UNIDAD 1.

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.

Población y muestra, ejemplos y ejercicios

Veamos las diferencias que existen entre la muestra y la población.
Población es el conjunto de todos los elementos cuyas propiedades se van a estudiar; mientras
que la muestra es un subconjunto de casos o individuos de la población.
Veamos a detalle estos conceptos, y también, algunos ejemplos y ejercicios.
Población
Es el conjunto de todos los elementos cuyas propiedades se van a estudiar. También es
llamada universo.
Una población puede ser finita o infinita:
 Población finita: es aquella cuya cantidad de elementos es posible de determinar.
Ejemplo: conjunto de librerías de la ciudad de Lima.
 Población infinita: es aquella cuya cantidad de elementos es imposible de determinar.
Ejemplo: conjunto de lápices fabricados en un proceso continuo.
Muestra
Es un subconjunto de la población. En muchas ocasiones, es importante trabajar con
una muestra representativa de la población, para ello, debemos trabajar con criterios y
técnicas de muestreo. Una muestra representativa debe reflejar las características de la
población.
En la práctica, para estudiar una población grande, debemos tomar una muestra. Por
ejemplo, si queremos saber cuál es el candidato preferido para las próximas elecciones
presidenciales de Colombia, tomaría mucho tiempo preguntarle a todos los electores por su
candidato preferido, además, sería muy caro contratar tantos encuestadores, digitadores y
estadísticos. Por ello, es mejor, analizar una muestra de electores, aplicar una encuesta, y a
partir de allí sacar conclusiones de la población.
Individuo
Es cada uno de los elementos que componen la población. También se le conoce como unidad
estadística.
Ejemplo 1. Para estudiar cuál es el candidato presidencial por el cual votarán los ciudadanos en
las próximas elecciones, se toma una muestra de 3500 personas de todo el país. La pregunta es
la siguiente, ¿por quién votará en las próximas elecciones presidenciales? Determine
la población, muestra e individuos.
  En este caso, la población sería la población electoral del país, es decir, ciudadanos con
derecho a voto.
 La muestra sería el conjunto de 3500 ciudadanos que forman parte de la población.
 Un individuo sería cada uno de los ciudadanos con derecho a voto.

Ejemplo 2. Un estudiante de estadística quiere conocer si los profesores de su universidad,

UNAM, prefieren dictar clases con ropa formal o con ropa informal. Para ello, realiza una
encuesta a 120 profesores de la UNAM elegidos de forma aleatoria. Identifique la población,
muestra e individuos.

 Población: conjunto de todos los profesores de la UNAM.

 Muestra: 120 profesores de la UNAM.
 Individuo: cada uno de los profesores de la UNAM.

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).

Interpretación de tablas de frecuencias

Una tabla de frecuencias resume la información acerca de la cantidad de veces que una
variable toma un valor determinado. Además, permite Organizar e interpretar de manera más
rápida y eficiente.
La frecuencia absoluta Corresponde a la cantidad de veces que se repite un dato. Denotamos
este valor por f i.
La suma de las frecuencias absolutas es igual al número total de datos, que se representa por N.
Por Ejemplo: Si hacemos una encuesta a 20 personas para saber cuál es su color favorito
obtenemos lo siguiente:
La Frecuencia Absoluta Acumulada. Se obtiene sumando sucesivamente las frecuencias
absolutas. Denotamos este valor por F i.
La Frecuencia Relativa. Es la probabilidad de obtener cierto dato, se obtiene calculando la
razón entre la frecuencia absoluta de un dato con el total. Se puede expresar como fracción,
decimal o porcentaje. Denotamos este valor por h i.
Para obtener el número en decimal se divide la frecuencia absoluta por el total y para obtener el
porcentaje se multiplica este decimal por 100.
Los ejemplos representan una tabla de frecuencias de datos No agrupados, en el caso de las
tablas de datos Agrupados representan las frecuencias en rangos de datos, como en el siguiente
caso.
Se entrevistan a 28 personas que realizan un taller preguntándoles la edad que tengan:
Frecuencia relativa acumulada. La frecuencia relativa acumulada es el cociente entre la
frecuencia acumulada de un determinado valor y el número total de datos. Se puede expresar en
tantos por ciento.
Denotamos este valor por H i . Se calcula: F i /N

Ejercicios de Tablas de Frecuencias.

