Professional Documents
Culture Documents
Tema 2: Estadsticos
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Parmetros y estadsticos
Parmetro: Es una cantidad numrica calculada sobre una poblacin
La altura media de los individuos de un pas La idea es resumir toda la informacin que hay en la poblacin en unos pocos nmeros (parmetros).
Normalmente nos interesa conocer un parmetro, pero por la dificultad que conlleva estudiar a *TODA* la poblacin, calculamos un estimador sobre una muestra y confiamos en que sean prximos. Ms adelante veremos como elegir muestras para que el error sea confiablemente pequeo.
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 2
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Centralizacin Indican valores con respecto a los que los datos parecen agruparse.
Media, mediana y moda
Dispersin Indican la mayor o menor concentracin de los datos con respecto a las medidas de centralizacin.
Desviacin tpica, coeficiente de variacin, rango, varianza
Estadsticos de posicin
Se define el cuantil de orden como un valor de la variable por debajo del cual se encuentra una frecuencia acumulada . Casos particulares son los percentiles, cuartiles, deciles, quintiles,...
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Estadsticos de posicin
Percentil de orden k = cuantil de orden k/100
La mediana es el percentil 50 El percentil de orden 15 deja por debajo al 15% de las observaciones. Por encima queda el 85%
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Ejemplos
El 5% de los recin nacidos tiene un peso demasiado bajo. Qu peso se considera demasiado bajo?
Percentil 5 o cuantil 0,05
Percentil 5 del peso
25 frecuencia 0 5 10 15 20
5
7
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Ejemplos
Qu peso es superado slo por el 25% de los individuos?
Percentil 75 o tercer cuartil
Percentil 75 del peso
30 frecuencia 0 50 5 10 15 20 25
55
60
65
70
75
80
85
Ejemplos
El colesterol se distribuye simtricamente en la poblacin. Supongamos que se consideran patolgicos los valores extremos. El 90% de los individuos son normales Entre qu valores se encuentran los individuos normales?
Percentiles 5 y 95
20 frecuencia 0 5 10 15
180
200
240
260
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
Ejemplos
Entre qu valores se encuentran la mitad de los individuos ms normales de una poblacin?
Entre el cuartil 1 y 3
Percentiles 25 y 75
frecuencia
0 150
10
15
20
160
180
190
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
10
Diagramas de Tukey
Resumen con 5 nmeros:
Mnimo, cuartiles y mximo. Suelen dar una buena idea de la distribucin.
0.02
Mn.
P25
P50
P75
Mx.
0.00
40
45
50
55
60
65
0.01
Es costumbre que los bigotes, no lleguen hasta los extremos, sino hasta las observaciones que se separan de la caja en no ms de 1,5 R.I.
Ms all de esa distancia se consideran anmalas, y as se marcan.
Bioestadstica. U. Mlaga.
densidad
0.02
0.03
0.04
Mn.
P25
P50
P75
Mx
0.00 80
90
100
110
120
130
140
Tema 2: Estadsticos
11
Ejemplo
Nmero de aos de escolarizacin Porcentaje acumulado ,3 ,7 1,1 1,9 3,5 8,0 11,7 16,6 22,2 52,8 61,4 73,0 77,9 90,7 93,6 96,6 98,0 100,0
Estadsticos Nmero de aos de escolarizacin N Vlidos 1508 Perdidos 0 Media 12,90 Mediana 12,00 Moda 12 Percentiles 10 9,00 20 11,00 25 12,00 30 12,00 40 12,00 50 12,00 60 13,00 70 14,00 75 15,00 80 16,00 90 16,00
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total
Porcentaje ,3 ,3 ,4 ,8 1,7 4,5 3,7 4,8 5,6 30,6 8,6 11,6 4,8 12,9 2,9 3,0 1,5 2,0 100,0
20%?
90%?
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
12
Estadsticos de centralizacin
Aaden unos cuantos casos particulares a las medidas de posicin. En este caso son medidas que buscan posiciones (valores) con respecto a los cuales los datos muestran tendencia a agruparse. Media (mean) Es la media aritmtica (promedio) de los valores de una variable. Suma de los valores dividido por el tamao muestral. Media de 2,2,3,7 es (2+2+3+7)/4=3,5 Conveniente cuando los datos se concentran simtricamente con respecto a ese valor. Muy sensible a valores extremos. Centro de gravedad de los datos Mediana (median) Es un valor que divide a las observaciones en dos grupos con el mismo nmero de individuos (percentil 50). Si el nmero de datos es par, se elige la media de los dos datos centrales. Mediana de 1,2,4,5,6,6,8 es 5 Mediana de 1,2,4,5,6,6,8,9 es (5+6)/2=5,5 Es conveniente cuando los datos son asimtricos. No es sensible a valores extremos.
