucha disparidad
entre los pesos de las diferentes cajas.
Con esta idea nace la estadística descriptiva, con la de recoger datos,

almacenarlos, realizar tablas o incluso gráficos que nos ofrezcan
Módulo 3
Estadística
información sobre un determinado asunto. Adicionalmente, nos ofrecen

medidas que resumen la información de una gran cantidad de datos.
Un ejemplo de estadística descriptiva sería cuando queremos calcular la

media de goles por partido de un futbolista. Se trata de estadística
descriptiva, ya que tratamos de describir una variable (número de goles).
En este caso, mediante el cálculo de una métrica.
Así pues, decir que Ronaldo metió 1,05 goles por partido durante los
últimos 30 partidos, es una frase propia de estadística descriptiva.
También podríamos decir, por ejemplo, que el 30% de los compañeros

de clase de Juan tienen los ojos azules, el 60% castaños y el 10%
restante negros. Se trataría de una variable cualitativa (color de ojos),
pero estamos describiendo la frecuencia con la que aparece.
Tipos de Variables estadísticas
Una variable estadística es una característica de

una muestra o población de datos que puede adoptar diferentes valores.
Cuando hablamos de variable estadística estamos hablando de una

cualidad que, generalmente adopta forma numérica. Por ejemplo, la
altura de Juan es de 180 centímetros. La variable estadística es la altura
y está medida en centímetros. También podríamos, por ejemplo, decir
que el beneficio de una empresa ha sido de 22.300 dólares el último
año. En este caso, la variable sería el beneficio y estaría medido en
dólares. Ambas variables son del tipo cuantitativo (se expresan con un
número).
Claro que no todas las variables estadísticas son iguales y, por supuesto,
no todas se pueden expresar, en principio, en forma de número. Así, otra
variable que podríamos encontrarnos es el color de ojos de una persona.
Por ejemplo, Juan tiene los ojos verdes y Andrés los tiene azules. La
Módulo 3
Estadística
variable sería el color de ojos y sería una variable cualitativa. Es decir,

no se expresa con número.
Aunque hay decenas de tipos de variables estadísticas, por norma

general podemos encontrarnos dos tipos de variables:
● Variable cuantitativa: Son variables que se expresan numéricamente.
● Variable continua: Toman un valor infinito de valores entre un

intervalo de datos. El tiempo que tarda un corredor en completar
los 100 metros lisos.
● Variable discreta: Toman un valor finito de valores entre un

intervalo de datos. Número de helados vendidos.
● Variable cualitativa: Son variables que se expresan, por norma general,

en palabras.
● Variable ordinal: Expresa diferentes niveles y orden. Por ejemplo,

primero, segundo, tercero, etc.
● Variable nominal: Expresa un nombre claramente diferenciado. Por

ejemplo el color de ojos puede ser azul, negro, castaño, verde, etc.
Además cada una de estas variables podría tener más subtipos, ya que
tenemos variables de tipo económico, categóricas, dicotómicas,
dependientes, independientes. Es decir, como ya hemos dicho, hay
muchos tipos de variables estadísticas. Por ejemplo, podríamos tener
una variable estadística de tipo cuantitativo, discreta y dependiente.
Adicionalmente, también debemos aclarar que el hecho que las

variables cualitativas se expresan con nombre no quiere decir que no
puedan ser parte de un modelo matemático. Así pues, podríamos crear
una variable cuantitativa a partir de una variable cualitativa. Por
ejemplo, para el color de ojos podríamos asignar un 1 si tiene los ojos
azules, un 2 si tiene los ojos verdes y un 3 si tiene los ojos marrones. O,
Módulo 3
Estadística
en otros casos, podríamos también convertir variables dicotómicas que

indica SI o NO, en 1 o 0.
Matrices de Datos y tablas de frecuencia.
Una cosa es escribir un diario en una libreta y otra cosa es recopilar

datos que sirvan para un posterior análisis. Esos datos se pueden
recoger de muchas maneras y las que normalmente son buenas para el
campo (fichas para cada salida de campo u objeto de estudio) o quedan
bonitas en un documento (con celdas unidas, por ejemplo) no son
buenas para el posterior análisis de los datos.
Si ya están metidos en el computador, en el formato que sea: csv, excel,

…, la mejor manera es como están. Nunca (o casi nunca) es buena idea
retocar los datos originales ya que este proceso puede (y suele)
producir errores que no son subsanables posteriormente.
Es decir, si los datos ya están en algún formato digital, lo mejor es que

las modificaciones se hagan ya directamente en el script de importación
de datos, de forma que esas modificaciones entren dentro de lo que se
llama «Ciencia reproducible» (Rodríguez-Sánchez et al. 2016).
Módulo 3
Estadística
La matriz de datos
La matriz de datos ideal debe ser:
● Única (no siempre es posible, pero debe intentarse).
● Consistente
● Rectangular (todas las casillas deberían estar llenas)
● Las columnas son Variables.
● Las filas son observaciones.
● No debe tener variables obtenidas a partir de cálculos con otras

variables de la matriz. Si no puedes evitar la tentación, haz los
cálculos en otra hoja de cálculo diferente. Recuerda poner cuáles y
cómo las has calculado en la leyenda de los datos.
● No debe tener fórmulas, ni cálculos, ni pre-análisis, en la matriz de

datos.
● No debe haber información en los formatos. Los colores o negritas de

las filas o columnas no se exportan.
● Formato csv, o en su defecto xlsx u ods.
Una cosa importante, NUNCA juntes celdas, ni de la misma fila, ni de la

