REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN UNIVERSITARIA,

CIENCIAS Y TECNOLOGIA
UNIVERSIDAD NACIONAL EXPERIMENTAL
“RAFAEL MARÍA BARALT”
PROGRAMA: ADMINISTRACIÓN EN ADUANAS

ACTIVIDADES ACADEMICAS CRUSO INTESIVO

2021-I.
Estadística I
Unidad II: Análisis descriptivo de una
variable.

Nombre: Ana Isabel

Apellido: Miralles Cardona
C.I: 30.333.648.
Fecha: 28/08/202.
Clases: 33211.
Docente: Cesar Medina
 Semestre III.
Índice.
1. Desarrollo.
 Tablas de distribución de frecuencia.
 Gráficos de una distribución de frecuencia.
 Medidas de tendencia central: medida, mediana y moda.
 Medidas de variabilidad: varianza, desviación típica y coeficiente
variación.
 Medidas de orden.
 Utilización de software estadístico para la revolución de ejercicios
aplicados en el área administrativa. (análisis descriptivo reflexivo)

2. Conclusión
3. Recomendaciones
4. Bibliografías y anexos.
 Desarrollo.

1. Tablas de distribución de frecuencia.

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.

 Frecuencia absoluta: La frecuencia absoluta es el número de veces que aparece

un determinado valor en un estudio estadístico.

- Al tirar una moneda   veces salen   caras.

- Se representa por , aunque otros autores la representan como .

- La suma de las frecuencias absolutas es igual al número total

de datos, que se representa por .

- Para indicar resumidamente estas sumas se utiliza la letra griega   (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 tanto por ciento y se representa por  .

- La frecuencia relativa es un número comprendido entre   y .

- La suma de las frecuencias relativas es igual a  .

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 .

Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente

entre la frecuencia acumulada de un determinado valor y el número total de datos.
Sé puede expresar en tantos por ciento. 

Ejemplo: Durante el mes de julio, en una ciudad se han registrado las siguientes
temperaturas máximas:

 En la primera columna de la tabla colocamos la variable ordenada de menor a

mayor.
 En la segunda hacemos el recuento.
 En la tercera anotamos la frecuencia absoluta.

 En la cuarta anotamos la frecuencia acumulada:

En la primera casilla colocamos la primera frecuencia absoluta:

En la segunda casilla sumamos el valor de la frecuencia acumulada anterior más

la frecuencia absoluta correspondiente:

En la tercera casilla sumamos el valor de la frecuencia acumulada anterior más la

frecuencia absoluta correspondiente:

La última tiene que ser igual a   (sumatoria de  ).

- En la quinta columna disponemos las frecuencias relativas   que son el
resultado de dividir cada frecuencia absoluta por 

- En la sexta anotamos la frecuencia relativa acumulada .

- En la primera casilla colocamos la primera frecuencia relativa acumulada.

- En la segunda casilla sumamos el valor de la frecuencia relativa acumulada.

anterior más la frecuencia relativa correspondiente y así sucesivamente hasta
la última, que tiene que ser igual a .

Recuento
I
II

III
III
I

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

2. Gráficos de una distribución de frecuencia.

Los gráficos permiten visualizar la información contenida en las tablas de manera

rápida y sencilla, demostrando con mayor claridad la relación que estos datos
tienen entre sí. Los más conocidos son:

Gráficos de barras: Son aquellos que emplean rectángulos (barras) que se

colocan paralelamente. La altura indica la frecuencia de ese dato. Los gráficos de
barras, permiten representar información numérica en forma clara y ordenada,
para comunicarla a otras personas. Con la información representada en los
gráficos puedes interpretar rápidamente y de manera visual la información,
facilitando su posterior análisis.

Para construir un gráfico de barras, debes dibujar un eje vertical y otro horizontal.
En el espacio libre se ubican las barras. Los datos numéricos van en el eje vertical
(determinando la altura de las barras) y las categorías en el eje horizontal.
Gráficos de líneas o lineal: Es un conjunto de puntos conectados por una línea
en un sistema cartesiano, que muestran tendencias de una variable a lo largo de
un período de tiempo.

Gráfico de torta o por sectores: Es un diagrama en círculo que representa

visualmente información en tajadas imaginarias de una torta.

Pictogramas: Son los más llamativos, ya que se representan por medio de

dibujos, se reemplaza las barras por dibujos. Se usan para lograr el interés masivo
del público.