Mediana de 1,2,4,5,6,6,800 es 5. La media es 117,7!
Altura mediana
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
14
Algunas frmulas
Datos sin agrupar: x1, x2, ..., xn
Media
x=
x
i
x=
xn
i
i i
fr. x1 x2 n1 n2 nk
fr. ac. N1 N2 Nk
Cuantil de orden i es el menor intervalo que tiene frecuencia acumulada superior a n =0,5 es mediana
C = Li 1 +
n N i 1
ni
( Li Li 1 )
15
Tema 2: Estadsticos
En el histograma se identifica unidad de rea con individuo. Para calcular la media es necesario elegir un punto representante del intervalo: La marca de clase. La media se desplaza hacia los valores extremos. No coincide con la mediana. Es un punto donde el histograma estara en equilibrio si tuviese masa.
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
16
Ejemplo (continuacin)
Peso 40 50 50 60 60 70 70 - 80 80 - 90 90 - 100 100 130 M. Clase 45 55 65 75 85 95 115 58 Fr. 5 10 21 11 5 3 3 Fr. ac. 5 15 36 47 52 55 58
x=
xn
i
i i
45 5 + 55 10 + K + 115 3 = 69,3 58
P75 = C0, 75 = Li 1 +
Moda = marca de clase de (60,70] = 65 Cada libro ofrece una frmula diferente para la moda (difcil estar al da.)
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 17
Variabilidad o dispersin
Los estudiantes de Bioestadstica reciben diferentes calificaciones en la asignatura (variabilidad). A qu puede deberse?
Diferencias individuales en el conocimiento de la materia.
Podra haber otras razones (fuentes de variabilidad)? Por ejemplo supongamos que todos los alumnos poseen el mismo nivel de conocimiento. Las notas seran las mismas en todos? Seguramente No.
Dormir poco el da del examen, el croissant estaba envenenado...
Diferencias individuales en la habilidad para hacer un examen.
En alguna pregunta difcil, se duda entre varias opciones, y al azar se elige la mala
Variabilidad por azar, aleatoriedad.
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 18
Medidas de dispersin
0.05
Amplitud o Rango (range): Diferencia entre observacines extremas. 2,1,4,3,8,4. El rango es 8-1=7 Es muy sensible a los valores extremos.
0.03
0.04
0.02
25%
25% 25%
25%
Rango intercuartlico
Rango intercuartlico (interquartile range): Rango Es la distancia entre primer y tercer cuartil. Rango intercuartlico = P75- P25 150 160 170 180 Parecida al rango, pero eliminando las observaciones ms extremas inferiores y superiores.
0.00
0.01
190
Varianza S2 (Variance): Mide el promedio de las desviaciones (al cuadrado) de las observaciones con respecto a la media.
S2 =
1 ( xi x)2 n i
Es sensible a valores extremos (alejados de la media). Sus unidades son el cuadrado de las de la variable. De interpretacin difcil para un principiante. La expresin es fea, pero de gran belleza natural (fsicamente). Contiene la informacin geomtrica relevante en muchas situaciones donde la energa interna de un sistema depende de la posicin de sus partculas.
Energa de rotacin (va el coeficiente de inercia): patinadores con brazos extendidos (dispersos) o recogidos (poco dispersos) Energa elstica: Muelles estirados con respecto a su posicin de equilibrio (dispersos) frente a muelles en posicin cercana a su posicin de equilibrio (poco dispersos)
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
20
10
Desviacin tpica (standard deviation) Es la raz cuadrada de la varianza Tiene las misma dimensionalidad (unidades) que la variable. Versin esttica de la varianza. Cierta distribucin que veremos ms adelante (normal o gaussiana) quedar completamente determinada por la media y la desviacin tpica.
A una distancia de una desv. tpica de la media hay ms de la ms de la mitad. A una distancia de dos desv. tpica de la media las tendremos casi todas.
Bioestadstica. U. Mlaga.
50
S = S2
40 30
20
50 0
1. 30 0
90 0
Tema 2: Estadsticos
1. 70 0
2. 10 0
3.
