UNIDAD I: Conceptos Básicos de Estadística /

Organización y Representación de los Datos

UNIDAD I: Conceptos Básicos de Estadística.

1.- Naturaleza y objeto de la Estadística.

2.- Definiciones de Estadística Descriptiva y Estadística Inferencial.
3.- Universo, Población, Muestra, Parámetro, Estadístico, Variables, Tipos de Variables.
4.- Escalas de Medición, Tipos de Escala de Medición: Nominal, Ordinal, Intervalo y Cociente o
Razón.
5.- Organización y Representación de los Datos.
6.- Serie de Frecuencia con intervalos iguales. Clases de intervalo, Puntos Medios,
Frecuencias Simples o Absolutas, Frecuencias Acumuladas, Frecuencias
Relativas, Frecuencias Relativas Acumuladas,
3.- Organización y Presentación de los datos a través de Diagramas, Tablas Estadísticas y
Gráficos.
4.- Percentiles y Rangopercentiles. Conceptos y Aplicaciones.

Conceptos Básicos y Estadística Descriptiva

Concepto de Estadística:

Cuando coloquialmente se habla de estadística, se suele pensar en una relación de

datos numéricos presentada de forma ordenada y sistemática. Esta idea es la
consecuencia del concepto popular que existe sobre el término y que cada vez está
más extendido debido a la influencia de nuestro entorno, ya que hoy día es casi
imposible que cualquier medio de difusión, periódico, radio, televisión, etc, no nos
aborde diariamente con cualquier tipo de información estadística sobre accidentes de
tráfico, índices de crecimiento de población, turismo, tendencias políticas, etc.

Sólo cuando nos adentramos en un mundo más específico como es el campo de la

investigación de las Ciencias Sociales: Medicina, Biología, Psicología, ... empezamos a
percibir que la Estadística no sólo es algo más, sino que se convierte
en una herramienta que, hoy por hoy, permite dar luz y obtener resultados, y por
tanto beneficios, en cualquier tipo de estudio, cuyos movimientos y relaciones, por su
variabilidad intrínseca, no puedan ser abordadas desde la perspectiva de las leyes
determistas. Podríamos, desde un punto de vista más amplio, definir la estadística
como la ciencia que estudia cómo debe emplearse la información y cómo dar una guía
de acción en situaciones prácticas que entrañan incertidumbre.
(http://www.bioestadistica.uma.es/libro/node3.htm)

Desde este punto de vista, se puede concluir que la estadística se define como un
conjunto de métodos para manejar la obtención, presentación y análisis de
observaciones numéricas, cuyos fines son describir al conjunto de datos obtenidos y
 tomar decisiones o realizar generalizaciones acerca de las características de todas las
observaciones bajo consideración.

La estadística es una ciencia que estudia la recolección, análisis e interpretación de

datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones
regulares o irregulares de algún fenómeno o estudio aplicado, de ocurrencia en
forma aleatoria o condicional. Sin embargo estadística es más que eso, en otras
palabras es el vehículo que permite llevar a cabo el proceso relacionado con la
investigación científica. (http://es.wikipedia.org/wiki/Estad%C3%ADstica)

Áreas que conforman a la Estadística:

Estadística Descriptiva (Deductiva): es la encargada de la organización,

condensación, presentación de los datos en tablas y gráficos y del cálculo de medidas
numéricas que permitan estudiar los aspectos más importantes de los datos.

Estadística Inferencial o Inferencia Estadística: está definida por un conjunto de

técnicas, mediante las cuales se hacen generalizaciones o se toman decisiones en base
a información parcial obtenida mediante técnicas descriptivas.

Áreas de Aplicación de la Estadística:

El uso de la Estadística es muy amplio. Resulta difícil nombrar un área en la cual no se
emplee.

Los métodos estadísticos han encontrado aplicación en:

l Gobierno
l Negocios
l Ciencias Sociales
l Ingeniería
l Ciencias Física y Naturales
l Control de Calidad
l Procesos de Manufactura
l Muchos otros campos de la actividad intelectual.

Esto se debe a la creciente facilidad con la cual se pueden manejar grandes cantidades
de datos numéricos, debido al uso de …

Conceptos de Población y Muestra

Población: es la colección de todas las posibles mediciones u observaciones que
pueden hacerse de una variable bajo estudio.

