Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Principios de la Estadística
1.1 Introducción
1.2 Definición de estadística
1.3 Estadística descriptiva e inductiva
1.4 Población y muestra
1.5 La naturaleza y clasificación de los datos
1.6 Escalas de medición
1.7 Redondeo de datos.
Ejemplo 3. Un profesor desea realizar un análisis estadístico de las notas del examen final de
matemáticas de sus alumnos de último año. Por ello, coloca todas las notas obtenidas en Excel
y usa las funciones y herramientas estadísticas. La información obtenida, ¿pertenece a la
muestra o a la población?
– En este caso, la población, son todos los alumnos de último año. Se estudiarán sus notas,
pero todas las notas obtenidas. No se ha realizado ningún muestreo, por ello, la información
obtenida, pertenece a la población.
Ejemplo 4. Un conocido fabricante de medicamentos, desea conocer la proporción de personas
cuya diabetes tipo 2, puede ser controlada con un nuevo fármaco. Se realiza un estudio en 3500
personas con esta diabetes, y se encontró que el 75% de ellas pudo controlar su diabetes tipo 2
usando el fármaco. Asumiendo que estas 3500 personas son representativas del grupo de
pacientes de diabetes tipo 2, identifique la muestra y la población.
Solución:
a) Población: personas con diabetes tipo 2.
b) Muestra: conjunto de 3500 personas con diabetes tipo 2 (personas sometidas al estudio).
Frecuencia
Frecuencia Frecuencia Frecuencia
Color relativa
absoluta acumulada relativa
acumulada
Rojo 6 20 0,30 1
Total 20 1
Ejemplo 2:
En una tienda de autos, se registra la cantidad de autos Toyota vendidos en cada día del mes de
Setiembre.
0; 1; 2; 1; 2; 0; 3; 2; 4; 0; 4; 2; 1; 0; 3; 0; 0; 3; 4; 2; 0; 1; 1; 3; 0; 1; 2; 1; 2; 3
Con los datos obtenidos, elaborar una tabla de frecuencias.
Solución:
En la primera columna, colocamos los valores de nuestra variable, en la segunda la frecuencia
absoluta, luego la frecuencia acumulada, seguida por la frecuencia relativa, y finalmente la
frecuencia relativa acumulada. Ahora vamos a agregar la columna de frecuencia porcentual, y
frecuencia porcentual acumulada.
Frec. Frec.
Autos Frecuencia Frecuencia Frecuencia Frecuencia
relativa porcentual
vendidos absoluta acumulada relativa porcentual
acumulada acumulada
Total 30 1 100%
xi Recuento fi Fi ni Ni
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
34 I 1 31 0.032 1
31 1
xi Recuento fi Fi ni Ni
13 III 3 0.15 3 1
14 I 1 0.05 4 0.95
15 5 0.25 9 0.85
19 I 1 0.05 17 0.45
20 II 2 0.10 19 0.20
22 I 1 0.05 20 0.15
20
3. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1, 2, 2, 4, 1.
Construir la tabla de distribución de frecuencias.
xi Recuento xi Fi ni Ni
1 6 6 0.158 0.158
2 12 18 0.316 0.474
3 16 34 0.421 0.895
4 IIII 4 38 0.105 1
38 1
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3, 6, 7, 6, 6, 7, 6, 7,
3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
xi fi Fi ni Ni
0 1 1 0.02 0.02
1 1 2 0.02 0.04
2 2 4 0.04 0.08
3 3 7 0.06 0.14
4 6 13 0.12 0.26
5 11 24 0.22 0.48
6 12 36 0.24 0.72
7 7 43 0.14 0.86
8 4 47 0.08 0.94
9 2 49 0.04 0.98
10 1 50 0.02 1.00
500 1.00
5. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un
examen de Física.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22,
27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
Construir la tabla de frecuencias.
