CAP01 Estadística Descriptiva

Probabilidad y Estadística - 2023-A
Sección 1: Estadística Descriptiva
Preparado por:
Cátedra de Probabilidad y Estadística - EPN

0. Í NDICE GENERAL
1 Organización y Descripción de datos estadísticos 3
1.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Definiciones Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Definiciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Variables y Atributos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Tablas de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Representaciones gráficas para variable cuantitativa de datos sin agrupar . . . 11
1.3.3 Representaciones gráficas para variable cuantitativa de datos agrupados . . . . 12
1.3.4 Representaciones gráficas para variables cualitativas . . . . . . . . . . . . . . . 13
1.3.5 Medidas tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.6 Medidas de dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.7 Medidas de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2
1. O RGANIZACIÓN Y D ESCRIPCIÓN DE DATOS ESTADÍSTICOS
R ESULTADOS DE APRENDIZAJE
C ONOCIMIENTOS
1. Analizar la base conceptual de la estadística descriptiva.
D ESTREZAS
1. Usar herramientas informáticas para el análisis estadístico de datos
2. Aplicar los conocimientos de técnicas y métodos de la Estadística Descriptiva.
VALORES Y APTITUDES
1. Demostrar capacidad de auto aprendizaje
2. Demostrar responsabilidad en el cumplimiento de sus obligaciones
1.1. I NTRODUCCIÓN
La estadística resulta fundamental para conocer el comportamiento de ciertos eventos, por lo que
ha adquirido un papel clave en la investigación. Se usa como un valioso auxiliar y en los diferentes
campos del conocimiento y en las variadas ciencias. Es un lenguaje que permite comunicar informa-
ción basada en datos cuantitativos.
Es tan importante que casi no existe actividad humana en que no esté involucrada la Estadística.
Las decisiones más importantes de nuestra vida se toman con base en la aplicación de la Estadística.
Pongamos algunos ejemplos.
La estadística es de gran importancia en la investigación científica debido a que:
Permite una descripción más exacta.
Nos obliga a ser claros y exactos en nuestros procedimientos y en nuestro pensar.
Permite resumir los resultados de manera significativa y cómoda.
3
Probabilidad y Estadística CAPÍTULO 1. ESTADÍSTICA DESCRIPTIVA
Nos permite deducir conclusiones generales.
La evolución de la estadística ha llegado al punto en que su proyección se percibe en casi todas las
áreas de trabajo. También abarca la recolección, presentación y caracterización de información para
ayudar tanto en el análisis e interpretación de datos como en el proceso de la toma de decisiones. La
estadística es parte esencial de la forma profesional, es hasta cierto punto una parte necesaria para
toda profesión.
1.2. D EFINICIONES G ENERALES
1.2.1.- E STADÍSTICA
El vocablo Estadística deriva etimológicamente del latín “status”, que significa estado o situación,
ya que en el principio los principales usos de la estadística provinieron de la motivación de los gober-
nantes y los imperios de conocer la extensión de sus dominios, riquezas y su población (conocer el
estado de su gobierno). Imperios como el griego, egipcio y el romano realizaban censos de población
cada cierto tiempo con los cuales recopilan grandes cantidades de datos relativos a su población, su-
perficie, posesiones agrícolas y ganaderas, así como también de las riquezas de todos los territorios
bajo su control, generalmente con carácter militar o fiscal para la recaudación de impuestos. Luego,
con el paso del tiempo en los siglos XVIII y XIX científicos importantes de la época como Copérnico,
Galileo, entre otros, contribuyen al desarrollo de lo que se conoce como el método científico y con
la implantación del mismo la estadística se convierte en un factor protagonista de la investigación
y generación de gran parte de todo el conocimiento que ahora tenemos. En el presente, una de las
características fundamentales de la estadística es su transversalidad a través de todas las áreas de
la ciencia, ya que su metodología es aplicable al estudio de muchas disciplinas tales como la física,
economía, sociología, etc. La estadística aplicada adecuadamente nos ayuda a obtener conclusiones
relevantes para el estudio de todo tipo de fenómenos observables que pueden ser medidos. Así pues,
la estadística aparece, a lo largo de la historia como un poderoso instrumento utilizado por gobiernos
e instituciones o como elemento auxiliar de las distintas ciencias, ayudando a estas a desentrañar las
grandes preguntas que la curiosidad del ser humano siempre ha perseguido; es decir: qué variables
intervienen en un fenómeno, qué leyes rigen el comportamiento de las mismas y qué relación de
dependencia hay entre ellas.
Definición de Estadística
En la actualidad, podemos definir, en general, a la estadística como la ciencia que trata de la

recopilación, organización, presentación, análisis e interpretación de datos que intervienen en un
fenómeno, con el fin de realizar una adecuada descripción del mismo y así poder inferir, predecir
resultados, comportamientos o tomar decisiones con respecto al fenómeno que se está investigando.
Ramas de la estadística
Dentro de la estadística se distinguen dos ramas fundamentales:
Estadística Descriptiva: Es la parte de la estadística que incluye todos los métodos de recolec-
4 1.2. DEFINICIONES GENERALES

CAPÍTULO 1. ESTADÍSTICA DESCRIPTIVA Probabilidad y Estadística
ción, organización, resumen y presentación de un conjunto de datos. Se trata principalmente

de describir las características fundamentales de los datos y para ellos se suelen utilizar indica-
dores, gráficos y tablas; también se la conoce como el análisis exploratorio de datos.
Estadística Inferencial: Es la parte de la estadística que incluye todos los métodos utilizados
para poder hacer predicciones, generalizaciones y obtener conclusiones a partir de los datos
obtenidos de la observación de algún fenómeno, usa como punto de partida el análisis descrip-
tivo de las muestras con observaciones del fenómeno investigado y en base a los resultados
de este análisis poder deducir aspectos generales del fenómeno en sí, mediante el uso de estos
métodos.
Ejemplo de uso de la estadística
La estadística es ampliamente utilizada en muchas áreas de la ciencia, por ejemplo, en el análisis

económico algunos ejemplos de su uso son:
Elaboración de indicadores macroeconómicos.
Predicciones acerca del comportamiento futuro de la demanda de productos o servicios.
Organizar y presentar datos económicos como: la evolución de los precios, el PIB, etc.
En la epidemiología, por ejemplo: para estudiar la distribución de las enfermedades y los posi-
bles factores de riesgos asociados.
En el área de la salud, por ejemplo: el uso de estadísticas sanitarias para saber la razón de la
muerte de las personas o cuales son las causas de enfermedades y traumatismos. Para abordar
de mejor manera los problemas de salud y priorizar el uso de recursos sanitarios muy valio-
sos. Para conocer las problemáticas de salubridad presentes en una comunidad, los factores de
riesgo o predisposición a ciertas patologías y en la búsqueda de las respuestas a las mismas.
1.2.2.- D EFINICIONES GENERALES
Población: Conjunto o colección de objetos al que está referido un estudio estadístico. Puede es-
tar constituida por cualquier tipo de elemento, es decir, por personas, pero también por objetos
de cualquier tipo de naturaleza.
Muestra: Cualquier subconjunto de una población. Si los elementos que componen la muestra
son elegidos aleatoriamente y todos los elementos tienen la misma probabilidad de ser elegidos,
entonces se trata de una muestra aleatoria simple.
Individuo: Cada uno de los elementos que forman parte de la población, pudiendo ser algo
con existencia real, como una persona, un automóvil o una casa, o algo más abstracto como la
temperatura, una opinión, un voto o un sentimiento.
Variable: Cualquier característica o propiedad que pueda ser estudiada en todos los elementos
de la población, tales como el sexo, la edad, estatura, peso, color de pelo, nivel de estudios,
entre otras.
1.2. DEFINICIONES GENERALES 5

