DESARROLLO DEL CONTENIDO

DEFINICIONES, CLASIFICACIÓN Y TIPOS DE DATOS

Estadística:
Es una ciencia que aplica el método científico en la recolección, organización,
análisis e interpretación de los datos numéricos con el fin de tomar decisiones
racionales.

Objetivo:
Describir los datos; ya sea por medio de medidas (estimadores), gráficos o
tablas en las que se puedan apreciar claramente el comportamiento y las
tendencias de la información recopilada.

Importancia:
Al analizar los datos de experimentos los estudiantes aprenden cómo diseñar
nuevos productos y procesos importantes, para lo que se necesita de cierto
conocimiento estadístico porque éstos permiten diseñar experimentos válidos y
obtener conclusiones confiables a partir de los datos obtenidos.

Clasificación:
• Estadística Descriptiva: Su finalidad es agrupar y representar la
información de forma ordenada, de tal manera que permita identificar
rápidamente aspectos característicos del comportamiento de los datos.
• Se refiere a cualquier tratamiento de datos diseñados para resumir o
describir algunas de sus características más importantes, sin intentar
deducir nada que escape al alcance de los datos.
• Estadística Inferencial: Busca dar explicación al comportamiento o
hallar conclusiones de un amplio grupo de individuos (población),
objetos o sucesos a través del análisis de una pequeña fracción de sus
componentes (muestra).
• Clasificación

Datos individuales y datos estadísticos:

Un dato individual es un dato de un solo individuo, mientras que un dato
estadístico es un dato de una muestra o de una población en su conjunto. Por
ejemplo, la edad de Juan es un dato individual, mientras que el promedio de
edades de una muestra o población de
personas es un dato estadístico. Desde ya, puede ocurrir que ambos no
coincidan: la edad de Juan puede ser 37 años, y el promedio de edades de la
muestra donde está incluido Juan es 23 años. Por esta razón un dato
estadístico nada dice respecto de los individuos, porque solamente describe la
muestra o población.

DATOS CUALITATIVOS, CUANTITATIVOS Y ATRIBUTOS

Datos estadísticos (variables). Los datos son agrupaciones de cualquier

número de observaciones relacionadas. Para que se considere un dato
estadístico debe tener 2 características: a) Que sean comparables entre sí. b) Que
tengan alguna relación.

Variable. Una característica que asume valores.

Clases de datos

• Variable cuantitativa o escalar. Será una variable cuando pueda

asumir sus resultados en medidas numéricas.
• Variable cuantitativa discreta. Es aquella que puede asumir sólo
ciertos valores, números enteros. Ejemplo: El número de estudiantes
(1,2,3,4)
• Variable cuantitativa continua. Es aquella que teóricamente puede
tomar cualquier valor en una escala de medidas, ya sea entero o
fraccionario. Ejemplo, Estatura: 1.90 m
• Variables cualitativas nominales. Cuando no es posible hacer
medidas numéricas, son susceptibles de clasificación. Ejemplo: Color de
autos: rojo, verde, azul.
• Experimento. Es una actividad planificada, cuyos resultados producen un
conjunto de datos. Es el proceso mediante el cual una observación o medición
es registrada. Ejemplo: ¿Cuál será la preferencia del consumidor
ante dos marcas de refresco con similares características en un ambiente
armónico y sin publicidad?
 POBLACIÓN Y MUESTRA

Puesto que la estadística se ocupa de una gran cantidad de datos, debe

primeramente definir de cuáles datos se va a ocupar. El conjunto de datos de los
cuales se ocupa un determinado estudio estadístico se llama población.
No debe confundirse la población en sentido demográfico y la población en
sentido estadístico.
La población en sentido demográfico es un conjunto de individuos (todos los
habitantes de un país, todas las ratas de una ciudad), mientras que una
población en sentido estadístico es un conjunto de datos referidos a
determinada característica o atributo de los individuos (las edades de todos los
individuos de un país, el color de todas las ratas de una ciudad).
Incluso una población en sentido estadístico no tiene porqué referirse a muchos
individuos. Una población estadística puede ser también el conjunto de
calificaciones obtenidas por un individuo a lo largo de sus estudios
universitarios.
En el siguiente esquema pueden apreciarse algunas formas de considerar los
datos individuales, según que correspondan a muchas personas o a una sola, y
también según que hayan sido recolectados en un instante de tiempo
determinado, o bien a lo largo del tiempo.

