Estadística descriptiva: fórmulas de medidas de tendencia, dispersión, forma y probabilidad
Resumen
El documento recoge las fórmulas y definiciones básicas de estadística descriptiva: medidas de tendencia central, percentiles y cuartiles, dispersión, medidas de forma y transformaciones de datos. También incluye conceptos básicos de probabilidad y combinatoria. Es útil como referencia rápida para calcular e interpretar estadísticos de un conjunto de datos.
Puntos clave
- La mediana en datos no agrupados se localiza en la posición (n+1)/2 y en datos agrupados se calcula con Li + c·((n/2 − Fi−1)/fi).
- La varianza muestral corregida divide entre (n−1) y la no corregida entre n.
- El coeficiente de variación CV = s/|x̄| indica homogeneidad si CV < 1.
- Un coeficiente de asimetría positivo indica asimetría a la derecha; uno negativo, a la izquierda.
- La curtosis CAP = 3 corresponde a una distribución mesocúrtica (similar a la normal).
- El Teorema de Chebyshev garantiza que el intervalo x̄ ± 2s contiene al menos el 75% de los datos.
Conceptos Fundamentales en Estadística Descriptiva
Este documento presenta un compendio de fórmulas y definiciones esenciales utilizadas en estadística descriptiva para el análisis y la interpretación de datos.
Número de Elementos
num = E(3/4 + log n / log 2)
Medidas de Tendencia Central
Mediana
La mediana es el valor central en un conjunto de datos ordenados.
- Para datos no agrupados:
La mediana se encuentra en la posición:
X(n+1)/2 - Para datos agrupados:
La fórmula para calcular la mediana es:
X = Li + c * (((n/2) - Fi-1) / fi)Donde:
Li: Límite inferior de la clase mediana.c: Amplitud de la clase mediana.n: Número total de datos.Fi-1: Frecuencia acumulada de la clase anterior a la clase mediana.fi: Frecuencia absoluta de la clase mediana.
Percentiles y Cuartiles
Los percentiles dividen un conjunto de datos en 100 partes iguales, mientras que los cuartiles lo dividen en 4.
- Para datos no agrupados:
- Primer Cuartil (Q1):
Q1 = X(n+1)/4 - Tercer Cuartil (Q3):
Q3 = X3(n+1)/4
- Primer Cuartil (Q1):
- Para datos agrupados (fórmula general para el k-ésimo percentil):
Xk = Li + c * (((nk/100) - Fk-1) / fk)Donde:
Li: Límite inferior de la clase del percentil.c: Amplitud de la clase del percentil.n: Número total de datos.k: Percentil deseado (ej. 25 para Q1, 50 para Q2/Mediana, 75 para Q3).Fk-1: Frecuencia acumulada de la clase anterior a la clase del percentil.fk: Frecuencia absoluta de la clase del percentil.
Moda
La moda es el valor que aparece con mayor frecuencia en un conjunto de datos.
- Para datos agrupados:
La fórmula para calcular la moda es:
Moda = Li + c * (D1 / (D1 + D2))Donde:
Li: Límite inferior de la clase modal.c: Tamaño o amplitud de la clase modal.D1: Diferencia entre la frecuencia absoluta de la clase modal y la frecuencia absoluta de la clase anterior.D2: Diferencia entre la frecuencia absoluta de la clase modal y la frecuencia absoluta de la clase posterior.
Medidas de Dispersión
Varianza
La varianza mide la dispersión de los datos alrededor de la media.
- Varianza muestral (no corregida):
s² = (1/n) * Σ(x - x̄)² - Varianza muestral corregida (insesgada):
s²c = (1/(n-1)) * Σ(x - x̄)²
Desviación Media
La desviación media es la media de las desviaciones absolutas de los datos respecto a la media.
D = (1/n) * Σ|x - x̄|
Coeficiente de Variación de Pearson (CV)
El coeficiente de variación es una medida de dispersión relativa que compara la desviación estándar con la media.
CV = s / |x̄| (donde x̄ ≠ 0)
- Si
CV < 1: Indica homogeneidad en los datos. - Si
CV > 1.5: Puede ser un indicio de heterogeneidad, posiblemente debido a la mezcla de poblaciones.
Medidas de Forma
Coeficiente de Asimetría (CAS)
El coeficiente de asimetría mide el grado de asimetría de la distribución de los datos.
CAS = (1/(n * s³)) * Σ(x - x̄)³
- Si
CAS = 0: La distribución es simétrica. - Si
CAS < 0: La distribución es asimétrica a la izquierda (sesgada negativamente). - Si
CAS > 0: La distribución es asimétrica a la derecha (sesgada positivamente).
