1

ESTADISTICA: Representación de Datos

REPRESENTACION DE DATOS

Tablas

TABLA Nro. 1,

Cantidades de mineral en el proceso de lixiviación

Tanque Alimentación Desechos

TNH(1) % H2O TMS(2) % Cu Contenido de % Cu Contenido
Oxidado Cu Kg. Oxidado de Cu Kg.
4 7.160 2.43 6.986 8.35 583 0.35 24
6 3.580 2.50 3.491 8.44 295 0.40 14
10 7.000 2.58 6.819 8.50 580 0.45 31
12 3.500 2.40 3.416 9.10 311 0.54 18
14 3.600 2.45 3.152 9.00 316 0.60 21
16 3.800 2.50 3.705 8.40 311 0.50 19
18 3.600 2.40 3.514 8.70 306 0.60 21

TOTAL 32.240 2.47 31.443 8.59 2702 0.49 148

(1) Toneladas Métricas húmedas (2) Toneladas métricas secas.
Referencias: Consignar origen de la información.

Gráficos

Existen una cantidad grande de tipo de gráficos,

 2
ESTADISTICA: Representación de Datos

Grafico 1 : Oceanos del Mundo

( millones de millas2 )

Artico , 3%
Antartico , 5%

Indico , 19%

Pacifico , 46%

Atlantico , 27%
 3
ESTADISTICA: Representación de Datos

Oceanos del Mundo

80

70

60

50

40

30

20

10

0
Pacifico Indico Artico
Atlantico Antartico
Var2
(millones de millas2 )

Evolucion de precios

60

50
Precio por unidad

40

30

20

10

0
1 2 3 4 5 6 7 8 9
Años
 4
ESTADISTICA: Representación de Datos

Grafica de serie tiempo

130

125

120

115

110
Ventas

105

100

95

90

85

80
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998
Año

Distribución de Frecuencias e histograma.

Los datos de a continuación serán usados para poder evaluar la tabla de frecuencia y el histograma

Resistencia a la compresión de bloques de concreto (x 100 psi)

49.2 53.9 50 44.5 42.2 42.3 32.3 31.3 60.9 47.5

43.5 37.9 41.1 57.6 40.2 45.3 51.7 52.3 45.7 53.4
51 45.7 45.9 50 32.5 67.2 55.1 59.6 48.6 50.3
45.1 46.8 47.4 38.3 41.5 44 62.2 62.9 56.3 35.8
38.3 33.5 48.5 47.4 49.6 41.3 55.2 52.1 34.3 31.6
38.2 46 47 41.2 39.8 48.4 49.2 32.8 47.9 43.3
49.3 54.5 54.1 44.5 46.2 44.4 45.1 41.5 43.4 39.1
39.1 41.6 43.1 43.7 48.8 37.2 33.6 28.7 33.8 37.4
43.5 44.2 53 45.1 51.9 56.6 48.5 39 47.3 48.8

Regla de Sturges

No. de intervalos de clase = 1 +( 3.322*(log n))

 5
ESTADISTICA: Representación de Datos
 6
ESTADISTICA: Representación de Datos
 7
ESTADISTICA: Representación de Datos
 8
ESTADISTICA: Representación de Datos
 9
ESTADISTICA: Representación de Datos

2.-MEDIDAS DE CENTRALIZACION
Promedio o media aritmética x 

1 1 n
x ( x1  x2  x3  ...  xn )   xi
n n i 1

La suma de las diferencias de cada dato con respecto al promedio muestral, siempre debe
dar cero
n n

 ( xi  x)   xi  (n x)  0
i 1 i 1

Hay casos en que es necesario determinar el promedio de algunos datos, pero estos no
representan el mismo valor ponderal , por ejemplo las notas de teoría y practicas, para este
caso el promedio ponderal deberá ser calculado con la siguiente expresión:
n

p X  p2 X 2  ...  pn X n  ( pX ) n
X ponderal  1 1  1
p1  p2  ...  pn n

p
1
n

Donde: X = diferentes valores o datos

p = peso o valor ponderal de los datos

La media geométrica se define como la raíz N-ésima del producto de los datos, y se
evaluara según:

G  n x1 * x2 * ....* xn

Para algunas oportunidades es conveniente utilizar una transformación logarítmica, cuya

expresión puede quedar de esta manera

log x1  log x2  .....  log xn 1 n

log G    log xi
n n i 1

La media harmónica se define como el reciproco de la media aritmética ; de los valores

recíprocos de las observaciones, su formula esta dada por:

1 1 n
H  
1 / x1  1 / x2  ...  1 / xn n n

n  (1/ x )  (1/ x )
1
n
1
n

n
 10
ESTADISTICA: Representación de Datos
La mediana se define como la observación del medio, cuando estas observaciones se
encuentran ordenadas ( de menor a mayor creciente ).La posición de la mediana por lo
tanto estará condicionada al número de observaciones “n”

Si “n” es impar la mediana se define mediana  X ([ n 1] / 2)

X ( n / 2)  X [ n / 2]1
Si “n” es par la mediana se define mediana 
2
Otra medida de centralización es la Moda. Y representa el valor más frecuente o común de
un conjunto de datos. Básicamente en un histograma representa el pico ,y es la clase de
mayor frecuencia. Un conjunto de datos puede presentar una moda o mas (unimodal o bi
modal) o carecer de esta ( amodal)

Percentiles

Cuando ordenamos un conjunto de datos , y lo dividimos en cien partes iguales cada

división recibe el nombre de percentiles. Para determinar el valor del percentil lo primero que
tenemos que hacer es determinar la posición del mismo, en el conjunto de datos, según :

 x 
posición  px  n   0.5 donde x = percentil que deseamos calcular
 100 

n = numero de datos ordenados

Una ves conocida la posición se ubica en el conjunto de datos. Si la posición determinada

no es entera, se procede a determinar como si fuera mediana pares. Si x toma el valor de
25 o 75 este percentil toma el nombre de “quartil” inferior (q 1) o superior (q3)
respectivamente. Si fuera el p50 , correspondería al valor de la mediana.

