Ilovepdf Merged

Que es la Estadística
Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

Teléfono de contacto: 0995760433
Correo Institucional: oswaldo.bonifaz@itstena.edu.ec
Correo personal: opbonifaz@gmail.com
Contenido
• Bienvenidas y preguntas
• Análisis de reglas de oro
• Actividad interactiva - estadística
• Importancia de la estadística
• Donde se aplica la estadística
• Datos estadísticos relevantes
• Concepto
• Taller
• Panorama digital global Digital 2020 2021
• Bibliografía
Regla de oro
El que pega 1ero pega 2 veces
Si no te conoces a ti mismo ni a tu oponente, en cada

batalla serás derrotado
Conoce al adversario y sobre todo conócete a ti

mismo y serás invencible
Mantén tu base de datos limpia y saneada

Palabras claves sobre estadística
Imagen accesible en: https://www.nubedepalabras.es/

Palabras claves sobre estadística
Imagen accesible en: https://www.nubedepalabras.es/

Importancia de la estadística
Imagen accesible en: https://www.mindomo.com/es/mindmap/importancia-de-la-estadistica-inferencial-en-la-contabilidad-f243bd9462934289ae007ba4b541dcd0

Donde se aplica la estadística
Datos estadísticos curiosos
Datos relevantes dentro del mundo digital:
96 estadísticas y datos increíbles de las redes sociales
Imagen accesible en: https://youtu.be/xruoFgb09V8?t=35

Concepto
Es la rama de las matemáticas que estudia la variabilidad, así como el proceso aleatorio que la genera
siguiendo las leyes de la probabilidad. Como parte de la matemática, la estadística es una ciencia
formal deductiva, con un conocimiento propio, dinámico y en continuo desarrollo obtenido a través del
método científico formal. En ocasiones, las ciencias fácticas necesitan utilizar técnicas estadísticas durante
su proceso de investigación factual, con el fin de obtener nuevos conocimientos basados en la
experimentación y en la observación. En estos casos, la aplicación de la estadística permite el análisis
de datos provenientes de una muestra representativa, que busca explicar las correlaciones y dependencias
de un fenómeno físico o natural, de ocurrencia en forma aleatoria o condicional.
Accesible en: (https://es.wikipedia.org/wiki/Estad%C3%ADstica 2020)
Ciencia que utiliza conjuntos de datos numéricos para obtener, a partir de ellos, inferencias basadas en el
cálculo de probabilidades.
Imagen accesible en: https://www.marvi93.com/wp-content/uploads/2015/10/valor-humano.1.jpg

Panorama digital global
Digital 2020-2021
Más de 4.500 millones de personas utilizan Internet a principios de 2020, mientras que los usuarios de las redes
sociales han superado la marca de los 3.800 millones . Casi el 60 por ciento de la población mundial ya está en
línea, y las últimas tendencias sugieren que más de la mitad de la población total del mundo utilizará las redes
sociales a mediados de este año
Imagen accesible en:
https://datareportal.com/reports/digital-2021-global-overview-report
Panorama digital global
Digital 2020-2021
• Población: la población mundial era de 7.830 millones

• 80 millones de personas desde principios de 2020
• 5.220 millones de personas utilizan un teléfono móvil
• Los usuarios móviles únicos han crecido un 1,8 por ciento ( 93 millones ) desde enero de 2020
• 4.660 millones de personas en todo el mundo utilizan Internet (7,3 por ciento)
Imagen accesible en:
• 4.20 mil millones de usuarios de redes sociales en todo el mundo https://datareportal.com/reports/digital-2021-global-overview-report
Bibliografía
Básica:
• LIND, Estadística aplicada a los negocios y la economía, ISBN 978-607-15-0742-6

• RONALD E, Probabilidad y Estadística PEARSON EDUCACIÓN, México, 2012
• GORGAS J., Estadística Básica para estudiantes de Ciencias, ISBN 978-84-691-8981-8, 2011
Webgrafía:
https://datareportal.com/reports/digital-2020-global-digital-
yearbook?utm_source=Reports&utm_medium=PDF&utm_campaign=Digital_2020&utm_content=Yearbook_Promo_
Slide
https://www.brandwatch.com/es/blog/96-estadisticas-redes-sociales/
https://www.novicell.es/es/blog/datos-curiosos-mundo-digital/
Pizarra compartida del curso
https://jamboard.google.com/d/1HPgOYhtdi_0QKUCXt4k1HF7gmhM6AZz2WoiVf9i0WcU/edit?usp=sharing
https://www.mindomo.com/es/mindmap/importancia-de-la-estadistica-inferencial-en-la-contabilidad-
f243bd9462934289ae007ba4b541dcd0
Imagen accesible en: https://lamula.pe/media/uploads/t/dd5c6dd4761bffe4d34348aedb34b511.jpg
Modificado por: OPBonifaz 2020
Gracias por su asistencia, atención
y
participación activa

Tipos de estadística
Variable estadística - Muestra

Contenido
• Población - Muestra
• Variables
• Tipos de variables
• Variable estadística
• Resolución de problemas
• Caracteres cuantitativos o cualitativos
• Población y muestra
• Bibliografía
Objetivo: Conocer y identificar los diferentes tipos de variables existentes

“Se cometen muchos menos errores usando datos inadecuados
que cuando no se utilizan datos.”
Charles Babbage (1792-1871)
Imagen accesible enhttps://www.wtseo.co/wp-content/uploads/2018/11/analisis-datos.jpg

Resolución de problemas
En clases anteriores hemos visto la aplicabilidad de la estadística en nuestra actividades cotidianas, y

la importancia en la toma de decisiones y en la solución de problemas para la permanencia de las
empresas gracias a la recopilación tratamiento e interpretación de los datos que se obtienen de la
investigación científica
• Análisis de muestras.
• Descripción de datos.
• Contraste de hipótesis
• Medición de relaciones entre variables estadísticas.
• Contraste de datos e información
• Predicción.
Imagen accesible en:https://quizizz.com/_media/quizzes/37780367-d9ea-4a15-ae3f-7f691ea4e7f7_900_900

Tipo de estadística
• Descriptiva o deductiva
• Inferencial o inductiva
• Aplicada
• Matemática
Estadística descriptiva o deductiva
La Estadística Descriptiva es una serie de métodos para organizar, resumir, presentar y

analizar datos de manera eficiente e informativa.
Tras el proceso de muestreo, es la siguiente etapa de todo estudio estadístico y suele

consistir en:
1. Clasificar, agrupar y ordenar los datos de la muestra.

2. Representar dichos datos gráficamente y en forma de tablas.
3. Calcular medidas que resuman la información que contiene la muestra (estadísticos
muéstrales).
Su poder inferencial es mínimo, por lo que nunca deben sacarse conclusiones sobre la
población a partir de las medidas resumen que aporta la estadística descriptiva.
Ecuador 2020: Iván Quinteros

Inferencial o inductiva: Se llama estadística inferencial o inferencia estadística a la rama de la

Estadística encargada de hacer deducciones, es decir, inferir propiedades, conclusiones y
tendencias, a partir de una muestra del conjunto. Su papel es interpretar, hacer proyecciones y
comparaciones.
Aplicada: luego de investigar, estudiar y analizar con los métodos

anteriores, se utiliza la estadística aplicada para proporcionar
resultados específicos y generalizados sobre la investigación.
Matemática: además de realizar los procesos de estadística

deductiva o inferencial, la estadística matemática utilizará el álgebra y
ciertos análisis más profundos para ofrecer un punto de vista
enfocado y formal.
Accesible en: Estadística (2018). Recuperado de Enciclopedia Económica (https://enciclopediaeconomica.com/estadistica/).

Fuente: https://concepto.de/estadistica-inferencial/#ixzz6gXnvPlnP
¿De qué trata la Estadística ?
Probabilidad
Planeación y obtención
Incertidumbre Toma de de información
decisiones consistente Plantas
Variabilidad
Animales
Estadística Personas
Descriptiva Inferencial
¿Qué hace? ¿Qué hace?
Describe caracterís- Describe a toda la

ticas básicas de datos población
¿Cómo? ¿Cómo?
Observación de
• Gráficas pocos elementos
• Valores numéricos (MUESTRA)
Ciclo estadístico
Elementos del estudio
Con respecto a los elementos del estudio los conceptos básicos de estadística son:
Población – Muestra - Individuo

Población
Se denomina población al conjunto completo de elementos, con alguna característica común, que
es el objeto de nuestro estudio. (Javier Gorgas, Nicolás Cardiel y Jaime Zamorano - 2011 )
• población finita
• población infinita
Muestra
Es el subconjunto de datos seleccionados de una población, es una parte representativa de la
población que es seleccionada para ser estudiada , tomando en consideración que la población puede
o es demasiada extensa Al proseo de obtener muestras se le conoce como muestreo (Manual de estadística
descriptiva -2011)
• Aleatoria
• No aleatoria (representativo)
Individuo
Cada uno de los alumnos de un colegio, estadísticamente hablando se denomina
individuo.
Imagen accesible en: https://youtu.be/4Nu0Lpo8nAM
Por otro lado, en referencia a los resultados que se obtienen en el estudio tenemos:
Valor – Muestreo - Variable

Por otro lado, en referencia a los resultados que se obtienen en el estudio tenemos:
Valor
El valor es el resultado que puede adoptar o generar cada uno de nuestros datos del estudio
Ejemplo: en un caso de estudio de un estudio sobre la cantidad de alumnos que aprueban la materia
• Aprueba
• No aprueba
Muestreo
El muestreo es el proceso de seleccionar un conjunto de individuos de una población con el fin de
estudiarlos y poder caracterizar el total de la población
Variable
Variables estadísticas
Variable
Una variable es cualquier condición susceptible de modificarse o de variar en cuanto a cantidad y
calidad; por eso se llama "variable". La variable debe ser medible, es decir que se le puedan asignar
símbolos (en general números), según una serie de reglas; por eso se define también a la variable
como "una propiedad que adquiere distintos valores" y como "un símbolo al que se le asignan
números o valores“. (http://biblio3.url.edu.gt/publiclg/biblio_sin_paredes/fac_politicas/2018/tecnico_trab/inici_pracinves/cont/06.pdf)
Cuantitativas (Numérica): variables que toman valores numéricos.

