REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSIDAD NACIONAL EXPERIMENTAL “SIMÓN RODRÍGUEZ”
EXTENSIÓN ARAGUA DE BARCELONA
NÚCLEO BARCELONA

LA ESTADÍSTICA

FACILITADOR PARTICIPANTE
Lcdo. Luis Bellorin Mariana Martínez C.I. 30377303
María José Rivas C.I. 30254617
Sharick Fuenmayor C.I. 28648745
José Ángel Yllescas C.I.30932913

ARAGUA DE BARCELONA, 10 DE MAYO DE 2021

 INTRODUCCION

La estadística ha estado presente desde hace siglos atrás con las

antiguas civilizaciones, su uso ha sido necesario en primeras instancias para
resolver casos de la vida diaria por llamarlo de alguna manera, luego sería
empleada con fines a mayor escala como trabajos investigativos o estudios,
y ha adquirido relevancia, ya que por medio de ella se puede procesar una
extensa información, lo cual se puede llevar a cabo de forma más sencilla sin
pasar a ser algo tedioso. Tanto así es su importancia que ha dejado de ser
solo una parte de las matemáticas y se ha convertido en una ciencia
empleada en diferentes campos, pues han tomado sus métodos para
aplicarlos a sus aéreas independientemente de la que sea, como por
ejemplo: la psicología, la medicina, la contaduría, administración, entre otras.

La significación de la estadística es posibles gracias a que los métodos

que la acompañan son reconocidos por su gran confiabilidad y validez, son
totalmente apropiados para manejar información. Es por ello, que el
siguiente trabajo monográfico planteara los diversos conceptos básicos de la
estadística (población, muestra, dato, muestreo y sus tipos, entre otros…),
los tipos de estadística: la descriptiva e inferencial, haciendo énfasis en la
primera con sus diferentes medidas (posición central, posición no central,
variabilidad, y forma), así como los medios que utiliza para representar e
interpretar datos (tablas de frecuencia y gráficos estadísticos), por último, al
análisis de correlación y regresión lineal simple, y su aplicación para
cualquier trabajo investigativo o de estudio.

Además, teniendo en cuenta que nos encontramos en una época en

donde lo tecnológico tiene gran influencia en la vida diaria de cada persona,
la estadística también ha hecho uso de lo computacional, para hacer mucho
más sencillo el trabajo de procesar tanta información, donde podemos hacer
uso de distintos sistemas (ejemplo el Windows), junto con los programas que
ofrece, entre ellos: Microsoft Word, Power Point, Excel, entre otros,..,
realizando diversos trabajos estadísticos, ya que nos facilita cálculos, así
como la construcción de tablas y gráficos, necesarios en la estadística.

También tenemos a nuestro alcance el internet que nos permite

encontrar información desde cualquier parte del mundo. Por ello, esta
monografía presentará estos temas informáticos, que en su análisis,
permitirá llegar a la conclusión de la importancia de la estadística e
informática cuando van de la mano a la hora de realizar un trabajo de
investigación, sin importar la dificultad del mismo.
LA ESTADÍSTICA

Es una ciencia formal deductiva y una rama de las matemáticas que se

ocupa de la obtención, orden, análisis, descripción y estudio de una serie de
datos a fin de establecer comparaciones o variables que permitan
comprender un fenómeno en particular.

Consiste en métodos, procedimientos y fórmulas que permiten recolectar

la información, ya sea de una muestra o una población, para luego analizarla
y extraer de ellas conclusiones relevantes. Su principal objetivo es mejorar la
comprensión de los hechos a partir de la información disponible.

La estadística tiene un conocimiento propio dinámico y en continuo

desarrollo, obtenido a través del método científico formal.

TIPOS DE ESTADÍSTICA

La estadística se divide en dos grandes áreas: La estadística descriptiva y la

estadística inferencial.

Estadística descriptiva o deductiva

Permite presentar de manera resumida y organizada los datos numéricos

obtenidos tras un estudio o análisis en particular. Su objetivo, por lo tanto, es
recolectar y describir las características principales de los datos reunidos y
evitar generalizaciones. Estos pueden visualizarse de manera numérica y
gráfica.
Estadística inferencial o inductiva

Es el estudio que utiliza técnicas a partir de las cuales se obtienen

generalizaciones o se toman deducciones en base a una información parcial
o completa obtenida mediante técnicas descriptivas. Su objetivo es extraer
conclusiones de utilidad sobre el total de las observaciones posibles
basándose en la información obtenida.

