SITUACION ESTUDIO La Estadstica es una disciplina que se aplica en muchos campos de la actividad del ser humano.

Es muy frecuente encontrarse en las diferentes disciplinas del saber con incertidumbres como el pronosticar el crecimiento poblacional de un pas, el crecimiento econmico de una empresa o el crecimiento de produccin y venta de un producto especfico, el conocer la efectividad de diferentes abonos en el campo agrario, el determinar la tendencia de contaminacin del agua o el aire, la clasificacin de personal en una empresa para efectos de una buena y sana poltica laboral, etc. Habitualmente, el propsito de la Estadstica Aplicada es el de sacar conclusiones de una poblacin en estudio, examinando solamente una parte de ella denominada muestra. Este proceso, llamado Inferencia Estadstica, suele venir precedido de otro: la Estadstica Descriptiva, en el que los datos son ordenados, resumidos y clasificados con objeto de tener una visin ms precisa y conjunta de las observaciones, intentando descubrir de esta manera posibles relaciones entre los datos, viendo cules toman valores parecidos, cules difieren grandemente del resto, destacando hechos de posible inters, entre otros. En todos los campos de la investigacin se requiere a menudo el uso racional de los Mtodos Estadsticos. Los procesos de planeacin, control y toma de decisiones econmicas, administrativas y financieras se basan en resultados obtenidos mediante el anlisis estadstico de los fenmenos en ellos involucrados. El acelerado desarrollo de mtodos, tcnicas y tecnologas para el ptimo anlisis de datos justifica que un profesional disponga de una slida fundamentacin conceptual para que realice apropiadamente su evaluacin y aporte

sustentaciones a su decisin. Las interpretaciones que generan los datos pudieran ser errneas para aquellas personas que no cuentan con criterios vlidos para captar la informacin. Es por ello que con este mdulo se pretende que el estudiante se adentre a los conocimientos bsicos de la Estadstica Descriptiva. Enfrentarse con datos de muy diversa ndole es cosa de todos los das en cualquier prctica del ser humano. Sin embargo, dado la cantidad innumerable de

estos, no siempre se comprende el real alcance de lo que dicen. Como parte de una base cultural necesaria para desempearse en el mundo de hoy, es requisito desarrollar una capacidad personal para extraer y describir informacin presente en un conjunto de datos. Yes precisamente all donde resalta la importancia de la Estadstica Descriptiva como primer paso en la determinacin de decisiones e inferencias que pueden concluirse de la variada informacin que nos llega en forma de datos numricos.

1. POBLACIN.

Conceptos bsicos Poblacin: Es el conjunto de medidas, individuos u objetos que comparten

una caracterstica en comn. La poblacin se basa en cuatro caractersticas: contenido, tipo de unidades y elementos, ubicacin espacial y ubicacin temporal. De la poblacin es extrada la muestra. Muestra: Es un conjunto de elementos extrados de la poblacin. Los

resultados obtenidos en la muestra sirven para estimar los resultados que se obtendran con el estudio completo de la poblacin. Para que los resultados de la muestra puedan generalizarse a la poblacin, es necesario que la muestra sea seleccionada adecuadamente, es decir, de modo que cualquiera de los elementos de la poblacin tenga la misma posibilidad de ser seleccionados. A este tipo de muestra se le denomina muestra aleatoria. La unidad estadstica es el elemento de la poblacin que reporta la

informacin y sobre el cul se realiza un determinado anlisis. Los datos son todas aquellas caractersticas o valores susceptibles de ser observados, clasificados y contados. Estos pueden ser experimentales, cuando se le aplica un tratamiento especial a las unidades muestreadas; de encuesta, cuando son tomadas sin ningn tratamiento; clasificados, cuando estn agrupados segn una caracterstica determinada; originales, informacin que no ha recibido ningn tratamiento estadstico; primarios, cuando son recogidos, anotados u observados por primera vez; o secundarios, cuando son recopilados por otra persona o entidad diferente al investigador.

VARIABLE ESTADSTICA. Una variable estadstica es cada una de las caractersticas o

cualidades que poseen los individuos de una poblacin. Tipos de variable estadsticas Variable cualitativa Las variables cualitativas se ser refieren medidas a caractersticas con nmeros. o

cualidades que no pueden distinguir dos tipos:

Podemos

Variable cualitativa nominal Una variable cualitativa nominal presenta modalidades no

numricas que no admiten un criterio de orden. Por ejemplo: El estado civil, con las siguientes modalidades: soltero, casado, separado, divorciado y viudo.

Variable cualitativa ordinal o variable cuasicuantitativa

Una variable cualitativa ordinal presenta modalidades no numricas , en las que existe un orden. Por ejemplo: La nota en un examen: suspenso, aprobado, notable, sobresaliente.

Puesto conseguido en una prueba deportiva: 1, 2, 3, ... Medallas de una prueba deportiva: oro, plata, bronce.

Variable cuantitativa

Una variable cuantitativa es la que se expresa mediante un nmero, por tanto se pueden realizar operaciones aritmticas con ella.

Podemos distinguir dos tipos:

Variable discreta

Una variable

discreta es

aquella

que

toma valores

aislados,

es

decir no admite valores intermedios entre dos valores especficos. Por ejemplo: El nmero de hermanos de 5 amigos: 2, 1, 0, 1, 3.

Variable contina

Una variable

continua es

aquella

que

puede

tomar valores

comprendidos entre dos nmeros. Por ejemplo: La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75. En la prctica medimos la altura con dos decimales, pero tambin se podra dar con tres decimales

TABLA DE FRECUENCIAS PARA DATOS NO AGRUPADOS. Sea X la variable que representa en nmero de fallas de asistencia al colegio de los 50 alumnos de un curso durante un ao escolar. X genera el siguiente conjunto de los datos numricos: 3, 2, 3, 4, 1, 2, 3, 4, 3, 3, 3, 5, 6, 6, 5, 3, 4, 1, 2, 3, 2, 5, 1, 3, 3, 3, 2, 4, 1, 2, 2, 3, 3, 5, 5, 6, 3, 4, 4, 1, 2, 4, 3, 7, 7, 3, 7, 6, 5, 3. POBLACIN: La totalidad de los alumnos del colegios de estudio.

MUESTRA: Los 50 alumnos del curso en estudio TIPO DE VARIABLE: La variable X solamente toma valores enteros en el intervalo [1, 7], razn por la cual afirmamos que x es una variable discreta

CLCULO DE LA MEDIA ARITMTICA ( La media aritmtica es una medida de tendencia central. Esta tendencia al agrupamiento de los datos hacia la parte central de los grficos que los representan da lugar a lo que se conoce como medidas de tendencia central, correspondientes a la media, mediana y moda Media aritmtica
Es la medida ms conocida y la ms fcil de calcular. Se define como la

suma de los valores de una cantidad dada de nmeros dividido entre la cantidad de nmeros.

EJEMPLO 1
n = Cantidad de elementos

El

precio

de

la

bolsa

de

un

litro

de

leche

en

diferentes

supermercados fue: $1.300, $1.350, $1.250, $1.400 y $1.325. El valor promedio o media aritmtica es entonces:

La media aritmtica tiene la propiedad de asignar a cada elemento de la suma el mismo valor, o sea el valor promedio

Si se conoce el valor de la media y el nmero n de elementos u observaciones, se puede conocer el valor de la suma total multiplicando la media por el nmero de elementos. Esto es:

IDENTIFICACIN E INTERPRETACIN DE LA MODA (Mo). Moda Se trata del valor ms frecuente en un conjunto de datos. Se considera como el valor ms representativo o tpico de una serie de valores. Es simbolizada como Mo. Si dos valores tienen la misma frecuencia se dice que el conjunto es bimodal. Cuando ms de dos valores ocurren con la misma frecuencia y sta es la ms alta, todos los valores son modas, por lo que el conjunto de datos recibe el nombre de multimodal. Cuando los datos se encuentran agrupados la moda es la marca de clase del intervalo de clase que contiene la mayor frecuencia. La moda tambin puede determinarse grficamente, usando un histograma de frecuencias o un polgono de frecuencias. La barra ms alta o el pico ms alto corresponden al valor que ms se repite. Generalmente las curvas de frecuencia presentan un solo pico, pero a veces se encuentran series con dos o ms picos, es decir puntos que corresponden a una mayor densidad de frecuencias. Esto sucede cuando se trabaja con grupos de datos heterogneos. EJEMPLO.

Las siguientes tablas de frecuencias indican el nmero de personas de acuerdo a su edad que asistieron al estreno de una pelcula.

TABLA 1.

TABLA 2.

En la tabla 1. donde los datos estn sin agrupar, la moda es 22, valor correspondiente a la mayor frecuencia que es 5. En la tabla 2., los datos se encuentran agrupados, la moda se encuentra en el intervalo de clase 19.5 - 22.5 y corresponde a la marca de clase que es 21. Obsrvese que aunque sean el mismo conjunto de datos, la moda vara dependiendo de su tratamiento, es decir, de cmo estos se agrupan: En este caso, debe considerarse el valor obtenido con la tabla de frecuencias de los datos sin agrupar

PASOS PARA LA CONSTRUIR LA TABLA DE FRECUENCIAS PARA DATOS AGRUPADOS. Tablas de frecuencia para datos agrupados Distribucin de frecuencia para datos agrupados

Cuando la muestra es grande es frecuente encontrar muchos valores de la variable y resulta poco prctico numerarlas todos, en estos casos resulta conveniente agrupar los valores en intervalos consecutivos llamados clases. Estos intervalos son de la forma [Li, Ls], cuyo extremo Li es el lmite inferior de la clase y el extremo Ls es el lmite superior de la clase.

No existe alguna ley que defina cmo obtener el nmero de clases; pero la experiencia recomienda que sean entre 5 y 20 clases. Para construir una distribucin de frecuencias en clases seguimos el siguiente procedimiento aplicado al ejemplo: los puntajes de un examen de ingreso a la universidad realizado por 40 alumnos son los siguientes:110, 102, 108, 115, 120, 130, 93, 124, 112, 102, 110, 108, 108, 109, 110, 90, 95, 98, 104, 124, 130, 97, 125, 136, 140, 104, 108, 96, 106, 107, 103, 92, 122, 93, 99, 107, 105, 103, 115, 110. Paso 1. Determinamos el rango (R) de variacin de los datos que se define como R = Xmax Xmin, donde Xmax es el dato mximo y Xmin es el dato mnimo. Para el ejemplo Xmax = 140 y Xmin = 90 entonces R = 140 90 = 50

Paso 2. Determinamos el nmero de intervalos o clases k. Una forma de hacerlo es con la Regla de Sturges, donde: k = 1 + 3.3 log (n) ; donde n es el numero de datos (se recomienda que sean ms de 10). Para el ejemplo se tiene n = 40 datos, sustituyendo k = 1 + 3.3 log (40) = 1 + 3.3 (1.602) = 1 + 5.28 = 6.28 , la cual se redondea al entero siguiente, en este caso k = 7. Otra alternativa es usando la raz cuadrada del total de datos n para este ejemplo nos queda asi: k = raiz (n) = raiz (40) = 6.32 que tambin se redondea al entero siguiente quedando k= 7. Paso 3. Calculamos la amplitud de clase (A), que corresponde a la cantidad de datos que van en casa clase, dividiendo el rango R entre el nmero de clases k:

Sustituyendo

se redondea a 8.

Paso 4. Construimos los intervalos o clases, como la variable es cuantitativa discreta los intervalos o clases son cerrados, es decir de la forma [Li, Ls]. Para formar las clases comenzaremos con los limites En la primer clase tomamos Li1 = Xmin ( el dato mas pequeo) inferiores:

Para las dems clases el lmite inferior se obtiene sumando la Xmin con la amplitud, es decir

Li n = Li n 1 + A. Para nuestro ejemplo Xmin = 90 y A = 8, entonces las 7 clases quedan:

Clases Li1 = Xmin Li2 = Li1 + A Li3 = Li2 + A Li4 = Li3 + A Li5 = Li4 + A Li6 = Li5 + A

Clculos 90 90 + 8 = 98 98 + 8 = 106 106 + 8 = 114 114 + 8 = 122 122 + 8 = 130 130 + 8 = 138

Limites Inferiores 90 98 106 114 122 130 138

Para obtener los limites superiores se toma el valor anterior al lmite inferior de la clase siguiente, y se va sumando la amplitud A = 8

Clases Li1 = Xmin Li1 + A Li2 + A

Li 90 98 106 114 122 130 138

Limites superiores Tomar el valor anterior a 98 Sumamos la amplitud 8

Ls 97 105 113 121 129 137 145

Finalmente ya podemos elaborar las clases con sus respectivas frecuencias, recordando que cada clase abarca todos los valores que van desde el lmite inferior hasta el superior. Los puntajes de los 40 alumnos son:110, 102, 108, 115, 120, 130, 93, 124, 112, 102, 110, 108, 108, 109, 110, 90, 95, 98, 104, 124, 130, 97, 125, 136, 140, 104, 108, 96, 106, 107, 103, 92, 122, 93, 99, 107, 105, 103, 115, 110. Clases 90 97 98 105 106 113 114 121 122 129 130 137 138 145 f 7 9 13 3 4 3 1

Total

40

Marca de clase (Mi): corresponde al punto medio del intervalo, es una caracterstica importante de cada clase ya que no cambia sin importar si la variable es discreta o contina, se calcula usando la frmula:

, se suman los lmites de clase y el resultado se divide entre dos. Para nuestro ejemplo obtendramos las siguientes marcas de clase:

Clases 90 97 98 105 106 113 114 121 122 129 130 137 138 145 Total

Mi 93.5 101.5 109.5 117.5 125.5 133.5 141.5

f 7 9 13 3 4 3 1 40

TABLA DE FRECUENCIAS PARA DATOS AGRUPADOS Y DOS (2) INTERPRETACIONES DE ELLA.

2. CLCULO DE LA MEDIA ARITMTICA PARA DATOS AGRUPADOS E INTERPRETACIN DE ELLA. 3. CLCULO DE LA MEDIANA (Me) PARA DATOS AGRUPADOS. 4. CLCULO DEL SEGUNDO CUARTL (Q2) Y SU INTERPRETACIN.

5. CLCULO DEL OCTAVO DECL (D8) Y SU INTERPRETACIN. 6. CLCULO DEL PERCENTL SESENTA (P60) Y SU INTERPRETACIN. 7. DIAGRAMA DEL HISTOGRAMA Y POLGONO DE FRECUENCIAS. 8. DIAGRAMA DE FRECUENCIAS ACUMULADAS. 9. TRAZO DE LA OJIVA CORRESPONDIENTE. 10. CLCULO DE LA VARIANZA. 11. CLCULO DE LA VARIACIN ESTNDAR E INTERPRETACIN. 12. CLCULO DEL COEFICIENTE DE VARIACIN PORCENTUAL E INTERPRETACIN. 13. CLCULO DEL COEFICIENTE DE ASIMETRA (TRAZE LA GRFICA DE LA DISTRIBUCIN). CLCULO DEL COEFICIENTE DE CURTOSIS (TRAZA LA CURVA CON SU RESPECTIVO NOMBRE