TRABAJO

PRÁCTICO:
MATEMÁTICA
–
ESTADÍSTICA

INTEGRANTES:
COLEGIO CUMBRE Arián Alarcón,
SEXTO DE SECUNDARIA Francisco Alcázar,
GESTION 2024
MATEMATICAS
Sebastián Aramayo,
28/10/2024 Franco Romay,
Sergio Sanjinés.
TRABAJO PRÁCTICO: MATEMÁTICA – ESTADÍSTICA

1) ¿Qué estudia la estadística?

La estadística se encarga del estudio y aplicación de métodos científicos para manejar datos, desde su
recolección hasta su análisis. Estos métodos permiten obtener información valiosa para tomar decisiones
en situaciones de incertidumbre y están presentes en numerosos campos, como la economía, la biología,
la ingeniería, la psicología y más. En resumen, la estadística ayuda a convertir datos en información útil
para comprender fenómenos y hacer predicciones fundamentadas.

2) Divisiones de la estadística

● Estadística descriptiva: Resume y organiza los datos de una manera comprensible. Esto puede
incluir el cálculo de medidas de tendencia central, como la media o la moda, y de dispersión, como
la varianza y la desviación estándar, además de su representación visual mediante gráficos.
● Estadística inferencial: Permite hacer inferencias o conclusiones sobre una población completa a
partir de una muestra. Este campo incluye el uso de probabilidades, intervalos de confianza y
pruebas de hipótesis para validar suposiciones y tomar decisiones científicas basadas en datos.

3) ¿Qué estudia la estadística descriptiva?

La estadística descriptiva se centra en la recopilación, presentación y análisis básico de los datos sin hacer
generalizaciones o inferencias sobre una población más amplia. Su objetivo es organizar la información de
manera que se puedan observar patrones o características destacadas, como el promedio de un conjunto
de datos o cómo varían estos datos respecto a la media. Es común el uso de gráficos y tablas para facilitar
esta comprensión.

4) ¿Qué estudia la inferencia estadística?

La inferencia estadística se utiliza para hacer conclusiones o predicciones sobre una población a partir de
una muestra representativa. Esto implica el uso de técnicas como estimaciones puntuales, intervalos de
confianza y pruebas de hipótesis, que permiten evaluar si los resultados observados en una muestra son
representativos de toda la población. Es clave para tomar decisiones basadas en datos en ámbitos como la
medicina, la ingeniería y la economía.

5) ¿Qué son los estadígrafos de posición y estadígrafos de dispersión?

Estadígrafos de Posición
Los estadígrafos de posición nos indican dónde se encuentran ubicados los datos dentro de la distribución.
Nos ayudan a entender el centro o ciertas posiciones específicas de los datos.

Página 2
 ● Media: Es el promedio de todos los valores en el conjunto de datos. Se calcula sumando todos los
datos y dividiéndolos por el número total de datos. Representa el "centro de gravedad" de la
distribución.
● Mediana: Es el valor central de un conjunto de datos ordenado. La mitad de los datos está por debajo
y la otra mitad está por encima de la mediana. Si los datos están agrupados, la mediana se encuentra
en el intervalo que contiene el 50% de los datos.
● Moda: Es el valor o intervalo que aparece con mayor frecuencia en un conjunto de datos. En datos
agrupados, la moda está en el intervalo con la frecuencia más alta.
● Cuartiles: Dividen la distribución en cuatro partes iguales. Los más comunes son:
○ Primer cuartil (25% de los datos están por debajo).
○ Segundo cuartil o mediana (50% de los datos están por debajo).
○ Tercer cuartil (75% de los datos están por debajo).
● Deciles: Dividen la distribución en diez partes iguales. Cada decil representa el 10% de los datos
acumulados.
● Percentiles: Dividen la distribución en cien partes iguales. Cada percentil representa el 1% de los
datos acumulados.

