Estadística descriptiva: problemas resueltos
Índice
5. Problemas resueltos 1
5.1. Variables no agrupadas........................................................................................................................1
5.2. Variables agrupadas.............................................................................................................................6
MATEMÁTICA APLICADA Y ESTADÍSTICA Mg. Ing. Jean Andres Ordoñez
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 1/12
5. Problemas resueltos
5.1. Variables no agrupadas
Ejercicio 5.1. En una clínica infantil se ha ido anotando, durante un mes, el número de metros que cada
niño anda, seguido y sin caerse, el primer día que comienza a caminar, obteniéndose la tabla de
información adjunta:
número de metros 1 2 3 4 5 6 7 8
número de niños 2 6 10 5 10 3 2 2
Se pide:
a) Tabla de frecuencias. Diagrama de barras para frecuencias absolutas, relativas y acumuladas.
b) Mediana, media aritmética, moda y cuartiles.
c) Varianza y desviación típica.
d) ¿Entre qué dos valores se encuentra, como mínimo, el 75 % de las observaciones?
RESOLUCIÓN. La variable considerada en el estudio es cuantitativa discreta.
a) Al tratarse de una variable discreta podemos confeccionar directamente la tabla de frecuencias
(Cuadro 5.1).
xi ni Ni fi fi (%) Fi Fi (%)
1 2 2 0.050 5.0 0.050 5.0
2 6 8 0.150 15.0 0.200 20.0
3 10 18 0.250 25.0 0.450 45.0
4 5 23 0.125 12.5 0.575 57.5
5 10 33 0.250 25.0 0.825 82.5
6 3 36 0.075 7.5 0.900 90.0
7 2 38 0.050 5.0 0.950 95.0
8 2 40 0.050 5.0 1.000 100.0
Cuadro 5.1. Tabla de frecuencias para la variable del Ejercicio 5.1.
Los diagramas de barras de frecuencias se representan en las Figuras 5.1, 5.2, 5.3 y 5.4.
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
2/12
Ejercicio 5.1
12
10
Frecuencias absolutas
8
0
1 2 3 4 5 6 7 8
Número de metros
Figura 5.1. Diagrama de barras de frecuencias absolutas para la variable del Ejercicio 5.1.
Ejercicio 5.1
0,3
0,25
Frecuencias relativas
0,2
0,15
0,1
0,05
0
1 2 3 4 5 6 7 8
Número de metros
Figura 5.2. Diagrama de barras de frecuencias relativas para la variable del Ejercicio 5.1.
Ejercicio 5.1
45
40
F. absolutas acumuladas
35
30
25
20
15
10
5
0
0 1 2 3 4 5 6 7 8 9
Número de metros
Figura 5.3. Diagrama de barras acumulativo de frecuencias absolutas para la variable del Ejercicio 5.1.
Ejercicio 5.1
1,1
1
0,9
F. relativas acumuladas
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5 6 7 8 9
Número de metros
Figura 5.4. Diagrama de barras acumulativo de frecuencias relativas para la variable del Ejercicio 5.1.
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 3/12
b) Nos ocupamos en primer lugar de las medidas de centralización. La media x viene dada por:
1
x= (1 · 2 + 2 · 6 + 3 · 10 + 4 · 5 + 5 · 10 + 6 · 3 + 7 · 2 + 8 · 2) = 4.05 ' 4.
40
En la tabla de frecuencias (Cuadro 5.1) observamos que la variable es bimodal, con modas
Mo1 = 3 y Mo2 = 5,
pues estos dos valores de la variable son los que presentan una mayor frecuencia absoluta, a saber, 10.
La mediana divide la distribución en dos partes iguales. Como en el Cuadro 5.1 no existe ningún valor de
la variable que acumule el 50 % de los datos, la mediana será el primero que supere este porcentaje:
Me = 4.
De manera análoga se procede para calcular el primer, segundo y tercer cuartiles. Estos son los valores
de la variable que acumulan, respectivamente, el 25 %, 50 % y 75 % de las observaciones. Al no comparecer
en la columna de frecuencias relativas acumuladas del Cuadro 5.1 exactamente estos porcentajes tomamos
los inmediatamente superiores, de modo que
P1/4 = 3, P2/4 = Me = 4, P3/4 = 5.
c) Ahora determinaremos las medidas de dispersión. Utilizando la relación
k
2 1 1 k
σ 2 2 2
= ∑(xi x) · ni = ∑(xi · ni) −x ,
N i=1 Ni=1
se tiene que la varianza viene dada por:
1
σ2= (1 · 2 + 4 · 6 + 9 · 10 + 16 · 5 + 25 · 10 + 36 · 3 + 49 · 2 + 64 · 2) − 4.052
40
=19.5 − 16.4025
=3.0975 ' 3.10.
