00 Guía Didáctica Estadística Mayo 2018

Guía Didáctica
Estadística
Prof. Gabriel Castellano
Caracas, mayo 2018

Guía Didáctica de Estadística Prof. Gabriel Castellano
ÍNDICE
PAG.
INTRODUCCIÓN……………………………………..……………….….……...…....3
FUNDAMENTOS DE ESTADÍSTICA….………………………….…………...........4
MUESTREO………………….…………………………………………………...….14
DISTRIBUCIÓN DE FRECUENCIA….………………………….…………………..19
MEDIDAS Y TENDENCIA…...…………………………………..…………….…......28
MODELOS DE REGRESIÓN….……………………………………………….........50
GRÁFICOS Y TABLAS……...……………………………………….………………...57
REFERENCIAS BIBLIOGRÁFICAS………………………….…………………….65
2
INTRODUCCIÓN
La estadística es una herramienta fundamental en cualquier campo del saber y

muy especialmente para los alumnos que se preparan en el área financiera, ya
que con ella pueden hacer proyecciones y estimaciones que serán necesarias
para lograr el mejor aprovechamiento de los recursos.
Mediante la asignatura comprenderá conceptos importantes en el ámbito

mercantil y financiero, lo cual le garantizará una sólida formación técnica.
Para afianzar conocimientos se irá suministrando ejercicios prácticos, y al final

de algunas unidades, habrá autoevaluaciones que el participante, después del
estudio concienzudo, estará en capacidad de resolver.
El IUDAG, aportando valor agregado, le suministra esta guía al estudiante para

coadyuvar en su acertada preparación.
Competencias que se espera alcanzar en el estudiante.
General
Aplica los conceptos, técnicas y procedimientos para el procesamiento,
presentación y análisis de datos de la Estadística aplicada.
Específicas
1.- Define conceptos fundamentales de la estadística aplicada.
2.- Procesa datos recolectados por muestra, los presenta y analiza con fines de
toma de decisiones y para presentación de informes.
3.- Aplica procedimientos para la construcción y análisis de tablas de
distribución de frecuencia.
4.- Determina las medidas de tendencia central y las medidas de dispersión.
5.- Participa en la elaboración de modelos de regresión lineal y serie de tiempo.
6.- Analiza cuadros, gráficos y tablas estadísticas
3
FUNDAMENTOS
ESTADÍSTICA
Ciencia rama de la Matemática que se ocupa de recolectar, organizar,
presentar, analizar e interpretar información cuantitativa para obtener
conclusiones válidas, solucionar problemas, predecir fenómenos y ayudar a
una toma de decisiones más efectivas.
APLICACIONES
Antes sólo se aplicaba a los asuntos del Estado, pero en la actualidad la
utilizan las compañías de seguros, empresarios, comerciantes, educadores,
etc. No hay campo de la actividad humana que no requiera del auxilio de esta
ciencia, así por ejemplo:
 El educador, mediante la estadística, podrá conocer si un estudiante lee muy
bien o regular, si la asistencia es normal o irregular, si la estatura está en
relación con la edad, media aritmética de rendimiento escolar en un período
determinado, etc.
 El hombre de negocios realiza encuestas estadísticas para determinar la
reacción de los consumidores frente a los actuales productos de la empresa
y en el lanzamiento de los nuevos.
 El economista emplea una amplia gama de elementos estadísticos para
estudiar los planes de los consumidores y efectuar pronósticos sobre las
tendencias de las actividades económicas
 El sociólogo trata de auscultar la opinión pública mediante encuestas, para
determinar su preferencia por un candidato presidencial, o su posición frente
a determinados problemas económicos, políticos o sociales
 El geólogo utiliza métodos estadísticos para determinar las edades de las
rocas
 El Genetista determina las semejanzas entre los resultados observados y
esperados en una experiencia genética, esto se determina estadísticamente
4
FINES
 Conocer las características de un grupo de casos de estudio.
 Comparar entre los resultados actuales y los obtenidos en experiencias
pasadas para determinar las causas que han influenciado en los cambios.
 Predecir lo que pude ocurrir en el futuro de un fenómeno.
OBJETIVOS
 Describir numéricamente las características de los conjuntos de
observaciones. Esta etapa consiste en recopilar, organizar, tabular y
presentar gráficamente los datos, proporcionando una visión cuantitativa de
los fenómenos observados.
 Analizar los datos de manera objetiva con el fin de disponer de un concepto
claro de universo o población y adoptar decisiones basadas en la
información proporcionada por los datos de la muestra.
 Estimar o predecir lo que sucederá en el futuro con un fenómeno de una
manera relativamente aceptable, así por ejemplo, podemos estimar cuál será
la población del país dentro de un determinado número de años conociendo
la actual.
FASES DEL MÉTODO ESTADÍSTICO

 Recopilación.- Obtención de datos relacionados con el problema motivo de
estudio, utilizando instrumentos, tales como: cuestionarios, entrevistas,
informes, memorias, etc.
 Organización.- Se realizar crítica, corrección, clasificación y tabulación de
los datos obtenidos en el paso anterior.
 Presentación.- Mostrar datos de manera significativa y descriptiva. Los
datos deben colocarse en un orden lógico que revele rápida y fácilmente el
mensaje que contienen. La presentación se la puede hacer a través de
gráficos estadísticos.
 Análisis.- Descomponer el fenómeno en partes y luego examinar cada una
de ellas con el objetivo de lograr una explicación, haciendo uso, en su
mayoría, de los cálculos matemáticos.
 Interpretación.- Proceso mental, mediante el cual se encuentra un
significado más amplio de los datos estadísticos con el objetivo de llegar a
conclusiones para la toma de decisiones y solución de problemas.
5
CLASIFICACIÓN DE LA ESTADÍSTICA
 ESTADÍSTICA DESCRIPTIVA O DEDUCTIVA
Es la parte de la Estadística que proporciona métodos para recopilar,
organizar, presentar, resumir, analizar e interpretar la información contenida
en un conjunto de datos, los cuales han de plasmarse en gráficos, tabulares
o numéricos, así por ejemplo:
Un docente calcula la calificación promedio de sus cursos. Sólo
describe el desempeño, no hace ninguna generalización acerca de
los mismos, acá se está haciendo uso de la Estadística Descriptiva.
 ESTADÍSTICA INFERENCIAL O INDUCTIVA

Es la parte de la Estadística que proporciona métodos para extraer
conclusiones o generalizaciones que sobrepasan los límites del
conocimiento aportados por un conjunto de datos. Busca obtener
información sobre la población, basándose en el estudio de los datos de una
muestra tomada a partir de ella, así por ejemplo:
El docente utiliza el promedio de calificaciones obtenidas por uno de
sus cursos para estimar la calificación promedio de los 5 cursos a su
cargo. Al realizar generalización acerca los diferentes cursos, en
este caso se usa la Estadística Inferencial.
POBLACIÓN
Conjunto de todos los elementos que serán sometidos a un estudio estadístico,
es decir, sobre el que se realizan las observaciones.
Una población puede ser finita o infinita.

 Finita cuando está delimitada y conocemos el número que la integran, así
por ejemplo: Estudiantes del IUDAG.
 Infinita cuando a pesar de estar delimitada en el espacio, no se conoce el
número de elementos que la integran, por ejemplo: Todos los profesionales
universitarios que están ejerciendo su carrera, peces del mar, estrellas en el
infinito, etc.
6
MUESTRA (N)
Es el subconjunto de una población, es un pequeño universo. Se la usa cuando
la población es infinita o sumamente grande y es imposible Observar todos sus
elementos.
Ejemplo: Estatura de los empleados de una fábrica. Calificaciones de los

alumnos matriculados en Estadística en la Modalidad de Estudios a Distancia
VARIABLE
Caracteres susceptibles a cambio y pueden tener diferentes valores en cada
elemento o individuo.
Clasificación de la variable
 Variable Cualitativa
Expresan distintas cualidades, características o modalidad. Cada modalidad
que se presenta se denomina atributo o categoría, y la medición consiste en
una clasificación de dichos atributos. Las variables cualitativas puede ser
dicotómicas cuando sólo pueden tomar dos valores posibles, como sí y no,
hombre y mujer o ser Politómicas cuando pueden adquirir tres o más
valores.
Dentro de ellas podemos distinguir:

