Clase 05

Introducción a datos abiertos
Clase 05
Tabla de contenidos
Estadística descriptiva
Medidas de tendencia central
Distribución de datos
Medidas de variabilidad
Introducción
¿Por qué necesitamos calcular estadísticas?
Estadística descriptiva: Medidas de Tendencia Distribución de los datos

describir, sumarizar y Medidas de Variabilidad
Central y asimetría
comprender los datos.
Medidas de tendencia central:
Media
Dados los n números {x1,x2,…,xN} la media aritmética se define como:
Por ejemplo, para la muestra 8, 5 y -1, su media es:

Medidas de Tendencia Central:
Mediana
La mediana es el valor del "medio" de una lista ordenada de datos (o el valor que separa la primera mitad y
la segunda mitad de una distribución). Para una lista ordenada la mediana es calculada de diferente manera
dependiendo de la cantidad de elementos de la misma:
Impar Par
[1, 2, 3, 5, 7, 8, 9, 10, 15] [-5, -1, 0, 1, 2, 3, 8, 20]
9 elementos 8 elementos
La mediana es el valor de la posición 5 La mediana es la media de los valores en las dos
(la posición del “medio”) posiciones centrales
Mediana = 7 Mediana = (1+2)/2 = 1.5
Medidas de Tendencia Central
Promedio con valores extremos Mediana con valores extremos
[1, 2, 3, 5, 7, 8, 9, 10, 150] [1, 2, 3, 5, 7, 8, 9, 10, 150]
Promedio= 21.66 Mediana= 7

Medidas de tendencia central:
Moda
La moda es el valor que aparece con mayor frecuencia o más veces en la distribución.
Por ejemplo
La moda de [0,1,1,2,2,2,2,3,3,4,4,4,5] es 2.
La moda no es necesariamente única. Puede

ocurrir que haya dos valores diferentes que sean
los más frecuentes.
Por ejemplo, para [10, 13, 13, 20, 20], tanto 13
como 20 son la moda.
Distribuciones
Mediante las distribuciones de valores, mostramos cómo se acumulan las observaciones a lo
largo de todo el rango de valores de la variable que estamos estudiando.
Distribución: Asimetría.
Una distribución con asimetría a izquierda, significa que la cola de la izquierda es más larga que la de la
derecha (gráfico de la izquierda).
Por el contrario, una distribución con asimetría a derecha significa que la cola del lado derecho es más
larga que la del lado izquierdo (gráfico de la derecha)
A diferencia de éstas, una distribución simétrica no presenta este fenómeno dado que sus colas son de
igual longitud (gráfico del centro).
Asimetría y Medidas de Tendencia Central
La media, mediana y moda

son afectadas por la
asimetría
Medidas de Dispersión o Variabilidad
Las medidas de variabilidad indican cómo están esparcidos los datos. Los mismos
pueden categorizarse de acuerdo a:
-Rango
-Varianza
-Desvío estándar
Estas medidas proveen información complementaria a las medidas de tendencia

central (media, mediana y moda).
Medidas de Dispersión o Variabilidad:
Rango
Sean x1,x2,x3,…, los datos de una muestra

ordenada en orden creciente, el rango es xn−x1
Rango intercuartil
Es la diferencia entre el primer y el tercer cuartil de la distribución. Acumula el
50% de la distribución y, a diferencia del rango, es un estadístico robusto, es
decir que se ve poco afectado por valores extremos.
Medidas de Dispersión o
Variabilidad: Varianza
La varianza es un valor numérico utilizado para describir cuánto varían los
números de una distribución respecto a su media. Si tenemos un conjunto de
valores de una variable, la varianza se calcula de la siguiente forma:
xi : cada dato
x: media de los datos
n: número de datos
Esto es el promedio de la diferencia

elevada al cuadrado entre cada valor y la media
Medidas de
Medidas de Dispersión
DispersiónooVa-
riabilidad:
Variabilidad: Desvío estándar
El desvío es una medida de la dispersión de los datos constituida por la raíz
cuadrada de la varianza. No es la desviación promedio con respecto de la media.
Medidas de asociación lineal
entre variables: Covarianza
La covarianza mide la asociación lineal entre
ambas variables, es decir, qué tanto se asemeja
la relación con una función lineal.
Decimos que dos variables X e Y, tienen
covarianza positiva cuando tienden a
encontrarse por encima de su media al mismo
tiempo y tienen covarianza negativa cuando al
mismo tiempo, tienden a encontrarse una por
debajo y otra por encima. En cambio X e Y
tienen covarianza cercana a cero cuando las
variables pueden encontrarse por encima o por
debajo de su media independientemente de lo
que haga la otra.
Ejercicio de clase:
Dataset de recorridos de bicicleta 2021
Cálculo de estadísticas descriptivas con numpy y pandas
¿Cómo podemos hacer para identificar distribuciones sin graficarlas?
Ejercicio práctico:
1- Cargar el recurso Molinetes - Agosto 2021 del dataset
homónimo en google colaboratory
2- Calcular el promedio de pasajeros cada 15 minutos en el
mes de agosto de 2021 en la estación Corrientes
3- Calcular el desvío estándar cada 15 minutos de pasajeros
en el mes de agosto de 2021 en la estación corrientes
4- ¿Cuál es la cantidad total de pasajeros que viajaron el
1/8/2021?
Ejercicio práctico:
1- Usar query == para identificar la estación
2- Usar método .sum y .std para calcular estadísticas
3- Usar la query == para filtrar la fecha de interes.
4- Usar el método .sum() en la columna que se desea sumar

Clase 05

Cargado por

Copyright:

Formatos disponibles

Clase 05

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 05

Cargado por

Copyright:

Formatos disponibles

Introducción a datos abiertos

Medidas de tendencia central

Estadística descriptiva: Medidas de Tendencia Distribución de los datos

Por ejemplo, para la muestra 8, 5 y -1, su media es:

Promedio= 21.66 Mediana= 7

La moda no es necesariamente única. Puede

La media, mediana y moda

Estas medidas proveen información complementaria a las medidas de tendencia

Sean x1,x2,x3,…, los datos de una muestra

Esto es el promedio de la diferencia

También podría gustarte