Ejemplo 1. En la siguiente tabla se observa algunos ejemplos de las definiciones planteadas.
Población Muestra Individuo Variable

Los libros de 20 libros de Cada libro Costo de sustitución
una biblioteca la biblioteca Área de estudio
Frecuencia de salida
Personas mayores de 2000 personas Cada persona que pertenece Estatura
18 años usadas en el estudio a la población adulta Peso
Alumnos inscritos 3000 estudiantes Cada estudiante Promedio
en la universidad usados en el estudio Número de créditos
Facultad
1.2.3.- VARIABLES Y ATRIBUTOS
Variable estadística es toda característica medible objeto de nuestro estudio en los elementos de
la muestra y que puede tomar un conjunto de valores.
Variables Cualitativas, Categóricas o Atributos: Son aquellas variables que no pueden ser des-
critas numéricamente. Se utiliza la palabra, el sustantivo, adjetivo y adverbio fundamentalmente, se
clasifican en:
Ordinales: Sugieren una ordenación o son susceptibles de ella; por ejemplo, el grado militar, el
nivel de estudios, grado de satisfacción, entre otras.
Nominales: Si sólo admiten una mera ordenación alfabética, pero no establece orden por su
6 1.2. DEFINICIONES GENERALES

naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.
Variables Cuantitativas o Numéricas: Son las que pueden ser descritas por medio de números,
pudiendo ser:
Cuantitativas discretas: Aquellas a las que se les puede asociar un número entero, es decir,
aquellas que por su naturaleza no admiten un fraccionamiento de la unidad, por ejemplo, nú-
mero de hermanos, páginas de un libro, etc.
Cuantitativas continuas: Aquellas que por su naturaleza admiten que entre dos valores cuales-
quiera la variable pueda tomar cualquier valor intermedio, por ejemplo, peso, altura, tiempo,
etc.
Para observar algunos ejemplos se puede revisar el siguiente enlace (Variables).
El valor cero de la variable cualitativa representa ausencia del atributo que se mide, y solo en este
caso se tiene la propiedad de la proporcionalidad.
Un valor atípico es una observación extrañamente grande o pequeña. Los valores atípicos pue-
den tener un efecto desproporcionado en los resultados estadísticos, como la media, lo que puede
conducir a interpretaciones engañosas.
1.3. A NÁLISIS DE DATOS
En estadística descriptiva se tienen tres formas generales para presentar un conjunto de datos y
estas son: en forma de datos individuales, en forma de datos agrupados y mediante representaciones
gráficas.
Datos individuales: Cuando los datos se presentan explícitamente como una lista de valores.
Datos agrupados: Cuando los datos están presentados mediante tablas, como en una tabla de
frecuencias.
Representaciones gráficas: Cuando un conjunto de datos se presentan gráficamente mediante

histogramas, diagramas de barra, etc.
1.3.1.- TABLAS DE FRECUENCIAS
Una tabla de frecuencias o distribución de frecuencias es una herramienta que se emplea para
resumir, mediante una tabla, numerosos datos de manera que se ponga de manifiesto la localización y
la dispersión de las observaciones. Con una tabla de frecuencias se pueden resumir datos categóricos,
nominales u ordinales. Si los datos son continuos se pueden resumir utilizando la misma técnica una
vez que se los ha dividido mediante intervalos de clase.
Una tabla de frecuencias consta de dos columnas, en la primera se especifican los valores distintos
en los datos (xi ) de forma ascendente y en la segunda la frecuencia absoluta con la que aparecieron
dichos valores ( f i ).
1.3. ANÁLISIS DE DATOS 7

A partir de la frecuencia absoluta, suelen construirse otras estadísticas, como:
La frecuencia relativa ( f r ), que consiste simplemente en presentar la frecuencia absoluta en

términos porcentuales. Considerando como el cien por ciento al tamaño de la muestra (N).
La frecuencia absoluta acumulada (F), que consiste en ir realizando una suma acumulada de
las frecuencias absolutas a través de las categorías, ya sea en forma ascendente o descendente.
Y, de una forma similar se puede construir también la frecuencia relativa acumulada (Fr ).
Ejemplo 2. Supongamos que el número de hijos de una muestra de 20 familias es el siguiente:
2 1 1 3 1 2 5 1 2 3
4 2 3 2 1 4 2 3 2 1
Realizar el análisis descriptivo.
Solución. Ahora vamos a proceder a realizar un análisis descriptivo del comportamiento del número
de hijos por familia, tenemos que el tamaño de la muestra es N = 20, para resumir el conjunto de
datos individuales utilizaremos una tabla de frecuencias, podemos ver que el menor número de hijos
que se observó fue de 1 y el máximo 5; por lo tanto, el rango es 5 − 1 = 4, de aquí:
. .
xi f i fri = f i N Fi Fri = Fi N
1 6 0.30 6 0.30
2 7 0.35 13 0.65
3 4 0.20 17 0.85
4 2 0.10 19 0.95
5 1 0.05 20 1.00
Donde
i i
Fi = ∑ fm y Fri = ∑ f rm .
m =1 m =1
Agrupamiento mediante intervalos de clase
Si el número de valores distintos que toma la variable estadística X es demasiado grande o la

variable es continua, se realiza un agrupamiento de los datos en intervalos y se hace un recuento del
número de observaciones que caen dentro de cada uno de ellos. Para agrupar los datos mediante
intervalos de clase no existe un único procedimiento y la forma en como se construyen estos inter-
valos depende básicamente de los objetivos de la investigación, sin embargo, aquí se especifica un
procedimiento que se puede seguir para realizar este agrupamiento:
1. Determinar el recorrido o rango, de los datos.
2. Decidir el número k de intervalos de clase en que se van a agrupar los datos, 5 6 k 6 20.
√
Una regla que a veces se suele seguir es elegir k = N.
8 1.3. ANÁLISIS DE DATOS

3. Determinar la amplitud A (constante) de cada intervalo.
Rango
A=
k
En la práctica, la amplitud de los intervalos no necesariamente tiene que ser igual. Si un in-
tervalo de clase carece de datos es recomendable reorganizar la amplitud de los intervalos de
clase.
4. Determinar los extremos de los intervalos de clase.
Límite inferior: Li
Límite superior: Li+1 = Li + A
por convención los intervalos se definirán de la siguiente forma [ Li − Li+1 ), se incluye el extre-
mo inferior y el extremo superior no se incluye.
5. Calcular las marcas o puntos medios de clase de cada intervalo: mi
L i + L i +1
mi =
2
Finalmente, la distribución de frecuencias en intervalos de clase tendría la siguiente estructura:
[ L i − L i +1 ) mi fi f ri Fi Fri
[ L1 − L2 ) m1 f1 f r1 F1 Fr1
[ L2 − L3 ) m2 f2 f r2 F2 Fr2
.. .. .. .. .. ..
. . . . . .
[ L k − L k +1 ] mk fk f rk Fk Frk
De lo anterior podemos notar que:
1. Frecuencias absolutas f i :
k
0 6 fi 6 N y ∑ fi = N.
i =1
2. Frecuencias relativas f ri :
k
fi
f ri = ; 0 6 f ri 6 1 y ∑ fr i
= 1.
N i =1
3. Frecuencias absolutas acumuladas Fi
Fi = Fi−1 + f i ; F1 = f 1 y Fk = N.
4. Frecuencias relativas acumuladas Fri
Fi
Fri = ; Fri = Fri−1 + f ri ; Fr1 = f r1 y Frk = 1.
N

Ejemplo 3. En la siguiente tabla se listan los datos medidos por James Short en 1763 sobre el paralaje
del Sol en segundos de arco. El paralaje es el ángulo subtendido por la Tierra vista desde el Sol. Se
midió observando tránsitos de Venus desde diferentes posiciones y permitió la primera medida de la
distancia Tierra-Sol, que es la unidad básica de la escala de distancias en el Sistema Solar (la unidad
astronómica).
Datos (en segundos de arco):
8.63 10.16 8.50 8.31 10.80 7.50 8.12

8.42 9.20 8.16 8.36 9.77 7.52 7.96
7.83 8.62 7.54 8.28 9.32 7.96 7.47
Resumir este conjunto de datos agrupándolos mediante intervalos de clase.
En este caso, tenemos un conjunto de datos continuos, y procedemos de la siguiente manera:
1. Rango = xmáx − xmín = 10.80 − 7.47 = 3.33.