• Número de siento (1, 2,…). Discreta.
• Edad de una persona (6 años; 18 años 3 meses; 40 años …) Continua.
Cualitativa (o categórica): son las variables que pueden tomar como valores
cualidades o categorías.
• Sexo (hombre, mujer)
• Salud (buena, regular, mala)
Variables cualitativas
Las variables cualitativas (o variables categóricas) se pueden

clasificar según sigan una jerarquía, valores o cualidades un
orden determinado (color de pelo, raza, idioma.)
VARIABLES DE TIPO CUALITATIVAS

Tipos Descripción Algunos Ejemplos
Normal Variables cualitativas que no siguen un orden establecido Color, Dirección, estado civil
Ordinal Son variables categóricas que pueden adoptar valores en El sonido (Débil, Moderado, Intenso)
orden y jerarquía Puesto en el pódium (1ro, 2do, 3ro)
Binaria o Son aquellas variables que pueden adoptar dos valores Persona (viva o muerta)
Dicotómica posibles Si/No
Variables cuantitativas
Las variables cuantitativas se clasifican según el número de

valores que puede tomar la variable. (Numero de: estatura,
pero, edad.)
VARIABLES DE TIPO CUANTITATIVAS

Discreta La variable discreta es aquella que solo puede tomar valores de Número de hijos (1,2,3,… no puede
un conjunto numérico determinado. Es decir: solo adopta tener 1.5 2.3 hijos etc.)
valores de un conjunto, no cualquier valor. Número de bicicletas en la familia.
Continua Las variables pueden adoptar cualquier valor dentro de un Altura de una persona (1.65m)
intervalo preestablecido, Peso, color, velocidad, alto, ancho
Resumen
Accesible en: https://enciclopediaeconomica.com/wp-content/uploads/2018/12/variables.jpg

Variables dependientes / independientes
Las variables se pueden clasificar también según si son independientes o dependientes:
VARIABLES
independientes Son aquellas variables que su valor no depende de Variable dependiente: Oferta, Variable
otra variable o de factores externos. independiente: demanda
dependientes Son aquellas variables que sus valores dependen de La variable dependiente es "y", la variable
otra variable o de factores externos independiente es "x“ Y=2X
Altura de un árbol (tiempo)
Compra-venta, batería-uso viaje en taxi
En una función puede haber combinación de los dos tipos. Por ejemplo, Los recursos invertido por una federación de futbol
ante la obtención del un campeonato deportivo (variable independiente cuantitativa) y las medallas obtenidas (variable
dependiente cualitativa oro, plata, bronce)
El investigador utiliza estas variables en el estudio estadístico con el fin de con el de
encontrar alguna causalidad de ciertas variables sobre las variables objetivo del estudio.
Taller 2
• El sonido del pito del auto
Ordinales • Dirección del IST Tena
• Número de hijos
• Numero de tv en casa
Cualitativas Nominal
• Diámetro de una esfera
Variables estadísticas
• Cantidad de libros en la biblioteca

Binaria o • Puesto en el pódium (1ro, 2do, 3ro)
Dicotómica • Altura de una persona
• Marca de autos
• Tiempo de viaje de Quito al Tena
Discreta
cuantitativas • Volumen de agua en una piscina.
• Color de ojos de mi hijo/a
Continua • Lados de una moneda
• La nota en un examen
• Estado del día (día y poche )
Ejercicio de selección de variables
Bibliografía
Básica:

Webgrafía:
http://biblio3.url.edu.gt/publiclg/biblio_sin_paredes/fac_politicas/2018/tecnico_trab/inici_pr
acinves/cont/06.pdf
https://www.youtube.com/watch?v=4Nu0Lpo8nAM&list=RDCMUC5fR66ElCH760rST15GIqZQ
&index=1
https://www.universoformulas.com/estadistica/descriptiva/variables-estadisticas/
https://youtu.be/W1_eCwuYkAI

y

Listado de películas sobre matemáticas y
al estadística en la vida cotidiana
• La Pizarra • Ahora me toca a mí • El Código Da Vinci

• Una mente maravillosa • El genio del amor • El número 23
• La soledad de los números primos • Einstein y Eddington • 21 Black Jack
• Los crímenes de Oxford • Con ganas de triunfar • La fórmula preferida del profesor
• Pi, fe en el caos • Un don excepcional • La verdad oculta
• Donald y las matemáticas • X+Y • El indomable Will Hunting
• El pequeño Tate • La teoría del todo • Breaking the Code
• Lecciones inolvidables • Flatland
• The Imitation Game (Descifrando • Cielo de octubre • Entre otros títulos que queda a su
Enigma) discreción observar
• La verdad oculta
• La fórmula preferida del profesor
• Una mente maravillosa
• La soledad de los números primos
• Moneyball
• El hombre que conocía el infinito
• The Bank
Tabla de frecuencias

Correo: opbonifaz@gmail.com
Contenido
• Repaso
• Tablas de frecuencia
• Taller tablas de frecuencia
• Tablas de frecuencia datos no agrupados
• Tablas de frecuencia datos agrupados
• Bibliografía
Objetivo: Conocer los principios básicos de la elaboración de una tabla de frecuencias

“Se cometen muchos menos errores usando datos inadecuados
que cuando no se utilizan datos.”
Charles Babbage (1792-1871)

Población Estadística
Definición (Población)
Una población es un conjunto de elementos definido por una o más características que tienen
todos los elementos, y sólo ellos. Cada elemento de la población se llama individuo.
Definición (Tamaño poblacional)

El número de individuos de una población se conoce como tamaño poblacional y se representa
como 𝑵.
No todos los elementos de la población están accesibles para su estudio. Entonces se distingue entre:
Población Teórica: Conjunto de elementos a los que se quiere extrapolar los resultados del estudio.
Población Estudiada: Conjunto de elementos realmente accesibles en el estudio.
Inconvenientes en el estudio de la población
• Se estudia un fenómeno en una población para comprenderlo, obtener información

sobre el mismo y así poder controlarlo.
• Un conocimiento completo de la población requiere estudiar a todos los individuos

de la misma; sin embargo, esto no siempre es posible porque:
✓ El tamaño de la población es infinito o demasiado grande.
✓ Las pruebas a las que se someten los individuos son destructivas
✓ Los costos, tanto en dinero como en tiempo, para estudiar a todos los individuos es excesivo.
Muestra Estadística
Cuando no es posible o conveniente estudiar a toda la población, entonces:
Definición (Muestra)
Es un subconjunto de una población.
Definición (Tamaño muestral)

Es el número de individuos que componen la muestra y se representa como 𝒏.
• Habitualmente, el estudio de una población se realiza a partir de muestras extraídas de dicha

población.
• Generalmente, el estudio de la muestra sólo aporta conocimiento aproximado de la población.
Pero en muchos casos es suficiente.
Clasificación de la muestra
El estudio de una variable estadística comienza por medir la variable en los individuos de la
muestra y clasificar los valores obtenidos.
Existen dos formas de clasificar estos valores:
Sin agrupar: Ordenar todos los valores obtenidos en la muestra de menor a mayor. Se
utiliza con atributos y variables discretas con pocos valores diferentes.
Agrupados: Agrupar los valores en clases (intervalos) y ordenar dichas clases de menor a
mayor. Se utiliza con variables discretas con muchos valores diferentes, y con
variables continuas.
Tipos de muestreo
Matriz de datos
Las variables o atributos a estudiar se medirán en cada uno de los individuos de la muestra. Los
datos obtenidos suelen organizarse en un arreglo denominado matriz de datos.
En esta matriz cada columna contiene la información de una variable y cada fila la información de
un individuo.
EJEMPLO 1 Matriz de datos

