Estadistica General

Instituto Profesional Diego Portales
AUTÓNOMO
Asignatura
ESTADÍSTICA
GENERAL
AUTOR: LUIS FIERRO REYES
1
AUTÓNOMO
AUTOR
Luís Fierro Reyes:
Profesor De Matemáticas, titulado en la Pontificia Universidad Católica de Chile. Posee

una amplia y rica experiencia pedagógica en diversas disciplinas matemáticas como por
ejemplo: Álgebra, Estadística, matemáticas Financiera, programación lineal y otras.
Inicia su carrera impartiendo docencia y especializándose en Educ. de Adultos.

Posteriormente asume como profesor en la enseñanza media formal y paralelamente se
desarrolla en ámbitos como Capacitación, Centro de Formación Técnica y actualmente
ejerce como profesor en el Instituto Profesional Diego Portales casa central Concepción,
dictando Asignaturas de su especialidad en carreras del área de la Ingeniería, Ciencias
Empresariales, Trabajo Social y Tutorías del área de la Educación a Distancia.
Dentro de su desarrollo curricular encontramos también un constante perfeccionamiento

docente, donde destacan cursos y Post títulos en metodología, Evaluación y Administración
Educacional como también un Diplomado en Estadística Educacional.
2
AUTÓNOMO
INVITACIÓN AL MÓDULO
Estimado alumno
El propósito principal de este apunte es el iniciar al estudiante en la comprensión

de los aspectos elementales de la Estadística Descriptiva con el fin de otorgarle las
competencias necesarias para la organización, presentación y análisis de información
pertinentes a tu labor técnica . Es por esto que te invito a enfrentar con mucha tranquilidad
y perseverancia las unidades seleccionadas para enriquecer tu destreza matemática y para
que ello te permita desarrollar tus conductas de razonamiento lógico con un trabajo
responsable, sistemático y de una rigurosidad relativa y racional.
Este módulo de Estadística Básica ha sido creado siguiendo de muy cerca el

programa de la asignatura de las carreras profesionales del I .P. Diego Portales, en su
elaboración se han priorizado objetivos y contenidos fundamentales, para acceder al
dominio de habilidades iniciales que te permitan un eficiente comportamiento posterior en
las etapas consecutivas en la dimensión inferencial de estudios estadísticos de nivel
superior insertas en la continuación del desarrollo de tu especialidad.
También, vale la pena señalar que en el desarrollo del presente texto, se ha

considerado una instrucción programada, simple de interpretar por el alumno, que
generalmente dispone de un tiempo limitado de estudio personal; se sugiere enfrentar
perseverantemente todas las actividades de auto evaluación, propuestas al final de cada
unidad temática, para ir accediendo a capítulos progresivos en forma directa, considerando
también las instancias de consultoría establecidas por el Programa a Distancia a cargo de
tus profesores tutores.
Esperando para ti todo el éxito posible, te invito a iniciar la tarea del aprendizaje
sistemático, que te conducirá a la obtención de tus objetivos personales y profesionales.
¡¡Mucha suerte y hasta pronto!! Luis Fierro R.
3
AUTÓNOMO
UNIDAD I
ANÁLISIS DE DATOS
INTRODUCCIÓN
Esta primera unidad, está diseñada para introducir al estudiante en la contextualización de

la estadística, entendida ésta, como una ciencia capaz de recolectar y analizar datos, de tal
modo que pueda transformarlos en una información que permita tomar decisiones.
Se señalaran los tipos de estadísticas que pueden aplicarse para describir las variables que
intervienen en los procesos de análisis de crecimiento y/o decrecimiento de población y
Muestra.
Se hará referencia a los conceptos de población y muestra, asociados a la estadística

Descriptiva e inferencia!, cuyas conclusiones, serán obtenidas por el estudiante, a partir de
los ejercicios de aplicación contenidos en la unidad.
OBJETIVOS
1. Señalar los tipos de estadísticas.

2. Describirlas variables estadísticas.
4
AUTÓNOMO
5
AUTÓNOMO
1.1 LA ESTADÍSTICA.
Es una ciencia que se encarga de recolectar y analizar datos, para transformarlos en

información que ayude a la toma de decisiones.
La estadística está ligada con el método científico y apoya la investigación en las diversas
disciplinas, principalmente en lo referente a la recopilación de datos, organización de los
mismos, presentación y análisis de ellos.
El análisis de datos recopilados a través de métodos y técnicas estadísticas, permite

describir el comportamiento de ciertos fenómenos, pronosticar situaciones relacionadas con
ellos, sobre los resultados obtenidos.
Las aplicaciones estadísticas se encuentran en diferentes disciplinas, a saber: biología,

medicina, economía, educación, psicología, ingeniería, salud, administración, negocios, co-
mercio, etcétera.
Gracias a la estadística, se pueden hacer pronósticos del tiempo y tomar precauciones

para: evitar congestiones del tránsito, prevenir accidentes, establecerla demanda de un
producto, conocer las necesidades de vivienda y además, evaluar la situación de los
negocios de una empresa, para determinar sus perspectivas en el corto, mediano y largo
plazo.
6
AUTÓNOMO
1.1.1. ESTADÍSTICA DESCRIPTIVA E INFERENCIAL. POBLACIÓN Y MUESTRA.
Como se ha señalado anteriormente, la estadística tiene como función principal, transfor-

Mar los datos en información. En este proceso se distinguen dos formas estadísticas:
descriptiva e inferencial.
La estadística descriptiva es aquella que, una vez recolectados, organizados y

analizados los datos sobre una situación de interés, se preocupa de describir
las características proporcionando información asociada a dicha situación.
Por ejemplo, si se requiere información sobre la frecuencia de las licencias médicas del
personal del departamento de contabilidad de una empresa, se recogen los datos, se
ordenan, se aplican técnicas estadísticas, para el análisis correspondiente y luego se
describe la situación de ese grupo de personas.
La estadística inferencia! es aquella que a partir del análisis de datos de una muestra de la
Población en estudio, extiende las conclusiones obtenidas a toda la población de la que es
parte.
Paro comprender lo disciplina que estamos estudiando, se hace necesario conocer los
conceptos fundamentales inscritos en ella: población y muestra.
Población, es el conjunto de elementos de los cuales se requiere información y el número de

elementos que esta tiene, determina el tamaño de la población.
7
AUTÓNOMO
Debemos tener en cuento que uno población puede ser finita o infinita.
Por ejemplo, la población consistente en todos las camisas producidas por una fábrica en
un día determinado, es finita, mientras que, la población formada por todos los posibles
sucesos (Caras, sellos) en tiradas sucesivas de una moneda, es infinita.
Vamos a designar con la letra N al tamaño de la población
Supongamos que se necesita información sobre las edades y el estado civil de cada uno
de los habitantes chilenos; la población en estudio, son todos los habitantes de Chile. En
estecaso la actividad se denomina censo.
La realización de un censo es una actividad compleja, de alto costo económico, lento en el

procesamiento de datos y además, permite medir sólo aspectos de tipo general. Por estas
dificultades que nos plantea el censo, es que la mayoría de las veces resulta necesario
trabajar con algunos elementos de la población que nos interesa. En tal caso estamos
trabajando con loque se denomina muestra.
Una muestra es un subconjunto (parte) de una población en estudio y el número de

elementos que ella tiene se denomina tamaño de la muestra
Designaremos con la letra n, al tamaño de la muestra
Ciertamente, al trabajar con una muestra se corre el riesgo de que los valores observados
difieran con los obtenidos en la población completa, en cuyo caso, estaremos frente a un
problema que en estadística se denomina sesgo estadístico.
Con el fin de reducir al máximo el sesgo estadístico, se debe seleccionar una muestra
Representativa, la cual se obtiene utilizando el método de muestreo aleatorio simple, en el
que cada integrante de la población tiene igual posibilidad de ser seleccionados, para formar
parte de la muestra.
Para hacer la selección de los elementos que constituirán la muestra, se puede usar
e método del sorteo, es decir, a cada integrante de la población se le asigna un
número, luego se ponen en una bolsa o en una urna, fichas o bolitas o papeles con los
números y se van sacando de a una, hasta completar la cantidad correspondiente.
8
AUTÓNOMO
Otra forma de hacerlo, es usando una tabla de números aleatorios que fue
construida especialmente para este efecto. Ella consiste en una serie de dígitos
aleatoriamente (al azar) generados y enumerados en el orden que se generaron.
Puesto que en nuestro sistema numérico usa diez dígitos (0, 1, 2, 3... 9), la
probabilidad de generar aleatoriamente cualquier dígito en particular es igual a la
probabilidad de generar cualquier otro dígito. Esta probabilidad es una entre diez.
Portante si se generara una secuencia de 500 dígitos esperaríamos que
aproximadamente 50 de ellos fueran el dígito 0,50 el dígito 1,
etc.
Para usar una tabla de estas en lugar de una pecera para seleccionar la muestra, primero
es necesario asignar números de código a los miembros individuales de la población. Después
obtenemos nuestra muestra aleatoria leyendo la tabla de números aleatorios y
seleccionando aquellos individuos del marco de población cuyos números de código asignados
concuerden con los dígitos encontrados en la tabla.
¡Lo tabla de números aleatorios puedes encontrarla en cualquiera de los libros

sugeridos en la bibliografía de este curso!
En el caso que la población en estudio se encuentre separada en grupos o diferenciada

por alguna característica, se puede aplicar el muestreo aleatorio simple al interior de cada
grupo, en cuyo caso estaremos utilizando lo que se denomina muestreo aleatorio
estratificado.
En cualquier caso, mientras más grande sea el tamaño de la muestra seleccionada, me-
nores el sesgo estadístico que se produce.
9
AUTÓNOMO
¿Apliquemos lo aprendido?
Se quiere obtener información sobre el promedio de sueldos que ganan los jóvenes chile-
nos recién egresados de la educación media y que ingresan por primera vez a un empleo.
Para este ejemplo, vamos a suponer que el tamaño de la población es de 32.000 personas.
Si se selecciona una muestra del 2% de la población, la muestra queda con un tamaño

igual a 640 personas y existirá mayor sesgo que si se procede a seleccionar una muestra con
el 10% del tamaño de la población; es decir, constituida por 3.200 personas. Para este caso
en particular, se ha decidido trabajar con una muestra de 640 personas.
Una vez decidido el tamaño de la muestra, existen dos alternativas de selección de la

