Universidad Antenor Orrego estadística descriptiva

UNIVERSIDAD PARTICULAR ANTENOR ORREGO
FACULTAD DE INGENIERA
Escuela Profesional de Ingeniera Civil
ESTADSTICA
Lic.
FERNANDO ABAD LLACSAHUANGA
Docente del Curso
2017
Universidad Privada Antenor Orrego Estadstica Aplicada
Escuela de Ingeniera Civil
CONTENIDO
C a p t u l o 1
ESTADSTICA DESCRIPTIVA.
1.1 Definicin de la Estadstica.

La palabra estadstica se refiere a un sistema o mtodo usado en la recopilacin, organizacin, anlisis y
descripcin numrica de la informacin.
Los profesionales de Investigacin aplican algunas tcnicas estadstica a virtualmente todas las
ramas de las empresas pblicas y privadas. Estas tcnicas son tan diversas que los estadsticos, por lo
general, consideran dos fases en el campo de la Estadstica. En primer lugar est la fase que slo se
limita a la descripcin de una serie de datos sin llegar a conclusiones o a generalizar con respecto a un
grupo mayor. Esta (fase) se conoce como Estadstica deductiva o descriptiva. En segundo lugar est la
fase de anlisis que trata de llegar a conclusiones acerca de un grupo mayor basado en la informacin
de un grupo menor o muestra: es esta la Estadstica inductiva o de inferencia.
En un principio se consideraba que la funcin de la estadstica era la descripcin de las caractersticas

de grupo, actividad que la hacia confundir con el papel que cumple la historia de observar y describir el
hecho. En su origen, las estadsticas eran Historias; hoy en da, la estadstica, adems de ser
descriptiva, es analtica, considerndose esta ltima como la funcin ms importante que
realiza, ya que permite obte ner conclu siones pa ra un g rupo mayo r, denomina do
pob lacin , p a rt ie n do de un a in ve st ig a cin re a lizad a en u n g rup o men o r, con o cido como
muestra, cuyo elementos, en la mayora de casos, se seleccionan aleatoriamente.
La estadstica descriptiva o deductiva tiene como finalidad colocar en evidencia

aspectos caractersticos (promedios, variabilidad de los datos, cte.), que sirven para efectuar
comparaciones sin pretender sacar conclusiones de tipo ms general.
r~
Esta descripcin se realiza a travs de la elaboracin de cuadros, grficos, clculo de
p r o m e d i o s , va r i a n z a s, p r o p o r c i o n e s d e u n a o m s v a r i a b le s , q u e d e b e n e st a r
relacionadas.
La estadstica inferencial o inductiva busca dar explicaciones al conjunto de
observaciones, probar la significacin o validez de los resultados; intenta descubrir las causas
que lo originan, con gran aplicacin en el campo del muestreo, logrndose de esta manera,
conclusiones que se extienden ms all de las estadsticas mismas.
Uno de los principales objetivos de la estadstica es hacer inferencias acerca de los va lo re s
e sta d st ico s de la p ob la cin , de no min a do s pa r me t ro s, a t ra v s d e la informacin
obtenida en una muestra, que permite el clculo de estimadores.
La estadstica, de acuerdo con todo lo anterior, se podra definir como aquel mtodo que
pe rmite no sl o descri bi r el hec ho o fe nme no, si no de duc ir y eval uar
conclusiones acerca de una poblacin, utilizando resultados proporcionados por una
muestra.
G e n e r a l m e n t e se a s o c i a la p a la b r a E s t a d s t i ca c o n c i f r a s so b r e a l g n ca m p o
p a r t i c u l a r. P o d e m o s a s o c i a r l a c o n c i f r a s s o b r e e l n m e r o d e n a c i m i e n t o s ,
defunciones, transacciones comerciales, valor de las acciones en el mercado de valores,
volumen fsico y monetario de las importaciones y exportaciones, beneficio y utilidad de las
empresas, demanda presente o potencial de algn producto.
1.2. Algunos trminos y conceptos que se deben conocer y manejar.

A continuacin se definen algunos trminos que sern utilizados en el desarrollo de los
diferentes captulos, en los cuales se ha dividido esta asignatura.
Lic. Fernando Abad Llacsahuanga -2-

Universo. Se denomina universo, a un conjunto de elementos (que consiste de

personas, objetos, etc.) que contienen una o ms caractersticas observables de naturaleza
cualitativa o cuantitativa que se pueden medir en ellos.
Unidad elemental. A cada elemento de un universo se denomina unidad elemental. Por

ejemplo, los empleados de una empresa en un da laborable, constituyen un Universo en la
que cada empleado (unidad elemental), tiene muchas caractersticas a ser observadas, como
por ejemplo: sexo, estado civil, lugar de procedencia, grado de instruccin, etc. (caracterstica
cualitativa), o nmero de hijos, ingresos mensuales, instruccin, etc . (caracterstica
cuantitativas).
El resultado de medir una caracterstica observable de una unidad elemental, se denomina
dato estadstico-o valor observado o simplemente observacin.
Poblacin. Por otra parte, el universo viene definido por la investigacin estadstica a realizarse. Y
como la medicin, de la caracterstica especificada por la investigacin se hace a cada unidad
elemental, se puede considerar a la poblacin como el conjunto de medidas o el recuento
de todos los elementos que presentan una caracterstica comn especificada por la
investigacin. Estadstica. El termino poblacin se usa para denotar el conjunto de elementos del
cual se extrae la muestra.
Marco muestral. Se denomina marco muestral o marco de referencia, a la lista, mapa o

cualquier otro material aceptable, que contenga todas las unidades o elementos
perfectamente identificadas y actualizadas, de la cual se selecciona la muestra.
Caractersticas. Es importante resaltar el hecho de que a pesar de encontrarse una poblacin

constituida por un grupo de elementos o unidades, a la estadstica no le interesa el elemento o la
unidad en s, sino su caracterstica.
Estos son algunos ejemplos de lo que podran denominarse elementos de una poblacin y
caractersticas de la misma.
Elementos Caractersticas
Personas Salarios
Personas Horas trabajadas
Personas Cargos
Departamentos Ventas
Hogar Consumo
Las caractersticas (o caracteres), corresponden a ciertos rasgos, cualidades o propiedades que

poseen los elementos que constituyen la poblacin o la muestra.
Muestra. Es un conjunto de medidas de una parte de los elementos pertenecientes a la poblacin,

con el fin de obtener informacin acerca de la poblacin de la cual proviene. La muestra debe ser
seleccionada de manera que sea representativa de la poblacin. Para que una muestra sea
representativa de la poblacin se requiere que las unidades sean seleccionadas aleatoriamente
o al azar (es decir, todos los elementos que componen la poblacin tienen la misma
posibilidad de ser seleccionados); ya sea utilizando mtodos tales como: el sorteo, las
tablas de nmeros aleatorios, la seleccin sistemtica o cualquier otro mtodo que sea al azar.
Una muestra no probabilstica corresponde a la seleccin de las unidades o elementos,

segn el criterio o conveniencia del investigador. En estos casos, algunas unidades tienen mayor
posibilidad que otras de ser seleccionadas; por tal razn no se puede determinar la validez, ni la
confianza que merecen dichos resultados. Casi por lo general, las unidades se seleccionan en forma
caprichosa, voluntaria, por cuotas, tal como sucede en las encuestas de opinin, que en la mayora de
los casos no tienen credibilidad, de ah que se le conozca como muestra circunstancial.