Por ejemplo , los valores anteriormente anotados para la resistencia a la compresión los
ordenamos de menor a mayor en la siguiente tabla:

28.7 34.3 39.1 41.6 44 45.7 47.4 49.2 51.9 55.2

31.3 35.8 39.1 42.2 44.2 45.7 47.5 49.2 52.1 56.3
31.6 37.2 39.8 42.3 44.4 45.9 47.9 49.3 52.3 56.6
32.3 37.4 40.2 43.1 44.5 46 48.4 49.6 53 57.6
32.5 37.9 41.1 43.3 44.5 46.2 48.5 50 53.4 59.6
32.8 38.2 41.2 43.4 45.1 46.8 48.5 50 53.9 60.9
33.5 38.3 41.3 43.5 45.1 47 48.6 50.3 54.1 62.2
33.6 38.3 41.5 43.5 45.1 47.3 48.8 51 54.5 62.9
33.8 39 41.5 43.7 45.3 47.4 48.8 51.7 55.1 67.2

Vamos a determinar el percentil 30 (p30) y el percentil 70 (p70). Para lograr esto ubicamos
primeramente la posición de ambos percentiles con la formula:
 11
ESTADISTICA: Representación de Datos

 30 
posicion. p 30  90   0.50  27 .5 Indica que el percentil 30 se encuentra entre la
 100 
 70 
posición 27 y 28 , para el percentil 70 será : posicion. p 70  90   0.5  63 .5 , el valor se
 100 
encontrara entre la posición 63 y 64 de los datos .Los valores 27 y 28 serán respectivamente
41.5  41.6
41.5 y 41.6 por lo tanto : p30   41.55 de la misma manera se realiza para el
2
48.8  49.2
percentil 70 p70   49 .
2
Así mismo el percentil 25 y 75, son los cuartiles inferior (q 1) y superior (q3) respectivamente,
el percentil 50 corresponderá a la mediana. Los valores de q1 ,q3 y mediana se presentan en
la figura de caja.

3.- MEDIDAS DE DISPERSION

La estadística es una técnica que le compete obtener datos y poder medir la variabilidad de
los mismos

RANGO. Es la medida más simple de variabilidad o dispersión, y se define como la

diferencia entre el valor mayor y menor de las observaciones.

Rango  VALOR mayor  VALOR menor

VARIANZA

Una de las estimaciones más útiles en estadística es la varianza. La varianza muestral, se

puede estimar como, la suma de los cuadrados de las diferencias de los datos menos el
promedio muestral, dividido entre el numero de datos menos uno. Se define como:

 
x1  x 2  x2  x 2  ....  xn  x 2  1  xi  x 2 .
n
1
s2 
n 1 n  1 i 1

La varianza poblacional se puede calcular de la siguiente forma

 
x1  x 2  x2  x 2  ....  xn  x 2  1  xi  x 2
n
1
2 
n n i 1

La desviación estándar, que viene a ser la raíz cuadrada de la varianza y que la podemos
evaluar de la siguiente manera:

 
2
1 n
Si es de carácter poblacional    xi  
n i 1
 12
ESTADISTICA: Representación de Datos
2

 xi  x
1 n
Si es de carácter muestral s
n  1 i 1

Para calcular la asimetría, una posibilidad, es utilizar el llamado coeficiente de FISHER que representaremos
como g1 y responderá a la siguiente expresión matemática:

g1 
 (x i  x) 3 ni
ns 3

Según sea el valor de g1, diremos que la distribución es asimétrica a derechas o positiva, a izquierdas o
negativa, o simétrica, o sea:

Si g1 > 0  la distribución será asimétrica positiva o a derechas (desplazada hacia la derecha).

Si g1 < 0  la distribución será asimétrica negativa o a izquierdas (desplazada hacia la izquierda).

Si g1 = 0  la distribución será simétrica.

 13
ESTADISTICA: Representación de Datos

g1<0

g1=0

g1>0

Otra posibilidad de calcular la asimetría, es por medio del coeficiente de PEARSON (Ap), el cual
responde a la siguiente expresión.

X  Mo
Ap 
S

Aunque en la práctica este coeficiente sería más fácil de calcular que el anterior, casi no lo utilizaremos ya que solo
es cierto cuando la distribución tiene las siguientes condiciones:
Unimodal

Campaniforme

Moderada o ligeramente asimetrica.

Si Ap > 0  la distribución será asimétrica positiva o a derechas (desplazada hacia la derecha).

Si Ap < 0  la distribución será asimétrica negativa o a izquierdas (desplazada hacia la izquierda).

Si Ap = 0  la distribución será simétrica.

 14
ESTADISTICA: Representación de Datos
NOTA: Otro coeficiente es el coeficiente de asimetría de Bowley, menos utilizado. El cual esta basado
en la posición de los cuartiles y la mediana, para lo cual los relacionaremos de acuerdo con la siguiente
expresión:

C 3  C1  2Me
Ab 
C 3  C1
 15
ESTADISTICA: Representación de Datos