Veamos cómo construir una tabla de frecuencias con datos no agrupados, datos agrupados, y
más.
Una tabla de frecuencias o distribución de frecuencias es una tabla que muestra cómo se
distribuyen los datos de acuerdo a sus frecuencias. Elaborar una tabla de frecuencias es muy
sencillo, y en este artículo te mostraremos como hacerlo.
Tenemos dos tipos de tablas de frecuencias:
 Tablas de frecuencias con datos no agrupados.
 Tablas de frecuencias con datos agrupados.
Tablas de frecuencias con datos no agrupados. Esta tabla está compuesta por las siguientes
columnas:
 Valores de la variable: son los diferentes valores que toma la variable en el estudio.
 Frecuencia absoluta: es la cantidad de veces que aparece el valor en el estudio. La
sumatoria de las frecuencias absolutas es igual al número de datos.
 Frecuencia acumulada: es el acumulado o suma de las frecuencias absolutas, indica
cuantos datos se van contando hasta ese momento o cuántos datos se van reportando.
 Frecuencia relativa: es la fracción o proporción de elementos que pertenecen a una
clase o categoría. Se calcula dividiendo la frecuencia absoluta entre el número de datos del
estudio.
 Frecuencia relativa acumulada: es la proporción de datos respecto al total que se han
reportado hasta ese momento. Es la suma de las frecuencias relativas, y se puede calcular
también dividiendo la frecuencia acumulada entre el número de datos del estudio.
 Frecuencia porcentual: es el porcentaje de elementos que pertenecen a una clase o
categoría. Se puede calcular rápidamente multiplicando la frecuencia relativa por 100%.
 Frecuencia porcentual acumulada: es el porcentaje de datos respecto al total que se
han reportado hasta ese momento. Se puede calcular rápidamente multiplicando la frecuencia
relativa acumulada por 100%.
Ejemplo 1: Se le pidió a un grupo de personas que indiquen su color favorito, y se obtuvo los
siguientes resultados:

Negro azul amarillo Rojo azul

Azul rojo negro amarillo rojo

Rojo amarillo amarillo azul rojo

Negro azul rojo negro amarillo

Con los resultados 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. Por ser el primer problema, no haremos uso de las frecuencias
porcentuales.

Frecuencia
Frecuencia Frecuencia Frecuencia
Color relativa
absoluta acumulada relativa
acumulada

Negro 4 4 0,20 0,20

Azul 5 9 0,25 0,45

Amarillo 5 14 0,25 0,70

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

0 8 8 0,267 0,267 26,7% 26,7%

1 7 15 0,233 0,500 23,3% 50,0%

2 7 22 0,233 0,733 23,3% 73,3%

3 5 27 0,167 0,900 16,7% 90,0%

4 3 30 0,100 1 10,0% 100%

Total 30 1 100%

Ejercicios resueltos de tablas estadísticas

1. Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
máximas:
3, 35, 30, 37, 27, 31, 41, 20, 16, 26, 45, 37, 9, 41, 28, 21, 31, 35, 10, 26, 11, 34, 36, 12, 22, 17,
33, 43, 19, 48, 38, 25, 36, 32, 38, 28, 30, 36, 39, 40.
Construir la tabla de distribución de frecuencias.

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

32 III 3 27 0.097 0.871

33 III 3 30 0.097 0.968

34 I 1 31 0.032 1

31 1

2. Las puntuaciones obtenidas por un grupo de en una prueba han sido:

15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14, 13.
Construir la tabla de distribución de frecuencias.

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

16 IIII 4 0.20 13 0.80

18 III 3 0.15 16 0.65

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

4. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

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.

Construir la tabla de distribución de frecuencias.

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 es la marca de clase que es el punto medio de cada intervalo.

ci fi Fi ni Ni

[0, 5) 2.5 1 1 0.025 0.025

[5, 10) 7.5 1 2 0.025 0.050

[10, 15) 12.5 3 5 0.075 0.125

[15, 20) 17.5 3 8 0.075 0.200

[20, 25) 22.5 3 11 0.075 0.275

[25, 30) 27.5 6 17 0.150 0.425

[30, 35) 32.5 7 24 0.175 0.600

[35, 40) 37.5 10 34 0.250 0.850

[40, 45) 47.5 4 38 0.100 0.950

[45, 50) 47.5 2 40 0.050 1.000

40 1

Con la información entregada, identifica la población, la muestra y la variable estadística

evaluada en las siguientes situaciones:
Ejemplo 1: En una escuela se quiere saber cuál es el deporte más practicado por los alumnos.
Se realiza una encuesta a cinco alumnos de cada curso.

