Tema 2 Estadística
2. Medidas estadísticas
2.1 Introducción
Tipos de medidas estadísticas:
medidas de posición → siempre tienen la misma unidad de medida que la variable
estudiada.
medidas de dispersión
2.2 Medidas de posición central
Media aritmética → la suma de todos los datos observados entre el número total de
datos.
Mediana → el valor de la variable estadística que deja al 50% de los elementos a cada
uno de sus lados.
Si N es impar la mediana es el elemento de la posición inmediatamente superior al
número N/2.
Si N/2 es par la mediana es ese valor.
Moda → el dato de la muestra que más se repite.
En caso de intervalos hablamos del intervalo modal siendo aquel con mayor
frecuencia absoluta.
2.4 Medidas de posición no central.
Cuantiles → los valores de la variable que dividen la distribución. Son los valores de la
variable que cortan la distribución en partes del mismo porcentaje.
Cuartiles → tres valores de la variable que dividen la distribución en 4 intervalos
iguales.
Deciles → nueve valores, diez partes.
Tema 2 Estadística 1
Percentiles → noventa y nueve valores, 100 partes
Rango intercuartílico → la diferencia entre cuartiles
Datos atípicos → datos fuera del intervalo
2.5 Diagrama de cajas y bigotes
2.6 Medidas de dispersión
Dan información sobre el centro de distribución del estudio.
Para conocer la fiabilidad del resultado es importante saber como de agrupados están.
Cuanto más agrupados más fiables son los resultados estadísticos.
💡 Varianza → el promedio aritmético de desviaciones cuadráticas respecto a la
media aritmética.
Tema 2 Estadística 2
💡 Desviación típica → la raíz cuadrada, positiva, de la varianza.
Mide la dispersión → cuanto mayor es la desviación mayor es la
dispersión de los datos de la muestra.
Se ve afectada por los datos atípicos.
💡 Rango/recorrido de la distribución → la diferencia entre el menor y mayor
valor de la muestra.
2.8 Efectos en las medidas estadísticas ante cambios
en los datos de la muestra de la variable.
Suma de una constante k a todos los valores de la variable
estadística
La nueva media ⇒ Y = x + k, la media antigua más el valor que se ha sumado a los
datos.
Y =x+k
La desviación típica se queda igual.
Tema 2 Estadística 3
Producto de una constante k a todos los valores de la variable
estadística
La nueva media ⇒
Y =x * k, la media antigua multiplicada por el factor por el que
se han multiplicado todos los datos.
Y =x∗k
La nueva desviación típica es la desviación típica antigua multiplicada por el
factor.
σγ = σx ∗ k
3. Variables estadísticas bidimensionales
3.1 Distribuciones bidimensionales
💡 Variable estadística bidimensional → el conjunto de pares de valores de
dos variables estadísticas unidemsioíales. (X, Y).
3.2 Nube de Puntos. Correlación lineal.
💡 Nube de puntos → representación gráfica de los datos de un a variable
estadística BIDIMENSIONAL sobre unos ejes de coordenadas.
Al observar la disposición de los puntos podemos inferir la correlación entre las
variables estadísticas.
Tipo de correlación:
directa/positiva
inversa/negativa
incorrelación
Tema 2 Estadística 4
Grado de correlación
Correlación fuerte
Correlación débil
3.4 Coeficiente de correlación lineal de Pearson.
La covarianza de la variable estadística bidimensional (X, Y) viene expresada por:
El coeficiente correlación lineal de Pearson de la variable estadística bidimensional (X,
Y) viene expresado por:
El coeficiente lineal de Pearson está entre -1 ⟪ 0 ⟫ 1.
Si el coeficiente de Pearson es negativo la correlación es inversa/negativa.
Si el coeficiente de Pearson es positivo la correlación es directa/positiva.
En la calculadora (p.205) la r es el valor del coeficiente de Pearson y la r² es el
coeficiente de determinación.
Tema 2 Estadística 5
💡 Coeficiente de determinación → establece el porcentaje de cambio de la
variable Y que se debe a cada unidad que cambia la variable X.
3.6 Rectas de regresión
Cuando la correlación entre las variables estadísticas es fuerte se puede estimar
valores de la Y a partir de los de la variable X.
💡 Recta de regresión → la recta que mejor se ajusta a la nube de puntos.
La recta de regresión se calcula usando la ecuación punto-pendiente.
y = ax + b
a = la pendiente de la recta de regresión → las unidades que varía la variable Y por
cada unidad que aumenta la variable X.
b = la ordenada de origen → el valor de Y cuando X=0.
Tema 2 Estadística 6