Parmetro. Es una medida que describe numricamente una caracterstica de una poblacin, tal como
la media ( ) o la varianza Tambin se le denomina valor verdadero, ya que una caracterstica
poblacional tendr un solo parmetro (media, varianza, etc.). Sin embargo, una poblacin puede tener
varias caractersticas y, por tanto, varios parmetros. Algunos lo denominan como valor
estadstico de la poblacin.
Es tadstica o esta d gra fo: La descripcin num rica de una caracte r st ica
correspondiente a los elementos de una muestra aleatoria, se denomina estadgrafo, tal como la
media (X) o la varianza ( S 2) muestral. De una poblacin se pueden obtener M nmero de
muestras posibles y en cada una de ellas se puede cuantificar la caracterstica, obtenindose por lo
general, valores diferentes para cada muestra. a pesar de ser utilizado el mismo estadgrafo o medida.
Tambin se le conoce como Estimulador Puntual si se trata de un promedio, varianza, proporcin, etc.
Como por lo general existe una diferencia entre el estimador y el parmetro, denominado error, es
aconsejable utilizar el estimador por intervalos, dentro del cual deber estar contenido el parmetro
con cierto margen de seguridad, establecido por el investigador.
La diferencia entre el estimador y el parmetro, como ya se dijo, se le denomina como error de
muestreo, y lo fija el investigador para determinar el tamao de la muestra, con base en la
experiencia y el conocimiento que tenga sobre el comportamiento y, la variacin que
tenga la caracterstica o caractersticas principales relacionadas con el objetivo mismo de la
investigacin.
Errores ajenos al muestreo; no son cuantificables como el anterior y son resultados de errores
sistemticos, que se producen a lo largo de la investigacin.
1.3 Variables estadsticas.

Una variable estadstica es una caracterstica de las personas u objetos que puede tomar
diferentes valores. Las variables estadsticas generalmente se denotan con las letras X, Y, Z, etc.
Las variables se pueden clasificar de la forma siguiente:
1.3.1. Variable Cuantitativa.- Son aquellas variables que se obtienen como resultado de
mediciones y conteos. Son variables cuantitativas: estatura, peso, ingreso, valor, produccin,
ventas, el nmero de personas por hogar, el nmero de piezas ensambladas que se han encontrado
defectuosos, etc.
Las variables cuantitativas se clasifican en Discretas y continuas.
a) Una variable discreta slo puede tomar unos determinados valores, siendo imposible que
llegue a tomar valores intermedio entre dos consecutivos, es decir, toma nicamente valores
enteros: 1, 2, 3, etc., tal es el caso del nmero de hijos por familia, las unidades de un artculo
en inventario, la asistencia a la reunin anual de una determinada compaa y el nmero de
componentes ensamblados que se han encontrado defectuosos.
b) Una variable continua puede tomar cualquier valor en un intervalo especificado, es decir, se
admiten valores fraccionarlos, como el nmero de aos de una persona, el salario, el peso de un
embarque, la presin sangunea, el tiempo transcurrido antes de que falle un dispositivo y el nmero
promedio de personas por hogar en una comunidad grande.
1.3.2. Variable Cualitativa.- Son variables cuyos valores consisten en categoras de clasificacin, o sea
se refiere a la cualidad que presenta la poblacin. Por ejemplo, la variable "estado civil" puede adoptar
las modalidades: soltero, casado, divorciado, viudo, etc. Tambin son ejemplos de variables
cualitativas: clase social, profesin, cargo, marcas, calidad, etc. A su vez sta variable puede
clasificarse en: Nominal y Ordinal.
a) Variable Cualitativa Nominal.- Son aquellas que surgen cuando se definen categoras
y se cuenta el nmero de observaciones pertenecientes a cada categora y no lleva ninguna
ordenacin en las posibles modalidades.
- La variable cualitativa "color de las bebida gaseosas" con las posibles modalidades: Negro, Rojo,
Naranja, es una variable cualitativa nominal.
- Son ejemplos de variables cualitativas: "estado civil", "Ideas religiosas", "Nacionalidad", entre otras.
b) Variable Cualitativa Ordinal.- Cuando se va ms all del nivel de clasificacin y se busca

ordenar los casos en trminos del grado que posee una determinada caracterstica, entonces se
est trabajando con una variable cualitativa ordinal. Ejemplos: la variable "status socioeconmico"
con sus modalidades: clase baja, media y alta es una variable cualitativa ordinal. La variable "orden
de mrito" cuyas modalidades son 1% 2% Y, etc. mide las calificaciones de las unidades estadsticas en
escala ordinal.
1.4. Obtencin de datos a travs experimentos y encuestas.

Una manera de obtener datos es a travs de la observacin directa. Un experimento estadstico es una
forma de observacin directa en la que se controlan algunos o todos los factores que pueden influir
sobre la variable que se estudia.
En algunas situaciones, no es posible obtener datos en forma directa, sino que, ms bien, la
informacin debe obtenerse a partir de respuestas individuales. Una encuesta estadstica es el proceso
de recopilar datos pidiendo a personas que proporcionen informacin. Los datos pueden obtenerse con
mtodos como la entrevista personal o telefnica, o travs de un cuestionario escrito.
1.5. Presentacin de los datos.

Despus de obtener un conjunto de datos, es necesario presentarlos en forma tal, que facilite su
compresin y su posterior anlisis y utilizacin. No servir de nada que estas medidas se presenten
en un simple listado. Lo mejor ser ordenarlos en tablas o cuadros y luego representarlo en grficos:
Si se tienen pocos datos, y estos son valores discretos, entonces conviene presentar una distribucin
de frecuencias sin intervalos; pero si se tiene valores continuos o muchos valores discretos, conviene
presentar una distribucin de frecuencia por intervalos.
1.5.1. Distribucin de frecuencias sin intervalos:

Ejemplo 1.1. Supngase que ante la pregunta del nmero de hijos por familia (variable X ) una muestra
de 20 hogares, marc las siguientes respuestas :
2, 1, 2, 4, 1, 3, 2, 3, 2, 0, 3, 2, 1, 3, 2, 3, 3, 1, 2, 4. n=20
Al ordenar estos datos en forma ascendente, se obtienen cinco valores distintos 0, 1, 2 , 3 , 4

q ue se re p ite n re sp e ct iva me nt e 1, 4, 7, 6 , 2 ve ce s. L a d ist ribu ci n de frecuencias de X se
da en la tabla 1.1.
Tabla 1.1.- Distribucin de frecuencias del nmero de hijos por familia.
Nmero de Frecuencias Frecuencias Frecuencias

hijos Absolutas Relativas Porcentajes
xi ni hi (%)
0 1 0.05 5
1 4 0.20 20
2 7 0.35 35
3 6 0.30 30
4 2 0.10 10
Total 20 1.00 100
Fuente.- Datos obtenidos de los formularios de la encuesta.
Grfico.

La representacin grfica ms comn para este tipo distribucin de frecuencias es el

diagrama de barras que consiste en trazar en cada valor distinto de la variable,
segmentos de lneas proporcionales a su frecuencia.
Nmero de hijos por familia
Nmero de hijos
Figura 1.1. Diagrama de barras para los datos de la tabla 1.1.
1.5.2. Distribucin de frecuencias por intervalos.

