UNIVERSIDAD TECNICA DE MANABI

FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y

QUIMICAS
Ingenieria Quimica
Curso:
3 Paralelo B
Integrantes:
Mendoza Pico Vicky Alejandra
Mendoza Macias Ana Madeline
TEMA:
Aplicacin de la Estadistica en la determinacion de metales pesados en el agua

Estadistica Aplicada
Ing. Fatima Reyes

INDICE

INDICE...................................................................................................................................2
INTRODUCCION..................................................................................................................3
Objetivos.................................................................................................................................4
Objetivo General:................................................................................................................4
Objetivos Especificos:.........................................................................................................4
Marco Teorico.........................................................................................................................5
Estadistica Aplicada:...........................................................................................................5
1.

Generalidades de la estadstica.............................................................................5

1.1.

Definicin, caractersticas y limitaciones de la estadsticas:................................5

1.2.

Fines y reas de estudio........................................................................................5

1.3. Definiciones auxiliares, variable, poblacin, redondeo de datos, notacin

sistemtica y cifras significativas....................................................................................6
2.

Distribucion de Frecuecias:..........................................................................................7
2.1.

Toma de datos, Ordenacion de datos, Tabla de distribucin de Frecuencias........7

2.2. Presentacin de las tablas de distribucin de frecuencia, Grficos: polgonos e

histogramas de frecuencias, Centrogramas frecuencias relativas y acumuladas u ojivas
8
2.3.
3.

Tipos de Curvas de Frecuencias..........................................................................11

Medidas de Centralizacion.........................................................................................12
3.1. Promedio y medidas de centralizacin media aritmtica media aritmtica
ponderada propiedades de la media aritmtica.............................................................12
4.

Medidas de dispercion........................................................................................21

4.1.

Dispercion o variacin de rango:........................................................................21

4.2.

La desviacin respecto a la media......................................................................21

4.3.

Varianza..............................................................................................................22

MARCO TEORICO REFERENCIAL..................................................................................24

Metales en el agua.............................................................................................................24
CONCLUSIONES................................................................................................................32
RECOMENDACIONES.......................................................................................................33

Pgina 2

INTRODUCCION

La Estadistica Aplicada es la ciencia que estudia el campo de los datos numricos finitos e
infinitos convertidos en datos generales, es una herramienta muy importante para poder
usar los parmetros que nos permitan llegar a un resultado real y concreto
La Investigacion de la metales pesados en el agua necesita una regularizacin por lo que
usaremos los datos de la estadstica aplicada para poder definir los rangos en los que se
encuentran 50 muestras de aguas con relacin a la cantdad de Mercurio que posean dichas
muestras de aguas.

Pgina 3

Objetivos
Objetivo General:
Establecer datos Estadisticos sobre la determinacin de metales pesados en el agua.
Objetivos Especificos:
Establecer fundamentos tericos con relacin a la Estadistica
Investigar sobre los metales pesados que posee el agua
Obtener una informacin veraz y autentica mediante la practica

Pgina 4

Marco Teorico
Estadistica Aplicada:
1. Generalidades de la estadstica
1.1. Definicin, caractersticas y limitaciones de la estadsticas:

1.1.1. Definicion: La estadstica es comnmente considerada como una coleccin

de hechos numricos expresados en trminos de una relacin sumisa, y que
han sido recopilados a partir de otros datos numricos. "La estadstica es una
tcnica especial apta para el estudio cuantitativo de los fenmenos de masa o
colectivo, cuya mediacin requiere una masa de observaciones de otros
fenmenos ms simples llamados individuales o particulares". (Gini, 1953.)
"La estadstica es la ciencia que trata de la recoleccin, clasificacin y
presentacin de los hechos sujetos a una apreciacin numrica como base a la
explicacin, descripcin y comparacin de los fenmenos". (Yale y Kendal,
1954).
Cualquiera sea el punto de vista, lo fundamental es la importancia cientfica
que tiene la estadstica, debido al gran campo de aplicacin que posee. Otros
autores tienen definiciones de la Estadstica semejantes a las anteriores, y
algunos otros no tan semejantes. Para Chacn esta se define como
"la ciencia que tiene por objeto el estudio cuantitativo de los colectivos"; otros
la definen como la expresin cuantitativa del conocimiento dispuesta en forma
adecuada para el escrutinio y anlisis. La ms aceptada, sin embargo, es la de
Minguez, que define la Estadstica como "La ciencia que tiene por objeto
aplicar las leyes de la cantidad a los hechos sociales para medir su intensidad,
deducir las leyes que los rigen y hacer su prediccin prxima".
1.1.2. Caracteristicas: Los mtodos estadsticos tradicionalmente se utilizan para
propsitos descriptivos, para organizar y resumir datos numricos. La estadstica
descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en forma
grfica o ilustrativa y el clculo de medidas descriptivas. Ahora bien,
las tcnicas estadsticas se aplican de manera amplia
en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de
consumidores; anlisis de resultados en deportes; administradores de instituciones;
en la educacin; organismos polticos; mdicos; y por otras personas que
intervienen en la toma de decisiones.
1.1.3. Limitaciones de la Estadistica:
1.2. Fines y reas de estudio: La estadstica es un potente auxiliar de