Histograma: Es un gráfico formado por barras contiguas, donde cada una

representa un intervalo de valores, sirve para expresar información sobre datos
que están agrupados.

3. Medidas de tendencia central: medida, mediana y moda.

La media aritmética: es el promedio o medición de tendencia central de uso más

común. Se calcula sumando todas las observaciones de una serie de datos y
luego dividiendo el total entre el número de elementos involucrados.

La expresión algebraica puede describirse como:

Donde N es el número de datos. Un ejemplo:

Calcular la media de 2, 4, 6, 7, 9

N= 5 (el número de datos)

Aplico la fórmula y queda la sumatoria de 2, 4, 6, 7 y 9, siendo igual a 28, dividido

por la cantidad de datos, es decir, dividido por 5. La media, entonces, es igual a
5,6.

La mediana: es el valor medio de una secuencia ordenada de datos. Si no hay

empates, la mitad de las observaciones serán menores y la otra mitad serán
mayores. La mediana no se ve afectada por ninguna observación extrema de una
serie de datos. Por tanto, siempre que esté presente una observación extrema es
apropiada usar la mediana en vez de la media para describir una serie de datos.
Para calcular la mediana de una serie de datos recolectados en su forma sin
procesar, primero debemos poner los datos en una clasificación ordenada.
Después usamos la fórmula de punto de posicionamiento:

Para encontrar el lugar de la clasificación ordenada que corresponde al valor de la

mediana, se sigue una de las dos reglas:

1. Si el tamaño de la muestra es un número impar, la mediana se representa

mediante el valor numérico correspondiente al punto de posicionamiento, la
observación ordenada es (n+1)/2.

2. Si el tamaño de la muestra es un número par entonces el punto de

posicionamiento cae entre las dos observaciones medias de la clasificación
ordenada. La mediana es el promedio de los valores numéricos
correspondientes a estas dos observaciones medias.

La moda o modo: es el valor de una serie de datos que aparece con más
frecuencia. Se obtiene fácilmente de una clasificación ordenada. A diferencia de la
media aritmética, la moda no se ve afectada por la ocurrencia de los valores
extremos.

Ejemplo: Los valores siguientes son las calificaciones de un alumno durante todo
el año

7; 8; 9; 7; 9; 8; 8; 8; 7; 8

Podemos afirmar entonces que el modo es igual a 8, dado que es el valor que
aparece con más frecuencia.

4. Medidas de variabilidad: varianza, desviación típica y coeficiente

variación.
 Varianza y desviación típica

La variabilidad se puede basar en la distancia observada entre las puntuaciones y

un valor central de la distribución como la media aritmética. De modo que, una
distribución con poca variabilidad es en la que la mayoría de las puntuaciones
están próximas a la media, mientras que con mucha variabilidad, las puntuaciones
se alejan del valor medio de la variable.

Un primer índice podría ser el promedio de las desviaciones o diferencias de cada

puntuación con su media.
 X¯d = ∑(Xi - X¯) / n

El problema de este índice es que el sumatorio del numerador ∑(X i - X¯), siempre
es igual a cero; para ello se han propuesto dos soluciones. La primera consiste en
calcular el valor absoluto de cada desviación antes de realizar la suma “desviación
suma”:

DM = ∑|Xi - X¯| / n

Una segunda alternativa consiste en basarnos en el cuadrado de las diferencias y

así obtenemos la varianza que se define de la siguiente manera:

La varianza de un conjunto de n puntuaciones en una variable X, denotada

por Sx2 se define como el promedio de los cuadrados de las desviaciones de las
puntuaciones con respecto a la media:

Sx2 = ∑(Xi - X¯)2 / n

Varianza a partir de una distribución de frecuencias absolutas:

Sx2 = ∑ni(Xi - X¯)2 / n

Varianza a partir de una distribución de frecuencias relativas:

Sx2 = ∑pi Xi2 - X¯2 / n

La desviación típica de un conjunto de n puntuaciones, que se representa por

Sx es la raíz cuadrada de la varianza.

