Diagrama de tronco y hojas

Este diagrama nos sirve para representar un conjunto de datos de forma

ordenada muy similar a un histograma esto tambin nos permitir obtener una
distribucin de frecuencia de la variable los datos deben tener mnimo dos
dgitos.
Pasos para realizar un diagrama de tronco y hojas
1* Se ordena de forma ascendente todos los datos para una mas rpida
construccin del diagrama de tronco y hojas
2* se selecciona unos o mas dgitos para que sean los troncos por lo general son
el primer o los dos primeros dgitos de cada dato el siguiente digito forman las
hojas, son necesarios al menos 5 troncos.
3* los troncos son colocados de forma vertical de menor a mayor.
4* se registra las hojas una tras otra separadas por una coma junto al tronco
correspondiente.
EJEMPLO:
Construir un diagrama de tronco y hojas para el siguiente conjunto de
calificaciones
78
99
80
69

75
87
81
79

95
76
95
98

81
70
100
87

100
83
52
54

52-54-69-70-75-76-78-79-80-81-81-83-87-87-95-95-98-99-100-100
TRONCO

HOJAS

2,4

0, 5, 6, 8,9

0, 1, 1, 3, 7, 7

5, 5, 8, 9

10

0, 0
Distribucin de frecuencia:

Son el conjunto de datos mutuamente excluyentes que nos indica el numero de

observaciones pertenecientes a cada categora.
-

Punto medio de clase

Es el valor medio del intervalo

EJEMPLO:
Intervalo
[20-25)
[25-30)
[30-35)
[35-40]

Punto medio de clase

22,5
27,5
32,5
37,5

Xi 1=

20+ 25
=22,5
2

Xi 1=

25+ 30
=27,5
2

Xi 1=

30+ 35
=32,5
2

Xi 1=

35+ 40
=37,5
2

Xi

Intervalo de clase o rango

Este se emplea cuando el numero de datos es demasiado grande y se calcula

tomando el valor mas grande menos el valor mas pequeo.
EJEMPLO:
Encuentre el rango
25-27-30-20-23-27-29-33-40-25

rango=dato mayordatomenor
rango=4020

rango=20

Distribuciones de frecuencia relativas

Nos indica el numero total de datos que aparecen en cada intervalo, se pueden
expresar de forma porcentual, la suma de las frecuencias relativas es igual a 1.

fi= ( )
N

fi = frecuencia relativa
ni = frecuencia absoluta
N = numero total de datos
Pasos para encontrar la frecuencia relativa
1* se encuentra el numero de intervalos
2* se encuentra el rango
3* se encuentra la amplitud
4* se encuentra la frecuencia relativa
EJEMPLO:
Se encuestan a 10 personas y se les pregunto la edad
25-27-30-20-23-27-29-33-40-25
Numero de intervalos

1+3,3 log n
1+3,3 log 10=4.3 4
Rango

rango=dato mayordatomenor
rango=4020

rango=20
Amplitud

a=

rango
de intervalos

a=

20
4

a=5

Edad
[20-25)

ni
2

fi
0,2

[25-30)
[30-35)
[35-40]

5
2
1

0,5
0,2
0,1
1

fi=
N
fi

fi
fi

fi

1=

2
=0,2
10

2=

5
=0,5
10

1=

2
=0,2
10

1=

1
=0,1
10

Distribuciones de frecuencias relativas acumuladas

Es el cociente entre la frecuencia acumulada de un determinado valor y el

nmero total de datos
EJEMPLO:
El mismo ejemplo
continuaremos aqu
Edad
[20-25)
[25-30)
[30-35)
[35-40]

para
ni
2
5
2
1

Fi1=0,2
Fi2=0,2 +05=0,7
Fi3=0,7 +0,2=0,9
Fi4 =0,9+0,1=1

Distribuciones marginales

la

distribucin
fi
0,2
0,5
0,2
0,1
1

de

frecuencia

relativa

Fi
0,2
0,7
0,9
1

solo

lo

Dadas dos variables aleatorias juntas X&Y, la distribucin marginal de X es

simplemente la ley de probabilidad de X haciendo caso omiso de la
informacin referente a Y. Este tipo de clculo se produce cuando se
considera el estudio de una tabla de contingencia [1]

EJEMPLO:
De la siguiente tabla de frecuencia absoluta
observaciones de una variable bidimensional calcular:
a) Las distribuciones marginales de X y de Y
X\Y
8
11
14

