View
11
Download
0
Category
Preview:
Citation preview
TEMA 2: DESCRIPCIÓN DE VARIABLES CUANTITATIVAS:
DISTRIBUCIÓN DE FRECUENCIAS Y REPRESENTACIÓN
GRÁFICA
● La naturaleza numérica de las variables cuantitativas
permite un tratamiento estadístico más elaborado que con
las variables cualitativas.
● Con las variables cuantitativas pueden realizarse
operaciones matemáticas, lo que permite una descripción
más precisa y completa.
● En este tema estudiaremos la distribución de frecuencias y
su representación gráfica (como hemos hecho para las
variables cualitativas en el Tema 1) y en los siguientes
temas veremos otras formas de describir una variable
cuantitativa.
1
A) Variables Discretas
● La distribución de frecuencias para las variables discretas
es semejante a lo que hemos visto para el caso de las
variables cualitativas, ya que las categorías en que se
agrupan los datos vienen dadas de forma natural por los
valores que toma la variable.
Ejemplo 1:
Cien familias se han clasificado según el número de hijos,
resultando los siguientes datos:
Nº de Hijos 0 1 2 3 4 5 6 7 8
Nº de familias 11 13 20 25 14 10 4 2 1
N=100; k=9
2
Frecuencias absolutas:
n1=11; n2=13; n3=20; n4=25; n5=14; n6=10; n7=4; n8=2; n9=1
Frecuencias relativas:
3
Distribución de frecuencias:
Categorías ni fi
0 11 0,11
1 13 0,13
2 20 0,2
3 25 0,25
4 14 0,14
5 10 0,1
6 4 0,04
7 2 0,02
8 1 0,01
N=100 1
La categoría más numerosa es la de familias con 3 hijos y la
menos frecuente es la de familias con 8 hijos
4
Diagrama de barras
Frecuencias relativas fi
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0 1 2 43 5 6 7 8
Frecuencias absolutas ni
0
5
10
15
20
25
30
0 1 2 3 4 5 6 7 8
5
● En general, las clases vienen ordenadas de forma
natural de menor a mayor por lo que tiene sentido
definir la distribución de frecuencias acumulada .
● Para construir la distribución de frecuencias
acumulada hay que sumar a la frecuencia de cada
clase (absoluta o relativa) la de las clases anteriores.
● Los valores de la distribución de frecuencias
acumulada no decrecen.
● La información sobre los datos que proporcionan la
distribución de frecuencias y la distribución de
frecuencias acumulada es equivalente. Cada una
puede obtenerse a partir de la otra.
6
Ejemplo: Nº DE HIJOS
Categorías
Frecuencias
absolutas
ni
Frecuencias absolutas
acumuladas
Ni
Frecuencias
relativas
fi
Frecuencias relativas
acumuladas
Fi
0 11 11 0,11 0,11
1 13 24 0,13 0,24
2 20 44 0,2 0,44
3 25 69 0,25 0,69
4 14 83 0,14 0,83
5 10 93 0,1 0,93
6 4 97 0,04 0,97
7 2 99 0,02 0,99
8 1 100 0,01 1
N=100 1
● El último valor de la distribución de frecuencias
absolutas acumuladas coincide con N.
7
● El último valor de la distribución de frecuencias
relativas acumuladas es 1 (salvo error de redondeo).
● La distribución de frecuencias acumulada nos
permite conocer la proporción (o el número) de
observaciones por debajo de cierto valor, entre dos
valores o por encima de una cantidad.
Ejemplo: Nº de hijos
- ¿Qué proporción de familias tiene menos de 2 hijos?
0,24
- ¿Cuántas familias tienen menos de 4 hijos? 69
- ¿Qué proporción de familias tiene más de 6 hijos?
