Trabajo Final de Estadistica

UNIVERSIDAD NACIONAL
“Santiago Antúnez de Mayolo”
ESTADÍSTICA
CONTENIDO
1. INTRODUCCIÓN Y OBJETIVOS
2. LA ESTADÍSTICA.
3. DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMAS Y DIAGRAMA.
4. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS SIMPLES.
5. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS AGRUPADOS.
6. RESULTADOS DE LA ENCUESTA.
7. CONCLUCIONES.
8. ANEXOS.
9. BIBLIOGRAFIA.
INTRODUCCIÓN
En este trabajo, aremos todo lo referido a las preferencias de áreas de trabajo de un

estudiante al culminar sus estudios en la escuela de ingeniería industrial de la
UNASAM, haciendo uso de la estadística para la información que queremos hallar.
La carrera de ingeniería industria, se enfoca a que un estudiante se convierta en ser un
estratega de los procesos y objetivos organizacionales consiente del impacto de su
labor. Por esta razón un ingeniero industrial se desempeña en el campo laboral en los
siguientes ámbitos:
 Gerente general de empresas.
 Dirección de organizaciones de manufactura y servicios en cualquier de sus
áreas: gerencia, administración, finanzas, logística, ventas, marketing,
operaciones, producción, recursos humanos, distribución, sistemas, etc.
 Diseñar tecnología aplicable a distintos procesos relacionados con la
producción de bienes y servicios.
 gestionar propuestas para la solución de problemas en los procesos
empresariales y para la aplicación de modelos de optimización y mejoramiento
de procesos productivos.
 crear sistemas de calidad desde su estructura, organización e implementación.
Para ello hicimos una encuesta a todos los estudiantes que hoy cursan en día cursan
esta carrera de ingeniería industrial.
La estadística nos servirá para reunir, organizar y analizar dichas preferencias, sin
dificultad.
OBJETIVOS:
 Aplicar los procedimientos estadísticos pertinentes para conocer las
preferencias de áreas de trabajo.
 Analizar el manejo de los datos recopilados de la muestra a través de los
métodos que nos brinda la estadística.
 Aprovechar los datos de la muestra para hallar los porcentajes de preferencias,
tamaño de nuestra muestra, etc.
 Identificar los diagramas correspondientes para visualizar los resultados
estadísticos.
2. La Estadística
La estadística es comúnmente considerada como una colección de hechos numéricos
expresados en términos de una relación sumisa, y que han sido recopilados a partir de
otros datos numéricos.
Definen la estadística como un valor resumido, calculado, como base en una muestra
de observaciones que generalmente, aunque no por necesidad, se considera como una
estimación de parámetro de determinada población; es decir, una función de valores
de muestra.
La estadística es una técnica especial apta para el estudio cuantitativo de los
fenómenos de masa o colectivo, cuya mediación requiere una masa de observaciones
de otros fenómenos más simples llamados individuales o particulares.
Esta ciencia tiene disímiles aplicaciones y a través de ella se pueden expresar,
mediante indicadores, aspectos de gran utilidad en lo económico, social y natural.
Objetivo de la estadística:
La estadística como ciencia se encarga de recopilar, e interpretar datos que en el
futuro servirán para proyectar posibles problemáticas futuras, consiguiendo según
estos datos, la solución más viable y rápida.
El objetivo básico de la estadística es hacer inferencia acerca de una población con
base a la información contenida en una muestra, ¿qué significa esto?
Inferir significa inducir una cosa de otra, llevar consigo, conducir a un resultado.
Es decir, se pretende establecer inferencia acerca de una población, entendiendo a la
población como un conjunto de individuos, organismos o entes inanimados de los
cuales queremos conocer alguna o algunas características para que nos ayuden a
tomar una decisión u obtener alguna conclusión de suma importancia, y nada sabemos
sobre la distribución, existencia, ubicación, valor de esta o estas características que nos
interesa saber.
Importancia de la estadística en las ciencias administrativas y contables:
La Estadística Económica tiene sus antecedentes en el siglo XVII y su máximo
exponente fue William Petty quién es considerado por Carlos Marx como el creador de
esta ciencia sin olvidar a Gregory King que también realizó cálculos aproximados de los
índices económicos sociales de esta ciencia.
La economía necesita de la Estadística, con la ayuda de esta se confeccionan los planes
de desarrollo de la economía nacional, se supervisa el control de su cumplimiento y se
determinan las necesidades de recursos por territorios, así como las reservas con que
cuenta la economía a cualquier nivel. Además, la estadística constituye un instrumento
de suma importancia para que se conozca el comportamiento de la economía a
diferentes niveles ya sea en una empresa, municipio, provincia, nación, así como a
escala internacional.
El conocimiento de la Estadística Económica permite apoyar la toma de decisiones
para la aplicación de la política económica que se proponen los países para conducir la
sociedad, así como para trazar la estrategia de desarrollo acorde con los programas
que se consideran según las condiciones imperantes en cada nación. Sería un error
concebir la Estadística Económica como un simple instrumento para estudiar aspectos
parciales. El amplio campo de su aplicación permite incursionar en cada uno de los
elementos que componen el complejo sistema socio-económico, así como investigar
de una manera integral la relación entre sus principales variables. Es por esto que en el
estudio de la economía la Estadística Económica constituye un elemento de

