Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

ndice
Introduccin

4
5

Captulo I: La Estadstica Descriptiva, Bsica Aplicada

1.1.- Variables estadsticas

1.1.1.- Poblacin y muestra

1.2.- Caracteres cuantitativos o cualitativos

1.3.-Tabla de frecuencias de una variable discreta

1.4.- Agrupamiento en intervalos de clase

1.5.- Medidas caractersticas de una distribucin

1.5.1.- Medidas de centralizacin

1.5.2.- La Mediana

1.5.3.- la moda

1.5.4.- Cuartiles, deciles y percentiles

9
10

Capitulo II: coeficiente Asimetra a travs de momentos

2.1.- Coeficientes de asimetra

11

2.2.- Tipos de asimetra

12

2.3.- Simtrica

12

2.4.- La asimetra resulta til en muchos campos

13

2.5.- Coeficiente de asimetra de Fisher

2.5.1.- Coeficiente de asimetra de Pearson

14
15

Capitulo III: Coeficiente Asimtrico a travs de Momentos

3.1.- Momentos respecto al origen

15

3.2.- Momentos respecto a la media

3.3.- propiedades

16

Conclusiones

18

Bibliografa

19

Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Introduccin
La estadstica es una disciplina aplicada en todos los campos de la
actividad humana. El trabajo se trata del COEFICIENTE ASIMETRA A
TRAVS DE MOMENTOS, consiste de la parte de la estadstica.
En el mundo de los negocios su empleo, hoy en da, es considerado de
gran importancia, ya que suministra los mejores instrumentos de
investigacin, no slo para observar y recopilar toda una gama
informativa incubada dentro de la misma empresa o fuera de ella, sino
tambin en el control de ciertas actividades de produccin, ventas,
proyecciones o estimaciones a corto, mediano y largo plazo, en la
formulacin de hiptesis. (L., 1976).
La Estadstica es fundamental para muchas ramas de la ciencia desde la
medicina a la economa. Pero sobre todo, y en lo que a nosotros importa,
es esencial para interpretar los datos que se obtienen de la investigacin
cientfica. Es necesario leer e interpretar datos, producirlos, extraer
conclusiones, en resumen saber el significado de los datos, es por lo tanto
una herramienta de trabajo profesional. (Jose, 2003).
El objetivo fundamental es obtener conclusiones de la investigacin
emprica usando modelos matemticos. Por lo tanto el presente trabajo
aportara una visn general sobre la coeficiente asimetra a travs de
momentos que est dividido en tres captulos importantes, el primer
captulo consta de la concepcin de la estadstica, el coeficiente, la
asimetra y momentos. El segundo capitulo tambin nos da a conocer
sombre la asimetra y sus sub divisiones y finalmente el tercer captulo
trata de los momentos de la estadstica. (L., 1976).
A partir de los datos reales se construye un modelo que se confronta con
estos datos por medio de la Estadstica. Esta proporciona los mtodos de
evaluacin de las discrepancias entre ambos. Por eso es necesaria para
toda ciencia que requiere anlisis de datos y diseo de experimentos.
(Jose, 2003).

Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Captulo I: La Estadstica Descriptiva, Bsica Aplicada

La aplicacin del tratamiento estadstico tiene dos fases fundamentales:
Organizacin y anlisis inicial de los datos recogidos.
Extraccin

de

conclusiones

vlidas

toma

de

decisiones

razonables a partir de ellos. (Bencardino, 2011).

Los objetivos de la Estadstica Descriptiva son los que se abordan en la
primera de estas fases. Es decir, su misin es ordenar, describir y
sintetizar la informacin recogida. En este proceso ser necesario
establecer medidas cuantitativas que reduzcan a un nmero manejable
de parmetros el conjunto (en general grande) de datos obtenidos.
La realizacin de graficas (visualizacin de los datos en diagramas)
tambin forma parte de la Estadstica Descriptiva dado que proporciona
una manera visual directa de organizar la informacin.
La finalidad de la Estadstica Descriptiva no es, entonces, extraer
conclusiones generales sobre el fenmeno que ha producido los datos
bajo estudio, sino solamente su descripcin (de ah el nombre).
1.1.- Variables estadsticas. (Russell, 1970).
El concepto de variable estadstica es, sin duda, uno de los ms
importantes en Estadstica. Pero antes de abordar su definicin, es
necesario introducir anteriormente diversos conceptos bsicos.
Por otra parte, las variables se pueden as mismo clasificar en
unidimensionales, cuando solo se mida un carcter o dato de los
elementos de la muestra, o bidimensionales, tridimensionales, y en
general dimensionales, cuando se estudien simultneamente varios
caracteres de cada elemento.
Se entiende por variable estadstica al smbolo que representa al dato o
carcter objeto de nuestro estudio de los elementos de la muestra y que
puede tomar un conjunto de valores.
Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