Población: Todos los alumnos de la escuela.

Muestra: Cinco alumnos de cada curso, elegidos por sorteo.
Variable: Cualitativa (Deporte que practica).
Ejemplo 2: Se desea conocer cuál es la estatura de los alumnos de una escuela. Se miden 10
alumnos por curso.
Población: Todos los alumnos de la escuela.
Muestra: 10 alumnos por curso, elegidos al azar.
Variable: cuantitativa continua (Estatura).
Ejemplo 3: Un fabricante de tornillos desea hacer un control de calidad. Para ello, toma 1 de
cada 100 tornillos producidos y analiza:
a) si es correcto o defectuoso,
b) su longitud y
c) su diámetro.
Población: Todos los tornillos fabricados.
Muestra: 1 de cada 100 tornillos fabricados, elegido al azar.
Variable:
a) correcto o defectuoso: cualitativa,
b) longitud: cuantitativa continua,
c) número de pasos de rosca: cuantitativa discreta.

Actividad. Identifica si las variables son cualitativas o cuantitativas.

a) Número de mesas de cada aula de una escuela.
b) Partido Político más votado en unas elecciones.
c) Longitud de las calles de una ciudad.
d) Color del pelo de los caballos.
e) Altura de los jugadores de un equipo de básquet.
Actividad. Indica, en cada uno de las seis situaciones presentadas:
• Cuál es la población.
• Cuál es la variable.
• Tipo de variable: cualitativa, cuantitativa discreta o cuantitativa continua.
a) Peso al nacer de los bebés que nacieron en Villa Mercedes el año pasado.
b) Profesiones que quieren tener los estudiantes del último año escolar de la provincia de San
Luis.
c) Número de mascotas hay en los hogares de La Toma.
d) Partido Político al que se va a votar en las próximas elecciones.
e) Tiempo semanal que dedican a la lectura los estudiantes de Secundaria en la Villa de Merlo.
f) Número de tarjetas amarillas mostradas en los partidos de fútbol de la temporada pasada.
a) La población son los bebés nacidos en Villa Mercedes el año pasado. La variable es el peso,
que es cuantitativa continua.
b) La población son los estudiantes del último año de la provincia de San Luis. La variable es la
profesión, que es cualitativa.
c) La población son los hogares de la ciudad de La Toma. La variable es el número de mascotas,
que es cuantitativa discreta.
d) La población son las personas en edad de votar. La variable es el partido político, que es
cualitativa.
e) La población son los estudiantes de Secundaria de la Villa de Merlo. La variable es el tiempo
de lectura semanal, que es cuantitativa continua.
f) La población son los partidos de la temporada pasada. La variable es el número de tarjetas
amarillas, que es cuantitativa discreta?
¿Qué se entiende en estadística por "variable"?
Variable: es cada una de las características que pueden observarse de un elemento de la
muestra.
Siguiendo con el ejemplo de las piezas se puede medir grosor, peso, resistencia, etc. Además de
los datos a medir es necesario especificar, cuando sea preciso, la unidad de medida (por
ejemplo, el grosor en centímetros o en milímetros).
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.

¿Qué son las frecuencias?

A continuación definiremos tres tipos de frecuencias que utilizaremos:

Frecuencia Absoluta. La frecuencia absoluta es el número de veces que aparece un
determinado valor en un estudio estadístico. Se representa por fi.

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.

Donde N = Tamaño de la muestra.

