Mtro Mauricio 2

Descargar como ppt, pdf o txt
Descargar como ppt, pdf o txt
Está en la página 1de 140

MAURICIO SANCHEZ BARAJAS

DOCTOR EN CIENCIAS MEDICAS


CANDIDATO A INVESTIGADOR NACIONAL
CONACYT
EL MUESTREO
Herramienta fundamental que permite conocer el
comportamiento de una población infinita a partir de
un subconjunto obteniendo mayor precisión en los
resultados
POBLACION Y MUESTRA

MUESTRA
Parte de los
I ON elementos o
Conjunto de elementos ACC A
XT R E ST R subconjunto de una
que presentan una E
MU población que se
característica o condición selecciona para el
común que es objeto de estudio de esa
estudio característica o
condición

A L IZ ACION
GENER LAZGOS
L
DE HA

POBLACION
La representatividad de la muestra depende de dos
cosas:
a) Del mecanismo de selección: que ha de
garantizar que no hay un elemento de la
población con más probabilidad que otro de
entrar en la muestra. Si no, sería una muestra
sesgada.

b) Del tamaño de la muestra: si el mecanismo


de selección es correcto, cuanto más grande
sea la muestra mayor será la probabilidad de
que se parezca a la población.
CONSIDERACIONES SOBRE LA
MUESTRA
 Cualquier subconjunto de elementos de una población es una
MUESTRA de ella.
 De cada población puede extraerse un NUMERO INDEFINIDO de
muestras.
 Cuando se utiliza la MUESTRA se pretende conocer las
características de la población.
 La muestra a estudiar, por lo tanto, debe ser representativa de la
población, pues este es requisito fundamental para poder hacer
generalizaciones validas para la población.
 Muestra representativa es aquella que reúne en si las
CARACTERÍSTICAS PRINCIPALES de la población y guarda
relación con la condición particular que se estudia.
 Los aspectos fundamentales que se deben considerar en la
extracción de una muestra REPRESENTATIVA son:
 El sistema de muestreo utilizado.
 El tamaño de la muestra.
SELECCIÓN DE MUESTRA

Una muestra es representativa


de la población cuando es un
reflejo de ella, es decir cuando
reúne las características
principales de la población en
relación con la variable en
estudio.
VENTAJAS Y LIMITACIONES DEL USO DE
MUESTRAS
• Costo reducido
• Mayor rapidez
• Mayor exactitud
• Mayores posibilidades

LIMITACIONES
• No se debe emplear muestras cuando la
población es muy pequeña
• La teoría del muestreo es compleja
 Para seleccionar una muestra , primero
que hay que hacer es definir la Unidad
de análisis (personas, organizaciones,
periódicos, comunidades etc.)
 Una vez definida la UA se procede la
delimitar una población que va a ser
estudiada.
 Contenido, lugar y tiempo
Tipos de muestreo
 Muestreo probabilístico
Subgrupo de la población el que todos los
elementos de ésta tienen la misma
posibilidad de ser elegidos.

Se obtienen definiendo las características


de la población y el tamaño de muestra.
 Muestreo no probabilístico
Subgrupo de la población en la que la
elección de los elementos no depende
de la probabilidad sino de las
características de la investigación.
TIPOS DE MUESTREO PROBABILISTICO

1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemático

3. Muestreo aleatorio Estratificado

4. Muestreo aleatorio por Conglomerados


1. MUESTREO ALEATORIO SIMPLE

Escoge al azar los miembros del universo hasta


completar el tamaño muestral previsto

En teoría se enumeran previamente todos los


elementos y de acuerdo con una tabla de
números aleatorios se van escogiendo

El procedimiento puede darse con o sin


reemplazos y esta condición afectará
posteriormente el análisis
2. MUESTREO ALEATORIO SISTEMATICO

En el universo (N) se elige el primer elemento al


azar

Luego los demás se escogen cada cierto


intervalo (k), hasta completar el tamaño
muestral (n).

El tamaño del intervalo (k) se calcula así: k =


N/n
3. MUESTREO ESTRATIFICADO

Considera que al interior del universo


existen estratos (subgrupos internamente
homogéneos pero cualitativa y
cuantitativamente diferentes entre sí), y
que no se cumple la condición de selección
aleatoria pues los miembros del grupo
mayoritario tienen una mayor probabilidad
de ser seleccionados en la muestra.
Tipos de muestreo aleatorio

Muestreo aleatorio simple: todos los


elementos de la población tienen la
misma probabilidad de ser elegidos
para formar parte de la muestra.

