Obtención de datos estadísticos

Son números que pueden ser comparados, analizados e interpretados y el campo del cual son
tomados se identifica como población o universo.

¿Para qué necesitamos recolectar datos?

Proporciona la introducción imprescindible para un estudio de investigación.
Medir el desempeño en un servicio o proceso de producción.
Ayudar en la formulación de alternativas para la toma de decisiones.
Satisfacer nuestra curiosidad.

Hay, por lo menos, tres maneras de obtener datos y son los siguientes:
 Utilizar los datos publicados por fuentes gubernamentales, industriales o particulares.
 A través de la experimentación.
 Realizando encuestas.

Ejemplo: 1.2

La profesora ha hecho una encuesta a los veinte

estudiantes de su clase.

Los números que ves en la tabla son el resultado de realizar el recuento, y se denominan datos
estadísticos: 2, 5, 7,...

Ordenamiento de Datos
 El Proceso de Ordenamiento de Dato:

Es el procedimiento en el cual se agrupan los registros en orden definido, con el fin de facilitar la
búsqueda de datos ordenados en secuencia. el cual puede ser numérico, alfabético o incluso
alfanumérico, ascendente o descendente, el cual puede ser numérico, alfabético o incluso
alfanumérico, ascendente o descendente.

Tipo de Ordenación de Datos.

Los Internos:

Son aquellos en los que los valores a ordenar están en memoria principal, por lo que se asume que
el tiempo que se requiere para acceder cualquier elemento sea el mismo.

Los externos:
Son aquellos en los que los valores a ordenar están en memoria secundaria como en disco, cinta,
cilindro magnético, etc. Por lo que se asume que el tiempo que se requiere para acceder a cualquier
elemento depende de la última posición accesada (posición 1, posición 500, etc).

Métodos de ordenación de datos.

Burbuja:

Es el metodo en donde se comparan los valores e intercambian si no estan en su posición relativa

correta, este se considera por ser frecuentemente usado siendo asi poco recomendado, este
metodo prácticamente lo que hace es tomar el elemento mayor y lo va recorriendo de posición en
posición hasta ponerlo en su lugar.
 Selección:

Consiste en la selección repetida de la llave menor restante en una lista de datos no clasificados,
como la siguiente llave que podrian ser dato o registro, en una lista de datos ordenada que crece.
Este metodo cumple con encontrar el menor de todos los elementos del arreglo e intercambiarlo con
el que está en la primera posición. Luego el segundo mas pequeño, y asi sucesivamente hasta
ordenar todo el arreglo.

Inter colección:

Es el tipo de algoritmo donde los elementos que van a ser ordenados son considerados uno a la
vez. Cada elemento es insertado en la posición apropiada con respecto al resto de los elementos ya
ordenados.

Conclusión

El ordenamiento de datos es una estrategia mas en cuanto a la busqueda facil y rapida de

información necesaria la cual se encuentra en registros
 REPRESENTACIÓN GRÁFICA DE DATOS
Las tablas estadísticas representan toda la información de modo esquemático y están preparadas para los cálculos po
estadísticos nos transmiten esa información de modo más expresivo, nos van a permitir, con un sólo golpe de vista,
observar sus caracteícticas más importantes, incluso sacar alguna conclusión sobre el comportamiento de la muestra
estudio.

Los gráficos estadísticos son muy útiles para comparar distintas tablas de frecuencia.

Los gráficos estadísticos más usuales son:

DIAGRAMA DE BARRAS.

Se utiliza para la representación de variables cuantitativas discretas, cada valor de la variable se representa por un
sobre él se dibuja una barra de longitud igual o proporcinal a su frecuencia absoluta. Si la frecuencia absoluta que s
diagrama de barras que se obtiene es: diagrama de barras acumulativo

HISTOGRAMA.

Se utiliza para la representación de variables cuantitativas continuas, cada intervalo se representa sobre el eje OX
rectángulo que se dibuja sobre él con altura igual o proporcional a su frecuencia absoluta. Como los intervalos son
quedan adosados. Si se utilizarán rectángulos de amplitud diferente, el área del rectángulo es la que tendría que ser p
absoluta correspondiente a ese intervalo. Histograma acumulativo, si se utiliza la frecuencia absoluta acumulativa

POLÍGONO DE FRECUENCIAS.

Se utilizan para variables estadísticas cuantitativas, discretas o continuas.

Para una variable discreta, el polígono de frecuencias se obtiene uniendo por una poligonal, los extremos superiore

Para una variable continua, el poligono de fecuencias se obtiene uniendo por una poligonal los puntos medios de la
poligonos del histograma.

Las escalas utilizadas para representar los polígonos de frecuencias influyen mucho por el impacto visual de los mis

DIAGRAMA DE SECTORES.

Se utiliza para todo tipo de variable estadística, cuantitativa o cualitativa. Consiste en dibujar sectores sobre un cí
los sectores proporcional a su frecuencia absoluta, cada sector se rellena con un color diferente.

El cálculo de la amplitud en grados sexagesimales del sector correspondiente se realiza así: ángulo = frecuencia rel
Ejemplo 2.- Hemos preguntado a 20 personas por el número medio de días que practican deporte a la semana y he
respuestas:

Nº días (xi) fr. absoluta (ni)

0 1
1 2
2 4
3 7
4 1
5 1
6 3
7 1
Total 20

Realiza en tu cuaderno el diagrama de barras, el poligono de frecuencias y el diagrama de sectores correspondiente,

los resultados.

Con el pulsador de "gráfico" puedes, al variar su valor, elegir diferente representación gráfica: 1 para diagram
polígono de frecuencia y 3 para el diaframa de sectores.

