Medidas Descriptivas y Boxplot

Unidad 5
Medidas Descriptivas
Universidad Simón Bolívar de Datos
Sede del Litoral
LECTURA
Medidas Descriptivas de Datos

Unidad 5
Universidad Simón Bolívar De Datos
Sede del Litoral
Índice de Contenido
AL TÉRMINO DE LA UNIDAD USTED ESTARÁ EN CAPACIDAD DE. 4
ACTIVIDADES PLANIFICADAS PARA LOGRAR LOS OBJETIVOS

4
PROPUESTOS.
TIEMPO ESTIMADO PARA REALIZAR LA UNIDAD. 4
EVALUACIÓN. 4
PRESENTACIÓN DEL TEMA. 5
DESARROLLO DEL CONTENIDO TEÓRICO-PRÁCTICO. 7
1. Medidas de tendencia central. 7
Media aritmética. 7
Media aritmética ponderada. 11
Mediana. 15
Moda. 20
2. Medidas de posición (no centrales). 22
Deciles. 22
Cuartiles. 23
Percentiles. 24
Rango percentil. 29
3. Medidas de dispersión. 31
2
Unidad 5
Sede del Litoral
Dispersión 32
Medidas de dispersión absolutas 33
Rango 33
Rango intercuartil 34
Rango semi-intercuartil 35
Varianza 36
Desviación típica 40
Medidas de dispersión relativas 42
Coeficiente de Variación 43
4. Medidas de Forma 44
Medidas de Sesgo 44
Medidas de Curtosis 47
5. Diagramas de bloques y líneas 49
ACTIVIDADES PROPUESTAS. 57
RESUMEN DE LA UNIDAD. 75
BIBLIOGRAFÍA. 76
EVALUACIÓN. 77
3
Unidad 5
Sede del Litoral
AL TÉRMINO DE LA UNIDAD USTED ESTARÁ EN CAPACIDAD DE:
1. Aplicar las técnicas para el cálculo de las medidas de tendencia central (para datos
agrupados y no agrupados): media aritmética, moda y mediana.
2. Aplicar las técnicas para el cálculo de las medidas de posición (no centrales) para
datos agrupados y no agrupados: cuantiles y rango percentil.
3. Aplicar las técnicas para el cálculo de las medidas de dispersión absoluta y relativa
(para datos agrupados y no agrupados): rango, rango intercuartil, rango semi
intercuartil, varianza, desviación típica, coeficiente de variación.
4. Aplicar las técnicas para el cálculo de las medidas de forma (para datos agrupados y
no agrupados): sesgo y curtosis.
5. Aplicar la técnica gráfica de presentación de un conjunto de datos: El Boxplot.
ACTIVIDADES PLANIFICADAS PARA LOGRAR LOS OBJETIVOS
PROPUESTOS:
1. Lectura de fundamentos teóricos de la unidad: Formato PDF.
2. Exploración de términos conceptuales al término de la Unidad: Quiz sin puntaje.
TIEMPO ESTIMADO PARA REALIZAR LA UNIDAD: 12 horas.
EVALUACIÓN: Examen teórico-práctico.
4
Unidad 5
Sede del Litoral
PRESENTACIÓN DEL TEMA.
En las unidades anteriores se inició el estudio de la estadística descriptiva, y a fin de
presentar un conjunto de datos (agrupados o no) en un formato adecuado, se les organizó en
tablas que llamamos tablas de distribuciones de frecuencias.
Se estudiaron algunos métodos gráficos y se llegó a la conclusión de que los mismos son
útiles para lograr una descripción de los datos, es por esto que las representaciones
resultantes de las distribuciones de frecuencia nos permitieron discernir las tendencias y
patrones de los datos; sin embargo, los métodos gráficos presentan limitaciones cuando se
desea tener una mayor exactitud.
De acuerdo con Berenson, Levine y Krehbiel (2001), dentro del manejo de la información
numérica, un buen análisis de datos no se limita a la presentación de datos y la observación
de lo que estos tratan de transmitir, motivo por el cual si necesitamos de medidas más
exactas de un conjunto de datos, recurrimos a números individuales. Se debe recordar que
cuando dichos valores obtenidos corresponden a una muestra se llaman medidas
estadísticas o estadísticos de la muestra, si son de una población, reciben el nombre de
parámetros de la población.
5
Unidad 5
Sede del Litoral
Mediante estos números individuales podemos describir ciertas características del conjunto
de datos de una manera más precisa, lo cual nos permitirá tomar decisiones más rápidas y
satisfactorias.
Las cuatro características que se consideran en el estudio de esta unidad son:
1. Medidas de Tendencia Central
2. Medidas de Posición “no centrales”
3. Medidas de Dispersión.
4. Medidas de Forma (sesgo y curtosis).
6
Unidad 5
Sede del Litoral
DESARROLLO DEL CONTENIDO TEÓRICO-PRÁCTICO.
En esta unidad se exponen las nociones básicas y los conceptos asociados a las medidas
descriptivas que Usted como estudiante debe aprender.
1. Medidas de tendencia central.
Según Spiegel (1991) un promedio es un valor típico o representativo de un conjunto de
datos. Como tales valores tienden a situarse en el centro del conjunto de datos ordenados
según su magnitud, los promedios se conocen también como medidas de centralización o de
tendencia central. Las medidas de tendencia central que se van a considerar son la media
aritmética, la mediana y la moda; las cuales se detallan a continuación:
1.1 Media aritmética.
Es aquella medida que representa el promedio aritmético de un conjunto de observaciones,
la misma actúa como punto de equilibrio o centro de gravedad, de manera que las
observaciones menores equilibran a las mayores.
Notación:
µ cuando sea para una población.
x cuando sea para una muestra.
7
Unidad 5
Sede del Litoral
Fórmulas:
Datos no agrupados Datos agrupados
n g
∑ xi ∑ x *f
x + x 2 + x 3 + ... + x n i x1 1 + x 2 *f 2 + x3 * f3 + ...+ x g *f g
*f
x = i=1 = 1 i=1 i
x= =
n n ∑ fi = n n
xi son las marcas de clase
N
∑ xi
i =1 fi son las respectivas frecuencias absolutas
μ=
N
Cabe destacar que para los datos agrupados, lo que se calcula es una estimación del valor
de la media ya que al agrupar por clases no conocemos los valores individuales de cada
observación, sólo que para facilitar los cálculos se ha de renunciar a la exactitud. Veamos
unos ejemplos para ilustrar las ideas planteadas:
(1) Considere los siguientes datos (no agrupados) de una muestra de las edades (en años) en
un grupo de jóvenes
15,2 ; 18,6 ; 12,6 ; 13,2 ; 12,8 ; 13,8 ; 16,3 ; 13,0 ; 12,7 ; 15,8 ; 19,2 ; 12,7 ; 15,6 ; 13,5 ;
12,9.
Determine el valor de la media aritmética para el conjunto de datos dados:
La media aritmética de la muestra (aplicando la fórmula para datos no agrupados) está dada
por la suma de todos los valores y dividiendo entre la cantidad de elementos, es decir:
x=
(15,2 + 18,6 + 12,6 + ... + 12,9) = 14,53 años
15
8
Unidad 5
Sede del Litoral
Para visualizar lo que indica este resultado, considere la representación de los datos en una
línea recta.
Como se puede apreciar, el valor de la media (14,53 años) tiende a ubicarse de tal forma
que exista un equilibrio entre los valores.
(2) Del ejemplo utilizado al comienzo de la unidad 4, sobre el investigador que deseaba
determinar cómo variaban las estaturas de las obreras de una empresa y el cual tomaba una
muestra de 50 mujeres para registrar luego sus estaturas en pulgadas, se había obtenido la
siguiente tabla:
li - li+1 fi xi hi %hi Fi Hi %Hi
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
9
Unidad 5
Sede del Litoral
Calcular la media aritmética para el conjunto de datos:
Para calcular la media debemos agregar una nueva columna a esta tabla, donde se
establecerá el producto de xi * fi, es decir, el producto de la marca de clase por su respectiva
frecuencia absoluta:
li - li+1 fi xi hi %hi Fi Hi %Hi xi * fi
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00 54,5 * 2 = 109
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00 57,5 * 5 = 287,5
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00 60,5 * 9 = 544,5
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00 952,5
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00 798,0
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00 347,5
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00 145,0
Σ = 50 Σ = 3184
Al realizar la suma de los valores correspondientes a la columna de xi * fi se obtiene 3184;
esta cantidad corresponde al valor del numerador en la fórmula para determinar la media
con datos agrupados. El valor del denominador se obtiene al sumar los elementos de la
columna de fi en este caso, 50. Luego, el valor de la media será:
3184
x= = 63,68 pulgadas
50
Interpretación: las obreras presentaron una estatura promedio de 63,68 pulgadas.
10
Unidad 5
Sede del Litoral
1.2 Media aritmética ponderada.
A veces se asocia a los números de un conjunto de datos ciertos factores o pesos y es por
ello que la media aritmética ponderada es un promedio que se calcula a fin de tener en
cuenta la importancia de cada valor para el total global, para ilustrar esta idea,
consideremos lo siguiente: en una materia cualquiera podemos tener en la evaluación
exámenes parciales, talleres, una prueba final, etc., y es posible que no tenga el mismo peso
para la nota final un taller que un parcial, o un examen final. Ante una situación de esta
naturaleza, la media aritmética ponderada es una medida adecuada para obtener el
promedio de las notas.
Notación: x w
Fórmula:
k
∑ wi *xi w 1 * x 1 + w 2 * x 2 + w 3 * x 3 + ... + w k * x k
x w = i=1 =
k w 1 + w 2 + w 3 + ... + w k
∑ wi
i=1
Cabe destacar que al calcular la media aritmética a partir de datos agrupados, en realidad
obtuvimos la media aritmética ponderada utilizando las marcas de clase para los valores de
“x” y las frecuencias de cada clase como los pesos, en ese caso Σ fi = Σ wi
Ejemplo:
11
Unidad 5
Sede del Litoral
Si un examen final de curso se valora como 3 veces los exámenes parciales y un estudiante
tiene una nota de examen final de 85 y notas de exámenes parciales de 70 y 90, calcular su
nota final.
Solución: note que para este caso el peso de los exámenes parciales es de 1 y el del examen
final 3, por lo tanto para calcular la nota final debemos usar la media aritmética ponderada.
Al aplicar la fórmula obtenemos:
1 * 70 + 1 * 90 + 3 * 85
xw = = 83 puntos.
1+1+ 3
La nota final será de 83 puntos.
Observaciones sobre la media aritmética:
Es una medida que toma en consideración todos los valores de la distribución. Esto
es positivo, pero por la misma razón es muy sensible a la presentación de
observaciones extremas o anómalas que hacen que la media se desplace hacia ellas.
En consecuencia no es recomendable usar la media como medida de tendencia
central en los casos en el cual el conjunto de datos no es homogéneo, pues la
cantidad obtenida no es representativa del total de los datos.
Tiene la ventaja de que es única y siempre se puede calcular (si no hay intervalos
abiertos).
El valor de la media aritmética puede no coincidir con los valores de la variable.
12
Unidad 5
Sede del Litoral
Algunas propiedades de la media aritmética:
La suma algebraica de las desviaciones de un conjunto de números con respecto a
su media aritmética es cero, matemáticamente:
k
∑ (x i − x) = 0
i =1
En la expresión anterior xi es cada uno de los números. Vamos a ejemplificar esta
idea:
Supongamos que tenemos los siguientes valores: 1 ; 2 ; 3 ; 4 y 5. La media de esos
valores es:
1+ 2 + 3 + 4 + 5
x= =3
5
Luego, para comprobar la propiedad debemos resolver: (1 – 3) + (2 – 3) + (3 – 3) +
(4 – 3) + (5 – 3) y el resultado de esas operaciones es cero, tal y como lo plantea la
propiedad.
La media aritmética de una constante es igual a la constante. Supongamos que
tenemos la serie: 5 ; 5 ; 5 ; 5 ; 5. Todos los valores son los mismos (constantes). Al
determinar la media de esa serie obtenemos:
13
Unidad 5
Sede del Litoral
5+5+5+5+5
x= =5
5
Con lo cual se comprueba la propiedad.
Si a cada valor de la serie se le agrega una constante, la media de la nueva serie es
igual a la media de la serie original más la constante. Igual sucede si a la media se le
resta una constante. Ejemplifiquemos:
Supongamos que tenemos la serie: 1 ; 2 ; 3 ; 4 y 5. La media de esos valores es:
1+ 2 + 3 + 4 + 5
x= =3
5
Ahora, a cada número de la serie vamos a sumarle una misma cantidad, digamos 10.
La serie será entonces: 11 ; 12 ; 13 ; 14 ; 15. La media de esta serie es:
11 + 12 + 13 + 14 + 15
x= = 13
5
Como se ve, la media de la nueva serie (13) es igual a la media de la serie original
(3) más la constante (10, en este caso). Así, se comprueba la propiedad.
Media de medias: Si f1 números tienen de media m1, f2 números tiene de media m2
,..., fk números tienen de media mk, entonces la media de todos los números es:
f * m1 + f 2 * m 2 + f 3 * m 3 + ... + f k * m k
xw = 1
f1 + f 2 + f 3 + ... + f k
14
Unidad 5
Sede del Litoral
es, decir, la media aritmética ponderada de todas las medias.
Veamos un ejemplo:
Supongamos que se desea hacer un estudio con respecto al peso de los estudiantes,
para ello sabemos que en un piso de la universidad hay 3 aulas que son de diferente
tamaño: en el aula uno hay 20 estudiantes, en el aula dos hay 35 estudiantes y en el
aula tres hay 10 estudiantes.
También se sabe que el peso promedio en el aula uno es de 67,5 Kg. en el aula dos
el peso promedio resultó ser de 70,0 Kg. y en el aula tres de 62,8 Kg. Queremos
determinar el peso promedio general. Al aplicar la fórmula obtenemos lo siguiente:
20 * 67,5 + 35 * 70,0 + 10 * 62,8