muchas ciencias y actividades humanas: sociologa,

sicologa, geografa humana, economa, etc..
Pgina 5

La estadstica est relacionada con el estudio de proceso cuyo resultado es ms o

menos imprescindible y con la finalidad de obtener conclusiones para tomar
decisiones razonables de acuerdo con tales observaciones.
El resultado de estudio de dichos procesos, denominados procesos aleatorios, puede
ser de naturaleza cualitativa o cuantitativa y, en este ltimo caso, discreta o contina.
Son muchas las predicciones de tipo socilogo, o econmico, que pueden hacerse a
partir de la aplicacin exclusiva de razonamientos probabilsticos a conjuntos de
datos objetivos como son, por ejemplo, los de naturaleza demogrfica.
Las predicciones estadsticas, difcilmente hacen referencia a sucesos concretos,
pero describen con considerable precisin en el comportamiento global de grandes
conjuntos de sucesos particulares. Son predicciones que, en general, no acostumbran
resultar tiles.
Para saber quien, de entre los miembros de una poblacin importante, va a encontrar
trabajo o a quedarse sin l; o en cuales miembros va a verse aumentada o
disminuida una familia concreto en los prximos meses. Pero que, en cambio puede
proporcionar estimaciones fiables del prximo aumento o disminucin de la taza
de desempleo referido al conjunto de la poblacin; o de la posible variacin de os
ndices de natalidad o mortalidad.
1.3. Definiciones auxiliares, variable, poblacin, redondeo de datos,
notacin sistemtica y cifras significativas:
1.3.1. Definicion auxiliar: La Estaditica estudia los mtodos cientficos para
recoger, organiza, resumir y analizar datos, asi como para sacar conclusiones
validas y tomar decisiones razonables basadas en tal anlisis. Este trminos se
usa para denotar los propios datos, los nmeros derviados de ellos, tales como
los promedios.
1.3.2. Poblacion y Muestreo: Al examinar datos generales, enteros, se le llama
POBLACION y al ser casi imposible examinar todos los datos en general, por
lo que se examina una pequea parte de esa Poblacion, a la cual se le
denomina MUESTRA.
Una Poblacion puede ser finita o infinita, puede ser en series interminables, o
en datos concretos. Por otro lado una Muestra es la parte representativa de una
poblacin.
1.3.3. Variables: una variable es un smbolo, como tal siempre se reprenta con las
ultimas letras del alfabeto, X, Y, Z, que pueden tomar un conjunto prefijado de
valores, llamado domino de sesa variable. Si la variable puede tomar un solo
valor, se llama constante. Una variable que puede tomar cualquier valor entre
dos valores dados se dice que es una Variable Continua; en caso contrario
diremos que la Variable es Discreta.
Ejemplo: N numero de hijos (Variable Discreta)
H altura de una persona (Variable Continua)
1.3.4. Redondeo de datos: el resultado de redondear un numero como 63.9 en
unidades es 64,0 pues 63,9 esta mas prximo de 64 que de 63. Al redondear
Pgina 6

86,385 en centsimas nos hallamos ante un dilema, yua que esta equidistante
de 86.38 y de 86.39. se adopta en tales casos la costumbre de lledondear al
entero par que prece al 5. Asi pues 86.385 se redondea a 86.38 y 36.375 se
redonde a 36.38.
1.3.5. Notacion Cientifica: al escirbir nmeros, especialmente los que tiene
muchos ceros antes o despus del punto decimal, es utilizada la notacin
cientfica mediante potencias de 10.
Ejemplo: 864,000,000 = 8.64

x 108

5
y 0.00003416 = 3.416 x 10

La multiplicacin de exponencial positiva corre la coma hacia la derecha y la

multiplicaion exponencial negativa corre la coma hacia la izquierda.
1.3.6. Digitos Significativos: los dgitos empleados, a parte de los ceros necesarios
para localizar el punto decimal, se llaman dgitos significativos o cifras
significativas, del numero.
2. Distribucion de Frecuecias:
2.1. Toma de datos, Ordenacion de datos, Tabla de distribucin de

