TRABAJO FINAL ESTADSTICA I

MEDIDAS DE DISPERSIN, POSICIN, FORMA Y COEFICIENTE DE

VARIACIN DE PEARSON

UNIVERSIDAD LATINA DE PANAM

 UNIVERSIDAD LATINA DE PANAM

FACULTAD DE _________

LICENCIATURA EN _______________________________

TRABAJO FINAL DE ESTADSTICA I

MEDIDAS DE DISPERSIN, POSICIN, FORMA Y COEFICIENTE DE
VARIACIN DE PEARSON

PARTICIPANTES:
__________________ X-XXX-XXXX

PROFESOR:
JOS ALMANZA

CUATRIMESTRE
II-2017

FECHA DE ENTREGA
21 DE AGOSTO DE 2017

1
 NDICE
INTRODUCCIN .................................................................................................... 3
CAPTULO 1. MEDIDAS DE DISPERSIN ............................................................ 4
1. IMPORTANCIA DE LA MEDIDA DE DISPERSIN DE UNA DISTRIBUCION. .. 4
1.1 EL RANGO ........................................................................................................ 4
1.2 EL RANGO INTERFRACTIL ............................................................................. 5
1.3 EL RANGO INTERCUARTIL ............................................................................. 6
1.4 VARIANZA. ....................................................................................................... 8
1.5 DESVIACIN ESTNDAR. ............................................................................... 9
1. 6 RESULTADO ESTNDAR. ............................................................................ 10
1.7 EJERCICIOS PROPUESTOS. ........................................................................ 11
CAPTULO 2. MEDIDAS DE POSICIN: .............................................................. 13
2.1 CUARTILES Y PERCENTILES. .........................Error! Bookmark not defined.
2.2. DIAGRAMA DE CAJA Y BIGOTES. ............................................................... 14
2.3 EJERCICIOS PROPUESTOS. ........................................................................ 16
CAPTULO 3. COEFICIENTE DE VARIACIN DE PEARSON: ........................... 17
3.1 CONCEPTO: ................................................................................................... 17
3.2 EJEMPLO:....................................................................................................... 18
CAPTULO 4. MEDIDAS DE FORMA DE DISTRIBUCIN DE LOS DATOS: ..... 18
4.1 COEFICIENTE DE ASIMETRA...25
4.2 CURTOSIS. ..................................................................................................... 21
4.3 EJERCICIOS PROPUESTOS. ........................................................................ 22
CONCLUSIONES.................................................................................................. 24
INFOGRAFA ........................................................................................................ 26

2
 INTRODUCCIN
A consideracin del profesor, presentamos el desarrollo de cuatro temas centrales
indispensables para introducirnos a la ciencia de la estadstica. Abordaremos las
medidas de dispersin, que desglosa entre ellas el rango, el rango interfractil, el
rango intercuartil, la varianza y la desviacin estndar. Por otro lado, veremos las
medidas de posicin, entre ellas las siguientes: moda, mediana, media aritmtica,
cuartiles y percentiles, diagrama de caja y bigotes. Veremos el coeficiente de
variacin de Pearson y por ltimo las medidas de forma de distribucin de los datos,
veremos entre ellas la curtosis y asimetra.

3
 CAPTULO 1. MEDIDAS DE DISPERSIN
1. IMPORTANCIA DE LA MEDIDA DE DISPERSIN DE UNA
DISTRIBUCION.
1. Nos proporciona informacin adicional que nos permite juzgar la confiabilidad de
nuestra medida de tendencia central. Si los datos se encuentran muy dispersos,
como los que representa la curva C de la siguiente figura, la posicin central es
menos representativa de los datos, como un todo, que cuando stos se agrupan
ms cerca alrededor de la media, como en la curva A de la misma figura.

2. Existen problemas caractersticos para datos muy dispersos, debemos ser

capaces de reconocer esa dispersin amplia para poder abordar esos problemas.
3. Quiz se desee comparar las dispersiones de diferentes muestras. Si no se desea
tener una amplia dispersin de valores con respecto del centro de distribucin, o
esto presenta riesgos inaceptables, necesitamos poder reconocerla y evitar
elegir distribuciones que tengan las dispersiones ms grandes.

1.1 EL RANGO
CONCEPTO:
El rango es la diferencia entre el ms alto y el ms pequeo de los valores
observados.

CARACTERSTICAS DEL RANGO:

El rango slo toma en cuenta los valores ms alto y ms bajo de una
distribucin y ninguna otra observacin del conjunto de datos.