xw = = 68,12 Kg
20 + 35 + 10
1.2 Mediana.
Según Lind, Marchal y Mason (2004) es el valor que corresponde al punto medio de un
conjunto de datos, representando el elemento más central en dicho conjunto, por lo que deja
por encima y por debajo la misma cantidad de datos (una vez que estos han sido
ordenados). Geométricamente es el valor de “x” que corresponde a la vertical que divide al
histograma en dos partes de igual área.
Notación: Med
15
Unidad 5
Sede del Litoral
Fórmulas:
El valor de la mediana puede coincidir o n

no con un valor de la serie, todo depende − Fa
Med = l i + 2 *a
si el número de datos es par o impar.
f med
Los pasos son:
en donde:
1. Organizar por orden ascendente a los
datos. li es el límite inferior.
Fa es la frecuencia acumulada anterior.
2. Utilizar la fórmula de posicionamiento fmed es la frecuencia absoluta del intervalo de

de punto: la mediana.
n +1 a es la amplitud.
2
para localizar el lugar que ocupa el valor Los pasos son:
de la mediana en el arreglo ordenado.
n
1. Calcular
2
3. Si el conjunto tiene un número impar de
elementos, el de la mitad será la mediana, 2. Localizar ese valor en Fi, si no está,
si contiene un número par de elementos, la pasar al inmediato superior. Con esto
mediana será el promedio aritmético de se halla el intervalo de la mediana.
los dos que se hallan en la mitad. 3. Aplicar la fórmula sustituyendo los
valores correspondientes.
Veamos unos ejemplos:
(1) Sean los números: 5, 8, 4, 3, 10, 8, 4, 8, 6. Determinar la mediana:
Estamos trabajando con datos no agrupados, por lo tanto, seguimos los pasos expuestos en
el cuadro anterior:
16
Unidad 5
Sede del Litoral
1. Organizamos los datos de manera ascendente: 3, 4, 4, 5, 6, 8, 8, 8, 10
n +1
2. Utilizamos la fórmula de posicionamiento de punto:
2
9 +1
Al sustituir los valores obtenemos: =5
2
Por lo tanto, buscamos el número que ocupa la quinta posición en la serie de datos
ordenados. En este caso es el 6; la mediana pedida entonces es Med = 6.
(2) Sean los números: 7, 5, 5, 9, 15, 18, 11, 12. Determinar la mediana:
Estamos trabajando con datos no agrupados, por lo tanto, seguimos los pasos expuestos
anteriormente
1. Organizamos los datos de manera ascendente: 5, 5, 7, 9, 11, 12, 15, 18
8 +1
2. Utilizamos la fórmula de posicionamiento de punto y sustituimos los valores: = 4,5
2
Como no hay la posición 4,5 ; entonces determinamos el promedio aritmético de los dos
que se hallan en la mitad, en este caso, los valores que ocupan la posición cuatro y la
9 + 11
posición cinco: = 10 . La mediana entonces será igual a 10.
2
17
Unidad 5
Sede del Litoral
(3) Del ejemplo inicial (ver unidad 4) sobre el investigador que deseaba determinar cómo
variaban las estaturas de las obreras de una empresa y el cual tomaba una muestra de 50
mujeres para registrar luego sus estaturas en pulgadas, se había obtenido la siguiente tabla:
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00

[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
Determinar el valor de la mediana:
Como los datos están agrupados, procedemos a seguir los pasos dados al comienzo de este
apartado:
n 50
Paso 1: cálculo de = = 25
2 2
Paso 2: localizar ese valor en Fi, si no está, pasar al inmediato superior. Como 25 no
aparece en Fi, pasamos al inmediato superior: 31.
Paso 3: aplicar la fórmula sustituyendo los valores correspondientes. Al identificar a los
elementos tenemos: li es 62; fmed es 12, Fa es 16 y la amplitud es 3.
18
Unidad 5
Sede del Litoral
25 − 16
Med = 62 + * 3 = 63,8 pulgadas
15
Interpretación: El 50% de las obreras tienen una estatura igual o inferior a 63,8 pulgadas
aproximadamente.
Observaciones sobre la mediana:
Como medida descriptiva, tiene la ventaja de no estar afectada por las observaciones
extremas, ya que no depende de los valores que toma la variable, sino el orden de
los mismos. Por ello, es adecuado su uso (en lugar de la media) en distribuciones
que presentan observaciones extremadamente grandes o pequeñas.
Puede ser calculada aún a partir de datos agrupados con clases abiertas (a menos
que la mediana entre en dicha clase abierta).
Puede usarse con datos cualitativos.
No utiliza toda la información de los datos (sólo los valores centrales).
Su mayor defecto es que no se ajusta fácilmente al cálculo algebraico, lo que hace
que sea difícil de utilizar en otras áreas, como en la inferencia.
19
Unidad 5
Sede del Litoral
1.3 Moda.
Es el valor de los datos que se presenta con más frecuencia, es decir, el que más se repite en
un conjunto de datos; por lo que representa el punto más alto en la curva de distribución de
un conjunto de datos.
Notación: Mo
Fórmulas:
No hay fórmulas, sólo ver Δ

cuál valor o elemento es el Mo = l i + 1 *a
que más se repite. Δ +Δ
1 2
li es el límite inferior.
Δ1 es el valor que se obtiene a restar la fmodal con la frecuencia

anterior.
Δ2 es el valor que se obtiene a restar la fmodal con la frecuencia

siguiente.
a es la amplitud.
Los pasos para calcular la moda con datos agrupados serían:
1. Ubicar la mayor fi para hallar el intervalo modal
2. Aplicar la fórmula
Ejemplos:
(1) Hallar la moda de los números: 3, 5, 2, 5, 9, 5, 2, 8, 6.
20
Unidad 5
Sede del Litoral
Como la moda se definió como el elemento que más se repite, en este caso el 5 sería la
moda ya que es el que mayor frecuencia presenta.
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
Determinar el valor de la moda:
Como los datos están agrupados, procedemos a seguir los pasos datos estipulados al
comienzo de este apartado:
1. Determinar la clase donde se encuentra la mayor frecuencia absoluta (fi): en este caso se
encuentra en la cuarta clase
21
Unidad 5
Sede del Litoral
2. Sustituimos los valores en la fórmula, identificando a los elementos: a = 3 ; li = 62 ;
∆1 = 15 – 9 ; ∆2 = 15 – 12. Al sustituir los valores, tenemos:
15 − 9
Mo = 62 + * 3 = 64 pulgadas.
(15 − 9) + (15 − 12)
Interpretación: la mayoría de las obreras tienen una estatura de 64 pulg.
2. Medidas de posición (no centrales).
Según Spiegel (1991), si una serie de datos se colocan en orden de magnitud, el valor
medio que divide al conjunto de datos en dos partes iguales es la mediana, por extensión de
esta idea se puede pensar en aquellos valores que dividen a los datos en cuatro partes
iguales, en cien partes iguales, etc. El nombre genérico esos valores es el de cuantil y el
mismo se define como el valor bajo el cual se encuentra una determinada proporción de los
valores de una distribución. Dentro de las medidas de los cuantiles tenemos:
2.1 Deciles.
Son aquellos valores que dividen en diez partes iguales a un conjunto de datos ordenados;
se representan por D1 , D2 , D3 , ....D9. De esta manera tenemos que:
D1 (primer decil) es el valor por debajo del cual se encuentran como máximo el
10% de las observaciones, mientras que el 90% restante se sitúan por encima de él.
22
Unidad 5
Sede del Litoral
D2 (segundo decil) es el valor por debajo del cual se encuentran como máximo el
20% de las observaciones, mientras que el 80% restante se sitúan por encima de él.
D3 (tercer decil) es el valor por debajo del cual se encuentran como máximo el 30%
de las observaciones, mientras que el 70% restante se sitúan por encima de él. Y así
sucesivamente con los demás.
2.2 Cuartiles.
Son aquellos valores que dividen en cuatro partes iguales a un conjunto de datos ordenados;
se representan por Q1, Q2, y Q3. De esta manera tenemos que:
Q1 (primer cuartil) es el valor por debajo del cual se sitúan a lo sumo el 25% de las
observaciones y por encima de éste el 75% restante.
Q2 (segundo cuartil) es el valor por debajo de cual se sitúan a lo sumo el 50% de las
observaciones y por encima de éste el 50% restante. Está justo en el centro de la
distribución y corresponde a la mediana.
Q3 (tercer cuartil) es el valor por debajo del cual se sitúan a lo sumo el 75% de las
observaciones y por encima de éste el 25% restante.
Observación: hay algunas variaciones en las convenciones con respecto al cálculo de los
cuartiles, ya que los valores reales calculados pueden variar un poco dependiendo de la
23
Unidad 5
Sede del Litoral
convención seguida. Sin embargo, el objetivo de todos los procedimientos de cálculo de
cuartiles es dividir al conjunto de los datos en aproximadamente cuatro partes iguales.
2.3 Percentiles.
Son aquellos valores que dividen a un conjunto de datos ordenados en cien partes iguales;
se representan por P1, P2,..., P99. De esta manera tenemos que:
P1 es el valor por debajo del cual se sitúan a lo sumo el 1% de los datos y por
encima de él tenemos el 99% restante.
encima de él tenemos el 98% restante. Y así sucesivamente.
encima de él tenemos el 65% restante. Y así sucesivamente.
En forma genérica el p-ésimo percentil es un valor tal que por lo menos un “p” por ciento
de los elementos tiene dicho valor o menos y, al menos, un (100-p) por ciento de los
elementos tiene ese valor o más.
Es conveniente tomar en cuenta que los deciles y los cuartiles se pueden expresar como
percentiles, por ejemplo: D1= P10 , D2 = P20 , Q1 = P25, Q2 = P50 = Mediana, etc.
Dependiendo de si trabajamos con datos agrupados, o no agrupados, tendremos los
siguientes pasos para el cálculo de los percentiles:
24
Unidad 5
Sede del Litoral
Anderson y otros (1999) establecen los Se aplica la fórmula:

