g

1
2, 01
∑ (x − X )
i

∑ ( xi − X ) 4 0, 0179
2g = n * s4 −3
∑ ( xi − x) 3

0, 036

ISBN: 978-958-8943-05-3

ELEMENTOS BÁSICOS DE
ESTADÍSTICA DESCRIPTIVA
para el análisis de datos
g
1 Gabriel Jaime Posada
2, 01
Hernández

g =
∑( x − X )
i 4
−
∑( 3
2
3
− x)
4
n*s xi

0, 036
 g
1
2, 01
∑ (x − X )
i

∑ ( xi − X ) 4 0, 0179
2g = n * s4 −3
∑ ( xi − x) 3

0, 036

Fundación Universitaria Luis Amigó

ELEMENTOS BÁSICOS DE
ESTADÍSTICA DESCRIPTIVA
para el análisis de datos
g
1 Gabriel Jaime Posada
2, 01
Hernández

g =
∑( x − X )
i 4
−
∑( 3
2
3
− x)
4
n*s xi

0, 036

2016
 519.53 P855

Posada Hernández, Gabriel Jaime

Elementos básicos de estadística descriptiva para el análisis de datos [recurso

electrónico] / Gabriel Jaime Posada Hernández. -- Medellín : Funlam, 2016

158 p. : il., col.

ISBN: 978-958-8943-05-
3
Incluye referencias bibliográficas
ESTADÍSTICA; MUESTREO (ESTADÍSTICA); VARIABLES (ESTADÍSTICA);
ANÁLISIS DE DATOS

elementos básicos de estadística descriptiva para el análisis de datos

© Fundación Universitaria Luis Amigó

Transversal 51 A 67 B 90. Medellín, Antioquia, Colombia.
Tel: (574) 448 76 66 (Ext. 9711 Departamento de Fondo Editorial)
[Link] - fondoeditorial@[Link]

ISBN: 978-958-8943-05-3
fecha de edición: 16 de junio de 2016
autor: Gabriel Jaime Posada Hernández

corrección de estilo: Rodrigo Gómez Rojas

diagramación y diseño: Diana Ortiz Muñoz
edición: Fondo Editorial Luis Amigó
coordinadora departamento editorial: Carolina Orrego Moscoso

Hecho en Medellín - Colombia / Made in Medellín - Colombia

Financiación Realizada por la Fundación Universitaria Luis Amigó.

El autor es moral y legamente responsable de la información expresada en
este libro, así como del respeto a los derechos de autor; por tanto, no
compromete en ningún sentido a la Fundación Universitaria Luis Amigó.

Prohibida la reproducción total o parcial, por cualquier medio, sin

autorización escrita de la Fundación Universitaria Luis Amigó.
Licencia Atribución - No comercial - Sin Derivar de Creative Commons.
A mi esposa Ruby
y mis hijas Laura y
Sara
contenido

introducción............................................................................ IX

1. conceptos generales sobre estadística .............................. 10

1.1
Historia.........................................................................................
. 11

1.2
Definición.....................................................................................
13
1.3
Categorías....................................................................................
. 14

1.4 Unidad de análisis o de investigación..................................

14
1.5
Población......................................................................................
. 14

1.6
Muestra........................................................................................
.. 15

1.7 Parámetros y
estadígrafos....................................................... 15
1.8
Variables......................................................................................
. 16
1.8.1 Variables
cualitativas......................................................... 16
 1.8.2 Variables
cuantitativas...................................................... 16
1.9 Escalas de
medición.................................................................. 18
1.9.1 Escala
nominal.................................................................... 18
1.9.2 Escala
ordinal....................................................................... 18
1.9.3 Escala de
intervalo.............................................................. 19
1.9.4 Escala de
razones............................................................... 19
1.10 Ejercicios de
aplicación.......................................................... 20
 2. introducción a los tipos de muestreo................................... 22
2.1 Métodos de muestreo probabilístico..................................... 23
2.1.1 Muestreo aleatorio simple.................................................. 23
2.1.2 Muestreo aleatorio sistemático.......................................... 24
2.1.3 Muestreo aleatorio estratificado........................................ 24
2.1.4 Muestreo aleatorio por conglomerados............................ 26

2.2 Aspectos importantes del muestreo probabilístico........... 27

2.2.1 Error de cobertura o sesgo en la selección...................... 27
2.2.2 Error o sesgo de no respuesta............................................ 28
2.2.3 Error de muestreo................................................................
28
2.2.4 Error de medición.................................................................
28

2.3 Métodos de muestreo no probabilístico................................ 28

2.3.1 Muestreo por cuotas.............................................................
29
2.3.2 Muestreo intencional u opinático...................................... 29
2.3.3 Muestreo bola de nieve........................................................
29

2.4 Ejercicios de aplicación............................................................. 30

3. tabulación de datos estadísticos......................................... 33

3.1 Rango o recorrido....................................................................... 35

3.2 Número de intervalos o clases................................................ 36

3.3 Amplitud del intervalo de clase.............................................. 37

3.4 Límites de los intervalos........................................................... 37

3.5 Tabulación.....................................................................................
38

5 elementos básicos de estadística descriptiva para el análisis de datos 5

 3.6 Marca de clase..............................................................................
39
3.7 Ejercicios de aplicación............................................................. 39

6 elementos básicos de estadística descriptiva para el análisis de datos 6

 4. distribución de frecuencias................................................ 44
4.1 Frecuencia absoluta.................................................................... 45

4.2 Frecuencia relativa..................................................................... 45

4.3 Frecuencia absoluta acumulada.............................................. 46

4.4 Frecuencia relativa acumulada................................................ 47

4.5 Ejercicios de aplicación............................................................. 48

5. gráficas o diagramas.......................................................... 52
5.1 Histogramas.................................................................................. 53

5.2 Polígono de frecuencias............................................................ 54

5.3 Ojivas o polígonos de frecuencias acumuladas................. 56

5.4 Diagrama de barras.................................................................... 57

5.5 Diagrama circular....................................................................... 59

5.6 Ejercicios de aplicación............................................................. 60

6. tabulación de datos binarios o cruzados............................. 64

6.1 Tabla de contingencia de porcentaje de fila........................ 67

6.2 Tabla de contingencia de porcentaje de columna.............. 67

6.3 Ejercicios de aplicación............................................................. 68

7. medidas de tendencia central.............................................. 72

7.1 Media aritmética.......................................................................... 73

7.2 Mediana......................................................................................... 76

7.3 Moda...............................................................................................
80
7.4 Ejercicios de aplicación............................................................. 83

7 elementos básicos de estadística descriptiva para el análisis de datos 7

 8. medidas de posición............................................................ 86
8.1 Cuartiles........................................................................................
87
8.2 Deciles...........................................................................................
91
8.3 Percentiles....................................................................................
92
8.4 Ejercicios de aplicación............................................................ 94

9. medidas de dispersión......................................................... 96
9.1 Rango.............................................................................................
97
9.2 Rango intercuartil....................................................................... 98

9.3 Varianza........................................................................................
98
9.4 Desviación estándar.................................................................. 102

9.5 Coeficiente de variación.......................................................... 104

9.6 Ejercicios de 106
aplicación...........................................................

10. medidas de forma............................................................. 108

10.1 Coeficiente de asimetría o sesgo........................................ 109
10.1.1 Coeficiente de asimetría de Pearson............................. 110
10.1.2 Coeficiente de asimetría de 110
Bowley..............................
10.1.3 Coeficiente de asimetría de Fisher................................ 111

10.2. Coeficiente de apuntamiento o curtosis..........................

10.2.1 Distribución mesocúrtica................................................
10.2.2 Distribución leptocúrtica................................................
10.2.3 Distribución platicúrtica.................................................

8 elementos básicos de estadística descriptiva para el análisis de datos 8

 10.3 Ejercicios de aplicación.........................................................

9 elementos básicos de estadística descriptiva para el análisis de datos 9

 11. estadística descriptiva mediante Microsoft Excel........... 116
1.1 Activación de la función “Análisis de 117
datos”...................
120
11.2 Estadística
descriptiva.......................................................... 122
11.3 Caracterización e interpretación de 124
resultados.............

11.4 Ejercicios de
aplicación........................................................

12. análisis estadístico bajo spss......................................... 126

12.1 Ingreso al programa 127
SPSS.....................................................
128
12.2 Preparación de
variables...................................................... 135
12.3 Ingreso de 137
datos.....................................................................
150
12.4
Resultados...........................................................................
.....

12.5 Ejercicio de
aplicación..........................................................

referencias..................................................................................... 153

información del autor...................................................................... 155

10 elementos básicos de estadística descriptiva para el análisis de 1

 Introducción

La estadística ha cobrado gran importancia en el análisis de los

datos, no sólo en los asuntos del Estado (de ahí su nombre), sino
también en las facetas del comportamiento humano, expandiendo
su aplicación en las diferentes ciencias y disciplinas tales como la
administración, economía, comunicación, agricultura, medicina,
física, ciencias políti- cas, psicología, sociología, ingeniería, entre
otras.

Por tanto, este texto servirá de apoyo para estudiantes y

profesionales de áreas que en su quehacer necesitan de la
estadística, puesto que el contenido del libro soporta los
conceptos generales de la estadística descriptiva, muestreo,
ordenación de datos, representación gráfica, medidas de
tendencia central, de posición, de dispersión y de forma.
Adicionalmente, en los capítulos 11 y 12 se explican las
aplicaciones para el análisis estadístico mediante “análisis de
datos” de Microsoft Excel y “estadísticos descriptivos” de SPSS.

El propósito del texto es ofrecer una guía para la comprensión de

los elementos básicos que permiten analizar un conjunto de datos.
Es por ello que, en cada uno de los capítulos, se desarrollan los
temas desde lo conceptual, acompañados de ejemplos
prácticos y culminando con ejercicios de aplicación; de esta
manera, siendo una herramienta didáctica, el libro genera
motivación y posibilita el aprendizaje del tema en aquellas
personas que ven en la estadística una herramienta para la toma
de decisiones.

Objetivos:

11 elementos básicos de estadística descriptiva para el análisis de 1

 CONCEPTOS GENERALES SOBRE
1 ESTADÍSTICA
objetivos:

» Conocer los orígenes y conceptos fundamentales

de la estadística.
» Diferenciar los tipos de variables y sus escalas
de medición.

Contenido:
1.1 Historia
1.2 Definición
1.3 Categorías
1.4 Unidad de análisis o de investigación
1.5 Población
1.6 Muestra
1.7 Parámetros y estadígrafos
1.8 Variables
1.9 Escalas de medición
1.10 Ejercicios de aplicación

10 elementos básicos de estadística descriptiva para el análisis de datos

 1. conceptos generales sobre estadística

1.1 Historia

La estadística puede ser considerada como una de las ciencias

más antiguas entre las matemáticas. Según lo relata Bonnet
(2003), en el antiguo Egipto, en el año 3050 antes de Cristo, los
faraones recopila- ron información relacionada con la población y
la riqueza que poseía el país, con el objetivo de preparar la
construcción de las pirámides. En este mismo territorio, Ramsés II
aplicó un censo sobre las tierras para realizar un nuevo reparto;
práctica de registro que efectuaron
69 veces, como se narra en la historia, para la estimación de
impues- tos, derechos de voto, proyección de la guerra, entre
otros propósi- tos. Así mismo, cuarenta siglos atrás, los chinos
realizaron censos, mientras que los griegos lo hacían
periódicamente con fines tributa- rios, sociales o militares.

Narra David Ruíz Muñoz (2005) que los romanos, considerados

maes- tros de la organización política, fueron los que mejor
emplearon la estadística. Realizaban censos de la población cada
cinco años para identificar nacimientos, defunciones y
matrimonios, para inventa- riar el ganado y las riquezas en las
tierras adquiridas después de la guerra. Luego de la caída del
Imperio Romano, durante los mil años siguientes se hicieron pocos
cálculos estadísticos, exceptuando las tierras relacionadas con la
Iglesia, adquiridas por Pipino el Breve en el año 758, y por
Carlomagno en el 762 después de Cristo.

Por su parte, durante los siglos XV, XVI, y XVII grandes

pensadores, entre ellos Leonardo da Vinci, Nicolás Copérnico,
Galileo, Neper, William Harvey, Sir Francis Bacon y René
Descartes, desarrollaron téc- nicas que aportaron al método
científico, de tal manera que al crearse los Estados Nacionales ya
se contaba con un método para el análisis de datos económicos y
surgió con mayor fuerza el comercio interna- cional (Bonnet,
2003).

11 elementos básicos de estadística descriptiva para el análisis de 1

 En el siglo XVII se realizaron aportes más concretos sobre
métodos de observación y análisis cuantitativo, lo cual permitió
ampliar los con- ceptos de la inferencia y la teoría estadística. Los
estudiosos de esta época se interesaron por la estadística y la
demografía como resul- tado de la incertidumbre en relación a la
dinámica de la población; es decir, si aumentaba, disminuía o
permanecía constante. A finales del siglo XVII e inicios del siglo
XVIII, algunos matemáticos como Ber- noulli, Francis Maseres,
Lagrange y Laplace introdujeron la teoría de probabilidades, que
en principio era usada en los juegos de azar y a finales del siglo
XVIII inicia su aplicabilidad en los grandes problemas científicos
(Ruíz Muñoz, 2005).

Bonnet (2003), citado por Posada y Buitrago (2006), plantea

lo siguiente:

Godofredo Achenwall, profesor de la Universidad de Gotinga,

acuñó en 1760 la palabra estadística, que extrajo del término
italiano statista (estadista). Creía, y con sobrada razón,
que los datos de la nueva ciencia serían el aliado más eficaz
del gobernante consciente. La raíz remota de la palabra se
halla, por otra parte, en el término latino status, que
significa estado o situación. Esta etimología aumenta el valor
intrínseco de la palabra, por cuanto la estadística revela el
sentido cuantitativo de las más variadas situaciones (p. 4).

Con la incursión de la estadística en las ciencias sociales, Jacques

Quételect interpreta la teoría de la probabilidad y aplica el
principio de “promedios y de variabilidad” a los fenómenos
sociales. Quételect fue considerado como el primero en llevar los
métodos estadísticos a las diferentes ramas de la ciencia.
Posteriormente, entre 1800 y 1820
Laplace y Gauss, mediante la teoría de los mínimos cuadrados,
logra- ron un avance conceptual y matemático para la estadística
(Bonnet,
2003)
.

12 elementos básicos de estadística descriptiva para el análisis de 1

 Por su parte, Ruíz (2005), citado por Posada y Buitrago (2006),
plantea que:

A finales del siglo XIX, Sir Francis Gaston ideó el método

cono- cido por Correlación, que tenía por objeto medir la
influencia relativa de los factores sobre las variables. De aquí
partió el desa- rrollo del coeficiente de correlación creado por
Karl Pearson y otros cultivadores de la ciencia biométrica
como J. Pease Norton, R. H. Hooker y G. Udny Yule, que
efectuaron amplios estudios sobre la medida de las relaciones
(p. 10).

1.2 Definición

Para definir la Estadística es preciso mencionar que su objetivo es

recopilar información de orden cualitativa o cuantitativa, pertene-
ciente a individuos, grupos, hechos o fenómenos, y deducir a
partir del análisis de los datos respuestas a interrogantes o
proyecciones futuras.

La estadística, en general, estudia los métodos empleados en la

reco- lección, organización, resumen, análisis e interpretación de
datos, con el fin de obtener validez en las conclusiones y tomar
decisiones de manera razonable y efectiva (Spiegel, 2013).

En el mundo académico se confunden varios términos

relacionados con la estadística; por tal razón, Alzate (2004) aclara
que esta palabra tiene tres significados:

La palabra estadística, en primer término, se usa para

referirse a la información estadística; también se utiliza para
referirse al conjunto de técnicas y métodos que se utilizan
para analizar la información estadística; y el término
estadístico, en singular y en masculino, se refiere a una
medida derivada de una muestra (p. 3).

13 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 1.3 Categorías

La estadística persigue una finalidad orientada al análisis de datos

de forma secuencial; sin embargo, para efectos de su estudio, se
habla de dos tipos: estadística descriptiva y estadística inferencial
(Lind, Mason y Marchal, 2000).

La estadística descriptiva está orientada a la presentación de

datos mediante tablas y gráficas que permiten resumir o describir
el com- portamiento de los mismos, sin realizar inferencias sobre
ellos debido a que son obtenidos de una parte de la población.

La estadística inferencial, en cambio, se deriva de la muestra, de

mediciones u observaciones que se han hecho a una parte
representativa de la población, por lo cual busca establecer
generalidades para la población a partir de los datos obtenidos.
En consecuencia, la estadística inferencial investiga o analiza una
población a partir de la muestra seleccionada, utilizando técnicas
adecuadas del muestreo.

1.4 Unidad de análisis o de investigación

La unidad de análisis o de investigación es el elemento al cual se

investiga. Éste puede ser un objeto, una persona, un grupo de
indivi- duos o un acontecimiento. La unidad debe ser coherente
con el tipo de investigación que se está realizando y se debe
tener en cuenta que las características que posea el elemento
no sean ambiguas, sean entendibles y que permitan mediciones
y comparaciones (Ruíz Muñoz, 2005).

1.5 Población

La población o universo es un conjunto de elementos a los cuales

se le estudian algunas características comunes; por ejemplo, los
docentes de una institución educativa, las empresas de un sector
productivo, los barrios de una ciudad, los artículos vendidos en un
supermer- cado, las calificaciones de una prueba de aptitud, entre
otros.

14 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 La población puede ser finita o infinita. Se estima que una
población es finita cuando el número de los elementos que la
integran es cono- cido por el investigador; tal es el caso de los
barrios de una ciudad, los docentes de una universidad, los
operarios de una industria, etc., mientras que para la población
infinita no se conoce el número de elementos, ya sea porque es
muy grande o porque se sabe que existe pero no se conoce el
tamaño, por ejemplo: los lanzamientos de un dado, el número de
veces que una persona puede pasar por un sitio y demás.

1.6 Muestra

La muestra se define como un conjunto de elementos

seleccionados adecuadamente, que pertenecen a una población
determinada, o sea que es una parte de la población o universo.
Al seleccionar una mues- tra se pretende que el análisis realizado
en ella pueda proporcionar conclusiones similares a las que se
lograrían si se hubiese estudiado la totalidad de elementos de la
población; por tal razón, la muestra debe ser representativa.

En la mayoría de los estudios se procura que el número de

elementos de la muestra sea cercano al número de la población
para evitar erro- res generados por el muestreo; sin embargo, con
el fin de optimizar recursos de tiempo, dinero, etc., se asumen los
errores generados por la diferencia en el número de unidades
entre la muestra y la pobla- ción y se acude al muestreo. En los
casos en los cuales el número de elementos de la muestra es
igual al de la población, el estudio se denomina censo.

1.7 Parámetros y estadígrafos

Los parámetros son medidas cuantitativas que describen una

caracte- rística de la población, entre ellas están: media
aritmética, varianza y coeficiente de variación. En una población
se presentan muchas carac- terísticas y, en consecuencia tendrá
varios parámetros. Los estadígra- fos o estadísticas son medidas
cuantitativas que describen una carac- terística de la muestra y se
consideran estimadores para la población.

15 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 1.8 Variables

Se considera como variable cualquier característica o propiedad

gene- ral de una población que sea posible medir con distintos
valores o describir con diferentes modalidades, por ejemplo: el
coeficiente inte- lectual de los estudiantes de un grupo puede
tener diferentes valores, o el estado civil de los empleados de una
organización puede estar caracterizado como soltero, casado,
separado, entre otros. Así, estas dos características se consideran
variables porque, como el término lo indica, varían al medirse o
caracterizarse de una unidad de análisis a otra.

En algunos casos, las características de las unidades de análisis

pue- den ser medidas, mientras que en otros solo es posible
describirlas. Para el ejemplo anterior, el coeficiente intelectual es
posible medirse en los estudiantes, lo cual obedece a una
característica cuantitativa, y el estado civil en los empleados solo
se puede describir (no medir), por ser una característica
cualitativa. En este sentido, las variables pueden diferenciarse en
dos grupos: cualitativas y cuantitativas.

1.8.1 Variables cualitativas

Las variables cualitativas son aquellas que representan atributos

de los elementos y no permiten una representación numérica
definida. Sin embargo, algunas cualidades pueden ser
representadas por códi- gos numéricos que, en el fondo, generan
categorías de orden cualita- tivo. Entre las variables cualitativas
están: el estrato socioeconómico, el estado civil, la profesión, el
color de una flor, entre otras.

1.8.2 Variables cuantitativas

Estas variables permiten una escala numérica y las
características de los elementos son observados
cuantitativamente a través de una medida y una escala
definidas. Entre las variables cuantitativas se

16 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 encuentran: el salario de los empleados, la talla de una persona,
el peso, el número de hijos en una familia, el número de artículos
ven- didos en un almacén, entre otros.

Las variables cualitativas y cuantitativas se representan con letras

mayúsculas del alfabeto (X, Y, Z...) y los atributos de cada
variable se simbolizan con letras minúsculas en compañía de
subíndices. Por ejemplo, la variable estado civil de los empleados
en una empresa puede ser representada por la letra X y sus
posibles atributos de “sol-
tero, casado, separado” se representan por, x : casado, x :
soltero, x 1 2: 3
separado
.

Las variables cuantitativas pueden ser clasificadas en dos

grupos:
continuas y
discretas.

Una variable es cuantitativa continua si a lo largo de un intervalo

puede tomar cualquier valor; es decir, entre uno y otro valor de la
variable siempre puede existir otro valor intermedio. Son variables
cuantitativas continuas la talla o altura de personas, el peso de
obje- tos, el salario de empleados, el tiempo dedicado a realizar
una activi- dad, la temperatura de un lugar, entre otras.

Tomando específicamente por ejemplo la talla en metros de un

grupo de personas, entre 1,60 m y 1,70 m, la variable puede
tomar múltiples valores, es decir no se brinca de 1,60 a 1,70 m,
sino que es posible que se ubique en 1,61; 1,62; 1,63; 1,68; 1,69
m.

Una variable es cuantitativa discreta si solo puede tomar un

valor de un conjunto de números; existen separaciones entre dos
valores sucesivos que no pueden llenarse con valores intermedios;
en este caso la variable toma valores aislados.

Por ejemplo, los empleados de una organización, artículos

vendidos en un almacén, instituciones educativas de un sector; en
17 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1
 estos casos, solo es posible medir la variable con valores como 15,
16, 17 u otro número entero y no con valores intermedios, tales
como 15,7 o 16,8.