La distribucin de frecuencia por intervalos o clases se usa cuando la variable
estadstica es contina o cuando el nmero de valores distintos de una variable discreta
es grande.
Elaboracin de las tablas de frecuencias.
Ejemplo 1.2. Para esclarecer la construccin de la tabla de frecuencias para datos agrupados en
intervalos de clase, desarrollaremos un ejemplo, tomando como datos las observaciones del nmero
de pasajeros a bordo de 50 autobuses cuando salen del terminal terrestre de Castilla a los distintos
distritos de la provincia de Piura, durante la ltima semana de mayo de 2011. Los autobuses tienen 55
asientos cada uno y los pasajeros adicionales deben viajar de pie.
56 42 59 50 38 46 45 49 57 48 47 53 48 39 55 51 50 51
64 48 45 40 56 51 52 46 51 47 48 31 49 42 54 50 51 47
56 46 53 58 41 50 49 52 48 55 45 35 36 43
Se pide representar los datos en una tabla de frecuencias.
Solucin.
1. Debemos de determinar el rango (R) de variacin de los datos que se define por:
R = Xmax - Xmin

En nuestro ejemplo, tenemos: Valor mnimo

Xmin =31
Valor mximo Xmx = 64
Luego el rango es R = 64 - 31= 33
2. Tenemos que calcular cuantas clases deben formarse?. Para eso se usa la frmula de Sturges:
K =1 +3.322 log n
donde: K = nmero de clases
n = nmero de elementos en la muestra (tamao de la muestra).
Est formula es muy til porque orienta al principiante. Sin embargo, es un poco conservador y tiende a
dar un nmero de clases un poco menor del que se utiliza en la practica.
En nuestro ejemplo: K = ? , n = 50
Aplicando la frmula tenemos:

K=1+3.322 log 50 = 6.644
redondeando al entero inmediato mayor por que, como ya se indico, la formula es un poco conservadora,
obtenemos:
K = 7.
Nota.- por razones extradas de la prctica, se adoptan los siguientes lmites para K. 5 K 1 5
3. la idea los valores con el fin de percib ir algunas caractersticas o propiedades de los datos que no
parecen a simple vista. Para esto vamos a clasificar los 50 autobuses en 7 clases, de acuerdo con la
formula de Sturges.
La amplitud de cada intervalo de clase que representamos con la letra c, se obtiene por medio de
la formula:
R
C= K
Aplicando los datos a la frmula anterior, se tiene: c =

33 = 4.7143
7
Redondeamos a 5.
Luego e = 5 y por tanto, el nuevo recorrido ser:
R' = c x K = 5 x 7 = 35
4. Teniendo en cuenta que este recorrido es mayor que el recorrido original, buscaremos el
exceso:
Exceso = 35 33 = 2 pasajeros
Debemos repartir este exceso a los dos extremos del recorrido original, mitad a cada lado, en este caso
1 a cada extremo. Sumamos el nmero 1 al valor mximo: 64 + 1 = 65 y restamos el nmero 1 al valor
mnimo: 31 - 1 = 30.
A partir de este valor 30 agregamos sucesivamente la amplitud 5 y obtenemos los

Puntos de divisin que determinan los 7 intervalos (ver figura 1.2).
30 35 40 45 50 55 60 65
Figura 1.2

sin embargo una dificultad se presenta cuando algunos de los datos coincide con cualquiera de los
puntos de divisin: 35, 40, 45, 50, 55 y 60.
5. Supongamos que un dato es 35 donde lo colocamos?- en el primer intervalo cuyos

extremos son 30 y 35?- (ver Fig. 1.2) en el segundo que tiene por extremos 35 y 40?-
Para aclarar est ambigedad adoptamos, el intervalo abierto por la izquierda que no incluye al valor 30
(lmite inferior del intervalo) y cerrado por la derecha que incluye al valor 35 (lmite superior del
intervalo). Este tipo de intervalo se representa matemticamente por: ( Y' i-1 Y'] donde Y' i-1, representa
el lmite inferior del intervalo y Y' i representa el lmite superior.
As, en nuestro ejemplo el primer intervalo lo escribiremos como ( 30 35].
Por tanto los intervalos de clase quedan definidos como:
Intervalo
(30-35] (35-40] (40-45] (45-50] (50-55] (55-60] (60-65]
de clases
Nota, Tambin existen otros dos tipos de intervalos de clases, definidas como: [Y' i-1 - Y') Intervalo semi -
cerrado. Este intervalo es cerrado por la izquierda (incluye al lmite inferior del intervalo) y abierto por
la derecha (no incluye al lmite superior del intervalo). [Y'i-1 - Y' ] Intervalo cerrado. Este intervalo
incluye a ambos lmites del intervalo.
6. Es conveniente que todos y cada uno de los datos que se hallen dentro de un mismo
intervalo, estn representados por un mismo valor. Este valor caracteriza a la clase y por eso se
llama marca de clase, se obtiene promediando los lmites de cada intervalo. Una frmula para
calcular la marca de clase de un intervalo es:
Y i = Y'i-1 + Y'i
2
7. A continuacin debemos realizar la clasificacin y conteo de los datos (ver tabla 1.2), es
decir, colocar cada uno de ellos dentro de su clase, todos representados por un mismo signo:
una tarja.
Tabla 1.2.
Intervalo de clase Marca de clase Conteo Frecuencia

(Y'i-1 - Y' ] Y
ni
30 35 32.5
35 40 37.5
40 45 42.5
45 50 47.5
50 55 52.5
55 60 57.5
60 65 62.5
A continuacin presentamos la tabla 1.3, conocida como tabla de distribucin de frecuencias absolutas.
Tabla 1.3. Distribucin de frecuencias de 50 autobuses segn el nmero de pasajeros a bordo.

Salida del terminal de autobuses de Piura. Mayo del 2011.
Intervalo de clase Marca de clase Frecuencia Frecuencia Frecuencia Frecuencia

(Y'i-1 - Y' ] relativa acumulada acumulada
Y; Ni
30 35 32.5 2 0.04 2 0.04
35 40 37.5 4 0.08 6 0.12
40 45 42.5 7 0.14 13 0.26
45 50 47.5 18 0.36 13 31 0.62
50 55 52.5 12 0.24 43 0.86
55 60 57.5 6 0.12 49 0.98
60 65 62.5 1 0.02 50 1.00
Total 50 1.00
Fuente.- Registro de salida del terminal de autobuses de la ciudad de Piura. 30 de mayo de

2011.
Frecuencia absoluta: (ni )

Llamaremos frecuencia absoluta de un valor x i de la variable estadstica X. al n m e r o
d e v e ce s a p a r e ce r e p e t i d o d i c h o va l o r e n e l co n j u n t o s d e l a s observaciones
realizadas.
K
Propiedad.- n i , + n 2 ++ n k = i i
n i =n
Frecuencia absoluta acumulada: (Ni)

La frecuencia absoluta de un valor x i de la variable X es igual a la suma de los
valores inferiores o iguales a dicho valor evidentemente. As, la frecuencia a b s o l u t a
a c u m u l a d a d e l u l t i m o v a l o r s e r n ( d o n d e n = n m e r o d e observaciones
realizadas).
i
N i = n 1 + n 2 ++ n i =
j 1
nj
Propiedad.- Ni = Ni-1 + ni , de donde ni = Ni Ni-1
Frecuencia relativa: (hi)