1º Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea divisible
por el número de intervalos queramos establecer.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 – 3 = 45,
Incrementamos el número hasta 50, 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al
intervalo, pero el límite superior no pertenece intervalo, se cuenta en el siguiente intervalo.
ci fi Fi ni Ni
40 1
La suma de las frecuencias absolutas es igual al número total de datos, que se representa
por N (es decir es el tamaño de la muestra): f1+ f2 + f3 + ... + fn = N
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se
lee suma o sumatoria:
Frecuencia Relativa. La frecuencia relativa es el cociente entre la frecuencia absoluta y el
tamaño de la muestra.
La denotaremos por fri.
y así sucesivamente.
Intervalos de Clase
Los intervalos de clase se emplean si las variables toman un número grande de valores o si
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.
Amplitud 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.
1º se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea
divisible por el número de intervalos de queramos poner.
Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al
intervalo, pero el límite superior no pertenece intervalo, se cuenta en el siguiente intervalo.
Actividad. Las notas obtenidas en un examen de matemáticas han sido las siguientes:
4 3 7 6 8 7 9 6 4 5 7 5 8 4 3 10 6 6 3 3
Ordena los datos en una tabla de frecuencias.
Los datos ordenados en la tabla de frecuencias quedan de la siguiente manera:
xi fi fri Ni
3 4 0,2 4
4 3 0,15 7
5 2 0,1 9
6 4 0,2 13
7 3 0,15 16
8 2 0,1 18
9 1 0,05 19
10 1 0,05 20
20 1
Actividad. Las urgencias atendidas durante un mes de noviembre en un centro de salud fueron:
1 5 3 2 1 6 4 2 2 3 4 3 5 1 0
1 5 3 3 6 2 4 6 3 2 4 3 2 1 5
a) ¿Cuál es la variable y de qué tipo es?
b) Construye una tabla de frecuencias.
a) La variable es el número de urgencias atendidas.
El tipo de variable es cuantitativa discreta.
b) La tabla de frecuencias es:
Actividad. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:
Peso [50, 60) [60, 70) [70, 80) [80,90) [90, 100) [100, 110) [110, 120)
fi 8 10 16 14 10 5 2
Intervalos xn fi fri Fi
[80,90) 85 14 0,22 48
65 1
87 85 61 51 64 75 80 70 69 82 80 79 82 74 92
76 72 73 63 65 67 71 88 76 68 73 70 76 71 86
Completa la siguiente tabla con esta distribución agrupando los datos en 6 intervalos, tomando
como extremo inferior 51 y superior 93.
Intervalos Xn fi Fri Fi
[ , )
[ , )
[ , )
[ , )
[ , )
[ , )
- - -
Actividad 3: Completa
Observar la siguiente gráfica que representa la variación de la velocidad de un auto durante un
viaje y luego responder las preguntas:
a) ¿Cuánto tiempo ha durado el viaje?
b) ¿Qué velocidad llevaba el auto a las dos horas de viaje?
c) ¿Cuándo ha llevado el coche una velocidad de 90 km/h?
d) ¿En qué tramos aumentó la velocidad?
e) ¿Qué significado tiene los tramos horizontales?
f) ¿Cuál es la velocidad máxima alcanzada?
Sol:
a) 12 hs
b) 70km/h
c) Entre las 7 y 8,30 hs
d) En la primera hora; entre las 3 y 4; entre las 5 y 7; entre las 10 y 10.30 hs
e) Que va a velocidad constante
f) 90km/h
Actividad 4
Un abuelo le dice a su nieta: “Si al doble de mi edad le quitas el triple de la edad que tenía hace
cuarenta años, obtendrás mi edad actual”. ¿Cuántos años tiene el abuelo?
Sol:
La ecuación que resuelve el problema es 2x - 3( x - 40) = x
Luego la edad del abuelo es 60 años
Actividad 5: Grafica
Graficar las siguientes funciones:
a) y = -3x - 4
b) y = x2 - 6x + 5
Sol:
a)
b)
Actividad 6
La ganancia R de una empresa (en cientos de miles de pesos) a lo largo de un período de 10
años está dada por la relación: R(t) = -5t2 + 40t + 10 siendo t el tiempo expresado en
años. ¿Cuándo han obtenido la máxima ganancia?
