Conceptos Basicos PDF

ESTADÍSTICA DESCRIPTIVA
Conceptos Básicos
Jorge Alberto Barón Cárdenas
Departamento de Matemáticas y Estadı́sticas

Universidad de Córdoba
30 de julio de 2020
Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 1 / 42

Tabla de Contenido
1 Introducción
2 Conceptos Básicos
3 Distribuciones de Frecuencia
Distribuciones de frecuencia para datos no agrupados.
Distribución de frecuencias para datos agrupados
4 Tablas de Contingencia
Referencias

Introducción
¿Que es la Estadı́stica?

Introducción
La Estadı́stica
Definición
Es un conjunto de teorı́as y métodos desarrollados para la recopi-
lación, organización, tabulación y análisis sobre una o varias carac-
terı́sticas de interés con el objeto de extraer conclusiones, tomar
decisiones o emprender acciones.

Conceptos Básicos
Conceptos Básicos
Población
Es el conjunto formado por un grupo de individuos o elementos,
sobre los cuales se pretende estudiar una o más caracterı́sticas que
son de interés.
Ejemplo: Los habitantes de un paı́s, los estudiantes de un colegio,
los establecimientos comerciales de una ciudad o el conjunto de
todas las piezas fabricadas por una máquina.
Muestra
Es una parte o subconjunto de la población, seleccionada con el
fin de describir o inferir lo que ocurre en la población.

Conceptos Básicos
Conceptos Básicos
Variable
Una variable es una caracterı́stica que es de interés en una población
o en una muestra. Por ejemplo: la edad, la estatura, el sexo, el
estado civil. Las variables se suelen denotar por letras mayúsculas:
X, Y,...
Clasificación de variables

Conceptos Básicos
Conceptos Básicos
Cualitativas o Categóricas:
Aquellas que variables que representan cualidades, las cuales no son

medibles, es decir, cuyas observaciones no tienen carácter numérico.
Estas a su vez se clasifican en:
Ordinal: son aquellas en las que existe una jerarquı́a o se
puede establecer un orden. Ejemplo: nivel educativo, grado
de satisfacción.
Nominal: son aquellas que son resultados de una cualidad,
en la cual no se puede establecer ningún orden. Ejemplo:
estado civil, sexo o profesión.

Conceptos Básicos
Conceptos Básicos
Cuantitativas:
Aquellas que son medibles, es decir sus observaciones tienen

carácter numérico. Estas se dividen a su vez en:
Discretas: son el resultado de contar y sólo toman valores
enteros. Ejemplo: el número de goles marcados, el número de
habitaciones de un hotel, el número de hijos de una familia,
el número de obreros de una fábrica.
Continuas: son el resultado de medir y pueden contener
decimales. Ejemplo:el peso, la estatura, el tiempo de espera,
la distancia recorrida por un automóvil.

Conceptos Básicos
Ejemplo de tipos de variables
1 Número de clientes por dı́a.

2 La velocidad máxima de un atleta de alto rendimiento.
3 El tiempo de reacción.
4 La medalla obtenida por un atleta olı́mpico.
5 La calificación de excelente, bueno, regular y malo.
6 El color de los ojos.
7 El rango de un militar.
8 La carrera estudiada por un universitario.

Conceptos Básicos
1 Número de clientes por dı́a. (cuantitativa - discreta)


Conceptos Básicos

(cuantitativa - continua)

Conceptos Básicos

3 El tiempo de reacción. (cuantitativa - continua)

Conceptos Básicos

4 La medalla obtenida por un atleta olı́mpico. (Cualitativa -
ordinal)

Conceptos Básicos

(Cualitativa - ordinal)

Conceptos Básicos

6 El color de los ojos. (Cualitativa - nominal)

Conceptos Básicos

7 El rango de un militar. (Cualitativa - ordinal)

Conceptos Básicos

8 La carrera estudiada por un universitario. (Cualitativa -
nominal)

Distribuciones de Frecuencia
Distribuciones de Frecuencia
La toma de datos es una de las partes de mayor importancia en el

desarrollo de una investigación. Ası́ los datos obtenidos mediante
un primer proceso reciben el nombre de datos sin tratar o en bruto.
Los datos en bruto son largas listas de números que no son de gran
utilidad y no brindan al investigador la información que requiere
si antes no se tratan. Los datos sin tratar se les debe sintetizar
o resumir de manera que sea posible interpretarlos, entenderlos y
utilizarlos. La manera de organizar los datos es mediante tablas de
distribución de frecuencias.

Distribuciones de Frecuencia Distribuciones de frecuencia para datos no agrupados.
Distribuciones de frecuencia para datos no

agrupados
La distribución de frecuencias no agrupadas o tabla con datos no

agrupados se emplea si las variables toman un número pequeño
de valores o la variable es discreta (siempre se asocia con valores
enteros).

