Documentos de Académico
Documentos de Profesional
Documentos de Cultura
fi = Frecuencia absoluta
fi+fi+fi+fi = n
UTEQ
FRECUENCIA RELATIVA Y RANGO
255
Recuento
215
100
54
24 23 17
0 1 2 3 4 5 6 7 Ocho o más
Núme ro de hijos
continuas 200
Recuento
El área que hay bajo el histograma entre 150
50
individuos en el intervalo.
20 40 60 80
6
ESTADISTICA DESCRIPTIVA
0
59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97
UTEQ
DAP
67 1
73 81 72 63 76 75 68 1
69 1
Para determinar la frecuencia Absoluta fi : 71 1
72 1
1.- Se ordenan los datos en forma creciente o ascendente. 73 3
2.- Se determina el número de veces que se repite cada valor. 74 2
75 5
dentro de la muestra. 76 3
77 1
Diagramas barras 78 3
5 79 1
fi 81 1
82 2
4
85 1
87 1
3 88 3
UTEQ
89 1
2
90 1
93 1
94 1
1 95 2
97 2
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
Producto Silvícola
EJEMPLO
xi xifi fin n fr fr
Rango 59 591 148 81000
48 2.08
60 602 248 48
4.17 4.17
61 611 148 48
2.08 2.08
Es la diferencia entre el mayor y el menor de los
62 623 348 48
6.25 6.25
valores obtenidos en nuestro ejemplo: 63 631 148 48
2.08 2.08
65 651 148 48
2.08 2.08
Rango 97 – 59 = 38 67 671 148 48
2.08 2.08
68 681 148 48
2.08 2.08
ESTADISTICA DESCRIPTIVA
69 691 148 48
2.08 2.08
71 711 148 48
2.08 2.08
Frecuencia relativa 72 721 148 48
2.08 2.08
73 733 348 48
6.25 6.25
74 742 248 48
4.17 4.17
Se encuentra como el cociente entre la frecuencia 75 755 548 48
10.42 10.42
absoluta de un determinado valor y el total de 76 763 348 48
6.25 6.25
observaciones. 77 771 148 48
2.08 2.08
78 783 348 48
6.25 6.25
79 791 148 48
2.08 2.08
Formula de frecuencia Relativa expresada en porcentaje 81 811 148 48
2.08 2.08
82 822 248 48
4.17 4.17
85 851 148 48
2.08 2.08
87 871 148 48
2.08 2.08
88 883 348 48
6.25 6.25
89 891 148 48
2.08 2.08
UTEQ
90 901 148 48
2.08 2.08
93 931 148 48
2.08 2.08
94 941 148 48
2.08 2.08
95 952 248 48
4.17 4.17
97 972 248 48
4.17 4.17
Σ 100.00
Σ 100.00
Al final un método de prueba es la suma de todas las frecuencias relativas cuyo valor
será 100 o su respectiva aproximación.
FRECUENCIAS DE CLASE
Frecuencia de clase
Intervalo de clase
Al analizar nuestro ejemplo observamos que las 48 frecuencias obtenidas
mediante el ordenamiento anterior son excesivas para visualizar el problema por
ello se agrupan los datos en clases. Cada clase contiene un número fijo de valores
posibles, para nuestro ejemplo vamos a elegir el tamaño de Intervalo de clase 5 y
entonces obtenemos la siguiente agrupación de datos.
UTEQ
67 1
68 1
frecuencia 69 1
intervalo Frecuencia frecuencia
acumulada 71 1
de clase de clase acumulada 72 1
relativa
73 3
74 2
54-58… 75 5
59-63… 8 8 16,66666667 76 3
77 1
64-68… 3 11 22,91666667 78 3
69-73… 6 17 35,41666667 79 1
74-78… 14 31 64,58333333 81 1
82 2
79-83… 4 35 72,91666667 85 1
84-88… 5 40 83,33333333 87 1
89-93… 3 43 89,58333333 88 3
UTEQ
89 1
94-98… 5 48 100
90 1
99-104 93 1
94 1
95 2
97 2
HISTOGRAMA Y POLIGONO DE FRECUENCIAS DE CLASE
Histograma y polígono de frecuencia
Son dos representaciones graficas de la distribución de frecuencias está formada por lo general por una serie de
rectángulos que tienen sus bases sobre un eje horizontal (eje x) e iguales al ancho de un intervalo de clase su altura
tiene el valor de la frecuencia que le corresponda (HISTOGRAMA)
Polígono de frecuencia
Es un gráfico de líneas trazadas sobre el punto medio de cada clase, se obtiene uniendo los puntos medios de los
extremos superiores de cada rectángulo por lo general se acostumbra a prolongar el polígono hasta los puntos medios
inferiores de las clases inmediatas.