Se usa para modelar patrones de los datos y extraer inferencia de la

población bajo estudio. Estas inferencias pueden tomar la forma de
repuestas a preguntas Si/No (prueba de hipótesis), estimaciones de unas
características numéricas (estimación), pronóstico de futuras observaciones,
descripciones de asociación (correlación) o modelamiento de relaciones
entre variables (análisis de regresión).

La estadística inferencial se divide en:

Paramétricas: Es una herramienta que comprende los procedimientos

estadísticos y de decisión que están basados en distribuciones conocidas.
Estas son determinadas usando un número finito de parámetros.
La estadística no paramétrica: Estudia las pruebas y modelos estadísticos
que permite realizar el análisis de los datos cualitativos o categóricos con
mayor flexibilidad y consistencia.
Ambas ramas (descriptiva e inferencial) se utilizan en la estadística
aplicada.

Estadística Aplicada
 Es la que permite realizar inferencias a partir de una o varias muestras
de una determinada población como objeto de estudio. De esta manera
se puede ofrecer resultados tanto específicos como generalizados. Su
objetivo consiste en deducir resultados sobre un universo, a partir de una
muestra determinada. Este tipo de estadística puede ser aplicada en
cualquier área que no pertenezca a ella, tal como historia, psicología, etc.

Estadística Matemática

Se trata de la estadística que arroja datos aleatorios e inciertos, por

ello hace uso de la teoría de la probabilidad, una rama de las
matemáticas que estudia estos casos.

COMPARACIONES ENTRE AMBAS (DESCRIPTIVA E INFERENCIAL)

La estadística descriptiva se encarga de resumir litas largas de datos con el

objetivo de obtener las características generales de un determinado grupo.
En cambio, la inferencial analiza y estudia los datos de una población a partir
de una muestra de esta.

En la estadística descriptiva se utilizan números, como medidas, para

analizar datos y llegar a conclusiones de acuerdo a ellos. Con la estadística
inferencial se intenta conseguir información al utilizar un procedimiento
ordenado en el manejo de los datos de la muestra.

POBLACIÓN
 Es un conjunto sujetos o elementos que presentan características
comunes. Sobre esta población se realiza el estudio estadístico con el fin de
sacar conclusiones.

MUESTRA

Es un subconjunto de datos que se extrae de una población estadística

para un determinado estudio, con el fin de representar, conocer y determinar
los aspectos de dicha población. Este método se utiliza cuando no se puede
realizar un censo en ciertas poblaciones.

TIPOS DE MUESTRA

La muestra estadística puede clasificarse en muestra probabilística y no

probabilística.

Muestra probabilística: Es la más utilizada en investigaciones, ya que

todos los elementos de la población y universo tienen la posibilidad de ser
parte de la muestra. Por ejemplo: si tienes una población de 100 personas,
cada persona tendría una probabilidad de 1 de 100 de ser seleccionado.
A la vez, de este tipo de muestra se derivan los siguientes:

Muestreo aleatorio simple: Método de selección más básico en el que cada

sujeto posee un número de identificación, y mediante un sorteo aleatorio son
seleccionados para la muestra. Por ejemplo:

Una tienda de ropa tiene 30 empleados. Se quiere extraer una muestra de 10

de ellos.

 Se enumera a los empleados del 1 al 30

 Luego se sortea 10 números entre los 30 trabajadores
   
   
   
    La
muestra
estará
formada por
los 10
empleados
que salieron
seleccionado
s de los
números
obtenidos.

Muestreo sistemático: La población que se trabajará debe ser enumerada y

los investigadores se tendrán que encargar de hacer listas con cada uno de
los individuos en diferentes grupos de 10 de manera aleatoria. Después, se
selecciona uno de cada de cada grupo al azar y así se formará la muestra.
Por ejemplo: si una organización busca formar un muestreo sistemático de
300 voluntarios de una población de 3000, puede seleccionar a cada décima
persona de la población.

Muestreo estratificado: Consiste en dividir a la población en estratos o

grupos que compartan características similares. Luego se seleccionan
proporcionalmente algunos individuos de cada grupo. Por ejemplo: para
obtener una muestra de 100 individuos de una población total de 3000, se
divide a la población en los siguientes estratos:
Estrato
Individuo
Porcentaje
Muestra
1
1300
43,4%
43
2
1100
36,6%
37
3
600
20%
20

Estrato 1: 1300 individuos.

Estrato 2: 1100 individuos.
Estrato 3: 600 individuos
Mediante el muestreo estratificado proporcionado, la muestra obtenida de
cada estrato será representativa de cada uno de estos y otorgará los
siguientes resultados: De esta manera quedaría conformada la muestra de
100 personas. Este tipo de muestreo estratificado deja en desventaja a
aquellos grupos o estratos que estén conformados por la menor cantidad de
personas.