misma columna, en una tabla de datos.
Tablas de frecuencia
Las tablas de frecuencias son cuadros en los que se registran los datos
estadísticos en forma organizada con la frecuencia de cada uno de los
valores que puede tomar la variable estudiada. Se presentan en
columnas y filas con la finalidad de analizar, sintetizar e ilustrar la
información producida por los datos recopilados de una investigación o
estudio determinado
Módulo 3
Estadística
Tipos de tablas de Frecuencia.
Las frecuencias son el número de veces que se repite un valor

determinado de una variable. Por ejemplo; si se mide la edad de 6
personas y se obtiene 22, 21, 30, 24, 22 y 30 se tiene que la frecuencia
de 22 es 2, es decir, dos personas de veintidós años. 21 tendrá
frecuencia 1, 24 frecuencia 1 y 30 frecuencia 2.
Los tipos de frecuencia pueden ser, Frecuencia Absoluta, Frecuencia

Acumulada, Frecuencia Relativa y Frecuencia Relativa Acumulada, el
siguiente cuadro explica cada una de ellas.
Cuadro Nº 1
Definición de Frecuencias Estadísticas
TIPO CARACTERÍSTICAS
Frecuencia Se define como el número de

Absoluta observaciones que cumple una
característica determinada y se
denotará como fi
Frecuencia Es la suma o acumulación de las

Acumulada frecuencias Absoluta y se denotará por
Fa; así
𝐹1 = 𝑓1, 𝐹2 = 𝑓1 + 𝑓2, 𝐹3 = 𝑓1 + 𝑓2 + 𝑓
Tablas
, etc
Frecuencia Es la proporción que representa fi en el

Relativa total de datos observados, se denotará
por ahí y se calcula de la siguiente
manera: ℎ𝑖 = (𝑓𝑖/𝑁)donde 𝑁es el
total de observaciones realizadas.
Frecuencia Es la acumulación o suma de las

relativa frecuencias relativas; 𝐻1 = ℎ1,
acumulada
Módulo 3
Estadística
𝐻2 = ℎ1 + ℎ2, 𝐻3 = ℎ1 + ℎ2 + ℎ3, etc.
Cuadro Nº 2
Componentes de una Distribución de Frecuencias
Variabl 𝑓1 𝐹𝑎 ℎ𝑖 𝐻𝑎
e 𝑋1
𝑋1 𝑓1 𝑓1 ℎ1 ℎ1
𝑋2 𝑓2 𝑓1 + 𝑓2 ℎ2 ℎ1 + ℎ2
𝑋3 𝑓3 𝑓1 + 𝑓2 + 𝑓3 ℎ3 ℎ1 + ℎ2 + ℎ3
-
-
-
𝑋𝑛 𝑓𝑛 (𝑓1 + 𝑓2 + 𝑓3 +... + 𝑓𝑛) =ℎ𝑛 (ℎ1 + ℎ2 + ℎ3 +... + ℎ𝑛) =
∑ 𝑓𝑖 = 𝑁 ∑ ℎ𝑖 = 𝑁
Módulo 3
Estadística
Ejemplo 1
Se visitaron varias viviendas de una comunidad ubicada al sur de

Maracay, en las cercanías del lago de Valencia y se observó la presencia
de algunas enfermedades en su población infantil, producto del
deterioro ambiental. Los resultados de la observación fueron los
siguientes:
Respiratori Eruptiva Respiratori Infección Respiratori Eruptiva

a a a
Dengue Diarrea Respiratori Eruptiva Eruptiva Diarrea

a
Dengue Respiratoria Respiratori Respiratori Eruptiva Respiratori

a a a
Eruptiva Eruptiva Diarrea Infección Eruptiva Diarrea
Dengue Respiratoria Diarrea Eruptiva Respiratori Respiratori

a a
Tipo de
Enfermedad
𝑋𝑖 𝑓𝑖 𝐹𝑎 ℎ𝑖 𝐻𝑎
Respiratoria 11 11 11/30 = 0, 36666 11/30 = 0, 36666
Eruptiva 9 20 9/30 = 0, 3 20/30 = 0, 6666
Infección 2 22 2/30 = 0, 0666 22/30 = 0, 7333
Diarrea 5 27 5/30 = 0, 1666 27/30 = 0, 90
Módulo 3
Estadística
Dengue 3 30 3/30 = 0, 1 30/30 = 1, 00
∑ 𝑓𝑖 = 30 ∑ ℎ𝑖 = 0, 9998≈1, 00
De los datos ordenados en la tabla de frecuencias se puede obtener la

siguiente información:
● Se observó una muestra de 30 niños de la comunidad.
● De ellos 11 presentan enfermedades Respiratorias, 9 Eruptivas, 2

algún tipo de Infección, 5 con cuadro Diarreico y 3 casos de
Dengue.
● La mayoría de los niños enfermos se deben a enfermedades

respiratoria o erupciones en la piel con 36,66 % y 30,00%
respectivamente
● Entre las enfermedades Respiratorias y las Eruptivas acumulan 20

de los 30 casos observados.
Construcción de Tablas de Frecuencias para Datos Cuantitativos