muestra. Una, es el muestreo aleatorio simple y la otra, es el aleatorio estratificado en el
que, para este caso particular, los estratos pueden ser separados en hombres y mujeres.
Si se opta por la primera alternativa, de toda la población definida (32.000 personas), se

seleccionarán a través de la técnica del muestreo aleatorio simple las 640 primeras que
resulten del sorteo correspondiente.
Si se opta por la alternativa del muestreo aleatorio estratificado, de los 32.000 personas
que constituyen la población total, se separan en dos estratos: hombres y mujeres; luego, en
cada grupo se aplica la selección por muestreo aleatorio simple, seleccionando uno de cada
grupo alternadamente, hasta completar las 640 personas.
Si una muestra es representativa de una población, se pueden deducir importantes con-

clusiones acerca de ésta, a partir del análisis de la misma.
¡Recuerde que:
La parte de la estadística que trata de las condiciones en que las inferencias son válidas,
se llama estadística inferencia!. Aquella parte que trata, solamente, de describir y analizar
un grupo dado, sin sacar conclusiones o inferencias de un grupo mayor, se llama estadística
descriptiva.
Al no poder estar absolutamente ciertos de la veracidad de tales inferencias, se ha de

utilizar con frecuencia en estas conclusiones, el termino: probabilidad.
10
AUTÓNOMO
1.1.2. VARIABLES: DISCRETAS Y CONTINUAS.
Variable se denomina a la característica que nos interesa medir o determinar, en cada

uno de los elementos, de la población en estudio.
Una variable se puede representar por un símbolo o una letra mayúscula como X, Y, H y
puede tomar un valor cualquiera dentro de un conjunto determinado. Si la variable asume
siempre un mismo valor, se denomina constante.
¡Aprendamos a través de un ejemplo¡
En un sector poblacional cualquiera, se está realizando un estudio respecto del número de

hijos que tiene cada familia que allí habita. Luego de aplicar una encuesta, se sabe que el
número de hijos de las familias del sector en estudio, fluctúa entre cero y diez hijos. En
este caso, la variable es el número de hijos.
La variable puede asumir cualquier valor del conjunto D:
D = {0,1,2,3,4,5,6,7,8,9,10}
Si nos fijamos en el ejemplo precedente, el número de hijos de una familia puede tomar
cualquiera de los valores del conjunto D, sin embargo, nunca podrá asumir valores
intermedios, como por ejemplo 3,8 hijos, ya que resultaría absurdo y fuera de lógica.
En casos como éste, en que la variable sólo puede tomar valores enteros y positivos,
diremos que se trata de una variable discreta y se expresa sólo con números enteros
positivos.
Existen casos en que la variable tiene siempre la posibilidad de asumir algún valor inter-
medio, como por ejemplo, en el caso de un estudio relacionado con estaturas, con el peso e
incluso con edades; puesto que, si bien la edad se expresa en años, podemos también
precisar los meses, los días y hasta las horas. En este caso, diremos que se trata de una
variable continua y puede tomar siempre algún valor intermedio entre dos valores
cualquiera de la variable, es decir, valores decimales o fraccionarios.
11
AUTÓNOMO
¡Vamos aplicando los nuevos aprendizajes!
Un número N de hijos de una familia, puede tomar cualquiera de los valores

0 , 1 , 2 , 3 , 4,..... pero no puede ser 0.1 , 0.25 , 1.4......... ; entonces, es una variable discreta.
La altura H de un individuo puede ser 62 pulgadas, 63,8 pulgadas ó 65,8341 pulgadas,

dependiendo de la exactitud de medida y es una variable continua.
Los datos que vienen definidos por una variable discreta o continua se llaman datos
discretos o datos continuos, respectivamente.
El número de hijos en cada una de 1000 familias es un ejemplo de datos discretos, mien-
tras que las estaturas de 100 universitarios, es un ejemplo de datos continuos.
En general, las medidas dan origen a datos continuos, mientras que las enumeraciones o
conteos, originan datos discretos
TEST AUTOEVALUATIVO 1
1. De las variables siguientes, señale cuáles representan datos discretos y cuáles

datos continuos.
a) Número de acciones vendidas cada día en un mercado de valores.
b) Temperaturas registradas cada media hora en un observatorio.
c) Periodo de duración de los tubos de televisión producidos por una compañía.
d) Censos anuales del colegio de profesores.
e) Longitud de 1000 cerrojos producidos en una fábrica.
2. Determine los valores que asume la variable, en cada uno de los siguientes ejemplos y
señale si es continua o discreta.
a) Número G de litros de agua en una máquina de lavar.
b) Numero B de libros en un estante de librería.
12
AUTÓNOMO
c) Suma S de puntos obtenidos en el lanzamiento de un par de dados.
d) Diámetro D de una esfera.
e) Países C de Europa.
2) Responda con sus palabras a las siguientes inquietudes:
a) ¿Puede usted decir, qué fue lo que aprendió respecto del concepto estadística?
b) ¿Para qué le sirve en su trabajo, la estadística descriptiva? Ejemplifique.
c) Al comprender los conceptos de muestra y población, ¿Podría usted señalar, a! menos,

tres situaciones, que usted identifique como posibilidad de aplicar estos conceptos?
d) ¿Qué utilidad le presta el manejo de los conceptos; variable, variable discreta y variable
continua?
e) ¿Cómo cree usted que logró aclarar los conceptos de estadísticos en la unidad?
SOLUCIÓNARIO DEL TEST AUTOEVALUATIVO 1
1. a) Discreta;
13
AUTÓNOMO
b) Continua;
c) Continua;
d) Discreta;
e) Continua.
2. a) Cualquier valor, entre cero litros y hasta la capacidad máxima de la máquina. Variable
continua.
b) Desde cero hasta el mayor número de libros que puedan entrar en el estante. Variable
discreta.
c) Los puntos obtenidos en un sólo dado pueden ser 1,2,3,4,5 ó 6. Entonces la suma de
puntos del par de dados podrá ser: 2,3,4,5,6,7,8,9,10,11,12, que son los valores que
puede asumirla variable discreta.
d) Si consideramos un punto como una esfera de diámetro cero, el dominio de D son

todos los valores de cero a más infinito. Se trata de una variable continua.
e) Dominio: Inglaterra, Francia, Alemania, etc., que pueden representarse numéricamen-

te por 1, 2, 3,etc. Variable discreta.
3. a) Aprendí de qué se trata, para qué sirve, en qué se aplica, cuándo se aplica.
b) Una respuesta podría ser: "para conocer el comportamiento general del personal en sus
diferentes acciones, como por ejemplo: el uso de licencias médicas, los atrasos producidos,
etc".
c) Se relaciona con la respuesta anterior, por lo que se puede estudiar la población o una
muestra, en cada caso.
d) Posible respuesta: para ampliar mi vocabulario, para comprender mejor lo expresado por
otras personas en una conversación, para aplicarlo en situaciones de trabajo, etc.
e) Las respuestas aquí, pueden variar mucho, puesto que se refiere a reconocer las formas
de aprender que cada persona tiene.
14
AUTÓNOMO
UNIDAD II
PRESENTACIONES ESTADISTICAS
15
AUTÓNOMO
UNIDAD II (Presentaciones estadísticas)

INTRODUCCIÓN
Cuando hablamos de presentaciones estadísticas, nos referimos a las distribuciones de

frecuencias, intervalos y marcas de clase, que nos ayudarán a presentar gráficamente los
datos que debemos operar.
La idea es agrupar datos que están dispersos y a partir de ese ordenamiento, reconocer
dónde se producen las mayores concentraciones y la dispersión de los mismos. Con esos
elementos se pueden realizar inferencias, conclusiones que son aplicables a la población.
Las distribuciones de frecuencia, siguen sus propias reglas, de tal modo que al seguirlas, el
alumno podrá expresarlas en un cuadro que ordena y orienta la operación de los datos
agrupados. La representación gráfica de los datos, permiten mayor claridad y posibilita un
importante apoyo a la interpretación de la información procesada.
16
AUTÓNOMO
OBJETIVOS
1. Calcular distribuciones de frecuencias, intervalos y marcas de clase.
2. Representar gráficamente los datos de presentaciones estadísticas.
17
AUTÓNOMO
2.1. DISTRIBUCIÓN DE FRECUENCIAS.
Vamos a conocer acerca de las frecuencias, cómo se distribuyen, pero antes vamos al
Punto siguiente:
2.1.1. CÁLCULO DE DISTRIBUCIONES. FRECUENCIAS, INTERVALOS Y MARCA

DE CLASE.
Cuando se dispone de gran número de datos, es útil distribuirlos en clases o categorías y

determinar el número de casos pertenecientes a cada clase, lo que se denomina frecuencia
de clase. Esto es, dicho de otra forma, concentrar el número de veces que se repite el caso
o la característica estudiada.
La ordenación tabular (en una tabla), de los datos ordenados con sus correspondientes
frecuencias, se conoce como una distribución de frecuencias o tabla de frecuencias.
Una técnica para construir una distribución de frecuencias si solo se conoce la nube de
datos a presentar es la siguiente:
Los datos siguientes representan unidades de cierto producto vendidos en una tienda
durante 7 semanas y han sido ordenados de menos a mayor:
63 68 71 74 76 78 81 84 85 89
66 70 73 75 76 79 82 84 85 90
67 71 73 75 76 79 82 85 86 92
68 71 74 75 77 79 84 85 86 94
• Se determina el Rango o recorrido de la variable, que está dado por:
R = x max − x min = 94 − 63 = 31
18
AUTÓNOMO
• Se decide el número de clases o intervalos a considerar. Se sugiere emplear el

siguiente criterio:
k = 1 + 3.3 log n
k = 1 + 3.3 log 40
k ≈7
• Se obtiene al amplitud o tamaño del intervalo de la siguiente forma:
R
A=
k
31
A=
6
A = 5.2 ≈ 5
• Se seleccionan los límites de clase que definen los intervalos, de manera que las
clases sean del mismo tamaño.
• Se cuenta el número de observaciones en cada clase , es decir las frecuencias

absolutas respectivas.
La distribución queda así:
Clase xi fi hi (%) Fi (−) H i (−) Fronteras

60 - 64 62 1 2,5 1 2.5 59.5 - 64.5
65 - 69 67 4 10 5 12.5 64.5 - 69.5
70 - 74 72 8 20 13 32.5 69.5 - 74.5
75 - 79 77 11 27.5 24 60 74.5 - 79.5
80 - 84 82 6 15 30 75 79.5 - 84.5
85 - 89 87 7 17.5 37 92.5 84.5 - 89.5
90 - 94 92 3 7.5 40 100 89.5 - 94.5
n = 40 100
Observación: Los límites 60 - 64 - 65 - 69 - ……………….. Son Aparentes, mientras que