10
8
12
24

16
10
20
10

22
10
0
10

28
6
14
6

corresponde

34
0
10
20

200

40
10
20
10

a)
X\Y
8
11
14
n.j

10
8
12
24
44

16
10
20
10
40

22
10
0
10
20

28
6
14
6
26

Distribuciones marginales conjuntas

Distribucin condicional

34
0
10
20
30

40
10
20
10
40

n.i
44
76
80
200

En esta caso nos dan un valor de una de las variables que se encuentre en las
tablas
EJEMPLO:
De la siguiente tabla de frecuencia absoluta
observaciones de una variable bidimensional calcular:
b) La distribucin de X condicionada a que Y = 34
c) La distribucin de Y condicionada a que X = 14
X\Y
8

10
8

16
10

22
10

28
6

corresponde

34
0

40
10

200

11
14

12
24

20
10

0
10

14
6

10
20

20
10

10
8
12
24

16
10
20
10

22
10
0
10

28
6
14
6

34
0
10
20

40
10
20
10

16
10
20
10

22
10
0
10

28
6
14
6

34
0
10
20

40
10
20
10

b) Y=34
X\Y
8
11
14
X\ Y= 34

Ni5

11

10

14

20

c) X = 14
X\Y
8
11
14

10
8
12
24
Y\ X = 14

n3j

10
16

24
10

22
28
34
40

10
6
20
10

Independencia estadstica

Las variables estadsticas son estadsticamente independientes cuando el

comportamiento de una de ellas no se afecta por los valores que tome la otra.

ni
ni . j N n j
=
N
N
EJEMPLO:

ni.

10

16

10

20

10

32

15

40

20

64

nj.

70

35

112

Par 1,1

Par 1,2

Par 1,3

16
7
1
112
1
=
=
112
112
112
16
7 0
1 0 112
10
=
=
112
112
112
16
35
5
112
5
=
=
112
112
112

Par 2,1

32
7
2
112
2
=
=
112
112
112

Par 2,2

32
70
20 112
20
=
=
112
112
112

Par 2,3

32
35
1 0 112
10
=
=
112
112
112

Par 3,1

64
7
4
112
4
=
=
112
112
112

Par 3,2

64
70
4 0 112
40
=
=
112
112
112

Par 3,3

64
35
20 112
20
=
=
112
112
112

Simetra y asimetra de distribuciones

Distribuciones simtricas
Es cuando los valores se acercan a la figura de la campana de gauss es decir es
igual en el lado izquierdo como el derecho.

Figura 1 campana de gauss

[2]

Distribuciones asimtricas
Es cuando los valores al realizar la grafica del histograma no tiene simetra con
respecto a la barra central.
Referencias:
[1] Trumpler and Weaver (1962), pp. 3233.
[2] http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
Bibliografa

Probabilidad y estadstica aplicadas a la ingeniera, Douglas C. Montgomery y

George C. Runger. Limusa Wiley, 2002. Segunda edicin.
Probabilidad y estadstica aplicadas para ingeniera, Ronald E. Walpole, Raymond
H Myers, y Sharon L. Myers. Prentice Hall, 1998.
Anlisis estadstico de datos con Excel, Henry Mendoza Rivera y Gloria R.
Bautista. XIX coloquio Distrital de Matemticas y Estadstica. 2003
Metodologa de la investigacin, Roberto Hernndez Sampieri y otr os, McGrawHill. 1998.

Probabilidad y estadstica para ingeniera y ciencia. Mendenhall, W. Sincich, T.

Prentice Hall. 1997.
Estadstica Industrial Moderna. Diseo y control de la calidad y la confiabilidad.
Ron S. Kenett, Shelemyahu Zacks. Internacional Thompson editores.2000.

Variantes del Diagrama de Tallos y Hojas

Autores: Jorge Ollero Hinojosa, Jos Ramrez Labrador, Hctor Manuel Ramos Romero
Localizacin: Actas del XXX Congreso Nacional de Estadstica e Investigacin Operativa y de
las IV Jornadas de Estadstica Pblica, 2007, ISBN 978-84-690-7249-3
Recoge los contenidos presentados a: Congreso Nacional de Estadstica e Investigacin
Operativa (30. 2007. Valladolid)
Resumen

Jorge Andrs Alvarado Valencia, Juan Jos Obagi Arajo, (2008), Fundamentos de inferencia
estadstica, Ed. Universidad Javeriana de Bogot, pg. 19