Organización de datos

Estudiaremos cuatro formas de organizar los datos, a saber, por el tipo de

dato, de acuerdo a escalas de medidas, mediante tablas y mediante
representaciones gráficas.
1. Organización de datos de acuerdo al tipo

Como se ilustra en la figura existen dos tipos de datos: categóricos

(o cualitativos) y numéricos (cuantitativos).
1. Los datos categóricos o cualitativos representan categorías o
atributos (como, por ejemplo, sí o no) que pueden clasificarse
como un criterio o cualidad.

2. Los datos numéricos o cuantitativos producen respuestas

numéricas como el peso en kilogramos o el número de
universidades que hay en la Costa Atlántica.

3. Los datos discretos producen respuestas numéricas que

surgen de un conteo.

Ejemplos: La cantidad de universidades que hay en la Costa

Atlántica, el número de estudiantes en la Universidad, la
cantidad de hermanos que tiene un determinado estudiante de
administración, el número de personas en una fila, etc.
Los datos continuos producen respuestas numéricas que surgen de un
proceso de medición, donde la característica de que se mide puede tomar
cualquier valor numérico en un intervalo.
Ejemplos: El peso (en kilogramos) de una persona, su estatura (en metros),
el tiempo que usted tarda en llegar a la Universidad.
2. Organización de datos de acuerdo a escalas de medidas
Los datos también se pueden clasificar según la escala de medición o el
procedimiento que los generó. Cuatro tipos de escalas de medición usados
en estadística son las escalas nominal, ordinal, de intervalo y de razón.
Datos de nivel nominal
Un dato nominal se crea cuando se utilizan nombres para establecer categorías
con la condición de que cada dato pertenezca única y exclusivamente a una de
estas categorías.
Existen escalas nominales tanto para los datos numéricos como categóricos. Una
escala nominal para datos numéricos asigna números a las categorías.
Una escala nominal para datos categóricos es un agrupamiento no ordenado de
los datos en categorías discretas, donde cada dato puede incluirse solamente en
uno de los grupos.
Datos de nivel ordinal
Los datos medidos en una escala nominal ordenada de alguna manera se
denominan datos ordinales. Una escala ordinal coloca las medidas en categorías,
cada una de las cuales indica un nivel distinto respecto a un atributo que se está
midiendo. La lista de datos ordinales comprende:
1. Clasificaciones por letra: A, B, C y D; estos grados indican categorías de
perfeccionamiento,
así como los niveles alcanzados.
2. Rangos académicos: Doctor, magister, especialista y licenciado.
3. La evaluación de un maestro: insuficiente, aceptable, bueno y excelente.
4. Los grados de la escuela: primero, segundo, tercero, etc.
Datos de nivel de intervalo
Los datos medidos en una escala ordinal para los cuales pueden clasificarse
las distancias entre valores, se llaman datos de intervalos. La distancia entre
dos valores es importante y los datos de intervalo son numéricos por
necesidad; una escala de intervalo no siempre tiene un punto cero (es decir,
un punto que indique la ausencia de lo que se quiere medir). La lista de datos
de intervalo comprenden:
1. Puntajes en las pruebas de inteligencia.
2. Temperaturas Celsius.
3. Fechas.
3. Organización de datos mediante tablas

En esta forma de organización de datos es importante el

concepto de frecuencia de un dato.

La frecuencia (absoluta) de un dato, simbolizado con la letra

f, es el número de veces que aparece ese dato en una colección
de datos.

Ejemplo -En el conjunto de datos 4 5 5 3 2 6 7 7 7 2,

el cuatro sólo aparece una vez (por lo tanto, tiene frecuencia f = 1),

El cinco aparece dos veces (o sea, frecuencia f = 2),

El 7 tiene frecuencia f = 3, etc.

 Tabla de frecuencias no agrupadas
Son aquellas en donde cada dato tiene la frecuencia
correspondiente.

La tabla de frecuencias (no agrupada) para el conjunto de

datos 3 5 7 6 4 3 7 6 6 7 5 7 es
 Tabla de frecuencias agrupadas
Otra posibilidad de organizar datos es agruparlos en intervalos
(llamados intervalos de clase o, simplemente, clases)
Las clases de frecuencias agrupadas poseen límites de clase.

