Capítulo 2

Distribución de Frecuencias

2.1. Introducción
Al realizar una investigación estadística, se puede obtener:

Un reducido número de observaciones, que para presentarlos no se requiere tratamiento

especial alguno.

Una gran cantidad de datos, que para presentarlos es necesario un previo proceso de conden-
sación o tabulación.

Se denomina tabulación a la operación de reducir o resumir las observaciones mediante una

tabla o cuadro estadístico.
Las distintas observaciones denotaremos: Y1 ; Y2 ; ; Yn ; donde Yi (i = 1; 2; n) representa la
i-ésima observación.

2.2. Frecuencia absoluta

Es el número de veces que aparece un valor de una variable o una modalidad del atributo en
la información.
Simbolizaremos mediante ni (i = 1; 2; 3; ; m); donde “m” ó “k” representa los distintos
valores de la variable o el número de clases que tiene una distribución.

2.3. Estadísticas unidimensionales

Se tienen las estadísticas para datos no agrupados y datos agrupados.

2.3.1. Datos no agrupados

Son estadísticas que constan de pocas observaciones.

5
.. ..

Ejemplo 2.1
Ventas mensuales de
4 casas comerciales.
(En Bs.)
8 000
9 000
12 000
15 000

2.3.2. Datos agrupados

Se divide en dos casos:
Primer Caso. Cuando las estadísticas constan de muchas observaciones, pero la variable toma
pocos valores distintos (variable discreta).

Ejemplo 2.2 Los siguientes datos, se re…eren a los resultados del lanzamiento de un dado equili-
brado:
y1 = 2 y6 = 1 y11 = 3 y16 = 6
y2 = 5 y7 = 6 y12 = 2 y17 = 5
y3 = 3 y8 = 3 y13 = 1 y18 = 2
y4 = 5 y9 = 4 y14 = 6 y19 = 6
y5 = 6 y10 = 5 y15 = 4 y20 = 3
Se observa que el tamaño de la muestra es n = 20; y que existen seis valores de la variable.
Resumiendo en una tabla ésta información se tiene.

Resultados del lanzamiento

de un dado equilibrado
yi ni
(Variable) (Frec. absoluta)
1 2
2 3
3 4
4 2
5 4
6 5
n= 20
Fuente: Datos …cticios

Segundo Caso. Cuando las estadísticas constan de muchas observaciones y la variable toma
muchos valores distintos (variable contínua).
Para tabular este tipo de información se recurre a agrupar en intervalos de clase; y para tal
efecto se sigue los pasos siguientes.

a) Se determina el recorrido o rango de la variable. Se calcula tomando la diferencia entre el

valor máximo y el valor mínimo de los datos observados.
Es decir:
rec = Ymax Ym n

.. 6 ..
.. ..

b) Se establece un número aproximado de clases o intervalos (m o k).

Algunos criterios son:
p
b.1. m = k = n.
b.2. Sturges: m = k = 1 + 3;3 log n.

c) Los intervalos de clase están determinados por un límite superior (Yi0 ) y un límite inferior
Yi0 1 .
Asimismo cada intervalo está representado por una marca de clase, que se de…ne así:
Yi0 1 + Yi0
Yi =
2

d) Se calcula la amplitud de clase, dividiendo el recorrido entre el número de clases.

En símbolos:
rec
c=
m
La diferencia entre el límite superior y el límite inferior de un intervalo, se denomina amplitud
de clase.

e) Se …jan los límites de clase, de tal manera que el valor mínimo debe quedar incluido en el
primer intervalo y el valor máximo en el último intervalo.

Ejemplo 2.3 Los siguientes datos corresponden al consumo de luz eléctrica de una muestra de 40
familias, por el mes de abril del año en curso:

(En Bs)
420 200 560 400
365 130 140 270
120 170 135 115
270 320 570 450
190 430 360 590
500 150 130 350
320 270 215 470
110 415 300 240
300 330 420 580
480 510 160 265

Se pide:
a) Tabular la información con el número de intervalos apropiado.
b) Calcular e interpretar n6 .
c) Hallar las marcas de clase.
Desarrollo:
a) rec = Ymax Ym n = 590 110 = 480.
p p
m = k = n = 40 = 6;32 6
rec 480
c = = = 80
m 6

.. 7 ..
.. ..