Discretos
Se llaman Datos No Agrupados porque no han sido categorizados en

grupos, se presentan tal como se recogen del campo. Una vez
agrupados, estos se convierten en Datos Agrupados.
Ejemplo 2
En vista de la alta incidencia de enfermedades en los niños de la

comunidad se está diseñando un plan de vacunación para infantes con
edad comprendidas entre 0 y 5 años, se pasó casa por casa y se
preguntó la edad de los niños que habitan en la vivienda obteniéndose
los siguientes resultados:
Módulo 3
Estadística
1 1 1 0 1 0
1 2 0 1 1 2
0 3 2 1 2 3
1 0 2 4 0 1
5 0 1 4 5 3
1 1 1 3 1 0
0 0 2 0 0 2
2 2 1 0 5 1
5 2 1 3 1 0
4 2 1 1 0 5
Edad de
los niños
𝑋𝑖 𝑓𝑖 𝐹𝑎 ℎ𝑖 𝐻𝑎
0 15 15 15/60 = 0, 25 15/60 = 0, 25
1 21 36 21/60 = 0, 35 36/60 = 0, 60
2 11 47 11/60 = 0, 1833 47/60 = 0, 783
3 5 52 5/60 = 0, 0833 52/60 = 0, 866
Módulo 3
Estadística
4 3 55 3/60 = 0, 05 55/60 = 0, 916
5 5 60 5/60 = 0, 0833 60/60 = 1
∑ 𝑓𝑖 = 60 ∑ ℎ𝑖 = 0, 9999≈1, 00
Se encontraron 15 niños de cero años, 21 de un año, 11 de dos años, 5

de tres años, 3 de cuatro años y 5 de cinco años.
● De ellos 47 tienen entre cero y dos años
● Los niños de dos años representan 18,33% de los observados
● Los niños entre 0 años y 2 años representan 78,33% de los niños

observados.
● Se observó un total de 60 niños en la comunidad.
Construcción de Tablas de Frecuencias para Datos Cuantitativos

Continuos
Cuando los datos tienen una variación muy alta entre el valor más
pequeño de la serie y el valor más alto, la variable puede tomar muchos
valores distintos, como ocurriría por ejemplo si se quiere saber la edad
de todos los habitantes de la comunidad estudiada en los ejemplos
anteriores, de allí que el valor menor es cero (0) y el valor mayor podría
inclusive ser mayor que cien (100) y no sería muy práctico diseñar una
tabla de frecuencia como la que se construyó para los niños.
Cuando esto ocurre o la variable que se mide se considera como

continua se agrupan los datos en intervalos de frecuencias y a las tablas
así construidas se les dice tablas de frecuencias para Datos Agrupados y
Módulo 3
Estadística
la metodología de construcción de los intervalos es lo único diferente a

las tablas de frecuencias para Datos No Agrupados
Construcción de una Tabla de Frecuencias para Datos Agrupados
A continuación se presentan los pasos para la construcción de una tabla

de frecuencias para datos agrupados, para posteriormente ilustrar su
construcción con un ejemplo.
1. Primero se elige el número de intervalos que se desea tener en su

tabla, se aconseja que sea como mínimo de 4 intervalos y como
máximo 7, aunque hay autores que consideran hasta 14 intervalos.
A ese número de intervalos lo llamaremos k, es decir k es el

número de intervalos que se van a tener en la tabla y un método
más efectivo para obtenerlo es de acuerdo a la fórmula de Stuges
𝑘 = 1 + 3, 322𝑙𝑜𝑔10(𝑛)
2. Una vez escogido el valor k de intervalos se determina la
longitud Ic que debe tener cada intervalo, todos los intervalos
serán de igual longitud. Y esta longitud se obtendrá utilizando la
fórmula.
𝑀á𝑥𝑖𝑚𝑜(𝑋𝑖)−𝑀á𝑥𝑖𝑚𝑜(𝑋𝑖)
𝐼𝑐 = 𝑘
El número resultante de restar Máximo menos Mínimo se llama
longitud total o rango de la variable y se denota como Rang(X) =
Máx(X) – Min(X)
3. El primer intervalo debe contener al dato más pequeño que se

observó y de allí debe comenzar ese intervalo de clases y el
último debe contener al valor máximo de los datos recogidos. Se
debe procurar que todos los intervalos tengan la misma longitud.
Módulo 3
Estadística
4. Se comienza a construir la tabla, iniciando el primer intervalo en

el valor mínimo de la variable, aumentando el valor Ic para fijar su
límite superior.
5. Se colocan las frecuencias respectivas como se hizo en los

ejemplos estudiados anteriormente.
Módulo 3
Estadística
Ejemplo 3
Construcción de una Tabla de Frecuencias para Datos Agrupados
Una micro empresa está interesada en participar en la licitación para la

fabricación de uniformes (bragas mecánicas) para el personal de
mantenimiento de la Fuerza Aérea Venezolana (FAV) y para conocer las
tallas decide medir la estatura de una muestra de 50 trabajadores
obteniendo los datos que se presentan a continuación:
1,75 1,78 1,70 1,69 1,78 1,80
1,66 1,66 1,72 1,84 1,72 1,75
1,73 1,66 1,66 1,70 1,75 1,69
1,68 1,72 1,74 1,79 1,80 1,81
1,75 1,74 1,82 1,74 1,76 1,66
Se debe construir la tabla de frecuencias para datos agrupados porque

los datos son continuos.
1. Se determina el número de intervalos más conveniente mediante

la fórmula de Stuges.
k = 1 + 3,322log(N) como son 30 datos entonces N = 30
k = 1 + 3,322log(30) = 1 + 3,322x1,4771 = 1 + 4,9069 = 5,9069 ≅ 6

intervalos.
Se hallarán el valor mínimo y máximo de los datos
Mín(X) = 1,66 y Máx(X) = 1,854
Rang(X) = 1,84 – 1,66 = 0,20
Módulo 3
Estadística
2. Ic = 0,18/6 = 0,03
3. Se comienza a construir la tabla de frecuencia partiendo del valor

mínimo de los datos que es 1,66 en este caso
𝐿𝑖 − 𝐿𝑠 𝑓𝑖 𝐹𝑎 ℎ𝑖 𝐻𝑎
1,66 - 1,69 8 8 8/30=0,2666 8/30=0,2666
1,69 - 1,72 5 13 5/30=0,1666 13/30?0,433