Tanto la varianza como la desviación típica son índices de dispersión muy útiles
en el desarrollo posterior de la estadística inferencial estando en la base de
numerosas técnicas estadísticas. Ambos índices presentan las siguientes
propiedades:

1. El cálculo de la varianza y la desviación típica, a diferencia de otros índices

de dispersión, requieren el uso de todas las puntuaciones observadas en la
distribución.
2. La varianza y la desviación típica miden la variabilidad de los datos con
respecto a la media aritmética, por lo que únicamente deben aplicarse si estamos
utilizando la media como medida de tendencia central.
3. La varianza y la desviación típica siempre son no negativas, es decir,
pueden ser iguales o mayores que cero. Son iguales a cero únicamente si todas
las puntuaciones son iguales entre sí. En este caso, no habría variabilidad o
dispersión en los datos. En el resto de los casos la varianza y la desviación típica
son positivas, siendo sus valores mayores a medida que aumenta la variabilidad
de las puntuaciones.
 Otro índice de variabilidad relacionado con la varianza es la cuasi varianza:

Sn-12 = ∑(Xi - X¯)2 / n-1

Coeficiente de variación: Es frecuente que uno de los objetivos del análisis

descriptivo de los datos sea la comparación del grado de variabilidad o dispersión
entre dos conjuntos de puntuaciones en una misma o distintas variables. Debido a
que, por lo general, las variables objeto de estudio se miden en unidades distintas
no tiene sentido compararlas en base a los valores de sus varianzas o
desviaciones típicas. Para paliar este inconveniente es necesario definir un índice
de variabilidad relativa que no dependa de las unidades de medida. Un coeficiente
que cumple con estos requisitos es el coeficiente de variación, que se expresa en
porcentajes: CV = (Sx / X) × 100

El coeficiente de variación está definido para variables con X > 0 y es

recomendable que su resultado se acompañe de la media y desviación típica de la
distribución a partir de las cuales ha sido calculado.

Cuando comparamos dos conjuntos de puntuaciones obtenidas de la misma

variable, también es necesario el coeficiente de variación para comparar la
dispersión de ambas distribuciones. Únicamente es posible utilizar la desviación
típica cuando la media de ambos grupos es la misma, y entonces, llegaríamos a
las mismas conclusiones con ambos índices.

5. Medidas de orden.

Son indicadores estadísticos que permiten resumir los datos en uno solo, o dividir
su distribución en intervalos del mismo tamaño. Las medidas de posición, por
tanto, sirven para medir y para dividir.

De esta forma, unos resumirán los diferentes valores en uno que, en este caso,
sea representativo. Por ejemplo, un promedio. Mientras los otros dividirán el
conjunto de los datos en partes iguales, más sencillas de interpretar; estaríamos
hablando de los cuantiles.

Un ejemplo sobre medidas de posición: Imaginemos los valores de la renta per

cápita de un país en una encuesta a veinte personas. Los hemos ordenado de
menor a mayor y calculamos algunos cuartiles y deciles. La imagen muestra cómo
se haría. Incluimos las fórmulas.
Por tanto, en el ejemplo podemos observar que las personas que menos cobran
(Q1 o D1) tienen unas rentas de 2900 o 2770. La renta mediana es de 3200 en
ambos casos. Los de mayor renta (Q3 o D9) ganaron 3875 o 4620. En conclusión,
estas medidas de posición no centrales ofrecen información muy interesante sobre
los datos analizados.

6. Utilización de software estadístico para la revolución de ejercicios

aplicados en el área administrativa. (análisis descriptivo reflexivo)

En la actualidad en el marco de los criterios de la Administración de la calidad y de

la productividad, así como en la aplicación de los sistemas de gestión de calidad
orientados a la toma de decisiones es imprescindible la aplicación de la
Estadística tanto descriptiva y en cierta medida la estadística inferencial, que a su
vez proporcionan elementos de confiabilidad que científicamente sustenten la
decisión tomada.

Tener en cuenta que el objetivo de la estadística como disciplina es brindar

soporte en:

a) Planificación de la búsqueda y obtención de la información.

b) Organizar y sistematizar la información para su descripción y análisis.

c) A partir de la información organizada, efectuar inferencias a través de la

estimación y contrastación de la hipótesis.

El modelo de toma de decisión de un tema o problema específico requiere el

soporte que proporciona la estadística, que involucra desde la toma de muestra
propiamente hasta la corroboración de la decisión a un nivel de confiabilidad
definido.