Frecuencias.
2.1.1. Filas de datos: Una Fila de datos consiste ne datos recogidos que no han
sido organizados numricamente, por ejemplos, el peso de 150 personas
diabticas.
2.1.2. Ordenacion: Una Ordenacion es un conjunto de datos numricos en orden
creciente o decreciente. La diferencia entre el mayor y el menor se llama rango
de ese conjunto de datos. Asi, si el mayo peso entre los 150 diabeticos es 230
lbs y el menor es 200 lbs, el rango es 230 200 = 30 lbs.
2.1.3. Tabla de Distribucion de Frecuencias: al resumir grandes colecciones de
datos, es til distribuirlos en clases o categoras, y determinar el numero de
individuos que pertenecen a cada clase, llamado frecuencia de clase, se llama
distribucin de frecuencias.
Ejemplo:
Pesos en (lb)
100- 110
111- 121
122-132
133-143

Numero de
Personas
10
20
34
16
Pgina 7

60
En el primer intervalo de 100-110 lbs, hay 10 personas, esto es lo que corresponde a la
frecuencia- 10.
Este tipo de agrupacin de datos se les denomina datos agrupados. Tambin existen los
datos no agrupados que se realizan simplemente detallando cada clase o categora.
2.1.4. Intervalo de clase y limites de clase: Un intervalo de clase se representa
como 100-110 como se muestra en la tabla anterior. Aqu podemos encontrar
los limites que son limite inferiro (100) y k limite superior (120).
2.1.5. Fronteras de Clase: Si se dan pesos de 1 lb, el intervalo de clase de 100-110
incluye tericamente todas las mediadas desde 99.50 a 110.50. Estos nmeros,
indicados mas brevemente por los nmeros exactos 99.5 y 110.5, se llaman
Limite inferior real y Limite superior real, respectivamente o Frontera
inferior de clase y Frontera superior de clase.
Este numero se obtiene de un promedio entre el limite superior de una clase
con el inferior de la siguiente dividido para dos.
2.1.6. Tamao o Anchura de un intervalo de clase.- El tamao o anchura de un
intervalo de clase es la diferencia entre las fronteras de clase superior e
inferiro. Si todos los intervalos de clase de una distribucin de frecuencias
tienen la misma anchura denotado por c. en tal caso, c es igual a la diferencia
entre dos limites inferiores o superios de calses sucesivas. Para los datos de la
tabla anterios, por ejemplo la anchura del intervalo de clase c= 110.5 99.5 =
121.5 110.5 = 11.
2.1.7. Marca de Clase.- la marca de clase es el punto medio del intervalo de clase
y se obitene preomediando los limites inferior y superior de clases. Asi que las
marcas de clase del intervalo 100-110 es (100+110)/2= 105. Denominado
tambin punto medio de la calse.
2.2. Presentacin de las tablas de distribucin de frecuencia, Grficos:
polgonos e histogramas de frecuencias, Centrogramas frecuencias
relativas y acumuladas u ojivas.

2.2.1. Reglas Generales para formar distribuciones de frecuencias:

Determinar el mayor y menor de todos los datos, para hallar el rango.
Dividir el rango en un numero a decuado de intervalos de clase del mismo tamao. Suelen
tomarse entre 5-20 intervalos.
Determinar el numero de observaciones que caen dentro de cada intervalo de clase, esto es
hallar las frecuencias de clase. Esto se logra mejor con una hoja de recuentos.
2.2.2. Grficos: polgonos e histogramas de frecuencias: los histogramas y polgonos
de frecuencia son dos representaciones graficas de las distribuciones de frecuencia.

Pgina 8

2.2.2.1.
Un histograma o Histograma de Frecuencias, consiste en un conjunto de
rectngulos con : a) Base en el eje X horizontal; centros en las marcas de clase y
losgitudes iguales a los tamaos de los intervalos de clase y b) reas
proporcionales a las frecuencias de las clases.
Si los intervalos de clase tienen todos las misma anchura, las alturas de los
rectngulos son proporcionales a las frecuencias de clase, y entonces es
costumbre tomar las alturas iguals a las frecuencias de clase. En caso contrario,
deben ajustarse las alturas.