3
1,72 - 1,75 8 21 8/30=0,2666 21/30=0,70
1,75 - 1,78 3 24 3/30=0,1 24/30=0,80
1,78 - 1,81 4 28 4/30=0,1333 28/30=0,933

3
1,81 - 1,84 2 30 2/30 = 0,0666 30/30=1,000

0
30
● Ocho personas observadas miden entre 1,66 y 1,69 m
● Las personas que miden entre 1,66 y 1,75 m

representan 70% del total de observadas
● Los dos grupos de estatura más frecuentes son de 1,66

a 169 y de 1,72 a 1,75 con frecuencia de 8 cada una
Módulo 3
Estadística
● Esos dos intervalos de clase representan 52,23% del

total de datos, lo que viene a ser un poco más de la mitad
de los observados.
Módulo 3
Estadística
Gráficos y formas de distribución.
Aunque las tablas y los gráficos no son algo exclusivo de la estadística

descriptiva, sí que la caracterizan. En informes, en estudios e
investigaciones es muy frecuente el uso de gráficos. Nos ayudan a
mostrar la información de manera más sencilla y acotada.
Eso sí, dentro de las tablas y gráficos existe una cantidad de tipos
inmenso. A continuación se definirán algunos.
Histograma
Un histograma es una representación gráfica de una variable en forma

de barras.
Se utilizan para variables continuas o para variables discretas, con un

gran número de datos, y que se han agrupado en clases.
En el eje abscisas se construyen unos rectángulos que tienen por base la

amplitud del intervalo, y por altura, la frecuencia absoluta de
cada intervalo.
La superficie de cada barra es proporcional a la frecuencia de los valores

representados.
Módulo 3
Estadística
Ejemplo:
El peso de 65 personas adultas viene dado por la siguiente tabla:
𝐶𝑖 𝑓𝑖 𝐹𝑖
[50,60] 55 8 8
[60,70] 65 10 18
[70,80] 75 16 34
[80,90] 85 14 48
[90,100] 95 10 58
[100,110] 110 5 63
[110,120] 115 2 65
65
Módulo 3
Estadística
Histograma de frecuencias acumuladas
Si se representan las frecuencias acumuladas de una tabla de datos

agrupados se obtiene el histograma de frecuencias acumuladas.
Histogramas con intervalos de amplitud diferente
Para construir un histograma con intervalo de amplitud diferente

tenemos que calcular las alturas de los rectángulos del histograma.
Módulo 3
Estadística
Ejemplo:
En la siguiente tabla se muestran las calificaciones (suspenso, aprobado,

notable y sobresaliente) obtenidas por un grupo de 50 alumnos.
Módulo 3
Estadística
Barras
Un diagrama de barras se utiliza para presentar datos cualitativos o

datos cuantitativos de tipo discreto.
Se representan sobre unos ejes de coordenadas, en el eje de abscisas se

colocan los valores de la variable, y sobre el eje de ordenadas las
frecuencias absolutas o relativas o acumuladas.
Los datos se representan mediante barras de una altura proporcional a

la frecuencia.
Ejemplo
Un estudio hecho al conjunto de los 20 alumnos de una clase para

determinar su grupo sanguíneo ha dado el siguiente resultado:
Módulo 3
Estadística
Torta
Un diagrama de sectores se puede utilizar para todo tipo de variables,

pero se usa frecuentemente para las variables cualitativas.
Los datos se representan en un círculo, de modo que el ángulo de cada

sector es proporcional a la frecuencia absoluta correspondiente.
El diagrama circular se construye con la ayuda de un transportador de

ángulos.
Ejemplo:
En una clase de 30 alumnos, 12 juegan baloncesto, 3 practican

natación, 4 juegan fútbol y el resto no practica ningún deporte.
Módulo 3
Estadística
Módulo 3
Estadística
Medidas de Tendencia central: Moda, Media, Mediana
Las medidas de tendencia central son parámetros estadísticos que

informan sobre el centro de la distribución de la muestra o población
estadística.
A veces, tratamos con una gran cantidad de información, como variables

que presentan muchos datos o son muy dispares. Datos con muchos
decimales, de diferente signo o longitud. En estos casos, siempre es
preferible calcular medidas que nos ofrecen información resumida sobre
dicha variable. Por ejemplo, medidas que nos indiquen cuál es el valor
que más se repite.
Sin perjuicio de lo anterior, no hay que irse tan lejos. Si miramos la

siguiente tabla que muestra el salario que cobra cada uno de los
trabajadores de una empresa que fabrica cajas de cartón, tendremos lo
siguiente:
Módulo 3
Estadística
Alguien podría preguntarse, ¿cuánto gana el trabajador promedio de

esta empresa? En ese caso las medidas de tendencia central nos podrían
ayudar. Concretamente, la media. Sin embargo, a priori, lo único que
sabemos es que el número estará entre el mínimo y el máximo.
Entre las medidas de tendencia central podemos encontrarnos con las

