República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

UPTJAA extensión Anaco
Escuela: Administración de Empresas
Cátedra: Estadística I

UNIDAD II:
PARÁMETROS
ESTADÍSTICOS

Docente: Integrantes:
Econ. Rinnalisett Romero Martinez Natalia 28.065.475
Núñez Gabriela 28.223.965
Urbaes María 29.564.618

Anaco, Septiembre de 2020.

 ÍNDICE

Introducción ---------------------------------------------------------------------------------------03

Parámetros Estadístico --------------------------------------------------------------------------04

Datos -----------------------------------------------------------------------------------------------05

Frecuencia Estadística
--------------------------------------------------------------------05/06/07

Tipos de Parámetros Estadísticos

-----------------------------------------------------------07/08

Clasificación de Parámetros Estadísticos -----------------------------------------------------08

Parámetros Estadísticos de Centralización ----------------------------------------------------08

Media Aritmética -------------------------------------------------------------------------08/09/

Mediana ----------------------------------------------------------------------------------------09/10

Moda--------------------------------------------------------------------------------------------10/11

Parámetros Estadísticos de Posición -----------------------------------------------------------11

Cuartiles---------------------------------------------------------------------------------------11/12

Deciles ---------------------------------------------------------------------------------------12/13/4

Percentiles -------------------------------------------------------------------------------------14/15

Parámetros Estadísticos de Dispersión---------------------------------------------------------15

Parámetros de Dispersión Rango o Recorrido------------------------------------------------15

Parámetros de Dispersión Desviación Media-------------------------------------------------15

Parámetros de Dispersión Desviación Varianza------------------------------------------15/16

Parámetros de Dispersión Desviación Típica-------------------------------------------------16

Conclusión ----------------------------------------------------------------------------------------17

Referencias Bibliográficas ----------------------------------------------------------------------18

INTRODUCCIÓN
 1. PARÁMETRO ESTADISTICO

En estadística, un parámetro es un número que resume la gran cantidad de

datos que pueden derivarse del estudio de una variable estadística El cálculo de este
número está bien definido, usualmente mediante una fórmula aritmética obtenida a
partir de datos de la población.

Los parámetros estadísticos son una consecuencia inevitable del propósito

esencial de la estadística: crear un modelo de la realidad.

El estudio de una gran cantidad de datos individuales de una población puede ser
farragoso e inoperativo, por lo que se hace necesario realizar un resumen que permita
tener una idea global de la población, compararla con otras, comprobar su ajuste a un
modelo ideal, realizar estimaciones sobre datos desconocidos de la misma y, en
definitiva, tomar decisiones. A estas tareas contribuyen de modo esencial los parámetros
estadísticos.

Por ejemplo, suele ofrecerse como resumen de la juventud de una población la

media aritmética de las edades de sus miembros, esto es, la suma de todas ellas, dividida
por el total de individuos que componen tal población.

Un parámetro estadístico es una medida poblacional. Este enfoque es el

tradicional de la estadística descriptiva. En este sentido, su acepción se acerca a la
de medida o valor que se compara con otros, tomando una unidad de una determinada
magnitud como referencia.

Por su parte, la facción más formal de la estadística, la estadística matemática y

también la inferencia estadística utilizan el concepto de parámetro en su acepción
matemática más pura, esto es, como variable que define una familia de objetos
matemáticos en determinados modelos. Así se habla, por ejemplo, de una distribución
normal de parámetros μ y σ como de una determinada familia de distribuciones con
una distribución de probabilidad de expresión conocida, en la que tales parámetros
definen aspectos concretos como la esperanza, la varianza, la curtosis, etc. Otro ejemplo
común en este sentido es el de la distribución de Poisson, determinada por un
parámetro, λ; o la distribución binomial, determinada por dos parámetros, n y p. Desde
el punto de vista de la estadística matemática, el hecho de que estas distribuciones
describan situaciones reales y los citados parámetros signifiquen un resumen de
determinado conjunto de datos es indiferente.

2. DATOS

Antes de entrar de lleno en el significado del término datos estadísticos vamos a

proceder a conocer el origen etimológico de las dos palabras que le dan forma: Datos,
en primer lugar, procede del latín. Exactamente de “datum”, que es sinónimo de “dato”.
Estadísticos, en segundo lugar, es una palabra que fue desarrollada por el economista
alemán Achenwall que la creó a partir de la germana “statistik”, que, a su vez, deriva
del latín. En concreto del término latino “statisticus”, que es fruto de la suma de dos
partes diferenciadas: el sustantivo “status”, que es sinónimo de “estado”, y el sufijo “-
icus”, que se usa para indicar “relativo a”.

El término dato refiere a la información que brinda acceso a un conocimiento

preciso y concreto. Estadístico, por su parte, es aquello vinculado a la estadística: la
especialidad de la matemática que apela a cifras para generar inferencias o para reflejar
cuantitativamente un fenómeno
Los datos estadísticos, en este marco, son los valores que se obtienen al llevar a
cabo un estudio de tipo estadístico. Se trata del producto de la observación de aquel
fenómeno que se pretende analizar. Es importante tener en cuenta que el procesamiento
de los datos estadísticos es lo que genera información. El dato por sí mismo,
considerado como algo aislado, carece de interés.
La obtención y el procesamiento de datos estadísticos son tareas muy
importantes para la toma de decisiones en diversos ámbitos. Un gobierno, por ejemplo,
necesita contar con datos estadísticos fiables para decidir su política económica.

3. FRECUENCIA ESTADÍSTICA

La frecuencia estadística es la cantidad de veces que se repite una

observación durante la realización de un muestreo. Este concepto suele explicarse
junto con un ejemplo que ilustre a qué hace referencia el término frecuencia estadística
en cada caso.
 Supongamos que se realiza un muestreo aleatorio mediante una encuesta que
consta de una sola pregunta y 3 opciones de respuesta, y que la encuesta se hace a un
grupo de 20 personas.
Cinco personas responden con la opción 1, diez con la opción 2 y cinco con la
opción 3. Recordemos que la frecuencia estadística es la cantidad de veces que se
repite una observación; es decir, en este ejemplo, la frecuencia estadística sería de
cinco para la opción 1, de diez para la opción 2 y de cinco para la opción 3.
Nótese que la sumatoria de las frecuencias estadísticas, en este caso, es igual al total de
personas encuestadas. Esto significa que la frecuencia estadística es la manera en que se
distribuyen las respuestas de las personas.

Tipos de frecuencia

De lo expuesto hasta ahora se ha mostrado el concepto de frecuencia, sin embargo

existen más de una manera de estudiar la información que nos proporciona la frecuencia
estadística. Estos son los tipos de frecuencia; frecuencia absoluta, frecuencia
acumulada, frecuencia relativa y frecuencia relativa acumulada.

 FRECUENCIA ABSOLUTA NI 

Se le llama frecuencia absoluta al número de veces que se repite una variable en
un experimento. Esta se representa con fi ó ni. 

 FRECUENCIA ABSOLUTA ACUMULADA (NI)

Es el número de veces ni en la muestra de N, con un valor igual o menor al de la
variable. La última frecuencia absoluta acumulada deberá ser igual a N.
  FRECUENCIA RELATIVA (FI)
Representa la cantidad de veces que se repite una observación, expresada como
proporción de la muestra. Es decir, es el resultado de dividir el valor de la frecuencia
absoluta por el tamaño de la muestra estadística.
Esta se representa con fi .y se define como f = n/N, siendo n el número de veces que
se repite la respuesta y N el tamaño de la muestra. Su valor se expresa como porcentaje.

 FRECUENCIA RELATIVA ACUMULADA (FI)

Es el cociente entre la frecuencia absoluta acumulada y el número total de datos, N.
Es decir, Fi = Ni / N.

4. TIPOS DE PARÁMETROS ESTADÍSTICOS

Existen principalmente tres tipos de parámetros estadísticos: de posición, dispersión y
forma.
Parámetros de Posición
Permiten identificar el valor en torno al cual se agrupan mayoritariamente los datos,
es decir, cuyo valor es representativo de todos ellos. Pueden ser de dos tipos:
 Medidas de tendencia central: media, mediana y moda.
 Medidas de posición no central: cuartiles, deciles y perceptiles.

Este tipo de parámetros no tiene por qué coincidir con un valor exacto de la variable,
y no deben usarse con carácter general para hacer pronósticos. La elección de un
parámetro u otro, dependerá de cada caso particular y de la distribución que siga la
variable, pero podemos concluir que en el caso de que los datos sigan una distribución
normal, la media aritmética es el parámetro más representativo, mientras que si presenta
cierta asimetría conviene más utilizar la mediana. La moda sólo es adecuada en el caso
de variables cualitativas.

Parámetros de Dispersión
Las medidas de posición resumen la distribución de datos, pero resultan
insuficientes y simplifican excesivamente la información. Estas medidas adquieren
verdadero significado cuando van acompañadas de otras que informen sobre la
heterogeneidad de los datos. Estas medidas se conocen como parámetros de dispersión y
miden en qué medida los datos se agrupan entorno a un valor central.

Hay medidas de dispersión absolutas, entre las cuales se encuentran la varianza, la

desviación típica o el recorrido y medidas de dispersión relativas, como el coeficiente de
variación. Las medidas absolutas tienen que ir acompañadas de un parámetro de
posición, normalmente la media, y no permiten comparaciones entre distintas muestras.
Las medidas relativas suelen ser a dimensionales por lo que permiten la comparación
entre distintas muestras.

Parámetros de Forma
Las variables aleatorias continuas presentan frecuentemente una pauta de
variabilidad que se caracteriza por el hecho de que los datos tienden a acumularse en
torno a un valor central, que coincide con la media, decreciendo su frecuencia de forma
aproximadamente simétrica a medida que se alejan por ambos lados de dicho valor. Los
histogramas de estas variables continuas tienen forma de campana de Gauss, que es el
modelo matemático de la distribución normal, siendo la distribución que con más
frecuencia aparece en multitud fenómenos reales.

Los parámetros de forma son indicativos de la forma típica que presenta la

gráfica o histograma de los datos, es decir de cómo se distribuyen. Entre ellas destacan
el coeficiente de asimetría y curtosis.

5. CLASIFICACIÓN
5.1 Parámetros de Centralización: Los parámetros de centralización o medidas de
posición central son números que nos indican alrededor de qué valor se distribuyen los
valores de la variable estadística observada.
 5.1.1 Media Aritmética
Es probablemente el más conocido y usado en la práctica, pero sólo en el caso de
V.A continúas. La media de una variable X se denota por x̄ , y se calcula como se

indica a continuación:
Dado un conjunto de datos numéricos x1, x2, …, xn, la media no es más que la
suma de todos los datos dividido por el número total de valores:
 N
∑ xi
x̄= i=1
N

La media cumple una serie de propiedades básicas:

a) Si a cada uno de los valores de una variable se le suma una constante K, la media
se verá incrementada en esa misma constante:
N
∑ x i+ K
x̄+ K = i=1
N
b) Si a cada uno de los valores de una variable se le multiplica por una constante,
K, la media queda multiplicada por esa constante:
N
∑ xi · K
x̄ · K= i=1
N
c) Si una variable Y es una transformada lineal de otra variable X, es decir,
Y=a+bX, la media de Y es también la transformada lineal de la media de X, es

decir, ȳ =a+b x̄ .
d) La suma de las desviaciones de todos los valores de la variable respecto a su
media es cero:
N
∑ (x i − x̄ )=0
i=1

e) Si una variable Z es la suma de dos variables X e Y, la media de Z es también la

suma de las medias de las variables X e Y, es decir, si Z=X+Y entonces z̄ =

x̄ + ȳ .

En general, la media no será un buen parámetro de posición cuando la distribución

de los datos sea asimétrica, al ser muy sensible a los valores extremos de la variable.

EJEMPLO: En el primer examen saqué una nota de 8 y en el segundo un 10. ¿Cuál

es la media aritmética de mis notas?

Nota 1 = 8
 Nota 2 = 10

Número de notas = 2

Media Aritmética = (8 + 10) / 2 = 18 / 2 = 9 → He sacado una media aritmética de 9

en mis dos notas

 5.1.2 Mediana
La mediana es un valor de la variable que deja por debajo de sí a la mitad de los
datos, una vez que estos están ordenados de menor a mayor. La mediana se denota por
Me y se calcula de manera sencilla. Ordenados los datos de menor a mayor Me es:
 Si N es un número impar, entonces Me es el valor que ocupa la posición

N +1
2 de la lista de datos ordenados. Démonos cuenta que en este caso,
quedarán el mismo número de datos a un lado y al otro de la mediana.
 Si N es un número par, no tenemos un dato central. En ese caso, tomamos la
media de los dos datos centrales y que sí dejan el mismo número de valores a
un lado y al otro, es decir, la mediana será la media de los datos que ocupan

N N
+1
las posiciones 2 y 2 de la lista de datos ordenados.

La mediana es menos sensible que la media a oscilaciones de los valores de la

variable y no se ve afectada por la dispersión. De hecho, es más representativa que la
media aritmética cuando los datos son es bastante heterogénea o asimétrica.

EJEMPLO: Sea la variable aleatoria “números de televisores por hogar”. Se

realiza una encuesta en 13 hogares, obteniéndose los siguientes resultados:
3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1

Hallar la mediana de los mismos.

 El primer paso es ordenar los datos de menor a mayor: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2,
3, 3, 4
Como n es 13, impar, Me será igual a 2, de manera que queden 6 datos por debajo y 6
por encima de dicha posición.

 5.1.3 Moda
La moda, representada por Mo, es otro parámetro de posición que se calcula
simplemente como el valor que más se repite en la muestra, es decir, el valor con una
mayor frecuencia. En consecuencia, no siempre se sitúa hacia el centro de la
distribución. Puede haber más de una moda en el caso en que dos o más valores de la
variable presenten la misma frecuencia. Por otro lado, la moda puede no existir cuando
en un conjunto de datos, todos éstos son diferentes entre sí y no hay ningún dato que se
repita más de una vez.
EJEMPLO: Encuentre la moda del conjunto {2, 3, 5, 5, 7, 9, 9, 9, 10, 12}.

El 2, 3, 7, 10 y 12 aparecen una vez cada uno.

El 5 aparece dos veces y el 9 aparece tres veces.

Así, el 9 es la moda.

5.2 Parámetros estadísticos de posición: Los parámetros de posición dividen

un conjunto de datos ordenados en grupos con el mismo número de
individuos. Hay tres tipos: cuartiles, deciles y percentiles.

 5.2.1 Cuartiles

Los cuartiles son los valores de la variable que dividen la serie ordenada de datos en

cuatro partes iguales.

 Los cuartiles son tres: Q1, Q2 y Q3, que delimitan al 25%, al 50% y al 75% de los
datos, respectivamente.
 Q2 coincide con la mediana.
 La diferencia Q3 - Q1 se llama recorrido intercuartílico.