0,03=1-0,97=0,01+0,02
8
- ¿Qué proporción de familias tiene más de 3 hijos pero
menos de 7? 0,28=0,14+0,1+0,04=0,97-0,69
Representación gráfica de la distribución de frecuencias
acumulada
Frecuencias relativas Fi
0.0
0.2
0.4
0.6
0.8
1.0
0 1 2 3 4 5 6 7 8
9
Ejercicio 3.2 de Peña y Romo
Los siguientes datos corresponden al número de
bibliotecarios en las bibliotecas públicas de las diferentes
provincias españolas:
4 7 5 2 4 5 6 4 7 3 7 4 3 4 4 3 4 3 2 4 4 1 10 2 5 3 2 2 5 3 3 8
12 3 2 2 5 4 1 5 8 6 6 1 3 15 16 6 7 12
(a) Hallar la distribución de frecuencias relativas y
representarla mediante un diagrama de barras
(b) Obtener y representar la distribución de
frecuencias relativas acumuladas
(c) ¿Qué proporción de provincias tiene más de 7
bibliotecarios?
10
Bibliotecarios
Frecuencias
absolutas
ni
Frecuencias absolutas
acumuladas
Ni
Frecuencias
relativas
fi
Frecuencias relativas
acumuladas
Fi
1 3 3 0,06 0,06
2 7 10 0,14 0,2
3 9 19 0,18 0,38
4 10 29 0,2 0,58
5 6 35 0,12 0,7
6 4 39 0,08 0,78
7 4 43 0,08 0,86
8 2 45 0,04 0,9
10 1 46 0,02 0,92
12 2 48 0,04 0,96
15 1 49 0,02 0,98
16 1 50 0,02 1
11
Frecuencias relativas: fi
0.00
0.05
0.10
0.15
0.20
0.25
1 2 3 4 5 6 7 8 10 12 15 16
Frecuencias relativas acumuladas: Fi
0.0
0.2
0.4
0.6
0.8
1.0
1 2 3 4 5 6 7 8 10 12 15 16
12
- La proporción de provincias con más de 7
bibliotecarios es de 0,14
0,14=1-0,86=0,04+0,02+0,04+0,02+0,02
- La mayoría de las provincias (62%) tiene 4
bibliotecarios o más: 0,62=1-0,38=
=0,2+0,12+0,08+0,08+0,04+0,02+0,04+0,02+0,02
- 4 es la clase más frecuente con una frecuencia relativa
de 0,2
- Más de la mitad de las provincias españolas (F4=0,58)
tiene menos de 5 bibliotecarios
- La proporción de provincias españolas que tienen
entre 5 y 7 bibliotecarios es de 0,28
0,28=0,12+0,08+0,08=0,86-0,58
13
B) Variables Continuas
● El análisis de la distribución de frecuencias de las variables
cuantitativas continuas es más complejo que el de las
variables cualitativas o discretas.
● Las categorías o clases no vienen dadas de forma natural
sino que deben elegirse.
● Tendremos que dividir el recorrido (o conjunto de posibles
valores de la variable) en intervalos que no se solapen.
● El punto central de cada intervalo se llama marca de clase
(ci).
● El resto de los elementos y conceptos de la distribución de
frecuencias de una variable continua es equivalente a lo
visto en las cualitativas y discretas.
14
Ejemplo:
La variable GTINE representa el gasto total. Los datos
correspondientes a 75 hogares son:
81.861 105.628 110.690 134.246 226.177 273.870 142.376 309.964 101.431
276.273 662.803 493.728 308.787 254.420 172.928 142.678 510.223 158.829
278.854 168.620 176.204 179.108 113.074 876.161 64.425 112.352 255.465
321.307 434.375 707.444 90.460 89.498 466.862 87.112 309.829 247.425
427.812 195.740 257.638 176.656 285.935 450.571 56.292 306.488 156.772
531.099 475.760 316.500 279.586 48.586 96.670 256.548 514.330 161.595
228.368 638.366 442.162 65.060 160.580 197.390 152.077 228.808 76.920
255.196 241.986 417.103 752.436 352.708 259.472 225.388 174.341 308.705
455.125 122.696 479.791
- Tomando intervalos o clases iguales y de tamaño
100.000 pesetas, vamos a calcular la distribución de
frecuencias.
- Por ejemplo, el primer intervalo será:
0<GTINE≤100.000 y la marca de clase c1=50.000.