La aplicación de la estadística es a todo ámbito y siempre va a requerir considerar

una data muestreal o poblacional de un determinado caso como por ejemplo;
nivel de hemoglobina de 1000 pacientes damas de un hospital se encuentra en un
rango definido y tiene tendencia a disminuir, que la variabilidad de pesos netos de
galletas que produce la empresa X está en un rango de peso evitando generar
pérdidas al productor y detrimento al consumidor, que los valores de venta diaria
van en crecimiento en Y% en meses definido dentro de un negocio, o simplemente
la curva de resultados de un examen de matemáticas básicas en un salón de
clase fue en un rango especifico pudiendo definir un pronóstico de nivel de
aprobados final o de dificultad para subsiguientes evaluaciones

La estadística descriptiva nos ofrece el detalle de las herramientas para definir

elementos básicos en la toma de decisión como son la media, mediana, moda,
desviación estándar y los diferentes diagramas de cajas, histogramas, tablas de
contingencia y graficas de dispersión entre otros. Que nos ayudara en la
obtención, organización, presentación y descripción de la información numérica.

En complemento a la estadística descriptiva también se usa la estadística

inferencial la cual nos introduce en el mundo de la certeza para la toma de
decisión a partir de hipótesis definidas de antemano al proyecto, para ello utiliza
los modelos de diseño experimental, que son en la actualidad elementos
imprescindibles para que estas decisiones tengan la base científica
suficientemente sólida como para sustentar la decisión técnica-administrativa de
los responsables tanto en la industria como en los negocios a nivel general.

La estadística inferencial es una técnica mediante el cual se obtienen

generalizaciones y toma de decisión en base la información parcial obtenida en
base a técnicas descriptivas. Dentro de los temas más comunes que ve la
estadística inferencial están:

a) Comparación entre dos o más métodos de trabajo, materiales y productividad

de máquinas, con el fin de elegir cual cumple mejor los requerimientos.

b) Comparar instrumentos u equipos de medición para verificar si trabajan con la

misma precisión y exactitud.

c) Determinar los factores de un proceso que tienen impacto sobre uno o más
características del producto final.

d) Encontrar condiciones de operatividad donde se reduzcan los defectos o se

logre mejor desempeño de proceso.
e) Brindar soporte para diseñar productos y procesos robustos a los niveles de
ruido que puedan generar variabilidades.

Finalmente para la aplicación de las herramientas estadísticas necesarias

actualmente se usan una variedad de paquetes de software, que puedan
simplificar la labor operativa que requieren lo elementos de comprobación
estadística propiamente dicha uno de los más usados en nuestro medios, es el
Minitab, el cual proporciona los elementos necesarios para la aplicación
estadística requerida. También existen otros paquetes aplicativos en campos
específicos de la investigación antes de la toma de decisión a nivel de proyectos
en todo campo.
 Conclusión.

Uno de los enfoques para el estudio y análisis de los estudios que se extraen de
métodos estadísticos es el del análisis descriptivo. Un tipo de aproximación con el
que se analizan los datos procediendo a su descripción y sin una hipótesis previa
que deba ser o no falseada. ¿En qué consiste el análisis descriptivo?

La estadística es la disciplina encargada de estudiar el comportamiento de

entidades e individuos, ya se trate de observar grupos sociales o conjuntos de
datos científicos.

En el caso de la estadística de análisis descriptivo, este tipo de metodología

proporciona un enfoque por el que se confecciona un resumen de información que
dan los datos de una muestra. Es decir, su meta es hacer síntesis de la
información para arrojar precisión, sencillez y aclarar y ordenar los datos.

Por ejemplo, el censo de las personas que acudieron al hospital en un año o un

mes determinado es análisis descriptivo. Después de recoger los datos, éstos se
presentarán a través de gráficas o infografías describiéndolos.

El análisis descriptivo da respuesta a alguna pregunta formulada al inicio del

despliegue estadístico para:

 Recolectar y ordenar la información por medio de gráficas y medios

visuales.
 Extraer las características más representativas de una colección de datos.
 Describir tendencias.
 Recomendaciones.

1. Análisis la potencia estadística que han obtenido las investigaciones previas

sobre tu tema de estudio, así podrás determinar el tamaño muestra mínimo
que necesitas para detectar el tamaño de efecto que esperas. Selecciona
cuidadosamente tu potencia estadística deseada en función del tamaño
muestra que puedes obtener y su costo.

2. Cuantifica tus expectativas sobre el tamaño muestra mínimo. El tamaño

muestra debe basarse en el tamaño del grupo más pequeño que se desea
evaluar, en el número de predictores del modelo a utilizar (regla tácita de 10
casos por variable), etc...

