ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

Transcripción

1 ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas, idicadores de cotamiació, etc) lo más completo es, evidetemete, estudiar la població etera. Pero esto suele requerir demasiado tiempo y demasiado diero. Otras veces, el estudio de u elemeto es destructivo, co lo cual es imposible hacer u aálisis de toda la població (os quedaríamos si població). Por tato, ormalmete, os coformaremos co u coocimieto parcial de la població. Esto lo coseguiremos observado uos cuatos elemetos y viedo cómo es o cuáto vale e ellos esa característica que os iteresa. Este cojuto de elemetos que observamos es lo que llamaremos ua muestra de la població. El objetivo básico de la Estadística Descriptiva para ua variable es hacer ua descripció lo más secilla posible de los resultados obteidos e la muestra. Esta descripció se hará mediate represetacioes gráficas y mediate resúmees uméricos. Este capítulo está dedicado a hacer u estudio descriptivo de lo obteido e ua muestra cocreta, cuado os iteresamos e ua sola característica, es decir, e ua sola variable estadística o variable respuesta. Estas variables puede ser de dos tipos: cualitativas y cuatitativas. 2 Variables cualitativas Ua variable respuesta es cualitativa cuado sólo puede clasificarse e categorías o uméricas. Ejemplos de variables cualitativas so el color de los ojos de las persoas de ua ciudad, la Facultad o Escuela e la que está matriculados los estudiates de ua Uiversidad, etc. E este caso sólo podemos hacer represetacioes gráficas. Su objetivo es dar ua idea visual secilla de la muestra obteida. Naturalmete, hay ua gra variedad de represetacioes gráficas: diagramas de barras, diagramas de sectores,... Todas ellas so muy secillas de compreder y de iterpretar. 1

2 3 Variables cuatitativas Ua variable respuesta X es cuatitativa cuado toma valores uméricos. So las más iteresates ya que co ellas podemos obteer resúmees uméricos que o teía setido para las variables cualitativas. Es muy habitual distiguir dos tipos de variables cuatitativas que idicamos a cotiuació: Discretas: Sólo puede tomar u cojuto fiito o umerable de valores (geeralmete valores eteros). Cotiuas: Puede tomar cualquier valor e u itervalo (fiito o ifiito). Si embargo, es coveiete resaltar que para la mayoría de las cosas que vamos a hacer es irrelevate si la variable es discreta o cotiua. Utilizaremos la siguiete otació, tato para variables discretas como para variables cotiuas: : Tamaño de la muestra = Número de elemetos observados. x 1,..., x : Represeta los valores de la variable respuesta obteidos e la muestra (puede haber repeticioes). A veces, al estudiar variables cotiuas, o dispoemos de los datos origiales sio que os da los datos agrupados e ua serie de itervalos o clases A 1,..., A k. E este caso, la otació sería: : Tamaño de la muestra = Número de elemetos observados. x 1,..., x k : Represetates de las clases A 1,..., A k (geeralmete, los putos medios de los itervalos). 1,..., k : Número de observacioes detro de cada clase (frecuecias absolutas). f 1,..., f k : Frecuecias relativas detro de cada clase (f i = i /). Por supuesto, si se puede, es preferible utilizar los datos origiales a usar los datos agrupados e uas clases artificiales. Ituitivamete, los datos origiales cotiee más iformació que los datos agrupados. 2

3 4 Resúmees uméricos Defiició.- La media muestral es ua medida de cetralizació que se defie como: x = 1 x i Cuado se trate de ua variable cotiua co los datos agrupados, usaremos: x = 1 k k i x i = f i x i Es decir, es como si el valor x i hubiera aparecido i veces. Pero isistimos e que si los datos está si agrupar, o tiee mucho setido agruparlos. Defiició.- La mediaa muestral es otra medida de cetralizació cuya idea es la siguiete: La mediaa, M, es el valor de la muestra que deja el 50% de los datos por debajo (so meores) y el 50 % de los datos por ecima (so mayores). Por tato, para hallar la mediaa de ua muestra ordeamos las observacioes de meor a mayor y teemos dos posibilidades: Si el úmero de observacioes es impar, la mediaa es el valor cetral. Si el úmero de observacioes es par, la mediaa es el puto medio de los dos valores cetrales. Si se trata de ua variable cotiua co los datos agrupados, se puede hallar el itervalo mediaa, es decir, la clase e la que se ecuetra la mediaa. Después, se puede hacer ua iterpolació, co el objetivo de hallar el valor aproximado de la mediaa. La idea de la mediaa se puede exteder a los cuartiles: Defiició.- El primer cuartil, Q 1, es el valor de la muestra que deja el 25% de los datos por debajo (so meores) y el 75% de los datos por ecima (so mayores). El tercer cuartil, Q 3, es el valor de la muestra que deja el 75% de los datos por debajo (so meores) y el 25% de los datos por ecima (so mayores). El método para hallar Q 1 y Q 3 es aálogo al empleado para hallar la mediaa. 3