ESTADISTICA DESCRIPTIVA
Histograma
12.5
10.0
Frecuencia
7.5
14
5.0
UTEQ
6
2.5 5 5
4
3 3
Media =76.92
0.0 Desviación típica =10.792
N =48
53.00
55.00
57.00
59.00
61.00
63.00
65.00
67.00
69.00
71.00
73.00
75.00
77.00
79.00
81.00
83.00
85.00
87.00
89.00
91.00
93.00
95.00
97.00
99.00
101.00
103.00
105.00
107.00
Universidad Técnica Estatal de Quevedo
DISEÑOS FACTORIALES
Se llaman Diseños Factoriales a aquellos experimentos en los que se estudia simultáneamente dos o
más factores, y donde los tratamientos se forman por la combinación de los diferentes niveles de
cada uno de los factores.
Los Diseños factoriales en si no constituyen un diseño experimental si no que ellos deben ser
llevados en cualquiera de los diseños tal como D.C.A; D.B.C.A; D.C.L.
Los diseños factoriales se dividen en diseños factoriales simples y diseños factoriales complejos.
Estos pueden ejecutarse en cualquiera de los diseños simples o clásicos hasta ahora desarrollados,
es decir, que se pueden tener diseños factoriales en un diseño completamente al azar, en bloques
completamente al azar y en cuadrado latino. De igual forma se puede hacer en los diseños
factoriales complejos, todo depende de las características del material experimental que se utilice
en el experimento.
Los Diseños factoriales se emplean en todos los campos de la investigación, son muy útiles en
investigaciones exploratorias en las que poco se sabe acerca de muchos factores.
Los diseños factoriales se utilizan para estudiar los efectos en una respuesta o salida de al menos
dos variables o factores cuando éstos cambian de valor simultáneamente.
En función del número de factores que se estudien, los diseños factoriales pueden ser bifactoriales,
trifactoriales, etc. Generalmente es recomendable hasta tres por el efecto de interpretación.
El concepto Factorial.
Bioestadística 1
Universidad Técnica Estatal de Quevedo
Arreglo combinatorio
Como se ha mencionado anteriormente, un factor es una clase de tratamiento que genera más
tratamiento llamados niveles. Un nivel se refiere a los diferentes tratamientos dentro de un factor y
arreglo combinatorio se refiere a la combinación de los niveles de los factores en estudio. Suponga
que se tiene un factor A con tres niveles (a1, a2, a3) y un factor B con cuatro niveles (b1, b2, b3,
b4). En este caso se tiene un experimento bifactorial 3 x 4. El arreglo combinatorio de estos dos
factores sería el que se muestra en el siguiente cuadro.
FACTOR B
FACTOR A
b1 b2 b3 b4
a1 a1b1 a1b2 a1b3 a1b4
a2 a2b1 a2b2 a2b3 a2b4
a3 a3b1 a3b2 a3b3 a3b4
En el ejemplo de arreglo combinatorio expuesto líneas arriba, se lleva a cabo en un diseño o arreglo
completamente al azar, entonces su modelo aditivo lineal sería el siguiente:
𝑑𝑜𝑛𝑑𝑒:
Yijk = Variable respuesta
μ = Efecto común a todas las observaciones
Ai = Efecto del i-ésimo nivel del factor A: i = a1, a2, a3 niveles del factor A
Bj = Efecto del j-ésimo nivel del factor B: j = b1, b2, b3, b4 niveles del factor B
(A*B)ij = Interacción del i-ésimo nivel del factor A con el j-ésimo nivel del factor B
Eijk = Error del modelo
En este diseño se prueban hipótesis tanto para el factor A, factor B y para las interacciones, bajo la
misma tipología desarrollada en este documento (hipótesis nula e hipótesis alternativa). En caso de
rechazo de la hipótesis nula, se debe hacer prueba de rangos múltiples según sea el caso.