Verifica tu respuesta
A los 4 años ( se debe sacar la coordenada x del vértice)
Actividad 7
Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido
las siguientes respuestas:
5 3 4 4 1 2 4 4 5 3
4 4 3 5 4 3 2 4 5 3
[10, 15) [15, 20) [20, 25) [25, 30) [30, 35)
fi 3 5 7 4 2
Población: Conjunto finito o infinito de elementos, sobre los que vamos a realizar
observaciones.
Muestra: Subconjunto finito de una población. El número de elementos que forman la muestra
se denomina tamaño muestral.
Variable: es cada una de las características que pueden observarse de un elemento de la
muestra.
Las variables pueden ser clasificadas en dos grupos:
a) Cualitativas: toman valores no numéricos. Dentro de este grupo diferenciamos:
Nominativas: no existe ningún orden entre las categorías de variables. Por ejemplo: el grupo
sanguíneo (A, B, AB, 0) o el color del pelo (moreno, rubio, pelirrojo).
Binarias: cuando toman dos valores posibles -si/no, presencia/ausencia- (por ejemplo: casado sí
o no, tener el carnet de conducir sí o no).
Ordinales: existe un cierto orden entre las categorías de las variables, por ejemplo el nivel de
estudios (sin estudios, básico, secundarios, etc) o categoría dentro de una empresa (peón,
encargado, etc.)
b) Cuantitativas: toman valores numéricos. Dentro de éstas se agrupan en:
Discretas: tomas valores aislados, normalmente números enteros, por ejemplo número de
hermanos o de hijos.
Continuas: teóricamente puede tomar cualquier valor numérico por ejemplo: el peso de un
individuo. Aunque en la práctica todas tomarían valores discretos por la imposibilidad de tener
aparatos lo suficientemente sensibles para realizar mediciones intermedias.
La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio
estadístico.
La suma de las frecuencias absolutas es igual al número total de datos, que se representa
por N (es decir es el tamaño de la muestra):
f1+ f2 + f3 + ... + fn = N
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se
lee suma o sumatoria:
Los intervalos de clase se emplean si las variables toman un número grande de valores o si
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.
Amplitud de la clase
La marca de clase es el punto medio de cada intervalo y es el valor que representa a todo
Escalas de medición y variables en estadística
En estadística se estudian datos. Los datos son la representación de atributos o variables que
describen hechos, y al analizarlos y procesarlos, estos se
transforman en Información. Para poder hacer esto, es
necesario “medir”, (Comparar los datos entre sí y
respecto de referencias). Este proceso de comparación
requiere de escalas de medición donde situar cada
posible valor que tomen los datos, y por las diferentes
características de estos, existen diferentes tipos de escalas.
Luego, tenemos a las variables. En general, en la mayoría de las materias que tuvimos en el
colegio o en la facultad, utilizamos variables para representar las características de
elementos que deseamos estudiar cuando estas cambian según algún parámetro.
Como hemos dicho, para que los datos tengan sentido es necesario compararlos. Y para poder
compararlos debemos utilizar escalas de medición. Dichas escalas tendrán diferentes
propiedades en función de las características de los datos que se compararán. En estadística
existen cuatro escalas de medición: nominal, ordinal, de intervalo y de razón.
Escala ordinal. Cuando los datos muestran las propiedades de los datos nominales, pero
además tiene sentido el orden (o jerarquía) de estos, se utiliza una escala ordinal.
Ejemplo: Una variable que mide la calidad de una página web. La variable puede tomar valores
enteros del 1 al 5, donde el valor 1 es el peor y el 5 el mejor.
En esta variable siguen sin tener sentido las operaciones aritméticas, pero ahora sí tiene sentido
el orden. Si un post tiene valor 4 y otro tiene valor 2, el primero se entiende que es mejor que el
segundo.
Escala de intervalo. En una escala de intervalo, los datos tienen las propiedades de los datos
ordinales, pero a su vez la separación entre las variables tiene sentido. Este tipo de datos
siempre es numérico, y el valor cero no indica la ausencia de la propiedad.
Ejemplo: La temperatura (en grados centígrados) media de una ciudad.
En esta escala, los números mayores corresponden a temperaturas mayores. Es decir, el orden
importa, pero a la vez la diferencia entre las temperaturas importa.
Escala de razón. En una escala de razón, los datos tienen todas las propiedades de los datos
de intervalo, y la proporción entre ellos tiene sentido. Para esto se requiere que el valor cero de
la escala indique la ausencia de la propiedad a medir. Ejemplos de este tipo de variables son el
peso de una persona a el tiempo utilizado para una tarea.
Ejemplo: Una variable que mide el salario de una persona.
En esta variable, si una persona gana 100, y otra 10, la primera gana más que la segunda
(comparación). También tiene sentido decir que la primera gana 90 más que la segunda
(diferencia), o que gana 10 veces más (proporción).
Variables en estadística
Las variables se las suele dividir según distintos criterios, en función las características de los
valores que estas puedan tomar.
Variables cuantitativas y cualitativas
De acuerdo al tipo de escala que se utilizan se puede clasificar en cualitativas o cuantitativas.
Las variables cualitativas son aquellas que se usan para identificar un atributo de un
elemento. Se emplean con la escala nominal o la ordinal, y pueden ser numéricos o no. Los
datos contenidos en estas variables se resumen contando el número de observaciones de cada
valor que toma la variable, o la proporción en entre estos. Un hecho importante a tener en
cuenta es que, aun cuando para los datos cualitativos se use un código numérico, las
operaciones aritméticas como la suma o la multiplicación no tienen sentido.
Ejemplo: El color de un auto.
Luego, las variables cuantitativas son aquellas que requieren valores numéricos para definir
los datos. Se emplean con las escalas de medición de intervalo o de razón. En estas sí tienen
sentido las operaciones aritméticas.
Ejemplo: La altura de una persona.
En general hay más alternativas para el análisis estadístico cuando se tienen variables
cuantitativas que con las variables cualitativas.
Variables continuas y discretas
El siguiente criterio de clasificación (solo para variables cuantitativas) es según como es el
conjunto de valores sobre el cual estas pueden tomar valores.
Una variable continua puede tomar valores dentro de un intervalo continuo, es decir, dado dos
puntos de un intervalo, la variable siempre podrá tomar infinitos valores entre ambos puntos.
Ejemplo: La temperatura en una habitación.
En cambio, una variable discreta solo puede tomar valores sobre un conjunto finito de valores o
un conjunto infinito numerable (un conjunto infinito, pero cuyos elementos se pueden contar). En
otras palabras, no puede tomar valores sobre cualquier punto del intervalo, sino solamente sobre
aquellos incluidos en el conjunto al que pertenece. Esto hace que surja el concepto de valores
observados sucesivos, lo cual significa que, dado una observación, puede existir una
observación previa y otra posterior.
Ejemplo: Cantidad de años de vida de una persona.
Datos de sección transversal y de series de tiempo
Por último, otra clasificación típica que se suele realizar sobre los datos es respecto del
tiempo en que estos son adquiridos.
Los datos de sección transversal son los obtenidos en el mismo (o aproximadamente)
momento.
En un mismo periodo, cual es el PBI de un grupo de países
Los datos de series de tiempo son datos obtenidos a lo largo del tiempo.
El PBI de un país a lo largo de los años
N IVELES
O
ESCALAS DE MEDICIÓN
Niveles de Medición
Medir significa “asignar números a objetos y eventos de acuerdo a reglas” (Stevens, 1951), esta
definición es adecuada para el área de ciencias naturales, en el campo de las ciencias sociales
medir es “el proceso de vincular conceptos abstractos con indicadores empíricos” (Carmines y
Zeller, 1979, p. 10).
La medición de las variables puede realizarse por medio de cuatro escalas de medición. Dos de
las escalas miden variables categóricas y las otras dos miden variables numéricas (Therese L.
Baker, 1997). Los niveles de medición son las escalas nominales, ordinal, de intervalo y de
razón. Se utilizan para ayudar en la clasificación de las variables, el diseño de las preguntas
para medir variables, e incluso indican el tipo de análisis estadístico apropiado para el
tratamiento de los datos.
a) Medición Nominal.