(como se trata de variable cuantitativa continua), se llama limites Reales o Fronteras a los
presentados en la última columna.
19
AUTÓNOMO
2.1.2. INTERVALOS DE CLASE.
• Un símbolo que define una clase, tal como 60 - 64 de la tabla anterior, se conoce
como Intervalo de clase. Los números extremos, 60 y 64, son los límites aparentes
(como ya hemos dicho) de la clase
2.1.3. MARCA DE CLASE.
La marca de clase se designa por xi , es el punto medio de cada intervalo de clase y se

obtiene sumando los límites inferior y superior de cada clase y dividiendo dicha suma en 2
60 + 64
Así, la marca de clase del intervalo 60 - 64 es = 62 . La marca de clase se llama
2
También punto medio de la clase.
2.2. PRESENTACIONES ESTADÍSTICAS. REPRESENTACIÓN GRÁFICA

DE LOS DATOS.
2.2.1. HISTOGRAMA.
La histograma consiste en una serie de rectángulos que tienen:
a) Sus bases sobre un eje horizontal (el eje X) con centros en las marcas de clase y longitud
igual al tamaño de los intervalos de clase.
b) Superficies proporcionales a las frecuencias de clase.
Si los intervalos de clase tienen igual tamaño, las alturas de los rectángulos son proporcio-
nales a las frecuencias de clase y se acostumbra en tal caso, a tomarlas alturas
numéricamente iguales a las frecuencias de clase. Si los intervalos de clase no son de igual
tamaño, esas alturas deben ser calculadas.
20
AUTÓNOMO
2.2.2. POLÍGONO DE FRECUENCIAS.
Un polígono de frecuencias es un gráfico de línea trazado sobre las marcas de clase.

Puede obtenerse uniendo los puntos medios de los techos de los rectángulos en el
Histograma.
El histograma y el polígono de frecuencias, correspondiente a la distribución de frecuen-

cias de las alturas de los estudiantes, se muestran en el mismo sistema de ejes en la
siguiente figura. Se acostumbra a prolongar el polígono con PQ y RS hasta las marcas de
clase inferior y superior inmediatas, que corresponderían a la clase de frecuencia cero. En
tal caso, la suma de las áreas de los rectángulos del histograma es igual al área tota!
limitada por el polígono de frecuencias y el eje X.
Ejemplo: La tabla siguiente muestra los Salarios semanales de 100 trabajadores no

calificados
Salario – semanal xi (marca de fi

(dólares) clase)
240 - 259 249.5 7
260 - 279 269.5 20
280 - 299 289.5 33
300 - 319 309.5 25
320 - 339 329.5 11
340 - 359 349.5 4
Total=100
21
AUTÓNOMO
Ejemplos: En la figura anterior se muestra un histograma y un polígono de frecuencias de la

distribución de frecuencias de los salarios semanales de la tabla asociada.
2.2.3. CURVAS DE FRECUENCIA.
Observación: Una curva de frecuencias es un polígono de frecuencias suavizado.
El conjunto de datos puede considerarse normalmente como perteneciente a una muestra

extraída de una población grande. A causa de las muchas observaciones que podemos
realizar en la población, es posible teóricamente (para datos continuos) elegir los intervalos
de clase muy pequeños y todavía, tener un número adecuado de observaciones dentro de
cada clase.
Así, se tiene que el polígono de frecuencias o el de frecuencias relativas, para una
población grande, puede estar formado por muchos pequeños segmentos rectos que
22
AUTÓNOMO
aproximan el conjunto a una curva, las curvas de este tipo pueden llamarse curvas de
frecuencias o curvas de frecuencias relativas, respectivamente.
EJEMPLO La figura siguiente es una curva de frecuencias de la distribución de salarios

semanales de la tabla asociada (salario de los 100 trabajadores)
2.2.4. TIPOS DE CURVAS DE FRECUENCIA.
En términos de asimetría, una curva de frecuencias puede ser:
1) asimétrica negativa: no simétrica con la “cola" a la izquierda
2) asimétrica positiva: no simétrica con la “cola" a la derecha
23
AUTÓNOMO
3) simétrica.
Además, en términos de curtosis, una curva de frecuencias puede ser:
1) platicúrtica: plana, con las observaciones distribuidas en forma relativamente pareja

entre las clases
2) leptocúrtica: afilada, con las observaciones concentradas en un estrecho rango de

valores
3) mesocúrtica: ni plana ni afilada en términos de la distribución de los valores observados.
24
AUTÓNOMO
2.2.5. DISTRIBUCIÓN DE FRECUENCIAS ACUMULADAS.
Una distribución de frecuencias acumuladas identifica el número acumulado de

observaciones incluidas bajo el límite exacto superior de cada clase de la distribución. Las
frecuencias acumuladas de una clase pueden determinarse sumando las frecuencias
observadas de esa clase a las frecuencias acumuladas de la clase anterior.
Reconoceremos 2 tipos de Frecuencia acumulada:
• Del tipo “ y menos que” ( Fi (−) )

• Del tipo “ y más que” ( Fi (+ ) )
Volvamos a nuestra tabla de trabajo y agreguemos la Frecuencia acumulada correspondiente
Salario – semanal xi (marca de fi Fi (−) Fi (+ )

(dólares) clase)
240 - 259 249.5 7 7 100
25
AUTÓNOMO
260 - 279 269.5 20 27 80

280 - 299 289.5 33 60 47
300 - 319 309.5 25 85 22
320 - 339 329.5 11 96 11
340 - 359 349.5 4 100 7
Total=100
• La lectura de la frecuencia F3 (−) = 60 es: “ 60 trabajadores ganan 299 o menos

dólares (hasta 299)
• La lectura de la frecuencia F3 (+) = 47 es: “ 47 trabajadores ganan 280 o más

dólares (a lo menos 280)
La gráfica de una distribución de frecuencias acumuladas se llama ojiva. En el caso de

distribuciones acumuladas del tipo "y menor que" ( Fi (−) ) , esta gráfica indica las
frecuencias acumuladas bajo cada límite exacto de clase de la distribución de frecuencias.
Si esa gráfica de líneas se suaviza, se obtiene la curva llamada ojiva.
2.2.6. DISTRIBUCIÓN DE FRECUENCIA RELATIVA. ( hi )
La frecuencia relativa de una clase o de un intervalo, es la frecuencia de la clase dividida

por el total de casos (N) y se expresa generalmente en forma porcentual
26
AUTÓNOMO
Por ejemplo, la frecuencia relativa de la clase 280 - 299 de la tabla anterior es h3

33
= = 0.33 , lo que al expresarse en porcentaje queda como 33%.
100
La suma de las frecuencias relativas de todas las clases es evidentemente 1 ó 100%,

según se exprese.
Si completamos con frecuencias relativas la tabla anterior, tendríamos:
Salario – semanal xi (marca de fi hi

(dólares) clase)
240 - 259 249.5 7 0.07
260 - 279 269.5 20 0.20
280 - 299 289.5 33 0.33
300 - 319 309.5 25 0.25
320 - 339 329.5 11 0.11
340 - 359 349.5 4 0.04
Total=100 Total=1
Ya hemos dicho que una buena lectura de la frecuencia relativa es la porcentual, o sea
nuestra tabla quedaría:
Salario – semanal xi (marca de fi hi h%

(dólares) clase)
240 - 259 249.5 7 0.07 7
260 - 279 269.5 20 0.20 20
280 - 299 289.5 33 0.33 33
300 - 319 309.5 25 0.25 25
320 - 339 329.5 11 0.11 11
340 - 359 349.5 4 0.04 4
Total=100 Total=1 Total=100
Para no caer en confusiones, elaboremos otra distribución:
Puntajes de una prueba de Mat. de un curso del C.F.T. :
27
AUTÓNOMO
Puntajes xi (marca de clase) fi hi h%

9 - 20 14.5 2 0.04 4
21 - 32 26.5 5 0.10 10
33 - 44 38.5 9 0.18 18
45 - 56 50.5 12 0.24 24
57 - 68 62.5 11 0.22 22
69 - 80 74.5 11 0.22 22
Total = 50 Total = 1 Total = 100
Agreguemos ahora las respectivas frecuencias acumuladas:
Puntajes xi fi hi h% Fi (−) Fi (+ ) H i (−) H i (+ )

9 - 20 14.5 2 0.04 4 2 50 4 100
21 - 32 26.5 5 0.10 10 7 45 14 96
33 - 38.5 9 0.18 18 16 36 32 86
44
45 - 50.5 12 0.24 24 28 24 56 68
56
57 - 62.5 11 0.22 22 39 13 78 44
68
69 - 74.5 11 0.22 22 50 2 100 22
80
Totales 50 1 100
Interpretemos los valores del 4º renglón:
Valores Interpretación
28
AUTÓNOMO
45 - 56 Intervalo de puntajes en estudio
xi = 50.5 La marca de clase o valor central del intervalo en estudio es 50.5
fi = 12 Hay 12 alumnos que obtienen puntajes del intervalo
hi = 0.24 La frecuencia relativa es 0.24 (razón entre fi y el total de alumnos)
h% = 24 Un 24 % de alumnos obtuvo puntajes del intervalo en estudio
Fi (−) = 28 28 alumnos obtienen 56 o menos puntos
Fi (+ ) = 24 24 alumnos obtienen 45 o más puntos
H i (−) = 56 Un 56 % de alumnos obtiene 56 o menos puntos
H i (+ ) = 68 Un 68 % obtiene 45 o m
Las representaciones gráficas de distribuciones de frecuencia relativa pueden obtenerse

del histograma o del polígono de frecuencias, cambiando sólo la escala vertical de
frecuencia, a frecuencia relativa, conservándose exactamente el mismo diagrama que se
muestra en el 2.5 de este capítulo.
29
AUTÓNOMO
1. La tabla muestra una distribución de frecuencias de los salarios semanales en dólares de