Puedes cambiar los valores de las frecuencias absolutas y observar su imfluencia en el correspondiente gráfico.

Ejemplo 3.- En un preconocimiento médico realizado a 30 niños, uno de los datos que se han tomado ha sido el p
uno, los resultados obtenidos se reflejan en la siguiente tabla:

Intervalo marca clase (xi) fr. absoluta (ni)

[20 , 24) 22 3
[24 , 28) 26 6
[28 , 32) 30 10
[32 , 36) 34 8
[36 , 40) 38 3
Total 30
 Realiza en tu cuaderno el Histograma, el poligono de frecuencias y el diagrama de sectores correspondiente, y
resultados.

Con el pulsador de "gráfico" puedes, al variar su valor, elegir diferente representación gráfica: 1 para Histogra
frecuencia y 3 para el diaframa de sectores.

Puedes cambiar los valores de las frecuencias absolutas y observar su imfluencia en el correspondiente gráfico.

Actividad 4.- Un aparato de radar instalado a la entrada de una población (velocidad máxima permitida, 60Km./h)
siguiente " estadística" de infracciones.
De más de 60 a 70 Km./h ................................... 30 vehículos
Entre 70 y 80 Km./h ........................................... 40 "
Entre 80 y 90 Km./h ........................................... 90 "
Entre 90 y 100 Km./h ........................................... 80 "
Entre 100 y 110 Km./h ........................................... 60 "
Entre 110 y 120 Km./h ........................................... 10 "

Dibuja un Histograma que refleje estos valores.

Actividad 5.- Utilizando la encuesta que has realizado en la actividad 2, construye la tabla de frecuencias, para ca
has considerado, y representa la correspondiente tabla de frecuencias, en el gráfico más adecuado.

datos estadísticos: tipos y técnicas de obtención

Por Macarena Jauregui el 26 de enero del 2016 en Estadística
 Dentro de la estadística, la necesidad de recolectar datos reside en cuatro razones importantes:
1. Proporcionar la introducción imprescindible para un estudio de investigación.
2. Medir el desempeño de un proceso de producción en curso.
3. Ayudar en la formulación de cursos alternativos de acción en un proceso de toma de decisiones.
4. Satisfacer nuestra curiosidad.
Es entonces que podemos decir que los datos pueden concebirse como información numérica necesaria
para ayudarnos a tomar una decisión con más bases en una situación particular.
Para que un análisis estadístico sea útil en el proceso de toma de decisiones, los datos de entrada deben
ser apropiados. Por tanto, la recolección de datos es extremadamente importante. Si los datos están
estropeados por sesgos, ambigüedades u otro tipo de error, es improbable que incluso las metodologías
más finas y sofisticadas sean suficientes para compensar tales deficiencias.

Contenido [ocultar]
 Obtención de datos
o Utilización de fuentes de datos publicados
o Diseño de un experimento
o Conducción de una encuesta
o Un tercer método para obtener datos es aplicar una encuesta. Simplemente se formulan preguntas respecto
a sus opiniones actitudes comportamiento y otras características. Después, sus respuestas se editan,
codifican y tabulan para su análisis.
o Realización de un estudio observacional
 Tipos de datos
 Niveles de medición y tipos de escala de medición

Obtención de datos
Existen muchos métodos mediante los cuales podemos obtener los datos necesarios. Podemos:
 Buscar datos a publicados por fuentes gubernamentales industriales o individuales
 Diseñar un experimento para obtener los datos necesarios
 Concluir un estudio
 Hacer observaciones de comportamiento
Utilización de fuentes de datos publicados
Sin importar la fuente utilizada, se hace una distinción entre el recolector original de los datos, la
organización o individuos que compilan estos en tablas y diagramas. El recolector de datos es la fuente
primaria, mientras que el compilador de los datos es la fuente secundaria.
Diseño de un experimento
Un segundo método para obtener los datos necesarios es la experimentación. En un experimento se ejerce
un control estricto sobre el tratamiento dado a los participantes. Por ejemplo, en un estudio para probar la
eficacia de una pasta de dientes, el investigador determinaría qué participantes del estudio usarían la nueva

marca y cuáles no, en lugar de dejarle la elección a los sujetos.

Conducción de una encuesta
Un tercer método para obtener datos es aplicar una encuesta. Simplemente se formulan preguntas respecto
a sus opiniones actitudes comportamiento y otras características. Después, sus respuestas se editan,
codifican y tabulan para su análisis.
Realización de un estudio observacional
En un estudio observacional, el investigador observa el comportamiento de interés directamente, por lo
común en su entorno natural. Hay una amplia variedad de formatos, los cuales pretenden recolectar
información en un grupo establecido para ayudar en el proceso de toma de decisiones.
Tipos de datos
Existen básicamente dos tipos de variables que producen dos tipos de datos: categóricas y numéricas.
Las variables aleatorias categóricas producen respuestas categóricas, mientras que las variables aleatorias
numéricas producen respuestas numéricas. La variable aleatoria numérica puede considerarse como
discreta, mientras que la otra puede pensarse como continúa.
Los datos discretos son respuestas numéricas que surgen de un proceso de conteo, mientras que los datos
continuos son respuestas numéricas que surgen de un proceso de medición.
Niveles de medición y tipos de escala de medición
De lo analizado anteriormente, observamos que nuestros datos resultantes también pueden describirse de
acuerdo con el nivel de medición obtenido. Los cuatro niveles de medición ampliamente reconocidos son,
del nivel de medición más débil al más fuerte, las escalas nominal, ordinal, de intervalo y de cociente.