Estadígrafos de Dispersión
Los estadígrafos de dispersión nos muestran cuánto se dispersan o se alejan los datos del centro (la media).
Son útiles para entender la variabilidad dentro de un conjunto de datos.
● Rango: Es la diferencia entre el valor máximo y el valor mínimo en el conjunto de datos. Indica la
amplitud total de los datos, pero no refleja detalles sobre la variabilidad interna.
● Varianza (s²): Mide la dispersión de los datos en relación con la media. Calcula el promedio de las
desviaciones al cuadrado respecto a la media, dándonos una idea de cuánto se alejan los valores
de su promedio.
● Desviación Estándar (s): Es la raíz cuadrada de la varianza. Mide la dispersión de los datos respecto
a la media, en las mismas unidades que los datos originales. Es uno de los estadígrafos de
dispersión más comunes.
● Coeficiente de Variación (CV): Es una medida de dispersión relativa, expresada como un porcentaje
de la media. Se calcula como 𝐶𝑉=𝑠/𝑥×100 donde 𝑠 es la desviación estándar y 𝑥 es la media. Nos
ayuda a comparar la variabilidad entre distintos conjuntos de datos, incluso si tienen unidades o
escalas diferentes.

6) Etapas de la estadística descriptiva

● Recolección de datos: Obtención de datos mediante encuestas, censos, experimentos u

observación.
● Organización de los datos: Clasificación y estructuración de los datos para facilitar su análisis.
● Presentación de los datos: Uso de gráficos (barras, histogramas, sectores) y tablas para visualizar
la información.
● Resumen y análisis: Cálculo de medidas estadísticas para identificar características principales
como tendencias y variabilidad de los datos.

Página 3
7) ¿Dónde, cuándo y quiénes utilizan la estadística descriptiva?

La estadística descriptiva es ampliamente usada en sectores que requieren el análisis de datos, como:
● Ciencias de la salud: Para el análisis de estudios clínicos y epidemiológicos.
● Empresas: Evaluación de la satisfacción del cliente, ventas y tendencias de mercado.
● Gobierno: Para censos y estudios poblacionales que informan políticas públicas.
● Educación: Evaluación de rendimiento académico y análisis de pruebas.

8) Tipos de variables en estadística descriptiva

Cualitativas: Estas variables representan cualidades o características no numéricas. Pueden ser:

● Nominales: Sin orden específico, como "color de ojos" o "género".
● Ordinales: Con orden o jerarquía, como "nivel de satisfacción" (bajo, medio, alto).
● Cuantitativas: Son variables numéricas y se dividen en:
● Discretas: Números enteros sin valores intermedios (ej., cantidad de hijos).
● Continuas: Números reales con infinitos valores intermedios (ej., altura, peso).

9) Defina población

La población es el conjunto total de elementos con una o varias características en común que se estudian
en una investigación. Por ejemplo, la población puede ser "todos los estudiantes de una universidad" si se
analiza su rendimiento académico. La población puede ser finita (por ejemplo, los habitantes de una ciudad)
o infinita (por ejemplo, el número de lanzamientos posibles de una moneda).

10) Defina muestra

Una muestra es un subconjunto de la población que se selecciona para analizar en lugar de estudiar a todos
los elementos de la población. La muestra debe ser representativa para que los resultados obtenidos de
ella se puedan generalizar a la población completa.

11) Gráficos utilizados en estadística

Los gráficos son herramientas visuales esenciales para la estadística, ya que permiten observar patrones,
tendencias y distribuciones en los datos.Los tipos de gráficos más comunes incluyen:

Página 4
- Diagrama de barras: Representa la frecuencia de datos cualitativos o cuantitativos discretos.

- Histograma: Muestra la frecuencia de datos cuantitativos continuos en intervalos.

- Diagrama de sectores (pastel): Representa porcentajes o proporciones de categorías dentro de un

total.

- Polígono de frecuencias: Útil para ver la distribución de datos.

Página 5
 - Diagrama de dispersión: Muestra la relación entre dos variables cuantitativas.

12) Fórmulas que permiten el cálculo de:

A. Cálculo de la Media Aritmética

Para Datos Discretos:

● Multiplica cada valor de la variable (cada dato) por la cantidad de veces que aparece (frecuencia).
● Suma todos estos productos.
● Divide el resultado por el total de datos (la suma de las frecuencias).
Ejemplo: Si tienes los datos 3, 3, 5 y 7 con frecuencias 2, 1 y 1 respectivamente, entonces haces:
(3×2)+(5×1)+(7×1)=6+5+7=18.
Finalmente, divides el total (18) entre la suma de frecuencias (4), y obtenemos la media:
18÷4=4.5.