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
4/12
Consecuentemente, la desviación típica es
√
σ= 3.0975 ' 1.76.
1
d) El Teorema de Chebyshev garantiza que, como mínimo, el (1 − ) · 100 % de los datos se
k2
concentran en el intervalo (x −kσ, x + kσ ) y, por tanto, fuera de dicho intervalo se encuentra, a lo sumo,
k2
el 1
· 100 % de
ellos.
Conforme a este teorema, imponemos que
1
75 = 1 − k2 · 100,
de donde
1
100 − 75 = ·
100 2
k
y
100
k2 = = 4.
25
Por lo tanto, k = 2. Podemos así garantizar que, al menos, el 75 % de los datos se encuentran entre los valores
x−kσ = 4.05 − 2 · 1.76 = 0.53
y
x + kσ = 4.05 + 2 · 1.76 = 7.57.
Ejercicio 5.2. Las cifras dadas en la tabla adjunta corresponden a miligramos de hidroxiprolina
absorbidos
por 1 miligramo de masa intestinal, analizados en distintos pacientes:
hidroxiprolina (mg) 77.3 61.2 82.4 75.9 61 70.2 65 80
número de pacientes 3 10 15 13 8 5 2 0
Se pide:
a) Confeccionar la tabla de frecuencias.
b) Calcular la media, mediana, moda y cuartiles.
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 5/12
c) Calcular la desviación típica de la muestra.
d) ¿Qué porcentaje de observaciones se concentra en el intervalo (x− 5σ, x + 5σ )?
RESOLUCIÓN. La variable considerada en el estudio es cuantitativa discreta.
a) Al tratarse de una variable discreta podemos confeccionar directamente la tabla de frecuencias
(Cuadro 5.2).
xi ni Ni fi (%) Fi (%)
61.0 8 8 14.3 14.3
61.2 10 18 17.9 32.2
65.0 2 20 3.6 35.8
70.2 5 25 8.9 44.7
75.9 13 38 23.2 67.9
77.3 3 41 5.4 73.3
80.0 0 41 0.0 73.3
82.4 15 56 26.8 100.0
Cuadro 5.2. Tabla de frecuencias para la variable del Ejercicio 5.2.
b) La media aritmética viene dada por:
1
x= (8 · 61.0 + 10 · 61.2 + 2 · 65.0 + 5 · 70.2 + 13 · 75.9 + 3 · 77.3 + 0 · 80.0 + 15 · 82.4)
56
= 72.06428571 ' 72.1.
La moda es
Mo = 82.4,
ya que a este valor de la variable le corresponde la mayor frecuencia absoluta, a saber, 15.
La mediana viene dada por
Me = 75.9,
pues en el Cuadro 5.2 ninguna puntuación de la variable acumula exactamente el 50 % de los datos, siendo
75.9 la primera con una frecuencia relativa acumulada superior al 50 %.
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
6/12
Nótese que la mediana coincide con el segundo cuartil:
P1/2 = Me = 75.9.
El primer cuartil P1/4 viene dado por
P1/4 = 61.2,
mientras que el tercer cuartil es
P3/4 = 82.4.
En efecto, en la columna de frecuencias relativas acumuladas del Cuadro 5.2 vemos que estos valores de la
variable son los primeros que superan, respectivamente, al 25 % y al 75 % de las observaciones.
c) La varianza de la muestra viene dada por
1
σ2= (8 · 612 + 10 · 61.22 + 2 · 652 + 5 · 70.22 + 13 · 75.92 + +3 · 77.32 + 0 · 802 + 15 · 82.42) −
2 56
72.1
=69.007857 ' 69.0.
Luego, la desviación típica
es √
σ= 69.007857 ' 8.3.
d) De acuerdo con el Teorema de Chebyshev, en el intervalo (x−5σ, x +5σ ) podemos encontrar un mínimo
del 1 25 − 1 24
1− · 100 % = · 100 % = · 100 % = 96 %
52 25 25
de las observaciones.