√
2. Número de intervalos: k = 21 = 4.53, luego, k = 5. Como se redondea por exceso, la am-
plitud del intervalo multiplicada por el número de intervalos será mayor que el recorrido y no
tendremos problemas en los extremos.
3. Amplitud del intervalo: 3.33/5 = 0.666, en consecuencia, tomemos la amplitud igual a 0.7.
Si tomamos L1 = 7.47 entonces el último extremo será 7.47 + (5 × 0.7) = 10.97 que resulta ser
mayor que 10.80 (máximo). Ahora ya podemos calcular los extremos para cada intervalo de
clase y las marcas de clase correspondientes.
4. Recuento y construcción de la tabla,
L i − L i +1 mi fi f ri Fi Fri
[7.47 − 8.17) 7.82 9 0.429 9 0.429
[8.17 − 8.87) 8.52 7 0.333 16 0.762
[8.87 − 9.57) 9.22 2 0.095 18 0.857
[9.57 − 10.27) 9.92 2 0.095 20 0.952
[10.27 − 10.97) 10.62 1 0.048 21 1
Total 21 1
donde, el primer intervalo [7.47 − 8.17) y su punto medio se determinan así:
L1 = xmín = 7.47
L2 = 7.47 + 0.7 = 8.17
7.47 + 8.17
m1 = = 7.82
2
de la misma forma se determinan límites inferior, superior y punto medio para cada intervalo.
Se cuenta el número de observaciones para cada intervalo y se ubica como frecuencia absoluta
de cada intervalo.

1.3.2.- R EPRESENTACIONES GRÁFICAS PARA VARIABLE CUANTITATIVA DE DATOS SIN AGRUPAR
Diagrama de puntos
Un diagrama de puntos es una gráfica utilizada para ilustrar un número reducido de datos, la
cual permite identificar con facilidad dos características:
La localización de los datos.
La dispersión o variabilidad de los datos.
Diagrama de barras
Se utiliza para representar datos de VARIABLES DISCRETAS.
Se representan en el eje de abscisas los distintos valores de la variable.
Sobre cada uno de estos valores se levanta una barra de longitud igual a la frecuencia corres-
pondiente.
Se pueden representar tanto las frecuencias absolutas ni como las relativas f i .
Polígono de frecuencias
Se obtiene uniendo con rectas los extremos superiores de las barras del diagrama anterior.
Ejemplo 4. En el ejemplo 2, del número de hijos por familia, la representación gráfica mediante un
diagrama de puntos es la siguiente:
b
b b
b b
b b b
b b b
b b b b
b b b b b
i i i i i i
0 1 2 3 4 5
Figura 1.1: Diagrama de puntos de la variable número de hijos por familia.
Se observa que 6 familias (30 %) en la muestra tuvieron sólo 1 hijo y que la mayoría de las familias
13 (65 %) tuvieron como máximo 2 hijos. Finalmente, su diagrama de barras y respectivo polígono de
frecuencias se pueden observar en la figura 1.2.

7 0.35
frecuencia absoluta ( f i )
frecuencia relativa ( f ri )
6 0.30
5 0.25
4 0.20
3 0.15
2 0.10
1 0.05
0 0.00
0 1 2 3 4 5 6
número de hijos por familia ( xi )
Figura 1.2: Diagrama de barras y polígono de frecuencias de la variable número de hijos por familia.
El gráfico o diagrama de barras también se lo puede presentar girado 90 grados (sobre todo cuan-
do la variable tiene más categorías).
1.3.3.- R EPRESENTACIONES GRÁFICAS PARA VARIABLE CUANTITATIVA DE DATOS AGRUPADOS
Histograma
Se utilizan principalmente para datos de variable continua.
Es un conjunto de rectángulos adyacentes, cada uno de los cuales representa un intervalo de

clase.
La base de cada rectángulo es proporcional a la amplitud del intervalo.
La altura de cada rectángulo corresponde a la frecuencia absoluta o relativa.
Polígono de Frecuencias
Se obtiene uniendo con rectas los puntos medios de cada segmento superior de los rectángulos
en el histograma.
Polígono de Frecuencias Acumuladas u Ojiva
Sirve para representar las frecuencias acumuladas de datos agrupados por intervalos. El polí-
gono parte de una altura cero para el extremo inferior del primer intervalo, sobre el extremo
superior de cada intervalo se levanta una línea vertical de altura la frecuencia (absoluta o rela-
tiva) acumulada de ese intervalo. Evidentemente, la altura que se alcanza al final del polígono
es N, para frecuencias absolutas, o 1, para frecuencias relativas.
Ejemplo 5. En el ejemplo 3 habíamos construido la distribución de frecuencias de la distancia Tierra-

Sol, su representación gráfica viene dada por el siguiente histograma (figura 1.3):

Paralaje del Sol (Short 1973)

9
8
frecuencia absoluta
7
6
5
4
3
2
1
0
7.47 8.17 8.87 9.57 10.27 10.97
paralaje solar
Figura 1.3: Histograma de las medidas de la paralaje del Sol.
Se puede observar que las medidas del paralaje del Sol más frecuentes están entre 7.47 y 8.17, y
que medidas de la paralaje mayores a 10.27 son menos frecuentes. El polígono de frecuencias acumu-
ladas (Ojiva) resultante vendría dado por (figura 1.4):
bc
20 bc
100
bc
bc
15 75
10 50
bc
5 25
0 bc i
8.17
i
8.87
i
9.57
i
10.27
i
10.97
i
0
7.47
7.82 8.52 9.22 9.92 10.62 11.32
paralaje solar
Figura 1.4: Polígono de frecuencias acumuladas de las medidas del paralaje del Sol.
Del polígono de frecuencias acumuladas, podemos concluir que de todas las medidas del paralaje
del Sol en la muestra alrededor del 75 % son menores a 8.87.
1.3.4.- R EPRESENTACIONES GRÁFICAS PARA VARIABLES CUALITATIVAS
Existe una gran variedad de representaciones para variables cualitativas, de las cuales vamos a
describir las dos más usadas.

Diagrama de barras o columnas
Representar en el eje de abscisas las diferentes categorías y levantar sobre cada una de ellas un
rectángulo o columna.
La altura de cada rectángulo es la frecuencia (absoluta o relativa) de dicha categoría.
Diagrama de sectores o pastel
Se representa el valor de cada categoría como un sector de un círculo completo.
El área de cada sector es proporcional a la frecuencia de la categoría en cuestión. Se multiplica

