

Representaciones
Gráficas
—

1 © Ast urias Corporación Universitaria

 Representaciones Gráficas

Índice

1 Introducción ............................................................................................................................................................ 3
2 Diagrama de Torta .............................................................................................................................................. 3
3 Diagrama de Puntos........................................................................................................................................... 4
4 Diagrama de Barras ............................................................................................................................................ 4
5 Histograma .............................................................................................................................................................. 5
6 Medidas Descriptivas ........................................................................................................................................ 5
6.1 Medidas de Centralidad .................................................................................................................... 6
7 Medidas de Dispersión .................................................................................................................................... 9
7.1 Rango ........................................................................................................................................................... 9
7.2 Desviación Media ................................................................................................................................ 10
7.3 Varianza..................................................................................................................................................... 10
7.4 Desviación Estándar............................................................................................................................ 11
7.5 Coeficiente de Variación .................................................................................................................. 11
8 Medidas de Posición ........................................................................................................................................ 12
9 Medidas de Asimetría y Apuntamiento................................................................................................. 12
9.1 Grado de Asimetría .............................................................................................................................. 12
9.2 Grado de Apuntamiento ................................................................................................................... 13
10 Resumen ................................................................................................................................................................. 13
11 Referencias Bibliográficas ............................................................................................................................ 13

02 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

Objetivos
 Objetivo: Conocer las diferentes formas de representación estadística.

1 Introducción
En función de la naturaleza de los datos y de la forma en que estos se presenten,
existen distintos tipos de representaciones. Veamos aquí las más interesantes:

2 Diagrama de Torta
Se emplea para representar atributos.
Ejemplo 1: Se necesita escoger un representante de la comunidad. Se tienen 4
candidatos y se han obtenido los siguientes resultados:

Candidato Votación

520
A
378
B
245
C
172
D

Tabla 1: Ejemplo 1

03 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

Figura 1: Diagrama de torta

3 Diagrama de Puntos
Se emplea en una distribución dada por extensión cuando la variable es continua de
escala de razón.
Ejemplo 5: En un estudio sobre el peso y la estatura de un grupo de siete estudiantes,
se han obtenido las siguientes mediciones: (73, 1.87), (67, 1.75), (75, 1.80), (66, 1.67), (80,
1.95), (64, 1.78), (83, 1.77). La representación gráfica mediante un diagrama de puntos es
la que se muestra a continuación.

Figura 2: Dispersograma

4 Diagrama de Barras
Se emplea para representar atributos y variables cuantitativas de tipo discretas. Para los
datos del ejemplo 4. El diagrama de barras vendría dado por:

04 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

Figura 3: Diagrama de barras

5 Histograma
Es uno de los gráficos más utilizados, ya que puede relacionar el número de
observaciones con el área dentro de cada rectángulo. Para los datos del ejemplo 3, un
histograma vendría dado por:

Figura 4: Histograma.

6 Medidas Descriptivas
Son valores que caracterizan las observaciones de un conjunto de datos. Estas medidas
pueden ser: centralidad, dispersión o variabilidad, posición, asimetría y apuntamiento.

05 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

6.1 Medidas de Centralidad

Son valores que representan un valor central, hacia el cual, tiene tendencia a
concentrarse el conjunto de datos.

 Media aritmética: Es la medida más utilizada en un conjunto de datos, es un

“Media aritmética: valor central que valor central que toma en cuenta todos los valores que aparecen en el conjunto
toma en cuenta todos los valores que
de datos, y las distancias relativas a estos valores. Los valores tienen la misma
aparecen en el conjunto de datos, y las
distancias relativas a estos valores”
importancia en el grupo de datos.

Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 los valores de una variable 𝑋, de una muestra de tamaño 𝑛, con (𝑘 ≤

𝑛), con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 respectivamente. La media aritmética se
define como:

𝑘
1 1
𝑥̅ = (𝑛1 𝑋1 + 𝑛2 𝑋2 + ⋯ + 𝑛𝑘 𝑋𝑘 ) = ∑ 𝑛𝑖 𝑋𝑖
𝑛 𝑛
𝑖=1

Si la variable 𝑋 tiene 𝑛 valores diferentes, digamos 𝑋1 , 𝑋2 , … , 𝑋𝑛 , entonces la media

aritmética se escribe como:

𝑘
1 1
𝑥̅ = (𝑋1 + 𝑋2 + ⋯ + 𝑋 ) = ∑ 𝑋𝑖
𝑛 𝑛
𝑖=1

Ejemplo: Considerando los siguientes datos: 3, 8, 4, 10, 6,2. ¿Cuál es su media?

Propiedades de la media

1. La suma de las desviaciones de los datos con respecto a la media es cero, esto
es:
𝑛

∑(𝑋𝑖 − 𝑥̅ ) = 0
𝑖=1

06 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

2. La suma de los cuadrados de las desviaciones a partir de la media aritmética es

menor, que la suma de los cuadrados de las desviaciones a partir de cualquier
otro valor, esto es:
𝑛

∑(𝑋𝑖 − 𝑥̅ )2
𝑖=1

Es mínima.
3. Si cada uno de los datos de la variable es constante, la media será igual al valor
de la constante, es decir, 𝑋1 = 𝑘, 𝑋2 = 𝑘, …, 𝑋𝑛 = 𝑘 entonces:
𝑘
1
𝑥̅ = ∑ 𝑋𝑖 = 𝑘
𝑛
𝑖=1

4. Si cada uno de los datos de una variable es afectado aditivamente

(negativamente) por una constante 𝑘, la media aritmética de la nueva variable
es equivalente a sumar (restar) la constante a la media de la variable original. Es
decir, si
𝑌𝑖 = 𝑋𝑖 ± 𝑘 , 𝑝𝑎𝑟𝑎 1 = 1,2, … , 𝑛 entonces 𝑦̅ = 𝑥̅ ± 𝑘.

Si cada uno de los datos de una variable es afectado multiplicativamente por una
constante 𝑘, la media aritmética de la nueva variable es equivalente a multiplicar la
constante a la media de la variable original. Es decir, si 𝑌𝑖 = 𝑘𝑋𝑖 , 𝑝𝑎𝑟𝑎 1 =
1,2, … , 𝑛 entonces 𝑦̅ = 𝑘𝑥̅ .

 Mediana: Es la segunda medida más utilizada después de la media aritmética, y

“Mediana: es una medida de posición, y hay es útil para estimar el centro de un conjunto de datos. La mediana es el
el mismo nº de observaciones tanto a la elemento central del conjunto de datos, es una medida de posición y hay el
derecha como a la izquierda del valor de la
mismo número de observaciones a la derecha y a la izquierda del valor de la
mediana”
mediana.
Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 , los valores de una variable 𝑋 con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 , de
una muestra de tamaño 𝑛, con (𝑘 ≤ 𝑛), Los valores ordenados de 𝑋 son 𝑋(1) , 𝑋(2) , … , 𝑋(𝑘) .
La mediana se calcula como:
𝐴𝑖 𝑛
𝑥̃ = 𝐿𝑖 + ( − 𝑁𝑖−1 )
𝑛𝑖 2

Donde:
- 𝐿𝑖 es el límite inferior de la clase mediana.
- 𝐴𝑖 es la amplitud de la clase mediana.
- 𝑁𝑖−1 es la diferencia absoluta acumulada de la clase anterior a la clase mediana.
- 𝑛 es el tamaño de la muestra.

07 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

Si la variable 𝑋 tiene 𝑛 valores diferentes, digamos 𝑋1 , 𝑋2 , … , 𝑋𝑛 , entonces la mediana se

escribe como:

𝑋 𝑛+1 , 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟;
( )
2
𝑥̃ = {𝑋(𝑛) 𝑋(𝑛+1)
2 2
, 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
2

 Moda: Representa el valor o valores que tienen la mayor frecuencia dentro del
“Moda: representa el valor o valores que conjunto de datos. La moda puede o no existir. En el evento en que exista,
tienen la mayor frecuencia dentro del
puede no ser única, ya que una distribución puede eventualmente tener una o
conjunto de datos”
varias modas.

∆1
𝑀𝑜 = 𝐿𝑖 + 𝐴𝑖
∆1 + ∆2

Donde:
- 𝐿𝑖 es el límite inferior de la clase modal.
- 𝐴𝑖 amplitud de clase de la clase modal.
- ∆1 = 𝑛𝑖 − 𝑛𝑖−1 es la diferencia entre la frecuencia absoluta de la clase modal y
la frecuencia absoluta de la clase anterior a la clase modal.
- ∆2 = 𝑛𝑖 − 𝑛𝑖+1 es la diferencia entre la frecuencia absoluta de la clase modal y
la frecuencia absoluta de la clase posterior a la clase modal.
 Media Geométrica: Es una medida de centralidad que se utiliza, generalmente,
“Media geométrica: medida de centralidad cuando los valores dependen del tiempo. Varían de manera no lineal o cuando
que se utiliza cuando los valores dependen
existe un alto grado de heterogeneidad en el conjunto de datos.
del tiempo”
Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 los valores de una variable 𝑋, de una muestra de tamaño 𝑛, con (𝑘 ≤
𝑛), con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 respectivamente. La media geométrica se
define como:

𝑛 𝑛 𝑛 𝑛
𝑥̅𝑔 = √𝑋1 1 × 𝑋2 2 × ⋯ × 𝑋𝑘 𝑘

Si la variable 𝑋 tiene 𝑛 valores diferentes, digamos, 𝑋1 , 𝑋2 , … , 𝑋𝑛 , entonces la media

geométrica se escribe como:

𝑛
𝑥̅𝑔 = √𝑋1 × 𝑋2 × ⋯ × 𝑋𝑘

08 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

 Media Armónica: Aunque su campo de aplicación es muy restringido, es útil

para promediar velocidades, volúmenes de ventas y cuando la variable crece en
“Media armónica: útil para promediar
velocidades, volúmenes de ventas y
progresión armónica.
cuando la variable crece en progresión
Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 los valores de una variable 𝑋, de una muestra de tamaño 𝑛, con (𝑘 ≤
armónica”
𝑛), con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 respectivamente. La media armónica se define
como

1 𝑛
𝑥̅ℎ = =
1 1
∑𝑛𝑖=1 ∑𝑛𝑖=1
𝑋𝑖 𝑋𝑖
𝑛

 Media Ponderada: Cuando se conoce la media de varios grupos de datos y el

“Media ponderada: cuando se conoce la número de datos en cada grupo, se puede calcular la media global que se
media de varios grupos de datos y los conoce como media ponderada.
números de datos en cada grupo”

𝑛1 𝑥̅1 + 𝑛2 𝑥̅2 + ⋯ + 𝑛𝑘 𝑥̅𝑘

𝑥̅𝑝 =
𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘

7 Medidas de Dispersión
Permiten generar criterios sobre el grado de homogeneidad o heterogeneidad del
conjunto de datos que se está analizando, en relación con una medida de centralidad, o
con respecto a datos entre sí.

7.1 Rango

Diferencia entre al valor máximo y el valor mínimo del conjunto de datos. Mide la
longitud en la cual se encuentran los datos. En general, a mayor longitud mayor
dispersión de los datos.

𝑅 = 𝑋(𝑛) − 𝑋(1)

09 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

7.2 Desviación Media

Es la media aritmética de los valores absolutos de las desviaciones de los datos, con
respecto a la media. En el cálculo de esta medida, intervienen todos los valores en el
conjunto de datos, por lo tanto, permite una información relativa de todos ellos, y da un
mejor conocimiento del grado de variabilidad de la distribución de los datos que el
rango.

Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 los valores de una variable 𝑋, de una muestra de tamaño 𝑛, con (𝑘 ≤

𝑛), con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 respectivamente. La desviación media se
define como:
𝑘
1
𝑑𝑚 = ∑ 𝑛𝑖 |𝑋𝑖 − 𝑥̅ |
𝑛
𝑖=1

Si la variable 𝑋 tiene 𝑛 valores diferentes, digamos, 𝑋1 , 𝑋2 , … , 𝑋𝑛 , entonces la desviación

media se escribe como:

𝑘
1
𝑑𝑚 = ∑|𝑋𝑖 − 𝑥̅ |
𝑛
𝑖=1

7.3 Varianza

La varianza mide las variaciones del conjunto de datos con respecto a su media
aritmética. Se define como la media aritmética de los cuadrados de las desviaciones de
cada dato a la media aritmética.
Sean 𝑋1 , 𝑋2 , … , 𝑋𝑘 los valores de una variable 𝑋, de una muestra de tamaño 𝑛, con (𝑘 ≤
𝑛), con frecuencias absolutas 𝑛1 , 𝑛2 , … , 𝑛𝑘 respectivamente. La varianza muestral se
define como:

𝑘
1
𝑆2 = ∑ 𝑛𝑖 (𝑋𝑖 − 𝑥̅ )2
𝑛
𝑖=1

Si la variable 𝑋 tiene 𝑛 valores diferentes, digamos, 𝑋1 , 𝑋2 , … , 𝑋𝑛 , entonces la varianza

muestral se escribe como:

010 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

𝑘
1
𝑆2 = ∑(𝑋𝑖 − 𝑥̅ )2
𝑛
𝑖=1

Propiedades de la Varianza
1. El valor de la varianza es siempre positivo o igual a cero, esto es 𝑆 2 ≥ 0,
para cualquier conjunto de datos.
2. Si cada uno de los datos de la variable es constante, la varianza igual a
cero, es decir, si 𝑋1 = 𝑘, 𝑋2 = 𝑘, …, 𝑋𝑛 = 𝑘, entonces

𝑘
1
𝑆 2 = ∑(𝑋𝑖 − 𝑥̅ )2 = 0
𝑛
𝑖=1

Si cada uno de los datos de una variable es afectado aditivamente (negativamente) por
una constante 𝑘, la varianza de la nueva variable es igual a la varianza de la variable
original. Es decir, si 𝑌𝑖 = 𝑋𝑖 ± 𝑘, 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑛, entonces 𝑆𝑦2 = 𝑆𝑥2 .
Si cada uno de los datos de una variable es afectado multiplicativamente por una
constante 𝑘, la varianza de la nueva variable es igual al cuadrado de la constante por la
varianza de la variable original. Es decir, si 𝑌𝑖 = 𝑘𝑋𝑖 , 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑛, entonces 𝑆𝑦2 = 𝑘 2 𝑆𝑥2

7.4 Desviación Estándar

Una de las limitaciones de la varianza son sus unidades al cuadrado. Para superar esto,
se usa la raíz cuadrada de la varianza, dando origen al concepto de desviación estándar.
Que se calcula tomando raíz cuadrada a la varianza de la siguiente forma:

𝑘
1
𝑆 = √ ∑(𝑋𝑖 − 𝑥̅ )2
𝑛
𝑖=1

7.5 Coeficiente de Variación

Permite estimar la relación porcentual entre el valor de la media y la desviación estándar.

A medida que se presenta mayor heterogeneidad en el conjunto de datos, el valor del
coeficiente de variación es mayor.

𝑆
𝐶𝑉 = × 100%
𝑥̅

011 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

8 Medidas de Posición
Se llaman medidas de posición o cuantiles de orden 𝑘 aquellas que dividen a la
“Medida de posición: dividen a la distribución en 𝑘 partes, de tal forma que en cada una de esas partes, haya el mismo
distribución en k partes, de tal forma que
número de elementos. De entre todas las medidas de posición destacan los cuartiles,
en cada una de esas partes, haya el mismo
nº de elementos”
los deciles y los percentiles.
Los cuartiles dividen a la distribución en cuatro partes iguales, los deciles en diez y los
percentiles en cien. Habrá, por tanto, tres cuartiles (𝑄1 , 𝑄2 , 𝑄3 ), nueve deciles (𝐷1 , 𝐷2 , … ,
𝐷9 ) y, noventa y nueve percentiles (𝑃1 , 𝑃2 , . . . , 𝑃99 ). El segundo cuartil, el quinto decil y el
quincuagésimo percentil son iguales y coinciden con la mediana. En distribuciones
𝑟𝑛
puntuales, el cálculo es idéntico al de la mediana, siendo ahora 𝑘 el valor de discusión.
En distribuciones por intervalos, la forma general de cálculo para un cuantil, al que se
denota por 𝐶𝑟𝑛, 𝑘 = 4, 10, 100,. . ., es la siguiente:
𝑘

𝑟𝑛
− 𝑁𝑖−1
𝐶𝑟𝑛 = 𝐿𝑖−1 + 𝑘 𝐴𝑖
𝑘 𝑛𝑖

9 Medidas de Asimetría y Apuntamiento

Un conjunto de datos puede ser simétrico o asimétrico. Las medidas de asimetría
permiten evaluar tal grado, (sesgo negativo, positivo o cero). La curtosis es el grado de
agudeza en la cima de la curva de un conjunto de datos. Una distribución puede ser
achatada o platicúrtica, normal o mesocúrtica, o apuntada o leptocúrtica.
Las características anteriores pueden ser cuantificadas mediante las si guientes
expresiones.

9.1 Grado de Asimetría

𝑚3
𝑔1 =
𝑆3

Donde: 𝑚3 = ∑𝑛𝑖=1 𝑛𝑖 (𝑋𝑖 − 𝑥̅ )3 y 𝑆 es la desviación estándar del conjunto de datos.

Si 𝑔1 = 0 se dice que la distribución del conjunto de datos es simétrica. Si 𝑔1 < 0 se dice

que la distribución es asimétrica negativa y Si 𝑔1 > 0 se dice que la distribución es
asimétrica positiva.

012 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

9.2 Grado de Apuntamiento

𝑚4
𝑔2 =
𝑆4

Donde 𝑚4 = ∑𝑛𝑖=1 𝑛𝑖 (𝑋𝑖 − 𝑥̅ )4y 𝑆 es la desviación estándar del conjunto de datos.

Si 𝑔2 = 3 se dice se dice que la distribución del conjunto de datos es normal o

mesocúrtica. Si 𝑔2 < 3 se dice que la distribución es achatada o platicúrtica y Si 𝑔2 > 3 se
dice que la distribución es apuntada o leptocúrtica.

10 Resumen
 Media aritmética: valor central que toma en cuenta todos los valores que
aparecen en el conjunto de datos, y las distancias relativas a estos valores.

 Media geométrica: medida de centralidad que se utiliza cuando los valores

dependen del tiempo.

 Media armónica: útil para promediar velocidades, volúmenes de ventas y cuando

la variable crece en progresión armónica.

 Media ponderada: cuando se conoce la media de varios grupos de datos y los

números de datos en cada grupo.

11 Referencias Bibliográficas
 Montgomery, D. C y Runger, R. (2008). Probabilidad y Estadística Aplicadas a la
Ingeniería. 2da. Edición. Limusa Wiley. Mexico.
 Rincón. L. (2010). Curso Elemental de Probabilidad y Estadística. 1ra Edición.
Circuito Exterior de CU. México D.F.

 Walpole, R. E., Myers, R. H., Myers,S. L. y Ye, K. (2007). Probabilidad y Estadística

para Ingeniería y Ciencias. 8va. Edición. Pearson. Mexico
 I. Espejo Miranda, F. Fernández Palacín, M. A. López Sánchez, M. Muñoz Márquez,
A. M. Rodríguez Chía, A. Sánchez Navas, C. Valero Franco. (2006 ). Estadística
Descriptiva y Probabilidad. 3ra. Edición. Servicio de Publicaciones de la
Universidad de Cádiz.

013 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Representaciones Gráficas

 Devore, J. (2008). Probabilidad y Estadística para Ingeniería y Ciencias. 7ma.

Edición. Cengace Learning Editores. México

 Canavos, G. Probabilidad y Estadística. Métodos y Aplicaciones.

 Daniel, W. (2009). Bioestadística. Base para el análisis de las ciencias de la salud.

Cuarta edición. Limusa Wiley. México.

 Mendenhall, W., Wackerly, D. y Scheaffer, R. (1994). Estadística Matemática con

Aplicaciones. Grupo Editorial Iberoamericana. México.

014 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.