UNIVERSIDAD

AUTÓNOMA
DE CAMPECHE
FACULTAD DE INGENIERIA
ÁNGEL GABRIEL
MANRERO HIDALGO
CUARTO SEMESTRE

Ing. SISTEMAS
ESTADÍSTICA

COMPUTACIONALES
APLICADA

M. EN C. CARLOS M. SOSA SILVA

TAREA 1.2
CONCEPTOS DE
ESTADÍSTICA
 ÍNDICE
INTRODUCCIÓN .................................................................................................... 4
CONCEPTOS DE ESTADÍSTICA ........................................................................... 5
Autor: Economipedia. ........................................................................................... 5
POBLACIÓN ESTADÍSTICA ............................................................................... 5
Población finita ........................................................................................ 5
Población infinita ..................................................................................... 5
MUESTRA ESTADÍSTICA .................................................................................. 6
Muestra probabilística ............................................................................. 6
Muestra no probabilística ........................................................................ 6
VALOR ESPERADO O ESPERANZA MATEMÁTICA........................................ 7
Cálculo de la esperanza matemática............................................................. 7
VARIANZA .......................................................................................................... 8
Fórmula para calcular la varianza ................................................................. 8
DESVIACIÓN ESTÁNDAR .................................................................................. 9
VARIABLE ALEATORIA ................................................................................... 10
Variable aleatoria discreta ........................................................................... 10
Variable aleatoria continua .......................................................................... 10
FRECUENCIA RELATIVA ................................................................................. 11
EJEMPLO DE FRECUENCIA RELATIVA (HI) PARA UNA VARIABLE
DISCRETA. ........................................................................................................ 12
CONCEPTOS DE ESTADÍSTICA ......................................................................... 13
Autor: Alejandro Quintela del Rio. ..................................................................... 13
POBLACIÓN ESTADÍSTICA. ............................................................................ 13
Población finita ...................................................................................... 13
Población infinita ................................................................................... 13
MUESTRA ESTADÍSTICA ................................................................................ 14
Tamaño de la muestra .................................................................................. 14
VALOR ESPERADO O ESPERANZA MATEMÁTICA...................................... 15
VARIANZA ........................................................................................................ 16
DESVIACIÓN ESTÁNDAR ................................................................................ 17
VARIABLES ALEATORIAS .............................................................................. 19
 Variables Aleatorias Discretas .................................................................... 19
Variables Aleatorias Continuas. .................................................................. 19
FRECUENCIA RELATIVA ................................................................................. 20
EJEMPLO DE FRECUENCIA RELATIVA. ........................................................ 20
BIBLIOGRAFÍA .................................................................................................... 22
 INTRODUCCIÓN

Dentro de esta investigación, se

abarcarán los conceptos relacionados
con la estadística, más allá de solo
buscarlos los entenderemos y así con
ayuda de la primera investigación en
conjunto, tendremos un conocimiento
más extenso para poder aplicarlos en
futuros proyectos estadísticos. De esta
manera tomaremos los conceptos de dos diferentes autores, para no quedarnos con
un solo punto de vista, sin embargo, supongo que las definiciones no cambiaran
mucho, así que se tratara de ser lo más objetivas para que no se presenten
ambigüedades.
 CONCEPTOS DE
ESTADÍSTICA
Autor: Economipedia.

POBLACIÓN ESTADÍSTICA

Es el conjunto de todos los elementos que comparten una

característica que se desea investigar. Estas
características deben estar claramente definidas, en el
espacio y el tiempo. Dichos elementos pueden ser
personas, hogares, manzanas, distritos, ciudades,
escuelas, hospitales, empresas, latas de leche, televisores,
periódicos, revistas, series televisivas, entre otros
(Hernández, Fernández y Baptista, 1994).

La población se clasifica en:

• Población finita. Es aquella cuyos elementos son susceptibles de ser
contados. Para estudios en las ciencias sociales, una población se considera
finita cuando el número total de elementos es menor o igual a 100 000
(Sierra,1997). Por lo general, una población finita se define con límites de
espacio y de tiempo.

• Población infinita. Es aquella cuyos elementos no son susceptibles de ser

contados; es decir, cuando son ilimitados. Para estudios en las ciencias
sociales, una población se considera infinita cuando el número total de sus
elementos es mayor a 100 000 (Sierra, 1997).