65 empleados de una empresa privada imaginaria.
Salarios (dólares) f i (Número de

empleados)
50 – 59.99 8
60 – 69.99 10
70 – 79.99 16
80 – 80.99 14
90 – 90.99 10
100 - 109.99 5
100 - 109.99 2
Total 65
30
AUTÓNOMO
Con referencia a esta tabla determinar:
a) El límite inferior de la sexta clase.
b) El límite superior de la cuarta clase.
c) La marca de clase (o punto medio) de la tercera clase.
d) Los límites reales de la quinta clase.
e) Tamaño del quinto intervalo de clase.
f) Frecuencia de la tercera clase.
g) Frecuencia relativa de la tercera clase.
h) Intervalo de clase que tiene mayor frecuencia.
i) Porcentaje de empleados con salarios menores a $80 por semana.
j) Porcentaje de empleados con menos de $100 pero con $60 semanales al menos.
2. Si las marcas de clase en una distribución de frecuencias de pesos de estudiantes

son
128 , 137, 146 , 155 , 164 , 173 y 182 libras, hallar:
a) El tamaño de intervalo de clase.
b) Los límites reales de clase.
c) Los límites de clase, suponiendo los pesos medidos con aproximación de unidad de libra.
3. Construir una distribución de frecuencias acumuladas del tipo “menos que “y “mas
que “, a partir de la distribución de Frecuencias del problema 1 e interprete la
tercera clase.
31
AUTÓNOMO
SOLUCIÓN TEST AUTOEVALUATIVO 2
1.
a) 100;
b) 89,99
99 . 99 + 100
c) Marca de clase de la tercera clase: = 89 . 995 . En la práctica se redondea a
2
75.
90 + 89.99
d) Límite real inferior de la quinta clase: = 89.995 . Límite real superior de la
2
99.99 + 100
quinta clase : = 99.995
2
32
AUTÓNOMO
e) Tamaño del quinto intervalo de clase = límite real de la quinta clase - límite real inferior
de la quinta clase = 99,995 - 89,995= 10. En este caso todos los intervalos de clase tienen
el mismo tamaño, 10.
f) 16;
16
g) = 0.246 = 24.6%
65
h) 70 - 79,99. Este se conoce también como intervalo de clase modal. Su frecuencia se

llama entonces frecuencia de clase modal
i) Número total de empleados con menos de 80 por semana = 16+10+8= 34. Porcentaje
34
pedido = 52.3%
65
j) Número de empleados con menos de 100 pero con 60 al menos = 10+14+16+10= 50.
50
Porcentaje pedido = 76.9%
65
2.
a) Tamaño de intervalo de clase = diferencia común entre las sucesivas marcas de clase
=137 – 128 = 146 - 137= ...... = 9
b) Puesto que todos los intervalos de clase tienen igual tamaño, los límites reales de clase
están en los puntos medios entre las marcas de clase, y así tenemos los valores:
128 + 137 137 + 146 173 + 182
, ............. , es decir: 132.5, 141.5, 150.5,….., 177.5
2 2 2
El límite real inferior de la primera clase es 132.5 - 9 = 123.5 y el límite real superior de
la última clases es 177.5 + 9 = 186.5, puesto que el tamaño común para todos los Intervalos
de clase es 9 libras. Entonces todos los límites reales de clase vienen dados por
33
AUTÓNOMO
123.5 ; 132.5 ; 141.5 ; 150.5 ; 159.5 ; 168.5 ; 177.5 ; 186.5;
c) Puesto que los límites de clase son números enteros, elegimos los más próximos a los
limites reales de clases, o sea : 123 , 124 , 132, 133 , 141 , 142 , ……. Entonces la primera
clase tiene de límites: 124 – 132; la segunda 133 – 141, etc.
3.
Salarios (dólares) fi Fi (−) Fi (+ )

50 – 59.99 8 8 65
60 – 69.99 10 18 55
70 – 79.99 16 34 39
80 – 80.99 14 48 25
90 – 90.99 10 58 15
100 - 109.99 5 63 10
100 - 109.99 2 65 8
Total 65
Tercera clase:
Valores Interpretación
70 - 79.99 Salarios desde 70 dólares hasta 79.99 dólares
f i = 16 16 operarios ganan desde 70 a 79.99 dólares
Fi (−) =34 Hay 34 operarios que reciben 79.99 o menos dólares
Fi (+ ) =39 Hay 39 operarios que reciben 70 más dólares
34
AUTÓNOMO
35
AUTÓNOMO
UNIDAD III
MEDIDAS DE TENDENCIA CENTRAL
UNIDAD III
INTRODUCCIÓN
En esta unidad aprenderemos a calcular las medidas de tendencia central para datos
agrupados y no agrupados, entre las cuales encontraremos la media aritmética, mediana,
cuarteles deciles y percentiles.
36
AUTÓNOMO
A través de las fórmulas que se presentan, el alumno estará capacitado para obtener un
Sin número de porcentajes de acuerdo a la variable, como por ejemplo, edad, cantidad,
capacidad, valores, etc.
El comportamiento típico de un conjunto de puntajes y su descripción, se realiza median-

te los indicadores estadísticos y que se exponen, para que el alumno aplique y compruebe si
su aprendizaje se profundiza a medida que avanza en el estudio. Los valores de las variables
posibilitan la aplicación y el cálculo de cómo se divide la distribución.
OBJETIVOS
Calcular medidas de tendencia central para datos agrupados y no agrupados
37
AUTÓNOMO
3.1. MEDIDAS DE TENDENCIA CENTRAL.
En esta unidad aprenderemos a calcular las medidas de tendencia central para datos no
agrupados y agrupados, entre las cuales encontraremos la media aritmética, moda, mediana,
cuartiles, deciles y percentiles.
Las medidas de tendencia central, son indicadores estadísticos que permiten describir el
com-
portamiento típico de un conjunto de puntajes.
38
AUTÓNOMO
3.1.1. MEDIA ARITMÉTICA PARA DATOS NO AGRUPADOS.
La media aritmética, llamada también Media, es el promedio de los valores que asume la
Variable.
−
La media aritmética de un conjunto cualquiera con N elementos, se representa por x
y se define como la sumatoria (se anota con la letra sigma, se escribe ) de todos los ∑
xi Dividida por el total de datos, N . Es decir:
−
x=
∑x i
Calcular la media aritmética de los números 8 , 3 ,5 ,12 y 10, Para ello aplicamos nuestra
fórmula:
− 8 + 3 + 5 + 12 + 10
x= =
5
38
=
5
7.6
Esto quiere decir que la media aritmética buscada es igual a 7,6.
Ahora bien, si los números x1 , x 2 , x3 , .......x k se presentan con frecuencias

f1 , f 2 , f 3 ,..............., f k Veces, respectivamente, la media aritmética es:
−
x=
∑x i ⋅ fi
N
Donde N = ∑f i , N es la suma total de las frecuencias, es decir, indica el número total de

casos.
¡Aclaremos con un ejemplo!
En un grupo de 10 niños, sus edades se distribuyen de la siguiente forma:
39
AUTÓNOMO
Tres niños tienen 5 años, dos tienen 8 años, cuatro tienen 6 años y uno tiene 2 años.
Se quiere conocerla edad promedio de los niños, es decir, estadísticamente se requiere
calcular la media aritmética, por lo tanto ordenaremos los datos en una tabla:
xi fi
5 3
8 2
6 4
2 1
N =10
Con estos datos, calculamos la media aritmética:
− 5 ⋅ 3 + 8 ⋅ 2 + 6 ⋅ 4 + 2 ⋅1
x= =
10
15 + 16 + 24 + 2
=
10
5.7
Por lo tanto, la edad promedio del grupo de niños, es 5,7 años.

Como se puede apreciar en los datos del ejemplo, ningún niño tiene la edad promedio.
Esto suele ocurrir en diferentes aplicaciones; entonces resulta conveniente señalar que la
media es un valor representativo de la variable que no necesariamente es asumido por
alguna de las personas que integran el grupo en estudio.
3.1.2. MEDIA ARITMÉTICA CALCULADA A PARTIR DE DATOS AGRUPADOS.
En los datos agrupados, el valor de la variable se presenta en intervalos, por lo que para
calcular la media aritmética, será necesario usar la marca de clase y se asignará por xi .
Entonces para calcularla, usaremos la siguiente fórmula:
−
x=
∑x i ⋅ fi
N
40
AUTÓNOMO
Donde xi es la marca de clase de cada intervalo.
Cada marca de clase se multiplica por la correspondiente frecuencia, luego se suman

los productos obtenidos y se divide por N o sea por el total de casos.
¡Apliquemos esto!
En una pequeña empresa, los sueldos de 50 trabajadores se distribuyen entre 100 mil y
599 mil pesos, como lo indica la siguiente tabla. Se requiere conocer el sueldo promedio de
los Trabajadores.
Sueldos (en miles de fi xi xi ⋅ f i

pesos)
100 - 199 6 149.5 897
200 - 299 8 249.5 1996
300 - 399 15 349.5 5242.5
400 - 499 12 449.5 5394
500 - 599 9 549.5 4945.5
N = 50 ∑ = 18475
Asi:
−
x=
∑x i ⋅ fi
N
− 18475
x= = 369.5
50
Por lo tanto, el sueldo promedio de los trabajadores de la empresa es $369.500.
¡Resulto fácil!
3.1.3. MODA.
41
AUTÓNOMO
La moda en una distribución de frecuencias se define como el valor de la variable que

registra la mayor frecuencia absoluta
En una serie de números, la Moda es aquel valor que se presenta con la mayor frecuencia,
es decir, es el valor más común. Puede presentarse el caso de que exista más de una Moda y
también puede ocurrir que la Moda no exista.
Para comprenderlo mejor, aplicaremos esto a un ejemplo;
En la serie de números 2 , 2 ,5 , 7, 9 , 9, 9 , 10 , 10 , 11 ,12 , 18 la moda es 9 ya que el valor

9 es el único que se repite tres veces (presenta la más alta frecuencia); en cambio, en la
serie
3 , 5 , 8 , 10 , 12 , 15 , 16 no se presenta moda, pues todos los números se presentan sólo
una vez y finalmente, en la serie 2, 3 , 4 , 4 , 4 , 5, 5 , 7 , 7 , 7 , 9 se presentan dos modas, 4
y 7, ambas con frecuencia tres, en cuyo caso diremos que la serie es bimodal .Asi:
• Una distribución con una sola moda, se denomina unimodal

