1 Descriptiva

1
"ESTADSTICA DESCRIPTIVA"
1.1 Parte bsica
1.1.1 Introduccin a la Estadstica

1.1.1.1 Concepto de Estadstica y Estadsticas
La primera acepcin del trmino "Estadstica", que tiene origen histrico, hace
referencia a una determinada informacin numrica; esta acepcin se encuentra cada da
ms arraigada en nuestra sociedad debido al abultado conjunto de nmeros y cifras en el
que se encuentra inmersa: P. I. B., ndices de precios, tasas de inflacin, evolucin del
paro, cotizaciones burstiles, accidentes de circulacin, porcentajes de votantes,
porcentajes de personas que padecen una determinada enfermedad, etc.
Una segunda acepcin entiende la estadstica como una ciencia que facilita los
mtodos precisos para la obtencin de informacin numrica, y que tambin
proporciona mtodos de anlisis de esa informacin recogida y mtodos de
investigacin aplicables al resto de las Ciencias. La primera se corresponde bsicamente
con la estadstica descriptiva y la segunda con la estadstica inferencial.
1.1.1.2 Etapas del anlisis estadstico

Las diversas fases por las que atraviesa el anlisis estadstico son:
a) Recogida de datos, que no por ser elemental, est exenta de dificultades e
indicaciones que hay que observar, ya que una recogida mal efectuada puede
ocasionar un sesgo de la informacin y del posterior anlisis, por lo que el
objeto de la investigacin debe plantearse de una manera minuciosa, as como
la organizacin del trabajo de campo necesario para la recogida de datos.
b) Ordenacin y presentacin de los datos, y que suele presentarse mediante
unas tablas de simple o de doble entrada.
c) Resumen de la informacin, para tratar de describir las caractersticas ms
relevantes que pueden tener los datos, y que se realiza mediante la
determinacin de parmetros estadsticos que intentan resumir toda la
informacin que aporte el conjunto de datos.
d) Anlisis estadstico, a travs de mtodos facilitados por la Estadstica

Matemtica, para tratar de verificar hiptesis sobre regularidades que pueden
detectarse en las etapas previas.
1.1.1.3 Poblacin y muestra

Recibe el nombre de Poblacin, Colectivo o Universo, todo conjunto de
individuos o elementos que tienen unas caractersticas comunes.
Dado que no siempre es posible estudiar todos los elementos de la poblacin, ya
sea por razones econmicas, de rapidez de obtencin de la informacin, o porque los
elementos se destruyen en el proceso de la investigacin, con frecuencia es necesario
examinar slo una parte de la poblacin, que se denomina muestra; para que una
muestra sea vlida como objeto de estudio, ha de ser representativa de la poblacin, es
decir ha de tener las mismas caractersticas, en los caracteres estudiados, que la
poblacin.
1.1.1.4 Caracteres de una poblacin

Llamaremos variable al carcter objeto de estudio, que puede tomar distintos
valores.
Las variables pueden ser cuantitativa o cualitativas, segn que tomen, o no,
valores cuantificables.
Las variables de tipo cuantitativo, que estudian caracteres cuantificables, pueden
clasificarse de diversas formas: variables discretas o continuas, segn que slo puedan
tomar valores aislados o, por el contrario, todos los valores de un intervalo.
1.1.1.5 Tipos de escalas

En determinado tipo de estudios, quiz tenga mayor relevancia diferenciar las
variables segn el tipo de escala utilizada, distinguiendo:
Escala nominal: el carcter estudiado se clasifica en categoras no
numricas, sin que puedan establecerse ninguna relacin de orden entre ellas,
por ejemplo: las profesiones laborales, el estado civil, la ideologa poltica, el

sexo, etc.
Escala ordinal: el carcter estudiado es de tipo no numrico, pero se
pueden establecer algn tipo de orden entre las distintas categoras. Este es el
caso del nivel de estudios (primarios, medios, superiores), los tipos de clases
sociales (baja, media, alta),etc.
Escala de intervalo: puede establecerse alguna unidad de medida y
cuantificar numricamente la distancia existente entre dos observaciones. Es la

escala cuantitativa, encontrndose en este caso gran nmero de variables entre
ellas, como por ejemplo: salarios, presupuestos, gastos, etc.
Escala de proporcin: son aquellas variables en las que adems de una
unidad de medida, se fija un punto origen, que marca el cero. En este tipo
pueden considerarse la edad, el peso, el nmero de unidades en stock en un
inventario, etc.
1.1.2 Variables estadsticas

unidimensionales
1.1.2.1 Distribucin de frecuencias. Clases.
Vamos a tratar ahora de estructurar y ordenar los conjuntos numricos de los
datos obtenidos en la observacin de una muestra o poblacin para as poder proceder
con ms facilidad a su estudio.
Empezaremos estudiando las frecuencias en sus diversas clases:
Frecuencia absoluta: es el nmero de veces que se repite cada valor de la
variable en el conjunto de todas las observaciones de la misma. En general la frecuencia

absoluta del dato xi se representa por f i
Frecuencia relativa: es el cociente entre la frecuencia absoluta y el nmero
total de datos u observaciones. El nmero total de datos lo representamos por n, y la

frecuencia relativa del dato xi se representa por hi
Se verifica por lo tanto: hi = fi/n
Frecuencia absoluta acumulada: es la suma de las frecuencias absolutas de
los valores inferiores o iguales al considerado. Evidentemente los valores de la variable

deben de estar ordenados en forma creciente.
En general, la frecuencia absoluta acumulada del dato xi se representa por Fi
Evidentemente, la ltima frecuencia absoluta acumulada coincide con el tamao de la
muestra.
i
Se verifica pues:
F i = !f j
j=1
Frecuencia relativa acumulada: es el cociente entre la frecuencia absoluta
acumulada y el nmero total de datos u observaciones. Anlogamente a la anterior, los

valores de la variable deben de estar ordenados en forma creciente, es decir, la escala
debe de ser numrica o, al menos, ordinal.
La ltima frecuencia relativa acumulada es 1. Generalmente la frecuencia relativa

acumulada del dato xi de la variable se representa por Fi, y verifica:
i
!f j
Hi =
F i j=1
=
n
n
1.1.2.2 Propiedades de las frecuencias

1 La suma de las frecuencias absolutas coincide con tamao de la muestra:
! fi = n
i
2 Todas las frecuencias absolutas son positivas y menores o iguales que n .

0 fi n
3 La suma de las frecuencias relativas es 1:
! hi = 1
i
4 Todas las frecuencias relativas son positivas y menores o iguales que 1:

0 hi n
5 La frecuencia absoluta acumulada correspondiente a un valor de la variable se
obtiene sumando la frecuencia absoluta acumulada del valor anterior, con la frecuencia
absoluta del dato.
DISTRIBUCIN DE FRECUENCIAS
Llamaremos distribucin de frecuencias al conjunto de los valores que toma una
variable, junto con sus frecuencias correspondientes. As pues, para determinar una
distribucin de frecuencias debemos conocer todos los valores xi de la variable y
cualquiera de las columnas de frecuencias (pues el paso de una a otra es inmediato).
Distinguiremos dos tipos fundamentales de distribucin de frecuencias: las no

agrupadas en intervalos y las agrupadas en intervalos.
La distribucin de frecuencias no est agrupada en intervalos cuando cada valor
de la variable tiene asociado su frecuencia. Pero ocurre frecuentemente, sobre todo en
variables de tipo continuo, que el nmero de valores distintos que toma la variable es
demasiado grande; en este caso, para mayor comodidad en el tratamiento de la
informacin, parece aconsejable agrupar esos valores en intervalos, teniendo en cuenta
que lo que ganamos en manejabilidad lo perdemos en informacin de la distribucin.
En la agrupacin en intervalos hay que tener en cuenta tres aspectos:
a) Que el mximo de informacin se obtiene en la recogida de datos y
que sta se pierde al agrupar en intervalos.
b) Las distribuciones agrupadas en intervalos no se presentan realmente
as, sino que es el investigador el que las agrupa para manejar mejor los
datos.
c) Al agrupar hay que tener en cuenta las frecuencias.
Un intervalo queda determinado por sus extremos y, en general, el intervalo isimo se representa por [Li-1,Li), donde Li es el extremo superior del intervalo y Li-1 el
extremo inferior del mismo.
Llamaremos amplitud del intervalo, ai, a la diferencia entre sus extremos superior
e inferior: ai = Li - Li-1
Esta amplitud puede ser constante para todos los intervalos, o variable, aunque es
ms cmodo que sea constante.
Cuando un investigador decide agrupar los datos en intervalos se encuentra con dos
cuestiones iniciales:
1.- Cmo se debe tomar la amplitud, constante o variable?
2.- Cuntos intervalos conviene tomar ?
La respuesta a estas pregunta depende de la naturaleza del problema, y aunque
hay muchas reglas escritas en los textos de estadstica, en la prctica suelen resultar
estriles.
Posteriormente se hace un recuento de los datos que corresponden a cada

intervalo, para determinar la frecuencia de cada uno de ellos. Aparece un problema
cuando un dato coincide con alguno de los extremos de los intervalos; como regla
general, se toman los intervalos cerrados por la izquierda y abiertos por la derecha [Li1,Li),
es decir, se incluirn dentro del intervalo los datos que coincidan con el extremo
inferior del mismo, y se excluirn de ste los que coincidan con su extremo superior,
incluidos, por lo tanto, en el intervalo posterior. Para evitar este problema de incluir o
no incluir los datos en los intervalos, los extremos se suelen tomar con un decimal ms
que los de los datos, siendo, normalmente este decimal un 5.
Por ltimo cabe destacar que tomaremos como representante de cada intervalo su
punto medio, que denominaremos marca de clase, y designaremos por ci. As la marca
de clase del intervalo [Li-1,Li) ser:
ci =
L i!1 + Li
2
EJEMPLO 1.1:
Investigados los precios por habitacin de 50 hoteles de una ciudad, se han
obtenido los siguientes resultados:
7000
3000
5000
4000
5000
7000
4000
7500
8000
5000
5000
500
3000
7000
10000
15000
5000
7500
12000
8000
4000
5000
3000
5000
10000
3000
4000
5000
7000
5000
3000
4000
7000
4000
7000
5000
4000
7000
10000
7500
7000
8000
7500
7000
7500
8000
7000
7000
12000
8000
Determinar la distribucin de precios:

a) Sin agrupar en intervalos.
b) Agrupadas en 5 intervalos de amplitud constante.
Solucin:
a)
Precio (xi) en miles
7.5 8
10
12
15
N de hoteles (fi)
10
11
b)
Precio en intervalos
[3000, 5500)
[5500, 8000)
[8000, 10500)
[10500, 13000)
[13000, 15500)
marca de clase (xi)

4250
6750
9250
11750
14250
N de hoteles (fi)
22
17
8
2
1
10
1.1.3 Representaciones grficas

La informacin proporcionada por las tablas de distribucin de frecuencias es
bastante completa, pero tiene la dificultad de que su lectura requiere un cierto tiempo y
capacidad de comparacin para relativizar la informacin de unas clases respecto de las
otras. Adems, en la experiencia del lector, al comenzar a leer un determinado artculo
(cientfico o no), su vista se dirige primero al ttulo, luego a los grficos y, finalmente, a
las tablas.
As pues, las representaciones grficas constituyen uno de los principales y ms
sencillos mtodos de exponer la informacin, por su capacidad de impactar al lector con
muy poco esfuerzo por su parte, dando una informacin rpida y global de los datos,
siendo tiles incluso al investigador, pues le permiten tener una idea general de los
resultados y, a veces, sugerir nuevas hiptesis.
1.1.3.1 Tipos de representaciones grficas

Los diversos tipos de grficos utilizados son:
1 DIAGRAMAS DE BARRAS PARA DISTRIBUCIONES DE
FRECUENCIAS NO AGRUPADAS:
En un sistema de ejes de coordenadas cartesianas, se representan en el eje de
abscisas los valores de la variable, y en el de ordenadas las frecuencias. Posteriormente,
sobre cada valor de la variable se levanta una barra vertical de altura proporcional a la
frecuencia, ya sea absoluta o relativa.
Sobre el eje de abscisas la escala de medida puede ser cualquiera y no coincidir
con la escala del eje de ordenadas. Incluso el cero del eje de abscisas no tiene porque
coincidir con el cero de la medida utilizada.
EJEMPLO 1.2:
Supongamos una variable X que presenta los siguientes valores :
xi = { a, e, i, o, u }
con las siguientes frecuencias: f1 = 1
f2 = 2
f3 =1
f4 = 3
correspondientes a las veces que aparecen dichas vocales en una frase.
f5 = 3,
11
Construya el diagrama de barras correspondiente y el diagrama de barras

acumulado, o diagrama de escalera.
Solucin:
Podemos presentar entonces la siguiente tabla:
xi
fi
Fi
hi
Hi
0,1
0,1
0,2
0,3
0,1
0,4
0,3
0,7
10
0,3
El diagrama de barras correspondiente aparece en la figura 1.1:
FRECUENCIAS
VOCALES
Figura 1.1: Diagrama de brarras
Si lo que queremos representar son las frecuencias acumuladas, se procede igual

que en el caso anterior con los ejes cartesianos y levantando sobre cada valor de la
variable, una altura proporcional (igual) a la frecuencia acumulada, uniendo mediante
trazos horizontales el extremo de cada coordenada con el siguiente; este diagrama
recibe el nombre de diagrama de escalera (ver figura 1.2).
12
Figura 1.2: Diagrama de barras acumulado. (Diagrama de escalera)
Los grficos de diagrama de barras y de escalera suelen utilizarse en variables de

tipo cualitativo, o en las de tipo cuantitativo discretas.
2 POLGONOS DE FRECUENCIAS PARA DISTRIBUCIONES DE
FRECUENCIAS NO AGRUPADAS EN INTERVALOS:
Sobre unos ejes cartesianos, anlogos a los anteriores, se levanta en cada valor de
la variable una ordenada de altura igual a la frecuencia absoluta (o relativa) de dicho
valor, uniendo a continuacin con una poligonal dichas ordenadas. La primera ordenada
se une con el cero del eje de abscisas, teniendo en cuenta que si hay algn valor de la
variable con frecuencia cero tambin ha de ser considerado y unir dicho dato con los
anteriores.
Veamos el polgono de frecuencias del ejemplo anterior (ver figura 1.3):
13
Figura 1.3: Polgono de frecuencias.
FRECUENCIAS ACUMULADAS
Anlogamente se procedera con las frecuencias acumuladas (ver figura 1.4).
10
i
VOCALES
Figura 1.4.: Polgono de frecuencias acumulado.
Estos polgonos de frecuencias se utilizan cuando la variable es de tipo cualitativo

o cuando es de tipo cuantitativo discreta.
3 HISTOGRAMA PARA DISTRIBUCIONES DE FRECUENCIAS

AGRUPADAS EN INTERVALOS
Se construyen levantando, sobre cada intervalo de la variable, un rectngulo de
rea proporcional a la frecuencia absoluta de dicho intervalo. Si los intervalos son de
amplitud constante, las alturas de los rectngulos sern iguales a las frecuencias
absolutas respectivas, pues al ser las bases iguales las reas son proporcionales a las
alturas; pero si las amplitudes de los intervalos son diferentes, las alturas de los
rectngulos deben calcularse dividiendo la frecuencia absoluta por la longitud del
intervalo; sta se puede representar por ai y vale pues:
f
ai = i
ci
y de esta forma, el rea del rectngulo coincide con la frecuencia:

f
Si = a i c i = i ci = f i
ci
14
La altura ai correspondera a la frecuencia correspondiente a cada unidad de

medida de la variable en cada intervalo, y se le conoce a veces, con el nombre de
densidad de frecuencia del intervalo.
EJEMPLO 1.3:
La distribucin del saldo de imposiciones en las Cajas de Ahorros viene dada en
la tabla siguiente:
Saldo
N provincias
4-6,9
7-8,9
9-14,9
17
15-29,9
13
30-59,9
60-99,9
100
Representar el histograma correspondiente

Solucin:
Como los intervalos son de amplitud no constante, hay que calcular las alturas de
los mismos, obtenindose la siguiente tabla:
intervalos
4 -6.9
7 -8.9
9 -14.9
15 -29.9
30 -59.9
60 -99.9
100
fi
6
7
17
13
4
2
1
Total
50
alturas
2
3.5
2.8
0.8
0.1
0.05
0
Fi
6
13
30
43
47
49
50
que da lugar al histograma de la figura 1.5:
hi
0.12
0.14
0.34
0.26
0.08
0.04
0.02
1.00
Hi
0.12
0.26
0.60
0.86
0.94
0.98
1.00
Grados
43.2
50.4
122.4
93.6
28.8
14.4
7.2
360.0
15
Figura 1.5: Histograma. (Saldo de imposiciones en Cajas de Ahorros).
4 POLGONO DE FRECUENCIAS PARA DISTRIBUCIONES DE

FRECUENCIAS AGRUPADAS
Para construir este grfico se levanta en el extremo superior de cada intervalo una
ordenada igual a su frecuencia, uniendo a continuacin dichas ordenadas. La primera
ordenada se une al extremo inferior del primer intervalo, prolongando el polgono desde
ese punto a la izquierda sobre el eje x, y prolongando tambin por la derecha a partir del
extremo superior del ltimo intervalo, con una recta paralela al eje de abscisas. Suele
utilizarse esta representacin sobre todo en el caso de que las frecuencias sean
acumuladas. En este caso la altura correspondiente al extremo superior del ltimo
intervalo, coincide con n, si las frecuencias son absolutas, y con 1 si las frecuencias son
relativas.
EJEMPLO 1.4:
El polgono de frecuencias acumuladas para el ejemplo estudiado de las
distribuciones del saldo de las Cajas de Ahorros viene dado por el grfico que aparece
en la figura 1.6:
16
Figura 1.6: Polgono de frecuencias acumuladas. (Saldo de imposiciones en Cajas de Ahorros).
En el caso de representar las frecuencias no acumuladas se procede de diferente

forma, uniendo los puntos medios de los lados superiores de los rectngulos del
histograma y prolongando por los extremos hasta cortar al eje X en los puntos medios
de las bases del primer y del ltimo rectngulo (ver figura 1.7).
Alturas
1
x
10
20
30
40
50
60
70
80
90
100
Figura 1.7: Polgono de frecuencias. (Saldo de imposiciones en Cajas de Ahorros).
El rea del polgono cerrado resultante es igual al rea de los rectngulos

formados mediante el histograma.
17
A veces se representan en el mismo grfico el histograma y el polgono de

frecuencias.
5 DIAGRAMA DE SECTORES
Este caso, en una circunferencia se representan sectores circulares cuyo ngulo
central coincida con la frecuencia absoluta (no se puede utilizar para acumuladas) o
relativa del elemento, representando, mediante colores o incluyendo dentro de dicho
sector el nombre de la clase o elemento a representar. Vale tanto para frecuencias
agrupadas, como no agrupadas.
Previamente hay que calcular los grados que corresponde a cada elemento
multiplicando la frecuencia correspondiente a cada dato por el cociente entre 360 y el
total de datos:
gi = f i
360
n
EJEMPLO 1.5:
Obtener el grfico de sectores correspondiente a los datos anteriores de las cajas
de ahorros:
Solucin:
intervalos
4 -6.9
7 -8.9
9 -14.9
15 -29.9
30 -59.9
60 -99.9
100
fi
6
7
17
13
4
2
1
Total
50
alturas
2
3.5
2.8
0.8
0.1
0.05
0
Fi
6
13
30
43
47
49
50
y su representacin en sectores en la figura 1.8:
hi
0.12
0.14
0.34
0.26
0.08
0.04
0.02
1.00
Hi
0.12
0.26
0.60
0.86
0.94
0.98
1.00
Grados
43.2
50.4
122.4
93.6
28.8
14.4
7.2
360.0
18
Figura 1.8: Diagrama de sectores. (Saldo de imposiciones en Cajas de Ahorros).
EJEMPLO 1.6:
Los datos siguientes corresponden a gastos de inversin publicitaria en los pases
de la C.E.E. durante el ao 1.986
PASES
INVERSIN
(MILLONES $)
R.F.A
8.234
INGLATERRA
6.915
FRANCIA
4.663
ESPAA
3.000
HOLANDA
2.970
ITALIA
DINAMARCA
2.846
1.084
BLGICA
464
GRECIA
164
IRLANDA
127
No se poseen datos de Portugal y

Luxemburgo
Representar el correspondiente diagrama de sectores
Solucin:
El grfico de sectores aparece en la figura 1.9:
19
R.F.A
INGLATERRA
FRANCIA
ESPA A
HOLANDA
ITALIA
DINAMARCA
IRLANDA
BELGICA
GRECIA
Figura 1.9: Diagrama de Sectores. Inversin publicitaria en la C.E. (datos de 1.986)
En este grfico se observa que cuando ciertos datos presentan una frecuencia baja,
en relacin con los dems, su sector circular seria no detectable visualmente, por lo que
se une con otros de frecuencias tambin bajas, dndole el nombre de "otros", o bien, si
es posible, indicando todos los elementos que lo forman.
6 PICTOGRAMAS
Son dibujos alusivos a la distribucin que se pretende estudiar y que mediante su
forma, tamao, etc., ofrecen una descripcin, lo ms expresiva posible, de la misma.
Consideremos el siguiente ejemplo:
EJEMPLO 1.7:
Representar el pictograma correspondiente a la tabla de datos siuiente:
PASES
BRASIL
MJICO
ARGENTINA
VENEZUELA
CHILE
PERU
COLOMBIA
ECUADOR
URUGUAY
BOLIVIA
PARAGUAY
INVERSIN
(MILLONES $)
101.750
100.000
50.300
35.880
20.690
14.300
13.430
7.540
4.990
3.340
1.890
20
Solucin:
DEUDA EXTERNA
DE AMERICA LATINA
(Diciembre 1986)
BRASIL
MEXICO
ARGENTINA
VENEZUELA
CHILE PERU ECUADOR BOLIVIA COLOMBIA URUGUAU PARAGUAY
Figura 1.10: Pictograma (Deuda externa de Amrica Latina)
En el caso anterior, el rea de la figura debe de ser proporcional a la frecuencia,

aunque existe tambin la posibilidad de que una figura represente un nmero
determinado de frecuencias, y entonces contenga este dato.
Este tipo de representacin suele utilizarse en las distribuciones cualitativas, como
por ejemplo en la siguiente:
EJEMPLO 1.8:
El censo ganadero espaol, en el mes de Septiembre de 1.977, segn fuentes del
Ministerio de Agricultura, era:
GANADO
N DE CABEZAS
(EN MILES)
BOVINO
4.538
OVINO
14.539
CAPRINO
2.206
PORCINO
9.804
EQUINO
762
TOTAL
31.846
Represente el correspondiente pictograma
21
Solucin:
El correspondiente pictograma sera de la forma que aparece en la figura 1.11:
Figura 1.11: Pictograma (Censo ganadero espaol)
7 CARTOGRAMAS
Son los grficos realizados sobre mapas, representando el carcter estudiado en
ciertas regiones, sealando las zonas con distintos colores o tramas, poniendo de
manifiesto las diferencias existentes entre las regiones del plano. Se suelen utilizar para
representar densidades demogrficas de una nacin, la renta per capita, ndices de
lluvia, etc.
8 DIAGRAMAS DE PERFIL RADIAL:

Se toma un punto de partida y se trazan tantos radios como modalidades tenga la
variable estudiada y despus, sobre estos radios, se toma una distancia al centro
proporcional a la frecuencia de cada modalidad. Uniendo los puntos extremos de cada
radio se obtiene un polgono cerrado, que es el perfil radial.
En el ejemplo del censo ganadero en Septiembre de 1977 seria (ver figura 1.12):
22
Caprino
Bovino
Equino
0
5000 10000
Porcino
Ovino
Figura 1.12: Perfil radial (Censo ganadero espaol)
9 DIAGRAMAS LINEALES
Se utilizan para mostrar las fluctuaciones de un determinado carcter estadstico
con el paso del tiempo. Interesa nicamente la altura de la lnea, referida a la base del
diagrama, que se levanta con una longitud proporcional al valor del carcter estudiado
en dicho mes.
Con frecuencia se aprovecha para representar sobre la misma escala varios
diagramas lineales muy relacionados entre s.
Por ejemplo, ingresos y gastos, nacimientos y defunciones, etc.
EVOLUCION DEL IPC

(Acumulado en 1987)
3'8
2'9
2
1'9
1'7
ABRIL
0'7
ENERO
6'0
1'1
FEBRERO
6'0
MARZO
6'3
MAYO
2'9
SEPTIEMBRE
1'9
JUNIO
JULIO
AGOSTO
6'2
EVOLUCION DE LA
TASA DE INFLACION
5'8
4'9
Figura 1.13: Diagrama lineal
4'9
4'5
4'4
23
El grfico anterior (figura 1.13) reproduce un diagrama aparecido en DIARIO 16,

que expresa la evolucin del IPC y la tasa de inflacin durante los nueve primeros
meses del ao 1.987.
A veces se unen en un mismo grfico varios grupos para considerarlos
conjuntamente, compararles y observar donde las distribuciones coinciden o se separan,
permitiendo as un anlisis grfico comparativo.
As, el grfico siguiente (figura 1.14) muestra los polgonos de frecuencias

porcentuales correspondientes a las distribuciones de ingresos en familias de poblacin
blanca y negra en los Estados Unidos.
%
14'0
12'0
Poblacin
blanca
10'0
Poblacin
negra
8'0
6'0
4'0
Indice de
integracin=0'71
2'0
0
1000$
2000$
5000$
10000$
15000$
Figura 1.14: Polgonos de frecuencias porcentuales
25000$
50000$
24
1.1.4 Medidas de tendencia central

Las tablas de distribuciones de frecuencia ofrecen toda la informacin disponible,
pero a veces, debido a su extensin nos encontramos con dificultades a la hora de su
interpretacin, por lo que interesa resumirla con el fin de facilitar, tanto su anlisis
como la comparacin entre distintas muestras o poblaciones. En este proceso de sntesis
se buscan valores que determinen el comportamiento global del fenmeno estudiado
Las medidas de sntesis de la distribucin se consideran operativas cuando:
a) Intervienen todos y cada uno de los elementos en su formacin.
b) Es siempre calculable.
c) Es nica para cada distribucin de frecuencias.
Estos valores se denominan medidas de posicin, en general son promedios de los
valores y pueden ser de tendencia central o no. Slo tienen sentido si la variable es
cuantitativa.
Entre las ms importantes estn la media aritmtica, la mediana, la moda y los
cuantiles; adems de stos, tambin estudiaremos la media geomtrica, la media
armnica, la media cuadrtica y la media aritmtica ponderada.
1.1.4.1 Media aritmtica

Se define como la suma de todos los valores de la distribucin, dividida por el n
total de datos. Si designamos por xi al valor de la variable X, que se repite fi veces, la
media aritmtica ser:
k
! xif i n
k
x1
x2
xk
xf
i=1
x = f1 +
f 2 +!+
fk =
= ! i i = ! x ih i
n
n
n
n
i=1 n
i =1
25
EJEMPLO 1.9:
Por ejemplo, sea la variable X que representa los pesos en kilogramos de 10
estudiantes y que presenta los valores:
xi={ 54, 59, 63, 64 }
con las siguientes frecuencias fi={ 2, 3, 4, 1 }. Calcular la media aritmtica.
Solucin:
La media aritmtica vendr dada por:
x=
54.2 + 59.3 + 63.4 + 64.1 108 + 177 + 252 + 64 601

=
=
= 60.1 Kg
10
10
10
En el caso de que las variables estuvieran agrupadas en intervalos no se podra

utilizar dicha expresin, por no saber el valor exacto de la variable, usndose en este
caso como xi la marca de clase del intervalo.
Vemoslo con el siguiente ejemplo:
EJEMPLO 1.10:
Consideraremos la siguiente tabla de distribucin de frecuencias:
Intervalo
fi
Marca de clase
30-40
35
40-50
45
50-60
55
Total
10
Calcular la media aritmtica de los datos

Solucin:
Resultar, segn la definicin dada, que
xf
35.3 + 45.2 + 55.5
x=! i i =
= 47
n
10
26
No obstante, y dado que la media aritmtica est muy influenciada por los valores
extremos de las observaciones, no siempre sirve para representar lo que ocurre en cada
una de stas, tal y como puede observarse en el siguiente ejemplo:
EJEMPLO 1.11:
La tabla siguiente recoge el nmero total de goles marcados en los ocho primeros
campeonatos de liga de primera divisin correspondientes a las temporadas en que han
participado en el mismo 20 equipos:
Temporada
Nmero de goles
87-88
909
88-89
868
89-90
921
90-91
822
91-92
913
92-93
954
93-94
989
94-95
966
Calcular e interpretar la media aritmtica.

Solucin:
Calculada la media aritmtica se observa que es 917,75; no obstante, este valor es
poco representativo de lo ocurrido en cada temporada, puesto que solamente en los aos
89-90 y 91-92 se obtuvo un nmero de goles prximo a dicho valor, mientras que en el
resto de temporadas se obtuvieron bastantes ms ( 92-93, 93-94 y 94-95 ) o bastantes
menos ( 87- 88, 88-89, 90-91).
Por otro lado qu sentido tiene decir que se marcaron 917,75 goles?, acaso hubo
alguna ocasin en la que solamente penetr en la portera el 75% del baln?.
27
PROPIEDADES DE LA MEDIA ARITMTICA:

1. La suma de las desviaciones de los valores de la variable respecto a su media es 0.
k
" x if i
" (x i ! x)f i = " x if i ! x " f i = n i =1

n
i =1
i =1
i =1
! xn = nx ! xn = 0
2. Si a todos los valores de la variable les sumamos una constante k, la media

aritmtica queda aumentada en esa constante.
Si consideramos la distribucin ( xi + k, fi ) su media ser:
x' =
'
! xi
i=1
fi
=
n
! (x i
i=1
+ k)
fi
=
n
! xi
i=1
k f
fi
+ k! i = x + k
n
i=1 n
3. Si a todos los valores de la variable los multiplicamos por una constante k, su media
aritmtica queda multiplicada por esa constante.
Para demostrar esta propiedad basta considerar la distribucin ( xik , fi ), su media
ser:
k
k
k
f
f
f
x' ' = ! x'i' i = ! ( xi k ) i = k ! xi i = kx
n
i =1 n
i=1
i=1 n
4. Si a una variable X le efectuamos una transformacin lineal de la forma Y = aX + b,

con a y b constantes, la media de la nueva variable queda afectada por dicha
transformacin lineal:
y = ax + b
La demostracin es consecuencia inmediata de las propiedades 2 y 3 de la

media.
28
VENTAJAS E INCONVENIENTES
Como ventajas de utilizar la media aritmtica como un promedio para sintetizar
los valores de la variable podemos citar las siguientes:
- Considera todos los valores de la distribucin.
- Es siempre calculable (en variable cuantitativa).
- Es nica.
Como inconvenientes de la utilizacin de la media aritmtica cabe citar que, a

veces, puede dar lugar a conclusiones errneas, cuando la variable presenta valores muy
extremos, que influyen mucho en la media, hacindola poco representativa.
1.1.4.2 Media aritmtica ponderada

Se calcula esta media aritmtica cuando cada valor de la variable tiene asociado
una ponderacin o un peso, distinto de la frecuencia, y que le haga tener ms o menos
importancia en la distribucin.
En este caso si el dato xi tiene un peso wi, su media ponderada sera:
k
! xi wi
xp = i=1k
! wi
i=1
Si cada dato presenta una frecuencia fi, la media ponderada sera:

k
! xi f iwi
xp = i=1k
! f iw i
i=1
29
EJEMPLO 1.12
Veamos un ejemplo de un estudiante que realiza tres exmenes de media hora,
una hora y una hora y media respectivamente, obteniendo unas puntuaciones de 50, 80
y70.
Por la duracin de los exmenes cabra atribuirles las ponderaciones de 1, 2 y 3
respectivamente.
xi
50
80
70
Ponderacin
Calcular la puntuacin media del alunno.

Solucin:
Obtendramos la siguiente media aritmtica ponderada:
x=
50.1 + 80.2 + 70.3 420

=
= 70
1+2+3
6
1.1.4.3 Media geomtrica

Se define como la raz n-sima del producto de todos los n valores de la
distribucin:
G = n x11 x 22 !x kk
Tomando logaritmos quedara: log G =
%
1 "$ k
! f i logx i '
n # i=1
&
Es decir, el logaritmo de la media geomtrica es la media aritmtica de los logaritmos

de los valores. En su clculo se suele utilizar esta propiedad.
Veamos, por ejemplo, cmo calcular la renta media durante varios periodos de
tiempo.
30
EJEMPLO 1.13
Si invertimos 100.000 pts al 3% durante un ao, al 5% durante otro ao y al 8%
durante un tercero, cul es la renta media a la que est invertido el dinero durante los
tres aos?.
Solucin:
Cabra esperar que la solucin fuera la media aritmtica de las tres rentas, es decir
el 5%, pero la realidad es otra; en efecto:
Teniendo en cuenta que:
C(1 + r m ) =C(1 + r1 )(1 + r 2 )(1 + r 3 )

3
Se verificar que
1 + r m = 3 (1 + r1)(1 + r 2 )(1+ r3 )
Es decir, que 1+rm es la media geomtrica de las rentas de cada anuales,
expresadas en tanto por uno, ms uno.
En nuestro problema: 1 + r m = 3 1.03!1.05!1.08 = 1.0497 es decir, el rdito medio
es del 4,97% ( media geomtrica de los rditos anuales ), y no el 5% como pareca ser.
Veamos otro ejemplo en el que interese utilizar logaritmos.
EJEMPLO 1.14
Sea una clase de 22 nios, cuya talla se distribuye del modo siguiente:
Talla en cm.
Frecuencia
100
10
120
5
125
4
Calcular la talla media

Solucin:
La media geomtrica sera:
G=
22
10
100
!120 !125 !140
140
3
31
Para calcular el valor de G tomaremos logaritmos, de manera que:
1
(10 log100 + 5 log120 + 4 log125 + 3 log140) =
22
1
=
45.22193 = 2.05554
22
log G =
G = anti log 2.05554 = 113.6cm
La media geomtrica tiene una ventaja sobre la media aritmtica y es que es

menos sensible a los valores extremos.
Como inconvenientes principales sealar que tiene un significado estadstico
menos intuitivo que la media aritmtica, su clculo es difcil y a veces no se puede
calcular (si un valor de la variable es 0).
1.1.4.4 Media armnica

Se define como el inverso de la media aritmtica de los inversos de los valores de
la variable. Es decir:
n
A= k
1
! fi
i=1xi
Como ventajas podemos mencionar que intervienen todos los valores de la
variable y que, en ciertos casos, es ms representativa que la media aritmtica.
Como inconvenientes hay que citar la gran influencia de los valores pequeos y
que a veces no se puede calcular (si un valor de la variable es 0). Se suele utilizar para
promediar velocidades, tiempos, etc.
EJEMPLO 1.15:
Supongamos un mvil que efecta un recorrido de 100 km, en dos sentidos. En un
sentido va a una velocidad constante v1 = 60 Km/h y en el otro tambin circula a una
velocidad constante v2=70 Km/h y, por tanto, diferente de la anterior.
32
Calcular la velocidad media del recorrido total debemos calcular la media

armnica.
Solucin:
En este caso, si queremos calcular la velocidad media debemos calcular la media
armnica.
v=
espacio
2s
=
timpo
t1 + t 2
Pero
s
100Km
=
v1 60 Km h
s
100 Km
t2 =
=
v 2 70Km h
t1 =
Luego, sustituyendo, obtenemos que:

v=
2s
200Km
2Km
= 100 Km
=
100Km
1
1 = 64.62Km h
t1 + t 2
+
+
60 Km h 70 Km h 60 h 70h
RELACION ENTRE LAS MEDIAS

La relacin existente entre estas tres medias es:
H ! G ! x cuando las tres medias existen.
1.1.4.5 Mediana
Es el valor de la distribucin que, una vez ordenados los valores de la variable de
menor a mayor, deja igual nmero de frecuencias a su izquierda que a su derecha, es
decir, el valor que ocupa el lugar central. Puede entenderse tambin como aquel valor
cuya frecuencia absoluta acumulada es n/2.
33
DATOS SIN AGRUPAR
N impar de trminos
Si la distribucin est sin agrupar, y hay un n impar de trminos, la mediana ser

el que ocupa la posicin central. Por ejemplo, si los valores de la variable son
{1,2,3,4,5}
la mediana sera Me = 3
N par de trminos
Pero si hay un n par de trminos habra dos trminos centrales y se toma como
mediana la media aritmtica de ellos. Por ejemplo, si los valores de la variable son
{1 , 2 , 5 , 7 , 9 , 10 , 13 , 14}
La mediana seria: M e =
7+9
=8
2
DATOS CON FRECUENCIAS

Variable discreta
Si los datos presentan diferentes frecuencias, el mtodo ms prctico es buscar en
la columna de frecuencias acumuladas n/2.
EJEMPLO 1.16:
Si la distribucin es:
xi
1
2
5
7
10
13
Total
Calcular la mediana
fi
3
4
9
10
7
2
35
Fi
3
7
16
26
33
35
34
Solucin:
n 35
=
= 17.5
2 2
La mediana es Me = 7, puesto que desde el que ocupa el lugar 17 hasta el de lugar
26 todos los valores son 7.
Es decir, si Fi-1 < n/2 < Fi, entonces, Me = xi
Variable continua o datos agrupados en intervalos

En el caso de estar la distribucin agrupada en intervalos (sean o no de la misma
amplitud) al buscar el valor que ocupa el lugar n/2 nos encontramos con un intervalo, el
intervalo mediano, y no con un dato. Para determinar un nico representante de dicho
intervalo como mediana, determinaremos el elemento que en el polgono de frecuencias
acumuladas toma de frecuencia n/2.
Figura 1.15: Polgono acumulativo de frecuencias para el clculo de la Mediana
35
En el grfico de la figura 1.15 se observa la forma de determinar la mediana.

La mediana vale:
Me = Li-1 + m
Como los tringulos ABC Y AB'C' son semejantes, resulta que:
AC
BC
=
AC' B' C'
es decir:
n
m 2 ! F i!1
=
c i Fi ! Fi!1
por lo tanto:
n
! Fi !1
2
m=
ci
fi
De lo anterior se deduce que la Mediana se calcula de la siguiente forma:
n
! Fi !1
Me = L i !1 + 2
ci
fi
Como ventajas de la mediana podemos citar que no est influida por los valores
extremos como en el caso de la media, y adems tiene sentido en casos de
distribuciones en escala ordinal (datos que pueden ser ordenados), siendo la medida ms
representativa de estos por describir la tendencia central de los mismos.
Como inconvenientes puede ser la determinacin de sta en los casos de variables
agrupadas en intervalos.
36
EJEMPLO 1.17:
Sea la siguiente distribucin de salarios y calculemos el salario mediano.
Clase
Salario anual
N de obreros
1
2
3
4
5
20000 a 25000
25000 a 30000
30000 a 35000
35000 a 40000
40000 a 45000
100
150
200
180
41
------671
N acumulado
de obreros
100
250
450
630
671
Solucin:
n 671
=
= 335.5 , valor que nos indica que el salario anual mediano
2
2
pertenece a la tercera clase.
Tenemos que
La amplitud del tercer intervalo es ci = 5000, luego:
Me = 30000 +
335.5 ! 250
5000 = 3000 + 2137.5
200
es decir, Me = 321375
1.1.4.6 Moda
Es el valor de la variable que ms veces se repite en una distribucin de
frecuencias, es decir, el que tiene mayor frecuencia absoluta.
Para calcular la moda, en el caso que la distribucin no est agrupada o est agrupada en
intervalos, se procede de forma diferente:
DISTRIBUCIN SIN AGRUPAR EN INTERVALOS DE CLASE

La moda es el valor ( o valores ) que presenten mayor frecuencia absoluta.
37
EJEMPLO 1.18:
Consideremos la siguiente distribucin:
xi
fi
1
3
2
4
5
9
7
10
10
7
13
2
Observando la fila de frecuencias, se ve que Mo = 7

Puede ocurrir que una distribucin presente ms de una moda (bimodal, trimodal,
etc.), e incluso que presente una moda absoluta y alguna moda relativa. Las
representaciones serian (ver figuras 1.16 y 1.17):
Figura 1.16: Representacin de una distribucin con una nica moda y otra bimodal
Figura 1.17: Modas en una distribucin bimodal
38
DISTRIBUCIN AGRUPADA EN INTERVALOS DE CLASE

Si la distribucin est agrupada en intervalos, se proceder de forma diferente
segn que la amplitud sea constante o no.
Amplitud constante
Si la amplitud es constante, la mxima frecuencia nos determina un intervalo, el
intervalo modal, pero hay que seleccionar un valor de ese intervalo que haga el papel de
moda. En este caso hay varios criterios: unos seleccionan el extremo inferior del
intervalo, otros el extremo superior y otros la marca de clase, pero habr que tener en
cuenta que la moda estar ms cerca del intervalo contiguo de mayor frecuencia.
Figura 1.18: Histograma para el clculo de la Moda
Es claro que Mo = Li-1 + m . Veamos la determinacin de "m".

Dado que los tringulos OAA' y OBB' son semejantes por tener los ngulos
iguales, se puede establecer la proporcin:
OQ BB'
OQ
BB'
OQ + PO BB' +AA'
=
!
+1 =
+1 !
=
PO AA'
PO
AA'
PO
AA'
invirtindola resulta:
39
PO
AA'
m
d1
=
!
=
OQ + PO BB' +AA'
( c i " m ) + m d1 + d2
siendo d1, d2 las diferencias de frecuencias absolutas entre el intervalo modal y los
intervalos anterior y posterior respectivamente. Por lo tanto la moda valdra:

Mo = L i!1 +
d1
c
d1 + d 2 i
EJEMPLO 1.19:
Calculemos la Moda de la siguiente distribucin:
Intervalo
0 - 25
25 - 30
50 - 75
75 - 100
Total
Frecuencia
20
40
100
60
220
Solucin:
El intervalo modal es el 50 - 75, y como
d1 = 100 - 40 = 60 , d2 = 100 - 60 = 40
resulta que Mo = 50 +
60
25 = 50 + 15 = 65
60 + 40
Amplitud no constante
Si la amplitud de los intervalos es variable, teniendo en cuenta que la altura del
rectngulo indica la densidad de frecuencia, el intervalo modal ser el que tenga mayor
densidad de frecuencia, es decir mayor altura.
EJEMPLO 1.20:
Calculemos la Moda de la siguiente distribucin:
40
Intervalo
4 -7
7-9
9 - 15
15 - 30
30 - 60
60 - 100
ms de 100
fi
6
7
17
13
4
2
1
Total
50
ci
3
2
6
15
30
40
--
ai
2
3,5
2,8
0,8
0,1
0,05
---
Solucin:
Primero se procede a buscar la mayor altura:
ai = fi / ci
Se contina como en el caso anterior sustituyendo la frecuencia por la altura.
El intervalo modal es el 7-9, y por lo tanto:
d1 = 3,5 - 2 = 1,5
d2 = 3,5 - 2,8 = 0,7
As la moda ser:
Mo = 7 +
1.5
25 = 7 + 1.36 = 8.36
1.5 + 0.7
Como ventajas de la moda cabe citar que cuando la distribucin es de escala
nominal (no susceptible de ordenacin) es la medida ms representativa, pues no es
posible hacer operaciones con sus observaciones, y por tanto no se pueden calcular las
otras medidas. Adems igual que la mediana, no viene influida por los valores extremos
de la variable.
Como inconveniente cabe citar el modo de calcularla en los casos de variables
agrupadas en intervalos y el hecho de que utiliza un nico dato de la distribucin.
41
Calculemos en un ejemplo la media aritmtica, la moda y la mediana de una

distribucin para hacernos una idea de cul de ellas es la medida de centralizacin ms
representativa en la situacin estudiada.
EJEMPLO 1.21:
El sueldo anual de los 25 trabajadores de una empresa viene expresado en la
tabla siguiente:
Director
10.000.000 pts.
Gerente
6.000.000 pts.
Dos ingenieros
4.000.000 pts. cada uno.
Tres peritos
Cinco encargados
Contable
Resto plantilla
Calcular la media, la moda y la media y efectuar un estudio comparativo de los

resultados.
Solucin:
Calculando la media aritmtica de los sueldos vemos que es de 2.356.000 pts.
cantidad que, adems de no ser el sueldo de ningn empleado de la compaa, da una
idea poco aproximada de la realidad, toda vez que la mayora de los trabajadores ganan
bastante menos de esa cantidad.
La moda, por su parte, vale 1.300.000 pts., mientras que la mediana es 1.800.000
pts. Estas dos medidas indican ms claramente la situacin en la empresa, siendo la
moda la que mejor resume la situacin.
42
1.1.5 Medidas de posicin no

centrales
Estos valores no reflejan ninguna tendencia central, sino una posicin de la
distribucin, dividindola a sta en partes iguales. Cabe citar entre los de uso ms
frecuente: cuartiles, deciles y percentiles.
1) Los cuartiles son tres valores que dividen a la distribucin en cuatro partes
iguales, estando en cada una de ellas el 25% de sus observaciones. Se indican con Qi.
2) Los deciles son nueve valores que dividen a la distribucin en diez partes
iguales, estando en cada una de ellas el 10% de las observaciones. Se indican por Di.
3) Los percentiles son noventa y nueve valores que dividen a la distribucin en
cien partes iguales, dejando un 1% de las observaciones entre cada dos de ellos
consecutivos. Se nombran por Pi.
Hay que tener en cuenta algunas relaciones entre ellos, como son:
Me = Q2 = D5 = P50
Q1 = P25 ; Q3 = P75
D1 = P10 ; D2 = P20 ; D3 = P30 ; D4 = P40 ; D6 = P60
Para el clculo de todos los cuantiles el proceso es anlogo al clculo de la
mediana, sustituyendo n/2 por r.n/k, siendo r el orden del cuantil y k las partes en que
dicho cuantil divide a la distribucin. As en los cuartiles k = 4 y r = 1, 2, 3 ; en los
deciles k = 10 y
r = 1, 2,....., 9, y en los percentiles k = 100 y r = 1, 2, 3,....., 99.
Se procede pues buscando en las frecuencias acumuladas el valor de rn/k, y si la

distribucin est agrupada, el cuantil r/k ser:
n
! F i!1
C r k = L i !1 + k
ci
fi
r
43
Las ventajas e inconvenientes son las mismas que los de la mediana.
EJEMPLO 1.22:
En el ejercicio de la distribucin de salarios, calculemos Q1, Q3, D4, P88
Solucin:
Para Q1: como 1.671/4 = 167,75 , el intervalo del primer cuartil es el 25000 - 30000
671
! 100
Q1 = 25000 + 4
5000 = 25000 + 2258.3 = 27258.3
150
Para Q3: como 3.671/4 = 503,25 ,el intervalo del tercer cuartil es el 35000 - 40000
671
! 450
Q3 = 35000 + 4
5000 = 35000 + 1479.16 = 36479.16
180
3
Para D4: como 4.671/10 = 2684 , el intervalo del cuarto decil es el 30000 - 35000
671
! 2500
D4 = 30000 + 4
5000 = 30000 + 460 = 30460
200
4
Para P88: como 88.671/4 = 590,48, el intervalo del percentil ochenta y ocho es el 35000
- 40000
P88 = 35000 +
88
671
! 450
4
5000 = 35000 + 3902.2 = 38902.2
180
44
1.1.6 Medidas de dispersin

En el apartado anterior hemos definido una serie de medidas de tendencia central,
cuyo objetivo era tratar de sintetizar toda la informacin disponible, pero cabe
preguntarse posteriormente si esa medida es o no representativa de la distribucin de
frecuencias.
Si consideramos dos variables X e Y con distribuciones:

xi
500
1000
yi
499
501
fi
fi
Las medias son :
x=
0 + 500 + 1000
= 500
3
y=
499 + 501
= 500
2
Las dos medias son iguales y sin embargo las dos distribuciones son muy
diferentes pues los valores de X estn mucho ms dispersa que los de Y.
As pues, para intentar medir la representatividad de una determinada medida
debemos de cuantificar la separacin de los valores de la distribucin respecto de dicha
medida. As pues, resulta necesario que, para completar la informacin de un promedio
(por ejemplo media aritmtica), ste vaya acompaado de uno o varios coeficientes que
nos midan el grado de dispersin de la distribucin de la variable con respecto a l.
Distinguiremos dos tipos de medidas de dispersin: absolutas y relativas.
1.1.6.1 Medidas de dispersin absoluta

Cabe citar entre stas el recorrido, el recorrido intercuartlico, la desviacin
media, la varianza y la desviacin tpica. Todas son referidas en general a un
promedio.
45
RECORRIDO O RANGO:
Hemos dicho ya que ste es la diferencia entre el mayor y el menor valor de la
distribucin:
Re = Max (xi) - Min (xi)

Si este recorrido es pequeo respecto al nmero de datos puede entenderse que
existe poca dispersin.
Tiene el inconveniente de que se ve totalmente influenciado por los valores
extremos (con los que se calcula).
RECORRIDO INTERCUARTLICO:
Es la diferencia existente entre el tercer y el primer cuartil
RI = Q3 - Q1
En esta medida se suprimen el 25% superior e inferior de la distribucin, y por lo
tanto no se ve influenciado por los valores extremos, y nos indica la longitud del
intervalo en el que estn el 50% central de los valores
En algunos casos se utiliza el recorrido semiintercuartlico que se define como
la mitad del recorrido intercuartlico.
RSI = (Q3 -Q1)/2
DESVIACIN MEDIA:
Esta medida de dispersin hace referencia a un promedio, cosa que no hacen las
anteriores; puede entenderse como la media de las desviaciones de los datos de la
variable respecto al promedio utilizado; no obstante, para evitar que las desviaciones
positivas queden compensadas por las negativas y que esta desviacin media resulte
igual a 0, (que nos hara pensar que no hay dispersin) se utiliza el valor absoluto de la
desviacin de los datos respecto del promedio.
As se definir la desviacin media respecto de la media como:
46
k
f
D x = " xi ! x i
n
i=1
Tambin se puede utilizar la desviacin media respecto de la mediana como:

k
f
DMe = " x i ! Me i
n
i=1
Las dos nos indicaran la dispersin de los datos respecto del promedio utilizado,
en el caso de que sta fuera grande el promedio sera poco representativo.
VARIANZA:
Se define como la media de los cuadrados de las desviaciones de los valores de la
variable respecto de la media aritmtica, es decir:
k
k
2f
2
s2 = " ( xi ! x ) i = " (x i ! x) h i
n i =1
i=1
Se utiliza el cuadrado para lograr que todas las desviaciones sean positivas; nos
indica la mayor o menor dispersin de los valores de la variable respecto de la media
aritmtica, y por lo tanto, su representatividad.
Tiene el inconveniente de no venir expresada en las mismas unidades que la
variable, sino en el cuadrado de las mismas, por ello se utiliza ms la siguiente.
DESVIACIN TPICA O ESTNDAR:

Se define como la raz cuadrada positiva de la varianza, es decir:
s=
" ( x i ! x)
i =1
2 fi
=
" (x i ! x) hi
2
i =1
Al ser la raz cuadrada de la varianza viene expresada en las mismas unidades que
la variable, lo que la hace ms apta como medida de dispersin que la varianza, siendo
en la actualidad la ms utilizada.
47
A menudo, en lugar de dividir entre el tamao de los datos, n, se divide entre n-1,
obtenindose la llamada cuasivarianza:
k
s2 = " ( xi ! x )2
i=1
fi
n !1
y cuasidesviacin tpica:
s =
" ( xi ! x )
2 fi
n !1
i=1
Siendo la relacin entre la varianza y la cuasivarianza la siguiente:
s2 =
n 2
s
n !1
PROPIEDADES DE LA VARIANZA Y DE LA DESVIACIN TPICA:
La varianza y la desviacin tpica no pueden ser negativas, por ser suma de
cuadrados:
s2 0,
s0
Si en una distribucin le sumamos a todos los valores de la variable una
constante, la varianza y la desviacin tpica no varan.

Si en la distribucin (xi fi) de media
k
s2 = " ( xi ! x )
k
f
x = ! xi i , y de varianza
i=1 n
2 fi
sumamos a todos los elementos una constante k, obtenemos otra

n
distribucin de variable x'i = xi + k .
i=1
Como, x' = x + k resulta que la varianza de la nueva distribucin ser:
48
(
i=1
k
s' 2 = " x'i ! x'
)2 fni = i"=1[( xi + k ) ! (x ! k )]2 fni =

k
k
f
= " ( xi ! x )2 i = s2
n
i=1
es decir, que la varianza no varia, y por lo tanto, la desviacin tpica tampoco.
Si en una distribucin multiplicamos a todos los valores de la variable por
una constante, la varianza queda multiplicada por el cuadrado de la constante y la

desviacin tpica queda multiplicada por la constante.
En efecto:
Si tomamos la distribucin x''i = kx i teniendo en cuenta que x' = kx , resulta que
la varianza de la nueva distribucin vale:
k
k
2 fi
f
s' ' 2 = " x'i' ! x' '
= " ( kx i + kx) i =
n i=1
n
i =1
k
f
= " k2 (xi ! x )2 i = k2 s2
n
i =1
y por ser la desviacin tpica la raz cuadrada de la varianza queda:

s' ' = s'' 2 = k 2s2 = ks
CLCULO PRCTICO DE LA VARIANZA*

En la prctica, al calcular la varianza conviene tener en cuenta la siguiente
expresin:
La media, la varianza y la desviacin tpica las proporciona directamente cualquier

calculadora de bolsillo, luego nomerece la pena hacer perder tiempo al alumno
escribiendo tablas con xifi etc.
49
k
f
2 fi
= " x 2i ! 2xi x + x 2 i =
n i =1
n
i=1
k
k
k f
k
f
f
f
= " x2i i ! 2x " x i i + x 2 " i = " x 2i i ! 2x 2 + x 2 = x 2 ! x 2
n
n
i=1
i=1 n
i =1 n
i =1
s 2 = " ( xi ! x )
Veamos el clculo de la varianza y desviacin tpica en los ejemplos 1.9 y 1.10:

xi
fi
54
59
63
64
1
10
f
x = ! x i i = 60.1 Kg
n
i
k
2
2f
s2 = s = ! xi i " x = 36247/10 -(60,1)2 = 3624,7 - 3612,01 = 12,69 Kg2
n
i=1
s = 12.69 = 3,5623 Kg.
En el ejemplo de datos agrupados en intervalos es:

Intervalo
marca de
clase
fi
30-40
35
40-50
45
50-60
55
5
10
x = 470/10 = 47
S2 = 22850/10 -(47)2 = 2285 - 2209 = 76
S = 76 = 8,718
50
1.1.6.2 Medidas de dispersin relativas

En el caso de intentar comparar la dispersin de dos distribuciones mediante
alguna de las medidas de dispersin halladas antes, no podramos efectuar tal
comparacin porque las distribuciones, en general, no vendrn dadas en las mismas
unidades y tampoco porque los promedios en general tambin sern diferentes. Por ello,
para poder comparar las dispersiones, es preciso definir medidas de dispersin
adimensionales.
Entre stas se encuentra el coeficiente de variacin de Pearson.
COEFICIENTE DE VARIACIN DE PEARSON:

Es el cociente entre la desviacin tpica y el valor absoluto de la media aritmtica.
CV =
s
x
Este coeficiente es adimensional luego permite comparar las dispersiones de dos

distribuciones diferentes.
A menudo se le suele utilizar en forma de porcentaje, empleando CV =
s
100
x
Obviamente, a mayor CV menor es la representatividad de x , pues la desviacin

tpica ser mayor comparada con la media.
1.1.7 Momentos
Existen dos tipos de momentos:
1.1.7.1 Momentos centrales (respecto a la media

aritmtica)
51
Se define el momento central de orden r respecto de la media aritmtica x como

la media aritmtica de las potencias de orden r de las desviaciones de los datos respecto
de la media:
k
m r = " (xi ! x )
i=1
r fi
En particular, se verifica que:

- El momento central de orden 0 vale 1:
k
k f
n
0f
m 0 = " (x i ! x) i = " i = = 1
n i=1 n n
i =1
- El momento central de orden 1 vale 0:

k
k
k f
f
n
1f
m1 = " (x i ! x) i = " x i i ! x " i = x ! x = 0
n i =1 n
n
i =1
i =1 n
- El momento de orden 2 es la varianza.
1.1.7.2 Momentos con respecto al origen

Se define el momento de orden r con respecto al origen como la media aritmtica
de las potencias de orden r de los datos de la variable:
r
f
a r = ! xri i
i=1 n
Como casos particulares cabe destacar:

- El momento de orden 0 vale 1:
k
k f
f
a 0 = ! x 0i i " x ! i = 1
n
i=1
i =1 n
- El momento de orden 1 es la media aritmtica
52
Existe una relacin entre los dos momentos, que nos da una forma reducida de
calcular la varianza:
k
s = m 2 = " (x i ! x)
2
i =1
k
2f
2
2
= " x i i ! x = a 2 ! a1
n i =1 n
2 fi
53
1.1.8 Medidas de forma

Para tratar de conocer una distribucin no basta con conocer sus medidas de
dispersin y de posicin, sino que es necesario, en general, conocer algunos aspectos
ms de la misma.
Dado que la diversidad de comportamientos de las xi de la distribucin se haca
ms patente al realizar la representacin grfica, vamos a tratar de determinar a
continuacin ms medidas, segn la "forma" de la representacin; clasificaremos estas
medidas en dos grupos: medidas de asimetra y medidas de curtosis o apuntamiento.
1.1.8.1 Medidas de asimetra

Tienen por objeto establecer el grado de simetra (o asimetra) de una distribucin
sin necesidad de realizar la representacin grfica.
Entenderemos la simetra respecto al eje determinado por la media aritmtica, de
tal forma que diremos que una distribucin es simtrica cuando los valores de la
variable equidistantes de este valor central tengan la misma frecuencia, en caso
contrario diremos que es asimtrica, siendo esta asimetra negativa o a izquierda si es
ms larga la rama de la izquierda, es decir, las frecuencias descienden ms lentamente
por la izquierda que por la derecha; analogamente llamaremos asimetra positiva o a
derechas aquella en que la rama de la derecha es ms larga, es decir las frecuencias
descienden ms lentamente por la derecha que por la izquierda.
COEFICIENTE DE ASIMETRA DE FISHER

Debemos buscar ahora una medida adimensional que recoja las desviaciones
positivas y negativas de los valores respecto de la media.
La figura 1.19 nos muestra las distintas distribuciones:
54
g >0
g =0
_
x
Mo
Distribucin asimtrica
a la derecha
Distribucin simtrica
g <0
1
Mo
Distribucin asimtrica
a la izquierda
Figura 1.19: Distintos tipos e distribuciones segn su simetria
Dado que
k
" (x i ! x)
i =1
fi
=0
n
hay que buscar una medida que venga influida por el signo; sta ser:
k
m 3 = " (x i ! x)
i =1
3 fi
ya que
si la curva es simtrica m3 = 0
si la curva tiene asimetra positiva o a derechas, m3 > 0
si la curva tiene asimetra negativa o a izquierdas, m3 < 0
Para que no tenga dimensin debemos dividirla por una medida con las mismas
unidades (cbicas), obtenindose el coeficiente de asimetra de Fisher.
55
m
g1 = 33 =
s
3f
" (x i ! x) ni
i =1
#k
2 f &2
xi ! x) i
(
"
%$
n ('
i=1
Siendo su interpretacin:
Si g1 > 0 la distribucin es asimtrica positiva o a derecha.
Si g1 = 0 la distribucin es simtrica.
Si g1 < 0 la distribucin es asimtrica negativa o a izquierda.
COEFICIENTE DE ASIMETRA DE PEARSON

Otra medida de asimetra es el coeficiente de asimetra de Pearson definido por:
Ap =
x ! Mo
s
Teniendo en cuenta que si la curva es simtrica, x = Me = Mo, si la distribucin

es asimtrica positiva o a derechas x > Mo y si la distribucin es asimtrica negativa o
a izquierdas x < Mo, su interpretacin ser:
Ap = 0 la distribucin es simtrica.
Ap > 0 la distribucin es asimtrica positiva (derechas)
Ap < 0 la distribuciones asimtrica negativa (izquierdas)
Tiene el inconveniente de que no puede utilizarse en distribuciones bimodales, por
ello Pearson demostr empricamente que
x ! Mo " 3( x ! Me)
por lo que algunos autores utilizan como coeficiente de asimetra de Pearson
Ap =
3( x ! Me)
s
Existen otros tipos de coeficientes de asimetra, pero son menos utilizados.
56
1.1.8.2 Medidas de curtosis o apuntamiento

Estas medidas, aplicadas a distribuciones unimodales simtricas o con ligera
asimetra, tratan de estudiar la distribucin de frecuencias en la zona central, dando
lugar a distribuciones muy apuntadas, o poco apuntadas.
Para estudiar el apuntamiento, debemos hacer referencia a una distribucin tipo
que consideraremos la distribucin "Normal"; sta corresponde a fenmenos muy
corrientes en la naturaleza cuya representacin grfica es la campana de Gauss.
Si una distribucin tiene mayor apuntamiento que la normal diremos que es
"leptocrtica", si tiene menor apuntamiento que la normal la llamaremos "platicrtica",
y a las que tengan igual apuntamiento que la normal las llamaremos "mesocrticas".
Veamos esto en unas figuras 1.20a y b:
Figura 1.20: Diferentes distribuciones segn su apuntamiento. Comparacin con la Normal
En la distribucin normal m4 = 3.s4, por lo tanto utilizaremos como coeficiente de

apuntamiento o curtosis.
k
4f
" ( xi ! x ) i
m
g 2 = 44 = i=1
s
#k
2
x i ! x)
(
"
%$i =1
siendo la interpretacin la siguiente:
fi &
n ('
57
Si g2 > 3 la curva es ms apuntada que la normal (leptocrtica).

Si g2 = 3 la curva tiene el mismo apuntamiento que la normal (mesocrtica).
Si g2 < 3 la curva es menos apuntada que la normal (platicrtica).
A veces se utiliza como coeficiente de curtosis:
m
g 2 = 44 ! 3
s
y la comparacin ser con 0, obtenindose:
g2 = 0 (mesocrtica).
g2 > 0 (leptocrtica).
g2 < 0 (platicrtica)
NOTA: El clculo de m3 y m4 es ms prctico utilizando las frmulas:

m3 = a3 - 3a2a1 + 2a13
m4 = a4 - 4a3a1 + 6a2a12 - 3a14
siendo a1 = x .
1.1.9 Medidas de concentracin

Aunque "dispersin" y "concentracin" tengan significados opuestos en el
lenguaje coloquial, en estadstica no coincide el concepto de concentracin con la
acepcin normal del vocablo.
La "dispersin" hace referencia a la variabilidad de los datos, a las diferencias
existentes entre ellos y la representatividad de los promedios.
La "concentracin", por su parte, se refiere al mayor o menor grado de igualdad
en el reparto de todos los valores de la variable.
Estas medidas de concentracin tienen especial aplicacin a variables econmicas
(rentas, salarios, etc.), pues lo que interesa es la mayor o menor igualdad en el reparto
entre los componentes de la poblacin, es decir, que est equitativamente repartida.
58
Llamaremos, pues, concentracin al grado de equidad en el reparto de la suma

total de la variable considerada.
La concentracin es mxima si uno solo de los elementos recibe el total de la
variable, mientras que la concentracin ser mnima o equidistribuida si todos los
elementos perciben la misma cantidad.
Entre los ndices de concentracin que estudiaremos se encuentran el ndice de
Gini y la curva de Lorenz.
1.1.9.1 Curva de Lorenz

Es una representacin grfica de la concentracin.
Llamando
r
u r = ! xif i ,
i=1
pr =
Fr
u
100 , q r = r 100
n
n
Si representamos los valores pr en el eje de abscisas y los valores qi en el eje de

ordenadas, dibujando en el cuadrado de lado 100 los puntos pi y qi, y unindolos, queda
determinada una poligonal llamada "curva de Lorenz".
Vemoslo en un ejemplo econmico (tengamos en cuenta que lo anterior no es
aplicable a todo tipo de variables):
Supongamos que tenemos k trabajadores, con salarios x1 x2 ... xk ordenados
en sentido creciente. Queremos saber como se reparte la suma total de salarios
k
S = ! xi
i=1
entre los k trabajadores.

La concentracin es mxima si x1 = x2 = ........= xk-1 = 0; xk = S es decir, un solo
trabajador recibe todo y el resto nada.
59
La concentracin es mnima si x1 = x2 = .........= xk, es decir, todos los

trabajadores reciben lo mismo.
Para determinar el ndice de concentracin se forman las columnas siguientes:
1- xifi que denota el salario recibido por los ni trabajadores.
2- Fi columna de frecuencia absolutas acumuladas.
3- ur, acumulador de la primera columna que denota el salario total recibido
r
por los Fr primeros trabajadores, siendo su valor u r = ! xif i

i=1
4- pr, que es la frecuencia relativa acumulada en tantos por 100:
F
pr = r 100
n
5- qr, que es el porcentaje del salario total que reciben los Ni primeros
trabajadores:
u
q r = r 100
n
Si la concentracin fuese mnima, pr = qr igualmente repartida.
Si la concentracin fuese mxima, q1 = q2 =..........= qk-1 = 0, qk = 100
La representacin de la curva de Lorenz sera:
60
Figura 1.21: Curva de Lorenz
Los casos extremos nos daran las siguientes grficas (figura 1.22 y b):
qi %
qi %
Distribucin de concentracin mnima
(a)
pi %
Distribucin de concentracin mxima
(b)
pi %
Figura 1.22: Casos extremos de concetracin
Como propiedades de esta curva de Lorenz pueden citarse las siguientes:

- La curva es siempre creciente, pues la ordenacin de salarios es de menor a mayor.
- La curva empezar en el origen O = (0,0) y terminar en el (100,100)B
- La curva est siempre situada por debajo de la diagonal.
- La concentracin ser menor cuanto ms prxima est la curva de Lorenz a la
diagonal.
1.1.9.2 ndice de Gini

Se define el ndice de concentracin de Gini por :
k !1
" (p i ! q i )
i
I G = =1k !1
" pi
i =1
61
Si la concentracin es mnima (pi = qi) vale 0 y si la concentracin es mxima

(q1 = q2 =........= qk-1 = 0) vale 1.
As pues el ndice de Gini varia de 0 a 1, siendo menor la concentracin y en
consecuencia ms justa y equitativa la distribucin cuanto ms prximo est a cero,
mientras que la concentracin ser mayor cuanto ms prximo est a 1 (Ver figura
1.23).
Por ltimo cabe sealar, que aunque el ndice de Gini tiene la ventaja de resumir
en un solo nmero lo recogido en la curva de Lorenz, a veces, dos distribuciones de
aspectos muy diferentes pueden tener dos ndices de concentracin de Gini iguales,
como indican las curvas de la figura 1.23.
Figura 1.23: Diferentes curvas de Lorenz
62
"REPRESENTACIONES GRAFICAS"
1.2 Ampliacin
63
Quizs fuese interesante, presentar el tema de las representaciones grficas

al alumno, mediante una introduccin desde la perspectiva del lenguaje
grfico y de su utilidad y difusin en el mundo que nos rodea. Sera una
buena forma de motivarle para que prestase atencin sobre la importancia
de saber leer de forma correcta los grficos ms usuales.
1.2.1 El lenguaje grfico

El lenguaje grfico es el "conjunto de smbolos y convenios que permiten
comunicar una informacin cuantitativa de la manera ms eficiente posible"
(GETE-ALONSO y del BARRIO, 1990).
Este lenguaje se sirve de numerosos signos y smbolos que han evolucionado con
el tiempo y que encontramos en casi todas las manifestaciones de la actividad humana,
emplendose para expresar de manera rpida y sucinta ideas, objetos y situaciones, en
muchas ocasiones con significado universal.
1.2.1.1 El lenguaje grfico en la vida cotidiana

Si nos detenemos un momento a pensar en el mundo que nos rodea vemos como
el lenguaje grfico se utiliza en absolutamente todo nuestro entorno (figura 1.24).
Lo encontramos en las instrucciones de lavado de cualquier prenda de vestir, en la
informacin sobre los transportes metropolitanos de cualquier ciudad, en las teclas que
hacen funcionar los electrodomsticos, en los mapas de carreteras, en la informacin
acerca de la calidad y categora de restaurantes y hoteles, en las seales que regulan el
trfico, en el parte diario acerca del estado del tiempo, en los emblemas y distintivos de
organizaciones y sociedades, etc. etc.
64
Figura 1.24.- Importancia y actualidad del lenguaje grfico

(Tomada de AVILA-ZARZA, 1993)
1.2.1.2 El lenguaje grfico como herramienta de

comunicacin social
Hace ya tiempo que las representaciones grficas abandonaron las publicaciones
especializadas, en las que se utilizan como herramienta de comunicacin y anlisis de
datos estadsticos, para pasar a formar parte de las herramientas de comunicacin social
(televisin, prensa, propaganda...).
La generalizada utilizacin de las representaciones grficas es sin duda
sorprendente.
Podemos encontrarlas en billetes, como el de diez Marcos alemanes de la figura
1.25, en el que aparece representada la curva normal de Gauss.
65
Figura 1.25: Billete de diez marcos alemanes, en el que est impresa

la Curva Normal de Gauss
Tambin es posible encontrarlas ya en obras dirigidas al gran pblico, cuya

nica intencin es entretener. As ocurre, por ejemplo, con la conocida novela de ficcin
"Parque Jursico" (CRICHTON, M. 1990-92) en la que un Diagrama de perfil - (ver
figura 1.26) sirve de base argumental.
Figura 1.26.
Esto se debe a que sin duda, y cada vez con mayor intensidad, nos vemos
inmersos en una "sociedad estadstica", entendiendo como tal aqulla en la que los
ciudadanos piensan, razonan y toman decisiones en base a anlisis estadsticos de
datos.
66
Aunque en Espaa la Estadstica dista an de ocupar un lugar como el que, por

ejemplo, tiene en un pas como Japn, donde los peridicos de mayor difusin e
importancia incluyen los viernes una seccin dedicada al control estadstico de calidad y
en el que, por ejemplo, el diagrama horario del tren de Tokio se presenta mediante un
clsico Steam and Leaf (ROMERO, 1991)* , somos en la actualidad espectadores de un
cambio significativo.
Cada vez en mayor medida se recurre a datos y anlisis estadsticos para transmitir
la informacin, siendo los Mtodos Grficos de carcter descriptivo la herramienta de la
que no se puede prescindir** .
Un claro ejemplo de esta situacin de transicin, se produjo a raz de las
elecciones generales realizadas en los dos ltimos comicios en nuestro pas, donde no
slo los resultados de las encuestas, sino tambin los aspectos relacionados con aqullas
eran objeto de anlisis estadstico, siendo los mtodos grficos las autnticas estrellas
en la transmisin de la informacin.
1.2.2 El poder de los mtodos grficos

"Una imagen vale ms que mil palabras"*** . No slo el lenguaje grfico
es importante; el poder de las representaciones grficas es un hecho.
La visin es la modalidad sensorial dominante del ser humano; nuestro cerebro
est altamente capacitado para el manejo de informacin visual, siendo capaz de
reconocer y procesar imgenes grficas con una simple inspeccin ocular.
As, est comnmente aceptado por la comunidad cientfica que, en general, una
representacin grfica proporciona mayor informacin acerca de las caractersticas y
patrones de los datos, que un texto o una presentacin tabular de los mismos.
Nos preguntamos, cuntos lectores en Espaa, sin y con conocimientos estadsticos

bsicos podran ser capaces de interpretar uno similar...?.
** Todo ello ha motivado no sacrificar en el apartado de mtodos grficos la inclusin
de aqullos, que an no siendo histricamente recientes, son an "grandes
desconocidos".
*** Provervio Chino
67
1.2.2.1 Los riesgos del Anlisis de Datos sin la

utilizacin de grficos
LOS DIAGRAMAS DE ANSCOMBE
El peligro de llevar a cabo anlisis de datos sin la utilizacin de grficos puede
ponerse de manifiesto con los conocidos Diagramas de Anscombe (ANSCOMBE,
1973) (ver figura 6.19), los cuales evidencian cmo cuatro grupos de datos que
producen idnticas rectas de Regresin (incluida la ordenada en el origen y la
pendiente), idnticos coeficientes de correlacin e idnticos errores estndar,
corresponden en realidad a casos muy diferentes.
Como seala TUKEY (1962), gran parte del poder e importancia de los
Mtodos Grficos, es que nos permiten percibir aquello que nunca
esperbamos ver.
1.2.2.2 Los grficos como herramienta de engao

ESPACIO PERCEPTIVO Y ESPACIO MATEMTICO EUCLDEO
A pesar de la reconocida importancia y poder del lenguaje grfico, el proceso
perceptivo y cognoscitivo que se produce durante la inspeccin de un grfico no es del
todo conocido.
En las Matemticas los espacios se construyen a partir de unos axiomas, y se
describen y definen por una geometra. Hay varios tipos de espacios matemticos,
definidos por sus correspondientes geometras (topolgico, proyectivo, afn,
eucldeo...). El ms conocido y utilizado, es el Espacio Eucldeo.
El espacio fsico en el que vivimos, puede considerarse aproximadamente, y
teniendo en cuenta el alcance de nuestra percepcin, como un espacio matemtico
eucldeo. Admitir que el espacio fsico es eucldeo no equivale a que el perceptual lo
sea, y as, aun no est claro que la idea subjetiva de distancia, por ejemplo, coincida con
la distancia fsica definida en relacin con las coordenadas rectangulares. Segn
VURPILLOT (1979), el espacio visual binocular es un espacio de curvatura negativa
al que la geometra hiperblica de Lobatchefsky describra de forma ms adecuada.
68
Sin embargo, y a pesar de esta controversia acerca de si el espacio perceptivo

coincide con en el espacio matemtico eucldeo, es ste -por aproximacin al espacio
fsico- el que generalmente utilizamos para representar el mundo.
No obstante, representadas en un espacio Eucldeo, las cosas no son siempre
aquello que parecen ser.
Como seala PINILLOS (1973 ) "En realidad, lo que ocurre es que la mente
humana funciona como una totalidad, y no son los sentidos, sino el sujeto, quien
percibe".
ILUSIONES GEOMTRICAS
Lo que acabamos de comentar se pone especialmente de manifiesto en las
conocidas distorsiones perceptivas o ilusiones geomtricas. (Ver figura 1.27a y b)
Fig. 1.27 (a): Ilusin de Mller-Lyer (dos rectas de igual longitud, parecen de diferente tamao
(b): Ilusin de PoggendorfLas lneas oblicuas son colineales
Estas distorsiones perceptivas, conocidas ya a principios de siglo, deberan ser

tenidas en cuenta en el contexto de los Mtodos Grficos. Son sin embargo pocos los
estudios experimentales realizados que examinan el papel de las distorsiones
perceptivas (ilusiones geomtricas) en relacin con la utilizacin de los grficos, y la
mayora de ellos no son conocidos por el usuario medio, como afirman SPENCE &
LEWANDOWSKY (1990).
POULTON (1985) ha investigado ilusiones similares a la clsica de Poggendorf,
mediante experimentos que sugieren que las relaciones de lneas inclinadas sobre los
ejes vertical y horizontal de los grficos pueden producir errores de lectura, que se
incrementan a medida que aumenta la distancia a los ejes.
69
SOLUCIONES PARA MITIGAR LAS ILUSIONES GEOMETRICAS

POULTON (1985) propone:
que los todos los grficos muestren los cuatro ejes.
que todos los ejes estn graduados.
INCONVENIENTES DE LAS REPRESENTACIONES GRFICAS
Las representaciones grficas tienen ventajas, pero tambin sus inconvenientes. La
frase "una imagen vale ms que mil palabras" podra cambiarse por esta otra "una imagen
miente ms que 1000 nmeros" (SWOBODA, 1975).
Las representaciones grficas deberan proporcionar con una sola mirada
aquella idea del material estadstico que vena dada por la comparacin de
muchos nmeros y datos.
Pero... no siempre es as. Los errores y malentendidos surgen cuando el lector es
distrado o no est suficientemente preparado y adquiere una idea que no se
corresponde con los datos originales.
10000
9000
8000
9500
7000
6000
9000
I
II
(a)
III
IV
8500
9%
8%
8000
7%
7500
6%
I
5%
II
III
IV
(b)
I/II
II/III
III/IV
(c)
Figura 1.28: La ascensin lenta de la curva (a) pone de manifiesto un crecimiento moderado. Los mismos datos
pueden expresar un crecimiento explosivo y optimista (b). Se puede obtener una curva ascendente primero, y
descendente despus si se toman los ndices de crecimiento de uno a otro perodo en lugar de
los nmeros absolutos (c). (Adaptada de SWOBODA, 1975).
70
No se pueden juzgar nunca las imgenes solas, sino que siempre

deben considerarse tambin los nmeros y las escalas.
1.2.3 Representaciones grficas

ms usuales
1.2.3.1 Introduccin
El artculo publicado por TUKEY en 1962, "The Future of Data Analysis", fue el
germen que proporcion un inusitado auge de Mtodos Grficos en la Estadstica,
inaugurando una nueva era en este campo, al otorgarles un papel central en anlisis
exploratorios.
Sin embargo, la importancia y protagonismo que entonces se prevea, no lleg a
hacerse realidad hasta ms tarde. Fue en
la dcada de los 70 cuando aparecen
publicaciones sobre el tema, tanto histricas (ROYSTON, 1970), como de

recapitulacin (FIENBERG, 1977), o de carcter novedoso (CHERNOFF, 1973;
TUKEY, 1977). Incluso tiene lugar un Simposio sobre el tema (WANG &
LAKE,1978).
La aparicin, desarrollo y generalizada utilizacin de los ordenadores fue y es, sin
duda, la causa fundamental.
1.2.3.2 Clasificacin
Existen diversos criterios para clasificar los mtodos de representacin grfica:
SNEE & PFEIFER (1985), siguiendo el criterio del propsito del mtodo, realizan
una clasificacin de los distintos mtodos grficos en tres grandes grupos:
-Grficos utilizados en Anlisis Exploratorios.
-Grficos usados en Anlisis Confirmatorios.
-Grficos para la Comunicacin y/o Presentacin de los resultados.
71
Esta clasificacin de los Mtodos Grficos, resulta de un gran atractivo por su

sencillez y didctica.
En la figura 1.29 podemos ver un esquema sobre de las fases del mtodo cientfico
en donde tienen cabida las representaciones grficas.
Figura 1.29: Posible implementacin de los mtodos grficos en el proceso

del Anlisis de Datos, segn NAGEL & DOBBERKAU (1988)
ALONSO (1982) realiza una clasificacin en funcin de la finalidad estadstica y

las caractersticas tcnicas de los distintos mtodos grficos. En ella, stos son
clasificados en cuatro grupos de tcnicas.
-Tcnicas de Representacin Grfica de la distribucin de Probabilidad,
para una o varias variables.
-Tcnicas que proporcionan el Perfil (o evolucin) a lo largo del tiempo, o
del espacio, etc., de una o varias variables, bien para individuos, bien para
poblaciones.
-Tcnicas que presentan las proximidades entre individuos y poblaciones,
de acuerdo con los valores que toman para varias variables.
-Tcnicas que permiten obtener grupos jerarquizados de individuos o
poblaciones, en base a los valores que toman para varias variables.
72
En base al procedimiento grfico y la tcnica estadstica subyacente, en el

Anlisis Multivariante pueden distinguirse claramente dos grandes grupos de tcnicas
grficas:
Mtodos Multivariantes Grficos (MMG).
Mtodos Grficos Multivariantes (MGM).
Los Mtodos Multivariantes Grficos son potentes herramientas de diagnosis basadas
en el anlisis de grandes matrices de datos, que mediante complejos procesos
algebraicos asentados sobre mtodos numricos, permiten representar la informacin
del hiperespacio de partida en un subespacio de dimensiones reducidas.
Evidentemente se trata de procedimientos sumamente interesantes, pero que
escapan al contenido del presente captulo.
Los Mtodos Grficos Multivariantes slo exigen efectuar una transcripcin
geomtrica de los datos correspondientes a un conjunto de variables, en una
representacin grfica.
Este tipo de mtodos permiten resumir la informacin, y constituyen directamente
un procedimiento grfico descriptivo. Entre ellos tenemos:
Diagramas de Dispersin Mltiple.
Figuras de Representacin (Grficos Pictoriales o Iconos).
Curvas de Andrews.
Estos mtodos sern tratados con mayor profundidad ms adelante. (Ver figura
1.30)
1.2.3.3 Representaciones grficas en el anlisis

multivariante
MTODOS GRFICOS UNIVARIANTES MULTIPLES
Muchas de las representaciones utilizadas en anlisis multivariante no son en s
mismas multidimensionales ya que, a pesar de ser un conjunto de grficas que forman
una representacin unitaria, cada una de ellas por separado slo muestra una dimensin
(o a lo sumo dos) de los datos referidos a varias variables o dimensiones. Desde ellas no
73
se puede mostrar una variacin comn. Son por ello Mtodos Grficos Univariantes
Mltiples, ms que multivariantes.
Evidentemente, son muchas las posibilidades que permiten las representaciones
univariantes en el anlisis de los datos correspondientes a varias variables. Sin embargo,
estas representaciones no difieren en sus caractersticas de los mtodos grficos
univariantes pero debido a su importancia, popularidad y utilizacin en todos los
mbitos, merece la pena hacer referencia a tres tcnicas:
Stem & leaf, Box-plot *
Diagrama de dispersin** .

Diagrama de Dispersion
Mltiple
Curvas de Andrews
Grficos Pictoriales
o Figurativos
Mapas Estadsticos
Figura 1.30: Algunos Mtodos Grficos Multivariantes

(Tomado de AVILA-ZARZA (1993) con permiso del autor)
Stem & leaf
Ambos son mtodos grficos de gran utilidad en la comparacin de dos o ms series

de datos, de ah su importancia dentro del anlisis multivariante
** Mediante esta representacin grfica es como generalmente se presentan los
resultados en la mayora de los mtodos multivariantes grficos (MGM).
74
La representacin Stem & Leaf*** es una representacin intermedia entre

una tabla y un grfico. Muestra los valores con cifras, aunque su perfil es el
de un histograma.
Este tipo de representacin se debe a TUKEY (1977). (Ver figura 1.31).
Construccin de un diagrama Steam & Leaf
1.- Se debe escribir a la izquierda de una lnea vertical, de arriba hacia abajo,
todos los posibles dgitos principales del conjunto de datos.
2.- Luego se representa cada dato a la derecha de la lnea, escribiendo sus dgitos
secundarios en la fila apropiada.
Lectura del grfico
La longitud de cada fila nos muestra el nmero de valores en cada intervalo, por
lo que representa esencialmente un histograma lateral, solventando una limitacin del
histograma, ya que permite identificar los valores originales de cada intervalo.
La figura siguiente (figura 1.31) muestra el grfico Stem & leaf de los 50 estados
de Estados Unidos ordenados segn la variable "voto medioambiental", cuyos datos
aparecen en la tabla 1.1. Esta variable mide cmo la delegacin congresista de cada
estado vot en relacin a temas de medioambiente durante el ao 1984. Refleja el
porcentaje de veces que sus votos estuvieron de acuerdo con las recomendaciones del
grupo "The League of Conservation Voters". As el valor de Idaho, 12, significa que el
voto de sus representantes estuvo de acuerdo con la liga en el 12% de las ocasiones.
1
2
3
4
5
6
7
8
9
267
6
33345699
01477779
123456667799
224999
02222499
26
6
Figura 1.31: Representacin Stem & leaf de la tabla 1.1
***
Literalmente traducido, diagrama de tallo y hojas
75
Se observa claramente cmo el rango del porcentaje vara desde 12 hasta 96.
Tambin puede apreciarse como la distribucin es aproximadamente simtrica de modo
que el valor mediano (siendo este valor 55%) se encuentra en el intervalo de 50 a 60
(opcionalmente puede indicarse poniendo entre parntesis el tallo correspondiente).
76
Estado
Idaho
Utah
Alaska
Wyoming
Alabama
Mississippi
Virinia
Nebraska
Arizona
Arkansas
Texas
Kansas
Louisiana
Kentucky
N. Carolina
Tennessee
New Mexido
Nevada
S. Carolina
Colorado
Georgia
Florida
Oclahoma
Oregon
Indiana
Porcentaje
de voto
medioamb.
12
16
17
26
33
33
33
34
35
36
39
39
40
41
47
45
47
47
47
47
49
51
52
53
54
Estado
S. Dakota
Illinois
Montana
Missouri
Ohio
Washington
California
N. Dakota
Maryland
Pnnsylvania
Hawaii
Delaware
Michigan
W. Virginia
Minnesota
New York
Wisconsin
New Hampsh.
New Jersey
Iowa
Maine
Connecticut
Massachusetts
Rhode Island
Vermont
Porcentaje
de voto
medioamb.
55
56
56
56
57
57
59
59
62
62
64
69
69
69
70
72
72
72
72
74
79
79
82
86
96
Tabla 1.1: Lista ordenada de los votos al congreso de los 50 Estados de EE.UU. en 1984:
Porcentaje de acuerdo con "The League of Conservation Voters".
(Tomado de HAMILTON, 1990)
Este mtodo tambin es de gran utilidad para la comparacin de dos o ms series

de datos, como hemos dicho con anterioridad, representando un diagrama steam & leaf
para cada serie.
Box-plot
Esta representacin grfica, tambin debida a TUKEY (1977), puede ser traducida
como Caja con Bigotes o Representacin Caja, aunque se conoce usualmente con el
nombre de Box-plot o bien Box and Whiskers plot.
Es un mtodo grfico simple para resumir la informacin, proporcionando
una rpida impresin de las caractersticas ms importantes de una
distribucin.
77
Figura 1.32: Diagrama que muestra un Box-plot, en el que se indican

los percentiles que son representados en el grfico
Esta representacin (Figura 1.32), consiste bsicamente en una caja dispuesta

verticalmente que 'encierra' el recorrido intercuartlico; es decir, la lnea inferior indica
el primer cuartil (25 percentil), y la lnea superior seala el tercer cuartil (75 percentil). Otra
lnea intermedia marca el 50 percentil o Mediana as como su posicin relativa en
relacin al rango intercuartlico.
Los Whiskers (bigotes), o lneas que se prolongan verticalmente, marcan los
valores extremos en algunos casos. En grandes conjuntos de datos, marcan el 10 y 90 e
incluso 5 y 95 percentil.
Usualmente, los 'bigotes' indican el 10 y 90 percentil, siendo sealados los puntos
extremos o aberrantes ("Outliers"), con pequeos crculos o estrellas* .
Una variante del mtodo anterior es la que se conoce con el nombre de Notched
Box-plot (McGILL et al, 1978), y que puede observarse en la Figura 1.33; dicha
variante no es ms que un 'Box-plot con muescas', siendo las muescas la indicacin del
intervalo de confianza para la medida de tendencia central usada, es decir, la Mediana.
Ambos mtodos son especialmente convenientes para comparar dos o ms
conjuntos de datos.
*
Usualmente aparece as implementado en la mayora de los programas de ordenador,

por ejemplo en el programa Stat-View 4.01 (ABACUS, 1993)
78
Figura 1.33: Diagrama de un Notched Box-plot, en el

que se indica el nuevo valor que es representado.
En el grfico de la figura 1.34 podemos comparar la presencia (en porcentaje) una

especie de lagartija (Podarcis muralis) en tres hbitats diferentes en la Sierra de
Guadarrama (tomado de MARTIN-VALLEJO, 1990).
Figura 1.34: Comparacin, mediante Box Plot, del porcentaje que Podarcis muralis
presenta en la ocupacin de tres tipos de hbitat en la Sierra de Guadarrama:
Talud, Roquedo y Muro (A partir de los datos de MARTN VALLEJO, 1990).
79
Incluso en algunos programas combinan informacin en un mismo grfico, como

puede observarse en el siguiente (figura 1.35) realizado con el JMP (SAS Institute Inc.
1989-94), en el cual adems de un Box-plot aparece la informacin sobre la media y su
intervalo de confianza.*
Figura 1.35: Grfico obtenido con el programa JMP. Adems de un Box-plot

aparece informacin sobre la media aritmtica y su intervalo de confianza.
Diagramas de dispersin
Un Diagrama de puntos, ms conocido como Diagrama de Dispersin, es un
mtodo simple pero eficiente para ilustrar un determinado comportamiento o bien
analizar una distribucin en particular; su finalidad puede ser la de poner de manifiesto
una relacin entre variables, analizar proximidades entre individuos y/o poblaciones,
localizar outliers...
Por ser un mtodo suficientemente conocido, no se realizar un estudio detallado
de dicha representacin, si bien -dada su importancia- se comentarn algunas de las
posibilidades que permite en el estudio de datos multivariantes.
La informacin visual de un diagrama de dispersin puede ser incrementada
mediante varias herramientas adicionales (CHAMBERS & KLEINER, 1982); por
ejemplo, mediante un Box-plot paralelo marginal para cada variable. (Ver figura 1.36).
Ver el apartado 4.1.3 relativo a intervalos de confianza
80
25
SA
AV
20
PASTIZAL
SG
15
LE
SO
10
ZA
P
BU
5
VA
0
0
10
20
30
BARBECHO
Figura 1.36: Diagrama de Dispersin, con Box Plot paralelo marginal, de la superficie de
cultivo dedicada a Barbecho y Pastizal, en las provincias de Castilla y Len.
(A partir de los datos del Anuario de Estadstica Agraria, 1990)
Para representar las relaciones entre ms de dos variables, una posibilidad es

aadir una tercera, obteniendo as un Diagrama de Dispersin Tridimensional, como
se muestra en la figura 1.37.
Figura 1.37: Diagrama de Dispersin Tridimensional, de la superficie de cultivo

dedicada a Barbecho, Prado y Herbceo en las provincias de Castilla y Len.
81
Existen sistemas grficos de ordenador (SYSTAT, JMP, SPSS), que permiten mediante la opcin denominada 'SPIN'- la 'exploracin multivariante' de estas
representaciones tridimensionales, al rotar la nube de puntos alrededor de cualquier eje
en la pantalla, y visualizar de este modo todos los puntos, y sus posiciones relativas. El
resultado puede llegar a ser realmente espectacular con el uso del color en la
representacin.
De acuerdo con los modernos Analistas de Datos (GABRIEL (1971) entre otros),
esta importante innovacin grfica constituye una de las ms potentes tcnicas de
anlisis visual de datos multivariantes existentes en la actualidad.
Quizs sea sta la razn por la cual todos los nuevos 'paquetes grficos' que salen
al mercado, incluyan esta opcin. Opcin, por otra parte, que ha sido posible por el
desarrollo que en los ltimos tiempos han sufrido los ordenadores; el movimiento en
tiempo real de la nube tridimensional exige operar con una gran cantidad de datos con
potencia y rapidez.
Matriz de Diagramas de Dispersin

Otra forma de representar relaciones entre ms de dos variables, es dibujando
pares de variables mediante diagramas de dispersin, que son ordenados en una
Scatterplot Matrix , o Matriz de Diagramas de Dispersin (figura 1.38),
proporcionando de este modo, en una nica imagen visual, todos los pares posibles;
todas las variables.
Aunque cada diagrama por separado muestra tan slo dos dimensiones de los
datos (no es posible detectar una variacin comn), en ocasiones esta representacin
univariante mltiple puede ser efectiva en la deteccin de 'outliers', o patrones de los
datos.
Los Diagramas de Dispersin Mltiples, nombre con el cual tambin se conoce
a este tipo de representacin, son anlogos grficos de las matrices de covarianzas o
correlaciones utilizadas en la mayor parte de las tcnicas grficas multivariantes. En
este sentido podran considerarse tcnicas grficas multivariantes.
82
Figura 1.38: Matriz de diagramas de dispersin de la superficie de cultivo dedicada a

Barbecho, Prado, Herbceo y Pastizal en las provincias de Castilla y Len.
MTODOS GRFICOS MULTIVARIANTES (MGM)

Los Mtodos Grficos Multivariantes, como hemos apuntado con anterioridad,
son mtodos que simplemente exigen efectuar una transcripcin geomtrica de los datos
(correspondientes a un conjunto de n variables, n>2 ), en una representacin grfica.
Constituyen directamente por ello un procedimiento descriptivo.
Cmo podemos representar grficamente valores de ms de tres variables
en una representacin grfica?
Cuando los datos tienen ms de dos o tres dimensiones, la representacin grfica
se hace complicada: las dimensiones del plano no son capaces de acoger un mayor
nmero de variables que los que acoge la representacin cartesiana convencional, o la
tridimensional; por lo tanto se requiere otro tipo de representacin.
Existen diferentes mtodos para representar datos multivariantes, prcticamente
tantos como autores se han ocupado del tema. No se realizar por ello una revisin
exhaustiva ni una descripcin detallada de los MGM; solamente se enumerarn algunas
de las tcnicas existentes en la actualidad, y nicamente se expondrn con cierto detalle
las ms importantes y actuales que permiten la representacin grfica de entidades
definidas por varias variables, como son las Caras de Chernoff (CHERNOFF, 1973), y
las Curvas de Andrews (ANDREWS, 1972), o las Gotas de Fourier.
83
Como en todo Anlisis Multivariante, se parte de una matriz de datos que contiene
la informacin de los valores que los individuos toman para cada una de las variables a
estudiar, que ser la que se representar de forma grfica.
Antes de representar dicha matriz pictricamente, debe cuestionarse cual ser el
uso que se dar a dicha representacin, y el objetivo final de la misma; teniendo en
cuenta, adems, que por lo general sern los individuos las entidades representadas.
Todo ello en base a elegir el mtodo de representacin ms adecuado.
La prctica totalidad de los Mtodos Grficos Multivariantes que se conocen,
no son otra cosa que 'constructos pictricos', (tambin conocidos como
grficos pictoriales o figurativos, o simplemente 'Iconos'), formados por
elementos geomtricos (puntos, rectas, curvas, tringulos, crculos...) que
varan en funcin de los valores que toman las variables en los individuos a los
que representan.
Algunos de los muchos MGM existentes, son los que aparecen esquematizados en
la figura 1.39. (Tomada de AVILA-ZARZA, 1993).
Entre los mtodos representados en esta figura, unos se caracterizan porque las
variables se representan como longitudes de las componentes grficas; es el caso de los
Polgonos o Estrellas (rayos circulares emanando de un origen comn), o los Glifos, (segmentos
que se extienden desde un crculo);
otros -es el caso de las Caras de Chernoff- representan
las variables mediante caractersticas faciales (excentricidad de la cara, la curvatura de la boca o

la inclinacin de los ojos...),
etc..
La mayora de las tcnicas se encuentran ya informatizadas, de modo que el

investigador tan slo deber determinar el orden de asignacin de las variables para su
construccin.
84
Grficos de veleta
Polgonos o estrellas
Glifos
Gotas de Fourier
Caras de Chernoff
Figura 1.39: Algunos tipos de Mtodos Grficos Multivariantes

(tomada de AVILA-ZARZA, 1993)
Interpretacin de las representaciones grficas multivariantes

Cada elemento de un icono no puede ser convertido al valor numrico; las
transformaciones que en general suelen realizarse, son lo suficientemente complejas
para que nosotros podamos interpretar esos valores mentalmente con la simple
observacin visual de los mismos.
La correcta interpretacin de estos mtodos consiste, fundamentalmente, en
buscar grficos similares. Entidades con similares valores para las variables
tendrn formas parecidas; y entidades con diferentes valores, presentaran
formas diferentes.
Esto nos permitir encontrar patrones de variacin similares, en contraposicin
con otros tipos de patrn, y por tanto, por ejemplo, establecer grupos o 'Clusters'. Si se
desea obtener informacin acerca de los valores de partida, deber volverse sobre los
datos originales y examinar los valores correspondientes, y cmo estos determinan los
grficos.
85
Veamos, de manera simplificada, alguno de estos mtodos.
Polgonos o Estrellas
Determinan perfiles configurados por segmentos que parten de un origen
comn, y cuya longitud corresponde al valor que -para cada entidad- toma la
variable a la cual dicho segmento representa.
Las figuras 1.40 y 1.41, son un ejemplo de este tipo de representacin
ASESINATOS
VIOLACIONES
ROBOS
ROBOS DE
COCHES
ASALTOS
HURTOS
ALLANAMIENTOS
DE MORADA
Figura 1.40: Icono de estrella para la ciudad de New York mostrando la asignacin de las
variables a cada segmento, para el ejemplo de la figura 1.41
Figura 1.41: Iconos de estrella representando los datos de la criminalidad en diversas

ciudades de EE.UU. (datos originales de EVERITT, 1993).
86
Para hacer la representacin ms visible, los extremos de los segmentos pueden

ser conectados entre si. El programa de ordenador SYSTAT (WILKINSON &
EVANSTON, 1988), presenta los resultados (tras la aplicacin de este mtodo),
mediante los polgonos que resultan de la conexin de estos segmentos, pero sin que los
mismos aparezcan.
Como en otros grficos figurativos, es conveniente ordenar las variables de tal
manera que aquellas que estn correlacionadas aparezcan prximas.
Gotas o Manchas de Fourier

Se trata de otro mtodo de representacin grfica multivariante (Ver figura. 1.42)
Esta est determinada por la funcin de Fourier:
y
f(t) = 1 + y 2sen(t) + y3 cos(t) + y 4sen(2t) + y5 cos(2t)
2
donde y es una variable p-dimensional y t vara desde -3,14 hasta 3,14.
El resultado de esta transformacin es un conjunto de formas onduladas hechas a

partir del seno y el coseno, que trasladadas a coordenadas polares, toman el parecido
de manchas, gotas o amebas.
Cada individuo vendr representado por una gota, de modo que podremos
encontrar clusters de individuos "parecidos" cuando las gotas que los representan tengan
una forma similar. La forma de las gotas dependen del orden de introduccin de las
variables en la funcin de Fourier.
La informacin contenida en las gotas de Fourier es la misma que la de las curva
de Andrews (que veremos al final del captulo) pero con la ventaja de que no se solapan
y pueden ser utilizadas como smbolos en otro tipo de representaciones grficas.
87
Avila
Burgos
Palencia
Salamanca
Soria
Valladolid
Leon
Segovia
Zamora
Figura 1.42: Gotas de Fourier representando las provincias de

Castilla Len en cuanto a diferentes variables de produccin agraria.
Caras de Chernoff
No se ra!. Estas son las primeras palabras con las que se presenta a los lectores
este mtodo de representacin de datos multivariantes en el manual SYGRAPH, que
trata de las representaciones grficas que el programa estadstico para ordenador
SYSTAT permite realizar. Quizs porque sta suele ser la primera reaccin de los que
desconociendo el mtodo, se encuentran de pronto con caras de rasgos caricaturizados
en una ponencia o en un trabajo de investigacin; quizs para contrarrestar la aparente
falta de seriedad (argumento esgrimido por sus detractores), que puede inducir a ms de uno a
descartarlo sin haberlo tomado en consideracin.
Figura 1.43: Caras de Chernoff correspondientes a las provincias de Salamanca y Valladolid,

epresentando la variabilidad de cultivos. (Grfica cedida por VICENTE TAVERA y cols., 1993)
88
El mtodo original, aparecido en el trabajo "Using faces to represent points in

k-dimensional space graphically", que fue publicado en 1973 en Journal of the
American Statistical Association, se debe a H. CHERNOFF, al que no le caus trauma
alguno enfrentarse al reparo psicolgico que los investigadores pronto tuvieron con el
mismo (ALONSO, 1982).
CHERNOFF (1982) comenta, que buscaba un mtodo grfico sencillo que
representara, de forma compacta, un nmero importante de variables, de forma que
causase el mximo impacto en el observador, y permitiese un buen contraste y
clasificacin de las entidades representadas. De entre todas las posibilidades, eligi las
caras para aprovechar la capacidad de reconocimiento del observador humano, que
puede discriminar muchas caras diariamente, y por el impacto o reaccin emocional que
dichas caras provocan, lo que acenta su poder de captacin de atencin y su carcter
nemotcnico.
El principio heurstico de las caras de Chernoff est basado, pues, en la capacidad
del hombre para reconocer, comparar y agrupar caras.
Este procedimiento grfico, que requiere la utilizacin de un programa de
ordenador para ser realizado, concentra la informacin de cada individuo en un rostro
humano caricaturizado, cuyos rasgos reflejan cada una de las variables o "descriptores"
(Figura 1.43).
Originalmente, las caras estaban determinadas por 18 parmetros tales como la
longitud de la nariz, el tamao de los ojos o la curvatura de la boca (CHERNOFF,
1973.). Los 18 parmetros o facciones que originalmente determinaban el dibujo de las
Caras de CHERNOFF, son los que aparecen en la figura 1.44.
Estos 18 parmetros son los que se hacen variar, reflejando as el comportamiento
de cada una de las variables en todas las entidades o individuos (caras) representados.
En la figura 1.45 se esquematiza la serie de parmetros que se hacen variar, lo que
permite representar hasta 18 variables.
89
1. Anchura de la cara.
2. Nivel de la oreja.
3. Altura de la cara.
4. Excentricidad de la elipse superior cara.
5. Excentricidad de la elipse inferior cara .
6. Longitud de la nariz .
7. Posicin centro de la boca.
8. Curvatura de la boca.
9. Longitud de la boca.
10. Altura del centro de los ojos.
11. Separacin de los ojos.
12. Inclinacin de los ojos.
13. Excentricidad de los ojos .
14. Longitud ojo.
15. Posicin de las pupilas.
16. Altura de la ceja.
17. ngulo de la ceja.
18. Longitud de las cejas.
Figura 1.44: parmetros de las caras de Chernoff
Figura 1.45: Parmetros de los Rasgos faciales de las Caras de Chernoff, segn BRUCKNER (1978).
A.- Caras originales de CHERNOFF (1973). B.- Variante de DAVIS (1988), que incluye nariz y oreja
Las variaciones de los rasgos caricaturizados dan una apariencia concreta a la

cara, que representa un punto en un espacio de 18 dimensiones. En espacios de
dimensin menor, es decir, cuando el nmero de variables es menor que el de facciones,
se asignan las variables a los primeros rasgos, tomando los rasgos restantes un valor
constante para mantener la imagen facial completa (participan en las figuras sin variar),
por ejemplo.
90
Cada variable estudiada se asigna a uno de los parmetros que controlan los
rasgos, de forma que el valor del parmetro facial sea proporcional al valor que toma la
variable en el individuo a representar. Para ello se deja variar el parmetro dentro de un
rango de variabilidad preestablecido, de manera que la estructura global mantenga las
caractersticas bsicas de una cara. Algunos parmetros faciales varan libremente
(dimetro de la oreja), pero la mayora quedan supeditados a la exigencia anterior y
dependen de otras caractersticas faciales.
La asignacin de cada variable a cada parmetro facial es optativa. Hay usuarios
del mtodo que prefieren efectuar una asignacin al azar, mientras que otros establecen
una correspondencia intencionada.
Existen otras variantes de caras.
La variante de Davis (BRUCKNER, 1978) aade dos variables ms (anchura de nariz y
dimetro de orejas). (Ver figura 1.45).
EVERITT, en 1978 introduce pelo y boca bidimensional, quizs con la intencin de que
resulten menos caricaturescas.
NEWTON (1978), dibuja sus caras con ojos rmbicos y nariz ganchuda, etc.
Un programa que permite representar la variante de Davis, es el programa CHER,

implementado por ALONSO en colaboracin con M.A. Campos.
Otros programas que implementan las Caras son:
ASYM: Programa en Fortran.
SCHPBACH (1984): Versin para IBM. PC.
SAS-Macro con caras asimtricas.
Aplicaciones
Algunas aplicaciones que se pueden encontrar en la literatura, abarcan casos tan
diversos como* :
* Caracterizacin de presas del Guadiana por sus variables ecolgicas (ALONSO, 1982).
* Estudio de los resultados de las elecciones municipales en 27 poblaciones catalanas
(ALONSO, 1982).
* Estudio sobre la poltica sovitica en frica (WANG & LAKE, 1978).
*
Nos ha parecido apropiado incluir estas referencias para que el profesor tenga acceso a
un material complementario al que se ofrece en este trabajo
91
* Estudio econmico de las grandes compaas petrolferas (BRUCKNER, 1978).

* Clasificacin de tipos de enfermos mentales caracterizados por diversos test (MEZZICH
& WORTHINGTON, op. cit.).
* Asignacin de caras con distintas actitudes faciales a enfermedades mentales (JACOB,
78).
* Agrupacin de distintas ciudades caracterizadas por variables demogrficas y
ambientales (HUFF & BLACK, 1978).
* Estudio de la polica secreta sovitica (WANG & LAKE 1978).
* Estudio de los crteres de la Luna (PIKE, 1974)
* Perfiles de la personalidad psiquitrica (MEZZICH & WORTHINGTON, op. cit.)
* Variabilidad de Cultivos en la comunidad Castellano-Leonesa (VICENTE TAVERA y
col., 1993). (Ver figura 1.46).
VIZ CAYA
ASTURIAS
CANTABRIA
ALAVA
LUGO
LEON
RIOJA
ORENSE
PALENCIA
BURGOS
VALLA DOLID
SORIA
ZAMORA
GUADAL AJARA
SALAMANCA
SEGOV IA
AVILA
MADRID
CACE RE S
TOL EDO
Figura 1.46: Cartograma con Caras de Chernoff, correspondiente a las provincias de Castilla-Len,
representando la variabilidad de cultivos. (Grfica cedida por VICENTE TAVERA y cols. 1993).
92
Ventajas e inconvenientes.
Ventajas
1.- Facilidad de reconocimiento global de la informacin contenida en las caras;
se trata de una caracterstica de la percepcin humana confirmada por diversos
estudios experimentales. JACOB (1978) demostr que los sujetos sin preparacin
o conocimiento de las variables representadas, pueden juzgar con caras con
razonable exactitud
2.- Los datos representados pueden ser heterogneos y no se exige ninguna
condicin estadstica.
3.- Con este mtodo resulta sencillo efectuar agrupaciones por similitudes de
rasgos.
4.- Es una Tcnica que permite concentrar la informacin de todas las variables en
una figura muy compacta.
Tanto la asignacin intencionada de rasgos, como la subjetividad al seleccionar
determinadas facciones para identificar similitudes, puede constituir una ventaja o una
desventaja segn las exigencias del trabajo y del observador, ya que otros mtodos aparentemente neutros- tambin presentan riesgos de subjetividad.
Diversos autores abogan por una estricta aleatoriedad en la asignacin de rasgos
(ALONSO, 1982), as como efectuar diversas asignaciones para corroborar las
agrupaciones, evitando as los posibles efectos subjetivos de la clasificacin.
Otros, por el contrario, defienden la asignacin intencionada y aprovechar dichos
factores subjetivos (HUFF & BLACK; 1978).
Inconvenientes
1.- Necesidad de un dispositivo grfico y un programa.
2.- Prdida de informacin directa de los valores concretos de las variables
(comn a la prctica totalidad de los MGM).
3.- Dificultad de reconocimiento, cuando se tiene un grupo muy numeroso de
caras, o cuando existe un nmero elevado de variables.
4.- Interdependencia de los rasgos que hace que, cuando uno de ellos adopta un
valor muy alto, puede modificar otros (que en principio deberan ser iguales a los
presentados por otra cara no deformada por dicha interdependencia).
93
BRUCKNER (1978) sugiere la normalizacin de los rasgos (reducirlos a reas

limitadas) para evitarlo.
5.- Existencia de rasgos que destacan ms que otros en la discriminacin, por lo
que HUFF & BLACK (1978) recomiendan efectuar un anlisis de la varianza y
asignar a los rasgos ms significativos (boca, ojos, anchura cara, etc.) las variables
con mayor varianza. Una variable puede ser portadora de mayor informacin, si
se representa por la curvatura de la boca, que por el tamao de las cejas.
6.- Debe tenerse precaucin a la hora de asignar los rangos de los parmetros
faciales, pues si se eligen muy amplios y las variables tienen poca variabilidad no
se obtiene discriminacin alguna . En cambio, si no se determinan correctamente
los rangos de variabilidad de las variables, puede suceder que los rasgos se salgan
de la cara.
Curvas de Andrews.
ANDREWS (1972) propone un tcnica muy simple, conocida como "Curvas de
Andrews", para obtener una representacin visual de datos multivariantes, donde cada
punto es representado en una suma de funciones trigonomtricas.
Este mtodo, a caballo entre el perfil y la reduccin de la dimensin, consiste en
representar a cada individuo, que presenta los valores muestrales (x1, ..., xk) de las
variables consideradas, mediante un grafo de la funcin peridica:
f(t) =
x1
+ x 2 sen(t) + x3 cos(t) + x 4 sen(2t) + x 5 cos(2t)
2
para valores de t comprendidos entre - < t < .

Este tipo de funciones son fcilmente trazables mediante un dispositivo grfico y
un sencillo programa, obtenindose, para los individuos considerados, series de curvas
que permiten la interpretacin posterior (Figura 1.47 y 1.48).
Los clusters y puntos aberrantes, son revelados por el hecho de que las distancias
entre dos funciones son concebidas proporcionales a la distancia eucldea de los objetos
en el espacio p dimensional original, por la preservacin de la media y la desviacin.
Interpretacin.
94
ANDREWS (1972), destaca el hecho de que cada curva recoge y resume

informacin de todas las variables que afectan al individuo, de manera que las
diferencias entre individuos para alguna de ellas debe resultar manifiesta en alguna
parte de las respectivas curvas.
Figura 1.47: Curvas de Andrews de los porcentajes de nutrientes en distintos productos

alimenticios. Recogidos por el Departamento de Agricultura de E.E. U.U.
4000
COMPONENTE DE FOURIER
3000
2000
1000
0
-1000
-2000
-180
-90
0
GRADOS
90
180
Figura 1.48: Curvas de Andrews obtenidos por EVERITT, 1993 sobre la criminalidad de
diecisis ciudades diferentes de EE.UU.
La conservacin de las distancias eucldeas originales para las curvas permite,

segn el autor, afirmar que dos curvas similares a lo largo del recorrido de t
corresponden a individuos prximos.
95
Por ello, al analizar un conjunto de curvas se deben buscar aquellos valores de t

que permiten identificar o discriminar al mximo algunos grupos de ellos y efectuar, si
se cumplen las condiciones necesarias, un contraste para la significacin de la
agrupacin.
Dado que la primera impresin de un conjunto numeroso de curvas (el autor
desaconseja superar las 10) puede resultar desconcertante (figura 1.48), suele realizarse
una representacin previa de varias curvas por separado (mejor si se tienen grupos de
referencia), de forma que pueden identificarse dichos valores de t que permitan
interpretar las proximidades de nuevas curvas que se vayan aadiendo.
Como hay variables que estn asociadas a elementos cclicos de la funcin con
distinta frecuencia y se discrimina mejor en las curvas las bajas frecuencias, es
aconsejable colocar en los valores iniciales (x1, x2, ... ) aquellos correspondientes a las
variables ms importantes en la discriminacin, es decir, las que reflejan ms
variabilidad.
Sin embargo, se carece de informacin acerca de la relacin concreta de las
distintas crestas de la curva con los valores de las variables, al perderse toda la
informacin directa.
BIBLIOGRAFIA CITADA
ABACUS (1993). StatView 4.01. Berkeley.
ALONSO, G. (1982). 'Nuevos mtodos de representacin grfica de datos multivariantes. Publicaciones
de Bioestadstica y Biomatemtica. 5. Eunibar. Universidad de Barcelona.
ANDREWS, D.F. (1972). 'Plots for high dimensional data'. Biometrika, 28: 125-136.
ANSCOMBE, F.J. (1973). 'Graphs in statistical analysis'. American Statistician, 27: 17-21.
ANUARIO DE ESTADISTICA AGRARIA (1990). Publicado por el Ministerio de Agricultura, Pesca y
Alimentacin. Datos correspondientes a 1987.
AVILA-ZARZA, C. (1993). Mtodos Grficos Multivariantes y su Aplicacin en las Ciencias de la Vida.
Trabajo de Grado. Dpto. de Estadstica y Matemtica Aplicadas. Universidad de Salamanca.
BRUCKNER, L.A. (1978). 'On Chernoff faces'. In Graphical Representation of Multivariate Data.
(P.C.C. Wang, ed.). pp.: 93-121. Academic Press.
CHAMBERS, J.M. & KLEINER, B. (1982). 'Graphical techniques for multivariate data & clustering'. In
Handbook of Statistics. 2 (P.R. Krishnaiah, & L.N. Kanal, eds.) Nort-Holland P.C.
96
CHERNOFF, H. (1973). 'The use of faces to represent points in k-dimensional space graphically'. Journal
of the American Statistical Association, 68: 361-368.
CHERNOFF, H. (1982). 'Chernoff faces'. Encyclopedia of Statistical Sciences. I: 436-438. John Wiley &
Sons. New York.
CRICHTON, M. (1990-92). Parque Jursico. Ed. Plaza y Jans.
DAVIS, F. (1988). La Comunicacin no Vergal. Alianza Editorial. Madrid.
EVERITT, B.S. (1993). Cluster Analysis. (3rd. ed.). Halsted Press. New York.
EVERITT, B.S. (1978). Graphical Techniques for Multivariate Data. Heinemann Educational Books.
London.
FIENBERG, S.E. (1977). 'Graphical methods in Statistics'. Tech. Report, 304. Dep. Appl. Statistics.
University of Minnessota, 44.
GABRIEL, K.R. (1971). 'The Biplot graphic display of matrices with applications to principal component
analysis'. Biometrika, 58: 453-467.
GETE-ALONSO, J.C. y BARRIO, V. del (1990). Lenguaje Grfico. Alhambra. Madrid.
HAMILTON, L.C. (1990). Modern Data Analysis. A First Course in Applied Statiscs. Brooks/Cole
Publishing Company. California.
HUFF, D.L. & BLACK, W. (1978). 'A multivariate graphic display for regional analysis'. In Graphical
Representation of Multiaviate Data (P.C.C. Wang, ed.) pp.: 199-218. Academic Press. New York.
JACOB, R.J.K. (1978). 'Facial representation of multivariate data'. In Graphical Representation of
Multiaviate Data (P.C.C. Wang, ed.) pp.: 199-218. Academic Press. New York.
JMP. (1989-94). SAS Institute Inc.
MARTIN-VALLEJO, F.J. (1990). Uso del Espacio y del Tiempo en dos Especies Simptridas del Genero
Podarcis (Wagler, 1830). Tesina de Licenciatura. Universidad de Salamanca.
MEZZICH, J.E. & WORTHINGTON, D.R.L. (1978). 'A comparation of grpahical representation of
multidimensional psychiatric diagnostic data'. In Graphical Representation of Multivariate Data (P.C.C
Wang, ed.) pp.: 123-142. Academic Press. New York.
McGILL, R.; TUFEY, J.W. & LARSEN, W.A. (1978). 'Variations of Box-plots' Amer. Stat., 32: 12-36.
NAGEL, M. & DOBBERKAY, H.J. (1988). 'Graphical methods of exploratory data analysis: An
overview'. In Classification and Related Methods of Data Analysis. Elsevier Science P.B.V. Holland.
NEWTON, C.M. (1978). In Graphical Representation of Multivariate Data. (Wang, ed.) Academic
Press. New York.
PIKE, J. (1974). 'Craters on Earth, Moon and Mars: Multivariate clasification and mode of origin'. Earth
and Planetary Science Letters, 22: 245-255.
PINILLOS, J.L. (1973). La Mente Humana. Salvat. Pamplona.
POULTON, E.C. (1985). 'Geometric illusions in reading graphs'. Perceptions and Psichophisics. 37: 543548.
ROMERO-VILLAFRANCA, R. (1991). Estadstica: Proyecto de Innovacin Educativa. Dpto. de
Estadstica e Investigacin Operativa. Universidad Politcnica de Valencia.
97
ROYSTON, E. (1970). 'Studies in the history of probability and Statistics. A note on the history of the
graphical presentation of data'. Biometrika, 43 (3,4): 241; 247.
SNEE, R.D. & PFEIFER, C.G. (1985). 'Graphical representation of data'. In Encyclopedia of Statistical
Sciences. John Wiley & Sons. New York.
SPENCE, I. & LEWANDOWSKY (1990). 'Graphical perception'. In Modern Methods of Data Analysis
(J. Fox & J. Scott Long, eds.). Sage Publications. Newbury.
SWOBODA, H. (1975). El Libro de la Estadstica Moderna. Ediciones Omega. Barcelona.
TUKEY, J.W. (1962). 'The future of data analysis'. Ann. Math. Statist. 33: 1.
TUKEY, J.W. (1977). Exploratory Data Analysis. M.A. Adisson-Wesley. Reading.
VICENTE,S.; GALINDO, M.P.; VICENTE-VILLARDON, J.L.; MARTIN, A.; BARRERA, I. y
FERNANDEZ-GOMEZ, M.J. (1993). 'Anlisis grfico y descripcin estructural de la variabilidad de
cultivos en Castilla-Len'. Investigacin Agraria, Vol 8(3):315-329.
VURPILLOT, E. (1979). 'Percepcin del espacio'. En La Percepcin (Fraisse & Piaget Eds.). Paids.
Buenos Aires.
WANG, P.C.C. & LAKE, G.E. (1978). 'Application of grpahical multivariate techniques in poligy
sciences'. In Graphical representation of multivariate data (P.C.C. Wang, ed.) pp: 15-38. Academic
Press. New York.
WILKISON, & EVANSTON (1988-91). SYSTAT. SYSTAT Inc.
98
"REPRESENTACIONES GRFICAS"
1.3 Trabajo de investigacin
99
1.3.1 Objetivo
En este trabajo se pretende aplicar los conceptos descritos en esta
unidad temtica, utilizando para ello datos reales tomados de la
evaluacin del profesorado universitario durante el curso acadmico
1991-92. Est planteado de forma que pueda ser utilizado como ejercicio
de prcticas para los alumnos, como recapitulacin de las ideas de esta
unidad.
1.3.2 Planteamiento del trabajo

Durante el curso acadmico 1991-92 las autoridades de la Universidad de
Salamanca llevaron a cabo un estudio sobre la calidad de la docencia.
Para ello se prepar un cuestionario con 28 preguntas relacionadas con seis reas
diferentes de la tarea del Profesor:
Apartado 1.- Consta de tres preguntas relativas al cumplimiento de las
obligaciones docentes del Profesor.
Apartado 2.programa.
Tres preguntas relativas a la calidad y desarrollo del
Apartado 3.- Cinco preguntas relativas al dominio de la asignatura por

parte del profesor que la imparte.
Apartado 4.- Seis preguntas relativas a la interaccin del profesor con
los alumnos.
Apartado 5.- Tres preguntas relativas a los exmenes.
Apartado 6.profesor.
Tres preguntas relativas a la valoracin global del
Para cada uno de los profesores que imparte la asignatura, los alumnos deben
rellenar un cuestionario en el que a cada una de las preguntas se le debe asignar una
valoracin cuyo rango oscila entre 1 y 5; la puntuacin 1 indica que el profesor no
satisface en modo alguno el supuesto de la pregunta y la puntuacin 5 que el profesor
satisface plenamente el supuesto. La evaluacin se realiza en horas de clase normal,
pasando el cuestionario a los alumnos que en dicho momento se encuentren en clase.
100
Trabajaremos sobre tres preguntas que consideramos importantes:

La n 3 del cuestionario: "El profesor est accesible para sus alumnos
fuera del horario de clase?"
La n 7: "El profesor parece dominar la asignatura que imparte"
La n 26: "Piensa que el Profesor que imparte esta asignatura es un
buen Profesor"
En este caso, vamos a trabajar sobre los resultados de la evaluacin docente
obtenidos por un Profesor del Departamento de Estadstica y Matemtica Aplicadas de
la Universidad de Salamanca, en las diferentes asignaturas que imparti durante el
citado curso acadmico. A este profesor, le llamaremos de ahora en adelante "Mrs. X".
1.3.3 Desarrollo del trabajo

Cuando se realiza un trabajo de investigacin, deberemos tener en cuenta, en
primer lugar, cul es la poblacin en estudio. En este caso, podemos considerar 4
poblaciones. Cada poblacin estar formada por los alumnos de cada una de las 4
asignaturas que imparti Mrs. X durante dicho curso.
Generalmente, no se analiza la poblacin completa, sino que se elige un
subconjunto de la misma sobre la que se realiza el estudio, y que se denomina muestra.
Obviamente la muestra elegida deber ser representativa de la poblacin de la que es
extrada, es decir, los individuos de la muestra han de contener todas las caractersticas
relevantes de la poblacin, lo que podemos conseguir por ejemplo tomando una muestra
aleatoria de la poblacin (ver para ms informacin, el captulo sobre muestreo). En el
estudio de la universidad se pasa el cuestionario a los alumnos que un da determinado
se encuentran en clase.
La caracterstica que se pretende estudiar -que se denomina variable- es en este
caso la opinin de los alumnos acerca de cada uno de los items que hemos citado con
anterioridad. La variable en este caso es una variable ordinal, siendo los valores que
puede tomar 1, 2, 3, 4 y 5. Obviamente, la eleccin de la escala no garantiza que dos
alumnos que otorguen la misma puntuacin al profesor, en una determinada pregunta,
estn realmente realizando la misma valoracin.
101
1.3.3.1 Tabulacin de los resultados

Generalmente, al llevar a cabo un estudio estadstico, solemos encontrarnos con
una gran cantidad de datos, cuya interpretacin, y ni siquiera su presentacin, es fcil.
Es lo que ocurre en este caso. Por ello, en primer lugar necesitamos realizar un proceso
que nos permita condensar la informacin de manera que podamos obtener los rasgos
ms sobresalientes. Por ello dispondremos los datos de manera ordenada y sistemtica
en una tabla de distribucin de frecuencias.
A partir de los resultados obtenidos por "Mrs. X", en las asignaturas que imparti
durante el citado curso acadmico, se construyeron las correspondientes tablas de
distribucin de frecuencias. As, para evitar presentar los datos brutos obtenidos en el
anlisis presentamos a continuacin las tablas de distribucin de frecuencias para cada
uno de los tems (variables) analizadas y para cada muestra (tablas 1.2, 1.3 y 1.4):
a) "El profesor est accesible para los alumnos"
Frecuencia
Valor de la
variable
1
2
3
4
5
ni
Ampliacin
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
4
6
2
4
0
16
17
23
19
18
26
103
11
14
29
17
30
101
0
3
5
7
8
23
Tabla 1.2
b) "Domina la asignatura que imparte?"
Frecuencia
Valor
Ampliacin
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
1
2
3
4
5
ni
0
0
0
4
12
16
2
3
3
10
85
103
1
3
3
11
83
101
0
0
0
0
23
23
Tabla 1.3
(Libre dispos.)
102
c) "Es un buen Profesor?"
Frecuencia
Valor
Ampliacin
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
1
2
3
4
5
ni
1
0
4
4
7
16
12
8
25
31
27
103
2
7
21
35
36
101
0
0
1
7
15
23
Tabla 1.4
A partir de la informacin suministrada por las tablas anteriores vemos cules han
sido los tamaos de las muestras extradas de cada una de las 4 poblaciones en estudio
(denotadas con ni (i=1,...,4)).
1.3.3.2 Representaciones grficas

La informacin proporcionada por las tablas puede ser bastante completa, pero
tiene la dificultad de que su lectura requiere un cierto tiempo y capacidad de
comparacin para relativizar la informacin de unas clases respectos de las otras.
Las representaciones grficas constituyen uno de los principales mtodos de
exponer la informacin, siendo uno de los ms sencillos, por su capacidad de impactar
al lector con muy poco esfuerzo por su parte, (de modo que incluso los profanos en la
materia pueden entenderlos). Por ejemplo, siempre que el lector se disponga a leer un
determinado artculo (cientfico, divulgativo, o simplemente un artculo publicado en un
peridico) su vista se dirige en primer trmino al ttulo del mismo, para pasar luego a
los grficos y por ltimo a las tablas.
Dado que de los grficos obtenemos una informacin rpida y global de los
resultados, pasaremos en este punto a realizar diversas representaciones grficas de los
resultados anteriores.
Por ejemplo, podemos realizar, para la pregunta "El profesor est accesible para
los alumnos" el diagrama de barras para la opinin de los alumnos de la asignatura de
Bioestadstica sera el que se muestra en la figura 1.49:
103
Figura 1.49: Diagrama de barras para la asignatura Bioestadstica de la Facultad de Biologa
Si quisisemos comparar los resultados para las cuatro asignaturas, podramos

presentar el grfico siguiente (figura 1.50):
Est accesible para los alumnos?
40
BIOESTAD.
BIOEST. MED.
AN. DATOS
AMP. BIOEST.
frecuencia
30
20
10
0
1
3
PUNTUACION
Figura 1.50: Diagrama de barras comparativo para las cuatro asignaturas.
A simple vista, parece que es para los alumnos de las asignaturas de Anlisis de
104
Datos y Ampliacin de Bioestadstica, para los que menos disponible est Mrs. X. Sin
embargo, los grficos, por dar una informacin ms general que las tablas, son ms
susceptibles a alteraciones, conscientes o no, que pueden inducir a error. El lector, debe
fijarse atentamente en el grfico, y comprobar que en el eje de ordenadas se ha
representado la frecuencia (nmero de alumnos que han dado una determinada
puntuacin al profesor en relacin al tem considerado). Esto nos hace observar, con
ms detenimiento, y teniendo en cuenta la informacin de las tablas de frecuencias, que
el nmero de alumnos de cada muestra no es el mismo, por lo que la representacin de
las frecuencias absolutas, no nos permite realizar comparaciones aceptables en dichos
casos.
Por lo tanto, sera ms conveniente, si lo que quisisemos es comparar las
respuestas en las diferentes asignaturas que utilizsemos frecuencias relativas o
porcentajes.
As, con la utilizacin de stos ltimos, el diagrama de barras correspondiente
sera el que se muestra a continuacin (figura 1.51):
Est accesible para los alumnos?
40
porcentaje
30
BIOESTAD.
BIOEST. MED.
AN. DATOS
AMP. BIOEST.
20
10
0
1
3
PUNTUACION
Figura 1.51: Diagrama de barras comparativo para los porcentajes de cada asignatura
Fijmonos por ejemplo, en la puntuacin de 2: En el grfico de la figura 1.50, se

observa que el mayor nmero absoluto de alumnos que dan dicha puntuacin son los de
Bioestadstica de Biologa. Sin embargo, si nos fijamos en el grfico de la figura 1.51,
105
podemos observar cmo esa interpretacin debe hacerse con cautela, ya que el tamao
de la muestra en cada caso es distinto, y as, son los alumnos de Ampliacin de
Bioestadstica los que en trminos relativos dan con mayor frecuencia esa puntuacin.
(23 de 103 alumnos de Bioestadstica de Biologa, dan una puntuacin de 2, mientras
que en ampliacin de Bioestadstica son 6 de 16).
1.3.3.3 Resumen de la informacin

El siguiente paso en un anlisis consiste en encontrar unas cuntas medidas que
nos permitan resumir o describir la informacin recogida, proporcionndonos una idea lo ms clara posible- de los resultados.
Deberemos, en primer lugar, averiguar la tendencia central, es decir, encontrar un
nmero con la propiedad de que la mayora de los datos de la muestra estn agrupados
en torno a l (lo cual ya lleva implcita la idea de variacin, pues no tendra sentido
promediar un carcter no variable). Esta medida de tendencia central va a sustituir al
conjunto de observaciones, por lo tanto deber ser representativa del mismo. Adems
deber ir acompaada de una medida que nos indique la dispersin de los datos.
En las siguientes tablas (tablas 1.5, 1.6 y 1.7) aparece la descriptiva bsica para
cada una de las preguntas analizadas. Se ha anotado, la media, la desviacin tpica (o
estndar) el coeficiente de variacin. Tambin se seala cul es el valor ms frecuente
(moda).
"El profesor est accesible para los alumnos"
Descriptiva bsica
Asignatura
Ampliacin de
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
Media
Desviacin
estndar
Coeficiente de
variacin
Moda
16
2,375
1,147
48,314
103
3,126
1,439
46,046
101
3,406
1,336
39,211
23
3,87
1,058
27,332
Tabla 1.5
Vemos cmo el valor medio de las puntuaciones obtenidas por Mrs. X es mayor
106
en la asignatura de anlisis de datos, siendo el valor medio ms pequeo el

correspondiente a la asignatura de Ampliacin de Bioestadstica. Por lo tanto, parece
que Mrs. X est ms accesible para los alumnos de la asignatura Anlisis de datos que
para los de Ampliacin de Bioestadstica. La mayor variabilidad en la respuesta se da en
los alumnos de Ampliacin de Bioestadstica (su coeficiente de variacin es 48.314%) y
la menor en la de Anlisis de Datos. Excepto en la asignatura de Ampliacin de
Bioestadstica, en la que la puntuacin ms frecuente ha sido 2, en el resto la puntuacin
modal ha sido 5.
"Domina la asignatura que imparte?"
Descriptiva bsica
Asignatura
Ampliacin de
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
Media
Desviacin
estndar
Coeficiente de
variacin
Moda
16
4,75
0,447
9,415
103
4,68
0,831
17,757
101
4,703
0,756
16,066
23
Tabla 1.6
El anlisis de los resultados se hara de igual forma que en el caso anterior. En

este caso, cabe destacar la opinin de los alumnos de la asignatura Anlisis de Datos, ya
que todos, sin excepcin han dado la mxima puntuacin al profesor Mrs. X.
"Es un buen profesor?"
Descriptiva bsica
Asignatura
Ampliacin de
Bioestadstica
Bioestadstica
(Biologa)
Bioestadstica
(Medicina)
Anlisis de Datos
Media
Desviacin
estndar
Coeficiente de
variacin
Moda
16
1,155
28,868
103
3,515
1,282
36,486
101
3,95
1,014
25,659
23
4,609
0,583
12,651
Tabla 1.7
107
En el siguiente grfico (figura 1.52), se han representado las puntuaciones medias

para cada asignatura y para cada tem analizado:
A la vista de los resultados obtenidos, tras el anlisis descriptivo de los datos,
podemos observar cmo los alumnos de las cuatro asignaturas, dan a Mrs. X la mayor
puntuacin en el tem de Domina la asignatura? y la menor en el tem Est
accesible?.
Figura 1.52
Como hemos apuntado con anterioridad, cualquier paquete estadstico estndar

permite realizar una representacin grfica de tipo Box-plot.
La figura 1.53 representa los "Box-Plot" para la pregunta "Est accesible para
los alumnos?" . Aqu se ha representado un Box-Plot para cada asignatura.
108
5,5
5
4,5
4
3,5
Units
3
2,5
2
1,5
1
,5
Bioestadstica
Bioest Medicina
Anlisis datos Ampliacin Bioest.
Figura 1.53: Box plot para los resultados a la pregunta Est accesible a los alumnos?
NOTA: Tal como sealamos, se trata de datos reales, y el Profesor Mrs. X lleva
realmente el mismo sistema de atencin para todos los alumnos. Refleja por tanto la
"percepcin del alumno", ya que no existan diferencias reales.

1 Descriptiva

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

1 Descriptiva

Caricato da

Copyright:

Formati disponibili

1

1.1 Parte bsica

1.1.1 Introduccin a la Estadstica

1.1.1.2 Etapas del anlisis estadstico

d) Anlisis estadstico, a travs de mtodos facilitados por la Estadstica

1.1.1.3 Poblacin y muestra

1.1.1.4 Caracteres de una poblacin

1.1.1.5 Tipos de escalas

Escala nominal: el carcter estudiado se clasifica en categoras no

por ejemplo: las profesiones laborales, el estado civil, la ideologa poltica, el

Escala ordinal: el carcter estudiado es de tipo no numrico, pero se

Escala de intervalo: puede establecerse alguna unidad de medida y

cuantificar numricamente la distancia existente entre dos observaciones. Es la

Escala de proporcin: son aquellas variables en las que adems de una

1.1.2 Variables estadsticas

Frecuencia absoluta: es el nmero de veces que se repite cada valor de la

variable en el conjunto de todas las observaciones de la misma. En general la frecuencia

Frecuencia relativa: es el cociente entre la frecuencia absoluta y el nmero

total de datos u observaciones. El nmero total de datos lo representamos por n, y la

Frecuencia absoluta acumulada: es la suma de las frecuencias absolutas de

los valores inferiores o iguales al considerado. Evidentemente los valores de la variable

Frecuencia relativa acumulada: es el cociente entre la frecuencia absoluta

acumulada y el nmero total de datos u observaciones. Anlogamente a la anterior, los

La ltima frecuencia relativa acumulada es 1. Generalmente la frecuencia relativa

1.1.2.2 Propiedades de las frecuencias

2 Todas las frecuencias absolutas son positivas y menores o iguales que n .

4 Todas las frecuencias relativas son positivas y menores o iguales que 1:

Distinguiremos dos tipos fundamentales de distribucin de frecuencias: las no

Posteriormente se hace un recuento de los datos que corresponden a cada

Determinar la distribucin de precios:

marca de clase (xi)

1.1.3 Representaciones grficas

1.1.3.1 Tipos de representaciones grficas

Construya el diagrama de barras correspondiente y el diagrama de barras

El diagrama de barras correspondiente aparece en la figura 1.1:

Figura 1.1: Diagrama de brarras

Si lo que queremos representar son las frecuencias acumuladas, se procede igual

Figura 1.2: Diagrama de barras acumulado. (Diagrama de escalera)

Los grficos de diagrama de barras y de escalera suelen utilizarse en variables de

Figura 1.3: Polgono de frecuencias.

Anlogamente se procedera con las frecuencias acumuladas (ver figura 1.4).

Figura 1.4.: Polgono de frecuencias acumulado.

Estos polgonos de frecuencias se utilizan cuando la variable es de tipo cualitativo

3 HISTOGRAMA PARA DISTRIBUCIONES DE FRECUENCIAS

y de esta forma, el rea del rectngulo coincide con la frecuencia:

La altura ai correspondera a la frecuencia correspondiente a cada unidad de

Representar el histograma correspondiente

que da lugar al histograma de la figura 1.5:

Figura 1.5: Histograma. (Saldo de imposiciones en Cajas de Ahorros).

4 POLGONO DE FRECUENCIAS PARA DISTRIBUCIONES DE

Figura 1.6: Polgono de frecuencias acumuladas. (Saldo de imposiciones en Cajas de Ahorros).

En el caso de representar las frecuencias no acumuladas se procede de diferente

Figura 1.7: Polgono de frecuencias. (Saldo de imposiciones en Cajas de Ahorros).

El rea del polgono cerrado resultante es igual al rea de los rectngulos

A veces se representan en el mismo grfico el histograma y el polgono de

y su representacin en sectores en la figura 1.8:

Figura 1.8: Diagrama de sectores. (Saldo de imposiciones en Cajas de Ahorros).

No se poseen datos de Portugal y

Figura 1.9: Diagrama de Sectores. Inversin publicitaria en la C.E. (datos de 1.986)

CHILE PERU ECUADOR BOLIVIA COLOMBIA URUGUAU PARAGUAY

Figura 1.10: Pictograma (Deuda externa de Amrica Latina)

En el caso anterior, el rea de la figura debe de ser proporcional a la frecuencia,

Represente el correspondiente pictograma

Figura 1.11: Pictograma (Censo ganadero espaol)