Muestreo aleatorio estratificado: la Estrato 1 Estrato 2


población se divide en grupos
homogéneos que llamamos estratos.
La proporción de cada estrato en la
población se mantiene en la muestra. Población
Cada uno de los estrato de la muestra
se obtiene por muestreo aleatorio
simple sobre el estrato
correspondiente de la población.

Muestra
Tipos de muestreo aleatorio (II)

Muestreo aleatorio sistemático: se


selecciona al azar un elemento de la
población y a partir de él se
seleccionan de k en k los elementos
siguientes.

Muestreo por conglomerados y


áreas: se divide la población en
distintas secciones o conglomerados.
Se eligen al azar unas pocas de estas
secciones y se toman todos los
elementos de las secciones elegidas
para formar la muestra.
Para dividir la población en secciones
podemos usar las provincias.
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes


Tienen mayor probabilidad de ser representados
CONGLOMERADOS

Grupo 1A

Grupo 5C

Grupo 2A

Grupo 3B

Heterogéneos en su interior; diferentes entre sí en


propiedades y tamaño
MUESTREO
ALEATORIO POR CONGLOMERADOS

Los miembros del grupo mayoritario tienen una


mayor probabilidad de ser seleccionados en la
muestra
No se cumple la aleatoridad

En Las Unidades de observación se eligen aleatoriamente al


interior de los conglomerados
El error de la medición (error muestral) no se de al
interior del conglomerado sino entre los conglomerados

Antes de hacer inferencias, el analista deberá examinar


la variabilidad interna de cada conglomerado y la
variabilidad entre ellos, pues es posible que algunos de
los conglomerados no sean representativos del
universo.
Muestreo
Aleatorio por Conglomerados

Requisitos Del Procedimiento :

Los conglomerados deben estar muy bien


definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.

El tamaño de cada conglomerado debe ser bien


conocido (por lo menos bien estimado)

El número de conglomerados debe ser


pequeño.
TIPOS DE MUESTREO
PROBABILISTICO NO
PROBABILISTICO
Selección aleatoria
Criterio del
investigador
ALEATORIO
SIMPLE
POR CONVENIENCIA
Selección de elementos sobre bases
aleatorias partiendo de una estructura Intencional
muestral que enumera todos los elementos
Sujetos con que puede contarse
más fácilmente, considerando
unidades supuestamente
SISTEMATICO “típicas”

Selección de una unidad por cada cierto


número de casos de alguna lista o grupo
POR CUOTAS
Accidental
ESTRATIFICADO
Divide población por subgrupos
Divide la población en subgrupos según variables de interés y escoge
homogéneos de los cuales se escogen sujetos de cada estrato por
los elementos en forma aleatoria extracción accidental

CONGLOMERADO
Selección sucesiva de muestras
aleatorias de unidades mayores o
menores por métodos aleatorios
simples o estratificados
ELEMENTOS A CONSIDERAR EN EL
PROCESO DE DEFINICION DE LA MUESTRA

Definir la población, tamaño y elementos que la componen


1.
Determinar la unidad de observación, la unidad muestra y sus
2. características (homogeneidad-heterogeneidad del fenómeno)
Precisión o margen de error / Exactitud o nivel e confianza.
3.
Determinar aquella información necesaria para hacer la
4. selección de la muestra
Definir el tamaño de la muestra
5.
Definir el método de selección de la muestra
6.
Definir los procedimientos que deben seguirse para la
7. selección de la muestra
PROCEDIMIENTO DE SELECCION
ALEATORIO SIMPLE SISTEMATICO ESTRATIFICADO CONGLOMERADOS

Determinar número de Determinar número de Determinar número de Definir los


unidades que unida des que confor- unida des que conformarán conglomerados
conformarán la muestra marán la muestra. la muestra

Enumerar o escribir Numerar todas las Determinar los estratos o Seleccionar


nombre de unidades que unidades de la subgrupos en que se subconjuntos a
conforman el universo población subdividirá la población estudiar

Anotar números en Calcular número de Numerar elementos de cada Hacer listado de


papeletas de cada uno de selección sistemática estrato unidades de cada
los elementos del universo N/n conglomerado

Extraer las unidades Determinar unidad Calcular porcentaje de cada Seleccionar unidades
correspondientes a la muestral por la que se estrato respecto del que integrarán la
muestra iniciará universo muestra