• Si la distribución tiene más de dos modas la llamaremos multimodal
En una distribución de frecuencias con datos agrupados, la moda se encuentra en el

intervalo donde se registra la mayor frecuencia y para calcular su valor exacto, usaremos la
siguiente fórmula:
⎡ d1 ⎤
Mo = L1 + ⎢ ⎥ ⋅C
⎣ d1 + d 2 ⎦
Donde:
42
AUTÓNOMO
L1 = Limite real inferior del intervalo en que se encuentra la moda.
d 1 = Diferencia entre la frecuencia en que se ubica la moda y la frecuencia del intervalo

anterior a ella.
d 2 = Diferencia entre la frecuencia en que se ubica la moda y la frecuencia del intervalo

siguiente a ella.
C = tamaño o amplitud de intervalo (limite real superior- límite real inferior)
¡Apliquemos esto!
Calcularemos la moda en la siguiente distribución de frecuencias que muestra los puntajes
Obtenidos por un grupo de 400 deportistas, en un test de resistencia:
Puntajes fi
100 - 199 14
200 - 299 46
300 - 399 58
400 - 499 76
500 - 599 68
600 - 699 62
700 - 799 48
800 - 899 22
900 - 1000 6
N = 400
Sabemos que en una distribución de datos agrupados, la moda se encuentra en el interva-

lo de mayor frecuencia. La mayor frecuencia es 76, por lo que la moda se encuentra entre
los 400 y 499 puntos. Ahora apliquemos la fórmula:
⎡ d1 ⎤
Mo = L1 + ⎢ ⎥ ⋅C
⎣ d1 + d 2 ⎦
Los datos son los siguientes:
43
AUTÓNOMO
L1 =399,5
d 1 =76-58=18
d 2 = 76 - 68 = 8
C =100
Por lo tanto tenemos:
⎡ d1 ⎤
Mo = L1 + ⎢ ⎥ ⋅C
⎣ d1 + d 2 ⎦
⎡ 18 ⎤
= 399.5 + ⎢ ⋅ 100
⎣18 + 8 ⎥⎦
= 468.73
Finalmente, como la moda es 468,5; implica que el puntaje que más se repitió entre los
deportistas, en el test aplicado, es 468,5 puntos.
3.1.4. MEDIANA.
La mediana es el valor de la variable que divide la distribución en dos partes iguales, es

decir, deja sobre y bajo sí al 50% de los casos.
En los datos no agrupados, si el estudio considera un número de elementos impar, la

Mediana es el valor central de ellos, pero si el número de datos es par, corresponde al
promedio de los dos valores centrales.
Tomemos los siguientes casos como ejemplos para aplicar lo expresado.
En el conjunto de datos M = { 3 , 4 , 4 , 5 , 6 , 7 , 7, 9,10 } la mediana es 6, porque el

conjunto tiene nueve elementos, tiene número impar de elementos y el valor central es 6
44
AUTÓNOMO
En el conjunto de datos T = {5 , 5 , 6 , 9 , 11 , 13 , 16 , 20 } , la mediana es 9+11 12 = 20/2 =

10, porque el conjunto tiene número par de elementos, entonces se calculó el promedio de
los dos valores centrales y se obtuvo la mediana igual a 10.
Al igual que la media suele ocurrir que nadie obtiene el valor que asume mediana , lo cual es
totalmente válido.
Para calcular la mediana en datos agrupados aplicaremos la siguiente fórmula:
⎡ N − Fi −1 ⎤
Me = L1 + ⎢ 2 ⎥ ⋅C
⎣ fi ⎦
Donde:
Me = mediana
L1 = límite real inferior del intervalo en que se ubica la mediana.
N = número total de datos de la distribución.
Fi −1 = frecuencia absoluta acumulada del intervalo anterior al que contiene a la mediana.
f i = frecuencia (no acumulada), correspondiente al intervalo que contiene a la mediana
C = tamaño o amplitud del intervalo.
Poro comprender mejor el cálculo de la mediana,

¡Apliquémoslo!
45
AUTÓNOMO
El valor de la hora de trabajo de 100 personas, se distribuye según indica la siguiente
tabla:
fi Fi(−)
Fronteras
2400 - 2600 7 7
2600 - 2800 20 27
2800 - 3000 33 60
3000 - 3200 25 85
3200 - 3400 11 96
3400 - 3600 4 100
N = 100
• Lo primero es ubicar el intervalo que contiene a la mediana.
Para ello, en la columna de las frecuencias acumuladas se busca el valor igual o mayor al
50% del total de casos; como son 100 casos, deberá ser igual o superior a 50. En la tabla, la
frecuencia acumulada que marca 60, indica el intervalo en que se encuentra la mediana.
Esto quiere decir que el valor de la mediana estará ubicado entre 2.800 y 3.000.
• Ahora, para calcularía aplicamos la fórmula, para lo cual ordenaremos los datos:
L1 = 2.800
N
N = 100 → = 50
2
Fi = 27
f i = 33
C = 200
Así:
46
AUTÓNOMO
⎡ N − Fi −1 ⎤
Me = L1 + ⎢ 2 ⎥ ⋅C
⎣ fi ⎦
⎡ 50 − 27 ⎤
= 288 + ⎢ ⋅ 200
⎣ 33 ⎥⎦
= 2938
Finalmente encontramos que la mediana es 2.938, esto implica que en la distribución,

ese valor es el que la divide en dos partes ¡guales.
Las conclusiones pueden expresarse de cualquiera de las siguientes formas:
• El 50% de los casos, obtiene por hora de trabajo, menos de $2.938 y el otro 50% obtiene
más que esa cantidad.
• De los 100 trabajadores considerados en este caso, 50 de ellos reciben, por hora de
trabajo, entre $2.400 y $ 2.938 y 50 de ellos reciben más que $2.938 con un máximo de
$3.600.
3.1.5. CUARTILES DECILES Y PERCENT1LES.
Sabemos que en un conjunto de datos, el valor medio que divide al conjunto en dos partes
iguales, es la mediana. Aprovechando la misma idea, se pueden calcular aquellos valores de la
variable que dividen la distribución en cuatro partes iguales. Estos valores, son los llamados
cuartiles.
Loa cuartiles son los valores que dividen la distribución en cuatro partes iguales
47
AUTÓNOMO
Los cuartiles se designan con la letra Q y cada uno de ellos separa la distribución en 25%.
Así tenemos que:
• Cuartil uno, denominado Q1 es el valor de la variable que marca el límite del primer cuarto
(1/4) de la distribución o lo que es lo mismo, el primer 25% de ella, en consecuencia deja
sobre ella, el 75% restante.
• Cuartil dos, denominado Q2 , es el valor de la variable que divide la distribución en dos

parte iguales y por lo tanto coincide con la mediana (2/4 = ½) entonces diremos que:
Q2 = Me
• Cuartil tres, denominado Q3 es el valor de la variable que marca el limite de los tres
cuartos (3/4) de la distribución, es decir, es el valor hasta donde se ubica el 75% de la
distribución, en consecuencia deja sobre sí, al 25% restante.
Para calcularlos usaremos la misma fórmula de la mediana, pero con el ajuste correspon-
diente, quedando lo siguiente:
⎡ N − Fi −1 ⎤
Q1 = L1 + ⎢ 4 ⎥ ⋅C
⎣ fi ⎦
⎡ N − Fi −1 ⎤
Q2 = Me = L1 + ⎢ 2 ⎥ ⋅C
⎣ f i ⎦
⎡ 34N − Fi −1 ⎤
Q3 = L1 + ⎢ ⎥ ⋅C
⎣ fi ⎦
Usando el mismo ejemplo que tomamos para calcular la mediana, calcularemos los
Quartiles.
48
AUTÓNOMO
Puntajes fi Fi (−)
(fronteras)
2400 - 2600 7 7
2600 - 2800 20 27
2800 - 3000 33 60
3000 - 3200 25 85
3200 - 3400 11 96
3400 - 3600 4 100
N = 100
Asi:
Q1 → 25% De la distribución (25) → Fi = 27 → 2600 − 2800
Luego :
⎡ N − Fi −1 ⎤
Q1 = L1 + ⎢ 4 ⎥ ⋅C
⎣ fi ⎦
⎡ 25 − 7 ⎤
= 2600 + ⎢ ⋅ 200
⎣ 20 ⎥⎦
= 2780
Q1 = 2.780
Como el cuartil uno es 2.780, este valor marca el primer 25% de la distribución, dejando
sobre ella al 75% restante. Esto nos permite dar las siguientes conclusiones:
49
AUTÓNOMO
• El 25 % de las personas contempladas en este estudio, recibe por hora de trabajo,

entre $2.400 y $2.780, en tanto que el 75% de ellas recibe más de $2.780 y hasta
$3.600.
• El 25% de las personas recibe por hora de trabajo, menos de $2.780 y el 75% de
ellas recibe más de $2.780.
• El estudio revela que un cuarto de las personas consideradas, obtiene por hora de
trabajo entre $2.400 y $2.780, mientras que tos tres cuarto de ellos, reciben más
de $2.780 y hasta $3.600 por hora trabajada.
Como la mediana la calculamos antes, y sabemos que e! cuartil dos es igual a la mediana
entonces, Q2 = 2.938.
Ahora calcularemos Q3, que se ubica en el intervalo donde la frecuencia absoluta acumu-
lada marca 85, ya que ésta debe ser igual o mayor ai 75% del total de casos.
Esto implica que Q3 tomará un valor entre 3.000 y 3.200.
De este modo:
⎡ 3 N − Fi −1 ⎤
Q3 = L1 + ⎢ 4 ⎥ ⋅C
⎣ fi ⎦
⎡ 75 − 60 ⎤
= 3000 + ⎢ ⎥ ⋅ 200
⎣ 25 ⎦
= 3120
Q1 = 2.780
Las conclusiones de esto:
• El 75% de las personas consideradas en el estudio, obtiene entre $2.400 y $3.120, por
hora de trabajo, en tanto que sólo un 25% obtiene más de esa cantidad, pero con tope de
$3.600 por hora.
50
AUTÓNOMO
• El estudio realizado sobre el valor hora de trabajo que perciben 100 personas, revela que
75 de ellas reciben entre $2.400 y $3.120 y 25 restantes reciben más de esa cantidad pero
menos que $3.600.
Resulta muy importante señalar que entre el cuartil uno y el cuartil tres, se encuentra el
50% central de los casos en estudio. Por cierto, si el cuartil uno indica el valor de la variable
que marca el primer 25% de los casos y el cuartil tres es el valor de la variable que señala el
75% de los casos, entonces entre Q1 y Q3 se encuentra el 50% central.
En el ejemplo desarrollado anteriormente, Q1 = 2.780 y Q 3 = 3.120, entonces podemos

decir, que:
• En el estudio realizado sobre el valor de la hora de trabajo, reveló que los valores más
bajos fluctúan entre $2.400 y $2.780 los cuates son percibidos por el 25% de ellas, en
tanto el 50% de las personas perciben entre $2.780 y $3.120 por la hora de trabajo y sólo
el 25% supera esa cantidad, llegando hasta un valor de $ 3.600.
Análogamente, los valores de la variable que dividen la distribución en diez partes ¡gua-
les se denominan Deciles y se representan por D1 , D2 ……. hasta D9 , mientras que los
valores de la variable que dividen la distribución en cien partes iguales, se denominan
percentiles y se representan por P1 , P2 , ,.........hasta P999 .
o El decil uno, D1 , es el valor de la variable correspondiente al 10% de la distribución.

