Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Descriptiva
2022
1. Generalidades.
Población: Conjunto de elementos a los que se les estudia una característica.
Una población puede ser:
Finita: es aquella que incluye una cantidad limitada contable de observaciones,
individuos o medidas. Siempre que sea posible alcanzar (contar) el número total
de todas las posibles mediciones, se considera como finita la población.
Infinita: es aquella que incluye un gran conjunto de observaciones o mediciones
que no pueden alcanzarse por conteo. Al menos, hipotéticamente, no existe límite
en cuanto al número de observaciones que el experimento puede generar.
Muestra: Subconjunto o parte de la población.
En Estadística en la mayoría de los casos se requieren Muestras Aleatorias que
corresponden aquellas cuyas observación, medición o individuo de la población
tenga la misma condición, chance o certeza de ser seleccionado.
Variable estadística: son características de los elementos poblacionales que se
pueden describir o medir.
Ejemplo: sexo, edad, peso, estatura, color de ojos, estado civil, temperatura,
cantidad de nacimientos, presión, grosor, diámetro.
Datos: son realizaciones o valores que toma la variable en cada caso.
Clasificación de las Variables Estadísticas.
• Cualitativas o Atributos : Las características de los elementos poblacionales se
describen.
Ejemplo: Sexo, hábito de fumar, color de ojos, estrato ,religión, estado civil, raza.
• Cuantitativas : Las características de los elementos poblacionales se miden.
Ejemplo: Peso, edad, estatura, presión, humedad, intensidad de un sismo, número
de hermanos, cantidad de errores ortográficos por página.
Clasificación de las Variables Cuantitativas.
• Discretas: son aquellas que toman valores enteros.
Ejemplo: número de hijos, número de empleados de una empresa, número de
asignaturas aprobadas en un semestre.
• Continuas: son aquellas que toman cualquier valor dentro de un intervalo real.
Ejemplo: temperatura, peso, estatura, presión, fuerza, velocidad, humedad,
intensidad de un sismo.
Escalas de Medida.
Son sucesiones de medidas que permiten ordenar los datos jerárquicamente.
• Nominal: es aquella que identifica o etiqueta las categorías de la variable para
establece diferencia entre ellas.
Ejemplo: genero, grupos sanguíneos, colores, profesión, nomenclatura urbana,
códigos de barra.
• Ordinal: es aquella que identifica o etiqueta y ordena las categorías de la
variable.
Ejemplo: estrato, nivel de escolaridad, mejoría a un tratamiento, grado de
satisfacción, intensidad del dolor, grados militares, jerarquía en una empresa.
• Intervalo: es aquella que identifica, ordena, compara valores de la variable y el
cero(0) como medida es relativo (arbitrario).
Ejemplo: temperatura (°C), el peso, la velocidad, altura, la distancia, el tiempo.
• Razón: es aquella que identifica, ordena, compara valores de la variable y el
cero(0) como medida es absoluto (fijo).
Ejemplo: Ingreso, volumen, masa, densidad, longitud, número de hijos por
familia, cantidad de errores ortográficos por página.
Concepto de Estadística.
La Estadística es la disciplina que estudia los datos. También la podemos
conceptualizar como la disciplina de estudio de la incertidumbre.
División de la Estadística.
• Estadística Descriptiva (Deductiva): se encarga de hacer un análisis
exploratorio de los datos provenientes de una población o una muestra.
• Estadística Inferencial o Inferencia Estadística: Conjunto de técnicas,
mediante las cuales se hacen generalizaciones o se toman decisiones en base a
información parcial obtenida mediante técnicas descriptivas.
Ejemplo 1:
Un técnico de control de calidad selecciona piezas ensambladas de una línea de
montaje y registra la siguiente información sobre cada pieza:
A: defectuosa o no defectuosa
B: el número de identificación del trabajador que ensambló la pieza.
C: el peso de la pieza.
a) ¿cuál es la población?
b) La población ¿es finita o infinita?
c) ¿cuál es la muestra?
d) Clasifique las respuestas para cada una de las tres variables como datos de
atributo o cuantitativos.
Ejemplo 2:
Identifique las siguientes expresiones como variables de cualitativas o variables
cuantitativas y ubíquela en su respectiva escala de medición.
a) La resistencia a la rotura de un tipo de cuerda dado.
b) El color de cabello de los niños que se presentan a una audición de música.
c) El número de señales de alto que hay en poblaciones con menos de 5,000
habitantes.
d) Si un grifo es o no defectuoso.
e) El número de preguntas contestadas correctamente en una prueba saber pro.
f) El tiempo necesario para contestar una llamada telefónica en cierta oficina de
bienes raíces
2. Organización de datos unidimensionales.
Una tabla de frecuencias para una variable cuantitativa discreta o cualitativa
en escala ordinal, es en general como sigue:
Una tabla de frecuencias, en general para una variable cuantitativa es de la forma:
Ejemplo 3:
Una empresa que tiene 50 trabajadores se propone reestructurar las remuneraciones, se
estudia los años de servicio de los trabajadores determinándose los siguientes
resultados:
GRÁFICO CICULAR
a4 a1
a2
a3
• Diagrama de Barras: es un conjunto de barras o alturas en el plano,
correspondientes a cada categoría o valor de la variable.