inestimable valor.
Estadísticas descriptivas e inferencia:
La estadística descriptiva: Que se dedica a los métodos de recolección, descripción,
visualización y resumen de datos originados a partir de los fenómenos en estudio. Los
datos pueden ser resumidos numérica o gráficamente.
Ejemplos básicos de descriptores numéricos son la media y la desviación estándar.
Resúmenes gráficos incluyen varios tipos de figuras y gráficos.
La inferencia estadística: Que se dedica a la generación de los modelos, inferencias y
predicciones asociadas a los fenómenos en cuestión teniendo en cuenta lo aleatorio e
incertidumbre en las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la población de estudio.
Estas inferencias pueden tomar la forma de respuestas a preguntas si/no (prueba de
hipótesis), estimaciones de características numéricas (estimación), pronósticos de
futuras observaciones, descripciones de asociación (correlación) o modelamiento de
relaciones entre variables (análisis de regresión). Otras técnicas de modelamiento
incluyen ANOVA, series de tiempo y minería de datos.
Población y muestras:
Población:
El concepto de población en estadística va más allá de lo que comúnmente se conoce
como tal. Una población se precisa como un conjunto finito o infinito de personas u
objetos que presentan características comunes.
Una población es un conjunto de todos los elementos que estamos estudiando, acerca
de los cuales intentamos sacar conclusiones.
Una población es un conjunto de elementos que presentan una característica común.
Ejemplo: Los miembros del Colegio de Ingenieros de la cuidad de Huaraz.
El tamaño que tiene una población es un factor de suma importancia en el proceso de
investigación estadística, y este tamaño vienen dado por el número de elementos que
constituyen la población, según el número de elementos la población puede ser finita
o infinita.
Cuando el número de elementos que integra la población es muy grande, se puede
considerar a esta como una población infinita, por ejemplo; el conjunto de todos los
números positivos. Una población finita es aquella que está formada por un limitado
número de elementos, por ejemplo; el número de estudiantes de la Escuela de
Ingeniería Industrial.
Cuando la población es muy grande, es obvio que la observación de todos los

elementos se dificulte en cuanto al trabajo, tiempo y costos necesarios para hacerlo.
Para solucionar este inconveniente se utiliza una muestra estadística.
Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre
todos si estos son muchos. En lugar de examinar el grupo entero llamado población o
universo, se examina una pequeña parte del grupo llamada muestra.
Muestra:
Se llama muestra a una parte de la población a estudiar que sirve para representarla.
Una muestra es una colección de algunos elementos de la población, pero no de
todos". "Una muestra debe ser definida en base de la población determinada, y las
conclusiones que se obtengan de dicha muestra solo podrán referirse a la población en