siguientes pasos:
n *p
1. Ordenar los datos de manera ascendente.
−F
Pp = l i + 100 a
*a
f
2. Calcular el índice de posición: p
⎛ P ⎞ Para aplicar la fórmula, los pasos son:

i=⎜ ⎟*n
⎝ 100 ⎠ 1. Ubicar el resultado de
n*p
en Fi
100
Observaciones:
- Si “i” es entero, el p-ésimo percentil es el
promedio de los valores de los datos 2. Si no está ese valor, se pasa al inmediato
ubicados en los lugares “i” e “i +1”. superior.
- Si “i” no es entero, se redondea al valor 3. Al ubicar el valor en Fi determinamos la

entero inmediato mayor que “i”, esto indica clase de donde se obtendrán los datos para
la posición del p-ésimo percentil. sustituir en la ecuación.
La utilidad de los percentiles radica en que permite determinar el valor de la variable para
un porcentaje dado. Veamos algunos ejemplos:
(1) Determinar el P50 y el P85 de los datos siguientes: 2350, 2450, 2550, 2380, 2255, 2210,
2390, 2630, 2440, 2825, 2420, 2380.
Lo primero es ordenar de manera ascendente los datos:
2210, 2255, 2350, 2380, 2380, 2390, 2420, 2440, 2450, 2550, 2630, 2825.
25
Unidad 5
Sede del Litoral
Para determinar el P50:
12 * 50
Calculamos “i”: i = =6
100
Como “i” es entero, el P50 es el promedio de los valores que ocupan los lugares “i” e “i + 1”
en este caso serían los lugares 6° y 7°, luego nos daría:
2390 + 2420
P50 = = 2405
2
Para determinar el P85:
12 * 85
Calculamos “i”: i = = 10,2
100
Como “i” es decimal buscamos el mayor entero al valor de “i”, en este caso sería 11. Este
número nos indica que debemos buscar el valor que ocupa la posición 11 en nuestro
conjunto de datos. Al llevar a cabo esto, obtenemos que P85 = 2630
26
Unidad 5
Sede del Litoral
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
A partir de esta tabla, determinar: P15 ; Q1 ; D3
Para resolver esto, seguiremos los pasos planteados para el cálculo de percentiles para datos
agrupados:
Determinación de P15:
n * p 50 * 15
1. Cálculo de = = 7,5
100 100
2. Se busca ese valor en Fi , como no está, pasamos al inmediato superior. En este
caso, es 16.
3. Identificamos los elementos para sustituir en la fórmula: a = 3 ; li = 59 ; Fa
(frecuencia acumulada anterior) = 7 ; fp (frecuencia absoluta de la clase) = 9.
27
Unidad 5
Sede del Litoral
7,5 − 7
4. Aplicamos la fórmula: P15 = 59 + * 3 = 59,17 pulgadas
9
Interpretación: el 15% de las obreras tienen una estatura de 59,17 pulgadas o menos.
Determinación de Q1:
Como Q1 = P25 utilizamos la fórmula de percentiles para el cálculo de Q1
n * p 50 * 25
1. Cálculo de = = 12,5
100 100
caso, es 16.
12,5 − 7
4. Aplicamos la fórmula P25 = 59 + * 3 = 60,83 pulgadas
9
Determinación de D3:
Como D3 = P30 utilizamos la fórmula de percentiles para el cálculo de D3
n * p 50 * 30
1. Cálculo de = = 15
100 100
28
Unidad 5
Sede del Litoral
caso, es 16.
15 − 7
4. Aplicamos la fórmula P30 = 59 + * 3 = 61,67 pulgadas
9
2.4 Rango percentil.
Es una expresión matemática mediante la cual podemos hallar el porcentaje, dado un valor
de la variable. Dicha expresión se obtiene al despejar “p” en la fórmula de percentiles para
datos agrupados, el proceso para hallar el rango percentil es:
1. Ubicar el valor de la variable que nos dan, en el intervalo que le corresponde.
2. Una vez ubicado, podemos determinar li, fi, etc, para sustituir en la fórmula:
(Pp − l i )* f i
+ Fa
p= a *100
n
Vamos a ilustrar los pasos:
29
Unidad 5
Sede del Litoral
Del ejemplo inicial sobre el investigador que deseaba determinar cómo variaban las
estaturas de las obreras de una empresa y el cual tomaba una muestra de 50 mujeres para
registrar luego sus estaturas en pulgadas, se había obtenido la siguiente tabla:
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
Hallar el porcentaje de obreras cuyas estaturas son iguales o inferiores a 67 pulgadas:
1. Ubicamos el valor de 67 en la tabla según los intervalos que tenemos, y vemos que
corresponde a la 5ta clase.
2. Identificamos los elementos que corresponden: a = 3 ; li = 65 ; Fa = 31 ; fp = 15.
(67 − 65)*12 + 31
3. Aplicamos la fórmula: p = 3 *100 = 78%
50
Interpretación: el 78% de las obreras tienen estaturas iguales o inferiores a 67 pulgadas.
30
Unidad 5
Sede del Litoral
3. Medidas de dispersión.
Mientras los estadísticos de tendencia central nos indican los valores alrededor de los
cuales se sitúan un grupo de observaciones, los estadísticos de variabilidad o dispersión
muestran si los valores de las observaciones están próximos entre sí o están muy separados.
Levin y otros (2004) plantean que dos conjuntos de datos pueden tener la misma
localización central y no obstante, ser muy distintos si uno se halla más disperso que el
otro. Veamos el siguiente ejemplo tomado de Anderson y otros (1999): supongamos que
usted es un agente de compras de una importante empresa manufacturera y con regularidad
coloca pedidos con dos proveedores distintos, ambos le indican que necesitan alrededor de
10 días hábiles para surtir sus pedidos. Después de varios meses de trabajar así, encuentra
usted que el promedio de días necesarios para surtir los pedidos es, realmente, unos 10 para
cada proveedor. Los gráficos que resumen la cantidad de días hábiles requeridos para surtir
los pedidos son los siguientes:
31
Unidad 5
Sede del Litoral
Aunque la cantidad promedio es aproximadamente de 10 en ambos casos. ¿Tienen éstos el
mismo grado de confiabilidad para entregar a tiempo?. Observe la dispersión, o
variabilidad, en los gráficos. ¿Qué proveedor prefiere usted?
Para la mayoría de las empresas es importante recibir materiales y suministros tiempo. Las
entregas a los siete u ocho días de J. C. Clark Distributor pueden considerarse favorables;
sin embargo, algunas de las entregas a los 13 o 15 días podrían ser desastrosas en términos
de la utilización de la mano de obra y del cumplimiento de los programas de producción.
Este ejemplo ilustra un caso en el que la dispersión, o variabilidad, en los tiempos de
entrega puede ser la consideración más importante para seleccionar un proveedor. Para la
mayoría de los agentes de compra, la menor dispersión que muestra Dawson Supply, Inc.
haría que fuera el proveedor más consistente y preferido.
Teniendo presente el ejemplo anterior, pasemos a continuación a establecer las definiciones
con respecto a las medidas de variabilidad:
3.1 Dispersión
Es el grado en que los datos numéricos tienden a extenderse alrededor de un valor medio.
Levin y otros (2004) señalan que la dispersión de la distribución suministra información
complementaria que permite juzgar la confiabilidad de nuestra medida de tendencia central.
Si los datos están ampliamente dispersos, la localización central será menos representativa
de los datos en su conjunto de lo que sería en el caso de datos que se acumulasen más
32
Unidad 5
Sede del Litoral
alrededor de la media. Además, si no conviene tener una amplia dispersión de valores
respecto al centro o si esa dispersión implica un riesgo inaceptable, deberemos ser capaces
de reconocerlo y no escoger las distribuciones que presentan la máxima dispersión.
Por ejemplo, a los analistas financieros les interesa la dispersión de las ganancias de una
empresa, las utilidades con una fuerte dispersión indican un riesgo mayor parar los
accionistas que las utilidades que permanecen relativamente estables.
Las medidas de dispersión se dividen en dos grandes grupos: las medidas de dispersión
absolutas y las medidas de dispersión relativas, a continuación se exponen las mismas.
3.2 Medidas de dispersión absoluta.
Son aquellas que vienen expresadas en las mismas medidas que identifican a la serie de
datos, se van a considerar las siguientes:
3.2.1 Rango, amplitud o recorrido
Es la diferencia entre el valor máximo (más alto) y el valor mínimo (más bajo) observado,
por lo que un rango pequeño indica poca variación y uno grande indica una gran
variabilidad.
Notación: R
33
Unidad 5
Sede del Litoral
Fórmula: R = Xmáx - Xmin
Observaciones con respecto al rango:
No es muy útil porque sólo toma en cuenta los valores máximo y mínimo de una
distribución por lo que no da una idea de la verdadera concentración de los valores.
Por ejemplo, veamos las siguientes gráficas:
Ambas presentan igual rango, pero diferente variabilidad.
No se puede utilizar en distribuciones que tengan intervalos abiertos.
Puede ser afectado por observaciones extremas.
3.2.2 Rango intercuartílico o rango intercuartil.
Es la diferencia entre los valores de Q3 y Q1, esta diferencia refleja la variabilidad de las
observaciones del 50% intermedio de los datos y tiene la ventaja de no verse influenciado
por valores extremos.
34
Unidad 5
Sede del Litoral
Notación: RI
Fórmula: RI = Q3 - Q1
Gráficamente:
A través del rango intercuartil podemos ver (aproximadamente) qué tan lejos de la mediana
tenemos que ir en cualquiera de las dos direcciones antes de que podamos recorrer una
mitad de los valores del conjunto de datos. Para los efectos de la situación que se ha
mantenido como ejemplo (el de las estaturas de las obreras), el rango intercuartil es:
Q3 - Q1 = (66,63 – 60,83) pulgadas = 5,80 pulgadas.
3.2.3 Rango semi-intercuartílico o rango semi-intercuartil.
Es la semidiferencia entre los valores de Q3 y Q1, al igual que el rango intercuartílico tiene
la ventaja de no verse influenciado por valores extremos.
Notación : RSI
Q3 − Q1
Fórmula: RSI =
2
35
Unidad 5
Sede del Litoral
Para los efectos de la situación que se ha mantenido como ejemplo (el de las estaturas de
66,63 − 60,83
las obreras), el rango semi-intercuartil es RSI = = 2,9 pulgadas. De esto,
2
pudiéramos establecer que un 50% de las estaturas caen en el intervalo [63,8 ± 2,9]
pulgadas.
3.2.4 Varianza.
Es la medida del cuadrado de la distancia promedio entre la media y cada elemento de la
población.
Notación:
σ2 cuando sea para una población.
s2 cuando sea para una muestra.
Fórmulas:

N g
∑ (x i − μ ) 2
∑ (x i − μ ) 2
*f
i
2 i =1 2 i =1
σ = σ =
N N
n g
∑ (x i − x )
2
∑ (x i − x )2
*f
i
2 i =1 2 i =1
S = S =
n -1 n -1
36
Unidad 5
Sede del Litoral
Nota: La teoría matemática establece que si pretendemos estimar la varianza de una
población a partir de la varianza una de sus muestras, resulta que el error cometido es
generalmente menor cuando la varianza de la muestra se divide por n –1 y no por n, porque
el valor resultante da una mejor estimación de la varianza de la población. Sin embargo,
para grandes valores de n (n >30) no hay prácticamente diferencia entre dividir por n o por
n-1.
Para ilustrar el concepto de varianza, veamos dos ejemplos:
(1) Considere que se tiene una muestra con los siguientes valores: 5, 8, 7, 10, 15. Determine
la varianza para este grupo de datos:
Lo primero es determinar el valor de la media de la muestra, como los datos no están
agrupados, utilizamos la expresión:
5 + 8 + 7 + 10 + 15
x= =9
5
Una vez determinada la media, aplicamos la fórmula para el cálculo de la varianza para
datos no agrupados:
(5 − 9) 2 + (8 − 9) 2 + ... + (15 − 9) 2
s2 = = 14,5
5 −1
37
Unidad 5
Sede del Litoral
2) Del ejemplo inicial sobre el investigador que deseaba determinar cómo variaban las
registrar luego sus estaturas en pulgadas, se había obtenido la siguiente tabla:
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00
Para calcular la varianza agregamos una nueva columna:
li - li+1 fi xi hi %hi Fi Hi %Hi ( xi - x )2 * fi
[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00 (54,5 - 63,68)2 * 2 = 168,5448
[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00 (57,5 - 63,68)2 * 5 = 190,9620
[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00 91,0116
[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00 0,4860
[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00 95,4288
[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00 169,3620
[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00 155,5848
Σ = 871,38
38
Unidad 5
Sede del Litoral
Como se está calculando la varianza de una muestra, la fórmula a utilizar será:
g
(
∑ i
x − x )2
*f
i
2 i=1
S =
n -1
Al ver la fórmula, el numerador corresponde al valor obtenido al realizar la sumatoria de
los números correspondientes a la última columna de la tabla, por lo que:
871,38
s2= = 17,7833 pulg 2
49
Algunas propiedades de la varianza:
La varianza de una constante es cero.
Siempre es una cantidad positiva.
La varianza del producto de una constante por una variable es igual al producto de
la constante al cuadrado por la varianza de la variable.
Observaciones sobre la varianza:
Las unidades de la varianza son los cuadrados de las unidades de los datos y en
muchas ocasiones no son fáciles de interpretar.
Puede sufrir un cambio desproporcionado por la existencia de valores extremos en
el conjunto.
39
Unidad 5
Sede del Litoral
3.2.5 Desviación típica o desviación estándar.
Se define como la raíz cuadrada positiva de la varianza.
Notación:
σ cuando sea para una población.
s cuando sea para una muestra.
Fórmulas:
N g
∑ (x i − μ ) 2
∑ (x i − μ ) 2
*f
i
i =1 i =1
σ = σ =
N N
n g
∑ (x i − x ) 2
∑ (x i − x ) 2
*f
i
i =1 i =1
S = S =
n -1 n -1
Algunas propiedades de la desviación típica:
La desviación típica de una constante es cero.
Siempre es una cantidad positiva.
La desviación típica del producto de una constante por una variable es igual al
producto de la constante por la desviación típica de la variable.
40
Unidad 5
Sede del Litoral
Observaciones sobre la desviación típica:
Webster (1996) plantea que entre sus aplicaciones tenemos el teorema de
1
Chebyshev, el cual afirma que para cualquier conjunto de datos, al menos 1− de
k2
la observaciones están dentro de k desviaciones típicas de la media (K >1). En
virtud de esto, si por ejemplo, k = 2 nos daría 0,75. Lo que significa que si
formamos un intervalo de 2 desviaciones típicas por debajo de la media hasta 2
desviaciones típicas por encima de la media, en dicho intervalo se encontrarán como
mínimo el 75% de todas las observaciones.
Nos permite determinar con mayor grado de precisión dónde se sitúan los valores de
una distribución de frecuencia en relación con la media.
Las unidades de la desviación típica se expresan en las mismas unidades de los
datos.
Puede sufrir un cambio desproporcionado por la existencia de valores extremos en
el conjunto.
Según Webster (1996), el concepto de desviación típica tiene una enorme importancia en
los negocios y en la economía. Por ejemplo, en finanzas, la desviación típica se utiliza para
medir el riesgo asociado a varias oportunidades de inversión. Al utilizar esta medida para
medir la variabilidad de las tasas de rendimiento que ofrecen distintas inversiones, el
analista financiero puede calibrar el nivel de riesgo que entraña cada activo.
41
Unidad 5
Sede del Litoral
registrar luego sus estaturas en pulgadas, se habían obtenido una varianza de 17,7833 pulg2.
La desviación típica es la raíz cuadrada de esa cantidad, por lo que obtenemos: 4,2170 pulg.
3.3 Medidas de dispersión relativa.
Son relaciones entre medidas de dispersión absolutas y medidas de tendencia central, estas
medidas vienen generalmente expresadas en porcentajes y su función es la de determinar
entre varias distribuciones la de mayor o menor dispersión.
Estas medidas tienen como ventaja que nos permiten comparar distribuciones donde las
unidades pueden ser diferentes ya que estas medidas son independientes de las unidades
utilizadas.
Cabe destacar que varias distribuciones pueden tener un mismo valor para determinada
medida de dispersión y ser la variabilidad de sus datos en relación con la media, diferente.
La expresión general para medidas de dispersión relativas viene dada por:
dispersión absoluta
Dispersión relativa =
promedio
Para los efectos del presente curso, la medida de dispersión relativa con la cual se trabajará
es el coeficiente de variación.
42
Unidad 5
Sede del Litoral
3.3.1 Coeficiente de variación.
Mide el grado de dispersión de un conjunto de datos en relación con su media.
Notación: CV
Fórmulas:
s
CV = * 100% para la muestra
x
σ
CV = * 100% para la población
μ
Observaciones:
El CV es un estadístico útil para comparar la dispersión de conjuntos de datos que
tienen distintas desviaciones estándar y distintos promedios.
El CV es un estadístico útil para comparar la dispersión de conjuntos de datos que
tienen distintas unidades.
El CV pierde su utilidad cuando la media se aproxima a cero.
Para los efectos de la situación que se ha mantenido como ejemplo (el de las estaturas de
las obreras), se había calculado previamente la desviación típica (4,2170 pulgadas.) y la
4,22
media (63,68 pulg.). Luego CV = * 100% = 6,62%
63,68
Interpretación: la desviación típica de la muestra es el 6,62% del valor de la media de la
43
Unidad 5
Sede del Litoral
4. Medidas de forma: sesgo y curtosis.
En un análisis estadístico de una serie de valores, no sólo interesa conocer el promedio y la
dispersión de los datos, sino también cómo se refleja o se acerca esta serie a una
distribución simétrica y cómo es el grado de pico de la distribución. Para ello se consideran
las medidas de sesgo y de curtosis.
4.1 Medidas de sesgo.
El sesgo es el grado de asimetría de una distribución, es por esto que visualmente podemos
tener dos tipos de curvas:
Curvas simétricas: Son aquellas en las cuales al trazar una línea vertical desde la
cumbre de la curva al eje horizontal, se divide su área en dos partes iguales. De
acuerdo a Lind y otros (2004), en un conjunto simétrico de observaciones la media,
moda y mediana coinciden y los valores de los datos se encuentran distribuidos
uniformemente alrededor de estos valores. Gráficamente:
44
Unidad 5
Sede del Litoral
Curvas asimétricas: son aquellas curvas en las cuales al trazar una línea vertical
desde su cumbre al eje horizontal, no se divide su área en dos partes iguales y
pueden ser:
• Asimetría positiva (sesgo a la derecha): es una curva que disminuye
gradualmente hacia el extremo superior de la escala. Gráficamente:
De acuerdo con Levin, Rubin, Balderas, Del Valle y Gómez (2004), un ejemplo de
esto podría ser representar la distribución de frecuencias del número de días que un
producto se encuentra en existencia en un negocio de venta de fruta al mayoreo. La
curva estaría sesgada a la derecha, con muchos valores en el extremo izquierdo y
pocos en el extremo derecho, debido a que el inventario debe agotarse rápidamente.
• Asimetría negativa (sesgo a la izquierda): es una curva que disminuye
gradualmente hacia el extremo inferior de la escala. Gráficamente:
45
Unidad 5
Sede del Litoral
De acuerdo con Levin y otros (2004), un ejemplo de esto podría ser representar la
distribución de frecuencias del número de días que requiere un agente de bienes
raíces para vender una casa. La curva estaría sesgada a la izquierda, con muchos
valores en el extremo derecho y pocos en el extremo izquierdo, debido a que el
inventario de casas se coloca muy lentamente.
Coeficiente de asimetría de Pearson.
Notación: SK
Fórmulas (cualquiera de las dos es válida):
x − Mo Si SK > 0 La asimetría es positiva.