Escala nominal y ordinal. Se dice que los datos obtenidos de una variable categórica han sido medidos en
una escala nominal o en una escala ordinal. Si los datos observados simplemente se clasifican en las
diversas categorías distintas en las que no se implica ningún orden, se obtiene un nivel de medición
nominal. Por otra parte, si los datos observados se clasifican en las distintas categorías en las que se
implica algún orden, se obtiene un nivel de medición ordinal.
Escalas de intervalo y de cociente. Una escala de intervalo es una escala ordenada en la que la
diferencia entre las mediciones es una cantidad significativa.
Si, además de que las diferencias son significativas e iguales en todos los puntos de la escala, existe un
punto cero verdadero que pueda ser tomado en cuenta con los cocientes de mediciones, entonces la escala
es una escala de cociente.
Como resumen podemos decir que la necesidad de recolectar datos reside en cuatro razones (recordemos:
proporcionar, medir, ayudar y satisfacer) y que además los mismos se pueden obtener de diversas formas:
datos publicados, diseñar un experimento, realizar una encuesta o llevar a cabo un estudio observacional.
De allí podemos obtener dos tipos diferentes de datos, categóricos o numéricos, que se pueden medir a
través de una escala nominal y ordinal o una escala de intervalo y de cociente

Presentación de datos estadísticos

Enviado por blanca marvella garcia

Partes: 1, 2, 3
1. Distribución de frecuencia
2. Algunas sugerencias para la confección de gráficos
3. Clasificación de los caracteres estadísticos

La presentación de datos estadísticos constituye en sus diferentes modalidades uno de los aspectos de mas uso en
la estadística descriptiva. A partir podemos visualizar a través de los diferentes medios escritos y televisivos
de comunicación masiva la presentación de los datos estadísticos sobre el comportamiento de las
principales variables económicas y sociales, nacionales e internacionales.
1-Presentación escrita: Esta forma de presentación de informaciones se usa cuando una serie de datos incluye
pocos valores, por lo cual resulta mas apropiada la palabra escrita como forma de escribir el comportamiento de los datos;
mediante la forma escrita, se resalta la importancia de las informaciones principales.
2-Presentación tabular: Cuando los datos estadísticos se presentan a través de un conjunto de filas y de columnas que
responden a un ordenamiento lógico; es de gran eso e importancia para el uso e importancia para el usuario ya que
constituye la forma más exacta de presentar las informaciones. Una tabla consta de varias partes, las principales son las
siguientes:
Titulo: Es la parte más importante del cuadro y sirve para describir todo él contenido de este.
Encabezados: Son los diferentes subtítulos que se colocan en la parte superior de cada columna.
Columna matriz: Es la columna principal del cuadro.
Cuerpo: El cuerpo contiene todas las informaciones numéricas que aparecen en la tabla.
Fuente: La fuente de los datos contenidos en la tabla indica la procedencia de estos.
Notas al pie: Son usadas para hacer algunas aclaraciones sobre aspectos que aparecen en la tabla o cuadro y que no han
sido explicados en otras partes.
3-Presentación grafica: Proporciona al lector o usuario mayor rapidez en la comprensión de los datos, una grafica es una
expresión artística usada para representar un conjunto de datos.
De acuerdo al tipo de variable que vamos a representar, las principales graficas son las siguientes:
Histograma: Es un conjunto de barras o rectángulos unidos uno de otro, en razón de que lo utilizamos para representar
variables continuas.
Polígono de frecuencias: Esta grafica se usa para representar los puntos medios de clase en una distribución de frecuencias
Gráfica de barras: Es un conjunto de rectángulos o barras separadas una de la otra, en razón de que se usa para
representar variables discretas; las barras deben ser de igual base o ancho y separadas a igual distancia. Pueden disponerse
en forma vertical y horizontal.
Gráfica lineal: Son usadas principalmente para representar datos clasificados por cantidad o tiempo; o sea, se usan para
representar series de tiempo o cronológicas.
Gráfica de barra 100% y gráfica circular: se usan especialmente para representar las partes en que se divide una cantidad
total.
La ojiva: Esta grafica consiste en la representación de las frecuencias acumuladas de una distribución de frecuencias. Puede
construirse de dos maneras diferentes; sobre la base "menor que" o sobre la base "o más". Puede determinar el valor de la
mediana de la distribución.
En estadística denominamos gráficos a aquellas imágenes que, combinando la utilización De sombreado, colores, puntos,
líneas, símbolos, números, texto y un sistema De referencia (coordenadas), permiten presentar información cuantitativa.
La utilidad De los gráficos es doble, ya que pueden servir no sólo como sustituto a las tablas, sino que también constituyen
por sí mismos una poderosa herramienta para el análisis De los datos, siendo en ocasiones el medio más efectivo no sólo
para describir y resumir la información, sino también para analizarla.
 En este trabajo solo nos vamos a centrar únicamente en los gráficos como vehículo de presentación de datos, sin abordar su
otra faceta como herramienta de análisis.

Distribución de frecuencia
Gráficos estadísticos
Los gráficos son medios popularizados y a menudo los más convenientes para presentar datos, se emplean para tener una
representación visual de la totalidad de laࠩnformación. Los gráficos estadísticos presentan los datos en forma de dibujo de
tal modo que se pueda percibir fácilmente los hechos esenciales y compararlos con otros.