Se clasifica en dos categorías:

Finita: es aquella que incluye una cantidad limitada contable de observaciones,

individuos o medidas. Siempre que sea posible alcanzar (contar) el número total de
todas las posibles mediciones, se considera como finita la población. Ejemplos:
Número de alumnos de la Universidad de Oriente, trabajadores de una empresa,
clientes de una determinada empresa, etc.

Infinita: es aquella que incluye un gran conjunto de observaciones o mediciones que

no pueden alcanzarse por conteo. Al menos, hipotéticamente, no existe límite en
cuanto al número de observaciones que el experimento puede generar. Ejemplos:
Número de peces en el mar, bacterias en un organismo, flores silvestres, etc.

Muestra:

Es un conjunto de mediciones u observaciones tomadas a partir de una población.

Es un subconjunto de la población. Este grupo representa una parte de los sujetos que
forman la población, los cuales se pueden escoger de manera aleatoria o intencional,
solo el primero de ellos será estudiado en este curso. Ejemplos: Número de alumnos
en el salón de clases que estudian Licenciatura en Educación, profesores del Núcleo de
Sucre de la Universidad de Oriente, etc.
 Tipos de datos y escalas de medida

Variables: Una variable es una característica que al ser medida en

diferentes individuos es susceptible de adoptar diferentes valores. En estadística una
variable se representa con un símbolo (x, y, h, B, etc.) que puede tomar un valor
cualquiera de un conjunto determinado de ellos, llamado dominio de la variable. Si la
variable puede tomar solamente un valor, se le llama constante. son las características
o lo que se estudia de cada individuo de la muestra. Ej: sexo, edad, peso, estatura,
color de ojos, estado civil, temperatura, cantidad de nacimientos, presión, grosor,
diámetro, ...

Datos: son los valores que toma la variable en cada caso.

Tipos de variables:

Variables Cualitativa:
Las variables categóricas resultan de registrar la presencia de un atributo.
Las categorías de una variable cualitativa deben ser definidas claramente durante la
etapa de diseño de la investigación y deben ser mutuamente excluyentes y
exhaustivas. Esto significa que cada unidad de observación debe ser clasificada sin
ambigüedad en una y solo una de las categorías posibles y que existe una categoría
para clasificar a todo individuo.

En este sentido, es importante contemplar todas las posibilidades cuando se

construyen variables categóricas, incluyendo una categoría tal como No sabe / No
contesta, o No registrado u Otras, que asegura que todos los individuos observados
serán clasificados con el criterio que define la variable.
 Las variables categóricas solo toman valores asociados a las cualidades o atributos,
clasificándolos en una de varias categorías, es decir, no son valores numéricos. Las
categorías pueden tener un orden natural (ordinales) o no (nominales). Las variables
cualitativas también se llaman variables categóricas. Con estas variables se pueden
contar número de casos, comparar entre categorías, pero no se pueden realizar
operaciones numéricas.

Ejemplos:
 Sexo: f/m.
 Hábito de fumar: Fumador/No fumador
 Color de ojos: negro, azul, marrón, …
 Religión: católica, evangélica, …
 Estado civil: soltero, casado, divorciado,…

Variables Cuantitativas: Tienen valores numéricos que representan medidas (largo,

peso, etc.) o frecuencias (número de). Tiene sentido realizar operaciones numéricas
con estas variables. Además distinguimos dentro de las variables cuantitativas las
discretas y las continuas. Una variable discreta es aquella en la cuál se puede contar el
número posible de valores. Una variable continua puede tomar cualquier valor en un
intervalo dado.

Ejemplos:
 Peso.
 Edad.
 Estatura.
 Presión.
 Humedad.
 Intensidad de un sismo.
 Cantidad de hermanos.
Las variables Cuantitativas puden clasificarse en:

Variables Discreta: Es aquella cuyos valores pueden ponerse en correspondencia con los números naturales
(N:1,2,3,4,...) o con parte de ellos. Es decir, los valores de la variable pueden contarse. también se puede decir
que en la variable discreta se llega a algunos valores por ejemplo A y B de manera tal que entre esos dos valores no
existe otro valor de la variable. Llega un momento en la que se producen saltos entre los valores de la variable.

Este tipo de variable sólo puede tomar un cierto conjunto de valores posibles. En general,
aparecen por conteo.

Ejemplo:

 cantidad de hermanos.
  número de miembros del hogar
 número de intervenciones quirúrgicas
 número de casos notificados de una cierta patología

Variables Continuas: Generalmente son el resultado de una medición que se expresa en

unidades. Las mediciones pueden tomar teóricamente un conjunto infinito de valores
posibles dentro de un rango. En la práctica los valores posibles de la variable están
limitados por la precisión del método de medición o por el modo de registro.