Muestreo por conglomerados: Se da cuando la población ya se encuentra

dividida de forma natural en grupos, por lo que se seleccionan individuos
aleatoriamente de cada conglomerado para conformar la muestra. Por
ejemplo: las unidades hospitalarias o también los departamentos
universitarios, una caja de un determinado producto, entre otros son un
ejemplo de conglomerados naturales.

Muestra no probabilística: En esta muestra los elementos se seleccionan

por medio de diversos procedimientos que no proporcionan a los individuos
de la población las mismas oportunidades de poder ser elegidos para la
muestra.
Este tipo también comprende los siguientes derivados:

Muestreo por cuotas: los investigadores forman la muestra partiendo de

determinadas características, con el fin de lograr la misma distribución de
características en la muestra que en la población. Por ejemplo: si en una
población hay 70% hombres y 30% mujeres, los individuos de la muestra
deberán estar distribuidos de la misma manera.

Muestreo por conveniencia: aquí el investigador suele elegir a los

individuos de su muestra solo por su proximidad. Generalmente, el
investigador no reconoce esta muestra como una representación de toda una
población, sino que la realiza para conocer opiniones, datos e información de
manera rápida. Ejemplo podría ser el de un investigador que decide conocer
cuál es la imagen que tienen las personas sobre un determinado producto,
sin importar si estos son consumidores o no, por lo que procede a realizar
una serie de preguntas a diversas personas en la calle o en un centro
comercial.

Muestreo por bola de nieve: se utiliza cuando el investigador requiere que

un sujeto de su muestra ayude a identificar a otro con las mismas
características y, a su vez, estos a otros, para formar la muestra deseada.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una
enfermedad rara s posible que los pacientes con la misma enfermedad
tengan un grupo de apoyo, y si uno de sus miembros es tu primer sujeto, lo
más probable es que allí encuentres más sujetos para el estudio.

Muestra discrecional: también conocida como muestreo por juicio o criterio,

se da cuando el investigador selecciona los individuos de su muestra en
base a determinado conocimiento de la población. Por ejemplo: Si desea
realizar una investigación de personas con problemas psicológicos en el
embarazo, seleccionará aquellas mujeres que hayan pasado por la
experiencia del embarazo.

INDIVIDUO

Un individuo o unidad estadística es cada uno de los elementos que

componen la población, puede ser algo con existencia real, como una
persona, un automóvil o una casa, o algo más abstracto como la
temperatura, una opinión, un voto o un sentimiento.

DATOS

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.

VARIABLE

Es una característica o cualidad de un individuo que está propensa a

adquirir diferentes valores. Estos valores, a su vez, se caracterizan por poder
medirse. Por ejemplo: el color de pelo, las notas de un examen, el sexo o la
estatura de una persona, son variables estadísticas.

TIPOS DE VARIABLES

La variable de acuerdo con las características que la definen, puede ser

cualitativa o cuantitativa.

Las Variables Cualitativas

Son aquellas características o cualidades que no pueden ser calculadas

con números, sino que son clasificadas con palabras. Ejemplos:

Sexo (hombre, mujer)

Salud (buena, regular, mala)

Este tipo de variable, a su vez, se divide en:

Cualitativa nominal: Son aquellas variables que no siguen ningún orden en

específico. Por ejemplo: los colores, tales como el negro, naranja o amarillo.

Cualitativa ordinal: Son aquellas variables que siguen un orden o jerarquía.

Por ejemplo: el nivel socioeconómico alto, medio o bajo
.
Cualitativa binaria: Variables que permiten tan solo dos resultados. Por
ejemplo: sí o no; hombre o mujer.
Variable Cuantitativa

Son aquellas características o cualidades que sí pueden expresarse o

medirse a través de números. Ejemplos:

Número de casas (1, 2…). Discreta.

Edad (12,5; 24,3; 35…). Continua.

Este tipo de variable, a su vez, se divide en:

Cuantitativa discreta: aquella variable que utiliza valores enteros y no

finitos. Por ejemplo: la cantidad de familiares que tiene una persona, tal como
2, 3, 4 o más.

Cuantitativa continúa: aquella variable que utiliza valores finitos y objetivos,

y suele caracterizarse por utilizar valores decimales. Por ejemplo: el peso de
una persona, tal como 64.3 kg, 72.3 kg, etc.

Variable aleatoria

Es una función que asigna un valor numérico, al resultado de un

experimento aleatorio

Las variables se pueden clasificar también según si son independientes o

dependientes:

Variable independiente:
 Es una variable que su valor no depende de otra variable. La variable
independiente suele representarse en las gráficas en el eje de abscisas (x).
Por ejemplo: Un buen maestro causa que los estudiantes aprendan. En este
caso, “buen maestro” es la variable independiente.