3.2 Gráficos de datos agrupados.
Cuando los datos se le hace un tratamiento como el agrupamiento en clases, los
gráficos asociados son:
• Histograma: es una secuencia finita de rectángulos de base las clases y altura la
frecuencia (absoluta o relativa), correspondiente.
Histograma
60
50
40
30
20
10
0
C1 C2 C3 C4
• Polígono de frecuencias: es una curva que se genera al unir los puntos de
frecuencias (absolutas o relativas) de las correspondientes marcas de clase. El
polígono cierra en la marca de clase antes de primera y la marca de clase
posterior a la última.
Polígono de frecuencias
60
50
40
30
20
10
0
Xi X1 X2 X3 X4 Xf
• Ojiva: es una curva creciente, que se genera al unir los puntos de frecuencias
acumuladas (absolutas o relativas), asociadas a los limites superiores de clase.
La ojiva inicia en el límite inferior de la primera clase.
Ojiva
120
100
80
60
40
20
0
e0 e1 e2 e3 e4
Ejemplo 5:
Para el ejemplo 3, realice un diagrama circular y un diagrama de barras.
Solución:
• Diagrama Circular: Porcentaje de trabajadores por años de servicio.
12% 18%
16%
16%
20%
18%
4 5 6 7 8 9
• Diagrama de barras:
10
10
8 9
9
8 8
6
6
4
0
4 5 6 7 8 9
Ejemplo 6:
Con relación al ejemplo 4, realice un histograma, un polígono de frecuencias y
una ojiva.
Solución:
• Histograma: Alumnos por intervalos de notas
25
20
20
15
15 14 14
10
11
5 8
7 7
4
0
17 a 27 27 a 37 37 a 47 47 a 57 57 a 67 67 a 77 77 a 87 87 a 97 97 a 107
• Polígono de frecuencias:
25
Alumnos por nota media
20
15
10
0
12 22 32 42 52 62 72 82 92 102 112
• Ojiva:
120
Alumnos acumulados por notas
100
80
60
40
20
0
17 27 37 47 57 67 77 87 97 107
4. Medidas Resumen.
Ejemplo 7:
1 0 4 5 3 1
2 2 1 3 2 3
0 3 3 2 0 2
1 3 2 2 2 1
0 3 2 2 4 1
Ejemplo 8:
En la tabla se presenta la distribución de estatura en centímetros de 210 personas.
Determine la media aritmética de la estatura.
61 40 39 50 27 37 44 24 62 20 42 61
31 25 42 21 20 22 29 23 36 56 40 43
63 28 69 53 50 27 40 30 29 35 39 48
64 34 51 59 42 68 45 45 23 20 69 48
61 42 65 48 43 37 29 25 60 20 62 48
Solución:
Ajustando la tabla a las condiciones del problema.
Ejemplo 17:
Ejemplo 18:
4.4 Medidas de Forma.
Son indicadores estadísticos que permiten identificar si una distribución presenta
uniformidad o nivel de concentración de datos entorno a la región central de los datos.
• Asimetría : Es aquella que nos permite identificar si los datos se distribuyen hacia los
extremos con respecto a la media aritmética.
La asimetría presenta tres estados:
Asimetría positiva: cuando la mayoría de los datos se encuentran por encima del valor
de la media aritmética,
Simetría: cuando los datos se distribuyen aproximadamente la misma cantidad en ambos
lados de la media aritmética.
Asimetría negativa: cuando la mayor cantidad de datos se aglomeran en los valores
menores que la media aritmética.
Ejemplo19:
• Curtosis : Esta medida determina el grado de concentración que presentan los valores en la
región central de la distribución.
La Curtosis presenta 3 grados:
Platicúrtica: cuando hay una baja concentración de datos entorno a la región central.
Mesocúrtica: cuando hay una moderada o normal concentración de datos en la región central.
Leptocúrtica: cuando hay una alta concentración de datos en la región central.
Ejemplo 20:
Bibliografía:
• Castillo Isabel y Guijarro Marta(2006) Estadística Descriptiva y Cálculo de Probabilidades.
Editorial Pearson.
• Córdova Zamora, Manuel(2003) Estadística Descriptiva e Inferencial. Editorial, Librería
MOSI1ERA S.R.L. Quinta Edición.
• Devore, J. (2008) Probabilidad y Estadística para Ingeniería y Ciencias. 7ma. Edición.
Cengace Learning Editores. México.
• Johnson, R. & Kuby, P. (2012) Estadística Elemental. Engage Learning Latinoamérica. 11ª
Edición.
• Martínez Bencardino, Ciro (2014) Estadística y Muestreo. 14 ed. Colombia: ECOE
Ediciones.
• Montgomery, D. C y Runger, R. (2008) Probabilidad y Estadística Aplicadas a la Ingeniería.
2da. Edición. Limusa Wiley. México.
• Rincón Luis (2017) Estadística Descriptiva.UNAM. México.