siguientes:
Módulo 3
Estadística
Media
La media es el valor promedio de un conjunto de datos numéricos,

calculada como la suma del conjunto de valores dividida entre el
número total de valores. A continuación se muestra la fórmula de la
media aritmética:
Donde x es el valor de la observación i, y N el número total de

observaciones.
Ejemplo:
Supongamos que nuestras calificaciones en la escuela son:
N = número total de asignaturas = 4
Módulo 3
Estadística
Entonces aplicando la fórmula que acabamos de exponer, el resultado

sería:
Nuestra nota media será de un 7,5.
Mediana.
La mediana es un estadístico de posición central que parte la

distribución en dos, es decir, deja la misma cantidad de valores a un
lado que a otro. Las fórmulas propuestas no nos darán el valor de la
mediana, lo que nos darán será la posición en la que está dentro del
conjunto de datos. Las fórmulas que indica la posición de la mediana en
la serie son las siguientes:
● Cuando el número de observaciones es par:
Mediana = (n+1) / 2 → Media de las posiciones observaciones
● Cuando el número de observaciones es impar:
Mediana = (n+1) / 2 → Valor de la observación
Ejemplo:
Imaginemos que tenemos los siguientes datos:
2,4,12,6,8,14,16,10,18.
Módulo 3
Estadística
En primer lugar los ordenamos de menor a mayor con lo que tendríamos

lo siguiente:
2,4,6,8,10,12,14,16,18.
Pues bien, el valor de la mediana, como indica la fórmula, es aquel que

deje la misma cantidad de valores tanto a un lado como a otro. ¿Cuántas
observaciones tenemos? 9 observaciones. Calculamos la posición con la
fórmula de la mediana correspondiente.
Mediana = 9+1 / 2 = 5
¿Qué quiere decir este 5? Nos dice que el valor de la mediana, se

encuentra en la observación cuya posición es la quinta.
Por lo tanto la mediana de esta sería de datos sería el número 10, ya

que está en la quinta posición. Además, podemos comprobar como tanto
a la izquierda del 5 hay 4 valores (2, 4, 6 y 8) y a la derecha del 10 hay
otros 4 valores (12, 14, 16 y 18).
Moda
La moda es el valor que más se repite en una muestra estadística o

población. No tiene fórmula en sí mismo. Lo que habría que realizar es
la suma de las repeticiones de cada valor. Por ejemplo, ¿cuál es la moda
de la siguiente tabla de salarios?
Módulo 3
Estadística
La moda sería 1.236€. Si vemos los salarios de los 10 trabajadores,

veríamos que 1.236€ se repite en tres ocasiones
Medidas de Dispersión
Las medidas de dispersión tratan, a través del cálculo de diferentes

fórmulas, de arrojar un valor numérico que ofrezca información sobre el
grado de variabilidad de una variable.
En otras palabras, las medidas de dispersión son números que indican si

una variable se mueve mucho, poco, más o menos que otra. La razón de
ser de este tipo de medidas es conocer de manera resumida una
característica de la variable estudiada. En este sentido, deben
acompañar a las medidas de tendencia central. Juntas, ofrecen
información de un sólo vistazo que luego podremos utilizar para
comparar y, si fuera preciso, tomar decisiones.
Módulo 3
Estadística
Las medidas de dispersión más conocidas son: el rango, la varianza, la

desviación típica y el coeficiente de variación (no confundir
con coeficiente de determinación). A continuación veremos estas cuatro
medidas.
Rango
El rango es un valor numérico que indica la diferencia entre el valor

máximo y el mínimo de una población o muestra estadística. Su fórmula
es:
R = Máxx – Mínx
Donde:
● R → Es el rango.
● Máx → Es el valor máximo de la muestra o población.
● Mín → Es el valor mínimo de la muestra o población estadística.
● x → Es la variable sobre la que se pretende calcular esta medida.
Ejemplo:
Supongamos que tenemos una empresa que produce microchips para

luego venderlos a las principales marcas de computadoras. Esta
empresa encarga a un economista que realice un estudio sobre la
evolución de las ventas (últimos 4 años) para, posteriormente, ofrecer
consejos que mejoren los resultados empresariales. Entre otras muchas
métricas, se pide que se calcule el rango de producción de microchips. A
continuación se muestra la siguiente tabla de datos:
Módulo 3
Estadística
Mes 1 44.347
Mes 2 12.445
Mes 3 26.880
Mes 4 23.366
Mes 5 42.464
Mes 6 15.480
Mes 7 21.562
Mes 8 11.625
Mes 9 39.496
Mes 10 39.402
Mes 11 47.699
Mes 12 44.315
Mes 13 29.581
Mes 14 44.320
Mes 15 35.264
Módulo 3
Estadística
Mes 16 10.124
Mes 17 43.520
Mes 18 26.360
Mes 19 19.534
Mes 20 30.755
Mes 21 37.327
Mes 22 15.832
Mes 23 33.919
Mes 24 29.498
Mes 25 46.136
Mes 26 18.007
Mes 27 36.339
Mes 28 27.696
Mes 29 47.413
Mes 30 47.636
Módulo 3
Estadística
Mes 31 20.978
Mes 32 49.079
Mes 33 40.668
Mes 34 45.932
Mes 35 40.454
Mes 36 46.132
Mes 37 35.054
Mes 38 11.906
Mes 39 22.532
Mes 40 43.045
Mes 41 45.074
Mes 42 16.505
Mes 43 27.336
Mes 44 37.831
Mes 45 29.757
Módulo 3
Estadística
Mes 46 37.765
Mes 47 22.237
Mes 48 38.601
MÁXIMO 49.079
MÍNIMO 10.124
RANGO 38.955
El mes que más microchips produjo la empresa (MÁXIMO) fue el mes 32