SK =
s
Si SK = 0 Hay simetría.
3 (x − Med )
SK =
s Si SK < 0 La asimetría es negativa.
46
Unidad 5
Sede del Litoral
Lind y otros (2004) establecen que el valor del coeficiente de asimetría de Pearson puede
variar entre -3 y +3. Un valor cercano a -3, como por ejemplo -2,57 indica una considerable
asimetría negativa; un valor como 1,63 indica una asimetría positiva moderada.
registrar luego sus estaturas en pulgadas, se habían obtenido los siguientes valores:
Media: 63,68 pulg. ; Moda: 64 pulg. ; Desviación Típica: 4,2170 pulg.
63,68 − 64
Al sustituir en la primera fórmula: SK = = − 0,0759
4,2170
Interpretación: asimetría negativa, pero como el valor es tan pequeño se puede considerar
que la distribución está ligeramente sesgada a la izquierda.
4.2 Medidas de curtosis.
La curtosis es una medida de la concentración relativa de valores en el centro de la
distribución comparado con las colas, es decir, mide el grado de pico o de apuntamiento
que presenta una distribución; el patrón de referencia es la distribución normal o gaussiana.
Los tipos de curvas que se pueden presentar son:
Curva platicúrtica: es aquella que presenta un pico ligero, es achatada.
Gráficamente:
47
Unidad 5
Sede del Litoral
Curva mesocúrtica: es aquella no es ni muy puntiaguda ni muy achatada

(es la curva normal).
Curva leptocúrtica: es aquella que presenta un pico alto.
Coeficiente de curtosis.
Es al medida que nos da una idea acerca del achatamiento o levantamiento de la curva en
relación con la normal.
Notación: K
48
Unidad 5
Sede del Litoral
Para determinar la curtosis de manera empírica, se establece el porcentaje de valores que se
encuentran en el intervalo x ± s para considerar lo siguiente:
Si el resultado es menor a 68%, es platicúrica
Si el resultado es aproximadamente igual a 68%, es mesocúrtica
Si el resultado es mayor a 68%, es leptocúrtica
registrar luego sus estaturas en pulgadas, se había obtenido: x = 63,68 pulgadas y s = 4,22
pulgadas. Al calcular el porcentaje (con el rango percentil) para el intervalo x ± s se obtuvo
68,44%, por lo que la distribución es aproximadamente mesocúrtica.
5. Diagramas de bloques y líneas o boxplot.
En su forma más simple, el diagrama de bloques y líneas ofrece una representación gráfica
de los datos a través de los cinco números de resumen: Xmínimo , Q1 , Q2 , Q3 y Xmáximo. Este
tipo de gráfico se caracteriza porque presenta al mismo tiempo información sobre la
tendencia central, dispersión, simetría y la presencia (si la hay) de datos atípicos, en un
conjunto de datos que se estén estudiando.
49
Unidad 5
Sede del Litoral
Antes de exponer los pasos para su construcción, se va a definir lo que se considera como
un dato atípico dentro de una distribución.
Según Anderson y otros (1999) los valores atípicos dentro de un conjunto de datos son
aquellos elementos con valores demasiado grandes o demasiado pequeños, es decir,
observaciones que se alejan de manera poco usual del resto de los datos. Un valor atípico
puede deberse a:
Un elemento para el cual se haya anotado su valor en forma errónea (lo cual puede
corregirse antes de proseguir el análisis).
Puede ser uno, que por error, se incluyó en el conjunto de datos y en estos casos
debe eliminarse.
Un elemento poco común que se haya anotado de forma correcta y que sí pertenece
al conjunto de datos.
Cabe destacar que aunque no necesariamente se deben eliminar los valores atípicos, sí se
debe comprobar su exactitud y su existencia.
Una vez definido lo que es un dato atípico, veamos los pasos para construir un boxplot:
1) Construya una recta y marque en ella los 3 cuartiles, recuerde usar una unidad de medida
adecuada.
2) Dibuje una caja sobre la recta con los extremos localizados en Q1 y Q3.
50
Unidad 5
Sede del Litoral
3) Trace un segmento vertical por el punto correspondiente a la mediana dentro de la caja,
así la línea de la mediana divide al conjunto de datos en 2 partes iguales.
4) Se ubican los límites mediante el rango intercuartil: los límites están a 1,5 * RI debajo de
Q1 y a 1,5 * RI arriba de Q3. Se considera que los datos fuera de estos límites son valores
atípicos. Algunos autores comentan sobre los llamados valores extremos, siendo éstos
elementos aquellos que se encuentran fuera del intervalo 3* RI debajo de Q1 y a más de
3 * RI arriba de Q3.
5) Se trazan dos líneas punteadas (extensiones o bigotes de la caja): una que va del centro
de la primera vertical hasta el valor mínimo dentro de los límites, y la otra que va del centro
de la segunda vertical hasta el valor máximo dentro de los límites.
6) Se marcan con un asterisco las localizaciones de los valores atípicos.
Gráficamente, el boxplot tendría una forma como esta:
51
Unidad 5
Sede del Litoral
Aunque usualmente se representa al boxplot de manera vertical, también se puede presentar
de forma horizontal, tal y como se ilustra a continuación:
Una de las ventajas del boxplot consiste en que permite comparar a la vez varios grupos de
datos, sin perder información ni saturarse de ella.
Con respecto a la interpretación del boxplot , la profesora Neyra Peña recomienda tomar en
cuenta las siguientes consideraciones:
Mientras más larga la caja y los bigotes, más dispersa es la distribución de datos.
La distancia entre las cinco medidas descritas en el boxplot puede variar, sin
embargo, recuerde que la cantidad de elementos entre una y otra es
aproximadamente la misma. Entre el límite inferior y Q1 hay aproximadamente
igual cantidad de elementos que de Q1 a la mediana, de ésta a Q3 y de Q3 al límite
superior. Se considera aproximado porque pudiera haber valores atípicos, en cuyo
caso la cantidad de elementos se ve levemente modificada.
52
Unidad 5
Sede del Litoral
La línea que representa la mediana indica la simetría. Si está relativamente en el
centro de la caja la distribución es simétrica. Si por el contrario se acerca al primer o
tercer cuartil, la distribución pudiera ser sesgada a la derecha (asimétrica positiva) o
sesgada a la izquierda (asimétrica negativa) respectivamente. Esto suele suceder
cuando los datos tienden a concentrase más hacia un punto de la escala.
También algunos autores recomiendan considerar visualmente que: en
distribuciones con sesgo a la derecha, la distancia de Q3 a Xmáximo excede la
distancia de Xmínimo a Q1; y en distribuciones con sesgo a la izquierda, la distancia
de Xmínimo a Q1 excede la distancia de Q3 a Xmáximo.
La mediana puede inclusive coincidir con los cuartiles o con los límites de los
bigotes. Esto sucede cuando se concentran muchos datos en un mismo punto,
pudiera ser este un caso particular de una distribución sesgada o el caso de una
distribución muy homogénea.
Debe estar atento al tamaño de la muestra. Lo que pareciera ser dispersión en los
resultados, en ocasiones podría deberse a un tamaño de muestra muy pequeño, por
lo que debe ser cauteloso a la hora de interpretar. En estos casos se sugiere remitirse
al reporte numérico.
Para ilustrar las ideas con respecto al boxplot, consideremos la siguiente situación:
53
Unidad 5
Sede del Litoral
En un estudio para determinar el consumo de gasolina, se probaron 13 vehículos durante
300 kilómetros, en condiciones de tránsito tanto en la ciudad como en el campo; de lo
anterior se obtuvieron los siguientes datos del consumo de la gasolina en litros:
Ciudad: 16,2 16,7 15,9 14,4 13,2 15,3 16,8 16,0 16,1 15,3 15,2 15,3 16,2
Campo: 19,4 20,6 18,3 18,6 19,2 17,4 17,2 18,6 19,0 21,1 19,4 18,5 18,7
Realice un análisis descriptivo de los datos que incluya un gráfico y las medidas
descriptivas adecuadas para determinar el consumo de gasolina comparando entre la ciudad
y el campo.
Solución:
En este caso lo más apropiado para realizar el análisis es construir un boxplot para cada
conjunto de datos, ya que el mismo nos permite visualizar en un solo dibujo una serie de
medidas descriptivas básicas para describir el comportamiento de los mismos. Es
importante destacar que las unidades de medición de los grupos deben ser las mismas para
poder efectuar las comparaciones.
Antes de poder construir el boxplot se debe:
Ordenar los valores de menor a mayor en cada grupo de datos.
Ciudad: 13,2 14,4 15,2 15,3 15,3 15,3 15,9 16,0 16,1 16,2 16,2 16,7 16,8
Campo: 17,2 17,4 18,3 18,5 18,6 18,6 18,7 19,0 19,2 19,4 19,4 20,6 21,1
54
Unidad 5
Sede del Litoral
Determinar: los cinco números de resumen, el rango intercuartil y los límites
(inferior y superior). Es importante destacar que el cálculo de los cuartiles se debe
realizar utilizando los pasos descritos en el apartado correspondiente a percentiles.
En la siguiente tabla se presentan estos resultados:
Medida Ciudad Campo