Variable dependiente

Es una variable cuyos valores dependen de los valores que tome otra
variable. Se representa en el eje de ordenadas (y). Por ejemplo: En un
estudio se quiere medir los efectos de la altura en el peso, entonces el peso
la variable dependiente.

TABLA DE FRECUENCIA PARA DATOS NO AGRUPADOS

Indica las frecuencias con que aparecen los datos estadísticos sin que se

haya hecho ninguna modificación al tamaño de las unidades originales.

GRÁFICAS

Aquella representación visual a partir de la cual pueden representarse e

interpretarse valores generalmente numéricos. De entre las múltiples
informaciones extraíbles de la observación de la gráfica podemos encontrar
la existencia de relación entre variables y el grado en que se da, las
frecuencias o la proporción de aparición de determinados valores.

Tipos de Gráficas
 Existen muy diversos tipos de gráficas, generalmente aplicándose unas u
otras en función de lo que se pretenda representar o simplemente de las
preferencias del autor.

Gráfico de barras: Se presentan los datos en forma de barras contenidas

en dos ejes cartesianos (coordenada y abscisa) que indican los diferentes
valores. El aspecto visual que nos indica los datos es la longitud de dichas
barras, no siendo importante su grosor. Generalmente se emplea para
representar la frecuencia de diferentes condiciones o variables discretas (por
ejemplo, la frecuencia de los diferentes colores del iris en una muestra
determinada, que solo pueden ser unos valores concretos). Únicamente se
observa una variable en las abscisas, y las frecuencias en las coordenadas.
Este tipo de gráfico se clasifican por:

Barras simples: Compara valores entre categorías de una variable

Barras dobles: Compara valores entre categorías de dos variables
Barras múltiples: Compara valores entre categorías de dos o más variables.
Barras verticales: Las categorías de la variable deben ubicarse en el eje x.
Barras horizontales: Las categorías de la variable deben ubicarse en el eje y.
Barras Aplicadas: Compara entre categorías el aporte de cada valor en el
total.

Gráfico de sectores Circulares: La representación de los datos se lleva a

cabo mediante la división de un círculo en tantas partes como valores de la
variable investigada y teniendo cada parte un tamaño proporcional a su
frecuencia dentro del total de los datos. Cada sector va a representar un
valor de la variable con la que se trabaja.
Histograma: Se utilizan barras para indicar a través de ejes cartesianos la
frecuencia de determinados valores, pero en vez de limitarse a establecer la
frecuencia de un valor concreto de la variable evaluada refleja todo un
intervalo. Se observa pues un rango de valores, que además podrían llegar a
reflejar intervalos de diferentes longitudes.

Gráfico de líneas: En este tipo de gráfico se emplean líneas para delimitar el

valor de una variable dependiente respecto a otra independiente. También
puede usarse para comparar los valores de una misma variable o de
diferentes investigaciones utilizando el mismo gráfico (usando diferentes
líneas). Es usual que se emplee para observar la evolución de una variable a
través del tiempo.

Gráfico de dispersión: Es un tipo de gráfico en el cual mediante los ejes

cartesianos se representa en forma de puntos todos los datos obtenidos
mediante la observación. Los ejes x e y muestran cada uno los valores de
una variable dependiente y otra independiente o dos variables de la que se
esté observando si presentan algún tipo de relación.

Gráfico de caja y bigotes: Son uno de los tipos de gráficas que tienden a
utilizarse de cara a observar la dispersión de los datos y cómo éstos agrupan
sus valores. Se parte del cálculo de los cuartiles, los cuales son los valores
que permiten dividir los datos en cuatro partes iguales. Así, podemos
encontrar un total de tres cuartiles (el segundo de los cuales se
corresponderían con la mediana de los datos) que van a configurar la “caja
“en cuestión. Los llamados bigotes serían la representación gráfica de los
valores extremos.

Gráfica pirámide: Es la representación gráfica de las características de una

población de una ciudad o país, en un determinado momento, representa su
conjunto de datos con barras horizontales: la longitud de cada barra tiene
una relación directamente proporcional al número de personas de una
población.
Gráfico de áreas: En este tipo de gráfico se observa, la relación entre
variable dependiente e independiente. Inicialmente se hace una línea que
une los puntos que marcan los diferentes valores de la variable medida, pero
también se incluye todo lo situado por debajo: este tipo de gráfica nos
permite ver la acumulación (un punto determinado incluye a los situados por
debajo).

Gráfica de fluctuaciones: La gráfica de fluctuaciones se usa para

representar magnitudes, los cambios que han tenido y su eventual
modificación. La longitud de la línea es lo que visualiza esa fluctuación. Este
tipo de gráfica es usada, mayormente, para graficar fluctuaciones en el
mercado económico.

Pictograma: Es un gráfico en el que, en vez de representar los datos a partir

de elementos abstractos como barras o círculos, se emplean elementos
propios del tema que se está investigando. De este modo se hace más
visual. Sin embargo, su funcionamiento es semejante al del gráfico de barras,
representando frecuencias de la misma manera.

Cartograma: Es un gráfico que indica las zonas o áreas geográficas en las

que aparece con mayor o menor frecuencia un determinado valor de una
variable. Las frecuencias o rangos de frecuencias se indican mediante el uso
del color (requiriéndose una leyenda para comprenderse) o el tamaño.

FRECUENCIA ABSOLUTA

Es una medida estadística que nos da información acerca de la cantidad

de veces que se repite un suceso al realizar un número determinado de
experimentos aleatorios. Esta medida se representa mediante las letras fi. La
letra f se refiere a la palabra frecuencia y la letra i se refiere a la realización i-
ésima del experimento aleatorio. Esta medida se puede utilizar con variables
cualitativas o cuantitativas siempre que estas se puedan ordenar.
FRECUENCIA ABSOLUTA ACUMULADA

Es el resultado de ir sumando las frecuencias absolutas de las

observaciones o valores de una población o muestra. Esta se representa por
las siglas Fi. Para calcular la frecuencia absoluta acumulada, hay que
calcular primero la frecuencia absoluta (fi) de la población o muestra. Para
ello, los datos se ordenan de menor a mayor y se colocan en una tabla.

FRECUENCIA RELATIVA

Es una medida estadística que se calcula como el cociente de

la frecuencia absoluta de algún valor de la población/muestra (fi) entre el total
de valores que componen la población/muestra (N). Se representa con las
letras Fri y su fórmula de cálculo es la siguiente:

fi
Fri=
n

Fri    = Frecuencia relativa de la observación i-ésima

fi     = Frecuencia absoluta de la observación i-ésima

N    = Número total de observaciones de la muestra

FRECUENCIA RELATIVA ACUMULADA

 Es el cociente entre la frecuencia acumulada de un determinado valor y
el número total de datos. Se representa por Ni.

MEDIDAS DE TENDENCIA CENTRAL

Son parámetros estadísticos que informan sobre el centro de la

distribución de la muestra o población estadística.

MEDIA

Es el valor promedio de un conjunto de datos numéricos, calculada como la

suma del conjunto de valores dividida entre el número total de valores. Se
representa con el símbolo X́

Para determinarla utilizamos la siguiente formula:

∑ Xi fi
X́ =
n

Donde:

X́ = Representa la media aritmética, que es el valor característico de una

serie de datos cuantitativos, en este caso el dato que queremos determinar.

∑= Representa la sumatoria de la media aritmética (∑Xi . fi)

Xi= Representa el número de clase, es decir, el promedio entre el límite de

ese intervalo.

fi= Representa la frecuencia absoluta, el número de veces que se repite un

dato o que aparece en la tabla.

N= Representa el número de datos (Los que tenemos presentes en la tabla

de frecuencia)
MODA

Es el valor que más se repite en una muestra estadística o población. Se

representa como Mo. Para buscar la moda debemos buscar el número más
grande dentro de la frecuencia absoluta.

Y para calcularla se realiza la siguiente formula:

fi−fi−1
Mo= Li+
( fi−fi−1 ) +(fi−fi+1)

Donde:

fi= Representa la frecuencia absoluta

fi-1= Representa la frecuencia absoluta acumulada anterior.

Li= Representa el límite inferior

Fi+1= Representa la frecuencia absoluta acumulada posterior

MEDIANA

Representa el valor de la variable de la posición central en un conjunto de

datos ordenados. Se representa como Me, “La mediana es el dato del medio”

Se representa con la siguiente formula:

n
−Fi−1
Me= Li+ 2 . ai
fi

Donde:
Me= Representa la mediana

Li= Representa el límite inferior

n
= Representa la división entre el número total de los datos (n) entre el
2
número dos

Fi-1= Representa la frecuencia absoluta acumulada anterior

ai= Representa la amplitud, es decir, lo grande de cada uno de los intervalos.

Fi= Representa la frecuencia absoluta.

Cuando el número de observaciones es impar:

Me = (n+1) / 2 → Valor de la observación

MEDIDAS DE POSICIÓN NO CENTRAL

Informan de cómo se distribuye el resto de los valores de la serie. Los

Cuantiles (cuartiles, deciles, percentiles) son medidas de localización, su
función es informar del valor de la variable que ocupará la posición (en tanto
por cien) que nos interese respecto de todo el conjunto de variables.