18 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 1.9 Escalas de medición

La escala de medición es considerada como un sistema que

asigna valores numéricos a características susceptibles de medir.
Normal- mente, las escalas pueden ser de cuatro tipos: nominal,
ordinal, de intervalos y de razón.

1.9.1 Escala nominal

La escala nominal se utiliza para representar a las variables

cualitati- vas (también llamadas categóricas) y determina
múltiples categorías identificadas por un nombre, que bien
pudieron estar fijadas previa- mente o ser precisadas por el
investigador según sus necesidades, manteniendo rigurosidad en
su definición y convirtiéndolas en ele- mentos mutuamente
excluyentes, pues las categorías son exclusivas y solo existe una
para cada elemento de la población (Triola, 2000); algunos
ejemplos: color del cabello (negro, rubio, castaño, otro); estado de
un artículo (bueno, imperfecto); género de los estudiantes
(masculino, femenino).

1.9.2 Escala ordinal

Esta escala se caracteriza por presentar niveles con un rango

determi- nado, lo que facilita la comparación entre ellos y es
posible diferen- ciarlos como “mayor que” o “menor que”. Es
importante resaltar que la distancia entre un nivel y otro
adyacente no es la misma (Suárez y Tapia, 2012). Ejemplos:
estado de salud de una persona: sano, ligera- mente afectado,
enfermo, muy enfermo. Producción en una empresa: alta, media,
baja.

A pesar de que los niveles se pueden representar por un

número, éste cumple la función de etiqueta y no es posible usarlo
como cantidad numérica en operaciones matemáticas, tal es el
caso del estrato socioeconómico, donde los números representan
un nivel satisfacción de necesidades y un orden definido en los
sectores a los cuales pertenece: estrato 1 < 2 < 3 < 4 < 5 < 6.

19 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 1

 1.9.3 Escala de intervalo

La escala de intervalo presenta mayor información que las escalas

nominal y ordinal. Se caracteriza por establecer de forma
ordenada los niveles y si la distancia entre uno y otro es la misma,
lo cual con- lleva a usar una unidad de distancia de referencia.
Por esta razón, esta escala permite relacionar intervalos y de esta
forma se puede observar, por ejemplo, que la distancia entre 5 y 6
es la misma que existe entre 23 y 24. En esta escala se asigna el
punto cero como una medida arbitraria y no implica ausencia de la
característica que se está midiendo (Posada y Buitrago, 2008).

Un ejemplo típico para esta escala es la medición de la

temperatura; para ello se pueden usar varios sistemas: el Celsius,
Kelvin o Fahren- heit. En cualquiera de estos sistemas se observa
que la distancia entre un grado y el consecutivo es la misma;
además, el cero en cualquiera de ellos no implica ausencia de
temperatura.

1.9.4 Escala de razones

La escala de razones es aquella que posee más información en

rela- ción a las escalas anteriores. Toma un cero no arbitrario
(absoluto) que significa ausencia del atributo o la característica;
esto facilita la comparación, tanto en intervalos como en razones,
en cualquier sis- tema de medición que se utilice (Posada y
Buitrago, 2008).

Por ejemplo, si un elemento posee una longitud de 4,6 cm tendrá

el doble de extensión al compararse con otro elemento que mide
2,3 cm, en cualquier tipo de sistema en que se registre la longitud.

A esta escala pertenecen todas aquellas mediciones que están

relacio- nadas con el tiempo, longitud, superficie (áreas),
capacidad (volúme- nes), peso, dinero, entre otras.

En términos generales, se denomina para cualquier escala de

medi- ción como débil si contiene poca información, razón por la

20 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 2

 cual res- tringe la aplicación de los métodos estadísticos.
Mientras que las

21 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 2

 escalas con mayor información son consideradas como fuertes y
es posible analizarlas por medio de métodos específicos diseñados
para explicar su comportamiento.

Si se clasifica de una manera más amplia, las variables

cualitativas utilizan la escala nominal, mientras que las
cuantitativas emplean las escalas de razones o de intervalo. Las
variables que usan la escala ordinal se ubican en una transición
entre cualitativas y cuantitativas.

1.10 Ejercicios de aplicación

1. Establezca la diferencia entre estadística descriptiva y

es- tadística inferencial.

2. ¿Qué diferencia hay entre estadígrafo y parámetro?

3. ¿Cuándo se justifica realizar un censo en un estudio

esta- dístico?

4. En la tabla 1 se presentan las variables analizadas en

un accidente ocurrido a un grupo de empleados en una
in- dustria. Clasifique en cada uno de los casos el tipo
de va- riable y la escala de medición.

22 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 2

 Tabla 1. Variables para el ejercicio de aplicación 1.10
Tipo de Escala
Variable Codificación
variable de
medición
Edad En años
cumplidos Tiempo de antigüedad En
años cumplidos Estrato socioeconómico
Bajo, medio, alto
Soltero, casado, viudo,
Estado civil separado,
otro
Ninguna, primaria,
Escolaridad
secundaria, universitario,
posgrado, otra
Tipo de lesión presentada Múltiples opciones
Área del cuerpo afectada Extremidades, pecho, cara, otra
Grado de la lesión Leve, moderada, grave
Requirió atención médica Sí, no
Tiempo de incapacidad En días
Ha presentado
previamente accidentes Sí, no
laborales
Utiliza implementos de Sí, no
biose- guridad en su trabajo
Ubicación en el
Fecha del accidente calendario

En qué jornada ocurrió (dd/mm/aaaa) Mañana,

el accidente
tarde, noche
Temperatura del sitio
del accidente
Temperatura en °C
Fuma Sí, no
Número de cigarrillos
consu- midos diariamente Nº de cigarrillos
Consumo de alcohol Sí, no
Frecuencia de consumo
de alcohol Diario, semanal, quincenal, mensual
Personas con Amigos, familiares, pareja,
quienes consume licor compa- ñeros de trabajo, otros
Cociente intelectual (CI) Medido en escala de
CI Capacidad para el estudio Puntuación en un
test Barrio de residencia Múltiples
opciones Elaboración propia

23 elementos básicos de estadística descriptiva para el análisis de conceptos generales sobre 2

 INTRODUCCIÓN A LOS TIPOS
2 DE MUESTREO
Objetivos:

» Diferenciar los métodos de muestreo.

» Identificar los posibles errores al aplicar un
muestreo probalístico.

Contenido:
2.1 Métodos de muestreo probabilístico
2.2 Aspectos importantes en el muestreo
probabilístico
2.3 Métodos de muestreo no probabilístico
2.4 Ejercicios de aplicación

22 elementos básicos de estadística descriptiva para el análisis de datos

 2. introducción a los tipos de muestreo

El muestreo es utilizado en la estadística con la finalidad de

optimizar recursos (tiempo, mano de obra, materiales e insumos).
Para lograrlo, los métodos estadísticos ofrecen dos tipos de
muestreo: probabilís- tico y no probabilístico (Martínez, 2007). En
este capítulo se pretende esbozar de forma general, los conceptos
relacionados con los méto- dos de muestreo usados en
estadística.

2.1 Métodos de muestreo probabilístico

Los métodos de muestreo probabilístico buscan que todos los ele-

mentos que conforman la población tengan igual probabilidad
al ser seleccionados en la muestra. Es decir, todas las muestras de
un tamaño determinado que se puedan sacar de una población
tendrán la misma probabilidad de ser elegidas. Este método de
muestreo es el más recomendable, dado que aseguran de alguna
manera la repre- sentatividad de la muestra que se extrae; se dice
“de alguna manera” porque pueden emplearse técnicas para
determinar el tamaño repre- sentativo de la muestra para
poblaciones finitas e infinitas, a partir del nivel de confianza, error
de muestreo y tamaño de la población. A continuación se
describen los principales métodos de muestreo pro- babilístico.

2.1.1 Muestreo aleatorio

simple

El muestreo aleatorio simple es más utilizado por su agilidad, sin

embargo es poco útil cuando se tienen poblaciones muy grandes.
Los pasos a seguir en este tipo de muestreo son los siguientes: se
asigna un número a cada elemento de la población y, por medio
de un meca- nismo tal como balotas dentro de un recipiente o el
uso de números aleatorios, se elige el número de elementos
requeridos para la mues- tra (Martínez, 2000).

23 elementos básicos de estadística descriptiva para el análisis de 2

 2.1.2 Muestreo aleatorio sistemático

El muestreo aleatorio sistemático consiste en asignar números a

la totalidad de elementos de la población. Martínez (2000, p. 2)
describe el proceso para aplicar este tipo de muestreo:

Inicialmente se toma un número aleatorio i (elegido al azar) y

los elementos que conforman la muestra son aquellos que se
ubican en los sitios i, i+k, i+2k, i+3k,..., i+(n-1)k, o sea que
se toman los individuos de k en k, donde k es el resultado de
dividir el número de elementos de la población entre el
número de elementos de la muestra: k=N/n. El número i que
se emplea como punto de partida será un número al azar
entre 1 y k.

Al emplear el muestreo aleatorio sistemático se debe tener

cuidado con las poblaciones en las cuales se dan periodicidades,
pues al elegir elementos con periodicidad constante (k), es posible
que se obtenga una muestra con diferencia constante entre los
datos, mientras que en la población no se presenta este
comportamiento.

2.1.3 Muestreo aleatorio estratificado

Este tipo de muestreo busca simplificar los procesos, con el

objeto de minimizar el error muestral al determinar el tamaño
óptimo de la muestra, básicamente cuando la población es
heterogénea y presenta gran variabilidad. El procedimiento
consiste en determinar categorías (o estratos) diferentes entre los
elementos de la población (Martínez,
2000). Los estratos se definen con respecto a la similitud entre las
características de los elementos, por ejemplo: estado civil, género
y nivel salarial.

El objeto del muestreo estratificado garantiza que todos los

estratos definidos por el investigador estarán representados en la
muestra. Cada estrato es independiente y en cada uno de ellos se

24 elementos básicos de estadística descriptiva para el análisis de 2

 realiza el muestreo aleatorio simple para seleccionar los
elementos que confor- marán la muestra.

25 elementos básicos de estadística descriptiva para el análisis de 2

 La distribución de los elementos que serán muestreados en cada
estrato se conoce como afijación, y puede ser de diferentes tipos:

Afijación simple: cuando el número de elementos muestreados se

reparte en iguales cantidades en todos los estratos.

Afijación proporcional: el número de elementos muestreados en

cada estrato es la proporción de su tamaño con respecto al de la
población.

Afijación óptima: además de la proporción en cada estrato, se

tiene en cuenta la variación (desviación típica). Este tipo de
afijación no es muy usada, debido a que en la mayoría de los
procesos muestrales no se conoce la desviación.

Posada y Buitrago (2008) plantean el siguiente ejemplo

ilustrativo:

Se está interesado en estudiar el grado de aceptación que la

implantación de la reforma educativa ha tenido entre los
padres de un municipio. A tal efecto se seleccionó una
muestra de 600 padres de familia. Se conoce por los datos
del Ministerio de Edu- cación que de los 10.000 niños
escolarizados en la básica, 7.000 acuden a colegios públicos y
3.000 a colegios privados. Como el interés es que en la
muestra estén representados todos los tipos de colegio, se
realiza un muestreo estratificado empleando como variable
de estratificación el tipo de colegio.
Si se emplea una afijación simple serían 300 niños de cada
tipo de centro, pero en este caso parece más razonable
utilizar una afijación proporcional pues hay bastante
diferencia en el tamaño de los estratos. Por consiguiente, se
calcula la proporción para cada uno de los estratos respecto
de la población, para poder reflejarlo en la muestra.
Colegios públicos: 7.000/10.000 =
0.70
Colegios privados: 3.000/10.000 =
0.30
Para conocer el tamaño de cada estrato en la muestra
se multiplica la proporción por el tamaño muestral.

25 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 2

 Colegios públicos: 0.70x600 = 420 padres de familia
Colegios privados: 0.30x600 = 180 padres de familia
La selección de los 420 y 180 padres de familia se
realizará utilizando el muestreo aleatorio simple (p. 36).

2.1.4 Muestreo aleatorio por conglomerados

En este tipo de muestreo, el marco muestral está integrado por

varios elementos que forman una unidad, la cual se conoce como
conglome- rado. Por ejemplo: las unidades de salud, los
departamentos de una empresa, los municipios de un
departamento. Este tipo de muestreo se realiza mediante la
selección de un número de conglomerados de forma aleatoria y
posteriormente se analizan todos los elementos que pertenecen a
los conglomerados seleccionados (Martínez, 2000).

El muestreo por conglomerados suele confundirse con el muestreo

estratificado. La diferencia radica en que el estratificado presenta
de manera natural las agrupaciones, mientras que el muestreo por
con- glomerados ya están definidos los grupos de acuerdo a la
finalidad del estudio.

En algunos casos, el proceso de muestreo puede llegar a ser

complejo y se acude al muestreo polietápico, el cual consiste en
realizar etapas sucesivas, utilizando en cada una de ellas alguno
de los métodos de muestreo probabilístico ya mencionados.
Normalmente, la primera etapa utilizada da lugar a la división de
las unidades en una segunda etapa y así sucesivamente, hasta
completar las unidades requeridas en la muestra.

A manera de ejemplo se menciona un caso en el cual es posible

utilizar el muestreo polietápico: se requiere tomar una muestra
de
400 estudiantes de grado once de los colegios públicos
ubicados en la zona urbana de la ciudad de Medellín, para indagar
sobre los programas e instituciones de educación superior
preferidos por ellos. Para seleccionar la muestra se utilizarán
cuatro etapas, las cuales se describen a continuación:

26 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 2

 Primera etapa: selecciona al azar 8 de las 16 comunas que
conforman la zona urbana del municipio de Medellín.

Segunda etapa: tomar aleatoriamente 5 instituciones educativas

en cada una de las 8 comunas.

Tercera etapa: en cada institución educativa, se toma

aleatoriamente un grupo de grado once.

Cuarta etapa: en cada grupo de grado once seleccionado, se

toman al azar 10 estudiantes.

Finalmente, la muestra estará constituida por 400

estudiantes
(8x5x1x10), a los cuales les será aplicado el
instrumento.

2.2 Aspectos importantes del muestreo probabilístico

Los métodos de muestreo probabilístico, en su mayoría, utilizan

como instrumento de recolección de información la encuesta, la
cual posibilita errores como los que se mencionan a continuación.

2.2.1 Error de cobertura o sesgo en la

selección

El éxito de lograr una selección adecuada de la muestra está

determinado por la claridad en los datos de la población que
entran a participar en el muestreo. El error de cobertura se
presenta cuando se omiten algunos elementos que hacen parte de
la población, de forma que no tienen posibilidad de entrar en la
muestra, conduciendo la selección de la muestra a un proceso
sesgado. Si en la lista de la población no se incluyen todos los
elementos, la muestra orientará la estimación a una parte de la
población y no a la población real (Martínez, 2007).

27 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 2

 2.2.2 Error o sesgo de no respuesta

El error de no respuesta se presenta al no obtener los datos de

todos los elementos de la muestra. En este caso debe intentarse
varias veces usando diferentes medios (por teléfono o correo
electrónico), para la aplicación de la encuesta (Martínez, 2007).

2.2.3 Error de muestreo

El error de muestreo es usual cuando se aplica el instrumento a

una muestra y no a la totalidad de la población; es decir, cuando
no se realiza un censo. A pesar de que este error no se puede
evitar, es posible controlarlo mediante la selección de un diseño
de muestreo adecuado. Este tipo de error representa la
variación o las diferen- cias aleatorias entre las posibles
muestras de la población (Martínez,
2007)
.

2.2.4 Error de medición

El error de medición está asociado con la baja precisión de las

respuestas obtenidas en la aplicación del instrumento.
Básicamente se debe a errores cometidos al formularse las
preguntas o al grado de incidencia que pudo tener el
entrevistador sobre el entrevistado (Martínez, 2007).

2.3. Métodos de muestreo no probabilístico

Para algunos tipos de estudios, el muestreo probabilístico puede

llegar a generar altos costos, y es en estos casos donde se acude
a métodos no probabilísticos. Pese a que estos métodos no
permiten generalización, porque todos elementos de la
población no poseen la misma probabilidad de ser seleccionados,
es posible elegir las unidades muestrales bajo determinados
criterios buscando mayor representatividad en la muestra. Los
métodos más usados en el muestreo probabilístico son:

28 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 2

 2.3.1 Muestreo por cuotas

También se conoce como muestreo “accidental”, por ser muy uti-

lizado en las encuestas de opinión. Tiene como premisa el conoci-
miento amplio de los estratos o grupos relevantes de la población,
es por eso que se asemeja al muestreo estratificado, pero difiere
al no tener el carácter aleatorio (Posada y Buitrago, 2008).

Para el muestreo se fijan “cuotas” que corresponden a un número

de elementos que cumplen ciertos requerimientos, un ejemplo
podría ser: 50 personas entre los 18 y 30 años, estudiantes de
pregrado y residentes en una misma ciudad. En este caso, la
cuota son los estudiantes de pregrado residentes en una misma
ciudad y serán seleccionados los primeros 50 estudiantes que
cumplan la condición.

2.3.2 Muestreo intencional u opinático

Este tipo de muestreo se utiliza cuando la población es

desconocida y se requiere obtener “representativas”. Para ello,
se incluyen en la muestra grupos típicos que permitan
suministrar la información requerida, por ejemplo sondeos
preelectorales o gustos sobre un evento (Martínez, 2007).

2.3.3 Muestreo bola de nieve

Este tipo de muestreo es utilizado en estudios con poblaciones en

las cuales no se conocen los elementos que la integran, pero se
sabe que existen. En este proceso se localizan algunos individuos
que permitan la vinculación con otros, y así hasta obtener una
muestra representa-

29 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 2

 tiva, por ejemplo: estudios de graduados de una institución, de
per- sonas que han cometido un determinado delito, de miembros
de una secta religiosa, entre otros.

2.4 Ejercicios de aplicación

1. Mencione los beneficios del muestreo en los análisis

esta- dísticos.

2. Establezca la diferencia entre el muestreo

probabilístico y no probabilístico.

3. Realice un paralelo entre las características principales

de los tipos de muestreo probabilístico.

4. Realice un paralelo entre las características principales

de los tipos de muestreo no probabilístico.

5. En cada uno de los siguientes enunciados, determine

cuál tipo de muestreo es más recomendable aplicar y
justifi- que las razones por las cuales se recomienda.

30 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 3

 a) Se debe seleccionar una muestra de 150 personas
de una comunidad de 2.000 habitantes, con el
objeto de hacerles una encuesta sobre los servicios
públicos de salud que reciben. Los habitantes
están distribuidos
en 5 barrios con tamaños diferentes.

b) Se requiere realizar una encuesta sobre las

políticas públicas de un municipio, para ello se
divide el muni- cipio en 16 comunas, de estas se
toman al azar la 4, 6,
7, 11, 13 y 16, y sólo se concentran en estas
comunas. Se toma una muestra aleatoria de
habitantes de cada
una de ellas para encuestarlos.

c) Un docente se encuentra realizando una

investiga- ción en una universidad, para constituir
la muestra
usa estudiantes voluntarios de la Institución.

d) Un reportero selecciona tres o cuatro

congresistas considerando que éstos reflejan la
opinión general de todos los congresistas sobre
una ley en particular.

31 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 3

 e) Se presentó una lista de los 1.500 restaurantes de
una ciudad, se elige uno al azar y a partir de esta
primera selección, y contando de 30 en 30, se ha
ido seleccio- nando una muestra de 40
restaurantes.

32 elementos básicos de estadística descriptiva para el análisis de Introducción a los tipos de 3

 TABULACIÓN DE DATOS
3 ESTADÍSTICOS
Objetivos:

» Construir intervalos que permitan agrupar un

conjunto de datos numéricos.
» Tabular la información de un conjunto de
datos agrupados en intervalos.

Contenido:
3.1 Rango o recorrido
3.2 Número de intervalos o clases
3.3 Amplitud del intervalo de clase
3.4 Límites de los intervalos
3.5 Tabulación
3.6 Marca de clase o punto medio
3.7 Ejercicios de aplicación

Introducción a los tipos de muestreo 33

 3. tabulación de datos estadísticos

Al aplicar las encuestas o acudir a una base de datos para obtener

la información, es posible que a simple vista se dificulte la
interpreta- ción por la cantidad de datos que pudieron ser
generados en el pro- ceso investigativo. Por esta razón, es
conveniente agrupar los datos y construir tablas que faciliten la
interpretación.

La tabulación de datos es el proceso mediante el cual se

toman los diferentes valores o atributos de la variable y se ubican
en una columna, según el criterio de ordenación definido por el
investigador, y al frente de cada valor o atributo se coloca la
frecuencia.

Cuando se trata de variables cualitativas, para la tabulación de

datos se recomienda seguir un patrón con orden cronológico,
alfabético o con nivel jerárquico y, posteriormente, se realiza el
conteo; por ejem- plo, si el interés es conocer el nivel de
escolaridad de un grupo de personas, se ordena de la siguiente
manera (ver tabla 2):

Tabla 2. Ordenación de datos para la variable cualitativa

Nivel Nº de personas
Primaria

Bachillerato

Técnica

Tecnológica

Profesional

Elaboración propia

Para la tabulación de datos que corresponden a la variable

cuantita- tiva discreta se emplean escalas numéricas y se ordena
en forma cre- ciente; por ejemplo, si se consulta por el número de
hijos de un grupo de personas, estos deben ordenarse de forma
creciente (ver tabla 3):

3 3 Tabulación de datos 3
 Tabla 3. Ordenación de datos para la variable cuantitativa discreta
N° de hijos N°de personas
0
1
2
3
4
Elaboración propia

Cuando los datos son numerosos o corresponden a la variable

cuan- titativa continua, la ordenación en forma creciente ya no es
funcional y, por lo tanto, se deben agrupar los datos en intervalos,
mediante el siguiente procedimiento: calcular rango o recorrido,
número de inter- valos o clases, amplitud del intervalo de clase,
límites de los interva- los y tabulación.

3.1 Rango o recorrido

El rango o recorrido (R) se define como la variación numérica

de la variable, es el recorrido que toma la variable desde el valor
más pequeño hasta el valor más alto. Se calcula mediante la
siguiente ecuación:
R= -L]
[L
Donde, R: rango o s i
recorrido.
L : límite inferior (menor valor de la variable).
i
L : límite superior (mayor valor de la variable).
s

Por ejemplo, en la tabla 4 se presenta el tiempo en minutos

requerido por un grupo de personas para realizar una actividad.

3 3 Tabulación de datos 3
 Tabla 4. Tiempo requerido en minutos por un grupo de personas para realizar una actividad.