Frecuencia acumulada. Es la suma de las frecuencias absolutas de todos los valores inferiores
o iguales al valor considerado. Se representa por Fi.
Tablas de frecuencia
Cuando se escribe una tabla para anotar los datos que se obtuvieron de algún evento,
experimento aleatorio o juego de azar, se está haciendo un estudio estadístico.
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.
Para estudiar la construcción de estas tablas, analicemos algunos ejemplos:
Ejemplo 1: 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
Elabora una tabla de frecuencias.
La tabla de frecuencia absoluta es:

Donde xi es la variable (número de personas que viven en su casa) y fi es la frecuencia absoluta,

es decir que hay 5 individuos quienes respondieron que en su casa viven 3 personas.
En la columna fi la última fila es la suma de todos los fi, es decir que N es igual a 20.
Ejemplo 2:
Durante el mes de diciembre de 2012, en una ciudad de la provincia de San Luis se han
registrado las siguientes temperaturas máximas expresadas en grados centígrados (°C):
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31,
34, 33, 33, 29, 29.
Construir una tabla de frecuencias.
La tabla con los datos entregados es:
En este caso se construyó la tabla con las tres frecuencias: absoluta (fi), relativa (fri) y frecuencia
acumulada(Fi).
Observemos que la suma de todas las frecuencias absolutas es igual a 31, que es la cantidad de
días del mes de diciembre.
La suma de las frecuencias relativas fri es igual a 1 (recordemos que dicha suma siempre debe
ser 1). Además para calcular los fri se dividió cada fi correspondiente por N, es decir por 31. Por
ejemplo, 1 : 31 = 0,032.
Por último, en la frecuencia acumulada Fi la última celda debe ser siempre igual a N, es decir en
este ejemplo 31.
¿Cómo interpretamos esta tabla?
Los datos xi son las temperaturas que en el mes de diciembre variaron entre 27°C y 34°C.
Es decir que:

 la cantidad de días que la temperatura máxima registro 27°C fue de 1,

 la cantidad de días que la temperatura máxima registro 28°C fue de 2,
 la cantidad de días que la temperatura máxima registro 29°C fue de 6,

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

Marca de clase (xn)

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.

Construcción de una tabla con Intervalos de clase

Consideremos los siguientes datos:

3, 15, 24, 28, 33, 35, 38, 42, 43, 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.

 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.

Es conveniente que el número de intervalos oscile entre 6 y 15.

En este caso, 48 - 3 = 45, incrementamos el número hasta 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.
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

Construir la tabla de frecuencias.

La tabla de frecuencia es:

Intervalos xn fi fri Fi

[50, 60) 55 8 0,12 8

[60, 70) 65 10 0,15 18

[70, 80) 75 16 0,25 34

[80,90) 85 14 0,22 48

[90, 100) 95 10 0,15 58

[100, 110) 105 5 0,08 63

[110, 120) 115 2 0,03 65

65 1

Actividad. A un grupo de 30 personas se les ha tomado el número de pulsaciones por minuto

(ritmo cardíaco) obteniéndose los siguientes resultados:

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

[ , )

[ , )
 [ , )

[ , )

[ , )

[ , )

- - -

Autoevaluación del Módulo

Actividad 1. Expresa en lenguaje simbólico cada oración
1. El triple de un número x menos 28:
2. El peso p de Gustavo menos la mitad del mismo número:
3. La edad de una persona hace 5 años si actualmente tiene x años:
4. Lucía tenía $1150 en el banco y ha retirado $ x, entonces su saldo actual es:
Actividad 2: Resolver las siguientes ecuaciones:
a) 3(x – 1) + 8 = 5 - x
b) 2x2 + 5x - 3 = 0

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

a) Elabora una tabla de frecuencias.

b) Representa gráficamente la distribución.
Sol:
 Actividad 8
Una distribución estadística viene dada por la siguiente tabla:

[10, 15) [15, 20) [20, 25) [25, 30) [30, 35)

fi 3 5 7 4 2

Encuentra la media y los intervalos donde está la mediana y la moda.

Sol:
intervalo modal [20;25)
intervalo donde se encuentra la mediana [20;25)
media = 457,5/21= 21,786

Conceptos básicos de Estadística

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.

Se representa por fi.

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:

La frecuencia relativa es el cociente entre la frecuencia absoluta y el tamaño de la muestra.

La denotaremos por fri.

Donde N = Tamaño de la muestra.

La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores

inferiores o iguales al valor considerado.

Se representa por Fi.

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

Marca de clase (xn)

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.

Escalas de medición en estadística

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 nominal. Cuando un dato identifica una etiqueta (o el nombre de un atributo) de un

elemento, se considera que la escala de medición es una escala nominal. En ésta, carecen de
sentido el orden de las etiquetas, así como la comparación y las operaciones aritméticas. La
única finalidad de este tipo de datos es clasificar a las observaciones.
Ejemplo: Una variable que indica si una persona es «hombre» o «mujer».
En esta variable se tienen dos etiquetas para clasificar a los visitantes. El orden carece de
sentido, así como la comparación u operaciones aritméticas.

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.

Una característica esencial de la medición es la dependencia que tiene de la posibilidad de

variación. La validez y la confiabilidad de la medición de una variable depende de las decisiones
que se tomen para operacionalizarla y lograr una adecuada comprensión del concepto evitando
imprecisiones y ambigüedad, por en caso contrario, la variable corre el riesgo inherente de ser
invalidada debido a que no produce información confiable.

a) Medición Nominal.

En este nivel de medición se establecen categorías distintivas que no implican un orden

especifico. Por ejemplo, si la unidad de análisis es un grupo de personas, para clasificarlas se
puede establecer la categoría sexo con dos niveles, masculino (M) y femenino (F), los
respondientes solo tienen que señalar su género, no se requiere de un orden real.

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:

___ Totalmente de acuerdo

___ De acuerdo

___ Indiferente

___ En desacuerdo

___ Totalmente 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.

La medición de intervalo posee las características de la medición nominal y ordinal. Establece la

distancia entre una medida y otra. La escala de intervalo se aplica a variables continuas, pero
carece de un punto cero absoluto. El ejemplo más representativo de este tipo de medición es un
termómetro, cuando registra cero grados centígrados de temperatura indica el nivel de
congelación del agua y cuando registra 100 grados centígrados indica el nivel de ebullición, el
punto cero es arbitrario no real, lo que significa que en este punto no hay ausencia de
temperatura.

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.

Cifras Significativas y Redondeo

Tal y como hemos estudiado en el apartado de instrumentos de medida, al medir cualquier

magnitud siempre se comenten errores. Pero no sólo los cometemos al leer los datos de los
instrumentos de medida, sino también en los resultados de operaciones aritméticas en las que
se vean involucrados números decimales. En este apartado nos centraremos en como tratar los
datos obtenidos para que nuestros cálculos sean lo más exactos posibles. En concreto nos
centraremos en:
 El concepto de cifra significativa
 Qué es el redondeo y como se usa
¿Estás listo? Vamos allá.
Cifras significativas
Al realizar una medición con un instrumento de medida este nos
devuelve un valor formado por una serie de cifras. Dicha serie de
cifras recibe el nombre de cifras significativas.
Se denominan cifras significativas (c.s.) al conjunto de los dígitos
que se conocen con seguridad en una medida.
De todas las cifras significativas siempre hay una, la última, que
estará afectada por un error. Por esta razón al resto de cifras se le
denominan cifras exactas.

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

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?

Solución

Tal y como hemos visto en el apartado de cifras significativas y redondeo:

1. 0.050 tiene 2 c.s. (50)
2. 10.050 tiene 5 c.s. (10050)
3. 0.101 tiene 3 c.s. (101)

Enunciado

dificultad

Dadas las siguientes operaciones, redondéalas correctamente:

a) 150.00 / 8.65
b) 34.045 + 2.05

Solución

Aplicando las reglas de redondeo común estudiadas en el apartado de cifras significativas y

redondeo:
a)
150.00 / 8.65 = 17.34104046
Para redondear este resultado:
1. Contamos el número de cifras significativas de los dos operandos.

150.00 - 5 cifras significativas (c.s.)

8.65 - 3 cifras significativas (c.s.)

El resultado solo debe tener el menor valor de c.s., es decir 3.

2. Evaluamos si la cifra siguiente a la 3ª es mayor, igual o menor que 5.

Dado que la 4ª cifra es menor que 5 no se altera la 3ª y podemos descartar desde la 4ª en

adelante.

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

El resultado solo debe tener el menor valor de decimales, es decir 3.

2. Evaluamos si la cifra siguiente a la 3ª es mayor, igual o menor que 5.

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.

Leer más en Quees.la ¿Qué es redondeo? http://quees.la/redondeo/

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.

Leer más en Quees.la ¿Qué es redondeo? http://quees.la/redondeo/

Publicado 7th July 2015 por Misael Castro
Etiquetas: 1.7.Redondeo de datos

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