con 49.079 microchips producidos. Por su parte, el momento que menos
microchips produjo tuvo lugar en el mes 16 con 10.124 microchips
producidos. Por tanto, el rango estadístico que es la diferencia
(49.079-10.124) se sitúa en 38.955.
¿Cómo se interpreta esto? Esto quiere decir, que durante los últimos 4
años la variación máxima que ha habido ha sido de 38.955 microchips
producidos. Gráficamente podemos verlo del siguiente modo:
Módulo 3
Estadística
El punto verde es el máximo, el punto rojo el mínimo y la línea

discontinua amarilla situada a la derecha es la diferencia. Esto es, el
rango.
Rango intercuartílico
El rango intercuartílico es una medida de dispersión de un conjunto de

datos que expresa la diferencia o la distancia entre el primer y el tercer
cuartil.
En otras palabras, el rango intercuartílico es la diferencia entre el

penúltimo y el primer cuartil de una distribución utilizada en el
diagrama de caja. Generalmente utilizado en el diagrama de caja que
utiliza la mediana como medida central.
La forma abreviada de nombrar al rango intercuartílico es RIC o RQ.
Módulo 3
Estadística
El rango intercuartil utiliza la mediana como medida central. Entonces,

el resultado del rango intercuartil será próximo a la mediana o segundo
cuartil (Q2) si hay pocos valores extremos.
El rango intercuartil está considerado un estadístico robusto por su baja

exposición a valores extremos. Esto es debido a que solo se consideran
las observaciones entre el tercer cuartil y el primer cuartil. Todas las
observaciones fuera de ese rango quedan excluidas del cálculo y, por
tanto, solo se tienen en cuenta las observaciones más cercanas a la
mediana, es decir, al segundo cuartil.
La presencia de varios valores extremos entre el primer y el tercer

cuartil hará aumentar mucho el rango intercuartílico y también la
mediana, pero a una tasa menor. Esta situación es poco probable dado
que los datos muy extremos tienden a ser poco comunes.
Sabiendo que el rango intercuartil es la diferencia entre el tercer cuartil

(Q3) y el primer cuartil (Q1), entonces, simplemente tenemos que hacer
la diferencia entre ambos valores.
RIC = Q3 – Q1
Para recordar esta medida estadística de forma sencilla y rápida,

tenemos que pensar en intercuartílico. Intercuartílico significa entre
cuartiles y rango lo entendemos como distancia entre dos puntos.
Entonces, podemos entender rango intercuartílico como distancia o
diferencia entre dos cuartiles. Estos dos cuartiles son el tercer cuartil
(Q3) y el primer cuartil (Q1)
Módulo 3
Estadística
Ejemplo:
Suponemos que queremos calcular el rango intercuartílico y la

desviación del número de ciclistas que pasan por delante de nuestra
casa durante el año.
1. Primero, contamos los ciclistas y recogemos la información en una

tabla.
2. Segundo, calculamos los cuartiles que necesitamos para calcular el

rango intercuartil.
Q3 = 525
Q1 = 200
RIC = Q3 – Q1 = 525 – 200 = 325
El rango intercuartílico de este conjunto de datos es 325. Cuanto mayor

es el rango intercuartílico, mayor la dispersión entre los datos.
Módulo 3
Estadística
Varianza
La varianza es una medida de dispersión que representa la variabilidad

de una serie de datos respecto a su media. Formalmente se calcula
como la suma de los residuos al cuadrado divididos entre el total de
observaciones. Su fórmula es la siguiente:
● X → Variable sobre la que se pretenden calcular la varianza
● xi → Observación número i de la variable X. i puede tomará valores

entre 1 y n.
● N → Número de observaciones.
● x̄ → Es la media de la variable X.
Ejemplo:
Si tuviésemos datos sobre los salarios de un conjunto de personas en

euros, el dato que arroja la varianza sería en euros cuadrados. Para que
Módulo 3
Estadística
tenga sentido la interpretación calcularíamos la desviación típica y

pasaríamos el dato a euros.
1. Desviación -> (2-3) = -1
2. Desviación -> (4-3) = 1
3. Desviación -> (2-3) = -1
4. Desviación -> (4-3) = 1
5. Desviación -> (2-3) = -1
6. Desviación -> (4-3) = 1
Si sumamos todas las desviaciones el resultado es cero.
Desviación Estándar o típica.
La desviación típica es otra medida que ofrece información de la

dispersión respecto a la media. Su cálculo es exactamente el mismo que
la varianza, pero realizando la raíz cuadrada de su resultado. Es decir, la
desviación típica es la raíz cuadrada de la varianza.
Módulo 3
Estadística
● xi → Observación número i de la variable X. i puede tomar

valores entre 1 y n.
● N → Número de observaciones.
● x̄ → Es la media de la variable X.
Ejemplo:
Vamos a comprobar como, con cualquiera de las dos fórmulas expuestas,

el resultado de la desviación típica o desviación media es el mismo.
Según la fórmula de la varianza (raíz cuadrada):
𝑁
2
∑(𝑋𝑖−𝑋)
𝑖
𝑎= 𝑁
2 2 2 2 2 2
(2−3) +(4−3) +(2−3) +(4−3) (2−3) +(4−3)
= 6
1+1+1+1+1+1 6
= 6
= 6
= 1= 1
Según la fórmula del valor absoluto:

𝑁
|
∑ 𝑋𝑖−𝑋
𝑖
|
σ= 𝑁
|2−3|+|4−3|+|2−3|+|4−3|+|2−3|+|4−3|
= 6
Módulo 3
Estadística
|−1| + |1| + |−1| + |1| + |−1| + |1|

= 6
1+1+1+1+1+1
= 6
=1
Tal como dictaba el cálculo intuitivo. La desviación media es de 1. Pero,
¿no habíamos dicho que la fórmula del valor absoluto y de la desviación
típica daban valores diferentes? Así es, pero hay una excepción. El único
caso en que la desviación estándar y la desviación respecto de la media
ofrecen el mismo resultado es el caso en que todas las desviaciones son
igual a 1.
Coeficiente de Variación
El coeficiente de variación, también denominado como coeficiente de

variación de Pearson, es una medida estadística que nos informa acerca
de la dispersión relativa de un conjunto de datos.
Su cálculo se obtiene de dividir la desviación típica entre el valor

absoluto de la media del conjunto y por lo general se expresa en
porcentaje para su mejor comprensión.
● σx → Desviación típica de la variable X.
● | x̄ | → Es la media de la variable X en valor absoluto con x̄ ≠ 0
El coeficiente de variación se utiliza para comparar conjuntos de datos

pertenecientes a poblaciones distintas. Si atendemos a su fórmula,
Módulo 3
Estadística
vemos que este tiene en cuenta el valor de la media. Por lo tanto, el

coeficiente de variación nos permite tener una medida de dispersión que
elimine las posibles distorsiones de las medias de dos o más
poblaciones.
Ejemplo:
Pensemos en una población de elefantes y otra de ratones. La población

de elefantes tiene un peso medio de 5.000 kilogramos y una desviación
típica de 400 kilogramos. La población de ratones tiene un peso medio
de 15 gramos y una desviación típica de 5 gramos. Si comparáramos la
dispersión de ambas poblaciones mediante la desviación típica
podríamos pensar que hay mayor dispersión para la población de
elefantes que para la de los ratones.
Sin embargo al calcular el coeficiente de variación para ambas

poblaciones, nos daríamos cuenta que es justo al contrario.
Elefantes: 400/5000=0,08
Ratones: 5/15=0,33
Si multiplicamos ambos datos por 100, tenemos que el coeficiente de

variación para los elefantes es de apenas un 8%, mientras que el de los
ratones es de un 33%. Como consecuencia de la diferencia entre las
poblaciones y su peso medio, vemos que la población con mayor
dispersión, no es la que tiene una mayor desviación típica.
Estandarización de Datos
La normalización estadística es la transformación de escala de la

distribución de una variable con el objetivo de poder hacer
comparaciones respecto a conjuntos de elementos y a la media
mediante la eliminación de los efectos de influencias.
Módulo 3
Estadística
En otras palabras, la normalización son proporciones sin unidades de

medida (adimensionales o invariantes de escala) que nos permiten
poder comparar elementos de distintas variables y distintas unidades de
medida.
En estadística y econometría se emplean tablas de distribución de

probabilidad tipificadas para encontrar la probabilidad que tome una
observación dada la función distribución que siga la variable.
Es importante no limitar el término de normalización sólo a conjuntos

de elementos donde la distribución normal sea una buena aproximación
a su frecuencia
En la siguiente tabla se detallan las normalizaciones más comunes en

estadística aplicada a las finanzas y economía.
● La puntuación tipificada o estándar normaliza los errores cuando

podemos calcular los parámetros muestrales.
● La normalización en la distribución T de Student normaliza los

residuos cuando los parámetros son desconocidos y hacemos una
estimación para obtenerlos.
● El coeficiente de variación utiliza la media como medida de escala a

diferencia de la puntuación tipificada y la T de Student que utilizan
Módulo 3
Estadística
la desviación estándar. La distribución se normaliza para las

distribuciones de Poisson y exponencial.
● El momento estandarizado puede aplicarse a cualquier distribución

de probabilidad que tenga una función generadora de momentos. En
otras palabras, que las integrales de los momentos sean
convergentes.
Módulo 3
Estadística
¿Cuántas veces hemos leído que la distribución de probabilidad normal

parece una buena aproximación a la frecuencia de las observaciones y
nos piden encontrar la probabilidad de que la variable X tome un valor
concreto?
En otras palabras, establecemos X~N(μ,σ2), y nos piden encontrar P(X ≤

xi)
Sabemos que para encontrar P(X ≤ xi), necesitamos buscar la

probabilidad en las tablas de distribución de probabilidad. En este caso,
en las tablas de la distribución de la distribución normal. Las tablas de
distribución de probabilidad más usadas en econometría y finanzas
cuantitativas son: ji-cuadrado, t de Student, F de Fisher-Snedecor,
Poisson, exponencial, cauchy y la normal estándar.
Las probabilidades calculadas en las tablas de distribución cumplen la

propiedad:
Es decir, las probabilidades (los números dentro de la tabla) están

tipificadas. Entonces, tendremos que tipificar también nuestra variable
según los parámetros de la función de distribución si queremos
encontrar la probabilidad de P(X ≤ xi).
Módulo 3
Estadística
Ejemplo:
Queremos saber la probabilidad de que el número de esquiadores que

vayan a esquiar un viernes por la mañana sea de 288.
La estación de esquí nos dice que la frecuencia de la variable

esquiadores puede aproximarse a una distribución normal de media 280
y varianza 16.
Entonces, tenemos:
X~N(μ,σ2)
Donde X la definimos como la variable ‘esquiadores’
Nos piden, la probabilidad de que el número de esquiadores que van a

esquiar un viernes sea menor o igual que 288. Es decir:
P(X ≤ 288)
Procedimientos:
Para buscar la probabilidad de que el número de esquiadores sea igual a