*Cuando nos interesa estudiar una población o universo en un problema de

investigación, esta se denomina población objetivo*
 MUESTRA ESTADÍSTICA

Es un subconjunto de la población, debidamente

seleccionado mediante el uso de técnicas
estadísticas o mediante el juicio de un experto. Si
los datos de una muestra se han obtenido
haciendo uso de procedimientos que utilizan el
cálculo de probabilidades, se puede realizar
inferencias de la población de donde procede
(Sierra, 1997). La muestra puede ser
probabilística y no probabilística.

• Muestra probabilística. Es aquella muestra que se obtiene por métodos

probabilísticos de selección, en el cual cada elemento de la población o
universo tiene una probabilidad conocida de selección. La estadística
inferencial requiere este tipo de muestra para poder expandir sus resultados
obtenidos a la población de estudio. La principal ventaja de este tipo de
muestra es que puede medirse el tamaño del error muestral en nuestras
predicciones (Hernández, Fernández y Baptista, 1994).

• Muestra no probabilística. Llamada también muestra dirigida, es aquella

que se obtiene mediante el juicio o criterio de una persona, generalmente un
experto en la materia que selecciona los elementos de la muestra. Este
método está basado en los puntos de vista subjetivos de una persona y
suponen un procedimiento de selección informal y algo arbitraria. La teoría
de la probabilidad no puede ser empleada para medir el error de muestreo,
lo cual constituye su mayor desventaja. Entre sus principales ventajas
podemos mencionar que es fácil de obtenerla a través de convocatorias; por
ejemplo: muestra de sujetos voluntarios, sujetos-tipos, entre otros; o
acudiendo a instituciones u organizaciones que posean la información que
se requiere. De este modo se abarata el costo, ya que usualmente es más
bajo que el de las muestras probabilísticas (Hernández, Fernández y
Baptista, 1994).
 VALOR ESPERADO O ESPERANZA MATEMÁTICA

La esperanza matemática de una

variable aleatoria X, es el número
que expresa el valor medio del
fenómeno que representa dicha
variable.
La esperanza matemática, también
llamada valor esperado, es igual al
sumatorio de las probabilidades de
que exista un suceso aleatorio, multiplicado por el valor del suceso aleatorio. Dicho
de otra forma, es el valor medio de un conjunto de datos. Esto, teniendo en cuenta
que el término esperanza matemática está acuñado por la teoría de la probabilidad.
Mientras qué en matemáticas, se denomina media matemática al valor promedio de
un suceso que ha ocurrido. En distribuciones discretas con la misma probabilidad
en cada suceso, la media aritmética es igual que la esperanza matemática.

Cálculo de la esperanza matemática.

La esperanza matemática se calcula utilizando la probabilidad de cada suceso. La

fórmula que formaliza este cálculo se enuncia como sigue:

Dónde:
• X = valor del suceso.
• P = Probabilidad de que ocurra.
• i = Periodo en el que se da dicho suceso.
• N = Número total de periodos u observaciones.
No siempre la probabilidad de que ocurra un suceso es la misma, como con las
monedas. Existen infinidad de casos en que un suceso tiene más probabilidad de
salir que otro. Por eso utilizamos en la fórmula la P. Además, al calcular números
matemáticos debemos multiplicar por el valor del suceso
 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.

También se puede calcular como la

desviación típica al cuadrado. Dicho
sea de paso, entendemos como residuo a la diferencia entre el valor de una variable
en un momento y el valor medio de toda la variable.
Antes de ver la fórmula de la varianza, debemos decir que la varianza en estadística
es muy importante. Ya que, aunque se trata de una medida sencilla, puede aportar
mucha información sobre una variable en concreto.

Fórmula para calcular la varianza

La unidad de medida de la varianza será siempre la unidad de medida
correspondiente a los datos, pero elevada al cuadrado. La varianza siempre es
mayor o igual que cero. Al elevarse los residuos al cuadrado es matemáticamente
imposible que la varianza salga negativa. Y de esa forma no puede ser menor que
cero.