4
 Ignora la naturaleza de la variacin entre todas las dems observaciones, y
tiene una gran influencia de los valores extremos como resultado de lo
anterior.
Debido a que slo mide dos valores, el rango tiene muchas posibilidades de
cambiar drsticamente de una muestra a la siguiente en una poblacin dada,
aunque los valores que caen entre el ms alto y el ms bajo sean bastante
parecidos.
Las distribuciones de extremo abierto no tienen rango, pues no existe un
valor ms alto o ms bajo en la clase de extremo abierto.
EJEMPLO:
La siguiente tabla representa los pagos anuales hechos por la asociacin Blue
Cross-Blue Shield a dos hospitales, Cumberland y Valley Falls:

El rango de los pagos anuales a Cumberland es:

$1,883,000 - $863.000 = $1,020,000.
Para el hospital Valley Falls, el rango es:
$690,000 - $490,000 = $200,000.

1.2 EL RANGO INTERFRACTIL

CONCEPTO:
El rango interfractil es una medida de la dispersin entre dos fractiles de una
distribucin de frecuencias, es decir, la diferencia entre los valores de los dos
fractiles.
En una distribucin de frecuencias, la localizacin de un valor en determinada
fraccin de los datos o arriba de ellos es un fractil.
NOMBRES ESPECIALES DE LOS FRACTILES:
Los fractiles tienen nombres especiales, dependiendo del nmero de partes iguales
en que dividen a los datos.
Los fractiles que los dividen en 10 partes iguales se llaman deciles.
Los cuartiles dividen los datos en cuatro partes iguales.
Los percentiles dividen al conjunto de datos en 100 partes iguales.
CLCULO DE RANGO INTERFRACTIL:
5
Tomado los datos del ejemplo anterior calculando el rango sobre pagos hechos por
Blue Cross-Blue Shield, encontraremos el rango interfractil entre el primer y
segundo tercio de los donativos recibidos por Cumberland de la organizacin Blue
Cross-Blue Shield.

Los pagos hechos al hospital Cumberland fueron 12. Dividimos entonces estos
datos en tercios, como 12 / 4 = 3, obtenemos de manera exacta, 4 pagos por cada
tercio.

De un total de 12 datos tomados, cada tercio contiene 4 pagos, si dividimos 4/ el

total de datos que es 12, y lo multiplicamos por 100, tendremos un 33.33% en el
primer tercio. Entonces, 33.33% de los elementos est en $1,041,000 o debajo de
este valor sabiendo que los datos de la tabla estn en miles.
En el segundo tercio (8/12)*100 = 66.66%, 8 valores, entre el total de pagos que es
12, por 100 para indicarlo en porcentaje. Esto quiere decir que 66.66% es menor o
igual que $1,624,000.
Ahora podemos calcular el rango interfractil entre los fractiles .33 y .66 restando
$1,0141,000 del valor $1,624,000. Esta diferencia de $583,000 es la dispersin
entre el valor ms alto del primer tercio de los pagos y el valor ms alto del segundo
tercio.

1.3 EL RANGO INTERCUARTIL

CONCEPTO:
El rango intercuartil mide aproximadamente qu tan lejos de la mediana debemos ir
en cualquiera de las dos direcciones antes de recorrer una mitad de los valores del
conjunto de datos.
CLCULO DEL RANGO INTERCUARTIL:

6
 Para calcular este rango, dividimos nuestros datos en cuatro partes, cada
una de las cuales contiene 25% de los elementos de la distribucin.
Los cuartiles son, entonces, los valores ms altos de cada una de estas
cuatro partes, y el rango intercuartil es la diferencia entre los valores del
primer y tercer cuartil.

En la siguiente figura, se ilustra el concepto de rango intercuartil. Observe que los

anchos de los cuatro cuartiles no necesariamente son los mismos.

Rango intercuartil
En la siguiente figura, otra presentacin de cuartiles donde stos dividen el rea
bajo la distribucin en cuatro partes iguales, cada una contiene 25% del rea.

Cuartiles.
EJEMPLO:
La compaa Casual Life Insurance estudia la compra de una nueva flota de autos.
El director del Departamento de Finanzas, Tom Dawkins, obtuvo una muestra de 40

7
empleados para determinar el nmero de millas que cada uno maneja en un ao.
Los resultados del estudio son los siguientes. Calcule el rango intercuartil.