Una variable "x" es continua si cumple con la siguiente condición: Valores que puede toar
la variable (A y B). Siempre es posible encontrar un tercer valor C, comprendido entre
A y B, el cual, teóricamente, también puede ser asumido por la variable. Como este
procedimiento puede repetirse reiterada y consecutivamente de manera indefinida,
entonces la condición anterior equivale a la siguiente premisa. Dado dos valores A y B
de la variable, siempre es posible que la variable "x" tome cualquier valor comprendido
entre A y B. Es decir, podemos ir desde A hasta B y tener la seguridad que a cada
punto le corresponde un valor de la misma variable.

Ejemplo:

 cantidad de líquido contenido en un recipiente.

 altura
 peso.
 pH.
 nivel de colesterol en sangre.

La distinción entre datos discretos y continuos es importante para decidir qué método de
análisis estadístico utilizar, ya que hay métodos que suponen que los datos son
continuos.

Consideremos por ejemplo, la variable edad. Edad es continua, pero si se la registra en

años resulta ser discreta. En estudios con adultos, en que la edad va de 20 a 70 años,
por ejemplo, no hay problemas en tratarla como continua, ya que el número de
valores posibles es muy grande. Pero en el caso de niños en edad preescolar, si la
edad se registra en años debe tratarse como iscreta, en tanto que si se la registra en
meses puede tratarse como continua.

Del mismo modo, la variable número de pulsaciones/min. es una variable discreta, pero se
la trata como continua debido al gran número de valores posibles.

Los datos numéricos (discretos o continuos) pueden ser transformados en categóricos y

ser tratados como tales. Aunque esto es correcto no necesariamente es eficiente y
siempre es preferible registrar el valor numérico de la medición, ya que esto permite:
 Analizar la variable como numérica ⇒ Análisis estadístico más
simple y más potente.
  Armar nuevas categorías usando criterios diferentes.

Nota:
N°1)
Una variable que teóricamente puede tomar cualquier valor entre dos valores dados se
le llama variable continua. si no es así se le llama discreta.

N°2)
Los datos que vienen definidos por una variable discreta o continua se llaman datos
discretos o continuos respectivamente. El número de hijos en cada una de 1.000
familias es un ejemplo de datos discretos, mientras que las alturas de 100
universitarios es un ejemplo de datos continuos.

SENSIBILIDAD (ESTADÍSTICA):

La sensibilidad en estadística (S), es definida por la menor unidad de medida en la cual

son representados o reportados los valores de una variable.
La forma en que se muestran los datos dan luces del valor de la sensibilidad.
Revisemos el siguiente ejemplo:
Sean los siguientes valores reportados:

Xi: 12 14 19 21 23 9 17 32 18 22 19 11 18

S=1

nótese que todos los datos son números enteros y por tanto contables, los cuales se
pueden poner en correspondencia con el conjunto de los números naturales (N), cuya
menor unidad de medida es 1. Esto significa que podemos construir todos los números
de la serie Xi sumando de uno en uno hasta obtener cada uno de los valores
reportados. Miremos ahora la siguiente serie de datos:

Yi: 12,4 14,1 19,0 21,7 23,6 9,8 17,2 32,9 18,3

En la serie Yi los valores reportados son medidos de tal manera que los valores no se
obtienen sumando de uno en uno, como en el caso de la serie anterior (Xi), sino que
ha utilizado una unidad de medida mas pequeña, tan pequeña como el número de
decimales que pueda poseer alguno de los valores reportados. En este caso todos los
valores reportados tienen un decimal, por lo que se puede afirmar que la sensibilidad
de la serie de datos Yi es igual a 1 (S=0,1)

NOTA:
La sensibilidad en la escala de medición de una variable continua NO se puede precisar
si el valor medido (valor reportado) de la variable, coincide con el valor real (valor
verdadero) de la variable.

Esto significa que dado el valor reportado siempre queda la duda de la ubicación del
valor verdadero. Por consiguiente, es necesario colocar algunos límites para el valor
verdadero de la variable y esto último tiene que ver con la sensibilidad de la medición
de la variable continua.

CÁLCULO DE LOS LÍMITES VERDADEROS DE UNA VARIABLE CONTINUA

Límite Inferior:
Se obtiene restándole la mitad de la sensibilidad (s) al valor reportado (Vr) de la
variable:

Lim. Inf.= Vr - S/2

Límite Superior:
Se obtiene sumándole la mitad de la sensibilidad (s) al valor reportado (Vr) de la
variable:

Lim. Sup.= Vr + S/2

Ejemplo:

Determine el valor de los limites inferiores y superiores del valor reportado 35

(Vr=35), sabiendo que el valor de la sensibilidad es 3 (S=3).

