preparaduría

ESTADÍSTICA DESCRIPTICA
AGRUPACIÓN Y REPRESENTACIÓN DE DATOS
Distribución de frecuencias

Es un resumen que clasifica observaciones en categorías e indica

la frecuencia con las que las observaciones se agrupan en las
mismas. Por lo tanto, es una ordenación tabular de los datos en
clases, representadas por marcas de clases (puntos medios) con
sus respectivas frecuencias.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE TENDENCIA CENTRAL
Media

Es la medida de tendencia central por excelencia y representa el

promedio de un conjunto de datos considerados.

Para datos no agrupados: Para datos agrupados:

n n

X i m  f i i
X i1
X i1
n n
Donde:
mi : Marca de clase.
fi : Frecuencia de Clase.
n : Número de datos.

LRi  LRs
mi 
2

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE TENDENCIA CENTRAL
Mediana

Se define como el valor de la distribución por encima del cual está

el 50% de los datos y por debajo el 50% restante. Divide a la
distribución en dos partes iguales.
Para datos no agrupados (serie impar): Para datos agrupados:

n 
  FA ant   Ci
MD  LRi   
MD = Valor Central 2
fMD
Para datos no agrupados (serie par):
Donde:
LRi = Límite Real inferior.
primer valor central  segundovalor central
MD  n = Número de datos.
2 FA ant.= Frecuencia Acumulada anterior.
fMD = Frecuencia de la clase Medianal.
Ci = Ancho del Intervalo.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE TENDENCIA CENTRAL
Moda

Es aquel valor que se presenta con mayor frecuencia, es decir, el

valor mas común

Para datos no agrupados: Para datos agrupados:

 A1 
MO  LRi     Ci
Es el valor que mas se repite  1
A  A 2 

Donde:
LRi = Límite Real inferior.
A1 = Valor absoluto de la diferencia entre
la frecuencias absolutas de las clases
premodal y modal.
A2 = Valor absoluto de la diferencia entre
la frecuencias absolutas de las clases
postmodal y modal.
Ci = Ancho del Intervalo.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE POSICIÓN
Cuartiles

Son valores que dividen un conjunto de datos en cuatro partes

iguales.

Para datos no agrupados:

n 1 n 1 3  (n  1)
Q1  Q2  Q3 
4 2 4

Donde:
n = Número de datos.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE POSICIÓN
Cuartiles

Para datos agrupados:

n  n 
  fA ant   Ci   fA ant   Ci
MD  Q2  LRi   
2
Q1  LRi   
4
fQ1 fQ2

Donde:
 3n  LRi = Límite Real inferior.
  fA ant   Ci n = Número de datos.
Q3  LRi   
4 FA ant.= Frecuencia Acumulada anterior.
fQ3 fQi = Frecuencia de la clase del cuartil i.
Ci = Ancho del Intervalo.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE POSICIÓN
Deciles, percentiles o porcentiles

Son valores que dividen un conjunto de datos en diez partes

iguales.

Para datos no agrupados:

n 1 n 1 9  (n  1)
D1  D5  D9 
10 2 10

Donde:
n = Número de datos.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE POSICIÓN
Deciles, percentiles o porcentiles

Para datos agrupados:

 n  n 
  fA ant   Ci   fA ant   Ci
MD  D2  LRi   
2
D1  LRi   
10
fD1 fD2

Donde:
 9n  LRi = Límite Real inferior.
  fA ant   Ci n = Número de datos.
D9  LRi   
10 FA ant.= Frecuencia Acumulada anterior.
fQ3 fDi = Frecuencia de la clase del decil i.
Ci = Ancho del Intervalo.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE VARIABILIDAD
Varianza

Se define como el cuadrado de la desviación típica. Se utiliza para

determinar la desviación estándar.

Para datos no Agrupados: Para datos agrupados:

( mi  fi )2
n

 (X  X)
i  (m  fi )  n
2
i
S 
2 i1
S 
2

n 1 n 1

S2  Muestra σ 2  Población

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE VARIABILIDAD
Desviación estándar

Es la raíz cuadrada de la varianza y mide el grado de dispersión que existe

entre los valores de una serie de datos.

Para datos no Agrupados: Para datos agrupados:

( mi  fi )2
n

 (X  X)
i  (m  fi )  n
2
i
S i1
S
n 1 n 1

S  Muestra σ  Población

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE VARIABILIDAD
Coeficiente de variación

Mide el grado de dispersión de los datos, respecto a su valor promedio.

σ
V  100
X
Coeficiente de asimetría

Mide el sesgo o desplazamiento de la distribución hacia alguno de sus

lados.

 X  MD 
CA  3 
 S 

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
MEDIDAS DE VARIABILIDAD
Curtosis

Mide el grado de apuntalamiento o concentración de los datos.

 Q3  Q1 
 
K 
2
D9  D1

CRITERIOS SUGERIDOS

 0,263  Dispersión de los datos

K = 0.263  Comportamiento Normal de los datos

 0.263  Concentración de los datos

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

A continuación se presentan los tiempos (segundos) entres fallas de un

equipo. Determina las medidas de tendencia central y de variabilidad que
permitan describir y analizar su comportamiento. Interprete los resultados.

720 1300 1799 2090 2182 2515 2870

1049 1439 1800 2100 2300 2517 2872
1059 1440 1800 2149 2300 2519 2880
1065 1448 1801 2159 2315 2519 2900
1079 1490 1801 2160 2362 2520 3100
1080 1499 1809 2160 2366 2530 3190
1095 1500 1875 2170 2400 2590 3210
1100 1600 1900 2176 2420 2692 3239
1126 1679 2050 2180 2420 2781 3240
1200 1780 2071 2182 2515 2799 3600

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

a) Distribución de frecuencias: N° de Clase = 1 + 3,322 Log(n) = 1 + 3,322 Log(70) = 7,13 ≈ 8

Frecuencia
Marca de clase frecuencia
LRi - LRs de la clase fi x mi
(mi) acumulada (fa) Rango
(fi) C
Número de clases
720 - 1080 6 900 5400 6 2880
C  360
8
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales 70 ----------------- 144000 -----------------

b) Media aritmética: X
m  f
i i

144000
 X  2.057,14
n 70

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
c) Mediana: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales n= 70 ----------------- 144000 -----------------

n 
  f A ant   C
M D  LR i  
2   1800 
35  23 360
f MD 13
M D  2.132,31

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
d) Moda: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales 70 ----------------- 144000 -----------------

 A1   19 - 13 
M O  LR i     Ci  2.160     360
 1
A  A 2   (19  13)  (19  8) 
 6 
M O  2.160     360  2.287,06
 6  11 

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
e) Cuartil Q1: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales n= 70 ----------------- 144000 -----------------

n 
  f A ant   C
Q1  LR i  
4   1440 
17,5  13 360
f Q1 10
Q1  1.602

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
f) Cuartil Q3: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales n= 70 ----------------- 144000 -----------------

 3 n 
  f A ant   C
Q3  LR i  
4   2.160 
52,5  36 360
f Q3 19
Q3  2.472,63

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
g) Decil D1: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales n= 70 ----------------- 144000 -----------------

n 
  f A ant   C
D1  LR i  
10   1.080 
7  6 360
f D1 7
D1  1.131,43

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)
Frecuencia frecuencia
h) Decil D9: Marca de
LRi - LRs de la clase fi x mi acumulada
clase (mi)
(fi) (fa)
720 - 1080 6 900 5400 6
1080 - 1440 7 1260 8820 13
1440 - 1800 10 1620 16200 23
1800 - 2160 13 1980 25740 36
2160 - 2520 19 2340 44460 55
2520 - 2880 8 2700 21600 63
2880 - 3240 6 3060 18360 69
3240 - 3600 1 3420 3420 70
Totales n= 70 ----------------- 144000 -----------------

 9 n 
  f A ant   C
D9  LR i  
10   2.520 
63  55 360
f D1 8
D9  2.880

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

i) Curtosis (K):

 Q3  Q1  2.472,63  1.602
 
K 
2 2  K  0,249
D9  D1 2.880  1131,43

 0,263  Dispersión de los datos

K = 0.263  Comportamiento Normal de los datos

 0.263  Concentración de los datos

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

j) Gráfica de frecuencias

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

k) Polígono de frecuencias.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

l) Ojiva.

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

m) Polígono de frecuencias (cuartiles).

30

Q2 = Mediana
25

20
Q1
Q3

15
75%

50%
10

25%

0
0 500 1000 1500 2000 2500 3000 3500 4000

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJEMPLO 2
Enunciado: (cifras tomadas de estudios realizados por el prof. D. Suárez)

n) Polígono de frecuencias (deciles).

30

D5 = P50 = Mediana
25

90%

20

50%
D9 = P90
15
D1 = P10
10%
10%
10

0
0 500 1000 1500 2000 2500 3000 3500 4000

UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES

 preparaduría
ESTADÍSTICA DESCRIPTICA
EJERCICIO
Enunciado:
Se recopilaron 50 datos, asociados al tiempo (expresado en minutos)
utilizado para realizar la revisión de los parámetros de funcionamiento de
un horno de regeneración. Determinar las medidas de tendencia central,
posición y de variabilidad, que permitan describir y analizar su
comportamiento. Interprete los resultados.
24,432 26,754 28,487 30,264 31,664
24,699 26,964 28,694 30,622 31,727
24,899 27,260 28,897 30,763 31,827
24,921 27,364 29,164 30,964 31,955
25,088 27,530 29,363 30,996 31,963
25,199 27,863 29,597 31,193 32,060
25,666 27,927 29,661 31,393 32,264
25,996 28,187 29,864 31,463 32,431
26,560 28,349 30,131 31,497 32,955
26,664 28,463 30,255 31,622 32,996
UNIVERSIDAD DE ORIENTE Profesora : ISOLINA MILLAN CHARLES