referencia.
Ejemplo: El estudio realizado a 50 miembros del Colegio de Ingenieros de la cuidad de
Huaraz.
El estudio de muestras es más sencillo que el estudio de la población completa; cuesta
menos y lleva menos tiempo. Por último, se aprobado que el examen de una población
entera todavía permite la aceptación de elementos defectuosos, por tanto, en algunos
casos, el muestreo puede elevar el nivel de calidad.
Una muestra representativa contiene las características relevantes de la población en
las mismas proporciones que están incluidas en tal población.
Los expertos en estadística recogen datos de una muestra. Utilizan esta información
para hacer referencias sobre la población que está representada por la muestra. En
consecuencia, muestra y población son conceptos relativos. Una población es un todo
y una muestra es una fracción o segmento de ese todo.
Variable y tipos:
Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se
llama variable estadística.
Variables cualitativas:
Son las variables que expresan distintas cualidades, características o modalidad. Cada
modalidad que se presenta se denomina atributo o categoría y la medición consiste en
una clasificación de dichos atributos. Las variables cualitativas pueden ser ordinales y
nominales.
Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos
valores posibles como sí y no, hombre y mujer o son politómicas cuando pueden
adquirir tres o más valores.
Dentro de ellas podemos distinguir:
 Variable cualitativa ordinal: La variable puede tomar distintos valores
ordenados siguiendo una escala establecida, aunque no es necesario que el
intervalo entre mediciones sea uniforme, por ejemplo, leve, moderado, grave
 Variable cualitativa nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden como por ejemplo los colores o el lugar de
residencia.
Variables cuantitativas:
Son las variables que se expresan mediante cantidades numéricas. Las variables
cuantitativas además pueden ser:
 Variable discreta: Es la variable que presenta separaciones o interrupciones en
la escala de valores que puede tomar. Estas separaciones o interrupciones
indican la ausencia de valores entre los distintos valores específicos que la
variable pueda asumir. Un ejemplo es el número de hijos.
 Variable continua: Es la variable que puede adquirir cualquier valor dentro de
un intervalo especificado de valores. Por ejemplo, el peso o la altura, que
solamente limitado por la precisión del aparato medidor, en teoría permiten
que siempre exista un valor entre dos cualesquiera.
Según la influencia que asignemos a unas variables sobre otras, podrán ser:
 Variables independientes: Son las que el investigador escoge para establecer

agrupaciones en el estudio, clasificando intrínsecamente a los casos del mismo.
Un tipo especial son las variables de confusión, que modifican al resto de las
variables independientes y que de no tenerse en cuenta adecuadamente
pueden alterar los resultados por medio de un sesgo.
 Variables dependientes: Son las variables de respuesta que se observan en el
estudio y que podrían estar influenciadas por los valores de las variables
independientes.
DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMAS Y DIAGRAMA.
Tabla de Distribución de frecuencias:

La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de
tabla de los datos estadísticos, asignando a cada dato su frecuencia correspondiente.
Tipos de frecuencias
Frecuencia absoluta: La frecuencia absoluta es el número de veces que aparece un
determinado valor en un estudio estadístico.
Se representa por fi.
La suma de las frecuencias absolutas es igual al número total de datos, que se
representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula)
que se lee suma o sumatoria.
Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia absoluta

de un determinado valor y el número total de datos.
Se puede expresar en tantos por ciento y se representa por ni.
La suma de las frecuencias relativas es igual a 1.
Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias

absolutas de todos los valores inferiores o iguales al valor considerado.
Se representa por Fi.
Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente entre

la frecuencia acumulada de un determinado valor y el número total de datos. Se puede
expresar en tantos por ciento.
Este tipo de tablas de frecuencias se utiliza con variables discretas.

Tabla de Distribución de Frecuencias para una variable cuantitativa continua:
Para construir una tabla de frecuencias con variables continuas se siguen los siguientes
pasos:
1. Determinar los datos de mayor y menor valor Xmax, Xmin.
2. Calcular el rango o recorrido Rango = xmáx – xmín.
3. Determinar el número de intervalos (m) y la amplitud de clase (A): N = 1 + 3.33
log(n), Debe tenerse presente que m es un número natural luego se busca la
amplitud A: MC = rango / N
4. Calcular el rango ampliado: Ra = m.A .
5. Establecer la diferencia a = Ra - R, es decir la cantidad en que ha sido alterado
el recorrido, la cual no debe ser superior a la amplitud, (“a”) también puede ser
definida como la cantidad positiva más pequeña que le hace falta al rango o
recorrido para ser divisible exactamente por la amplitud.
6. Distribuir adecuadamente la cantidad “a” de la siguiente manera: Al valor X min
se le resta aproximadamente a/2 y la parte restante se le suma a X max,
obteniendo el límite inferior del primer intervalo y el límite superior del último,
respectivamente:
X min - a/2 = LIPI (Límite Inferior del Primer Intervalo)
X max + a/2 = LSUI (Limite Superior del Ultimo Intervalo)
7. Construir los intervalos, calcular los puntos medios o marcas de clase y hacer el
agrupamiento de frecuencias.
Ejemplo:
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11,
13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1º Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea
divisible por el número de intervalos queramos establecer.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase
pertenece al intervalo, pero el límite superior no pertenece intervalo, se cuenta en el
siguiente intervalo.
Gráficos estadísticos:
Un gráfico estadístico es una representación visual de una serie de datos estadísticos.
Es una herramienta muy eficaz, ya que un buen gráfico:
• capta la atención del lector
• presenta la información de forma sencilla, clara y precisa
• no induce a error
• facilita la comparación de datos y destaca las tendencias y las diferencias
• ilustra el mensaje, tema o trama del texto al que acompaña.
Gráfico de barras:
Un gráfico de barras es una representación gráfica en un eje cartesiano de las
frecuencias de una variable cualitativa o discreta.
En uno de los ejes se posicionan las distintas categorías o modalidades de la variable