Llamaremos frecuencia relativa de un valor observado x i de la variable X, al cociente
entre su frecuencia absoluta y el nmero de observaciones realizadas (n), y se denota
por:
h;=
ni , 0 h 1 , i = 1,2,..,K..
n
K
Propiedad.- h 1 + h 2 + h, ++ h k = i 1
hi = 1
Frecuencia relativa acumulada: (Hi)

Se llama frecuencia relativa acumulada de un valor x i de la variable X, al cociente
entre su frecuencia absoluta acumulada y el nmero de observaciones realizadas (n), y se
denota por:

Hi =
Ni
=
n
j 1
j
=
i
nj
=
i
h j
n j 1 n j 1
n
Propiedad.- Hi = Hi-1, + hi
Interpretacin.-
n2 = 4, significa que 4 autobuses tuvieron a bordo un nmero mayor de 35 pasajeros y menor
igual a 40 pasajeros.
N4 = 31, significa que 31 autobuses tuvieron a bordo un nmero mayor que 30 y menor o igual que
50 pasajeros, o tambin significa que 31 autobuses tuvieron a bordo un nmero menor o igual
a que 50 pasajeros.
H3 = 0.14 sign if ica que el 14% de lo s autobuse s tuvieron a bordo n mero ma yor de 40
pasajeros y menor o igual a 45 pasajeros.
H5 = 0.86, significa que el 86% del total de autobuses tuvieron a bordo un nmero mayo que 30 y
menor o igual que 55 pasajeros, o tamb in significa que 86% del total de autobuses tuvieron a bordo un
nmero menor o igual a que 55 pasajeros.
N6 N2 = 49 - 6 = 43 autobuses tuvieron a bordo un nmero mayor que 40 y menor o igual que 60
pasajeros.
Grfico de la distribucin por intervalos.

Los grficos ms usadas son: Histograma, Polgono de frecuencias y polgono de frecuencias
acumuladas u ojiva.
a) Histograma.
Es una representacin grfica de una distribucin de frecuencias agrupadas en intervalos de clase,
mediante una serie de rectngulos contiguos que tienen:sus bases sobre un eje horizontal y cuya
longitud ser igual al tamao de los intervalos de clase.Las alturas proporcionales a la frecuencia
(absoluta o relativa).
Histograma de frecuencias del nmero de pasajeros a bordo de los autobuses
21
18
15
12
9
6
3
0
30 35 40 45 50 55 60 65
Nmero de pasajeros
Figura 1.3. Histograma de la distribucin del nmero de pasajeros por autobs de la

tabla 1.3.
Lic. Fernando Abad Llacsahuanga - 10 -

b) Polgono de frecuencias.
Cuando la variable est agrupada en intervalo de clase, el polgono de frecuencia se obtiene uniendo los
puntos medios de las bases superiores de cada rectngulo en el histograma.
Polgono de frecuencias del nmero de pasajeros a bordo de los autobuses

21
18
15
12
9
6
3
0
27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5
Nmero de pasajeros
Figura 1.4. Polgono de frecuencias del nmero de pasajeros por autobs de la tabla 1.3.
c) Polgono de frecuencias acumuladas u ojivas.

Est representacin es vlida para variables estadsticas agrupadas en intervalos de clase. En
el eje de las abscisas representamos los distintos intervalos de clase que han de estar naturalmente
traslapados. En el extremo superior de cada intervalo se levanta una vertical con altura igual a la
frecuencia (absoluta o relativa) acumulada, luego se unen los extremos superiores de las verticales
con segmentos rectilneos. As el polgono de frecuencias acumuladas absolutas alcanzar su
mxima altura en el ltimo intervalo.
1.5.3. Distribucin de frecuencias: Variable cualitativa Consideremos el siguiente ejemplo:
Ejemplo 1.5. En una encuesta de opinin acerca de las preferencias de una marca de bebidas gaseosas
por sus colores: Negro (N), Blanco (B), Rojo (R), 20 consumidores dieron las siguientes respuestas:
B, N, N, B, R, N, N, B, B, N, B, N, N, R, B, N, B, R, B, N. Construir la
distribucin de frecuencias.
Solucin.
La tabulacin de estos datos, donde la variable cualitativa es X: Color de bebida gaseosa, es la
distribucin de frecuencias de la tabla 1.4.
Tabla 1.4. Distribucin de personas por su color preferido de una marca de bebida gaseosa.
Color de Nmero de Frecuencias Frecuencias
Bebida Consumidores: n i relativas: h i Porcentajes: hi (%)
Blanco (B) 8 0.40 hhhi(%) 40
Negro (N) 9 0.45 45
Rojo (R) 3 0.15 15
Total 20 1.00 100
Fuente.- Datos obtenidos de la encuesta realizada.

Grficos.
Los grficos ms comunes para la distribucin de frecuencias de variable cualitativa son el de
diagrama a(, rectngulos y el de sectores circulares.
En un Diagrama de rectngulos los datos de cada una de las modalidades

(caracteres cualitativos) se representa por un rectngulo vertical (u horizontal), cuya altura (o
largo) es proporcional a su frecuencia (absoluta o relativa). Los rectngulos se dibujan dejando
un espacio entre ellos.
Diagrama de rectngulos para las bebidas gaseosas de acuerdo a su color.
10
0
Blanco Negro Rojo
Color de las Bebidas Gaseosas
Figura 1.5. Diagrama de rectngulos para los datos de la tabla 1.4.
En un grfico circular, los datos de cada categora se representan por un sector circular. Es
utilizado principalmente cuando se pretende comparar cada valor de la variable con el total. Para
construir se divide el circulo en sectores, cuyas reas sern proporcionales a los valores de la
variable. Est divisin es obtenida a travs de la regla de 3 simples.
Total 3600
Parte x0
Diagrama de Sectores de para las gaseosas, segn su color de preferencia.

Color de preferencia
Blanco
Negro
Rojo
Figura 1.6. Diagrama de sectores circulares para los datos de la tabla 1.4.

Capitulo 2.
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN.
2.1.- Medidas de tendencia central.
En el capitulo anterior estudiamos de que manera los datos podran ser presentados en forma
compacta, comprensible mediante tablas y grficos. Sin embargo, con f recuencia necesitamos
resumir an ms para facilitar el anlisis e interpretacin de la informacin. Cuando la variable en
estudio es cuantitativa, el investigador puede estar interesado en encontrar un solo valor, que pueda
caracterizar ms ntidamente la naturaleza de los datos que se estn midiendo.
Un valor que refleje la tendencia de los datos puede darse mediante las medidas de tendencia central o
de posicin. Las ms importantes y muy usadas son: la media aritmtica o media, la mediana, la media
geomtrica y la media armnica. Tambin podemos mencionar a la moda, los cuartiles, los percentiles,
etc. Estas medidas o estadgrafos, son considerados como medidas de localizacin, puesto que sealan
la localizacin de los valores ms frecuentes o de valores extremos.
2.1.1- La Media Aritmtica.

a) Datos no agrupados.
Sea x 1 , x 2 .., x n valores de la variable x. La media aritmtica simple de x representada por X
es dado por:
n

X = i 1
xi
donde n = es el tamao de la muestra.
n
b) Datos agrupados.
Sean X1, X2,..., xk valores de la variable X ponderada por sus respectivas frecuencias absolutas: n 1,
n2,...,nk. La media aritmtica de la variable X es dado por:
X =
xn
i 1
i i
, donde n =
k
n i
i 1
n
Ejemplo 2.1 Considerando la informacin contenida en la tabla 2.1 determinar el nmero medio de
pasajeros a bordo por autobs.
Tabla 2.1. Distribucin de frecuencias de 50 autobuses segn el nmero de pasajeros a bordo.