N personas

40
30
20
10

99
100

110
111

121
122

132
133

143
144

Peso en Lb
2.2.2.2. Un polgono de frecuencia es un grafico de trozos de la frecuencia de
clase con relacin a la marca de clase. Puede obtenerse conectando los
puntos medios de las partes superiores.
N personas

40
30
20

Pgina 9

10

99
100

110
111

121
122

132
133

143
144

Peso en Lb
Histograma y poligno de Frecuencias correspondientes a la distribucin de freciencias de
pesos en la tabla expuesta. Se indican sobre los mismos ejes de la figura. Suelen aadirse
las longitudes PQy RS a las marcas de clase extremas como asociadas a una frecuencia de
clase cero. En tal caso la suma de las reas de los rectngulos del histograma es igual al
rea total limitada por el poligno de frecuencias y el eje X.
2.2.3.
Distribuciones de Frecuencias Relativas.- la frecuencia Relativa de
una Clase es su freceuncia dividida por la frecuencia total de todas las cases
yuse expresa generalmente como un porcentaje. Por ejemplo, la frecuencia
relativa de la clase 100-110 de nuestra tabla es = 10/80= 0.13%. la suma de las
frecuencias relativas de todas las cases obviamente es 1 o sea 100 por 100.
Si se sustituyen las frecuencias de la tabla de pesos por las correspondientes
frecuencias relativas, la tabla resultante se llama una distribucin de
frecuencias relativas, distribucin de porcentajes o tablas de frecuencias
relativas.
La representacin graficas de distribuciones de frecuencias relativas se puede
obtener del histograma o del polgono de frecuencias sin mas que cambiar la
escala vertical de freceuncias a frecuencias relativas, manteniendo
exactamente el mismo diagrama. Los graficos resultantes se llaman
histogramas de frecuencias relativas y polgonos de frecuencias relativas.
2.2.4. Distribuciones de Frecuencias Acumuladas y Ojivas.
La frecuenica total de todos los valores menores que la frontera de clase
sumerior de un intervalo de clase dado se llama frecuencia acumulada hasta
que ese intervalo de clase inclusive. Por ejemplo, la frecuencia acumulada
hasta el intervalo de clase 122-132 = 10+20+34 = 64.
Una tabla que presente tales frecuencias acumuladas se llama una distribucin
de frecuencias acumuladas, tabla de fecuencias acumuladas , o brevemente una
distribucin acumulada, y se muestra en la siguiten tabla2.3.
Tabla 2.3
Menor
que
109.5
110.5
121.5
132.5

Fa
0
10
30
64
Pgina 10

143.5
80
Un grafico que recoja las frecuencias acumuladas por debajo de cualquiera de las fronteras
de clase superiores respecto de dicha frontera se llama un polgono de frecuencias
acumuladas y ojiva, y se ilustro en la figura 2.3.
A ciertos efectos, es deseable considerar una distribucin de frecuencias acumuladas de
todso los valores mayores o iguales que la frontera de clase inferior de cada intervalo de
clase. Como eso hace considerar pesos de 109.5 o mas, de 110.5 o mas etc, se le suele
llamar una distribucin acumulada o mas, mientras que la antes considerada es una
distribucin acumulada menor que. Es fcil deducir una de otra. Las correspondientes
ojivas se conocen con los mismos apodos. Siempre que nos refiramos a distribucines
acumuladas u ojivas sin mas, estaremos hablando del caso menor que.
2.2.5. Distribucion de Frecuencias Relativas y Ojivas de porcentajes.
La frecuencia acumulada relativa o Frecuencia acumulada de porcentanjes, es
la drecuencia acumulada dividida por la frecuencia total.
Si se usan frecuencias acumuladas relativas en la tabla en vez de frecuencias
acumuladas, los resultados se llaman distribuciones de frecuencias acumuladas
relativas y poligomos de frecuencias relativos, respectivamente.
2.2.6.
Curvas de freceuncia y Ojivas suavizadas.- los datos recogidos
pueden considerarse usualmente como pertenecientes a una muestra de una
poblacin grande. Ya que son posibles muchas observaciones sobre esa
poblacin, es tericamente posible escoger intervalos de clase muy pequeos y
tener todava nmeros razonables de observaciones en cada clase. Asi que
cabe esperar que el polgono de freceuncias o el polgono de frecuencias
relativas para una gran poblacin tenga tantos pequeos segmentos
queaparezcan como casi una curva continua, a las que nos referimos como
curva de frecuencias o curva de frecuencias relativas, respectivamente.
Es sensato esperar que dichas curvas tericas sean aproximables suavizando
los polgonos de frecuencias o los polgonos de frecuencias relativas de la
muestra, tanto mejor la aproximacin cuanto mayor sea el tamao de la
muestra. Por esa razn, una curva de frecuencias se cita a veces como un
polgono de frecuencias suavizado.
De forma anloga, se obtienen ojivas suavisadas de polgonos de frecuencias
acumuladas u ojivas. Suele ser mas fcil suavizar una ojiva que un polgono de
frecuencias.
2.3. Tipos de Curvas de Frecuencias.