Lim. Inf.= Vr - S/2 = 35 - 3/2 = 35 - 1,5 = 33,5

Lim. Inf.= 33,5

Lim. Sup.= Vr + S/2 = 35 + 3/2 = 35 + 1,5 = 36,5

Lim. Sup.= 36,5

/ / /
33,5 35 36,5
Lim. inf. Vr Lim. sup.

ESCALAS DE MEDICIÓN

Llamaremos medición al proceso de atribuir números a las variables. El conjunto de

reglas o modelos desarrollados para la asignación de números a las variables es lo que
se denomina escala. La clasificación de las escalas más usada es la propuesta por
Stevens (1946) que divide las escalas en: nominales, ordinales, de intervalo y de
razón.

Escala nominal: nos permite identificar sujetos como "iguales" o "diferentes". Usando
una escala nominal podemos decidir si un sujeto es igual o diferente a otro, pero no
podemos establecer relaciones de orden respecto a esa característica, ni relaciones de
cantidad ni de diferencia. Por ejemplo: si medimos el color de los ojos podemos
establecer la siguiente escala: A → azul, V → verde, M → marrón y N → negro. No
podemos ordenar los sujetos de mayor a menor o viceversa, simplemente podemos
asegurar si dos sujetos tienen el mismo o distinto color de ojos. Otros ejemplos:
nacionalidad, sexo, profesión. A este tipo de variables medidas con escala nominal se
les puede asignar a cada categoría cualquier tipo de símbolos. En el ejemplo hemos
asignado letras pero podíamos haber optado por números: 1 → azul, 2 →verde,
3 → marrón y 4 → negro.

Escala ordinal: Esta escala no sólo permite la identificación y diferenciación de los

sujetos sino que además permite establecer relaciones del tipo "mayor que" o "menor
que". Es decir, de los sujetos se puede decir cual presenta una mayor o menor
magnitud de la característica medida, los objetos se pueden ordenar. Ejemplo: nivel de
estudios se puede asignar 1 a estudios primarios, 2 a estudios secundarios, 3 a
estudios universitarios. Podemos ordenar a los sujetos según el nivel de estudios, el
valor 3 es mayor que el 2 y el 1. Aunque no podemos afirmar que la diferencia
existente entre el 2 y el 1 sea la misma que la que existe entre el 3 y el 2. Ni que el
que tenga nivel 3 tenga 3 veces más de nivel de estudios que el que tiene nivel 1.
Otros ejemplos de escala ordinal: posición relativa en la clase, escala de dureza de los
minerales.

Escala de intervalo: Con esta escala, además de poder identificar un objeto y

establecer relaciones del tipo mayor que y menor que, también podemos hacer
afirmaciones acerca de las diferencias en la cantidad del atributo de unos y otros
objetos. Es decir, disponemos de una unidad de medida, aunque en este caso el cero
sea un punto arbitrario en la escala. Es decir, no indica ausencia total de la cantidad de
atributo. Un ejemplo típico es el calendario, podemos afirmar que ha transcurrido el
mismo tiempo entre 1960 y 1966 que entre 1980 y 1986 porque contamos con una
unidad de medida llamada año. Pero no podemos afirmar que hasta el año 1000 haya
pasado el doble de tiempo que hasta el año 500, porque el valor cero no representa el
comienzo del tiempo sino que, en nuestro calendario se eligió el año del nacimiento de
Cristo como año 1. Otros ejemplos: la medición de las temperaturas en grados Celcius
la escala de los test de inteligencia.

Escala de razón: También se llama de proporción o de cociente. Además de las

características de las otras tres escalas, contamos con una unidad de medida con cero
absoluto, es decir, que significa ausencia del atributo o característica medida. Por
ejemplo, la longitud, podemos afirmar que un objeto que mide 10 cm. tiene el doble
de longitud que uno que mide 5 cm. Otros ejemplos: peso, duración de un suceso,
temperatura en grados Kelvin (que sí tiene cero absoluto).

