TEMA 6: REPRESENTACIÓN GRÁFICA DE LA INFORMACIÓN: Representación variables cualitativas y cuantitativas discretas. Representación de variables cuantitativas continuas. Errores en las representaciones.

-

Representaciones gráficas
A partir de las distribuciones de frecuencias se realizan representaciones gráficas. Muy útiles para:
  • Mostrar la proporción de los datos y hacernos una idea de conjunto.
  • Comunicar los resultados de manera intuitiva.
Para decidir el tipo de gráfico más adecuado a los datos hay que tener en cuenta:
  • El nivel de medición de la variable.
  • Los objetivos del estudio.
  • El público a quien se dirige.

1. VARIABLES CUALITATIVAS (DICOTÓMICAS O DE POCAS CATEGORÍAS) 

  • Gráfico de sectores: cada valor de la variable es un sector circular cuya área es proporcional a su frecuencia. No se puede usar con variables ordinales.



  • Diagrama de barras: compara distintas variables nominales. Cada barra representa una categoría y su altura la frecuencia (absoluta o relativa). Las barras deben estar separadas. Para hacer una comparación de dos gráficas de barras hay que representar esas dos graficas con frecuencias relativas no con absolutas.

  • Pictograma: No aporta información adicional al diagrama de barras. Se incluye una imagen representativa de la variable.

2. VARIABLES CUANTITATIVAS 


  • Histograma: Sucesión de rectángulos contiguos construidos sobre una recta. Representa a una variable continua con sus datos agrupados en intervalos. La base de cada rectángulo representa la amplitud de cada intervalo y la altura está determinada por la frecuencia.
  • Gráfico de tronco y hojas: Es un híbrido entre la tabla de frecuencia y el histograma, nos va a mostrar la distribución y los valores de la variable. Cada dato de la serie de divide en dos partes: tronco (decenas) y la hoja (unidades).

  • Polígonos de frecuencia: aquel que se forma a partir de los distintos puntos medios de las cimas de las columnas que configuran lo que es un histograma de frecuencia.
3. GRÁFICOS PARA DATOS BIDIMENSIONALES 

  • Gráficos de tendencias temporales: 

  • Diagrama de dispersión (nube de puntos o "scatter plot"): En el eje “x” se representa la variable independiente y en el eje “y” los valores de la variable dependiente. La imagen del diagrama nos da una posible idea de la correlación entre las dos variables.



4. GRÁFICOS PARA DATOS MULTIDIMENSIONALES

  • Diagrama de estrellas: representa un conjunto de variables cuantitativas y compara entre diferentes unidades de análisis (individuos o conglomerados). Cada variable representa un vértice del diagrama de estrella.


Comentarios

Publicar un comentario

Entradas populares de este blog

TEMA 3: DE LOS CONCEPTOS A LAS VARIABLES: Población, muestra, parámetros y estadísticos. Variables y escalas de medida.

-
Imagen
La Estadística se puede dividir en: → Estadística Descriptiva : describe y analiza los datos de un colectivo o población, con el fin de descubrir las regularidades o características existentes en sus elementos. A su vez, la Estadística Descriptiva  se puede clasificar en:  Univariable Bivariable → Estadística Inferencial: su función es extrapolar las características al conjunto del colectivo de            dónde se extrae el subconjunto. Se coge una muestra representativa, si esta muestra es adecuada          tras el estudio podemos generalizar en un población. Parámetros y estadísticos : Población Es el conjunto de personas u objetos que queremos investigar, es decir, un conjunto que se define con características similares. Muestra Es el subconjunto de elementos que pertenecen a la población. La muestra puede ser: representativa o aleatoria. Parámetro/E...
Leer más

TEMA 10: ESTIMACIÓN Y/O SIGNIFICACIÓN ESTADÍSTICA Distribuciones muestrales para medias y datos continuos. Distribuciones muestrales para proporciones y datos categóricos.

-
Imagen
1. SIGNIFICACIÓN ESTADISTICA - Es una de las dos formas que tenemos de hacer inferencia (la otra es la estimación puntual y/o por intervalos). - Nos permite contrastar hipótesis y relacionarlo con el método científico. - Se parte de la hipótesis nula, frente a la hipótesis alternativa. - Permite calcular el nivel de significación. Si la significación es alta podré rechazar la hipótesis nula y viceversa. - Nos permite tomar decisiones cuantificando el error. Lo primero que debemos hacer es establecer una afirmación verificable o empíricamente contrastable o, lo que es lo mismo: establecer hipótesis científicas. La hipótesis científica se convierte en hipótesis estadística. Hipótesis estadísticas: Hipótesis nula (Ho) : establece igualdad. Es una afirmación concreta sobre el valor de los parámetros estadísticos. Establece igualdad entre los resultados de los procedimientos. La hipótesis nula es la que se somete al contraste. Hipótesis alternativa (H1) : establece la dif...
Leer más