360◦ por la frecuencia relativa correspondiente.
Proporciona una idea visual muy clara de cuáles son las categorías mas representativas.
Ejemplo 6. Las notas de una asignatura de Física del curso académico 95/96 se distribuyeron de
acuerdo a la siguiente tabla para los alumnos presentados en junio:
Nota fi f ri Fi Fri
Suspenso (SS) 110 0.46 110 0.46
Aprobado (AP) 90 0.38 200 0.84
Notable (NT) 23 0.10 223 0.94
Sobresaliente (SB) 12 0.05 235 0.99
Matrícula de Honor (MH) 2 0.01 237 1.00
En este caso, Nota es una variable cualitativa, la misma consta de categorías que determinan el
desempeño de los estudiantes en base a sus resultados SS, AP, NT, SB y MH. Se observa que el 5 %
de los estudiantes fueron sobresalientes y sólo el 1 % estuvieron en el grupo de honor. Los diagramas
de barras y de sectores correspondientes son los que se presentan en figura 1.5).
Para el diagrama de sectores es necesario saber el ángulo de cada uno de los sectores, para ello se
tiene
Nota Ángulo [◦ ]
SS 165.6
AP 136.8
NT 36
SB 18
MH 3.6

a
50
100 a
a
40
SS
80 a 46 %
a
30
60 a
MH
a
20 SB
40 a
5%
AP
a
10 38 % NT
20 a
10 %
0 a a
0
SS AP NT SB MH
nota en la asignatura
Figura 1.5: Diagrama de barras (izquierda) y de sectores (derecha).
El grupo de estudiantes suspensos representa la mayor parte del total por lo tanto le corresponde
el sector mayoritario del circulo (46 %).
1.3.5.- M EDIDAS TENDENCIA CENTRAL
Las medidas descriptivas es un conjunto de estadísticas que permiten resumir el comportamiento

de un conjunto de datos, entre estas tendremos las medidas de tendencia central, de dispersión y de
forma.
En el proceso de resumir los datos para describir la información, surgen otros procedimientos
englobados en lo que se ha dado por llamar medidas de tendencia central, cuyo objetivo o propósito
es hallar un valor tendencia central o categoría que sea “representativo” de todo el conjunto de datos.
Este valor “representativo” de las características y atributos de todo el conjunto de datos, es lo que se
conoce como el promedio o centro de la distribución de datos.
Sin embargo, es muy común observar en libros y publicaciones en general, que dependiendo del
área de estudio, por ejemplo, en el campo económico, utilizan la técnica del valor modal para estable-
cer el promedio de los ingresos familiares, o si se revisan aplicaciones en el área de la bioestadística,
para establecer el valor promedio de medidas antropométricas, usan el método de la mediana.
Así, el valor promedio o central de un conjunto de datos, es un valor que trata de caracterizar o
representar a todos los valores de la muestra, y no necesariamente siempre es la media aritmética.
El valor central, o simplemente el promedio de la distribución de datos, pueden obtenerse por

tres métodos o procedimientos:
la media aritmética,
la mediana, y
la moda.

De estos tres procedimientos, el más conocido y utilizado (por sus propiedades como estadístico)
es la media aritmética, y de allí la razón para creer que la media aritmética es el promedio, siendo
en realidad que la media aritmética es uno de los procedimientos o métodos para llegar a obtener el
valor central o promedio de nuestro conjunto de datos.
Y, ante la pregunta “¿por qué hay varios métodos para calcular el promedio?”, se debe al tipo de
variable que se dispone.
Los procedimientos de cálculo del promedio, se definen, considerando que se tiene una variable
X con una muestra de n valores (x1 , x2 , . . . , xn ), de la siguiente manera:
Media aritmética: Se define la media aritmética (o simplemente media) para datos sin agrupar
como:
1 n
n i∑
x= xi
=1
o también
1 m
xi · f i ,
n i∑
x=
=1
donde m es el número de categorías. Y para datos agrupados mediante intervalos de clase,
k
x= ∑ mi · f r i
i =1
Mediana: Es el valor que divide a la distribución de datos en dos partes iguales. Pero, para
establecer tal valor, los datos deben ser primeramente ordenados, ya sea en forma ascendente
o descendente. Así, se tiene que de todo el conjunto de datos, el 50 % está por debajo de la
mediana, y el otro 50 % está por encima de la mediana.
El procedimiento a seguir cuando los datos son individuales es:
• ordene las n observaciones de menor a mayor.

n+1
• mediana muestral es igual a la observación en la posición , si n es impar.
2
n n+2
• mediana muestral es igual al promedio de dos observaciones en las posiciones y ,
2 2
si n es par.
Si los datos están resumidos en intervalos de clase, la mediana se determina por interpolación,
así:
n
• Se determina la primera clase cuya frecuencia acumulada sea mayor o igual a dicho
2
intervalo se denomina clase mediana.
• La mediana Me se calcula con la fórmula,
n
− Fi−1
Me = Li−1 + 2 A
fi
donde:

Li−1 : límite inferior de la clase mediana;

Fi−1 : frecuencia acumulada del intervalo inmediatamente anterior a la clase mediana;
f i : frecuencia absoluta de la clase mediana;
A: amplitud de la clase mediana.
Moda: La moda Mo es aquel valor que tiene mayor frecuencia absoluta. Hay ocasiones en las
cuales los datos pueden tener dos o más modas, o no puede existir, cuando todos los datos
tienen igual frecuencia.
Otras medidas de posición
Cuantiles: Otras medidas resumen (no de tendencia central), pero sí de posicionamiento a lo

largo de la distribución de los datos que ayudan a describir éstos, son los denominados cuanti-
les, entre los más frecuentemente utilizados tenemos:
• Cuartiles: son los valores del conjunto de datos que dividen a la distribución ordenada de
datos en cuatro partes iguales.
• Quintiles: son los valores del conjunto de datos que dividen a la distribución ordenada de
datos en cinco partes iguales.
• Deciles: son los valores del conjunto de datos que dividen a la distribución ordenada de
datos en diez partes iguales, y finalmente,
• Percentiles: son los valores del conjunto de datos que dividen a la distribución ordenada
de datos en cien partes iguales.
De todos analizaremos dos en detalle:
• Percentiles: Los percentiles Pk , son cada uno de los 99 valores que dividen a la distribución
de los datos en 100 partes iguales. Para el cálculo del percentil de orden k se procede de la
siguiente manera:
◦ Si los n datos no están agrupados, se efectúa la siguiente descomposición:
nk
= j+r
100
donde:
nk
j: la parte entera de ;
100
nk
r: la parte fraccionaria de .
100
◦ Calculamos el percentil de la siguiente forma:
x j + x j +1

 si r = 0
2

Pk =
si r > 0,

x
j +1

◦ Si los datos están agrupados en intervalos de clases, se calcula mediante:
nk
− Fi−1
Pk = Li−1 + 100 A
fi
donde:
k: es el orden del percentil;
Li−1 : límite inferior de la clase de interés, cuya frecuencia acumulada es la primera
nk
mayor o igual a ;
100
Fi−1 : frecuencia acumulada hasta Li−1 ;
f i : frecuencia absoluta de la clase de interés;
A: amplitud de la clase de interés.
• Cuartiles: Son valores que dividen a la distribución de los datos en 4 partes, cada una de
las cuales abarca al 25 % de los mismos. Los cuartiles son 3:
◦ El cuartil inferior Q1 , que deja a su izquierda el 25 % de los datos y se cumple que
Q1 = P25 .
◦ El cuartil medio Q2 , que deja a su izquierda el 50 %, que coincide con la mediana de
los datos y se cumple que Q2 = Me = P50 .
◦ El cuartil superior Q3 , que deja a su izquierda el 75 % de los datos y se cumple que
Q3 = P75 .
El DIAGRAMA DE CAJAS se construye con Ls , Li , Q1 , Q2 , Q3 y RIQ, donde
RIQ = Q3 − Q1 ; Li = Q1 − 1.5RIQ, y Ls = Q3 + 1.5RIQ.
Los datos que se no se encuentren en intervalo [ Li , Ls ] se denominan atípicos; es más los datos
que se encuentran fuera del intervalo [ L I , LS ] se denominan atípicos extremos; donde L I =
Q1 − 3RIQ y LS = Q3 + 3RIQ.
Los datos pueden resultar de distribución simétrica o asimétrica ya sea negativa o positiva
como se muestra en la figura 1.6.
Figura 1.6: Relación entre la simetría y el diagrama de caja.
Ejemplo 7. (Cont. Ejemplo 2) Se tiene que el número de hijos en la muestra de 20 familias son los
siguientes:
2 1 1 3 1 2 5 1 2 3
4 2 3 2 1 4 2 3 2 1