cualitativa o discreta (en el ejemplo, el tipo de cereal) y en el otro el valor o frecuencia
de cada categoría en una determinada escala (en el ejemplo, la producción en millones
de toneladas de granos).
La orientación del gráfico puede ser:
• Vertical: las distintas categorías están situadas en el eje horizontal y las barras
de frecuencias crecen verticalmente.
• Horizontal: las categorías se sitúan en el eje vertical y las barras crecen
horizontalmente.
Suelen usarse cuando hay muchas categorías o sus nombres son demasiado largos. Las
categorías pueden ordenarse alfabéticamente facilitando su búsqueda o por sus
frecuencias facilitando la comparación de los datos. Veamos el siguiente ejemplo del
porcentaje habitantes usuarios de internet del año 2007 por países (Fuente: Unión
Internacional de Telecomunicaciones).
Histograma:
Se usa para representar las frecuencias de una variable cuantitativa continua. En uno
de los ejes se posicionan las clases de la variable continua (los intervalos o las marcas
de clase que son los puntos medios de cada intervalo) y en el otro eje las frecuencias.
No existe separación entre las barras.
Gráfico de sectores:
Un gráfico de sectores es una representación circular de las frecuencias relativas de
una variable cualitativa o discreta que permite, de una manera sencilla y rápida, su
comparación.
El círculo representa la totalidad que se quiere observar (en el ejemplo, total de

viajeros hospedados en hoteles) y cada porción, llamadas sectores, representan la
proporción de cada categoría de la variable (en el ejemplo, tipo de hotel) respecto el
total. Suele expresarse en porcentajes.
Obtención de los ángulos de cada sector:

Diagrama de bastones y escalonado

El gráfico de bastones es un gráfico en barra, pero con una variante en la amplitud de
la barra, ya que en estos casos sería una línea (bastón), con una altura que sería la
frecuencia absoluta o relativa. Se aplica fundamentalmente para las distribuciones de
variables cuantitativas.
Polígono de Frecuencias:
Polígono de frecuencia es el nombre que recibe una clase de gráfico que se crea a
partir de un histograma de frecuencia. Estos histogramas emplean columnas verticales
para reflejar frecuencias): el polígono de frecuencia es realizado uniendo los puntos de
mayor altura de estas columnas.
Se conoce como polígonos de frecuencia para datos agrupados a aquellos que se

desarrollan mediante la marca de clase que tiene coincidencia con el punto medio de
las distintas columnas del histograma. En el momento de la representación de todas
las frecuencias que forman parte de una tabla de datos agrupados, se genera el
histograma de frecuencias acumuladas que posibilita la diagramación del polígono

correspondiente.
Ojiva
La ojiva es el polígono frecuencial acumulado, es decir, que permite ver cuántas
observaciones se encuentran por encima o debajo de ciertos valores, en lugar de solo
exhibir los números asignados a cada intervalo
La ojiva apropiada para información que presente frecuencias mayores que el dato que
se está comparando tendrá una pendiente negativa (hacia abajo y a la derecha) y en
cambio la que se asigna a valores menores, tendrá una pendiente positiva. Una gráfica
similar al polígono de frecuencias es la ojiva, pero ésta se obtiene de aplicar
parcialmente la misma técnica a una distribución acumulativa y de igual manera que
éstas, existen las ojivas mayores que y las ojivas menores que.
4. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS SIMPLES.
Medidas de tendencia central
 Media: ( x ) Es el promedio aritmético de todos los valores que componen el