Al conjunto de valores observados en la muestra junto a sus respectivas
frecuencias se le denomina distribución muestral de frecuencias y suele
representarse mediante una tabla de frecuencias.
Frecuencias muestrales
Definición (Frecuencias muestrales)
Dada una muestra de tamaño 𝑛 de una variable 𝑋, para cada valor de la variable 𝑥𝑖 observado en la
muestra, se define
➢ Frecuencia absoluta 𝒏𝒊 : Es el número de individuos de la muestra que presentan el valor 𝑥𝑖 .
➢ Frecuencia relativa 𝑓𝑖 : Es la proporción de individuos de la muestra que presentan el valor 𝑥𝑖 .
𝑛𝑖
𝑓𝑖 =
𝑛
➢ Frecuencia absoluta acumulada 𝑁𝑖 : Es el número de individuos de la muestra que presentan
un valor menor o igual que 𝑥𝑖 .
𝑁𝑖 = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑖
➢ Frecuencia relativa acumulada Es la proporción de individuos de la muestra que presentan
un valor menor o igual que 𝑥𝑖 .
𝑁𝑖
𝐹𝑖 =
𝑛
Ejemplos de datos sin agrupar
EJEMPLO 2 Tabla de frecuencias para una encuesta a matrimonios
En una encuesta a 25 matrimonios sobre el número de hijos que tenían se obtuvieron los
siguientes datos:
1,2, 4, 2, 2, 2, 3, 2, 1, 1, 0, 2, 2,
0, 2, 2, 1, 2, 2, 3, 1, 2, 2, 1, 2
La tabla de frecuencias asociada a esta muestra es
Resolución de datos sin agrupar
Tamaño de la muestra. (25)
Identificación para cada valor observado. (0,1,2,3,4)
Frecuencias absolutas. (0=2; 1=6; 2=14: 3=2; 4=1)
Frecuencia relativa 𝑓𝑖
𝑛𝑖 2 6 14
𝑓𝑖 = ( 25 = 0,08 =0,24 =0,56 . . .)
𝑛 25 25
Frecuencia absoluta acumulada 𝑁𝑖

𝑁𝑖 = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑖 (2+6+14+2+1)
Frecuencia relativa acumulada
𝑁𝑖 2 8 22 24 25
𝐹𝑖 = (25 ; ; ; ; )
𝑛 25 25 25 25
EJEMPLO 2 Tabla de frecuencias para una encuesta a estudiantes
Suponga que un investigador desea determinar cómo varía el peso de un grupo de estudiantes de
primer semestre de una universidad. Selecciona una muestra de 50 estudiantes y registra sus
pesos en kilogramos. Los datos obtenidos fueron los siguientes:
65 63 65 63 69 67 53 58 60 61
64 65 64 72 68 66 55 57 60 62
64 65 64 71 68 66 56 59 61 62
63 65 63 70 67 66 57 59 61 62
64 64 63 69 67 66 58 60 61 62
Diagrama
Diagramade
detallo
talloyyhojas
hojas
Tabla de frecuencias 55 33 85 56 77 67 98 78 99 89
50 30 50 31 91 71 01 12 42 52 42 83 63 03 23 43 54 44
66 84 64 14 24 35 55 35 75 65 16 26 46 46 37 97 77 68 08
19 29aparece cada dato (frecuencia absoluta),
Para determinar el número de veces que
se puede utilizar un diagrama de tallo
77 20y11hojas
02 que facilita determinar la cantidad de
veces que se repite un dato y los valores de los datos con el fin de escribirlos de
manera ordenada en la tabla. Se procede así:
65 63 65 63 69 67 53 58 60 61
64 65 64 72 68 66 55 57 60 62
64 65 64 71 68 66 56 59 61 62
63 65 63 70 67 66 57 59 61 62
64 64 63 69 67 66 58 60 61 62
Frecuencia Frecuencia
Datos de los pesos de una Pesos
Absoluta Relativa
muestra de 50 alumnos del Absoluta Relativa
Acumulada Acumulada
primer nivel de una 𝒏𝒊 𝑵𝒊 𝒊 𝒊
universidad (en kilogramos)
53 1 1 0,02 0,02
65 63 65 63 69 67 53 58 60 61 55 1 2 0,02 0,04
64 65 64 72 68 66 55 57 60 62 56 1 3 0,02 0,06
64 65 64 71 68 66 56 59 61 62 57 2 5 0,04 0,1
63 65 63 70 67 66 57 59 61 62 58 2 7 0,04 0,14
64 64 63 69 67 66 58 60 61 62 59 2 9 0,04 0,18
60 3 12 0,06 0,24
61 4 16 0,08 0,32
62 4 20 0,08 0,4
63 5 25 0,10 0,5
64 6 31 0,12 0,62
65 5 36 0,10 0,72
66 4 40 0,08 0,8
67 3 43 0,06 0,86
68 2 45 0,04 0,9
69 2 47 0,04 0,94
70 1 48 0,02 0,96
71 1 49 0,02 0,98
72 1 50 0,02 1
𝒏𝒊 = 50 𝒊 = 1
𝒊 𝒊
Ejercicio 1
Durante el mes de julio de 2021, en una ciudad del Tena se han registrado las
siguientes temperaturas máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29,
30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
Ejercicio 2
Suponga que los siguientes datos corresponden a las calificaciones obtenidas por
110 aspirantes al ingreso de una universidad en la respectiva prueba de ingreso
(El cuadro de datos esta cargada en la plataforma institucional) 35
64
69
30
80
35
69
95
55
56
92
63
52
74
34
71
80
56
95
41
35 67 35 78 51 84 34 30 73 58
69 96 85 42 40 45 86 75 57 45
81 67 25 48 93 32 84 99 35 100
34 56 81 27 94 86 71 85 80 78
48 63 56 38 37 97 62 59 98 64
72 52 84 25 49 42 83 48 79 60
99 56 57 69 91 53 89 51 57 42
83 84 95 82 26 31 85 37 89 43
28 42 71 25 94 31 62 27 97 96
Tabla de frecuencias con datos agrupados
Se utiliza esta técnica de tabla de frecuencias con datos agrupados, cuando los valores de
la variable son numerosos y conviene agrupar los datos en intervalos o clases para así
realizar un mejor análisis e interpretación de los datos.
(Gorgas.J; Gardiel,N; Zamorano,J (2011 ) Estadística Básica, pp.15)

Ejemplos de datos agrupados
Para construir una tabla de frecuencias para datos agrupados se procede de la siguiente manera:
Se distribuyen los datos en varios intervalos llamados intervalos de clase, de tal manera que
cada dato quede registrado en un solo intervalo.
El número de clases y su amplitud (o ancho) se calculan así:
Rango = 𝑹 = 𝑑𝑎𝑡𝑜 𝑚𝑎𝑦𝑜𝑟 − 𝑑𝑎𝑡𝑜 𝑚𝑒𝑛𝑜𝑟
Número de clases o
número de intervalos:
𝒏: número de datos
: número de clases
𝑹
Amplitud: A= , en la que, se determinan los límites de clase y los límites reales de
clase.
Las velocidades, en millas por hora, de los conductores de 55 automóviles fueron con un radas en una calle
de cierta ciudad
Primero: Se recomienda organizar los datos de menor a mayor.
Segundo: Calcular el número de clases, según la aplicación de la regla de Sturges se redondea al entero
mas próximo
K =7 El valor K se aproxima
al valor impar más Regla de Sturges
cercano
Manual de estadística descriptiva (2011 ) pp.6-9)
Tercero: Calcular la amplitud, luego de calcular el dato mayor y el dato menor, para nuestro ejemplo el
valor 15 y 63.
La amplitud debe
aproximarse al entero A =7
más cercano
Cuarto: Una vez determinar el número de clases y la amplitud, se debe elegir el extremo inferior de la
primera clase. (15 -?)
Quinto: Luego de identificar el extremo inferior se sumará la amplitud a fin de obtener el limite superior
de la clase. 15 +7 =22 ; La primera clase quedaría establecido en : [15 – 22) Teoría de Intervalos
Sexto: Luego de establecer nuestras clases que incluya a todos [ )

[ )
los valores , se cuentan los elementos que caen en cada uno. [ )
[ )
[ ) Teoría de Intervalos
[ 57 )
]
[57 54 )
Manual de estadística descriptiva (2011 ) pp.6-9)
Séptimo: Calcular la marca de clase, que es punto medio entre el limite inferior y el limite superior, saco
el promedio del limite superior con el limite inferíos
𝐿𝑖 + 𝐿𝑠
𝑥𝑖 = Mascara de clase
2
Octavo: Aplicamos lo aprendido con anterioridad y calculamos todos las columnas de nuestra table de
frecuencias, Frecuencias, Frecuencia relativa, Frecuencia acumulada
Recomendaciones y reglas para construir tablas de distribución de frecuencia
Recomendaciones Reglas
• Utilizar de 5 a 15 clases • Las clases deben abarcar a todos los datos
• Procurar que las clases tengan al menos 5 • Cada dato debe pertenecer a una sola clase
valores • El valor más pequeño debe caer en el primer
• Siempre que sea posible, los intervalos de intervalo y el más grande dentro del último
clase se tomarán del mismo ancho
(Quinterios.I_2020)
Bibliografía
Básica:

Webgrafía:
http://biblio3.url.edu.gt/publiclg/biblio_sin_paredes/fac_politicas/2018/tecnico_trab/inici_pr
acinves/cont/06.pdf
https://www.youtube.com/watch?v=4Nu0Lpo8nAM&list=RDCMUC5fR66ElCH760rST15GIqZQ
&index=1
https://www.universoformulas.com/estadistica/descriptiva/variables-estadisticas/
https://youtu.be/W1_eCwuYkAI
https://www.youtube.com/watch?v=5fe9VJb85H8
y
Ing. Oswaldo Patricio Bonifaz Vallejo MGs.