En la clase 10-14, a 10 se le llama límite inferior de clase y

a 14, límite superior de clase.

La distancia entre cualquiera de dos límites superiores

consecutivos o entre cualquiera de dos límites inferiores
consecutivos es llamada amplitud de clase. La amplitud de
cada clase en la tabla anterior es 5.
 Límites reales de clase o frontera de clase

Frontera superior de clase (o límite real superior de clase)

Frontera inferior de clase (o límite real inferior de clase)

límite inf. de la clase dada + límite sup. de la clase anterior

Frontera inferior =
2
 Sugerencias para construir una tabla de frecuencias agrupadas

1. En la realidad, se acostumbra siempre a agrupar los datos en clases en

donde los extremos de la clase son las respectivas fronteras, en vez de los
límites de clase.
2. Para mayor comodidad en el proceso de construcción de las clases,
acordaremos que la primera clase debe contener por lo menos el dato
menor (en la realidad, esto no siempre es así).
3. Las clases deben ser mutuamente excluyentes, es decir, cada dato debe
quedar exactamente en una sola clase, no en dos al mismo tiempo.
4. Para mayor comodidad en el proceso de construcción de las clases,
acordaremos que todas las clases deben tener la misma amplitud (en la
realidad, esto no siempre es así).

Determinación de la amplitud de clase. Réstense dos límites superiores de

clases consecutivos o dos límites inferiores de clases consecutivos, o dos
fronteras inferiores consecutivas, o dos fronteras superiores consecutivas, o
réstese la frontera inferior de una clase de la frontera inferior superior de dicha
clase.
5. Regla de Sturges.
La regla de Sturges establece como número de clases necesario,
aproximadamente 𝒄 = 𝟏 + 𝟑, 𝟑𝒍𝒐𝒈 𝒏 , donde n es el número de medidas y
log n es el logaritmo de n en base 10. El valor de c es común redondearlo al
entero más cercano.

Otra regla razonable para el número de clases es 𝑐 = 𝑛

6. Luego, determinar el rango R, que es la diferencia entre las medidas mayor y

menor.
7. Posteriormente la amplitud de clase w se encuentra como se muestra en el
siguiente recuadro.

Amplitud de clase. La amplitud de clase w se determina calculando

el cociente entre el rango R y el número de clases c. Es decir,
𝑅
Amplitud de clase 𝑤 =
𝑐
El valor de w es común redondearlo al entero siguiente
8. El dato menor debe caer en la primera clase. Por esta razón, el límite
inferior de la primera clase debe estar en, o un poco antes de, el dato
menor. Así que podemos establecer un acuerdo general sobre las clases de
nuestras tablas de frecuencias

Ejercicio 10
Los datos anotados representan los totales, en miles de pesos, gastados en
fotocopias por una muestra de 25 estudiantes durante un semestre.
29 89 77 72 39 47 64 84 88 57 28 63 38
42 36 72 69 68 41 52 39 84 45 52 72
Construya una tabla de frecuencias agrupadas usando la regla de Sturges.

Solución
Rango: R = Dato mayor – Dato menor = 89 – 28 = 61

Clases: 𝑐 = 1 + 3,3 log 𝑛 = 1 + 3,3 log 25 = 5,61 ≈ 6

𝑅 61
Amplitud: 𝑤 = = = 10,1 ≈ 11 (Aproximamos al entero siguiente)
𝑐 6
Construcción de la tabla de frecuencia
• Nuestra primera clase tendrá como límite inferior el dato menor y
luego los demás límites inferiores le sumaremos la amplitud.