Coeficiente de Curtosis (CAP)
El coeficiente de curtosis mide el grado de apuntamiento o achatamiento de una distribución en comparación con una distribución normal.
CAP = (1/(n * s⁴)) * Σ(x - x̄)⁴
- Si
CAP = 3: La distribución es mesocúrtica (similar a la normal). - Si
CAP < 3: La distribución es platicúrtica (más achatada que la normal). - Si
CAP > 3: La distribución es leptocúrtica (más apuntada que la normal).
Teorema de Chebyshev
El Teorema de Chebyshev establece que, para cualquier distribución de datos, el porcentaje de observaciones que caen dentro de k desviaciones estándar de la media es al menos (1 - 1/k²) * 100%.
- El intervalo
(x̄ - 2s, x̄ + 2s)contiene al menos el 75% de los datos. - El intervalo
(x̄ - 3s, x̄ + 3s)contiene al menos el 88.9% de los datos. - El intervalo
(x̄ - 4s, x̄ + 4s)contiene al menos el 93.75% de los datos.
Transformaciones de Datos
Las transformaciones se utilizan para ajustar la distribución de los datos o para linealizar relaciones.
- Transformaciones lineales:
y = a + bx - Transformaciones no lineales:
Requieren un análisis gráfico para determinar la naturaleza de la relación.
- Caso particular lineal: Tipificación o Estandarización de una variable
Este proceso convierte una serie de datos
xien una nueva seriezique tiene una media de 0 y una desviación típica de 1.zi = (xi - x̄) / s
Expresiones Gráficas
Las representaciones visuales son fundamentales para comprender la distribución y las características de los datos.
- Histogramas:
El número de datos en cada clase es proporcional a su área correspondiente, mostrando la distribución de frecuencia de una variable continua.
- Diagrama de Caja o Boxplot:
Permiten visualizar la distribución de los datos a través de sus cuartiles y detectar la presencia de valores anómalos (outliers).
Conceptos Básicos de Probabilidad
Probabilidad de Sucesos
La probabilidad de un suceso A, denotada como P(A), siempre se encuentra entre 0 y 1 (inclusive).
0 ≤ P(A) ≤ 1
Sucesos Incompatibles
Dos sucesos A y B son incompatibles (o mutuamente excluyentes) si no pueden ocurrir al mismo tiempo. Es decir, su intersección es el conjunto vacío.
P(A ∩ B) = 0
Probabilidad Condicional
La probabilidad de que ocurra el suceso A dado que ha ocurrido el suceso B se calcula como:
P(A | B) = P(A ∩ B) / P(B) (donde P(B) > 0)
Leyes de De Morgan
Estas leyes relacionan las operaciones de unión, intersección y complemento de sucesos:
(A ∪ B)ᶜ = Aᶜ ∩ Bᶜ(A ∩ B)ᶜ = Aᶜ ∪ Bᶜ
Combinatoria
La combinatoria estudia las diferentes formas de agrupar y ordenar elementos de un conjunto.
Combinación (sin repetición)
El número de formas de elegir k elementos de un conjunto de n elementos distintos, sin importar el orden y sin repetición, se calcula como:
Cnk = (nk) = n! / (k! * (n - k)!)
Combinación con Repetición
El número de formas de elegir k elementos de un conjunto de n elementos distintos, permitiendo la repetición y sin importar el orden, se calcula como:
CRnk = (n+k-1k)
Variación (Permutación sin repetición)
El número de formas de elegir y ordenar k elementos de un conjunto de n elementos distintos, sin repetición, se calcula como:
Vnk = n * (n - 1) * (n - 2) * ... * (n - k + 1)
Descargar
PDF Word HTMLPreguntas frecuentes
¿Cómo se calcula la mediana para datos agrupados?
Se usa la fórmula X = Li + c·((n/2 − Fi−1)/fi), donde Li es el límite inferior de la clase mediana, c su amplitud, Fi−1 la frecuencia acumulada de la clase anterior y fi la frecuencia absoluta de la clase mediana.
¿Qué indica un coeficiente de variación de Pearson menor que 1?
Indica homogeneidad en los datos. Si el CV es mayor que 1,5, puede haber heterogeneidad, posiblemente por la mezcla de poblaciones.
¿Qué porcentaje de datos contiene el intervalo x̄ ± 3s según Chebyshev?
Al menos el 88,9% de los datos, según el Teorema de Chebyshev aplicado a cualquier distribución.
Ponte a prueba
Tarjetas de repaso
Pulsa una tarjeta para ver la respuesta.
Test
Preguntas generadas con IA a partir del documento: comprueba las respuestas con el texto.