En el caso de que estemos tratando con caracteres cuantitativos, la

variables estadsticas pueden clasificarse en: discretas, cuando solo
pueden tomar una cantidad (finita o infinita) numerable de valores, y
continuas, cuando pueden tomar tericamente infinitos valores entre dos
valores dados.
Es la diferencia bsica que existe entre contar y medir.
Ejemplo I. El nmero de electrones de un tomo es una variable discreta.
La velocidad o la altura de un mvil son variables continuas.
1.1.1.- Poblacin y muestra (Kish, 1975).
Se denomina poblacin al conjunto completo de elementos, con alguna
caracterstica comn, que es el objeto de nuestro estudio. Esta definicin
incluye, por ejemplo, a todos los sucesos en que podra concretarse un
fenmeno o experimento cualesquiera. Puede ser:
Una poblacin puede ser finita.
Una poblacin puede ser infinita.
1.2.- Caracteres cuantitativos o cualitativos. (Goode, 1967).
El objeto de nuestra medida pueden ser caracteres de tipos muy diversos.
De ah que normalmente se clasifiquen en:
a) caracteres cuantitativos: aquellos que toman valores numricos.
Por ejemplo la altura o la velocidad de un mvil.
b) caracteres cualitativos: tambin llamados atributos, son aquellos
que

no

podemos

representar

numricamente

describen

cualidades. Por ejemplo, un color o el estado civil.

Aunque existen algunas diferencias, el tratamiento para ambos casos es
similar, pudindose asignar, en muchas ocasiones, valores numricos a
los diferentes caracteres cualitativos. (Parson, 1976).

Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

1.3.-Tabla de frecuencias de una variable discreta.

Supongamos que tenemos una muestra de tamao N, donde la variable
estadstica x toma los valores distintos x1, x2, . . . , xk. En primer lugar
hay que ordenar los diferentes valores que toma la variable estadstica en
orden (normalmente creciente). La diferencia entre el valor mayor y menor
que toma la variable se conoce como recorrido, o rango. (Taro, 1978).
Frecuencia absoluta acumulada Ni: Suma de las frecuencias absolutas
de los valores inferiores o igual a xi, o nmero de medidas por debajo, o
igual, que xi. Evidentemente la frecuencia absoluta acumulada de un
valor se puede calcular a partir de la correspondiente al anterior como:
Ni = Ni1 + ni y N1 = n1. (2.2).
Adems la frecuencia absoluta acumulada del ultimo valor ser Nk = N.
Frecuencia relativa acumulada Fi: Cociente entre la frecuencia absoluta
acumulada y el nmero de observaciones. Coincide adems con la suma
de las frecuencias relativas de los valores inferiores.
1.4.- Agrupamiento en intervalos de clase. (Gorgas Garcia, 2000)
Cuando el nmero de valores distintos que toma la variable estadstica
es demasiado grande o la variable es continua no es til elaborar una
tabla de frecuencias como la vista anteriormente.
En estos casos se realiza un agrupamiento de los datos en intervalos y se
hace un recuento del nmero de observaciones que caen dentro de cada
uno de ellos.
Dichos intervalos se denominan intervalos de clase, y al valor difcil, la
variable en el centro de cada intervalo se le llama marca de clase. De esta
forma se sustituye cada medida por la marca de clase del intervalo a que
corresponda. A la diferencia entre el extremo superior e inferior de cada
intervalo se le llama amplitud del intervalo. (Gorgas Garcia, 2000).

Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

1.5.- Medidas caractersticas de una distribucin (Russell,

1970).
La percepcin, sin comprobacin ni fundamento, no es garanta
suficiente de alguna representacin grfica, el siguiente paso para llevar
a cabo un estudio preliminar de los datos recogidos.
Es el clculo de diferentes magnitudes caractersticas de la distribucin.
Se definen entonces diversas medidas que sern capaces de resumir toda
la informacin recogida a un pequeo nmero de valores. Estas medidas
resumen van a permitir comparar nuestra muestra con otras y dar una
idea rpida de cmo se distribuyen los datos. Es evidente que todas estas
medidas solo pueden definirse para variables cuantitativas.
1.5.1.- Medidas de centralizacin (Russell, 1970).
Entre las medidas caractersticas de una distribucin destacan las
llamadas medidas de centralizacin, que nos indicaran el valor promedio
de los datos, o en torno a que valor se distribuyen estos.
a) Media aritmtica (Russell, 1970).
Supongamos que tenemos una muestra de tamao N, donde la variable
estadstica x toma los valores x1, x2, . . . , xN. Se define la media
aritmtica x, o simplemente media, de la muestra como de una determina
muestra.
b) Medias geomtrica, armnica y cuadrtica (Berenson, 2012).
Existen otras definiciones de media que pueden tener su utilidad en
algunos casos. La primera de estas es la media geomtrica xG. En el caso
de una muestra con valores diferentes de la variable se define como la
raz ensima (N es el tamao de la muestra) del producto de los valores
de la variable.
c) La media armnica xA. (Berenson, 2012).
Se define como la inversa de la media aritmtica de las inversas de los
valores de la variable. Es decir, para variables no agrupadas y agrupadas,

Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

la media armnica es muy poco sensible a valores muy altos de x,

mientras que a la media cuadrtica apenas le afectan los valores.
1.5.2.- La Mediana (Bencardino, 2011)
Una medida de centralizacin importante es la mediana Me. Se define
esta como una medida central tal que, con los datos ordenados de menor
a mayor, el 50% de los datos son inferiores a su valor y el 50% de los
datos tienen valores superiores.
Es decir, la mediana divide en dos partes iguales la distribucin de
frecuencias o, grficamente, divide el histograma en dos partes de reas
iguales.
1.5.3.- La Moda (Bencardino, 2011)
Se define la moda Mo de una muestra como aquel valor de la variable que
tiene una frecuencia mxima. En otras palabras, es el valor que ms se
repite. Hay que indicar que puede suceder que la moda no sea nica, es
decir que aparezcan varios mximos en la distribucin de frecuencias.
En ese caso diremos que tenemos una distribucin bimodal, trimodal,
etc. Evidentemente, en el caso de una variable discreta que no toma
valores repetidos, la moda no tiene sentido. Cuando si existen valores
repetidos su clculo es directo ya que puede leerse directamente de la
tabla de distribucin de frecuencias.
1.5.4.- Cuartiles, deciles y percentiles
Vamos a generalizar ahora el concepto de mediana. Vimos que esta era
el valor de la variable que divida a la muestra (ordenada) en dos mitades
iguales. Definimos ahora los cuartiles como los tres valores que dividir
en la muestra en cuatro partes iguales.
As el primer cuartil Q1/4 ser la medida tal que el 25% de los datos sean
inferiores a su valor y el 75% de los datos sean superiores. El segundo
cuartil Q1/2 coincide con la mediana, mientras que el tercer cuartil Q3/4
marcara el valor tal que las tres cuartas partes de las observaciones sean
inferiores y una cuarta parte sea superior. (Taro, 1978).
Estadstica descriptiva

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Capitulo II: coeficiente Asimetra a travs de momentos

Un problema que plantean las medidas de dispersin vistas es que vienen
expresadas en las unidades en que se ha medido la variable. Es decir,
son medidas absolutos y con el nico dato de su valor no es posible decir
si tenemos una dispersin importante o no. (Wathen, 2000).
Para solucionar esto, se definen unas medidas de dispersiones relativas,
independientes de las unidades usadas. Estas dispersiones relativas van
a permitir adems comparar la dispersin entre diferentes muestras (con
unidades diferentes).
Entre estas medidas hay que destacar el coeficiente de Pearson, definido
como el cociente entre la desviacin tpica y la media aritmtica. As
mismo se pueden definir otras medidas de dispersin relativas, como el
coeficiente de variacin media.
Este es similar al coeficiente de Pearson, pero empleando una desviacin
media en vez de la media aritmtica. Se tienen entonces dos coeficientes
de variacin media dependiendo de que se calcule respecto a la
desviacin media respecto a la media aritmtica o respecto a la mediana.
(Berenson, 2012).
Pero en realidad, los valores no son nunca perfectamente simtricos y la
asimetra de la distribucin proporciona una idea sobre si las
desviaciones de la media son positivas o negativas. Una asimetra positiva
implica que hay ms valores distintos a la derecha de la media.
Las medidas de asimetra, sobre todo el coeficiente de asimetra de Fisher,
junto con las medidas de apuntamiento o curtosis se utilizan para
contrastar si se puede aceptar que una distribucin estadstica sigue la
distribucin normal. Esto es necesario para realizar numerosos
contrastes estadsticos en la teora de inferencia estadstica. (Berenson,
2012).
La descripcin estadstica de una muestra de datos no concluye con el
clculo de su tendencia central y su dispersin. Para dar una descripcin
Estadstica descriptiva

10

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

completa es necesario estudiar tambin el grado de simetra de los datos

respecto a su medida central y la concentracin de los datos alrededor de
dicho valor.
Son indicadores que permiten establecer el grado de simetra (o asimetra)
que presenta una distribucin de probabilidad de una variable
aleatoria sin tener que hacer su representacin grfica. (Taro, 1978).
Como eje de simetra consideramos una recta paralela al eje de ordenadas
que pasa por la media de la distribucin. Si una distribucin es simtrica,
existe el mismo nmero de valores a la derecha que a la izquierda de la
media, por tanto, el mismo nmero de desviaciones con signo positivo
que con signo negativo. (Wathen, 2000).
2.1.- Coeficientes de asimetra. (Gorgas Garcia, 2000).
Se dice que una distribucin de medidas es simtrica cuando valores de
la variable equidistantes, a uno y otro lado, del valor central tienen la
misma frecuencia. Es decir, en este caso tendremos simetra en el
histograma (o en el diagrama de barras) alrededor de una vertical trazada
por el punto central.
En el caso de no tener simetra, diremos que tenemos asimetra a la
derecha (o positiva) o a la izquierda (o negativa) dependiendo de que el
histograma muestre una cola de medidas hacia valores altos o bajos de
la variable respectivamente. (Berenson, 2012)
Es un indicador del grado de asimetra que presenta una distribucin.
Valores posibles:

Estadstica descriptiva

11

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Las medidas de asimetra son indicadores que permiten establecer el

grado de simetra (o asimetra) que presenta una distribucin de
frecuencias o variable aleatoria sin tener que hacer su representacin
grfica. (Gorgas Garcia, 2000).
La asimetra resulta til en muchos campos. Muchos modelos simplistas
asumen una distribucin normal, esto es, simtrica en torno a la media.
La distribucin normal tiene una asimetra cero. Pero en realidad, los
valores no son nunca perfectamente simtricos y la asimetra de la
distribucin proporciona una idea sobre si las desviaciones de la media
son positivas o negativas. Una asimetra positiva implica que hay ms
valores distintos a la derecha de la media (Goode, 1967)
Tambin se puede decir que la distribucin esta sesgada a la derecha
(sesgo positivo) o a la izquierda (sesgo negativo). En el caso de una
distribucin asimtrica, la media, mediana y moda no coinciden,
Siendo x Me Mo para una asimetra positiva y x Me Mo para una
asimetra negativa.

Es una medida de forma de una distribucin que permite identificar y

describir la manera como los datos tiende a reunirse de acuerdo con la
frecuencia con que se hallen dentro de la distribucin. Permite identificar
las caractersticas de la distribucin de datos sin necesidad de generar el
grfico. (DAZA, 2006)
2.2.- TIPOS DE ASIMETRA
La asimetra presenta las siguientes formas:
a) Asimetra Negativa o a la Izquierda.- Se da cuando en una
distribucin la minora de los datos est en la parte izquierda de la
media. Este tipo de distribucin presenta un alargamiento o sesgo
hacia la izquierda, es decir, la distribucin de los datos tiene a la
izquierda una cola ms larga que a la derecha. Tambin se dice que
Estadstica descriptiva

12

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

una distribucin es simtrica a la izquierda o tiene sesgo negativo

cuando el valor de la media aritmtica es menor que la mediana y
ste valor de la mediana a su vez es menor que la moda, en
smbolos

. (DAZA, 2006)

Nota: Sesgo es el grado de asimetra de una distribucin, es decir, cunto

se aparta de la simetra.
2.3.- Simtrica.- Se da cuando en una distribucin se distribuyen
aproximadamente la misma cantidad de los datos a ambos lados de la
media aritmtica. No tiene alargamiento o sesgo. Se representa por una
curva normal en forma de campana llamada campana de Gauss
(matemtico Alemn 1777-1855) o tambin conocida como de Laplace
(1749-1827).Tambin se dice que una distribucin es simtrica cuando
su media aritmtica, su mediana y su moda son iguales, en smbolos
Md=Mo
b) Asimetra Positiva o a la Derecha.- Se da cuando en una
distribucin la minora de los datos est en la parte derecha de la
media

aritmtica.

Este

tipo

de

distribucin

presenta

un

alargamiento o sesgo hacia la derecha, es decir, la distribucin de

los datos tiene a la derecha una cola ms larga que a la izquierda.
Tambin se dice que una distribucin es simtrica a la derecha o tiene
sesgo positivo cuando el valor de la media aritmtica es mayor que la
mediana y ste a valor de la mediana a su vez es mayor que la moda, en
smbolos

Estadstica descriptiva

13

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

2.4.- La asimetra resulta til en muchos campos. (DAZA, 2006)

Muchos modelos simplistas asumen una distribucin normal, esto es,
simtrica en torno a la media. La distribucin normal tiene una asimetra
cero. Con el fin de cuantificar el grado de asimetra de una distribucin
se pueden definir los coeficientes de asimetra. Aunque no son los nicos,
existen dos coeficientes principales: (Bencardino, 2011)
2.5.- Coeficiente de asimetra de Fisher. (Zamora, 2003)
Se define como el cociente entre el momento de orden 3 respecto a la
media y el cubo de la desviacin tpica. En el caso una distribucin
simtrica, las desviaciones respecto a la media se anularan (puesto que
en m3 el exponente es impar se sumaran nmeros positivos y negativos)
y el coeficiente de asimetra ser nulo (g1 = 0). En caso contrario, g1
tendr valores positivos para una asimetra positiva (a la derecha) y
negativos cuando la asimetra sea en el otro sentido.
Hay que indicar que la divisin por el cubo de la desviacin tpica se hace
para que el coeficiente sea adimensional y, por lo tanto, comparable entre
diferentes muestras.
La razn de esto es que nos interesa mantener el signo de las desviaciones
con respecto a la media, para obtener si son mayores las que ocurren a
la derecha de la media que las de la izquierda. Sin embargo, no es buena
idea tomar el momento estndar con respecto a la media de orden.

Donde

es el tercer momento en torno a la media y

la desviacin estndar.
Si

, la distribucin es asimtrica positiva o a la derecha.

Si

, la distribucin es asimtrica negativa o a la izquierda.

Estadstica descriptiva

14

es

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Si la distribucin es simtrica, entonces sabemos qu

. El recproco

no es cierto: es un error comn asegurar que si

entonces la

distribucin es simtrica (lo cual es falso).

2.5.1.- Coeficiente de asimetra de Pearson. (Parson, 1976)
Este coeficiente, tambin adimensional, se define como Su interpretacin
es similar a la del coeficiente de Fisher, siendo nulo para una distribucin
simtrica. Slo se puede utilizar en distribuciones uniformes, un modales
y moderadamente asimtricas. Se basa en que en distribuciones
simtricas la media de la distribucin es igual a la moda.

Donde

es el momento central de orden 1, que corresponde a la media

aritmtica de la variable

Si la distribucin es simtrica,

. Si la distribucin

es asimtrica positiva la media se sita por encima de la moda y, por

tanto,

.
2.5.2.- Coeficiente de asimetra de Bowley. (Zamora, 2003)

Est basado en la posicin de los cuartiles y la mediana, y utiliza la

siguiente expresin:

En una distribucin simtrica el tercer cuartil estar a la misma distancia

de la mediana que el primer cuartil.
Por tanto

Si la distribucin es positiva o a la derecha,

Estadstica descriptiva

15

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Capitulo III: Coeficiente Asimtrico a travs de Momentos.

Algunas de las definiciones vistas hasta ahora, como la de la media
aritmtica y la varianza, son en realidad casos particulares de una
definicin ms general. Si tenemos una muestra de la variable
estadstica. (Bernardo, 2000)
3.1.- Momentos respecto al origen.
Un caso particular especialmente interesante de la definicin de
momento es cuando c = 0. De esta forma se define el momento de orden
r respecto al origen como. Los momentos respecto al origen suministran
entonces medidas de tendencia central.
3.2.- Momentos respecto a la media.
De la misma manera, se pueden obtener medidas de dispersin
sustituyendo por la media aritmtica en la definicin de momento.
3.3.-Propiedades y aplicaciones
El coeficiente de variacin no posee unidades.
El coeficiente de variacin es tpicamente menor que uno. Sin
embargo, en ciertas distribuciones de probabilidad puede ser 1
o mayor que 1.
Para su mejor interpretacin se expresa como porcentaje.
Depende de la desviacin tpica, tambin llamada "desviacin
estndar", y en mayor medida de la media aritmtica, dado que
cuando sta es 0 o muy prxima a este valor el C.V.
pierde significado, ya que puede dar valores muy grandes, que
no necesariamente implican dispersin de datos.

Estadstica descriptiva

16

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

El coeficiente de variacin es comn en varios campos de la

probabilidad aplicada, como teora de renovacin y teora de
colas.
En estos campos la distribucin exponencial es a menudo ms
importante que la distribucin normal. La desviacin tpica de
una distribucin exponencial es igual a su media, por lo que su
coeficiente de variacin es 1.
La distribuciones con un C.V. menor que uno, como la
distribucin de Erlang se consideran de "baja varianza",
mientras que aquellas con un C.V. mayor que uno, como la
distribucin hiperexponencial se consideran de "alta varianza".
Algunas frmulas en estos campos se expresan usando.

Estadstica descriptiva

17

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Conclusiones
Primero. En este trabajo monogrfico se dio a conocer las tcnicas
bsicas de la estadstica y dentro de ella, el coeficiente simetra a travs
de momento

invariante: organizacin de los datos mediante muchas

concepciones de diversas autores de al estadstica aplicada.

Segundo. Se ha explicado tambin el concepto de probabilidad de
un suceso, que desempea una funcin relevante en el anlisis y
prediccin del comportamiento de las variables aleatorias asociadas a
fenmenos cotidianos.
Tercero. Finalmente, se han presentado algunos de los principales
modelos matemticos que se usan para describir, de forma terica, el
comportamiento de variables aleatorias.

Estadstica descriptiva

18

Coeficiente Asimetra a travs de Momentos

19 de noviembre de 2015

Bibliografa
Bencardino, C. M. (2011). Estadistica Aplicada. Bogota : Eco Ediciones.
Berenson, L. K. (2012). Estadistica Descriptiva. Mexico: Pearson
Educacion.
Bernardo, O. (2000). Estadistica Aplicada . Lima: Limusa.
Goode, W. (1967). Metodos De La Investigacion Social. Bogota.
Gorgas Garcia, J. (2000). Estadistica Basica. Madrid.
Jose, C. B. (2003). Estadistica General. Lima: Juridica De Lima.
Kish, L. (1975). Muestreo De Encuestas. Mexico.
L., L. (1976). Introduccion A La Estadistica . Chile: Cecp.
Parson, T. (1976). El Sistema Social . Espaa: Revista Del Occidente.
Russell, B. (1970). Medidas De Caracteristicas De Distribucion. Madrid.
Taro, Y. (1978). Estadistica Aplicada.
Wathen, L. M. (2000). Estadistica Aplicada A Los Negocios. Mexico: S.A.
De C.V. Companies.
Zamora, M. C. (2003). Estadistica Descritptiva E Inferencial. Lima:
Moshera.

Estadstica descriptiva

19