Así, si se asignan números a estos niveles solo sirven para identificación y puede ser indistinto:
1=M, 2=F o bien, se pueden invertir los números sin que afecte la medición: 1=F y 2=M. En
resumen, en la escala nominal se asignan números a eventos con el propósito de identificarlos.
No existe ningún referente cuantitativo. Sirve para nombrar las unidades de análisis en una
investigación y es utilizada en cárceles, escuelas, deportes, etc. La relación lógica que se
expresa es: A B (A es diferente de B).
b) Medición Ordinal.
Se establecen categorías con dos o más niveles que implican un orden inherente entre si. La
escala de medición ordinal es cuantitativa porque permite ordenar a los eventos en función de la
mayor o menor posesión de un atributo o característica. Por ejemplo, en las instituciones
escolares de nivel básico suelen formar por estatura a los estudiantes, se desarrolla un orden
cuantitativo pero no suministra medidas de los sujetos. La relación lógica que expresa esta
escala es A B (A es mayor que B). Clasificar a un grupo de personas por la clase social a la
que pertenecen implica un orden prescrito que va de lo más alto a lo más bajo. Estas escalas
admiten la asignación de números en función de un orden prescrito.
Las formas más comunes de variables ordinales son ítems (reactivos) actitudinales
estableciendo una serie de niveles que expresan una actitud de acuerdo o desacuerdo con
respecto a algún referente.
Por ejemplo, ante el ítem: La economía mexicana debe dolarizarse, el respondiente puede
marcar su respuesta de acuerdo a las siguientes alternativas:
___ De acuerdo
___ Indiferente
___ En desacuerdo
las anteriores alternativas de respuesta pueden codificarse con números que van del uno al
cinco que sugieren un orden preestablecido, pero no implican una distancia entre un número y
otro. Las escalas de actitudes son ordinales, pero son tratadas como variables continuas
(Therese L. Baker, 1997).
c) Medición de Intervalo.
Una persona que en un examen de matemáticas que obtiene una puntuación de cero no
significa que carezca de conocimientos, el punto cero es arbitrario porque sigue existiendo la
característica medida.
d) Medición de Razón.
Una escala de medición de razón incluye las características de los tres anteriores niveles de
medición anteriores (nominal, ordinal e intervalo). Determina la distancia exacta entre los
intervalos de una categoría. Adicionalmente tiene un punto cero absoluto, es decir, en el punto
cero no existe la característica o atributo que se mide. Las variables de ingreso, edad, número
de hijos, etc. son ejemplos de este tipo de escala. El nivel de medición de razón se aplica tanto a
variables continuas como discretas.
Termómetro digital
Los termómetros digitales utilizados en la medicina práctica utilizan 3 cifras significativas. Las
dos primeras son cifras exactas y la última es una cifra significativa afectada por error ya que
probablemente la temperatura real estará formada por infinitos decimales imposibles de
representar y que además no son necesarios para determinar si el paciente tiene fiebre o no.
Reglas para determinar las cifras significativas
Cualquier cifra distinta de cero se considera significativa.
o Ejemplos: 25,36 m tiene 4 c.s. o 154 tiene 3 c.s.
Se consideran cifras significativas los ceros situados entre dos dígitos distintos de cero y
los situados después de la coma decimal.
o Ejemplos: 2005.20 tiene 6 c.s. o 34.00 tiene 4 c.s.
Sin embargo no se consideran cifras significativas los ceros situados al comienzo de un
número, incluidos aquellos situados a la derecha de la coma decimal hasta llegar a un dígito
distinto de cero.
o Ejemplo: 0,000560 tiene 3 c.s. (560)
Tampoco se consideran significativos los ceros situados al final de un número sin coma
decimal, excepto si se indican con un punto.
o Ejemplos: 450 tiene 2 c.s. (45), sin embargo 450. tiene 3 c.s.
Ejemplo
En un circuito eléctrónico se utiliza un multímetro que nos devuelve la siguientes medidas de
intensidad de corriente en distintos puntos del circuito: 0.050 A, 10.050 A y 0.101 A. ¿Cuántas
cifras significativas tienen estas medidas?