Tipos de Frecuencias.
Frecuencia Absoluta (ni ):

La frecuencia absoluta es el número de veces que aparece un deter-
minado valor en un estudio estadı́stico con respecto a una variable
de interés. De esta forma se tiene que el número total de observa-
ciones es igual a la suma de las frecuencias absolutas, es decir:
n = n1 + n2 + · · · + nh

Frecuencia Absoluta Acumulada (Ni ):
La frecuencia absoluta acumulada es el número de observaciones
menores o iguales a un determinado valor de la variable de interés.
También se puede determinar como la suma de las frecuencias ab-
solutas de todos los valores inferiores o iguales al valor considerado,
es decir:
N1 = n1
N2 = n1 + n2
N3 = n1 + n2 + n3
..
.
Nh = n1 + n2 + · · · + nh = n

Frecuencia Relativa (fi ):

La frecuencia relativa representa la proporción de individuos con
cierta caracterı́stica de interés. Se calcula realizando el cociente
entre la frecuencia absoluta de un determinado valor y el número
total de datos.
ni
fi = 0 ≤ fi ≤ 1
n

Frecuencia Relativa Acumulada (Fi ):

La frecuencia relativa acumulada representa la proporción de in-
dividuos que tiene caracterı́stica de interés menor o igual a cierto
valor de la variable. Se calcula realizando el cociente entre la fre-
cuencia absoluta acumulada de un determinado valor y el número
total de datos.
Ni
Fi = 0 ≤ Fi ≤ 1
n

Ejemplo 1:
Los siguientes datos corresponden al número de goles marcados por

30 equipos, en la primera fecha de un torneo de futbol profesional.
Elaborar la tabla de distribución de frecuencias.
3 2 1 4 5 3 2 1 3 1
2 3 5 1 2 2 1 3 4 2
3 4 0 1 2 2 0 1 2 3

Solución
i Xi ni Ni fi Fi αi
1 0 2 2 0.0667 (6.67 %) 0.067 (6.7 %) 24o
2 1 7 9 0.2333 (23.33 %) 0.3(30 %) 84o
3 2 9 18 0.3 (30 %) 0.6(60 %) 108o
4 3 7 25 0.2333(23.33 %) 0.8333(83.33 %) 84o
5 4 3 28 0.1(10 %) 0.9333(93.33 %) 36o
6 5 2 30 0.0667 (6.67 %) 1(100 %) 24o
Total 30 ≈1
2 2
f1 = = 0.0667 F1 = = 0.0667
30 30
7 9
f2 = = 0.2333 F2 = = 0.3
30 30
. .
. .
. .
2 30
f6 = = 0.0667 F6 = =1
30 30
Interpretaciones:
f3 = 30 %: El 30 % de los equipos de fútbol, marcaron 2 goles

en la primera fecha.
f4 = 23.33 %: El 23.33 % de los equipos de fútbol, marcaron 3
goles en la primera fecha.
f6 = 6.67 %: El 6.67 % de los equipos de fútbol, marcaron 5
goles en la primera fecha.
F3 = 30 %: El 30 % de los equipos de fútbol, marcaron a lo
máximo 2 goles en la primera fecha.
F4 = 83.33 %: El 83.33 % de los equipos de fútbol, marcaron a
lo sumo 3 goles en la primera fecha.

Diagrama de Barras:

Diagrama de Circular:
Se basa en una proporcionalidad entre la frecuencia y el ángulo

central de una circunferencia, de tal manera que a la frecuencia total
le corresponde el ángulo central de 360o . El ángulo se determina por:
n
i
αi = (360o )
n
= (fi ) (360o )

Diagrama de Circular:

Gráfico de Dona:

Ejercicio:
Los siguientes datos corresponden a los años de experiencia de las

50 operarias de una fábrica de confecciones. Elaborar la tabla de
distribución de frecuencias, interpretar resultados y realizar el dia-
grama de barras.
4 6 5 6 4 6 5 5 6 5
5 5 8 8 8 6 9 6 5 7
7 9 3 2 7 4 5 7 7 3
6 7 7 7 8 3 6 6 7 6
4 6 8 5 6 6 7 5 7 4

Distribuciones de Frecuencia Distribución de frecuencias para datos agrupados
Usualmente los valores de los datos no permiten un agrupamiento

de ellos en una tabla de frecuencias simple, debido a que se en-
cuentran distribuidos a través de todo el recorrido y el número de
veces que se repite cada observación no es significativo en todos los
casos, y en la mayorı́a de ellos su frecuencia es baja. Una tabla de
frecuencias construida en estas condiciones, no presenta ninguna
utilidad.

Es aquella distribución en la que la tabulación de los datos es-

tadı́sticos se encuentra ordenada en clases y con la frecuencia de
cada clase; es decir, los datos originales de varios valores adyacentes
del conjunto se combinan para formar un intervalo de clase.
Se sugiere que cuando el número total de datos (n) es igual o supe-
rior 50 y además el rango o recorrido de la serie de datos es mayor
de 20, entonces, se utilizará la distribución de frecuencia para datos
agrupados.

La construcción de una tabla de distribución de frecuencias para

datos agrupados requiere en primer lugar de la selección de los
intervalos de clase. Aun cuando la selección de los intervalos de clase
depende de los datos involucrados, los siguientes pasos resultaran
útiles:
Paso 1. Ordenar los datos de menor a mayor para su
clasificación.
Paso 2. Calcular el rango (R) de los datos: R = Xmax − Xmin
Paso 3. Definir el número de clases (k), el cual no deberá ser
tan pequeño (menos de 6) o tan grande (más de 20) que la
verdadera naturaleza de la distribución sea imposible
visualizar.

Existen dos métodos para determinar el número de clases, los cuales

son los más utilizados:
Método 1: Método de la raı́z, el cual consiste en extraer la raı́z
cuadrada del tamaño de la muestra y redondear el resultado ası́
obtenido al entero mayor.
√
k= n
Método 2: Método de Sturges. Este método puede darnos una

aproximación razonable para determinar el número de clases; éste
se obtiene con el siguiente modelo matemático.
k = 1 + 3.33 × log10 (n)

Paso 4: El siguiente paso consiste en determinar la amplitud

de clase (a) :
R
a=
k
Paso 5: Se calcula el rango ampliado (Ra) :
Ra = a × k.
Paso 6: Establecer la diferencia en que ha sido alterado el

recorrido, la cual no debe ser superior a la amplitud.
e = Ra − R

Paso 7: Construcción de los intervalos de clase:

e
[Li1 = Xmin − , Ls1 = Li1 + a)
2
[Li2 = Ls1 , Ls2 = Li2 + a)
[Li3 = Ls2 , Ls3 = Li3 + a)
[Li4 = Ls3 , Ls4 = Li4 + a)
..
.
Paso 8: Encontrar las marcas de clase de cada intervalo:

Lii +Lsi
xi = 2

Paso 9: Determinar las frecuencias absolutas (ni ), que

corresponde al número de observaciones que pertenecen a
cada intervalo de clase.
Paso 10: Obtener las frecuencias absolutas acumuladas, las
frecuencias relativas y las frecuencias relativas acumuladas
(como fueron definidas anteriormente).

Ejemplo
En una sala de maternidad se ha tomado los pesos (en kg) de 50

recién nacidos:
2.8 3.2 3.8 2.5 2.7 3.7 1.9 2.6 3.5 2.3
3.0 2.6 1.7 3.3 2.9 2.1 3.4 2.8 3.1 3.9
2.9 3.5 3.0 3.1 2.2 3.4 2.5 1.9 3.0 2.9
2.4 3.4 2.0 2.6 3.1 2.3 3.5 2.9 3.0 2.7
2.9 2.8 2.7 3.1 3.0 3.1 2.8 2.6 2.9 3.3
Construya la tabla de distribución de frecuencia para datos agru-

pados.

Ejemplo
Solución:
Ordenamiento de los datos:
1.7 1.9 1.9 2.0 2.1 2.2 2.3 2.3 2.4 2.5
2.5 2.6 2.6 2.6 2.6 2.7 2.7 2.7 2.8 2.8
2.8 2.8 2.9 2.9 2.9 2.9 2.9 2.9 3.0 3.0
3.0 3.0 3.0 3.1 3.1 3.1 3.1 3.1 3.2 3.3
3.3 3.4 3.4 3.4 3.5 3.5 3.5 3.7 3.8 3.9

Ejemplo
Rango:
R = Xmax − Xmin
= 3.9 − 1.7 = 2.2
Número de clases (Método de Sturges):
k = 1 + 3.33 × log10 (n)

= 1 + 3.33 × log10 (50)
= 6.65757 ≈ 7
Amplitud:
R 2.2
a= = = 0.3142857 ≈ 0.4
k 7
Ejemplo
Rango ampliado
Ra = k × a
= 7 × 0.4 = 2.8
Diferencia entre rangos :
e = Ra − R = 2.8 − 2.2 = 0.6
Construcción de los intervalos de clase:

e 0.6
Li1 = Xmin − = 1.7 − = 1.4
2 2
Ls1 = Li1 + a = 1.4 + 0.4 = 1.8

Ejemplo
Tabla de distribución de frecuencia.