Controlar tamaño de la Proceder a conformar Calcular proporción de


muestra asegurando que la muestra (# de inicio y unida des muestrales que
tendrá el número siguientes) corresponde a cada estrato
determinado
Seleccionar de cada estrato
las unidades muestrales
INSTRUMENTO DE RECOLECCION DE
DATOS

O DE
E NT E iere
M D u
S T RU CION e re q
des
I N OL E C e s da
C O S n qu o pie gar
RE DAT ac i ó P r
Lu
rm tura
Info ru c
Est ación
f i g ur
Con
INSTRUMENTO DE RECOLECCION DE
DATOS

Los instrumentos principales que se utilizan


en la recopilación de datos, cualquiera sea la
modalidad investigativa o paradigma que se
adopte, son los siguientes:

• Observación
• Recopilación o investigación documental
• Entrevista
• Cuestionario
• Encuestas
OBSERVACIÓN:
Percibir directamente, sin intermediarios que
deformen la percepción, los hechos de la
realidad objetiva.

Diariode campo
Cuaderno de notas
 Cuadros de trabajo
 Mapas
 Dispositivos mecánicos de registro
ENCUESTA:
Una encuesta es fundamentalmente
cuantitativa y un trabajo que exige la
participación prioritaria de la estadística y de
los mecanismos propios del cálculo y del
procesamiento electrónico.

ENTREVISTA: Conversación entre dos


personas.
Estas dos personas dialogan y conversan de
acuerdo con pautas acordadas previamente.
VALIDACIÓN Y PRUEBA PILOTO DEL CUESTIONARIO
O GUÍA DE LA ENTREVISTA

Una vez elaborada la primera versión de preguntas, el investigador


deberá someter su lista de evaluación de que posee alguna experiencia en
la utilización del método y en el tema de la investigación.

Como consecuencia de esta evaluación, por regla general corresponde


hacer cambios en relación con la lista original de preguntas.

Pero además el cuestionario o la guía puede ser "validada" ante experto


tipo de pruebas o instrumentos, con el propósito de evaluar sus aspectos
técnicos y si existen fallas muy notorias modificarlas.

La prueba piloto es una simulación de la entre el propósito de ensayarla y


aplicarla en situaciones parecidas, todo ello con el objetivo de detectar
fallas y errores que podrán ser remediados a tiempo.
CRITERIOS DE INCLUSIÓN E EXCLUSIÓN

¿Cómo seleccionamos a los participantes?


CRITERIOS DE INCLUSIÓN:

Definición de las características que


necesariamente deberán tener los elementos de
estudio (la muestra).

Su objetivo es delimitar a la Población o universo


de discurso.
… CRITERIOS DE INCLUSIÓN:

Utilizados para seleccionar a los participantes


entre los potenciales participantes:
Que tenga enfermedad o condición en estudio.
Edad, sexo, …, apropiados.
Que desee colaborar
Que pueda participar
Que no presente otras enfermedades.
Su objetivo es reducir los sesgos, aumentar la seguridad de los pacientes y
la eficiencia en la estimación
CRITERIOS DE EXCLUSIÓN:

Características de los casos que aún


cumpliendo los criterios de inclusión, presentan
otras características que no deberá tener la
muestra.
(nunca entraron al estudio)
CRITERIOS DE ELIMINACIÓN:

Definición de las características que


presenten los sujetos de estudio durante el
desarrollo del mismo y que obliguen a
prescindir de ellos. (entraron pero se les
eliminó)
Ejemplo:
 Ejemplo: Se realizará un estudio experimental
controlado con dos grupos de mujeres, las que
reciben el programa de alojamiento conjunto en el
hogar y las que solo reciben la atención normada
por los servicios. Se seleccionarán mujeres
primíparas de bajo riesgo que hayan sido
atendidas en el hospital materno-infantil y recibido
por lo menos dos controles pre-natales y que
residan en el área de influencia del hospital. Se
formarán dos grupos cuya asignación será de
forma aleatoria.
CALCULO DEL TAMAÑO
DE MUESTRA
Tipo de
muestreo

Parámetro
a estimar

Calculo del tamaño Error


de la muestra muestral

Varianza
poblacional

Nivel de
confianza
 Parámetro son las medidas o datos que se
obtienen sobre la población.

 Estadistico, los datos o medidas que se obtienen


sobre una muestra y por lo tanto una estimación
de los parámetros.