o El decil dos, D2 , es el valor de la variable correspondiente al 20% de ella ,
o D3 , al 30% y así sucesivamente. Entonces ocurre que:
D5 = Q2 = Me
¡Fantástico! ¡Ya sabemos calcularlo!
El percentil uno, P1 , corresponde al uno por ciento de la distribución; el percentil dos, P2 ,

al 2% de ella; el percentil tres, P3 , al tres por ciento; y así sucesivamente. Por lo que el
percentil Veinticinco, P25 = Q1 , el percentil setenta y cinco, P75 = Q3 y claro está :
51
AUTÓNOMO
P50 = D5 = Q2 = Me
Recordemos que en la fórmula de trabajo lo único que varía es el factor de N , el cuál

corresponde al porcentaje que señala el decil o percentil a calcular. Si se trata de deciles
se divide por 10 y si son percentiles por 100
Es como pensar así :
• Si calculamos un decil cualquiera (x) , tenemos:
⎡ x⋅ N − Fi −1 ⎤
D x = L1 + ⎢ 10 ⎥ ⋅C
⎣ fi ⎦
• Si calculamos percentiles:
⎡ x⋅ N − Fi −1 ⎤
Px = L1 + ⎢ 100 ⎥ ⋅C
⎣ fi ⎦
Ejemplifiquemos usando la tabla de datos anteriores:
Fronteras fi Fi (−)
2400 - 2600 7 7
2600 - 2800 20 27
2800 - 3000 33 60
3000 - 3200 25 85
52
AUTÓNOMO
3200 - 3400 11 96
3400 - 3600 4 100
N = 100
i) Para D3 tenemos que el 30% de 100 es 30, por lo tanto, D3 se ubica en el intervalo cuya
frecuencia acumulada marca 60, por lo tanto, D3 se encuentra entre los valores 2.800 y
3.000;
los datos son:
L1 = 2.800
3N
= 30
10
Fi =60
Fi −1 = 27
f i= 33
C = 200
Asi:
⎡ 3 N − Fi −1 ⎤
D3 = L1 + ⎢ 10 ⎥ ⋅C
⎣ fi ⎦
⎡ 30 − 27 ⎤
= 2800 + ⎢ ⎥ ⋅ 200
⎣ 33 ⎦
= 2818
53
AUTÓNOMO
D3 = 2818
i) Para P42 tenemos que el 42% de 100 es 42, por lo tanto, P42 se ubica en el intervalo cuya
frecuencia acumulada marca 60, por lo tanto, P42 se encuentra entre los valores 2.800 y
3.000;
los datos son:
L1 = 2.800
42 N
= 42
100
Fi =60
Fi −1 = 27
f i= 33
C = 200
Asi:
⎡ 42 N − Fi −1 ⎤
P42 = L1 + ⎢ 100 ⎥ ⋅C
⎣ fi ⎦
⎡ 42 − 27 ⎤
= 2800 + ⎢ ⋅ 200
⎣ 33 ⎥⎦
= 2890
54
AUTÓNOMO
P42 = 2.890
Ejercicio interesante:
Sea la distribución siguiente:
212 puntajes de un test de habilidades:
350 – 399 4 4
400 – 449 6 10
450 – 499 9 19
500 – 549 20 39
550 - 599 31 70
600 – 649 80 150
650 – 699 42 192
700 – 749 10 202
750 – 799 8 210
800 - 849 2 212
212
Interesa determinar que % de alumnos obtuvieron resultados entre 620 y 680 puntos:
Sol:
• Sea Px = 620 puntos, donde x es un porcentaje desconocido. Así:
55
AUTÓNOMO
⎡ 212 ⎤
⎢ x ⋅ 100 − 70 ⎥
Px = 599.5 + ⎢ ⎥ ⋅ 50
⎢ 80 ⎥
⎢⎣ ⎥⎦
⎡ 2.12 x − 70 ⎤
620 = 599.5 + ⎢ ⎥ ⋅ 50
⎣ 80 ⎦
Donde :
x = 48.49 %
• De igual modo: Sea Py = 680 puntos, donde y es un porcentaje desconocido. Así:
⎡ 212 ⎤
⎢ y ⋅ 100 − 150 ⎥
Py = 649.5 + ⎢ ⎥ ⋅ 50
⎢ 42 ⎥
⎢⎣ ⎥⎦
⎡ 2.12 y − 150 ⎤
680 = 649.5 + ⎢ ⎥⎦ ⋅ 50
⎣ 42
Donde :
y = 82.84 %
y por lo tanto: El porcentaje buscado es : 82.84 % - 48.49 % = 34.4 % de alumnos
56
AUTÓNOMO
1. Las calificaciones de un estudiante en seis pruebas fueron 84, 91, 72,68, 87 y 78.
Encuen-
tre la media aritmética de las calificaciones.
2. Los salarios anuales de cuatro hombres fueron $5.000, $6.000, $6.500 y $30.000.
Encuentre la media aritmética de sus salarios.
3. De un total de 100 números, 20 eran 4, 40 eran 5, 30 eran 6 y el resto eran 7. Encuentre

la media aritmética de los números.
4. Cuatro grupos de estudiantes, formados por 15, 20,10 y 18 individuos registran los
siguientes pesos: 162,148, 153 y 140 libras, respectivamente. Encuentre el peso medio de
todos los estudiantes.
5. Los puntajes un deportista en seis pruebas fueron 84, 91, 72,68, 87 y 78. Calcule la
mediana de los puntajes.
6. Los honorarios de cinco empleados de una oficina son $2,52; $3,96; $3,28; $9,20 y
$3,75. Encontrar:
(a) la mediana del salario honorario,
(b) la media del salario honorario.
7. Calcule la media, mediana y moda en las colecciones de números:
(a) 3, 5, 2, 6, 5, 9, 5, 2, 8, 6;
(b) 51,6; 48,7; 50, 3; 49,5:48,9.
8. Calcule los cuartiles Q1 , Q2 y Q3 y los deciles D1 , D2 , D9 de los salarios de los 65

Empleados de una Empresa presentados en la tabla siguiente:
Salarios (dólares) f i (Número de

empleados)
50 – 59.99 8
60 – 69.99 10
57
AUTÓNOMO
70 – 79.99 16
80 – 80.99 14
90 – 90.99 10
100 - 109.99 5
100 - 109.99 2
Total 65
9. Determinar: el percentil 35, el percentil 60, para la distribución del problema anterior.
10. En la distribución:
350 – 399 4 4
400 – 449 6 10
450 – 499 9 19
500 – 549 20 39
550 - 599 31 70
600 – 649 80 150
650 – 699 42 192
700 – 749 10 202
750 – 799 8 210
800 - 849 2 212
212
a) Calcula P5 y P95
b) Determina el percentil al que corresponde el valor 582.4 puntos
c) Que % de alumnos obtuvo entre 400 y 600 puntos
58
AUTÓNOMO
SOLUCIONARIO TEST AUTOEVALUATIVO 3
1.
−
X =
∑X i
=
84 + 91 + 72 + 68 + 87 + 78 480
= = 80
N 6 6
2. X =
−
∑X i
=
5000 + 6000 + 6500 + 30000 47500
= = 11875
N 4 4
3.
−
X =
∑f X i i
=
20 ⋅ 4 + 40 ⋅ 5 + 30 ⋅ 6 + 10 ⋅ 7 530
= = 5.30
N 100 100
4.
−
X =
∑fX i i
=
15 ⋅ 162 + 20 ⋅ 148 + 10 ⋅ 153 + 18 ⋅ 140
= 150
∑f i 15 + 20 + 10 + 18
5. Puestos en orden, los puntajes son 68, 72 , 78 , 84 , 87 , 91 . Al haber un número par

78 + 84
de términos hay dos valores centrales, 78 y 84, cuya media aritmética es
2
la mediana pedida.
6. a) Puestos en orden los honorarios son 2,52; 3,28; 3,75; 3,96; 9,20. Puesto que hay un
número impar de términos, hay solamente un valor medio 3,75 que será la mediana
pedida.
b) La media aritmética es (2,52+3,96+3,28+9,20+3,75)/5= 4,54.
Nótese que la mediana no viene afectada por el valor extremo 9,20, mientras que la media
sí lo está. En este caso la mediana da una mejor información que la media sobre el salario
horario.
7. a) Puestos en orden de magnitud, los números son 2 , 2 , 3 , 5 , 5 , 5 , 6 , 6 , 8 , 9 .
59
AUTÓNOMO
2+ 2+3+5+5+5+ 6+ 6+8+9
Media = = 4.54
10
5+5
Mediana = media aritmética de los valores centrales = =5
2
Moda = número que se presenta con mayor frecuencia = 5.
b) Puestos en orden de magnitud, los números son 48,7; 48,9; 49,5; 50,3; 51,6.
48.7 + 48.9 + 49.5 + 50.3 + 51.6

Media = = 49.8
5
Mediana = número central = 49,5.
Moda = número que se presenta con mayor frecuencia; aquí no existe.
8)
Q1 = 68.25
Q2 = 79.06
Q3 = 90.75
D1 = 58.12
D2 = 59.995
D9 = 101.00
9)
P35 = 72.97
P60 = 83.57
10)
60
AUTÓNOMO
a) P5 = 452.8 , P95 = 746.5

b) P28
c) 31.5 %
Interesante:
Una técnica de recuento y ordenación de datos la constituye los diagramas de Tallos y