Para Datos Continuos (en Tablas de Frecuencia):

● Para cada intervalo de clase, calcula la marca de clase, que es el punto medio entre los límites del
intervalo. Por ejemplo, para el intervalo [0–4], la marca de clase sería
● (0+4)÷2=2.
● Multiplica cada marca de clase por su frecuencia correspondiente.
● Suma todos estos productos.
● Divide el total por el número total de datos (suma de las frecuencias).
Ejemplo:
Marca de clase de 2 con frecuencia de 5 → 2×5=10.
Luego divides el total por el número de datos.

Página 6
B. Estadígrafos de Posición y Dispersión

Posición:
Percentiles y Cuartiles: Estas medidas dividen los datos en partes iguales (cuartiles en 4 partes, percentiles
en 100). Para hallarlos:
● Ordena los datos de menor a mayor.
● Encuentra la posición deseada multiplicando el total de datos por el percentil o cuartil que necesitas.
● Busca el dato que corresponde a esa posición o interpola si queda entre dos.
Ejemplo de un percentil: Si tienes 20 datos y quieres el percentil 25, busca la posición
0.25×20=5. Entonces el percentil 25 es el valor que está en la posición 5.
Dispersión:
Rango: Resta el valor mínimo del valor máximo.
● Varianza y Desviación Estándar:
● Calcula cuánto se aleja cada dato de la media, restando cada valor con la media que ya calculaste.
● Eleva al cuadrado estos resultados y multiplícalos por sus frecuencias.
● Suma estos productos y divídelos por el total de datos para la varianza.
● La desviación estándar es simplemente la raíz cuadrada de la varianza.
Ejemplo para datos agrupados: Si la media es 8 y un dato (marca de clase) es 10, el cuadrado de la
diferencia (10 - 8) al cuadrado, es 4.

C. Mediana

Para Datos Discretos:

● Ordena los datos de menor a mayor.
● Si el total de datos es impar, la mediana es el valor en el medio.
● Si es par, la mediana es el promedio de los dos valores centrales.
Ejemplo: Para datos 3, 4, 5, 7, 8 (impar), la mediana es 5. Para 3, 4, 5, 7 (par), la mediana es el promedio
de 4 y 5, es decir, 4.5.

Para Datos Continuos:

● Encuentra el intervalo de la mediana, que es el que contiene el valor central (esto se encuentra con
la frecuencia acumulada que supera la mitad del total).
● Toma el límite inferior del intervalo de la mediana.
● Calcula la posición de la mediana dentro de ese intervalo considerando cuántos datos necesitas
para alcanzar la posición central.
Ejemplo: Si necesitas el dato número 10 en un intervalo [4–8], calcula cuánto necesitas dentro de ese
intervalo para llegar a esa posición, basándote en la frecuencia y amplitud del intervalo.

Página 7
D. Moda

Para Datos Discretos:

● La moda es el valor que aparece con mayor frecuencia.
Ejemplo: Si en una serie tienes 3, 3, 4, 5, 5, 5, la moda es 5 porque es el valor más frecuente.
Para Datos Continuos:
● Encuentra el intervalo con la mayor frecuencia.
● Usa el límite inferior de este intervalo y la diferencia entre las frecuencias del intervalo y los
adyacentes para ajustar la moda a un valor cercano al punto medio.
Ejemplo: Si el intervalo [4–8] tiene la frecuencia más alta, usa su límite inferior y el ancho para encontrar la
moda ajustada.

13) ¿Cuáles son las medidas de asimetría y apuntamiento? Dar fórmulas.

Medidas de Asimetría
La asimetría mide si los datos están distribuidos de manera simétrica o si tienden a agruparse hacia un lado
de la media. Una distribución es:
● Simétrica si los datos están distribuidos igualmente en ambos lados de la media.
● Asimétrica positiva (sesgo a la derecha) si los datos tienden a agruparse a la izquierda, dejando una
"cola" hacia la derecha.
● Asimétrica negativa (sesgo a la izquierda) si los datos se agrupan más hacia la derecha, dejando
una "cola" hacia la izquierda.
Para cuantificar la asimetría, usamos el coeficiente de asimetría de Pearson:
Coeficiente de Asimetría de Pearson

Datos Discretos:
● Este coeficiente se calcula usando la media, mediana y la desviación estándar de los datos.
● Restamos la media de la mediana, multiplicamos el resultado por 3, y luego dividimos entre la
desviación estándar.