Correo: opbonifaz@gmail.com
Tipos de Gráficos estadísticos
Ejercicios

Contenido
• Repaso
• Tipos de gráficos
• Gráficas de barras
• Uso de filtros
• Gráficos circulares
• Gráficas de líneas.
• Histogramas
• Polígono de frecuencias
• Histograma y polígono de frecuencias acumulados
• Formas o perfiles de distribución de frecuencias
• Bibliografía
Objetivo: Conocer los diferentes tipos de gráficos utilizados para la

presentación de datos
“Nunca saludes de mano a nadie sin ponerte de pie”

Un gráfico hablas más que 100 palabras
GRÁFICAS DE BARRAS
• Útiles para describir datos de nivel nominal u ordinal

• Se emplean para desplegar datos cualitativos y sus
frecuencias
• Las categorías y sus frecuencias se representan por barras
cuya longitud denota la frecuencia, el ancho es arbitrario,
pero debe ser siempre el mismo.
• La barras pueden ser verticales u horizontales
• En uno de los ejes se etiqueta la variable cualitativa y en el
otro una escala para medir la frecuencia de cada barra.
• Las barras se colocan uniformemente espaciadas
GRÁFICAS DE BARRAS.
NÚM. DE VEHÍC. MATRICULADOS Ejemplo
SEGÚN PROVINCIAS
Núm. de autos Autos matriculados – 2010
PROVINCIAS
Matriculados 0 50.000 100.000 150.000 200.000 250.000 300.000 350.000
Guayas 302.901 Guayas 302.901
Pichincha 266.724 Pichincha 266.724
Manabí 84.195 Manabí 84.195
Azuay 82.682
Azuay 82.682
Los Ríos 59.602
Los Ríos 59.602 Tungurahua 57.895
Tungurahua 57.895 El Oro 42.709
El Oro 42.709 Provincia Cotopaxi 37.979
Imbabura 35.751
Cotopaxi 37.979
Sto. Dgo. Tsa. 31.707
Imbabura 35.751 Chimborazo 31.347
Sto. Dgo. Tsa. 31.707 Loja 28.899
Chimborazo 31.347 Cañar 28.221
Loja 28.899 Esmeraldas 18.680
Carchi 14.021
Cañar 28.221
Otras Provincias 48.611
Esmeraldas 18.680
Carchi 14.021 Número de autos matriculados Gráficos Barras
Otras Provincias 48.611
TOTAL PAÍS 1.171.924
INEC - Estad. de Transporte 2010
Uso de filtros en una hoja de cálculo
Los filtros nos permiten seleccionar un subconjunto

de datos que cumpla con ciertos criterios dentro de
una matriz de datos.
Generalmente todo comienza cuando tenemos un

rango de celdas con información ordenada y
queremos seleccionar, observar o simplemente ver
solamente aquellas filas que cumplen con ciertas
condiciones
Uso de filtros
Elaboración de gráfico en hoja de cálculo
Ejemplo
Comparación de Conjunto de Datos y Gráfica de Columna Agrupada
Matrícula en Pregrado por tipo de Universidad y según año
AÑO
TIPO DE UNIVERSIDAD 2000 2001 2002 2003
PÚBLICA 158574 166698 172869 181272
PARTICULAR COFINANCIADA 68540 76638 81119 77917
PARTICULAR AUTOFINANCIADA 5980 8282 10324 Matrícula en Pregrado
Matrícula según
en Pregrado
11835 año yaño
según tipo de
TOTAL 233094 251618 264312 271024
FUENTE: Registros administrativos CONESUP 300000
Universidad
200000
Número de Matriculados
250000
150000
200000
Número de Matriculados
100000
150000
100000 50000
50000 0
2000
2001
0 2002
Año 2000 2001
Año 2002 2003 2003
Gráfica de Columna Agrupada PARTICULAR AUTOFINANCIADA 5980 8282
2000 2001
10324
2002
11835
2003
PARTICULAR COFINANCIADA
PÚBLICA 68540 76638 81119 77917
158574 166698 172869 181272
PÚBLICA 158574
PARTICULAR COFINANCIADA 166698 172869 81119 181272
68540 76638 77917
PARTICULAR AUTOFINANCIADA 5980 8282 10324 11835
Comparación de Conjunto de Datos
Otros
Recursos Utilizados en la Enseñanza en EVA
Hot potatoes
Muy Poco No
Camtasia RECURSO UTILIZADO Usado TOTAL
usado usado usado
E-learning Documento PDF 9 2 2 4 17
Documento WORD 9 3 2 3 17
Flash
Foros 2 0 1 14 17
Chats Chats 4 1 2 10 17
Flash 4 1 2 10 17
Foros
E-learning 1 0 1 15 17
Documento WORD Camtasia 2 0 1 14 17
Documento PDF Hot potatoes 2 0 1 14 17

Otros 1 0 4 12 17
0% 20% 40% 60% 80% 100%
Muy usado Usado Poco usado No usado
Ejemplo
Gráficos circulares o pastel
• Expresa de manera gráfica la distribución proporcional de los PERSONAL POR TIPO - CLÍNICA XYZ
eventos o datos en estudio.
• Ilustra la manera en que se distribuye el 100% de un recurso Directivo
6%
en un período específico Médico
30%
Administrativo
• Cabe indicar que este tipo de gráficos no es indicado en 24%
aquellos casos donde las característica presenta muchas

aspectos
PERSONAL POR TIPO Técnico

11%
CLÍNICA XYZ
TIPO NÚMERO PORCENTAJE Enfermería
29%
Médico 247 30,42
Enfermería 234 28,82
Técnico 92 11,33
Administrativo 192 23,65
Directivo 47 5,79
TOTAL 812 100 Gráficos circulares
Ejemplo
GRÁFICAS DE LÍNEAS.
Ejemplo
GRÁFICAS DE LÍNEAS Y Costos de la Canasta Básica e Ingreso Familiar Mensual

Enero de 1994 - Septiembre de 2012
TENDENCIAS 700,00
• Describen el cambio de
600,00
500,00
una variable, a intervalos
Costo e ingreso en dólares

400,00
de tiempo regulares. 300,00
• Se aplica para describir: 200,00
✓ crecimiento poblacional; 100,00
✓ series temporales como 0,00
índices;
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
✓ evolución de estatura de Costo de la Canasta Básica
Año
Ingreso Familiar Mensual
una persona.
Gráficos líneas
Ejemplo
HISTOGRAMAS
• Se utiliza para variables discretas agrupadas
y variables continuas
• Similar a un diagrama de barras
Precios de venta de 80 vehículos
25
23
• Las clases en las que se agrupan los datos 20

17
18
se grafican en el eje 𝑥, levantando las 15
Frecuencia
barras sobre todo el intervalo, de modo que 10
8 8
las barras están pegadas unas a otras. 5 4

2
• Proporciona una representación visual de 0

15 a 18 18 a 21 21 a 24 24 a 27 27 a 30 30 a 33 33 a 36
una distribución de frecuencias de fácil

Precios de venta ( en miles de dólares)
interpretación.
Histograma
HISTOGRAMAS.
EJEMPLO
Los siguientes datos corresponden a los precios de venta de vehículos usados

en una concesionaria.
23197 23372 20454 23591 26651 27453 17266

18021 28683 30872 19587 23169 35851 19251
20047 24285 24324 24609 28670 15546 15935
19873 25251 25277 28034 24533 27443 19889
20004 17357 20155 19688 23657 26613 20895
20203 23765 25783 26661 32277 20642 21981
24052 25799 15794 18263 35925 17399 17968
20356 21442 21722 19331 22817 19766 20633
20962 22845 26285 27896 29076 32492 18890
21740 22374 24571 25449 28337 20642 23613
24220 30655 22442 17891 20818 26237 20445
21556 21639 24296
HISTOGRAMAS.
EJEMPLO
La tabla que sigue muestra los datos procesados
Precios ( en miles de dólares) Acumulada

Punto Frecuencia Frecuencia
Límite inferior Límite superior medio absoluta relativa
absoluta relativa
15 < 18 16,5 8 0,10 8 0,10
18 < 21 19,5 23 0,29 31 0,39
21 < 24 22,5 17 0,21 48 0,60
24 < 27 25,5 18 0,23 66 0,83
27 < 30 28,5 8 0,10 74 0,93
30 < 33 31,5 4 0,05 78 0,98
33 < 36 34,5 2 0,03 80 1,00
TOTALES 80 1,00
HISTOGRAMAS.
EJEMPLO
En la siguiente tabla se han dispuesto los datos de manera que podamos
graficar
El HISTOGRAMA obtenido es:
Precios de venta Precios de venta de 80 vehículos
Punto
(en miles de Frecuencia 25
medio 23
dólares)
13,5 0 20
18
17
15 a 18 16,5 8
18 a 21 19,5 23 15
Frecuencia
21 a 24 22,5 17
24 a 27 25,5 18 10
8 8
27 a 30 28,5 8
30 a 33 31,5 4 5 4
33 a 36 34,5 2 2
37,5 0
0
TOTALES 80 15 a 18 18 a 21 21 a 24 24 a 27 27 a 30 30 a 33 33 a 36
Ejemplo
POLÍGONO DE FRECUENCIAS
• Similar a un histograma.
• Consiste en segmentos de recta que conectan los puntos formados por las intersecciones
de los puntos medios de clase y las frecuencias de clase.
• La siguiente gráfica ilustra la construcción de un polígono de frecuencias