• El primer límite superior lo obtenemos de la siguiente manera:

Dato menor + la amplitud - 1

Límites Frecuencia
Clases
reales absoluta (fi)
28 – 38 27,5-38,5 4
39 – 49 38,5-49,5 6
50 – 60 49,5-60,5 3
61- 71 60,5-71,5 4
72 – 82 71,5-82,5 4
83 – 93 82,5-93,5 4
• La marca de clase (Xi) es el punto medio de cada intervalo de clase
frontera inferior de clase + frontera superior de clase
𝑋𝑖 =
2

• La frecuencia relativa (fri) de un dato o de una clase se encuentra

dividiendo la frecuencia de dicho dato (o de la clase) entre el total de
datos.
𝑓𝑖
𝑓𝑟𝑖 =
𝑛
• La frecuencia acumulada (Fi) de cualquier dato o clase, es la suma de la
frecuencia de ese mismo dato o clase con las frecuencias de todos los
demás datos o clases anteriores
𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

• La frecuencia relativa acumulada (Fri) de un dato o de una clase se

obtiene dividiendo la frecuencia acumulada del dato o de la clase por el
número total de datos.
𝐹𝑖
𝐹𝑟𝑖 =
𝑛
Clases Límites reales Xi fi
28 – 38 27,5-38,5 33 4
39 – 49 38,5-49,5 44 6
50 – 60 49,5-60,5 55 3
61- 71 60,5-71,5 66 4
72 – 82 71,5-82,5 77 4
83 – 93 82,5-93,5 88 4
Clases Gastos Xi fi Fi
28 – 38 27,5-38,5 33 4 4
39 – 49 38,5-49,5 44 6 10
50 – 60 49,5-60,5 55 3 13
61- 71 60,5-71,5 66 4 17
72 – 82 71,5-82,5 77 4 21
83 – 93 82,5-93,5 88 4 25
11. Los datos adjuntos representan una muestra del aumento de precios
(en pesos) de la gasolina extra en una cierta ciudad a lo largo de un año
en particular.
123,9 127,9 130,9 121,9 132,9
121,9 126,9 122,8 126,9 137,9
126,9 119,9 118,9 119,8 116,9
120,8 115,9 117,9 131,9 115,9
115,9 121,9 129,9 122,8 119,9
Mediante cinco clases construya una tabla de frecuencias relativas
acumuladas agrupadas.
Solución

Rango: R = Dato mayor – Dato menor = 137,9 – 115,9 = 22

Clases: 𝑐 = 5

𝑅 22
Amplitud: 𝑤 = = = 4,4
𝑐 5
Construcción de la tabla de frecuencia
• Nuestra primera clase tendrá como límite inferior el dato menor y
luego los demás límites inferiores le sumaremos la amplitud.

• El primer límite superior lo obtenemos de la siguiente manera:

Dato menor + la amplitud

Límites reales
Frecuencia Frec. acum
de clases
115,9-120,3 9 9
120,3-124,7 7 9+7=16
124,7-129,1 4 16+4=20
129,1-133,5 4 20+4=24
133,5-137,9 1 24+1=25
Solución utilizando la regla de Sturges

Rango: R = Dato mayor – Dato menor = 137,9 – 115,9 = 22

Clases: 𝑐 = 1 + 3,3 log 𝑛 = 1 + 3,3 log 25 = 5,61 ≈ 6
𝑅 22
Amplitud: 𝑤 = = = 3,66 ≈ 3,7
𝑐 6

Construcción de la tabla de frecuencia

• Nuestra primera clase tendrá como límite inferior el dato menor y
luego los demás límites inferiores le sumaremos la amplitud.
• El primer límite superior lo obtenemos de la siguiente manera:
Dato menor + la amplitud – 0,1

Clases Limites reales Frecuencia Frec. Acum.

115,9-119,5 115,85-119,55 6 6
119,6-123,2 119,55-123,25 9 15
123,3-126,9 123,25-126,95 4 19
127,0-130,6 126,95-130,65 2 21
130,7-134,3 130,65-134,35 3 24
134,4-138,0 134,35-138,05 1 25
15. Los datos que se muestran a continuación representan el costo
(en miles de pesos) de la energía eléctrica durante un determinado
mes del año 2006 para una muestra aleatoria de 50
apartamentos en cierta ciudad importante

128 144 168 109 167 141 149 206 175 123
153 197 127 82 96 171 202 178 147 102
135 191 137 129 158 108 119 183 151 114
111 148 213 130 165 157 185 90 116 172
143 187 166 139 149 95 163 150 154 130

a) Obtenga una tabla de frecuencias con 7 intervalos de clase.