Xmínimo 13,2 17,2
Xmáximo 16,8 21,1
Q1 Q1 = P25 = 15,3 Q1 = P25 = 18,5
Q2 Q2 = P50 = 15,9 Q2 = P50 = 18,7
Q3 Q3 = P75 = 16,2 Q3 = P75 = 19,4
RI = Q3 - Q1 0,9 0,9
1,5 * RI 1,35 1,35
LI (límite inferior) = Q1 - 1,5 * RI 13,95 17,15
LS (límite superior) = Q3 + 1,5 * RI 17,55 20,75
Una vez completada la etapa previa, para realizar la construcción del gráfico se debe
escoger una escala adecuada, la cual dependerá del espacio con el cual se cuente.
Gráficamente (generado por medio de un programa estadístico), los boxplot tendrían la
siguiente forma:
55
Unidad 5
Sede del Litoral
De aquí se puede concluir lo siguiente:
En el campo el consumo medio de gasolina resultó mayor al de la ciudad, lo que se aprecia
en los valores de las medianas (Ciudad:15,9 litros ; Campo:18,7 litros ).
La variabilidad de ambos grupos es semejante, lo que se observa en el ancho de las cajas,
que representa el rango intercuantil.
En cuanto a la simetría se tiene que para el grupo del campo la distribución es asimétrica
positiva mientras que para el grupo de la ciudad se observa asimetría negativa.
Por otra parte se observa un dato atípico en el campo (un vehículo cuyo consumo resultó
ser superior al de los demás, al inspeccionar los datos, es aquel cuyo consumo fue de 21,1
litros) y otro en la ciudad (un vehículo cuyo consumo resultó ser menor al de los demás, al
inspeccionar los datos, es aquel cuyo consumo fue de 13,2 litros).
56
Unidad 5
Sede del Litoral
ACTIVIDADES PROPUESTAS.
A continuación se proponen 2 actividades, en las cuales se deben aplicar las herramientas y
los conocimientos adquiridos en esta unidad:
Actividad No. 1:
En la siguiente tabla se presenta la edad de los empleados que trabajan en cierta empresa:
Edad Cantidad de Empleados (fi)
[22-26) 12
[26-30) 29
[30-34) 27
[34-38) 19
[38-42) 16
[42-46) 10
[46-50) 7
Calcular:
a) Edad más frecuente e interprete.
b) La edad que se encuentra justo en el 50% de la distribución e interprete.
c) La edad mínima del 40% entre los mayores y la edad máxima del 30% de los menores e
interprételas.
57
Unidad 5
Sede del Litoral
d) Porcentaje entre 28 y 40 años e interprételo.
e) Porcentaje entre ± s e interprételo.
f) Calcule la curtosis e interprete.
g) Calcule el coeficiente de asimetría e interprete.
h) Determine el intervalo que contiene al 60% central de los datos e interprete.
i) Construya el boxplot.
Actividad No. 2:
En lo que va de año cierta tienda deportiva ubicada en un centro comercial de la ciudad
capital ha vendido la última línea de lentes deportivos RayBan, Bolle, Sting y Speedo. A
continuación se presentan los datos sobre las 50 ventas de lentes deportivos en dicha tienda
(datos hipotéticos):
RayBan RayBan RayBan Bolle RayBan Sting RayBan Sting Bolle Bolle
Bolle Bolle Sting RayBan Bolle RayBan RayBan RayBan Sting RayBan
RayBan Sting Sting Speedo RayBan RayBan RayBan Bolle RayBan Bolle
RayBan RayBan Bolle Bolle RayBan RayBan Sting Bolle Bolle Bolle
Bolle RayBan RayBan Sting RayBan Bolle RayBan Bolle RayBan RayBan
58
Unidad 5
Sede del Litoral
A partir de los datos dados:
a) Construya una tabla de distribución de frecuencias e interprete los valores de %hi
b) Realice un gráfico de pastel
c) Realice un gráfico de barras
d) ¿Cuál marca tiene mayor demanda en el mercado?
e) Realice un breve informe con relación a lo que sugieren los datos sobre las ventas de
lentes deportivos en dicha tienda.
59
Unidad 5
Sede del Litoral
Soluciones:
Actividad No. 1:
Para responder a las preguntas formuladas, debemos anexar columnas a la tabla de datos
dada, tales que nos sirvan para lograr nuestro propósito.
li - li+1 fi xi Fi
[22-26) 12 24 12
[26-30) 29 28 41
[30-34) 27 32 68
[34-38) 19 36 87
[38-42) 16 40 103
[42-46) 10 44 113
[46-50) 7 48 120
Calcular:
a) Edad más frecuente e interprete.
Nos piden determinar la moda, que es por definición, el elemento que más se repite, el de
mayor frecuencia. Para ello se debe identificar la clase donde se presenta la mayor
frecuencia absoluta (fi), en este caso se encuentra en la segunda clase. Sustituimos los
valores en la fórmula, identificando a los elementos:
a = 4 ; li = 26 ; ∆1 = 29 – 12 ; ∆2 = 29 – 27
29 - 12
Mo = 26 + * 4 = 29 ,58 años.
( 29 − 12) + ( 29 − 27)
60
Unidad 5
Sede del Litoral
Interpretación: la mayoría de los empleados que trabajan en la empresa tienen una edad
aproximada de 29,58 años.
b) La edad que se encuentra justo en el 50% de la distribución.
La medida que se encuentra justo en el centro de una distribución es la mediana, aplicando
los pasos descritos con anterioridad para calcularla tenemos:
n 120
Cálculo de : = 60
2 2
Localizar ese valor, 60, en Fi ; como no está, pasamos al inmediato superior. En este
caso, 68, de esta forma encontramos la clase que contiene a la mediana.
Sustituimos los valores en la fórmula, identificando primero a los elementos: li es
30; fmed es 27, Fa es 41 y la amplitud es 4.
La fórmula quedará así:
n
−F 60 − 41
2 a
Med = l + * a = 30 + * 4 = 32 ,81 años.
i f 27
med
Interpretación: El 50% de los empleados tienen una edad igual o inferior a 32,81
años.
61
Unidad 5
Sede del Litoral
c) La edad mínima del 40% entre los mayores y la edad máxima del 30% de los menores.
Edad mínima del 40% entre los mayores:
Consideremos primero que los percentiles se
determinan de abajo hacia arriba, es por esto
que en la gráfica podemos visualizar que
para determinar la edad mínima del 40%
entre los mayores, debemos calcular el
percentil 60.
Aplicando los pasos para el cálculo de percentiles, tenemos:
n * p 120 * 60
Cálculo de = = 72
100 100
Se busca ese valor en Fi , como no está, pasamos al inmediato superior. En este caso,
es 87.
Identificamos los elementos para sustituir en la fórmula: a = 4 ; li = 34 ; Fa = 68 ;
fp = 19.
Al aplicar la fórmula:
72 − 68
P60 = 34 + * 4 = 34 ,84 años.
19
62
Unidad 5
Sede del Litoral
Interpretación: la edad mínima entre el 40% de los empleados con mayores edades
es de 34,84 años.
Edad máxima del 30% de los menores:
Al considerar que los percentiles se
determinan de abajo hacia arriba, en la
gráfica podemos visualizar que para
determinar la edad máxima del 30% entre los
menores, debemos calcular el percentil 30.
n * p 120 * 30
Cálculo de = = 36
100 100
Se busca ese valor en Fi , como no está, pasamos al inmediato superior. En este
caso,es 41.
Identificamos los elementos para sustituir en la fórmula: a = 4 ; li = 26 ; Fa = 12 ;
fp = 29.
Al aplicar la fórmula:
36 − 12
P30 = 26 + * 4 = 29 ,31 años.
29
63
Unidad 5
Sede del Litoral
Interpretación: la edad máxima entre el 30% de los empleados más jóvenes es de
29,31 años.
d) Porcentaje entre 28 y 40 años
Para determinar un porcentaje, sabiendo el valor de la variable, usamos los pasos para
determinar el rango percentil. En este caso, hay que calcular dos valores: el porcentaje para
la edad de 28 años y el porcentaje para la edad de 40 años.
Para la edad de 28 años:
Primero ubicamos ese valor dentro de la distribución, para ver en que clase se encuentra.
En este caso se encuentra en la segunda clase, ya que 28 pertenece al intervalo [26-30);
identificamos los elementos a sustituir en la fórmula: a = 4 ; li = 26 ; Fa = 12 ; fp = 29.
Luego:
(28 − 26) * 29 + 12
p= 4 *100 = 22,08%
120
Para la edad de 40 años:
En este caso se encuentra en la quinta clase, ya que 40 pertenece al intervalo [38-42);
64
Unidad 5
Sede del Litoral
Luego:
(40 − 38)*16 + 87
p= 4 * 100 = 79 ,17 %
120
La respuesta final consiste en la resta de
ambos valores, la razón podemos visualizarla
en la gráfica. Como podemos apreciar, el
porcentaje para la edad de 40 años ya
contempla el de los 28 años, por lo que
estaríamos contando doble si no hacemos la
resta.
Entonces, el resultado será: 79,17% - 22,08% = 57,09%
Interpretación: el 57,09% de los empleados tienen edades comprendidas entre los 28 y los
40 años.
e) Porcentaje entre x ± s
Para el cálculo de la media y de la desviación se agregaron la quinta y sexta columna a la
tabla:
65
Unidad 5
Sede del Litoral
li - li+1 fi xi Fi xi * fi ( xi - x )2 * fi
[22-26) 12 24 12 288 (24 – 33,87)2 * 12 = 1169,00
[26-30) 29 28 41 812 (28 - 33,87)2 * 29 = 999,25
[30-34) 27 32 68 864 94,42
[34-38) 19 36 87 684 86,20
[38-42) 16 40 103 640 601,23
[42-46) 10 44 113 440 1026,17
[46-50) 7 48 120 336 1397,60
Σ = 5373,87
Cálculo de la media:
288 + 812 + 864 + 684 + 640 + 440 + 336

x= = 33,87 años
120
Interpretación: la edad promedio de los empleados es de 33,87 años.
Cálculo de la desviación típica:
5373,87
s= = 6,72 años
120 − 1
Interpretación: la desviación promedio en la distribución de las edades de los empleados es
de 6,72 años.
El intervalo x ± s será entonces: 33,87 ± 6,72 y nos quedaría: [27,15 ; 40,59] años. Para
determinar el porcentaje, calculamos el rango percentil para cada uno de esos valores:
66
Unidad 5
Sede del Litoral
Para la edad de 27,15 años:
En este caso se encuentra en la segunda clase, ya que 27,15 pertenece al intervalo [26-30);
Luego:
(27,15 − 26 )* 29 + 12
p= 4 * 100 = 16 ,95 %
120
Para la edad de 40,59 años:
En este caso se encuentra en la quinta clase, ya que 40,59 pertenece al intervalo [38-42);
Luego:
(40,59 − 38) *16 + 87

p= 4 *100 = 81,13%
50
La solución será la diferencia entre estos porcentajes: 81,13% - 16,95% = 64,18%
Interpretación: el 64,18% de los empleados tienen edades comprendidas en el intervalo
[ 27,15 ; 40,59] años.
67
Unidad 5
Sede del Litoral
f) Calcule la curtosis e interprete.
Para determinar la curtosis de manera empírica, se establece el porcentaje de valores que se
encuentran en el intervalo x ± s para este caso, ese valor (64,18%) resultó ser menor a 68%;
por lo que tiende a ser platicúrtica.
g) Calcule el coeficiente de asimetría e interprete.
33,87 − 29,58
SK = = 0,64
6,72
Interpretación: ligera asimetría positiva, sesgo hacia la derecha
h) Determine el intervalo que contiene al 60% central de los datos.
Para poder resolver la pregunta, tome en cuenta el
gráfico. Allí se aprecia que para determinar el intervalo
que contiene al 60% central, se deben calcular los
percentiles 80 y 20 de la distribución. Recuerde que
mediante los percentiles calculamos el valor de la
variable, sabiendo el porcentaje.
68
Unidad 5
Sede del Litoral
Para el percentil 80:
Aplicando los pasos para el cálculo de los percentiles:
120 * 80
Cálculo de: = 96
100
Con ese valor, se ubica en Fi para determinar los elementos que se utilizarán en la fórmula:
96 − 87
P80 = 38 + * 4 = 40,25 años
16
Para el percentil 20:
Aplicando los pasos para el cálculo de los percentiles:
120 * 20
Cálculo de: = 24
100
Con ese valor, se ubica en Fi para determinar los elementos que se utilizarán en la fórmula:
24 − 12
P 20 = 26 + * 4 = 27,66 años
29
Interpretación: el intervalo de edades que abarca el 60% central de los datos es
[27,66 ; 40,25] años.
69
Unidad 5
Sede del Litoral
i) Construya el boxplot.
Para construir al boxplot, primero se debe determinar: los cinco números de resumen, el
rango intercuartil y los límites (inferior y superior). Es importante destacar que el cálculo
de los cuartiles se debe realizar utilizando los pasos descritos en el apartado
correspondiente a percentiles para datos agrupados.
Nota: como se trabajan con datos agrupados los resultados serán aproximados y se va a
considerar como Xmáximo al límite superior de la última clase y como Xmínimo al límite
inferior de la primera clase.
En la siguiente tabla se presentan estos resultados:
Medida Valores (en años)