288, primero tenemos que tipificar la variable.
Módulo 3
Estadística
Luego miramos la tabla de distribución de la normal estándar continua:
La probabilidad de que un viernes por la mañana 288 esquiadores vayan

a esquiar es de 97,72% dados los parámetros media y varianza.
Módulo 3
Estadística
Referencias
[1] Estadística Descriptiva.
https://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descr
iptiva.pdf
[2] Tipos de Gráficos
http://soy-staff.blogspot.com/2015/10/estadistica-descriptiva-graficas.ht
ml
[3]Medidas de Tendencia central
https://economipedia.com/definiciones/media.html
[4] Medidas de dispersión
https://www.youtube.com/watch?v=AbN977Xd96k
[5] Teorema de Cherbyshev
https://www.teorema.top/teorema-de-chebyshev/
Módulo 3
Estadística
Módulo 3
Estadística

LECTURA AE1 Modulo 3

Cargado por

Copyright:

Formatos disponibles

LECTURA AE1 Modulo 3

Cargado por

Información del documento

Título original

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

LECTURA AE1 Modulo 3

Cargado por

Copyright:

Formatos disponibles

Módulo 3

Análisis Exploratorio y Programación

La estadística descriptiva es una disciplina que se encarga de recoger,

La estadística descriptiva es, junto con la inferencia estadística o

Con esta idea nace la estadística descriptiva, con la de recoger datos,

información sobre un determinado asunto. Adicionalmente, nos ofrecen

Un ejemplo de estadística descriptiva sería cuando queremos calcular la

También podríamos decir, por ejemplo, que el 30% de los compañeros

Tipos de Variables estadísticas

Una variable estadística es una característica de

Cuando hablamos de variable estadística estamos hablando de una

variable sería el color de ojos y sería una variable cualitativa. Es decir,

Aunque hay decenas de tipos de variables estadísticas, por norma

● Variable cuantitativa: Son variables que se expresan numéricamente.

● Variable continua: Toman un valor infinito de valores entre un

● Variable discreta: Toman un valor finito de valores entre un

● Variable cualitativa: Son variables que se expresan, por norma general,

● Variable ordinal: Expresa diferentes niveles y orden. Por ejemplo,

● Variable nominal: Expresa un nombre claramente diferenciado. Por

Adicionalmente, también debemos aclarar que el hecho que las

en otros casos, podríamos también convertir variables dicotómicas que

Matrices de Datos y tablas de frecuencia.

Una cosa es escribir un diario en una libreta y otra cosa es recopilar

Si ya están metidos en el computador, en el formato que sea: csv, excel,

Es decir, si los datos ya están en algún formato digital, lo mejor es que

La matriz de datos ideal debe ser:

● Única (no siempre es posible, pero debe intentarse).

● Rectangular (todas las casillas deberían estar llenas)

● Las columnas son Variables.

● Las filas son observaciones.

● No debe tener variables obtenidas a partir de cálculos con otras

● No debe tener fórmulas, ni cálculos, ni pre-análisis, en la matriz de

● No debe haber información en los formatos. Los colores o negritas de

● Formato csv, o en su defecto xlsx u ods.

Una cosa importante, NUNCA juntes celdas, ni de la misma fila, ni de la

Tipos de tablas de Frecuencia.

Las frecuencias son el número de veces que se repite un valor

Los tipos de frecuencia pueden ser, Frecuencia Absoluta, Frecuencia

Frecuencia Se define como el número de

Frecuencia Es la suma o acumulación de las

Frecuencia Es la proporción que representa fi en el

Frecuencia Es la acumulación o suma de las

𝐻2 = ℎ1 + ℎ2, 𝐻3 = ℎ1 + ℎ2 + ℎ3, etc.

𝑋𝑛 𝑓𝑛 (𝑓1 + 𝑓2 + 𝑓3 +... + 𝑓𝑛) =ℎ𝑛 (ℎ1 + ℎ2 + ℎ3 +... + ℎ𝑛) =

Se visitaron varias viviendas de una comunidad ubicada al sur de

Respiratori Eruptiva Respiratori Infección Respiratori Eruptiva

Dengue Diarrea Respiratori Eruptiva Eruptiva Diarrea

Dengue Respiratoria Respiratori Respiratori Eruptiva Respiratori

Eruptiva Eruptiva Diarrea Infección Eruptiva Diarrea

Dengue Respiratoria Diarrea Eruptiva Respiratori Respiratori

Respiratoria 11 11 11/30 = 0, 36666 11/30 = 0, 36666

Eruptiva 9 20 9/30 = 0, 3 20/30 = 0, 6666

Infección 2 22 2/30 = 0, 0666 22/30 = 0, 7333

Diarrea 5 27 5/30 = 0, 1666 27/30 = 0, 90

Dengue 3 30 3/30 = 0, 1 30/30 = 1, 00

De los datos ordenados en la tabla de frecuencias se puede obtener la

● Se observó una muestra de 30 niños de la comunidad.

● De ellos 11 presentan enfermedades Respiratorias, 9 Eruptivas, 2

● La mayoría de los niños enfermos se deben a enfermedades