Gráficos de barras horizontales

Representan valores discretos a base de trazos horizontales, aislados unos de otros. Se utilizan cuando los textos
correspondientes a cada categoría son muy extensos.
 para una serie
 para dos o más series

Gráficos de barras proporcionales

Se usan cuando lo que se busca es resaltar la representación de los porcentajes de los datosque componen un total. Las
barras pueden ser:
Verticales
Horizontales
Leer más: [Link]
[Link]#ixzz54kcU3LqH

Gráficos de barras comparativas: Se utilizan para࣯mparar dos o más series, para comparar valores entre categorías.̡s barras
pueden ser: Verticales Horizontales

Gráficos de barras e usan para mostrar las relaciones entre dos o más series con el total. Las barras pueden ser: verticales
horizontales
Gráficos de líneas
En este tipo de gráfico se representan los valores de los datos en dos ejes cartesianos ortogonales entre sí. Se pueden usar
para representar: una serie dos o más series

Una presentación adecuada y clara de los resultados de un trabajo de investigación además de ser fundamental para
contribuir a la difusión de los mismos, puede incluso ser imprescindible para lograr que se acepte su publicación. En la
actualidad la exigencia de las revistas y de los revisores ha contribuido a que el nivel de calidad en la presentación de datos
sea bastante bueno, por lo que es conveniente tener algunas ideas muy claras para evitar errores o situaciones que hoy ya
no son admisibles, lo que no solo nos preparará para la publicación de nuestros trabajos sino también para
una lectura crítica de los de otros. Precisamente un buen punto de partida para obtener información, no sólo sobre cómo
presentar nuestros resultados sino también sobre cómo preparar todo el conjunto del artículo, lo constituyen las propias guías
suministradas por las revistas.
Un artículo bien concebido debe transmitir la mayor parte de la información con sólo leer el Abstract y los Resultados, siendo
para ello vital que los datos, con las tablas y figuras correspondientes, estén bien presentados y organizados. En general no
debiera ser necesario acudir al texto para entender una tabla o una figura; otro caso es para interpretarla, lo que ya
corresponde al apartado de Discusión o Conclusiones.
La manera de presentar los datos es diferente según el tipo de los mismos. De forma rápida podemos hacer dos
grandes grupos: datos cuantitativos y datos cualitativos. En el grupo de datos cuantitativos tenemos aquellos cuyo resultado
puede variar de forma continua, como puede ser el peso, la edad, etc. y los que sólo pueden tomar valores enteros como por
ejemplo el número de hijos, el número de ingresados en la Unidad de Quemados un día concreto, etc. A su vez en
las variables cualitativas distinguiremos las nominales, que constituyen una simple etiqueta -como puede ser el sexo, el grupo
sanguíneo, etc.- de las ordinales, en las que se da una relación de orden entre las respuestas, como por ejemplo en el
resultado de una patología/tratamiento (fallece, empeora, sin cambios, mejora, curación) o el nivel educacional. Cada tipo
variable tiene requerimientos propios en cuanto a presentación y en cuanto a las pruebas que se utilizan para contrastar los
valores entre diferentes grupos.
Observados en ella serán válidos aproximadamente para esa población, y los procedimientos estadísticos nos permiten
cuantificar la magnitud del término "aproximadamente", lo que dependerá del tamaño y representatividad de la muestra (error
de muestreo), la variación debida a las técnicas de medida empleadas (error de medida), y la propia variabilidad
del proceso estudiado (error aleatorio).
La precisión de la estimación efectuada a partir de los datos del estudio se refleja en el intervalo de confianza. El intervalo de
confianza de un parámetro viene dado por dos límites, inferior y superior, en el que, de acuerdo con nuestros datos,
esperamos que se encuentre el valor verdadero del parámetro de la población (desconocido), con un nivel
de seguridad determinado y que se suele fijar en el 95%.
El intervalo de confianza es mucho más informativo que indicar solo si un resultado ha sido estadísticamente significativo,
incluso aunque se dé el valor de la probabilidad
Representaciones gráficas pueden alcanzar en el proceso de análisis de datos. La mayoría de los textos estadísticos y
epidemiológicos4 hacen hincapié en los distintos tipos de gráficos que se pueden crear, como una herramienta imprescindible
en la presentación de resultados y el proceso de análisis estadístico. No obstante, es difícil precisar cuándo es más apropiado
utilizar un gráfico que una tabla. Más bien podremos considerarlos dos modos distintos pero complementarios de visualizar
los mismos datos. La creciente utilización de distintos programas informáticos hace especialmente sencillo la obtención de las
mismas. La mayoría de los paquetes estadísticos (SPSS, STATGRAPHICS, S-PLUS, EGRET,...) ofrecen grandes
posibilidades en este sentido. Además de los gráficos vistos, es posible elaborar otros gráficos, incluso tridimensionales,
permitiendo grandes cambios en su apariencia y facilidad de exportación a otros programa
Figura 1. Ejemplo de gráfico de
sectores. Distribución de una muestra de
pacientes según el hábito de fumar.

Figura 2. Ejemplo de gráfico de barras. Estadio TNM en el cáncer gástrico.

Figura [Link] de un histograma correspondiente a los datos de la Tabla I.

Figura 4. Polígono de frecuencias para los datos de la Tabla I.

Figura [Link] de un diagrama de caja correspondiente a lo datos en la Tabla I.

Figura 7. Diagrama de barras agrupadas. Relación entre la presencia de alguna enfermedad coronaria y los
antecedentes cardiacos familiares en una muestra.
Figura 8. Barras de error. Variación en el índice desa corporal según el sexo.

Figura 9. Gráfico de líneas. N úmero de pacientes trasplantados renales en el

Complexo Hospitalario "Juan Canalejo" durante el periodo 1981-1997.
Figura 10. Diagrama de dispersión entre la talla y el peso de una muestra de
individuos.