o Ordinal
Puede tomar valores ordenados siguiendo una escala establecida, por
ejemplo: (grado de satisfacción: excelente, bueno, regular); (intensidad
del dolor: leve, moderado, fuerte); (posición en la lista: 1°, “2°, 3°); etc.
o Nominal
Los datos no pueden ser sometidos a un criterio de orden, por ejemplo:
sexo, grupo sanguíneo, religión, nacionalidad, colores, etc.
 Variable Cuantitativa
Es toda magnitud representada por números. Como por ejemplo, peso,
estatura, número de habitantes, etc. Se divide en:
7
o Variable Discreta
Está limitada a ciertos valores, generalmente números enteros (Z) o
exactos, frecuentemente resultan de la enumeración o del conteo, como
por ejemplo: número de estudiantes de la promoción, número de carros
vendidos, etc. No existen valores fraccionados.
o Variable Continua
Puede tomar cualquier valor dentro de un intervalo, representado por un
número racional (Q), por lo que su espacio muestral es infinito. Por
ejemplo: (la masa: 2,3 kg, 2,4 kg, 2,5 kg…); (la altura: 1,64 m, 1,65 m,
1,66 m…)
INDIVIDUO O ELEMENTO
Unidad mínima que compone una población, es decir, cada uno de los
integrantes
Puede ser
 Una entidad simple: una persona
 Una entidad compleja: una familia
 Algo con existencia real: un automóvil
 Algo abstracto: un voto, la temperatura, el tiempo
 Unidades naturales: obreros, turistas, empleados, emigrantes, etc.
PARÁMETRO
Conjunto de características (resultados) o valores numéricos, cuando se han
obtenido a partir de una población. Ejemplo: Edad promedio de los alumnos de
la Universidad.
ESTADÍSTICO
Conjunto de características (resultados) cuando se han obtenido a partir de una
muestra.
Ejemplos básicos de parámetros estadísticos son: la media y la desviación
estándar. Algunos ejemplos gráficos son: histograma, pirámide poblacional,
clúster, entre otros.
8
DATOS ESTADÍSTICOS
Son medidas, valores o características susceptibles de ser observados y
contados. Como por ejemplo, la edad de los estudiantes del IUDAG.
Los datos estadísticos pueden ser clasificados en:
 Cualitativos: la diferencia entre ellos es de clase y no de cantidad.
Ejemplo: Estado civil, Sexo, Raza, Color, Nivel educativo
 Cuantitativos: representan magnitudes.
Ejemplo: Edad, Estatura, precio.
 Cronológicos: difieren en instantes o períodos de tiempo.
 Geográficos: referidos a localidad.
Los datos estadísticos se obtienen de:
 Fuentes primarias: obtenidos directamente sin intermediarios valiéndose de
observaciones, encuestas, entrevistas y sondeos de opinión.
 Fuentes secundarias: obtenidos a través de intermediarios valiéndose de
textos, revistas, documentos, publicaciones de prensa, y demás trabajos
hechos por personas o entidades.
ESCALAS DE MEDICIÓN
En cuanto a las escalas de medición la estadística cuenta con las siguientes:
 Nominal
Se utiliza principalmente en los datos cualitativos y nos permite manejar la
información por su nombre, como en los casos de marcas de diferentes
productos, enfermedades, preferencias, etc.
Por ejemplo:
o Sexo: las clases son masculino o femenino.
o Especialidad: las diferentes especialidades (carreras) de la UCV.
o Número de cédula de identidad personal.
o Temperatura de una persona: sanguíneo, flemático, melancólico, colérico.
 Ordinal
Se utiliza cuando necesitamos establecer orden entre las diferencias de la
población y sus datos son cualitativos, por ejemplo, escalas de calidad
(mala, regular, buena, muy buena), escalas de gusto (mu y sabrosa,
sabrosa, agradable, desagradable, muy desagradable), etc.
9
Por ejemplo:
o Evaluaciones en un examen: 5, 4, 3 y 2.
o Grado de satisfacción de una necesidad: alto, medio, bajo
o Conocimiento de un idioma: excelente, bien, regular, mal
 Intervalo
Espacio o distancia que hay de un tiempo a otro o de un lugar a otro. Se
utiliza principalmente en datos cuantitativos y es una escala que no cuenta
con un cero absoluto o con un instrumento estandarizado, por ejemplo, la
temperatura se puede medir en grados centígrados, Fahrenheit o kelvin.
 Razón
Básicamente utilizada en datos cuantitativos que pueden ser medidos con
instrumentos estandarizados o con un cero absoluto como por ejemplo una
distancia medida en kilómetros, un volumen medido en centímetros cúbicos,
ventas medidas en bolívares, etc.
CENSO
Es una técnica de recolección de datos estadísticos que se realiza a toda la
población
ENCUESTA
Es la técnica que nos permite recolectar datos estadísticos que se realiza a una
muestra de la población.
Se clasifica en:
 Descriptiva.- Cuando registra datos referentes a las características de los
elementos o individuos.
 Explicativa.- Cuando averigua las causas o razones que originan los
fenómenos.
 Mixtas.- Cuando es descriptiva y explicativa.
 Por muestreo.- Cuando recolecta información de grupos representativos de
la población.
10
Su estructura es:
 Nombre de la institución que auspicia la encuesta.
 Tema de la encuesta.
 Objetivos de la encuesta.
 Datos informativos: Lugar, fecha, y otros datos que se considere necesario
según la naturaleza de la información estadística a encuestarse.
 Instrucciones para el encuestado para que sepa la forma de llenar la
encuesta.
 Cuestionario o listado de preguntas (cerradas, abiertas, o ambas a la vez)
sobre los diferentes aspectos motivo de estudio.
 Frase de agradecimiento al encuestado, como por ejemplo, ¡Gracias por su
colaboración!
Las diferentes tipos de preguntas pueden ser:

 Abiertas.- Son aquellas en la cual el encuestado construye la respuesta de
manera libre según su opinión y de la manera que él desea. Ejemplo:
¿Qué piensa usted sobre la política educativa del actual gobierno?
 Cerradas o dicotómicas.- Sólo pueden ser contestadas por un “sí” o por un

“no”. Ejemplo:
¿Está usted de acuerdo con la política educativa del actual gobierno?
Si ( ) No ( )
Como es obvio, la respuesta será forzosamente una de las alternativas
planteadas: Las preguntas cerradas son fáciles de tabular y facilitan la
cuantificación mediante la asignación de puntuaciones.
 Preguntas de elección múltiple o categorizada: Se trata en cierto modo

de preguntas cerradas que, dentro de los extremos de una escala permiten
una serie de alternativas de respuestas cuyos matices son fijados de
antemano. Presentan dos formas: En abanico y de estimación.
- Preguntas con respuesta en abanico: Estas preguntas permiten

contestar señalando una o varias respuestas presentadas junto con la
11
pregunta. Por ejemplo: Indique otras alternativas que considere

importantes para mejorar la educación en nuestro país.
- Preguntas de Estimación: Son preguntas cuantitativas que introducen

diversos grados de intensidad creciente o decreciente para un mismo
ítem.
Ejemplos:
 ¿Cómo calificaría la política educativa del gobierno?

Excelente ( ) Muy Buena ( ) Regular ( ) Deficiente ( )
 ¿Qué porcentaje está de acuerdo con la política educativa del

gobierno?
100% ( ) 75% ( ) 50% ( ) 25% ( ) 0% ( )
 ¿Le interesa conocer el modelo educativo vigente?

Nada ( ) Poco ( ) Algo ( ) Mucho ( )
 ¿Piensa culminar sus estudios superiores?

Sí ( ) Probablemente Sí ( ) No ( ) Aún no decido ( )
12
AUTOEVALUACIÓN
1-. Defina Estadística
2-. Mencione algunas aplicaciones de la estadística
3-. ¿Cuáles son los fines de la estadística?
4-. Diga los objetivos de la estadística
5-. Explique en secuencia las fases del método estadístico.
6-. ¿Qué es la Estadística Descriptiva o Deductiva?
7-. ¿Qué es la Estadística Inferencial o Inductiva?
8-. Defina Población
9-. ¿Cuándo una población es finita?
10-. ¿Cuándo una población es infinita?
11-. ¿Cuál es la diferencia entre población y muestra?
12-. Defina variable
13-. ¿Cuándo una Variable es cualitativa?
14-. ¿Cuándo una Variable es cuantitativa?
15-. ¿Qué es una Variable dicotómicas?
16-. ¿Qué es una Variable Politómicas?
17-. ¿Qué es una Variable Discreta?
18-. ¿Qué es una Variable Continua?
19-. ¿Qué es una Variable Ordinal?
20-. ¿Qué es una Variable Nominal?
21-. Defina Individuo
22-. ¿Qué es un parámetro?
23-. ¿Qué es un estadístico?
24-. Defina Datos estadísticos
25-. ¿Cómo se pueden clasificar los datos estadísticos?
26-. ¿En los datos estadísticos, cuándo la fuente es primaria o secundaria?
27-. Defina censo
28-. Defina encuesta
29-. ¿Cómo se clasifican las encuestas?
30-. ¿Cuándo una encuesta es explicativa?
31-. ¿Cuándo una pregunta es abierta?
32-. ¿Cuándo una pregunta es cerrada?
33-. ¿Cuándo una pregunta es de elección múltiple?
34-. ¿Cuándo una pregunta de elección múltiple permite respuesta en abanico?
35-. ¿Cuándo una pregunta de elección múltiple es de Estimación?
13
MUESTREO
Muestra
Es un subconjunto de la población. Ejemplo: Estudiantes de 2do lapso del
IUDAG.
Sus principales características son:

 Representativa.- Se refiere a que todos y cada uno de los elementos de la
población tengan la misma oportunidad de ser tomados en cuenta para
formar dicha muestra.
 Adecuada y válida.- Se refiere a que la muestra debe ser obtenida de tal
manera que permita establecer un mínimo de error posible respecto de la
población.
CÁLCULO DE LA TALLA ÓPTIMA DE LA MUESTRA