Persona Tiempo Persona Tiempo Persona Tiempo Persona Tiempo Persona Tiempo
(min) (min) (min) (min) (min)
1 70 11 47 21 57 31 52 41
51
2 71 12 68 22 55 32 63 42
50
3 62 13 60 23 55 33 65 43
60
4 63 14 54 24 57 34 50 44
56
5 67 15 63 25 59 35 53 45
67
6 65 16 60 26 74 36 59 46
59
7 75 17 69 27 56 37 45 47
68
8 62 18 54 28 59 38 72 48
61
9 65 19 73 29 71 39 64 49
51
10 56 20 55 30 50 40 69 50
64
Elaboración propia

Al observar los datos se identifica que el valor más alto y el más

bajo son 75 y 45 minutos, respectivamente; por lo tanto:
= 45 minutos, = 75 minutos y R = [75 - 45] = 30 minutos.
Li
L s

3.2 Número de intervalos o clases

El número de intervalos (m) se define de forma convencional, pro-

curando mantenerse entre 5 y 20 intervalos o clases. Sin
embargo, para evitar caer en los extremos, es posible obtener una
aproximación usando la fórmula propuesta por Sturges (Martínez,
2007), la cual es:

m = 1+ 3, 3*
log(n)
Donde n es el número total de datos. En caso de que se analice la
tota- lidad de elementos de la población, ésta se representa por N.

36 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 3

 Para el ejemplo de la tabla 4, el número de intervalos
es:

m = 1 + 3.3 x log
(50) m = 1 + 3.3 x
1,6989 m = 1 +
5,60637
m =
6,60637
En este caso es posible construir 6 o 7 intervalos, pero éste debe
ser definido en el paso siguiente, al calcular la amplitud del
intervalo.

37 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 3

 3.3 Amplitud del intervalo de clase

La amplitud de los intervalos (C) no es necesaria que sea igual

para todos; sin embargo, con el objeto de simplificar y volverlo
más fun- cional, es conveniente que todos los intervalos tengan
igual amplitud. Para el cálculo de la amplitud del intervalo se toma
el cociente entre la amplitud del rango (AR) y el número de
intervalos (m) que se con- sidere más adecuado, teniendo en
cuenta que este resultado (C) debe ser una cantidad exacta.
C
AR
m
Siguiendo el ejemplo presentado en la tabla 4, la amplitud del
inter- valo sería:

Si m = 6, la amplitud del intervalo es C = 30/6, C = 5,0

minutos

Si m = 7, la amplitud del intervalo es C = 30/7, C = 4.285714286...

minutos

En este caso se recomienda usar 6 intervalos (m = 6), con una

ampli- tud de 5 minutos (C = 5).

Si la amplitud del intervalo (C) no es exacta con ninguno de los

dos valores arrojados por la fórmula de Sturges, el número de
intervalos se puede incrementar hasta hacer la división exacta.

3.4. Límites de los intervalos

Al construir los intervalos, cada uno de ellos está determinado por

dos extremos: límite inferior ( li ) y límite superior ( ls ). Para el
primer
intervalo, el límite inferior es igual al límite inferior del rango y el
L i

límite superior de este intervalo se conforma sumando la amplitud

(C) al límite inferior. El segundo intervalo parte del límite
superior del primer intervalo y se le suma la amplitud para

38 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 3

 obtener el límite superior. Este proceso se repite para el total de
intervalos en los cuales se agrupó el conjunto de datos. Los
intervalos para el ejemplo de la tabla 4 serían (ver tabla 5):

39 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 3

 Tabla 5. Intervalos para el tiempo (en minutos) que requiere un grupo de personas
para realizar una actividad
Nº. de Límites de Intervalos o Clase
Clase
Intervalo - l - l
li s
li s
1 45 - 45 + 5 = 50 [45 - 50]
2 50 - 50 + 5 = 55 (50 - 55]
3 55 - 55 + 5 = 60 (55 - 60]
4 60 - 60 + 5 = 65 (60 - 65]
5 65 - 65 + 5 = 70 (65 - 70]
6 70 - 70 + 5 = 75 (70 - 75]
Elaboración propia

Es importante aclarar que, en el primer intervalo se toma el límite

inferior y el superior, es decir cerrado en ambos extremos [45 –
50], mientras que los demás intervalos no toman el extremo
inferior pero sí toman el superior, o sea abierto en extremo
inferior y cerrado en el extremo superior (50 – 55]. De esta forma
se da continuidad a los valores asumidos por la variable.

3.5. Tabulación

Luego de construir los intervalos, se procede al conteo o

frecuencia de la información, ubicando cada dato en el intervalo
al cual corres-
ponde, como se muestra en la tabla
6.

Tabla 6. Tabulación de los datos del tiempo (en minutos) que requiere un grupo personas
para realizar una actividad
Nº. de Intervalo Intervalo (minutos) Tabulación Frecuencia (Nº. de personas)
1 [45 - 50] II 2
2 (50 - 55] IIIII IIII 9
3 (55 - 60] IIIII IIIII II 12
4 (60 - 65] IIIII IIIII I 11
5 (65 - 70] IIIII IIII 9
6 (70 - 75] IIIII II 7
Elaboración propia

40 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

 3.6 Marca de clase

La marca de clase, conocida también como punto medio, •

es el valor
representativo para cada intervalo. Se representa xi y se calcula
por
promediando el límite inferior l i y superior ls en cada intervalo. La
fórmula para el cálculo es:

Tabla 7. Marca de clase para los intervalos del tiempo (en minutos) requerido por un
grupo personas para realizar una actividad

Nº. de Intervalo Intervalo (minutos) Marca de Clase ( )

1 [45 - 50]
2 (50 - 55]
3 (55 - 60]
4 (60 - 65]
5 (65 - 70]
6 (70 - 75]
Elaboración propia

Es importante resaltar que la marca de clase al pasar de un

intervalo a otro, aumenta la misma cantidad del intervalo C.

3.7 Ejercicios de aplicación

1. Explique la razón por la cual se recomienda agrupar

un conjunto de datos para el análisis estadístico.

2. La siguiente información corresponde a la evaluación

del nivel de afectación que generó la construcción de
una vía sobre los recursos naturales. Para ello se
tomaron como referencia diez puntos de control
ubicados cada dos kiló- metros. Los resultados fueron:

41 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

 Alta Sin
afección Sin afección
Leve Moderada Leve
Moderada Alta
Moderada Moderada

Realice la tabulación y el conteo o frecuencia para la

variable correspondiente.

3. En una empresa manufacturera se realizó un control

de calidad sobre la producción. Fueron seleccionados
diez productos y se les identificó el número de
imperfectos que presentaban. Los resultados fueron los
siguientes:
1 0 2 3 2
0 2 1 4 1

Realizar la tabulación y el conteo de la variable correspondiente.

4. Las siguientes son las calificaciones obtenidas por 100

as- pirantes que se presentaron a un concurso sobre
oratoria:
38 51 32 65 25 28 34 12 29
71 62 50 37 8 24 19 47 81
16 62 50 37 4 17 75 94 6
55 38 46 16 72 64 61 33 59
13 92 37 43 58 52 88 27 74
63 28 36 19 56 84 38 6 42
94 51 62 3 17 43 47 54 58
12 42 34 68 77 45 60 31 72
18 22 70 34 5 59 20 68 55
33 52 14 40 38 54 50 11 41

42 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

 a) Realice todos los pasos para la construcción de
inter- valos:
- Límites inferior y superior
- Rango
- Número de intervalos
- Amplitud del intervalo
- Marca de clase

b) Construya la tabulación y el conteo o frecuencias

de datos para cada intervalo.

c) Responda las siguientes

preguntas:
- ¿Entre qué puntuaciones está la mayor cantidad
de aspirantes?

- ¿Qué porcentaje de aspirantes obtuvo los

puntajes más altos?

- ¿Qué porcentaje de aspirantes obtuvo los

puntajes más bajos?

- ¿Cuántos aspirantes obtuvieron los puntajes

más bajos?

- ¿Cuántos aspirantes obtuvieron los puntajes

más altos?

43 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

 d) Para pasar a la siguiente ronda se requiere un
puntaje superior a 55 puntos. ¿Cuántos aspirantes
pasarán a
la siguiente ronda?

5. En un grupo de deportistas se requiere conocer la

talla para seleccionar los integrantes del equipo de
baloncesto. La talla (en metros) de los 40 estudiantes
que integran el grupo es la siguiente:
1,64 1,60 1,54
1,73 1,61 1,65
1,55 1,61 1,62
1,56 1,65 1,66
1,57 1,63 1,76
1,58 1,79 1,70
1,58 1,63 1,69
1,52 1,59 1,62
1,64 1,53 1,60
1,54 1,60 1,64

a) Realice todos los pasos para la construcción de

inter- valos:
- Límites inferior y superior
- Rango
- Número de intervalos
- Amplitud del intervalo
- Marca de clase

b) Construya la tabulación y el conteo o frecuencias

de datos para cada intervalo.

44 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

 c) Responda las siguientes preguntas:
- ¿Entre qué tallas está la mayor cantidad de deportistas?

- ¿Qué porcentaje de deportistas obtuvo las tallas

más altas?

- ¿Qué porcentaje de deportistas obtuvo las tallas

más bajas?

- ¿Cuántos deportistas obtuvieron las tallas más bajas?

- ¿Cuántos deportistas obtuvieron las tallas más altas?

d) Si para ser integrante del equipo de baloncesto se

requiere una talla superior a 1,70 m. ¿Cuántos
deportistas integrarán el equipo?

45 elementos básicos de estadística descriptiva para el análisis de Tabulación de datos 4

4
Objetivos:
DISTRIBUCIÓN DE FRECUENCIAS

» Elaborar la tabla de frecuencias para un conjunto de

datos.
» Interpretar la distribución de frecuencias para
datos agrupados y sin agrupar.

Contenido:
4.1 Frecuencia absoluta
4.2 Frecuencia relativa
4.3 Frecuencia absoluta acumulada
4.4 Frecuencia relativa acumulada
4.5 Ejercicios de aplicación

44 elementos básicos de estadística descriptiva para el análisis de datos

 4. distribución de frecuencias

4.1 Frecuencia absoluta

Se denomina frecuencia absoluta ( ni ) a la cantidad de veces que se

presenta el xi de la variable X en la muestra o la población.
valor
Las frecuencias absolutas para el grupo de personas que realizan
una actividad se ilustran en la tabla 8.

Tabla 8. Frecuencias absolutas para el ejemplo del tiempo (en minutos) requerido por
un grupo de personas para realizar una actividad
Nº. de Intervalo Intervalo (minutos) Frecuencia absoluta ( ni)
1 [45 - 50]
2 (50 - 55]
3 (55 - 60] 1
4 (60 - 65] 1
5 (65 - 70]
6 (70 - 75]
Total
Elaboración propia

Se debe tener en cuenta que el total de datos debe corresponder

a la suma de las frecuencias absolutas.

4.2 Frecuencia relativa

La frecuencia relativa ( hi ) se define como el porcentaje de

fre- cuencia absoluta en relación al total de datos de la
muestra (n). Se obtiene con el cociente entre la frecuencia
absoluta y el total de datos, usando la siguiente ecuación:

Siendo n el total de
datos.

El cálculo de frecuencias relativas estimadas para el grupo de

perso- nas que realizan una actividad se presenta en la tabla 9.
45 elementos básicos de estadística descriptiva para el análisis de 4
 Tabla 9. Frecuencias relativas para el ejemplo del tiempo (en minutos) requerido por
un grupo de personas para realizar una actividad

Interv alo os)

Nº. de Intervalo Frecuencia relativa
(minu

1 [45 - 50] (2/50)*100 = 4%

2 (50 - 55] (9/50)*100 = 18%

3 (55 - 60] (12/50)*100 = 24%

4 (60 - 65] (11/50)*100 = 22%

5 (65 - 70] (9/50)*100 = 18%

6 (70 - 75] (7/50)*100 = 14%

Total 100%
Elaboración propia

El total de frecuencias relativas debe ser igual al 100%, o

aproximada- mente igual a este valor cuando se presentan
decimales y se redon-
dean los valores del porcentaje.

4.3 Frecuencia absoluta acumulada

La frecuencia absoluta acumulada ) para un xi de una varia-
Ni
( valor
ble X es la adición de las frecuencias absolutas hasta alcanzar la
ni
totalidad de los datos. Se calcula mediante la siguiente ecuación:

Tabla 10. Frecuencias absolutas acumuladas para el ejemplo del tiempo (en
minutos)
requerido por un grupo de personas para realizar una
actividad
Nº. de Intervalo Frecuencia absoluta Frecuencia absoluta
intervalo (minutos) acumulada
1 [45 - 50] 2
2 (50 - 55] 9 2+9 =
3 (55 - 60] 12 2 + 9 + 12 =
4 (60 - 65] 11 2 + 9 + 12 + 11 =
5 (65 - 70] 9 2 + 9 + 12 + 11 + 9 =

46 elementos básicos de estadística descriptiva para el análisis de 4

 6 (70 - 75] 7 2 + 9 + 12 + 11 + 9 + 7
Elaboración propia

47 elementos básicos de estadística descriptiva para el análisis de 4

 4.4 Frecuencia relativa acumulada
La frecuencia relativa
acumulada H i
para un valor de una varia-
xi
ble X es la adición de las frecuencias relativas hasta alcanzar la
hi
totalidad de los datos. Se calcula mediante la siguiente ecuación:

Tabla 11. Frecuencias relativas acumuladas para el ejemplo del tiempo (en minutos)
requerido por un grupo de personas para realizar una actividad
Nº. de Intervalo Frecuencia
Intervalo (minutos) relativa Frecuencia absoluta acumulada
1 [45 - 50] 4% 4%
2 (50 - 55] 18% 4% + 18% = 22%
3 (55 - 60] 24% 4% + 18% + 24% = 46%
4 (60 - 65] 22% 4% + 18% + 24% + 22% = 68%
5 (65 - 70] 18% 4% + 18% + 24% + 22% + 18% = 86%
6 (70 - 75] 14% 4% + 18% + 24% + 22% + 18% + 14% =

Elaboración propia

Al construir las frecuencias acumuladas, se debe considerar que

éstas no aplican a la variable cualitativa.

En la tabla 12 se muestra el consolidado de frecuencias

correspon- dientes al ejemplo del tiempo que requiere un grupo
de personas en realizar una actividad.

Tabla 12. Intervalos y frecuencias para el ejemplo del tiempo (en minutos) requerido por
un grupo de personas para realizar una actividad
Nº. de Intervalo
Intervalo (Tiempo en minutos)
1 [45 - 50] 2 4% 2
2 (50 - 55] 9 18% 11 22
3 (55 - 60] 12 24% 23 46
4 (60 - 65] 11 22% 34 68
5 (65 - 70] 9 18% 43 86
6 (70 - 75] 7 14% 50 10
Elaboración propia

47 elementos básicos de estadística descriptiva para el análisis de distribución de 4

 A partir de la tabla anterior, pueden realizarse los siguientes
análisis:

48 elementos básicos de estadística descriptiva para el análisis de distribución de 4

 » Las frecuencias absolutas y relativas se interpretan a partir
del intervalo.

Ejemplo: 2 personas se demoran entre 45 y 50 minutos en realizar

la actividad o el 4% de las personas se demoran entre 45 y 50
minutos en realizar la actividad; 9 personas se demoran entre 50
y 55 minutos en realizar la actividad o el 18% de las personas se
demoran entre 50 y 55 minutos en realizar la actividad, así
sucesivamente.

» Las frecuencias acumuladas (absolutas y relativas) se

interpretan utilizando la expresiones “máximo”, “hasta” o “a
lo sumo”.

Por ejemplo: 2 personas se demoran máximo 50 minutos en

realizar la actividad o 4% de las personas se demoran hasta 50
minutos en realizar la actividad; 11 personas se demoran a lo
sumo 55 minutos en realizar la actividad o 22% de las personas se
demoran máximo 55 minutos en realizar la actividad, así
sucesivamente.

Es importante tener en cuenta que la marca de clase, por ser

represen- tante del intervalo, sólo será usada para el cálculo de
algunos paráme- tros como la media aritmética y la desviación
estándar, los cuales se explicarán en próximos capítulos.

4.5 Ejercicios de aplicación

1. En un estudio realizado sobre la aplicación de tatuajes

en el cuerpo, a estudiantes universitarios se les
consultaron aspectos como los que se ilustran en la
tabla 13.

49 elementos básicos de estadística descriptiva para el análisis de distribución de 4

 Tabla 13. Variables para el ejercicio de aplicación 4.5
Edad Actividad N°. De Parte del
Género
(años) laboral tatuaje cuerpo
s tatuada
Masculino 19 No 2 Espalda

Femenino 20 Sí 1 Pierna

Masculino 26 Sí 1 Brazo

Masculino 27 Sí 4 Hombros

Masculino 26 Sí 1 Brazo

Femenino 20 Sí 2 Espalda

Masculino 17 No 1 Pierna

Masculino 27 Sí 2 Brazo

Femenino 17 No 1 Pie

Femenino 18 No 1 Pierna

Masculino 17 Sí 5 Brazo

Femenino 19 No 1 Hombros

Femenino 20 No 2 Hombros

Femenino 17 No 4 Espalda

Masculino 22 Sí 1 Espalda

Femenino 17 No 2 Pierna

Femenino 18 No 1 Cuello

Masculino 20 No 4 Brazo

Masculino 18 No 1 Brazo

Masculino 24 No 1 Pierna

Elaboración propia

Clasifique cada una de las variables (género, edad, actividad

laboral, N°. de tatuajes, parte del cuerpo tatuada) según su tipo
(cualitativas, cuantitativas discretas o continuas), y para cada una
de ellas realice la tabulación y la distribución de frecuencias.

2. Analice cada una de las variables tabuladas y responda

las siguientes preguntas:

50 elementos básicos de estadística descriptiva para el análisis de distribución de 5

 a) ¿Qué género presenta mayor aplicación de tatuajes
en el cuerpo?

b) ¿Qué porcentaje de hombres prefieren tatuarse?

c) ¿Cuántas mujeres se tatúan?

d) ¿Qué porcentaje de personas más jóvenes se tatúan?

e) ¿Cuántas personas tatuadas presentan la edad más

alta?

f) ¿De las personas tatuadas, cuántas tienen la edad

máxima de 22 años?

g) ¿Cuántas personas tatuadas tiene una edad mínima

de 20 años?

h) ¿De las personas tatuadas, qué porcentaje labora?

i) ¿Cuántas personas presentan el mayor número de

tatuajes?

j) ¿Qué porcentaje de personas poseen de dos a

cuatro tatuajes?

51 elementos básicos de estadística descriptiva para el análisis de distribución de 5

 k) ¿Cuál es la parte del cuerpo más preferida para
tatuarse?

l) ¿Qué porcentaje de personas se tatúan el cuello?

52 elementos básicos de estadística descriptiva para el análisis de distribución de 5

5Objetivos:
GRÁFICAS O DIAGRAMAS

» Diferenciar las formas de representación gráfica

para un conjunto de datos.
» Construir gráficas e interpretarlas según el tipo
de variable o característica.

Contenido:
5.1 Histogramas
5.2 Polígonos de frecuencia
5.3 Ojivas o polígonos de frecuencias acumuladas
5.4 Diagramas de barras
5.5 Diagrama circular
5.6 Ejercicios de aplicación

52 elementos básicos de estadística descriptiva para el análisis de datos

 5. gráficas o diagramas

La organización de los datos obtenidos en una investigación

mediante tablas de frecuencias no es suficiente para analizar el
comportamiento de la variable. En la mayoría de los casos, las
tablas ofrecen varias opciones de ser abordadas, es decir,
posibilitan distintas entradas por medio de filas o columnas. Para
una comprensión más efectiva del comportamiento de la variable,
se hace útil el empleo de gráficas, dado que éstas permiten
describir rápidamente las características del grupo.

Para representar el comportamiento de una variable se pueden

usar varios tipos de gráficas, entre ellas están los histogramas,
polígonos, ojivas, diagramas de barras y circulares (Berenson,
Levine y Krehbiel,
2006)
.

5.1 Histogramas

El histograma de frecuencias está conformado por un conjunto de

rectángulos distribuidos en un plano cartesiano. Los
histogramas
representan variables cuantitativas
continuas.

En el plano cartesiano, sobre el eje horizontal se distribuyen los

inter- valos de la variable y sobre el eje vertical se ubican las
frecuencias. La base de los rectángulos está determinada por la
amplitud del inter- valo, y la altura de cada rectángulo
corresponde a la frecuencia que
presenta cada intervalo (Martínez,
2007).

Los histogramas pueden representar a las frecuencias absolutas o

relativas, dependiendo de la ubicación que se le dé a éstas sobre
el eje vertical del plano cartesiano. De esta manera se obtiene el

53 elementos básicos de estadística descriptiva para el análisis de 5

 histograma de frecuencias absolutas o el histograma de
frecuencias relativas, como se muestra en las gráficas 1 y 2 para
los datos de la tabla 4, que representan el tiempo que tarda un
grupo de personas en realizar una
actividad
.

54 elementos básicos de estadística descriptiva para el análisis de 5

 Gráfica 1. Histograma de frecuencias absolutas para el ejemplo del tiempo requerido por
un grupo de personas para realizar una actividad

Gráfica 1. Distribución del número de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

Gráfica 2. Histograma de frecuencias relativas para el ejemplo del tiempo requerido por
un grupo de personas para realizar una actividad.

Gráfica 2. Distribución del porcentaje de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

5.2 Polígono de frecuencias

El polígono de frecuencias es un conjunto de líneas sobre un plano

cartesiano que representan el comportamiento de la característica
en la población. Al igual que el histograma, el polígono se aplica a
la variable cuantitativa continua.

Se construye de forma similar al histograma. En el eje

horizontal se ubican las marcas de clase y en el eje vertical las
frecuencias absolutas o relativas. De esta forma es posible
construir el polígono

55 elementos básicos de estadística descriptiva para el análisis de 5

 de frecuencias absolutas o relativas, dependiendo de las
frecuencias utilizadas. En las gráficas 3 y 4 se ilustran estos tipos
de polígonos para el ejemplo que representa a un grupo de
personas que realizan una actividad.

Gráfica 3. Polígono de frecuencias absolutas para el ejemplo del tiempo requerido por
un grupo de personas para realizar una actividad

Gráfica 3. Comportamiento del número de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

Gráfica 4. Polígono de frecuencias relativas para el ejemplo del tiempo requerido por un
grupo de personas para realizar una actividad

Gráfica 4. Comportamiento del número de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

55 elementos básicos de estadística descriptiva para el análisis de gráficas o 5

 Para cerrar el polígono, se debe ampliar la marca de clase en los
extre- mos manteniendo la misma amplitud y ubicando la
frecuencia con el valor de cero.