Encuentre la media, mediana, moda, los cuartiles del número de hijos y el diagrama de caja.
Solución. Vamos a encontrar las medidas de tendencia central y posición del número de hijos en las
familias, en este caso utilizaremos los métodos definidos para un conjunto de datos individuales, por
lo tanto:
Cálculo de la media aritmética

1 20
xi = 2.25
n i∑
x=
=1
La media representa una especie de centro de gravedad del conjunto de observaciones, en este
caso podemos decir que el número promedio de hijos por familia fue de 2.25, otra forma de
interpretar este valor sería que si el promedio de hijos por familia es de 2.25 entonces 40 familias
tendrían un total de 40 × 2.25 = 90 hijos en promedio.
Para el cálculo de la mediana se necesita tener el conjunto de datos ordenados en orden ascen-
dente:
1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 4 4 5
En este caso, tenemos que el conjunto de datos tiene un número de observaciones par (n = 20),
por lo tanto
x n2 + x n2 +1 x10 + x11 2+2
Me = = = =2
2 2 2
Para este conjunto de datos el valor que más se repite es 2, por lo tanto
Mo = 2
Los cuartiles son los valores que dividen en cuatro partes iguales al conjunto de datos en tér-
minos de su número de observaciones, como np = 20 × 0.25 = 5 y np = 20 × 0.75 = 15,
entonces:
xnp + xnp+1 x5 + x6 1+1

Q1 = = = =1
2 2 2
Q2 = Me = 2
xnp + xnp+1 x + x16 3+3
Q3 = = 15 = =3
2 2 2
Por debajo del primer cuartil se tiene el 25 % de las observaciones, del segundo cuartil el 50 %
y del tercer cuartil el 75 %.
Ahora, determinaremos el mismo grupo de medidas pero utilizaremos datos agrupados, utilizan-
do una tabla de frecuencias para agrupar los datos tenemos:

xi fi f ri Fi Fri
1 6 0,3 6 0,3
2 7 0,35 13 0,65
3 4 0,2 17 0,85
4 2 0,1 19 0,95
5 1 0,05 20 1
Por lo tanto, las medidas de tendencia central y posición son:
Para la media tenemos

q
1
n i∑
x= xi × f i
=1
donde q es el número de clases en la tabla de frecuencias, por lo tanto
1 5 1
[(1 × 6) + (2 × 7) + . . . + (5 × 1)] = 2.25.
20 i∑
x= xi × f i =
=1
20
Para el cálculo de la mediana se puede utilizar el mismo método del ejemplo anterior, como
tenemos n = 20, entonces
x n2 + x n2 +1 x10 + x11
Me = =
2 2
las observaciones 10 y 11 pertenecen a la segunda clase, por lo tanto,
2+2
Me = = 2.
2
Por otro lado, utilizando el método de datos agrupados se tiene que
F (Me) = 0.5(20) = 10 ≡ Me = 2.
La moda es el valor que más se repite en el conjunto de observaciones, podemos ver que la
mayor frecuencia se presenta en la segunda clase, por lo tanto
Mo = 2.
Para el cálculo de los cuartiles se tiene que
F ( Q1 ) = 0.25(20) = 5 ≡ Q1 = 1
Q2 = Me ≡ Q2 = 2
F ( Q3 ) = 0.75(20) = 15 ≡ Q3 = 3
Vamos a determinar si existen datos atípicos, para ello tenemos que RIQ = Q3 − Q1 = 2, luego,
determinemos
Li = Q1 − 1.5RIQ = −2 y Ls = Q3 + 1.5RIQ = 6.

Se observa que tanto xmáx < Ls y xmín > Li , en consecuencia, no existen datos atípicos y los
bigotes de la caja tienen como extremos exactamente estos dos valores.
A continuación, se muestra el diagrama de caja respectivo (figura 1.7).
Figura 1.7: Diagrama de caja de la variable número de hijos.
Se observa que los datos tiene una distribución asimétrica positiva, además se observa que los
datos están distribuidos simétricamente entre el cuartil 1 y el 3, es decir, la misma cantidad de datos
se ubican entre Q1 y Q2 ; y Q2 y Q3 . También hay una dispersión de los datos entre Q3 y xmáx mayor
a la observada entre los cuartiles.
Ejemplo 8. (Cont. Ejemplo 3) Se tiene la siguiente muestra de medidas de la paralaje del Sol respecto
a la Tierra.
8.63 10.16 8.50 8.31 10.80 7.50 8.12

8.42 9.20 8.16 8.36 9.77 7.52 7.96
7.83 8.62 7.54 8.28 9.32 7.96 7.47
1. Encuentre la media, mediana, moda, los cuartiles y el diagrama de caja de la medidas del para-
laje del Sol respecto de la Tierra con los datos individuales.
2. Encuentre la media, mediana, moda, los cuartiles y el diagrama de caja de la medidas del para-
laje del Sol respecto de la Tierra con los datos agrupados.
Solución.
1. Vamos a determinar las medidas de tendencia central y de posición usando los datos indivi-
duales, para ello, ordenemos lo datos de menor a mayor:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
7.47 7.50 7.52 7.54 7.83 7.96 7.96 8.12 8.16 8.28 8.31 8.36 8.42 8.50 8.62 8.63 9.20 9.32 9.77 10.16 10.80
Determinemos la media
1 n
n i∑
x̄ = xi
=1

1
= (7.47 + 7.50 + . . . + 10.80)
20
= 8.4966.
Vamos a determinar los cuartiles de los datos de forma individual, así tenemos que que deter-
minar el número np en el caso del primer cuartil es 5.25 en el caso del segundo es 10.5 y en el
caso del tercero es 17.75, en consecuencia,
Q1 = x⌈np⌉ = x6 = 7.96
Q2 = x⌈np⌉ = x11 = 8.31
Q3 = x⌈np⌉ = x16 = 8.63
Recuerde que Me = Q2 = 8.31. También RIQ = Q3 − Q1 = 0.67 de donde
Li = Q1 − 1.5RIQ = 6.955 y Ls = Q3 + 1.5RIQ = 9.635
Se observa que xmín > Li por lo que no hay datos atípicos por debajo de Li , mientras que
xmáx > Ls , por tanto existen datos atípicos
xmáx = 10.8
xmín = 7.47
x20 = 10.16
Ls = 9.635
x19 = 9.77
Q1 = 7.96
Q2 = 8.31
Q3 = 8.63
x
b
Figura 1.8: Diagrama de caja de la variable paralaje del Sol respecto a la Tierra.
2. Vamos a determinar las medidas de tendencia central utilizando datos agrupados mediante in-
tervalos de clase, en el ejemplo 3 se obtuvo para este conjunto de datos la siguiente distribución
de frecuencias:
i L i − L i +1 mi fi f ri Fi Fri
1 7.405 - 8.105 7.755 7 0.333 7 0.333
2 8.105 - 8.805 8.455 9 0.429 16 0.762
3 8.805 - 9.505 9.155 2 0.095 18 0.857
4 9.505 - 10.205 9.855 2 0.095 20 0.952
5 10.205 - 10.905 10.555 1 0.048 21 1
21 1
cuyo polígono de frecuencias acumuladas (Ojiva) resultante se puede ver en la figura 1.9.