(Yi-1 - Yi ] Y ni Yini
30 - 35 32.5 2 65
35 - 40 37.5 4 150
40 - 45 42.5 7 297.5
45 - 50 47.5 18 855
50 - 55 52.5 12 630
55 - 60 57.5 6 345
60 - 65 62.5 1 62.5
Total 50 2405

Luego la media aritmtica de estos datos ser:
yini = 2405 = 48.10 pasajeros por autobs.

Y = i 1
50
n
Observacin.-
Si consideramos muestras de tamao n i , n 2, . . . , n r de una poblacin, a los cu ales le

corresponden medias aritmticas , , X 1, X 2, , X r respectivamente, entonces la media
asociada a la muestra de tamao ni + n2 +...+ nr, est dado por:
r
X =
X 1 n1 X 2n 2 ..... Xr nr
= X n i i
donde n =
k
n i
n1 n 2.... nr i 1
i 1
n
Si P1, p2, ....,p, son los pesos o ponderaciones asociados a los valores de la variable X: X 1 ,
x 2 , ...,x, respectivamente, entonces la media aritmtica ponderada ser:
Ejemplo 2.2. La empresa A tiene 100 empleados, con un sueldo promedio mensual por empleado
de S/. 1500. La empresa B tiene 200 empleados con un sueldo promedio mensual de S/. 1400.
a) Cul es el sueldo promedio mensual de las dos empresas en conjunto?
b) si a las dos empresas se a g re g a una tercera con 50 empleados y un sueldo promedio
mensual por empleado de S/. 1600, Cul es el sueldo promedio para las tres empresas en
conjunto?-
Solucin.
a) nA= 100, X =1500, nB = 200, X =1400
Si X A+B es el promedio mensual de las dos empresas en conjunto, entonces,

XA nA XBnB 1500 100 1400 200
X = = = S/. 1433.33
nA nB 100 200
b) Ahora tenemos que: nA +B =300 X A +B =1433.33, n c=50 X c=1600
Entonces, X (A+B+C) = 300x 1433.33 + 50x 1600 = S/.1457.14

300+50
Desventajas de la media aritmtica.
1.- La media aritmtica puede verse afectado por los valores extremos que no son representativos del
resto de las observaciones.
2.- no se puede calcular la media aritmtica en las distribuciones que tienen intervalos de clase abierto
en los extremos.
2.1.2.- La Mediana.
La mediana es un valor que divide a un conjunto de observaciones ordenadas en forma

ascendente o descendente en dos grupos de igual nmero de observaciones. La
notacin que vamos a emplear ser: X = Med(X) = mediana

Clculo de la mediana
a) Datos no agrupados.
Para calcular el valor de la mediana de los datos x 1 , x 2 , ...,x n se tendr en cuenta el siguiente
procedimiento:
1) Se ordenan los datos en forma ascendente o descendente.
2) Si n es impar, el valor de la mediana es el valor del centro, es decir,
Me = X(n+1)/2
donde n + 1 es la posicin de la mediana.

2
3) si n es par, el valor de la mediana va a estar dado por:

Xn / 2 Xn / 2 1
Me =
2
Esto quiere decir, que el valor de la mediana se encuentra entre los valores cuya posicin son:
n/2 y (n/2+1).
Ejemplo 2.3. Las siguientes cifras son los importes del consumo (en soles) de 13 en un
restaurante:
13,15,20,20,25,35,25,40,44,48,50,44,30
Determinar la mediana de estos importes.
Solucin.
Ordenando la informacin en forma ascendente, tenemos:
13, 15, 20, 20, 25, 25, 30, 35, 40, 44, 44, 48, 50.
Como el nmero de datos es impar (n = 13), , se tiene que la posicin de la mediana es:
n 1
= 7, luego la mediana de los importes es: X = Med(x) = 30 soles
2
Esto significa que el 50% de las personas (es decir, 6 de ellos) tienen un importe menor o
igual que 30 soles y el 50% restante de las personas tienen un importe mayor que 30 soles.
Ejemplo 2.4. Un experto en estndares de trabajo observa el tiempo que se requiere para
preparar una muestra de 10 cartas de negocios en una oficina, y obtiene los siguientes
resultados en orden y redondeados al minuto ms prximo: 5, 5, 5, 7, 9, 14, 15, 15, 16 y 18.
Determine la mediana para este grupo de valores.
Solucin.
En este caso, n es par, por consi g uiente la mediana se localiza entre los valores centrales
X5 y X6 , es decir, entre los valores 9 y 14. Por tanto, el valor mediano es:
9 14
Me = = 11.5 minutos.
2
b) Datos agrupados.
En este caso el problema consiste en determinar un punto dentro del intervalo en que est
comprendida la mediana.

Procedimiento:
n
1 Calcular la posicin de orden
2
2 Por las frecuencias acumuladas se identifica la clase que contiene a la mediana, esto es, la
clase para el cual se cumple:
n
Nj - I N j ,
2
Con lo cual la mediana estar en la clase que tiene como frecuencia acumulada N i .
3. Utilizar la formula:
n
2 Nj 1
X = Xj-1 + c
Nj Nj 1

Xj-1 = lmite inferior de la clase que contiene a la mediana.
n = tamao de la muestra.
c = amplitud de la clase que contiene a la. Mediana.
Nj = frecuencia acumulada de la clase que contiene a la mediana.
Nj-i= frecuencia acumulada de la clase inmediatamente anterior a la clase que contiene a la
mediana.
Ejemplo 2.5- A partir de la distribucin de frecuencia de los 50 autobuses segn el nmero de

pasajeros a bordo (ver tabla), se pide determinar el nmero mediano de pasajeros por autobs.
Solucin.
(Yi-1 Y] Y ni Ni
30 - 35 32.5 2 2
35 - 40 37.5 4 6
40 - 45 42.5 7 13
45 - 50 47.5 18 31
50 - 55 52.5 12 43
55 - 60 57.5 6 49
60 - 65 62.5 1 50
Total 50
n 50 vo
1. = 25 posicin
2 2
2. Se identifica la clase que contiene a la mediana por la frecuencia acumulada, esto es, a travs
de la desigualdad:
N3 =13 <25vo < N4 =31
En este caso, la clase que contiene a la mediana es el cuarto.
3. Reemplazar los datos en la formula obtenemos:
25 13
X = 45 + 5 = 48.33 Pasajeros
31 13
Interpretacin.- Este valor mediano significa, que el 50% de los autobuses tuvieron a bordo un
nmero menor o igual que 48.33 pasajeros, en tanto que el otro 50% tuvieron a bordo un nmero
mayor que 48.33 pasajeros.
Ventajas de la mediana.

1.- veces es un valor ms representativo de un conjunto de datos que otros promedios (por ejemplo, que
la media aritmtica), gracias a su independencia, a sus valores extremos.
2. La mediana se puede calcular an cuando los intervalos de clase de la distribucin de
frecuencias son de lmites abiertos.
2.1.3.- Los Cuartiles.