5.3 Ojivas o polígonos de frecuencias acumuladas

La ojiva representa el comportamiento acumulado de las

unidades de investigación en relación a la variable analizada. Al
igual que en los polígonos, las ojivas pueden ser construidas con
las frecuencias absolutas o relativas. En las gráficas 5 y 6 se
ilustran las ojivas para el ejemplo del grupo de personas que
realizan una actividad.

Gráfica 5. Polígono de frecuencias absolutas acumuladas para el ejemplo del tiempo

requerido por un grupo de personas para realizar una actividad

Gráfica 5. Comportamiento del número de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

Gráfica 6. Polígono de frecuencias relativas acumuladas para el ejemplo del tiempo

requerido por un grupo de personas para realizar una actividad

56 elementos básicos de estadística descriptiva para el análisis de gráficas o 5

 Gráfica 6. Comportamiento del número de personas según el tiempo que tardan en realizar una
actividad. (Elaboración propia).

5.4 Diagrama de barras

El diagrama de barras es de las gráficas más utilizadas en los dife-

rentes tipos de informes debido a que dan a conocer de forma
fácil y sencilla las características de un grupo de elementos de
una muestra o una población, especialmente cuando están
asociadas a variables cualitativas o cuantitativas discretas.

El diagrama de barras consiste en líneas gruesas que constituyen

rec- tángulos de anchura variable que representan los valores que
toma la variable, y de longitud definida por las frecuencias
absolutas o rela- tivas. Las barras se construyen de forma
horizontal o vertical y cada una puede ser representada con
frecuencias absolutas o relativas.

Ejemplo: una institución educativa generó una campaña sobre

orien- tación vocacional para los estudiantes del grado 11; para
ello dispuso de un grupo de profesionales para que, de forma
preliminar, orienta- ran a los alumnos sobre la elección de la
carrera a seguir. Los datos siguientes representan el número de
estudiantes que cada orientador atiende en una hora.

Tabla 15. Número de estudiantes que cada orientador atiende en una hora
Orientador 1 2 3
N°. de estudiantes 4 2 1
Elaboración propia

Al analizar la información se observa que los datos corresponden a

una variable cuantitativa discreta. Para este tipo de variable, la
tabula- ción se realiza ordenando en forma ascendente los valores
que arroja la característica y se procede al cálculo de las
frecuencias absolutas y relativas, tal como se muestra en la tabla
16.

57 elementos básicos de estadística descriptiva para el análisis de gráficas o 5

 Tabla 16. Distribución de frecuencias para la variable cuantitativa discreta

Orientador

1 4 40%

2 2 20%

3 1 10%

4 3 30% 1
Elaboración propia

Gráfica 7. Diagrama de barras horizontal para los estudiantes atendidos por los
orientadores

Gráfica 7. Distribución del número de estudiantes atendidos por cada orientador. (Elaboración
propia).

En la gráfica anterior se puede observar que el orientador 1 es el

que más estudiantes atiende en una hora, mientras que el
orientador 3 solamente atiende a un estudiante en una hora.

Si al diagrama de barras horizontal se invierten los ejes (ver

Gráfica
7), se obtiene el diagrama vertical (ver Gráfica 8). En cualquiera
de los dos diagramas se pueden representar las frecuencias
absolutas o relativas; la elección queda a discreción de quien este
elaborando la gráfica.

Gráfica 8. Diagrama de barras vertical para los estudiantes atendidos por los
orientadores

58 elementos básicos de estadística descriptiva para el análisis de gráficas o 5

 Gráfica 8. Distribución del número de estudiantes atendidos por cada orientador. (Elaboración
propia).

59 elementos básicos de estadística descriptiva para el análisis de gráficas o 5

 5.5 Diagrama circular

El diagrama circular se fundamenta en la distribución de un círculo

por fracciones que representan de forma proporcional los porcen-
tajes de la característica objeto de análisis. Se usa para
representar variables de tipo cualitativas o cuantitativas discretas.
Si el número de categorías sobre las cuales se está realizando la
distribución de los porcentajes es superior a 4, no se recomienda
la construcción del diagrama circular y, en su defecto, se debe
usar el diagrama de barras.

El diagrama circular se construye tomando los 360° de la

circunferen- cia y se divide conforme a las frecuencias relativas de
la característica. Retomando el ejemplo de la tabla 16 sobre el
grupo de profesionales que asisten a los estudiantes del grado 11
en orientación vocacional, se consultó la formación de cada uno
de ellos y se obtuvieron los siguientes datos (ver tabla 17):

Tabla 17. Formación de los orientadores vocacionales

Orientador 1 2 3 4

Formación Psicólogo Pedagogo Psicólogo

Trabajador
Social
Elaboración propia

La información anterior corresponde a una variable cualitativa. Al

tabular los datos y calcular las frecuencias absolutas y relativas se
obtienen los siguientes resultados (ver tabla 18):

Tabla 18. Distribución de frecuencias para la variable

cualitativa

Formación

Psicólogo 2

Pedagogo 1

Trabajador Social 1

Elaboración propia

60 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 Obsérvese que para la variable cualitativa no aplican las
frecuencias acumuladas, debido a que no es posible agrupar
cualidades de forma simultánea una unidad de análisis o de
investigación.

Gráfica 9. Diagrama circular para la formación de los

orientadores

Gráfica 9. Distribución porcentual de la formación del orientador. (Elaboración

propia).

5.6 Ejercicios de aplicación

1. En un estudio realizado en la Comuna Centro-Oriental

de la ciudad de Medellín se indagó a jóvenes sobre los
méto- dos anticonceptivos. Los resultados fueron los
siguientes (ver tabla 19):

Tabla 19. Datos para el ejercicio de aplicación 5.6

Tiempo
Edad
Género Estrato Nivel de Tipo de de
(años) socioec. estudio anticonceptivo
(m

23 Femenino 2 Universitario Inyección

19 Femenino 1 Bachillerato Ritmo

21 Femenino 2 Bachillerato Píldora

19 Femenino 3 Bachillerato Dispositivo

23 Femenino 1 Bachillerato Inyección

20 Femenino 2 Bachillerato Píldora

20 Masculino 3 Bachillerato Preservativo

23 Femenino 3 Universitario Píldora

20 Masculino 1 Bachillerato Preservativo

60 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 19 Masculino 1 Universitario Preservativo
Continúa en la siguiente página

61 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 Edad Estrato Nivel de Tipo de
Género u
(años) socioec. estudio anticonceptivo

15 Femenino 2 Bachillerato Ritmo

18 Femenino 2 Universitario Inyección

21 Masculino 2 Bachillerato Píldora

18 Femenino 2 Bachillerato Píldora

21 Femenino 1 Universitario Dispositivo

23 Femenino 3 Universitario Inyección

23 Femenino 3 Universitario Inyección

20 Femenino 3 Universitario Inyección

23 Femenino 3 Universitario Inyección

23 Femenino 3 Universitario Inyección

23 Masculino 2 Bachillerato Preservativo

20 Femenino 3 Universitario Píldora

20 Femenino 3 Universitario Dispositivo

19 Masculino 2 Universitario Preservativo

22 Femenino 3 Bachillerato Píldora

20 Masculino 2 Universitario Preservativo

18 Masculino 3 Bachillerato Preservativo

19 Femenino 3 Universitario Inyección

17 Femenino 2 Universitario Dispositivo

19 Femenino 3 Universitario Píldora

18 Masculino 2 Universitario Preservativo

22 Femenino 2 Universitario Inyección

17 Femenino 2 Bachillerato Píldora

22 Femenino 2 Bachillerato Inyección

20 Femenino 3 Universitario Píldora

15 Femenino 2 Bachillerato Ritmo

14 Femenino 2 Bachillerato Píldora

18 Femenino 2 Bachillerato Píldora

Continúa en la siguiente página

62 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 Tiempo
Edad Estrato Nivel de Tipo de
de uso
(años) socioec estudio anticonceptiv
Género (meses
. o
)
21 Masculino 2 Universitario Preservativo
36

18 Femenino 2 Bachillerato Dispositivo 5

21 Femenino 2 Universitario Píldora

48

23 Femenino 3 Bachillerato Dispositivo

36

21 Femenino 3 Bachillerato Dispositivo

24

16 Masculino 3 Bachillerato Preservativo

12

22 Femenino 3 Universitario Píldora 36

23 Femenino 2 Bachillerato Dispositivo 24

20 Masculino 3 Universitario Preservativo 36

19 Femenino 1 Bachillerato Inyección 12

21 Femenino 3 Bachillerato Inyección 24

23 Masculino 2 Bachillerato Preservativo 48

18 Masculino 2 Bachillerato Preservativo 12

19 Masculino 3 Bachillerato Preservativo 24

20 Femenino 3 Universitario Inyección 24

22 Femenino 2 Universitario Píldora 12

20 Femenino 1 Bachillerato Inyección 12

18 Masculino 2 Bachillerato Preservativo 24

23 Femenino 3 Universitario Inyección 12

20 Masculino 3 Universitario Preservativo 36

21 Femenino 3 Universitario Inyección 24

20 Masculino 3 Universitario Preservativo 24

Elaboración propia

63 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 Para las variables reportadas en el estudio, realice las gráficas que
correspondan a cada una de ellas y analice su comportamiento,
teniendo en cuenta la clasificación de la tabla 20:

Tabla 20. Clasificación de variables para el ejercicio de aplicación 5.6

Tipo de gráfica que

Variable aplica

Histograma
Edad Polígono
Ojiva

Diagrama de barras
Género Diagrama circular

Diagrama de barras
Estrato socioeconómico Diagrama circular

Diagrama de barras
Nivel de estudio Diagrama circular

Diagrama de barras
Tipo de anticonceptivo
Diagrama circular

Histograma
Tiempo de uso Polígono
Ojiva
Elaboración propia

Es preciso recordar que para realizar las gráficas, previamente se

debe hacer la tabulación y la distribución de frecuencias para cada
variable.

64 elementos básicos de estadística descriptiva para el análisis de gráficas o 6

 TABULACIÓN DE DATOS
6 BINARIOS O CRUZADOS
Objetivos:

» Relacionar dos variables por medio de la

tabulación.
» Construir e interpretar tablas cruzadas a partir de
la fila o de la columna.

Contenido:
6.1 Tabla de contingencia de porcentaje de fila
6.2 Tabla de contingencia de porcentaje de
columna
6.3 Ejercicios de aplicación

64 elementos básicos de estadística descriptiva para el análisis de datos

 6. tabulación de datos binarios o cruzados

En la mayoría de los estudios estadísticos se emplea el análisis

uni- dimensional para interpretar su comportamiento de forma
aislada o individualmente. Sin embargo, los vínculos que tienen
las diferentes personas, objetos o fenómenos, facultan el
establecimiento de rela- ciones entre las características o
variables que ellas presentan. Estas relaciones permiten analizar
simultáneamente el comportamiento de dos variables, ya sean
cualitativas o cuantitativas, usando para ello la
tabulación cruzada o tablas de
contingencia.

En el siguiente ejemplo se demuestra el procedimiento para la

elabo- ración de una tabla de contingencia:

Un informe sobre instituciones de educación superior de una

región muestra, entre sus resultados, la calidad académica de la
institución y la antigüedad en años de funcionamiento. La calidad
académica corresponde a una variable cualitativa, calificada como
excelente, muy buena y buena. La antigüedad, como variable
cuantitativa conti- nua, oscila entre 10 y 49 años. La muestra fue
de 300 instituciones. En la tabla 21 sólo se muestran los datos
para las primeras 10 insti- tuciones.

Tabla 21. Calidad académica y antigüedad de las instituciones de educación superior.

Institución Calidad académica Antigüedad en añ
1 Buena
2 Muy buena
3 Buena
4 Excelente
5 Muy buena
6 Buena
7 Muy buena
Elaboración propia

El formato general para la tabla de contingencia o tabulación

cruzada se describe en la tabla 22, con la síntesis de los datos

65 elementos básicos de estadística descriptiva para el análisis de 6

 para las insti- tuciones de educación superior. En los costados
izquierdo y superior

66 elementos básicos de estadística descriptiva para el análisis de 6

 se ubican los encabezados de las variables y en las demás
posiciones, el número de instituciones que presentan
simultáneamente la calidad y antigüedad correspondientes. De
esta manera, en cada intervalo de antigüedad se cuenta el
número de instituciones que presentan eva- luación en cada
categoría (buena, muy buena y excelente).

En la tabla 22 se observa que la mayor cantidad de instituciones

edu- cativas (64) tienen calidad “muy buena”, y que la antigüedad
está entre 20 y 29 años. Sólo hay dos instituciones con calidad
“excelente” y antigüedad entre 10 y 19 años. De forma análoga
se interpretan las demás frecuencias. Como se observa en la tabla
22, los totales de los costados derecho e inferior indican la
distribución de frecuencias de la calidad académica y de la
antigüedad de la institución, respec- tivamente. Es posible
observar que hay 84 instituciones con buena calidad académica,
150 muy buena y 66 excelente. De forma similar, se puede
observar en la margen inferior la distribución de frecuen- cias de
la antigüedad: 78 instituciones tienen entre 10 y 19 años, 118
entre 20 y 29, 76 entre 30 y 39 y 28 entre 40 y 49.

Tabla 22. Tabulación cruzada o tabla de contingencia de la calidad académica y la

antigüedad de las instituciones de educación superior
Antigüedad (años)
Calidad Total
académica
10 - 19 20 - 29 30 - 39 40 - 49
Buena 42 40 2 0
Muy buena 34 64 46 6
Excelente 2 14 28 22
Total 78 118 76 28
Elaboración propia

A partir de los resultados de la tabla 22, la mayor antigüedad

parece estar asociada con una mayor calidad académica de la
institución, y la antigüedad más baja con una menor calidad
académica.

67 elementos básicos de estadística descriptiva para el análisis de 6

 6.1 Tabla de contingencia de porcentaje de fila

Al convertir las frecuencias de la tabla 22 a porcentajes de fila o

de columna, es posible tener un panorama más amplio de la
relación existente entre las variables. Para obtener los porcentajes
de fila, se divide cada frecuencia entre su respectivo total de la
fila. Por ejem- plo, el porcentaje de instituciones con buena
calidad y antigüedad entre 10 y 19 años (50%), se obtiene
dividiendo 42 entre 84 (ver tabla
23)
.

Tabla 23. Tabulación cruzada o tabla de contingencia de porcentaje de fila para la

calidad académica y la antigüedad de las instituciones de educación
superior.

Antigüedad (años)
Calidad Total
académica 10 - 19 20 - 29 30 - 39 40 -
49
Buena 50,0% 47,6% 2,4% 0,0%

Muy buena 22,7% 42,7% 30,6% 4,0%

Excelente 3,0% 21,2% 42,4% 33,4%

Elaboración propia

6.2. Tabla de contingencia de porcentaje de columna

Los porcentajes de columna se obtienen de forma similar, es decir,

dividiendo cada frecuencia de la columna entre el total de cada
una de ellas. Por ejemplo, el porcentaje de instituciones con
antigüedad entre 10 y 19 años con buena calidad académica
(53,8%), se consigue dividiendo 42 entre 78; estos resultados se
ilustran en la tabla 24.

Tabla 24. Tabulación cruzada o tabla de contingencia de porcentaje de columna para la

calidad académica y la antigüedad de las instituciones de educación superior.

Antigüedad (años)
Calidad
académica 10 - 19 20 - 29 30 - 39 40 - 49
Buena 53,8% 33,9% 2,6%

Muy buena 43,5% 54,2% 60,6%

67 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 6

 Excelente 2,7% 11,9% 36,8%

Total 100% 100% 100%

Elaboración propia

68 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 6

 De las tablas anteriores se deduce que en la categoría de buena
calidad académica, el 50% de las instituciones tiene antigüedad
entre 10 y 19 años, el 47,6% entre 20 y 29 años, el 2,4% entre 30
y 39 años y ninguna entre 40 y 49 años (tabla 24). Mientras que
en las instituciones menos antiguas (ubicadas entre 10 y 19 años),
el 53,8% tuvieron buena calidad académica, 43,5% como muy
buena y 2,7% como excelente (ver tabla 24).

6.3 Ejercicios de aplicación

En un ejercicio de indagación sobre la preferencia de los

estudiantes de Psicología de la Fundación Universitaria Luis Amigó
de Medellín por las corrientes psicológicas y el rendimiento
académico en los cur- sos relacionados con éstas, se obtuvo la
siguiente información:

Tabla 25. Datos para la tabulación cruzada del ejercicio de aplicación

6.3.

Nota Nota Nota

N°. E Corriente promedi promedi promedi
studiante Nivel preferida o cursos o ursos o cursos
humanistas dinámicos cognitivos
1 8 Dinámica 4,2 4,6 4,5

2 5 Humanista 4,0 3,9 3,6

3 9 Humanista 4,3 3,8 4,0

4 6 Cognitiva 3,5 3,6 3,9

5 6 Dinámica 3,7 4,2 3,8

6 7 Cognitiva 3,9 3,8 4,3

7 8 Cognitiva 4,2 4,0 4,2

8 8 Cognitiva 4,4 3,9 4,4

9 8 Humanista 4,3 3,5 3,2

10 6 Dinámica 3,8 3,6 3,5

11 9 Humanista 3,8 3,2 3,6

12 7 Cognitiva 3,2 3,8 4,0

13 8 Dinámica 3,6 3,9 3,5

14 8 Dinámica 3,4 4,2 3,2

69 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 6
 Continúa en la siguiente página

70 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 7

 Nota Nota Nota
N°. Estudiante Nivel promedio promedio promedio
Corriente
cursos ursos cursos
preferida humanistas dinámicos cognitivos
15 8 Cognitiva 3,5 3,4 3,8

16 5 Humanista 3,5 3,4 3,6

17 8 Cognitiva 3,1 3,4 3,8

18 5 Cognitiva 3,6 3,4 4,0

19 8 Humanista 3,9 3,6 4,0

20 7 Dinámica 3,6 4,2 3,4

21 9 Cognitiva 3,5 3,5 3,8

22 6 Dinámica 3,7 4,2 3,6

23 8 Cognitiva 3,6 3,5 3,9

24 5 Humanista 4,4 3,5 3,6

25 8 Humanista 4,0 3,2 3,4

26 6 Dinámica 3,4 3,8 3,2

27 9 Cognitiva 3,0 3,5 3,9

28 7 Cognitiva 3,5 3,4 3,8

29 5 Dinámica 3,1 3,9 3,6

30 6 Cognitiva 3,8 3,2 3,6

8
31 Cognitiva 4,0 3,6 3,9

32 7 Dinámica 3,4 3,6 4,2

33 9 Dinámica 3,6 3,4 4,0

34 6 Cognitiva 3,6 3,9 4,2

35 5 Cognitiva 3,9 3,5 4,2

36 5 Humanista 4,0 3,6 3,8

37 6 Humanista 4,5 3,2 3,5

38 7 Dinámica 3,6 3,9 3,6

39 8 Cognitiva 3,8 3,4 3,9

40 7 Cognitiva 3,2 3,5 4,2

Elaboración propia

71 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 7

 Realice las tablas de contingencia de porcentaje de fila y de
columna relacionando las siguientes variables e interprete los
resultados:

1. Nivel y corriente preferida.

2. Corriente preferida y nota promedio de cursos humanistas.

3. Corriente preferida y nota promedio de cursos dinámicos.

4. Corriente preferida y nota promedio de cursos cognitivos.

5. Responda las siguientes preguntas:

- ¿Qué porcentaje de estudiantes del nivel 9
prefieren la corriente cognitiva?

72 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 7

 - ¿Qué porcentaje de estudiantes del nivel 9
prefieren la corriente dinámica?

- ¿Qué porcentaje de estudiantes del nivel 9

prefieren la corriente humanística?

- ¿Cuántos estudiantes presentan la nota

promedio más alta en la corriente humanista?

- ¿Cuántos estudiantes presentan la nota

promedio más baja en la corriente cognitiva?

- ¿Cuántos estudiantes presentan la nota

promedio más alta en la corriente dinámica?

73 elementos básicos de estadística descriptiva para el análisis de tabulación de datos binarios o 7

 MEDIDAS DE TENDENCIA
7 CENTRAL
Objetivos:

» Conocer las medidas de tendencia central para

un conjunto de datos.
» Calcular e interpretar las medidas de
tendencia central para datos agrupados y sin
agrupar.

Contenido:
7.1 Media aritmética
7.2 Mediana
7.3 Moda
7.4 Ejercicios de aplicación

72 elementos básicos de estadística descriptiva para el análisis de datos

 7. medidas de tendencia central

En los estudios estadísticos es importante el análisis de la informa-

ción que corresponde a variables cualitativas y cuantitativas, a
partir de la tabulación y la representación de los datos por medio
de grá- ficas. Además de esto, es necesario analizar los datos por
medio de cálculos matemáticos que resuman el comportamiento
de las caracte- rísticas del objeto de estudio.

En la mayoría de los casos, el conjunto de datos obtenidos, ya

sea de una muestra o de una población, tienden a reunirse
alrededor de un valor central. De esta manera, es posible
obtener un valor típico o representativo de todo el conjunto de
datos, el cual se denomina medida de tendencia central (Walpole
y Myers, 2012). Las medidas de tendencia central más
representativas son: media aritmética, mediana
y
moda.

7.1 Media aritmética

La media aritmética es la medida de tendencia central más

utilizada y la de mayor representatividad en los análisis
estadísticos. Representa el promedio del conjunto de datos de la
muestra. Su cálculo se rea- liza con la suma de todos los valores
de los datos, dividida entre el número de datos que componen la
muestra. Si la variable de estudio
está representada por X, la media aritmética se representa por
X .

Cuando los datos son pocos y no se han agrupado en clases o

interva- los, la media aritmética sería:

73 elementos básicos de estadística descriptiva para el análisis de 7

 Donde
: media aritmética de la muestra

74 elementos básicos de estadística descriptiva para el análisis de 7

 : total de datos de la muestra
: dato de la variable
: suma de todos los valores de la muestra

Por ejemplo, sea X el tiempo que tarda en horas un grupo de 4

estu- diantes en realizar una actividad, cuyos valores son: 2, 4, 3 y
5.
2 4 3 5 14
La media aritmética X    3, 5 horas.
es 4 4
En este caso, el tiempo promedio que tardó el grupo de
estudiantes en realizar la actividad fue 3,5 horas.

Cuando se agrupan los datos en una tabla de frecuencias, sin

cons- truir intervalos, se calcula la media aritmética mediante la
siguiente formula:

Donde ni es frecuencia absoluta para cada valor de la variable.

