INTRODUCCIÓN AL ANÁLISIS DE DATOS

Cuadernillo 1

SOLUCIÓN
Francis Galton (1884) recogió los datos de 400 personas en las siguientes variables:
Edad (23, 24 y 25 años), Estado Civil (soltero, casado), Color de ojos (Avellana, Azul,
Gris, Marrón, Negro, Verde), Residencia (Campo, Ciudad, Suburbio, Mar y Varias),
Estatura y Peso. Estos datos fueron publicados en el Journal of the Antropological
Institute en 1889 y aparecen recogidos en Vélez y col. (2006) 1 pp. 18-19. La estatura
en pulgadas ha sido transformada a metros (1 pulgada= 25,4 mm) y el peso en libras a
kg (1 libra= 0,4536 kg.).

A partir de los datos originales, se obtiene la siguiente tabla:

Color de Ojos ni
Avellana 27
Azul 127
Gris 111
Marrón 110
Negro 15
Verde 3
No consta 7
400

1. Complete la siguiente Tabla, calculando las frecuencias relativas o proporciones y

los porcentajes:

Color de Ojos ni pi Pi
Avellana 27
Azul 127
Gris 111
Marrón 110
Negro 15
Verde 3
No consta 7
400

Solución:

Color de Ojos ni pi Pi
Avellana 27 0,0675 6,75
Azul 127 0,3175 31,75
Gris 111 0,2775 27,75
Marrón 110 0,2750 27,50
Negro 15 0,0375 3,75
Verde 3 0,0075 0,75
No consta 7 0,0175 1,75
400 1 100

1
Vélez, R. y col. (2006).Métodos estadísticos en Ciencias Sociales. Ediciones Académicas. Madrid (2ª
edic.).

1
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

2. Represente gráficamente, mediante el diagrama de barras y el diagrama de

sectores, los datos del ejercicio anterior.

Solución:

Diagrama de barras

Diagrama de sectores

3. A partir de la siguiente Tabla, sobre la variable Edad, calcule la media y la varianza:

Edad ni
23 144
24 140
25 116
400

2
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

Solución:

Edad ( X i ) ni niXi n i X i2 Xi  X (X i  X ) 2 n i (X i  X ) 2
23 144 3312 76176 -0,93 0,8649 124,5456
24 140 3360 80640 0,07 0,0049 0,6860
25 116 2900 72500 1,07 1,1449 132,8084
400 9572 229316 258,04

X
n X i i

9572
 23,93
n 400

S 2X 
 n i X i2  X2 
229316
 23,93 2  573,29  572,6449  0,6451  0,65
n 400
También:

S 2X 
 n (X i i  X) 2

258,04
 0,6451  0,65
n 400

4. A partir de los datos originales, hemos agrupado la variable Estatura en 6 intervalos

obteniendo la siguiente Tabla:

Estatura ni
1,96 - 2,05 1
1,86 - 1,95 12
1,76 - 1,85 126
1,66 - 1,75 206
1,56 - 1,65 53
1,46 - 1,55 2
400

Realice la representación gráfica del Polígono de frecuencias

Solución:
Punto
Estatura ni
medio
1,96 - 2,05 1 2,005
1,86 - 1,95 12 1,905
1,76 - 1,85 126 1,805
1,66 - 1,75 206 1,705
1,56 - 1,65 53 1,605
1,46 - 1,55 2 1,505
400

3
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

Polígono de Frecuencias

250

200

150
n

100

50

0
1,505 1,605 1,705 1,805 1,905 2,005
Estatura

5. Calcule la media, la desviación típica, la mediana y el índice de asimetría para los

datos de la tabla del ejercicio anterior.

Solución:

Estatura (X) ni Xi niXi n i X i2 (X i  X ) (X i  X ) 2 n i (X i  X ) 2 n a

1,96 - 2,05 1 2,005 2,005 4,020025 0,276 0,076176 0,076176 400
1,86 - 1,95 12 1,905 22,860 43,548300 0,176 0,030976 0,371712 399
1,76 - 1,85 126 1,805 227,430 410,511150 0,076 0,005776 0,727776 387
1,66 - 1,75 206 1,705 351,230 598,847150 0,024 0,000576 0,118656 261
1,56 - 1,65 53 1,605 85,065 136,529325 -0,124 0,015376 0,814928 55
1,46 - 1,55 2 1,505 3,010 4,53005 -0,224 0,050176 0,100352 2
400 691,600 1197,986 2,2096

X
n X i i

691,6
 1,729
n 400

S 2X 
n X i
2
i
 X2 
1197,986
 1,729 2  2,994965  2,989441  0,005524 . ó
n 400

S 2X 
 n i (X i  X ) 2 
2,2096
 0,005524
n 400
S X  S 2X  0,005524  0,074323616  0,074

4
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

n   400 
  nd    55 
Md  L i   2   I  1,655   2   0,1  1,655  0,070  1,725  1,73
 nc   206 
   
   

1,66  1,75
Mo   1,705
2
X  Mo 1,729  1,705
As    0,324 Como As es mayor que cero, la asimetría es positiva
SX 0,074

6. Para la variable Peso hemos obtenido la siguiente Tabla:

PESO ni
47,6 - 53,5 13
53,6 - 59,5 76
59,6 - 65,5 140
65,6 - 71,5 103
71,6 - 77,5 46
77,6 - 83,5 11
83,6 - 89,5 5
89,6 - 95,5 5
95,6 - 101,5 0
101,6-107,5 1
400

Calcule los percentiles 25, 50 y 75.