2. 90 0 0
2. 50
30 0
21
0.03
0.02
0.01
xs 68.5 %
0.01
0.02
0.03
x 2s 95 %
0.00
150
160
170
180
190
0.00 150
160
170
180
190
Centrado en la media y a una desv. tpica de distancia hay aproximadamente el 68% de las observaciones. A dos desviaciones tpicas tenemos el 95% (aprox.)
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 22
11
Datos casi normales. Eje x medido en desviaciones tpicas Encuentras relacin entre rango intercuartlico y desviacin tpica? Y entre los bigotes y dos desviaciones tpicas? Podras caracterizar las observaciones anmalas?
0.3 0.3 0.1 xs 66 % 0.0 x 2s 95 % 0.0 0.2
0.1
0.2
x s 71 %
x 2s 94 %
-3 0.4
-2
-1
-3
-2
-1
0.3
0.2
0.1
0.2
0.3
0.1
xs 68 %
x 2s 94 %
x s 70 %
x 2s 94 %
0.0
-3
-2
-1
0.0 -3
-2
-1
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
23
Coeficiente de variacin
Es la razn entre la desviacin tpica y la media.
Mide la desviacin tpica en forma de qu tamao tiene con respecto a la media Tambin se la denomina variabilidad relativa. Es frecuente mostrarla en porcentajes
CV =
S x
No debe usarse cuando la variable presenta valores negativos o donde el valor 0 sea una cantidad fijada arbitrariamente Por ejemplo 0C 0F Los ingenieros electrnicos hablan de la razn seal/ruido (su inverso).
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 24
12
Asimetra o Sesgo
Una distribucin es simtrica si la mitad izquierda de su distribucin es la imagen especular de su mitad derecha. En las distribuciones simtricas media y mediana coinciden. Si slo hay una moda tambin coincide La asimetra es positiva o negativa en funcin de a qu lado se encuentra la cola de la distribucin. La media tiende a desplazarse hacia las valores extremos (colas). Las discrepancias entre las medidas de centralizacin son indicacin de asimetra.
Bioestadstica. U. Mlaga. Tema 2: Estadsticos 25
En funcin del signo del estadstico diremos que la asimetra es positiva o negativa. Distribucin simtrica asimetra nula.
0.20 0.5 0.20 0.05 0.10 0.1 0.2 0.15
0.15
0.05
0.10
0.3
0.4
xs 78 %
xs 66 % 0.00
xs 78 %
0.00
10
12
14
16
18
20
0.0 -2
-1
0 x
10
12
14
Bioestadstica. U. Mlaga. x
Tema 2: Estadsticos x
26
13
Apuntamiento o curtosis
La curtosis nos indica el grado de apuntamiento (aplastamiento) de una distribucin con respecto a la distribucin normal o gaussiana. Es adimensional. Platicrtica (aplanada): curtosis < 0 Mesocrtica (como la normal): curtosis = 0 Leptocrtica (apuntada): curtosis > 0
Aplanada
2.0
Apuntada
1.5
0.3
1.0
0.2
0.5
0.1
xs 57 % 0.0
xs 68 % 0.0
0.2
0.4
0.6
x s 82 % 0.0 -2
0.0
0.2
0.4
0.6
0.8
1.0
-3
-2
-1
-1
Bioestadstica. U. Mlaga.
Tema 2: Estadsticos
27
Descriptivos para Nmero de hijos Media Intervalo de confianza para la media al 95% Estadstico 1,90 Lmite inferior Lmite superior 1,81
20%
n=419
25% n=375
25%
1,99
Porcentaje
Media recortada al 5% 1,75 Mediana Varianza Desv. tp. Mnimo Mximo Rango Amplitud intercuartil 2,00 3,114 1,765 0 8 8 3,00 Asimetra Curtosis 1,034 1,060 ,063 ,126
8% n=127
10%
4% n=54
5%
2%
2%
1%
7 Ocho o ms
Nmero de hijos
Est sombreado lo que sabemos interpretar hasta ahora. Verifica que comprendes todo. Qu unidades tiene cada estadstico? Variabilidad relativa? Calcula los estadsticos que puedas basndote slo en el grfico de barras. Tema 2: Estadsticos 28
Bioestadstica. U. Mlaga.
14
Qu hemos visto?
Parmetros Estadsticos y estimadores Clasificacin Posicin (cuantiles, percentiles,...)
Diagramas de cajas
Medidas de dispersin
con unidades: rango, rango intercuartlico, varianza, desv. tpica sin unidades: coeficiente de variacin
Qu usamos para comparar dispersin de dos poblaciones?
Asimetra
positiva negativa
Podemos observar asimetra sin mirar la grfica? Cmo me gustan los datos?
15