Los datos de la totalidad de una población pueden obtenerse a través de un

censo. Sin embargo, en la mayoría de los casos no es posible hacerlo por
razones de esfuerzo, tiempo y dinero, razón por la cual se extrae, de la
población, una muestra, mediante un procedimiento llamado muestreo. Se
llama muestra a un subconjunto de la población, y que puede o no ser
representativa de la misma.
Por ejemplo, si la población es el conjunto de todas las edades de los
estudiantes de la provincia de Buenos Aires, una muestra podría ser el
conjunto de edades de 2000 estudiantes de la provincia de Buenos Aires
tomados al azar.
POBLACIÓN

El término población se refiere a la totalidad de observaciones, datos o

medidas que se consideren en una situación dada.
También se la define como el conjunto de individuos, objetos o datos
numéricos, sometidos a una determinada investigación estadística; los
elementos pueden ser finitos o infinitos, simples o colectivos.

Ejemplos:

- En un estudio de la preferencia de los votantes en una elección presidencial, la

población está constituida por todas las personas empadronadas.
- En un estudio de mercado una investigación de las ventas anuales de los
supermercados, la población está constituida por todas las ventas de todos los
supermercados.

Una población puede ser finita o infinita.

Ejemplos:

- Los alumnos matriculados en la carrera de Guía Nacional de Turismo del

instituto tecnológico ITI, constituyen una población finita.
- Los alumnos universitarios del Ecuador, constituye una población infinita
dentro del campo investigativo.

La característica de una población recibe el nombre de parámetro.

Ejemplo:

- La media aritmética de las estaturas de las alumnas y alumnos del módulo uno
de la carrera de Guía Nacional de Turismo del instituto tecnológico ITI, es un
parámetro de la población de los estudiantes del segundo módulo de todos los
alumnos del instituto.

Es claro que, calcular un parámetro de una población con un gran número de

elementos es un proceso bastante difícil y en ciertos casos imposibles, por tal
motivo es necesario extraer una parte de ella, llamada muestra.
MUESTRA

Es la recolección de una parte de la población, de tal manera que se pueda

hacer inferencias y sacar conclusiones válidas para la población.

Ejemplos:

- En un estudio de la preferencia de los votantes en una elección presidencial, la

muestra está constituida por las personas empadronadas en la ciudad de Quito.
- En un estudio de mercado una investigación de las ventas anuales de los
supermercados, la muestra está constituida por las ventas de los supermercados
de Guayaquil.

Una característica de la muestra se conoce como estadígrafo.

Ejemplo:

- La estatura promedio de los alumnos del segundo módulo paralelo “A”.

En este contexto podemos definir que la inferencia estadística es una técnica,

mediante la cual podemos determinar conclusiones, generalizaciones, acerca de
los parámetros de la población, basándonos en las informaciones
proporcionadas por los estadígrafos de una muestra de esa población.
Considerando las definiciones anteriores, podemos determinar que “la
Estadística es un conjunto de teorías y métodos que han sido desarrollados
para tratar la recolección, el análisis y la descripción de datos muestrales, con el
fin de extraer conclusiones útiles”.
Su función principal es apoyar al investigador, en la toma de decisiones sobre el
parámetro de la población de la cual procede la muestra.

MUESTRA REPRESENTATIVA

Cuando la población es excesivamente grande, cuando el tiempo requerido para

observar los elementos es más largo de lo que se desea, cuando el costo de la
observación total es superior a los recursos disponibles, o cuando la observación
total implica la destrucción de los elementos de la población, es necesario recoger
información sólo de una parte de la población, es decir, de una muestra.
Con la muestra se persigue no estudiar la propia muestra, sino estudiar la
población, a través de ella.

Ejemplo:

- En un laboratorio se recoge una gota de sangre (muestra) para observar la

composición de toda la sangre (población).
Para seleccionar una muestra debe tenerse cuidado de que la misma sea
realmente representativa de la población y no una muestra sesgada. Esto
quiere decir, que cada elemento de la población debe tener igual oportunidad

de ser seleccionado, lo cual se consigue aproximadamente de la

siguiente manera.