- El número de intervalos o clases será k=9.
15
Gasto Total (GTINE ó G)
Gasto
(en miles de ptas.)
Frecuencias
absolutas
ni
Frecuencias absolutas
acumuladas
Ni
Frecuencias
relativas
fi
Frecuencias relativas
acumuladas
Fi
0<G≤100 10 10 0,13 0,13
100<G≤200 22 32 0,29 0,42
200<G≤300 17 49 0,23 0,65
300<G≤400 8 57 0,11 0,76
400<G≤500 10 67 0,13 0,89
500<G≤600 3 70 0,04 0,93
600<G≤700 2 72 0,03 0,96
700<G≤800 2 74 0,03 0,99
800<G≤900 1 75 0,01 1
N=75 1
16
- La proporción de familias que gasta 200.000 pesetas o
menos es de 0,42.
- La proporción de familias que gasta más de 600.000
pesetas es 0,07=1-0,93=0,03+0,03+0,01.
- La proporción de familias que gasta más de 100.000
pero no más de 300.000 es 0,52=0,29+0,23=0,65-0,13
17
Representación gráfica de la distribución de frecuencias
1) El Histograma
● El histograma es un gráfico que representa las
frecuencias mediante áreas. Sobre cada clase (o rango
de valores) se dibuja un rectángulo cuyo área
representa la frecuencia (absoluta o relativa) de esa
clase.
● Cuando las clases (o intervalos) en que dividimos los
datos son de distinta longitud el eje vertical no tiene
sentido. Como la frecuencia es el área de cada
rectángulo, si dibujamos rectángulos con distinta base
su mayor o menor altura no nos da información.
(Ver Ejemplo de GTINE en Figura 3.4 de Peña y
Romo)
18
● Cuando las clases (o intervalos) son de la misma
longitud, las frecuencias son proporcionales a las
alturas de los rectángulos. La altura nos informa
sobre la densidad o concentración de datos en ese
intervalo:
- donde los rectángulos son más altos hay más datos de
la variable
- donde los rectángulos son más bajos los datos de la
variable son más escasos
Ejemplo: GTINE (distribución frecuencias pag.16)
19
● Los rectángulos se dibujan contiguos (a diferencia del
diagrama de barras o de Pareto) para transmitir la
idea de variable continua.
● La forma del histograma es la misma si
representamos frecuencias absolutas o relativas, sólo
cambia la escala del eje vertical.
Ejemplo: GTINE
Comparar con el histograma de frecuencias relativas
de la página anterior.
● La forma del histograma sí que depende de:
20
- anchura de las clases o tamaño de los intervalos
- elección del punto donde empieza la primera clase
Ejemplo: GTINE
● ¿Cómo elegimos los intervalos (o el número de clases)?
- Empezar con pocas clases y ver (en el histograma) si
con más clases tenemos más información (ver Figura
3.6 de Peña y Romo de la variable NOTAS)
- Si tenemos N observaciones elegir el número de clases
igual al entero más próximo a (En el ejemplo de
GTINE como N=75 entonces )
21
● ¿Por qué nos preocupa tanto la forma del
histograma? Porque la forma del histograma refleja
propiedades importantes de la variable.
● El histograma (al igual que el diagrama de barras)
nos muestran características de una variable que
pueden apreciarse visualmente:
- Se puede ver si la distribución es simétrica alrededor
de un eje central o si es asimétrica
Ejemplo:
GTINE es asimétrica a la derecha (ver pag. 19)
NOTAS es simétrica alrededor del 5 (ver Figura 3.6
de Peña y Romo)
- Se puede ver si presenta un solo máximo o pico o
moda y es, por tanto, unimodal o si presenta varias
modas
- Algunas de las formas más frecuentes de histogramas
son (ver Figura 3.8 de Peña y Romo):
22
o Unimodal simétrico: se suele dar en variables en
las que hay una gran cantidad de observaciones
con valores intermedios y algunos valores en
ambos extremos (notas, peso, altura…)
o Unimodal asimétrico a la derecha: se da en
variables que tienen una gran cantidad de
observaciones pequeñas o intermedias y algunos
datos grandes (gasto, ingreso…)
o Unimodal asimétrico a la izquierda: variables
con muchas observaciones de valor alto o
intermedio (esperanza de vida en los distintos
países)
o Bimodal simétrico: suele aparecer cuando los
datos son de 2 grupos heterogéneos y conviene
estudiarlos por separado (un objeto que se
hiciera en dos tamaños distintos en cantidades
iguales)
23
● El histograma se puede emplear también para
representar frecuencias acumuladas (absolutas o
relativas)
Ejemplo: GTINE
24
2) El polígono de frecuencias
● El polígono de frecuencias es una representación
gráfica de las frecuencias equivalente al histograma.