Solución:
PESO ni na
101,6-107,5 1 400
95,6 - 101,5 0 399
89,6 - 95,5 5 399
83,6 - 89,5 5 394
77,6 - 83,5 11 389
71,6 - 77,5 46 378
65,6 - 71,5 103 332
59,6 - 65,5 140 229
53,6 - 59,5 76 89
47,6 - 53,5 13 13
400

 n  25   400  25 
  nd    89 
P25  L i   100   I  59,55   100   6  60,02
 nc   140 
   
   

5
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

n   400 
  nd    89 
Md  L i   2   I  59,55   2   6  64,31
 nc   140 
   
   
 n  75   400  75 
  nd    229 
P75  L i   100   I  65,55   100   6  69,69
 nc   103 
   
   

7. ¿Cuál de las dos variables Estatura y Peso presenta mayor variabilidad? (Realice
los cálculos oportunos y razone la respuesta).

Solución:

PESO (Y) ni Yi n i Yi n i Yi2

101,6-107,5 1 104,55 104,55 10930,7025
95,6 - 101,5 0 98,55 0,00 0,0000
89,6 - 95,5 5 92,55 462,75 42827,5125
83,6 - 89,5 5 86,55 432,75 37454,5125
77,6 - 83,5 11 80,55 886,05 71371,3275
71,6 - 77,5 46 74,55 3429,30 255654,3150
65,6 - 71,5 103 68,55 7060,65 484007,5575
59,6 - 65,5 140 62,55 8757,00 547750,3500
53,6 - 59,5 76 56,55 4297,80 243040,5900
47,6 - 53,5 13 50,55 657,15 33218,9325
400 26088 1726255,80
Peso:

Y
n Y i i

26088
 65,22
n 400

S 2Y 
 n i Yi2  Y2 
1726255,80
- 65,22 2  61,9911 S Y  61,9911  7,87
n 400

Estatura (X) SX 0,074

X  1,729 S X  0,074 CVX  ·100  ·100  4,28
(Ver Ejercicio 5) X 1,729
SY 7,87
Peso (Y) Y  65,22 S Y  7,87 CVY  ·100  ·100  12,07
Y 65,22

Se utiliza el Coeficiente de Variación porque, aunque se trata de los mismos sujetos, se

trata de dos variables (Estatura y Peso) con distinta media.

La variable Peso presenta una mayor variabilidad que la variable Estatura porque la
variable Peso tiene un mayor coeficiente de variación que la variable Estatura.

6
 INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

8. Para las variables Residencia y Estado Civil, hemos obtenido la siguiente tabla:

ESTADO CIVIL
RESIDENCIA Casado Soltero Total General
Campo 5 58 63
Ciudad 26 186 212
Suburbio 14 103 117
No consta y otras 1 7 8
Total General 46 354 400

Determine si existe relación entre ellas e interprete el resultado.

Solución:
Se trata de dos variables cualitativas por lo que calculamos chi cuadrado asumiendo que
las categorías, en ambas variables residencia y estado civil, son exhaustivas y
mutuamente excluyentes:

ESTADO CIVIL
RESIDENCIA Casado Soltero Total General
Campo 5 (7,245) 58 (55,755) 63
Ciudad 26 (24,38) 186 (187,62) 212
Suburbio 14 (13,455) 103 (103,545) 117
No consta y otras 1 (0,92) 7 (7,08) 8
Total General 46 354 400

Nota: Dado el supuesto de categorías exhaustivas y mutuamente excluyentes, se asume que la

categoría “no consta y otras” no incluye ningún sujeto que pueda incluirse en alguna de las otras
categorías de la variable residencia. En negrita, y entre paréntesis, se recogen las frecuencias
teóricas.

X 2

5  7,245
2

58  55,755
2

26  24,38
2

186  187,62
2

7,245 55,755 24,38 187,62


14  13,4552  103  103,5452  1  0,922  7  7,082  0,94
13,455 103,545 0,92 7,08

X2 0,94
C   0,048
X2  n 0,94  400

El coeficiente de contingencia es casi nulo, por lo que no parece haber relación entre
ambas variables. No podemos comparar el C hallado con el C máximo dado que el número
de filas es distinto del número de columnas.

7
INTRODUCCIÓN AL ANÁLISIS DE DATOS
Cuadernillo 1

9. Para las variables Estatura y Peso, tenemos la siguiente representación gráfica:

120,0

100,0

80,0
PESO (kg)

60,0

40,0

20,0

0,0
0,00 0,50 1,00 1,50 2,00 2,50
ESTATURA (m)

Sabiendo que r 2  0,42 ¿Qué podemos decir de la relación existente entre la Estatura
y el Peso?

Solución:

El porcentaje de la varianza del peso explicada por la varianza de la estatura es del

42%.
Si r 2  0,42 entonces r  0,42  0,648 (la gráfica nos indica que el signo del
coeficiente de correlación de Pearson es positivo) y, por tanto, a medida que aumenta
la Estatura aumenta también el Peso.

10. Para las variables Peso y Estatura hemos obtenido la siguiente ecuación de la
recta de regresión: Y´ 72,06X  59,12 ¿qué puntuación pronosticaremos en el
Peso a una persona que ha obtenido un valor de 1,55 en estatura?

Solución:

Y’ = 72,06·(1,55) -59,12 = 52,573