bc
20 bc
100
bc
bc
15 75
10 50
bc
5 25
0 bc
7.405
i
8.105
i
8.805
i
9.505
i
10.205
i
10.905
i
0
7.755 8.455 9.155 9.855 10.555 11.255
paralaje solar
Figura 1.9: Polígono de frecuencias acumuladas de las medidas de la paralaje del Sol.
Para determinar las medidas de tendencia central y posición tenemos:
La media calculada a partir de una distribución de frecuencias viene dada por:
q
1
n i∑
x= mi × f i
=1
donde, mi es el punto medio de cada clase y q es el número de clases, por lo tanto
1 5 1
x= ∑ mi × f i = [(7.755 × 7) + (8.455 × 9) + . . . + (10.555 × 1)] = 8.52
21 i=1 21
Obsérvese que la media calculada de esta forma difiere de la media que hemos calculado
en la primera parte. Esto se debe a la agrupación de los datos en intervalos.
Para la mediana se tiene que
Fr (Me) = 0.5
Ya que ningún intervalo de clase tiene un extremo que tenga una frecuencia relativa acu-
mulada de 0.5 es necesario utilizar una interpolación a partir del polígono de frecuencias,
como en el intervalo de clase (8.105, 8.805] la frecuencia relativa se acumuló desde 0.333
hasta 0.762, entonces la mediana pertenecerá a este intervalo, por lo tanto
Fr (Me) − Fr2 = m( x − L2 )
donde,
Fr3 − Fr2 0.762 − 0.333
m= = ≈ 0.613,
L3 − L2 8.805 − 8.105
entonces, la ecuación de interpolación resultante viene dada por
Fr (Me) − 0.333 = 0.613(Me − 8.105)

por lo tanto, para la mediana tenemos
0.5 − 0.333
0.5 − 0.333 = 0.613(Me − 8.105) ≡ Me = + 8.105
0.613
≡ Me ≈ 8.38.
También diferente de la mediana que se obtuvo en la primera parte.

La moda en una distribución de frecuencias es el punto medio del intervalo modal, pode-
mos ver que la mayor frecuencia se presenta en segundo intervalo de clase, por lo tanto
Mo = 8.455.
Para el cálculo de los cuartiles se tiene que
Fr ( Q1 ) = 0.25,
Q2 = Me = 8.38, y
Fr ( Q3 ) = 0.75
Para Q1 y Q3 es necesario utilizar el mismo procedimiento que para la mediana, para Q1

la ecuación de interpolación viene dada por:
0.25 − 0 = 0.476( Q1 − 7.405)
por lo tanto,
0.25
Q1 = + 7.405 ≡ Q1 ≈ 7.93.
0.476
por otro lado, para Q3 se tiene
0.75 − 0.333 = 0.613( Q3 − 8.105)
de donde,
0.75 − 0.333
Q3 = + 8.105 ≡ Q3 ≈ 8.79.
0.613
Vamos a determinar si existen datos atípicos, para ello tenemos que RIQ = Q3 − Q1 =
0.86, luego, determinemos
Li = Q1 − 1.5RIQ = 6.64 y Ls = Q2 + 1.5RIQ = 10.08.
Se observa que xmín > Li por lo que no existe datos atípicos por debajo de Li , que en este
caso es xmín . Ahora, puesto que xmáx > Ls existen datos atípicos por encima de Ls . En este
caso los datos atípicos son
10.16 y 10.80.
A continuación, se muestra el diagrama de caja respectivo (figura 1.10).

xmáx = 10.8
xmín = 7.47
x20 = 10.16
Ls = 10.08
Q1 = 7.93
Q2 = 8.38
Q3 = 8.79
x b b
Cuando se agrupan los datos, el número de datos atípicos se reduce a dos. Se observa que los datos
tiene una distribución asimétrica positiva, que el bigote de la derecha ( xmáx − Q3 ) es más largo que
el bigote de la izquierda ( Q1 − xmín ), esto significa que los datos están mucho mas dispersos en ese
intervalo que con respecto al otro bigote donde están más “juntos”. Además, se observa que los datos
están distribuidos simétricamente entre el cuartil Q1 y Q2 ; y también entre entre Q2 y Q3 .
1.3.6.- M EDIDAS DE DISPERSIÓN
Permiten medir el grado de dispersión alrededor del centro,estas medidas tienen la propiedad de
que si los datos están ampliamente extendidos, la medida será alta; y cuando los datos se encuentren
muy agrupados, será baja. Existen varias medidas de dispersión,
Desviación estándar: La desviación estándar, notada como s, de un conjunto de n mediciones

individuales x1 , x2 , . . . , xn es la raíz cuadrada de la suma de los cuadrados de las desviaciones
de las mediciones, respecto al promedio x, dividida entre n − 1; es decir:
s
n
1
( xi − x )2 ,
n − 1 i∑
s=
=1
Si los datos están agrupados: v

k
u
u 1
f i ( xi − x )2 ,
n − 1 i∑
s=t
=1
La desviación estándar es siempre positiva y tiene las mismas unidades que la variable X.
Varianza: La varianza s2 es el cuadrado de la desviación estándar, es decir:
n
1
s2 = ∑ ( xi − x )2 ,
n − 1 i =1
Rango y Rango intercuartil:
• El rango de n mediciones es la diferencia entre el valor máximo y el valor mínimo de la

variable X,
Rango = xmáx − xmín

• El rango intercuartil, denotado por RIQ de un conjunto de datos es igual a la diferencia

entre los cuartiles superior e inferior, es decir,
RIQ = Q3 − Q1
Coeficiente de variación: El coeficiente de variación, notado por CV, es igual a la desviación

estándar dividida por la media, es decir,
s
CV =
x
Si el coeficiente variación es menor que 20 % se puede asumir homogeneidad; por otro lado, si
el coeficiente variación es mayor que 20 % se asume heterogeneidad.
El coeficiente de variación permite comparar las dispersiones de dos muestras distintas, con
distribuciones similares, y que se trate de una misma variable para las dos muestras, siempre
que sus medias sean positivas.
Si la desviación de los datos con relación a la media es grande, entonces el promedio no tiene
mérito; en caso contrario, el promedio es altamente significativo.
Se puede calcular el coeficiente de variación para dos muestras y concluir que el coeficiente de
variación mayor coincide con la muestra de mayor variabilidad relativa.
siguientes:
2 1 1 3 1 2 5 1 2 3
4 2 3 2 1 4 2 3 2 1
Encuentre el rango, varianza y desviación estándar del número de hijos.
Solución. Vamos a determinar las medidas de dispersión del número de hijos en las familias de la
muestra.
La primera medida es el rango o recorrido, en este caso viene dado por:
Rango = xmáx − xmín = 5 − 1 = 4.
Como tenemos una muestra se tiene que la varianza viene dada por:
n
1 1
s2 = ∑ ( x k − x )2 = (2 − 2.25)2 + (1 − 2.25)2 + . . . + (1 − 2.25)2 = 1.35.

n − 1 k =1 20 − 1
La desviación estándar de la muestra es la raíz cuadrada de la varianza, por lo tanto:
√
s= 1.35 = 1.16.

La desviación estándar representa que tan alejados en promedio están los datos con respecto
de su media, en este caso se tiene que en promedio el número de hijos de las familias distan de
su media en 1.16.
Ahora, determinemos las mismas medidas pero utilizando datos agrupados, del ejemplo 7 vimos
que
xi fi f ri Fi Fri
1 6 0.3 6 0.3
2 7 0.35 13 0.65
3 4 0.2 17 0.85
4 2 0.1 19 0.95
5 1 0.05 20 1
Por lo tanto, las medidas de dispersión vienen dadas por:
El rango o recorrido:
R = xmáx − xmín = 5 − 1 = 4.
La varianza para datos agrupados viene dada por:
q
2 1
( xi − x )2 × f i
n − 1 i∑
s =
=1
donde q es el número de clases en la tabla de frecuencias, entonces:
5
1
s2 = ∑ ( xi − x )2 × f i
20 − 1 i=1
1
(1 − 2.25)2 × 6 + (2 − 2.25)2 × 7 + . . . + (5 − 2.25)2 × 1

=
20 − 1
= 1.35
La desviación estándar es entonces:
√
s= 1.35 = 1.16.
Ejemplo 10. (Cont. Ejemplo 3) Se tiene la siguiente muestra de medidas de la paralaje del sol respecto
a la tierra.
8.63 10.16 8.50 8.31 10.80 7.50 8.12

8.42 9.20 8.16 8.36 9.77 7.52 7.96
7.83 8.62 7.54 8.28 9.32 7.96 7.47
1. Encuentre el rango, varianza y desviación estándar del número de hijos.