Figura 11. Dos diagramas de líneas superpuestos. Variación en el peso medio de una muestra de
recién nacidos según el control ginecológico del embarazo y el hábito de fumar de la madre.
Figura 12. Diagrama de dispersión (regresión logística). Probabilidad de
padecer cirrosis hepática, según un modelo de regresión logística
ajustando por el % de protrombina y el presentar o no hepatomegalia.

Figura 13. Curva ROC para el porcentaje de protrombina en la predicción de cirrosis.

En estadística denominamos gráficos a aquellas imágenes que, combinando la utilización de sombreado, colores, puntos,
líneas, símbolos, números, texto y un sistema de referencia (coordenadas), permiten presentar información cuantitativa.
La utilidad de los gráficos es doble, ya que pueden servir no sólo como sustituto a las tablas, sino que también constituyen
por sí mismos una poderosa herramienta para el análisis de los datos, siendo en ocasiones el medio más efectivo no sólo
para describir y resumir la información, sino también para analizarla.
 El propósito de un gráfico no es entonces muy diferente del de cualquier otra herramienta estadística: ayudar a la
comprensión y comunicación de la evidencia aportada por los datos respecto a una hipótesis en estudio. Un gráfico científico
debe servir por tanto para representar la realidad, no para generar nuevas realidades inexistentes fuera de la propia imagen.
La llegada de los ordenadores y de programas para la generación de gráficos y presentaciones ha puesto en manos del
usuario común una herramienta poderosa, antes de que disponga de los conocimientos o la mentalidad adecuada para
usarla, y de esa forma nos vemos invadidos, cierto que con honrosas excepciones, por una insensata proliferación de gráficos
mercantilistas que parece que tienen como único objetivo hacernos ver la capacidad del programa utilizado: llenos de una
variada gama de colores, todo tipo de fuentes de letras imaginables, casi tantos como palabras, y por supuesto
representación al menos en tres dimensiones. Todo lo contrario de lo que un buen gráfico científico debe ser, en el que su
calidad radica precisamente en la simplicidad de la presentación para permitir visualizar unos datos complejos.
En este artículo nos vamos a centrar únicamente en los gráficos como vehículo de presentación de datos, sin abordar su otra
faceta como herramienta de análisis.
La calidad de un gráfico estadístico consiste en comunicar ideas complejas con precisión, claridad y eficiencia, de tal manera
que:
 Induzca a pensar en el contenido más que en la apariencia
 No distorsione la información proporcionada por los datos
 Presente mucha información (números) en poco espacio
 Favorezca la comparación de diferentes grupos de datos o de relaciones entre los mismos (por ejemplo una secuencia
temporal)
A su vez los gráficos se integran dentro de un contexto de presentación, por ejemplo en papel o proyectados en una pantalla
en una presentación oral, y deben estar adecuadamente diseñados para el soporte al que van destinados. Personalmente me
resulta asombroso la enorme cantidad de veces que oigo atónito a un presentador, que nos muestra una transparencia o una
diapositiva llena de texto minúsculo, ilegible para la audiencia, decir que "aunque uds probablemente no pueden leerlo"...
¿entonces para qué lo ha puesto en esa imagen? ¿qué arcana misión cumple entonces el texto que la audiencia no puede
leer?. Lo mismo podemos decir de los gráficos en papel ¿por qué contienen tantos puntos o rayas que no se pueden
distinguir unos de otros?
Aunque como norma general en los gráficos científicos los adornos sobran, tampoco hay que olvidar que a menudo también
cumplen una misión estética, ayudando de esa forma a una presentación que quizás sería demasiado árida sólo con texto y
números. Pero entonces esa función estética debe ser comprendida y valorada, quedando perfectamente integrada en el
contexto de lo que se presenta, y no puede ser una disculpa para distorsionar su contenido.

Algunas sugerencias para la confección de gráficos

En un artículo las tablas y las figuras deben llevar numeración diferente, y mientras que el título de una tabla debe ir en la
parte superior de ésta, el de la figura se colocará en la parte inferior.
Si se piensa utilizar un gráfico es porque aporta algo a la presentación de los datos; no tiene sentido gastar innecesariamente
espacio con una imagen, como en la figura de la izquierda, en la que mediante barras representamos dos frecuencias,
cuando los datos se pueden expresar con una simple frase o con una pequeña tabla.
La moda imperante de utilizar perspectiva para simular tres dimensiones en gráficas en las que únicamente se representa 2
dimensiones de los datos o a veces incluso sólo una dimensión (como son los diagramas de barras en la que la única
dimensión de los datos, la frecuencia absoluta o relativa, corresponde a la altura de la barra, ya que la anchura no mide
nada), distorsiona las relaciones entre los distintos elementos de los gráficos magnificando unas y empequeñeciendo otras y
por lo tanto constituye un elemento no deseable, por lo que nuestra encarecida recomendación es no utilizar en esos casos
representaciones en 3 dimensiones.