Para que una muestra sea fiable, es necesario que su tamaño sea obtenido
mediante procesos matemáticos que eliminen la incidencia del error.
Para calcular el tamaño de la muestra suele utilizarse la siguiente fórmula:
Nσ²Z²
n = ---------------------
(N - 1) e² + σ²Z²
Siendo:
 n = el tamaño de la muestra.
 N = tamaño de la población.
 σ = Desviación estándar de la población que, generalmente cuando no se
tiene su valor, suele utilizarse un valor constante de 0,5.
 Z = Valor obtenido mediante niveles de confianza. Es un valor constante
que, si no se tiene su valor, se lo toma en relación al 95% de confianza
equivale a 1,96 (como más usual) o en relación al 99% de confianza
equivale 2,58, valor que queda a criterio del encuestador.
 e = Límite aceptable de error muestral que, generalmente cuando no se
tiene su valor, suele utilizarse un valor que varía entre el 1% (0,01) y 9%
(0,09), valor que queda a criterio del encuestador.
14
Ejemplo ilustrativo: Calcular el tamaño de la muestra de una población de

1000 elementos.
Solución:
Se tiene N=1000, como no se tiene los demás valores se tomará:
σ = 0,5
Z = 1,96
e = 0,05.
Reemplazando valores en la fórmula se obtiene:
Nσ²Z² 1000 * 0,5² * 1,96² 1000 * 0.25 * 3,8416

n = --------------------- = -------------------------------- = ---------------------------------------
(N - 1) e² + σ²Z² (1000 - 1) * 0,05² * 1,96² (999) * 0.0025 + 0.25 *
3.8416
960,4 960,4
n = -------------------------- = --------------- = 277,74 ≈ 278
2, 4975 + 0,9604 3,4579
MÉTODOS DE COLECTA DE DATOS

La recogida de datos es la primera etapa a pensar y decidir. La primera
cuestión será el objetivo. La segunda es la del tipo de datos a recoger. Existen
3 tipos de recogida de datos:
 La recolección de datos periódica
 El muestreo o el censo
 La recogida mediante investigación científica
Sólo se presentaran aquí los métodos de muestreo que permiten recoger las
informaciones necesarias para calcular las probabilidades sobre una población
con un nivel de confianza definido.
El objetivo del muestro es el de recabar los datos necesarios para practicar la

estadística inferencial.
15
Los distintos métodos son:

 El muestreo aleatorio simple
 El muestreo por conglomerados
 El muestreo por cuotas
 El muestreo estratificado
 El muestreo sistemático
Se pueden distinguir 2 tipos de métodos de muestreo: los no aleatorios y los

aleatorios.
 El método no aleatorio más utilizado es el muestreo por cuotas: a partir de
las especificidades de una población, se elabora la muestra respetando los
niveles deseados eligiendo aleatoriamente los individuos con mismas
características.
 Los métodos aleatorios recurren a los conceptos de probabilidades en la
elección de las muestras. Solos estos métodos permiten estimar el nivel de
confianza de los resultados de la población muestral.
Muestreo aleatorio simple

El muestreo aleatorio simple es la base de la teoría muestral.
Para obtener una muestra de este tipo, numeramos los individuos de la
población de 1 a N, pues se extraen n individuos.
El objetivo es proporcionar una estimación insesgada de la media y de la
varianza poblacional.
Muestreo por conglomerados

Para el muestreo por conglomerados es necesario dividir la población en sub-
grupos.
Cada uno de esos sub grupos tiene que ser representativos de la población
representada.
El muestreo por conglomerados consiste en poner aleatoriamente a los
individuos escogidos en cada sub-grupo elegido y basar el estudio en estos
individuos.
El ejemplo más común de este tipo de muestreo es un gran estudio de una
ciudad que se divide asimismo en un estudio para cada barrio y entonces se
efectúa un muestreo aleatorio simple.
16
Para obtener un muestreo por conglomerados manteniendo las propiedades

estadísticas más precisas posibles, es necesario:
 Un número de conglomerados no consecuente.
 Tamaño de los conglomerados uniformes.
 Homogeneidad de los individuos dentro de los conglomerados.
Muestreo por cuotas

Puede que el método más utilizado actualmente, especialmente en los sondeos
y encuestas utilizados por los medios de comunicación. Se trata de construir
una muestra idéntica a la población a estudiar en términos de propiedades.
Por lo tanto se trata de un método no aleatorio.
El método de cuotas se basa en la distribución conocida de una población

(edad, sexo, situación geográfica, categoría socio-profesional...).
Una vez determinada la dimensión del sondeo que se desea efectuar, basta
con calcular el número de individuos por cada criterio elegido.
Sin embargo, este método (el menos costoso) tiene ciertas limitaciones que es
necesario precisar y que nos permite conocer uno de los errores más comunes
en las encuestas:
 Este método se basa en la hipótesis que la información que deseamos

obtener está correlacionada con la población. Pero es solo una hipótesis de
representatividad difícilmente demostrable.
 La elección de los individuos seleccionados por los investigadores en este

método no permite calcular probabilidades de pertenencia a la muestra. Y
entraña una dificultad de cálculo de errores y en consecuencia de precisión
del análisis.
17
AUTOEVALUACIÓN
1-. Defina Muestra
2-. ¿A qué se refiere la característica representativa de la muestra?
3-. ¿Cuándo se dice que la característica de la muestra es adecuada y válida?
4-. ¿Cómo se calcula de la talla óptima de la muestra
5-. ¿Dentro de la fórmula para calcular el tamaño de la muestra, qué significa:

a. n
b. N
c. σ
d. Z
e. e
6-. ¿Cuándo no se tiene la Desviación estándar, qué constante se usa?
7-. ¿Cuándo no se tiene el nivel de confianza, qué valores se emplean?
8-. ¿Cuándo no se tiene el error muestral, qué valores se utilizan?
9-. Calcule la muestra para una población de 10.000 habitantes
10-. Explique los tres (3) tipos de recogida de datos
11-. Diga los distintos métodos de muestreo
12-. Cuál es el método no aleatorio más utilizado
13-. Qué es el métodos de colecta de datos
14-. Diga cómo se procede con cada uno de los siguientes métodos:
a. Muestreo aleatorio simple
b. Muestreo por conglomerados
c. Muestreo por cuotas
18
DISTRIBUCIÓN DE FRECUENCIA
Frecuencias
 Frecuencia Absoluta (fi )
Número de veces que aparece un determinado valor en un estudio
estadístico (veces que se repite), se representa por fi. La suma de las “fi“ es
igual al número total de datos, que se representa por N. => Σ fi = N
 Frecuencia Absoluta Acumulada (Fi )

En la primera clase es la misma frecuencia absoluta, a partir de la segunda
se obtiene sumando la frecuencia absoluta de la primera clase con la de la
segunda, este valor con la de la tercera, y así sucesivamente.
 Frecuencia Relativa (hi )

Indica la proporción con que se repite un valor. Es el cociente entre la
frecuencia absoluta de una determinada clase y el número total de datos. La
suma de las frecuencias relativas es siempre 1. Se puede expresar en tantos
por ciento y se representa por hi. => hi = fi /N
 Frecuencia Relativa Acumulada (H i )

En la primera clase es la misma frecuencia relativa, a partir de la segunda se
obtiene sumando la frecuencia relativa de la primera clase con la de la
segunda, este valor con la de la tercera, y así sucesivamente.
Límite de la clase: cada clase está delimitado por el límite inferior (Li) de la
clase y el límite superior (Ls) de la misma.
Amplitud de la clase: diferencia entre el límite superior e inferior de la clase.
Marca de clase: es el punto medio de cada intervalo y es el valor que

representa a todo el intervalo para el cálculo de algunos parámetros, se
determina con las semisuma de los límites de clase, es decir: Ẋ = (Li + Ls)/2.
19
Reglas para construir las distribuciones de Frecuencias por intervalos
i. Se ordenan los datos de menor a mayor
ii. Se determina N (total de datos)
iii. Se consigue el dato mayor y dato menor => Xmax y Xmin
iv. Se determina la cantidad de clases o intervalos

 Mediante la fórmula Sturges =˃ k ≈ 1 + 3,322 Log(N)
v. Se calcula el intervalo total IT, AT, R (amplitud total, rango o recorrido)

 IT = Xmax – Xmin
Se efectúa la resta, y si el resultado no es división exacta entre el número
de intervalo, se busca el número entero mayor, inmediato a la diferencia,
que sea divisible por el número de intervalos conseguido en el paso
anterior.
vi. Se determina el intervalo de clase o amplitud => Ic = IT÷ k
vii. Se arma la tabla partiendo del valor más bajo
Conformación de las columnas

a. Clases
b. Punto Medio de cada clase (Li+Ls) ÷2
c. Frecuencia Absoluta (fi)
d. Frecuencia absoluta acumulada (Fi)
e. Frecuencia relativa (hi) = fi÷N
f. Frecuencia relativa acumulada (Hi)
Nota:
Se forman los intervalos teniendo presente que el límite inferior de una clase
pertenece al intervalo, pero el límite superior no pertenece, sino que se toma
en cuenta en la siguiente clase. En la última clase sí se toma el límite superior.
20
Ejemplo ilustrativo:
Elaborar la tabla de frecuencia tomando en cuenta las edades comprendidas
entre 1 y 40 años de 150 personas:
Suministran la serie de edades desordenadas (datos)

33 34 33 35 35 34 28 38 12 29
8 10 9 10 11 10 11 28 37 13
24 26 25 27 27 26 36 12 2 37
14 15 15 16 16 15 1 36 20 3
5 6 5 7 7 6 19 1 40 20
22 23 23 24 24 23 39 19 17 40
38 38 38 39 39 38 16 39 31 18
28 29 28 29 30 29 30 17 34 31
11 12 33 13 13 13 12 30 10 34
36 36 9 37 37 37 36 33 26 10
1 2 25 3 4 2 1 9 15 26
19 20 14 21 21 20 19 25 6 15
39 40 5 40 40 40 40 14 23 7
16 17 22 18 18 17 17 5 38 23
30 31 38 32 32 31 30 22 29 39
i. Se ordenan los datos de menor a mayor

1 1 1 1 2 2 2 3 3 4
5 5 5 5 6 6 6 7 7 7
8 9 9 9 10 10 10 10 10 11
11 11 12 12 12 12 13 13 13 13
14 14 14 15 15 15 15 15 16 16
16 16 17 17 17 17 17 18 18 18
19 19 19 19 20 20 20 20 21 21
22 22 22 23 23 23 23 23 24 24
24 25 25 25 26 26 26 26 27 27
28 28 28 28 29 29 29 29 29 30
30 30 30 30 31 31 31 31 32 32
33 33 33 33 34 34 34 34 35 35
36 36 36 36 36 37 37 37 37 37
38 38 38 38 38 38 38 39 39 39
39 39 39 40 40 40 40 40 40 40
ii. Se determina N (total de datos)

N = 150
iii. Se hallar el número de clases o intervalos de clases (K).