Xmínimo 22
Xmáximo 50
Q1 Q1 = P25 = 28,48
Q2 Q2 = P50 = 32,81
Q3 Q3 = P75 = 38,75
RI = Q3 - Q1 10,27
1,5 * RI 15,41
LI (límite inferior) = Q1 - 1,5 * RI 13,07
LS (límite superior) = Q3 + 1,5 * RI 54,16
A continuación, se presenta la gráfica del boxplot:
70
Unidad 5
Sede del Litoral
Actividad No. 2:
a) Construya una tabla de distribución de frecuencias e interprete los valores de %hi
Marca de lente fi hi %hi

Bolle 16 0,3200 32,00
RayBan 25 0,5000 50,00
Speedo 1 0,0200 2,00
Sting 8 0,1600 16,00
Interpretaciones:
El 32% de las ventas de los lentes correspondió a la marca Bolle.
El 50% de las ventas de los lentes correspondió a la marca RayBan.
El 2% de las ventas de los lentes correspondió a la marca Speedo.
El 16% de las ventas de los lentes correspondió a la marca Sting.
71
Unidad 5
Sede del Litoral
b) Realice un gráfico de pastel:
A partir de los datos que se obtienen de la tabla, para la construcción de los sectores
podemos aplicar una regla de tres y obtener así los valores de los ángulos centrales. Sin
embargo, la presente gráfica se realizó en una hoja de cálculo:
Ventas de lentes según las marcas
16,00%
32,00%
2,00% Bolle
RayBan
Speedo
Sting
50,00%
c) Realice un gráfico de barras:
Ventas de lentes según las marcas

25
25
22,5
20
Frecuencia de venta
17,5
16
15
12,5
10
8
7,5
5
2,5
1
0
Bolle RayBan Speedo Sting
Marca de lente
72
Unidad 5
Sede del Litoral
d) ¿Cuál marca tiene mayor demanda en el mercado?
En esta pregunta se están refiriendo a la moda, en este caso quien tiene mayor venta (mayor
demanda en el mercado) es la marca RayBan.
e) Realice un breve informe con relación a lo que sugieren los datos sobre las ventas de
lentes deportivos en dicha tienda.
A la hora de realizar un informe con datos cualitativos el estudiante puede hacer uso de: las
interpretaciones de %hi cuando construye la tabla de distribución de frecuencias, realizar
un gráfico (usualmente de sectores o de barras) señalar una medida de tendencia central
(usualmente la moda) y hacer algunas recomendaciones según lo que presenten los datos.
Un ejemplo de informe pudiera ser:
A partir de los datos que arrojaron las ventas de lentes deportivos en lo que va de año, se
puede establecer que la marca más solicitada fue la RayBan con un 50% del total de las
ventas en el período considerado, seguido por la Bolle con un 32%, la marca Sting con un
16% y por último la marca Speedo, con un 2% en cuanto a la preferencia de los clientes al
adquirir lentes deportivos. Estos resultados se pueden apreciar visualmente en el gráfico de
sectores y en el gráfico de barras construido.
Al tomar en cuenta estos resultados, se recomienda:
73
Unidad 5
Sede del Litoral
Revisar la publicidad dada en la tienda a la marca Speedo y, posiblemente, estudiar

la factibilidad de hacer alguna oferta para ver si se pueden aumentar las ventas de
dicha marca.
Si no mejora la venta de la marca Speedo, considerar la posibilidad de no vender

más esa marca en la tienda por lo bajo de la demanda y por que acarrea costos por
almacenamiento.
Hacer también una revisión de las estrategias de venta con la marca Sting, porque si
bien el porcentaje de ventas no es tan bajo como la marca Speedo, no presenta un
porcentaje alto en la demanda de dicho producto.
Llevar a cabo una investigación de mercado para tratar de identificar los atributos
que son más valorados por los compradores de los lentes deportivos y a partir de los
resultados que arroje el estudio, establecer estrategias de mercadeo adecuadas para
tratar de aumentar las ventas.
Dar entrenamiento a los vendedores en cuanto a estrategias de ventas, atención al

público, etc.
Cabe destacar algo, usualmente el estudiante sólo menciona en las recomendaciones
aumentar las ventas del producto; sin embargo, imagine la situación: Usted es el dueño de
la tienda y le pide un informe en cuanto al nivel de las ventas y las recomendaciones que
puedan dar lugar al encargado del local. Si este encargado le recomienda “aumentar las
ventas de los productos” y lo deja hasta allí, qué le diría Usted?. Posiblemente, le dirá: “sí,
hay que aumentar las ventas, pero cómo lo hacemos?”.
De allí que las recomendaciones estén orientadas a eso, a tratar de dar ideas que nos
permitan el aumento de las ventas, y por ende, el de los ingresos.
74
Unidad 5
Sede del Litoral
RESUMEN DE LA UNIDAD.
Estimado estudiante ha concluido con la unidad cinco, en ésta se revisaron los conceptos y
nociones básicas asociadas a las medidas descriptivas de los datos tales como: las medidas
de tendencia central, medidas de posición (no centrales), medidas de dispersión, medidas de
sesgo y curtosis y la construcción e interpretación del boxplot.
A continuación, se presenta un breve esquema del contenido tratado:
75
Unidad 5
Sede del Litoral
BIBLIOGRAFÍA.
1. Anderson, D., Sweeney, D., Williams, T. (1999) Estadística para Administración
y Economía. Internacional Thomson Editores. Séptima edición.
2. Berenson, M., Levine D. y Krehbiel (2001) Estadística para Administración.
Edit. Prentice-Hall Hispanoamericana. Segunda edición.
3. Levin, R., Rubin, D., Balderas, M., Del Valle, J., Gómez, R. (2004) Estadística
para Administradores. Edit. Prentice-Hall Hispanoamericana.
4. Webster, A. (1996) Estadística aplicada a la Empresa y a la Economía. Edit. Mc
Graw-Hill.
5. Spiegel, M. (1991) Probabilidad y Estadística. Edit. Mc Graw-Hill.
76
Unidad 5
Sede del Litoral
EVALUACIÓN.
A continuación se presentan varias actividades que Usted deberá responder antes de
proseguir con la unidad 6, en caso de no hacerlo correctamente, revise de nuevo los
contenidos de la unidad 5:
Parte 1: Verdadero o Falso
Señale la respuesta correcta en cada una de las siguientes afirmaciones:
1. El valor de cada observación del conjunto de datos se toma en cuenta cuando
calculamos su mediana.
2. Cuando la población está sesgada positiva o negativamente, a menudo es preferible
utilizar la mediana como mejor medida de posición, debido a que siempre cae entre
la media y la moda.
3. Las medidas de tendencia central de un conjunto de datos se refieren al grado en
que las observaciones están dispersas.
4. Con un conjunto de datos no agrupados, la moda se utiliza con más frecuencia como
medida de tendencia central.
5. Si organizamos las observaciones de un conjunto de datos en forma descendente, el
punto de datos que se encuentra en medio es la mediana del conjunto de datos.
6. Si la curva de una cierta distribución tiene el extremo más largo hacia la izquierda
de la escala de medición del eje horizontal, se dice que la distribución está
negativamente sesgada.
77
Unidad 5
Sede del Litoral
7. La diferencia entre las observaciones más alta y más baja de un conjunto de datos se
conoce como rango intercuartil.
8. El coeficiente de variación es una medida absoluta de dispersión.
9. La varianza indica la distancia promedio de cualquier observación del conjunto de
datos con respecto a la media.
10. La moda siempre se encuentra en el punto más alto de una gráfica de un arreglo de
datos.
Parte 2:
A continuación se le presenta un caso hipotético de una empresa dedicada a la venta de
automóviles. En ella se formulan una serie de preguntas que usted debe contestar aplicando
todos los conocimientos adquiridos hasta ahora en estadística descriptiva.
Pedro Pérez es el propietario de la empresa Pérez Pontiac, en Caja Seca, Estado Zulia. El
padre de Pedro fundó la agencia en 1964 y durante más de 30 años vendieron
exclusivamente automóviles Pontiac. A principios de la década de 1990, la salud de su
padre comenzó a deteriorarse y Pedro se encargó de la operación diaria de la agencia. Al
mismo tiempo, el negocio de los automóviles comenzó a cambiar, las agencias empezaron a
vender vehículos de otras marcas y Pedro se enfrentó con varias decisiones importantes que
debía tomar. La primera fue cuando otra agencia local (que vendía autos Volvo, Saab y
Volkswagen) habló con Pedro para venderle su concesión. Después de pensarlo y
78
Unidad 5
Sede del Litoral
analizarlo, compró la concesión; tiempo después adquirió la agencia que vendía autos Eagle
Jeep.
Actualmente, Pedro vende en el mismo lote la línea completa de Pontiac, los caros
productos Volvo, Saab, Volkswagen y Chrysler, incluyendo la popular línea Jeep. La
agencia emplea a 83 personas, incluyendo a 23 vendedores a tiempo completo, pero a causa
de la diversidad de la línea de productos hay bastante variación en los precios de venta de
los vehículos. De acuerdo con los registros de venta, la agencia vendió 80 vehículos el mes
pasado; los precios (en bolívares) de venta para cada vehículo se muestran a continuación:
20197 20372 17454 20591 23651 24453 14266 15021 25683 27872
16587 20169 32851 16251 17047 21285 21324 21609 25670 12546
12935 16873 22251 22277 25034 21533 24443 16889 17004 14357
17155 16688 20657 23613 17895 17203 20765 22783 23661 29277
17642 18981 21052 22799 12794 15263 32925 14399 14968 17356
18442 18722 16331 19817 16766 17633 17962 19845 23285 24896
26076 29492 15890 18740 19374 21571 22449 25337 17642 20613
21220 27655 19442 14891 17818 23237 17445 18556 18639 21296
Determine la variable de interés y su nivel de medición. Además, responda los incisos
siguientes:
(a) Construya una tabla de distribución de frecuencias (datos agrupados) para el precio de
venta de los vehículos.
(b) Interprete los 3 primeros valores obtenidos para %hi y %Hi
79
Unidad 5
Sede del Litoral
(c) Determine el porcentaje de vehículos cuyo precio de venta es menor a 19341 bolívares.
(d) Determine el porcentaje de vehículos cuyo precio de venta es mayor o igual a 26136
bolívares.
(e) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares pero inferior a 28401 bolívares.
(f) Estimar el porcentaje de vehículos cuyo precio de venta es de 15000 bolívares o menos.
(g) Estimar el porcentaje de vehículos cuyo precio de venta es de 27000 o más bolívares.
(h) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares.
(i) Determine e interprete el precio promedio de los vehículos vendidos.
(j) Determine e interprete el precio más frecuente.
(k) Determine e interprete el precio que se encuentra justo en el 50% de la distribución.
(l) Determine e interprete los cuartiles de la distribución.
(m) Determine el precio mínimo del 40% de los vehículos más costosos.
(n) Determine el precio máximo del 30% de los vehículos menos costosos.
80
Unidad 5
Sede del Litoral
(ñ) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares pero inferior a 28401 bolívares. (por fórmula)
(o) ¿Qué intervalo abarca el 70% central?
(p) Determine e interprete el porcentaje entre ± s
(q) Calcule e interprete el sesgo y la curtosis.
(r) Construya el boxplot.
81
Unidad 5
Sede del Litoral
Soluciones:
Parte 1:
1. F; 2. V; 3. F; 4. F; 5. V; 6. V; 7. F; 8. F; 9. V; 10. V
Parte 2:
Variable de interés: precio de venta del vehículo en bolívares.
Nivel de medición: razón.
(a) Construya una tabla de distribución de frecuencias (datos agrupados) para el precio de
venta de los vehículos.

