Unidad I.

Conceptos Bsicos y
Estadstica Descriptiva
Ing. Erwin Say
Control de fallas 1
Concepto de Estadstica
Se refiere a un conjunto de
mtodos para manejar la
obtencin, presentacin y
anlisis de observaciones
numricas.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Concepto de Estadstica
Sus fines son describir al conjunto
de datos obtenidos y tomar
decisiones o realizar
generalizaciones acerca de las
caractersticas de todas las
observaciones bajo consideracin.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

reas que conforman a la Estadstica
Estadstica Descriptiva (Deductiva):
es la encargada de la organizacin,
condensacin, presentacin de los
datos en tablas y grficos y del
clculo de medidas numricas que
permitan estudiar los aspectos ms
importantes de los datos.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

DESCRIBIR
reas que conforman a la Estadstica
Estadstica Inferencial o Inferencia
Estadstica: est definida por un
conjunto de tcnicas, mediante las
cuales se hacen generalizaciones o
se toman decisiones en base a
informacin parcial obtenida
mediante tcnicas descriptivas.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

INFERIR
reas de Aplicacin de la Estadstica
El uso de la Estadstica es muy amplio.
Resulta difcil nombrar un rea en la cual no
se emplee.
Los mtodos estadsticos han encontrado
aplicacin en:
Gobierno
Negocios
Ciencias Sociales
Ingeniera
Ciencias Fsica y Naturales
Control de Calidad
Procesos de Manufactura
Muchos otros campos de la actividad intelectual.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

reas de Aplicacin de la Estadstica
Esto se debe a la creciente facilidad
con la cual se pueden manejar
grandes cantidades de datos
numricos, debido al uso de
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Conceptos de Poblacin y Muestra
Poblacin: es la coleccin de todas
las posibles mediciones u
observaciones que pueden hacerse
de una variable bajo estudio.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Conceptos de Poblacin y Muestra
Se clasifica en dos categoras:
Finita: es aquella que incluye una
cantidad limitada contable de
observaciones, individuos o medidas.
Siempre que sea posible alcanzar
(contar) el nmero total de todas las
posibles mediciones, se considera como
finita la poblacin.

T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Conceptos de Poblacin y Muestra
Infinita: es aquella que incluye un gran
conjunto de observaciones o
mediciones que no pueden alcanzarse
por conteo. Al menos, hipotticamente,
no existe lmite en cuanto al nmero de
observaciones que el experimento
puede generar.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Conceptos de Poblacin y Muestra
Muestra:
es un conjunto de mediciones u
observaciones tomadas a partir de una
poblacin.
es un subconjunto de la poblacin.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Conceptos de Poblacin y Muestra
Muestra aleatoria: se considera
aleatoria siempre y cuando cada
observacin, medicin o individuo
de la poblacin tenga la misma
probabilidad de ser seleccionado.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Tipos de datos y escalas de medida
Variables:
son las caractersticas o lo que se
estudia de cada individuo de la
muestra. Ej: sexo, edad, peso,
estatura, color de ojos, estado civil,
temperatura, cantidad de nacimientos,
presin, grosor, dimetro, ...
Datos:
son los valores que toma la variable en
cada caso.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Tipos de datos
Cualitativos: son datos que solo toman
valores asociados a las cualidades o
atributos, clasificndolos en una de varias
categoras, es decir, no son valores
numricos. Ej:
Sexo: f/m.
Hbito de fumar: Fumador/No fumador
Color de ojos: negro, azul, marrn,
Religin: catlica, evanglica,
Estado civil: soltero, casado, divorciado,
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Tipos de datos
Cuantitativos: provienen de variables que
pueden medirse, cuantificarse o
expresarse numricamente. Ejemplos:
Peso
Edad
Estatura
Presin
Humedad
Intensidad de un sismo
Cantidad de hermanos
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Tipos de variables cuantitativas:
Discretas: es aquella que solo puede
tomar un nmero finito o infinito
numerable de valores. Ejemplo:
cantidad de hermanos.
Continuas: es la variable que puede
tomar cualquier valor en una escala
continua. Ejemplo: cantidad de lquido
contenido en un recipiente.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala Nominal.
Escala Ordinal.
Escala de Intervalos.
Escala de Razn o Proporcin.
Escala Absoluta.

Variables Cualitativas
Variables
Cuantitativas
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala nominal: los datos se
pueden agrupar en categoras que
no mantienen una relacin de
orden entre si, por lo tanto no
estn definidas las operaciones
lgicas (>, <, s, >) sino solo las de
igualdad o diferencia.
Ejemplos: color de ojos, sexo,
profesin, estado civil, religin.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala ordinal: existe un cierto
orden o jerarqua entre las
categoras (>, <, s, >).
Ejemplos: grados militares,
organigrama de una empresa,
escalafn de los profesores
universitarios, grados de disnea,
estadiaje de un tumor.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala de Intervalos: valores numricos
de las variables y adems de las
relaciones de orden (>, <, s, >), se
pueden establecer distancias, es decir,
tienen sentido las operaciones de suma y
resta. Tiene dos propiedades:
Existe una unidad de medida que se mantiene
constante para todos los valores que toma la
variable.
Existe un valor patrn u origen relativo que
no significa la ausencia de valor en la
variable.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Ejemplo: temperatura, nivel de
ruido, movimientos ssmicos.
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala de razn o proporcin: es la
ms completa y general de todas las
escalas. Se caracteriza porque los
valores de la variable son nmeros
entre los cuales, adems de las
relaciones de orden (>, <, s, >) y
distancia (+,-), se pueden establecer
mltiplos y proporciones.
Ejemplos: peso, altura, volumen
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Escalas de medida
Escala Absoluta: se caracteriza
porque los valores que toma la
variable son el resultado de contar y
por lo tanto, est constituida por los
enteros positivos y el cero.
Ejemplos: nmero de hermanos,
cantidad de autos vendidos,
cantidad de accidentes en una
interseccin, cantidad de hijos,
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Datos Univariantes y Multivariantes
Univariantes o unidimensionales:
slo recogen informacin sobre una
caracterstica (Ej: edad de los
alumnos de una clase).
Bivariantes o bidimensionales:
recogen informacin sobre dos
caractersticas de la poblacin. (Ej:
edad y estatura de los alumnos de
una clase).
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Datos Univariantes y Multivariantes
Multivariantes o pluridimensionales:
recogen informacin sobre tres
ms caractersticas. (Ej: edad,
estatura y peso de los alumnos de
una clase).
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

Abusos que se pueden cometer con la
Estadstica
Conclusiones errneas debido a que los
datos son numricamente insuficientes.
Representaciones grficas engaosas
(escalas).
Datos muestrales no representativos:
Muestra que no incluye a elementos de toda la
poblacin.
Ciertas categoras de personas no responden
correctamente.
Respuestas voluntarias (sesgadas).
T
e
m
a

1
.

I
n
t
r
o
d
u
c
c
i

n

TEMA 2. ESTADSTICA DESCRIPTIVA
Organizacin de los datos
Una vez que se ha
realizado la
recoleccin de los
datos, se obtienen
datos en bruto,
los cuales rara vez
son significativos
sin una
organizacin y
tabulacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
Formas de organizar los datos:
Un arreglo: es la forma ms sencilla de
organizar los datos en bruto, consiste en
colocar las observaciones en orden segn su
magnitud: ascendente o descendente.
Poco prctica cuando se tiene una gran
cantidad de datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
Una distribucin de frecuencias: es un
arreglo de los datos que permite expresar
la frecuencia de ocurrencias de las
observaciones en cada una de las clases,
mostrando el patrn de la distribucin de
manera ms significativa.

Clase Pto.
Medio
f
i
F
i
fr
i
FR
i
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
La Distribucin de Frecuencias:
Se recomienda su uso cuando se
tienen grandes cantidades de datos
(n).
Su construccin requiere, en primer
lugar, la seleccin de los lmites de los
intervalos de clase.
Para definir la cantidad de intervalos
de clase (k), se puede usar:
La regla de Sturges: k = 1 + 3.3log(n)
k = \n
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
La cantidad de clases no puede ser tan
pequeo (menos de 5) o tan grande (ms
de 20), que la verdadera naturaleza de la
distribucin sea imposible de visualizar.
La amplitud de todas las clases deber ser
la misma. Se recomienda que sea impar y
que los puntos medios tengan la misma
cantidad de cifras significativas que los
datos en bruto.
Los lmites de las clases deben tener una
cifra significativa ms que los datos en
bruto.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Organizacin de los datos
Determinar:
Punto medio = (Li+Ls)/2.
Frecuencia absoluta de la clase (f
i
).
Frecuencia acumulada de la clase (F
i
).
Frecuencia relativa de la clase (fr
i
):
fr
i
= f
i
/n
Frecuencia relativa acumulada de la
clase (FR
i
).

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

A continuacin se presentan
las calificaciones de 60
estudiantes que
presentaron la PINA en el
ao 2009:
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ejemplos de Distribucin de
Frecuencias
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61

a) Construya una distribucin de frecuencias.
b) Qu puede concluir de estos datos.

Ejemplos de Distribucin de
Frecuencias
Representacin grfica de los datos
Los grficos permiten visualizar en forma
global y rpida el comportamiento de los
datos.
Para datos cuantitativos agrupados en
clases, comnmente se utilizan tres
grficos:
Histogramas.
Polgono de frecuencias.
Ojiva o Polgono de frecuencias acumuladas.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Representacin grfica de los datos
Histograma
Representacin grfica de los datos
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Histograma y Polgono de Frecuencias
Ojiva
Representacin grfica de los datos
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Representacin grfica de los datos
Para datos cualitativos se usan:
Curvas
Barras
Sectores
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Barras
Representacin grfica de los datos
Barras
Representacin grfica de los datos
Curvas
Representacin grfica de los datos
Sectores, torta o circular
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ejemplos de construccin
de grficos
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de tendencia central o
posicin
Corresponden a valores que
generalmente se ubican en la parte
central de un conjunto de datos.
Forma como los datos pueden
condensarse en un solo valor
central alrededor del cual todos los
datos muestrales se distribuyen.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de tendencia central o
posicin
Las medidas de tendencia central
ms importantes son:
Media: Aritmtica y Aritmtica
ponderada.
Mediana.
Moda.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Media Aritmtica
Es la suma de todas las observaciones dividida entre
el nmero total de observaciones.
Expresada de forma ms intuitiva, podemos decir
que la media aritmtica es la cantidad total de la
variable distribuida a partes iguales entre cada
observacin. (wikipedia)
Por ejemplo, si en una habitacin hay tres personas,
la media de dinero que tienen en sus bolsillos sera
el resultado de tomar todo el dinero de los tres y
dividirlo a partes iguales entre cada uno de ellos. Es
decir, la media es una forma de resumir la
informacin de una distribucin (dinero en el bolsillo)
suponiendo que cada observacin (persona) tendra
la misma cantidad de la variable. (wikipedia)
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la media aritmtica
Para datos no agrupados:

n
x
X
n
i
i
=
=
1
Para datos agrupados:

n
f m
X
k
i
i i
=
=
1
Donde: m
i
: punto medio de la clase i
f
i
: frecuencia absoluta de la clase i
k: cantidad de clases

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Mediana
Es el valor que ocupa la posicin
central de un conjunto de
observaciones, una vez que han
sido ordenados en forma
ascendente o descendente.
Divide al conjunto de datos en dos
partes iguales.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la mediana
Para datos no agrupados:
Si n es impar: posicin donde se ubica
la mediana es igual a (n+1)/2.
Si n es par: (n+1)/2 no es entero, por
lo tanto la mediana ser igual al
promedio de las dos posiciones
centrales.

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la mediana
Datos agrupados: clase mediana es la
que contiene a la observacin que
ocupa la posicin n/2.
Cm
x f
x F
n
Lm Md
m
m
) (
) (
2
1
1

+
+ =
Donde: Lm: lmite inferior de la clase mediana.
F(x
m-1
): frecuencia acumulada de la clase
anterior a la clase mediana.
f(x
m
): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Moda
Observacin o clase que tiene la
mayor frecuencia en un conjunto de
observaciones.
Un conjunto de datos puede ser
unimodal, bimodal o multimodal.
Es la nica medida de tendencia
central que se puede determinar
para datos de tipo cualitativo.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Clculo de la moda
Para datos no agrupados: es simplemente
la observacin que ms se repite.
Para datos agrupados:
Cm Lim Mo
2 1
1
A + A
A
+ =
Donde: Lim: lmite inferior de la clase modal.
A
1
: diferencia entre f
i
de la clase modal y la
anterior.
A
2
: diferencia entre f
i
de la clase modal y la
posterior.
Cm: amplitud de la clase modal (clase de mayor
frecuencia).
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Relacin entre la media, la mediana y
la moda
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Cuando los datos son sesgados es mejor emplear la Md
Propiedades, ventajas y desventajas
de la media
Propiedades:
La suma de las diferencias entre las
media muestral y el valor de cada
observacin es cero.
La media de una constante es la
constante.
Si todas las observaciones x
i
se
multiplican por una constante a, la X
tambin se debe multiplicar por ese
mismo valor constante.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, ventajas y desventajas
de la media
Si se somete a una variable
estadstica X a un cambio de origen
y escala, Y = a + bX, la media
aritmtica de dicha variable X vara
en la misma proporcin.
La media de la suma de dos
variables es igual a la suma de sus
medias.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, ventajas y desventajas
de la media
Ventajas:
Emplea en su clculo toda la
informacin disponible.
Se expresa en las mismas unidades
que la variable en estudio.
Es el centro de gravedad de toda la
distribucin, representando a todos
los valores observados.
Es una valor nico.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, ventajas y desventajas
de la media
Se trata de un concepto familiar
para la mayora de las personas.
Es til para llevar a cabo
procedimientos estadsticos como la
comparacin de medias de varios
conjuntos de datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, ventajas y desventajas
de la media
Desventajas:
Se ve adversamente afectada por valores
extremos, perdiendo representatividad.
Si el conjunto de datos es muy grande
puede ser tedioso su clculo manual.
No se puede calcular para datos
cualitativos.
No se puede calcular para datos que
tengan clases de extremo abierto, tanto
superior como inferior.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la mediana
Ventajas:
Fcil de calcular si el nmero de
observaciones no es muy grande.
No se ve influenciada por valores
extremos, ya que solo influyen los
valores centrales.
Fcil de entender.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la mediana
Se puede calcular para cualquier
tipos de datos cuantitativos, incluso
los datos con clase de extremo
abierto.
Es la medida de tendencia central
ms representativa en el caso de
variables que solo admiten la escala
ordinal.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la mediana
Desventajas:
No utiliza en su clculo toda la
informacin disponible.
No pondera cada valor por el
nmero de veces que se ha
repetido.
Hay que ordenar los datos antes de
determinarla.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la moda
Ventajas:
No requiere clculos.
Puede usarse para datos tanto
cuantitativos como cualitativos.
Fcil de interpretar.
No se ve influenciada por valores
extremos.
Se puede calcular en clases de
extremo abierto.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la moda
Desventajas:
Para conjuntos pequeos de datos su
valor no tiene casi utilidad, si es que
de hecho existe. Solo tiene significado
en el caso de una gran cantidad de
datos.
No utiliza toda la informacin
disponible.
No siempre existe, si los datos no se
repiten.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y desventajas de la moda
En ocasiones, el azar hace que una
sola observacin se no
representativa se el valor ms
frecuente del conjunto de datos.
Difcil de interpretar si los datos
tiene 3 o ms modas.

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin, variacin o
variabilidad.
Son valores numricos que indican
o describen la forma en que las
observaciones estn dispersas o
diseminadas, con respecto al valor
central.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin, variacin o
variabilidad.
Son importantes debido a que dos
muestras de observaciones con el
mismo valor central pueden tener
una variabilidad muy distinta.

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin, variacin o
variabilidad.
Rango.
Varianza.
Desviacin Tpica.
Coeficiente de variacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Rango
Rango (amplitud o recorrido):
Est determinado por los dos
valores extremos de los datos
muestrales, es simplemente la
diferencia entre la mayor y menor
observacin.
Es una medida de dispersin
absoluta, ya que depende
solamente de los datos y permite
conocer la mxima dispersin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Rango
Casi no se emplea debido a que
depende nicamente de dos
valores.
No proporciona una medida de
variabilidad de las observaciones
con respecto al centro de la
distribucin.
Notacin: R
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Varianza
Es un valor numrico que mide el
grado de dispersin relativa porque
depende de la posicin de los datos
x
1
,x
2
,,x
n
con respecto a la media.
Es el promedio al cuadrado de las
desviaciones de cada observacin
con respecto a la media.
Notacin: s
2
, o
2
, var(X)
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Varianza
Si la varianza de un conjunto de
observaciones es grande se dice que los
datos tiene una mayor variabilidad que
un conjunto de datos que tenga un
varianza menor.
( )
2
1
2
2
1
2
2
x
n
x
s
n
x x
s
n
i
i
n
i
i
=

=
=
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Para datos NO
agrupados:
Para datos agrupados en una
distribucin de frecuencias:
Medidas de dispersin: Varianza
( )
( )
2
1
2
2
1
2
2
x
n
f m
s
n
f x m
s
k
i
i i
k
i
i i

=

=

=
=
Medidas de dispersin: Desviacin
Tpica
Es la raz cuadrada de la varianza.
Notacin: s, o.
2
s s =
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de dispersin: Coeficiente de
Variacin
Es una medida de dispersin relativa que
permite comparar el nivel de dispersin
de dos muestras de variables estadsticas
diferentes.
No tiene dimensiones.
Notacin: CV
% 100 =
x
s
CV
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y Desventajas del Rango
Ventajas:
til cuando se quiere conocer la
extensin de las variaciones
extremas (valor mximo de la
dispersin).
Fcil de calcular.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y Desventajas del Rango
Desventajas:
No es una MD con respecto al
centro de la distribucin.
Solo emplea dos valores en su
clculo.
No se puede calcular en
distribuciones de lmite de clase
abierto.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, Ventajas y Desventajas
de la Varianza
Propiedades:
1. Siempre es mayor o igual a cero y
menor que infinito.
2. La varianza de una constante es
cero.
3. Si a una variable X la sometemos a
Y=a+bX, la varianza de Y ser
Var(Y) = b
2
Var(X)
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Propiedades, Ventajas y Desventajas
de la Varianza
Ventajas:
Es til cuando se compara la variabilidad
de dos o ms conjuntos de datos.
Utiliza toda la informacin disponible.
Desventajas:
No proporciona ayuda inmediata cuando
se estudia la dispersin de un solo
conjunto de datos.
Difcil de interpretar por tener sus
unidades elevadas al cuadrado.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y Desventajas de la
Desviacin Tpica
Ventajas:
Esta expresada en las mismas
unidades que la variable en estudio.
Utiliza todas las observaciones en
su clculo.
Fcil de interpretar.
Desventajas:
No tiene.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y Desventajas del Coeficiente
de Variacin
Ventajas:
Es la nica MD que permite
comparar el nivel de dispersin de
dos muestras de variables
diferentes.
Emplea toda la informacin
disponible en su clculo.
Fcil de calcular.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Ventajas y Desventajas del Coeficiente
de Variacin
Desventaja:
No es una MD con respecto al
centro de la distribucin de los
datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma
Son medidas numricas que
permiten determinar la forma que
tiene la curva de los datos, por lo
tanto, sirven para corroborar lo que
los grficos muestran.
Medidas
de forma
-Asimetra

-Kurtosis o apuntamiento
Coeficiente de Pearson
Coeficiente de Fisher
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Asimetra
Permiten estudiar la forma de la
curva, dependiendo de cmo se
agrupan los datos.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Asimetra
Coeficiente de Asimetra de Pearson:
Fcil de calcular e interpretar.
Clculo:
( )
s
Md X
ASP

=
3
o Interpretacin:
ASP
= 0, X=Md Simtrica

> 0, X>Md Asimtrica Positiva

< 0, X<Md Asimtrica Negativa
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Asimetra
Coeficiente de Asimetra de Fisher:
No es de fcil clculo, pero si su
interpretacin.
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

( )
( )
3
1
3
3
1
3
ns
f x M
ASF
ns
X x
ASF
k
i
i i
n
i
i

=
=

=

=
Datos NO agrupados
Datos Agrupados
Medidas de Forma: Asimetra
o Interpretacin:
ASF
= 0, Simtrica

> 0, Asimtrica Positiva

< 0, Asimtrica Negativa
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Kurtosis
Miden si los valores de la
distribucin estn ms o menos
concentrados alrededor de los
valores medios de la muestra (zona
central de la distribucin).
Se definen tres tipos de distribucin
segn su grado de Kurtosis:
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Kurtosis
Mesocrtica: grado de concentracin
medio alrededor de los valores
centrales de la variable.
Leptocrtica: grado de concentracin
elevado.
Platicrtica: grado de concentracin
reducido.

T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Medidas de Forma: Kurtosis
( )
( )
3
3
4
1
4
4
1
4

=
=
ns
f X M
CK
ns
X x
CK
k
i
i i
n
i
i
Datos No Agrupados
Datos Agrupados
Interpretacin:
CK
=0 Mesocrtica

>0 Leptocrtica

<0 Platicrtica
T
e
m
a

2
.

E
s
t
a
d

s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a

Referencias:
Wikipedia(http://es.wikipedia.org/w
iki/Wikipedia:Portada)
Walpole y Myers. Probabilidad y
Estadstica. Mc Graw-Hill.
Triola, Mario F. Estadstica. Pearson.