K = 1 + 3.322(log. N) = 1 + 3,322 (log 150) = 8,2289 ≈ 8
21
iv. Se consigue el rango (R):

R = (Xmay – Xmen) = Xn – X1 = 40 - 1 = 39 ≈ 40
v. Se calcula el Intervalo o amplitud de la clase (Ic):

R 40
Ic = -------- = -------- = 5
K 8
vi. Se obtienes las frecuencias absolutas mediante la tabulación o conteo de

los datos (homogenización de los datos)
X Ẋ fi Fi=Σfi hi= fi /N Hi=Σhi
0–5 2,5 10 10 0,07 0,07
5 - 10 7,5 14 24 0,09 0,16
10 - 15 12,5 19 43 0,13 0,29
15 - 20 17,5 21 64 0,14 0,43
20 - 25 22,5 17 81 0,11 0,54
25-30 27,5 18 99 0,12 0,66
30-35 21,5 19 118 0,13 0,79
35-40 27,5 32 150 0,21 1
N=150 1
Ejercicios resueltos de frecuencia

1.- Durante el mes de julio, en una ciudad se han registrado las siguientes
temperaturas máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29,
29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
Construir la tabla de frecuencias.

xi fi Fi ni Ni
27 1 1 0.032 0.032
28 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
32 3 27 0.097 0.871
33 3 30 0.097 0.968
34 1 31 0.032 1
31 1
22
2.- Las puntuaciones obtenidas por un grupo de en una prueba han sido:
15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14, 13.
Construir la tabla de distribución de frecuencias.

xi Recuento fi Fi ni Ni
13 III 3 0.15 3 1
14 I 1 0.05 4 0.95
15 5 0.25 9 0.85
16 IIII 4 0.20 13 0.80
18 III 3 0.15 16 0.65
19 I 1 0.05 17 0.45
20 II 2 0.10 19 0.20
22 I 1 0.05 20 0.15
20
3.- El número de estrellas de los hoteles de una ciudad viene dado por la
siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3,
2, 1, 1, 1, 2, 2, 4, 1.

xi Recuento xi Fi ni Ni
1 6 6 0.158 0.158
2 12 18 0.316 0.474
3 16 34 0.421 0.895
4 IIII 4 38 0.105 1
38 1
4.- Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3,
6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
23

xi fi Fi ni Ni
0 1 1 0.02 0.02
1 1 2 0.02 0.04
2 2 4 0.04 0.08
3 3 7 0.06 0.14
4 6 13 0.12 0.26
5 11 24 0.22 0.48
6 12 36 0.24 0.72
7 7 43 0.14 0.86
8 4 47 0.08 0.94
9 2 49 0.04 0.98
10 1 50 0.02 1.00
50 1.00
5.- Los 40 alumnos de una clase han obtenido las siguientes puntuaciones,
sobre 50, en un examen de Física.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31,
26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.

xi fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.275
[25, 30) 27.5 6 17 0.150 0.425
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 47.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1.000
40 1
6.- Los pesos de los 65 empleados de una fábrica vienen dados por la
siguiente tabla:
24
Peso fi
[50, 60) 8
[60, 70) 10
[70, 80) 16
[80,90) 14
[90, 100) 10
[100, 110) 5
[110, 120) 2

xi fi Fi ni Ni
[50, 60) 55 8 8 0.12 0.12
[60, 70) 65 10 18 0.15 0.27
[70, 80) 75 16 34 0.24 0.51
[80,90) 85 14 48 0.22 0.73
[90, 100) 95 10 58 0.15 0.88
[100, 110) 105 5 63 0.08 0.96
[110, 120) 115 2 65 0.03 0.99
65
7.- Un dentista observa el número de caries en cada uno de los 100 niños de
cierto colegio. La información obtenida a parecer resumida en la siguiente
tabla:
Nº de caries fi ni
0 25 0.25
1 20 0.2
2 x z
3 15 0.15
4 y 0.05
Completar la tabla obteniendo los valores x, y, z.

La suma de las frecuencias relativas ha de ser igual a 1:
0.25 + 0.2 + z + 0.15 + 0.05 = 1
0.65 + z = 1 => z = 1 – 0,65 => z = 0.35
La frecuencia relativa de un dato es igual su frecuencia absoluta dividida entre

100, que es la suma de las frecuencias absolutas.
25
Nº de caries fi ni fi · n i
0 25 0.25 0
1 20 0.2 20
2 35 0.35 70
3 15 0.15 45
4 5 0.05 20
155
8.- Completar los datos que faltan en la siguiente tabla estadística:

xi fi Fi ni
1 4 0.08
2 4
3 16 0.16
4 7 0.14
5 5 28
6 38
7 7 45
8
4/N = 0,08 => N = 4/0,08 => N = 50

Primera fila: F1 = 4
Segunda fila: F2 = 4+4 = 8 n2 = 4/50 = 0,08
Tercera fila: f3 = n3*50 = 0,16*50 = 8
Cuarta fila: F4 = 16 + 7 = 23
Quinta fila: n5 = 5/50 = 0,1
Sexta fila: f6 = F6–F5 = 38–28 = 10 n6 = 10/50 = 0,2
Séptima fila: n7 = 7/50 = 0,14
Octava fila: f8 = 50−45 = 5 n8 = 5/50 = 0,1
xi fi Fi ni xi · fi
1 4 4 0.08 4
2 4 8 0.08 8
3 8 16 0.16 24
4 7 23 0.14 28
5 5 28 0.1 25
6 10 38 0.2 60
7 7 45 0.14 49
8 5 50 0.1 40
50 238
26
AUTOEVALUACIÓN
1-. Defina Frecuencia Absoluta
2-. Defina Frecuencia Relativa
3-. Defina Frecuencia Acumulada (fa )
4-. Defina Frecuencia Porcentual (f% )
5-. Defina Frecuencia Relativa Acumulada (fra )
6-. Defina Frecuencia Relativa Acumulada Porcentual (fra% )
7-. Determine las frecuencias en el cuadro siguientes:
10 8 5 8 9 8 1 10
6 7 8 9 4 8 10 8
6 5 3 8 10 5 4 9
8 10 6 7 3 7 4 6
8 10 7 8 5 9 38 5
8-. Defina rango y diga Cuál es la fórmula para calcularlo
9-. ¿Qué es y cómo se selecciona el número de intervalos de clase?
10-. ¿Qué es y cómo se calcula el ancho del intervalo?
11-. ¿Qué es y cómo se calcula la marca de clase?
27
MEDIDAS Y TENDENCIA
MEDIDAS DE TENDENCIA CENTRAL
PARÁMETROS ESTADÍSTICOS
Un parámetro estadístico es un número que se obtiene a partir de los datos de
una distribución estadística.
Los parámetros estadísticos sirven para sintetizar la información dada por una
tabla o por una gráfica.
Tipos de parámetros estadísticos

Hay tres tipos parámetros estadísticos:
o De centralización.
o De posición
o De dispersión.
MEDIDAS DE CENTRALIZACIÓN
Nos indican en torno a qué valor (centro) se distribuyen los datos. Las medidas
de centralización son: Media Aritmética, Mediana y Moda
MEDIA ARITMÉTICA SIMPLE

Es la medida de tendencia central más utilizada por lo general se ubica hacia el
centro de distribución estadística. Se obtiene al sumar todos los datos y dividir
el resultado entre el número total de datos.
es el símbolo de la media aritmética.
Ejemplo:
Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.
28
MEDIA ARITMÉTICA PARA DATOS AGRUPADOS

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la
media es:
Ejercicio de media aritmética

En un test realizado a un grupo de 42 personas se han obtenido las
puntuaciones que muestra la tabla. Calcula la puntuación media.
xi fi xi · fi
[10, 20) 15 1 15
[20, 30) 25 8 200
[30,40) 35 10 350
[40, 50) 45 9 405
[50, 60 55 8 440
[60,70) 65 4 260
[70, 80) 75 2 150
42 1 820
Ejercicios resueltos de la media aritmética

1.- Considérense los siguientes datos: 3, 8, 4, 10, 6, 2. Se pide:
a.-Calcular su media.
b.-Si los todos los datos anteriores los multiplicamos por 3, cúal será la
nueva media.
2.- A un conjunto de 5 números cuya media es 7.31 se le añaden los números