conjunto de datos. Se calcula mediante la siguiente fórmula:
Para una muestra y para una población se tiene respectivamente:

xi
x
xi 
n n
 Mediana: (Me) Los datos de "n" observaciones son ordenados del más
pequeño al más grande, Si el tamaño de la muestra es "non" la mediana es el
valor ordenado en la posición (n+1)/2,
Cuando el tamaño de la muestra es "par" la mediana es el promedio de los dos
valores que se encuentran al centro del conjunto de valores. Se puede calcular
mediante:
 n 2    n 2  1
2
 Moda (Mo): Simplemente observamos en la columna de las frecuencias

absolutas y aquel o aquellos valores (no tiene por qué ser única) de la variable a
los que corresponde la mayor frecuencia será la moda. Cuando encontramos
dos modas decimos que es una distribución bimodal, tres, trimodal, etc.
Medidas de dispersión
Para comprender el concepto de varianza, supóngase que tenemos los datos

siguientes de los cuales queremos saber que tan dispersos están respecto a su media:
2, 3, 4, 5, 6 con media = 20/5 = 4
Si tomamos la suma de diferencias de cada valor respecto a su media y las sumamos se

tiene:
(-2) + (-1) + (0) + (1) + (2) = 0
Por lo que tomando diferencias simples no es posible determinar la dispersión de los

datos.
Si ahora tomamos esas mismas diferencias al cuadrado y las sumamos se tiene:
4 + 1 + 0 + 1 + 4 = 10
Varianza de los datos
Es una medida que nos ayuda a comprender la variabilidad de los datos, que tan
distanciados están de la media
 Poblacional (σ2 ) Se obtiene dividiendo el valor anterior entre n = 5, o sea el

promedio de la suma de las diferencias al cuadrado, tomando n datos.
( xi  x ) 2
2 
n
 Muestral (s2) Se obtiene dividiendo el valor anterior entre n - 1 = 4, o sea el

promedio de la suma de las diferencias al cuadrado, tomando n -1 datos.
( xi  x ) 2
s2  
n 1
 Desviación estándar: Es la raíz cuadrada de la varianza:
( xi  x ) 2
Para el caso de una población    n
( xi  x ) 2
Para el caso de una muestra s  n 1
 Coeficiente de Variación (CV): Se utiliza para comparar la dispersión de dos

conjuntos de datos que tienen unidades diferentes, ya que representa una
medida relativa de dispersión.
s
Coeficiente.de. var iación  CV  (100) %
X
 SESGO O COEFICIENTE DE ASIMETRIA

En la distribución normal si no es simétrica y tiene una cola más amplia del lado
derecho, se dice que existe un sesgo a la derecha y viceversa.
El coeficiente de sesgo o asimetría P se determina como sigue:
3( X  Mediana)
P
s
Si P < 0 los datos están sesgados a la izquierda, si P > 0 están sesgados a la derecha;
si P = 0 están distribuidos normalmente.
 CURTOSIS
En la distribución normal si no es acampanada y es más picuda o aplanada de lo

normal se dice que tiene una Curtosis diferente de cero que es lo normal, si es mayor
es más picuda o más plana al revés.
Coeficiente de Curtosis de Fisher
1 n
M4

n i 1
( Xi  X ) 4
Kurtosis   2  - 3 o 2  2
 3 Para la distribución normal debe
M 22 1 n 2
  ( Xi  X ) 
 n i 1 
ser 0.
La distribución es mesocúrtica (plana normal) si  2  0 , leptocúrtica si  2  0 más

puntiaguda que la normal o platicúrtica (más plana que la normal) con  2  0 .
Ejemplo de curva más plana que la normal Curtosis = -1.03
Ejemplo de curva más picuda que la normal Curtosis = 0.76
5. MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS AGRUPADOS.
 La media con datos agrupados: se calcula así:
Xg 
 fM
n
Donde
f : es la frecuencia o número de observaciones en cada clase