Por ejemplo, sea X el número de hijos de los empleados de una

orga- nización, los cuales se representan en la tabla 26.

Tabla 26. Número de hijos de los empleados

Número de hijos Frecuencia
0 1 0 x 1 =
1 2 1 x 2 =
2 4 2 x 4 =
3 2 3 x 2 =
4 1 4 x 1 =

Elaboración propia

 ∑ x *n i i

20
i 1
X  2
hijos.
n 10

75 elementos básicos de estadística descriptiva para el análisis de 7

 Lo que significa que el promedio de hijos para el grupo de
empleados es 2.

Si el conjunto de datos se han agrupado en intervalos, el cálculo

de la media aritmética se realiza mediante la siguiente fórmula:

.
Donde xi es la marca de clase de cada intervalo.

Retomando la información de la tabla 12, donde se analiza el

tiempo que tarda un grupo de personas en realizar una actividad,
la media aritmética será:

Tabla 27. Media aritmética para el ejemplo del tiempo (en minutos) que tarda un grupo
de personas en realizar una actividad

Nº. de Minutos
Intervalo
1 [45 - 50] 47,5 2 9

2 (50 - 55] 52,5 9 472

3 (55 - 60] 57,5 12 69

4 (60 - 65] 62,5 11 687

5 (65 - 70] 67,5 9 607

6 (70 - 75] 72,5 7 507

Elaboración propia

N .
 ∑ x*n i i

3060
X i 1
  61, 2 minutos.
n 50
Lo que significa que el tiempo promedio que tarda el grupo
de personas en realizar la actividad es 61,2 minutos.

75 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 7

 7.2 Mediana

La mediana en un conjunto de datos es el valor que ocupa el lugar

central, de tal forma que aquel valor deja el 50% de las
observaciones por debajo de él y el otro 50% por encima de él.
Para la ubicación de la posición de la mediana se deben ordenar
los datos de forma ascen- dente. La mediana es representada por
Me .

Si el conjunto de datos no se han agrupado, la posición de la

mediana se ubica según los siguientes criterios:

Cuando el total de datos (n) es impar, la posición de la mediana

estará determinada por la fórmula:

Mientras que si el total de datos (n) es par, la posición de la

mediana estaría determinada por:

Por ejemplo, sea X el número de errores por página cometidos por

un grupo de digitadores, los cuales se presentan en la tabla 28.

Tabla 28. Número de errores por página cometidos por un grupo de

digitadores.

Digitador A B C D
E
Nº de 3 6 4 5
errores
8

Elaboración propia

Inicialmente se deben ordenar los datos en forma ascendente,

esto es: 3, 4, 5, 6, 8. Por tratarse de una muestra, se asume Me
como un estimador de la mediana para la población. Esto es, el
total de datos es n = 5 y la posición para el estimador será:

76 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 7

 El valor que corresponde a la posición
en el conjunto de datos
i3
ordenados es 5.

Nº. de errores 3 4

Posición i1 i2 i
Elaboración propia

En consecuencia, el estimador para la mediana Me es 5. Es

decir, el
50% de los digitadores cometen 5 errores o menos por página, y
el otro 50% cometen 5 errores o más por página.
Suponiendo que en el ejemplo anterior se toma un nuevo grupo de
digitadores y se obtienen los siguientes resultados ordenados de
forma ascendente: 5, 5, 7, 9, 11, 13, 13, 15.

En este caso, el total de datos es n = 8. Al calcular la posición

para la mediana se tendrá:
Xn Xn X8 X8
1
1 X X
i 2 2
 2 2
 4 5

2 2 2

Los valores que corresponden a las posiciones y 5 en el conjunto i

i4
de datos, luego de ser ordenados, son 9 y 11, respectivamente.

Nº de errores 5 5 7 9 11 13

Posición i1 i 2 i3 i4 i5 i6
Elaboración propia

En consecuencia, el valor de la mediana será:

errores.

Es decir, el 50% de los digitadores cometen menos de 10 errores

por página, y el otro 50% cometen 10 o más errores por página.

77 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 7

 En caso de que el conjunto de datos esté agrupado en
intervalos, el cálculo de la mediana se realiza mediante el
siguiente procedimiento:

1. Hallar N
2
2. Ubicar el intervalo cuya frecuencia absoluta acumulada
N i contiene a N
2
3. Calcular la mediana mediante la fórmula

Donde:

: límite inferior del intervalo que contiene a N

2
: número total de datos de la población

: frecuencia absoluta acumulada anterior al intervalo que

con tiene a N
2
: frecuencia absoluta del intervalo que contiene a N
2

c : amplitud del intervalo que contiene a N

2
Es importante aclarar que cuando el conjunto de datos
corresponden a una muestra, la fórmula para la mediana se
asume como un estima- dor y, en consecuencia, el total de datos
se representa por n.

Para el ejemplo mencionado anteriormente en la tabla 12, sobre el

tiempo que tarda un grupo de personas en realizar una actividad,
se tiene la información de la tabla 29.

78 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 7

 Tabla 29. Cálculo de la mediana para el ejemplo del tiempo (minutos) requerido por un
grupo de personas para realizar una actividad

Nº. de Minutos
Intervalo
1 [45 - 50] 2 4% 2

2 (50 - 55] 9 18% 11 2

3 (55 - 60] 12 24% 23 4

4 (60 - 65] 11 22% 34 6

5 (65 - 70] 9 18% 43 8

6 (70 - 75] 7 14% 50 10

Elaboración propia

Para calcular el estimador de la mediana, se utilizan los pasos

descri- tos en el enunciado anterior, esto es:

1. El total de personas que realizaron la actividad es 50, por

lo tanto, n  50  personas.
25 2 2
2. Al analizar la frecuencia absoluta acumulada, se
encuentra que 25 se ubica en el 4° intervalo (no es
posible ubicar el valor de 25 en el tercer intervalo,
debido a que solo acu- mula 23 personas).

3. Los datos para el cálculo de la mediana serán:

Luego,

n
− −

79 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 7

 Significa que el 50% de las personas realizaron la actividad en
60,9 minutos o menos y el otro 50% tardaron más de 60,9
minutos.

En los análisis estadísticos, la medida de tendencia central más

repre- sentativa es la media aritmética. Sin embargo, en aquellos
casos en los cuales se presentan valores extremos, es preferible
usar la mediana en vez de la media, debido a que ésta no es
afectada por valores extre- mos y por lo tanto, no es tan sensible
como la media aritmética.

Por ejemplo: sea X la edad (en años) de un grupo de personas

perte- necientes a un club de actividades lúdicas, estas son: 17,
16, 17, 18,
17, 16, 17, 18,
35.

Al calcular la media aritmética X se tendría un promedio de 19

años y la mediana Me de 17 años. Sin embargo, al analizar el
comporta- miento de las edades de los deportistas, se observa
que estas tienden a agruparse más alrededor de 17 que a 19
años. Además, la media aritmética se afecta directamente con la
presencia del valor extremo de 35 años, mientras que la mediana
se mantiene en su valor, inde- pendiente de los valores extremos
que se presenten en el conjunto de datos. En estos casos, es decir
cuando se presentan valores extremos que afectan visiblemente
el promedio en el conjunto de datos, se pre- fiere como medida de
tendencia central a la mediana y no a la media aritmética.

7.3 Moda

En la vida cotidiana se escucha la expresión “está de moda”

cuando algo se observa o se presenta repetidamente. En
estadística, el con- cepto de la moda no se aleja de esta
apreciación y, efectivamente, se denomina moda de un conjunto
de datos al valor que más se pre- senta, es decir, el atributo o el
valor de mayor frecuencia. La moda se representa por Mo y puede

80 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 ser aplicada a las variables cualitativas y cuantitativas discretas o
continuas.

81 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 Para obtener la moda de un conjunto de datos que están sin
agrupar, se construyen las frecuencias y se ubica el valor o la
característica que corresponde a la frecuencia mayor. Por ejemplo,
los siguientes son los resultados obtenidos al indagar a varias
personas por el color de preferencia: blanco, azul, rosado, azul,
negro, azul, morado, azul, negro y blanco; al construir las
frecuencias en la preferencia de las personas, se tiene (ver tabla
30):

Tabla 30. Moda para la variable cualitativa

Color
Blanco

Azul

Rosado

Negro

Morado
Elaboración propia

En la tabla 30 se observa que el color con mayor frecuencia es el

azul, por tanto, la moda en el color de preferencia de las personas
es el azul.

En el ejemplo anterior se presenta una sola moda, razón por la

cual se denomina a este conjunto de datos como una distribución
unimodal. Cuando existen varias modas, se denomina distribución
multimodal y en caso de no existir moda, se denomina amodal.
Veamos, el número de cursos matriculados por varios
estudiantes en un semestre son:
6, 7, 6, 6, 7, 8, 9, 7; en este caso existen dos modas: 6 y 7, dado
que cada uno de estos cursos presentan igual número de
frecuencia y, además es la máxima; por tal razón, se denomina
una distribución multimodal (particularmente bimodal).

Cuando los datos han sido agrupados en clases o intervalos, la

moda se calcula utilizando la ponderación en el intervalo, con el
siguiente procedimiento (Posada y Buitrago, 2008):

82 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 1. Ubicar el intervalo (o los intervalos) con mayor frecuencia
absoluta ni

2. Calcular la moda (o las modas) con la fórmula:

∆1
∆ 12 ∆
Donde
:
li : límite inferior del intervalo con mayor frecuencia absoluta

∆1 : diferencia entre la mayor frecuencia absoluta y la

anterior

∆ 2 : diferencia entre la mayor frecuencia absoluta y la

siguiente c : amplitud del intervalo con mayor frecuencia

absoluta

Al retomar el ejemplo mencionado anteriormente en la tabla 12,

sobre el tiempo que tarda un grupo de personas en realizar una
actividad, se toma la siguiente información para el cálculo de la
moda (ver tabla
31)
:

Tabla 31. Moda para el ejemplo del tiempo (en minutos) requerido por un grupo de
personas para realizar una actividad

Nº. de Intervalo Minutos

1 [45 - 50] 2 4% 2 4

2 (50 - 55] 9 18% 11 22%

3 (55 - 60] 12 24% 23 46%

4 (60 - 65] 11 22% 34 68%

5 (65 - 70] 9 18% 43 86%

6 (70 - 75] 7 14% 50 100%

Elaboración propia

83 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 1. El intervalo de mayor frecuencia absoluta es el 3.

2. Los valores para el cálculo de la moda son:

84 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 = 55

= 12 – 9 = 3

= 12 – 11 = 1

c = 60 – 55 = 5

Por lo tanto, la moda sería:

Mol i
1

12


Es decir, el tiempo que la mayoría de personas invierten para

realizar la actividad es 58,75 minutos.

7.4. Ejercicios de aplicación

Se aplicó una encuesta a estudiantes de grado once de un colegio

femenino ubicado en la ciudad de Medellín (Posada, 2014). El
tema central fue la educación sexual, con preguntas orientadas a
la for- mación, conocimiento y prácticas sobre la sexualidad.
Algunas de las preguntas fueron extraídas para realización de este
ejercicio y apare- cen en la tabla 32:

85 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 Tabla 32. Datos para el ejercicio de aplicación 7.4.
Importancia Influencia Relaciones
N° de Protección N°
de
N° de del sexuales
Tiene Estrato métodos en
de la relaciones
relaciones alcohol en con alguien
Estudiante herman@s socioec. que ha
Edad anticonce primer
que
p. relació
a sexuales en las d ife
conoce n tenido
el noviazgo relaciones su
1 Sí 3 15 5 No Sí No 7
2 Sí 3 17 1 Sí Sí No 1
No
3 Sí 3 16 5 Sí No 0
responde
4 No 3 15 6 Sí Sí Sí 3
No
5 No 3 15 3 No Sí 0
responde
6 No 4 15 8 Sí Sí Sí 2

7 Sí 3 16 7 Sí Sí No 8

8 No 4 17 9 Sí Sí Sí 9

9 Sí 3 18 8 No Sí Sí 3

10 Sí 3 16 10 Sí Sí Sí 8

11 Sí 3 14 11 Sí Sí Sí 7

12 Sí 2 16 4 Sí Sí Sí 7

13 Sí 3 18 5 Sí Sí No 2
No
14 Sí 3 15 6 Sí Sí 0
responde
15 Sí 3 16 8 Sí Si Sí 3

16 No 3 17 2 Sí Si No 2

17 Sí 3 17 9 Sí No Sí 3

18 Sí 4 17 3 Sí Sí No 3

19 No 3 14 7 Sí Sí Sí 3

20 Sí 2 15 9 Sí No Sí 2

21 Sí 3 16 8 Sí Sí Sí 7

22 Sí 3 18 6 No Sí Sí 1

23 No 3 19 7 Sí Sí Sí 8
No
24 No 3 17 8 No Sí 0
responde
No
25 No 2 14 2 Sí Sí 0
responde
No
26 Sí 3 15 3 Sí Sí 0
responde
No
27 No 3 15 4 Sí Sí 0
responde
No
28 No 3 16 3 No Sí 0
responde
No
29 Sí 3 19 9 Sí Sí 0
responde

86 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 No
30 Sí 2 16 7 No Sí 0
responde
Basada en la encuesta a estudiantes de grado once de un colegio femenino ubicado en la ciudad de Medellín, semestre 01 de 2014.

87 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

 1. Calcule e interprete la media aritmética, mediana y
moda para las variables “N°. de métodos
anticonceptivos que conoce y N°. de relaciones que ha
tenido”.

2. Agrupe en intervalos la variable “edad” y calcule la

media aritmética, mediana y moda. Interprete los
resultados.

3. Calcule la moda para las variables cualitativas e

interprete los resultados.

88 elementos básicos de estadística descriptiva para el análisis de medidas de tendencia 8

8
Objetivos:
MEDIDAS DE POSICIÓN

» Conocer las medidas de posición que se aplican a

un conjunto de datos.
» Calcular e interpretar las medidas de posición
para los datos agrupados y sin agrupar.

Contenido:
8.1 Cuartiles
8.2 Deciles
8.3 Percentiles
8.4 Ejercicios de aplicación

86 elementos básicos de estadística descriptiva para el análisis de datos

 8. medidas de posición

Las medidas de posición, también llamadas cuantiles, son aquellas

que permiten calcular valores en la distribución de los datos y que
la dividen en partes iguales, de tal forma que los intervalos
generados por los cuantiles contienen el mismo número de datos.
Los cuantiles más usados son los cuartiles, deciles y percentiles.
Cuando se tienen datos agrupados en intervalos, estas medidas se
consideran en cierta forma como una extensión de la mediana.

8.1 Cuartiles

Los cuartiles (Q ) son valores que fraccionan la distribución de

k
los datos en cuatro partes iguales (Ruíz Muñoz, 2005). Existen tres
cuar-
tiles y cada una de las partes representa un 25% de los
datos.
El primer cuartil Q deja por debajo el 25% de la distribución de los
1
datos o el 75% por encima de él. El segundo cuartil (Q ) acumula el
2
50% de los datos por debajo y el otro 50% por encima de él (por
tal razón es igual a la mediana); y el tercer cuartil (Q ) deja por
3
debajo el
75% de los datos y por encima el 25% (Ruíz Muñoz, 2005).

El cálculo de los cuartiles se realiza mediante el

siguiente procedimiento:

1. Ordenar los datos de forma

ascendente.

2. Calcular la posición con la ecuación: . Donde K

es el número del cuartil (k = 1, 2, 3) y n el número total
de datos.

3. Si no es un número entero, se debe redondear al

entero siguiente y el valor que ocupa esta posición
será el cuartil requerido. Si es un número entero, el
cuartil es el

87 elementos básicos de estadística descriptiva para el análisis de 8

 promedio de los valores e .
1.

88 elementos básicos de estadística descriptiva para el análisis de 8

 Ejemplo: se le consultó a un grupo de siete estudiantes el
número de horas semanal que dedican para el repaso de los
temas vistos en clase, obteniendo los siguientes resultados: 3, 5,
2, 7, 6, 4, 9 horas. Para el cálculo de los cuartiles, se empleará el
procedimiento descrito anteriormente.

1. Ordenar los datos en forma ascendente: 2, 3, 4, 5, 6, 7, 9.

2. Para el cuartil Q la posición

1
,
1
sería: 4
3. Dado que no es un entero, se redondea al entero siguien-
te, es decir a 2. En este caso, el cuartil corresponde al
Q 1

valor ubicado en la posición 2, el cual es 3 horas. Su

inter- pretación significa que el 25% de los estudiantes
dedican máximo 3 horas semanales para el repaso a los
temas vis- tos en clase.
, 2
De forma similar, para el cuartil la posición sería:  
Q 2 4
Como no es un entero, se redondea al entero siguiente, es decir a 4.
Por tanto, el cuartil Q será el valor correspondiente a la posición 4,
2
el cual es 5 horas. Esto es, el 50% de los estudiantes dedican máximo
5 horas semanales para el repaso a los temas vistos en clase.
Nótese que este valor corresponde a la mediana.
En este caso, para el cuartil la posición sería:
Q 3

 7
Al redondearla quedaría en 6, y el valor del cuartil es 7 horas.
Q 3

Indica que el 75% de los estudiantes dedican máximo 7 horas

sema- nales para el repaso a los temas vistos en clase.

Ejemplo: la talla de los neonatos prematuros nacidos en los partos

durante una noche en un hospital fueron: 40, 37, 29, 31, 32, 38,
38, 38 cm.; para el cálculo de los cuartiles se empleará el
procedimiento del ejemplo anterior, teniendo en cuenta el
resultado obtenido al calcular la posición .
89 elementos básicos de estadística descriptiva para el análisis de 8
 Primer paso: ordenar los datos en forma ascendente: 29, 31, 32, 37,
38, 38, 38, 40.
1
Segundo paso: para el cuartil la posición i  8 2
Q 1
sería: 4
Tercer paso: dado que es un entero, el cuartil corresponde al
Q 1

promedio entre los valores ubicados en las posiciones 2 y 3. Esto es,

Q1 cm. Su interpretación significa que el 25% de los neo-

natos prematuros presentaron una talla máxima de 31,5 cm.

El cuartil Q tendría la posición i  y sería el promedio entre los
2
valores ubicados en las posiciones 4 y 5. Esto es,

cm.
Su interpretación significa que el 50% de los neonatos
prematuros presentaron una talla máxima de 37,5 cm, igual a la
mediana.
3
i
Para el Q , la posición  8 6
4 y sería el promedio entre los
será: 3

valores ubicados en las posiciones 6 y 7. Esto 37 38

Q2   37, cm. Su
es, 2
interpretación significa que el 75% de los neonatos prematuros pre-
sentaron una talla máxima de 38 cm.

Si los datos se han agrupado en clases o intervalos, los cuartiles

se calculan mediante la siguiente ecuación (Posada y Buitrago,
2008):

Donde:

k : número del cuartil, k= 1, 2, 3.

n : número total de datos.

89 elementos básicos de estadística descriptiva para el análisis de medidas de 8

 : límite inferior del intervalo que contiene a k(n/4).

90 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 : frecuencia absoluta acumulada anterior al intervalo que
con tiene a k(n /4).

: frecuencia absoluta del intervalo que contiene a k(n /4).

: amplitud del intervalo.

Ejemplo: en la tabla 33 se presentan los datos ordenados de la

esta- tura, en centímetros, de un grupo de mujeres que asisten al
gimnasio.

Tabla 33. Cuartiles para la estatura en centímetros de un grupo de mujeres que

asisten al gimnasio

Nº. de Intervalo
Intervalo (Estatura en cm)
1 [150 – 155] 1 3% 1 3%

2 (155 – 160] 11 31% 12 34%

3 (160 – 165] 13 37% 25 71%

4 (165 – 170] 6 17% 31 89%

5 (170 – 175] 4 11% 35 100%

Elaboración propia

El cuartil uno se calcula mediante el siguiente procedimiento:

1. Se halla k(n /4). (1*35/4 = 8,75)

2. Se ubica el intervalo que contiene a k(n /4) en la

frecuencia absoluta acumulada N . (El segundo
i
intervalo contiene a
8,75 en la frecuencia absoluta acumulada).

3. El primer cuartil se obtiene mediante la fórmula:

91 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 Nota: la descripción de los componentes de la fórmula es la
misma que se realizó en la mediana.

Se estima que el 25% de las mujeres que asisten al gimnasio

presentan una estatura máxima de 159,4 cm.

De forma similar se obtienen los cuartiles dos y tres.

n 35
− −
Q2 160 4 *5 162,1 cm
13

n 35
− N i −1 −
4 * 165 4 *5 166 cm
3 6
C
ni

El 50% de las mujeres presentan una estatura máxima de 162,1 cm

(cuartil dos) y el 75% tienen una estatura máxima de 166 cm
(cuartil tres).

8.2 Deciles

Los deciles (D ) son valores que fraccionan la distribución de los

k
datos en diez partes iguales (Ruíz Muñoz, 2005). En la
distribución se pre-
sentan nueve deciles: el acumula el 10% del conjunto de datos, el
D 1

92 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 D2deja el 20%, y así sucesivamente hasta el 9D , que acumula el 90%
de los datos. Para el cálculo de los deciles se usa un
procedimiento similar al de los cuartiles:

1. Ordenar los datos de forma ascendente.

2. Calcular la posición con la ecuación:
 . Donde K es el número

del decil (k = 1, 2, 3, 4, 5, 6, 7, 8, 9) y n el número total de

datos.

3. Si la posición no es un número entero, se debe redondear al

entero siguiente y el valor que ocupa esta posición será el cuartil
requerido. Si la posición es un número entero, el decil es el
promedio de los valores ee .
Para datos agrupados en intervalos: *C
i

El cálculo de los deciles uno y nueve para el ejemplo de la

estatura de las mujeres, presentado en la tabla 33, se detalla a
continuación:
n
centímetros

31,5
centímetros
−31
4

8.3 Percentiles

Los percentiles (P ) son valores que fraccionan la distribución de

k
los datos en cien partes iguales (Ruíz Muñoz, 2005). En la
distribución
se presentan 99 percentiles: el primer percentil acumula el 1% del
P 1

conjunto de datos, el percentil deja el 2%, y de forma similar los

P 2

93 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 demás percentiles hasta llegar al percentil P99 que acumula el 99%
de los datos. Para el cálculo de los percentiles se usa un
procedimiento similar al empleado para los cuartiles y deciles:

1. Ordenar los datos de forma

ascendente.

2. Calcular la posición con la ecuación: . Donde K es el

nú- mero del percentil (k = 1, 2, 3, 4, 5… 10, 11, 12… 98, 99) y n
el número total de datos.