LOS CUANTILES

son unas medidas de posición que dividen a la distribución en un cierto

número de partes de manera que en cada una de ellas hay el mismo de
valores de la variable. Las más importantes son: CUARTILES, dividen a la
distribución en cuatro partes iguales (tres divisiones). Q1,Q2,Q3,
correspondientes a 25%, 50%,75%.
DECILES, dividen a la distribución en 10 partes iguales (9 divisiones).
D1,...,D9, correspondientes a 10%,...,90%

PERCENTILES, cuando dividen a la distribución en 100 partes (99

divisiones). P1,...,P99, correspondientes a 1%,...,99%. Existe un valor en
cual coinciden los cuartiles, los deciles y percentiles es cuando son iguales a
la Mediana y así veremos: 100 50 10 5 4 2 = = Cuartiles:

Los cuartiles son los tres valores que dividen al conjunto de datos ordenados
en cuatro partes porcentualmente iguales. Hay tres cuartiles denotados
usualmente Q1, Q2, Q3:

El primer cuartil Q1: es el menor valor que es mayor que una cuarta parte
de los datos; es decir, aquel valor de la variable que supera 25% de las
observaciones y es superado por el 75% de las observaciones.

El segundo cuartil Q2, (coincide, es idéntico o similar a la mediana, Q2 =

Md), es el menor valor que es mayor que la mitad de los datos, es decir el
50% de las observaciones son mayores que la mediana y el 50% son
menores.

El tercer cuartil Q3, es el menor valor que es mayor que tres cuartas partes
de los datos, es decir aquel valor de la variable que supera al 75% y es
superado por el 25% de las observaciones.

DECILES: Los deciles son ciertos números que dividen la sucesión de datos
ordenados en diez partes porcentualmente iguales. Son los nueve valores
que dividen al conjunto de datos ordenados en diez partes iguales, son
también un caso particular de los percentiles, ya que podemos definir Decil
como“percentil cuyo valor que indica su proporción es un múltiplo de diez.
Percentil 10 es el primer decil, percentil 20 el segundo decil, etc”.
El primer decil D1: indica que sólo existe un 10% de probabilidad de que el
valor de la variable esté por debajo de esa cifra. Quinto decil D5 o
denominado también “Caso Base”: indica que existe igualmente un 50% de
probabilidad de que el valor esté por encima como por debajo de esa cifra.
Representa la Mediana de la distribución.

PERCENTILES O CENTILES

Los percentiles son, tal vez, las medidas más utilizadas para
propósitos de ubicación o clasificación de las personas cuando atienden
características tales como peso, estatura, etc. Los percentiles son ciertos
números que dividen la sucesión de datos ordenados en cien partes
porcentualmente iguales. Estos son los 99 valores que dividen en cien partes
iguales el conjunto de datos ordenados.

Sencillamente Percentil es el valor del recorrido de una variable, bajo

el cual se encuentra una proporción determinada de la población. Los
percentiles (P1, P2,... P99), leídos primer percentil,..., percentil 99, muestran
la variable que deja detrás una frecuencia acumulada igual al valor del
percentil: Primer percentil, que supera al uno por ciento de los valores y es
superado por el noventa y nueve por ciento restante. El 60 percentil, es aquel
valor de la variable que supera al 60% de las observaciones y es superado
por el 40% de las observaciones. El percentil 99 supera 99% de los datos y
es superado a su vez por el 1% restante.

MEDIDAS DE POSICIÓN
Son aquellos valores que representan un punto o lugar específico dentro de
una serie de datos ya previamente ordenados.
Entre estas medidas tenemos: los cuartiles, los deciles y los percentiles.
Deciles(Dk): Son aquellos valores que dividen a un conjunto de datos ya
previamente ordenados de acuerdo a su magnitud, en diez partes iguales y
se denominan: d1,d2,d3,d4,d4,d5,d6,d7,d8,d9 en forma similar vemos que
entre el menor valor (límite inferior) y d1 tenemos el 10% de los datos, luego
entre cada deciles subsiguientes tenemos el 10% en cada caso, decir, entre
d1 y d2 está el 10% de los datos, que sumados al anterior en caso
representa un 20% del total.
Entre d2 y d3 estará el 10% de los datos, que sumados a los deciles
anteriores
Representa el 30% del total y así sucesivamente hasta llegar al último
decil
O entre d9 y el mayor valor de los datos (límite superior) que sumados
a los
A los anteriores deciles nos da el 100% del total de datos.

Dk= Li,r + Kn - FA, a Ic Con: K= 1,2,3…,8,9.