M: es el punto medio de cada clase, se determina como el valor medio entre los
límites de clase.
n: es el tamaño de la muestra o la suma de todas las frecuencias de las clases
Ejemplo:
Clase Frecuencia de clase Frecuencia

acumulada
(Presión) (Días) M FM F
50-59 3 54.5 163.5 3

60-69 7 64.5 451.5 10
70-79 18 74.5 1341.0 28
80-89 12 84.5 1014.0 40
90-99 8 94.5 756.0 48
100-109 2 104.5 209.0 50
50 3935.0
3935
Xg   78.7
50
 Mediana de datos agrupados:
Primero se identifica la clase donde se encuentra la mediana cuya F es >= n / 2, en este

caso la clase de 70 a 79 con punto central de clase = 74.5.
~ n / 2  F   50 / 2  10 
Mediana  X  Lmd    (C )  70   10  78.33 pasajeros
 f md   18 
Donde:
Lmd: es el límite inferior de la clase de la mediana cuya F es >= n / 2 o sean (70)

F: es la frecuencia acumulada de la clase que antecede a la clase de la mediana (10)
Fmd: es la frecuencia de la clase de la mediana (18)
C es el intervalo de clase de la mediana que es la diferencia entre dos límites de clase
(10)
 Moda de datos agrupados:
Primero se halla la clase que tenga la frecuencia más alta, en este caso la clase 70 a 79.
 Da   18  7 
Moda  Lmo    (C )  70   10  76.47
 Db  Da   (18  12)  (18  7) 
Donde:
Lmo: es el límite inferior de la clase modal con la frecuencia más alta (70).
Da: es la diferencia entre la frecuencia de la clase modal y la clase que la antecede (18
– 7 = 11)
Db: es la diferencia entre la frecuencia de la clase modal y la clase que le sigue (18 – 12
= 6)
C: es el intervalo de la clase modal ( 80 – 70 = 10 )
 Varianza y desviación estándar de datos agrupados:
Varianza poblacional
DESVIACION ESTANDAR POBLACIONAL

Se denota por  , (letra griega sigma) y se define como:
N
 f (x i i  x) 2
 i 1
DESVIACION ESTANDAR MUESTRAL

Se denota por S y se define como:
N
 f (x i i  x) 2
S i 1
N 1
COEFICIENTE DE VARIACION
S
CVP   100 %
X
6. USOS FRECUENTES DE LA DESVIACIÓN ESTÁNDAR
 SESGO O COEFICIENTE DE ASIMETRIA
En la distribución normal si no es simétrica y tiene una cola más amplia del lado
derecho, se dice que existe un sesgo a la derecha y viceversa.
El coeficiente de sesgo o asimetría P se determina como sigue:
3( X  Mediana)
P
s
Si P < 0 los datos están sesgados a la izquierda, si P > 0 están sesgados a la derecha;
si P = 0 están distribuidos normalmente.
 CURTOSIS
En la distribución normal si no es acampanada y es más picuda o aplanada de lo

normal se dice que tiene una Curtosis diferente de cero que es lo normal, si es mayor
es más picuda o más plana al revés.
Coeficiente de Curtosis de Fisher
M4
Kurtosis   2  - 3 Para la distribución normal debe ser 0.
M 22
La distribución es mesocúrtica (plana normal) si  2  0 , leptocúrtica si  2  0 más

puntiaguda que la normal o platicúrtica (más plana que la normal) con  2  0 .
Ejemplo de curva más plana que la normal Curtosis = -1.03
Ejemplo de curva más picuda que la normal Curtosis = 0.76
7. CONCLUCIONES:
 La estadística es el conjunto de diversos métodos matemáticos que tienen

como objetivo obtener, presentar y analizar datos (ya sean números o
cualidades).
 La Estadística responde a la actividad planificadora de la sociedad.
 Este trabajo evidencia todos y cada uno de los temas vistos dentro del plan
semestral del programa ingeniería Industrial; lo aquí presentado permitió
desarrollar el sentido de localización de cada uno de los estudiantes pues fijo
datos reales a temas teóricos.
 Llevar un buen registro de datos estadísticos nos permite conocer de mejor
manera el problema, cuando nosotros conocemos la realidad de nuestras áreas
afectadas; es más fácil dar soluciones.
8. ANEXOS
Pruebas fotográficas de la encuesta
9. BIBLIOGRAFIA
http://bibliotecavirtual.lasalleurubamba.edu.pe/Estadistica/res/pdf/estadisticade
scriptivavariables2.pdf
www.metodosestadisticos.unizar.es/asignaturas/16630/Tema3.pdf
www.tgrajales.net/tendenciacentral.pdf
www.sitios.ingenieria-
usac.edu.gt/estadistica/estadistica2/estadisticadescriptiva.html
www.sitios.ingenieria
usac.edu.gt/estadistica/estadistica2/estadisticadescritptiva.html
http://www.vitutor.com/estadistica/descriptiva/a_15.html
http://www.hiru.com/es/matematika/matematika
http://www.economia.unam.mx/profesor/barajas/estadis/parte2.pdf