1. Se numera cada miembro de la población con la finalidad de que pueda ser

identificado mediante un código numérico.
2. Se escribe cada código numérico en fichas iguales que se colocan en un
recipiente conveniente-mente revueltas.
3. Se selecciona al azar los datos que conforman la muestra.

¿Cómo determinar el tamaño de una muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso

importante en cualquier estudio de investigación de mercados, se debe
justificar convenientemente de acuerdo al planteamiento del problema, la
población, los objetivos y el propósito de la investigación.

¿De qué depende el tamaño muestral?

 El tamaño muestral dependerá de decisiones estadísticas y no estadísticas,
pueden incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el
equipo que estará en campo.

Antes de calcular el tamaño de la muestra necesitamos determinar varias

cosas:

1. Tamaño de la población. Una población es una colección bien definida de

objetos o individuos que tienen características similares. Hablamos de dos
tipos: población objetivo, que suele tiene diversas características y también es
conocida como la población teórica. La población accesible es la población
sobre la que los investigadores aplicaran sus conclusiones.
2. Margen de error (intervalo de confianza). El margen de error es una
estadística
que expresa la cantidad de error de muestreo aleatorio en los resultados de
una encuesta, es decir, es la medida estadística del número de veces de cada
100 que se espera que los resultados se encuentren dentro de un rango
específico.
3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor
con una determinada probabilidad alta. Por ejemplo, un intervalo de confianza
de 95% significa que los resultados de una acción probablemente cubrirán las
expectativas el 95% de las veces.
4. La desviación estándar. Es un índice numérico de la dispersión de un
conjunto de datos (o población). Mientras mayor es la desviación estándar,mayor
es la dispersión de la población.

CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL

TAMAÑO DE LA POBLACIÓN

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de

la población es la siguiente:
En donde
𝑍𝑎 = nivel de confianza,
p = probabilidad de éxito, o proporción esperada
q = probabilidad de fracaso
d = precisión (error máximo admisible en términos de proporción)

CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA

POBLACIÓN

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la

población es la siguiente:

En donde, N = tamaño de la población, 𝑍𝑎 = nivel de confianza, p =

probabilidad de éxito o proporción esperada, q = probabilidad de fracaso, d =
precisión (Error máximo admisible en términos de proporción).

La puntuación z es la cantidad de desviaciones estándar que una proporción

determinada se aleja de la media. Para encontrar la puntuación 𝑍𝑎 adecuada,
consulta la tabla a continuación:
TIPOS DE MUESTREO

El muestreo es una herramienta para determinar qué parte de una población

debemos analizar cuando no es posible realizar un censo. Depende de los
objetivos del estudio el elegir una muestra probabilística o no probabilística.

MUESTREO PROBABILÍSTICO

Se basa en el principio de equiprobabilidad, esto quiere decir que todos los

individuos de la muestra seleccionada, tendrán las mismas probabilidades de ser
elegidos. Lo anterior nos asegura que la muestra extraída contará con
representatividad.

Al azar simple

• Sistemática
• Estratificada
• Conglomerados

Características:

• No hay discreción del investigador.

• Los elementos se seleccionan por reglas mecánicas.
• Hay error muestral.
• Se conoce la probabilidad de inclusión.
MUESTREO NO PROBABILÍSTICO

No sirven para hacer generalizaciones, pero sí para estudios exploratorios. En

este tipo de muestras, se eligen a los individuos utilizando diferentes criterios
relacionadas con las características de la investigación, no tienen la misma
probabilidad de ser seleccionados ya que el investigador suele determinar la
población objetivo.