Donde:
• 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
La desviación estándar o desviación típica es una medida que ofrece información
sobre la dispersión media de una variable. La desviación estándar es siempre mayor
o igual que cero.
La desviación típica se calculará de
forma similar a la media. Pero tomando
como valores las desviaciones. Y
aunque este razonamiento es intuitivo y
lógico tiene un fallo que vamos a
comprobar con el siguiente gráfico.
En la imagen anterior tenemos 6 observaciones, es decir, N = 6. La media de las
observaciones está representa por la línea negra situada en el centro del gráfico y
es 3. Entenderemos por desviación, la diferencia que existe entre cualquiera de las
observaciones y la línea negra. Así pues, tenemos 6 desviaciones.
1. Desviación -> (2-3) = -1
2. Desviación -> (4-3) = 1
3. Desviación -> (2-3) = -1
4. Desviación -> (4-3) = 1
5. Desviación -> (2-3) = -1
6. Desviación -> (4-3) = 1
Como podemos ver si sumamos las 6 desviaciones y dividimos entre N (6
observaciones), el resultado es cero. La lógica sería que la desviación media fuese
de 1. Pero una característica matemática de la media respecto a los valores que la
forman es, precisamente, que la suma de las desviaciones es cero.
 VARIABLE ALEATORIA
Una variable aleatoria es la función matemática
de un experimento aleatorio.
Cómo podemos comprobar la frase se compone
básicamente de dos conceptos: función
matemática y experimento aleatorio. De
manera que por aquí es por dónde debemos
empezar. Es decir, por entender primero qué es
una función matemática y, más tarde, por definir
qué entendemos por experimento aleatorio.

• Función matemática: Dicho de manera sencilla, es una ecuación que asigna

valores a una variable (variable dependiente) en función de otras variables
(variables independientes).
• Experimento aleatorio: Es un fenómeno de la vida real cuyos resultados se
deben completamente al azar. Es decir, bajo las mismas condiciones iniciales
arroja resultados diferentes.
En otras palabras, es una ecuación que describe o intenta describir los resultados
(con un número) de un evento cuyos resultados se deben al azar.

Tipos de variable aleatoria

Variable aleatoria discreta

Una variable aleatoria es discreta si los números a los que da
lugar son números enteros. La forma de calcular las
probabilidades de una variable aleatoria discreta es a través
de la función de probabilidad.

Variable aleatoria continua

Una variable aleatoria es continua en caso de que los
números a los que dé lugar no sean números enteros.
Es decir, tengan decimales. La probabilidad de que se
dé un suceso determinado correspondiente a una
variable aleatoria continua, viene establecida por la
función de densidad.
 FRECUENCIA RELATIVA

La frecuencia relativa es una medida estadística que

se calcula como el cociente de la frecuencia absoluta
de algún valor de la población/muestra (fi) entre el total
de valores que componen la población/muestra (N).

Para calcular la frecuencia relativa antes es necesario calcular la frecuencia

absoluta. Sin ella no podríamos obtener la frecuencia relativa. La frecuencia relativa
se representa con las letras hi y su fórmula de cálculo es la siguiente:

Donde:
• hi = Frecuencia relativa de la observación i-ésima.
• fi = Frecuencia absoluta de la observación i-ésima.
• N = Número total de observaciones de la muestra.

De la fórmula de cálculo de la frecuencia relativa se desprenden dos conclusiones:

La primera es que la frecuencia relativa va a estar acotada entre 0 y 1, debido a
que la frecuencia de los valores de la muestra, siempre va a ser menor al tamaño
de la muestra.

La segunda es que la suma de todas las frecuencias relativas va a ser 1 si se mide

en tanto por 1, o 100 si se mide en tanto por ciento.
Por consiguiente, la frecuencia relativa nos informa acerca de la proporción o el
peso que tiene algún valor u observación en la muestra. Esto la hace de especial
utilidad, dado que, a diferencia de la frecuencia absoluta, la frecuencia relativa nos
va a permitir hacer comparaciones entre muestras de tamaños distintos. Esta se
puede expresar como un valor decimal, como fracción o como porcentaje.
 EJEMPLO DE FRECUENCIA RELATIVA (HI) PARA UNA VARIABLE
DISCRETA.
Supongamos que las notas de 20 alumnos de primer curso de economía son las
siguientes:
1,2,8,5,8,3,8,5,6,10,5,7,9,4,10,2,7,6,5,10.
Por tanto, tenemos:
• Xi = Variable aleatoria estadística, nota del examen de primer curso de
economía.
• N = 20
• fi = Frecuencia relativa (número de veces que se repite el suceso, en este
caso la nota del examen).