Pgina 11

3. Medidas de Centralizacion.
3.1. Promedio y medidas de centralizacin media aritmtica media

aritmtica ponderada propiedades de la media aritmtica

3.1.1.
Medias de Centralizacion: La medidas de centralizacin nos indican
en torno a qu valor (centro) se distribuyen los datos.
3.1.2. Media aritmtica: La media aritmtica es el valor obtenido
al sumar todos los datos y dividir el resultado entre el nmero total
dedatos.
es el smbolo de la media aritmtica.

Eje mpl o:

Pgina 12

Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.

3.1.3. Media aritmtica para datos agrupados: Si los dato s vienen

una tabla de frecuencias, la expresin de la me di a es:

ag ru pa do s

en

Ejercicio de media aritmtica

En un test realizado a un grupo de 42 personas se han obtenido las puntuaciones que
muestra la tabla. Cal cul a l a pu ntua ci n me di a .
xi

fi

xi fi

[ 1 0, 20 )

15

15

[ 2 0, 30 )

25

200

[ 3 0, 4 0 )

35

10

350

[ 4 0, 50 )

45

405

[5 0 , 6 0

55

440

[ 6 0, 7 0 )

65

260

[ 7 0, 80 )

75

150

42

1 820

3.1.4. Mediana: Es el valor que ocupa el lugar central de todos los datos
cuando stos estn ordenados de menor a mayor. La mediana se
representa por M e . La mediana se puede hallar slo para variables
cuantitativas.
Pgina 13

Calculo de la mediana:
Ordenamos los datos de menor a mayor.
Si la serie tiene un nmero impar de medidas la mediana es
la puntuacin central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
Si la serie tiene un nmero par de puntuaciones la mediana es
la media entre las dos puntuaciones centrales.
7, 8, 9, 10, 11, 12
M e = 9.5
3.1.4.1. Clculo de la mediana para datos agrupados: La mediana se
encuentra en el intervalo donde la frecuencia acumulada llega hasta
la mitad de la suma de las frecuencias absolutas .
Es decir tenemos que buscar el intervalo en el que se encuentre

L i es el lmite inferior de la clase donde se encuentra la mediana.

es la
semisuma de las frecuencias absolutas. F i - 1 es la frecuencia
acumulada anterior a la clase mediana. a i es la amplitud de la clase.
La mediana es independiente de las amplitudes de los intervalos.
Ejemplo
Calcular la mediana de una distribucin estadstica que viene dada por la siguiente tabla:

Pgina 14

fi

Fi

[6 0 , 6 3 )

[6 3 , 6 6 )

18

23

[6 6 , 6 9 )

42

65

[6 9 , 7 2 )

27

92

[7 2 , 7 5 )

100

100

100 / 2 = 50
Clase modal: [66, 69)

3.1.5. Moda: La moda es el valor que tiene mayor frecuencia absoluta.

Se representa por M o .
Se puede hallar la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribucin:
2, 3, 3, 4, 4, 4, 5, 5 M o = 4
Si en un grupo hay dos o varias puntuaciones con la misma
frecuencia y esa frecuencia es la mxima,
la distribuciones bimodal o multimodal, es decir, tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9M o = 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma
frecuencia, no hay moda.
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima,
la moda es el promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8Mo = 4
Clculo de la moda para datos agrupados
1 Todos los intervalos tienen la misma amplitud.

L i es el lmite inferior de la clase modal.

f i es la frecuencia absoluta de la clase modal.
f i - - 1 es la frecuencia absoluta inmediatamente inferior a la en clase modal.
f i - + 1 es la frecuencia absoluta inmediatamente posterior a la clase modal.
Pgina 15

a i es la amplitud de la clase.
Tambin se utiliza otra frmula de la moda que da un valor
aproximado de sta:

Pgina 16

Ejemplo
Cal cul ar

la

mo da

de una distribucin estadstica que viene dada por la siguiente tabla:

fi
[ 6 0, 63 )

[ 6 3, 66 )

18

[ 6 6, 69 )

42

[ 6 9, 72 )

27

[ 7 2, 75 )

8
100

2 Los intervalos tienen amplitudes distintas.

En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

La frmula de la moda aproximada cuando existen distintas amplitudes es:

Pgina 17

Ejemplo
En la siguiente tabla se muestra las calificaciones (suspenso, aprobado, notable y
sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la moda.
fi

hi

[0 , 5 )

15

[5 , 7 )

20

10

[7 , 9 )

12

[ 9, 1 0)

50

3.1.6. Cuartiles: Los cuartiles son los tres valores de la variable quedividen a
un conjunto de datos ordenados en cuatro partes iguales.
Q 1 , Q 2 y Q 3 determinan los valores correspondientes al25%, al 50% y
al 75% de los datos. Q 2 coincide con la mediana.
Clculo de los cuartiles
1 Ordenamos los datos de menor a mayor.
2 Buscamos el lugar que ocupa cada cuartil mediante la
expresin
.
Nmero impar de datos
2, 5, 3, 6, 7, 4, 9

Nmero par de datos

2, 5, 3, 4, 6, 7, 1, 9

Pgina 18

Clculo de los cuartiles para datos agrupados

En primer lugar buscamos la clase donde se encuentra
la tabla de las frecuencias acumuladas.

, en

L i es el lmite inferior de la clase donde se encuentra la mediana.

N es la suma de las frecuencias absolutas.
F i - 1 es la frecuencia acumulada anterior a la clase mediana.
a i es la amplitud de la clase.
3.1.7. Deciles: Los deciles son los nueve valores que dividen la serie
de datos en diez partes iguales.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D 5 coincide con la mediana.
Clculo de los deciles
En primer lugar buscamos la clase donde se encuentra
las frecuencias acumuladas.

, en la tabla de

L i es el lmite inferior de la clase donde se encuentra la mediana.

N es la suma de las frecuencias absolutas.
F i - 1 es la frecuencia acumulada anterior a la clase mediana.
a i es la amplitud de la clase.
Ejercicio de deciles
Calcular los deciles de la distribucin de la tabla:
fi

Fi

[50, 60)

[60, 70)

10

18

[70, 80)

16

34

[80, 90)

14

48

[90, 100)

10

58

Pgina 19

[100, 110)

63

[110, 120)

65

65
Clculo del primer decil

Clculo del segundo decil

3.1.8. de datos en 100 partes iguales.

Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los
datos.
P 5 0 coincide con la mediana.
Clculo de los percentiles
En primer lugar buscamos la clase donde se encuentra
la tabla de las frecuencias acumuladas.

, en

L i es el lmite inferior de la clase donde se encuentra la mediana.

N es la suma de las frecuencias absolutas.
F i - 1 es la frecuencia acumulada anterior a la clase mediana.
a i es la amplitud de la clase.

Pgina 20

Ejercicio de percentiles
Calcular el percentil 35 y 60 de la distribucin de la tabla:
fi

Fi

[50, 60)

[60, 70)

10

18

[70, 80)

16

34

[80, 90)

14

48

[90, 100)

10

58

[100, 110)

63

[110, 120)

65

65
Percentil 35

Percentil 60

4. Medidas de dispercion
4.1. Dispercion o variacin de rango: Las medidas de dispersin nos

informan sobre cunto se alejan del centro los valores de la distribucin.

Rango o recorrido
El rango es la diferencia entre el mayor y el menor de los datos de una
distribucin estadstica.
4.2. La desviacin respecto a la media: es la di f ere nci a entre cada val or de la
variable estadstica y la medi a a ri tmti ca .
Di = x - x

La

des vi aci n me di a

es la

me di a ari tm ti c a

de los

val or es a bs ol utos d e l as

des vi aci o nes r es pe cto a l a medi a .

La

des vi aci n me di a

se representa por

Pgina 21

Ejemplo
Calcular la

de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18

de s vi a ci n medi a

4.3. Varianza: La varianza es la media aritmtica del cuadrado de las

desviaciones respecto a la media de una distribucin estadstica.

La varianza se representa por

Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes

expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Ejercicios de varianza
Calcular la varianza de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18

Calcular la varianza de la distribucin de la tabla:

Pgina 22

xi

fi

xi fi

xi2 fi

[10, 20)

15

15

225

[20, 30)

25

200

5000

[30,40)

35

10

350

12 250

[40, 50)

45

405

18 225

[50, 60

55

440

24 200

[60,70)

65

260

16 900

[70, 80)

75

150

11 250

42

1 820

88 050

Pgina 23

MARCO TEORICO REFERENCIAL

Metales en el agua
los consimudores , o por la lluvia cida que agrieta los suelos y pueden llegar por estas grietas los
metales pesados a las aguas subterraneas o simplemente la lluvia acida los El trmino de metal
pesado refiere a cualquier elemento qumico metlico que tenga un relativa alta densidad y sea
txico o venenoso en concentraciones bajas.Los ejemplos de metales pesados incluyen el mercurio
(Hg), cadmio (Cd) el arsnico (As), el cromo (Cr), el talio (Tl), y el plomo (Pb).Los metales
pesados son componentes naturales de la corteza de tierra.No pueden ser degradados o ser
destruidos.En un grado pequeo se incorporan a nuestros cuerpos va el alimento, el agua potable y
el aire.Como elementos de rastro, algunos metales pesados (e.g. cobre, selenio, cinc) son esenciales
mantener el metabolismo del cuerpo humano.Sin embargo, en concentraciones ms altas pueden
conducir al envenenamiento.El envenenamiento por metal pesado podra resultar, por ejemplo, de la
contaminacin del agua potable (e.g. tuberias del plomo), las altas concentraciones en el aire cerca
de fuentes de la emisin, o producto va la cadena de alimento.
Los metales pesados son peligrosos porque tienden a bioacumularse.La bioacumulacin significa un
aumento en la concentracin de un producto qumico en un organismo biolgico en un cierto plazo,
comparada a la concentracin del producto qumico en el ambiente.Se analizan (metabolizado) o se
excretan los compuestos acumulan en cosas vivas cualquier momento se toman y se almacenan ms
rpidamente que ellos.
Los metales pesados pueden entrar un abastecimiento de agua por medio de residuos industriales y
de deposita corrientes, los lagos, los ros,etc.
Los metales pesados son, en general, txicos para los seres humanos, y adems su caracterstica de
ser bioacumulativos (no pueden ser eliminados por el cuerpo) provoca que las concentraciones
permitidas en el agua de consumo humano por la legislacin vigente (RD 140/03) sean muy
pequeas.
Al tratarse de varios elementos, mostraremos a modo de ejemplo una lista con los lmites
establecidos en el agua de consumo humano para los principales metales pesados:
Mercurio: 1 microgramo/l
Nquel: 20 microgramos/l
Cobre: 2 miligramos/l
Plomo: 25 microgramos/l
Cromo: 50 microgramos/l

Pgina 24

Se realizo un anlisis de determinacin de Mercurio en el agua a 50 muestras de aguas de

diferentes lugares de el Canton Portoviejo, y dieron los siguientes resultados con relacin a
el Mercurio:
15
25
20
18
23
20
18
16
30
14

18
21
23
25
20
20
29
28
14
22

12
18
17
25
23
19
18
20
20
25

14
16
24
18
25
16
15
23
22
25

20
16
18
20
25
16
18
17
19
20

De acuerdo a estos datos realizar los respectivos Anlisis Estadsticos con los conceptos
conocidos:
Frecuencias en orden numrico:
x
12
14
15
16
17
18
19
20
21
22
23
24
25
28
29

f
1
3
2
5
2
8
2
9
1
2
4
1
7
1
2

Rango: (29-11)+1=18
Ancho de clase:

18
=3
6

Datos Agrupados:

Pgina 25

x
12 15
16 - 18
19 - 21
22- 24
25- 27
28 - 30

f
6
15
12
7
7
3
50

Pgina 26

50
POLIGONOS E HISTOGRAMA DE FRECUENCIA
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 39

f
6
15
12
7
7
3
50

fia
6
21
33
40
47
50

fr
0,12
0,3
0,24
0,14
0,14
0,06
1

fra
0,12
0,42
0,66
0,8
0,94
1

Mc
13
16
19
22
25
28

20
15
10

11
12

14
15

17
18

20
21

23
24

26
27

29
30

Elaborado por: Mendoza Vicky y Macas Ana.

Fuente: Niveles de Mercurio de 50 Muestras de Agua.
OJIVA MENOR QUE

Lir - Lsr

Menor
que
11,5

fia

fr

fra

12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

6
15
12
7
7
3
50

11,5 - 14,5
14,5 - 17,5
17,5 - 20,5
20,5 - 23,5
23,5 - 26,5
26,5 - 29,5

14,5
17,5
20,5
23,5
26,5
29,5

6
21
33
40
47
50

0,12
0,3
0,24
0,14
0,14
0,06
1

0,12
0,42
0,66
0,8
0,94
1

50

40

0,8

30

0,6

20

0,4

10

0,2

11
14
17
20
23
26
12
15
18
21
24
27
Elaborado por: Mendoza Vicky y Macias Ana
Fuente: Niveles de Mercurio de 50 Muestras de Agua
MEDIA ARITMETICA
Metodo largo
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

f
6
15
12
7
7
3

Mc
13
16
19
22
25
28

f* Mc
78
240
228
154
175
84

29
30

50

959

959
=19,18
50

Metodo Corto:
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

A=16
=16 +

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

d=McA
-3
0
3
6
9
12

F*d
-18
0
36
42
63
36
159

159
=19.18
50

METODO DE COMPILACION
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

=16 +3

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

F*U
-1
0
1
2
3
4
53

53
=19.18
50

MEDIA ARMONICA:
x
12 14
15-17
18 - 20
21- 23

f
6
15
12
7

-6
0
12
14
21
12

Mc
13
16
19
22

F/Mc
0,46
0,94
0,63
0,32

24- 26
27 - 29

7
3
50

25
28

0,28
0,11
2,74

Mc
13
16
19
22
25
28

Mc2
169
256
361
484
625
784

50
=18.24
2,74

A=

MEDIA CUADRATICA
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

x 2c =

f
6
15
12
7
7
3
50

F*Mc2
1014
3840
4332
3388
4375
2352
19301

19301
19301
x c=
=19,64
50
50

Mediana
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

=17,5+3

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

Lir - Lsr
11,5 - 14,5
14,5 - 17,5
17,5 - 20,5
20,5 - 23,5
23,5 - 26,5
26,5 - 29,5

fia
6
21
33
40
47
50

Lir - Lsr

fia

=18.5
( 2521
12 )

QUARTIL 3

Q 3=

3 ( 50 )
=37.5
4

Mc

6
15
12
7
7
3
50

12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

Q3=20,5+3

13
16
19
22
25
28

11,5 - 14,5
14,5 - 17,5
17,5 - 20,5
20,5 - 23,5
23,5 - 26,5
26,5 - 29,5

6
21
33
40
47
50

Lir - Lsr
11,5 - 14,5
14,5 - 17,5
17,5 - 20,5
20,5 - 23,5
23,5 - 26,5
26,5 - 29,5

Fia
6
21
33
40
47
50

( 37.533
)=22,42
7

PERCENTIL 30
P30=

30 ( 50 )
=15
100

x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

Q3=14,5+3

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

=16.3
( 156
15 )

DESVIACION MEDIA:
x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

=19.18

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

|Mc X|
6,18
3,18
0,18
2,82
5,82
8,82

F|Mc-X|
37,08
47,7
2,16
19,74
40,74
26,46
173,88

MD=

173,88
=3.47
50

RANGO INTER-QUARTILES:
Q 1=14.5+3

(12.56 )
=15.8
15

Q3=14,5+3

=16.3
( 156
15 )

Q=

16.3+15.8
16.05
2

VARIANZA

x
12 14
15-17
18 - 20
21- 23
24- 26
27 - 29

s 2=

f
6
15
12
7
7
3
50

Mc
13
16
19
22
25
28

|Mc - X|
6,18
3,18
0,18
2,82
5,82
8,82

58881,20
=1177.62
50

DESVIACION TIPICA

S=

58881,20
= 1177.62=34.31
50

|Mc-X|
37,08
47,7
2,16
19,74
40,74
26,46
173,88

McX FMcX

1374,93
2275,29
4,67
389,67
1659,75
700,13

8249,56
34129,35
55,99
2727,67
11618,23
2100,39
58881,20

CONCLUSIONES

La Estadistica Aplica es una herramienta de gran ayuda para mostrar los datos reales
mediante formulas establecidas

La utilizacin de la Estadistica Aplicada puede dar mayor visualizacin de los datos

mediante graficos

La Estadistica Aplicada simplifica pasos para llegar a los resultados que se quieren
obtener.

RECOMENDACIONES

Es recomendable aprender a usar las formulas antes de aplicarlas ya que aunque su

uso es fcil, puede ser confuso al momento de aplicarlas

Se recomienda investigar antes de aplicar los conocimientos que se ha obtenido