Bioestadística 2
Universidad Técnica Estatal de Quevedo
FACTOR REPETICIONES
FACTOR A ∑yij
B 1 2 3 4
b1 a1b11 a1b12 a1b13 a1b14 a1b1
b2 a1b21 a1b22 a1b23 a1b24 a1b2
a1
b3 a1b31 a1b32 a1b33 a1b34 a1b3
b4 a1b41 a1b42 a1b43 a1b44 a1b4
b1 a2b11 a2b12 a2b13 a2b14 a2b1
b2 a2b21 a2b22 a2b23 a2b24 a2b2
a2
b3 a2b31 a2b32 a2b33 a2b34 a2b3
b4 a2b41 a2b42 a2b43 a2b44 a2b4
b1 a3b11 a3b12 a3b13 a3b14 a3b1
b2 a3b21 a3b22 a3b23 a3b24 a3b2
a3
b3 a3b31 a3b32 a3b33 a3b34 a3b3
b4 a3b41 a3b42 a3b43 a3b44 a3b4
FACTOR B
FACTOR A ∑yi
b1 b2 b3 b4
a1 a1b1 a1b2 a1b3 a1b4 y1
a2 a2b1 a2b2 a2b3 a2b4 y2
a3 a3b1 a3b2 a3b3 a3b4 y3
∑yj y1 y2 y3 y4
Ejemplo:
Bioestadística 3
Universidad Técnica Estatal de Quevedo
FACTOR REPETICIONES
FACTOR A ∑yij
B 1 2 3 4
b1 18 19 17 20 74
b2 20 24 29 30 103
a1
b3 30 28 29 32 119
b4 31 33 26 28 118
b1 21 18 19 22 80
b2 25 29 32 29 115
a2
b3 27 29 31 35 122
b4 29 26 32 27 114
b1 30 28 24 25 107
b2 31 33 29 34 127
a3
b3 28 25 32 31 116
b4 28 31 34 35 128
FACTOR B
FACTOR A ∑yi
b1 b2 b3 b4
a1 74 103 119 118 414
a2 80 115 122 114 431
a3 107 127 116 128 478
∑yj 261 345 357 360
Siendo
∑ 𝑖= Sumatoria de Factor A
∑ 𝑗 = Sumatoria de factor B
∑ 𝑖𝑗 = Sumatoria del producto de los factores A y B.
∑ 𝑖= Suma de cada uno de los valores del cuadro Nº 4 (18, 19, 17,…..31, 34, 35)
2 2
∑ 𝑖 = Suma de cada uno de los valores del cuadro Nº 4 elevados al cuadrado (18 , 19 ,
17 ,…..31 , 34 , 35 )
2 2 2 2
Con esta información procedemos a calcular los valores para el análisis de varianza
Bioestadística 4
Universidad Técnica Estatal de Quevedo
(∑ ) ( )
𝐶= ∗ ∗
= ∗ ∗
= 36465,19
(∑ )
𝐶𝐴 = ∑ 𝐶 = = =
∗
(∑ )
𝐶𝐵 = ∑ ∗
𝐶 = = 37016,25 =
(∑ )
𝐶𝐴𝐵 = ∑ 𝐶 ( 𝐶𝐴 + 𝐴𝐶𝐵) = ( + )
= –( ) =
𝐶𝐸 𝑜 = 𝐶 𝑜 𝑙𝑒 ( 𝐶𝐴 + 𝐶𝐵 + 𝐶𝐴𝐵) = ( + + )=
FV Gl SC CM Fc Ft
Factor A a-1 𝐶𝐴 CMA=
Total abr-1 𝐶 𝑜 𝑙𝑒
Reemplazando:
FV Gl SC CM Fc Ft 95%
Factor A 2 137,37 68,69 8,36* 3.266
Total 47 1103,81
Posterior al análisis de varianza se concluye que al 95% de confiabilidad existe efecto significativo
en la cantidad de materia orgánica en estado seco acumulada en la especie de gramínea entre los
diferentes estratos de suelo y las cuatro combinaciones de nutrientes, además también existen
diferencias significativas en la interacción entre ambos factores.
Bioestadística 5
DISEÑO
COMPLETAMENTE
AL
BIOESTADISTICA
AZAR
(DCA)
UTEQ
IDEAS BÁSICAS DEL DISEÑO EXPERIMENTAL
i = 1, 2, . . . , t (1)
yij = μi + Eij
BIOESTADISTICA
j = 1, 2, . . . , r
Donde
1. Estructura de tratamientos.
Tipos de estructuras de tratamientos
2. Estructura de diseño.
Tipos de estructura de diseño.
