Estadstica descriptiva

La primera funcin de la estadstica es ordenar, presentar y resumir los datos que

representan el comportamiento de un determinado fenmeno. La idea es permitir que
esta informacin este disponible de manera calar y concisa, y que pueda de esa manera
intercambiarse entre las diferentes personas que harn uso de ella.
Para poder cumplir con estos objetivos la estadstica descriptiva se vale de
tablas para ordenar los resultados, de grfico para presentar la informacin y de
medidas de resumen para simplificar la interpretacin del comportamiento de los
resultados.
Estas herramientas estadsticas se adaptan al tipo de resultado que estamos
estudiando. Nos es lo mismo describir el comportamiento de los resultados obtenidos al
registrar las actividades extra laborales realizadas por las personas, que al registrar el
nmero de hermanos o el peso de las mismas. Tomando estos ejemplos trataremos de
ver que tipo de herramienta se adapta mejor a cada tipo de resultado.

Tipos de resultados
El primer paso es reconocer el tipo de resultado con el que estamos trabajando.
Podemos clasificar los resultados de acuerdo al siguiente esquema:

Cualitativas

Nominales
Ordinales
Dicotmicas

Resultados
o variables
Discretas
Cuantitativas
Continuas
Las variables o resultados cualitativos expresan caractersticas del sistema que
estamos estudiando sin recurrir a valores numricos, pueden nombrar los diferentes
tipos de resultados, como es el caso de las variables nominales, pueden establecer un
orden entre los resultados constituyendo as las variables ordinales, Dentro de estas
variables tenemos un tipo especial de variable que son las variables dicotmicas las
cuales solo toman dos resultados posibles los cuales no pueden ocurrir a la vez (es decir
son excluyentes).
Algunos ejemplos de variables cualitativas nominales seran: provincia de
origen de cada alumno de una comisin, estado civil, color de pelaje, religin.
Dentro de las variables cualitativas ordinales tenemos: orden de llegada en una
carrera, grado de compromiso con una tarea, clasificacin en un examen, estado del
tiempo.
Finalmente entre las variables dicotmicas podemos mencionar: sexo, estado de
salud, exposicin a un agente nocivo, estado de vacunacin.
Las variables cuantitativas son aquellas que toman resultados numricos,
resultado de determinar cantidades o magnitudes. Las variables cuantitativas discretas
son aquellas que en su intervalo de determinacin solo toman algunos de los posibles
1

valores. Por ejemplo: nmero de terneros nacidos por da en un establecimiento,

cantidad de dosis utilizadas por veterinario en una campaa de vacunacin, cantidad de
das de lluvia por semana por ao en una determinada localidad.
Las variables cuantitativas continas, resultan de determinar magnitudes, y por
lo tanto dentro de su intervalo de definicin pueden tomar cualquiera de los infinitos
valores posibles, por ejemplo: peso de un ternero nacido vivo, dimetro escrotal de un
toro, tiempo transcurrido desde la fecundacin, duracin del sueo en una rata luego de
recibir un determinado anestsico.
El uso de las herramientas de la estadstica descriptiva deber adaptarse a cada
tipo de variable de manera particular.

Tablas
Cuando un experimento se realiza varias veces, vamos a poder obtener varios
resultados para la variable que estamos estudiando, estos resultados podrn o no
repetirse en la cantidad de veces que observemos el experimento. Para poder ordenar
esta informacin utilizaremos las tablas, las cuales registran cada uno de los valores (o
resultados) que toma la variable que estamos estudiando y la frecuencia con la que cada
uno de esos valores aparece. Por ejemplo, si preguntamos a un grupo de 15 alumnos
cual es su lugar de origen podramos obtener estos resultados:
Buenos Aires, Capital, Santa Fe, Crdoba, Neuqun, Buenos Aires, Capital, Capital,
Capital, Capital, Buenos Aires, Crdoba, Capital, Buenos Aires, Santa Fe.
As presentada la informacin resulta compleja y dificultosa para entender pero
si construimos una tabla de frecuencias tendremos:
Provincia
Capital
Buenos Aires
Crdoba
Santa Fe
Neuqun

fi
6
4
2
2
1
n =15

Tenemos ahora presentados en la tabla los resultados de la variable y la cantidad

de veces que apareci cada uno de ellos, a esta cantidad la llamamos frecuencia
absoluta simple y la representamos con fi. Si vemos la ltima celda en la columna de
las frecuencias absolutas simples veremos que en ella representamos con la letra n al
total de observaciones realizadas que resulta de haber sumado todas las frecuencias.
Podemos agregar a la tabla una columna que represente la cantidad proporcional
en que apareci cada uno de los resultados. Estas frecuencias se denominan frecuencias
relativas simples y se calculan como fi/n, las mismas pueden expresarse directamente
como proporcin o de manera porcentual. Vamos a representar a las mismas con hi.