Página 8
 ● Si el coeficiente es positivo, indica asimetría positiva; si es negativo, asimetría negativa; y si es cero,
indica simetría.

Datos Continuos (en Tablas de Frecuencia):

● Primero calculamos la media, la mediana y la desviación estándar usando la tabla de frecuencias.
● Luego aplicamos el mismo proceso: restamos la media de la mediana, multiplicamos por 3 y
dividimos por la desviación estándar.

Medidas de Apuntamiento
El apuntamiento mide la "altura" o "achatamiento" de la distribución en comparación con una distribución
normal (la curva de campana estándar). Se cuantifica con el coeficiente de curtosis.
● Curtosis positiva (leptocúrtica): La distribución es más "puntiaguda" que la normal, lo que significa
que los datos están muy concentrados alrededor de la media.
● Curtosis negativa (platicúrtica): La distribución es más "aplanada" que la normal, lo que indica que
los datos están más dispersos.
● Curtosis normal (mesocúrtica): La distribución es similar a la curva de campana estándar.
Para calcular el apuntamiento o curtosis, necesitamos una idea general de la fórmula sin entrar en los
detalles específicos. Básicamente:

Para Datos Discretos:

● Calculamos cuánto se aleja cada dato de la media y elevamos este valor a la cuarta potencia (esto
enfatiza mucho los valores extremos).
● Multiplicamos estos valores por la frecuencia de cada dato.
● Sumamos los resultados y dividimos entre el número total de datos.
● Finalmente, comparamos el resultado con el apuntamiento de una distribución normal para
determinar si es más puntiaguda o aplanada.

Para Datos Continuos:

● Procedemos de manera similar, usando la marca de clase en lugar de los valores individuales.
● Calculamos las diferencias entre cada marca de clase y la media, elevamos a la cuarta potencia y
multiplicamos por la frecuencia de cada clase.
● Sumar estos valores y dividirlos por el total de datos nos da el coeficiente de curtosis.

Página 9
Ejercicio a resolver dado por el profesor

Calcular el rango (R):

𝑅=𝑋max−𝑋mın=174−150=24

Hallar el número de intervalos (k):

Utilizamos la regla de Sturges:
𝑘=1+3.322log⁡(80)≈1+3.322×1.903=1+6.32=7.32
Redondeamos a
k=7.

Calcular la amplitud de clase (A):

𝐴=𝑅/𝑘=24/7≈3.43
Redondeamos a 4 (para tener amplitudes manejables).

Definir los intervalos:

Vamos a tomar el primer intervalo desde 150 (el valor mínimo) y sumar la amplitud de 4. Los intervalos
serán:
[150, 154]
[154, 158]
[158, 162]
[162, 166]
[166, 170]
[170, 174]

Página 10
 Intervalo Marca de Frecuencia Frecuencia Frecuencia Frecuencia
clase absoluta (f) acumulada relativa relativa
(F) acumulada

[150-154] 152 29 29 0.3625 0.3625

[154-158] 156 23 52 0.2875 0.6500

[158-162] 160 12 64 0.1500 0.8000

[162-166] 164 17 81 0.2125 1.0125

[166-170] 168 8 89 0.1000 1.1125

[170-174] 172 7 96 0.0875 1.2000

Media
29⋅152=4408
23⋅156=3588
12⋅160=1920
17⋅164=2788
8⋅168=1344
7⋅172=1204
Total = 15252
Media=15252/80=190.65

Mediana
Mediana = 154 + ((40-29)/23) x 4 = 155.91

Moda
Moda = 150 + ((29-0)/(29-0)+(29-23)) x 4= 153.31

INTEGRANTES
Arián Alarcón,
Francisco Alcázar,
Sebastián Aramayo,
Franco Romay,
Sergio Sanjinés.

Página 11