 Error muestral, de estimación o standard es la


diferencia entre un estadístico y su parámetro
correspondiente.
 Nivel de confianza, probabilidad de que la
estimación efectuada se ajuste a la realidad.

 Varianza poblacional, cuando una población es


mas homogénea, la varianza es menor y el
número de entrevistas para construir un modelo
reducido del universo o de la población, será mas
pequeño.
FORMULAS PARA CALCULAR LA
MUESTRA EN ESTUDIOS
DESCRIPTIVOS
 A) PARA ESTUDIOS CUYA VARIABLE PRINCIPAL ES DE
TIPO CUANTITATIVO

 a) Para una población infinita (cuando se desconoce el total


de unidades de observación que la integran o la población es
mayor a 10,000):
n= Z2 S2
d2
 b) Para una población finita (cuando se conoce el total de

unidades de observación que la integran):


n= N Z2S2
d2 (N-1) + Z2S2
Donde:
n = tamaño de la muestra
N = tamaño de la población
Z = valor de Z crítico, calculado en las tablas del área
de la curva normal. Llamado también nivel de
confianza.
S2 = varianza de la población en estudio (que es el
cuadrado de la desviación estándar y puede
obtenerse de estudios similares o pruebas piloto)
d = nivel de precisión absoluta. Referido a la amplitud
del intervalo de confianza deseado en la
determinación del valor promedio de la variable en
estudio.
 B) PARA ESTUDIOS CUYA VARIABLE PRINCIPAL ES DE
CUALITATIVO
 a) Para población infinita (cuando se desconoce el total de

unidades de observación que la integran o la población es


mayor a 10,000):
n= Z2 pq
d2

 b) Para población finita (cuando se conoce el total de


unidades de observación que la integran):
n= N Z2 pq
d2 (N - 1) + Z2 pq
Donde:
p = proporción aproximada del fenómeno en
estudio en la población de referencia
q = proporción de la población de referencia
que no presenta el fenómeno en estudio (1 -p).
La suma de la p y la q siempre debe dar 1. Por
ejemplo, si p= 0.8 q= 0.2
Z, N y d se explicaron en el párrafo anterior.
Este tipo de medidas nos
permiten identificar y ubicar el
punto (valor) alrededor del cual
se tienden ha reunir los datos
(“Punto central”).

NOTA: en las poblaciones se


denominan parámetros y en las
muestras se les denomina
estimadores.
LA MEDIA
Es la suma de todos los valores
observados, dividido por el número total de
observaciones para obtener un promedio.

NOTA: es la mas sencilla y la mas utilizada.


EJEMPLOS
= sumatoria
µ = media
N = número de elementos
X = valores o datos

Calcule la media de los siguientes números:


10 , 11 , 12 , 12 , 13

1.Sumar las cantidades< 10 + 11 + 12 + 12 + 13 =58>


2. Dividir la suma por la cantidad de elementos<58/5>
3. El resultado es la media <11.6>

NOTA: este ejercicio se aplicó con datos desagrupados.


LA MEDIANA
Con esta medida podemos identificar el
valor que se encuentra en el centro de
los datos, después que los elementos
han sido ordenados.
EJEMPLO
PAR
1,2,3,4,5,6

La mediana está entre 3 y 4.

IMPAR:
1,2,3,4,5
La mediana es el 3
LA MODA
La medida modal nos indica el valor que
más veces se repite dentro de los datos.

NOTA: en algunos casos pueden


presentarse dos valores que se repiten
en igualdad de veces, por lo tanto
puede ser bimodal o multimodal.
EJEMPLO
Buscar la moda de:
5 12 9 5 8 7 1
Como la moda es el número que más se repite, la moda es
5.

Buscar la moda de:


14 16 18 16 15 12 14 14 16 18 20 16
16
El 14 se repite 3 veces.
El 18 se repite 2 veces.
El 16 se repite 5 veces.
Por lo tanto, la moda es 16.

Buscar la moda de :
23 35 45 33 47 31 29 22
Como ningún número se repite, no tiene moda.
CONCLUSIÓN
En conclusión las Medidas de tendencia central, nos permiten
identificar los valores más representativos de los datos, de
acuerdo a la manera como se tienden a concentrar.
La Media nos indica el promedio de los datos; es decir, nos
informa el valor que obtendría cada uno de los individuos si
se distribuyeran los valores en partes iguales.