Provincia
Capital
Buenos Aires
Crdoba
Santa Fe
Neuqun

fi
6
4
2
2
1
n =15

hi
0,40 (40%)
0,27 (27%)
0,13 (13%)
0,13 (13%)
0,07 (7%)
1 (100%)

Veamos ahora como armamos nuestra tabla cuando tratamos una variable
cuantitativa discreta. Por ejemplo preguntamos a los mismos alumnos el nmero de
hermanos que tiene cada uno:
0, 2, 3, 1, 6, 3, 1, 2, 1, 0, 2, 4, 3, 2, 1
xi

fi
0
1
2
3
4
5

2
4
4
3
1
1
15

hi
0,13 (13%)
0,27 (27%)
0,27 (27%)
0,20 (20%)
0,07 (7%)
0,07 (7%)
1 (100%)

Fi
2
6
10
13
14
15

Hi
0,13 (13%)
0,40 (40%)
0,67 (67%)
0,87 (87%)
0,93 (93%)
1,00 (100%)

Vemos que se ha agregado dos columnas ala tabla, en ellas las frecuencias, tanto
absolutas como relativas, se van acumulando a lo largo de los diferentes valores de x
(donde x es nuestra variable en estudio, en este caso el nmero de hermanos). Estas
frecuencias se denominan acumuladas, y as tenemos las Fi que son las frecuencias
absolutas acumuladas y las Hi que constituyen las frecuencias relativas acumuladas.
En el caso de tener que ordenar los resultados de una variable cuantitativa
continua debemos tomar en cuenta que la misma puede tomar infinitos valores
diferentes y que difcilmente los mismos se repetirn a lo largo de nuestro estudio. Para
ello antes de ordenar los datos en la tabla los dividimos en intervalos de clase. Si bien
no es necesario profundizar en la tcnica para confeccionar intervalos de clase vamos a
remarcar algunas de las caractersticas que deben reunir los mismos: deben tener el
mismo tamao y ser continuos. La cantidad de intervalos debe estar entre cinco y 20
intervalos.
Supongamos que registramos el peso de los alumnos de nuestro grupo de
estudio:

68 64 75 77,5 79 78 76 81,5 84 83,5 82 86 87 89,5 94,5

3

( xi ]
65 70
70 75
75 80
80 85
85 90
90 95

fi

hi
2
1
4
4
3
1
15

Fi
0,13
0,07
0,27
0,27
0,20
0,07
1

xi

Hi
2
3
7
11
14
15

0,13
0,20
0,47
0,73
0,93
1,00

67,5
72,5
77,5
82,5
87,5
92,5

Debido a que los intervalos son continuos debemos establecer el criterio para
confeccionar los mismos, en nuestro ejemplo, hemos armado intervalos del tipo
(abierto, cerrado]; lo que nos indica el nmero que cierra el intervalo est incluido en
ese intervalo, mientras que el nmero que lo abre no lo esta y esta en el intervalo
anterior. Otra caracterstica de las tablas para variables continuas es que agregamos una
columna para indicar las marcas de clase (xi) que representan el valor medio de cada
intervalo.

Grficos
Para presentar los resultados de una variable cualitativa vamos a utilizar el
grfico de barras, el cual nos muestra la frecuencia absoluta de cada valor mediante
una barra.

Tambin podemos representar las frecuencias relativas mediante el uso del

grfico de torta:

Para las variables cuantitativas discretas, utilizaremos un grfico de bastones

para indicar las frecuencias simples (tanto absolutas como relativas) y un grfico d
escalones para las frecuencias acumuladas.

Grfico de bastones.

Grfico de escalones
5

En el caso de las variables continuas se utiliza un tipo especial de grfico

denominado histograma, si bien su apariencia nos puede llevar a confundirlo con un
grfico de barras veremos que presenta algunas caractersticas propias muy importantes.
Por un lado el histograma es completo y no hay espacio entre los rectngulos que
sealan las frecuencias. El eje de los valores de x es continuo y todos los puntos se
encuentran representados en l, es por esto que la frecuencia de los valores contenidos
en el intervalo est dada por el rea encerrada en el mismo. Lgicamente al ser todos los
intervalos es de la misma amplitud termina siendo la altura el indicador de la frecuencia.
Esto hay que tomarlo en cuenta porque en el caso de enfrentarnos a intervalos de
diferente amplitud la altura de los rectngulos deber corregirse para que el rea se
mantenga proporcional a la cantidad de observaciones incluidas en ese intervalo.