Son valores que dividen a un conjunto de datos ordenados en forma ascendente o descendente en
cuatro partes iguales (figura 2.1).
0% 25% 50% 75% 100%
Q1 Q2 Q3
Figura 2.1
Q1=1er cuartil, deja 25% de las observaciones menores o iguales a l y el 75% superiores a l.
Q2 =2do cuartil, coincide con la mediana.
Q 3 = 3 er cuartil, deja 75% de las observaciones inferiores o iguales a l y el 25% de stas
superiores a l.
Es importante notar que entre dos cuartiles consecutivos se halla el 25% del nmero de valores.
Las formulas para calcular los cuartiles se derivan de la formula utilizada para calcular la
mediana y los pasos para el clculo son los mismos:
Procedimiento.
rn
1 . Se calcula para r = 1, 2, 3.
4
2 . Se identifica la clase que contiene a Qr por medio de las frecuencias acumuladas, esto es, por la
desigualdad:
rn
Nj-1 Nj
4
rn
4 Nj 1
3 . Se aplica la frmula: Q r = X j - 1 + C r = 1,2,3.
Nj Nj 1

Donde:
X = lmite inferior de la clase que contiene al cuartil Q r.
n = tamao de la muestra.
c = amplitud de la clase que contiene a Qr,
Nj = frecuencia acumulada de la clase que contiene a Qr.
Nj-1 = frecuencia acumulada de la clase inmediatamente anterior a la clase que contiene a Qr.
Ejemplo - 2.6. Dada la siguiente distribucin, determinar los cuartiles Q 1, y Q3.
(Yi-1 Y] Y ni Ni
30 - 35 32.5 2 2
35 - 40 37.5 4 6
40 - 45 42.5 7 13
45 - 50 47.5 18 31
50 - 55 52.5 12 43
55 - 60 57.5 6 49
60 - 65 62.5 1 50
Total 50
n 50 3n 150
1. = = 12.5 vo ; = = 37.5 vo
4 4 4 4
2. Por las frecuencias acumuladas identificamos las clases que contienen a Q 1, y Q3.

n
Como N2, = 6 < =12.5 < 13 = N3, entonces el intervalo de clases que contiene a
4
3n
Q 1 , e s (40 - 45 ] y co mo N 4 = 3 1 < =37 .5 < 4 3 = N 5 en to n ce s e l int e rva lo d e c lases
4
que contiene a Q3 es (50 - 55].
3. Usando las formulas dada para calcular Ql y Q3 tenemos:

n
4 N2 12.05 6
Q1 = Xj-1 + c = 40+5 = 44.64 pasajeros
N 3 N2
13 6

3n
4 N4 37.05 6
Q3 = Xj -1 + c = 50+5 = 52.71 pasajeros
N 5 N4
43 31

De acuerdo a estos resultados, podemos afirmar que, en esta distribucin tenemos:
25% 25% 25% 25%

Q1 = 44.64 Q2 = 48.33 Q3 = 52.71
2.1.4. Percentiles.
Son valores que dividen la muestra ordenada en forma ascendente o descendente en 100 partes
iguales
0% 1% 2% 50% 98% 99% 100%

__________________________________________________________
P1 P2 P50 P98 P99
P 1 , = 1 er percentil, deja 1% de las observaciones menores o iguales a l y el 99% superiores a

l.
P99 = 99vo percentil, deja 99% de las observaciones menores o iguales a l y el 1% superiores a l.
Las formulas para determinar los percentiles, son parecidos a los cuartiles, as donde:
Xj-1 = lmite inferior de la clase que contiene a Pr , r = 1, 2, ..., 99.
n = tamao de la muestra. C = amplitud de la clase que contiene a P r,
Nj = frecuencia acumulada de la clase que contiene a Pr ,
Nj-1, = frecuencia acumulada de la clase anterior a la clase que contiene a P r.
Ejercicio.- Determinar los valores de los puntos percentiles 10 y 90, para los datos del nmero de
pasajeros a bordo, de la tabla 2.1.
2.1.5. La Moda.-
La moda denotada por X = M., es un valor de la variable que tiene la ms alta
frecuencia, esto es, es el valor ms frecuente en un conjunto de datos. La moda puede no existe, incluso
si existe puede no ser nica.
Ejemplo 2.7. En el mes, 8 vendedores de artculos electrnicos vendieron los siguientes

nmeros de aparatos: 8, 11, 5, 14, 8, 11, 16 y 11, el nmero modal de unidades vendidas es: X=MO =11.
Ejemplo 2.8 Considere la distribucin de los pesos (en kilos) de 15 adultos:

63, 67, 70, 69, 81, 57, 63, 73, 68, 63, 71, 71, 71, 83. X1 = 63 kilos y X11 = 71 kilos
En este caso la distribucin se llamar bimodal.

Ejemplo 2.9. Las notas promocinales de 7 alumnos son: 15, 16, 17, 14, 13, 12, 11. Estos datos No
tienen moda. Las distribuciones de este tipo se llaman uniforme.
En general, se tiene lo siguiente:
i) La distribucin que tiene una sola moda se llama unimodal.
ii) La distribucin que tiene dos modas se llama bimodal.
iii) La distribucin que tiene ms de dos modas se llama multimodal.
Clculo de la Moda para datos agrupados.

Para datos agrupados en intervalos de clase, aplicaremos el siguiente procedimiento
clculo de la moda.
1. Se identifica la clase modal (la clase con mayor frecuencia).

2. Se aplica la formula:
1
X X j 1 c
1 2
Donde:
Xj-1: lmite inferior de la clase modal.
n Mo= frecuencia de la clase modal.
1 =n Mo n1 (n 1 = frecuencia de la clase inmediatamente anterior a la clase modal).
2 = n Mo n2 (n2 = frecuencia de la clase inmediatamente posterior a la clase modal).
c = amplitud de la clase que contiene a la mediana.
Ejemplo 2.10. Determinar la moda para la siguiente distribucin (tabla 2.l).
(Yi-1 Y] Y ni
30 35 32.5 2
35 40 37.5 4
40 45 42.5 7
45 50 47.5 18
50 55 52.5 12
55 60 57.5 6
60 65 62.5 1
Total 50
Solucion.
1El intervalo de clase de mayor frecuencia absoluta (18) es el cuarto intervalo:
(45 50 ]
1 = 18-7=11
2 = 18-12=6
C=5.
2 Aplicando la formula tenemos :
11
X 0 = 45+5 =48.235 PASAJEROS
11 6
Este valor modal significa que: el nmero de pasajeros a bordo ms frecuente en los autobuses es de
48; o tambin que la mayora de los autobuses tienen a bordo un nmero de pasajeros igual a 48.
2.2. Relacin entre la Media, Mediana y Moda.
Se dice que una distribucin de frecuencia es simtrica cuando valores de la variable equidistantes
de un valor central tienen las mismas frecuencias. Es importante destacar en este caso que:
X= X ~ = X
Para una distribucin sesgada hacia la derecha ( si la cola mayor se presenta a la derecha de la
distribucin) se tiene que:

~>
X> X X
Para una distribucin sesgada a la izquierda tenemos:
X< X ~<
X
Ejercicio. Considerando la distribucin de la tabla 2.1, se pide analizar la asimetra de la distribucin.
2.3 Medida de dispersin.
Todos los valores representativos discutidos en las secciones precedentes han sido una
especie de promedio o medida de posicin. Sin embargo, el uso de un solo valor -i:a describir
una distribucin oculta muchos fenmenos importantes. Por ejemplo, l os grupos separados
de datos pueden contener la misma media, pero un grupo puede estar ms disperso o
esparcido alrededor del valor promedio que el otro.
Por lo que es necesario una medida de la dispersin, esparcimiento o variacin para a y udar
ms completamente la distribucin. Mientras menor es la dispersin, ms tpico es el valor de
la media para toda la distribucin.
Las medidas de dispersin que se utilizan con mayor frecuencia son: la varianza, la desviacin
estndar y el coeficiente de variacin.
2.3.1. La varianza.-
Definicin 1. (Para datos no agrupados). La varianza de una muestra x i , x 2 , ..., xn de la

variable X, es dado por:
n
Xi X
2
2
S = i 1
n 1
Definicin 2. (Para datos agrupados). La varianza de los valores una muestra con frecuencias
absolutas ni, n2, ..., nk respectivamente, es dado por:
n
Xi Y
2
ni
V(Y)=S2= i j
n 1
1. La varianza poblacional se define en trminos de la media poblacional u, esto es:
n
Xi u
2
2
= i j donde N es el tamao de la poblacin.
N
2.- Con la finalidad de reducir el volumen de operaciones en el clculo de la varianza,

podemos usar las formulas:
n
2

1 n
X i
S2 = X i2 i 1
n 1 i 1 n Para datos No Agrupados

k
2

k Xini
1
S2 = X i2 ni i 1 n
n 1 i 1

Para datos agrupados

2.3.2- La desviacin estndar.-
Definicin.- La desviacin estndar o tpica de los valores de la variable X se define como la raz
cuadrada positiva de la varianza, y se denota por

S = V X .
valor numrico de S cuantifica el grado de dispersin de los valores de una vari a b l e c o n
r e s p e c t o a s u m e d i a . M i e n t r a s m a y o r e s l a d i s p e r s i n d e l a s o b s e r v a c i o n e s , mayor es
la magnitud de sus desviaciones respecto a la media y por ende ms alto el valor numr ico de la
desviacin estndar.
Ejemplo 2.11. Se determino los pesos de una muestra de cartas procesadas en una oficina
postal, pesadas hasta el gramo ms prximo, son: 21, 18, 30, 12, 14, 17, 28, 10, 16 y 25.
Determine a) la varianza y b) la desviacin estndar.
Solucin.-
a) Clculo de la varianza.
i) Aplicaremos la formula de definicin de la varianza para datos no agrupados, donde x es la
media aritmtica del conjunto de observaciones.
En efecto, tenemos que la media aritmtica es:
10
X i
21 18 .... 25 191

X i 1
19.1gramos
10 10 10
Luego aplicando frmula para varianza :
10
X 219.1. 25 19.
i 2 2
S2 45.6 5
i 1
10 9
i) aplicando el mtodo abreviado, tenemos:
10 10
X
i 1
i 21 18 ... 25 191 y X
i 1
i
2
212 182 ... 252 4059
luego:
n
2
n Xi
1 4059 191 45.6555
2
1
S2 X i2 i 1
n 1 i 1 n 9
10

c) clculo de la desviacin estndar.
La desviacin estndar ser la raz cuadrada del valor obtenido en la varianza, es decir:
S = 45.6555 = 6.7569 gramos.
Ejemplo 2.12. Determine la desviacin estndar de la siguiente distribucin.
(Yi-1 Y] Y ni
YI Y
2
YI Y ni
2
30 - 35 32.5 2 243.36 486.72

35 - 40 37.5 4 112.36 149.44
40 - 45 42.5 7 31.36 219.52
45 - 50 47.5 18 0.36 6.48
50 - 55 52.5 12 19.36 232.32
55 - 60 57.5 6 88.36 530.16
60 - 65 62.5 1 207.36 207.36
Total 50 2132
Solucin.-
a) Aplicando la formula de la definicin.
Se sabe que la media aritmtica de esta distribucin es: Y = 48.1 pasajeros
Luego aplicando la formula de definicin la varianza, tenemos:
k
n y y
i i
2
2132 pasajeros a bordo al cuadrado.

S2 i 1
43.5102
n 1 49
b) Aplicando el mtodo abreviado.

Y ni
(Yi-1 Y] yni Yi 2 ni
30 - 35 32.5 2 65 2112.5
35 - 40 37.5 4 150 5625
40 - 45 42.5 7 297.5 12643.75
45 - 50 47.5 18 855 40612.5
50 - 55 52.5 12 630 33075
55 - 60 57.5 6 345 19837.5
60 - 65 62.5 1 62.5 3906.25
Total 50 2405 117812.5
k
2
k Xini
1 117812.5 2405 43.5102
2
1 i 1
Luego tenemos: S2 i
n 1 i 1
X 2
ni
n
49 50

Por tanto la desviacin estndar es: S = 6.59622 pasajeros a bordo.
2.3.3.- Medidas de Dispersin relativa.
Las medidas de dispersin que se han descrito anterior se expresan en las unidades de medidas
originales, tales como altura, salarios, kilogramos, puntajes, etc. Se pueden utilizar para comparar la
variacin de dos distribuciones siempre que las variables se expresen en las mismas unidades de
medidas y sean aproximadamente del mismo tamao promedio. Sin embargo, a veces es necesario

comparar dos o ms conjuntos de datos expresados en unidades diferentes. Es esta situacin hay que
utilizar una medida relativa de dispersin que sera el coeficiente de variacin.
Definicin- El coeficiente de dispersin, es una medida de dispersin relativa de la desviacin estndar

con respecto a la media, es decir :
S
Coeficiente de variacin = C.V =
X
Generalmente el coeficiente de variacin se expresa como un porcentaje. El C.V es un nmero puro
independiente de la unidad de medicin.
Observacin.-
Si el C.V es menor del 10% se dice que hay poca dispersin;
Si el C.V oscila entre el 10% y el 33% la dispersin existente es aceptable;
Si el C.V oscila entre el 33% y el 50% se dice que hay alta dispersin;
Pero si el C.V es mayor del 50% se dice que la dispersin es muy alta.
Ejemplo 2.13. Calcular la dispersin relativa para los datos de la tabla 2.1 , tenemos que Y = 48.1 y
S = 6.596226, entonces el C.V es:
C.V = 6.596226 x100=13.71%
48.1
Como e l va lo r de C.V = 13.71% se encuen tra ent re 10% y 33 %, indica que la dispersin
es aceptable.
Ejemplo 2.14. Para 2 acciones comunes de empresas de la industria electrnica, el precio

promedio de cierre en el mercado de valores durante un mes fue, para la accin A, de
$1500, con una desviacin estndar de $500. Para la accin B, el precio promedio fue de $5000,
con una desviacin estndar de $300.
a) Efectuar Hacer una comparacin de la variabilidad absoluta de las acciones.
b) Realizar una comparacin de la variabilidad con respecto al nivel medio de los precios.
Solucin.-
a) Al hacer una comparacin absoluta, result ser superior la variabilidad en el precio de la

accin A debido a que muestra una mayor desviacin estndar.
a) Con respecto a la variabilidad relativa, deben compararse los respectivos coeficientes

de variacin:
500 300
C.V(A) = ) = 0.33 y C.V(B) = = 0.060
1500 5000
Por ello, puede concluirse que el precio de la accin A ha sido casi 5 veces ms variable que el
precio de la accin B (con respecto al precio promedio para cada una de las dos).
2.4. Medidas de Asimetra: Hay ocasiones en que es deseable calcular una medida que muestre la
direccin de la dispersin con respecto al centro de la distribucin. Las medidas de dispersin
solamente indican la magnitud de las variaciones, pero no proveen informacin acerca de la
direccin hacia donde tienden a ocurrir las variaciones. Las medidas de asimetra indican la deformacin
horizontal de las curvas de frecuencias. Cuando la curva de frecuencias est inclinada o alargada hacia
derecha (ver figura 2.3), se llama asimetra a la derecha o positiva, y si esta alargada o inclinada hacia el
lado izquierdo (figura 2.4), se denomina asimetra a la izquierda o negativa.