25
23
20
18
17
15
Frecuencia
10
8 8
5
4
2
0 0 0 Polígono
13,5 16,5 19,5 22,5 25,5 28,5 31,5 34,5 37,5
de frecuencias
• Similar a un histograma.
• Consiste en segmentos de recta que conectan los puntos formados por las
intersecciones de los puntos medios de clase y las frecuencias de clase.
• La siguiente gráfica ilustra la construcción de un polígono de frecuencias

Precios de venta
Punto 25
(en miles de Frecuencia
medio
dólares)
20
13,5 0
15 a 18 16,5 8
15
Frecuencia
18 a 21 19,5 23
21 a 24 22,5 17
10
24 a 27 25,5 18
27 a 30 28,5 8
5
30 a 33 31,5 4
33 a 36 34,5 2
37,5 0 0
13,5 16,5 19,5 22,5 25,5 28,5 31,5 34,5 37,5
TOTALES 80 Precios de venta (en miles de dólares)
• Tanto el histograma como el polígono de frecuencias permiten tener una vista

rápida de las principales características de lo datos (máximos, mínimos, puntos
de concentración, etc.).
• Aunque las dos representaciones tienen un propósito similar, el histograma posee
la ventaja de que describe cada clase como un rectángulo, en el que la barra de
altura de éste representa el número de elementos que hay en cada clase.
• El polígono de frecuencias, en cambio, tiene una ventaja con respecto al
histograma; también permite comparar directamente dos o más distribuciones de
frecuencias.
Histograma y polígono de frecuencias acumulados
• Un histograma de frecuencias y un polígono de frecuencias acumuladas

implican frecuencias acumuladas.
• Para construir un histograma o un polígono de frecuencias acumuladas, se
ubica el límite superior de cada clase en una escala a lo largo del eje 𝑥 y las
correspondientes frecuencias acumuladas, a lo largo del eje 𝑦.
• Para incluir información adicional, se gradúa el eje vertical a la izquierda en
unidades y el eje vertical a la derecha en porcentajes.
El ejemplo que se da a continuación muestra el proceso de construcción
Histograma y polígono de frecuencias

Histogramas y polígonos de frecuencia acumulados.
Ejemplo
En la siguiente tabla se han dispuesto los datos de manera que podamos
graficar
Precios de venta
Punto Frecuencia 90
(en miles de Frecuencia
medio acumulada 80
dólares)
Número de vehículos vendidos

13,5 0 0 70
16,5 a 8 16,5 8 8 60
19,5 a 31 19,5 23 31 50
22,5 a 48 22,5 17 48 40
25,5 a 66 25,5 18 66
30
28,5 a 74 28,5 8 74
31,5 a 78 31,5 4 78 20
34,5 a 80 34,5 2 80 10
37,5 0,0 0 0
TOTALES 80 15 a 18 18 a 21 21 a 24 24 a 27 27 a 30 30 a 33 33 a 36
Precios de venta (en miles de dólares)
FORMAS O PERFILES DE DISTRIBUCIÓN DE FRECUENCIAS
POLÍGONOS DE FRECUENCIAS
Bibliografía
Básica:

• Martínez C. Estadística y muestreo ISBN 978-958-648-702-3
Webgrafía:
http://biblio3.url.edu.gt/publiclg/biblio_sin_paredes/fac_politicas/2018/tecnico_trab/inici_pracinves/cont/06.pdf
https://youtu.be/J-lDNbXM2wE?t=8
https://youtu.be/tMkO-8DTIJg
https://youtu.be/L2F2VkzsZwU?t=365
https://youtu.be/P5CesuEPI58?t=9
https://youtu.be/F_LOXoMsILM?t=17
https://youtu.be/uZ3Q6Nth7-E?t=8
y

Medidas de Posición o distribución

Contenido
• Repaso
• Medidas de Posición o distribución
• Medidas de Dispersión
• Estadísticos de Tendencia Central
• Estadísticos de Posición
• Bibliografía
Objetivo: Identificar las característica básicas y el proceso de cálculo de Media,

Mediana y moda de datos sin agrupar
“Crea canales de comunicación para tu equipo.”



consistir en:

muéstrales).

Medidas características de una distribución
Después de haber aprendido a realizar tablas de frecuencias y la haber realizado algunos tipos de representaciones graficas
en las cuales se sintetiza la información de las variables estudiadas de la muestra, en muchos de los casos no son suficientes
y es necesario describir determinados aspectos y magnitudes de la distribución a fin de proporcionar mas herramientas o
datos para el análisis de datos.
Para describir adecuadamente el comportamiento de la variable se calculan unas medidas llamadas estadísticos o medidas
muéstrales que son indicadores de distintos aspectos de la distribución muestral.
Los estadísticos se clasifican en tres grupos:
Medidas de Posición o distribución: Miden en torno a qué valores se agrupan los datos y cómo se reparten en la
distribución.
Medidas de Dispersión: Miden la heterogeneidad de los datos.
Estadísticos de Forma: Miden aspectos de la forma que tiene la distribución de los datos, como la simetría o el
apuntamiento.
Pueden ser de dos tipos:
Estadísticos de Tendencia Central:

Determinan valores alrededor de los cuales se agrupa la distribución. Estas medidas suelen
utilizarse como valores representativos de la muestra. Las más importantes son:
• Media aritmética
• Mediana
• Moda
Otros estadísticos de Posición:

Dividen la distribución en partes con el mismo número de observaciones. Las más importantes
son:
• Cuantiles: Cuartiles, Deciles, Percentiles.
Media, Mediana, Moda

Características, uso, ventajas y desventajas de las medidas de
tendencia central y de posición.
Algunas condiciones esenciales para que este valor pueda cumplir su cometido:
• Debe estar representada por una sola cifra.

• Debe ser objetiva y definida por una fórmula algebraica, de tal manera que cualquiera que sea la persona que trabaje con la
distribución, se obtenga siempre el mismo valor.
• Debe ser descriptiva de los datos, de manera que su significado sea fácil de entender.
• No debe ser una abstracción matemática, que únicamente pueda ser entendida por personas expertas en esta ciencia, ya que una de
las condiciones de la estadística, es simplificar los datos y no hacerlos más complejos.
• Debe ser fácil de calcular, pero esta condición no debe preferirse en perjuicio de. otras ventajas.
• Debe dependen de cada uno de los elementos del grupo, de tal manera que si se altera alguno de éstos, consecuentemente se
altera el valor del promedio ya que por definición, ésta es representante típica de todos los miembros del grupo y no solamente del
alguno de ellos.
• A pesar de que cada uno de los valores de los elementos del grupo debe tener influencia en el valor de la medida, ésta debe ser de
tal calidad que no se deje afectar demasiado por alguno o algunos pocos valores.
• Debe tener lo que los estadísticos llaman estabilidad en el muestreo.
• Debe ser de uso fácil para cálculos matemáticos posteriores.
Medidas de centralización
Entre las medidas características de una distribución destacan las llamadas medidas de
centralización, que nos indicaran el valor promedio de los datos, o en torno a que´ valor se
distribuyen estos.
Media aritmética (ഥ
𝒙 = µ)
Se define como la "suma de todos los valores observados,

divididos por el número total de observaciones" De esta
forma definida, sólo se aplica en datos sin agrupar, también
denominados como datos originales.
Media
(Ciro Martínez,C (2012 ) Estadística y muestreo, pp.93)

𝒙 = µ)
La medida de posición o promedio más conocida, la más utilizada y entendida por todos, por su gran
estabilidad es la preferida en el muestreo, sus fórmulas admiten tratamiento algebraico. Su desventaja
principal es ser muy sensible a cambios en sus valores u observaciones, también, cuando alguno de sus
valores extremos es demasiado grande o pequeño.
Ventajas
• El promedio aritmético es, en sí, la medida más entendida y la más utilizada.
• Esta medida se define mediante una ecuación matemática muy fácil de entender y algunas veces se puede obtener
cuando no es posible calcular otros tipos de medidas de tendencia central o de posición y, aún en el casos de no
conocerse los valores individuales de la serie, por ejemplo: si 10 familias consumen 20 litros de leche, el promedio
aritmético será de 2 litros por familia.
• El promedio aritmético es extraordinariamente estable en el muestreo.
• Es altamente sensible a cualquier cambio en los datos de la distribución.
• Como ventaja final, se podrá anotar que es excepcionalmente adaptable cuando se trata de hacer cálculos
matemáticos posteriores con él.