Histograma y polgono de frecuencias

Como vemos en la imagen el histograma puede completarse con el polgono de
frecuencias. Ambos grficos encierran por debajo un rea equivalente.
El histograma puede utilizarse para frecuencias acumuladas y en ese caso se
completa con el trazado de la ojiva.

Histograma

ojiva

para

frecuencias

acumuladas.

Medidas de resumen
Las medidas de resumen nos permiten informar mediante un nico valor (o en
algunos casos un par de valores) tanto el punto alrededor del cual se varan los valores
observados (medidas de posicin) como as tambin nos permiten conocer la magnitud
de dicha variacin (medidas de dispersin).
Normalmente la bibliografa suele presentar las medidas de posicin agrupadas y
de manera separada las medidas de dispersin. En este trabajo seguiremos otro criterio
de presentacin, el cual es solo una manera diferente de ordenar las medidas de resumen
pero que no cambia en manera alguna la interpretacin y clculo de las mismas.

La familia de media aritmtica y varianza

La media aritmtica constituye lo que comnmente conocemos como
promedio, la expresin matemtica de su clculo sera como sigue:
n

x f
i 1

n
Vemos entonces que sumamos los valores de x, recordando que cada valor debe
sumarse la cantidad de veces en que aparece, por eso en la expresin lo vemos
multiplicado por su frecuencia (fi). Las unidades de la media aritmtica coinciden con
las de la variable en estudio. Veamos la aplicacin del clculo a los ejemplos anteriores:
Para el nmero de hermanos
x

30
2 hermanos
15

Para el peso
7

1187 ,5
79,17 kg
15

Podemos decir entonces que el promedio de hermanos en nuestro estudio fue de

2 hermanos y que el peso promedio obtenido fue de 79,17 kg.
Una vez calculada la media vemos que los valores que constituyen nuestro
experimento se alejan del mismo una distancia variable para cada observacin,
podramos definir matemticamente esa distancia como: xi x es decir la diferencia
de cada valor con el promedio. En general a esta diferencia se la denomina desvo.
Lgicamente podramos reemplazar por cualquier otro valor y tambin obtendramos
desvos pero con respecto a ese nuevo valor, pero en este caso estamos hablando de los
desvos con respecto a la media. Si sumamos todos los desvos con respecto a la media
veremos que EN TODOS los casos el valor de esa sumatoria es cero:
n

x
i 1

x 0

Esta constituye una de las propiedades matemticas de la media. Por ella

decimos que la media hace NULA la suma de desvos.
Si en lugar de sumar los desvos directamente elevamos los mismos al cuadrado
antes de realizar la sumatoria veremos que:
n

x
i 1

x mnimo
2

Es decir que utilizando la media para calcular los desvos la sumatoria de los
mismos elevados al cuadrado da un valor menor al que se obtendra utilizando cualquier
otro nmero real en lugar de la media. Por esta propiedad de la media decimos que la
misma MINIMIZA la sumatoria de desvos cuadrados.
Si ponderamos esta sumatoria de desvos cuadrados por la cantidad de
observaciones obtendramos un buen ponderador de la variabilidad de nuestros datos
con respecto a la media. Este ponderador es la varianza que se representa con S2. La
expresin matemtica de la varianza quedara entonces como sigue:
n

S2

x
i 1

x fi
2

n 1
Para evitar lo engorroso del clculo al usar esta expresin se puede operar
algebraicamente sobre la misma para obtener una forma que facilita el clculo:

S2

1
n 1

i 1

2
i

fi

i 1

xi f i

En nuestros ejemplos tendramos:

S2

1
30 2
88
2 hermanos 2

14
15

S2

1
1187 ,5 2
95143
,
75

80,95 kg 2
14
15

Vemos que si bien la varianza expresa correctamente la magnitud de las

diferencias que existen entre los valores y su media es decir de la variabilidad
absoluta, tenemos el problema que la misma queda expresada en las mismas unidades
que la variable en estudio pero elevadas al cuadrado lo cual dificulta la interpretacin de
las mismas. Para subsanar este problema utilizamos el desvo estndar (S o DS segn
los diferentes autores) que se obtiene al calcular la raz cuadrada de la varianza:
S

S2

Para nuestros ejemplos tendramos:

S

2 1,41 hermanos

80,95 8,99 kg

Es decir que en promedio cada una de las observaciones se aleja 1,41 hermanos
del promedio y para el segundo ejemplo tenemos una desviacin promedio de 8,99 kg
con respecto a la media.
Finalmente para concluir tenemos el coeficiente de variacin (CV) que nos
permite ver la relacin porcentual entre la variabilidad promedio y la media de lo
valores en estudio dndonos una idea de la variabilidad relativa, el mismo se calcula
como:
CV %

S
100
x

Para nuestros ejemplos tendramos:

CV %
CV %

1,4
100 70,5%
2
8,99
100 11,35%
79,17

Vemos entonces que mientras que el peso de los alumnos presentaba una mayor
variabilidad absoluta, las mismas no podan compararse, ya que resulta imposible desde
el punto de vista de la lgica comparar 1,41 hermanos con 8,99 kg. Peor el coeficiente
de variacin al estar expresado como un porcentaje y no tener unidades permite
establecer comparaciones y as tenemos que la variabilidad relativa en el nmero de
hermanos es del 70,5% mientras que el peso solo presenta una variabilidad relativa del
11,35%.

El conjunto de la mediana y los cuartiles

Cuando los valores de un conjunto de datos se encuentran ordenados de mayor a
menor podemos sealar u de ellos (si el n es impar) o un par de ellos que dejan la misma
9

cantidad de observaciones por debajo y por arriba. Este valor que deja la misma
cantidad de observaciones por debajo y por arriba se denomina mediana.
Veamos en el caso de la variable numero de hermanos:
0 0 1 1 1 1 2 2 2 2 3 3 3 4 4

El valor dos sealado con la flecha se encuentra justo en el medio del conjunto
de valores de manera tal que la misma cantidad de valores (siete en este caso) se
encuentran ubicados por debajo y por encima de este. Otra forma de encontrar la
mediana utilizando la tabla de frecuencias consiste en averiguar primero en que posicin
se encuentra la mediana mediante la simple expresin:
Pos. med

n 1
2

Que nos indicar en que lugar encontraremos la median, luego entramos a la columna
de las Fi y all buscamos la frecuencia que represente a la posicin de la mediana o a
algn valor superior. Ese valor o intervalo constituye la mediana de nuestros datos. Si la
cantidad de valores fura para la mediana se ubicar en el medio de estos dos valores y
de ser ambos diferentes la mediana quedar dada por el promedio de ambos valores
centrales. Por ejemplo para los valores 0 1 2 4 6 10 la mediana es 3 por los dos
valores centrales son 2 y 4 y el promedio entre ambos es tres. En el ejemplo del peso de
los alumnos tenemos que la posicin de la mediana es:
Pos. med

16
8
2

Con este valor 8 entramos en la columna de las Fi y vamos recorrindola hasta

encontrar un valor igual o superior. Descartamos el 2 el 3 y el 7 hasta que llegamos al
11. este valor nos indica que la mediana se encuentra en el intervalo 80 85 kg.
Podemos dejar entonces la mediana expresada como este intervalo o para mayor
claridad elegir la marca de clase para hacerlo es decir que la mediana es 82,5 kg. Cmo
interpretamos este resultado? Decimos que el 5% de los alumnos pesaba 82,5 kg o
menos y el otro 50% pesaba esto o ms. Algunos autores proponen una manera de
calcular ms exactamente la mediana dentro del intervalo correspondiente:
PosMed Fi 1

med Li c
fi

Vemos que en esta ecuacin se toma en cuanta el limite inferior del intervalo de
la mediana (Li), la amplitud de los intervalos que estemos considerando (c) y las
frecuencias acumuladas del intervalo anterior (Fi-1) y absoluta de ese intervalo (fi). En
nuestro ejemplo con el peso de los alumnos tendremos:
87
med 80 5
81,25 kg
4

Este valor resulta ms exacto que el de 82,5 kg que habamos elegido al usar la
marca de clase, sin embargo si la amplitud de los intervalos no es muy grande el uso del
10

mismo no se justifica ya que al igualar la mediana la marca de clase no se estara

cometiendo un error muy grande.
Del mismo modo que la mediana para en dos mitades al conjunto de valores los
cuartiles lo dividen en cuatro partes. As el primer cuartil (C 1) se ubica separando el
25% inferior del total de observaciones, el segundo cuartil (C2) separa el 50% inferior
del superior (es evidente que el segundo cuartil coincide con la mediana) y el tercer
cuartil (C3) deja por debajo al 75% del total de observaciones. En el caso de los
hermanos tendremos:
0 0 1 1 1 1 2 2 2 2 3 3 3 4 4

C1

C2
mediana

C3

Tanto los cuartiles 1 y 3 como la mediana pueden utilizarse como mediadas de

posicin. Pero del mismo modo que la media genera a la varianza como medida de
dispersin, los cuartiles generan al recorrido intercuartlico (RIC) que se calcula
como la diferencia entre el tercer cuartil menos el primero.
El grfico de caja y bigotes resulta ideal para la visualizacin de la posicin de la
mediana y los cuartiles en un conjunto de datos. Este grfico est compuesto por una
caja que seala los C1 y C3. En el centro de esta caja la mediana esta sealada mediante
una lnea vertical. Hacia los extremos los bigotes se extiende hacia el valor mas alto y
ms bajo del conjunto siempre y cuando los mismos se encuentren a menos de 1,5 RIC
de los limites de la caja. Los valores ubicados por fuera de esta distancia no sern
alcanzados por el bigote y se marcaran con un punto lo que los identifica como
extremos sospechosos. Los puntos ubicados ms all de 3 RIA sern sealados como
extremos confirmados y sealados con un asterisco.
En la hoja siguiente se observa un grfico de caja y bigotes para la variable peso.
Vemos que la mediana (sealada por la lnea interior de la caja) se encuentra en 81,5 kg.
El C1 se ubica en 76 kg y el C3 en 86 kg. Los bigotes nos sealan que los valores
mximo y mnimo son de 94,5 y 64 kilogramos respectivamente.

11

Peso de los alumnos

100
96
92
88

peso (kg)

84
80
76
72
68
64
60

Grfico de caja y bigotes para la

variable peso de los alumnos

Otras medidas de posicin y dispersin

Modo
El modo es una medida de posicin de fcil interpretacin y clculo, se define
simplemente como el valor de la variable que presente mayor frecuencia absoluta de
aparicin. En nuestro ejemplo para el nmero de hermanos tenemos que hay dos modos:
modo1 = 1 hermano
modo2 = 2 hermanos
Ambos valores tienen una fi de 4 con lo cual los dos quedan definidos como modo para
este conjunto de observaciones. En el caso que nuestros valores se encuentren
presentados en una tabla con intervalos de clase, el modo puede asignarse a la marca de
clase del intervalo modal (el de mayor frecuencia absoluta) o bien calcularse su
posicin exacta dentro de dicho intervalo mediante la expresin:

Di 1

mod Li c
D

D
i 1
i 1
Donde Di-1 es la diferencia entre las frecuencias absolutas simples del intervalo
anterior y del intervalo modal y Di+1 es la diferencia entre las frecuencias absolutas
simples del intervalo posterior y del intervalo modal. Para nuestro ejemplo del peso de
los alumnos tenemos tambin dos intervalos modales porque dos de ellos presentan 4
como frecuencia absoluta simple siendo esta la mayor, por lo tanto calcularemos los dos
modos:
1
mod1 75 5
79
3 11
0
mod1 80 5
80
0 1

12

Cuartiles y percentiles
Los cuartiles, C1, C2 y C3 son los valores de la variable que una vez ordenados
dejan por debajo al 25%, 50% y 75% de las observaciones respectivamente. Es fcil
notar que la mediana coincide con el C 2. Los cuartiles se representan junto con la
mediana en el grfico de caja y bigotes.
Los percentiles se ubican separando a los valores de la variable, que representan
cada uno de ellos un 1% de las observaciones realizadas. Se representan con Pn donde n
es el percentilo correspondiente. Si relacionamos los percentiles con la mediana y los
cuartiles tenemos:
P25 = C1
P50 = C2 = med
P75 = C3

Medias especiales
En algunos casos se requiere el uso de medias especiales para describir el
comportamiento de algunos datos que se mostraran de manera errada utilizando la
media aritmtica sobre todo por la desventaja que esta presenta al verse desplazada por
los valores extremos.
La media geomtrica de una cantidad finita de nmeros (digamos n nmeros)
es la raz n-sima del producto de todos los nmeros que integran la serie.
Matemticamente queda definida como:
n

~x n x n x .x .x .x ...x
i 1 2 3 4 n
i 1

Slo es relevante la media geomtrica si todos los nmeros son positivos. Si uno
de ellos es 0, entonces el resultado es 0. Si hay un nmero negativo (o una cantidad
impar de ellos) entonces la media geomtrica es, o bien negativa o bien inexistente en
los nmeros reales.
En muchas ocasiones se utiliza su trasformacin en el manejo estadstico de variables
con distribucin no normal.
La media armnica, representada por H, de una cantidad finita de nmeros es
igual al recproco, o inverso, de la media aritmtica de los recprocos de dichos nmeros
As, la media armnica ser igual a:
H

n
n

x
i 1

n
1 1 1
1
...
x2 x3 x4
xn

La media armnica resulta poco influida por la existencia de determinados

valores mucho ms grandes que el conjunto de los otros, siendo en cambio sensible a
valores mucho ms pequeos que el conjunto. La media armnica no est definida en el
caso de la existencia en el conjunto de valores nulos.
Para terminar veamos un anlisis completo de un conjunto de valores
correspondientes a una variable aleatoria continua:
13

22,09 19,79 18,59 20,44 19,29 19,74 19,27 20,27 19,10 20,79 21,68
17,58 19,97 20,55 19,36 19,33 19,22 22,14 21,55 20,61 19,36 18,70
21,25 18,15 22,74 20,63 20,13 20,41 22,91 21,00 23,03 20,63 20,74
22,14 21,87 16,70 24,19 18,63 20,97 21,06 20,46 18,20 22,85 20,74
22,96
Los resultados muestran los niveles de glucosa en mg/ml detectados en orina de
45 pacientes diabticos compensados luego de un tratamiento con insulina bovina de
larga duracin.
Ordenamos los datos
( xi ]
15 17
17 19
19 21
21 23
23 - 25

fi
1
6
24
12
2
n = 45

hi
0,02
0,13
0,53
0,27
0,04

Fi
1
7
31
43
45

Hi
0.02
0,16
0,69
0,96
1

xi
16
18
20
22
24

Presentamos utilizando grficos

Glucosuria en pacientes tratados
25

frecuencia absoluta

20

15

10

0
13

15

17

19

21

23

25

27

25

27

glucosuria (mg/ml)

Glucosuria en pacientes tratados

47

frec. abs. acumulada

38

28

19

0
13

15

17

19

21

23

glucosuria (mg/ml)

14

Ahora calcularemos las medidas de posicin y dispersin, utilizaremos los datos

presentados en la tabla de frecuencias pero recordando que los programas estadsticos
utilizarn directamente los valores individuales de la variable, al final de nuestro
ejemplo presentaremos los datos calculados mediante la computadora.
Medidas de Posicin
Modo
Intervalo modal = (19 21)

Di 1
18
19 2
mod Li c
20,2 mg / ml
18 12
Di 1 Di 1
Mediana
Pos. med

n 1 46

23
2
2

Intervalo mediana = (19 21)

PosMed Fi 1
23 7
19 2
med Li c
20,3 mg / ml
fi
24

Media
n

x f

i i

i 1

916
20,35 mg / ml
45

Medidas de dispersin
Varianza

S2

1
n 1

x
i 1

2
i

i 1

xi f i

fi

2
1 18760 916 2,598 mg / ml 2

44
45

Desvo Estndar
S

S2

2,598 1,612 mg / ml

Coeficiente de variacin
CV %

S
1,612
100
100 7,92%
x
20,35

15

El uso de la computadora nos permite calcular los cuartiles y percentilos y

realizar el grfico de caja y bigotes. Recordemos que el programa utilizar los valores
originales con lo cual las medidas de resumen calculadas se vern levemente alteradas,
sobre todo aquellas que indican la dispersin de los datos:
= 20,35 mg/ml
med = 20,55 mg/ml
S2 = 2,56 (mg/ml)2
S = 1,6 mg/ml
CV = 7,81%

Glucosuria en pacientes tratados

25

C1 = 19,33 mg/ml
C3 = 21,55 mg/ml
P5 = 18,15 mg/ml
P10 = 18,59 mg/ml
P25 = 19,33 mg/ml
P50 = 20,55 mg/ml
P75 = 21,55 mg/ml
P90 = 22,85 mg/ml
P95 = 22,96 mg/ml

Glucosuria (mg/ml)

23

21

19

17

15

16