Solución. Vamos a determinar las medidas de dispersión utilizando datos agrupados mediante inter-
valos de clase, en el ejemplo 3 se determinó la siguiente distribución de frecuencias:
i L i − L i +1 mi fi f ri Fi Fri
1 7.405 - 8.105 7.755 7 0.333 7 0.333
2 8.105 - 8.805 8.455 9 0.429 16 0.762
3 8.805 - 9.505 9.155 2 0.095 18 0.857
4 9.505 - 10.205 9.855 2 0.095 20 0.952
5 10.205 - 10.905 10.555 1 0.048 21 1
21 1
De donde, las medidas de dispersión vienen dadas por:
El rango:
R = L6 − L1 = 10.905 − 7.405 = 3.5
La varianza para datos agrupados viene dada por:
q
21
( mi − x )2 × f i
n − 1 i∑
s =
=1
donde q es el número de intervalos de clase en la distribución de frecuencias, entonces:
1 5
s2 = (mi − x̄ )2 × f i
20 i∑
=1
1
(7.755 − 8.52)2 × 7 + (8.455 − 8.52)2 × 9 + · · · + (10.555 − 8.52)2 × 1

=
20
= 0.63
La desviación estándar es entonces:
√
s= 0.63 = 0.795.
1.3.7.- M EDIDAS DE FORMA
Las medidas de forma son aquellas que nos muestran si una distribución de frecuencia tiene
características especiales como simetría, asimetría, nivel de concentración de datos y nivel de apun-
tamiento que la clasifiquen en un tipo particular de distribución. Gráficamente se puede visualizar
los comportamientos de asimetría o curtosis a partir de los histogramas de las distribuciones de fre-
cuencia.
Coeficiente de asimetría As
• Mide el grado de asimetría de la distribución de datos entorno a la media.

• Es adimensional y se calcula:
n
∑ ( xi − x)3 /n
i =1
As =
s3
• Si As > 0, la distribución será asimétrica a la derecha.
• Si As = 0, la distribución será simétrica.
• Si As < 0, la distribución será asimétrica a la izquierda.
Coeficiente de apuntamiento Ac : Este coeficiente de apuntamiento o curtosis sirve para medir

el grado de concentración de los valores que toma en torno a su media.
• Se suele medir con el coeficiente de curtosis que se calcula:
n
∑ ( xi − x)4 /n
i =1
Ac =
s4
A p = Ac − 3
• LEPTOCÚRTICA: Si A p > 0, más puntiaguda que la normal.

• MESOCÚRTICA: Si A p = 0, es tan puntiaguda como la normal.
• PLATICÚRTICA: Si A p < 0, menos puntiaguda que la normal.
siguientes:

2 1 1 3 1 2 5 1 2 3
4 2 3 2 1 4 2 3 2 1
1. Determinar los coeficientes de asimetría y curtosis de la distribución del número de hijos.
Solución. Vamos a determinar el coeficiente de asimetría y el de curtosis:
Primero, determinemos el coeficiente de asimetría, como sabemos el coeficiente de asimetría

sirve para determinar si una distribución de observaciones es simétrica o asimétrica, para esto
utilizaremos el método definido para un conjunto de datos individuales, por lo tanto:
n
1
As =
ns3 ∑ ( xi − x )3
i =1
20
1
=
20(1.16)3 ∑ ( xi − x )3
i =1
1 3 3 3
2 2.25 1 2.25 1 2.25

= ( − ) + ( − ) + · · · + ( − )
20(1.16)3
≈ 0.68.
En este caso, el coeficiente de asimetría es positivo por lo tanto la distribución del número de
hijos presenta un sesgo positivo o es sesgada a la derecha, esto lo podemos comprobar gráfica-
mente en el diagrama de barras respectivo:
7 0.35
6 0.30
5 0.25
4 0.20
3 0.15
2 0.10
1 0.05
0 0.00
0 1 2 3 4 5 6
número de hijos por familia ( xi )
Figura 1.11: Diagrama de barras del número de hijos en las familias.
En el diagrama de barras podemos ver gráficamente la asimetría hacia la derecha de la distri-

bución del número de hijos en las familias.
Segundo, determinemos el coeficiente de curtosis, para un conjunto de datos individuales te-

nemos que este coeficiente viene dado por:
n
1
Ac =
ns4 ∑ ( xi − x )4
i =1
20
1
=
20(1.16)4 ∑ ( xi − x )4
i =1

1 h
4 4 4
i
= ( 2 − 2.25 ) + ( 1 − 2.25 ) + · · · + ( 1 − 2.25 )
20(1.16)4
≈ 2.5.
El coeficiente de curtosis es menor a 3 por lo tanto podemos decir que hay una escasa agrupa-
ción de datos alrededor de la media o a su vez que la distribución es platicúrtica.
Ahora, utilizaremos datos agrupados, la tabla de frecuencias del número de hijos es:
xi fi f ri Fi Fri
1 6 0,3 6 0,3
2 7 0,35 13 0,65
3 4 0,2 17 0,85
4 2 0,1 19 0,95
5 1 0,05 20 1
Primero, determinemos el coeficiente de asimetría, para un conjunto de datos agrupados por

tablas de frecuencia este coeficiente viene dado por:
q
1
As =
ns3 ∑ ( xi − x )3 · f i ,
i =1
donde q es el número de clases, por lo tanto:
5
1 1
∑ ( xi − x)3 · fi = 20(1.16)3 6(1 − 2.25)3 + . . . + 1(5 − 2.25)3 ≈ 0.68,

As =
20(1.16)3 i =1
se puede observar que obtenemos el mismo resultado obtenido para datos individuales.
Segundo, determinemos el coeficiente de curtosis, en una tabla de frecuencia se calcula median-

te:
q
1
Ac =
ns4 ∑ ( xi − x )4 · f i
i =1
5
1
=
20(1.16)4 ∑ ( xi − x )4 · f i
i =1
1 h
4 4
i
= 6 ( 1 − 2.25 ) + . . . + 1 ( 5 − 2.25 )
20(1.16)4
≈ 2.5.
Ejemplo 12. En el ejemplo 3 se determinó la siguiente distribución de frecuencias de la paralaje del

sol respecto a la tierra.

L i − L i +1 mi fi f ri Fi Fri
7.47 - 8.17 7.82 9 0.429 9 0.429
8.17 - 8.87 8.52 7 0.333 16 0.762
8.87 - 9.57 9.22 2 0.095 18 0.857
9.57 - 10.27 9.92 2 0.095 20 0.952
10.27 - 10.97 10.62 1 0.048 21 1
Total 21 1
1. Determinar los coeficientes de asimetría y curtosis de la distribución de la paralaje solar.
Solución. Primero, determinemos el coeficiente de asimetría, del histograma (figura 1.12) pode-
mos concluir que esta distribución tiene un sesgo positivo.