Media aritmética
Desventajas
• Es muy sensible a valores muy pequeños o grandes, especialmente cuando estos últimos se encuentren
incluidos en la distribución que se está estudiando, puede resultar en un promedio que no represente lo típico para
el total del grupo.
• Cuando la distribución es marcadamente asimétrica, de tal forma que el promedio aritmético, la mediana y el modo
difieran en forma apreciable, debe considerarse siempre la posibilidad de que el promedio aritmético pueda no ser
el valor único representativo de la serie.
• Otro inconveniente o desventaja, es cuando la distribución tiene la forma de U, es decir, parabólica; éste
corresponde a los valores menos comunes en la serie y por tanto, puede damos una idea irreal de la distribución.
Esta medida, por lo general, se representa mediante una equis (ഥ

𝒙 ) con una raya o
trazo colocado en parte superior, sin embargo se utilizan otros símbolos como se
pueden observar a continuación

Cálculo de la media aritmética
Media aritmética muestral 𝒙

ഥ
Dadas 𝒏 observaciones de la muestra de una población, con 𝒙𝒊 la 𝑖−é𝑠𝑖𝑚𝑎
observación, la media aritmética muestral, notada por 𝒙
ഥ, está dada por:
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏 σ 𝒙𝒊
ഥ=
𝒙 =
𝒏 𝒏
Y, usando la frecuencia o la frecuencia relativa de la tabla de frecuencias:
𝒏
σ 𝒙𝒊 ∙ 𝒏𝒊
ഥ=
𝒙 ഥ = ෍ 𝒙𝒊 ∙ 𝒇 𝒊
𝒙
𝒏 𝒊=𝟏
OBSERVACIÓN:
En la mayoría de los casos, la media aritmética es la medida que mejor representa a la
muestra.
EJEMPLO 1 Cálculo de la media aritmética para una encuesta a matrimonios
En una encuesta a 25 matrimonios sobre el número de hijos que tenían, se

obtuvieron los siguientes datos:
1,2, 4, 2, 2, 2, 3, 2, 1, 1, 0, 2, 2,
0, 2, 2, 1, 2, 2, 3, 1, 2, 2, 1, 2
El número de hijos se calcula a través de la fórmula:
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
ഥ=
𝒙
𝒏
Ejercicio en clases
Ejemplo 1: En el primer examen saqué una nota de 8 y en el segundo un 10. ¿Cuál es la

media aritmética de mis notas?
Nota 1 = 8
Nota 2 = 10
Número de notas = 2
Media Aritmética = (8 + 10) / 2 = 18 / 2 = 9 → He sacado una media aritmética de 9 en
mis dos notas
Ejemplo 2: En un experimento hemos obtenido los siguientes valores:

10, 11, 10, 9, 10, 10.
Calcular la media aritmética de los valores del experimento:
Número de valores del experimento: 6 valores de muestra
Media Aritmética = (10 + 11 + 10 + 9 + 10 + 10) / 6 = 60 / 6 = 10
Ejemplo tabla de frecuencias de datos sin agrupar
EJEMPLO 1 Cálculo de la media aritmética para una encuesta a matrimonios
En una encuesta a 25 matrimonios sobre el número de hijos que tenían, se

obtuvieron los siguientes datos:
1,2, 4, 2, 2, 2, 3, 2, 1, 1, 0, 2, 2,
0, 2, 2, 1, 2, 2, 3, 1, 2, 2, 1, 2
O, utilizando la fórmula de las frecuencias:
EJEMPLO 2 Cálculo de la media aritmética para la estatura de universitarios
Se ha medido la estatura (en cm) de 30 universitarios obteniendo:

179, 173, 181, 170, 158, 174, 172, 166, 194, 185,
162, 187, 198, 177, 178, 165, 154, 188, 166, 171,
175, 182, 167, 169, 172, 186, 172, 176, 168, 187.
La media aritmética utilizando la fórmula es:
EJEMPLO 2 Cálculo de la media aritmética para la estatura de universitarios
O bien, desde la tabla de frecuencias usando las marcas de clase
OBSERVACIÓN:
Al agrupar datos el cálculo de estadísticos desde la tabla puede diferir ligeramente del valor real obtenido
directamente desde la muestra, ya que no se trabaja con los datos reales sino con los representantes de las
clases.
Media,
Datos Agrupados
Propiedades de la media aritmética
• Para calcular la media se utilizan todos los datos

• La media es única
• Se utiliza para comparar dos o más poblaciones
• Para un conjunto de datos 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 , con media 𝒙
ഥ, se tiene:
𝒏
ഥ =𝟎
෍ 𝒙𝒊 − 𝒙
𝒊=𝟏
DESVENTAJA PRINCIPAL DE LA MEDIA

• No es adecuada para cuando la población o la muestra tienen datos atípicos
Media ponderada
En algunos casos, los valores de la muestra no tienen la misma importancia. En

este caso, la media aritmética no es una buena medida de representatividad ya que
en ella todos los valores de la muestra tienen el mismo peso. En este caso es
mucho mejor utilizar otra medida de tendencia central conocida como media
ponderada.
Definición (Media ponderada 𝒙

ഥ𝒑 )
Dada una muestra de 𝑛 valores en la que cada valor 𝑥𝑖 tiene asociado un peso la media
ponderada muestral de la variable 𝑋 es la suma de los productos de cada valor observado en
la muestra por su peso, dividida por la suma de todos los pesos
σ 𝒙𝒊 ∙ 𝒑𝒊
ഥ𝒑 =
𝒙
σ 𝒑𝒊
σ 𝒙𝒊 ∙ 𝒑𝒊 ∙ 𝒏𝒊
ഥ𝒑 =
𝒙
σ 𝒑𝒊
Cálculodelamediaponderada
EJEMPLO 3 Cálculo de la media ponderada

Cálculodelamediaponderada
EJEMPLO 3 Cálculo de la media ponderada

Media geométrica
Definición (Media geométrica 𝒙

ഥ𝑮 )
Para un conjunto de 𝒏 datos, 𝒙𝟏 , 𝒙𝟐 , …, 𝒙𝒏 , la media geométrica se calcula así:
𝒏
ഥ𝑮 =
𝒙 𝒙 𝟏 × 𝒙𝟐 × ⋯ × 𝒙𝑵
PROPIEDADES DE LA MEDIA GEOMÉTRICA

• Para calcular la media geométrica se utilizan todos los datos
• Es afectada por valores extremos en menos cantidad que la media aritmética
• Resulta útil cuando se manejan proporciones
Mediana 𝑀𝑒
Definición (Mediana muestral Me )
Se define como una variable que, una vez ordenados los valores de la muestra
de menor a mayor o viceversa , deja el mismo número de valores por debajo y
por encima de él, en otras palabras, se puede finir como el "valor central". Se
simboliza por 𝑴𝒆
La mediana cumple 𝑀𝑒 = 𝑛Τ2 y 𝐹𝑀𝑒 = 0,5.
El cálculo de la mediana se realiza de forma distinta según se hayan agrupado los

datos o no.
Mediana
Mediana 𝑀𝑒
Ventajas
• Esta medida tiene una definición bastante rígida y el concepto

de ella es tan claro, que cualquier persona lo entiende, aún sin
ser familiar su término.
• Los datos deben estar ordenados, pero los valores
extremos no tienen ninguna incidencia en su cálculo.
• Tiene menor estabilidad en el muestreo que el promedio
aritmético, pero mayor estabilidad que otras medidas.
• Hay situaciones en que la única medida de tendencia central
que puede utilizarse es la mediana, especialmente cuando los
valores extremos de una distribución de variable continua no
están definidos.
Ordenar datos
Mediana 𝑀𝑒
Ventajas
• No es tan conocida como la media aritmética.

• Se hace necesario ordenar los datos para poderla calcular.
• Esta medida no se adapta a cálculos posteriores aritméticos,
por cuanto que si obtenemos las medianas de diferentes
grupos, no se podrá calcular una mediana para el conjunto.
• Tampoco es sensible a cambios en los valores de los
elementos, manteniéndose el valor central y los valores
ordenados.
Ordenar datos
Mediana 𝑀𝑒
Cálculo de la Mediana

EJEMPLO 4 Cálculo de la mediana para datos sin agrupar

Taller - Mediana
Ejercicio 1
Supongamos se tienen los siguientes dato (Impares): n=5
Calculemos la mediana de este conjunto de datos :

Paso 1: Ordenarlos datos
Paso 2 La mediana será igual al valor central Me = 6
También se calcula obteniendo la posición

𝒏+𝟏 𝟓+𝟏 𝟔
Me = = = 𝟐 = 3 La tercera posición de los datos ordenados es 6
𝟐 𝟐
Taller - Mediana
Ejercicio 2
Supongamos que ahora tenemos 8 datos así:
Calculemos la mediana de este conjunto de datos :

Paso 1: Ordenamos los datos de menor a mayor o viceversa;
Paso 2. Aplicamos la fórmula cuando se contamos con un total de números pares n=8
También se calcula obteniendo la posición

𝒏+𝟏 𝟖+𝟏 𝟗
Me = = = 𝟐 = 4.5a La 4.5a posición de los datos ordenados es 10
𝟐 𝟐
Cálculo de la Mediana con datos agrupados o
tablas de frecuencias
Ejemplos con variables discretas
Caso A
Supongamos que ahora tenemos los siguientes datos:
Cuando
(Ciro Martínez (2012 ) Estadística y muestreo, pp.104)

Cálculo de la Mediana con datos agrupados o
tablas de frecuencias
Ejemplos con datos agrupados
La mediana para datos agrupados se calcula mediante la fórmula
𝒏
− 𝑵𝒊−𝟏
𝑴𝒆 = 𝑳𝒊 + 𝟐 𝑨𝒊
𝒏𝒊
Donde,
𝑳𝒊 : El límite inferior de la clase que contiene la mediana (clase mediana)
𝒏𝒊 : Frecuencia de la clase mediana
𝑵𝒊−𝟏 : Frecuencia acumulada a la clase que precede la clase mediana
𝑨𝒊 : Ancho de la clase mediana
Definición Moda 𝑀𝒅 𝑀𝑜
Se define como "el valor de la variable que más se repite" o "aquel valor que presenta la máxima
frecuencia”. Puede suceder que una distribución tenga dos Modas, en este caso se dice que la
distribución es Bimodal, en el caso que haya más de dos modas, se dice que es plurimodal o
multimodal. Es la única medida de posición que puede ser utilizada en atributos, es decir, cuando la
característica es cualitativa.
Para datos agrupados se toma la clase modal con mayor frecuencia en la muestra.
En ocasiones puede haber más de una moda.
Moda

Moda 𝑀𝒅
Ventajas
• El hecho que el moda nos indique el punto de mayor concentración,

lo hace tal vez, la mejor medida de tendencia central. Cuando una
distribución es muy asimétrica, claramente se ve que el Moda es el
más representativo del grupo, y en algunos casos, si el moda y el
promedio aritmético son significativamente diferentes al valor, es
preferible usar el moda.
• En series plurimodales, el moda permite dividir la distribución con
fines de estratificación.
• Se considera de uso riguroso en variables continuas, aunque puede
extenderse a casos discontinuos..

Moda 𝑀𝒅
Desventajas
• Se le considera con cierto grado de dificultad de cálculo en

datos agrupados, siendo su resultado de poca confianza,
especialmente cuando la amplitud no es constante, en este
caso, si se hace necesario se debe seguir un determinado
proceso.
• Es muy inestable en el muestreo.
• No puede ser utilizado en procesos algebraicos posteriores.
• No es sensible, especialmente cuando hay cambios en los
valores de la variable, salvo que no afecten a su propio valor
.

Moda 𝑀𝒅
Cálculo de la moda
En el ejemplo de número de hijos puede verse fácilmente en la tabla de frecuencias que

la moda es 𝑀𝒅 = 2 hijos.
Y en el ejemplo de las estaturas, también puede verse en la tabla de frecuencias que la

clase modal es 𝑀𝒅 = (170, 180].
Moda 𝑀𝒅
Ejemplos con datos agrupados
Para datos agrupados se podría escoger como moda la marca de clase en el intervalo
(clase modal) con mayor frecuencia absoluta, pero una mejor aproximación está dada
por la siguiente fórmula
𝑫𝟏
𝑴𝒐 = 𝑳𝒊 + 𝑨𝒊
𝑫𝟏 + 𝑫𝟐
Donde,
𝑳𝒊 : El límite inferior de la clase que contiene la moda (clase modal)
𝑫𝟏 = 𝒏𝒊 − 𝒏𝒊−𝟏 : (Dif. entre la frec. de la clase modal y la premodal)
𝑫𝟐 = 𝒏𝒊 − 𝒏𝒊+𝟏 : (Dif. entre la frec. de la clase modal y la posmodal)
𝑨𝒊 : Ancho de la clase modal
Posiciones relativas de la Media, Mediana y Moda
En el perfil idealizado de un histograma, se tienen líneas continuas suaves. En distribuciones

simétricas, con sesgo a la izquierda y a la derecha, la moda, mediana y media se ubican como
se ve en la figura siguiente.
En una distribución simétrica ideal las tres medidas coinciden; en los tres casos la moda
corresponde al valor máximo de la curva, y la mediana siempre queda en medio de las otras dos
medidas.
¿Qué medida de posición y tendencia central usar?
En general, siempre que puedan calcularse conviene tomarlas en el siguiente orden:

1. Media. La media utiliza más información que el resto ya que para calcularla se
tiene en cuenta la magnitud de los datos.
2. Mediana. La mediana utiliza menos información que la media, pero más que la
moda, ya que para calcularla se tiene en cuenta el orden de los datos.
3. Moda. La moda es la que menos información utiliza ya que para calcularla sólo
se tienen en cuenta las frecuencias absolutas.
OBSERVACIÓN:
La media también es muy sensible a los datos
atípicos, así que, tampoco debemos perder de Interpretar las medidas
vista la mediana.
Taller - Moda
Ejercicio 1
Consideremos los siguientes datos: 5, 10, 8, 5, 10, 18, 5, 12, 5, 12 calculemos la media,
mediana y la moda n= 10
Media =
Mediana =Ordenamos los datos de mayor a menor o de menor a mayor
Posición: La mediana se encuentra entre la 5 ª y la 6ª observación
Siendo:
Moda= Corresponderá a 5, siendo el valor de la variable que más se repite

Taller - Moda
Ejercicio 2
Consideremos los siguientes datos: 5, 10, 8, 12, 18, 5, 12, 5, 12. calculemos la media, mediana
y la moda n= 9
Media =
Posición:
Moda= Encontramos en esta serie de 9 datos, que el 5 y el 12 se repiten 3 veces (número mayor de
repetición) por lo tanto hay dos modas y en este caso se dice que es bimodal. Si hay mas de dos
modas se habla de Plurimodal o
Multimodal.
y
Tarea 3 Investigación y presentación
Es estudiante de manera individual deberá elaborar y presentar en clases un

documento que contenga una investigación y forma de cálculo de:
OTROS ESTADÍSTICOS DE POSICIÓN:

Cuantiles: Cuartiles, Deciles, Percentiles.
Cuartiles
Bibliografía
Básica:

Webgrafía:
https://www.youtube.com/watch?v=XohAtYNqR_c
https://youtu.be/0DA7Wtz1ddg
https://www.youtube.com/watch?v=JwsfkIy6B_o
https://youtu.be/EItGsbU51OU
https://youtu.be/dlQhxYPJbeQ

y

Cuartiles, deciles y percentiles

Contenido
• Repaso
• Cuartiles
• Deciles
• Centiles o percentiles
• Bibliografía
Objetivo: Conocer los otro estadísticos de posición como: cuartiles, deciles y

percentiles
“ Sé consciente de tus fortalezas y debilidades.”
Microstat SPSS, SAS, Estagraf, TSP, RKWard



consistir en:

muéstrales).

Después de haber aprendido a realizar tablas de frecuencias y la haber realizado algunos tipos de representaciones graficas
en las cuales se sintetiza la información de las variables estudiadas de la muestra, en muchos de los casos no son suficientes
y es necesario describir determinados aspectos y magnitudes de la distribución a fin de proporcionar mas herramientas o
datos para el análisis de datos.
Para describir adecuadamente el comportamiento de la variable se calculan unas medidas llamadas estadísticos o medidas
muéstrales que son indicadores de distintos aspectos de la distribución muestral.
Los estadísticos se clasifican en tres grupos:
Medidas de Posición o distribución: Miden en torno a qué valores se agrupan los datos y cómo se reparten en la
distribución.
Medidas de Dispersión: Miden la heterogeneidad de los datos.
Estadísticos de Forma: Miden aspectos de la forma que tiene la distribución de los datos, como la simetría o el
apuntamiento.

Determinan valores alrededor de los cuales se agrupa la distribución. Estas medidas suelen
utilizarse como valores representativos de la muestra. Las más importantes son:
• Mediana
• Moda

Dividen la distribución en partes con el mismo número de observaciones. Las más importantes
son:

Cuantiles: Cuartiles, Deciles, Percentiles.
Son valores de la variable que dividen la distribución, supuesta ordenada de menor

a mayor, en partes que contienen el mismo número de datos.
Los más utilizados son:
Cuartiles: Dividen la distribución en 4 partes iguales.

Hay tres cuartiles: 𝑄1 (25% acumulado) , 𝑄2 (50%
acumulado), 𝑄3 (75% acumulado).
Deciles: Dividen la distribución en 10 partes iguales.
Hay 9 deciles: 𝐷1 (10% acumulado),..., 𝐷9 (90% acumulado).
Percentiles: Dividen la distribución en 100 partes iguales.
Hay 99 percentiles: 𝑃1 (1% acumulado),..., 𝑃99 (99%
acumulado).
Cuartiles
Los cuantiles son medidas de posición que se determinan mediante un método que
determina la ubicación de los valores que dividen un conjunto de observaciones en
partes iguales.
Los cuartiles son los tres valores que dividen al conjunto de datos ordenados en
cuatro partes porcentualmente iguales.
Hay tres cuartiles denotados usualmente Q1, Q2, Q3. El segundo cuartil es
precisamente la mediana. El primer cuartil, es el valor en el cual o por debajo del
cual queda un cuarto (25%) de todos los valores de la sucesión (ordenada); el tercer
cuartil, es el valor en el cual o por debajo del cual quedan las tres cuartas partes
(75%) de los datos.
Cuartiles Deciles Percentiles
Accesible en: https://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml

Ejercicio de Cuartiles
Datos no agrupados
Ejercicio de Cuartiles
Datos no agrupados
Considerando los datos de la tabla, correspondientes a los gramos de carbohidratos

de algunos productos de McDonald's y ordenándolos se tiene:
Posición: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Dato: 4 12 20 26 27 28 31 32 33 34 34 35 37 37 38 38 40 40 40 44 45 51 52 53 61 63 64
25 % 50 % 75 %
Pasos para calcular