Características:

• La muestra es discrecional
• Los elementos se seleccionan por facilidad conveniencia y no por reglas
fijas
• No hay error muestral o no se puede calcular
• No se conoce la posibilidad de inclusión

TABULACIÓN, PRESENTACIÓN EN TABLAS DE DISTRIBUCIÓN DE

FRECUENCIAS Y PRESENTACIÓN GRÁFICA

La forma de ordenarlos y agruparlos dependerá del tipo de variable

considerada. Por ejemplo, si son datos relativos a variables cualitativas (niveles de
medición nominal y ordinal), no podremos utilizar tablas de frecuencias por
intervalos. El siguiente cuadro indica de qué manera se pueden ordenar y
agrupar los datos según cada nivel de medición de la variable:

Ejemplos de organización de los datos según el nivel de medición:

Una vez confeccionada la matriz de datos, se procede luego a resumir aún más
esta información mediante una tabla de frecuencias o, si cabe, en una tabla de
frecuencias por intervalos. Una tabla de este último tipo se justifica cuando la
tabla de frecuencias original es demasiado grande y por tanto de difícil manejo para
procesar la información. Sea de la forma que fuere, los datos ordenados según
sus frecuencias suelen denominarse distribución de frecuencias.

Las tablas de frecuencias contienen tres elementos importantes: las

frecuencias, el tamaño de la muestra y los intervalos (en este último caso sólo para
variables cuantitativas).
1) Frecuencia. - La frecuencia (f) se define como la cantidad de datos iguales o que
se repiten. Por ejemplo: la frecuencia 2 indica que el dato „católico‟ se repite
dos veces, la frecuencia 3 que el dato “clase media” se repite tres veces, y la
frecuencia 8 que el dato “17 años” se repite ocho veces.
A veces resulta necesario expresar las frecuencias de otra manera, como
puede apreciarse en la siguiente tabla ilustrativa:

Tipos de frecuencias que pueden indicarse en una tabla de frecuencias:

Frecuencia absoluta (f). - Es la cantidad de datos que se repiten. Por ejemplo, la

frecuencia 3 indica que hay tres personas de 15 años. La suma de todas las
frecuencias absolutas equivale al tamaño de la
muestra.

Frecuencia porcentual (f%). - Es el porcentaje de datos que se repiten. Por

ejemplo, la frecuencia porcentual 15% indica que el 15% de la muestra tiene la
edad de 15 años. La suma de todas las frecuencias porcentuales es 100%.

Frecuencia acumulada (F). - Es el resultado de haber sumado las frecuencias

anteriores. Por ejemplo, la frecuencia acumulada 10 resulta de sumar 7+3, e
indica la cantidad de veces que se repiten las edades 16 y 15. La última de
todas las frecuencias acumuladas, que en el ejemplo es 20, debe coincidir con el
tamaño de la muestra.

Frecuencia acumulada porcentual (F%). - Es el porcentaje de las frecuencias

acumuladas.

Frecuencia relativa (fr). - A veces también llamada proporción, es el cociente

entre la frecuencia de un dato x y la frecuencia total o tamaño de la muestra. En
la práctica, el tamaño de la muestra se considera como 1, a diferencia del tamaño
de la muestra en la frecuencia porcentual, que se considera 100%.

Frecuencia relativa acumulada (Fr). - Es el resultado de haber sumado las

frecuencias relativas anteriores. Por ejemplo: la frecuencia relativa 0.90 indica que
en 0.90 casos sobre 1 las edades están comprendidas entre 15 y 17 años.

Frecuencias parciales y frecuencia total. - Tanto las frecuencias absolutas

como las porcentuales o las relativas pueden ser frecuencias parciales o una
frecuencia total, siendo ésta última la suma de todas frecuencias parciales.

Las frecuencias porcentuales y las frecuencias relativas comparan la frecuencia

parcial con la frecuencia total, y sirven para establecer comparaciones entre
muestras distintas. Por ejemplo, si en una muestra de 1000 hombres, solo
votaron 200, y en una muestra de 600 mujeres solo votaron 200 mujeres, en

términos de frecuencias absolutas existe la misma cantidad de votantes

masculinos y femeninos, es decir 200, pero en „proporción‟, las mujeres
votaron más (la tercera parte del total) que los hombres (la quinta parte del
total). Esta información se obtiene al convertir las frecuencias absolutas en
frecuencias porcentuales o en frecuencias relativas (o proporciones).

2) Tamaño de la muestra. - Otro concepto importante es el tamaño de la

muestra (n), que designa la cantidad total de datos. Obviamente, la suma de
todas las frecuencias f debe dar como resultado el tamaño n de la muestra, por lo
que el tamaño de la muestra coincide con la frecuencia total.

3) Intervalos. - Un intervalo, también llamado intervalo de clase, es cada uno de

los grupos de valores ubicados en una fila en una tabla de frecuencias. Por ejemplo,
el intervalo 15-16 significa que en esa fila se están considerando las edades de
15 a 16 años. La frecuencia correspondiente a un intervalo es igual
a la suma de frecuencias de los valores en él incluidos. Los intervalos
presentan algunas características, que son las siguientes:
Tamaño del intervalo (a). - También llamado amplitud o anchura del intervalo, es
la cantidad de valores de la variable que se consideran conjuntamente en ese
intervalo. Por ejemplo, el intervalo 15-16 años tiene una amplitud de 2, puesto
que se consideran dos valores: 15 y 16. En otro ejemplo, el intervalo 20-
25 años tiene una amplitud de 6, puesto que se consideran seis valores.
En general, puede calcularse el tamaño de un intervalo restando el límite
superior y el inferior y sumando al resultado el número 1. Por ejemplo, 25
menos 20 da 5, y sumándole 1 da 6.

Los ejemplos indicados corresponden a variables discretas, lo que significa que no

podrán encontrarse valores intermedios entre dos intervalos. Por ejemplo, entre
los intervalos 15-16 y 17-18 no se encontrarán valores intermedios entre
16 y 17 años.
Téngase presente que: a) preferiblemente los intervalos deben tener un tamaño
constante, de manera tal que no se pueden considerar como intervalos 15-16 y
17-20, porque tienen diferentes tamaños; y b) los intervalos han de ser
mutuamente excluyentes, de manera tal que cuando se trata de variables
discretas, no pueden definirse los intervalos 15-16 y 16-17, porque el valor 16
años está en ambos intervalos y no se podrá saber con seguridad en qué
intervalo ubicar dicho valor.

El problema se puede presentar con las variables continuas, donde, por

definición, podría aparecer algún valor intermedio entre dos intervalos. Por
ejemplo, si se considera la variable continua „ingresos mensuales‟ y se
consideran en ella los intervalos 1000-2000 dólares y 3000-4000 dólares,
puede ocurrir que un dato obtenido de la realidad sea 2500 dólares, con lo cual no
podrá ser registrado en ningún intervalo. En tal caso se deberían
reorganizar los intervalos como 1000-2999 dólares y 3000-4999 dólares, con lo cual
el problema estaría resuelto.

Desde ya, puede ocurrir que aparezca un ingreso mensual de 2999,50 dólares, en
cuyo caso en principio deberían reorganizarse nuevamente los intervalos como
1000-2999,50 dólares y 2999,51-4999 dólares.
La forma de reorganizar los intervalos dependerá entonces del grado de
precisión que pretenda el investigador o del grado de precisión del instrumento de
medición disponible.

Límites del intervalo. - Todo intervalo debe quedar definido por dos límites: un
límite inferior y un límite superior. Estos límites, a su vez, pueden ser aparentes o
reales (Pagano, 1998:38-39). Considérese el siguiente ejemplo:

Si la variable considerada es discreta, carecerá de sentido la distinción entre

límites reales o aparentes.
Si se conviene que los valores que la variable puede adoptar son números
enteros, se considerarán solamente los intervalos 95-99, 90-94, etc. Estos
intervalos son en rigor reales, porque expresan los valores „reales‟ que puedan
haber, que no son fraccionarios.
Sólo en el caso de las variables continuas adquiere sentido la distinción entre
límites reales y aparentes.
Si la variable es continua, deberían tenerse en cuenta los límites reales. Por
ejemplo, si un valor resulta ser 94.52, entonces será ubicado en el intervalo
94.5-99.5. Sin embargo, aún en estos casos, lo usual es omitir los límites reales y
presentar sólo los límites aparentes (Pagano, 1998:39). En todo caso, los límites
reales se utilizan a veces cuando se intenta transformar la tabla de frecuencias
por intervalos en un gráfico.
En principio, en ningún caso deberá haber una superposición de valores, como en
el caso de los intervalos 20-21 y 21-22, donde el valor 21 está incluido en ambos
intervalos, violándose así la regla de la mutua exclusión. Si acaso se presentara
esta situación, o bien podrá ser adjudicada a un error del autor de la tabla, o bien
deberá traducírsela como 20-20.99 y 21-22.99.
Punto medio del intervalo (xm). - Es el valor que resulta de la semisuma de los
límites superior e inferior, es decir, el punto medio del intervalo se calcula sumando
ambos límites y dividiendo el resultado por dos.
Por ejemplo, el punto medio del intervalo 15-20 es 17.5. El punto medio del
intervalo sirve para calcular la media aritmética.

Intervalos abiertos y cerrados. - Idealmente, todos los intervalos deberían ser

cerrados, es decir, deberían estar especificados un límite superior y uno inferior de
manera definida. Sin embargo, en algunos casos se establecen también intervalos
abiertos, donde uno de los límites queda sin definir. En el siguiente ejemplo, ‟18
o menos‟ y ‟29 o más‟ son intervalos abiertos. Obviamente, en este tipo de
distribución los intervalos dejan de ser de tamaño constante.

Cantidad de intervalos. - La cantidad de intervalos es inversamente

proporcional al tamaño de los mismos: cuanto menor tamaño tienen los
intervalos, más numerosos serán.
El solo hecho de emplear intervalos supone una cierta pérdida de la
información. Por ejemplo, si se considera el intervalo 15-18 años, quedará sin
saber cuántas personas de 16 años hay. Para reducir esta incertidumbre,
podría establecerse un intervalo menor (15-16 años), pero con ello habrá
aumentado la cantidad de intervalos hasta un punto donde la información se
procesará de manera más difícil.
Consiguientemente, al agrupar los datos hay que resolver el dilema entre
perder información y presentar los datos de manera sencilla (Pagano R,
1998:37) (Botella, 1993:54), es decir, encontrar el justo equilibrio entre el
tamaño de los intervalos y su cantidad.
En la práctica, por lo general (Pagano, 1998:37) se consideran de 10 a 20
intervalos, ya que la experiencia indica que esa cantidad de intervalos funciona
bien con la mayor parte de las distribuciones de datos.
Se pueden sintetizar algunas reglas importantes para la construcción de
intervalos de la siguiente manera:

a) Los intervalos deben ser mutuamente excluyentes.

b) Cada intervalo debe incluir el mismo número de valores (constancia de
tamaño).
c) La cantidad de intervalos debe ser exhaustiva (todos los valores deben
poder ser incluidos en algún intervalo).
d) El intervalo superior debe incluir el mayor valor observado (Botella, 1993:54).
e) El intervalo inferior debe incluir al menor valor observado (Botella, 1993:54).
f) En variables continuas, es aconsejable expresar los límites aparentes de los
intervalos, que los límites reales.

TIPOS DE CURVAS DE FRECUENCIAS

1. Las curvas simétricas o en forma de campana se caracterizan porque las

observaciones equidistantes del máximo central tienen la misma frecuencia.
Las estaturas tanto de hombres como de mujeres adultos tienen
distribuciones en forma de campana.
2. Las curvas que tienen colas hacia la izquierda se dice que son sesgadas a la
izquierda. Las curvas de la cantidad de años que viven hombres y mujeres son
sesgadas a la izquierda. Pocos mueren jóvenes y la mayoría muere entre los
60 y los 80 años. En general, las mujeres viven en promedio diez años más que
los hombres.
3. Las curvas que tienen colas hacia la derecha se dice que son sesgadas a la
derecha. Las curvas de las edades a las que se casan tanto hombres como
mujeres son sesgadas a la derecha. La mayoría se casa entre los veinte y
treinta años y pocos se casan alrededor de cuarenta, cincuenta, sesenta o
setenta años.
4. Las curvas que tienen aproximadamente las mismas frecuencias para
todos sus valores se dice que son curvas distribuidas uniformemente. Por
ejemplo, las máquinas dispensadoras de refresco lo hacen de manera
uniforme entre 15.9 y 16.1 onzas.
5. Las curvas de frecuencias en forma de J o en forma de J inversa son curvas
en las que el máximo se presenta en uno de sus extremos.
6. Las curvas de frecuencias en forma de U son curvas que tienen un máximo
en cada extremo y un mínimo en medio.
7. Las curvas bimodales son curvas que tienen dos máximos.
8. Las curvas multimodales tienen más de dos máximos.