Ver solución
Redondeo
Cuando realizamos algún tipo de operación matemática puede ser interesante reducir el número
de decimales que obtenemos para evitar trabajar con valores excesivamente grandes. El
redondeo puede ayudar a esta tarea provocando que los resultados sean lo más precisos
posibles.
Se denomina redondeo al proceso de eliminar las cifras situadas a la derecha de la última cifra
significativa.
Reglas para el redondeo
Cuando el primero de los dígitos descartados es cinco o mayor que cinco, la cifra
anterior se aumenta en una unidad.
o Ejemplo: 45.367892 redondeado a 4 c.s. es 45.37. Dado que nos tenemos que
quedar con 4 cifras, hay que descartar desde la 5ª en adelante, es decir desde el 7. 7
es mayor que 5 por lo que aumentamos en una unidad la anterior. Por tanto: 45.37
Cuando el primero de los dígitos descartados es menor que cinco, la cifra anterior se
mantiene igual.
o Ejemplo: 123.643421 redondeado a 5 c.s. es 123,64. Dado que nos tenemos que
quedar con 5 cifras, hay que descartar desde la 6ª en adelante, es decir desde el 3. 3
es menor que 5 por lo que la cifra anterior la dejamos igual. Por tanto: 123.64.
Cuando realizamos operaciones matemáticas con valores decimales, el resultado debe
redondearse hasta un número determinado de cifras significativas.
o Cuando sumamos o restamos, el resultado debe tener el mismo número de
decimales que el valor que menos tenga:
Ejemplo: 12.07 + 3.2 = 15.27
o Cuando multiplicamos o dividimos, el resultado debe tener el mismo número de
cifras significativas que el valor que menos tenga:
Ejemplo: 12.07 · 3.2 = 39 (No 38.624 ya que 3.2 tiene 2 c.s.)
Ejemplo
Dadas las siguientes operaciones, redondéalas correctamente:
a) 150.00 / 8.65
b) 34.045 + 2.05
Ver solución
Enunciado
dificultad
Solución
Enunciado
dificultad
Solución
Solución: 17.34
b)
34.045 + 2.05 = 36.095
Para redondear este resultado:
1. Contamos el número de decimales de los dos operandos.
34.045 - 3 decimales
2.05 - 2 decimales
Dado que la 4ª cifra es mayor que 5 la 3ª se aumenta en una unidad y podemos descartar
desde la 4ª en adelante.
Solución: 36.1
1.7.Redondeo de datos
Dentro de los procesos estadísticos hay ocasiones en la que los datos suministrados para el
análisis y sobre todo aquellos que son resultados de un proceso matemático, en los que
obtenemos datos con valoraciones decimales, lo más común es aplicar la técnica del redondeo
que consiste en aproximar lo más posible a un valor más cercano o uno que sea más fácil para
trabajar las operaciones matemáticas, por ejemplo, si el valor obtenido o recolectado es 72.3, se
tiene la tendencia de redondear la cantidad a su valor más cercano, en este caso sería el 72 y se
tiende a despreciar la tendencia decimal, por lo contrario si el valor obtenido es 72.8 se
redondea hacia el valor más cercano que es el 73, en la práctica de estadística es preferible
trabajar con los valores suministrados u obtenidos en un cálculo de tal manera que se evite el
error del redondeo o redondeos acumulados.
Para tratar de minimizar el error de redondeo acumulado, se utiliza la técnica del redondeo al par
anterior al factor de aproximación que es el número cinco, para demostrar cómo se aplica esta
técnica, utilizaremos dos ejemplos:
Al redondear 114. 565 a la centésima más cercana tendremos un dilema, puesto que esta
cantidad estaría exactamente igual de cerca y de lejos de 114.56 y 114.57 respectivamente, si
aplicamos está técnica del par antes que el cinco, el valor redondeado sería 114.56 por que el
número anterior al 5 es par ( 6 ), la cifra de la centésima queda igual.
Si redondearemos cantidades en las que no contamos con números pares anteriores a cinco se
procede a redondear al número más cercano a 5, por ejemplo el valor 66.575, el 7 que antecede
al 5 es impar, entonces se redondea a 8, así el redondeo correcto sería de 66.58.