4 Podemos aplicar las defiicioes ateriores para calcular mediaa y cuartiles e los dos siguietes casos: (a) (b) Defiició.- La moda muestral de ua variable discreta es ua medida de cetralizació que se defie como el valor que aparece más repetido e la muestra. La moda es meos iteresate como medida de cetralizació por varias razoes: o tiee setido para variables cotiuas (habría que agrupar), puede o ser u valor cetral, puede haber ua moda e cada extremo, etc. Defiició.- La variaza muestral es ua medida de dispersió que se defie como: v x = 1 (x i x) 2 Para calcular la variaza suele ser más cómodo usar la siguiete expresió que obteemos desarrollado el cuadrado: v x = 1 i x) (x 2 = 1 ( x 2 i 2 x = 1 ( ) x 2 i x 2 ) x i + x 2 Si se trata de ua variable cotiua co los datos agrupados, usaremos la expresió: v x = 1 k i (x i x) 2 =... = 1 ( k ) i x 2 i x 2 Observació: La defiició que se ha dado de variaza muestral correspode a la idea atural de medir la dispersió cuadrática media y, por este motivo, dividimos por (úmero total de datos). Es muy frecuete ecotrar textos y paquetes iformáticos e los que, e la defiició de variaza muestral, se divide por 1, e vez de por. Esto tiee su justificació e la Iferecia Estadística (cuado se busca estimadores isesgados), pero o e la Estadística Descriptiva. Por supuesto, si es grade, la diferecia etre dividir por ó por 1 es muy pequeña. 4

5 Defiició.- La desviació típica (o desviació stadard) muestral es ua medida de dispersió que se defie como la raíz cuadrada positiva de la variaza muestral. Co la desviació típica medimos la dispersió e las uidades origiales, ya que la variaza os da la media de los cuadrados de las desviacioes a la media muestral. 5 Represetacioes gráficas Se puede hacer distitas represetacioes gráficas co los datos de ua variable cuatitativa X. Tambié so secillas de compreder, auque requiere algo más de explicació que las represetacioes gráfica de variables cualitativas. Veremos alguas de las más iteresates, comezado por los diagramas de tallos y hojas: Defiició.- El procedimieto para costruir u diagrama de tallos y hojas es como sigue: 1. Redodear los datos a u úmero coveiete de cifras sigificativas, de modo que el perfil que obtegamos sea iformativo. 2. Colocarlos e ua tabla co dos columas separadas por ua líea, de la siguiete forma: (a) Todas las cifras meos la última se escribe a la izquierda de la líea (forma el tallo). (b) La última cifra se escribe a la derecha (forma la hoja). 3. Cada tallo defie ua clase y se escribe sólo ua vez. El úmero de hojas represeta la frecuecia de dicha clase. Otra represetació secilla muy utilizada es el diagrama de caja y bigotes (box-plot): Defiició.- E primer lugar, obteemos la mediaa, M, el primer cuartil, Q 1, el tercer cuartil, Q 3, y los valores míimo y máximo de las observacioes. La versíó mas secilla de diagrama de cajas y bigotes cosiste e dos cosas: 5

6 a) U rectágulo vertical (caja) que comieza e Q 1, termia e Q 3, y tiee ua líea cetral e M. b) Dos líeas (bigotes) que parte de Q 1 y Q 3 y llega, respectivamete, al míimo y al máximo. Este diagrama os da ua idea rápida de la cocetració y de la simetría de los datos. Otra represetació iteresate para variables cuatitativas cotiuas co los datos agrupados es el histograma: Defiició.- Dispoemos de los datos agrupados e k itervalos, cada uo co ua achura a i, i = 1,..., k. El histograma cosiste e costruir sobre cada itervalo u rectágulo cuya área represete la frecuecia (absoluta o relativa) de dicho itervalo. De ese modo, si pesamos por ejemplo e frecuecias absolutas, la altura, h i, de cada rectágulo sería: Área = i = a i h i h i = i a i 6 Ejemplo E 1778, H. Cavedish realizó ua serie de 29 experimetos co objeto de medir la desidad de la tierra. Sus resultados, tomado como uidad la desidad del agua, fuero: Queremos aalizar estos datos descriptivamete. E primer lugar, podemos represetar los datos sobre la variable estadística X= Desidad de la tierra co u diagrama de tallos y hojas: 6

7 Ordeado los datos de meor a mayor, la mediaa sería el dato que ocupa el puesto decimoquito: M = 5, 46. Procediedo de maera aáloga, el primer cuartil, Q 1, sería el puto medio de los datos que ocupa los puestos séptimo y octavo: Q 1 = (5, , 3)/2 = 5, 295 Aálogamete, el tercer cuartil, Q 3, sería el puto medio de los datos que ocupa los puestos 22 y 23: Q 3 = (5, , 62)/2 = 5, 615 Podemos calcular tambié la media y la desviació típica: x = 1 1 xi = 5, 448; Desviació típica = (xi x) 2 0, 22 Podemos observar que la media y la mediaa so muy similares; esto es cosecuecia de la simetría que se puede apreciar e el diagrama de tallos y hojas. Podemos abordar tambié el aálisis descriptivo que haríamos e el caso de que os hubiera dado los datos agrupados e ua serie de clases. Por ejemplo, supogamos que la iformació que teemos viee resumida (co algua simplificació) e la siguiete tabla : Clases x i i (5,10; 5,30] 5,20 8 (5,30; 5,40] 5,35 4 (5,40; 5,50] 5,45 5 (5,50; 5,60] 5,55 4 (5,60; 5,80] 5,70 8 7

8 Co esta iformació agrupada, tedríamos: x = 1 i x i = 5, 45; Desviació típica = 1 1 ( ) i (x i x) 2 = i x 2 i x 2 = 0, Lógicamete, existe pequeñas diferecias co respecto a lo que se obtuvo co los datos si agrupar. 8