En la imagen de la izquierda vemos un ejemplo de flagrante confusión a la hora de percibir la información por el observador.
Entre las dos últimas barras de la derecha parece que existe escasa diferencia, aunque con distinto signo, pero si nos fijamos
en el escalado del eje, la barra morada tiene menos de 10 unidades de altura, si tomamos como referencia la cara frontal,
pero si nos fijamos en la cara posterior, la altura es superior a 10 (está por encima de la línea de 60). Sin embargo en la barra
última, de color rojo, cuando nos fijamos en la cara en primer plano la altura parece ser de 20 unidades, y si tomamos como
referencia la cara posterior parece que la altura corresponde a algo más de 15 unidades. ¿Con qué nos quedamos? Un
verdero lío. Este ejemplo no está preparado, se trata de un caso real que me presentaron hace pocos días: no es necesario
escarbar mucho para encontrar ejemplos a nuestro alrededor.
Un tipo de representación muy utilizado son las tartas y sin embargo desde el punto de vista de la comunicación de resultados
son totalmente inadecuadas, hasta tal punto que nuestra recomendación es no emplearlas nunca y mucho menos con tres
dimensiones
Categoría
[Link].
%
No sabe leer ni escribir
69
7,8
Sin estudios
246
27,9
Estudios primarios incompletos
262
29,7
Estudios primarios completos
129
14,6
Estudios de graduado escolar
85
9,7
Estudios de bachiller superior
57
6,5
Estudios universitarios medios
24
2,7
Estudios universitarios superiores
9
1,0
Total
881
En la tabla de la izquierda se presentan los datos procedentes de un estudio real, correspondientes al nivel cultural de 881
pacientes diabéticos, atendidos en régimen ambulatorio.
En la tarta que vemos más abajo se han representado los datos de esa tabla utilizando como lamentablemente es habitual
tres dimensiones. No sé qué le parecerá a ud lector, pero a mí, si me fijo en los sectores amarillos (Estudios primarios
incompletos) y verde (Sin estudios), me parece que el sector verde es algo más grande que el amarillo, lo que está en clara
contradicción con los datos de la tabla. Les aseguro que el gráfico no está "amañado", me he limitado a capturar la pantalla
de mi programa. Prueben con su programa favorito. El problema óptico radica en dónde coloquemos cada sector.

Fíjense en cambio en el diagrama de barras de la siguiente figura. Ahora sí se está reflejando adecuadamente los datos en el
gráfico y nos permite establecer relaciones visuales fiables entre ellos.
Veamos seguidamente cómo queda en una presentación estándar de PowerPoint. La primera tarta corresponde a
los datos de la tabla tal y como los presenta ese programa y en la segunda tarta intercambiamos la posición de los sectores
amarillo y verde, sin variar los porcentajes, pero no es eso lo que parece en la imagen, ya que el sector verde parece más
pequeño que el amarillo en la primera tarta, y mayor en la segunda.
En general es mejor presentar una tabla que una tarta, o un diagrama de barras, sobre todo si se desea comparar con
otros datos.
La pereza intelectual nos lleva a adoptar modas, tanto en la utilización de procedimientos estadísticos como en la
representación de datos, sin plantearnos si éstas son adecuadas. Conviene siempre reflexionar sobre lo que se hace. Así por
ejemplo, viene siendo muy habitual representar los porcentajes con una barra y una línea que marca el intervalo de confianza
de éste, como en la primera figura de la izquierda. Pero este tipo de representación tiene un cierto contenido de engaño, ya
que la presencia de esas líneas para el intervalo de confianza marcan sólo el límite superior, y sin embargo es igualmente
probable valores por debajo del extremo superior de la barra.
Una presentación más adecuada sería la de la segunda figura, que refleja esa característica de simetría del intervalo de
confianza. Es igualmente probable obtener valores superiores o inferiores.
Otra costumbre, que no tiene mucho sentido, y también muy difundida es la de unir puntos entre los que no existe una
relación secuencial. Sí que es lógico construir de esa forma curvas de evolución de crecimiento, de supervivencia, pero no es
lógico unir puntos que no guardan relación secuencial. Por ejemplo, en la gráfica anterior, si los 10 ensayos que se
representan en el eje de las X son independientes no tendría sentido unir los puntos; sí lo sería, si se trata de ensayos
secuenciales.
En la siguiente figura vemos el perfil de la media de los resultados del cuestionario de calidad de vida SF-36 en los hombres
(rojo) y mujeres (amarillo) en un grupo de pacientes diabéticos. Hay un punto para cada una de las dimensiones, que
corresponden a los conceptos de función física, rol físico, dolor corporal, salud general, vitalidad, función social, rol emocional
y salud mental. La moda es presentar los puntos unidos por una línea ¿por qué?. No dudo de que haya alguna razón, pero
¿los que así lo presentan conocen el motivo o lo hacen sólo por moda?