b) Grafique el correspondiente histograma de frecuencias, el polígono de
frecuencias relativas y la ojiva con frecuencias acumuladas relativas.
c) ¿Alrededor de qué cantidad parece concentrarse el costo mensual de
energía eléctrica?
d) Según su opinión, ¿cuál de las gráficas representa mejor la distribución
de los costos de energía eléctrica?
Debido a un grave accidente, el gerente de una compañía consultora perdió información
de un estudio de mercado que realizó a una importante compañía a nivel nacional de
gaseosas. Solo se conoce algunos datos parciales sobre una entrevista que se elaboró a
200 personas.
Clase fi Fi fri Fri
0 - 2,1 24
2,1 - 4,1 0,20
4,1 - 6,1 0,545
6,1 - 8,1 125
8,1 - 10,1 36
10,1 - 12,1 0,11
12,1 - 14,1 1
A. Reconstruya la tabla de frecuencia.
B. ¿Cuantas personas toman menos de 4 gaseosas por semana?
C. ¿Cuantas personas toman al menos 3 gaseosas por semana?
1.3 Análisis de datos en tablas de frecuencias no agrupadas

Medidas de tendencia central o de centralización

La estadística busca entre otras cosas, describir las características típicas

de conjuntos de datos. Las medidas de tendencia central corresponden a
valores que generalmente se ubican en la parte central de un conjunto de
datos que nos ayudan a resumir la información en un sólo número.

Media de la población Media de la muestra

σ𝑵
𝒊=𝟏 𝒙𝒊
σ𝒏𝒊=𝟏 𝒙𝒊
𝝁= ഥ=
𝒙
𝑵 𝒏

σ𝑵 σ𝒏
𝒊=𝟏 𝒇𝒊 𝒙𝒊
𝒊=𝟏 𝒇𝒊 𝒙𝒊 ഥ=
𝒙
𝝁= 𝒏
𝑵
Mediana
Para datos medidos en al menos una escala de intervalo, la mediana es el
puntaje medio ordenado.

𝑥 𝑛+1 /2 , 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
𝑥෤ = ൞1
𝑥 + 𝑥𝑛 + 1 , 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
2 𝑛/2 2

Moda
La moda, si se da, es el dato con mayor frecuencia.

Medidas de colocación o de posición relativa

Una medida de colocación o de posición relativa para una distribución de

frecuencias es aquel valor para el cual una porción específica de la distribución
queda en o debajo de él.
La mediana, los percentiles, deciles y cuartiles son ejemplos de medidas de
posición relativa.
Medidas de colocación o de posición relativa

Cuartiles.

Deciles.

10% 10% 10% 10% 10% 10% 10% 10% 10% 10%
Min D1 D2 D3 D4 D5 D6 D7 D8 D9 Max

Percentiles.

Índice  Si el índice i no es entero, se redondea al entero siguiente. Este valor

aproximado de i indica la posición del p-ésimo percentil.
𝑝𝑛  Si i es entero, el p-ésimo percentil es el promedio de los valores de los
𝑖=
100 datos ubicados en las posiciones i e i + 1.
Medidas de dispersión o de variabilidad
Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de
la distribución.

Una medida de centralización, casi nunca es suficiente por sí sola, para analizar
adecuadamente las características de un conjunto de datos. Por lo general,
necesitaremos, además, una medida de la dispersión o variación de los datos, entre las
que analizaremos se encuentran el rango o recorrido, el rango intercuartil, la desviación,
la varianza y la desviación estándar.
Varianza muestral
Rango Varianza poblacional 𝑛 2
𝑁 2 σ 𝑖=1 𝑥 𝑖 − 𝑥ҧ
𝑅 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 2
σ𝑖=1 𝑥𝑖 − 𝜇 𝑠2 =
𝜎 = 𝑛−1
𝑁 𝑛
σ𝑖=1 𝑥𝑖 2 − 𝑛𝑥ҧ 2
Rango intercuartil: 𝑁
σ𝑖=1 𝑓𝑖 𝑥𝑖 − 𝜇 2 2
2 𝑠 =
𝑅. 𝐼 = 𝑄3 − 𝑄1 𝜎 = 𝑛−1
𝑁
σ𝑁
𝑖=1 𝑥𝑖
2
𝑛 2
Desviación 2
𝜎 = − 𝜇2 σ 𝑖=1 𝑓𝑖 𝑥 𝑖 − 𝑥ҧ
𝑁 𝑠2 =
𝐷𝑖 = 𝑥𝑖 − 𝑥ҧ 𝑁 2 𝑛−1
σ 𝑓 𝑥 𝑛 2
𝜎2 =
𝑖=1 𝑖 𝑖
− 𝜇2 2
σ 𝑖=1 𝑓𝑖 𝑥 𝑖 − 𝑛𝑥ҧ 2
𝑁 𝑠 =
Desviación media 𝑛−1
𝑛
σ𝑖=1 |𝑥𝑖 − 𝑥|ҧ Desviación estándar
𝐷𝑀 = Desviación estándar
𝑛 𝜎= 𝜎 2
𝑠 = 𝑠2
 EJERCICIOS
45.La tabla siguiente contiene los salarios (en miles de pesos) de 30 trabajadores.