4.47 y 10.15. ¿Cuál es la media del nuevo conjunto de números?
29
3.- Calcular la media de una distribución estadística que viene dada por la
siguiente tabla:
xi 61 64 67 70 73
fi 5 18 42 27 8
xi fi xi · fi
61 5 305
64 18 1152
67 42 2814
71 27 1890
73 8 584
100 6745
4.- Hallar la media de la distribución estadística que viene dada por la siguiente
tabla:
fi
[10, 15) 3
[15, 20) 5
[20, 25) 7
[25, 30) 4
[30, 35) 2
xi fi xi · fi
[10, 15) 12.5 3 37.5
[15, 20) 17.5 5 87.5
[20, 25) 22.5 7 157.5
[25, 30) 27.5 4 110
[30, 35) 32.5 2 65
21 457.5
30
LA MEDIANA.-
La mediana, es el valor que divide una distribución de datos ordenados en dos
partes iguales, es decir, el 50% de los datos se ubican sobre la mediana o
hacia los puntajes altos y el 50% restante hacia los puntajes bajos. Es el valor
que ocupa el lugar central de todos los datos cuando éstos están ordenados de
menor a mayor.
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
Cálculo de la mediana
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un número impar de medidas la mediana es la puntuación

central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me = 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media

entre las dos puntuaciones centrales.
7, 8, 9, 10, 11, 12 Me = 9.5
Cálculo de la mediana para datos agrupados

La mediana se encuentra en el intervalo donde la frecuencia acumulada llega
hasta la mitad de la suma de las frecuencias absolutas.
Es decir tenemos que buscar el intervalo en el que se encuentre N/2
Descripción:
Li es el límite inferior de la clase donde se encuentra la mediana.
es la semisuma de las frecuencias absolutas.
Fi-1 es la frecuencia acumulada anterior a la clase mediana.

ai es la amplitud de la clase.
La mediana es independiente de las amplitudes de los intervalos.
31
Ejemplo:
Calcular la mediana de una distribución estadística que viene dada por la
siguiente tabla:
fi Fi
[60, 63) 5 5 100/2 = 50
[63, 66) 18 23 Clase de la mediana: [66, 69)
[66, 69) 42 65
[69, 72) 27 92
[72, 75) 8 100
100
Ejercicios resueltos de la mediana

o Hallar la mediana de la siguientes series de números:
a.- 3, 5, 2, 6, 5, 9, 5, 2, 8. => 2, 2, 3, 5, 5, 5, 6, 8, 9. => Me = 5
b.- 3, 5, 2, 6, 5, 9, 5, 2, 8, 6. => 2, 2, 3, 5, 5, 5, 6, 6, 8, 9. =>
c.- 10, 13, 4, 7, 8, 11 10, 16, 18, 12, 3, 6, 9, 9, 4, 13, 20, 7, 5, 10, 17, 10,
16, 14, 8, 18
3, 4, 4, 5, 6, 7, 7, 8, 8, 9, 9, 10, 10, 10, 10, 11, 12, 13, 13, 14, 16, 16, 17,
18, 18, 20
o Tabular y calcular mediana de la siguiente serie de números: 5, 3, 6, 5, 4, 5,

2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4.
xi fi Fi
2 2 2
3 2 4
4 5 9
5 6 15
6 2 17
8 3 20
20
20/2 = 10 Me = 5
32
o Hallar la mediana de la distribución estadística que viene dada por la

siguiente tabla:
fi fi Fi
[10, 15) 3 [10, 15) 3 3
[15, 20) 5 [15, 20) 5 8
[20, 25) 7 [20, 25) 7 15
[25, 30) 4 [25, 30) 4 19
[30, 35) 2 [30, 35) 2 21
21
MODA
La moda de un conjunto de datos es el valor que aparece con mayor
frecuencia.
Se representa por Mo.

Se puede hallar la moda para variables cualitativas y cuantitativas.
Para un conjunto de datos unimodales existe la siguiente relación empírica:
Media aritmética – moda = 3 (media aritmética – mediana)
Hallar la moda de la distribución:

2, 3, 3, 4, 4, 4, 5, 5 Mo = 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa

frecuencia es la máxima, la distribución es bimodal o multimodal, es decir, tiene
varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay

moda.
2, 2, 3, 3, 6, 6, 9, 9
33
Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el

promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
Cálculo de la moda para datos agrupados
Todos los intervalos tienen la misma amplitud.
Descripción:
Li es el límite inferior de la clase modal.
fi es la frecuencia absoluta de la clase modal.
fi--1 es la frecuencia absoluta inmediatamente inferior a la clase modal.
fi-+1 es la frecuencia absoluta inmediatamente posterior a la clase modal.
También se utiliza otra fórmula de la moda que da un valor aproximado de ésta:
Ejemplo:
Calcular la moda de una distribución estadística que viene dada por la siguiente
tabla:
fi
[60, 63) 5
[63, 66) 18
[66, 69) 42
[69, 72) 27
[72, 75) 8
100
34
Los intervalos tienen amplitudes distintas.

En primer lugar tenemos que hallar las alturas.
La clase modal es la que tiene mayor altura.
La fórmula de la moda aproximada cuando existen distintas amplitudes es:
Ejemplo:
En la siguiente tabla se muestra las calificaciones (suspenso, aprobado,
notable y sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la
moda.
fi hi
[0, 5) 15 3
[5, 7) 20 10
[7, 9) 12 6
[9, 10) 3 3
50
Ejercicios resueltos de la moda

o Calcular la moda de la siguiente serie de números: 5, 3, 6, 5, 4, 5, 2, 8, 6, 5,
4, 8, 3, 4, 5, 4, 8, 2, 5, 4. => Mo = 5
o Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños

de su consulta en el momento de andar por primera vez:
Meses 9 10 11 12 13 14 15
Niños 1 4 9 16 11 8 1
Al calcular la moda nos queda Mo = 12
35
o Calcular la moda de una distribución estadística que viene dada por la

siguiente tabla:
fi
[60, 63) 5
[63, 66) 18
[66, 69) 42
[69, 72) 27
[72, 75) 8
100
o Calcular la moda de una distribución estadística viene dada por la siguiente

tabla:
fi
[10, 15) 3
[15, 20) 5
[20, 25) 7
[25, 30) 4
[30, 35) 2
o Calcular la moda de la distribución estadística:

fi
[0, 5) 3
[5, 10) 5
[10, 15) 7
[15, 20) 8
[20, 25) 2
[25, ∞) 6
36
o El histograma de la distribución correspondiente al peso de 100 alumnos de

Bachillerato es el siguiente:
Al calcular la moda nos da =>
o En la siguiente tabla se muestra las calificaciones (suspenso, aprobado,

notable y sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la
moda.
fi hi
[0, 5) 15 3
[5, 7) 20 10
[7, 9) 12 6
[9, 10) 3 3
50
MEDIDAS DE POSICIÓN
Las medidas de posición dividen un conjunto de datos en grupos con el mismo
número de individuos.
Para calcular las medidas de posición es necesario que los datos estén
ordenados de menor a mayor.
Las medidas de posición son: Cuartiles, Deciles, Percentiles
Para calcular las medidas de posición es necesario que los datos estén
ordenados de menor a mayor.
37
CUARTILES.-
Son cada uno de los 3 valores Q1, Q2, Q3 que dividen a la distribución de los
datos en 4 partes iguales.
Los cuartiles son un caso particular de los percentiles. Hay 3 cuartiles:
Primer cuartil: Q1 = P25
Segundo cuartil: Q2 = D5 = P50 = Mediana
Tercer cuartil: Q3 = P75
Q2 coincide con la mediana.
Cálculo de los cuartiles

1. Ordenamos los datos de menor a mayor.
2. Buscamos el lugar que ocupa cada cuartil mediante la expresión.
 Número impar de datos 2, 5, 3, 6, 7, 4, 9
 Número par de datos 2, 5, 3, 4, 6, 7, 1, 9
 Cálculo de los cuartiles para datos agrupados
En primer lugar buscamos la clase donde se encuentra , en la

tabla de las frecuencias acumuladas.
Li es el límite inferior de la clase donde se encuentra el cuartil.

N es la suma de las frecuencias absolutas.
Fi-1 es la frecuencia acumulada anterior a la clase del cuartil.
38
 Ejercicio de cuartiles
Calcular los cuartiles de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
 Cálculo del primer cuartil
 Cálculo del segundo cuartil
 Cálculo del tercer cuartil
DECILES
Son cada uno de los 9 valores D1, D2, D3, D4, D5, D6, D7, D8, D9 que dividen a la
distribución de los datos en 10 partes iguales.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los
datos.
39
Primer decil es igual al décimo percentil (D1 = P10)
Segundo decil es igual al veinteavo percentil (D2 = P20 ), y así sucesivamente.

D5 coincide con la mediana.
 Cálculo de los deciles

En primer lugar buscamos la clase donde se encuentra, en la tabla de las
frecuencias acumuladas.
Li es el límite inferior de la clase donde se encuentra el decil.
Fi-1 es la frecuencia acumulada anterior a la clase el decil..
 Ejercicio de deciles
Calcular los deciles de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
40
 Cálculo del primer decil  Cálculo del segundo decil
 Cálculo del tercer decil  Cálculo del cuarto decil
 Cálculo del quinto decil  Cálculo del sexto decil
 Cálculo del séptimo decil  Cálculo del octavo decil
 Cálculo del noveno decil
PERCENTILES O CENTILES
Son cada uno de los 99 valores P1, P2, P3,……..P99 que dividen a la distribución
de los datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los
datos.
P50 coincide con la mediana.
P50 coincide con D5.
 Cálculo de los percentiles

En primer lugar buscamos la clase donde se encuentra, en la tabla de las
frecuencias acumuladas.
Li es el límite inferior de la clase donde se encuentra el percentil.