5.2. Variables agrupadas
Ejercicio 5.3. Los valores del pH sanguíneo de 32 individuos son los siguientes:
7.33 7.31 7.26 7.33 7.37 7.27 7.30 7.33
7.33 7.32 7.35 7.39 7.33 7.38 7.33 7.31
7.37 7.35 7.34 7.32 7.29 7.35 7.38 7.32
7.32 7.33 7.32 7.40 7.33 7.32 7.34 7.33
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 7/12
a) Agrupar los datos en 5 intervalos y confeccionar la tabla de frecuencias.
b) Calcular la media aritmética, la moda y la mediana.
c) Hallar el tercer decil.
d) Determinar el porcentaje de individuos que se concentra fuera del intervalo (x− 4σ, x + 4σ ).
RESOLUCIÓN. En primer lugar, nótese que la variable considerada en el estudio es una variable cuantitativa
continua. Por esta razón distribuimos los datos observados en varios intervalos de clase.
a) Para establecer la longitud de cada intervalo de clase hemos de determinar el rango de la variable:
R = xmax −xmin = 7.40 − 7.26 = 0.14.
Consecuentemente,
R 0.14
l= = 0.028.
= 5 5
Redondeando por exceso podemos tomar l = 0.03.
La tabla de frecuencias para la variable en estudio queda recogida en el Cuadro 5.3.
intervalos de clase xi ni Ni fi (%) Fi (%)
[7.26, 7.29) 7.275 2 2 6.250 6.250
[7.29, 7.32) 7.305 4 6 12.500 18.750
[7.32, 7.35) 7.335 17 23 53.125 71.875
[7.35, 7.38) 7.365 5 28 15.625 87.500
[7.38, 7.41) 7.395 4 32 12.500 100.000
Cuadro 5.3. Tabla de frecuencias para la variable del Ejercicio 5.3.
b) Calculemos la media aritmética:
1 234.87
x= (2 · 7.275 + 4 · 7.305 + 17 · 7.335 + 5 · 7.365 + 4 · 7.395) = ' 7.34.
32 32
La mayor frecuencia absoluta registrada en la tabla de frecuencias es 17, que corresponde al intervalo [7.32,
7.35). Dicho intervalo es, por tanto, el intervalo modal, o intervalo donde se encuentra la moda Mo.
Finalmente, para calcular la mediana trazamos el polígono de frecuencias absolutas acumuladas (Figura
5.5).
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
8/12
Ejercicio 5.3
35
30
25
F. absolutas acumuladas
20
15
10
5
x
0
Me
pH sanguíneo
Figura 5.5. Diagrama de frecuencias absolutas acumuladas y cálculo de la mediana para la variable del Ejercicio 5.3.
La mediana divide el número total de observaciones en dos partes iguales, esto es, en 16 observaciones.
Atendiendo a la gráfica de la Figura 5.5 y al Cuadro 5.3, se verifica
Me = 7.32 + x,
donde x satisface la relación:
−6 x
16 = .
23 − 6 7.35 − 7.32
Entonces
0.3
x= '0.02,
17
y se concluye que
Me = 7.32 + 0.02 =
7.34.
c) Los deciles dividen la distribución en diez partes iguales. Por tanto, el tercer decil se corresponde con
el valor de la variable que acumula una frecuencia de
N 3 · 32
3 · 10 = = 9.6.
10
Para calcularlo procedemos de manera similar que con la mediana:
D3 = 7.32 + x,
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 9/12
donde ahora x satisface la relación
0.03 x
= .
17 9.6 − 6
Se infiere que
0.03 · 3.6
x= 17 '0.006,
y concluimos:
D3 = 7.32 + 0.006 = 7.326 '
7.33.
1
d) El Teorema de Chebyshev garantiza que, como mínimo, el (1 − ) · 100 % de las observaciones se
k2
encuentra en el intervalo (x −kσ, x + kσ ), mientras que fuera de dicho intervalo se encuentra a lo sumo
el
1 k2
· 100 % de ellas. Consiguientemente, un máximo del
1 1
· 100 % = · 100 % = 6.25 %
42 16
de los datos cae fuera del intervalo (x− 4σ, x + 4σ ).
Ejercicio 5.4. En pacientes con distrofia muscular progresiva (enfermedad de Duchenne), la actividad de
creatinquinasa sérica se eleva llamativamente sobre el valor normal de 50 unidades por litro. Los
siguientes datos son niveles séricos de creatinquinasa (en unidades por litro) medidos en 24 jóvenes
pacientes con la
3720 3795 3340 5600 3800 3580
5500 2000 1570 2360 1500 1840
3725 3790 3345 3805 5595 3575
1995 5505 2055 1575 1835 1505
Se pide:
a) Agrupar los datos en 5 intervalos de clase.
b) Determinar la media y la desviación típica. Calcular la moda y la mediana.
c) Determinar el tercer cuartil, el séptimo decil y el centil 25.