Salario anual 550 600 700 800 3.000

Frecuencia 8 6 7 5 4

(a)Determine la moda, la media, la mediana y el rango medio

(b)¿Cuál medida de tendencia usaría para determinar el valor central? Explique.
(c) ¿Cuál es el primer cuartil, el tercer cuartil y el sexto decil?
(d) Encuentre el rango, la desviación estándar y el rango intercuartil.
Media de la muestra Mediana Índice

σ𝒏𝒊=𝟏 𝒙𝒊 𝑝𝑛
ഥ=
𝒙 𝑥 𝑛+1 /2 , 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟 𝑖=
𝒏 100
𝑥෤ = ൞1
𝑥 + 𝑥𝑛/2 + 1 , 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
σ𝒏
𝒊=𝟏 𝒇𝒊 𝒙𝒊
2 𝑛/2
ഥ=
𝒙 𝒏
Varianza muestral
σ 𝑛 2
Rango 𝑖=1 𝑓𝑖 𝑥𝑖 − 𝑥ҧ Rango intercuartil:
𝑠2 =
𝑅 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 𝑛−1 𝑅. 𝐼 = 𝑄3 − 𝑄1
Desviación estándar
𝑠= 𝑠2
 PROCEDIMIENTOS UTILIZANDO LA CALCULADORA

1. MODE 2 1. SHIFT MODE ↓ STAT ON

2. MODE STAT 1-VAR
2. SHIFT MODE 1 AC
INTRODUCIR DATOS:
INTRODUCIR DATOS:
3. PRIMERO LOS DATOS Y
3. DATO SHIFT ,
LUEGO LAS FRECUENCIAS
FRECUENCIA M+
4. AC
(TANTOS DATOS HALLAN)
RESULTADO DE 𝑿ഥ:
RESULTADO DE 𝑿ഥ:
4. SHIFT 21 = 5. SHIFT 1 VAR 𝑥=
ҧ
RESULTADO DE LA
RESULTADO DE LA
DESVIACIÓN
DESVIACIÓN
5. SHIFT23= 6. SHIFT 1 VAR sx=
PARA LA VARIANZA
PARA LA VARIANZA
7. SHIFT VAR sx x2=
6. SHIFT23x2=
 EL COEFICIENTE DE VARIACIÓN DE PEARSON de un conjunto de datos, simbolizado por
CV, es igual a la desviación estándar dividida entre la media, multiplicada por 100 por
ciento. Es decir,

𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

𝐶𝑉 = ∙ 100%
𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

Medidas de formas

Las medidas de forma se clasifican en medidas de asimetría (o coeficiente de sesgo) y

medidas de curtosis (o de apuntamiento).

Simetría
Decimos que una distribución de frecuencias es simétrica cuando lo es su representación
gráfica, es decir, los datos equidistantes a una medida central de la misma tienen
frecuencias iguales. Esta medida central coincide con la mediana y la media.

Asimetría
Una distribución de frecuencias que no es simétrica, se denomina asimétrica. La asimetría se
puede presentar a la derecha ( asimetría positiva) o a la izquierda ( asimetría negativa) si la
representación grafica está más “estirada” hacia la derecha o hacia la izquierda,
respectivamente.
 EJERCICIOS

49. La tabla siguiente da una muestra de los tiempos de recorrido (en minutos) de un camino
de 2,5 millas para el carro de Humberto y el de Greyci.