3. Si tu objetivo es repetir un estudio previo pregúntate dos cuestiones:

 si crees que las investigaciones anteriores no han encontrado resultados
significativos debido a los falsos negativos (al error tipo II), pregúntate sobre
el tamaño muestra y el tipo de prueba estadística utilizado en el estudio.
Pregúntate si puede acceder a más datos o utilizar otras técnicas
estadísticas para mejorar estos resultados.

 si no sospechas que exista un alto error tipo II, evalúa si tiene sentido
repetir el estudio, tal vez no pueda detectar un efecto.
 
4. Selecciona la prueba estadística más potente que puedas aplicar a los
datos. Las pruebas paramétricas son más potentes que las no
paramétricas, las pruebas direccionales (unilaterales) son más potentes que
las no direccionales (bilaterales); trabajar con datos numéricos es más
potente que trabajar con datos nominales u ordinales.

5. Resiste a la tentación de realizar múltiples análisis a los mismos datos. No

intentes realizar cada vez más análisis en búsqueda de rechazar la
hipótesis nula. Ten cuidado cuando selecciones el valor alfa porque si eres
menos selectivo (y utilizas un mayor alfa, e.g. 0.1 en lugar de 0.05)
aumentarás el error tipo II y disminuirás el poder estadístico de la prueba.
Distingue entre las hipótesis pre y las post hoc. Estate atento a la repetición
de hallazgos accidentales.

6. Evalúa la estabilidad de tus resultados ya sea analizando los datos con una
segunda muestra (replicación) o dividiendo los datos en subgrupos y
analizando cada parte de manera separada (validación cruzada).
7. Evalúa el riesgo relativo de error tipo I y II. Como ambos tipos de errores
están relacionados, si tus resultados no son significativos considera si
puede sospechar que se deba al error tipo II (e.g. si se encuentra el efecto
en investigaciones anteriores). Si p>0.05 no asumas que no existe efecto
sin más, evalúa si puedes relajar el valor de alfa o si puedes colectar más
información para aumentar el poder estadístico de su estudio.
 Bibliografías.