BIOESTADISTICA
UTEQ
ESTRUCTURAS DE UN DISEÑO EXPERIMENTAL
1. ESTRUCTURA DE TRATAMIENTOS.
2. ESTRUCTURA DE DISEÑO.
1 2 3 4 5 1 2 3 4 5
T1 T4 T2 T5 T3
BIOESTADISTICA
6 7 8 9 10 6 7 8 9 10
T2 T2 T1 T5 T4
11 12 13 14 15 11 12 13 14 15
T1 T4 T3 T5 T3
16 17 18 19 20 16 17 18 19 20
T4 T1 T3 T5 T2
UTEQ
Tenemos 5 t con 4 r
EJEMPLO
Tenemos 5 t con 4 r
1 2 3 4 5
T1 T4 T2 T5 T3
15 14 12 20 17
9
BIOESTADISTICA
6 7 8 10
T5
T2 T2 T1 T4
21
12 13 16 13
11 12 13 14 15
T1 T4 T3 T5 T3
14 12 18 21 17
16 17 18 19 20
T4 T1 T3 T5 T2
12 15 18 20 13
UTEQ
12 15 18 20 13
Sistematización de la Información
Tratamientos
tratamientos
Repeticiones
T1 T2 T3 T4 T5
UTEQ
I 15 12 17 14 20
II 16 12 18 13 21
III 14 13 17 12 21
IV 15 13 18 12 20
EJEMPLO ANÁLISIS DE LA VARIANZA
tratamientos
T1 T2 T3 T4 T5 Ʃxr
Repeticiones
I 15 12 17 14 20 78
II 16 12 18 13 21 80
III 14 13 17 12 21 77
IV 15 13 18 12 20 78
Ʃxt 60 50 70 51 82
x 15,00 12,50 17,50 12,75 20,50
ΣTi 60 50 70 51 82
(Σti)2
BIOESTADISTICA
n numero de rep. 4 4 4 4 4
N = 20 (Σti)2/n 900,00 625,00 1225,00 650,25 1681,00
tabla de Anova
Fuente de variación GL SC CM Fc Ft
Tratamiento nt-1 CMT= SCT CMT Valor de la tabla
SCT
n-1 CME F Fisher
Error (N-1) -(nt-1) CME = SCE
SCE
(N-1) -(n-1)
Total N-1 SCTOTALES
BIOESTADISTICA
UTEQ
TABLA F DE FISHER
V1 = 4 Gl tratamientos
V2 = 15 Gl Error
ESTADISTICA
UTEQ
EJEMPLO Sistematización de la Información
BIOESTADISTICA
Método de Duncan
TABLA DE DUNCAN
V1 = 5 numero de medias
V2 = 15 Gl Error
BIOESTADISTICA
UTEQ
tratamientos
T1 T2 T3 T4 T5 Ʃxr
Repeticiones
I 15 12 17 14 20 78
II 16 12 18 13 21 80
III 14 13 17 12 21 77
IV 15 13 18 12 20 78
Ʃxt 60 50 70 51 82
x 15,00 12,50 17,50 12,75 20,50
EJEMPLO Duncan
0.517
BIOESTADISTICA
sx =
4
s x = 0.3595
T5 a
T3 b
T1 c
T4 d
T2 d
Promedios con literales distintas son estadísticamente diferentes según el método de Duncan
EJEMPLO Duncan
TRATAMIENTOS
REPETICIONES 1 2 3 4
I 180 172 163 158
II 173 158 170 146
III 175 167 158 160
IV 182 160 162 171
V 181 175 170 155
X Media 178,20 166,40 164,60 158,00
BIOESTADISTICA
La tabla de Anova
Fuente de variación GL SC CM Fc Ft
Tratamiento 4 2010,64 502,66 11,24 2,866
Error 20 894,4 44,72
Total 24 2905,04
UTEQ
EJEMPLO II Duncan
CONCENTRACION
Duncan
Se muestran las medias para los grupos en los subconjuntos homogéneos.
a Usa el tamaño muestral de la media armónica = 5,000.
TRAT N 2 1
4,00 5 158,0000
BIOESTADISTICA
3,00 5 164,6000
2,00 5 166,4000
1,00 5 178,2000
Sig. ,077 1,000
(ANOVA)
UTEQ
ANOVA
L 20 50 50
M 40 46 46 Los dos grupos son iguales?
M 30 50 50
J 50 51 51
UTEQ
V 45 40 40 Numéricamente
S 40 39 39 Estadísticamente
D 25 41 41
ANOVA
Otros ejemplos:
Estadísticos de posición
ESTADISTICA
Estadísticos de dispersión
ANOVA
DISEÑOS EXPERIMENTALES
ESTADISTICA
Grupo
1 2 3 4 5
180 172 163 158 147
UTEQ
TRATAMIENTOS
1 2 3 4 5
180 172 163 158 147
173 158 170 146 152
175 167 158 160 143
182 160 162 171 155
ESTADISTICA
(Σti) 2
793881,00 692224,00 677329,00 624100,00 573049,00
Ʃ(ƩTi)2
n 5 5 5 5 5
n Suma de los (tratamientos al cuadrado / numero de valores)
(Σti) /n
2
158776,20 138444,80 135465,80 124820,00 114609,80
SCT= Ʃ(ƩTi)2 – (Ʃxi)2 = 672116.60 - 670105,96 = 2010.64 SCT (suma de cuadrados tratamientos) = Suma de los (tratamientos
al cuadrado / numero de valores) – el factor de corrección.
n N
SCE= SCTotales – SCT = 2905.04 - 2010.64 = 894.40 SCE (suma de cuadrados del error) = Suma de cuadrados totales –
suma de cuadrados tratamientos.