● Se obtiene a partir del histograma uniendo los centros
de la base superior de sus rectángulos.
Ejemplo: GTINE
25
● Se puede obtener para frecuencias acumuladas a
partir del histograma de frecuencias acumuladas.
● La diferencia fundamental entre el histograma y el
polígono es que éste proporciona una representación
más suavizada de la distribución de frecuencias.
3) El diagrama de tallos y hojas
● Nos permite obtener simultáneamente la distribución
de frecuencias de la variable y su representación
gráfica.
● Para construirlo hay que separar en cada dato el
último dígito de la derecha (la hoja) del resto de las
cifras (el tallo).
● Los tallos aparecen a la izquierda de una línea
vertical y a la derecha de cada uno anotamos las
cifras finales (hojas) de todos los datos de cada clase.
26
Ejemplo:
Se tienen datos del rendimiento anual (en %) de unas
acciones a lo largo de 30 años:
-3 17 -13 -10 20 15
3 -2 41 21 6 -22
21 53 10 15 -14 -35
25 31 -1 10 -1 28
17 4 26 -13 11 18
-3 5
-2 2
-1 4 3 3 0
-0 3 2 1 1
0 3 4 6
1 0 0 1 5 5 7 7 8
2 0 1 1 5 8 6
3 1
4 1
5 3
27
● Al igual que el histograma o el polígono, el diagrama nos
proporciona una impresión visual del número de
observaciones de cada clase.
● Tiene la ventaja de que al darnos un mayor detalle nos
permite recuperar los datos, lo que no puede hacerse
con el histograma o el polígono.
● Con conjuntos de datos muy grandes puede no resultar
informativo porque las clases tengan demasiados datos,
aunque siempre se pueden subdividir
En el ejemplo en lugar de poner los valores de 10 en 10,
podemos cogerlos de 5 en 5, es decir, cada línea
podemos dividirla en 2 (en vez de 10 a 19, hacer de 10 a
14 y de 15 a 19).
28
Ejemplo: GTINE
Stem-and-Leaf Display for GTINE: unit = 10000,0 1|2 represents 120000,0
10 0|4566788899 32 1|0011123445556667777799 (17) 2|22224455555577778 26 3|00000125 18 4|1234556779 8 5|113 5 6|36 3 7|05 1 8|7
La columna situada a la izquierda nos da las
frecuencias absolutas acumuladas de arriba hacia
abajo y de abajo hacia arriba hasta llegar al valor
entre paréntesis que es frecuencia de la clase que
contiene el dato central.
29
Ejercicio 3.6 (Peña y Romo)
Los datos de la variable G4 (Tabla 2.1) miden el gasto en
menaje de 75 hogares:
a,b) Construir la distribución de frecuencias y representarla
con un histograma.
Frequency Tabulation for G4
-------------------------------------------------------- Lower Upper Class Limit Limit ci ni fi Ni Fi
-------------------------------------------------------- at or below 0 6 0,0800 6 0,0800 1 0 14000 7000 40 0,5333 46 0,6133 2 14000 28000 21000 9 0,1200 55 0,7333 3 28000 42000 35000 8 0,1067 63 0,8400 4 42000 56000 49000 6 0,0800 69 0,9200 5 56000 70000 63000 2 0,0267 71 0,9467 6 70000 84000 77000 1 0,0133 72 0,9600 7 84000 98000 91000 1 0,0133 73 0,9733 8 98000 112000 105000 1 0,0133 74 0,9867 9 112000 126000 119000 1 0,0133 75 1,0000
30
c) Marque en el histograma la proporción de valores de G4
menores que 40.000 pesetas ¿Qué porcentaje de las
observaciones suponen esos datos?