Encuentre el promedio de los tiempos de recorrido para cada uno de los carros.
(b) Calcule la varianza de los tiempos de recorrido para cada uno de los carros,
respectivamente.
(c) ¿Qué auto tuvo un desempeño más consistente, si la consistencia se mide con la varianza?
(d) Encuentre el coeficiente de variación para cada carro y comente al respecto.
1.4 Análisis de datos en tablas de frecuencias agrupadas

Es posible calcular las medidas de tendencia central y dispersión para datos

exhibidos en una tabla de frecuencia agrupada, pero sus valores no son exactos
sino únicamente aproximados. Eso se debe al desconocimiento de las medidas
en grupo, las cuales se han colocado en intervalos de clase. En esta sección,
describiremos procedimientos para calcular medidas numéricas que resuman
la información cuando sólo disponemos de datos agrupados.

σ𝑛
𝑖=1 𝑓𝑖 𝑥𝑖 Varianza muestral
Media: 𝑥ҧ =
𝑛
𝑛 2
𝑛 2
σ𝑖=1 𝑓𝑖 𝑥𝑖 − 𝑥ҧ
−𝐹 𝑠 =
Mediana: 𝑥෤ = 𝐿𝑚𝑒𝑑 + 2
𝑤 𝑛−1
𝑓𝑚𝑒𝑑 𝑛 2 2
σ𝑖=1 𝑓𝑖 𝑥𝑖 − 𝑛 𝑥ҧ
𝑠2 =
𝑛−1
𝐷𝑎
Moda: 𝑀𝑜 = 𝐿𝑚𝑜𝑑 + 𝑤
𝐷𝑎 +𝐷𝑏
Desviación estándar
𝑝%∙𝑛−𝐹 𝑠= 𝑠2
p-ésimo punto percentil= 𝐿𝑝 + 𝑤
𝑓𝑝
 DATOS AGRUPADOS
52.Se toma una muestra de 20 estudiantes. La tabla siguiente muestra la cantidad de tiempo
(en horas) empleado por cada uno de estos estudiantes de dicha muestra en preparar un
examen.
Tiempo de estudio (Horas) 0–3 3–6 6–9 9 – 12 12 - 15
Número de estudiantes 2 6 7 4 1
(a) Hallar las frecuencias relativas y las frecuencias relativas acumuladas.
(b) Estimar la media, la mediana, la moda y la desviación típica del tiempo de estudio.

σ𝑛
𝑖=1 𝑓𝑖 𝑥𝑖 Varianza muestral
Media: 𝑥ҧ =
𝑛
σ𝑛 2
𝑖=1 𝑓𝑖 𝑥 𝑖 − 𝑥ҧ
𝑛 𝑠2 =
2
−𝐹 𝑛−1
Mediana: 𝑥෤ = 𝐿𝑚𝑒𝑑 + 𝑤 σ𝑛
𝑓 𝑥 2
− 𝑛 𝑥ҧ 2
𝑓𝑚𝑒𝑑 𝑖=1 𝑖 𝑖
𝑠2 =
𝑛−1
𝐷𝑎
Moda: 𝑀𝑜 = 𝐿𝑚𝑜𝑑 + 𝑤
𝐷𝑎 +𝐷𝑏 Desviación estándar
𝑠= 𝑠2
𝑝%∙𝑛−𝐹
p-ésimo punto percentil= 𝐿𝑝 + 𝑤
𝑓𝑝
53. Durante una epidemia de gripe, los tiempos de espera en cierto centro de salud
fueron más largos de lo habitual. La siguiente tabla resume la distribución de los
tiempos de espera para una muestra de 24 pacientes que visitaron el centro de
salud durante este período.

Tiempo de espera (horas) 0–1 1–2 2–3 3–4

Número de pacientes 7 10 5 2

(a) Hallar las frecuencias acumuladas, relativas y relativas acumuladas.

(b) Dibujar el histograma, un polígono y una ojiva.
(c) Estimar la media, la mediana, la moda, la varianza y la desviación típica del
tiempo de espera.