Para calcular los cuartiles es necesario que los N datos estén ordenados de menor a
mayor.
 Procederemos como hacíamos con la mediana, pero ahora buscaremos el lugar
que ocupa cada cuartiles mediante la expresión

en lugar del valor que usábamos para la mediana,  . (Fíjate que para k=2 se
obtiene precisamente dicho valor, ya que Q2 es la mediana)

 Para el caso de datos no agrupados o agrupados puntualmente, el

valor   se redondea al siguiente número entero, y el dato ocupe

dicho lugar será el cuartil.
 Para el caso de datos agrupados en intervalos, la fórmula queda como
sigue:

Donde:

  es la frecuencia acumulada del intervalo donde se encuentra el cuartil

y   la frecuencia acumulada del intervalo anterior. Se cumple:

  es el límite inferior del intervalo donde se halla el cuartil.

  es la amplitud del intervalo donde se halla el cuartil.

  es el número de datos.
EJEMPLO:

Calcular el cuartil 1 (Q1) de las siguientes muestras de notas en matemáticas de

un aula (notas de 0 a 20): 16, 10, 12, 8, 9, 15, 18, 20, 9, 11, 1, 13, 17, 9, 10, 14
 Ordenamos de menor a mayor: 1, 8, 9, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18,
20

N = número de muestras = 16 muestras

x = (N · i) / 4 = (16 · 1) / 4 = 4

Como x = 4 es un número sin decimales, entonces el cuartil 1 es el valor de la

muestra que ocupa la posición 4

Q1 (cuartil 1) = 9

 5.2.2 Deciles

El Decil (Dn) es una medida estadística que se utiliza para indicar el valor por
debajo del cual se encuentra un determinado porcentaje de observaciones. Cada decil
representa un 10% hasta llegar a 100% siendo 100% el total de las muestras analizadas:

Decil 1 (D1): valor que es superior al del 10% de las muestras más bajas

Decil 2 (D2): valor que es superior al del 20% de las muestras más bajas

Decil 3 (D3): valor que es superior al del 30% de las muestras más bajas

Por ejemplo, supongamos que el decil 3 (D3) del peso de un varón de 15 años es
53 kg. Esto significa que hay un 30% de varones de 15 años que pesan menos de 53 kg
y un 70% que pesan más.

Existen varios métodos para el cálculo de deciles. Veamos uno de los más
sencillos (válido para datos no agrupados):

1. Agrupamos las muestras de menor a mayor valor

2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente

fórmula:

x = (N · i) / 10

Siendo N el número total de muestras analizadas y la letra "i" el decil buscado

 3. Si el resultado anterior (x) no tiene decimales, el decil se obtiene
seleccionando el valor de la muestra que ocupa la posición x.

4. Si el resultado (x) tiene decimales, el decil se obtiene haciendo la media de las

muestras en posición x y x+1

EJEMPLO: Calcular el decil 6 (D6) de las siguientes muestras de notas en

matemáticas de un aula (notas de 0 a 20): 16, 10, 12, 8, 15, 18, 20, 9, 11, 1, 13, 17, 9,
10, 14

Ordenamos de menor a mayor: 1, 8, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18,
20

N = número de muestras = 15 muestras

x = (N · i) / 10 = (15 · 6) / 10 = 9

Como x = 9 es un número sin decimales, entonces el decil 6 es el valor de la

muestra que ocupa la posición 9

D6 (decil 6) = 13

 5.2.3 Percentiles

El Percentil (Pn) es una medida estadística que se utiliza para indicar el valor por
debajo del cual se encuentra un determinado porcentaje de observaciones. Cada
percentil representa un 1% hasta llegar a 100% siendo 100% el total de las muestras
analizadas. 

Por ejemplo, supongamos que el percentil 30 (P30) del peso de un varón de 15

años es 53 kg. Esto significa que hay un 30% de varones de 15 años que pesan menos
de 53 kg y un 70% que pesan más.

Existen varios métodos para el cálculo de percentiles. Veamos uno de los más
sencillos (válido para datos no agrupados):

1. Agrupamos las muestras de menor a mayor valor

2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente

fórmula:
 Siendo N el número total de muestras analizadas y la letra "i" el percentil
buscado

3. Si el resultado anterior (x) no tiene decimales, el percentil se obtiene

seleccionando el valor de la muestra que ocupa la posición x.

4. Si el resultado (x) tiene decimales, el percentil se obtiene haciendo la media

de las muestras en posición x y x+1

EJEMPLO: Calcular el percentil 40 (P40) de las siguientes muestras de notas en

matemáticas de un aula (notas de 0 a 20): 16, 10, 12, 8, 15, 18, 20, 9, 11, 1, 13, 17, 9,
10, 14

Ordenamos de menor a mayor: 1, 8, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18,
20

N = número de muestras = 15 muestras

x = (N · i) / 100 = (15 · 40) / 100 = 6

Como x = 6 es un número sin decimales, entonces el percentil 40 es el valor de

la muestra que ocupa la posición 6

P40 (percentil 40) = 10

5.3 Parámetros estadísticos de dispersión: Son los parámetros que indican la

mayor o menor concentración de los datos alrededor de los parámetros de
centralización: desviación respecto de la media, desviación media, varianza y
desviación estándar.
 5.3.1 Parámetros de dispersión rango o recorrido

Se define el rango o recorrido de una variable estadística como la diferencia

entre el mayor y el menor valor de la variable. El rango indica la longitud del intervalo
en el que se hallan todos los datos de la distribución. El rango es una medida de
dispersión importante aunque insuficiente para valorar convenientemente la variabilidad
de los datos. Supongamos que el rango en que se mueven las notas de 6 exámenes es de
9 puntos. Existen muchas y distintas posibilidades que pueden dar lugar a ese rango

 5.3.2 Parámetros de dispersión desviación media

 Se define la desviación media como el parámetro de dispersión que sirve para
calcular cuánto se desvían en promedio los datos de la distribución de la media
aritmética. Se calcula como la media de los valores absolutos de las diferencias
entre la media aritmética y los diferentes datos. Se calcula como la media de los
valores absolutos de las diferencias entre la media aritmética y los diferentes datos.

 5.3.3 Parámetros de dispersión desviación varianza

El objetivo de este parámetro es el mismo que el de la desviación media, es decir,

detectar las variaciones de cada valor respecto a la media aritmética. Para ello, en lugar
de utilizar el valor absoluto, eleva esas diferencias al cuadrado, con esto evita posibles
compensaciones y además "exagera" estas diferencias (un número menor que uno al
elevarlo al cuadrado se hace menor y uno mayor que uno se hace mayor). Por último,
considera el promedio de dichas diferencias al que denomina varianza. Es junto a la
desviación típica la medida de dispersión más utilizada en estadística.

A partir de la fórmula anterior y después de desarrollar y simplificar los

resultados se obtiene otra expresión para la varianza que permite un cálculo más directo
y sencillo.

 5.3.4 Parámetros de dispersión desviación típica

La desviación típica se define como la raíz cuadrada positiva de la varianza.

Tiene el mismo cometido que ésta y además la ventaja de que las unidades en las
que se mide son las mismas que las de los datos de la distribución. Puede
considerarse la medida de dispersión por excelencia y aparece como tecla o función
directa en cualquier calculadora o programa estadístico

De acuerdo a la definición, la fórmula para la obtención de la desviación típica

sería:
 Si se desarrolla la fórmula anterior se obtiene otra fórmula para la desviación
típica bastante más cómoda y que es la que se utiliza en la práctica.

CONCLUSIÓN
 BIBLIOGRAFÍA

https://definicion.de/datos-estadisticos/

https://www.significados.com/frecuencia/

https://enciclopediaeconomica.com/frecuencia-estadistica/

https://www.matematicas10.net/2017/02/ejemplos-de-media-aritmetica.html

https://sites.google.com/site/38matematica5/home/parametros-de-posicion

http://recursostic.educacion.es/descartes/web/materiales_didacticos/unidimensional
_lbarrios/pdispersion_est.htm

https://es.wikipedia.org/wiki/Frecuencia_estad%C3%ADstica

https://definicion.de/datos-estadisticos/