Solucin:
Tenemos 40 datos, dividimos estos datos en cuatro partes, 40/4 = 10.
El valor ms alto del primer cuartil es = 8100
El valor ms alto del segundo cuartil es = 10000
El valor ms alto del tercer cuartil es = 12700
Rango intercuartil = Q3 - Q1 = 12,700 - 8,100 = 4,600 millas.
1.4 VARIANZA.
CONCEPTO:
Cada poblacin tiene una varianza. Para calcular la varianza de una poblacin, la
suma de los cuadrados de las distancias entre la media y cada elemento de la
poblacin se divide entre el nmero total de observaciones en poblacin. Al elevar
al cuadrado cada distancia, logramos que todos los nmeros sean positivos y, al
mismo tiempo, asignamos ms peso a las desviaciones ms grandes (desviacin
es la distancia entre la media y un valor).
FRMULA:

Donde:

8
1.5 DESVIACIN ESTNDAR.
CONCEPTO:
La desviacin estndar de la poblacin es simplemente la raz cuadrada de la
varianza de la poblacin. Como la varianza es el promedio de los cuadrados de las
distancias de las observaciones a la media, la desviacin estndar es la raz
cuadrada del promedio de los cuadrados de las distancias entre las observaciones
y la media.
FRMULA:

Donde:

EJEMPLO:

Determinacin de la varianza y desviacin estndar:

9
1. 6 RESULTADO ESTNDAR.
CONCEPTO:
Nos da el nmero de desviaciones estndar que una observacin en particular
ocupa por debajo o por encima de la media.
FRMULA:

10
Donde:

EJEMPLO:
Suponga que observamos un frasco de compuesto que tiene 0.108% de impureza.
Como nuestra poblacin tiene una media de 0.166 y una desviacin estndar de
0.058, una observacin de 0.108 tendra un resultado estndar de 1:

1.7 EJERCICIOS PROPUESTOS.

1. La empresa Redi-Mix Incoporated elabor el siguiente registro del tiempo
(redondeado a centsimos de minuto) que esperan sus camiones para la descarga
en la obra. Calcule el rango.

Solucin:
Rango = 1.20 0.10 = 1.1
2. Se presentan las calificaciones de un examen de historia. Encuentre el percentil
80.

Solucin:
Primero, se ordenan los datos en orden ascendente.

11
El dato 16 (es decir 93) es el percentil 80.
3. Talent, Ltd., una compaa en Hollywood de seleccin de elenco, est en proceso
de elegir un grupo de extras para una pelcula. Las edades de los 20 hombres que
se entrevistaron primero son:

El director de la pelcula quiere hombres cuyas edades se agrupen de manera

cercana alrededor de los 55 aos. Con sus conocimientos de estadstica, el director
sugiere que sera aceptable una desviacin estndar de 3 aos. Califica este grupo
de extras?
Solucin:

4. En un intento de estimar la demanda potencial futura, la National Motor Company

realiz un estudio, en 1988, en el que preguntaba a parejas casadas cuntos
automviles debe tener la familia promedio actual. Para cada pareja, promediaron
las repuestas del hombre y la mujer, a fin de obtener la respuesta global de la pareja.
Las respuestas se colocaron en una tabla:

12
a) Calcule la varianza y la desviacin estndar.

b) Dado que la distribucin tiene, casi, forma de campana, en teora, cuntas

observaciones deben caer entre 0.5 y 1.5? Entre 0 y 2? Cuntas caen de hecho
en esos intervalos?

CAPTULO 2. MEDIDAS DE POSICIN:

2.1. CUARTILES Y PERCENTILES.
CONCEPTO:
Definimos los cuartiles como los tres valores que dividen la muestra en cuatro partes
iguales.
As el primer cuartil Q1/4 sera la medida tal que el 25 % de los datos sean
inferiores a su valor y el 75 % de los datos sean superiores.
El segundo cuartil Q1/2 coincide con la mediana, mientras que el tercer
cuartil Q3/4 marcara el valor tal que las tres cuartas partes de las
observaciones sean inferiores a l y una cuarta parte sea superior.
CLCULO:

13
La forma de calcular los cuartiles es igual a la ya vista para la mediana, pero
sustituyendo N/2 por N/4 y3 N/4 para Q1/4 y Q 3/4 respectivamente.
EJEMPLO:

De la misma forma podemos definir los decirles como aquellos valores de la variable
que dividen la muestra, ordenada, en 10 partes iguales. Estos valores, denotados
por Dk, con k = 1, 2,, 9, tienen entonces un valor tal que el decil kesimo deja por
debajo de el al 10xk por ciento de los datos de la muestra.
De la misma manera se definen los percentiles, tambin llamados percentiles, como
aquellos valores Pk (con k = 1, 2, 99) que dividen la muestra en 100 partes iguales.
Es decir, el percentil Pk deja por debajo de l al k por ciento de la muestra ordenada.
La forma de calcular deciles y percentiles es igual a la de la mediana y los cuartiles,
sustituyendo N/2 por la fraccin del nmero total de datos correspondiente.
Evidentemente algunos valores de cuartiles, deciles y centiles coinciden,
cumplindose, por ejemplo:

2.2. DIAGRAMA DE CAJA Y BIGOTES.

CONCEPTO:
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentacin
visual que describe varias caractersticas importantes, al mismo tiempo, tales como
la dispersin y simetra.
Para su realizacin se representan los tres cuartiles y los valores mnimo y mximo
de los datos, sobre un rectngulo, alineado horizontal o verticalmente. Una grfica
de este tipo consiste en una caja rectangular, donde los lados ms largos muestran
el recorrido intercuartlico.
Este rectngulo est dividido por un segmento vertical que indica donde se
posiciona la mediana y por lo tanto su relacin con los cuartiles primero y tercero
(recordemos que el segundo cuartil coincide con la mediana). Esta caja se ubica a
escala sobre un segmento que tiene como extremos los valores mnimo y mximo
de la variable. Las lneas que sobresalen de la caja se llaman bigotes. Estos bigotes
14
tienen un lmite de prolongacin, de modo que cualquier dato o caso que no se
encuentre dentro de este rango es marcado e identificado individualmente.
EJEMPLO:
Distribucin de frecuencias (en tallos y hojas), que representan la edad de un
colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
ORDENAR LOS DATOS.
Para calcular los parmetros estadsticos, lo primero es ordenar la distribucin
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45
CLCULO DE CUARTILES:
Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la distribucin.
Como N = 20 resulta que N/4 = 5; el primer cuartil es la media aritmtica de dicho
valor y el siguiente:
Q1 = (24 + 25) / 2 = 24,5
Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribucin, es el valor
de la variable que ocupa el lugar central en un conjunto de datos ordenados. Como
N/2 =10; la mediana es la media aritmtica de dicho valor y el siguiente:
me= Q2 = (33 + 34) / 2 =33,5
Q3, el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la
distribucin. En nuestro caso, como 3N / 4 = 15, resulta:
Q3 = (39 + 39) / 2 = 39
DIBUJAR LA CAJA Y LOS BIGOTES

El bigote de la izquierda representa al colectivo de edades ( Xmn, Q1)

La primera parte de la caja a (Q1, Q2),
La segunda parte de la caja a (Q2, Q3)
El bigote de la derecha viene dado por (Q3, Xmx).
INFORMACIN DEL DIAGRAMA:
15
Podemos obtener abundante informacin de una distribucin a partir de estas
representaciones. Veamos alguna:
La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir
que las edades comprendidas entre el 25% y el 50% de la poblacin est
ms dispersa que entre el 50% y el 75%.
El bigote de la izquierda (Xmm, Q1) es ms corto que el de la derecha; por
ello el 25% de los ms jvenes estn ms concentrados que el 25% de los
mayores.
El rango intercuartlico = Q3 - Q1 = 14,5; es decir, el 50% de la poblacin est
comprendido en 14,5 aos.
EJEMPLO DE GRFICO:

TRES VARIABLES

Mnimo Q1 Mediana Q3 Mximo

4.00 8.00 14.50 32.75 51.00
7.00 28.00 30.00 43.00 60.00
55.00 80.00 85.00 90.00 95.00

2.3 EJERCICIOS PROPUESTOS.

1. Un corredor entrena para una determinada carrera y se toman los tiempos que
necesita para recorrer los 100m, durante 10 das consecutivos (cada da se toman
varios tiempos y se calculan mediana, cuartiles, valores mnimo y mximo):

16
Observamos que el desplazamiento de las grficas de caja hacia la izquierda indica
que el entrenamiento ha dado resultado, ya que se tardan menos segundos en
recorrer la misma distancia, siendo la diferencia entre el mximo y el mnimo menor,
como as tambin la diferencia intercuartlica.
2. Se presentan las calificaciones de un examen de historia. Encuentre el percentil
80.
95 81 159 68 100 92 75 67 85 79 71 88 100 94 187 65 93 72 83 91
Primero, se ordenan los datos en orden ascendente.
59 65 67 68 71 72 75 79 81 83 85 87 88 91 92 93 94 95 100 100
El dato 16 (es decir 93) es el percentil 80.

3. Se realiza el lanzamiento de un dado al aire 300 veces y se obtiene la siguiente

tabla:

Calcular: media, mediana, moda.

CAPTULO 3. COEFICIENTE DE VARIACIN DE PEARSON:

3.1 CONCEPTO:
Al igual que la varianza, la desviacin tpica es una medida de desviacin absoluta,
nos dan ambas una idea de la distancia media que separa al conjunto de los valores
considerados de su propia media. Con el coeficiente de variacin de Pearson,
relativizamos el concepto de desviacin, ya que comparamos la desviacin tpica
con la media del conjunto de valores que estudiamos, con este coeficiente de
Pearson intentamos saber el nmero de veces que la desviacin tpica, S, es ms
grande o ms pequea que la media.
Matemticamente el coeficiente de Pearson se expresa:

. . =

Al ser un cociente, es independiente de las unidades utilizadas y sirve para
comparar la dispersin relativa de distribuciones diferentes.

17
3.2 EJEMPLO:
De un conjunto de edades de unos nios, su desviacin tpica sera 2.16 aos, hallar
el coeficiente de variacin.

lo que nos indica que la dispersin relativa de este conjunto de valores sera del
43%; la desviacin es el 43% del valor de la media.

CAPTULO 4. MEDIDAS DE FORMA DE DISTRIBUCIN DE

LOS DATOS:
4.1 COEFICIENTE DE ASIMETRA.
Las medidas de forma comparan la forma que tiene la representacin grfica, bien
sea el histograma o el diagrama de barras de la distribucin, con una situacin ideal
en la que los datos se reparten en igual medida a la derecha y a la izquierda de la
media.
Esa situacin en la que los datos estn repartidos de igual forma a uno y otro lado
de la media se conoce como simetra, y se dice en ese caso que la distribucin de
los datos es simtrica. En ese caso, adems, su mediana, su moda y su media
coinciden. Por contra, se dice que una distribucin es asimtrica a la derecha si las
frecuencias (absolutas o relativas) descienden ms lentamente por la derecha que
por la izquierda. Si las frecuencias descienden ms lentamente por la izquierda que
por la derecha diremos que la distribucin es asimtrica a la izquierda.
Para valorar la simetra de unos datos se suele utilizar el coeficiente de asimetra
de Pearson:

La interpretacin del coeficiente es la siguiente:

Tanto mayor sea el coeficiente en valor absoluto, ms asimtricos sern los datos.
El signo del coeficiente nos indica el sentido de la asimetra:
Si es positivo indica que la asimetra es a la derecha.
Si es negativo, indica que la asimetra es a la izquierda.

18
Ejemplo:
Para los datos de tiempo de procesado en una CPU de 25 tareas, el coeficiente de
asimetra de Fisher es 0.91, lo que, como habamos visto y comentado con
anterioridad, pone de manifiesto que la distribucin es asimtrica a la derecha,
debido a la presencia de tiempos de procesado bastante altos en relacin al resto.

Ejemplo 2:
A modo de ejemplo, se analiza la asimetra de la distribucin de los precios (en
euros) por habitacin en los hoteles ubicados en una determinada zona turstica.

Para obtener el coeficiente de asimetra de Pearson es necesario calcular

previamente la media, la moda y la desviacin tpica de la distribucin, teniendo en
cuenta que est agrupada en intervalos de amplitud variable.

19
Con la informacin que proporciona dicha tabla, se obtienen los siguientes
resultados:

Por tanto, la distribucin es asimtrica a la derecha o positiva, tal como puede

observarse tambin en la correspondiente representacin grfica, que muestra cola
a la derecha, puesto que las densidades de frecuencia descienden ms lentamente
por la derecha que por la izquierda.

20
4.2 CURTOSIS.
CONCEPTO:
Las medidas de curtosis se aplican a distribuciones campaniformes; es decir,
unimodales y simtricas, o con una ligera asimetra. Tomando como referencia la
curva normal, que se ha descrito en este epgrafe, la curtosis es el mayor o menor
apuntamiento con respecto a ella. Se dice que una curva es muy apuntada, si es
ms alta y estrecha que la normal y si es ms plana y ancha que la normal, se dice
que es poco apuntada.
La curva normal de referencia es mesocrtica, mientras que se llaman
leptocrticas las curvas ms apuntadas que la normal y platicrticas las
menos apuntadas que la normal.
Como criterio de apuntamiento se elige el de las distancias de cada valor de la
variable respecto a su media elevadas a la cuarta potencia, de tal manera que, para
medir el grado de apuntamiento de una distribucin, se utiliza el denominado
coeficiente de exceso, al que se denota como g.

El primer sumando de esta expresin, es el grado de apuntamiento correspondiente

a la distribucin de frecuencias analizada. El segundo, es el grado de apuntamiento
para la distribucin normal. Luego el coeficiente de exceso es la diferencia entre el
apuntamiento de la distribucin correspondiente y el de una normal que tenga su
misma media y varianza.
Si su valor es igual a cero, la distribucin es igual de apuntada que una normal de
igual media y varianza; es decir, que es mesocrtica. Si el coeficiente de exceso es

21
mayor que cero, la distribucin es ms apuntada que una normal de igual media y
varianza; es decir, es leptocrtica. Si el coeficiente de exceso es menor que cero, la
distribucin es menos apuntada que una normal de igual media y varianza; es decir,
es platicrtica.
EJEMPLO:
Partiendo de los datos del ejemplo anterior, que se refieren a los precios (en euros)
por habitacin de los hoteles ubicados en una determinada zona turstica, se
procede a la obtencin del coeficiente de exceso, para lo cual se elabora la Tabla
2.30, que contiene los correspondientes clculos intermedios.

Por tanto, la distribucin es leptocrtica; es decir, es ms apuntada que una normal

de igual media y varianza.
4.3 EJERCICIOS PROPUESTOS.
1. De la distribucin de la izquierda, calcular: Coeficientes de asimetra y curtosis.

SOLUCIN:

22
23
 CONCLUSIONES
Finalmente podemos desarrollar las siguientes conclusiones:
El rango es la diferencia entre el ms alto y el ms pequeo de los valores
observados. El rango interfractil es una medida de la dispersin entre dos fractiles
de una distribucin de frecuencias, es decir, la diferencia entre los valores de los
dos fractiles.El rango intercuartil mide aproximadamente qu tan lejos de la mediana
debemos ir en cualquiera de las dos direcciones antes de recorrer una mitad de los
valores del conjunto de datos.Con el coeficiente de Pearson intentamos saber el
nmero de veces que la desviacin tpica, S, es ms grande o ms pequea que la
media.
La moda ser el valor de la variable que tenga una mayor frecuencia absoluta, es
decir, ser el valor ms frecuente.Para calcula la media aritmtica con datos no
agrupados se procede a realizar la sumatoria de cada valor de la variable,
multiplicando por su frecuencia absoluta y dividiendo por el nmero total de
variables.La mediana divide en dos grupos iguales al conjunto de los valores
considerados.
La curtosis es el mayor o menor apuntamiento con respecto a la curva normal. Tanto
mayor sea el coeficiente en valor absoluto, ms asimtricos sern los datos.
En general hemos resumido toda la base de estadstica descriptiva que nos
permitirn evaluar series de datos ya sea que se encuentren agrupados o no por
una frecuencia respectiva.

24
 BIBLIOGRAFA
lvares, . J. (2010). Estadstica empresarial. Firmas Press.
Castillo, A. J. (2010). Apuntes de estadsticas para ingenieros. Univseridad de
Jan.
Garca Ramos, J. A. (2016). Estadstica empresarial. Servicio de Publicaciones de
la Universidad de Cdiz.
Garca, J. G. (s.f.). Estadsticas bsicas para estudiantes de ciencias. Madrid:
Universidad Complutense de Madrid.
graa, C. r. (2007). Introduccin a la estadstica descriptiva. Madrid: Netbiblo.
Levin, R. (2004). Estadstica para administracin y economa (7ma ed.). Mxico
D.F.: Pearson.

25
 INFOGRAFA
http://inst-mat.utalca.cl/tem/sitiolmde/primero/guias-
liceo/recuperacion/Diagrama_de_Caja_y_Bigotes-2.pdf

26