En todo caso recomiendo que se utilice correctamente el redondeo para minimizar los errores de
redondeo acumulado, de preferencia, que se utilicen los valores que indique la observación,
medición o calculados con la mayor cantidad de valores decimales, se estima que sean cuatro
pero siempre habrá que observar la tendencia de todos los datos y que nos permita trabajar
cómodamente.
Dentro de los procesos estadísticos hay ocasiones en la que los datos suministrados para el
análisis y sobre todo aquellos que son resultados de un proceso matemático, en los que
obtenemos datos con valoraciones decimales, lo más común es aplicar esta técnica, que
consiste en aproximar lo más posible a un valor más cercano o uno que sea más fácil para
trabajar las operaciones matemáticas, por ejemplo, si el valor obtenido o recolectado es 72.3, se
tiene la tendencia de redondear la cantidad a al valor más cercano, en este caso sería el 72 y se
tiende a despreciar la tendencia decimal, por lo contrario si el valor obtenido es 72.8 se
redondea hacia el valor más cercano que es el 73, en la práctica de estadística es preferible
trabajar con los valores suministrados u obtenidos en un cálculo de tal manera que se evite el
error de redondeos acumulados.
REDONDEO DE DATOS
REDONDEO DE DATOS
Dentro de los procesos estadísticos hay ocasiones en la que los datos suministrados para el
análisis y sobre todo aquellos que son resultados de un proceso matemático, en los que
obtenemos datos con valoraciones decimales, lo más común es aplicar la técnica del redondeo
que consiste en aproximar lo más posible a un valor más cercano o uno que sea más fácil para
trabajar las operaciones matemáticas, por ejemplo, si el valor obtenido o recolectado es 72.3, se
tiene la tendencia de redondear la cantidad a su valor más cercano, en este caso sería el 72 y
se tiende a despreciar la tendencia decimal, por lo contrario si el valor obtenido es 72.8 se
redondea hacia el valor más cercano que es el 73, en la práctica de estadística es preferible
trabajar con los valores suministrados u obtenidos en un cálculo de tal manera que se evite
el error del redondeo o redondeos acumulados.
Para tratar de minimizar el error de redondeo acumulado, se utiliza la técnica del redondeo al par
anterior al factor de aproximación que es el número cinco, para demostrar cómo se aplica esta
técnica, utilizaremos dos ejemplos:
Al redondear 114. 565 a la centésima más cercana tendremos un dilema, puesto que esta
cantidad estaría exactamente igual de cerca y de lejos de 114.56 y 114.57 respectivamente, si
aplicamos está técnica del par antes que el cinco, el valor redondeado sería 114.56 por que el
número par anterior al 5 es el 6.
Si redondearemos cantidades en las que no contamos con números pares anteriores a cinco se
procede a redondear al número más cercano a 5, por ejemplo el valor 66.575 no tiene valores
pares en las cantidades decimales el redondeo correcto sería de 66.58, por cuánto se redondea
al valor más cercano a 5 que es el número 7.
En todo caso recomiendo que se utilice correctamente el redondeo para minimizar los errores de
redondeo acumulado, de preferencia, que se utilicen los valores que indique la observación,
medición o calculados con la mayor cantidad de valores decimales, se estima que sean cuatro
pero siempre habrá que observar la tendencia de todos los datos y que nos permita trabajar
cómodamente.
PROBLEMAS RESUELTOS.
Redondee cada una de las cantidades siguientes con la precisión indicada:
a) 38.6 a la unidad más cercana
b) 126.8 a la unidad más cercana
c) 3.5001 a la unidad más cercana
d) 1.4895 a la décima más cercana
e) 1.4895 a centésima más cercana
f) 1.4895 a la milésima más cercana
g) 0.05653 a la milésima más cercana
h) 24896 al millar más cercano
i) 24396 al millar más cercano
SOLUCIÓN
a) 39, b) 127, c) 4, d) 1.5, e) 1.49, f) 1.490, g) 0.0566, h) 25000, g) 24000