Fi-1 es la frecuencia acumulada anterior a la clase del percentil.
41
 Ejercicio de percentiles
Calcular el percentil 35 y 60 de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
 Percentil 35
 Percentil 60
MEDIDAS DE DISPERSIÓN
Las medidas de dispersión nos informan sobre cuanto se alejan del centro los
valores de la distribución.
Las medidas de dispersión son:
 Rango o recorrido
El rango es la diferencia entre el mayor y el menor de los datos de una
distribución estadística.
 Desviación media
La desviación media es la media aritmética de los valores absolutos de las
desviaciones respecto a la media.
 Varianza
La varianza es la media aritmética del cuadrado de las desviaciones respecto a
la media.
 Desviación típica
La desviación típica es la raíz cuadrada de la varianza.
42
RANGO, AMPLITUD TOTAL O RECORRIDO

Dada una serie de valores x1, x2,… xn, su recorrido es la diferencia aritmética
entre el máximo y el mínimo de estos valores.
Re = Xmáx – Xmín
Es la medida de dispersión más sencilla y también, por tanto, la que

proporciona menos información. Además, esta información puede ser errónea,
pues el hecho de que no influyan más de dos valores del total de la serie puede
provocar una deformación de la realidad
DESVIACIÓN MEDIA
 Desviación respecto a la media
La desviación respecto a la media es la diferencia en valor absoluto entre cada
valor de la variable estadística y la media aritmética. Di = |x - x|
 Desviación media
La desviación media es la media aritmética de los valores absolutos de las
desviaciones respecto a la media.
La desviación media se representa por
Ejemplo:
Calcular la desviación media de la distribución: 9, 3, 8, 8, 9, 8, 9, 18
 Desviación media para datos agrupados
Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la

desviación media es:
43
Ejemplo:
Calcular la desviación media de la distribución:
xi fi xi · fi |x - x| |x - x| · fi
[10, 15) 12.5 3 37.5 9.286 27.858
[15, 20) 17.5 5 87.5 4.286 21.43
[20, 25) 22.5 7 157.5 0.714 4.998
[25, 30) 27.5 4 110 5.714 22.856
[30, 35) 32.5 2 65 10.714 21.428
21 457.5 98.57
VARIANZA
La varianza es la media aritmética del cuadrado de las desviaciones respecto a
la media de una distribución estadística.
La varianza se representa por .
 Varianza para datos agrupados
Para simplificar el cálculo de la varianza vamos o utilizar las siguientes

expresiones que son equivalentes a las anteriores.
 Ejercicios de varianza
Ejercicio 1:
Calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
44
Ejercicio 2:
Calcular la varianza de la distribución de la tabla:
xi fi xi · fi xi2 · fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
DESVIACIÓN TÍPICA
La desviación típica es la raíz cuadrada de la varianza.
Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de
desviación.
La desviación típica se representa por σ.
 Desviación típica para datos agrupados
Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son
equivalentes a las anteriores.
45
 Ejercicios de desviación típica

Ejercicio 1:
Calcular la desviación típica de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Ejercicio 2:
Calcular la desviación típica de la distribución de la tabla:
xi fi xi · fi xi2 · fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60) 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
46
MEDIDAS DE FORMA
COEFICIENTE DE ASIMETRÍA
Asimetría se refiere a si la curva que forman los valores de la serie presenta la
misma forma a izquierda y derecha de un valor central (media aritemética)
Para medir el nivel de asimetría se utiliza el llamado Coeficiente de Asimetría

de Fisher, que viene definido:
Los resultados pueden ser los siguientes:
g1 = 0 (distribución simétrica; existe la misma concentración de valores a la

derecha y a la izquierda de la media)
g1 > 0 (distribución asimétrica positiva; existe mayor concentración de valores

a la derecha de la media que a su izquierda)
g1 < 0 (distribución asimétrica negativa; existe mayor concentración de valores

a la izquierda de la media que a su derecha)
Ejemplo: Vamos a calcular el Coeficiente de Asimetría de Fisher de la serie de

datos referidos a la estatura de un grupo de alumnos (lección 2ª):
Variable Frecuencias absolutas Frecuencias relativas
(Valor) Simple Acumulada Simple Acumulada
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%
47
Recordemos que la media de esta muestra es 1,253

- x)^3)*ni - x)^2)*ni
0,000110 0,030467
Luego:
(1/30) * 0,000110
g1 = ------------------------------------- = -0,1586
(1/30) * (0,030467)^(3/2)
Por lo tanto el Coeficiente de Fisher de Simetría de esta muestra es -0,1586, lo

que quiere decir que presenta una distribución asimétrica negativa (se
concentran más valores a la izquierda de la media que a su derecha).
COEFICIENTE DE CURTOSIS
El Coeficiente de Curtosis analiza el grado de concentración que presentan
los valores alrededor de la zona central de la distribución.
Se definen 3 tipos de distribuciones según su grado de curtosis:
Distribución mesocúrtica: presenta un grado de concentración medio

alrededor de los valores centrales de la variable (el mismo que presenta una
distribución normal).
Distribución leptocúrtica: presenta un elevado grado de concentración

alrededor de los valores centrales de la variable.
Distribución platicúrtica: presenta un reducido grado de concentración

alrededor de los valores centrales de la variable.
48
El Coeficiente de Curtosis viene definido por la siguiente fórmula:
Los resultados pueden ser los siguientes:

g2 = 0 (distribución mesocúrtica).
g2 > 0 (distribución leptocúrtica).
g2 < 0 (distribución platicúrtica).
Ejemplo: Vamos a calcular el Coeficiente de Curtosis de la serie de datos

referidos a la estatura de un grupo de alumnos (lección 2ª):
Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%
Recordemos que la media de esta muestra es 1,253
- xm)^4)*ni - xm)^2)*ni
0,00004967 0,03046667
Luego:
(1/30) * 0,00004967
g2 = ---------------------------------- - 3 = -1,39
((1/30) * (0,03046667))^2
Por lo tanto, el Coeficiente de Curtosis de esta muestra es -1,39, lo que

quiere decir que se trata de una distribución platicúrtica, es decir, con una
reducida concentración alrededor de los valores centrales de la distribución.-
49
MODELOS DE REGRESIÓN
CORRELACIÓN Y REGRESIÓN
Cuando se estudian en forma conjunta dos características (variables
estadísticas) de una población o muestra, se dice que estamos analizando una
variable estadística bidimensional. La correlación es el grado de relación que
existe entre ambas características, y la regresión es la forma de expresar
matemáticamente dicha relación.
ANÁLISIS DE CORRELACIÓN.-
Dado dos variables, la correlación permite hacer estimaciones del valor de una
de ellas conociendo el valor de la otra variable.
COEFICIENTES DE CORRELACIÓN.-
Los coeficientes de correlación son medidas que indican la situación relativa de
los mismos sucesos respecto a las dos variables (Correlación de Karl Pearson
y por Rangos de Spearman), es decir, son la expresión numérica que nos
indica el grado de relación existente entre las 2 variables y en qué medida se
relacionan. Son números que varían entre los límites +1 y -1. Su magnitud
indica el grado de asociación entre las variables; el valor r = 0 indica que no
existe relación entre las variables; los valores ± 1 son indicadores de una
correlación perfecta positiva (al crecer o decrecer X, crece o decrece Y) o
negativa (Al crecer o decrecer X, decrece o crece Y).
50
Coeficiente de determinación
Revela qué porcentaje del cambio en Y se explica por un cambio en X. Se
calcula elevando al cuadrado el coeficiente de correlación.
ANÁLISIS DE REGRESIÓN.-
Los primeros y más importantes estudios al respecto se deben a los científicos
Francis Galton (1822-1911) y Karl Pearson (1857-1936). Fue Galton quien
utilizó por primera vez el término regresión para indicar que, aunque influida por
la estatura de sus padres, la estatura de los hijos “regresaba” a la media
general.
La regresión examina la relación entre dos variables, pero restringiendo una de

ellas con el objeto de estudiar las variaciones de una variable cuando la otra
permanece constante. En otras palabras, la regresión es un método que se
emplea para predecir el valor de una variable en función de valores dados a la
otra variable. En estadística la palabra predecir no se utiliza en el sentido
empleado por los astrólogos, futurólogos y mentalistas, sino más bien en un
sentido lógico como es el de utilizar el conocimiento del comportamiento de una
variable para obtener información sobre otra variable. Por ejemplo, puede
predecirse el resultado que obtendrá un estudiante en su examen final,
basados en el conocimiento de las calificaciones promedio de sus exámenes
parciales, o predecir la preferencia de los estudiantes por profesiones
científicas, conociendo los promedios de sus calificaciones en los estudios
escolares.
En todos los casos de regresión existe una dependencia funcional entre las
variables. En el caso de dos variables, siendo una de ellas (X) variable
independiente y la otra (Y) la dependiente, se habla de egresión de Y sobre X;
51
Por ejemplo, los ingenieros forestales utilizan la regresión de la altura de los

árboles sobre su diámetro, lo cual significa que midiendo el diámetro (variable
independiente) y reemplazando su valor en una relación definida según la clase
de árbol se obtiene la altura, y aun sin necesidad de cálculos aprecian la altura
utilizando gráficas de la función de dependencia, altura = función del diámetro.
Suele emplearse el principio de los mínimos cuadrados
LA RECTA DE LOS MÍNIMOS CUADRADOS.-

Se llama línea de mejor ajuste y se define como la línea que hace mínima la
suma de los cuadrados de las desviaciones respecto a ella de todos los puntos
que corresponden a la información recogida.
El punto de intersección entre las rectas con

se simboliza y se llama centroide o centro de gravedad
LA PARÁBOLA DE LOS MÍNIMOS CUADRADOS.-

La parábola de mínimos cuadrados que aproxima el conjunto de puntos
tiene ecuación dada por ,
donde las constantes , se determinan al resolver simultáneamente el
sistema de ecuaciones que se forma al multiplicar la ecuación por
sucesivamente, y sumando después.
SERIES CRONOLÓGICAS
Las series de tiempo llamadas también series cronológicas o series históricas
son un conjunto de datos numéricos que se obtienen en períodos regulares y
específicos a través del tiempo, los tiempos pueden ser en años, meses,
semanas, días u otra unidad adecuada al problema que se esté trabajando.
Ejemplos de series de tiempo son: Ventas mensuales de un producto en una

empresa, producción total anual de petróleo en Ecuador durante un cierto
52
número años o las temperaturas anunciadas cada hora por el meteorólogo para
un aeropuerto.
Matemáticamente, una serie de tiempo se define por los valores

de una variable Y (ventas mensuales, producción total, etc.) en tiempos
Si se reemplaza a X por la variable tiempo, estas series se definen

como distribuciones de pares ordenados (X,Y) en el plano cartesiano, siendo Y
una función de X; esto se denota por:
El principal objetivo de las series de tiempo es hacer proyecciones o

pronósticos sobre una actividad futura, suponiendo estables las condiciones y
variaciones registradas hasta la fecha, lo cual permite planear y tomar
decisiones a corto o largo plazo. Después, con base en esa situación ideal, que
supone que los factores que influyeron en la serie en el pasado lo continuarán
haciendo en el futuro, se analizan las tendencias pasadas y el comportamiento
de las actividades bajo la influencia de ellas; por ejemplo, en la proyección de
ventas de un producto o de un servicio de una empresa se calculan los
posibles precios, la reacción del consumidor, la influencia de la competencia,
etc.
MOVIMIENTOS O COMPONENTES DE SERIES DE TIEMPO

El modelo clásico o de descomposición, considera que los datos de series de
tiempo están compuestas de los siguientes cuatro patrones básicos:
Tendencia secular.-
La tendencia secular o simplemente tendencia, son movimientos o variaciones
continuas de la variable de modo uniforme y suave, por encima o por debajo,
que se observan en el largo plazo durante un período de longitud prolongada.
Representan el comportamiento predominante o dirección general de la serie

de tiempo como ascendente o descendente. La gráfica de la tendencia suele
ser una curva suave y aun una línea recta que muestra la tendencia de las
53
variaciones. Ejemplos de tendencia secular son las ventas, exportaciones,

producción y el empleo.
La siguiente gráfica muestra la tendencia de exportaciones de la Empresa D &

M en período 2000-2009. Aunque los datos muestran ciertas variaciones están
por encima y por debajo de la recta de tendencia, la tendencia secular es
ascendente.
Movimientos estacionales.-
Representa un movimiento periódico que se producen en forma similar cada
año por la misma época, en correlación con los meses o con las estaciones del
año y aun con determinadas fechas. Si los sucesos no se repiten anualmente,
los datos deben recolectarse trimestral, mensual o incluso semanalmente.
Ejemplos de movimientos estacionales son la variación de precios de ciertos

productos, incremento de ventas de juguetes y disminución de ventas de útiles
Navidad, incremento de ventas de flores por el día del amor y la amistad, etc.
Movimientos cíclicos.-
Son variaciones hacia arriba y hacia abajo de la tendencia que se presentan
cada cierto número de intervalos, en forma periódica de manera ondular a
modo de oscilaciones más o menos regulares durante un período relativamente
prolongado, que por lo general abarca tres o más años de duración. La
producción, empleo, promedio industrial, etc. son ejemplos de este tipo de
movimientos.
Movimientos irregulares o aleatorios.-

Son aquellas variaciones producidas por sucesos de ocurrencia imprevisible o
accidental que producen movimientos sin un patrón discernible; así por
ejemplo, las exportaciones de una empresa pueden ser afectadas por sucesos
inusuales no previsibles tales como huelgas, guerras, terremotos,
inundaciones, etc. Estas variaciones irregulares son de corta duración y de
magnitud muy variable.
54
MODELOS DE SERIES DE TIEMPO

Son expresiones matemáticas de relación entre los movimientos de tendencia
secular (T), movimientos cíclicos (C), movimientos estacionales (E) y
movimientos irregulares (I) que generan la variable Y. Hay dos modelos para la
definición de Y, los cuales son:
Modelo multiplicativo.-
En el que Y queda definida por el producto de las variaciones.
Modelo aditivo.-
En el que Y queda definida por la suma de las variaciones.
En el modelo multiplicativo, las variaciones se expresan en términos relativos o

porcentuales de la tendencia, en tanto que en el modelo aditivo las variaciones
se expresan como residuos en las mismas unidades originales. El modelo
aditivo sufre el supuesto irreal de que los movimientos o componentes son
independientes uno de otro, algo que difícilmente se da en el caso de la vida
real. El modelo multiplicativo supone que los movimientos o componentes
interactúan entre sí y no se mueven independientemente, por lo que este
modelo es más utilizado que el aditivo. Sin embargo, el criterio fundamental
que se debe seguir en el caso de una situación dada es emplear el modelo que
mejor se ajuste a los datos.
MÉTODOS DE SUAVIZAMIENTO Y PRONÓSTICO.-

Estos métodos eliminan las fluctuaciones aleatorias de la serie de tiempo,
proporcionando datos menos distorsionados del comportamiento real de misma
(método de los promedios móviles y suavización exponencial)
ANÁLISIS DE TENDENCIA.-
Es necesario describir la tendencia ascendente o descendente a largo plazo de
una serie cronológica por medio de alguna línea, y la más adecuada será la
que mejor represente los datos y sea útil para desarrollar pronósticos. Para
lograr la estimación de la tendencia se utilizan con más frecuencia los
siguientes métodos: Método de los mínimos cuadrados y método de los
semipromedios
55
AUTOEVALUACIÓN
Con sus propias palabras y de manera lógica, defina cada uno de los
siguientes conceptos:
1-. Defina correlación y regresión
2-. Análisis de correlación
3-. Coeficientes de correlación
4-. Coeficiente de determinación
5-. Análisis de regresión
6-. La recta de los mínimos cuadrados
7-. La parábola de los mínimos cuadrados
8-. Series cronológicas
9-. Movimientos o componentes de series de tiempo
10-. Tendencia secular
11-. Movimientos estacionales
12-. Movimientos cíclicos
13-. Movimientos irregulares o aleatorios
14-. Modelos de series de tiempo
15-. Modelo multiplicativo
16-. Modelo aditivo
17-. Métodos de suavizamiento y pronóstico
18-. Análisis de tendencia.-
56
GRÁFICOS Y TABLAS
GRÁFICOS ESTADÍSTICOS BÁSICOS

Las empresas, industrias, instituciones, etc. emplean diversos gráficos
estadísticas para presentar informaciones sobre diversos asuntos relativos a
ellas.
Las representaciones gráficas deben conseguir que un simple análisis visual

ofrezca la mayor información posible. Según el tipo del carácter que estemos
estudiando, usaremos una representación gráfica u otra.
A continuación se presenta los diagramas más empleados:
DIAGRAMAS DE BARRAS.-
Es un gráfico bidimensional en el que los objetos gráficos elementales son
rectángulos de igual base cuya altura sea proporcional a sus frecuencias. Si en
el eje horizontal se ubican las etiquetas con los nombres de las categorías, y en
el eje vertical la frecuencia absoluta, la relativa o la frecuencia porcentual, toma
el nombre de diagrama de barras vertical, y si se intercambian las ubicaciones
de las categorías y las frecuencias, toma el nombre de diagrama de barras
horizontal.
57
HISTOGRAMAS.-
Se utiliza para datos agrupados en intervalos de clase, representando en el eje
horizontal los intervalos de clase o la marca de clase, y en el eje vertical se
elabora rectángulos contiguos de base el ancho del intervalo y de altura
proporcional a las frecuencias representadas.
POLÍGONO DE FRECUENCIAS
Son gráficos lineales que se realizan uniendo:
a) Los puntos medios de las bases superiores de los rectángulos en un
diagrama de barras.
58
b) Los puntos medios (marcas de clase) de las bases superiores en el

histograma.
Polígono de Frecuencias Acumuladas u Ojiva.-

Un gráfico que recoja las frecuencias acumuladas por debajo de cualquiera de
las fronteras de clase superiores respecto de dicha frontera se llama un
polígono de frecuencias acumuladas u ojiva.
Empleando polígono de frecuencias en 2D anterior, borrando la columna de la

frecuencia absoluta y escribiendo la columna de la frecuencia acumulada del
ejemplo del cálculo de las frecuencias sobre las siguientes calificaciones
obtenidas por 40 estudiantes en una evaluación de la asignatura de Estadística
se obtiene la siguiente figura que representa a una Ojiva:
59
Polígono de Frecuencias Relativas Acumuladas Porcentuales.-

Si se usan frecuencias fra% para realizar un polígono de frecuencias, este
recibe el nombre de polígono de frecuencias relativas acumuladas
porcentuales, o también llamado ojiva de porcentajes.
A continuación se presenta una ojiva de porcentajes elaborada en Excel

empleando los datos del ejemplo de la Edad de 40 Docentes de la Universidad
UTN:
DIAGRAMA DE TALLO Y HOJAS

En el diagrama de tallo y hojas cada dato representa su valor y, a la vez, ocupa
un espacio de forma que se obtiene simultáneamente la presentación de los
datos y distribución gráfica.
En este diagrama cada valor se descompone en 2 partes: el primero o primeros

dígitos (el tallo) y el dígito que sigue a los utilizados en el tallo (las hojas).Por
ejemplo, el valor 32 puede descomponerse en un tallo de 3 y una hoja de 2; el
valor 325 puede descomponerse en un tallo de 32 y una hoja de 5; el valor
3256 puede descomponerse en un tallo de 325 y una hoja de 6. Cada tallo
puede ocupar una o más filas. Si un tallo ocupa una sola fila, sus hojas
contendrán dígitos del 0 al 9; si ocupa dos filas, la primera fila contendrá dígitos
del 0 al 4 y la segunda fila del 5 al 9.
60
La ventaja de este diagrama es que refleja a primera vista las mismas

impresiones gráficas que el histograma sin necesidad de elaborar el gráfico.
También tiene la ventaja de conservar los valores originales de los datos.
A 40 estudiantes se les pidió que estimen el número de horas que habrían
dedicado a estudiar la semana pasada (tanto en clase como fuera de ella),
obteniéndose los siguientes resultados:
30 30 32 32 35 35 35 35
36 37 38 39 39 40 45 45
47 47 47 48 48 49 50 50
50 52 54 55 55 56 56 56
58 58 58 58 58 60 60 65
Solución:
A fin de elaborar el diagrama de tallo y hojas se ordena los datos con los
dígitos iniciales de cada uno, las decenas (tallos) a la izquierda de una línea
vertical, y a la derecha de esa recta el último dígito de cada dato, en este caso
la unidad, conforme recorren los datos en el orden en que fueron anotados.
3 0022
3 555567899
4 0
4 55777889
5 00024
5 5566688888
6 00
6 5
Interpretaciones:
Hay 4 estudiantes que dedican entre 30 y 32 horas semanales a estudiar, 10
estudiantes que dedican entre 55 y 58 horas semanales a estudiar, existe un
solo estudiante que dedica 65 horas semanales a estudiar.
61
DIAGRAMA DE SECTORES
Llamado también diagrama circular o de pastel. Es un gráfico en el que a cada
valor o modalidad se asigna un sector circular de área proporcional a la
frecuencia que representan.
Con los datos de la siguiente tabla sobre las calificaciones obtenidas por 40
estudiantes en una evaluación de Estadística, presentar la información a través
de un diagrama de sectores:
Xi fi
5 4
6 5
7 6
8 11
9 7
10 7
Total 40
Solución:
a) Se calcula la frecuencia relativa y el número de grados que representa cada
calificación. El número de grados se calcula multiplicando la frecuencia relativa
con 360°, así: número de grados = fr * 360°
Estos cálculos se muestran en la siguiente tabla:
Xi f fr °
5 4 0,100 36
6 5 0,125 45
7 6 0,150 54
8 11 0,275 99
9 7 0,175 63
10 7 0,175 63
Total 40 1 360
b) Se dibuja una circunferencia tomando para cada calificación tantos grados

como indica la tabla anterior como se muestra en la siguiente figura:
62
PICTOGRAMAS
Son dibujos, figuras o signos llamativos alusivos al carácter que se está
estudiando cuyo tamaño es proporcional a la frecuencia que representa los
datos.
Un equipo de fútbol en su trayectoria tiene 120 partidos ganados, 60 perdidos y
30 empatados. Al representar estos datos mediante pictogramas se obtiene:
Partidos Ganados 120
Partidos Perdidos 60
Partidos Empatados 30
Otra forma de representar los datos mediante pictogramas se muestra en la
siguiente figura:
Partidos Ganados Partidos Perdidos Partidos Empatados

120 60 30
63
AUTOEVALUACIÓN
Defina cada uno de los siguientes gráficos y elabore ejemplos de cada uno:
1-. Diagramas de barras
2-. Gráficos estadísticos básicos
3-. Histogramas
4-. Polígono de frecuencias
5-. Polígono de frecuencias acumuladas u ojiva
6-. Polígono de frecuencias relativas acumuladas porcentuales
7-. Diagrama de tallo y hojas
8-. Diagrama de sectores
9-. Pictogramas
64
REFERENCIAS BIBLIOGRÁFICAS
Levin, Richard y Rubin, David (2004) Estadística para Administración y

Economía. Editorial Pearson Educación.
Silva Jesús Alirio (2006) Metodología de la investigación. Elementos básicos.

Ed. Colegial Bolivariana. Caracas. Venezuela.
Sweeny, Denis y Thomas Willians (2008) Estadística para administración y

economía Edit. Internacional Thomson
Pestaña de Martínez, Pilar: (2002) Estadística: conceptos básicos,

terminología y metodología de la estadística descriptiva. Los libros de El
Nacional, CEC, S.A
Webster A. M. (2002) Estadística aplicada a los negocios y a la economía

Edit. Mc Graw Hill.
65

00 Guía Didáctica Estadística Mayo 2018

Cargado por

Copyright:

Formatos disponibles

00 Guía Didáctica Estadística Mayo 2018

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

00 Guía Didáctica Estadística Mayo 2018

Cargado por

Copyright:

Formatos disponibles

Guía Didáctica

Prof. Gabriel Castellano

Caracas, mayo 2018

La estadística es una herramienta fundamental en cualquier campo del saber y

Mediante la asignatura comprenderá conceptos importantes en el ámbito

Para afianzar conocimientos se irá suministrando ejercicios prácticos, y al final

El IUDAG, aportando valor agregado, le suministra esta guía al estudiante para

Competencias que se espera alcanzar en el estudiante.

FASES DEL MÉTODO ESTADÍSTICO

 ESTADÍSTICA INFERENCIAL O INDUCTIVA

Una población puede ser finita o infinita.

Ejemplo: Estatura de los empleados de una fábrica. Calificaciones de los

Dentro de ellas podemos distinguir:

Ejemplos básicos de parámetros estadísticos son: la media y la desviación

estándar. Algunos ejemplos gráficos son: histograma, pirámide poblacional,

clúster, entre otros.

Las diferentes tipos de preguntas pueden ser:

 Cerradas o dicotómicas.- Sólo pueden ser contestadas por un “sí” o por un

 Preguntas de elección múltiple o categorizada: Se trata en cierto modo

- Preguntas con respuesta en abanico: Estas preguntas permiten

pregunta. Por ejemplo: Indique otras alternativas que considere

- Preguntas de Estimación: Son preguntas cuantitativas que introducen

 ¿Cómo calificaría la política educativa del gobierno?

 ¿Qué porcentaje está de acuerdo con la política educativa del

 ¿Le interesa conocer el modelo educativo vigente?

 ¿Piensa culminar sus estudios superiores?

Sus principales características son:

CÁLCULO DE LA TALLA ÓPTIMA DE LA MUESTRA

Ejemplo ilustrativo: Calcular el tamaño de la muestra de una población de

Reemplazando valores en la fórmula se obtiene:

Nσ²Z² 1000 * 0,5² * 1,96² 1000 * 0.25 * 3,8416

MÉTODOS DE COLECTA DE DATOS

El objetivo del muestro es el de recabar los datos necesarios para practicar la

Los distintos métodos son:

Se pueden distinguir 2 tipos de métodos de muestreo: los no aleatorios y los

Muestreo aleatorio simple

Muestreo por conglomerados

Para obtener un muestreo por conglomerados manteniendo las propiedades

Muestreo por cuotas

Por lo tanto se trata de un método no aleatorio.

El método de cuotas se basa en la distribución conocida de una población

 Este método se basa en la hipótesis que la información que deseamos

 La elección de los individuos seleccionados por los investigadores en este

2-. ¿A qué se refiere la característica representativa de la muestra?

3-. ¿Cuándo se dice que la característica de la muestra es adecuada y válida?

4-. ¿Cómo se calcula de la talla óptima de la muestra

5-. ¿Dentro de la fórmula para calcular el tamaño de la muestra, qué significa:

6-. ¿Cuándo no se tiene la Desviación estándar, qué constante se usa?

7-. ¿Cuándo no se tiene el nivel de confianza, qué valores se emplean?

8-. ¿Cuándo no se tiene el error muestral, qué valores se utilizan?

9-. Calcule la muestra para una población de 10.000 habitantes

10-. Explique los tres (3) tipos de recogida de datos

11-. Diga los distintos métodos de muestreo

12-. Cuál es el método no aleatorio más utilizado

13-. Qué es el métodos de colecta de datos

 Frecuencia Absoluta Acumulada (Fi )

 Frecuencia Relativa (hi )

 Frecuencia Relativa Acumulada (H i )