10
Fi, c

Dónde:
Li, r: Límite inferior de la clase decil.
n: Número total datos.
FA, a: Frecuencia acumulada anterior a la clase decil.
Fi, c: Frecuencia absoluta de la clase Decil.

Ic: Intervalo de clase.

Cuartiles (Qk): Son aquellos valores que dividen a un conjunto de datos, ya

previamente ordenados de acuerdo a su magnitud, en cuatro partes iguales y
se denotan: Q1, Q2 y Q3 es decir primer, segundo y tercer cuartil
respectivamente. Así tenemos que el conjunto de datos queda dividido en
cuatro partes desde el menor valor de los datos (límite inferior) hasta Q1,
tenemos el 25% del conjunto de datos desde Q1 hasta Q2, tenemos otro
25% que sumados con el primer conjunto nos del 50% del total y desde Q2
hasta Q3 tenemos otro 25% que sumados al 50% ya obtenido anteriormente
nos da un total de 75% de los datos y por ultimo desde Q3 hasta el mayor
valor del conjunto de datos (límite superior) tenemos otro 25% que sumados
al 75% nos da el 100% del total de datos.

Qk= Li,r + Kn - FA, a Ic Con: K= 1,2,3.

4
Fi, c

Dónde:
Li, r: Límite inferior de la clase cuartil.
n: Número total datos.
FA, a: Frecuencia acumulada anterior a la clase cuartil.
Fi, c: Frecuencia absoluta de la clase cuartil.

Ic: Intervalo de clase.

Percentiles (Pk): Son aquellos valores que dividen a un conjunto de datos,

ya previamente ordenados de acuerdo a su magnitud, En cien pares iguales
y se denominan P1, P2, P3,………, P98, P99. La explicación sobre lo que
representa, es similar a lo de la cuartiles y deciles.

Pk= Li,r + Kn - FA, a Ic Con: K= 1,2,3,…, 98,99.

100
Fi, c

Dónde:
Li, r: Límite inferior de la clase percentil.
n: Número total datos.
FA, a: Frecuencia acumulada anterior a la clase percentil.
Fi, c: Frecuencia absoluta de la clase percentil.

Ic: Intervalo de clase.

MEDIDAS DE DISPERSIÓN:

Es el grado en que los datos numéricos tienden da esparcirse alrededor

de un valor promedio. Entre las medidas de dispersión tenemos: La
deviación media, la varianza, la desviación estándar, coeficiente de
variaciones.

Deviación media (Dm): Representa la media de los valores absolutos de las

diferencias entre las variables( datos) y su media aritmética.

Para datos no agrupados

n _
Dm= ∑ │xi – x│
i=1
n

Donde:

Xi= valor de la variable.

_
X= media aritmetica.
n= numero de datos.

Para datos agrupados

n _
Dm= ∑ Fi │xc – x │
i=1
n
Donde:

fi= Frencuencia absoluta del intervalo de clase.

_
X= media aritmetica.

n= numero de datos.

Xc= Marca de clase( punto central del intervalo)..

Varianza: Es el promedio de los cuadros de las desviaciones de cada

observacion respecto a su media aritmetica.

Varianza poblacional
_ n _
V2 : ∑ (xi-x)2
i=1
N

Varianza de la muestra

n _
S2 : ∑ (xi-x)2
i=1
n-1

Desviasion estandar (S): Es el promedio de las desviaciones de las

observaciones alrededor de la media aritmetica.Nos da la dispersion de las
observacion alrededor de la media y se obtiene calculando la raiz cuadrada
de la varianza.

Desviacion estandar poblacional

_ _ _
V= √V2 = √ ∑ (xi-x)2
N

Desviacion estandar de la muestra

 n _
S= √S2 = √ ∑ (xi-x)2
i=1
n-1

Coeficiente de variacion (V): Indica el grado de homogeneidad de un grupo

de datos considerado en su conjunto, y nos da la variacion de las
observaciones en terminos porcentuales.

S 100
V= _
X

Donde:

S= desviacion estandar de la muestra.