Hojas.
Supongamos la siguiente distribución de frecuencias
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
que representan la edad de un colectivo de N = 20 personas y que vamos a reprensar

mediante un diagrama de Tallos y Hojas.
Comenzamos seleccionando los tallos que en nuestro caso son las cifras de decenas, es decir
3, 2, 4, que reordenadas son 2, 3 y 4.
A continuación efectuamos un recuento y añadimos a cada hoja a su tallo
Así , tenemos
Por último reordenamos las hojas y hemos terminado el diagrama
61
AUTÓNOMO
Los expertos dirán que dicha representación es un histograma.
Los diagramas de Tallos y Hojas además de ser fáciles de elaborar, presentan más
información que los histogramas, como veremos más adelante.
Podemos comparar, mediante estos diagramas, dos distribuciones. Supongamos una segunda
distribución
35 38 32 28 30 29 27 19 48 40
39 24 24 34 26 41 29 48 28 22
De ella podemos elaborar sus diagrama de Tallos y Hojas y compararla con la anterior.
Teniendo en cuenta que con las representaciones anteriores los datos están ordenados,
podemos aprovechar estas disposiciones para representar los diagramas de Cajas y Bigotes
(boxplots ) .
Estos diagramas se basan en los siguientes parámetros de la distribución: valor mínimo, los
cuartiles Q 1, Q 2 y Q 3 y el valor máximo.
62
AUTÓNOMO
Para la primera distribución
Su diagrama de Cajas y Bigotes es
Cuartiles
Cuartil Primero (Q1). Es el valor mayor que el 25% de los valores de la distribución. Para la
misma, como N = 20 resulta que N/4 = 5; la media aritmética de dicho valor y el siguientes
es
(24 + 25) / 2 = 24,5
Análogamente se calculan los restantes cuartiles.
El Segundo Cuartil Q2 es, evidentemente, la mediana de la distribución
El Tercer Cuartil es el valor que sobrepasa al 75% de los valores de la distribución.

En nuestro caso, como 3N / 4 = 15, resulta:
(39 + 39) / 2 = 39
Podemos obtener abundante información de una distribución a partir de dichas

representaciones. Veamos alguna.
63
AUTÓNOMO
o
La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las
edades comprendidas entre el 25% y el 50% de la población está más dispersa que
entre el 50% y el 75%.
o
El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha; por ello el
25% de los más jóvenes están más concentrados que el 25% de los mayores.
o
El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población está está
comprendido en 14,5 años.
o
Seguro que tú podrás obtener más información (¡Utiliza la mediana!).
Por último, comparamos, mediante los diagramas de Cajas y Bigotes, las dos distribuciones
tratadas.
A partir de dicha comparación puede obtenerse bastante información de ambas

distribuciones.
TE LO DEJO COMO DESAFIO…
64
AUTÓNOMO
UNIDAD IV
MEDIDAS DE DISPERSION
65
AUTÓNOMO
UNIDAD IV
INTRODUCCIÓN
En esta unidad se utilizarán fórmulas para calcular las medidas de dispersión de datos
Agrupados, que permiten establecer la desviación media y que darán a conocer un valor
absoluto, a través del conjunto de datos definido como la sumatoria de los cuadrados de las
desviaciones, dividido por el total de casos.
Se dará a conocer, la desviación estándar o típica, donde se obtiene un promedio diferen-

te a la media aritmética.
Los ejercicios de aplicación, pondrán al alumno en contacto con su aprendizaje, los que
podrá contrastaren el anexo con las respuestas correctas.
66
AUTÓNOMO
OBJETIVOS
1. Calcular medidas de dispersión para datos agrupados.
67
AUTÓNOMO
4.1. CÁLCULO DE MEDIDAS DE DISPERSIÓN PARA DATOS AGRUPADOS.
4.1.1. RANGO.
El rango (R) de un conjunto de datos es la diferencia entre el mayor y menor de todos ellos
Ejemplo:
El rango de los números 2, 3, 3 , 5 , 5 , 8 , 10 , 12 es R = 12 – 2 = 10.
4.1.2. DESVIACIÓN PROMEDIO O DESVIACIÓN MEDIA.
Se entiende por el promedio de las desviaciones (alejamientos) de cada uno de los valores
respecto de un valor referencial (generalmente la media aritmética)
Su fórmula de trabajo es:
68
AUTÓNOMO
−
∑ xi − x
DM =
N
−
En donde xi − x es el valor absoluto de las desviaciones de las diferentes xi respecto de
−
x . (El
valor absoluto de un número, es el mismo número sin asociarle signo alguno y se indica por
dos barras verticales a ambos lados del número.
Ejemplo:
Hallar la desviación media de los números 2 , 3 , 6 , 8 , 11.
− 2 + 3 + 6 + 8 + 11
• Calculemos la madia aritmética: x= =6
5
• Ordenemos la información:
xi −
xi − x
2 4
3 3
6 0
8 2
11 5
∑ 14
Así :
69
AUTÓNOMO
−
∑ xi − x
DM =
N
14
= = 2.8
5
Si se presentan frecuencias, la desviación media queda:
−
∑ f i xi − x
DM =
N
Donde: N = ∑f i
4.1.3. VARIANZA.
La varianza ( s 2 ) de un conjunto de datos se define como la sumatoria de los cuadrados de

las desviaciones dividido por el total de casos en estudio.
Asi:
2
⎛ −
⎞
∑ ⎜
⎝
x i − x ⎟
⎠
s =
2
Si el estudio se refiere a una varianza muestral, se representa por s 2 y se divide por n-1 y
si se refiere a la varianza poblacional, se designa por σ 2 y se divide por N.
Al sacar la raíz cuadrada de la varianza resulta lo que se denomina desviación estándar,

llamada también desviación típica, por lo tanto desviación estándar es:
Raíz cuadrada de la varianza:
70
AUTÓNOMO
2
⎛ −
⎞
∑ ⎝ i ⎟⎠
⎜ x − x
s=
N
Cuando los datos vienen dados por una distribución de frecuencias s queda dado por la
Siguiente fórmula:
2
⎛ −
⎞
∑ f i ⎜ xi − x ⎟
⎝ ⎠
s=
N
Al igual que en la varianza, cuando se trata de la desviación estándar de una población, se

divide por N, en cambio si el estudio se trata de calcular la desviación estándar de una
muestra se divide por n- 1.
4.1.4. PROPIEDADES DE LA DESVIACIÓN ESTÁNDAR.
∑ (x − a)
2
1. La desviación típica puede definirse como s = Donde a es un promedio que

i
N
puede ser distinto de la media aritmética. De todas las desviaciones típicas, la mínima es
−
aquella para la que a = x , a causa de una propiedad que, suministra una razón de peso para
definir la desviación típica, como se ha definido anteriormente.
2. Para distribuciones normales, resulta que:
− −
a) El 68,27% de los casos están comprendidos entre x − s y x + s . (es decir, el valor de
la desviación típica a ambos lados de la media).
− −
b) El 95,45% de los casos están comprendidos entre x − 2 s y x + 2 s . (es decir, el doble
del valor de la desviación típica a ambos lados de la media).
− −
c) El 99,73% de los casos están comprendidos entre x − 3s y x + 3 s . (es decir, el triple del
71
AUTÓNOMO
valor de la desviación típica a ambos lados de la media).
3. Supóngase dos series de datos de N 1 y N 2 números (o dos distribuciones de

frecuencia con frecuencias totales N 1 y N 2 ) cuyas variaciones vienen dadas por
−
s12 y s 22 , respectivamente,y que tienen la misma media x . Entonces, la varianza
combinada para ambas series (o ambas distribuciones de frecuencia), está dada por:
N 1 s12 + N 2 s 22
s2 =
N1 + N 2
Esta es una media aritmética ponderada de las varianzas. Este resultado puede genera-
lizarse a 3 ó más series de datos.
Realicemos un ejercicio para calcular Medidas de Dispersión de datos agrupados. Para esto
consideremos nuestra distribución del capítulo anterior:
− − −
− 2
xi − x f i ⋅ xi − x xi − x f i ⋅ xi − x
Salario xi fi xi ⋅ f i
240 - 249.5 7 1746.5 45 315 2025 14175
259
260 - 269.5 20 5390 25 500 625 12500
279
280 - 289.5 33 9553.5 5 165 25 825
299
300 - 309.5 25 7737.5 15 375 225 5625
319
320 - 329.5 11 3624.5 35 385 1225 13475
72
AUTÓNOMO
339
340 - 349.5 4 1398 55 220 3025 12100
359
Totales: 100 29450 1960 58700
• Calculemos la media aritmética:
−
x=
∑x i ⋅ fi
n
− 29450
x= = 294.5
100
−
• Con el valor anterior, construimos la columna de las desviaciones xi − x
−
• Como se trata de datos agrupados, construimos la columna f i ⋅ xi − x
• De esta forma podemos calcular la desviación media de la distribución:
−
∑f i xi − x
DM =
N
1960
DM =
100
DM = 19.6
Lo que se interpreta : El promedio de los alejamientos de la muestra en estudio respecto

−
del valor referencial x es 19.6 puntos
− 2
• Construyamos ahora la columna: xi − x
73
AUTÓNOMO
− 2
• Como es una distribución de datos agrupados , fabriquemos la columna f i ⋅ xi − x
• Calculemos entonces la desviación típica o estándar:
2
⎛ −
⎞
∑ f i ⎜ xi − x ⎟
⎝ ⎠
s=
N
58700
s=
100
s = 587
s = 24.228 ≈ 24.23
• Además. La varianza es : s 2 = 587
• Como un complemento interesante, si calculamos los Cuarteles inferior ( Q1 ) y

superior
( Q3 ) . Es decir:
Salario – semanal xi (marca de fi Fi (−)