i Intervalo xi ni Ni fi Fi
1 [1.4, 1.8) 1.6 1 1 0.02 (2 %) 0.02 (2 %)
2 [1.8, 2.2 ) 2.0 4 5 0.08 (8 %) 0.1 (10 %)
3 [2.2, 2.6 ) 2.4 6 11 0.12 (12 %) 0.22 (22 %)
4 [2.6, 3.0) 2.8 17 28 0.34 (34 %) 0.56 (56 %)
5 [3.0, 3.4) 3.2 13 41 0.26 (26 %) 0.82 (82 %)
6 [3.4, 3.8) 3.6 7 48 0.14 (14 %) 0.96 (96 %)
7 [3.8, 4.2 ) 4.0 2 50 0.04 (4 %) 1 (100 %)

Interpretaciones:
f1 = 2 %: El 2 % de los recién nacidos tienen un peso entre

1.4 y menos de 1.8 kg.
2.6 y menos de 3 kg.
3 y menos de 3.4 kg.
F3 = 22 %: El 22 % de los recién nacidos tienen un peso
inferior a 2.6 kg.
F4 = 56 %: El 56 % de los recién nacidos tienen un peso
inferior a 3 kg.

Histograma de Frecuencias:

Polı́gono de Frecuencias:

Ojiva:

Ejercicio:
Supongamos que una fabrica de baldosas, con el objeto de ofrecer
una garantı́a de su producto, desea hacer un estudio técnico de su
producción, para lo cual extrae una muestra de 100 baldosas, cada
una de las cuales se somete a una prueba de resistencia, destructiva
cuyos datos expresados en Kg/Cm2 , se muestran a continuación:

Ejercicio:
Construya una tabla de distribución de frecuencia para datos agru-

pados, realice el histograma de frecuencias e intérprete resultados.

Tablas de Contingencia
Cuando los elementos de una población (o muestra) se clasifican

simultáneamente por dos caracterı́sticas X e Y , surge para su re-
presentación las llamadas “tablas de doble entradas o contingencia”
de h filas por k columnas.

Ejemplo: Veinte individuos se clasificaron según el sexo (hombre

o mujer) y su deseo de ver o no la final de un campeonato de fútbol
que será televisada.

Futbol/Sexo Mujer Hombre Total fila

Si 3 (15 %) 8 (40 %) 11(55 %)
No 7 (35 %) 2 (10 %) 9 (45 %)
Total columna 10 (50 %) 10 (50 %) 20 (100 %)

Con respecto al total:

Con respecto al sexo:

Futbol/Sexo Mujer Hombre
Si 3 (30 %) 8 (80 %)
No 7 (70 %) 2 (20 %)
Total 10 (100 %) 10 (100 %)

Con respecto al sexo:

Con respecto a la preferencia:

Futbol/Sexo Mujer Hombre Total
Si 3 (27.27 %) 8 (72.73 %) 11 (100 %)
No 7 (77.78 %) 2 (22.22 %) 9 (100 %)

Con respecto a la preferencia:

Bibliografı́a
Referencias I
Montgómery, D. (2003). Probabilidad y Estadı́stica aplicadas a la

Ingenierı́a. EDITORIAL LIMUSA.
RONALD E. WALPOLE, R. (Novena edición, 2012). Probabilidad y
estadı́stica para ingenierı́a y ciencias. PEARSON EDUCACIÓN,
México.
Webster, A. (2000). Estadı́stica aplicada a los negocios y la eco-
nomı́a. Bradley University.

Conceptos Basicos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Conceptos Basicos PDF

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA DESCRIPTIVA

Jorge Alberto Barón Cárdenas

Departamento de Matemáticas y Estadı́sticas

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 1 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 2 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 3 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 4 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 5 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 6 / 42

Aquellas que variables que representan cualidades, las cuales no son

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 7 / 42

Aquellas que son medibles, es decir sus observaciones tienen

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 8 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a. (cuantitativa - discreta)

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

Ejemplo de tipos de variables

1 Número de clientes por dı́a.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 9 / 42

La toma de datos es una de las partes de mayor importancia en el

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 10 / 42

Distribuciones de frecuencia para datos no

La distribución de frecuencias no agrupadas o tabla con datos no

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 11 / 42

Frecuencia Absoluta (ni ):

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 12 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 13 / 42

Frecuencia Relativa (fi ):

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 14 / 42

Frecuencia Relativa Acumulada (Fi ):

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 15 / 42

Los siguientes datos corresponden al número de goles marcados por

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 16 / 42

f3 = 30 %: El 30 % de los equipos de fútbol, marcaron 2 goles

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 18 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 19 / 42

Se basa en una proporcionalidad entre la frecuencia y el ángulo

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 20 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 21 / 42

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 22 / 42

Los siguientes datos corresponden a los años de experiencia de las

Jorge A. Barón (Unicórdoba) ESTADÍSTICA DESCRIPTIVA 23 / 42