Algo más del 80% (el 84%)
---------------------------------------------------- Lower Upper Class Limit Limit ci ni fi Ni Fi
---------------------------------------------------- at or below 0 6 0,0800 6 0,0800 1 0 10000 5000 32 0,4267 38 0,5067 2 10000 20000 15000 13 0,1733 51 0,6800 3 20000 30000 25000 7 0,0933 58 0,7733 4 30000 40000 35000 5 0,0667 63 0,8400 5 40000 50000 45000 2 0,0267 65 0,8667 6 50000 60000 55000 5 0,0667 70 0,9333 7 60000 70000 65000 1 0,0133 71 0,9467 8 70000 80000 75000 1 0,0133 72 0,9600 9 80000 90000 85000 0 0,0000 72 0,9600 10 90000 100000 95000 1 0,0133 73 0,9733 11 100000 110000 105000 1 0,0133 74 0,9867 12 110000 120000 115000 0 0,0000 74 0,9867 13 120000 130000 125000 1 0,0133 75 1,0000
31
32
e) Marcar en el histograma el área correspondiente a las
observaciones entre 50.000 y 70.000 pesetas. ¿Qué proporción
representan? ¿Cómo obtendría a partir de las frecuencias
acumuladas esa proporción?
Son el 8% (0,08=0,0667+0,0133=0,9467-0,8667)
f) ¿Qué porcentaje de hogares tiene un gasto en menaje
superior a 80.000 pesetas?
El 4% (0,04=1-0,96=0,0133x3)
g) ¿Cómo es la distribución de G4?
Es asimétrica a la derecha
h) Dibuje el diagrama de tallos y hojas
33
Stem-and-Leaf Display for G4: unit = 1000,0 1|2 = 12000,0
(38) 0|00000000000011122222333344456667888889 37 1|0001233356689 24 2|0444889 17 3|33355 12 4|69 10 5|02249 5 6|7
HI|79828,0 91068,0 104452,0 120444,0
Datos de G4:
780 4296 3044 52016 13128 2392 8536 35800 4000 0
28432 16856 50800 6188 8544 24441 33012 28999 16440
360 2268 0 10764 0 0 1960 91068 24000 35136 46000
2144 3524 104452 2480 1528 19516 0 0 18191 3172 13936
8300 8660 4524 6256 10346 11820 20468 33496 192 9000
29856 24685 3848 54228 120444 67379 10048 288 216
8099 7620 5428 15360 2028 33220 12212 52768 49896
6752 840 79828 59280 1692 13782
34
Ejercicio 3.14 (Peña y Romo)
La variable TMUN (Tabla 2.1) expresa el tamaño del
municipio: 1 menos de 2000 habitantes, 2 entre 2000 y 10000,
3 entre 10000 y 50000 y 4 capitales de provincia o con más de
50000.
a, b) Obtener la distribución de frecuencias absolutas,
relativas y acumuladas.
TMUN ni Ni fi Fi
1 4 4 0,0533 0,0533
2 9 13 0,12 0,1733
3 14 27 0,1867 0,36
4 48 75 0,64 1
35
c) Dibujar el histograma de la distribución
d) ¿Qué tipo de simetría o asimetría presenta?
Asimetría a la izquierda
Datos de TMUN:
4 4 4 4 4 4 2 4 4 4 4 3 3 4 1 4 4 3 4 2 3 4 3 4 3 4 2
4 4 1 2 3 4 2 4 4 2 4 4 4 4 4 2 4 4 3 4 4 4 3 4 3 4 4
3 4 4 4 2 1 4 3 1 3 4 4 2 4 3 4 4 4 4 4 4
36
Recommended