3. Si no es un número entero, se debe redondear al entero

siguiente y el valor que ocupa esta posición será el cuartil
requerido. Si es un número entero, el percentil es el promedio de
los valores e .
Para datos agrupados en
intervalos:

Al analizar los cuartiles, deciles y percentiles se pueden deducir

las siguientes relaciones:
= D = P = Me
Q 2 5 5

Q1 = 25

Q3 = 75

D1 = 10

D2 = 20

D3 = 30

D4 = 40

D6 = 60

D7 = 70

94 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 D8 = 80

D9 = 90

8.4 Ejercicios de aplicación

En un examen de ingreso a la universidad se aplicó una prueba

sobre comprensión lectora. Los resultados obtenidos por los
estudiantes que aspiraban a los programas de Odontología y
Trabajo social, fue- ron los siguientes:

Aspirantes a
Odontología

3,0 3,7 2,5 2,2 3,5

2,7 3,8 3,8 2,2 2,5

3,3 2,8 2,7 3,5 2,2

2,2 2,3 2,3 2,3 2,0

2,7 2,2 3,2 2,5 3,7

3,5 2,2 2,0 2,5 3,0

3,8 2,3 3,0 2,0 2,3

2,7 2,2 2,3 2,7 2,7

3,3 2,0 3,0 2,2 2,3

3,5 2,8 3,0 3,0 2,2

Aspirantes a Trabajo Social

3,8 3,5 2,7 2,2 3,0

3,5 3,7 2,0 3,8 2,0

2,7 2,0 2,7 3,8 2,3

3,7 3,3 3,3 2,2 2,3

2,0 2,7 3,0 3,8 3,3

2,7 2,3 2,2 3,5 3,5

2,5 2,7 3,2 3,3 2,3

95 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 2,3 3,0 3,5 3,5 2,2

2,2 2,7 2,5 3,8 2,7

2,3 2,5 2,7 2,7 2,2

1. Calcular cuartiles y deciles para cada uno de los programas.

2. Interpretar los resultados en cada uno de los programas.

3. Comparar los cuartiles entre los programas.

96 elementos básicos de estadística descriptiva para el análisis de medidas de 9

9Objetivos:
MEDIDAS DE DISPERSIÓN

» Conocer las medidas de dispersión para un

conjunto de datos.
» Calcular las medidas de dispersión y su
interpretación para datos agrupados y sin agrupar.

Contenido:
9.1 Rango
9.2 Rango intercuartil
9.3 Varianza
9.4 Desviación estándar
9.5 Coeficiente de variación
9.6 Ejercicios de aplicación

96 elementos básicos de estadística descriptiva para el análisis de datos

 9. medidas de dispersión

Además de las medidas de tendencia central que posibilitan la

repre- sentación del conjunto de datos por medio de un valor, es
necesario conocer la variabilidad o la dispersión que los datos
pueden tener en relación a una medida central.

En los análisis estadísticos, las medidas de dispersión que

presentan más representatividad son: rango, rango intercuartil,
varianza, des- viación estándar y coeficiente de variación (Posada
y Buitrago, 2008).

9.1 Rango

El rango es considerado como la medida de dispersión más simple

para el análisis de los datos. No ofrece mucha información
sobre la variabilidad de los datos por estar basada sólo en los
valores extremos, razón por la cual debe ser usada como
complemento de otras medidas de dispersión. Para el cálculo del
rango se utiliza la siguiente ecuación:

Rango = valor máximo – valor

mínimo

Por ejemplo, para los datos de la tabla 33, sobre la talla (en
centíme- tros) de un grupo de mujeres que asisten al gimnasio, el
rango sería:

Rango = 175 – 150 = 25

cm.

Al interpretar el rango se deben relacionar los valores mínimo y

máximo; es decir, resaltar las cantidades entre las cuales se
encuen- tra el rango. Para el ejemplo mencionado anteriormente,
la variación de la talla de las mujeres que asisten al gimnasio es
de 25 cm, la cual oscila entre 150 y 175 cm. Si no se hace claridad
que el rango está entre los valores 150 y 175 cm, puede generar

97 elementos básicos de estadística descriptiva para el análisis de 9

 confusión debido a que pueden existir muchos valores extremos
con rango de 25 cm.

98 elementos básicos de estadística descriptiva para el análisis de 9

 9.2 Rango intercuartil

El rango intercuartil (RIC) se denomina de esta manera porque es

una medida de dispersión que evita que los valores extremos
influyan en el conjunto de datos. Se calcula mediante la diferencia
entre el cuartil tres (Q ) y el cuartil uno (Q ). Es decir, el rango
intercuartil
3 corres- 1
ponde al rango del 50% ubicado en el centro de los datos. El RIC se
calcula por medio de la siguiente ecuación (Triola, 2000):

Rango intercuartil (RIC) = Q - Q

3 1

Para la talla (en cm) de un grupo de mujeres que asisten al gimnasio,

presentada en la tabla 33, los cuartiles son = 159,4 cm y = 166
Q 1
Q 3

cm. Así, el rango intecuartil es:

RIC = 166 – 159,4 = 6,6

cm.

En este caso, el intervalo entre 159,4 y 166 cm se denomina

mitad central, es decir el 50% que contiene la información
central; y 6,6 cm representa la dispersión media o rango
intercuartil de la talla del
grupo de mujeres que asisten al
gimnasio.

9.3 Varianza

La varianza es una medida de dispersión basada en la diferencia

de cada dato con la media aritmética. Posada y Buitrago (2008)
plantean
que “la diferencia entre cada y el promedio ( para una muestra x
xi
y  para una población) se llama desviación respecto al
promedio.
Para una muestra, la desviación respecto a la media se expresa
como ( xi − x ) ; para una población es ( x −  ) ” (p. 86). Al
i

99 elementos básicos de estadística descriptiva para el análisis de 9

 sumar el total de las desviaciones respecto al promedio, éste
tiende a cero por la
compensación de las desviaciones positivas (cuando los datos
están por encima del promedio), con las desviaciones negativas
(cuando los datos están por debajo del promedio). De esta
manera, no es posible obtener efectivamente la desviación de
los datos respecto del promedio, por lo cual se hace necesario
elevar cada desviación

100 elementos básicos de estadística descriptiva para el análisis de 1

 al cuadrado, garantizando así que todas las desviaciones
obtenidas presenten cantidades positivas; el resultado entonces
quedará en unidades cuadradas.

Cuando se tiene la totalidad de los datos de la población, el

prome- dio de las desviaciones elevadas al cuadrado se denomina
varianza poblacional y se representa con la letra del alfabeto
griego sigma (  2 ).
Para una población con total de datos N y promedio  , el
parámetro
para la varianza se calcula mediante la siguiente
ecuación:

i )

La varianza de la muestra (s2) tiene como objetivo convertirse en

un estimador de la variación para la población; por tal razón, se
define como la suma de las desviaciones elevadas al cuadrado,
distribui- das entre el tamaño de la muestra, menos uno. El
estimador para la varianza muestral se calcula mediante la
siguiente ecuación:

Donde:
:media aritmética de la muestra

n :total de los datos de la muestra

:cada dato u observación de la variable X

En relación al denominador (n–1), Posada y Buitrago (2008, p. 94)

manifiestan que:

Si el denominador fuera n en lugar de (n–1), se obtendría el

promedio de los cuadrados de las diferencias con respecto a
la media. Sin embargo, se utiliza (n–1) debido a ciertas
propiedades matemáticas deseadas que tiene el estadístico

99 elementos básicos de estadística descriptiva para el análisis de medidas de 9

 s2, las cuales lo hacen apropiado para hacer inferencias
estadísticas. Al aumentar el tamaño de la muestra, la
diferencia entre n y (n–1) disminuye cada vez más.

100 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Al calcular la varianza, los datos se elevan al cuadrado, por tanto,
las unidades con las cuales se midieron también se elevan al
cuadrado, imposibilitando la interpretación. En consecuencia, en
la mayoría de los análisis estadísticos se emplea la varianza como
una medida que permite comparar la dispersión entre dos o más
variables, identifi- cando la de mayor varianza como aquella que
posee mayor disper- sión o variabilidad. La importancia de la
varianza está en que es una medida transitoria para el cálculo de
la desviación típica o estándar de un conjunto de datos.

Por ejemplo, en la tabla 34 se presenta la puntuación de la evalua-

ción de desempeño de siete empleados del área de mercadeo de
una empresa. La puntuación es valorada en la escala de 1 a 5. Se
requiere conocer la varianza de la calificación de los empleados.

Tabla 34. Varianza para la evaluación de desempeño de siete empleados del área de
mercadeo aoksjdajsde una empresa

C Media de D
esviación Desviació n alo
Empleado ( alificación
) la i − cuadrad
muestra
1 3,5 3,6 -0,1 0,01

2 4,5 3,6 0,9 0,81

3 4,2 3,6 0,6 0,36

4 3,0 3,6 -0,6 0,36

5 2,7 3,6 -0,9 0,81

6 3,3 3,6 -0,3 0,09

7 4,0 3,6 0,4 0,16

Elaboración propiai

Luego, la varianza
será:

i
−

101 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Nótese que si se interpreta la varianza se estaría diciendo que la
variación en la calificación de desempeño de los empleados es
de
0,43 puntos cuadrados, lo cual no es lógico. En este sentido, cobra
importancia la varianza como medida de transición para la
desviación típica o estándar.

Si los datos se agruparon en frecuencias o en intervalos, la

varianza puede ser calculada mediante las siguientes formulas:

Como parámetro para la

población. Como estimador para

la muestra.

Donde:

x : media aritmética

n : total de datos de la muestra

N : total de datos de la población

xi : cada dato de la variable o marca de clase si es intervalo

ni : frecuencia absoluta
Para los datos del ejemplo de la estatura en centímetros de un
grupo de mujeres que asisten al gimnasio, presentados en la
tabla 33, la
varianza sería (ver tabla 35):

102 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Tabla 35. Varianza para la estatura en centímetros de un grupo de mujeres que
asisten al gimnasio.
Nº. de
Intervalo
Intervalo (Estatura en cm) ni
1 [150 – 155] 152,5 23.256,25 1 23.256,25

2 (155 – 160] 157,5 24.806,25 11 272.868,75

3 (160 – 165] 162,5 26.406,25 13 343.281,25

4 (165 – 170] 167,5 28.056,25 6 168.337,50

5 (170 – 175] 172,5 29.756,25 4 119.025,00


Elaboración propia

Al calcular el promedio de la estatura para las 34 mujeres se

obtiene:
x  162, 6
cm.

Luego, la varianza
será:

9.4 Desviación estándar

La desviación estándar es considerada la medida de dispersión

con mayor representatividad para un conjunto de datos.
Matemática- mente se calcula como la raíz cuadrada positiva de
la varianza, y se
denota por (s) cuando se estima para la muestra y por (  ) si se
cal-
cula para la
población:

103 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 La desviación estándar indica la distribución de los datos
alrededor de la media aritmética o promedio. Cuando la
distribución de los datos se aproxima a una forma de campana o
es simétrica, como se ilustra en la gráfica 11, la desviación
estándar puede interpretarse mediante

104 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 la regla empírica, esta es: el 68% de los datos se agrupan alrededor de
la media, entre el intervalo y , el 95% entre
, el 99,7% entre y (Triola, 2000). Para los análi
estadísticos sólo se analiza la dispersión de los datos a partir de
una
variación de la desviación alrededor de la media aritmética, es
decir, el intervalo que cubre aproximadamente el 68% de los
datos, teniendo
en cuenta que la distribución de éstos debe ser simétrica.

Gráfica 11. Variación de la desviación estándar alrededor de la media

aritmética.

Elaboración propia.

Retomando la información de la tabla 35 sobre la estatura en

centí- metros de un grupo de mujeres que asisten al gimnasio, la
desviación
estándar sería:

cm.
Al interpretar la desviación estándar, significa que la estatura
varía
28,6 cm alrededor de la media (162,6 cm). Por la regla empírica,
podría decirse que el 68% de las estaturas está dentro de una

105 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 desvia- ción estándar de la media, se estima que el 95% de las
estaturas estará
entre y el 99,7% estará entre
.

106 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Es importante resaltar que las medidas del rango, rango
intercuartil, varianza y desviación estándar nunca asumen valores
negativos. La relación de estas medidas con la dispersión es
directa, es decir, si los valores de las medidas son altos, la
dispersión también será alta y
viceversa
.

9.5 Coeficiente de variación

El coeficiente de variación (CV) es una medida que relaciona la

desvia- ción estándar con la media aritmética para determinar qué
tan homo- génea o dispersa es la información. Expresa el
porcentaje que repre- senta la desviación con relación a la media
aritmética y se calcula por medio de la siguiente ecuación:

Cuando se tiene una muestra, el coeficiente de variación puede

ser utilizado para calificar estadísticamente la calidad de las
estimacio- nes. Para ello se consideran los siguientes criterios
(Departamento Administrativo Nacional de Estadística, DANE,
2008, p. 5):

CV menor o igual al 7%, las estimaciones se consideran

precisas. CV entre el 8% y el 14%, las estimaciones tienen
precisión aceptable. CV entre el 15% y 20%, la precisión es
regular.
CV mayor del 20% indica que la estimación es poco
precisa.

Para el ejemplo de la tabla 35 sobre la talla de un grupo de

mujeres que asisten al gimnasio, la media aritmética fue 162,6 cm
y la des- viación estándar 28,6 cm. Al calcular el coeficiente de
variación, se obtiene:

107 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Al interpretar los datos, es posible establecer que la desviación
repre- senta el 17,6% de la media. En términos del ejercicio,
podría interpre- tarse que los datos varían 17,6% alrededor de la
media, lo cual intuye que la precisión de estimación de los
parámetros para esta población es regular.

El coeficiente de variación, por ser una medida de dispersión rela-

tiva, se utiliza para comparar la variabilidad de distintas muestras
o poblaciones, aunque tengan unidades de medida diferentes
(Triola,
2000). En el siguiente ejemplo se muestra esta
situación:

Una persona desea realizar una inversión en un negocio que tenga

buena rentabilidad, para ello se le presentan dos proyectos con
posi- bilidades diferentes. El primer proyecto ha presentado
utilidades pro- medio en el último año de $150 millones y
desviación de $50 millones. En el mismo año, el promedio de
utilidades para el segundo proyecto fueron de $120 millones con
una desviación estándar de $12 millo- nes. ¿Cuál proyecto
presenta más estabilidad para generar confianza al inversionista?

Al analizar la desviación estándar, el primer proyecto es más

varia- ble que el segundo proyecto. Sin embargo, como el
promedio de las utilidades de los proyectos es diferente, se
recomienda considerar la variación de la utilidad con respecto al
promedio, para observar la estabilidad de ambos proyectos.

Los coeficientes de variación para los proyectos

serían: Primer proyecto:

Segundo
proyecto:

108 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 En consecuencia, en relación con la media, la utilidad del primer
pro- yecto es más variable que la del segundo. Por tanto, a pesar
de pre- sentar el segundo proyecto menor utilidad promedio, es
más estable que el primero, lo cual puede generar mayor
confianza para el inver- sionista.

9.6 Ejercicios de aplicación

Retomando el ejercicio de aplicación propuesto en el capítulo 8

sobre la prueba de comprensión lectora para aspirantes de
ingreso a la uni- versidad para los programas de Odontología y
Trabajo social, se tiene:

Aspirantes a
Odontología

3,0 3,7 2,5 2,2 3,5

2,7 3,8 3,8 2,2 2,5
3,3 2,8 2,7 3,5 2,2
2,2 2,3 2,3 2,3 2,0
2,7 2,2 3,2 2,5 3,7
3,5 2,2 2,0 2,5 3,0
3,8 2,3 3,0 2,0 2,3
2,7 2,2 2,3 2,7 2,7
3,3 2,0 3,0 2,2 2,3
3,5 2,8 3,0 3,0 2,2

Aspirantes a Trabajo Social

3,8 3,5 2,7 2,2 3,0

3,5 3,7 2,0 3,8 2,0
2,7 2,0 2,7 3,8 2,3
3,7 3,3 3,3 2,2 2,3
2,0 2,7 3,0 3,8 3,3
2,7 2,3 2,2 3,5 3,5
2,5 2,7 3,2 3,3 2,3
2,3 3,0 3,5 3,5 2,2
2,2 2,7 2,5 3,8 2,7
2,3 2,5 2,7 2,7 2,2

109 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 1. Analizar la dispersión para cada uno de los
programas mediante el cálculo de las siguientes
medidas: rango, ran- go intercuartil, varianza y
desviación estándar. Interpretar los resultados.

2. Calcular el coeficiente de variación para cada uno de

los programas y compararlos, estableciendo los niveles
de dispersión en cada uno de ellos.

110 elementos básicos de estadística descriptiva para el análisis de medidas de 1

 10
Objetivos:
MEDIDAS DE FORMA

» Conocer las medidas de forma para un conjunto de

datos.
» Calcular e interpretar las medidas de forma para
datos agrupados y sin agrupar.

Contenido:
10.1 Coeficiente de asimetría o sesgo
10.2 Coeficiente de apuntamiento o curtosis
10.3 Ejercicios de aplicación

108 Elementos básicos de estadística descriptiva para el análisis de datos

 10. medidas de forma

Las medidas de forma son usadas para identificar valores

particulares de un conjunto de datos. Para ello toman como
referencia la media aritmética y la desviación estándar de la
población o la muestra.

10.1 Coeficiente de asimetría o sesgo

Al analizar la distribución de los datos es posible que exista una

ten- dencia de estos hacia uno de los extremos (derecho o
izquierdo). Esta tendencia se denomina sesgo y permite mostrar la
inclinación de los datos hacia los extremos (Pierdant y Rodríguez,
2006).

Para describir el sesgo o la forma de la distribución de los datos,

se comparan la media aritmética, la mediana y la moda. Si estas
medi- das son exactamente iguales, se considera que la
distribución de los datos es insesgada o simétrica (con sesgo
cero). En otro caso, cuando la media aritmética es superior a la
mediana, la distribución de los datos estará sesgada a la derecha
(o con sesgo positivo) y si la media aritmética es inferior a la
mediana, los datos tendrán sesgo a la izquierda (o con sesgo
negativo) (Spiegel, 2013), tal como se muestra en la gráfica 12.
Gráfica 12. Forma o sesgo de la distribución de los
datos
Elaboración propia

109
 El sesgo mantiene relación directa con la media aritmética, es
decir, si la media se afecta por valores extremos, esto se verá
reflejado en el sesgo. Si no hay valores extremos (muy pequeños
o muy grandes) la distribución se comporta de forma simétrica, en
tal forma existe una compensación entre los valores grandes y
los pequeños (Martínez,
2000)
.

La asimetría de un conjunto de datos se puede calcular mediante

varios coeficientes, entre ellos están:

10.1.1 Coeficiente de asimetría de Pearson

Relaciona la diferencia entre media aritmética y la moda con la
des- viación. Pese a que este coeficiente es fácil de calcular, no se
utiliza con frecuencia en la práctica, ya que la distribución de los
datos debe ser unimodal y moderada o ligeramente asimétrica,
condiciones que no se observan de forma directa en la
distribución, por lo que resul- tan muy exigentes (Suárez y Tapia,
2012). El Coeficiente de Pearson varía entre -3 y 3 y la fórmula es:

10.1.2 Coeficiente de asimetría de Bowley

Este coeficiente es el menos usado por sus altas exigencias.

Para emplearlo se requiere que tanto al extremo izquierdo como al
dere- cho de la distribución de los datos, se presente un
comportamiento similar, de lo contrario no es imposible estimar la
asimetría. El cál- culo se basa en la posición que presentan los
cuartiles y la mediana (Suárez y Tapia, 2012). La Medida de
Bowley varía entre -1 y 1 y se calcula de acuerdo con la siguiente
expresión:
3 1 2
3 1

110 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 10.1.3 Coeficiente de asimetría de Fisher

El coeficiente de Fisher está basado en las desviaciones que

presentan los datos con respecto a la media. Es el coeficiente más
usado para determinar la asimetría de un conjunto de datos,
debido a que no es afectado por valores extremos y sólo vincula la
media aritmética y la desviación (Suárez y Tapia, 2012). La
fórmula para su cálculo es la siguiente:
i −
; para datos sin agrupar.
 −
; para datos agrupados en frecuencias.

Es importante resaltar que para determinar el sesgo se sugiere

utili- zar el coeficiente de asimetría de Fisher, el cual es más
confiable para analizar la similitud de la distribución de los datos
con la Distribu- ción Normal; además el valor obtenido es muy
similar con el estimado por el Excel.

Debe tenerse en cuenta que el análisis del sesgo se realiza a

partir del signo que arroja cualquiera de los coeficientes
mencionados y, particularmente para el coeficiente de Fisher,
mientras más se aleje de cero, mayor es el sesgo de la
distribución de los datos, tanto a la derecha como a la izquierda.
En síntesis:

Sesgo > 0: sesgo positivo o a la

derecha.
Sesgo = 0: simetría en la distribución de los
datos. Sesgo < 0: sesgo negativo o a la
izquierda.

Por ejemplo, el sesgo para para la puntuación de la evaluación de

desempeño de siete empleados del área de mercadeo de una
empresa (ver tabla 34), con media aritmética de 3,6 y desviación
de 0,66, calcu- lado mediante el coeficiente de asimetría de
Fisher, será:

111 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Tabla 36. Sesgo para para la puntuación de la evaluación de desempeño de siete
empleados del área de mercadeo de una empresa

Calificación Media de Diferencia

Empleado la muestra
i
1 3,5 3, -0,1 -0,001
6
2 4,5 3, 0,9 0,729
6
3 4,2 3, 0,6 0,216
6
4 3,0 3, -0,6 -0,216
6
5 2,7 3, -0,9 -0,729
6
6 3,3 3, -0,3 -0,027
6
7 4,0 3, 0,4 0,064
6
TOTAL 0,036

Elaboración propia

Aplicando la fórmula del coeficiente de asimetría de Fisher se tiene:

Dado que el valor es positivo, el sesgo es a la derecha o positivo,

es decir, la calificación de la mayoría de los empleados tiende a
estar por
debajo del promedio de 3,6.

10.2 Coeficiente de apuntamiento o curtosis

La curtosis es una medida que permite analizar la concentración

de los datos alrededor de los valores medios de la muestra
(Mendenhall,
1995). Se calcula con el coeficiente de Fisher para la curtosis; la ecua-
ción es la siguiente:

i
; para datos sin agrupar.

ii −
; para datos agrupados en frecuencias.