(dólares) clase)
240 - 259 249.5 7 7
Q1 260 - 279 269.5 20 27
280 - 299 289.5 33 60
Q3 300 - 319 309.5 25 85
320 - 339 329.5 11 96
340 - 359 349.5 4 100
Total =100
74
AUTÓNOMO
⎡ N − Fi −1 ⎤
Q1 = L1 + ⎢ 4 ⎥ ⋅C
⎣ fi ⎦
⎡ 25 − 7 ⎤
Q1 = 259.5 + ⎢ ⋅ 20
⎣ 20 ⎥⎦
Q1 = 277.5
⎡ 3 N − Fi −1 ⎤
Q3 = L1 + ⎢ 4 ⎥ ⋅C
⎣ fi ⎦
⎡ 75 − 60 ⎤
Q3 = 299.5 + ⎢ ⋅ 20
⎣ 25 ⎥⎦
Q3 = 311.5
Luego, se tiene la medida de desviación : Rango semi-intercuartil o Desviación cuartil:
Q3 − Q1
DQ =
2
311.5 − 277.5
DQ =
2
DQ = 17
• Además, nótese que el 50 % de los casos cae entre Q1 y Q 3 , es decir 50 operarios

ganan entre 277.5 y 311.5 dólares, así que podemos considerar a la expresión:
Q3 + Q1
Q= como una medida de centralización, de esta forma:
2
75
AUTÓNOMO
Q3 + Q1
Q=
2
311.5 + 277.5
Q=
2
Q = 294.5
−
Nota: este valor coincide incluso con x
4.1.5 PUNTAJES TIPIFICADOS
Conocido un puntaje cualquiera x de una distribución, lo podemos expresar en términos de

la desviación típica o estándar.
−
En un conjunto de datos, si la media aritmética es x y la desviación típica s , entonces el
valor tipificado o estandarizado z de un dato x es:
−
x−x
z=
s
−
Es claro que el puntaje z correspondiente a x es 0. Ya que:
76
AUTÓNOMO
− −
x− x 0
z= = =0
s s
Ejemplo:
Suponga las notas de Juan:
2 - 3.9 - 5 - 5.9 - 6.2
• Calculemos la media aritmética:
−
x=
∑ x = 2 + 3.9 + 5 + 5.9 + 6.2 = 4.6
N 5
• Obtengamos la desviación típica:
∑ ⎛⎜⎝ xi − x ⎞⎟⎠
−
s=
N
(2 − 4.6) 2 + (3.9 − 4.6) 2 + (5 − 4.6) 2 + (5.9 − 4.6) 2 + (6.2 − 4.6) 2

s=
5
s = 1.53
Así:
2 − 4.6 −
Para la nota 2 : z= = −1.7 ; la nota 2 se encuentra a 1.7 s (por debajo de x )
1.53
3.9 − 4.6
Para la nota 3.9 : z= = −0.5 ; la nota 3.9 se encuentra a 0.5 s (por debajo de
1.53
−
x )
77
AUTÓNOMO
5 − 4.6 −
Para la nota 5 : z= = 0.3 ; la nota 5 se encuentra a 0.3 s (por encima de x )
1.53
5.9 − 4.6 −
Para la nota 5.9 : z= = 0.8 ; la nota 5.9 se encuentra a 0.8 s (por encima de x
1.53
)
6.2 − 4.6 −
Para la nota 6.2 : z= = 1 ; la nota 6.2 se encuentra a 1 s (por encima de x )
1.53
Es claro que las notas quedan ordenadas en referencia a la cantidad de desviaciones

−
estándar o típicas respecto de x
Ejemplo: Un alumno obtuvo un 5.4 en Estadística y un 5.7 en Álgebra. Si los promedios

generales en las asignaturas fueron respectivamente 4.8 y 5.0 mientras que las desviaciones
típicas 0.6 y 0.8. Se pide concluir en que asignatura se logró un lugar relativo mejor.
Solución:
5.4 − 4.8 5.7 − 5.0

Estadística: z = =1 Álgebra: z = = 0.875
0.6 0.8
Conclusión: Mejor en Estadística que en Álgebra, aún teniendo nota mas alta en Álgebra.
4.1.6 COEFICIENTE DE VARIACIÓN (CV)
78
AUTÓNOMO
El coeficiente de variación, C.V., es el cociente entre la desviación típica y la media de la

distribución:
s
CV = −
x
Este parámetro sirve para relativizar el valor de la desviación típica y así poder comparar la
dispersión de dos poblaciones estadísticas con gamas de valores muy discretas. Por ejemplo,
−
si en una compañía mexicana los salarios de los empleados tienen una media x1 = 7.000
pesos y una desviación típica s1 = 500 pesos y en otra empresa española la media de los
−
salarios es x 2 200.000 pesetas y la desviación típica s 2 = 40.000 pesetas, para comparar la
dispersión de salarios se recurre al coeficiente de variación:
C.V.1 = 500/7.000 = 0,07
C.V.2 = 40.000/200.000 = 0,2
Se aprecia así que en la primera compañía los salarios tienen menor dispersión que en la
segunda.
79
AUTÓNOMO
1. Hallar el rango de cada una de las series de números:
a) 12, 6, 7, 3, 15, 10, 18, 5
b) 9, 3, 8, 8, 9, 8, 9, 18.
2. Encuentre la desviación media de las series de números del problema 1.
3. Encuentre la desviación estándar, de cada una de las dos series de números, del problema
Anterior.
4. Encuentre la varianza de las series de números del problema 1.
5. Dadas las series de números2, 5, 8, 11, 14 y 2, 8, 14, hallar la:
80
AUTÓNOMO
a) Media de cada serie,
b) Varianza de cada serie,
c) Media de las dos series combinadas,
d) Varianza de las dos series combinadas.
6) Sea la distribución:
350 – 399 4 4
400 – 449 6 10
450 – 499 9 19
500 – 549 20 39
550 - 599 31 70
600 – 649 80 150
650 – 699 42 192
700 – 749 10 202
750 – 799 8 210
800 - 849 2 212
212
a) Determine la desviación típica
b) Determine la varianza
SOLUCIONARIO TEST AUTOEVALUATIVO 4
1)
a) 15
b) 15
2)
a) DM = 4.25
b) DM = 2.25
3)
a) s = 4.87
b) s = 3.87
81
AUTÓNOMO
4)
a) s2 = 23.75
b) s2 = 15
5)
− −
a) x = 8 , x=8
b) s2 = 18 , s2 = 24
c) Media combinada = 8
d) Varianza combinada = 20.25
6)
a) s = 81.49 Pts.
b) s2 = 6640.6
82
AUTÓNOMO
Bibliografía:
Canavos, George : Probabilidad y Estadística. Mc Graw Hill. España 1993.

651pp
Chao, Lincon : Estadística para las ciencias administrativa. Mc Graw

Hill. Co-
Lombia Bogotá. 1993
83

Estadistica General

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

Estadistica General

Cargado por

Copyright:

Formatos disponibles

Instituto Profesional Diego Portales

AUTOR: LUIS FIERRO REYES

Luís Fierro Reyes:

Profesor De Matemáticas, titulado en la Pontificia Universidad Católica de Chile. Posee

Inicia su carrera impartiendo docencia y especializándose en Educ. de Adultos.

Dentro de su desarrollo curricular encontramos también un constante perfeccionamiento

El propósito principal de este apunte es el iniciar al estudiante en la comprensión

Este módulo de Estadística Básica ha sido creado siguiendo de muy cerca el

También, vale la pena señalar que en el desarrollo del presente texto, se ha

¡¡Mucha suerte y hasta pronto!! Luis Fierro R.

Esta primera unidad, está diseñada para introducir al estudiante en la contextualización de

Se hará referencia a los conceptos de población y muestra, asociados a la estadística

1. Señalar los tipos de estadísticas.

Es una ciencia que se encarga de recolectar y analizar datos, para transformarlos en

El análisis de datos recopilados a través de métodos y técnicas estadísticas, permite

Las aplicaciones estadísticas se encuentran en diferentes disciplinas, a saber: biología,

Gracias a la estadística, se pueden hacer pronósticos del tiempo y tomar precauciones

1.1.1. ESTADÍSTICA DESCRIPTIVA E INFERENCIAL. POBLACIÓN Y MUESTRA.

Como se ha señalado anteriormente, la estadística tiene como función principal, transfor-

La estadística descriptiva es aquella que, una vez recolectados, organizados y

Población, es el conjunto de elementos de los cuales se requiere información y el número de

Vamos a designar con la letra N al tamaño de la población

La realización de un censo es una actividad compleja, de alto costo económico, lento en el

Una muestra es un subconjunto (parte) de una población en estudio y el número de

Designaremos con la letra n, al tamaño de la muestra

¡Lo tabla de números aleatorios puedes encontrarla en cualquiera de los libros

En el caso que la población en estudio se encuentre separada en grupos o diferenciada

Si se selecciona una muestra del 2% de la población, la muestra queda con un tamaño

Una vez decidido el tamaño de la muestra, existen dos alternativas de selección de la

Si se opta por la primera alternativa, de toda la población definida (32.000 personas), se

Si una muestra es representativa de una población, se pueden deducir importantes con-

Al no poder estar absolutamente ciertos de la veracidad de tales inferencias, se ha de

1.1.2. VARIABLES: DISCRETAS Y CONTINUAS.

Variable se denomina a la característica que nos interesa medir o determinar, en cada

¡Aprendamos a través de un ejemplo¡

En un sector poblacional cualquiera, se está realizando un estudio respecto del número de

La variable puede asumir cualquier valor del conjunto D:

¡Vamos aplicando los nuevos aprendizajes!

Un número N de hijos de una familia, puede tomar cualquiera de los valores

La altura H de un individuo puede ser 62 pulgadas, 63,8 pulgadas ó 65,8341 pulgadas,

1. De las variables siguientes, señale cuáles representan datos discretos y cuáles

a) Número de acciones vendidas cada día en un mercado de valores.

b) Temperaturas registradas cada media hora en un observatorio.

c) Periodo de duración de los tubos de televisión producidos por una compañía.

d) Censos anuales del colegio de profesores.

e) Longitud de 1000 cerrojos producidos en una fábrica.

a) Número G de litros de agua en una máquina de lavar.

b) Numero B de libros en un estante de librería.

c) Suma S de puntos obtenidos en el lanzamiento de un par de dados.

d) Diámetro D de una esfera.

2) Responda con sus palabras a las siguientes inquietudes:

b) ¿Para qué le sirve en su trabajo, la estadística descriptiva? Ejemplifique.

c) Al comprender los conceptos de muestra y población, ¿Podría usted señalar, a! menos,

SOLUCIÓNARIO DEL TEST AUTOEVALUATIVO 1

d) Si consideramos un punto como una esfera de diámetro cero, el dominio de D son

e) Dominio: Inglaterra, Francia, Alemania, etc., que pueden representarse numéricamen-

UNIDAD II (Presentaciones estadísticas)

Cuando hablamos de presentaciones estadísticas, nos referimos a las distribuciones de

1. Calcular distribuciones de frecuencias, intervalos y marcas de clase.

2. Representar gráficamente los datos de presentaciones estadísticas.

2.1. DISTRIBUCIÓN DE FRECUENCIAS.

2.1.1. CÁLCULO DE DISTRIBUCIONES. FRECUENCIAS, INTERVALOS Y MARCA

Cuando se dispone de gran número de datos, es útil distribuirlos en clases o categorías y