Xi fi hi
1 1 5%
2 2 10%
3 1 5%
4 1 5%
5 4 20%
6 2 10%
7 2 10%
8 3 15%
9 1 5%
10 3 15%
∑ 20 100%

Como resultado vemos que la frecuencia relativa nos da un resultado más visual al
relativizar la variable y nos permite juzgar si 4 personas de 20 es mucho o poco.
Hay que tener en cuenta, que, para una muestra de un tamaño tan pequeño, la
anterior afirmación puede parecer obvia, pero para muestras de tamaños muy
grandes, esto podría no ser tan obvio.
 CONCEPTOS DE
ESTADÍSTICA
Autor: Alejandro Quintela del Rio.

POBLACIÓN ESTADÍSTICA.

Una población estadística es un conjunto de sujetos

o elementos que presentan características
comunes. Sobre esta población se realiza el estudio
estadístico con el fin de sacar conclusiones.

El tamaño poblacional es el número de individuos

que constituyen la población. Según el número de
sujetos, el tamaño puede ser finito o infinito. Los
conjuntos infinitos son algo artificial o conceptual, ya
que toda población de entidades físicas es finita. Por
ejemplo:
• Población finita: el conjunto de habitantes de una ciudad, los bolígrafos
producidos en una fábrica en un día, etc.

• Población infinita: el conjunto de los números positivos.

Cuando la población es muy grande, normalmente es imposible estudiar a todos los

individuos.

Supongamos que queremos saber cuál es el nivel de colesterol de la población de

Estados Unidos. Por cuestiones económicas y de tiempo obvias, no está al alcance
realizar un análisis de sangre a toda la población de EEUU. Para solucionar este
impedimento, se utiliza una muestra estadística.
 MUESTRA ESTADÍSTICA

Una muestra estadística (o una

muestra) es un subconjunto de
elementos de la población estadística.
El mejor resultado para un proceso
estadístico sería estudiar a toda la
población. Pero esto generalmente
resulta imposible, ya sea porque supone
un coste económico alto o porque
requiere demasiado tiempo.
Frente a la dificultad de hacer un censo (estudio de toda la población), se examina
una muestra estadística que representará a la totalidad de los sujetos. Con los
resultados obtenidos mediante la muestra, se intentará inferir las propiedades de
todos los elementos, mediante la estadística inferencial.
La muestra elegida debe ser representativa de la población. Las muestras tienen un
nivel de confianza de la bondad con la que representan a todos los sujetos,
generalmente del 95% o superior.

Tamaño de la muestra.

Calcular el tamaño de la muestra (o tamaño muestral)

es fundamental. Una muestra más grande supone un
desperdicio de recursos; una muestra más pequeña
produce una pérdida en la calidad de los resultados.
La ecuación a emplear depende del objetivo que se
persiga (p.ej. una proporción, una media, etc.) y
también depende del tamaño de la población, de si
ésta es N es finita o infinita o muy grande.
La elección de los parámetros intervinientes para el cálculo han de ser determinados
con base experta y, en todo caso, “pecar de conservadores”.
 VALOR ESPERADO O ESPERANZA MATEMÁTICA

Es la generalización de la media aritmética a toda la

población, es decir, es la media de la variable aleatoria.
También se llama valor medio, valor esperado o
esperanza matemática, y se representa por la letra
griega μ.

Si X es una variable aleatoria discreta (representada, de manera general, por una

tabla de valores 𝑋𝑖 y probabilidades 𝑃𝑖 = 𝑃(𝑋 = 𝑋𝑖 ), la esperanza se calcula como
la media aritmética de los valores, es decir la suma de los valores por sus
probabilidades (las probabilidades serían las frecuencias relativas).