112 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 El coeficiente de curtosis diferencia tres clases de
distribuciones
(Suárez y Tapia, 2012), que se ilustran en la gráfica
13:

Gráfica 13. Tipos de distribución según el coeficiente de

curtosis

Elaboración propia

10.2.1 Distribución mesocúrtica

El grado de concentración alrededor de los valores centrales de la

variable es moderado. Este mismo comportamiento se presenta
en una distribución simétrica o normal (Alzate, 2004). El
coeficiente pre- senta valor igual a cero.

10.2.2 Distribución leptocúrtica

El grado de concentración alrededor de los valores centrales de la

variable es elevado, lo que la hace ver de forma puntiaguda, dado
que las frecuencias altas están alrededor de la media (Martínez,
2007). El
valor del coeficiente es mayor a
cero.

10.2.3 Distribución platicúrtica

El grado de concentración alrededor de los valores centrales de la

variable es reducido, mostrándose de forma aplanada dado que
las frecuencias bajas están alrededor de la media (Suárez y Tapia,
2012). El valor del coeficiente es menor a cero.

113 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 Para el ejemplo sobre la puntuación de la evaluación de
desempeño de siete empleados del área de mercadeo de una
empresa con media aritmética de 3,6 y desviación estándar de
0,66, la curtosis será (ver tabla 37):

Tabla 37. Curtosis para para la puntuación de la evaluación de desempeño de

siete empleadosdel área de mercadeo de una empresa
Calificación Media de la Diferencia 4
Empleado muestra i
1 3,5 3,6 -0,1 -0,001

2 4,5 3,6 0,9 0,6561

3 4,2 3,6 0,6 0,1296

4 3,0 3,6 -0,6 0,1296

5 2,7 3,6 -0,9 0,6561

6 3,3 3,6 -0,3 0,0081

7 4,0 3,6 0,4 0,0256

Total 1,6052
Elaboración propia

Aplicando la fórmula del coeficiente de asimetría de Fisher

se tiene:

4 4

Dado que el coeficiente de Fisher para la curtosis es -1,792, se

con- sidera una distribución platicúrtica, lo cual significa que
existe redu- cida concentración de los datos alrededor de los
valores centrales de
la distribución.

114 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 10.3 Ejercicios de aplicación

A partir de los datos presentados en los capítulos 8 y 9, sobre la

prueba de comprensión lectora para aspirantes de ingreso a la
universidad para los programas de Odontología y Trabajo social,
se pide:

1. Calcular el coeficiente de asimetría de Fisher y analizar

el sesgo de la distribución de los puntos obtenidos por
los estudiantes.

2. Calcular el coeficiente de Fisher para la curtosis y

analizar la concentración de los datos alrededor de las
medidas centrales.

115 Elementos básicos de estadística descriptiva para el análisis de medidas de 1

 ESTADÍSTICA DESCRIPTIVA
11 MEDIANTE MICROSOFT EXCEL

Objetivos:

» Conocer la herramienta de Microsoft Excel para el

análisis descriptivo de un conjunto de datos.
» Calcular e interpretar los estadígrafos de un conjunto
de datos por medio de Microsoft Excel.

Contenido:
11.1 Activación de la función “Análisis de datos”
11.2 Estadística descriptiva
11.3 Caracterización e interpretación de los resultados
11.4 Ejercicios de aplicación

116 elementos básicos de estadística descriptiva para el análisis de datos

 11. estadística descriptiva mediante Microsoft excel

El programa de Microsoft Excel ofrece una herramienta, diferente

a la función de fórmulas, que permite realizar todos los cálculos
corres- pondientes a la estadística descriptiva. Por razones
desconocidas, esta herramienta se encuentra inactiva en la
mayoría de los equipos y es preciso activarla para lograr un mayor
beneficio.

11.1 Activación de la función “Análisis de datos”

A continuación se detallan los pasos para activar la función

“Análisis de datos”, en la cua se encuentra la herramienta
“Estadística descrip- tiva”.

» Inicialmente, al ubicar en excel la pestaña DATOS se puede

evi- denciar si la función se encuentra activa o inactiva en el
equipo. Normalmente no aparece en la parte superior
derecha, como se ilustra con un círculo en la gráfica 14.

Gráfica 14. Verificación de la activación de la función Análisis de

datos

Imagen real del programa

Excel

» En la pestaña superior izquierda, al dar clic en el menú

ARCHIVO se ubica el icono de OPCIONES, señalado con un
círculo en la gráfica 15.

1 elementos básicos de estadística descriptiva para el análisis de 1

 Gráfica 15. Ubicación del icono “Opciones” para la activación de la función “Análisis de
datos”

Imagen real del programa

Excel

» Al dar clic en OPCIONES, aparece un cuadro de diálogo

“Opciones de Excel”. Se da clic en COMPLEMENTOS (ver
gráfica 16).

Gráfica 16. Ubicación de la opción “Complementos” para la activación de la función

“Análisis de datos”

Imagen real del programa

Excel

» El icono de COMPLEMENTOS ofrece un cuadro de diálogo en el

cual se debe seleccionar “Complementos de Excel” y dar clic
en “ir…” (ver gráfica 17).

1 elementos básicos de estadística descriptiva para el análisis de 1

 Gráfica 17. Direccionamiento de la opción “Complementos de
excel”.

Imagen real del programa

Excel

» Esta opción ofrece un nuevo cuadro de diálogo

denominado “Complementos”, en el cual se debe seleccionar
“Herramientas para análisis” y luego dar clic en “Aceptar” (ver
gráfica 18).

Gráfica 18. Activación de la opción “Herramientas para

análisis”.

Imagen real del programa

Excel

» Finalmente, aparece en la parte superior derecha de la

pestaña DATOS la función activa “Análisis de datos”, como se
ilustra en la gráfica 19.

Gráfica 19. Confirmación de la activación de la herramienta “Análisis de datos

análisis”

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 Imagen real del programa
Excel

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 De esta manera queda activa la función “Análisis de datos” en el
equipo y podrá ser usada en los análisis estadísticos.

11.2 Estadística descriptiva

Para realizar el análisis estadístico de un conjunto de datos

mediante la función “Análisis de datos” se debe generar la base
de datos, teniendo en cuenta que éstos deben ser valores
numéricos. Poste- riormente, se ingresa desde la pestaña DATOS a
“Análisis de datos”, que conduce al cuadro de diálogo que
contiene varias opciones para analizar un conjunto de datos. Para
el análisis estadístico se selec- ciona la opción “Estadística
descriptiva” y “Aceptar” (ver gráfica 20).

Gráfica 20. Ubicación de la opción “Estadística

descriptiva”

Imagen real del programa

Excel

Para ingresar la información al cuadro de diálogo “Estadística des-

criptiva” debe disponerse de la información estructurada en una
base de datos. A continuación se describen las opciones
requeridas en el cuadro de diálogo (ver gráfica 21):

» “Rango de entrada”: debe seleccionarse la columna de datos

nu- méricos con su respectivo título.
» “Agrupar por”: seleccionar columnas.
» Seleccionar “Rótulos en la primera fila”.
» “Opción de salida”: puede ser “Rango de salida” seleccionando
una celda para los resultados o “En una hoja nueva” o “En un
libro nuevo”.
» Seleccionar “Resumen de estadísticas”.

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 » Dar clic en “Aceptar”.

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 Gráfica 21. Opciones requeridas en “Estadística descriptiva” para el análisis de
datos.

Imagen real del programa

Excel

Finalmente aparecen los resultados para el análisis estadístico.

Gráfica 22. Resultados obtenidos en “Estadística descriptiva” para el análisis de

datos

Imagen real del programa

Excel

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 11.3 Caracterización e interpretación de resultados

Una vez obtenidos los resultados para el análisis de un conjunto

de datos, por medio de la herramienta Estadística Descriptiva, es
necesa- rio interpretarlos para comprender el comportamiento de
la variable o característica que se está estudiando y facilitar la
toma de decisio- nes. A continuación se describe y se interpreta
cada uno de los esta- dígrafos obtenidos en el ejemplo ilustrado
sobre la edad en años de un grupo de estudiantes:

» Media: representa el promedio de los argumentos, o sea que la

edad promedio de los estudiantes es de 15,4 años.

» Error típico: es una medida del promedio de las desviaciones

de las posibles muestras que se pueden obtener en una
población. Mientras más pequeño sea el error típico, más se
parecen los da- tos al valor medio de la población. El error
típico para la edad es de 0,42 años, lo cual significa que la
diferencia del promedio de la muestra se aleja 0,42 años del
promedio de la población.

» Mediana: es el valor central de los datos, de tal manera que la

mi- tad de los datos son superiores a la mediana y la otra
mitad son menores a ella. La mediana para el ejemplo significa
que el 50% de los estudiantes tienen una edad inferior o igual
a 15 años, y el otro 50% superior a 15 años.

» Moda: es el dato que presenta la frecuencia más alta en el

colec- tivo. La edad que más se repite en el grupo de
estudiantes es 14 años.

» Desviación estándar: es el valor promedio de dispersión de los

datos respecto a la media. La variación de la edad de los
estudiantes es de 1,3 años alrededor de la media de 15,4
años. Podría decirse que la mayoría de los estudiantes están
entre 14,1 (15,4 - 1,3) y
16,7 (15,4+1,3) años.

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 » Varianza de la muestra: es el cuadrado de la desviación estándar.
Este estadígrafo no se interpreta debido a que representaría
las unidades cuadradas de medición de la variable.

» Curtosis: describe la elevación o aplanamiento de los datos.

Para el ejemplo, el valor de la curtosis de –0,12 indica una
distribución platicúrtica, es decir, baja concentración de la
edad de los estu- diantes alrededor de los valores centrales,
con tendencia a ser una distribución relativamente plana.

» Coeficiente de asimetría: caracteriza el grado de asimetría o

ses- go de la distribución de los datos con respecto a la media.
La asimetría de la edad de los estudiantes es positiva (0,77);
indica una distribución unilateral con sesgo positivo o a la
derecha, es decir, la mayoría de las edades están por debajo
de la media de
15,4 años.

» Rango: muestra el recorrido de la variable, es decir la

diferencia entre el máximo valor y el mínimo valor. La edad de
los estudian- tes presenta un recorrido de 4 años, el cual oscila
entre 14 y 18 años.

» Mínimo: es el valor más pequeño del conjunto de datos. La

edad más mínima que hay en el grupo de estudiantes es de 14
años.

» Máximo: es el dato de mayor valor que se presenta en el colectivo.

La edad máxima que hay en el grupo de estudiantes es de 18 años.

» Suma: es el resultado de la suma de los valores del conjunto

de datos. El total de las edades del grupo de estudiantes es de
154 años.

» Cuenta: es el número de datos que se presenta en el

colectivo. El número de estudiantes a los que se les calculó la
edad fue de 10.

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 11.4 Ejercicios de aplicación

El siguiente conjunto de datos corresponde al resultado de la com-

petencia genérica razonamiento cuantitativo de 200 aspirantes a
un programa de educación superior.

1,8 3,8 3,3 1,3 1,3 2,3 3,5 2,5 2,0

2,5 3,3 3,5 2,5 1,5 3,5 3,5 2,0 4,3
3,8 3,3 2,3 2,5 2,8 3,3 1,5 2,0 1,5
3,5 2,8 1,5 1,8 1,0 4,3 3,8 1,8 4,0
0,3 2,8 2,3 3,0 3,0 3,5 2,5 1,8 1,8
3,0 3,0 2,5 2,5 3,3 2,3 1,5 2,3 2,0
3,3 2,3 3,0 2,3 3,0 2,8 3,8 3,3 3,0
4,0 1,8 2,3 1,5 3,0 2,8 2,8 1,5 1,5
2,5 2,8 4,0 1,5 1,0 3,3 2,0 2,8 1,8
3,0 2,8 2,8 2,5 3,5 1,8 1,3 3,3 0,8
2,5 2,5 2,5 2,5 4,0 1,5 1,3 2,0 2,0
1,8 3,0 3,5 2,3 1,8 2,5 4,0 1,3 1,8
2,8 2,8 2,0 2,3 2,3 3,0 2,0 3,0 2,8
3,3 2,0 2,8 1,8 2,8 1,5 3,3 4,0 1,3
3,5 3,0 2,3 2,8 3,0 2,3 2,0 3,5 1,5
3,8 4,0 2,3 2,3 2,0 2,0 1,5 3,8 4,0
2,8 2,8 3,0 1,3 3,3 0,8 2,5 2,5 2,5
2,0 2,0 3,3 4,5 0,8 1,8 3,3 3,3 4,0
3,0 2,3 2,0 2,8 2,3 4,0 2,5 2,0 3,0
1,3 2,0 0,8 2,5 3,0 2,5 1,5 3,8 3,5

Con las herramientas “Análisis de datos” y “Estadística

descriptiva”, realice el análisis estadístico para los resultados de
los aspirantes, calculando e interpretando las siguientes medidas:

a) Media

b) Error típico
c) Mediana

d) Moda

e) Desviación
estándar f) Varianza

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 g) Curtosis

h) Coeficiente de
asimetría i) Rango

j) Mínimo
k) Máximo
l) Suma

m)
Cuenta

1 elementos básicos de estadística descriptiva para el análisis de Estadística descriptiva mediante microsoft 1
 ANÁLISIS ESTADÍSTICO
12 BAJO SPSS
Objetivos:

» Conocer algunos componentes del software SPSS

para el análisis descriptivo de un conjunto de datos.
» Calcular e interpretar los estadígrafos de un
conjunto de datos por medio de SPSS.

Contenido:
12.1 Ingreso al programa SPSS
12.2 Preparación de variables
12.3 Ingreso de datos
12.4 Resultados
12.5 Ejercicios de aplicación

126 elementos básicos de estadística descriptiva para el análisis de datos

 12. análisis estadístico bajo spss

IBM SPSS es un software estadístico para el análisis de datos,

cono- cido como SPSS. En un principio se diseñó para las ciencias
sociales y actualmente se utiliza en las diferentes ciencias (Pérez,
2005).

Para el alcance del texto sólo se abordará la aplicación del SPSS

en el procesamiento de los datos, la visualización de los
resultados mediante tablas y gráficas, y el análisis descriptivo de
los datos. Para ello se parte de conceptos expuestos en unidades
anteriores.

12.1 Ingreso al programa SPSS

Al seleccionar SPSS se abrirá una ventana; en la parte inferior

aparece la barra de estado y en ella, dos pestañas esenciales para
el ingreso de los datos: “Vista de datos” y “Vista de variables”. En
la parte superior se encuentra la barra de menú, con las
operaciones posibles a realizar (Pérez, 2005), como se indica en la
gráfica 22.

Archivo: permite crear, abrir o guardar archivos de SPSS, muestra

información de datos, imprime, entre otros.

Edición: deshace, borra, copia, corta, pega, entre

otros.

Ver: barra de estado, barras de herramientas, fuente,

etc.

Datos: define fechas y efectúa modificaciones en el archivo, selec-

ciona, añade, pondera, ordena, etc.

Transformar: modifica y genera nuevas

variables.

Analizar: análisis
estadísticos.
1 elementos básicos de estadística descriptiva para el análisis de 1
 Gráficos: edición y creación de
gráficas.

Utilidades: cambiar fuentes, información sobre

archivos.

Ventana: funciones habituales para controlar las

ventanas.

1 elementos básicos de estadística descriptiva para el análisis de 1

 Gráfica 22. Componentes del menú de
SPSS

Imagen real del programa

SPSS

12.2 Preparación de variables

El primer paso para ingresar los datos en un archivo es definir las

variables; esto se puede realizar por cualquiera de los siguientes
pro- cedimientos: hacer doble clic sobre el encabezamiento de la
variable o seleccionar, en la parte inferior, la pestaña “Vista de
variables”, como se muestra en la gráfica 23.

Gráfica 23. Ingreso de datos en

SPSS

Imagen real del programa

SPSS

1 elementos básicos de estadística descriptiva para el análisis de 1

 Posteriormente aparece una ventana, en la cual se deben definir
cada una de las variables, basándose en las opciones que se
ofrecen en las columnas con los siguientes rótulos: Nombre, Tipo,
Anchura, Decima- les, Etiqueta, Valores, Perdidos, Columnas,
Alineación y Medida y Rol (ver gráfica 24).

Gráfica 24. Definición de variables en

SPSS

Imagen real del programa

SPSS

La definición de cada uno de los rótulos de las variables se

describe a continuación (Pérez, 2005):

Nombre: asignar el nombre a cada variable, cumpliendo las

siguien- tes reglas:

» Nombres con máximo 8 caracteres (siendo siempre el

primero una letra).
» No utilizar símbolos como &, /, $, etc.
» No utilizar nunca espacios en blanco.
» No utilizar expresiones: ALL, AND, BY, EQ, GE, GT, LE, NE,
NOT, OR, TO, o WITH.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Tipo: indicar el máximo número de dígitos para la variable y el
tipo de la variable con la que corresponde: alfanumérica, fecha,
moneda o numérica, indicando en este último caso el número de
cifras decima- les. Los tipos de variable pueden ser:

» Numéricas: formato numérico estándar.

» Coma: comas de separación cada tres posiciones.
» Punto: un punto para indicar el decimal.
» Notación científica: uso de la E para exponente. Ejemplo 2,34E2
» Cadena: variable alfanumérica (de más de 8 caracteres se
consi- dera larga).
» Además están los formatos de fecha, dólar y moneda
personali- zada.
Si no se asigna el tipo de variable, el sistema las asigna
automáti- camente, siendo el formato por defecto: numérica,
anchura 8 y decimales 2.
Etiqueta: es la denominación de la variable con el nombre que
apare- cerá en los resultados. Cada variable debe tener entre 30 y
40 carac- teres que permita tener más información sobre ésta.

Valores: se trata de asignar etiquetas a los valores de cada

variable. No es obligatorio, pero es útil en algunos casos.

Perdidos: permite definir los valores de los datos especificados

como “perdidos por el usuario”. Es útil para saber por qué se
pierde infor- mación. Por ejemplo, se quiere distinguir el dato
perdido correspon- diente a un entrevistado que se niega a
responder. Los valores de datos especificados como perdidos
normalmente se catalogan con 9;
99 o 999, aparecen marcados para un tratamiento especial y se
exclu- yen de la mayoría de los cálculos.

Columnas: consiste en especificar la amplitud de la

columna.

Alineación: seleccionar la disposición de las entradas de la

columna:

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 izquierda, derecha y
centrado.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Medida: se puede seleccionar uno de los tres niveles de medida:

» Escala: los valores de datos son numéricos en una escala de

inter- valo. Las variables de escala deben ser numéricas.
» Ordinal: los valores de datos representan categorías con un
cier- to orden intrínseco (bajo, medio, alto; totalmente de
acuerdo, de acuerdo, en desacuerdo). Las variables ordinales
pueden ser de cadena o valores numéricos. Notar que para
variables de cadena ordinales, se asume que el orden
alfabético de los valores de ca- dena indica el orden correcto
de las categorías; en el caso de bajo, medio y alto el orden
sería alto, bajo y medio (orden que no es correcto); por lo que
es más fiable utilizar códigos numéricos para representar
datos ordinales, que usar etiquetas de estos códigos.
» Nominal: los valores de datos representan categorías sin un
cierto orden intrínseco. Las variables nominales pueden ser
de cadena o valores numéricos que representan categorías
diferentes, por ejemplo 1 = Masculino y 2 = Femenino.

Rol: funciones o roles que se pueden asignar a las variables para

el análisis. Estos pueden ser:

» Entrada: la variable se utiliza como una entrada (por ejemplo:

pre- dictor, variable independiente).
» Objetivo: la variable se utiliza como salida o de destino (por
ejem- plo: variable dependiente).
» Ambos: la variable se utiliza como entrada y salida.
» Ninguna: la variable no tiene una asignación de funciones.

» Partición: la variable se utiliza para dividir los datos en

muestras separadas.
» Segmentar: las variables con este papel no se utilizan como
variables generales del archivo que ha sido fraccionado.

Por defecto, a todas las variables se les asigna el rol de “entrada”.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 A continuación se realiza la preparación de variables para el
estudio realizado a un grupo de personas de la ciudad de Medellín
que se han realizado tatuajes en el cuerpo. En la tabla 38 se
presentan las varia- bles analizadas con algunos resultados
obtenidos.

Tabla 38. Resultados de las personas de la ciudad de Medellín que se han estampado
tatuajes en el cuerpo.
Por medio de Verifica las Conse-
Cuántos Parte del Se arre-
qué elige el normas de cuencias en C
Género Edad Labora tatuajes cuerpo piente de
lugar don- de sanidad la vida
tiene tatuada tatuarse
tatuarse del lugar social
Masculino 19 No 2 Espalda Amigo No No No $
Femenino 20 Sí 1 Pierna Amigo Sí No No $
Masculino 26 Sí 1 Brazo Amigo No No No $
Masculino 27 Sí 4 Hombros Internet Sí No No $
Masculino 26 Sí 1 Brazo Familia No Sí Sí $
Femenino 20 Sí 2 Espalda Amigo Sí No No $
Masculino 17 No 1 Pierna Amigo Sí Tal vez No $
Masculino 27 Sí 2 Brazo Amigo Sí Sí No $
Elaboración propia

Al ubicar el nombre de la variable “Género”, automáticamente se

defi- nen los demás rótulos de las columnas, como aparece en la
gráfica 25.

Gráfica 25. Ingreso del nombre de la variable en

SPSS.

Imagen real del programa

SPSS

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Posteriormente, se deben ajustar los demás rótulos según las
carac- terísticas de la variable. En el caso de la variable Género, al
dar clic en la celda “Numérico” correspondiente al tipo de
variables, aparece un cuadro de diálogo en el cual se debe
seleccionar “Cadena”, debido a que la variable es cualitativa o
categórica (ver gráfica 26).
Gráfica 26. Definición del tipo de variable en
SPSS.

Imagen real del programa

SPSS

Al dar clic en “Aceptar”, ubica el número de decimales en “0” y la

medida en “Nominal”, por ser variable categórica (ver gráfica 27).

Gráfica 27. Definición de decimales y medida de la variable en

SPSS.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Imagen real del programa
SPSS

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 La “Etiqueta” se define con el nombre de la variable, en este caso
se asume la misma: “Género”.

Dando clic en “Ninguna”, que corresponde a “Valores”, se pueden

eti- quetar las opciones de género “Femenino” y “Masculino” con
los valo- res “1” y “2”, respectivamente, y luego “Aceptar”, como
aparece en la gráfica 28.

Gráfica 28. Definición de etiquetas de la variable en

SPSS.