La Mediana por el contrario nos informa el valor que separa


los datos en dos partes iguales, cada una de las cuales
cuenta con el cincuenta porciento de los datos.

La Moda nos indica el valor que más se repite dentro de los


datos.
Análisis de Datos

Dr. Mauricio Sanchez Barajas


Síntesis Descriptiva
Se refiere a la transformación de los datos
en bruto en una forma muy resumida que
facilitará su comprensión e interpretación.

Medidas de
Medidas de dispersión
tendencia central

Distribuciones de
frecuencia

Distribución de
porcentajes
Medidas de tendencia central vs.
Medidas de dispersión.

Las medidas de tendencia central tienen como


objetivo el sintetizar los datos en un valor
representativo, las medidas de dispersión nos
dicen hasta que punto estas medidas de
tendencia central son representativas como
síntesis de la información.

Las medidas de dispersión cuantifican la


separación, la dispersión, la variabilidad de los
valores de la distribución respecto al valor
central.
Medidas de Dispersión
Se utilizan para conocer la distancia de los
valores de la variable a un cierto valor
central. Permiten identificar la
concentración de los datos en un cierto
sector del recorrido de la variable.

Varianza Desviación Estándar, y el Rango.


Desviación estándar y
Varianza

Se utilizan para hacer generalizaciones


estadísticas a partir de la muestra y
aplicarlas a la población de donde se
extrajeron.
• La varianza: es la desviación cuadrada
de la media. Nunca puede ser negativa.
• La desviación estándar es la raíz
cuadrada de la varianza.
Desviación Estandar
(S)
Es una medida de la cantidad típica en la que los valores
del conjunto de datos difieren de la media. Es la medida
de dispersión más utilizada, se le llama también
desviación típica.

• La desviación estándar es siempre un valor no


negativo S será siempre > 0 por definición. Cuando S
= 0 è X = xi (para todo i).

• Es la medida de dispersión óptima por ser la más


pequeña.

• La desviación estándar toma en cuenta las


desviaciones de todos los valores de la variable .
Varianza (S2)
La varianza es una medida de dispersión relativa a algún
punto de referencia. Ese punto de referencia es la media
aritmética de la distribución.

Más específicamente, la varianza es una medida de que


tan cerca, o que tan lejos están los diferentes valores de
su propia media aritmética.

•Cuando más lejos están las Xi de su propia media


aritmética, mayor es la varianza.

•Cuando más cerca estén las Xi a su media menos es la


varianza.

•S siempre un valor no negativo, que puede ser igual o


distinta de 0. Será 0 solamente cuando Xi= X

• La varianza es la medida de dispersión cuadrática


Desviación
Estándar (S)

Mayor valor del coeficiente Mayor dispersión de


los datos del desvío estándar con respecto
a su media

Menor valor del coeficiente Menor dispersión de


los datos del desvío estándar (Mayor
Homogeneidad)
Desviación
Estándar (S)

Para Datos Aislados Para Datos Agrupados

_ _

S (X  X) 2

S  f (X  X) 2

n 1 n 1
Desviación Estándar
(S) _
Para Datos Aislados
S 
( X  X ) 2

n 1
Edades de 7 personas encuestadas
X X–X (X - X) 2
10 10 -15,7= - 5,7 32,49
14 14-15,7= -1,7 2,89
15 15 -15,7= -0,7 0,49
16 16 -15,7= 0,3 0,09 57,43
S 3,09
18 18 -15,7= 2,3 5,29 7 1
18 18 -15,7= 2,3 5,29
19 19 -15,7= 3,3 10,89
2
Total 57,43 S = 9,57
Desviación Estándar
(S) _

Para Datos Agrupados


S  f ( X  X )2
n 1
Calificaciones de 23 personas encuestadas
2 2
X F X–X (X - X) f (X - X)
17 2 17 -14= 3 9 18
16 3 16 -14= 2 4 12
15 4 15 -14= 1 1 4
14 5 14 -14= 0 0 0
13 4 13 -14= -1 1 4
12 3 12 -14= -2 4 12
11 2 11 -14= 3 9 18
Total 23 68

68 2

S 1,76 S = 3,1
23  1
Rango (R)
Rango: Es la más elemental de las
medidas, consiste simplemente en la
distancia entre los dos valores
extremos.

Es la diferencia entre el dato mayor y el


dato menor.