Distribución del consumo de luz

eléctrica de una muestra de familias
Yi0 1 Yi0 ni Yi hi Ni Hi Ni0 Hi0
110-190 11 150 0.275 11 0.275 29 0.725
190.1-270 7 230 0.175 18 0.450 22 0.550
270.1-350 6 310 0.150 24 0.600 16 0.400
350.1-430 7 390 0.175 31 0.775 9 0.225
430.1-510 5 470 0.125 36 0.900 4 0.100
510.1-590 4 550 0.100 40 1 0 0
n= 40 1
Fuente: Datos hipotéticos.
b) n6 = 4 : signi…ca que 4 familias tienen un consumo de luz eléctrca entre 510 y 590 Bs.
c)
Y 0 + Yi0 110 + 190
Yi = i 1 = = 150
2 2

2.4. Frecuencia relativa

Se denota por hi (i = 1; 2; 3; :::; m) y se de…ne como el cociente entre la frecuencia absoluta de
un valor o clase y el tamaño de la muestra (n); y representa el porcentaje de observaciones que
corresponde a un determinado valor de la variable o intervalo de clase.
En símbolos:
ni
hi =
n

Ejemplo 2.4 Utilizando el cuadro anterior, calcular e interpretar h3 .

n3 6
h3 = = = 0;15 (100) = 15 %
n 40

Signi…ca que el 15 % de las familias tienen un consumo de luz eléctrica entre 270 y 350 Bs.

2.5. Frecuencia absoluta acumulada

Se simboliza por Ni (i = 1; 2; :::; m) y se de…ne como la suma sucesiva de las frecuencias absolu-
tas; y representa el número de frecuencias acumuladas hasta un determinado valor de la variable.
En símbolos:
Ni = n1 + n2 + ::: + nj

Ejemplo 2.5 Calcular e interpretar: N5 .

N5 = n 1 + n 2 + n 3 + n 4 + n 5
= 11 + 7 + 6 + 7 + 5 = 36

Signi…ca que 36 familias tienen un consumo de luz eléctrica hasta 510 Bs.

.. 8 ..
.. ..

2.6. Frecuencia relativa acumulada

Se denota mediante: Hi (i = 1; 2; :::; m) y se de…ne como la suma sucesiva de las frecuencias
relativas; y representa el porcentaje de frecuencias acumuladas hasta un determinado valor de la
variable.
En símbolos:
Hi = h1 + h2 + ::: + hj

Ejemplo 2.6 Calcular e interpretar: H3 .

H3 = h1 + h2 + h3 = 0;25 + 0;175 + 0;15 = 0;60 100 = 60 %

Signi…ca que el 60 % de las familias tienen un consumo de luz eléctrica menor o igual a 350 Bs.

2.7. Frecuencia absoluta acumulada complementaria

Se simboliza mediante Ni0 y se de…ne como la diferencia entre el total de observaciones (n) y la
frecuencia absoluta acumulada correspondiente al valor de la variable que nos interesa y representa
el número de frecuencia acumulada mayores a un determinado valor de la variable.
En símbolos:
Ni0 = n Ni

Ejemplo 2.7 Calcular e interpretar N40 .

N40 = n N4 = 40 31 = 9

Signi…ca que 9 familias tienen un consumo de luz eléctrica mayor a 430 Bs.

2.8. Frecuencia relativa acumulada complementaria

Se denota por Hi0 y se de…ne como la diferencia entre la unidad positiva y la frecuencia relativa
acumulada correspondiente al valor de la variable que nos interesa y representa el porcentaje de
freuencias acumuladas mayores a un determinado valor de la variable.
En símbolos:
Hi0 = 1 Hi

Ejemplo 2.8 Calcular e interpretar H20 .

H20 = 1 H2 = 1 0;45 = 0;55 100 = 55 %

Signi…ca que el 55 % de las familias tienen un consumo de luz eléctrica mayor a 270 Bs.

.. 9 ..
.. ..

2.9. Representaciones grá…cas

2.9.1. Diagrama de barras
Es la expresión grá…ca de las estadísticas agrupadas de variable discreta. Para su representación
se utiliza el sistema de ejes cartesianos, donde en el eje de abscisas se toman los valores distintos
de la variable y en el eje de ordenadas sus frecuencias. (absolutas o relativas) correspondientes.
Para dar mayor visibilidad al grá…co se materializa la ordenada de cada punto mediante una línea
gruesa o barra.

Ejemplo 2.9 Empresas de Cochabamba por número de trabajadores.

Número de trabajadores Empresa

yi ni hi
60 5 0.25
70 4 0.20
80 6 0.30
90 3 0.15
100 2 0.10
n= 20 1
Fuente: Datos hipotéticos.

Gra…cando el diagrama de barras se tiene:

ni

0
60 70 80 90 100 110
yi

2.9.2. Histograma de frecuencias

Corresponde a la representación grá…ca de estadísticas de variable continua; y consiste en un
conjunto de rectángulos yuxtapuestos, que se construye tomando como base de los rectángulos
los intervalos de clase y las áreas de los mismos iguales o proporcionales a las correspondientes
frecuencias.
Se pueden distinguir dos casos.

a) Cuando los intervalos tienen amplitud constante

Como la base de los rectángulos que se constuiran son siempre de igual magnitud, puede
tomarse dicha base como unidad de medida de la variable, entonces las áreas de los rectán-
gulos son exáctamente iguales a sus alturas y éstas a sus frecuencias.

.. 10 ..
.. ..

Ejemplo 2.10 Sueldos y salarios de los trabajadores de una empresa ($us.)

yi0 1 yi0 ni Ni Ni0

600 700 30 30 170
700 800 40 70 130
800 900 70 140 60
900 1000 30 170 30
1000 1100 20 190 10
1100 1200 10 200 0
n= 200

El histograma de frecuencias correspondiente es:

ni

80
70
60
50
40
30
20
10
0
500 600 600 700 700 800 800 900 900 10001000 11001100 12001200 yi

b) Cuando los intervalos tienen amplitud variable

En este caso, es necesario calcular previamente las alturas de cada uno de los rectángulos,
dividiendo las frecuencias entre la amplitud de clase correspondiente.
ni
En símbolos: ai = .
ci

Ejemplo 2.11 Consumo de luz eléctrica de un grupo de familias (Bs.)

ni
yi0 1 yi0 ni ai =
ci
80 85 10 2
85 95 30 3
95 110 15 1
110 115 25 5
115 120 15 3
n= 95

.. 11 ..
.. ..

La grá…ca respectiva esta dada por:

ai
6

0
80 85 90 95 100 105 110 115 120 yi

2.10. Polígono de frecuencias

Se obtiene uniendo los puntos medios (marcas de clase) de los lados superiores de los rectángulos
del histograma mediante segmentos lineales.
Al trazar un polígono de frecuencias, es necesario considerar un intervalo de clase con frecuencia
cero en cada uno de los extremos.

Ejemplo 2.12 Considerando el cuadro de los sueldos y salarios, construir el polígono de frecuen-
cias correspondiente:
ni

80
70
60
50
40
30
20
10
0
500 600 600 700 700 800 800 900 900 100010001100 11001200 1200 yi

2.11. Polígono de frecuencias acumuladas u ojiva

La ojiva es una línea quebrada que se traza por los puntos formados entre los límites superiores
de los intervalos de clase que se representan en el eje de abscisas y las frecuencias acumuladas
(absolutas y relativas) en el eje de ordenadas.
Se distinguen la ojiva ascendente y la ojiva descendente.

.. 12 ..
.. ..

Ejemplo 2.13 En base al cuadro anterior de los cueldos y salarios construir la ojiva ascendente
y descendente.

a) Ojiva ascendente:

200
Ni

180
160
140
120
100
80
60
40
20
0
600 700 800 900 1000 1100 1200
yi

“El mínimo valor de la frecuencia acumulada es cero y corresponde al primer límite real
interior”.

b) Ojiva descendente:
N'i

200
180
160
140
120
100
80
60
40
20
0
600 700 800 900 1000 1100 1200
yi

“El máximo valor de la frecuencia acumulada es 200 y corresponde al primer límite real
inferior”.

.. 13 ..