BIOESTADÍSTICA 1 Pag.

1 USAMEDIC 2017

FUNCIONES DE LA BIOESTADISTICA

TOMAR 1. Recoger o
DECISIONES recopilar

BIOESTADISTICA 1
4. INFORMACION 2.Organizar
Interpretar (DATO) u ordenar
INTRODUCCION Y
CONCEPTOS GENERALES
3. Procesar
o analizar

DEFINICION
1. RECOPILAR DATOS (RECOGER / RECOLECTAR)
La Estadística en Medicina, nace por la necesidad de “MEDIR” y
conocer el comportamiento de la Población en relación a aspectos
FUENTE PRIMARIA
relacionados con la salud y la enfermedad.
Es la matemática aplicada a las ciencias de la salud.
Cuando se registran
Funciones:
características mediante
- Recolección de datos.
- Organización datos. la medición, observación y
- Procesamiento y análisis de datos.
- Interpretar resultados conteo, para lo cual FUENTE SECUNDARIA

Para la toma de decisiones. utiliza Fuentes primarias

 Sus fines son describir al conjunto de datos obtenidos y tomar

o secundarias.
decisiones o realizar generalizaciones acerca de las características de
todas las observaciones bajo consideración.

TIPOS

• Una vez que se

ha realizado la
recolección de
los datos, se
obtienen datos
en bruto, los
cuales rara vez
son
significativos sin
una
organización y
tabulación.

LA APLICACIÓN DE LA BIOESTADISTICA EN LA
MEDICINA ASISTENCIAL Y LA SALUD PUBLICA
2. ORGANIZAR DATOS (ORDENAR)
Cuando se ordenan para una mejor comprensión y
facilitar sus análisis.(tablas, gráficos y figuras)

Tabla de Distribución Diagrama Circular

Edad N° Pacientes

30 - 34 6
35 - 39 12
40 - 44 8
45 - 49 2
BIOESTADÍSTICA 1 Pag. 2 USAMEDIC 2017

3. PROCESAR DATOS (ANALISIS) LA UNIDAD DE ANALISIS (sujeto o individuo estadístico)

• Es el elemento mínimo de estudio, observable o medible en relación

E. DESCRIPTIVA con un conjunto de elementos que son de su mismo tipo.
Cuando se calculan
• Se denomina también UNIDAD ELEMENTAL o ESTADISTICA.
promedios y medidas de
variabilidad entres otros
cálculos. «Es la persona, animal o cosa de la que se quiere
conocer o saber algo»
E. ANALITICA Ejemplos

cuando se establecen • En ciencia sociales: la familia, el obrero, la empresa, los grupos, las naciones,
etc.
relaciones entre las
variables (regresión y
correlación).

LA VARIABLE (característica a estudiar)

4. INTERPRETAR RESULTADOS • Es una dimensión o característica de la unidad de análisis, que permite
su clasificación.
• propiedad, atributo, rasgos o cualidades de las Unidades de Análisis
(individuos), que es materia de interés del estudio.

Cuando se le otorga un «Es aquello que se quiere conocer de la unidad de

sentido práctico a los Ejemplo análisis»
resultados obtenidos en En la familia: numero de componentes, ingresos, el grado de educación, gastos
mensuales, etc.
el análisis Lo importante en una
EDAD
TALLA

PESO
COLOR
PISOS
MIEMBROS
variable es:
VENTANAS
a. Que se derive siempre de COLOR DE
CABELLO
PROFESION

una unidad de análisis. AREA

b. Que admita un rango IDIOMA

mínimo de variación
PRESION
ARTERIAL

VALOR
CONCEPTOS BASICOS Un valor es la magnitud, rango o atributo a través del cual se
de BIOESTADISTICA expresa la variable.
La variable edad puede tomar los
siguientes valores:
Cada uno de estos – 1 a 10 años
– 11 a 20 años
1. Dato o Información rangos son valores de
– 21 a 30 años
la variable – 31 a 40 años
2. Población y muestra
3. Marco poblacional y marco muestral La variable sexo admite dos valores
4. Parámetro y estadístico • Hombre
• Mujer
5. Tipos de datos
6. Clasificación de variables La variable educación puede ser construida mediante
tres valores
7. Escalas de medición • Educación alta
• Educación media
• Educación Baja

1. ¿Qué es un DATO (información)?

Ejemplo de dato:

Toda unidad Estructura a partir de la cual

de el investigador genera sus
estudios e indagaciones Características (Variable) Valor Unidad de medida
Información

Peso 75 Kg.
Estatura 1,80 mts.
Las tres partes del “dato”: Profesión Médico ----

UNIDAD DE ANALISIS
(SUJETO)

INDIVIDUO
Si el DATO es útil para tomar decisiones
DATO O
SUJETO
se convierte en INFORMACIÓN.
VARIABLE
VALOR O MAGNITUD
(CARACTERISTICA)
BIOESTADÍSTICA 1 Pag. 3 USAMEDIC 2017

2. POBLACION Y MUESTRA Marco Poblacional Técnicas Marco Muestral

1200 pacientes de un hospital de muestreo 75 pacientes de un hospìtal
La POBLACION o Universo, es un concepto estadístico que hace referencia
al conjunto total de elementos a estudiar, el cual es inaccesible e
inabordable de manera directa, por lo tanto, se recomienda trabajar con Característica Edad Peso Énf. Ant. Estado civil

una parte de ella , es decir, la MUESTRA. Estado civil

Edad Peso Enf. Ant. MUESTRA MUESTRA MUESTRA
MUESTRA

m1 m2 m3 mn

75 datos

Registro
de la POBLACIÓN POBLACIÓN POBLACIÓN POBLACIÓN
ESTADÍSTICA
MUESTRA DESCRIPTIVA carac-
POBLACIÓN terística.

P1 P2 P3 ... Pn

INFERENCIA ESTADÍSTICA
1 MARCO MUESTRAL n
« » MUESTRAS

3. MARCO POBLACIONAL y POBLACION 4. PARAMETROS y ESTADISTICOS

MARCO POBLACIONAL: Es el conjunto total de individuos • Parámetro: Valor representativo de una
estadísticos, elementos o unidades de análisis. POBLACION. Se simboliza por letras griegas. Sólo
hay un parámetro por cada población.
 Media poblacional
2 Varianza poblacional
 Desviación estándar poblacional
 Proporción poblacional

TODAS las Unidades de análisis • Estadístico: Valor representativo de una MUESTRA.

(Individuos) Se simboliza por letras latinas. Existen tantos
estimadores como muestras se extraigan de una
POBLACION (UNIVERSO): Es el conjunto total de variables población. Sinónimo: Estimador- Estadígrafo.
(características de interés) de estudio, de un marco poblacional.
x Media muestral.
Cada población tiene el mismo número de VARIABLES que número de s2 Varianza muestra.
INDIVIDUOS tiene el marco poblacional. s Desviación estándar muestral.
p Proporción muestral.
De cada Marco Poblacional se podrán extraer tantas poblaciones como
características de interés (variables), se deseen investigar.

3. MARCO MUESTRAL Y MUESTRA RELACION ENTRE PARAMETRO Y ESTIMADOR

MARCO MUESTRAL: subconjunto de individuos estadísticos, POBLACION

n1
MUESTRAS
extraídos de un marco poblacional. x1 Promedio de peso = 55 Kg.

Todas los pesos

n2 x2 Promedio de peso = 65 Kg.

Sub conjunto de Unidades de análisis de los alumnos n3

(Individuos) de USAMEDIC x3 Promedio de peso = 62 Kg.
. .
MUESTRA: subconjunto de variables de estudio, de un marco . .
muestral. nm
x m Promedio de peso = 58 Kg.
•Una muestra tiene el mismo número de variables que número de
individuos tiene el marco muestral.
•De cada marco muestral se podrán extraer tantas muestras como 1 PARÁMETRO ESTADISTICOS
características se deseen investigar. Promedio del peso= 60 Kg Varios promedios

Ejemplo: Unidad de análisis = Paciente del hospital

5. TIPOS DE DATOS (INFORMACION)
Unidad de Análisis MARCO POBLACIONAL = individuos
(1200 pacientes de un Hospìtal)
(Individuos)
¬ DATO CONSTANTE: Si la característica de
interés solo puede adoptar un sólo valor en
Característica Edad Peso Enfer. Estado todas las unidades estadísticas (individuos
(VARIABLE) Anteriores Civil estadísticos).

Población Población Población Ejemplo:

Registro de la
característica P1 P2 P3 Pn • Profesión de los integrantes del Colegio
(1200 datos) (1200 datos)
Médico del Perú
...

1 MARCO POBLACIONAL n
« » POBLACIONES Las constantes no son de mayor interés en Estadística.
BIOESTADÍSTICA 1 Pag. 4 USAMEDIC 2017

- DATO VARIABLE: Si la característica 7. ESCALAS DE MEDIDA O MEDICION:

de interés puede adoptar diversos valores
en las unidades estadísticas (individuos DEFINICION
estadísticos).

Ejemplo: Una escala es un patrón

convencional de medición, y
• Edad de los pacientes: 20 años, 54 años, 43 años, etc. básicamente consiste en un
instrumento capaz de representar
• Profesión de los profesores de la Universidad Daniel
con gran fidelidad verbal, gráfica o
Alcides Carrión: médicos, abogados, economistas, etc.
simbólica, el estado de una variable

Los datos variables son los de mayor interés en Estadística.

A estos se les denomina comúnmente “VARIABLES”.

6. CLASIFICACIÓN DE VARIABLES Tipos de escalas de medición

  CONTÍNUAS a) Escala Nominal o Intensiva: variables cualitativas nominales
 
 NUMÉRICAS 
 cuantitativas  b) Escala Ordinal: variables cualitativas ordinales
 DISCRETAS

 c) Escala de Intervalo
VARIABLES 
 d) Escala de Proporción o Razón

 DICOTOMICAS
 
 CATEGORICAS  ORDINALES
 cualitativas 
  NOMINALES

CLASIFICACIÓN DE VARIABLES
1.- Variable Numérica o Cuantitativa : a) Escala Nominal:
(variables cualitativas nominales)
 Las que se expresan por números los que se obtienen por
conteo o medición. • La escala de medida nominal, consiste en la asignación arbitraria de
 Las operaciones posibles con estas son los promedios y números o símbolos a cada una de las diferentes categorías en las cuales
podemos dividir el carácter que observamos, sin que puedan
medidas de dispersión, entre otras. establecerse relaciones entre dichas categorías.
 Estas variables necesariamente tienen unidades de medida. – consiste en clasificar los objetos de estudio según las categorías de una
variable. El alcance de esta escala es el conteo.
Las variable cuantitativa puede ser:
Ejemplo
- DISCRETA : Cuando la variable sólo puede tomar valores enteros dentro
de una escala de valores. Proviene de un conteo. Sexo 1:Masculino 2:Femenino
Ejemplo: Número de emergencias médicas por día.
Especialidad 1:Clínico 2:Cirugía
- CONTINUA : Cuando la variable puede tomar cualquier valor (entero o
fracción), dentro de una escala de valores. Provienen de una medición.
ESCALA

Ejemplo: Tiempo de permanencia de un paciente en un consultorio

CLASIFICACIÓN DE VARIABLES b) Escala Ordinal:

(variables cualitativas ordinales y cuantitativas ordenadas)
2.-Variable Cualitativa : • En caso de que puedan detectarse diversos grados de un atributo, la escala ordinal es la
indicada, puesto que puede recurrirse a la propiedad de "orden" de los números
 Es la que no se pueden expresar mediante números, sino por asignándolo a los objetos en estudio de modo que, si la cifra asignada al objeto A es
mayor que la de B, puede inferirse que A posee un mayor grado que B.
cualidades o categorías que representen sus atributos.
• Hay variables cuantitativas que se pueden convertir en una forma ordinal, por
 Solo se pueden registrar mediante el conteo. ejemplo, la glicemia, se puede expresar en: Hipoglicemia, Normoglicemia e
Hiperglicemia.
 En casos especiales se puede expresar por un número pero Ejemplo:
este se reconoce porque carece de unidad de medida. • Calificación : A,B,C,D A>B
 Matemáticamente las operaciones posibles con estas son: la • Lugar : 1º , 2º , 3º 1º > 2º
tasa porcentual (porcentaje), proporciones y la moda. • Grado de deshidratación : I, II, III, IV I>II
• APGAR, Silverman, Glasgow.
Ejemplo: • Escala del dolor
Profesión de los participantes a un curso. ESCALA
• 80% son médicos (tasa porcentual). • Satisfacción de usuarios
• 8 de cada 10 participantes son médicos (proporción).

Las variables cualitativas pueden ser:

a) Dicotómicas o Binarias (si o no)
b) Ordinales (orden creciente o decreciente)
c) Nominales (Profesiones, Estado Civil, etc.)
BIOESTADÍSTICA 1 Pag. 5 USAMEDIC 2017

c) Escalas de intervalos: En esta situación, identifique:

(variables cuantitativas)

• Se basa en la afirmación de la existencia de un continuo,

seccionable en partes iguales, en donde cada parte La característica : Número de procesos deficientes por día.
seccionada contiene la misma cantidad de unidades que
cualquier otra sección.
La unidad elemental : Un día (laboral).
• Es importante destacar que el punto cero en las escalas de
intervalos iguales es arbitrario, y no refleja en ningún
momento ausencia de la magnitud que estamos midiendo. El marco poblacional : Número de días (laborales) que
viene funcionando el Centro Médico.
• Esta escala, además de poseer las características de la
escala ordinal, encontramos que la asignación de los
números a los elemento es tan precisa que podemos La población : Registro diario de procesos médicos
determinar la magnitud de los intervalos (distancia) entre deficientes en todo el tiempo que
todos los elementos de la escala. viene funcionando el Centro Médico.

Ejemplo: Año 0 El marco muestral : Diez días laborales (elegidos al azar)

Hora 00:00
Temperatura 0ºC

d) Escala de coeficientes o Razones:

(Variables cuantitativas)
• La escala de medida más elevada es el de coeficientes o razones, y se La muestra : Registro diario de procesos
diferencia de las escalas de intervalos iguales únicamente por poseer un deficientes durante los 10 días
punto cero propio como origen; es decir que el valor cero de esta escala elegidos al azar.
significa ausencia de la magnitud que se mide.
• Además, siendo que cero ya no es arbitrario, sino un valor absoluto, Tipo de dato : Variable cuantitativa discreta
podemos decir que A. Tiene dos, tres o cuatro veces la magnitud de la
propiedad presente en B. Un valor registrado : 32
Ejemplo:
Ingreso mensual : S/.00. La unidad de medida : Procesos
Nº de hijos : 0
Procesos deficientes : 0
El estimador : Media aritmética muestral ( x)
El parámetro : Media aritmética poblacional (µ)

Ejercicio Aplicativo 1
En un programa para la detección de hipertensión del Hospital de Pelotillehue, hay
2,300 pacientes hombres de edades entre 30 a 40 años, del cual se extrae un grupo de
30 pacientes para estudiar su presión diastólica. La distribución de la presión
diastólica en mm Hg fue la siguiente:

70 85 85 75 65 90 110 95 90 70

60 75 80 120 85 95 90 70 100 65

80 90 95 90 95 110 100 85 80 75
BIOESTADISTICA 2
Cual es el Marco Poblacional:
Cual es la Población: PRESENTACION DE DATOS
Cual es el Marco Muestral:
Cual es la Muestra:
Cual es el individuo o unidad de análisis
Cual es un valor
Que tipo de variable es:
Cual es la Unidad de Media..

Ejercicio Aplicativo 2
Tabulación y Graficación
En un Centro Médico se desea estimar el
número promedio diario de procesos que no
cumplen las normas de calidad. Con este fin
se elige por sorteo 10 días laborales del Todo análisis estadístico es una estrategia para traducir la
último mes. En uno de los días elegidos se cantidad de información obtenida en la recolección de datos, a
registraron 32 procesos médicos índices o formas que sean interpretables y que representen
deficientes. alguna dimensión del comportamiento de las variables

La estrategia más sencilla es mostrar la información en un

formato visual (gráficos) o en un esquema sintetizado (tablas)
BIOESTADÍSTICA 1 Pag. 6 USAMEDIC 2017

TABLAS ESTADISTICAS (de frecuencia)

Características GRAFICOS (graficación)
 Las tablas deben incluir todos los puntajes registrados
 Deben respetar las características de la variable
 Llevan un título representativo del contenido (sobre la tabla, numerado)
 Al pie de la tabla se debe consignar la fuente de la que proceden los datos.
Son complementarios a la tabulación
 La forma más sencilla de presentar la información obtenida en un estudio es
contabilizar el número de veces que aparece cada VARIABLE. Este indicador se
conoce como la frecuencia (cantidad) de aparición da cada variable.
Representan la distribución de la variable
 Cuando presentamos una variable indicando la frecuencia de aparición de cada uno
de sus valores, tenemos una tabla de frecuencia.

 Frecuencias absolutas: Contabilizan el número total de variables de cada Deben ser fáciles de interpretar
modalidad o clase (intervalo).
 Frecuencias relativas (porcentajes unitarios): Ídem, pero dividido por el
total, normalizadas y expresada en proporción o porcentaje.
 Frecuencias acumuladas absolutas y relativas: Acumulan las frecuencias Deben llevar un título representativo (bajo el gráfico y numerado)
absolutas y relativas. Son especialmente útiles para calcular cuantiles
(como veremos más adelante).

PARTES DE UNA TABLA Gráficos de barras CARGO

OPERARIO GENERAL
OPERADOR DE M AQUINA
AUTOM ATICA

Se utilizan para representar la frecuencia de variables DESPACHADOR DE PRODUCTO

TERM INADO LOCAL
OPERADOR DE DOBLE FILO
de tipo cualitativa, por lo general de nivel nominal.
 TITULO
OPERARIO GENERAL
OPERADOR DE DOBLE FILO

 TALON
CARGO Frec

OPERARIO GENERAL 145

Para graficarla, la variable debe haberse resumido OPERADOR DE MAQUINA

AUTOMATICA
10

 CUERPO
DESPACHADOR DE PRODUCTO
8

previamente en una tabla de frecuencias... TERMINADO LOCAL

OPERADOR DE DOBLE FILO
OPERADOR DE MAQUINA ST
4
12

 NOTAS EXPLICATIVAS (Fuente)

OPERADOR DE SERVICIOS
1
GENERALES
OPERADOR GRAL. ALMACEN
MATERIA PRIMA Y PRODUCTOS 5
TERMINADOS

TITULO 203 operarios clasificados segùn tipo

160
145
TALON 140

120
Número de operarios

100

CUERPO 80

60

40

20 10 8 12
4 1 5
0
OPERARIO GENERAL OPERADOR DE MAQUINA DESPACHAD OR DE OPERADOR DE DOBLE OPERADOR DE MAQUINA OPERADOR DE OPERADOR GR AL.
AUTOMATICA PRODUCT O TERMINAD O FILO ST SERVICIOS GENERALES ALMACEN MAT ERIA
LOCAL PRIMA Y PRODUCTOS
TERMINAD OS
NOTAS EXPLICATIVAS (Fuente)
Tipo de operario

Las barras están separadas entre si, y el ancho de las mismas no es representativo

Ejemplo de Tabla para variables cualitativas nominales Gráficos circulares (tortas, sectores, pie)
Al igual que los gráficos de barra, se utilizan para representar variables de tipo
cualitativa, generalmente para representar distribuciones porcentuales
respecto a una clasificación.

203 operadores según tipo

2% 1%
Ejemplo de Tabla para variables cuantitativas discretas 3%
OPERARIO GENERAL
4%
5% OPERADOR DE MAQUINA ST

7% OPERADOR DE MAQUINA AUTOMATICA

DESPACHADOR DE PRODUCTO TERMINADO

LOCAL

OPERADOR GRAL. ALMACEN MATERIA

PRIMA Y PRODUCTOS TERMINADOS

OPERADOR DE DOBLE FILO

78%

OPERADOR DE SERVICIOS GENERALES

OJO: Todo tipo de variables (cuanti y cuali) se puede tabular.

TABLA DE FRECUENCIAS (Ejemplo con variable continua) Otros gráficos para variables cualitativas
Frecuencia Frecuencia Frecuencia Frecuencia
Variable Normalizada Acumulada acumulada normalizada
absoluta (relativa o %)
Pictogramas
(relativa o %) absoluta
x f fr F Fr
60 - 69 3 0.1 (10%) 3 0.1 (10%)  Fáciles de entender.
 Cada modalidad debe ser
70 - 79 6 0.2 (20%) 9 0.3 (30%) proporcional a la
frecuencia.
80 - 89 7 0.23 (23%) 16 0.53 (53%)

90 - 99 9 0.3 (30%) 25 0.83 (83%)

100 - 109 2 0.07 (7%) 27 0.90 (90%)

110 - 119 2 0.07 (7%) 29 0.97 (97%)

120 - 129 1 0.03 (3%) 30 1.00 (100%)

total 30 1.0 (100%)

BIOESTADÍSTICA 1 Pag. 7 USAMEDIC 2017

Ojiva
Gráficos para variables cuantitativas

VARIABLES CUANTITATIVAS DISCRETAS También se vincula a los histogramas, ya que usa la información de la tabla de
frecuencia (frecuencia acumulativa) para generar un gráfico muy usado para
GRAFICO DE BARRAS GRAFICO INTEGRAL hacer estimaciones y generar respuestas
(diferencial)
Ojiva
Resultado Evaluación

1,2
1

Operadores
0,8
0,6
0,4
0,2
0
11,53 12,17 12,81 13,45 14,08 14,72 15,36 16,00 16,64
Salarios en miles de Bs.

Asimismo permite comparar varios conjunto de datos

VARIABLES CUANTITATIVAS CONTINUAS Otros tipos de Gráficos

Histograma Gráficos de cajas

(Diagrama de Tuckey)

Se utilizan para representar un conjunto de datos cuantitativos continuos. En general se

requiere previamente el cálculo de una tabla de frecuencia, y su posterior • Son gráficos muy simples que ayudan, entre otras cosas, a comparar la dispersión
representación. de dos o mas grupos de datos.
• Se utilizan principalmente para variable cuantitativas, excepcionalmente
Resultado Evaluación cualitativas ordinales.

70 Cuartil 1 Cuartil 3
60
Operadores

50
mínimo 25% 25% 25% 25% máximo
40
30
20
10
0 Mediana
10.89 11.55 12.22 12.88 13.54 14.21 14.87 15.53 16.20 (Cuartil 2)
Salarios en miles

Diagramas de dispersión
(gráfico de puntos o nube)
Histograma  Son gráficos muy simples que sirven para comparar la relación que existe entre
variables cuantitativas.
• Es una gráfica de barras de una distribución de frecuencias.

Clase o intervalo
Curva de frecuencia
fx
Frecuencia

Peso - Talla

Tipos de
Clases
Clases
Limite superior de clase
Peso - Velocidad Edad - Talla
Limite inferior de Clase

Polígonos de frecuencia
Diagrama de Tallos y Hojas
Están vinculados al histograma porque trabajan con la misma información.
Es un diagrama donde cada
valor de datos es dividido en
Resultado Evaluación Con dos pequeños
una “hoja” (normalmente el
cambios se puede último dígito) y un “tallo” (los
60
convertir un otros dígitos). Por ejemplo el
50
histograma en este
valor 32 seria dividido en “3”
Operadores

40
polígono.
30 (tallo) y “2” (hoja).
20
10 No es un gráfico muy
0 difundido a pesar de Se aplica para variables
11.21 11.85 12.49 13.13 13.77 14.40 15.04 15.68 16.32 sus ventajas sobre el cuantitativas discretas.
Salarios en miles histograma.

Permite comparar varios conjunto de datos cuantitativos continuos

BIOESTADÍSTICA 1 Pag. 8 USAMEDIC 2017

Gráficos temporales BIOESTADISTICA 3

Se utilizan para representar series de datos donde el eje horizontal está
representado por el tiempo, es decir la variable evoluciona en el tiempo.

ESTADISTICA DESCRIPTIVA I
Energía Consumida Mensual

8.000
7.500
7.000
GWh

6.500
6.000
5.500
5.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Meses

Estos gráficos son útiles para explorar datos donde no

hay relaciones causales conocidas con otras variables

Diagrama máximo – mínimo

1. Centralización (Tendencia central)
– Indican valores con respecto a los que los datos parecen
Útil para visualizar movimientos en el valor de cierta variable, dentro de un agruparse.
periodo de tiempo establecido
• Media, mediana y moda
Ejemplo: Variación en el número de emergencias diarias por semana. Julio 2. Medidas de Posición
1998 – Dividen un conjunto ordenado de datos en grupos con la
100
misma cantidad de individuos.
90
80 • Cuantiles, percentiles, cuartiles, deciles,...
70
60 3. Medidas de Dispersión
50 – Indican la mayor o menor concentración de los datos con
40 respecto a las medidas de centralización.
30
20
• Desviación típica, coeficiente de variación, rango, varianza
10
0 4. Formas de la Distribuciòn
1ra. Semana 2da. Semana 3ra. Semana 4ta. Semana – 4.1 Simetría
– 4.2 Apuntamiento o curtosis
Fuente: Hoja de registro, julio 1998

Gráfico o Diagrama de Pareto MEDIDAS DE TENDENCIA CENTRAL

Se trata de una variante del gráfico de barras, en el que la tabla de
frecuencias está ordenada de mayor a menor ...  Son medidas estadísticas que se usan para resumir la localización
• Este gráfico
de los datos.
80%
permite identificar  Ubican e identifican UN VALOR alrededor del cual se centran o
aquellas causas
que explican el
agrupan los datos. Las medidas de tendencia central nos indican
80% de los efectos, hacia donde se inclinan o se agrupan más los datos.
por lo que también
se le conoce como
 Las más utilizadas son: la media, la mediana y la moda.
un gráfico de  Es un valor de resumen que pretende “representar” a los valores
PRIORIZACION.
del conjunto.
• Para su
. .
elaboración se . . .. . . .
requiere de la
frecuencia
acumulada relativa
(porcentual).
.
.
. .
.
.
.. . . .
. . . . . . ..
. .
.
. .. .
. .

. . . .
.
. .
.

.. . . . . MTC.
.
.
. .... . .

RESUMEN DE GRAFICAS ESTADISTICAS MEDIDAS DE TENDENCIA CENTRAL

MEDIA

MEDIANA

MODA

PERCENTILES

CUARTILES
BIOESTADÍSTICA 1 Pag. 9 USAMEDIC 2017

LA MEDIA (promedio) LA MEDIANA

• La media o media aritmética, usualmente se le llama promedio o • Se le llama también media posicional, porque
«esperanza matemática». queda exactamente en el medio de un grupo de
• Se obtiene sumando todos los valores de los datos y dividiendo datos, luego de que los datos se han colocado
el resultado entre la cantidad de datos. de forma ordenada.
• Si los datos proceden de una muestra, el promedio se representa
con X (estadístico). Si los datos proceden de la población, se • En este caso, la mitad (50%) de los datos estará
utiliza la letra griega µ (parámetro). por encima del valor central (la mediana) y la
• La Media es un valor que “depende” directamente de las otra mitad (50%) estará por debajo de ella.
magnitudes de cada dato del conjunto.
• La mediana es el valor que se ubica en el medio
de los valores de los datos previamente
ordenados.

• Se puede aplicar para variables cuantitativas y

cualitativas ordinales.

La media aritmética ponderada ( xp ) Calculo de la mediana

Ejemplo: El Hospital del Callao atiende 2,800 consultas diarias, cobrando tres Obtención: Se obtiene ordenando la serie de datos (en forma ascendente o
tipos de tarifas: social, diferenciada y por convenio. El número de pacientes y el descendente) y ubicando el dato central.
valor de cada nivel tarifario se muestra a continuación. Calcule e interprete la
tarifa media por consulta. Ejemplo:
Los siguientes datos se refieren al número de niños atendidos durante
Tipo de Tarifa Pacientes los últimos 11 días en un Servicio de Emergencia Pedriáticas del
Tarifa S/. Hospital de Huacho. Calcule e interprete la mediana.
Social 5 60%
Diferenciada 15 30% 12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Por convenio 40 10%
Primero se ordenan los datos:
5(0,60)  15(0,30)  40(0,10)
xp  5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17
0,60  0,30  0,10
5 datos menores 5 datos mayores
x p  11,5  S / .11,50
1,0
mediana

Interpretación: Durante 5 días (50% del tiempo), se atendieron a menos de 11 pacientes

por día, y durante 5 días se atendieron a más de 11 pacientes por día.

La media geométrica ( g ) x Reglas

se usa para encontrar el promedio de porcentajes, razones, índices o tasas, como
1º Si la serie es impar, la mediana corresponde a un valor del conjunto de
la tasa media de crecimiento poblacional, la tasa media de inflación mensual, la
datos que ocupa el lugar central de la serie previamente ordenada.
tasa media de mortalidad, entre otros.
Ejemplo: 5, 10, 10, 12, 15 , 17, 20, 21, 24
a) Obtención: se obtiene extrayendo la raíz enésima del producto de los n
valores de una serie.

xg  n X1  X2  X3  ...  Xn 2º Si la serie es par, la mediana se obtiene de la semisuma de los dos

valores centrales de la serie previamente ordenada.
xh Ejemplo:
Se utiliza para calcular variables como productividades, velocidades, rendimiento, 8, 10, 14, 18, 23, 24, 32, 34
aceleración media, cambios o variaciones como el tiempo medio para realizar un
18  23
proceso médico. mediana   20,5
2

a) Obtención: se obtiene calculando el inverso de la media aritmética de los inversos de

una serie. 3º Sea la serie par o impar, la mediana ocupa el lugar,
xh  n 1  n  1
1 de la serie previamente ordenada.  2 

i 1
X
i
n

Ventajas y desventajas de la media aritmética Ventajas y desventajas de la mediana

Ventajas: Ventajas:

ä Concepto familiar para muchas personas ä Los valores extremos no afectan a la mediana como en el caso de la media aritmética.
ä Es fácil de calcular, interpretar y entender.
ä Es única para cada conjunto de datos
ä Se puede determinar para datos cualitativos.
ä Es posible comparar medias de diferentes muestras
Desventajas:

Desventajas ä Como valor central, se debe ordenar primero la serie de datos.

ä Para una serie amplia de datos no agrupados, el proceso de ordenamiento
ä Se ve afectada por los valores extremos de los datos demanda tiempo y usualmente provoca equivocaciones.

ä Si la muestra es grande y los datos no están

agrupados, su cálculo es tedioso

ä Si los datos están agrupados en clases con extremos

abiertos, no es posible calcular la media.
Altura mediana
BIOESTADÍSTICA 1 Pag. 10 USAMEDIC 2017

¿Cuando elegir la Media o la Mediana? MEDIDAS DE POSICION

¿La serie de datos tiene valores (fractiles, cuantiles)
extremos?
(muy altos o muy bajos respecto a la mayoría de
datos)

SI NO MEDIA

ASIMETRIA SIMETRIA MEDIANA

MODA

PERCENTILES
x x
CUARTILES

DEFINICIONES Y EQUIVALENCIAS
LA MODA
100%
• Las medidas de posición nos permiten
dividir a una distribución en 2 o mas partes,
iguales.
• Según el número de partes, éstas divisiones
• La moda es el dato que más se repite o el tendrán distintos nombres: 50% M 50%
dato que ocurre con mayor frecuencia.
– Percentiles: Cuando dividimos una
distribución en100 partes.
• Un grupo de datos puede tener más de 25%
Q1
25%
Q2
25%
Q3
25%
una moda.
– Deciles: Cuando dividimos una
distribución en 10 partes.
• Se puede aplicar para variables
cuantitativas y cualitativas nominales. – Cuartiles : Cuando dividimos una
20% 20% 20% 20% 20%

distribución en 4 partes.
• Veamos el siguiente ejemplo: se tiene una D5
muestra con valores 20, 23, 20, 24, 25, 25, – Mediana: Cuando dividimos una 10% 10%
26 y 30. El 20 y 25 son la moda entonces, distribución en 2 partes.
se dice que es bimodal.  Se aplica para Variables cuantitativas,
excepcionalmente ordinales. P25 P50 P75
1% 1% 1% 1%

Calculo de la moda
Obtención: se obtiene organizando la serie de datos y seleccionando el o los datos
PERCENTILES
que más se repiten.
• Los percentiles dividen a los datos en cien partes iguales, cada una de
Ejemplo:
ellas contiene el 1% de los elementos del conjunto.
4, 5, 7, 8, 8 , 10, 12, 15 • Más o menos el (p) por ciento de los datos tienen valores menores que
el percentil y aproximadamente (100-p) por ciento de los datos tienen
4, 7, 12,12 , 15, 16, 20, 20 , 24, 27 valores mayores que el percentil.
• Un percentil nos provee información de como se distribuyen los
7, 12, 15, 18, 25, 30, 31, 38 valores de los datos desde el menor hasta el mayor.

Un percentil divide en dos partes las observaciones. Por ejemplo, el

percentil 20, P20, es el valor que deja por debajo un 20% y por encima un
El modo 80% de las observaciones
Cuando la muestra
es grande, los datos
se agrupan en intervalos 20% 80%
y obtenemos el
Intervalo modal
Mínimo Máximo
Percentil 20
(P20)

Relación entre: Media, Mediana y Moda PASOS PARA CACULAR EL PERCENTIL

• Para calcular la posición del percentil, debe seguir los siguientes pasos:
• Si una distribución es simétrica, la media, Paso 1. Ordene los datos de manera ascendente.
mediana y modo coinciden Paso 2. Calcule un índice (i) que indica la
posición del percentil que se busca  P 
i n
en la serie de datos ordenados.  100 
en donde (p) es el percentil de interés y (n) es el número de datos u
• Si una distribución no es simétrica, las tres medidas observaciones del conjunto o serie.
difieren. Paso 3.
Asimetría hacia la derecha Asimetría hacia la izquierda a) Si (i) no es entero, utilizando las reglas de redondeo, se lleva al próximo
(asimetría positiva) (asimetría negativa) numero entero. El valor entero inmediato mayor que (i) indica la posición
donde se encuentra el percentil. Esto significa que si (i) = 3.5, el percentil
se encuentra en la posición 4 de los datos ordenados.

b) Si (i) es entero, la posición del percentil es el promedio de los valores de

Media Media Modo los datos ubicados en los lugares i e (i + 1). Veamos como se aplica
Modo
Mediana Mediana
BIOESTADÍSTICA 1 Pag. 11 USAMEDIC 2017

EJEMPLO PASOS PARA CALCULAR LOS CUARTILES

• Como ejemplo de este procedimiento, determina el percentil 75 • Primer cuartil:
de los datos sobre las edades del siguiente un grupo de Q1 = primer cuartil, o percentil 25
ciudadanos: 25, 20, 26, 21, 19, 23, 22, 30, 28, 27.
 25 
Paso 1. Ordene los datos en orden ascendente: i =102.5
 100 
19 20 21 22 23 25 26 27 28 30 Como(i) no es un número entero, se redondea al próximo entero mayor que 2.5, o sea 3. Al
1 referirnos a los datos vemos que el primer cuartil está ubicado en la posición 3 de los datos que
posición 2 3 4 5 6 7 8 9 10
este caso es 11. El primer cuartil en los datos se divide de la siguiente forma:
5 8 11 12 14 15 18 20 25 30 Q1=11
Paso 2. Calcule el índice (i):  P   75 
i n i 10  7.5 1 2 3 4 5 6 7 8 9 10

 100   100 
Paso 3. Como (i) no es entero, redondeamos al próximo entero mayor que 7.5, o sea, el  Segundo cuartil:
lugar 8. Al referirnos a los datos del ejemplo, vemos que el percentil 75 es el valor del dato
ubicado en la posición número 8, que en este caso es 27. Q2 = segundo cuartil, o percentil 50 (también la mediana)
 50 
19 20 21 22 23 25 26 27 28 30 i 10 = 5
posición 1 2 3 4 5 6 7 8 9 10
 100 
Como (i) es un número entero, el segundo cuartil es el promedio de los valores de los
datos que están en las posiciones i e (i+1), que en este caso es, (14+15)÷2=14.5,
Nota. Recuerda que (i) nos indica el lugar del dato donde se encuentra el percentil que
estamos buscando. entonces, el segundo cuartil en los datos se divide así:

5 8 11 12 14 15 18 20 25 30 Q1=11 ; Q2=14.5
 Significa que el 75% de las edades son menores de 27 1 2 3 4 5 6 7 8 9 10

años y el 25% restante (100-p) es mayor de 27 años.

PASOS PARA CALCULAR LOS CUARTILES

VALORES
• Tercer cuartil:
Q3 = tercer cuartil, o percentil 75

 75  = 7.5
i 10
 100 
Como (i) no es un número entero, se redondea al próximo entero mayor que
7.5, o sea 8. Al referirnos a los datos , vemos que el tercer cuartil está ubicado
1 2 3 4 5 6 7 en posición 8 de los datos que en este caso es el 20. Finalmente, los cuartiles en
este caso se presentan de la siguiente forma:

5 8 11 12 14 15 18 20 25 30

1 2 3 4 5 6 7 8 9 10

CADA POSICION CORRESPONDE A UN PERCENTIL Q1=11 Q2=14.5 Q3=20

CUARTILES Ejemplos

• Los cuartiles dividen los datos en cuatro partes iguales.

En el Hospital Dos de Mayo los pesos de RN durante el año 2009 variaron
entre los 1500 gr hasta los 4,500 gr. Diga usted que porcentaje de niños
• Cada una de las partes representa una cuarta parte, o el 25% de las observaciones.
tuvieron un peso mayor de 3000 gr si se sabe que este peso corresponde
• Los cuartiles son percentiles específicos; por consiguiente, los pasos para calcular los al percentil 80 de la serie total de RN durante el 2009?
percentiles los podemos emplear para calcular los cuartiles.
• El primer cuartil Q1 es un valor que deje por debajo de él 25% de las y por encima 75%
de las observaciones (equivale al P 25). El Q2 es la mediana (50%) (equivale al P50) y p80
Q3 deja por debajo 75% y por encima 25% de las observaciones (equivale al P75)

1500 gr 4500 gr
3000 gr
75% 25%
25% 75%

25% 25% 25% 25%

Cuartil 1 Mediana Cuartil 3 Máximo

Mínimo Cuartil 2
Q1 Q3
Q2

Ejercicios
PASOS PARA CALCULAR LOS CUARTILES
• El 5% de los recién nacidos tiene un peso demasiado bajo. ¿En que
• A continuación se presenta un conjunto de datos con los siguientes valores; percentil se encuentra el peso por debajo del cual se considera
5, 12, 8, 14, 11, 15, 20, 18, 30 y 25. “demasiado bajo”?

¿ Cómo identificamos los cuartiles en este ejemplo?

Utilizarás los mismos pasos para identificar los percentiles: ◦ ¿En que percentil se encuentra el peso que es superado sólo por el 25%
de los recién nacidos?
Primero, ordenamos los datos

5 8 11 12 14 15 18 20 25 30 ◦ El colesterol se distribuye simétricamente en la población. Si se

consideran patológicos los valores extremos. El 90% de los individuos
Segundo, determinamos (i) para cada cuartil: son normales ¿Entre qué percentiles se encuentran los valores que
incluyen a los individuos normales?
Q1 = primer cuartil, o percentil 25
Q2 = segundo cuartil, o percentil 50 (también la mediana)
Q3 = tercer cuartil, o percentil 75 ◦ ¿Entre qué percentiles se encuentran los valores en los que está la
mitad de los individuos “más normales” de una población?
1 2 3 4 5 6 7 8 9 10
BIOESTADÍSTICA 1 Pag. 12 USAMEDIC 2017

EJERCICIOS DE PRÁTICA MEDIDAS DE DISPERSIÓN

Resuelve los siguientes ejercicios:

Se ha obtenido una muestra del salario de los Bomberos. Los datos recopilados
RANGO
fueron los siguientes:
1500 $1400 $1600 $2100
1200 1300 1900 1800 RANGO INTERCUARTIL
2000 1200 1200 1500
2200 2300 1500 1400 DESVIACION MEDIA

a. determine el salario promedio VARIANZA

b. calcule la mediana y la moda.
c. calcule el percentil 65. Explique el resultado.
DESVIACIÓN ESTÁNDAR
d. determine los cuartiles.

COEFICIENTE DE VARIACION

BIOESTADISTICA 4
RANGO

• Es también llamado: Amplitud, intervalo, recorrido o alcance.

• Es la medida de dispersión más sencilla.
• Se determina restando el valor mayor de los datos, del valor menor.

Ejemplo: Se tienen los siguientes valores de datos:

20, 25, 10, 5, 30, 35, 31, 23.

ESTADISTICA DESCRIPTIVA II Rango = valor mayor – valor menor
35 – 5 = 30

Interpretación
La diferencia entre el valor mayor y el menor es de 30.

3. MEDIDAS DE DISPERSIÓN RANGO INTERCUARTILICO

Llamadas también medidas de variabilidad, variación

Son útiles porque: También se denomina
Alcance intercuartilico.
ä Permiten juzgar la confiabilidad de la medida de tendencia central.
Permite ubicar 50% de
ä Miden la variabilidad de los datos y reflejan la tendencia de los datos de
alejarse entre si o de la media, ya que caracterizar una distribución solamente los datos que se
a través de una medida central no es apropiado. encuentran en el centro
de la distribución, es
ä Es posible comparar dispersión de diversas muestras. decir, 25% de los datos
son menores al primer
ä Son importantes debido a que dos muestras de observaciones con el mismo
cuartil y también 25% de
valor central pueden tener una variabilidad muy distinta.
los datos son mayores al
tercer cuartil.
Miden el grado de dispersión (variabilidad) de los
datos, independientemente de su causa. RI  Q3  Q1

Veamos el siguiente ejemplo:

Medidas de dispersión Determine el rango intercuartil para los datos siguientes (pesos de pacientes pediátricos);

30, 40, 35, 5, 10, 20, 15, 30 y 45:

Ejemplo de dos conjuntos de datos con igual media
Paso 1. Ordenar los datos de forma ascendente.
5 10 15 20 30 30 35 40 45
posición 1 2 3 4 5 6 7 8 9

Paso 2. Calcular los cuartiles Q3 y Q1:

Q3 = 75 percentil
Q1 = 25 percentil
Nota: Utiliza el mismo procedimiento para calcular los percentiles.
 Cuartil uno: Q1 = 25 percentil
 P   25 
Media = 60 Kg. Media = 60 Kg. i n = i   9 = 2.25
 100   100 
Datos con baja dispersión Datos con alta dispersión Como (i) no es un entero, redondeamos al próximo entero mayor que 2.25, o sea 3. Así,
que Q1 está ubicado en la posición tres (3) de los datos, que en este ejemplo es 15.
BIOESTADÍSTICA 1 Pag. 13 USAMEDIC 2017

 Cuartil tres: Q3 = 75 percentil

DESVIACION ESTANDAR
 P   75  = 6.75
i n = i 9
 100   100  • También llamada DESVIACION TIPICA, es la RAÍZ CUADRADA DE LA
Como (i) no es un entero, redondeamos al próximo entero mayor que 6.75, o sea 7. Así, VARIANZA.
que Q1 está ubicado en la posición siete (7) de los datos, que en este ejemplo es 35. • Es una medida de la variabilidad de un conjunto de datos respecto a la
5 10 15 20 30 30 35 40 45 MEDIA.
posición 1 2 3 4 5 6 7 8 9
• Se calcula sacando la raíz cuadrada de la varianza. Nos indica cuánto
tienden a alejarse los datos del promedio. Si los datos son de una
muestra, la desviación estándar se representa como:
• Paso 3. Ahora, podemos sustituir los valores de los cuartiles en la fórmula.
n
 (Xi  x)2
i 1
S s  2
n 1
Rango Intercuartil = Q3 – Q1
• Para poder interpretar los datos debemos regresarlos a la escala original
(sacar la raíz cuadrada de la varianza).
Interpretación:
El 50% de los pacientes pediátricos pesan entre 15 y 25 Kilos.
El rango intercuartilico de pesos de los pacientes pediátricos es de 20 Kilos.

DESVIACION MEDIA Ejemplo:

La siguiente información se refiere al número de quejas recibidas en

Permite calcular la desviación media de todos los datos respecto a su media un Centro Médico durante una semana. Calcule la desviación
aritmética. estándar.
A cada dato se le resta la Media Aritmética sin hacer caso de los signos negativos
(valor absoluto), y se divide luego por el número total de términos. 8, 10, 5, 12, 10, 15

(Xi – X)
Ya sabemos por el ejemplo anterior que S2 = 11,6 quejas2.

DM =
----------- Entonces:
n

S
2
Ejemplo
Calcular la desviación media de la distribución: s
9, 3, 8, 8, 9, 8, 9, 18

S  11,6 quejas2 La unidad de medida de la

DS es igual a la de las
variables del conjunto
S  3,4 quejas

VARIANZA
COEFICIENTE DE VARIACION R
• La varianza es otra medida de dispersión que se basa en la diferencia entre
el valor de cada dato (Xi) y la media (x ). •También llamado COEFICIENTE DE VARIACION DE PEARSON.
• La diferencia entre cada dato (Xi) y su media (x ) para una muestra se llama
desviación con respecto a la media o promedio y se expresa con la siguiente •Es una medida de variabilidad relativa de los datos, permite comparar la
fórmula: variabilidad de dos o más conjuntos de datos expresados en unidades
n

 (X i  x )
2
diferentes (peso; kg. y libras).

S 
2 i 1

n 1 Cálculos a partir de datos no agrupados

• Para calcular la varianza, las desviaciones respecto a la media se elevan al
cuadrado y se dividen entre (N – 1).
• Este indicador nos muestra las variaciones al cuadrado respecto al
promedio. Para la muestra: s 100
CV 
• No se puede interpretar x

Ejemplo:
La siguiente información se refiere al número de quejas recibidas en un Centro Ejemplo:
Médico durante una semana. Calcule la varianza de 8, 10, 5, 12, 10, 15.

Elaboramos un cuadro de la forma siguiente A continuación se presentan las ventas (en unidades
monetarias) logradas durante una semana por dos farmacias.
x Xi  x Xi  x  2 La farmacia I vende en soles y la farmacia II en dólares ¿Cuál
de ellos tiene un desempeño más estable, en cuanto a nivel de
8 8 - 10 = - 2 4 ventas?.
60
x
10 10 - 10 = 0 0
5 5 - 10 = - 5 25 6 Farmacia I (soles) Farmacia II (dólares)
12 12 - 10 = 2 4

10 10 - 10 = 0 0
15 15 - 10 = 5 25 x  10 40,70,60,48,52,65,58 70,35,150,140,82,110,140,120
 X  60  Xi  x   0  Xi  x   58
2
Calculamos la media y desviación estándar para cada una de
las farmacias
 Xi  x   58
2

 (X i  x )
2
2 58
2
 S   11,6 quejas2
S n 1 6 1
BIOESTADÍSTICA 1 Pag. 14 USAMEDIC 2017

Farmacia I n
Media
aritmética 4. FORMAS DE DISTRIBUCION
 Xi
393 (GRAFICOS)
x  i 1
  56,14
n 7

x Xi  x Xi  x  2
4.1 SIMETRIA DE LOS DATOS
40 -16,14 260,50
70 13,86 192,10 Otra característica de un conjunto de datos es la forma, es decir, la
60 3,86 manera en que están distribuidas las observaciones.
14,90
48 -8,14 66,26 La distribución de los datos puede ser o no simétrica. Si la
distribución de los datos no es simétrica, se llama asimétrica, No
52 -4,14 17,14 Normal o sesgada.
65 8,86 78,50
Para describir la forma se puede comparar la media y la mediana.
58 1,86 3,46
 Xi  x   0  Xi  x 
También puede observarse a través del coeficiente de asimetría Mide el
 X  393 2
 632,86 grado de Simetría / Asimetría de la distribución

11
0

Si  Xi  x 2  632,86
Desviación Ejemplos de diferentes formas de distribución
estándar

n
 ( Xi  x )
2 Distribuciones simétricas
i 1 632,86
S   10,27
n 1 7 1

S
CV  100 Distribuciones asimétricas
x
10,27
CV   100  18,29
56,14 Sesgo positivo Sesgo negativo
Asimétrica Positiva Asimétrica Negativa

Farmacia II Media
n 11

 Xi
aritmética Relación entre la media, la mediana y la moda 1

847
x  i 1   105,87
n 8
ASIMETRIA DERECHA o POSITIVA ASIMETRIA IZQUIERDA o NEGATIVA
x Xi  x Xi  x  2
Frecuencia

Frecuencia

70 -35,87 1286,6569
35 -70,87 5022,5569
150 44,13 1947,4569
140 34,13 1164,8569 promedio
moda promedio moda
82 -23,87 569,7769
110 4,13 17,0569 Magnitud Magnitud
140 34,13 1164,8569
120 14,13 199,6569
Cuando los datos son sesgados es mejor emplear la Mediana
 X  847  
 Xi  x  0,04  Xi  x 
2
 11372,88

Si  Xi  x   11372,88
n 2
Desviación
Regla Empírica “Teorema de Chebyshev”
i 1 estándar (para distribuciones simétricas)
n
 ( Xi  x )
2
i 1 11372,88
S   40,30
n 1 8 1

S 40,30
CV  100 CV  100  30,06
x 105,87 -1 1
-2 2
68%
-3 95% 3
La farmacia II presenta una mayor variabilidad en el volumen de
ventas.
99.9%
BIOESTADÍSTICA 1 Pag. 15 USAMEDIC 2017

APLICACIÓN EN ESTADISTICA DESCRIPTIVA El Coeficiente de Kurtosis

• Diga ud. ¿cual es el intervalo de peso en Kg. en el que se Mide el grado de apuntamiento de la curva
encontrará el 68% de individuos de un marco muestral, en el
Interpretación:
cual la media de peso es de 78Kg con una DS de + - 6 Kg.? .
=0 Mesocúrtica

• En que rango de Talla se encontrará el 95% de la población en CK >0 Leptocúrtica

la que se sabe que la media de talla es de 160 cm con una DS
de + - 15 cm? <0 Platicúrtica

En la distribución Normal es 0 mesocúrtica

• En que rango de edades se encontrará el 99% de individuos de
Si es + indicará un grado de apilamiento mayor que en la normal leptocúrtica
una muestra (marco), cuya media aritmética fue de 35 años
(menor dispersión)
con una DS de +- 3 años.
Si es – indicará que es más aplanada que la normal platicúrtica (mayor
dispersión)

Coeficiente de Asimetría de Pearson: RESUMEN DE MEDICIONES ESTADISTICAS DESCRIPTIVAS

MEDIA
Fácil de calcular e interpretar.
MEDIANA
• Cálculo: VARIANZA

ASP 

3 X  Md  . . . .
. .. .
.. . .
. . . . .
.
.
. .
. SIMETRIA
. . . .. . .
s MODA . . . . . . . . .. .
. . .
.
. DISTRIBUCION = GRAFICO
.. . . . . . . . KURTOSIS
..
. .. . . . .
.
o Interpretación:
RANGO
= 0, X=Md Simétrica PERCENTIL
CUARTIL

ASP > 0, X>Md Asimétrica Positiva

DESVIACION ESTANDAR COEFICIENTE DE VARIACION (PEARSON)
< 0, X<Md Asimétrica Negativa
. . . .. . . . . . .. . .
... ................... ........
COMPARA
... ................... ........
... ...... .. ... ...... ..

4.2 KURTOSIS

La Forma de la distribución
Otra manera de apreciar la forma de una distribución es observar el
nivel de apilamiento o llanura de la curva

leptocúrtica Platicúrtica mesocúrtica

. (menor dispersión) (mayor dispersión)

El coeficiente de kurtosis mide el grado de apuntamiento de la

curva