Recordemos que la media aritmética de una variable estadística se definió como

que, obviamente, sería equivalente a escribir

es decir, sería la esperanza de una variable cuyos valores aparecen todos con la
misma probabilidad 𝑃𝑖 = 1/𝑛.
Si a una variable estadística la representamos por sus valores 𝑥𝑖 , y sus frecuencias
relativas son 𝑓𝑖 = 𝑛𝑖 /𝑛, entonces la media aritmética se puede escribir como
esto es, suma de valores por frecuencias. En el caso de una variable aleatoria, las
frecuencias se transforman en probabilidades (de ocurrencia). Por eso la esperanza
es un valor medio esperado.
Si X es una variable aleatoria continua, la variable toma infinitos valores. El
equivalente continuo de la suma es la integral. La fórmula matemática incluye en
este caso a la función de densidad:

VARIANZA

Se representa 𝛔𝟐 = 𝑽𝒂𝒓 (𝑿) , y la desviación típica σ es

la raíz cuadrada (con signo positivo) de la varianza.
Igual que en el caso de variables estadísticas, mide la
dispersión de la variable, y se calcula como la media de
las desviaciones (elevadas al cuadrado) de los valores a
su media:

También puede calcularse como

Si X es una variable discreta, la forma de hacer los cálculos será

Si X es una variable continua,

Y que también puede calcularse como

DESVIACIÓN ESTÁNDAR

La desviación estándar mide la dispersión de una distribución de datos. Entre más

dispersa está una distribución de datos, más grande es su desviación estándar.
La desviación típica (o desviación estándar) es una medida de dispersión (S)
asociada a la media. Como estadístico, es la raíz cuadrada de la varianza. Es la raíz
cuadrada del cuadrado de las desviaciones de los datos de una muestra (X1,
X2…XN) de la media (x) dividido en el caso de la muestra por N – 1. Está en las
mismas unidades de los datos. Es un indicador de cómo tienden a estar agrupados
los datos respecto a la media.

Las fórmulas de arriba se corresponden con el estadístico de la desviación estándar

de una variable aleatoria de una muestra. Resulta muy útil y empleado en
Estadística Inferencial.

Para medir el parámetro de la desviación típica de una variable aleatoria de una

población, con símbolo σ, se usa:
Para datos agrupados, la fórmula de la desviación típica de una población será:

La desviación estándar (igual que la varianza) siempre es igual o superior a cero.

Solamente sería nula en el caso de que todos los datos fuesen iguales.

Una forma sencilla para entender el significado de la desviación estándar (o

desviación típica) como indicador de la dispersión de los valores de una distribución
normal con respecto a su media aritmética, si el número de datos es lo
suficientemente alto, es que:
• Entre la media menos una desviación estándar y la media más una
desviación estándar, encontraremos un 68,4 % de valores que estarán
comprendidos dentro de ese intervalo.

• Entre la media menos dos desviaciones estándar y la media más dos

desviaciones estándar, encontraremos un 95,4 % de valores dentro de ese
intervalo.

La desviación estándar asociada a la media, resulta muy apropiada para describir

distribuciones con una asimetría razonablemente baja. Por el contrario, si la
asimetría de la distribución es más acusada, describen mejor la distribución la
mediana con el rango intercuartílico.
 VARIABLES ALEATORIAS
Al igual que sucede con las variables estadísticas, las variables aleatorias pueden
ser discretas o continuas, en función de que tomen un número finito (o infinito
numerable) de valores, o bien un número infinito no numerable de valores,
respectivamente.
Variables Aleatorias Discretas.
Una variable aleatoria discreta X está definida por los valores que toma y sus
probabilidades, las cuales deberán sumar 1.
Verificando que 𝑷𝟏 + ⋯ + 𝑷𝒏 =1. Esta tabla se conoce
como ley de probabilidad, distribución de probabilidad,
función de probabilidad o función de masa de
probabilidad.

Cuando realizamos el experimento aleatorio “elegir un

número al azar entre 1 y N”, la variable aleatoria X=
“valor que se observa” se llama variable uniforme
discreta.

Variables Aleatorias Continuas.

Una variable aleatoria continua es
aquella que puede tomar cualquier
valor (al menos teóricamente) entre
2 fijados. Los valores de la variable
(al menos teóricamente) no se
repiten.
Cuando observamos valores de
una variable aleatoria continua,
existe una limitación en cuanto al número de valores que puede tomar la misma.
Esto es, en la práctica, la variable no toma infinitos valores.
A la hora de medir el peso o la estatura, por ejemplo, se trabaja con un número
preciso de decimales (que puede ser grande pero nunca será infinito). Lo que se
está haciendo es lo que se llama una discretización a la hora de tomar datos. Sin
embargo, desde un punto de vista matemático, consideraremos siempre que una
variable continua puede tomar infinitos valores.
Esto nos permitirá trabajar con propiedades matemáticas que nos aportarán mucha
información de la variable considerada.
 FRECUENCIA RELATIVA