RESOLUCIÓN. Nótese que la variable considerada en el estudio es cuantitativa continua.
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
10/12
a) El rango de la variable
es:
R = 5600 − 1500 = 4100.
Luego,
R 4100
l= = = 820.
5 5
Redondeando por exceso, tomamos l = 821.
La tabla de frecuencias para la variable en estudio queda recogida en el Cuadro 5.4.
intervalos de clase xi ni Ni
[1500, 2321) 1910.5 9 9
[2321, 3142) 2731.5 1 10
[3142, 3963) 3552.5 10 20
[3963, 4784) 4373.5 0 20
[4784, 5605) 5194.5 4 24
Cuadro 5.4. Tabla de frecuencias para la variable del Ejercicio 5.4.
b) La media aritmética viene dada por:
1
x= (9 · 1910.5 + 1 · 2731.5 + 10 · 3552.5 + 0 · 4373.5 + 4 · 5194.5) = 3176.208333 ' 3176.21.
24
Por otro lado, la varianza viene dada por la expresión
1
σ2= 24(1910.5 − 3176.21) · 9+ (2731.5 − 3176.21) · 1 + (3552.5 − 3176.21) · 10+
2 2 2
+(
4373.5 − 3176.21)2 · 0 + (5194.5 − 3176.21)2 · 4)
=1346911.79,
de donde la desviación típica
es √
σ = 1346911.79 ' 1160.6.
El intervalo modal es [3142, 3963), pues en él se agrupa el mayor número de observaciones (es decir, 10).
Finalmente, para calcular la mediana hacemos una representación gráfica de las frecuencias absolutas
acumuladas (Figura 5.6).
Como el número total de observaciones es 24, la mediana será aquel valor que divide a la muestra en dos
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA: PROBLEMAS RESUELTOS 11/12
Ejercicio 5.4
26
24
22
20
18
F. absolutas acumuladas
16
14
12
10
8
6
4
2 x
0 x
Me
Me
Creatinquinasa sérica
Figura 5.6. Diagrama de frecuencias absolutas acumuladas y cálculo de la mediana para la variable del Ejercicio 5.4.
partes iguales, esto es, en 12 observaciones. Teniendo en cuenta la Figura 5.6 y el Cuadro 5.4, se verifica
Me = 3142 + x,
donde x satisface la relación:
− 10 x
12 = .
20 − 10 821
Luego
2 · 821
x= = 164.2,
10
y, por
tanto,
Me = 3142 + 164.2 =
3306.2.
c) Los cuartiles Pi/4, donde i toma los valores 1, 2 ó 3, dividen el número de observaciones en cuatro
partes iguales. Así, el tercer cuartil P3/4 será aquel valor de la variable que acumula una frecuencia de
N 3 · 24
3· = = 18.
4 4
Siguiendo un procedimiento similar al empleado al calcular la mediana encontramos que
P3/4 = 3142 + x,
donde x satisface ahora la relación
− 10 x
18 − 10 =821 .
20
MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
12/12
Consecuentemente, x = 656.8 y
P3/4 = 3142 + 656.8 = 3798.8.
Los deciles dividen la distribución en diez partes iguales. Así pues, el séptimo decil D7 se corresponde con
una frecuencia acumulada de
24
7· = 16.8.
10
De manera análoga
D7 = 3142 + x,
siendo
6.8 · 821
x= = 558.28'558.3.
10
Luego,
D7 = 3142 + 558.3 = 3700.3.
Finalmente, los centiles Pi, donde i toma valores desde 1 hasta 99, dividen la distribución en cien partes
iguales, de forma que P25 se corresponderá con aquel valor de la variable que acumula una frecuencia de
24
25 · = 6.
100
Así pues, escribimos
P25 = 1500 + x
donde
6 · 821
x= '547.3
9
para concluir:
P25 = 1500 + 547.3 =
2047.3.
Nótese que, al ser
1 1
25 ·100 = ,
4
el percentil P25 es, en realidad, el primer cuartil.
Mg. Ing. Jean Andrés Ordoñez MATEMÁTICA APLICADA Y ESTADÍSTICA