DISTRIBUCIÓN DE FRECUENCIAS
En estadística, se le llama distribución de frecuencias a la agrupación de datos en
categorías mutuamente excluyentes que indican el número de observaciones en
cada categoría.1 Esto proporciona un valor añadido a la agrupación de datos. La
distribución de frecuencias presenta las observaciones clasificadas de modo que
se pueda ver el número existente en cada clase. Estas agrupaciones de datos
suelen estar agrupadas en forma de tablas.
Una distribución de frecuencias es un formato tabular en la que se organizan los
datos en clases, es decir, en grupos de valores que describen una característica
de los [datos] y muestra el número de observaciones del conjunto de datos que
caen en cada una de las clases.
La tabla de frecuencias ayuda a agrupar cualquier tipo de dato numérico. En
principio, en la tabla de frecuencias se detalla cada uno de los valores diferentes
en el conjunto de datos junto con el número de veces que aparece, es decir, su
Frecuencia. Se puede complementar la frecuencia absoluta con la denominada
frecuencia relativa, que indica la frecuencia en porcentaje sobre el total de datos.
En variables cuantitativas se distinguen por otra parte la frecuencia simple y la
frecuencia acumulada.
La tabla de frecuencias puede representar gráficamente en un histograma
(Diagrama De Barras). Normalmente en el eje vertical se coloca las frecuencias y
en el horizontal los intervalos de valores.
La distribución de frecuencias o tabla de frecuencias es una ordenación en forma
de tabla de los datos estadísticos, asignando a cada dato su frecuencia
correspondiente.
Frecuencia Simple (fi)
La frecuencia simple es el número de veces que aparece un determinado valor
reportado en un estudio estadístico. Se representa por fi. La suma de las
frecuencias simple es igual al número total de datos, que se representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma
mayúscula) que se lee suma o sumatoria.
Σ fi = N (número total de datos de la distribución)
Frecuencia Relativa Porcentual (fr%)
La frecuencia relativa porcentua es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos. Se puede expresar en tantos por
ciento y se representa por fi. La suma de las frecuencias relativas es igual a 100.
Frecuencia Acumulada (fac)
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los
valores inferiores o iguales al valor considerado. Se representa por fac.
Frecuencia Relativa Acumulada Porcentual (frac%)
La frecuencia relativa acumulada porcentual es el cociente entre la frecuencia
acumulada de un determinado valor y el número total de datos expresada en
tantos por ciento.

Distribución de frecuencias agrupadas

La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea

si las variables toman un número grande de valores o la variable es continua. Se
agrupan los valores en intervalos que tengan la misma amplitud denominados
clases. A cada clase se le asigna su frecuencia correspondiente. Límites de la
clase. Cada clase está delimitada por el límite inferior de la clase y el límite
superior de la clase.

La amplitud de la clase es la diferencia entre el límite superior e inferior de la