TABLA DE ANOVA
tabla de Anova
Fuente de variación GL SC CM Fc Ft
ESTADISTICA
tabla de Anova
Fuente de variación GL SC CM Fc Ft
Tratamiento nt-1 CMT= SCT CMT Valor de la tabla
SCT
n-1 CME F Fisher
Error (N-1) -(nt-1) CME = SCE
ESTADISTICA
SCE
(N-1) -(n-1)
Total N-1 SCTOTALES
La tabla de Anova
UTEQ
Fuente de variación GL SC CM Fc Ft
Tratamiento 4 2010,64 502,66 11,24
Error 20 894,4 44,72
Total 24 2905,04
TABLA F DE FISHER
F Fisher al 95% de
Probabilidad.
V1 = 4 Gl tratamientos
V2 = 20 Gl Error
UTEQ
TABLA DE ANOVA
La tabla de Anova
Fuente de variación GL SC CM Fc Ft
Tratamiento 4 2010,64 502,66 11,24 2,866
Error 20 894,4 44,72
Total 24 2905,04
TRATAMIENTOS
A B C D
10 9 9 8
8 8 8 10
9 10 6 8
4 9 10 9
7 8 9 8
EJERCICIO
10 9 9 8
8 8 8 10
9 10 6 8
4 9 10 9
7 8 9 8
ΣTi
ESTADISTICA
ΣTi
(Σti)2
UTEQ
(Σti)2/n
EJERCICIO
La tabla de Anova
Fuente de variación GL SC CM Fc Ft
Tratamiento
ESTADISTICA
Error
Total
UTEQ
BANCO DE PREGUNTAS
a) Frecuencia Relativa
b) Frecuencia Absoluta
c) Frecuencia de Rango
d) Frecuencia de un polígono
La suma de las frecuencias absolutas es igual al número total de datos, representada por:
a) Frecuencias relativas
b) Muestra
c) Muestra o población
d) Rango
11. Existen al menos cuatro buena razones para estudiar estadística, que nos
ayudara a: (seleccione el grupo de respuesta correcta)
a) Aprender reglas y pasos puntuales para trabajos estadísticos -Cualificar resultados
estadísticos -Entender el entorno que nos rodea -Conocer ideas estadísticas.
b) Aprender las reglas y métodos para tratar información estadística -Evaluar y
cuantificar la importancia de resultados estadísticos -Conocer los aspectos del
pensamiento estadístico como un componente esencial -Entender mejor el mundo
real de nuestro entorno.
c) Aplicar reglas y métodos para tratar información estadística -Calificar cuán
importante es la estadística -Reconocer aspectos con pensamientos estadísticos -
Disfrutar mejor el mundo que nos rodea.
d) Ninguna de las anteriores
18. Para tabular los resultados de una encuesta realizada, ¿cuáles son las
principales consideraciones antes de procesar los datos...
a) Priorizar las variables que contribuyan a la investigación.
b) Ordenar de manera ascendente o alfabéticamente los resultados.
c) Realizar la interpretación y conclusión de los datos.
d) Verificar y corregir los datos.
19. Seleccione cuál es el primer paso que se debe realizar para hacer una
investigación mediante el método científico:
a) Describir los datos obtenidos.
b) Plantear una hipótesis.
c) Reconocer si la muestra es representativa.
d) Interpretar los datos obtenidos.
22. Seleccione las características principales que debe tener el tamaño de una
muestra
a) Representativa y homogénea
b) Sistematizada y probable
c) No representativa y general
d) Adecuada y que abarque la población total
23. Seleccione la opción correcta: Una base de datos es:
a) Es un conjunto de información que pertenece a un mismo contexto, ordenada de
modo sistemático para su posterior recuperación, análisis y/o transmisión.
b) Es información que pertenece a único contexto y no esta ordenada de modo
sistemático para su posterior recuperación, análisis y/o transmisión.
c) Es un conjunto de información que no pertenece a un mismo contexto, ordenada
de modo sistemático para su posterior recuperación, análisis y/o transmisión.
d) Es información que pertenece a único contexto y no esta ordenada de modo
sistemático para su posterior recuperación, análisis y/o transmisión.