 https://www.uv.es/webgid/Descriptiva/1_introduccin2.html
 https://es.scribd.com/document/266386043/Tablas-Bivariadas
 http://www.portaleducativo.net/quinto-basico/515/Tablas-de-
frecuencia-y-graficos
 https://aprendiendoadministracion.com/medidas-de-tendencia-central-
media-mediana-moda-rango-y-eje-medio/
 https://psikipedia.com/libro/analisis-de-datos/2474-medidas-de-variabilidad
 Armando, Soto Negrin. Principios de Estadística. Editorial Panapo. 1999.
Pág.: 71-81.
 Ernesto, Rivas González. Estadística General. Ediciones de la Biblioteca.
Caracas. 2000. Pág.: 164-169.
 Anderson, D.; Sweeney, D. y Williams, T (2008).V Estadística para
administración y economía. 0 ed. México. Cengage Learning. [ Links ]
 Azcárate, P. (2006). ¿Porqué no nos gusta enseñar estadística y
probabilidad? Conferencia realizada en XII, Jornadas de Investigación en el
Aula de Matemáticas: Estadística y azar, Granada, España. [ Links ]
 Batanero, C. (2002), "Los retos de la cultura estadística", Jornadas
interamericanas de enseñanza de la estadística, Buenos Aires, conferencia
inaugural. [ Links ]
 Batanero, C. (2002). Estadística y didáctica de la matemática: Relaciones,
problemas y aportaciones mutuas. En M. Penalva, G. Torregrosa y J. Valls
(Coords.). Aportaciones de la didáctica de la Matemática a diferentes
perfiles profesionales (pp. 95-120). Murcia: Editorial Compobell.
[ Links ]
 Batanero, C., Godino, J. D., Green, D. R., Holmes, P y Vallecillos, A. (1994).
Errors and difficulties in understanding elementary statistical concepts.
International Journal of Mathematics Education in Science and Technology,
25(4), 527-547. [ Links ]
 Batanero, C. (2005). Significados de la probabilidad en la educación
secundaria. Revista Latinoamericana de Investigación en Matemáticas,
8(3), 247-264. [ Links ]
 Behar, R. y Ojeda, M. (2000). El proceso de aprendizaje de la estadística:
¿Qué puede estar fallando? Heurística, 10, 26-43. [ Links ]
 Blalock, Hubert M (1998). Estadística social. México. FCE. 6" reimpresión.
[ Links ]
 Casas Sánchez Jose M., Julián Santos Peñas Introducción a la estadística
para administración y dirección de empresas segunda edición,2002
[ Links ]
 Eudave Muñoz, D. (2007). El aprendizaje de la estadística en estudiantes
universitarios de profesiones no matemáticas. Educación Matemática,
19(2), 41-66 [ Links ]
 Friz Carrillo, Miguel, Sanhueza Henríquez, Susan, & Figueroa Manzi,
Ernesto. (2011). Concepciones de los estudiantes para profesor de
Matemáticas sobre las competencias profesionales implicadas en la
enseñanza de la Estadística. Revista electrónica de investigación educativa,
13(2), 113-131. [ Links ]
 Gómez, L Diseño de un sistema de información de marketing. Tesis para
optar por el título de Máster en Dirección, Universidad de La Habana. 2008.
[2]. s/a, (2013). Los sistemas de Marketing, Recuperado el 2013, de
cvh.ehu.es: http://cvb.ehu.es/open_course_ware/castellano/social _juri
/marketing/tema-5/tema-5.pdf [ Links ]
 Holmes, P. (1980). Teaching Statistics, 11-16. Sloug: Foulsham
Educational. [ Links ]
 Mood, A.M. y Graybill, E.A, (19972). Introducción a la teoría estadística.
México, Aguilar. [ Links ]
 Moreno, J.L. (1998), "Statistical Literacy. Statistics Long after School", en L.,
Pereira-Mendoza et al. (ed.), Proceedings of the 5th International
Conference on Teaching Statistics, Singapur, pp. 447-452. [ Links ]
 Ottaviani, M. G. (1998). Developments and perspectives in statistical
education. Documento presentado en el Congreso Estadística para el
desarrollo Económico y Social, Aguascalientes, México [ Links ]
 Pacheco Espejel, A. (2013). La estadística aplicada como herramienta para
la dirección integral de las organizaciones. (Spanish). Gestión Y Estrategia,
(44), 125-138 [ Links ]
 Pomilio, C., Miño, M., Brignone, N., Facal, G., Telesnicki, M., Fass, M.,
Filloy, J., Cueto, G., Fernández, M., & Perez, A. (2017). Análisis de
actividades sobre estadística descriptiva en libros de educación media:
¿Qué se pretende que los estudiantes aprendan? [ Links ]
 Ritchey, Eerris J., (2008). Estadística para las ciencias sociales. México.
McGraw-Hill. 2da edición. [ Links ]
 Sosa Escudero, W. (2014). Qué es (y qué no es) la estadística: Usos y
abusos de una Disciplina clave en la vida de los países y las personas.
Buenos Aires: Siglo Veintiuno Editores. [ Links ]
 Tovar Cuevas, J., Castillo Sanchez, H.,& Marín, M. del P. (2010).
Preconcepciones de estudiantes de la Pontificia Universidad Javeriana Cali
sobre el curso de estadística. Pensamiento Psicológico, 3(9). Recuperado a
partir de http://revistas.javerianacali.edu.co/index.php/
pensamientopsicologico/article/view/60 [ Links ]
 Utts, J. (2002), "What Educated Citizens Should Know About Statistics and
Probability", Proceedings of the 6th International Conference on Teaching
Statistics, Sudáfrica. [ Links ]
 Webster Allen, Estadística aplicada a los negocios y la economía. Tercera
edición, 2001. [ Links ]
 Estadística Descriptiva e inferencial. Hugo García Mancilla y Juan Matus
Parra- Colegio de Bachilleres.

 Herramientas estadísticas básicas para el mejoramiento de la calidad –

Hitoshi Kume – Grupo Norma.2002.

 Análisis y Diseño de Experimentos. Humberto Gutiérrez Pulido y Román de

la Vara Salazar Mc Graw Hill 2008. 2da edición.
 Estadística Descriptiva e inferencial. Hugo García Mancilla y Juan Matus
Parra- Colegio de Bachilleres.

 Herramientas estadísticas básicas para el mejoramiento de la calidad –

Hitoshi Kume – Grupo Norma.2002.

 Análisis y Diseño de Experimentos. Humberto Gutiérrez Pulido y Román de

la Vara Salazar Mc Graw Hill 2008. 2da edición.
Anexos.