La Estadística Descriptiva es la rama de la estadística que recoge datos, los analiza y presenta los resultados con gráficos o mediante el cálculo de parámetros estadísticos, unos pocos números que tienden a describir el conjunto de datos. Aun así, en muchas ocasiones no es posible llegar a observar el valor de la variable para todos los elementos de una población y en este caso se recogen los datos sobre una muestra, porción de una población que es utilizada para obtener información sobre características de la población total. Esta es la situación a qué más se ajustan a los procedimientos que se explican en este capítulo.

En otras ocasiones las observaciones de la Estadística Descriptiva corresponden a valores observados en la realización de un experimento aleatorio. En este caso la muestra de los resultados tiene como finalidad intentar establecer el modelo teórico que regula el experimento.

En el trabajo en Estadística wiris trabaja siempre con números decimales a diferencia del resto de áreas de conocimiento, por seguir la práctica habitual en esta área.

Vemos como se puede representar una muestra con 3 ceros y 4 unos.

En el primero caso hemos considerado una Lista que contiene los elementos de la muestra; en el segundo caso, usamos un Divisor dónde se indica cuántas veces aparece cada valor. Vemos ahora algunas operaciones que podemos realizar con muestras.

Hace falta comentar, por acabar con la introducción, que podemos agrupar diferentes muestras de variables aleatorias con un Divisor. La explicación extensa de esta capacidad está descrita a Multimuestra pero acto seguido vemos unos ejemplos aclaratorios.

Funciones

En este apartado se explican las funciones que wiris puede aplicar a un conjunto de datos observados de una varaiable estadística, x={x₁,x₂,...,x_n}

media: comando media donde n=longitud(x).

media geométrica: comando media_geométrica donde n=longitud(x).

media harmónica: comando media_harmónica donde n=longitud(x).

variancia: comando variancia Calcula la variancia según la definición inferencial. Eso es, donde n=longitud(x), mx=media(x).

desviación estándar: comando desviación_estándar donde n=longitud(x), donde mx=media(x).

mediana2: comando mediana2 Si x1,x2,...,xn está ordenada, se define como xk   si  n=2k-1 (xk+xk+1)/2   si  n=2k con k un número entero. Si la muestra no es ordenada basta con ordenarla y aplicar la definición anterior.

cuartil: comando cuartil Calcula los diferentes cuartiles de una muestra. Véase la definición completa del comando cuartil.

moda: comando moda Calcula el valor que más veces aparece en la muestra. Si hay más de un valor que aparece el número máximo de veces devuelve el menor de los posibles resultados.

Funciones dos variables

A partir de los valores de dos variables estadísticas obtenidos en una recogida de datos bivariante, es decir (x₁,y₁),(x₂,y₂),...,(x_n,y_n) se dan acto seguido las fórmulas de las diferentes funciones. Nótese en los ejemplos que, aunque l’entrada de datos se puede hacer independientemente para los valores de una y otra variable se tiene que suponer que son datos bivariantes.

covariancia: comando covariancia donde mx=media(x) , my=media(y). También puede recibir una lista de puntos y, naturalmente, considerará que las primeras coordenadas de los puntos son los valores de la primera variable y las segundas coordenadas son los valores de la segunda variable observados en los elementos de la muestra.

correlación: comando correlación Calcula el coeficiente de correlación de Pearson entre un conjunto de datos bivariantes tomados sobre una muestra. Este parámetro indica el grado de 'relación lineal' que existe entre una y otra muestra. También puede recibir una lista de puntos y, naturalmente, considerará que las primeras coordenadas de los puntos son los valores de la primera variable y las segundas coordenadas son los valores de la segunda variable observados en los elementos de la muestra.

recta de regresión: comando recta_de_regresión Dada una muestra de datos (x1,y1),(x2,y2),...,(xn,yn) calcula la recta de regresión deducida a partir del método de los mínimos cuadrados, tomando x como variable predictora e y como variable de respuesta. También puede recibir una lista de puntos y, naturalmente, considerará que las primeras coordenadas de los puntos son los valores de la primera variable y las segundas coordenadas son los valores de la segunda variable observados en los elementos de la muestra.