[12546 – 14811) 6 13678,5 0,0750 7,50 6 0,0750 7,50
[14811 – 17076) 14 15943,5 0,1750 17,50 20 0,2500 25,00
[17076 – 19341) 17 18208,5 0,2125 21,25 37 0,4625 46,25
[19341 – 21606) 18 20473,5 0,2250 22,50 55 0,6875 68,75
[21606 – 23871) 11 22738,5 0,1375 13,75 66 0,8250 82,50
[23871 – 26136) 8 25003,5 0,1000 10,00 74 0,9250 92,50
[26136 – 28401) 2 27268,5 0,0250 2,50 76 0,9500 95,00
[28401 – 30666) 2 29533,5 0,0250 2,50 78 0,9750 97,50
[30666 – 32931) 2 31798,5 0,0250 2,50 80 1,0000 100,00
(b) Interprete los 3 primeros valores obtenidos para %hi y %Hi
82
Unidad 5
Sede del Litoral
Clase %hi Interpretación %Hi Interpretación

Primera 7,50 El 7,50% de los vehículos 7,50 El 7,50% de los vehículos
tuvieron un precio de venta tuvieron un precio de venta que
que oscilaba entre 12546 y oscilaba entre 12546 y menos de
menos de 14811 bolívares. 14811 bolívares.
Segunda 17,50 El 17,50% de los vehículos 25,00 El 25,00% de los vehículos
Tercera 21,25 El 21,25% de los vehículos 46,25 El 46,25% de los vehículos
(c) Determine el porcentaje de vehículos cuyo precio de venta es menor a 19341 bolívares:
por medio de la tabla se determina que el porcentaje es 46,25%
(d) Determine el porcentaje de vehículos cuyo precio de venta es mayor o igual a 26136
bolívares: por medio de la tabla se determina que el porcentaje es 7,50%
(e) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares pero inferior a 28401 bolívares: por medio de la tabla se determina que el
porcentaje es 70%
83
Unidad 5
Sede del Litoral
(f) Estimar el porcentaje de vehículos cuyo precio de venta es de 15000 bolívares o menos:
A través del rango percentil: 8,96%
(g) Estimar el porcentaje de vehículos cuyo precio de venta es de 27000 o más bolívares: A
través del rango percentil: 6,55%
(h) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares: por medio de la tabla se determina que el porcentaje 75%
(i) Determine e interprete el precio promedio de los vehículos vendidos: x = 20133,75 Bs.;
interpretación: el precio promedio de venta de los vehículos es de 20133,75 bolívares.
(j) Determine e interprete el precio más frecuente: Mod = 19624,125 bolívares;
interpretación: el precio de venta más frecuente de los vehículos es de 19624,125 bolívares.
84
Unidad 5
Sede del Litoral
(k) Determine e interprete el precio que se encuentra justo en el 50% de la distribución:
Med = 19718,5 bolívares; interpretación: El 50% de los vehículos tienen precios de venta
de 19718,5 bolívares o menos.
(l) Determine e interprete los cuartiles de la distribución.
Q1 = P25 = 17076 bolívares.
Interpretación: el 25% de los vehículos tienen precios de venta de 17076 bolívares o menos.
Q2 = P50 = Mediana
Q3 = P75 = 22635,55 bolívares.
Interpretación: el 75% de los vehículos tienen precios de venta de 22635,55 bolívares o
menos.
(m) Determine el precio mínimo del 40% de los vehículos más costosos: P60 = 20725,17
bolívares. Interpretación: el precio mínimo del 40% de los vehículos más costosos es de
20725,17 bolívares.
85
Unidad 5
Sede del Litoral
(n) Determine el precio máximo del 30% de los vehículos menos costosos: P30 = 17608,94
bolívares fuertes. Interpretación: el precio máximo del 30% de los vehículos menos
costosos es de 17608,94 bolívares.
(ñ) Determine el porcentaje de vehículos cuyo precio de venta es al menos de 17076
bolívares pero inferior a 28401 bolívares. (por fórmula):
Rango percentil de 17076: 25%
Rango percentil de 28401: 95%
Porcentaje pedido: 95% - 25% = 70%
(o) ¿Qué intervalo abarca el 70% central?
P85 = 24437,25 bolívares.
P15 = 15781,71 bolívares.
Intervalo: [15781,71 ; 24437,25] bolívares.
(p) Determine e interprete el porcentaje entre x ± s
86
Unidad 5
Sede del Litoral
Media: 20133,75 bolívares fuertes.
Desviación Típica: 4173,34 bolívares fuertes.
Intervalo: [15960,41 ; 24307,09] bolívares fuertes.
Rango percentil para 15960,41: 16,38%
Rango percentil para 24307,09: 84,43%
Sol: 84,43% - 16,38% = 68,05 %
Interpretación: el 68,05% de los vehículos tuvieron un precio de venta comprendido entre
15960,41 y 24307,09 bolívares fuertes.
(q) Calcule e interprete el sesgo y la curtosis.
Para el sesgo: SK = 0,12
Interpretación: leve asimetría positiva, sesgo hacia la derecha
Para la curtosis: el intervalo x ± s comprende el 68,05 % por lo que la distribución tiende a
ser mesocúrtica
87
Unidad 5
Sede del Litoral
(r) Construya el boxplot.
Medida Valores (en años)

Xmínimo 12546
Xmáximo 29492
Q1 Q1 = P25 = 17076
Q2 Q2 = P50 = 19718,5
Q3 Q3 = P75 = 22635,55
RI = Q3 - Q1 5559,55
1,5 * RI 8339,325
LI (límite inferior) = Q1 - 1,5 * RI 8736,675
LS (límite superior) = Q3 + 1,5 * RI 30974,875
Nota: a pesar de que se debe resolver el ejercicio agrupando a los datos, para determinar los
valores máximos y mínimos dentro de los límites, podemos obtenerlos al ordenar los
valores iniciales, de allí que se tome como valor máximo dentro de los límites el 29492 y
como valor mínimo el 12546.
La gráfica, generada a través de un software estadístico, es la siguiente:
Note que se presenta 2 valores atípicos que están luego del límite superior y que
corresponderían a los valores 32851 y 32925.
88

Medidas Descriptivas y Boxplot

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Medidas Descriptivas y Boxplot

Uploaded by

Copyright:

Available Formats

Unidad 5

Medidas Descriptivas de Datos

ACTIVIDADES PLANIFICADAS PARA LOGRAR LOS OBJETIVOS

TIEMPO ESTIMADO PARA REALIZAR LA UNIDAD. 4

PRESENTACIÓN DEL TEMA. 5

DESARROLLO DEL CONTENIDO TEÓRICO-PRÁCTICO. 7

1. Medidas de tendencia central. 7

Media aritmética ponderada. 11

2. Medidas de posición (no centrales). 22

Medidas de dispersión absolutas 33

Medidas de dispersión relativas 42

5. Diagramas de bloques y líneas 49

AL TÉRMINO DE LA UNIDAD USTED ESTARÁ EN CAPACIDAD DE:

5. Aplicar la técnica gráfica de presentación de un conjunto de datos: El Boxplot.

ACTIVIDADES PLANIFICADAS PARA LOGRAR LOS OBJETIVOS

1. Lectura de fundamentos teóricos de la unidad: Formato PDF.

2. Exploración de términos conceptuales al término de la Unidad: Quiz sin puntaje.

TIEMPO ESTIMADO PARA REALIZAR LA UNIDAD: 12 horas.

EVALUACIÓN: Examen teórico-práctico.

PRESENTACIÓN DEL TEMA.

En las unidades anteriores se inició el estudio de la estadística descriptiva, y a fin de

presentar un conjunto de datos (agrupados o no) en un formato adecuado, se les organizó en

tablas que llamamos tablas de distribuciones de frecuencias.

resultantes de las distribuciones de frecuencia nos permitieron discernir las tendencias y

desea tener una mayor exactitud.

numérica, un buen análisis de datos no se limita a la presentación de datos y la observación

exactas de un conjunto de datos, recurrimos a números individuales. Se debe recordar que

cuando dichos valores obtenidos corresponden a una muestra se llaman medidas

estadísticas o estadísticos de la muestra, si son de una población, reciben el nombre de

Las cuatro características que se consideran en el estudio de esta unidad son:

1. Medidas de Tendencia Central

2. Medidas de Posición “no centrales”

4. Medidas de Forma (sesgo y curtosis).

DESARROLLO DEL CONTENIDO TEÓRICO-PRÁCTICO.

descriptivas que Usted como estudiante debe aprender.

1. Medidas de tendencia central.

Según Spiegel (1991) un promedio es un valor típico o representativo de un conjunto de

según su magnitud, los promedios se conocen también como medidas de centralización o de

aritmética, la mediana y la moda; las cuales se detallan a continuación:

1.1 Media aritmética.

Es aquella medida que representa el promedio aritmético de un conjunto de observaciones,

observaciones menores equilibran a las mayores.

µ cuando sea para una población.

x cuando sea para una muestra.

unos ejemplos para ilustrar las ideas planteadas:

Determine el valor de la media aritmética para el conjunto de datos dados:

que exista un equilibrio entre los valores.

li - li+1 fi xi hi %hi Fi Hi %Hi

[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00

[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00

[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00

[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00

[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00

[68 – 71) 5 69,5 0,1000 10,00 48 0,9600 96,00

[71 – 74) 2 72,5 0,0400 4,00 50 1,0000 100,00

Calcular la media aritmética para el conjunto de datos:

establecerá el producto de xi * fi, es decir, el producto de la marca de clase por su respectiva

li - li+1 fi xi hi %hi Fi Hi %Hi xi * fi

[53 – 56) 2 54,5 0,0400 4,00 2 0,0400 4,00 54,5 * 2 = 109

[56 – 59) 5 57,5 0,1000 10,00 7 0,1400 14,00 57,5 * 5 = 287,5

[59 – 62) 9 60,5 0,1800 18,00 16 0,3200 32,00 60,5 * 9 = 544,5

[62 – 65) 15 63,5 0,3000 30,00 31 0,6200 62,00 952,5

[65 – 68) 12 66,5 0,2400 24,00 43 0,8600 86,00 798,0