Medidas de Tendencia Central y de Variabilidad

Contenidos
Medidas descriptivas de forma: curtosis y asimetra Medidas de tendencia central: media, mediana y moda Medidas de dispersin: rango, varianza y desviacin estndar. Coeficiente de variacin Percentiles Diagrama de caja

MEDIDAS DE TENDENCIA CENTRAL

Al trabajar con histogramas y polgonos de frecuencias, vimos que las distribucin de los datos pueden adoptar varias formas. En algunas distribuciones los datos tienden a agruparse ms en una parte de la distribucin que en otra. Comenzaremos a analizar las distribuciones con el objeto de obtener medidas descriptivas numricas llamadas estadsticas, que nos ayuden en el anlisis de las caractersticas de los datos. Dos de estas caractersticas son de particular importancia para los responsables de tomar decisiones: la tendencia central y la dispersin MEDIDAS DE TENDENCIA CENTRAL: Moda, mediana y media

Tendencia central : La tendencia central se refiere al punto medio de una distribucin. Las medidas de tendencia central se denominan medidas de posicin. Moda: es el valor que ms se repite en un conjunto de datos. Ejemplo 1: Los siguientes datos representan la cantidad de pedidos diarios recibidos en un perodo de 20 das, ordenados en orden ascendente
0 6 0 6 1 7 1 7 2 8 2 12 4 15 4 15 5 15 5 19

Mo = 15

La cantidad de pedidos diarios que ms se repite es 15

Fte: Empresa NN. 2009

Autores: Liliana Marconi / Adriana DAmelio

Ejemplo 2: La cantidad de errores de facturacin por da en un perodo de 20 das, ordenados en orden ascendente es
0 6 0 6 1 7 1 8 1 8 2 9 4 9 4 10 4 12 5 12

Esta distribucin tiene 2 modas. Se la llama distribucin bimodal . Mo = 1 y Mo = 4

Fte: Empresa NN. 2009

Clculo de la moda para datos agrupados Si los datos estn agrupados en una distribucin de frecuencias, se selecciona el intervalo de clase que tiene mayor frecuencia llamado clase modal. Para determinar un solo valor de este intervalo para la moda utilizamos la siguiente ecuacin:

d1 Mo = LMo + d +d 2 1

.h

Mo Moda LMo Lmite inferior de la clase modal d1 frecuencia de la clase modal menos la frecuencia de la clase anterior a ella ( d 1 = f i - f i -1 ) d2 h frecuencia de la clase modal menos la frecuencia de la clase posterior a ella ( d 2 = f i - f i +1 ) amplitud del intervalo de clase

Ejemplo 3: La edad de los jubilados encuestados en Mendoza en noviembre del 2008 EDAD [50,60) [60, 70) [70, 80) [80, 90) [90,100)

mi
55 65 75 85 95

fi
10 18 14 6 2

f ri
0,20 0,36 0,28 0,12 0,04

f ri %
20 36 28 12 4

Fi
10 28 42 48 50

Fri
0,20 0,56 0,84 0,96 1

Fri %
20 56 84 96 100

Autores: Liliana Marconi / Adriana DAmelio

La clase modal es [60, 70) , ya que es la que presenta la mayor frecuencia

LMo = 60

f i = 18

f i -1 = 10

f i +1 = 14

h = 10

d 1 = f i - f i -1 =18-10 =8 8 Mo = 60 + .10 = 66,66 8+4

v La edad que ms se repite es 66,66 aos

d 2 = f i - f i +1 = 18-14=4

VENTAJAS Y DESVENTAJAS DE LA MODA v Se puede utilizar para datos cualitativos nominales u ordinales y para datos cuantitativos v No se ve afectada por los valores extremos v Se puede utilizar cuando la distribucin de frecuencias tenga clases abiertas v Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, se dice que no tiene moda v Si un conjunto de datos contiene 2 puntuaciones adyacentes con la misma frecuencia comn (mayor que cualquier otra), la moda es el promedio de las 2 puntuaciones adyacentes Ej. (0,1,1,2,2,2,3,3,3,4,5) tiene Mo=2,5 v Si en un conjunto de datos hay dos que no son adyacentes con la misma frecuencia mayor que las dems, es una distribucin bimodal. Conjuntos muy numerosos se denominan bimodales cuando presentan un polgono de frecuencias con 2 lomos, an cuando las frecuencias en los 2 picos no sean exactamente iguales. Estas ligeras distorsiones de la definicin estn permitidas porque el trmino bimodal es muy conveniente y en ltimo trmino es descriptivo. Una distincin conveniente puede hacerse entre la moda mayor y la moda menor. Por ejemplo en el grfico siguiente, la moda mayor es 6 y las menores son 3,5 y 10 Puntuaciones obtenidas en un examen de aptitudes

Fte: Elaboracin propia. 2009

Autores: Liliana Marconi / Adriana DAmelio

Mediana: es el valor que divide al conjunto ordenado de datos, en dos subconjuntos con la misma cantidad de elementos. La mitad de los datos son menores que la mediana y la otra mitad son mayores

En general, vamos a representar un conjunto de n datos como Si los datos estn ordenados, los indicaremos

x1 , x 2 , x3 , ... , x n x( 1 ) , x( 2 ) , x( 3 ) , ... , x( n )

donde el subndice encerrado entre parntesis indica el orden o ubicacin en el conjunto ordenado

Se presentan dos situaciones: v Nmero impar de datos: La mediana es el dato que est en la posicin

n +1 2

~ x Me = m = ~ = x n +1
2

Sea el conjunto ordenado de datos: 2 3 5 6 8

x( 1 )

x( 2 )
2

x( 3 )
2

x( 4 )

x( 5 )

Me = x n+1 = x 5 +1 = x( 3 ) = 5 b La mitad de las observaciones son menores o iguales que 5 y la otra mitad son mayores o
iguales que 5.

v Nmero par de datos: Es el promedio entre los dos datos centrales.

~ x Me = m = ~ =
2 3 5 6

x n + x n
2

+1 2

2
8 9

x( 1 )

x( 2 ) x 6 + x 6

x( 3 )

x( 4 )

x( 5 )

x (6 )

Me =

+1 2

x( 3 ) + x( 3+1) 2

x( 3 ) + x(4 ) 2

5+6 = 5 ,5 2

b La mitad de las observaciones son menores o iguales que 5,5 y la otra mitad son mayores o
iguales que 5,5.

Autores: Liliana Marconi / Adriana DAmelio

Clculo de la mediana para datos agrupados Si los datos estn agrupados en una distribucin de frecuencias, se selecciona el intervalo de clase que contiene a la mediana llamado clase mediana. Para ello, debemos determinar la frecuencia acumulada absoluta que contenga al elemento nmero mediana se calcula utilizando la siguiente ecuacin:

n+1 . El valor de este intervalo para la 2

n+1 - Fi -1 ~ x .h Me = m = ~ = Lm + 2 fi
Me Mediana Lm Lmite inferior de la clase mediana n cantidad de datos Fi-1 frecuencia acumulada absoluta de la clase anterior al intervalo mediana fi frecuencia absoluta de la clase mediana h amplitud del intervalo de clase

Ejemplo (Continuacin): La edad de los residentes en un complejo de viviendas tiene la siguiente distribucin: EDAD [50,60) [60, 70) [70, 80) [80, 90) [90,100)

mi
55 65 75 85 95

fi
10 18 14 6 2

f ri
0,20 0,36 0,28 0,12 0,04

f ri %
20 36 28 12 4

Fi
10 28 42 48 50

Fri
0,20 0,56 0,84 0,96 1

Fri %
20 56 84 96 100

50 + 1 , es 2 decir en la posicin 25,5 . Buscamos en la frecuencia acumulada Fi y vemos que se

La clase mediana es la que contenga el elemento en la posicin halla en el intervalo [60, 70)

LMe = 60

Fi -1 = 10

f i = 18

h=5

25,5 - 10 Me = 60 + .10 = 68,61 18

INTERPRETE: ............................................................................... VENTAJAS Y DESVENTAJAS DE LA MEDIANA v Se puede utilizar para datos cualitativos ordinales y para datos cuantitativos
Autores: Liliana Marconi / Adriana DAmelio

v No se ve afectada por los valores extremos. Esta es la propiedad ms importante que tiene. v Se puede utilizar cuando la distribucin de frecuencias tiene clases abiertas, a menos que la mediana caiga en una de las clases abiertas v Si hay un gran nmero de datos, el tener que ordenarlos para hallar la mediana insume esfuerzo y tiempo.

Media o media aritmtica: Es el promedio de los datos

v Una muestra con n (minscula) observaciones, tiene una media x (que se denomina estadstica) v Una poblacin con N (mayscula) elementos tiene una media m (que se denomina parmetro) Clculo de la media para datos no agrupados

m=

x
N

x=

x
n

Vemos que es la suma de las observaciones divididas el total de datos. Cuando calculamos la media de la poblacin, dividimos por la cantidad de datos de la poblacin N y cuando se calcula la media muestral por n Ejemplo: El Departamento de Accin Social ofrece un estmulo especial a aquellas agrupaciones en las que la edad promedio de los nios que asisten est por debajo de 9 aos. Si los siguientes datos corresponden a las edades de los nios que acuden de manera regular al Centro calificar ste para el estmulo? 8 5 9 10 9 12 7 12 13 7 8

x=

x = 8 + 5 + 9 + 10 + 9 + 12 + 7 + 12 + 13 + 7 + 8 = 9,09
n 11

Interpretacin: ........................................................................................................... .................................................................................................................................. Clculo de la media para datos agrupados Para calcular la media para datos agrupados, primero calculamos el punto medio de cada clase (marca de clase mi ). Despus multiplicamos cada punto medio por la frecuencia absoluta de cada intervalo

x=

mi . f i
n
Autores: Liliana Marconi / Adriana DAmelio

Una manera de hacer los clculos es utilizando la siguiente tabla: EDAD [50,60) [60, 70) [70, 80) [80, 90) [90,100) Total

mi
55 65 75 85 95

fi
10 18 14 6 2 50

mi . f i 550 1170 1050 510 190 3470

x=

3470 = 69,4 50

La edad promedio es de 69,4 aos VENTAJAS Y DESVENTAJAS DE LA MEDIA v Se trata de un concepto familiar e intuitivamente claro v Cada conjunto de datos tiene una media y es nica v Es til para llevar a cabo procedimientos estadsticos como la comparacin de medias de varios conjuntos de datos. En estadstica inferencial es la medida de tendencia central que tiene mejores propiedades v Aunque la media es confiable en el sentido de que toma en cuenta todos los valores del conjunto de datos, puede verse afectada por valores extremos que no son representativos del resto de los datos. La media puede malinterpretarse si los datos no forman un conjunto homogneo. v No se puede calcular la media si la distribucin de frecuencias tiene clases abiertas COMPARACIN ENTRE LA MEDIA, LA MEDIANA Y LA MODA v Las distribuciones simtricas tienen el mismo valor para la media, la mediana y la moda. v En una distribucin con sesgo positivo, la moda se halla en el punto ms alto de la distribucin, la mediana est hacia la derecha de la moda y la media ms a la derecha. Es decir Mo < Me < x

v En una distribucin con sesgo negativo, la moda es el punto ms alto, la mediana est a la izquierda de la moda y la media est a la izquierda de la mediana. Es decir, x < Me < Mo v Cuando la poblacin tiene una distribucin sesgada, con frecuencia la mediana resulta ser la mejor medida de posicin, debido a que est siempre entre la media y la moda. La mediana no se ve altamente influida por la frecuencia de aparicin de un solo valor como es el caso de la moda, ni se distorsiona con la presencia de valores extremos como la media. v La seleccin de la media, la mediana o la moda, depende de la aplicacin. Por ejemplo, se habla del salario promedio (media); el precio mediano de una casa nueva
Autores: Liliana Marconi / Adriana DAmelio

puede ser una estadstica ms til para personas que se mudan a un nuevo vecindar io (si hay una o dos crestas que distors ionan la media). Y mientr as que la famili a pr omedio conste de 1,7 nios, tiene ms sentido para los diseadores de automviles pensar en la famili a modal, con dos nios.

M E DIDAS DE V A RIA B I L I DAD

Dispersin: L a dispersin se refiere a la extensin de los datos, es decir al grado en que las observaciones se distribuyen (o se separan). E xisten otras dos caractersticas de los conjuntos de datos que proporcionaninformacin til: el sesgo y la curtosis. Sesgo ( skewness) : L as curvas que representan un conjunto de datos pueden ser simtricas o sesgadas. L as curvas simtricas tienen una forma tal que una lnea vertical que pase por el punto ms alto de la curva, divide al rea de sta en dos partes iguales. Si los valores se concentran en un extremo se dice sesgada. U na curva tiene sesgo positivo cuando los valores van disminuyendo lentamente hacia el extremo derecho de la escala y sesgo negativo en caso contrario. ? E l sesgo es una medida de la asimetr a de la curv a. E n general es un valor que va de -3 a 3. Una curv a simtr ica toma el valor 0.

SESGO POS I T IVO

SI M T R I CA (Sesgo 0)

SESGO NEG AT IVO

C ur tosis ( K urtosis) : Nos da una idea de la agudeza (o lo plano) de la distribucin de frecuencias. Una curva normal (es el patrn con el que se compara la curtosis de otras curvas) tiene curtosis 0. E sta curva se llama mesocrtica. Si la curtosis es mayor que 0, la curva es ms empinada que la anterior y se denomina leptocrtica (Lepto, del griego, "empinado" o "estrecho"). Si la curtosis es menor que 0, es relativamente plana y se denomina platicrtica ( "plano", "ancho") (E n el grfico la curva punteada es la curva normal (mesocrtica))

A utores: L iliana Marconi / A driana DA melio

MEDIDAS DE DISPERSIN Las medidas de dispersin son tiles porque: Nos proporcionan informacin adicional que nos permite juzgar la confiabilidad de nuestra medida de tendencia central. Si los datos estn muy dispersos la posicin central es menos representativa de los datos, como un todo, que cuando estos se agrupan ms estrechamente alrededor de la media. Ya que existen problemas caractersticos de distribuciones muy dispersas, debemos ser capaces de distinguir que presentan esa dispersin antes de abordar los problemas Nos permiten comparar varias muestras con promedios parecidos Los analistas financieros estn preocupados por la dispersin de las ganancias de una empresa que van desde valores muy grandes a valores negativos. Esto indica un riesgo mayor para los accionistas y para los acreedores. De manera similar los expertos en control de calidad, analizan los niveles de calidad de un producto

RANGO: Es la diferencia entre el mayor y el menor de los valores Observados

R = x( n ) - x( 1 )
Siendo x( n ) la observacin mayor y x( 1 ) la observacin Menor

v El rango es fcil de entender y de encontrar, pero su utilidad como medida de dispersin es limitada. Como slo toma en cuenta el valor ms alto y el valor ms bajo ignora la naturaleza de la variacin entre todas las dems observaciones, y se ve muy influido por los valores extremos. v Debido a que considera slo dos valores tiene muchas posibilidades de cambiar drsticamente de una muestra a otra en una poblacin dada. v Las distribuciones de extremo abierto no tienen rango.

VARIANZA Y DESVIACIN ESTNDAR Las descripciones ms comprensibles de la dispersin son aquellas que tratan con la desviacin promedio con respecto a alguna medida de tendencia central. Veremos dos medidas que nos dan una distancia promedio con respecto a la media de la distribucin: varianza y desviacin estndar. VARIANZA DE LA POBLACIN: Es el promedio de las distancias al cuadrado que van de las observaciones a la media

Autores: Liliana Marconi / Adriana DAmelio

s s2: x : m : N:

(x - m ) =
N

x2
N

- m2

Varianza de la poblacin Elemento u observacin Media de la poblacin Nmero total de elementos de la poblacin

DESVIACIN ESTNDAR DE LA POBLACIN: Es la raz cuadrada de la varianza

s =

(x - m )
N

x2 - m 2
N

Para calcular la varianza de la poblacin, dividimos la suma de las distancias al cuadrado entre la media y cada elemento de la poblacin. Al elevar al cuadrado cada una de las distancias, logramos que todos los nmeros que aparecen sean positivos y, al mismo tiempo asignamos ms peso a las desviaciones ms grandes. Las unidades de la varianza estn elevadas al cuadrado (pesos al cuadrado, unidades al cuadradro, etc.) lo que hace que no sean claras o fciles de interpretar. La desviacin estndar, que es la raz positiva de la varianza, se mide en la misma unidad que la variable, y su interpretacin es " en promedio los valores se alejan de la media en ..... unidades" Aplicacin de la desviacin estndar poblacional La desviacin estndar nos permite determinar, con un buen grado de precisin, dnde estn localizados los valores de una distribucin de frecuencias con relacin a la media. Para curvas cualesquiera, el teorema de Chebyshev asegura que al menos el 75% de los valores caen dentro de 2s (2 desviaciones estndar) a partir de la media m , y al menos el 89% de los valores caen dentro de 3s . Se puede medir con ms precisin el porcentaje de observaciones que caen dentro de un rango especfico de curvas simtricas con forma de campana (regla emprica): 1. Aproximadamente 68% de las observaciones cae dentro de 1s 2. Aproximadamente 95% de las observaciones cae dentro de 2s 3. Aproximadamente 99% de las observaciones cae dentro de 3s

Autores: Liliana Marconi / Adriana DAmelio

En el grfico interpretamos el 0 como m , y los nmeros como unidades de s . Por ejemplo, 1 es m + s ; -1 es m - s ; 2 es m + 2s ; etc.

Clculo de la varianza y la desviacin estndar utilizando datos agrupados

( mi - m ). f i = mi2 . f i =
N N

- m2

s = s2 =

( mi - m ). f i
N

mi2 . f i
N

-m2

s 2 : Varianza de la poblacin s : Desviacin estndar de la poblacin f i : frecuencia absoluta de la clase i mi : marca de clase de la clase i m : media de la poblacin N : tamao de la poblacin

VARIANZA Y DESVIACIN ESTNDAR MUESTRAL Para calcular la varianza y la desviacin estndar muestral se utilizan las mismas frmulas que las poblacionales, sustituyendo m con x y N con n - 1 .

La utilizacin de n - 1 en lugar de n se ver con ms detalle ms adelante.

Autores: Liliana Marconi / Adriana DAmelio

Las expresiones para el clculo de la varianza y desviacin estndar muestral son: DATOS SIN AGRUPAR VARIANZA MUESTRAL:

s s2 : x : x : n:

(x - x ) =
n -1

x2 =

n.x n -1 n -1

Varianza de la muestra Elemento u observacin Media de la muestra Nmero de elementos de la muestra

DESVIACIN ESTNDAR MUESTRAL:

s= s =
2

(x - x )
n -1

x 2 - n.x
n-1

n -1

DATOS AGRUPADOS VARIANZA MUESTRAL:

s2 =

( mi - x ). f i
n -1

DESVIACIN ESTNDAR MUESTRAL:

s=
2

( mi - x ). f i
n -1

s : Varianza de la muestra s : Desviacin estndar de la muestra f i : frecuencia absoluta de la clase i mi : marca de clase de la clase i x : media de la muestra n : tamao de la muestra
Ejemplo: Los siguientes datos representan una muestra de la cantidad de pedidos diarios entregados :
17 25 28 27 16 21 20 22 18 23

a) b)

Hallar el rango, la varianza y la desviacin estndar e interpretar. Hallar el porcentaje de observaciones que estn alrededor de la media a una distancia de 2 desviaciones estndar. Comparar con el teorema de Chebyshev y con la regla emprica a) Para hallar el rango ordenamos el conjunto de mayor a menor
16 17 18 20 21 22 23 25 27 28
Autores: Liliana Marconi / Adriana DAmelio

R = x ( 10 ) - x ( 1 ) = 28 - 16 = 12 La diferencia entre el mayor y el menor valor observado es 12 Para el clculo de la varianza conviene realizar un cuadro: x (1) 16 17 18 20 21 22 23 25 27 28

x
(2) 21,7 21,7 21,7 21,7 21,7 21,7 21,7 21,7 21,7 21,7

x-x
(3) -5,7 -4,7 -3,7 -1,7 -0,7 0,3 1,3 3,3 5,3 6,3

(x - x )
(4) 32,49 22,09 13,69 2,89 0,49 0,09 1,69 10,89 28,09 39,69
2

(1)2 256 289 324 400 441 484 529 625 729 784

x2

x = 217

(x - x )
2

= 152 ,1

x 2 = 4861

1)

(x - x ) =
n -1

152 ,1 = 16 ,9 10 - 1

s = s 2 = 4 ,11 En promedio, la cantidad de pedidos se separa de la

media, en 4,11 (pedidos). 2)

x2 =

n.x 4861 10.(21,7 ) 152 ,1 = = = 16 ,9 n -1 n -1 9 9 9

2 2

b)

( x - 2 s ; x + 2 s ) = ( 21,7 - 8 ,22;21,7 + 8 ,22 ) = ( 13 ,48 ;28 ,92 )

Todos los valores de la variable caen en este intervalo o sea el 100%

Segn Chebyshev: al menos el 75% de los valores caen en ese intervalo, por lo tanto se verifica Segn la regla emprica: aproximadamente el 95% de las observaciones caen en dicho intervalo, (el 100% es un valor bastante cercano) COEFICIENTE DE VARIACIN: La desviacin estndar es una medida absoluta de la dispersin que expresa la variacin en las mismas unidades que los datos originales. Pero no puede ser la nica base para la comparacin de dos distribuciones. Por ejemplo si tenemos una desviacin estndar de 10 y una media de 5, los valores varan en una cantidad que es el doble de la media. Si por otro lado tenemos una desviacin estndar de 10 con una media de 5000, la variacin respecto a la media es insignificante. Lo que necesitamos es una medida relativa que nos proporcione una estimacin de la magnitud de la desviacin respecto de la magnitud de la media. El coeficiente de variacin es una medida relativa de dispersin que expresa a la desviacin estndar como un porcentaje de la media

CV =

s .100% m

en la poblacin

CV =

s .100% x

en la muestra

Autores: Liliana Marconi / Adriana DAmelio

Se lo utiliza en la comparacin de variacin de dos o ms grupos. Ejemplo: Se pretende comparar el desempeo en ventas de 3 vendedores. Los resultados siguientes dan los promedios de puntajes obtenidos en los cinco aos pasados por la concrecin de los objetivos A 88 68 89 92 103 B 76 88 90 86 79 C 104 88 118 88 123

x A = 88 x B = 83 ,8 x C = 104 ,2

s A = 12 ,67 s B = 6 ,02 sC = 16 ,35

12 ,67 .100% = 14 ,4% 88 6 ,02 CV = .100% = 7 ,18% 83 ,8 16 ,35 CV = .100% = 15 ,69% 104 ,2 CV =

Vemos que el vendedor C tiene la mayor variabilidad, mientras que el B tiene la menor. El desempeo de C parece ser mejor si analizamos la media, pero hay que tener en cuenta que tambin tiene la mayor variabilidad en la concrecin de los objetivos. PERCENTILES Un percentil aporta informacin acerca de la dispersin de los datos en el intervalo que va del menor al mayor valor de los datos. En los conjuntos de datos que no tienen muchos valores repetidos, el percentil p divide e los datos en dos partes. Cerca del p porciento de las observaciones tienen valores menores que el percentil p y aproximadamente (100-p) por ciento de las observaciones tienen valores mayores o iguales que este valor. Definicin: El percentil p es un valor tal que por lo menos p porciento de las observaciones son menores o iguales que este valor y por lo menos (100-p) por ciento de las restantes son mayores o iguales que ese valor. Clculo del percentil: Paso 1. Ordenar los datos de menor a mayor en orden ascendente. Paso2. Calcular el ndice i i=

p n 100

donde p es el percentil deseado y n el nmero de observaciones. Paso 3. (a) Si no es un nmero entero, debe redondearse al primer entero mayor que i denotando la posicin del percentil p. (b) Si es un nmero entero, el percentil p es el promedio de los valores en las posiciones i e i+1 Ejemplo: Se tiene los primeros sueldos de 12 egresados en Administracin. Ordenados son: 3310 3355 3450 3480 3480 3490 3520 3540 3550 3650 3730 3925

Autores: Liliana Marconi / Adriana DAmelio

Paso 2:

i=

p 85 n = 12 = 10.2 100 100

Paso 3. Como i no es un nmero entero se debe redondear al primer entero mayor que es 11. Es decir el percentil 85 se encuentra en la posicin 11. Este es 3730 CUARTILES Con frecuencia es conveniente dividir los datos en cuatro partes, as cada una contiene el 25% de los datos. A los puntos de divisin se los llama cuartiles : Q1= primer cuartil o percentil 25 Q2= segundo cuartil o percentil 50 Q1= tercer cuartil o percentil 75

Rango intercuartlico (RIC) es tambin una medida importante a tener en cuenta, es la diferencia entre el tercer y primer cuartel RIC= Q3- Q1 Nos indica el 50 % de las observaciones centrales DIAGRAMA DE CAJA Y BIGOTES Un diagrama de caja es un resmen grfico de los datos con base en el resumen de cinco nmeros . La clave para elaborar un diagrama de cajas est en calcular Q1, Q3 y la mediana o Q2. Tambin hay que calcular el RIC= Q3- Q1 Pasos para dibujar el diagrama de cajas: 1. Se dibuja una caja cuyos extremos se localicen en el primer y tercer cuartel. En nuestros datos de salarios Q1=3465 y Q3= 3600 . Significa que la caja contiene el 50% de los datos centrales . 2. En el punto dnde se localiza la mediana (3505) se traza una lnea horizontal o vertical segn se represente la caja en posicin vertical u horizontal respectivamente. Si se quieren comparar dos poblaciones a veces tambin se representa la media dentro de la caja. 3.Usando el rango intercuartlico RIC= Q3- Q1 se localizan los lmites. En un diagrama de caja los lmites se encuentran en 1,5*(RIC) abajo del Q1 y 1,5(RIC) arriba del Q3 . En el caso de los salarios el RIC= Q3- Q1 = 3600-3465=135. por lo tanto los lmites son Li=3465 - 1,5*(RIC)= 3465-1,5*135 = 3262,5 Ls= 3600+ 1,5*(RIC)= 3600+1,5*135=3802,5 Los datos que quedan fuera de estos lmites se consideran observaciones atpicas. 4. A las lneas punteadas se las llama bigotes . Los bigotes van desde los extremos de la caja hasta los valores menor y mayor de los correspondientes a los lmites inferior y superior encontrados en el paso 3.Por lo tanto los bigotes terminan en los salarios cuyos valores son 3310 y 3730.
Autores: Liliana Marconi / Adriana DAmelio

5. Por ltimo con un crculo o asterisco se identifica la observacin atpica 3925.

Actividad con R

> sueldo<-c(3310,3355,3450,3480,3480,3490,3520,3540,3550,3650,3730,3925) > boxplot(sueldo, main="Primer sueldo de los egresados de Administracin", col="blue")

Este grfico no se puede realizar con Excel. Para obtener todas las medidas juntas usando R se utiliza el comando summary. Summary(sueldo) Min. 1st Qu. Median Mean 3rd Qu. Max. 3310 3472 3505 3540 3575 3925

Para datos sin agrupar en el caso de la edad de los jubilados encuestados se colocan en una columna y luego en el men herramientas se busca anlisis de datos estadstica descriptiva se marca el rango de las celdas y se le pide resumen de estadsticas aceptar y larga Edad de los jubilados encuestados en Mendoza en noviembre del 2008. Columna1 Media Error tpico Mediana 68,42 1,47277054 65,5
Autores: Liliana Marconi / Adriana DAmelio

Moda 65 Desviacin estndar 10,4140604 Varianza de la muestra 108,452653 Curtosis -0,6706671 Coeficiente de asimetra 0,43071849 Rango 40 Mnimo 53 Mximo 93 Suma 3421 Cuenta
Ejemplo de los salarios de los egresados de Administracin:

50

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 3540 47,8198957 3505 3480 165,652978 27440,9091 1,71888364 1,09110869 615 3310 3925 42480 12

Autores: Liliana Marconi / Adriana DAmelio