_
X= media aritmetica.
 CONCLUSIÓN

La estadística es la base del conocimiento práctico y real, que nos permite

analizar, comprender y estudiar una población o una muestra en particular.
Existen dos tipos principales de estadística, la descriptiva y la inferencial
ambas forman parte de la estadística aplicada.
Tanto la población como la muestra y los individuos son elementos o sujetos
que representan a los datos (Valores o fenómenos que se pretende analizar).
La muestra se extrae de la población, y se divide en muestra probabilística y
no probabilística.
Al llevar a cabo un estudio se obtienen valores que funcionan como cualidad
o característica del individuo, estos valores son variables, ya que dependen
de muchos factores (color de ojos, altura, densidad, etc...); las variables
puede ser cualitativa (Clasifica a la muestra o población en categorías) o
cuantitativa (miden de manera numérica las observaciones).
En la estadística, se utiliza una herramienta muy importante llamada tabla de
frecuencia para datos no agrupados, la cual nos permite organizar los datos
de forma más estructura. formada mayormente por: el Número de clase, la
Frecuencia absoluta, la Frecuencia relativa y la Frecuencia relativa
acumulada toda tabla de frecuencia puede ser representada gráficamente.
La gráfica es una representación visual más llamativa de los datos, mediante
recursos gráficos (líneas, vectores, superficies o símbolos); posee una gran
variedad de tipos, pero los más utilizados son: la gráfica lineal, la gráfica de
barra, el histograma, el pictograma y la gráfica circular.

Las medidas de tendencia central son Moda, Mediana y Media

La moda es el dato que más se repite,

la media es el valor característico de una serie de datos cuantitativos.
la mediana representa el valor de la variable de la posición central.
Las medidas de dispersión son Desviación estándar, varianza y desviación
con respecto a la media pretenden evaluar en qué medida los datos difieren
entre sí.
Las medidas de posición (Decil, Cuantíl y Percentil) son indicadores que
permiten resumir los datos en uno solo, o dividir su distribución en intervalos
del mismo tamaño.

BIBLIOGRAFÍA
López, Francisco (2017), "Estadística descriptiva e inferencial". Para:
Enciclopedia Económica. Consultado: 28 de abril de 2021.
https://enciclopediaeconomica.com/estadistica-descriptiva-inferencial/
López, Francisco (2018), "Muestra estadística". Para: Economipedia.com.
Consultado: 28 de abril de 2021.
https://economipedia.com/definiciones/muestra-estadistica.html
López, Francisco (2019), "Población estadística". Para: Economipedia.com.
Consultado: 28 de abril de 2021.
https://economipedia.com/definiciones/poblacion-estadistica.html
López, José (2019), "Medidas de tendencia central". Para:
Economipedia.com. Consultado: 29 de abril de 2021.
https://economipedia.com/definiciones/medidas-de-tendencia-central.html

__________ (2019), "Estadística". Para: Significados.com. Consultado: 28 de

abril de 2021, 07:21 am. https://www.significados.com/estadistica/
____________(2020), "Estadística no Parametrica". Para Aprende con Eli.
Consultado: 28 de abril de 2021.
https://www.google.com/amp/s/aprendeconeli.com/que-es-la-estadistica-no-
parametrica/amp/
_________________,"Tipos de Estadística". Para: Probabilidad y estadística
4°A. Consultado: 27 de abril de 2021.
https://sites.google.com/site/probabilidadyestadistica4a/1---estadistica/1-2-
tipos
__________ (2021), "Tipos de Estadística". Para: Wikipedia. Consultado: 28
de abril de 2021. https://es.m.wikipedia.org/wiki/Estad%C3%ADstica
Pacheco, Josefina (2020), "Muestra Estadística". Para: Webyempresas.
Consultado: 28 de abril de 2021. https://www.webyempresas.com/muestra-
estadistica/
Rubios, José (2020), "Estadística". Para: Estadística 3°Año de ESO.
Consultado: 28 de abril de 2021.
https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Introduccion
EstadisticaProbabilidad/3ESO/2_1PoblacionMuestraRepresentativaIndividuo.
html
Marta (2019), "Población, muestra y datos". Para: Superprof. Consultado: 28
de abril de 2021.
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva
/estadistica.html
Pérez, Julián & Merino, María (2019), "Datos Estadísticos". Para:
Definicion.de. Consultado: 28 de abril de 2021. https://definicion.de/datos-
estadisticos/

_________________ (2018), "Variable estadística". Para: Enciclopedia

Económica. Consultado: 28 de abril de 2021.
https://enciclopediaeconomica.com/variable-estadistica/).

Requena, Bernat (2014), "Estadística". Para: Universo Fórmulas. Consultado:

28 de abril de 2021.
https://www.universoformulas.com/estadistica/descriptiva/variables-
estadisticas/

SeroBOT (2021), "Gráficos estadísticos". Para: Wikipedia. Consultado: 28 de

abril de 2021. https://es.m.wikipedia.org/wiki/Grafica

Martínez-González, M.A.; Faulin, F.J. y Sánchez, A. (2006). Bioestadística

amigable, 2ª ed. Diaz de Santos, Madrid. Consultado: 28 de abril de 2021.
https://psicologiaymente.com/miscelanea/tipos-de-graficas