R = X máx. - X mín.
Rango (R)
Por Ejemplo:

1. Un estudio sobre las marcas de


afeitadoras arrojó que en un individuo
logró apenas 6 afeitadas con una marca,
mientras que otro logró afeitarse 14
veces con otra marca, así el intervalo es
de 14 - 6 con una diferencia de 8
afeitadas que representa el rango.

2. Numero de Comerciales de refrescos


que recuerdan los estudiantes de
Mercadeo II son: R=7
Resumen de fórmulas
Tabulación y Gráficas

Plan de tabulación:
tabulación Disposición
ordenada de datos en una
tabla u otro formato resumido.

Síntesis Gráfica:
Gráfica Resumir los
resultados de la investigación
en una forma gráfica.
Diseñando las tablas de reporte

 Enumérelas en secuencia

 No use numerales romanos

 El título debe indicar el contenido

 Etiquete las filas y las columnas


claramente

 Use formatos estándares y


convencionales
Diseñando las tablas de reporte

 Evite llenar demasiado las tablas

 Haga cada una auto explicativa

 Asegúrese que es limpia, simple y


ordenada

 Prueba las tablas en algunas personas


para asegurarse de que sean claras

 Inclúyalas después del texto de


referencia
Creando Gráficos

 Enumérelos en secuencia

 Cree y use un formato estándar para


figura similares

 Los títulos deben indicar que


representan las barras y líneas

 Añada etiquetas de valor si las


cantidades no se muestran localizadas
Creando Gráficos

 Haga cada figura lo mas explicativa


posible

 Incluya profundidad, sombras y color


solo si esto no distrae

 Haga que alguien las revises para saber


si son claras

 Incluya las figuras después del texto de


ser posible
Síntesis
Gráfica
Los tres tipos más comunes son:
Diagramas de sectores (Tortas),
Diagrama de barras o histogramas.
Diagrama de Sectores
(Tortas)
Se evidencia la contribución de cada parte a un total

Grafico 1. Sexo de la muestra analizada

28%
Femenino
Femenino
Masculino
72%

Masculino
Grafico 5. Nivel de Instrucción

Secundaria

23% 9%
9% TSU
Postgrado

59%
Universitaria
Diagrama de Barras
(Histogramas)
Grafico 7. Lugar donde prefieren tomar whisky
25

20 23%

15 18% 18%

10 12% 11%
9%
% %
5
4% 4%
1%
0
Cafés Fiestas Laborales P laya Casa Disco Casino Concierto Club
Grafico 9. Activos/ Servicios que posee
73% Internet
99% Celular
73% Telf. fijo
90% Computadora
Sirve para comparar datos 16% Lavaplatos

entre diferentes 92% Microonda

segmentos. 85%
77%
Secadora
DVD
56% VHS
100% TV

0 20 40 60 80 100 120
Diagrama de Barras
(Histogramas)
Se utilizan rectángulos separados, que tienen como base a cada uno
de los datos y como altura la frecuencia de ese dato.

Ejemplo: Vacunas aplicadas a una población de reses en el


Edo. Apure.
Polígonos de Frecuencia

El polígono de frecuencias es una representación gráfica


de la distribución de frecuencias que resulta
esencialmente equivalente al histograma y se obtiene
uniendo mediante segmentos los centros de las bases
superiores de los rectángulos del histograma.
Polígonos de Frecuencia
Acumuladas u Ojiva

La misma idea de unir los centros de las bases superiores


de los rectángulos de la distribución del histograma de
frecuencias acumuladas, da lugar al polígono de
frecuencias acumuladas u ojiva.
Diagrama Línea
Por lo general se usan para mostrar un mismo
tipo de dato y su evolución (valor de la acción
y el tiempo, número de ventas y precio).
……………………………………………………………………
….
Ejercicio
MEDIDAS TENDENCIA CENTRAL (Media, Mediana, Moda).
DESCRIPTIVAS DISPERSION (Rango, Desviacion Estandar, Varianza)

Hallar la Media, Mediana, Moda, Rango,


Desviación Estándar y la Varianza de la
siguiente serie de datos, que representan las
edades de un subgrupo de 13 estudiantes de la
clase de Mercadeo II de UNITEC Guacara.
23, 19, 18, 23, 20, 22, 21, 20, 25, 23, 24, 22,
18
Desviación Estándar Varianza.
_

(X  2 2
X) Es el cuadrado de la desviación estándar = S
S
n 1

También podría gustarte