Trabajo Final de Estadistica

Cargado por

Información del documento

Descripción original:

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

Trabajo Final de Estadistica

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL

“Santiago Antúnez de Mayolo”

3. DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMAS Y DIAGRAMA.

4. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS SIMPLES.

5. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS AGRUPADOS.

En este trabajo, aremos todo lo referido a las preferencias de áreas de trabajo de un

estudio de la economía la Estadística Económica constituye un elemento de

Cuando la población es muy grande, es obvio que la observación de todos los

conclusiones que se obtengan de dicha muestra solo podrán referirse a la población en

 Variables independientes: Son las que el investigador escoge para establecer

Tabla de Distribución de frecuencias:

Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia absoluta

La suma de las frecuencias relativas es igual a 1.

Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias

Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente entre

Este tipo de tablas de frecuencias se utiliza con variables discretas.

X min - a/2 = LIPI (Límite Inferior del Primer Intervalo)

X max + a/2 = LSUI (Limite Superior del Ultimo Intervalo)

En uno de los ejes se posicionan las distintas categorías o modalidades de la variable

El círculo representa la totalidad que se quiere observar (en el ejemplo, total de

Obtención de los ángulos de cada sector:

Diagrama de bastones y escalonado

Se conoce como polígonos de frecuencia para datos agrupados a aquellos que se

histograma de frecuencias acumuladas que posibilita la diagramación del polígono

4. MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS SIMPLES.

Medidas de tendencia central

 Media: ( x ) Es el promedio aritmético de todos los valores que componen el

Para una muestra y para una población se tiene respectivamente:

 Moda (Mo): Simplemente observamos en la columna de las frecuencias

Para comprender el concepto de varianza, supóngase que tenemos los datos

2, 3, 4, 5, 6 con media = 20/5 = 4

Si tomamos la suma de diferencias de cada valor respecto a su media y las sumamos se

(-2) + (-1) + (0) + (1) + (2) = 0

Por lo que tomando diferencias simples no es posible determinar la dispersión de los

Si ahora tomamos esas mismas diferencias al cuadrado y las sumamos se tiene:

Varianza de los datos

 Poblacional (σ2 ) Se obtiene dividiendo el valor anterior entre n = 5, o sea el

 Muestral (s2) Se obtiene dividiendo el valor anterior entre n - 1 = 4, o sea el

 Desviación estándar: Es la raíz cuadrada de la varianza:

 Coeficiente de Variación (CV): Se utiliza para comparar la dispersión de dos

 SESGO O COEFICIENTE DE ASIMETRIA

El coeficiente de sesgo o asimetría P se determina como sigue:

En la distribución normal si no es acampanada y es más picuda o aplanada de lo

Coeficiente de Curtosis de Fisher

La distribución es mesocúrtica (plana normal) si  2  0 , leptocúrtica si  2  0 más

Ejemplo de curva más plana que la normal Curtosis = -1.03

Ejemplo de curva más picuda que la normal Curtosis = 0.76

5. MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS AGRUPADOS.

 La media con datos agrupados: se calcula así:

f : es la frecuencia o número de observaciones en cada clase

Clase Frecuencia de clase Frecuencia

50-59 3 54.5 163.5 3

 Mediana de datos agrupados:

Primero se identifica la clase donde se encuentra la mediana cuya F es >= n / 2, en este

Lmd: es el límite inferior de la clase de la mediana cuya F es >= n / 2 o sean (70)

 Moda de datos agrupados:

 Varianza y desviación estándar de datos agrupados:

DESVIACION ESTANDAR POBLACIONAL

DESVIACION ESTANDAR MUESTRAL

6. USOS FRECUENTES DE LA DESVIACIÓN ESTÁNDAR

 SESGO O COEFICIENTE DE ASIMETRIA

El coeficiente de sesgo o asimetría P se determina como sigue: