ESTADISTICA DESCRIPTIVA EN LA

INVESTIGACIÓN
DR. LUIS PÉREZ

MARCIA GÓNZALEZ

MATERIA DE CLASES

2020/07/30

SEMESTRE: Tercer semestre

 UNIDAD 1: CONCEPTOS BÁSICOS EN ESTADÍSTICA Y
PROCESAMIENTO INICIAL DE DATOS
22 de mayo 2020
Tabulación de la encuesta realizada a los estudiantes de la carrera de educación básica

37 personas que están los datos de ustedes en esta columna de la primera está los
estudiantes 37 estudiantes Por obvias razones sólo está un número y no corresponde al
orden alfabético ni nada por el estilo orden en el que descargue del aula virtual 123 hasta
llegar a 37 soles del orden en el que yo descargue y están las actitudes de la uno a la 30 en
este momento vamos a procesar de la siguiente manera y yo voy a procesar todos estos
datos a ver quién me que nos dice rápidamente
Cuántos datos tengo aquí tengo 30 columnas por 37 estudiantes Cuánto es 30 por 37 1110
en total datos vamos agrupar un poco más de orden por ejemplo número 30 las opciones
que tenía si están mirando y voy a poner los porcentajes estoy haciendo este momento una
tablita sólo para útiles en la pantalla poner así tu número 30 y esto lo voy a hacer manera y
lo voy a poner todo con amarillo Para que le salga muy bien las opciones que tenía lupus la
número 30 porque está aquí cerca para mirarle teníamos las opciones de contestar como
uno que significaba lo mínimo dos puntos dijimos que sea regular Tres puntos bueno 4 que
sea muy bueno cinco Qué es excelente y eso me va a dar un total el total que respondió la
encuesta es 37 estudiantes entonces empieza a contar Cuántos unos tengo ha contestado una
persona Cuántos dos tengo ningún 2 con 3 8 han respondido con 4 19 han respondido y con
5 han respondido 9 esto es una tabulación manual
Se calculará los valores para ver a que porcentaje corresponde cada valor
De tal manera que cuando estén completo los valores el resultado de 100% Una vez ya
teniendo los datos podemos interpretar aproximadamente la mitad de estudiantes del curso
de educación básica se auto valoraron como muy buenos en el trabajo en equipo sin
embargo un estudiante el cual equivale al 2.7% se auto valoró como mínimo es decir poca
es su contribución para el equipo en el caso que se evaluaron como buenos es necesario
incrementar su compromiso las personas que integran esos equipos tienen que trabajar en
función para que todos mejor Ren de que crezcan de que sean sólidos

UNIDAD 1: Conceptos básicos en estadística y procesamiento inicial de

datos
1.1 Evolución y definición de estadística
1.1.1 Historia de la estadística
1.1.2 Definición moderna de estadística
1.1.3 Tipos de estadística
1.1.4 Pasos en un estudio estadístico
1.1 Evolución y definición de estadística
1.1.1 Historia de la estadística
• La palabra Estadística procede del vocablo “Estado”, pues era función principal de los
Gobiernos de los Estados establecer registros de población, nacimientos, defunciones,
impuestos, cosechas...
Su origen empieza posiblemente en la isla de Cerdeña (Italia). 1800 aC. - Existen
monumentos prehistóricos pertenecientes a los Nuragas. - Primeros habitantes de la isla. -
Bloques de basalto superpuestos sin mortero. - Paredes con grabados toscos signos, hoy
interpretados con mucha verosimilidad como muescas que servían para llevar la cuenta del
ganado y la caza.
 1.1 Evolución y definición de estadística
1.1.1 Historia de la estadística (Fuente: Estadística para todos.
https://www.estadisticaparatodos.es/historia/histo_esta.html)
• Los egipcios ya analizaban los datos de la
población y la renta del país mucho antes
• Hacia el año 3.000 a.C. los de construir las pirámides. En los antiguos
• En la Biblia observamos en uno de los libros
monumentos egipcios se encontraron
babilonios usaban ya pequeñas documentos que demuestran la
del Pentateuco, bajo el nombre de Números, el
tablillas de arcilla para recopilar censo que realizó Moisés después de la salida
organización y administración de este
de Egipto. Textualmente dice: "Censo de las
datos en tablas sobre la pueblo; llevaban cuenta de movimientos
tribus: El día primero del segundo año después
producción agrícola y los géneros poblacionales y continuamente hacían
de la salida de Egipto. En el libro bíblico
censos. Tal era su dedicación que hasta
vendidos o cambiados mediante tenían a la diosa Safnkit, diosa de los libros
Crónicas describe el bienestar material de las
trueque. diversas tribus judías.
y las cuentas. Todo esto era hecho bajo la
dirección del Faraón y fue a partir del año
3050 a.C.

• En la Edad Media, en el año 762,

• En China existían los censos chinos
ordenados por el emperador Tao
hacia el año 2.200 a.C.
• Posteriormente, hacia el año 500
a.C., se realizaron censos en Roma
para conocer la población existente
en aquel momento. Se erigió la figura
del censor, cuya misión era controlar
el número de habitantes y su
distribución por territorios.
Carlomagno ordenó la creación de un
registro de todas sus propiedades, así
como de los bienes de la iglesia.
• Después de la conquista Normanda de
Inglaterra en 1.066, el rey Guillermo I, el
Conquistador, elaboró un catastro que
puede considerarse el primero de Europa
. • Los Reyes Católicos ordenaron a Alonso
de Quintanilla en 1.482 el recuento de
fuegos (hogares) de las provincias de
Castilla.

En 1.662 un mercader de lencería londinense, John Graunt, publicó un tratado con las
observaciones políticas y naturales, donde Graunt pone de manifiesto las cifras brutas de
nacimientos y defunciones ocurridas en Londres durante el periodo 1.604-1.661, así como
las influencias que ejercían las causas naturales, sociales y políticas de dichos
acontecimientos. Puede considerarse el primer trabajo estadístico serio sobre la población.
Curiosamente, Graunt no conocía los trabajos de B. Pascal » (1.623-1.662) ni de C.
Huygens (1.629-1.695) sobre estos mismos temas. Un poco más tarde, el
astrónomo Edmund Halley (1.656- 1.742) presenta la primera tabla de mortalidad que se
puede considerar como base de los estudios contemporáneos. En dicho trabajo se intenta
establecer el precio de las anualidades a satisfacer a las compañías de seguros. Es decir, en
Londres y en París se estaban construyendo, casi de manera simultánea, las dos disciplinas
que actualmente llamamos estadística y probabilidad.
En el siglo XIX, la estadística entra en una nueva fase de su desarrollo con la
generalización del método para estudiar fenómenos de las ciencias naturales y
sociales. Galton » (1.822-1.911) y Pearson (1.857-1936) se pueden considerar como los
padres de la estadística moderna, pues a ellos se debe el paso de la estadística deductiva a la
estadística inductiva.
Los fundamentos de la estadística actual y muchos de los métodos de inferencia son
debidos a R. A. Fisher. Se intereso primeramente por la eugenesia, lo que le conduce,
siguiendo los pasos de Galton a la investigación estadística, sus trabajos culminan con la
publicación de la obra Métodos estadísticos para investigaciones. En el aparece la
metodología estadística tal y como hoy la conocemos.
A partir de mediados del siglo XX comienza lo que podemos denominar la estadística
moderna, uno de los factores determinantes es la aparición y popularización de los
computadores. El centro de gravedad de la metodología estadística se empieza a desplazar
técnicas de computación intensiva aplicadas a grandes masas de datos, y se empieza a
considerar el método estadístico como un proceso iterativo de búsqueda del modelo ideal
Las aplicaciones en este periodo de la Estadística a la Economía conducen a una disciplina
con contenido propio: la Econometría. La investigación estadística en problemas militares
durante la segunda guerra mundial y los nuevos métodos de programación matemática, dan
lugar a la Investigación Operativa
1.1 Evolución y definición de estadística
1.1.2 Definición moderna de estadística
En este 2020 estaba previsto hacer el censo en el 2020 ya debían tener un plan desde años
anteriores un plan para recolectar los datos el censo es ir casa por casa Generalmente con
estudiantes de unidades educativas estudiantes de universidades Y recoge la información en
unos formularios luego procesarlo agruparlos y luego presentarlos eso pues posiblemente se
demore un año y con eso tendríamos del censo Ecuador 2020 esto se puede presentar en
hasta cuatro tomos y esos datos en su parte ya vienen analizados
 estadistica estadistica estadistica

• La Estadística se • La Estadística no son • Estadística. Ciencia que

ocupa de la sólo los resultados de estudia la recolección,
recolección, encuestas, ni el cálculo análisis e interpretación
agrupación, de unos porcentajes, la de datos, ya sea para
presentación, análisis Estadística es un ayudar en la resolución de
la toma de decisiones o
e interpretación de método científico que para explicar condiciones
datos. pretende sacar regulares o irregulares de
conclusiones a partir algún fenómeno o estudio
de unas observaciones aplicado, de ocurrencia en
hechas. forma aleatoria o
condicional, es, además,
el vehículo que permite
llevar a cabo el proceso
relacionado con la
investigación científica.

Disciplinas especializadas
Algunos campos de investigación usan la estadística tan extensamente que tienen
terminología especializada. Estas disciplinas incluyen:
* Ciencias actuariales De aquí en cuatro años el IESS estaría quebrado. Porque ya hay
algunos estudios actuariales supongamos que hoy tenemos 4000 millones de dólares, pero
sigue creciendo los gastos en el seguro significa que los datos del seguro van a ir de
decreciendo cada mes y como no se compensa con más ingresos las ciencias actuariales es
revisar el pasado y mirar cómo nos vamos a proyectar al futuro por eso suelen decir para
tomar decisiones hay que hacer estudios actuariales.
* Física estadística
* Estadística industrial Los dueños de las Industrias de nuestro país tendrán estadísticas
por ejemplo las fábricas de acero enero producimos en febrero producimos en marzo
bajamos de la mitad en abril no hemos producido nada no hemos comercializado nada
* Estadística Espacial * Matemáticas Estadística
* Estadística en Medicina * Estadística en Medicina Veterinaria y Zootecnia
* Estadística en Nutrición * Estadística en Agronomía
* Estadística en Planificación * Estadística en Investigación
* Estadística en Restauración de Obras * Estadística en Literatura
* Estadística en Astronomía * Estadística en la Antropología (Antropometría)
* Estadística en Historia
* Estadística militar * Geoestadística
* Bioestadística * Estadísticas de Negocios
* Estadística Computacional * Estadística en las Ciencias de la Salud
* Investigación de Operaciones * Estadísticas de Consultoría, etc.

Estadística en educación

Tipos de estadística
Los métodos empleados para resumir y organizar datos se denominan estadística
descriptiva; mientras que los métodos para tomar decisiones se denominan inferencia
estadística.
La estadística se divide en dos grandes áreas:
• Estadística descriptiva: se dedica a los métodos de recolección, descripción,
visualización y resumen de datos originados a partir de los fenómenos de estudio. Los datos
pueden ser resumidos numérica o gráficamente. Ejemplos básicos de parámetros
estadísticos son: la media y la desviación estándar. Algunos ejemplos gráficos son:
histograma, pirámide poblacional, clústers, entre otros.
En el tema de la universidad era para ver el crecimiento poblacional de estudiantes docentes
y de personal administrativo Ese es el fenómeno de estudio ver como hemos crecido en 5
años
• Estadística inferencial: se dedica a la generación de los modelos, inferencias y
predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de
las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de
la población bajo 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 series de tiempo y minería de datos. Ambas ramas
(descriptiva e inferencial) comprenden la estadística aplicada.
Pasos en un estudio estadístico
Primeramente: Investigación Científica
El planteamiento de un problema científico.
El desarrollo de un modelo verificable para resolverlo.
Un proceso riguroso y objetivo de observación y recopilación de datos.
El análisis e interpretación de los hallazgos en función del modelo planteado, el contexto
y el conocimiento científico previamente establecido.
La comunicación apropiada de sus resultados a la comunidad científica y la sociedad para
su verificación y aplicación.
Ejemplo
Que problemas educativos existe en la unidad educativa Isabel de Godin
La falta de infraestructura en la unidad educativa Isabel de Godin
Pasos en un estudio estadístico
Primeramente: Investigación Científica
Recolección de datos: Puede ser con un estudio observacional, y con un experimento
diseñado. La cantidad de información necesaria, la forma de recolección y las técnicas para
adquirirla, de manera que sea relevante al problema, y las conclusiones que se extraigan
tengan cierto grado de confiabilidad, son tratados en el Diseño de Experimentos y Muestreo
Estadístico.
 Pasos en un estudio estadístico (Pasos básicos para un experimento)
Planeamiento estadístico de la investigación, lo cual incluye encontrar fuentes de
información, selección de material disponible en el área y consideraciones éticas para la
investigación y el método propuesto. Se plantea un problema de estudio.
Diseñar el experimento concentrándose en el modelo y la interacción entre variables
independientes y dependientes.
Se realiza un muestreo consistente en la recolección de datos referentes al fenómeno o
variable que deseamos estudiar. Se propone un modelo de probabilidad, cuyos parámetros
se estiman mediante estadísticos a partir de los datos de muestreo. Se producen estadísticas
descriptivas.
Inferencia estadística. Se llega a un consenso acerca de qué dicen las observaciones acerca
del mundo que observamos. Se utiliza el modelo validado para tomar decisiones o predecir
acontecimientos futuros. Se produce un reporte final con los resultados del estudio.

UNIDAD 1: Conceptos básicos en estadística y procesamiento inicial de

datos
Población, muestra y muestreo

De un grupo de personas puedo sacar mi muestra en este caso que seria 5 personas en que
de la población saco un subconjunto una parte y secciono a un numero determinado de la
población

28 de mayo de 2020
 de entre los 40
estudiantes que en este caso sería la población los nombres de casa uno en este caso podría
ir en una funda uy solo un cierto número de papelitos será elegido entonces se llamaría la
muestra
Población es la totalidad de animales personas o cosas objetos etc. o incluso de un liquido
por ejemplo si quiero ver una piscina mi población será el volumen de agua y la muestra
solo en este caso escogeré un pequeño volumen para ver cuatas bacterias contiene, por
ejemplo
Cuál es el grado de estrés de en el cantón Chunchi en los meses de abril y mayo por la
pandemia
Población 5000 personas
Muestra 700
Cuál es el grado de violencia intrafamiliar dentro de los hogares de la provincia de cañar
durante las épocas de confinamiento en los meses de abril mayo del 2020
Población 80,000
muestra 620

29 de mayo 2020

1.2 Población, muestra y muestreo

La población se clasifica en: finita o infinita Cuando se investiga las características de todas
las unidades que procesan la población o universo, nos referimos a una investigación total,
exhaustiva o censo. Factores tales como: costo, tiempo, recursos humanos, poblaciones
muy grandes o infunitas, destrucción de la unidad alguna vez a control, características con
gran homogeneidad, impiden la realización del censo. Se sustituye, entonces, por una
investigación parcial o muestra El objetivo principal de muestreo es considerar el mayor
número de unidades con el menor costo posible.
La muestra, para el mar representativo de la población, requiere que todas las unidades de
la población tengan la misma falla de ser elegido, es decir, debe ser aleatorio, al azar o
probabilistica. El muestreo aleatorio, el cumplimiento bajo ciertas condiciones y el
cumplimiento de ciertos requisitos, se constituye en un procedimiento práctico, económico
y rápido para generalizar las conclusiones obtenidas a través de una muestra, las solicitudes
a toda la población de la forma parte, dentro de ciertos límites de confiabilidad, establecido
de antemano.

1 de junio 2020
Muestreo aleatorio, se tienen los siguientes métodos:o Muestreo aleatorio simple o
muestreo aleatorio irrestricto, en el cual se da igual oportunidad de selección a cada
elemento o unidad dentro de la población.

Muestreo aleatorio estratificado (Asignación igual, proporcional y óptimo), garantiza la

representatividad, reduce el error de la muestra al formar grupos o subpoblaciones más o
menos homogéneas, en cuanto a su composición interna y heterogénea cuando se compara
entre sí. O Muestreo por conglomerados, por áreas o geográfico. Cuando la unidad básica
de muestreo se encuentra en la población en grupos o conglomerados y la selección de la
unidad permite la observación del total de elementos de cada conglomerado elegido. Cada
conglomerado tiene las mismas características de la población, puede hacerse un segundo
muestreo dentro del conglomerado seleccionado, denominándose de doble etapa o
bietápico. Prácticamente es muy aplicado cuando no se dispone de un mareo de referencia
completo. El área total se divide en pequeñas áreas que son muestreadas. Cada área
seleccionada puede ser subdividida y enumerada para una nueva selección, si es necesario,
y así sucesivamente dando origen al muestreo por etapas o polietápicos
Muestreo por fases. En ocasiones, es conveniente y económico recoger cierta información
de la totalidad de elementos de una muestra, la cual se extrae de la población en tal forma
que sea lo suficientemente grande. Además, la necesidad de información más detallada
obliga a una nueva muestra proveniente de la anterior, ocasionando un muestreo de dos
fases o bifásico. Puede variar, también, de varias fases o polifásico.
Muestreo sistemático. La selección de las unidades se hace a intervalos regulares, en un
orden sistemático. .
Muestreo a juicio, intencional u opinático, donde los elementos seleccionan a juicio o en
opinión del vestigador; podríamos decir qué prima la intención de que estas unidades sean
ineluidas dentro de la muestra.
Muestreo por conveniencia, donde se eligen los elementos más al alcance del
investigador.
Muestreo voluntario. donde el informante, voluntariamente, suministra información sin
ser previamente seleccionado.
Muestreo por cuotas, es un número de entrevistas, encuestas, condiciones o cuotas que se
le fijan al encuestador para que a su vez especifique los elementos en la forma que
considera oportuna
Muestreo aleatorio todos los elementos tienen la probabilidad de ser seleccionados Eso
significa aleatorio o probabilístico no hay que confundirse cuidado componer todos son
seleccionados eso ya es otra cosa
Muestreo aleatorio estratificado significa que implica dividir a la población inicialmente en
estratos y allí sacar la muestra
El muestreo por conglomerados llamado también por áreas de gráficos se parece al anterior
pero implica dividir a la población en conglomerados y de allí extraer de la muestra
El muestreo por fases significa que lo pueda hacer primera fase segunda fase tercera fase
pero si hago dos veces será dos fases
Ejemplo de muestreo probabilístico
sí quiero hacer un muestreo aleatorio que sea probabilístico del 1 al 40 qué son los
estudiantes alguno de ellos tiene la probabilidad de ser elegido, pero si yo quiero probar el
muestreo a no aleatorio en la lista de estudiantes sólo tomaré a los que tienen número par es
decir que la otra mitad se queda fuera.
Tengo en un ánfora los estudiantes 13771 Y los escojo a cada 1 va a salir aleatoriamente A
la suerte saco 374 Y me saldrá por ejemplo el núm100 el núm500 etcétera Y cómo están
desorden Lo ordenó por apellidos Y de cada estudiante debo tener la información de cada 1

Para el muestreo aleatorio estratificado se va a dividir por conglomerados A la población la

vamos a dividir en carreras Entonces hago una regla de 3 2330 por 374
Determinación del tamaño de la muestra
 • tamaño de la muestra
n=

•tamaño del universo (o de la población)

N=
• probabilidad de ocurrencia (homogeneidad del fenómeno, porcentaje de respuestas fiables o confiables,
generalmente p = 0.5) q = 1-p = probabilidad de no ocurrencia (respuestas no fiables) ME = margen de error o
p= precisión admisible con que se toma la muestra (generalmente se elige del 0,01 al 0,15), el más usual es 0.05.

• margen de error o precisión admisible con que se toma la muestra (generalmente se elige del 0,01 al 0,15), el
más usual es 0.05.
ME =

• nivel de confianza o exactitud con que se generaliza los resultados a la población (expresado como el valor
teórico, en un ensayo a dos colas del normalizado z).
NC =
Una forma de plantear ME y NC es, en porcentajes
ME+NC = 100%, es decir:
ME = 15% = 0.15; o sea al 85% de confianza, NC = 1.44
ME = 13,36% = 0.1336; o sea al 86,64% de confianza, NC = 1.50
ME = 10% = 0.10; o sea al 90% de confianza, NC = 1.64
ME = 5% = 0.05; o sea al 95% de confianza, NC = 1.96 (el más usual)
ME = 3% = 0.03; o sea al 97% de confianza, NC = 2.17
ME = 1% = 0.01; o sea al 99% de confianza, NC = 2.57
04-de junio-2020
05-06-2020
Distribución de frecuencias
Unitarias, (tipo I). CADA UNIDAD UN VALOR
• Recorrido de la variable pequeño y población o muestra pequeña
• Ejemplo: EDADES EN UNA FAMILIA Agrupadas en frecuencias (tipo II) VALORES
REPETIDOS PARA POCAS CATEGORIAS de la variable
• Recorrido de la variable pequeño, pero muestra o universo grande (es decir, hay valores
que se repiten
• Ejemplo: SEXOS EN ESTA CLASE Agrupadas en intervalos de clase y frecuencias (tipo
III) MUCHOS VALORES POSIBLES Y MUCHAS CATEGORIAS de la variable
• Recorrido de la variable grande y muestra o población grande
• Ejemplo: INGRESOS, PESO, EDADES, ETC
Ejemplo: Frecuencias Agrupadas en frecuencias (tipo II)
Que cuando me dan varios datos Io puedo obtener o tener el tipo de distribución de la
frecuencia agrupada tipo dos Esto se refiere a un grupo de 30 estudiantes
12-06-2020
Criterios de interpretación del déficit de alfa

VALOR DE ALFA INTERPRETACIÒN

0.90-1.00 Se califica como muy satisfactoria
0.80-0,89 Se califica como adecuada
0.70-0.79 Se califica como moderado
0.60-0,69 se califica como baja
0.50-0,59 se califica como muy baja
<0.60 se califica como no confiable

Rangos magnitud
0,81 a 1.00 muy alta
0,61 a 0,80 alta
0,41 a 0,60 moderada
0,21 a 0,40 baja
0,01 a 0,20 muy baja

Pasos para generar la probabilidad en el programa spss

1 copiar los datos
2 analizar
3 escala
4 análisis de fiabilidad
5 a la derecha copiado todo
6 clic en el botón calcular
7 se presenta la fiabilidad
14 de junio de 2020

15 de junio 2020
Ejemplo: Frecuencias Agrupadas en intervalos de clase y frecuencias (tipo III)
Este término utilizado en estadística llamado rango Más adelante lo conoceremos como una
medida de dispersión Entonces mayor siendo el rango mayor es la dispersión de datos Y
mientras menor es el rango más concentrados y centrados van a estar los datos
Ejemplo: Frecuencias Agrupadas en intervalos de clase y frecuencias (tipo III)

Empezaremos escogiendo el núm60 Incluido el 60 tengo que tomar 5 entonces sería 60 61

62 63 64 y 65 entonces sería la 5 frecuencia
18 de junio de 20202
1.5. Representaciones gráficas
1.5.1 Diagrama de barras
1.5.2 Histogramas
1.5.3 Diagramas de sectores
1.5.4 Pictogramas
1.6. Otros tipos de gráficos
1.6.1. De cajas
1.6.2. De dispersión
1.6.3. Dinámicos
Ejemplo
Tema: Calidad de vida de los profesores de la Unach
Problema: Cuál es el nivel de calidad de vida de los profesores de la Unach
Objetivo: Determinar el nivel de calidad de vida de los profesores del Unach
Muestra: probabilístico aleatorio simple
Cvl cvl
Trato Libros
Remuneración artículos
Preparación tesis
Motivación Páginas oficiales
Ambientes informes
desempeño relación laboral Interés por el trabajo

NO MUESTRA
1-247 =(ALEATORIO.ENTRE(I;691) Fórmula para Excel
Y seguimos arrastrando
Fórmula para Excel
=REDONDEAR189;1
=189,7
=REDONDEAR189;0
=190

Si quiero redondear las demás cantidades

como ya tengo la fórmula solo le arrastro
MEDIDAS DE TENDENCIA CENTRAL

PROMEDIOS
Los promedios son una medida de posición que dan una descripción compacta de cómo
están centrados los datos y una visualización más clara del nivel que alcanza la variable,
pueden servir de base para medir o evaluar valores extremos o raros y brinda mayor
facilidad para efectuar comparaciones.
22 de junio de 2020
MEDIA ARITMÉTICA
Es una medida matemática, un número individual que representa razonablemente el
comportamiento de todos los datos.
-Para datos no agrupados

-Para datos agrupados

MODA
Es el valor de un conjunto de datos que ocurre más frecuentemente, se considera como el
valor más típico de una serie de datos.
Para datos agrupados se define como Clase Modal el intervalo que tiene más frecuencia.
La moda puede no existir o no ser única, las distribuciones que presentan dos o máximos
relativos se designan de modo general como bimodales o multimodales.
MEDIANA
Es el valor de la observación que ocupa la posición central de un conjunto de datos
ordenados según su magnitud. Es el valor medio o la media aritmética de los valores
medios. La mediana es un valor de la variable que deja por debajo de él un número de casos
igual al que deja por arriba.
Moda y mediana
Introducción
En estadística se usan algunos términos que reflejan ciertas tendencias dentro de una
muestra. Dentro de estos términos encontramos dos que abordaremos en profundidad:
La mediana.
La moda.
Que es la Mediana
¿Qué se entiende por el concepto de mediana?
Si pensamos en términos geométricos, la mediana está referida a la unión de un vértice
cualquiera con el punto medio del lado opuesto a ese vértice.
Es decir, se refiere a un punto al medio de una recta.

Si se ordena una tabla de datos

de menor a mayor o viceversa,
Algo semejante ocurre en
la mediana se refiere a aquel
estadística.
dato que se encuentra en el
centro de ese listado.

Pero pueden presentarse dos

situaciones: Un listado con un
número impar de datos. Y otro
con un número par de datos.

Mediana de datos impares

Con un número impar de datos encontrar la mediana es fácil.
Resultará ser el dato que se encuentra justo al centro del listado.
También podemos usar la siguiente fórmula para determinar la posición del dato central:
(n+1)/2 = mediana de datos impares.
Ejemplo 1: mediana con datos impares
Las edades de un equipo de fútbol son las siguientes: 58; 46; 50; 58; 57.
Es necesario ordenar los datos en forma creciente o decreciente.
En forma creciente sería: 46; 50; 57; 58; 58.
El dato que se encuentra al centro es 57.
Por lo tanto, la mediana es 57.
Ejemplo 2: mediana con datos impares
La siguiente tabla muestra las notas obtenidas por un curso en una prueba de Lenguaje y su
frecuencia.

Ordenando
Si ordenamos los números de forma creciente, encontraríamos que:
(n+1)/2 sería la ubicación de la mediana.  (41+1)/2 = 42/2 = 21. 2.5 - 3 - 3 – 3.5 – 3.5 –
3.5 – 3.5 – 3.5 – 3.5 – 3.5 - 4 - 4 - 4 - 4 - 4 - 4 - 4 - 4 – 4.5 – 4.5 – 4.5 – 4.5 – 4.5 – 4.5 - 5 -
5 – 5.5 – 5.5 – 5.5 – 5.5 – 5.5 – 5.5 - 6 - 6 - 6 - 6 - 6 – 6.5 – 6.5 - 7 - 7
Por lo tanto, la mediana del curso en esta prueba corresponde a la nota 4.5.
Mediana de datos pares
Con un número par de datos, encontrar la mediana es sencillo.
Resultará ser la media aritmética de los dos datos que se encuentran al centro del listado.
También podemos usar la siguiente fórmula para determinar la posición de estos dos datos
centrales: n/2 y n/2 + 1 Entonces, la mediana para un número par de datos será la media
aritmética entre estos dos datos.
Ejemplo 1: mediana con datos pares
La talla de pantalón de 8 amigos es la siguiente: 48 - 54 - 50 - 56 - 48 - 50 - 58 - 54
Si ordenamos los datos en forma creciente, veremos que los datos centrales corresponden a:
48 - 48 - 50 - 50 - 54 - 54 - 56 - 58
La mediana corresponde a la media aritmética entre estos dos datos. (50 + 54)/2 = 104/2 =
52
Entonces, 52 es la mediana de esta muestra.
Ejemplo 2: mediana con datos pares
La edad de los compañeros y compañeras de una oficina se resume en la siguiente tabla:

Ordenando
 Al ordenar los números de forma decreciente encontramos: 35 - 31 - 31 - 30 - 28 - 28 -
28 - 26 - 26 - 26 - 25 - 25 - 25 - 25 - 23 - 23 - 23 - 23 - 22 - 22
El par de datos centrales está ubicado en: n/2 y n/2 + 1.  Es decir: 20/2 = 10 20/2 + 1 = 10
+ 1 = 11
Entonces, los términos medios que buscamos están en la posición 10 y 11.
Continuando
Si buscamos esos números, son: 35 - 31 - 31 - 30 - 28 - 28 - 28 - 26 - 26 - 26 - 25 - 25 - 25
- 25 - 23 - 23 - 23 - 23 - 22 - 22
Ahora la mediana será la media aritmética entre estos dos términos, es decir, entre 26 y 25.
Entonces:
(26 + 25) /2
51/2
25.5
Moda
Cuando hablamos de moda, por ejemplo, en vestuario, se relaciona con aquella prenda que
se usa masivamente.
Entonces, se podría inferir que la moda tiene que ver con la frecuencia con que se usa cierta
prenda de vestir.
En estadística ocurre algo semejante.
La moda es aquel dato que más se repite. Es decir, aquel dato que tiene mayor frecuencia.
Ejemplo 1
En el ejemplo anterior, con respecto a las notas en una prueba de Lenguaje, se tiene la
siguiente tabla:

Ejemplo 1
Claramente la frecuencia mayor la encontramos en 8.
Entonces, la moda de las notas de este curso corresponde a un 4,0.

Ejemplo 2
En el ejemplo anterior de las edades de los compañeros y compañeras de oficina, la tabla es
la siguiente:

Ejemplo 2
Encontramos que hay dos frecuencias que son igualmente altas.  Ambas corresponden a
4.  Entonces, esta es una distribución bimodal, que corresponde a las edades de 23 y 25.

Ejemplo 3
Las estaturas de los alumnos y alumnas de un curso en centímetros son:
159 – 161 – 170 – 181 – 154 – 162 – 170 – 169 – 155 – 163 – 185 – 175 – 180 – 185 – 170
– 171 – 185 – 162 – 181 – 167 – 159 – 185 – 167 – 183 – 190 – 172 – 185 – 167 – 183 –
178 – 160 – 185 – 171 – 170 – 169 – 180 – 190 – 170 – 171 – 180 – 185 – 170
25 de junio de 2020 jueves
Ejemplo 3
Si observamos con atención y sacamos cuentas, veremos que:
159 – 161 – 170 – 181 – 154 – 162 – 170 – 169 – 155 – 163 – 185 – 175 – 180 – 185 – 170
– 171 – 185 – 162 – 181 – 167 – 159 – 185 – 167 – 183 – 190 – 172 – 185 – 167 – 183 –
178 – 160 – 185 – 171 – 170 – 169 – 180 – 190 – 170 – 171 – 180 – 185 – 170
Ejemplo 3
Entonces la estatura de mayor frecuencia corresponde a 185 cm.
Por lo que la moda de la estatura de esta muestra corresponde a 185 cm.
Interpretar las medidas de tendencia central | Media, Mediana y Moda
En este vídeo vamos a realizar tres ejemplos con diferentes tipos de datos en este caso con
datos sin agrupar con datos agrupados puntualmente Y con datos agrupados en intervalos
pero les quiero aclarar una cosita en este vídeo no vamos a aprender a encontrar o hallar la
media la mediana y la moda sino que vamos a aprender a interpretar Ósea que supongamos
ahorita en estos datos supongamos que el promedio aquí me dio bola media me dio 16.3
Qué quiere decir ese 16.3 entonces pues vamos a empezar de una vez con este cuando uno
realiza un estudio estadístico una encuesta Generalmente pues va encontrar estos valores no
la media la mediana y la moda entonces aquí tenemos un ejemplo Estas son las edades de
un grupo de amigos Un amigo tenía 14 años y otros también tenía 14 3 tenían 15 años 116
217 y 118 la bola media de las edades fue 15,6 años la mediana sí que acordémonos que la
mediana es el dato del centro que en este caso es este es un usted mandó 1234 1234 si esta
es la mediana que es 15 años y la moda que pues es el dato que más se repite también es de
15 años Sí porque se repite tres veces un profesor o cuando le dicen a uno haga uno
Generalmente tiende a escribir la mediana de los datos es 15 y la moda es 15 eso está mal
porque debemos interpretar lo que quiere decir cada uno entonces les voy a dar unos tips
para interpretar siempre la media la mediana y la moda
Cómo interpretamos la media se diría en este caso el promedio de las edades de este grupo
de amigos es 15 coma 6 años y esa sería la interpretación nosotros hemos cuando tenemos
tabla de frecuencias para la media como otros que la mediana es el dato del medio silla
cuando están ordenados es el dato el medio entonces aquí les quiero también aclarar porque
se va a decir esto como éste silbato de medio quiere decir que la mitad es menor o igual y la
otra mitad es mayor y así entonces por eso es que por ejemplo que podemos decir el 50%
de los alumnos o de los amigos o de las personas el 50% de las personas es menos igual que
se años o por entre 50% de los amigos tiene una edad menor igual que 15 años el 50% de
los estudiantes por ejemplo podríamos decir el 50% de los estudiantes es mayor o igual o
tiene más o tiene una edad mayor o igual a 15 años cuidado porque ahora vamos con la
moda y ahorita les hago los otros 200 es la moda un error muy común que incluso yo he
visto y escuchado que cometen los profesores es que como la moda es el dato que más se
repite en algunos profesores dicen o algunos estudiantes dirían la mayoría de estudiantes
tiene 15 años acordamos que la moda es el dato que más se repite que en este caso es el 15
porque porque está tres veces y tres personas tenían 15 años cuidado porque si decimos y
decimos la mayoría estamos diciendo que más de la mitad de las personas en este caso hay
9 personas y la mayoría no tiene 15 años entonces como se dice la edad en este caso la edad
con más frecuencia es 15 años esa sería la interpretación.
29 de junio de 2020

Ensayo académico
Portada una hoja
índice una hoja
introducción una hoja
desarrollo de 8 y 15 hojas
conclusión una hoja
bibliografía 1 hoja
ideas y titulo definitivo
mi titulo estadística en la economía de un país
2 de julio de 2020
3 de julio de 2020

UNIDAD 2
Medidas de tendencia central, posición, dispersión y forma
2.2 Medidas de Posición
2.2.1 Cuartiles
2.2.2 Quintiles
2.2.3 Deciles
2.2.4 Percentiles
Los Cuartiles son los tres valores de una distribución que la dividen en cuatro partes
iguales.
Primer Cuartil (Q.) Es el valor que separa el 25% de los datos de la distribución ordenada
de menor a mayor

Segundo Cuartil (Q,): es el valor que separa el 50% de los datos de la distribución ordenada
de menor a mayor. %0%

Tercer cuartil (Q.): es el valor que separa el 75% de los datos de la distribución ordenada de
menor a mayor. 75% Q3

LOS QUINTILES
Los quintiles son los cuatro valores de una distribución que la dividen en cinco partes
iguales. El primer quintil separa el 20% de los datos de la distribución ordenada de menor a
mayor, el segundo quintil separa el 40%, el tercer quintil separa el 60% y el cuarto quintil
el 80%. Quintil 2 Quintil 4 Quintil 1 Quintil 3 O 9 04
06 de julio de 2020

Los Deciles
Los Deciles son los nueve valores que dividen la serie de datos en diez partes iguales.
Los Deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.

Los percentiles
Los percentiles son los noventa y nueve valores de una distribución que la dividen en cien
partes iguales.
P50 Corresponde a la mediana

2.2 Medidas de Posición

2.2.1 Cuartiles (Cálculo de los cuartiles)
Formula General: Para calcular el valor de uno de los cuatro Cuartiles, se utiliza la fórmula:
Q = k (N/4)
• En donde: Qx = Cuartil número 1, 2, 3ó4 N= total de datos de la distribución. Para cada
cuartil, su ecuación se establece así:
Q, =1 (N/4) Q, =2 (N/ 4) a, =3 (N/ 4) Q, = 4 (N/ 4)
 • Cada cuartil tiene un significado estadístico particular o representa de la distribución de
datos un porcentaje establecido; por ejemplo:
Ejemplo:
• 1. En 20 pruebas de evaporación, de la sustancia, se registran las siguientes variaciones
de temperaturas a presión atmosférica: 41° 50°, 29°, 33°, 40° 42°, 53°, 35°, 28°, 39°, 37°,
43°, 34°, 31°, 44°, 57°, 32°, 45°, 46°, 48°.
¿Calcula los diferentes cuartiles y da una definición para cada uno de ellos?
Calculando el valor del cuartil 1:
Paso 1: Ordenar los datos de menor a mayor. 28°, 29°, 31°, 32°, 33°, 34°, 35°, 37°, 39°,
40°, 41°, 42°, 43°, 44°, 45°, 46°, 48°, 50°, 53°, 57°.
Paso 2: Ubicar la posición del valor que le corresponde al Q: Q, =k (N/4) = 1 (20/4) = 1(5)
= 5 Al revisar la serie de datos la posición 5 le corresponde a 33°
Paso 3: El valor para el Q, es 33,5° Nos dice: que los valores entre 28° y 33° representan el
25 % de la serie de datos.
Calculando el valor del cuartil 2:
• Paso 1: Ordenar los datos de menor a mayor. 28°, 29°, 31°, 32°, 33°, 34°, 35°, 37°, 39°,
40°, 41°, 42°, 43°, 44°, 45°, 46°, 48°, 50°, 53°, 57°.
• Paso 2: Ubicar la posición del valor que le corresponde al a;: Q, =k (N/4) = 2 (20/4) = 2
(5) = 10 Al revisar la serie de datos la posición 10 le corresponde a 40°
• Paso 3: El valor para el Q, es 40,5°
• Nos dice: que la temperatura que deja bajo si el 50 % de la serie de datos es 40,5°
mediana
Calculando el valor del cuartil 3:
• Paso 1: Ordenar los datos de menor a mayor. 28°, 29°, 31°, 32°, 33°, 34°, 35°, 37°, 39°,
40°, 41°, 42°, 43°, 44°, 45°, 46°, 48°, 50°, 53°, 57°.
• Paso 2: Ubicar la posición del valor que le corresponde al Q,: Q = k(N/4) = 3 (20/4) = 3
(5) = 15
• Al revisar la serie de datos la posición 15 le corresponde a 45°
Paso 3: El valor para el Q, es 45,5°
Nos dice: que los valores entre 28° y 45 representan el 75 % de la serie de datos
Calculando cuartil 4: el valor del Q = k (N/4) = 4(20/4) = 4(5) = 20 Al revisar la serie de
datos la posición 20 le corresponde a 57°
• Paso 3: El valor para el Q, es 57,5°
• Nos dice: la temperatura que deja bajo si el 100 % de la serie de datos es 57°.
• Es de hacer notar que el Q, coincide con el último valor de la serie de datos, por ello, šu
cálculo no se efectúa, se da por entendido que siempre el valor del cuartil 4 será el último
valor de la serie de datos.

Ejemplo 2 Se quiere seleccionar a un grupo de estudiantes para competir en las olimpiadas.

Las marcas (en metros) obtenidas por los estudiantes en una prueba son las siguientes: 52,4
– 56,3 – 57,5 – 65,3 – 66,5 – 66,8 – 67,9 – 68,7 – 69,3 – 70,2 – 71,4 – 72,4 – 74,7 – 74,9 –
75,5 – 75,6 Si se selecciona al 90% de los mejores tiempos, ¿cuántos estudiantes no fueron
seleccionados? Determina el segundo cuartil Si los estudiantes que estén bajo el tercer decil
tendrán un entrenamiento adicional, ¿Cuántos estudiantes tienen ese entrenamiento?
9 de julio de 2020
Medidas de Posición
2.2.1 Cuartiles
2.2.2 Quintiles
2.2.3 Deciles
2.2.4 Percentiles
MEDIDAS DE POSICIÓN
Son medidas que permiten dividir el conjunto de datos en las partes porcentuales que se
desee. Quartiles (Q)
Son valores de la variable, que dividen un conjunto ordenado de datos, en cuatro partes
iguales.
 Medidas de Posición (Datos agrupados)
2.2.1 Cuartiles
2.2.2 Quintiles
2.2.3 Deciles
2.2.4 Percentiles

10 de julio de 2020
16 de julio de 2020
FORMATO PARA EL ENSAYO ACADÈMICO
logo
Universidad Nacional de Chimborazo
Carrera y datos generales
ensayo académico
título
Autora nombre y apellidos completos
y otros datos relevantes
Insertamos índice
Introducción desarrollo conclusiones bibliografía

2020-07-17
2.3 Medidas de Dispersión (Medidas de variabilidad)
2.3.1 Rango
2.3.2 Desviación estándar (Desviación típica)
2.3.3 Varianza
2.3.4 Coeficiente de variación
Rango: mayor valor – el menor valor
Desviación estándar datos no agrupados población
Datos no agrupados y muestra
Datos no agrupados (datos simples)
Para toda una población 3 formulas
Muestra 3 formulas
Cuando no asoma intervalos
Datos agrupados
Para toda una población 3 formulas
Muestra 3 formulas
Tengo una flor que ya ha madurado y un fuerte viento Entonces lo va a dispersar a esa
semilla a esa planta Sí es posible calcular la dispersión de semillas

Este gráfico es producto de tener varios pares ordenados Porque una variable puede ser sólo
los puntos rojos Otras variables solo los puntos negros y otras solo puntos amarillos
Esto es un gráfico de dispersión de la ingesta diaria de calorías
Rango El rango es un valor numérico que indica la diferencia entre el valor máximo y el
mínimo de una población o muestra estadística.
Su fórmula es: R = Máxx – Mínx Donde: R → Es el rango.
Máx → Es el valor máximo de la muestra o población.
Mín → Es el valor mínimo de la muestra o población estadística.
x → Es la variable sobre la que se pretende calcular esta medida.
20 DE julio de 2020
Rango (Ejercicio)
1) Los siguientes datos de una muestra de profesores de la UNACH en agosto 2019
corresponden a edades.
Calcular el rango. R = Máx – Mínx
R = 67 - 25
R = 42 años
23de julio de 2020

Planificación de la investigación
Esquema
1.- PORTADA 1 hoja
Datos
titulo
2.- PROBLEMATIZACIÒN 1 hoja
Formulación del problema
3.- OBJETIVO(S) 10 lineas
4.- FUNDAMENTACIÒN TEÒRICA/ MARCO TEÒRICO/ESTADO DEL ARTE 3 a 5
hojas
5.- METODLOGÌA 1hoja
Variable(s)
Instrumento(s) ya elaborado y validado/ njevo instrumento
6.- RECURSOS 5 a 6 líneas
7.- CRONOGRAMA media hoja
8.- BIBLIOGRAFÌA
9.- ANEXOS 1ª 3 hoja
INFORME DE INVESTIGACIÒN
1.- PORTADA 1 hoja
2.- PROBLEMATIZACIÒN (tiempo pasado) 1 hoja
3.- OBJETIVO(S) 10 líneas
4.- FUNDAMENTACIÒN TEÒRICA/ MARCO TEÒRICO/ESTADO DEL ARTE 6 a 8
hojas
5.- METODLOGÌA 1hoja tiempo pasado)
6.-Presentacion de resultados (distribución de frecuencia tablas gráficos interpretación
medidas de tendencia central posición dispersión y forma…) INSTRUMENTOS
QUIESTIONARIO DE 30 P 15 HOJAS
7.- DISCUSION DE RESULTADOS
8.- CONCLUSIONES
8.1. RECOMENDACIONES
9.- BIBLIOGRAFIA 1ª 3 hoja
10.- ANEXOS
24 de julio de 2020
Desviación estándar (Desviación típica)
La desviación típica es otra medida que ofrece información de la dispersión respecto a la
media. Su cálculo es exactamente el mismo que la varianza, pero realizando la raíz
cuadrada de su resultado. Es decir, la desviación típica es la raíz cuadrada de la varianza.

X → Variable sobre la que se pretenden calcular la varianza

xi → Observación número i de la variable
X. i puede tomará valores entre 1 y n.
N → Número de observaciones.
x̄→ Es la media de la variable X.
Desviación estándar (Desviación típica)
- Ejercicio 1) Los siguientes datos de profesores de la UNACH en agosto 2019
corresponden a edades. Calcular DT.
De una población
 Desviación estándar
Xi Observación número i de la variable X
 Media aritmética de la población
N Tamaño de la población

Desviación estándar (Desviación típica) - Ejercicio 1) Los siguientes datos de profesores de

la UNACH en agosto 2019 corresponden a edades. Calcular DT
Cálculo de la desviación estándar (desviación ti

 Desviación estándar
Xi Observación número i de la variable X
 Media aritmética de la población
N Tamaño de la población
Desviación estándar (Desviación típica) –
 Ejercicio con datos agrupados 1) Los siguientes datos de profesores de la UNACH en
agosto 2019 corresponden a edades. Calcular DT.

 Desviación estándar
Xi Marcas de clase
 Media aritmética de la población
fi Frecuencias absolutas
N Tamaño de la población
1era
2da
3er
Media poblacional
Media muestral
Desviación estándar poblacional
Varianza poblacional
Desviación estándar (Desviación típica)
– Ejercicio con datos agrupados 1) Los siguientes datos de profesores de la UNACH en
agosto 2019 corresponden a edades. Calcular DT

 Desviación estándar
Xi Marcas de clase
 Media aritmética de la población
fi Frecuencias absolutas
N Tamaño de la población
Desviación estándar (Desviación típica)
- Ejercicio 1) Los siguientes datos de una muestra de profesores de la UNACH en agosto
2019 corresponden a edades. Calcular DT.

s Desviación estándar
Xi Observación número i de la variable X
X Media aritmética
n Tamaño de la muestra
Desviación estándar (Desviación típica)
- Ejercicio 1) Los siguientes datos de una muestra de profesores de la UNACH en agosto
2019 corresponden a edades. Calcular DT.
Cálculo de la desviación estándar (desviación típica

s Desviación estándar
Xi Observación número i de la variable X
X Media aritmética
n Tamaño de la muestra
Desviación estándar (Desviación típica)
– Ejercicio con datos agrupados 1) Los siguientes datos de una muestra profesores de la
UNACH en agosto 2019 corresponden a edades. Calcular DT.

s Desviación estándar
Xi Marcas de clase
X Media aritmética
fi Frecuencias absolutas
n Tamaño de la muestra
Desviación estándar (Desviación típica)
– Ejercicio con datos agrupados 1) Los siguientes datos de una muestra de profesores de la
UNACH en agosto 2019 corresponden a edades. Calcular DT.

s Desviación estándar
Xi Marcas de clase
X Media aritmética
fi Frecuencias absolutas
n Tamaño de la muestra
Varianza La varianza es una medida de dispersión que representa la variabilidad de una
serie de datos respecto a su media.
Formalmente se calcula como la suma de los residuos al cuadrado divididos entre el total de
observaciones. Su fórmula es la siguiente:
X → Variable sobre la que se pretenden calcular la varianza
xi → Observación número i de la variable X. i puede tomará valores entre 1 y n.
N → Número de observaciones.
 → Es la media de la variable X.
Varianza
(Ejercicio) 1) Los siguientes datos de profesores de la UNACH en agosto 2019
corresponden a edades. Calcular la varianza.

Población y tomados como datos no agrupados

Población y tomados como datos agrupados

Coeficiente de variación
(Ejercicio) 1) Los siguientes datos de una muestra de profesores de la UNACH en agosto
2019 corresponden a edades. Calcular la varianza.
Muestra y tomados como datos no agrupados

Muestra y tomados como datos agrupados

Coeficiente de variación Su cálculo se obtiene de dividir la desviación típica entre el valor

absoluto de la media del conjunto y por lo general se expresa en porcentaje para su mejor
comprensión.
X → Variable sobre la que se pretenden calcular la varianza
σ → Desviación típica de la variable
X. → Es la media de la variable X en valor absoluto con x̄≠ 0

27 de julio de 2020
2.4 Medidas de Forma
2.4.1 Asimetría
2.4.2 Curtosis

La primera figura son figuras planas son varias figuras La segunda imagen intenta
mostrarnos figuras en el espacio Las formas son un lenguaje para comunicar
La curva con línea roja Esa es la curva de la oferta economía
La siguiente imagen es una curva que relaciona el vencimiento con el interés
MEDIDAS DE FORMA - Medidas de Forma Comparan la representación gráfica,
histograma o el diagrama de barras de la distribución, con la distribución normal.

ASIMETRÍA La Asimetría es una medida necesaria Cuánto para nuestra distribución a la

distribución teórica de una -curva normal, curva con forma de campana, y constituye un
indicador del lado de la curva donde se agrupan las frecuencias. Esta medida se construye
con el valor medio, la mediana y el desvió estándar
Asimetría

Si la distribución es simétrica 0 insesgada Si será igual a 0 IS. asimétrica distribución es

con positivo, A, será mayor que o8sass distribución IS. la asimétrica oasas negativo, A será
menor que Curva simétrica As = 0
Asimetría positiva As> 0
Asimetría negativa As <