clase. La marca de clase es el punto medio de cada intervalo y es el valor que
representa a todo el intervalo para el cálculo de algunos parámetros.
 REGLAS GENERALES PARA FORMAS DISTRIBUCIONES DE FRECUENCIAS
PARA DATOS AGRUPADOS EN INTERVALOS
Cuando los datos contienen una gran cantidad de elementos, para facilitar los
cálculos es necesario agruparlos, a estos grupos se los llama intervalos o clases.
Un intervalo es una serie de números incluidos entre dos extremos, así por
ejemplo, el intervalo 40 – 45 está formado por 40, 41, 42, 43, 44 y 45, siendo 40 el
límite inferior, 45 el límite superior, 39,5 límite real inferior (límite inferior
disminuido en 5 décimas) y 40,5 el límite real superior (límite superior aumentado
en 5 décimas).
Las reglas generales para formas distribuciones de frecuencias para datos
agrupados en intervalos son:
1) Calcule el Recorrido Verdadero (Rv).- También se llama rango o amplitud
total. Es la diferencia entre el valor mayor y el menor de los datos.
2) Seleccione el Número Aproximado de Intervalos de Clase (ni).- No debe ser
menor de 5 y mayor de 12, ya que un número mayor o menor de clases podría
oscurecer el comportamiento de los datos. Para calcular la amplitud de los
intervalos el valor del número de intervalos se ofrecerá como dato del eejercicio.
3) Calcule la Amplitud del Intervalo (i).- Se obtiene dividiendo el Recorrido
Verdadero (Rv)entre el Número Aproximado de Intervalos de Clase (ni):
Se procede a calcular la Amplitud la Aproximada del Intervalo (≈)
i ≈ Rv / ni
Pudiendo resultar el valor de i de diferentes formas, esto quiere decir que no sea
exacto o un numero expresado decimales, que sea entero par o un entero impar.
Para efectos de nuestro curso estableceremos un criterio para poder decidir el
valor de la amplitud del intervalo definitivo el cual nos permita costruir los
intervalos de clases. Por ejemplo:
Si una distribución de 40 datos el valor mayor es 41 y el menor es 20 se tiene:
Calculando el Rango se obtiene:
Rv = Vmax – Vmin = 41 -20 = 21 (si la variable es discreta)
Rv = Vmax – Vmin + S = 41 -20 + 1 = 22 (si la variable es continua)
Siendo Vmax el valor máximo de los valores reportados, Vmin el valor mínimo de los
valores reportados y S la sensibilidad del conjunto de los datos.
Para este ejemplo supondremos que Número Aproximado de Intervalos de Clase
(ni) es seis, (ni= 6)
Calculando, se obtiene:
i ≈ Rv / ni ≈ 22 / 6 ≈ 3,67
Para determinar el valor final de la amplitud del intervalo aplicaremos e siguiente
criterio (que llamaremos Regla de Oro):
1. Si el valor calculado de i es un numero decimal, tomaremos el número impar más
cercano a él.
2. Si el valor calculado de i es un numero entero par, tomaremos el menor número
impar cercano a él.
3. Si el valor calculado de i es un numero entero impar, entonces el valor de i es igual
al mismo valor calculado.
Aplicando la Regla de Oro para el ejemplo, al valor calculado de i, tenemos que
es un numero decimal y al aplicar el primer criterio, se obtiene que: i = 3
4) Forme los Intervalos de Clase agregando i-1 al límite inferior de cada clase,
comenzando por el Xmín del rango.
5) Se realiza el Conteo de Datos que cae dentro de cada clase (frecuencia
absoluta)
6) Calcule el Punto Medio para cada Clase (Xi).- Es el valor del Punto Medio de
cada clase, se obtiene sumando los límites superior (Lim. Sup) e inferior (Lim. Inf.)
del intervalo y dividiendo ésta suma entre 2
Xi = (Lim. Sup. + Lim. Inf. ) / 2
7) Calcule las Frecuencias.

EJEMPLO ILUSTRATIVO
A 40 estudiantes se les pidió que estimen el número de horas que habrían
dedicado a estudiar la semana pasada (tanto en clase como fuera de ella),
obteniéndose los siguientes resultados
36 30 47 60 32 35 40 50
54 35 45 52 48 58 60 38
32 35 56 48 30 55 49 39
58 50 65 35 56 47 37 56
58 50 47 58 55 39 58 45

Solución:
1 Calculando el Recorrido Verdadero, se obtiene:
Rv = Vmax – Vmin + S = 65 -30 + 1 = 36

2 Consideremos que el número aproximado de intervalos es seis: ni = 6

3 Calculando el ancho se obtiene:

i ≈ Rv / ni ≈ 36 / 6 ≈ 5,83

Aplicando la Regla de Oro para el ejemplo, al valor calculado de i, tenemos que

el valor calculado es un numero decimal y por el primer criterio, se obtiene que:
i=5
4 Formando los intervalos de clase de amplitud cinco (i = 5) partiendo del Valor
mínimo (Vmin.) de los valores reportado, es decir, el límite inferior del primer
intervalo de clase, inicia con el menor valor reportado (Xmín) como Lim. Inf , y el
Lim. Sup. se obtiene contando tantas posiciones como lo indique la amplitud del
intervalo ( i = 5).
Así el primer intervalo quedará así:
30 - 34

Realizando el conteo de datos que caen dentro de cada clase, es como

determinamos el valor de las frecuencias simplies respectivas para cada intervalo.

El resto de los valores correspondiente a la Fr% y Frac%, se obtiene de sustituir

en las formulas los valores correspondientes para cada caso.

A continuación se presenta algunas interpretaciones de la tabla:

 El valor de f =9: Significa que 8 estudiantes dedicaron a
estudiar la semana pasada entre 30 y 35 horas.
 El valor de xi = 52: Significa que 5 estudiantes dedicaron en
promedio a estudiar la semana pasada 52 horas.
 El valor de f% = 22,5%: Significa que 22,5% de los
estudiantes dedicaron a estudiar la semana pasada entre 35 y 39
horas.
 El valor de fac = 27: Significa que 27 estudiantes dedicaron a
estudiar la semana pasada entre 30 y 54 horas.
 El valor de frac% = 67,5%: Significa que 67,5% de los
estudiantes dedicaron a estudiar la semana pasado entre 30 y 54
horas.