Imagen real del programa

SPSS

En “Perdidos” se define el código con el cual se van a identificar

los valores que tienen esta característica. En este caso, se asigna
“99” (ver gráfica 29).

Gráfica 29. Definición de valores perdidos de la variable en

SPSS.

Imagen real del programa

SPSS

La “Amplitud” es el ancho de la columna. Por defecto, el sistema

asume un ancho de 8. La “Alineación” puede ubicarse a la
izquierda, derecha o centrado. Finalmente, el sistema asume el
“Rol” como “Entrada”.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Para ingresar una variable cuantitativa, en este caso la “Edad”, los
diferentes rótulos deben ser ajustados a las características corres-
pondientes a este tipo de variable. Igualmente, este
procedimiento se realiza para cada una de las variables aplicadas
en el estudio, tal como se ilustra en la gráfica 30.

Gráfica 30. Ajuste de todas las variables para el ingreso de datos en

SPSS.

Imagen real del programa

SPSS

12.3 Ingreso de datos

Para ingresar los datos al programa, en la pestaña “Vista de

datos” ubicada en la parte inferior izquierda de la pantalla, se
ingresa la información de cada variable, teniendo en cuenta los
valores asigna- dos para las etiquetas. Por ejemplo: “Género” se
etiquetó 1: “Feme- nino” y 2: “Masculino”, y con estos códigos se
debe ingresar. Igual sucede con “Labora” 1: “Sí” y 2: “No”, y así
con las demás variables que fueron etiquetadas (ver tabla 39).

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Tabla 39. Etiquetas para variables
cualitativas
Por medio de Verifica las Conse-
Cuántos Parte del Se arre-
qué elige el normas de cuencias en C
Género Edad Labora tatuajes cuerpo piente de
lugar don- de sanidad la vida
tiene tatuada tatuarse
tatuarse del lugar social
2 19 2 2 Espalda Amigo 3 2 2 $
1 20 1 1 Pierna Amigo 1 2 2 $
2 26 1 1 Brazo Amigo 2 2 2 $
2 27 1 4 Hombros Internet 1 2 2 $
2 26 1 1 Brazo Familia 2 1 1 $
1 20 1 2 Espalda Amigo 1 2 2 $
2 17 2 1 Pierna Amigo 1 3 2 $
1 27 2 2 Brazo Amigo 1 1 2 $

Elaboración
propia

Al ingresar los datos en el sistema, se observa la apariencia de las

etiquetas (ver gráfica 31). Sin embargo, al dar clic en “Etiquetas
de valor”, se muestran los resultados originales que fueron
etiquetados (ver gráfica 32).

Gráfica 31. Visualización de las variables con etiquetas en SPSS

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Imagen real del programa
SPSS

Gráfica 32. Visualización de las variables con valores o atributos en

SPSS.

Imagen real del programa

SPSS

12.4 Resultados

SPSS presenta diferentes procedimientos estadísticos para el

análi- sis descriptivo de la información, los cuales dependen del
tipo de variable: Categórica o Escala, (Pérez, 2005). Para describir
estos pro- cedimientos se utilizará el ejemplo de la preparación de
variables e ingreso de datos, sobre el estudio realizado a un grupo
de personas de la ciudad de Medellín que se han efectuado
tatuajes en el cuerpo.

Los procedimientos estadísticos que ofrece SPSS se encuentran

ubica- dos en el menú “Analizar”. Al hacer clic en él se
desplegable una lista, en la cual se observan los diferentes
procedimientos del programa, como Informes, Estadísticos
descriptivos, Tablas, Comparar medias, Modelo lineal general,
Modelos mixtos, Correlación, Regresión, entre otros. En la gráfica
33 se observa que cada una de estas opciones presenta una
flecha al lado derecho, que conducen a submenús que contienen

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 diferentes opciones, entre ellas Frecuencias, Descriptivos,
Explorar, etc.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Gráfica 33. Ubicación del menú “Análisis” para los “Estadísticos descriptivos” en
SPSS

Imagen real del programa

SPSS

Para el alcance del contenido desarrollado en el texto, se usará la

opción “Frecuencias “del submenú “Estadísticos descriptivos”. Al
dar clic en esta opción, se despliega un cuadro de diálogo donde
aparecen todas las variables (ver gráfica 34).

Gráfica 34. Visualización de variables para el análisis descriptivo en

SPSS

Imagen real del programa

SPSS

Las variables deben ser trasladadas al costado derecho, por medio

de la flecha ubicada entre los dos espacios; este procedimiento se
puede realizar pasando cada una de las variables o
seleccionándolas en su totalidad (ver gráfica 35).

Gráfica 35. Selección de las variables con etiquetas en

SPSS

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Imagen real del programa
SPSS

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 En la parte superior derecha del cuadro de diálogo aparece la
opción “Estadísticos”. Al dar clic en éste, pespliega las medidas
descripti- vas requeridas para el análisis estadístico. Se
recomienda seleccionar: cuartiles, media, mediana, moda,
desviación típica, varianza, rango, mínimo, máximo, asimetría y
curtosis. Posteriormente, se da clic en “Continuar” (ver gráfica
36).

Gráfica 36. Selección de Estadísticos para el análisis de variables en

SPSS

Imagen real del programa

SPSS

Al dar clic en “Continuar”, regresa de nuevo al cuadro de

diálogo de “Frecuencias”. Allí se selecciona la opción “Gráficos” y
el tipo de gráfico deseado; en este caso se tomarán “Gráficos de
barras”, y en “Valores del gráfico” se indicará “Porcentaje”,
posteriormente “Conti- nuar” (ver gráfica 37).

Gráfica 37. Selección de gráficos para el análisis de variables en

SPSS

Imagen real del programa

SPSS

En la opción “Formato” se debe seleccionar Ordenar por “Valores

ascendentes”, y en Variables múltiples “Organizar resultados
según variables”. Esto para que en los resultados aparezcan
1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1
 consecutiva- mente las tablas y las gráficas por cada variable,
luego se da clic en “Continuar” (ver gráfica 38).

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Gráfica 38. Configuración para la obtención de resultados por variable en
SPSS

Imagen real del programa

SPSS

Se llega de nuevo al cuadro de diálogo de “Frecuencias”, donde se

da clic en “Aceptar” para obtener los resultados (ver gráfica 39).

Gráfica 39. Obtención de resultados para las variables en

SPSS

Imagen real del programa

SPSS

Finalmente, aparecen los resultados solicitados para el respectivo

análisis estadístico, los cuales muestran para cada variable el
resu- men de datos válidos, las frecuencias absolutas, relativas
(porcentaje) y relativas acumuladas, con la respectiva gráfica,
esta última puede ser de barras, diagrama circular o histograma,
según la selección que se realizó en los pasos anteriores. Además,
para las variables cuan- titativas, arroja las medidas de tendencia
central (media, mediana y moda), de dispersión (varianza,
desviación, rango), de forma (asime- tría y curtosis), entre otros.

A continuación se presentan los resultados obtenidos para el

ejemplo del estudio realizado a un grupo de personas de la ciudad
de Medellín que se han efectuado tatuajes en el cuerpo.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Género
Estadísticos
Género

N Válidos 81
Perdidos 0

Género
Frecuencia Porcentaje Porcentaje Porce
válido acumu
Femenino 45 55,6 55,6
Válidos Masculino 36 44,4 44,4 100
Total 81 100,0 100,0

Edad (Años)
Estadísticos
Edad (Años)

N Válidos 81
Perdidos 0
Media 21,90
Mediana 20,00
Moda 20
Desv. típ. 4,291
Varianza 18,415
Asimetría ,932
Error típ. de asimetría ,267
Curtosis ,031
Error típ. de curtosis ,529
Rango 17
Mínimo 17
Máximo 34
25 19,00
Percentiles 50 20,00
75 24,00

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Edad (Años)
Porcentaje válido Porcentaje
Frecuencia Porcentaje
acumulado
17 11 13,6 13,6 13,6
18 8 9,9 9,9 23,5
19 8 9,9 9,9 33,3
20 16 19,8 19,8 53,1
21 2 2,5 2,5 55,6
22 7 8,6 8,6 64,2
23 5 6,2 6,2 70,4
24 7 8,6 8,6 79,0
Válidos
26 3 3,7 3,7 82,7
27 2 2,5 2,5 85,2
28 1 1,2 1,2 86,4
29 5 6,2 6,2 92,6
30 4 4,9 4,9 97,5
33 1 1,2 1,2 98,8
34 1 1,2 1,2 100,0
Total 81 100,0 100,0

Actividad laboral
Estadísticos
Actividad laboral
Válidos 81
N
Perdidos 0

A
ctividad laboral
Porcentaj Porcentaj
Frecuencia Porcentaje
e válido e
Sí 40 49,4 49,4 acumulad
49,4
Válidos No 41 50,6 50,6 100,0
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Nº. de tatuajes estampados
Estadísticos
Nº. de tatuajes estampados
Válidos 81
N
Perdidos 0
Media 2,14
Mediana 2,00
Moda 1
Desv. típ. 1,394
Varianza 1,944
Asimetría 1,340
Error típ. de asimetría ,267
Curtosis 1,369
Error típ. de curtosis ,529
Rango 6
Mínimo 1
Máximo 7
25 1,00
Percentiles 50 2,00
75 3,00
Nº de tatuajes
estampados
Porcentaj Porcentaje
Frecuenci Porcentaj
e válido acumulad
a e
1 44,4 o
2 36
21 44,4
25,9 25,9 44,4
70,4
3 11 13,6 13,6 84,0
4 6 7,4 7,4 91,4
Válidos 5 5 6,2 6,2 97,5
6 1 1,2 1,2 98,8
7 1 1,2 1,2 100,
0
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Parte del cuerpo
tatuada
Estadísticos
Parte del cuerpo tatuada
Válidos 81
N
Perdidos 0
Parte del cuerpo
tatuada
Porcentaje Porcen
Frecuencia Porcentaje
válido acumu
Abdomen 1 1,2 1,2 1,2
Antebrazo 1 1,2 1,2 2,5
Brazo 21 25,9 25,9 28,4
Cintura 1 1,2 1,2 29,6
Cuello 2 2,5 2,5 32,1
Espalda 28 34,6 34,6 66,7
Hombros 4 4,9 4,9 71,6
Válidos Muñeca 1 1,2 1,2 72,8
Pecho 3 3,7 3,7 76,5
Pelvis 2 2,5 2,5 79,0
Pie 7 8,6 8,6 87,7
Pierna 8 9,9 9,9 97,5
Todas 1 1,2 1,2 98,8
Torzo 1 1,2 1,2 100,
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Mediación para elegir el sitio
Estadísticos
Mediación para elegir el
sitio
Válidos 81
N
Perdidos 0

Mediación para elegir el sitio

Porcentaje Porc
Frecuencia Porcentaje
acum
Amigo 60 74,1 74,1
Familia 7 8,6 8,6

Válidos Internet 1 1,2 1,2 84,0

Publicidad 12 14,8 14,8 98,8
Volante 1 1,2 1,2 100,0
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1
 Verificación de normas de sanidad del sitio
Estadísticos
Verificación de
normas de sanidad del
sitio
Válidos 81
N
Perdidos 0
Verificación de normas de sanidad del sitio
Porcentaje Porcentaje váli
Frecuencia Porcentaje
acumulado
Sí 67 82,7 82,7 82,7
Válidos No 14 17,3 17,3 100,0
Total 81 100,0 100,0

Ha tenido implicaciones en la vida social

Estadísticos
Ha tenido
implicaciones en la
vida social
Válidos 81
N
Perdidos 0
Ha tenido implicaciones en la vida social
Frecuencia Porcentaje Porcentaje P
válido a
Sí 28 34,6 34,6

Válidos No 43 53,1 53,1 87,7

Tal vez 10 12,3 12,3 100,0
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Se arrepiente de
tatuarse
Estadísticos
Se arrepiente de
tatuarse
Válidos 81
N
Perdidos
0
Se arrepiente de tatuarse
P orcentaje Porcentaje v
Frecuencia Porcentaje acumulado
Sí 6 7,4 7,4
Válidos No 75 92,6 92,6
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Costo del tatuaje
Estadísticos
Costo del tatuaje
N Válidos 81
Perdido 0
Media s 365259,26
Mediana 200000,00
Moda 200000a
Desv. típ. 563041,80
Varianza 1
317016069444,44
Asimetría 4 4,461
Error típ. de asimetría 0,267
Curtosis 24,117
Error típ. de curtosis 0,529
Rango 3975000
Mínimo 25000
Máximo 4000000
25 90000,00
Percentiles 50 200000,00
75 405000,00

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 a. Existen varias modas. Se mostrará el menor de los valores
Costo del tatuaje
Frecuencia Porcentaje Porcentaje válido Porcentaje acum
25000 2 2,5 2,5 2,5
30000 1 1,2 1,2 3,7
35000 1 1,2 1,2 4,9
40000 2 2,5 2,5 7,4
50000 4 4,9 4,9 12,3
60000 3 3,7 3,7 16,0
70000 1 1,2 1,2 17,3
80000 2 2,5 2,5 19,8
90000 6 7,4 7,4 27,2
100000 3 3,7 3,7 30,9
111000 1 1,2 1,2 32,1
120000 2 2,5 2,5 34,6
130000 1 1,2 1,2 35,8
150000 3 3,7 3,7 39,5
160000 1 1,2 1,2 40,7
190000 2 2,5 2,5 43,2
200000 7 8,6 8,6 51,9
Válidos 210000 1 1,2 1,2 53,1
220000 1 1,2 1,2 54,3
225000 1 1,2 1,2 55,6
245000 1 1,2 1,2 56,8
250000 3 3,7 3,7 60,5
300000 7 8,6 8,6 69,1
320000 1 1,2 1,2 70,4
360000 1 1,2 1,2 71,6
370000 1 1,2 1,2 72,8
400000 2 2,5 2,5 75,3
410000 1 1,2 1,2 76,5
450000 1 1,2 1,2 77,8
470000 1 1,2 1,2 79,0
500000 2 2,5 2,5 81,5
520000 1 1,2 1,2 82,7
600000 4 4,9 4,9 87,7
620000 1 1,2 1,2 88,9
700000 1 1,2 1,2 90,1
800000 2 2,5 2,5 92,6
850000 1 1,2 1,2 93,8
950000 1 1,2 1,2 95,1
1000000 1 1,2 1,2 96,3
2000000 1 1,2 1,2 97,5
2500000 1 1,2 1,2 98,8
4000000 1 1,2 1,2 100,0
Total 81 100,0 100,0

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 12.5 Ejercicio de aplicación

La siguiente información corresponde al análisis realizado a estu-

diantes del grado cuarto de la Escuela Tulio Botero Salazar de la
ciu- dad de Medellín (Posada, 2014). Se analizaron las siguientes
variables: género, materia favorita, edad, número de hermanos,
peso y estatura. En la tabla 40 se presenta la información
consolidada.

Tabla 40. Variables para el ejercicio de aplicación

12.5
Materia N° de Peso Estatu
Estudiante Género Edad (años)
favorita ermanos (kg) (m)
1 Masculino Geometría 9 0 30
2 Masculino Matemáticas 9 1 33
3 Femenino Artística 10 2 37
4 Masculino Educación física 9 1 32
5 Femenino Educación física 9 2 34
6 Femenino Educación física 9 1 34
7 Masculino Matemáticas 9 1 30
8 Femenino Geometría 9 3 30
9 Masculino Educación física 10 1 37
10 Masculino Artística 9 1 35
11 Femenino Matemáticas 9 3 32
12 Femenino Matemáticas 8 1 32
13 Masculino Artística 10 1 33
14 Femenino Matemáticas 9 2 35

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Continua en la siguiente página

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 Continua en la anterior página

Materia N° de Peso Est

Estudiante Género Edad (años)
favorita ermanos (kg) (
15 Masculino Artística 12 4 37
16 Masculino Geometría 11 2 38
17 Masculino Artística 9 2 34
18 Femenino Matemáticas 9 1 30
19 Femenino Educación física 9 4 30
20 Masculino Artística 9 4 26
21 Masculino Artística 9 1 33
22 Femenino Educación física 10 1 30
23 Masculino Matemáticas 9 1 25
24 Masculino Matemáticas 9 3 35
25 Femenino Educación física 9 0 28
26 Femenino Educación física 9 1 33
27 Masculino Artística 9 1 34
28 Femenino Artística 10 1 45
29 Masculino Artística 9 2 25
30 Femenino Artística 9 2 31
31 Masculino Artística 9 1 32
32 Femenino Educación física 9 2 36
33 Masculino Educación física 9 3 33
34 Masculino Artística 9 0 30
35 Femenino Educación física 9 3 30
36 Masculino Educación física 9 1 27
37 Femenino Educación física 9 1 30
38 Masculino Educación física 9 1 35
39 Masculino Español 9 1 32
40 Femenino Español 10 1 30
41 Femenino Español 10 0 34
42 Femenino Educación física 9 1 31
43 Masculino Matemáticas 9 1 35
44 Femenino Artística 8 1 30
Elaboración propia a partir de encuesta aplicada a estudiantes del grado cuarto de la Escuela Tulio Botero Salazar de la
ciudad de Medellín

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 1. Usando SPSS, construir las frecuencias para las
variables género, materia favorita, edad, número de
hermanos, peso y estatura.

2. Elaborar las gráficas correspondientes para cada una

de las variables mencionadas anteriormente.

3. Calcular media aritmética, mediana, moda, varianza,

des- viación, sesgo, curtosis y cuartiles para cada una
de las va- riables cuantitativas. Interpretar los
resultados obtenidos.

1 elementos básicos de estadística descriptiva para el análisis de análisis estadístico bajo 1

 referencias

Alzate, J. C. (2004). Estadística Descriptiva. Medellín:

Iniremington. Berenson, M., Levine, D., y Krehbiel, T. (2006).

Estadística para
administración. México:
Pearson.
Bonnet, J. (2003). Lecciones de estadística. España: Editorial Club
Universitario.
Departamento Administrativo Nacional de Estadística (DANE,
2008). Estimación interpretación del coeficiente de variación
de la encuesta Cocensal. Recuperado de:
[Link]
files/investigaciones/boletines/censo/est_interp_coefvariacion
. pdf
Hernández, S. (2005). Historia de la estadística. México:
La ciencia y el hombre. Recuperado de: [Link]
bitstream/123456789/5640/2/[Link]
Lind, D., Mason, R. D., y Marchal, W. G. (2000). Estadística para
administración y economía. España: McGraw-Hill.

Martínez, C. (2000). Estadística y muestreo. Bogotá: Ecoe

Ediciones. Martínez, C. (2007). Estadística básica aplicada.

Bogotá: Ecoe Ediciones. Mendenhall, W. (1995). Estadística

para administradores. México:

Iberoamerica
.

1 elementos básicos de estadística descriptiva para el análisis de 1

 Pierdant, A., y Rodríguez, J. (2006). Elementos básicos de
estadística para Ciencias Sociales. México DF:
Universidad Autónoma Metropolitana.

1 elementos básicos de estadística descriptiva para el análisis de 1

 Pérez, C. (2005). Técnicas estadísticas con SPSS 12. Aplicaciones
al análisis de datos. Madrid: Pearson Educación.
Posada, G.J. (2014). Proyecto de aula: aplicación de conceptos
estadísticos. Estudiantes del curso de Estadística, semestre 01
de
2014. Fundación Universitaria Luis Amigó, Medellín.
Posada, G. J., y Buitrago, M. V. (2006). Módulo de Estadística.
Colombia: Fundación Universitaria Luis Amigó.
Spiegel, M. (2013). Estadística. España: McGraw-Hill.
Suárez, M., y Tapia, F. (2012). Interaprendizaje de estadística básica.
Ecuador: Universidad Técnica del Norte.

Ruíz Muñoz, D. (2005). Manual de Estadística. Universidad

Pablo de Olavide. Recuperado de:
[Link] libreria/drm/[Link]

Triola, M. F. (2000). Estadística elemental. México: Pearson

Educación. Walpole, R. E., y Myers, R. H. (2012). Probabilidad y

estadística. México:
McGraw-Hill.

1 elementos básicos de estadística descriptiva para el análisis de 1

 información del autor

gabriel jaime posada hernández

Es Ingeniero Forestal, Especialista en Gestión Pública de la Escuela

Superior de Administración Pública (ESAP) y Magister en Estudios
Urbano-Regionales de la Universidad Nacional de Colombia.

Entre sus publicaciones se encuentran: Contribuciones de la

econo- mía solidaria al desarrollo local: el caso del Altiplano norte
del depar- tamento de Antioquia, publicado en la Revista
Semestre Económico; Línea de investigación en matemáticas
aplicadas, 2008; Ecuaciones Lineal y Cuadrática, 2012; Análisis
comparativo de la competencia genérica Razonamiento
Cuantitativo de la prueba Saber Pro, 2013; Ámbitos
socioeconómicos de los municipios colombianos: una mirada
desde el ordenamiento territorial, 2014; Estado de la com-
petencia genérica Razonamiento Cuantitativo en los aspirantes a
la educación superior, 2014; Relación entre las competencias
genéricas Razonamiento Cuantitativo y Lectura Crítica en las
pruebas Saber Pro para el departamento de Antioquia, 2015.

Obtuvo Menciones Especiales por producción intelectual de los

módulos de Cálculo Diferencial e Integral (Funlam, 2004) y por
contribuir al pensamiento en cooperación Francisco Luis Jiménez
Arcila (Asociación Antioqueña de Cooperativas y Confederación de
Cooperativas de Antioquia, 2005).

Actualmente se desempeña como docente de tiempo completo del

Departamento de Ciencias Básicas en la Fundación Universitaria
Luis Amigo y es integrante de los grupos de investigación de

1 información del información del 1

 Economía Solidaria (ECOSOL) y Sistemas de Información y
Sociedad del

1 información del información del 1

 Conocimiento (SISCO), donde ha participado en diversos
proyectos, entre ellos: Descripción y análisis de variables
financieras y socioeconómicas del sector de la economía solidaria
en Antioquia (2001–2002), Variables financieras y
socioeconómicas del sector de la economía solidaria en Antioquia
(2002–2003), Aporte de la economía solidaria al desarrollo local
del altiplano del norte de Antioquia (2005), Responsabilidad social
en cooperativas de reciclaje del oriente cercano del departamento
de Antioquia y el Área Metropolitana del Valle de Aburrá
(2007), Análisis comparativo de la competencia genérica
razonamiento cuantitativo de la prueba Saber Pro y su relación
con los cursos ofrecidos por el Departamento de Ciencias Básicas
en los programas de pregrado de la Funlam y la UdeM (2012).

1 información del información del 1

Medellín
2016

análisis estadístico bajo spss 157