La utilización de un escalado adecuado es imprescindible en un buen gráfico estadístico. Es fundamental sobre todo si se van
a comparar diferentes gráficas, ya que entonces los ejes deben tener el mismo recorrido y las gráficas tener el mismo tamaño.
El recorrido de los ejes contiene en sí mismo también información. Así en la gráfica anterior, se quería indicar que el resultado
posible de cada una de las escalas va de 0 a 100, y que las diferencias entre el grupo de mujeres y de hombres, siendo
importantes, pueden quedar minimizadas en ese campo de variación. Si pretendiéramos realzar esas diferencias hubiéramos
elegido otro recorrido para el eje:
En ambos casos el recorrido elegido transmite por sí mismo un mensaje, por lo tanto debe escogerse adecuadamente.
Es difícil, sino imposible, dar consejos generales en cuanto a cómo elaborar un gráfico, si acaso sólo unas
mínimas normas básicas como las que venimos comentando. Hay que tener en cuenta además que el gráfico cumple también
una función estética, que fomenta la lectura del texto y ayuda a su comprensión. Y en el aspecto estético es donde será más
complicado lograr un consenso. Quizás la única norma general sea la de buscar sencillez y claridad, incluso el uso del color
debe ser moderado y bien elegido. Las líneas debieran ser finas, eliminándose aquellas que son superfluas y enmarañan el
gráfico. Solo se utilizarán rejillas si se considera necesario para ayudar a la interpretación y ubicación de los datos. En la
imagen debe haber un adecuado balance entre el espacio en blanco y el que contiene datos, aunque en ocasiones el
espacio en blanco sí que contiene información y transmite un mensaje, como en la gráfica anterior sobre calidad de vida,
cuando decidíamos presentar todo el rango de variación con el fin de minimizar la importancia de las diferencias.
En el gráfico ideal no tenemos que acudir al texto para interpretarlo.
Debe existir una adecuada relación entre el texto, las tablas y las imágenes, siendo fáciles de localizar y encontrándose
próximas al texto donde son referenciadas y a ser posible en la misma página. También una buena idea puede ser combinar
texto y tablas embebidas, para facilitar la
Lectura, ya que muchos números seguidos en una misma frase son difíciles de comprender. Veamos un ejemplo.
Se encontró una diferencia importante en la PAS entre el grupo de pacientes obesos y el resto, de 5.1 mmHg ([Link]
del 95% de 3.7 a 7.2), con los siguientes valores en cada grupo:
Grupo
Media
Desv.Típ.
Tam.
OBESO=NO
136,54
15,04
476
OBESO=SI
141,62
15,00
355
Incluir aquí la tabla con los datos en ambos grupos es mucho más legible que si hubiéramos continuado la frase indicando, a
continuación de los valores de la diferencia, los datos de cada grupo. Así, con la tabla, resulta mucho más fácil de leer que si
se expresa con un párrafo; por supuesto siempre que la tabla quede embebida en el texto y no vaya colocada en otro punto, y
hagamos referencia a ella con el consabido véase tabla n, lo que distraerá la atención.
Hay muchas otras posibilidades de gráficos, además de las tartas, barras, nubes de puntos y curvas, que constituyen una
alternativa más eficiente de presentación que el texto. Por ejemplo, una información que debería figurar en todo trabajo de
investigación, es la relativa al colectivo de sujetos del que se extrajo la muestra analizada, así como el procedimiento utilizado
y la evolución del tamaño de muestra durante el desarrollo del estudio. Este tipo información resulta complicado de describir
sólo con texto y sobre todo difícil de seguir por el lector, siendo mucho más ilustrativa la presentación de un diagrama de flujo,
tal y como proponen las recomendaciones CONSORT, de las que hemos extraído el ejemplo de la figura.
Las características globales de un conjunto de datos estadísticos pueden resumirse mediante una serie de cantidades
numéricas representativas llamadas parámetros estadísticos. Entre ellas, las medidas de tendencia central, como la media
aritmética, la moda o la mediana, ayudan a conocer de forma aproximada el comportamiento de una distribución estadística.
Medidas de centralización
Se llama medidas de posición, tendencia central o centralización a unos valores numéricos en torno a los cuales se
agrupan, en mayor o menor medida, los valores de una variable estadística. Estas medidas se conocen también
como promedios.
Para que un valor pueda ser considerado promedio, debe cumplirse que esté situado entre el menor y el mayor de la serie y
que su cálculo y utilización resulten sencillos en términos matemáticos.
Se distinguen dos clases principales de valores promedio:
Las medidas de posición centrales: medias (aritmética, geométrica, cuadrática, ponderada), mediana y moda.
Las medidas de posición no centrales: entre las que destacan especialmente los cuantíales.

Las medidas de centralización son parámetros representativos de distribuciones de frecuencia como las que ilustra la imagen.
Media aritmética
Se define media aritmética de una serie de valores como el resultado producido al sumar todos ellos y dividir la suma por el
número total de valores. La media aritmética se expresada como
Dada una variable x que toma los valores x1, x2, ..., xn, con frecuencias absolutas simbolizadas por f1, f2, ..., fn, la media
aritmética de todos estos valores vendrá dada por:

Media ponderada
En algunas series estadísticas, no todos los valores tienen la misma importancia. Entonces, para calcular la media se
ponderan dichos valores según su peso, con lo que se obtiene una media ponderada.
Si se tiene una variable con valores x1, x2, ..., xn, a los que se asigna un peso mediante valores numéricos
p1, p2, ..., pn, la media ponderada se calculará como sigue:
El cálculo de la media aritmética de una serie de valores puede abreviarse si se resta a todos los valores un mismo número
elegido convenientemente.
Cantiles
Los cuantíeles son medidas de tendencia no centrales, que permiten determinar la proporción de la población de una
variable estadística cuyos valores estadísticos son menores o iguales que un valor tomado como referencia. Este valor puede
determinarse dividiendo la población en diez partes (deciles), cien partes (percentiles), etcétera.
Variables estadísticas
En el mundo natural y en las sociedades humanas existen fenómenos cuyo comportamiento no puede establecerse
mediante leyes fijas, sino que obedecen a la conjunción de múltiples factores cuya interacción es a menudo incontrolable. En
tales casos se recurre a análisis estadísticos, que recogen datos sobre un número elevado de manifestaciones del fenómeno
y los relacionan y describen por medio de tablas, gráficos y valores numéricos representativos.
Conceptos de estadística
En el manejo de modelos estadísticos se utilizan tres conceptos fundamentales:
Población, definida como el conjunto de todos los elementos que verifican una cierta característica considerada
de interés para el estudio estadístico.
Individuo, cada uno de los elementos de una población. El número de individuos define el tamaño de la población.
Muestra o subpoblación, entendida como cualquier subconjunto representativo de la población considerada.
Por su parte, los individuos de una población poseen una serie de cualidades o propiedades que, genéricamente, se conocen
por caracteres. Existen dos clases de estas propiedades:
Cuantitativas, susceptibles de expresarse mediante números. Por ejemplo, la edad, el número de hijos, el peso o la estatura.
Cualitativas, que sólo pueden explicarse mediante palabras, como el color del pelo, la nacionalidad, el sexo, el estado civil,
etc.
Clases de variables estadísticas
El conjunto de valores que constituyen un carácter estadístico se denomina variable estadística. En términos estrictos, se
denomina variable estadística a todo carácter cuantitativo de un individuo, mientras que los caracteres cualitativos se suelen
llamar atributos.
Las variables estadísticas se clasifican en dos grandes grupos:
Variables discretas, que toman únicamente valores puntuales. Por ejemplo, el número de hijos de una mujer es siempre un
valor entero: 0, 1, 2, 3, ...
Variables continuas, que pueden tomar cualquier valor dentro del conjunto de los números reales R o de un intervalo suyo.
Ejemplos de variables continuas son las medidas antropomórficas de los recién nacidos, la altura de los ciudadanos de un
determinado colectivo, la medición de temperaturas, etcétera.
Se llama recorrido de una variable a la máxima diferencia que existe entre sus valores.