9
8
frecuencia absoluta
7
6
5
4
3
2
1
0
7.47 8.17 8.87 9.57 10.27 10.97
paralaje solar
Figura 1.12: Histograma de las medidas de la paralaje del Sol.
El coeficiente de asimetría en una distribución de frecuencias viene dado por
q
1
As =
ns3 ∑ ( mi − x )3 · f i ,
i =1
donde q es el número de intervalos de clase, por lo tanto:
5
1 1
∑ (mi − x)3 · fi = 21(0.83)3 9(7.82 − 8.52)3 + . . . + 1(10.62 − 8.52)3 ≈ 1.03,

As =
21(0.83)3 i =1
que es un valor positivo y verifica el sesgo hacia la derecha de la distribución, otra forma gráfica
de verificar la asimetría de esta distribución es mediante un diagrama de caja o bigotes, como
sabemos este gráfico permite ver como está distribuido un conjunto de datos a través de los
cuartiles, el diagrama de caja para el paralaje solar es el siguiente:

xmáx = 10.8
xmín = 7.47
x20 = 10.16
Ls = 10.08
Q1 = 7.93
Q2 = 8.38
Q3 = 8.79
x b b
De la misma forma, se puede notar la asimetría hacia la derecha de la distribución observando

que el bigote de la derecha (xmáx − Q3 ) es más largo que el bigote de la izquierda (Q1 − xmín )
y que la cola de la derecha (xmáx − Q2 ) es mas alargada que la cola de la izquierda (Q2 − xmín ),
por lo tanto podemos decir que el conjunto de datos tiene una mayor concentración de ob-
servaciones en la cola izquierda que en la cola derecha de la distribución y se concluye que
la distribución tiene un sesgo positivo, si la distribución fuese simétrica tendríamos que todas
las distancias entre cuartiles consecutivos serían semejantes con sus opuestos respectivos, esto
gráficamente se tendría cuando el bigote de la derecha es igual de largo que el de la izquierda
así como también las respectivas colas de la distribución observándose un rectángulo centrado
justo en la mitad del gráfico, en el cual la mediana coincidiría con la media.
Segundo, determinemos el coeficiente de curtosis:
q
1
Ac = 4
ns ∑ ( mi − x )4 · f i
i =1
5
1
=
ns4 ∑ ( mi − x )4 · f i
i =1
1 h
4 4
i
= 9 ( 7.82 − 8.52 ) + . . . + 1 ( 10.62 − 8.52 )
21(0.83)4
≈ 3.01,
ya que su valor es mayor que 3 entonces podemos decir que la distribución es leptocúrtica.
Ejemplo 13. La siguiente tabla muestra la distribución de sueldos de 120 trabajadores de una empre-
sa.
Sueldo Trabajadores
600-700 10
700-800 20
800-900 60
900-1000 20
1000-1100 10
1. Determinar los coeficientes de asimetría y curtosis de la distribución de sueldos.
Solución. Primero, debemos determinar los puntos medios de cada intervalo de clases, entonces:

Sueldo mi fi
600-700 650 10
700-800 750 20
800-900 850 60
900-1000 950 20
1000-1100 1050 10
La media y desviación estándar de la distribución de sueldos son $850 y $100, respectivamente.

Ahora, podemos determinar los coeficientes de asimetría y curtosis.
Primero, determinemos el coeficiente de asimetría:
q
1
As =
ns3 ∑ ( mi − x )3 · f i ,
i =1
entonces:
5
1 1
∑ (mi − x)3 · fi = 120(100)3 10(650 − 850)3 + . . . + 10(1050 − 850)3 = 0,

As =
120(100)3 i =1
en este caso el coeficiente de asimetría es 0, por lo tanto la distribución es perfectamente simé-

trica, veamos gráficamente la distribución de los sueldos mediante su histograma: Del histo-
Sueldo de trabajadores
60
50
40
30
20
10
0
600 700 800 900 1000 1100
sueldos
Figura 1.14: Histograma de los sueldos en la empresa.
grama, podemos ver la simetría perfecta de la distribución alrededor de la media ($ 850), lo que
corrobora el valor de su coeficiente de asimetría, el diagrama de caja respectivo es el que consta
a continuación:

xmáx = 1100
Q3 = 900
x
Q2 = x̄ = 850
Q1 = 800
xmín = 600
Figura 1.15: Diagrama de caja de los salarios en la empresa.
Igualmente, podemos notar del diagrama de caja la simetría perfecta de la distribución, los
bigotes tienen la misma longitud, vemos un rectángulo centrado en la mitad del gráfico en el
cual coinciden la media, la mediana y la moda.
Segundo, determinemos el coeficiente de curtosis:
q
1
Ac =
ns4 ∑ ( mi − x )4 · f i
i =1
5
1
=
120(100)4 ∑ ( xi − x )4 · f i
i =1
1 h
4 4
i
= 10 ( 650 − 850 ) + . . . + 10 ( 5 − 2.25 )
120(100)4
= 3,
como el valor del coeficiente es 3 podemos decir que la distribución de los sueldos es mesocúr-
tica.

CAP01 Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

CAP01 Estadística Descriptiva

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

CAP01 Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística - 2023-A

Sección 1: Estadística Descriptiva

Cátedra de Probabilidad y Estadística - EPN

1 Organización y Descripción de datos estadísticos 3

1.2 Definiciones Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2.2 Definiciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.2.3 Variables y Atributos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.3 Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.3.1 Tablas de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.3.2 Representaciones gráficas para variable cuantitativa de datos sin agrupar . . . 11

1.3.3 Representaciones gráficas para variable cuantitativa de datos agrupados . . . . 12

1.3.4 Representaciones gráficas para variables cualitativas . . . . . . . . . . . . . . . 13

1.3.5 Medidas tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.3.6 Medidas de dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.3.7 Medidas de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

1. Analizar la base conceptual de la estadística descriptiva.

1. Usar herramientas informáticas para el análisis estadístico de datos

2. Aplicar los conocimientos de técnicas y métodos de la Estadística Descriptiva.

1. Demostrar capacidad de auto aprendizaje

2. Demostrar responsabilidad en el cumplimiento de sus obligaciones

La estadística es de gran importancia en la investigación científica debido a que:

Permite una descripción más exacta.

Nos obliga a ser claros y exactos en nuestros procedimientos y en nuestro pensar.

Permite resumir los resultados de manera significativa y cómoda.

Nos permite deducir conclusiones generales.

1.2. D EFINICIONES G ENERALES

En la actualidad, podemos definir, en general, a la estadística como la ciencia que trata de la

Dentro de la estadística se distinguen dos ramas fundamentales:

4 1.2. DEFINICIONES GENERALES

ción, organización, resumen y presentación de un conjunto de datos. Se trata principalmente

Ejemplo de uso de la estadística

La estadística es ampliamente utilizada en muchas áreas de la ciencia, por ejemplo, en el análisis

Elaboración de indicadores macroeconómicos.

Predicciones acerca del comportamiento futuro de la demanda de productos o servicios.

1.2.2.- D EFINICIONES GENERALES

1.2. DEFINICIONES GENERALES 5

Ejemplo 1. En la siguiente tabla se observa algunos ejemplos de las definiciones planteadas.

Población Muestra Individuo Variable

1.2.3.- VARIABLES Y ATRIBUTOS

6 1.2. DEFINICIONES GENERALES

naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.

Para observar algunos ejemplos se puede revisar el siguiente enlace (Variables).

1.3. A NÁLISIS DE DATOS

Representaciones gráficas: Cuando un conjunto de datos se presentan gráficamente mediante

1.3.1.- TABLAS DE FRECUENCIAS

1.3. ANÁLISIS DE DATOS 7

A partir de la frecuencia absoluta, suelen construirse otras estadísticas, como:

La frecuencia relativa ( f r ), que consiste simplemente en presentar la frecuencia absoluta en

Ejemplo 2. Supongamos que el número de hijos de una muestra de 20 familias es el siguiente:

Realizar el análisis descriptivo.

Agrupamiento mediante intervalos de clase

Si el número de valores distintos que toma la variable estadística X es demasiado grande o la

1. Determinar el recorrido o rango, de los datos.

8 1.3. ANÁLISIS DE DATOS

3. Determinar la amplitud A (constante) de cada intervalo.

4. Determinar los extremos de los intervalos de clase.

5. Calcular las marcas o puntos medios de clase de cada intervalo: mi

Finalmente, la distribución de frecuencias en intervalos de clase tendría la siguiente estructura:

De lo anterior podemos notar que: