Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DESCRIPTIVA UNIDIMENSIONAL
www.clasesuniversitarias.com
Introducción
Los datos provienen de la información obtenida de una Población sobre la cuál realizamos el estudio,
con el objetivo de obtener conclusiones. A cada uno de los miembros de la población se le denomina
individuo.
Si la población es muy grande, seleccionamos un subconjunto de la población, una Muestra, que sea
muy representativa de la población.
A los Caracteres Estadísticos Cuantitativos, se les llama Variables Estadísticas, siendo los valores
estadísticos que recopilamos de cada miembro de la muestra y que representan valores numéricos,
pudiendo distinguir entre:
1. Variables Estadísticas Discretas: aquellas que sólo pueden tomar un número aislado de valores,
tales como años, notas de un examen de clase, número de hijos en un matrimonio…)
2. Variables Estadísticas Continuas: aquellas que pueden tomar cualquier valor de un intervalo, como
el colesterol, la estatura (una persona puede medir 1,814942… metros.
Sin embargo, esta distinción es meramente teórica, porque tendemos a discretizar las variables
continuas, es decir, redondeamos la estatura a 1,81, por lo que se convertiría en una Variable Estadística
Discreta…
Lo que sí hacemos en la realidad, es distinguir entre datos simples y datos agrupados en intervalos.
Lo que sí hacemos en la realidad, es distinguir entre datos simples y datos agrupados en intervalos.
Datos Simples: Los valores son determinados y la frecuencia con la que se manifiestan estos datos es
alta.
Cuando la Población a estudiar es muy amplia, analizamos una Muestra Representativa de la Población e
intentamos extrapolar la información obtenida a toda la Población. En este caso hablamos de Estadística
Inferencial. Por ejemplo las encuestas electorales.
Sin embargo, en la Estadística Descriptiva no distinguimos entre Población y Muestra, trabajamos con
toda la Población y, por lo tanto, no debemos realizar extrapolaciones, simplemente recopilamos los
datos, los ordenamos y analizamos para obtener conclusiones.
Con las Variables Estadísticas Unidimensionales trabajamos de forma aislada con una sola variable
estadística de la Población y obtenemos conclusiones sobre esta variable.
Con las Variables Estadísticas Bidimensionales (pueden ser también multidimensionales) estudiamos
dos variables estadísticas, buscando información sobre ambas variables de forma independiente, la
relación entre ambas, e incluso cómo puede una de ellas incluir sobre la otra, y viceversa.
Vamos a estudiar esta tabla desde un ejemplo práctico: Las notas de clase de un examen de Estadística
en la Universidad Pablo de Olavide son las siguientes:
8 , 6 , 4 , 4 , 5 , 5 , 0 , 2, 9 , 10 , 4 , 8 , 9 , 2 , 1 , 5 , 6 , 6 , 6 , 7
Vamos a agrupar estos datos a una Tabla Estadística, de forma que tendremos ordenados todos los
datos y nos facilitará su posterior representación gráfica. Para ello, debemos introducir los siguientes
conceptos:
Dato (xi) valores que puede tomar la población. En nuestro caso, puede tomar 11 valores, de 0 a 10,
ambos inclusive.
Frecuencia Absoluta de un Dato (ni) el número de veces que aparece cada dato en la población. Hay
que tener en cuenta que la suma de todas las frecuencias absolutas será igual al total de la población, en
este ejemplo, 20 exámenes.
n i N
ni
xi ni fi Ni Ni
N
0 1 0,05 1 19
0,05
Frecuencias Relativas (fi) número de veces
1 1 2 18
que aparece un dato respecto al total de la
2 2 0,1 4 16
población n
0
3 0 4 16
fi i
4 3 0,15 7 13 N
5 3 0,15 10 10
6 4 0,2 14 6
Frecuencias Absolutas Acumuladas (Ni)
7 1 0,05 15 5
Se utiliza fundamentalmente cuando vamos
8 2 0,1 17 3 a utilizar la Mediana. Puede ser creciente Ni,
9 2 0,1 19 1 o decreciente Ni
10 1 0,05 20 0
N=20 1
Cuando trabajamos con Variables Estadísticas Continuas o con Variables Estadísticas Discretas pero las
frecuencias absolutas son muy bajas y/o hay una gran dispersión de datos…
No trabajamos con datos simples, sino con Intervalos. Aunque perdamos un poco de exactitud, ganamos
en claridad, que es uno de los objetivos de la Estadística Descriptiva.
En este caso, los datos se presentan agrupados en Intervalos, pudiendo presentarse el Intervalo:
- Cerrado [ a, b] x R / a x b
- Semiabierto por la derecha [ a, b) x R / a x b
- Semiabierto por la izquierda ( a, b] x R / a x b
Identificamos el intervalo con su punto medio xi, llamado marca de clase del intervalo.
Vamos a estudiar esta tabla desde un ejemplo práctico: El peso de los alumnos de una clase son los
siguientes:
75,4 85,2 79 87,3 82 84 86,2 80 78,3 81,3 76,2 83,1 82,9 80 80,6 89,8 83,9 82,4 83,9 78,4
ni
Intervalo xi ni fi Ni Ni Fi
Ni
Fi
Ni
N N N
[75,78) 76,5 2 0,1 2 18 0,1 0,9
[78,51) 79,5 6 0,3 8 12 0,4 0,6
[81.84) 82,5 8 0,4 16 4 0,8 0,2
[84,87) 85,5 3 0,15 19 1 0,95 0,05
[87,90] 88,5 1 0,05 20 0 1 0
N=20 1
Ni Ni
Fi Fi
N N
Tanto para Tablas de datos Simples como para Tablas de Datos Agrupados en Intervalos, la
representación gráfica de los datos es un objetivo de la Estadística Descriptiva
ni
xi ni fi Ni Ni
N
0 1 0,05 1 19
1 1 0,05 2 18
2 2 0,1 4 16
3 0 0 4 16
4 3 0,15 7 13
5 3 0,15 10 10
6 4 0,2 14 6
7 1 0,05 15 5
8 2 0,1 17 3
9 2 0,1 19 1
10 1 0,05 20 0
N=20 1
Diagrama de Barras.
Histograma
Diagrama de Sectores
VARIABLES CUALITATIVAS
Diagrama de Rectángulos.
VARIABLES CUALITATIVAS
Cartogramas.
VARIABLES CUALITATIVAS
Pictogramas.