Clasificación de los caracteres estadísticos

Frecuencias
Si se observa un carácter en los elementos de una población, se determinará que aparece de la misma manera en un cierto
número de ellos. Este concepto se denomina frecuencia, de forma que:
Se denomina frecuencia absoluta al número de veces que aparece cada valor de una variable dentro del conjunto de datos.
La frecuencia absoluta del carácter i se expresa como fi.
Se llama frecuencia relativa, y se expresa como hi, al cociente entre la frecuencia absoluta del carácter y el número total de
observaciones n. Es decir:
hi = fi/n
Cuando se ordenan los valores de la variable en sentido creciente o decreciente y se van sumando hasta un cierto valor
determinado, se habla de frecuencia acumulada, que puede ser absoluta o relativa según el concepto de frecuencia que se
considere.
Presentación de tablas
Una primera forma de presentación de datos estadísticos se basa en el uso de tablas. Las más sencillas son las tablas de
distribución de frecuencias, donde se indican en columnas:
El valor de la variable.
La frecuencia absoluta, la frecuencia relativa y, en ocasiones, la frecuencia acumulada.
En las tablas estadísticas se cumplen algunas propiedades interesantes que sirven de mecanismos de control de su
exactitud:
La suma de todas las frecuencias absolutas es igual al tamaño de la población de la muestra.
La suma de las frecuencias relativas es siempre igual a 1.
La última frecuencia absoluta acumulada coincide con el número total de observaciones.
La última frecuencia relativa acumulada es igual a la unidad.
Clases de estadística
La estadística es una ciencia que estudia colecciones de datos numéricos para extraer inferencias de ellos basadas en
diversos métodos. A menudo, se emplean cantidades numéricas representativas (de tendencia central, como la media
aritmética, y de dispersión, como la desviación típica), para ilustrar las propiedades de estos conjuntos numéricos; esta rama
de la estadística recibe el nombre de deductiva o descriptiva. En cambio, cuando recurre al estudio de subpoblación es o
muestras (por ejemplo, en encuestas entre ciertos colectivos), hace uso de la teoría de probabilidades, en una especialidad
denominada estadística
Frecuencia de grafico de líneas
EJ: Agrupar en una tabla de datos
10, 1, 6, 9, 2, 5, 7, 4, 3, 8 - 45
- Tablas de frecuencias: Una tabla de frecuencia esta formada por las categorías o valores de una variable y sus frecuencias
correspondientes. Esta tabla es lo mismo que una distribución de frecuencias. Esta tabla se crea por medio de la tabulación y
agrupación, la cual es un método sencillo como lo habíamos empezado a ver en la tabla de datos, Se realiza el mismo
procedimiento de tabulación anteriormente descrito si el numero de valores observados para la variable, se trabaja con una
sola variable, descontando los repetidos son pequeños, si existen repetidos la frecuencia f es el numero de repeticiones de un
valor de X dado, Sin embargo, cuando el conjunto de datos es mayor, resulta laborioso trabajar directamente con los valores
individuales observados y entonces se lleva a cabo, por lo general, algún tipo de agrupación como paso preliminar, antes de
iniciar cualquier otro tratamiento de los datos. Las reglas para proceder a la agrupación son diferentes según sea la variable,
discreta o continua, para una variable discreta suele resultar conveniente hacer una tabla en cuya primera columna figuren
todos los valores de la variable X representados en el material, y en la segunda, la frecuencia f con que ha aparecido cada
valor de X en las observaciones.
Para una variable continua, el procedimiento de agrupación es algo más complicado. Se toma un intervalo adecuado sobre el
eje de la variable que contenga los n valores observados, y divídase el intervalo en cierto numero de intervalos de clase.
Todas las observaciones que pertenecen al mismo intervalo de clase se agrupan y cuentan, y él numero que resulte
representa la frecuencia de clase correspondiente a dicho intervalo, luego se forma una tabla, en cuya primera columna
figuran los limites de cada intervalo de clase, y en la segunda aparecen las correspondientes frecuencias.
Estas clases de tablas son las mas usadas y brindan mayor información de los datos que las tablas de entradas de datos,
efectivamente, una tabla de este tipo dará en forma abreviada, una información completa acerca de la distribución de los
valores observados. Con estas se pueden utilizar mas a fondo los métodos gráficos al igual que los métodos aritméticos.

Leer más: [Link]

[Link]#ixzz54keSJ2Cb