La frecuencia relativa (fi) de un valor Xi es la proporción de valores iguales a Xi en

el conjunto de datos (X1, X2…, XN). Es decir, la frecuencia relativa es la frecuencia
absoluta dividida por el número total de elementos N:

Las frecuencias relativas son valores entre 0 y 1, (0 ≤ fi ≤ 1). La suma de las

frecuencias relativas de todos los sujetos es siempre 1. Supongamos que en el
conjunto tenemos k números (o categorías) diferentes, entonces:

Si se multiplica la frecuencia relativa por cien se obtiene el porcentaje (tanto por cien
%).

EJEMPLO DE FRECUENCIA RELATIVA.

Un profesor tiene la lista de las notas en matemáticas de 30 alumnos de su clase.

Las notas son las siguientes:

Para obtener la frecuencia relativa, se necesita calcular antes la frecuencia absoluta.

Se realiza el recuento de la variable y se observa el número de veces que aparece
cada nota.
Las frecuencias absolutas de cada una de las notas son: n1(3) =2, n2(4) =4, n3(5)
=6, n4(6) =7, n5(7) =5, n6(8) =3, n7(9) =2 y n8(10) =1.

Una vez se obtienen, se puede calcular la frecuencia relativa de cada elemento

como la división de la frecuencia absoluta entre el total de elementos N=30.

• f1(3) = n1(3) / N = 2/30 = 0,07.

• f2(4) = n2(4) / N = 4/30 = 0,13.
• f3(5) = n3(5) / N = 6/30 = 0,20.
• f4(6) = n4(6) / N = 7/30 = 0,23.
• f5(7) = n5(7) / N = 5/30 = 0,17.
• f6(8) = n6(8) / N = 3/30 = 0,10.
• f7(9) = n7(9) / N = 2/30 = 0,07.
• f8(10) =n8(10) / N = 1/30 = 0,03.

Se pueden calcular las

frecuencias relativas
en porcentaje (%)
multiplicándolas por
100.
 BIBLIOGRAFÍA
• Julio Ramos R., V. d. (2017). Estadística básica de los negocios. Perú:
Universidad de Lima.
• López, J. F. (2 de Octubre de 2017). Desviación Estándar o Típica.
Obtenido de Economipedia:
https://economipedia.com/definiciones/desviacion-tipica.html
• López, J. F. (12 de Octubre de 2017). Eonomipedia. Obtenido de
Esperanza Matemática: https://economipedia.com/definiciones/esperanza-
matematica.html
• López, J. F. (12 de Octubre de 2017). Esperanza Matemática. Obtenido de
Economipedia: https://economipedia.com/definiciones/esperanza-
matematica.html
• López, J. F. (2017 de Noviembre de 2017). Varianza. Obtenido de
Economipedia: https://economipedia.com/definiciones/varianza.html
• López, J. F. (28 de Enero de 2019). Variable Aleatroia. Obtenido de
Economipedia: https://economipedia.com/definiciones/variable-
aleatoria.html
• R., J. R. (2017). Estadística Básica de los negocios. Perú: Universidad de
Lima.
• Rio, A. Q. (4 de Agosto de 2019). Estadística Básica Edulcorada. Obtenido
de Bookdown: https://bookdown.org/aquintela/EBE/estadistica-
descriptiva.html
• Sanjuán, F. J. (23 de Noviembre de 2017). Frecuencia Relativa. Obtenido
de Economipedia: https://economipedia.com/definiciones/frecuencia-
relativa.html
• Serra, B. R. (2014). Desviación Estándar. Obtenido de Universofórmulas:
https://www.universoformulas.com/estadistica/descriptiva/desviacion-tipica/
• Serra, B. R. (2014). Frecuencia Relativa. Obtenido de Universofórmulas:
https://www.universoformulas.com/estadistica/descriptiva/frecuencia-
relativa/
• Serra, B. R. (2014). Muestra Estadística. Obtenido de Universofórmulas:
https://www.universoformulas.com/estadistica/descriptiva/muestra-
estadistica/
• Serra, B. R. (2014). Población Estadística. Obtenido de Universofórmulas:
https://www.universoformulas.com/estadistica/descriptiva/poblacion-
estadistica/