figura 2.3 figura 2.4
Coeficientes de Asimetra
Cuando disponemos de los valores de la media, mediana, moda, cuartiles y desviacin

estndar debemos utilizar,
i) Primer Coeficiente de Pearson.-
As = M e d i a Moda
Desviacin estndar
Si As = 0, la distribucin es simtrica.
Si As > 0, la distribucin es sesgada hacia la derecha.
Si As < 0, la distribucin es sesgada hacia el lado izquierdo.
Es razonable pensar que tiene sentido obtener este coeficiente en distribuciones unimodales.
i) Segundo Coeficiente de Pearson.-

Q 3 Q1 2Q 2
AS
Q 3 Q1
Este coeficiente, generalmente se usa cuando no se puede calcular la media y la desviacin
estndar.
Si As = 0, la distribucin es simtrica.
Si As > 0, la distribucin es sesgada hacia el lado derecho.
Si As < 0, la distribucin es sesgada hacia el lado izquierdo.
ndice de Asimetra.
- Para distribuciones mustrales el ndice de asimetra es estimado mediante la expresin:
n
n X 1 X
3
donde S es la desviacin estndar muestral.
g i 1
n 1 n 2 S 3
Para valores negativos de g indicaran una asimetra hacia la izquierda, mientras que para valores
positivos de g indicaran una asimetra hacia a la derecha.
Para muestras grandes (n>30), el ndice muestral g se distribuye como una normal t, con media 0 y
varianza aproximada de 6/n.
Ejemplo 2.15. Para nuestro ilustrativo sobre el nmero de pasajeros a bordo por autobs (tabla 2.1). se
pide analizar la asimetra de la distribucin.
2.5.-Medidas de Curtosis.
Definicin. Se entiende por kurtosis el grado de deformacin vertical (apuntamiento) de una distribucin
de frecuencias. Con relacin al grado de apuntamiento (ver figura 2.5), podemos tener curvas
Leptocrtica, Mesocrtica y Platicrtica.

_ Leptocrtica Mesocrtica Platicrtica

Figura 2.5
Para el grado de apuntamiento (deformacin vertical) utilizaremos el coeficiente denotado por:

Q 3 Q1
K
2 P 90 P10)
Si K = 0.263 , diremos que la curva corresponde a la distribucin de frecuencia mesocurtica (tiene igual
apuntamiento que la normal o campana de Gauss).
Si K < 0.263 , diremos que la curva corresponde a la distribucin de frecuencia platicurtica.
Si K > 0.263 , diremos que la curva corresponde a la distribucin de frecuencia leptocrtica.

Universidad Antenor Orrego estadística descriptiva

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad Antenor Orrego estadística descriptiva

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PARTICULAR ANTENOR ORREGO

1.1 Definicin de la Estadstica.

En un principio se consideraba que la funcin de la estadstica era la descripcin de las caractersticas

La estadstica descriptiva o deductiva tiene como finalidad colocar en evidencia

1.2. Algunos trminos y conceptos que se deben conocer y manejar.

Lic. Fernando Abad Llacsahuanga -2-

Universo. Se denomina universo, a un conjunto de elementos (que consiste de

Unidad elemental. A cada elemento de un universo se denomina unidad elemental. Por

Marco muestral. Se denomina marco muestral o marco de referencia, a la lista, mapa o

Caractersticas. Es importante resaltar el hecho de que a pesar de encontrarse una poblacin

Las caractersticas (o caracteres), corresponden a ciertos rasgos, cualidades o propiedades que

Muestra. Es un conjunto de medidas de una parte de los elementos pertenecientes a la poblacin,

Una muestra no probabilstica corresponde a la seleccin de las unidades o elementos,

Lic. Fernando Abad Llacsahuanga -3-

1.3 Variables estadsticas.

b) Variable Cualitativa Ordinal.- Cuando se va ms all del nivel de clasificacin y se busca

Lic. Fernando Abad Llacsahuanga -4-

1.4. Obtencin de datos a travs experimentos y encuestas.

1.5. Presentacin de los datos.

1.5.1. Distribucin de frecuencias sin intervalos:

Al ordenar estos datos en forma ascendente, se obtienen cinco valores distintos 0, 1, 2 , 3 , 4

Tabla 1.1.- Distribucin de frecuencias del nmero de hijos por familia.

Nmero de Frecuencias Frecuencias Frecuencias

Fuente.- Datos obtenidos de los formularios de la encuesta.

Lic. Fernando Abad Llacsahuanga -5-

La representacin grfica ms comn para este tipo distribucin de frecuencias es el

Nmero de hijos por familia

1.5.2. Distribucin de frecuencias por intervalos.

Elaboracin de las tablas de frecuencias.

Lic. Fernando Abad Llacsahuanga -6-

En nuestro ejemplo, tenemos: Valor mnimo

Luego el rango es R = 64 - 31= 33

Aplicando la frmula tenemos:

Aplicando los datos a la frmula anterior, se tiene: c =

Luego e = 5 y por tanto, el nuevo recorrido ser:

A partir de este valor 30 agregamos sucesivamente la amplitud 5 y obtenemos los

Lic. Fernando Abad Llacsahuanga -7-

5. Supongamos que un dato es 35 donde lo colocamos?- en el primer intervalo cuyos

As, en nuestro ejemplo el primer intervalo lo escribiremos como ( 30 35].

Por tanto los intervalos de clase quedan definidos como:

Intervalo de clase Marca de clase Conteo Frecuencia

Tabla 1.3. Distribucin de frecuencias de 50 autobuses segn el nmero de pasajeros a bordo.

Lic. Fernando Abad Llacsahuanga -8-

Salida del terminal de autobuses de Piura. Mayo del 2011.

Intervalo de clase Marca de clase Frecuencia Frecuencia Frecuencia Frecuencia

Fuente.- Registro de salida del terminal de autobuses de la ciudad de Piura. 30 de mayo de

Frecuencia absoluta: (ni )

Frecuencia absoluta acumulada: (Ni)

Propiedad.- Ni = Ni-1 + ni , de donde ni = Ni Ni-1

Frecuencia relativa: (hi)

Frecuencia relativa acumulada: (Hi)

Lic. Fernando Abad Llacsahuanga -9-

Grfico de la distribucin por intervalos.

Histograma de frecuencias del nmero de pasajeros a bordo de los autobuses

Figura 1.3. Histograma de la distribucin del nmero de pasajeros por autobs de la

Lic. Fernando Abad Llacsahuanga - 10 -

Polgono de frecuencias del nmero de pasajeros a bordo de los autobuses

c) Polgono de frecuencias acumuladas u ojivas.

1.5.3. Distribucin de frecuencias: Variable cualitativa Consideremos el siguiente ejemplo:

Fuente.- Datos obtenidos de la encuesta realizada.

Lic. Fernando Abad Llacsahuanga - 11 -

En un Diagrama de rectngulos los datos de cada una de las modalidades

Diagrama de rectngulos para las bebidas gaseosas de acuerdo a su color.