Paso 1 Se ordena los datos de menor a mayor
𝑲∗𝑵
Paso 2 Se calcula la posición del decil a consultar 𝑸𝒌 =
𝟒
Deciles
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez partes
porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos ordenados
en diez partes iguales, son también un caso particular de los percentiles. Los deciles se
denotan D1, D2,..., D9, que se leen primer decil, segundo decil, etc.
Los deciles, al igual que los cuartiles, son ampliamente utilizados para fijar el aprovechamiento
académico.
Pasos para calcular

Paso 2 Se calcula la posición del decil a consultar
𝑲∗𝑵
𝑫𝒌 =
𝟏𝟎

CENTILES O PERCENTILES
Los percentiles son, tal vez, las medidas más utilizadas para propósitos de ubicación o
clasificación de las personas cuando atienden características tales como peso, estatura, etc.
Los percentiles son ciertos números que dividen la sucesión de datos ordenados en cien partes
porcentualmente iguales. Estos son los 99 valores que dividen en cien partes iguales el
conjunto de datos ordenados.
Los percentiles (P1, P2,... P99), leídos primer percentil,..., percentil 99.
Pasos para calcular

𝑲∗𝑵
Paso 2 Se calcula la posición del decil a consultar 𝑷𝒌 =
𝟏𝟎𝟎
Bibliografía
Básica:

Webgrafía:
https://youtu.be/suSz9RXFNTs
https://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml

y

Estadísticos de dispersión

Contenido
• Repaso
• Recorrido.
• Rango Intercuartílico.
• Varianza.
• Desviación Típica.
• Coeficiente de Variación.
• Bibliografía
Objetivo: Conocer los estadísticos de dispersión como: Rango, Varianza

“ Estudia y anticipa las demandas del cliente”

Recorrido muestral
Definición (Recorrido muestral 𝑹𝒆)

El recorrido muestral de una variable 𝑿 se define como la diferencia entre los
valores máximo y mínimo de la muestra, esto es,
𝑹𝒆=𝒙_𝒎á𝒙−𝒙_𝒎í𝒏
El recorrido da una idea de la máxima variación que hay entre los datos muéstrales. No
obstante, es muy sensible a datos atípicos ya que suelen aparecer justo en los extremos
de la distribución, por lo que no se suele utilizar mucho.
Ecuador 2020: Matemático Iván Quinteros

Rango
El rango (R) o recorrido estadístico es la diferencia entre el valor máximo y el

mínimo de un conjunto de datos
Ejemplo
Supongamos que deseamos calcular el rango de las edades del once inicial de un
equipo de fútbol.
El jugador más mayor (máximo del conjunto) tiene 31 años, mientras que el más
joven (mínimo) 18. Por lo tanto el rango es:

Diagrama de caja y bigotes
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentación visual que
describe varias características importantes, al mismo tiempo, tales como la dispersión y
simetría.
Para su realización se representan

los tres cuartiles y los valores
mínimo y máximo de los datos,
sobre un rectángulo, alineado
horizontal o verticalmente.
Ejemplo distribución de edades
Utilizamos la ya usada distribución de frecuencias (en tallos y hojas), que representan la edad
de un colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31 39 24 29 23 41 40 33 24 34 40
Paso 1. Ordenar los datos

Para calcular los parámetros estadístico, lo primero es ordenar la distribución
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45
Paso 2. Calculo de cuartiles

Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la distribución. Como
N = 20 resulta que N/4 = 5; el primer cuartil es la media aritmética de dicho valor y el
siguiente:
Q1=(24 + 25) / 2 = 24,5
Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribución,

es el valor de la variable que ocupa el lugar central en un conjunto de
datos ordenados. Como N/2 =10 ; la mediana es la media aritmética de
dicho valor y el siguiente:
me= Q2 = (33 + 34)/ 2 =33,5
Q3 , el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de

la distribución. En nuestro caso, como 3N / 4 = 15, resulta
Q2=(39 + 39) / 2 = 39
PASO 3 Dibujar la caja y los bigotes

El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)

La primera parte de la caja a (Q1, Q2),
La segunda parte de la caja a (Q2, Q3)
El bigote de la derecha viene dado por (Q3, Xmáx).
Acceso en: https://www.estadisticaparatodos.es/taller/graficas/cajas.html

Información del diagrama

• Podemos obtener abundante información de una distribución a partir de estas
representaciones. Veamos alguna:
La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las
edades comprendidas entre el 25% y el 50% de la población está más dispersa que
entre el 50% y el 75%.
• El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha; por ello el 25%
de los más jóvenes están más concentrados que el 25% de los mayores.
• El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población está
comprendido en 14,5 años.
• Seguro que tú podrás obtener más información (¡Utiliza la mediana!) Caja y bigotes
Acceso en: https://www.estadisticaparatodos.es/taller/graficas/cajas.html

Desviaciones respecto de la media
Otra forma de medir la variabilidad de una variable es estudiar la concentración de los valores
en torno a algún estadístico de tendencia central como la media.
Para ello se suele medir la distancia de cada valor a la media. A ese valor se le llama desviación
respecto de la media.
Si las desviaciones son grandes la media no será tan representativa como cuando la
desviaciones sean pequeñas.
Medidas de variabilidad o dispersión
Las medidas de dispersión muestran la variabilidad de una distribución.

Cuanto mayor sea la medida de dispersión, mayor será la variabilidad, cuánto menor sea, más
semejantes entre sí serán las observaciones.
Rango
Es la diferencia entre el valor mayor y el valor menor de los datos
Desviación media
Para un conjunto de datos 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 , con media 𝒙
ഥ, las desviaciones son:
𝒅𝟏 = 𝒙 𝟏 − 𝒙ഥ; 𝒅𝟐 = 𝒙𝟐 − 𝒙
ഥ; … ; 𝒅𝒏 = 𝒙𝒏 − 𝒙
ഥ
La desviación media se define como,
𝒏
𝒙𝟏 − 𝒙 ഥ + 𝒙𝟐 − 𝒙 ഥ + ⋯ + 𝒙𝒏 − 𝒙 ഥ 𝟏
𝑫𝑴 = ഥ
= ෍ 𝒙𝒊 − 𝒙
𝒏 𝒏
𝒊=𝟏
varianza y desviación estándar
Interpretación
Tanto la varianza como la desviación estándar sirven para cuantificar la dispersión de los
datos en torno a la media.
Igual media 𝑥ҧ

Interpretación
ഥ =20Kg
𝒙
10Kg 12Kg 23Kg 25Kg 30Kg
ഥ =20Kg
𝒙 Varianza
Desviación estándar

Medidas de variabilidad o dispersión
Varianza y desviación estándar poblacional
Sean 𝑵 datos no agrupados, se define la varianza poblacional como,

𝑵 𝟐
σ 𝒊=𝟏 𝒙𝒊 − 𝝁
𝝈𝟐 =
𝑵
La desviación estándar poblacional está dada por,
σ𝑵
𝒊=𝟏 𝒙𝒊 − 𝝁
𝟐
Varianza y desviación
𝝈= estándar
𝑵

Varianza y desviación estándar
Datos sin agrupar
Definición: Se llama varianza de una variable estadística a la media aritmética de los cuadrados de las
desviaciones respecto de la media. Se representa por s2 o Var(x) o 𝝈𝟐
La varianza poblacional de una variable 𝑿 La varianza muestral de una variable 𝑿

se define de la siguiente manera: se define de la siguiente manera:
σ 𝒙𝒊 − 𝝁 𝟐
σ 𝒙𝒊 − ഥ 𝟐
𝝈𝟐 = 𝟐
𝒙
𝑵 𝒔 =
𝒏−𝟏
Definición (Desviación estándar muestral 𝐬), La varianza muestral de una variable 𝐗 se define de la siguiente
manera:
Desviación estándar poblacional
Desviación estándar muestral
σ 𝒙𝒊 − 𝒙
ഥ 𝟐
𝝈= 𝒔=
𝑵 𝒏−𝟏
La varianza tiene las unidades de la variable al cuadrado, por lo que para facilitar su interpretación se suele utilizar su
raíz cuadrada Ecuador 2020: Matemático Iván Quinteros
Varianza y desviación estándar poblacional
Ejercicio
Calcular la varianza y la desviación estándar de LA MUESTRA los siguientes
valores en KG: 52, 55 y 58
σ 𝑵 𝟐
𝒊=𝟏 𝒙 𝒊 − ഥ
𝒙
𝒔𝟐 =
𝒏−𝟏
Paso 1
Calculo la media de los datos =
𝟏𝟔𝟓
=55
ഥ
𝒙 𝟑
Paso 2
Reemplazo los valores en la fórmula de la muestra
𝟐 + 𝟓𝟓 − 𝟓𝟓 𝟐 𝟐
𝟓𝟐 − 𝟓𝟓 + 𝟓𝟖 − 𝟓𝟓
𝒔𝟐 =
𝟑−𝟏
𝟐
𝟗+𝟎+𝟗
𝒔 = = 𝟗 𝑲𝒈𝟐
𝟐
Paso 3
Calculo la deviación estándar
s= 𝟗 = 𝟑𝑲𝒈
Ejercicio
ഥ =20Kg
𝒙
ഥ =20Kg
𝒙 Varianza
Desviación estándar

Ejercicio
10Kg 12Kg 23Kg 25Kg 30Kg ഥ =20Kg

𝒙
ഥ =20Kg
𝒙
Varianza Desviación estándar

Grupo 1 59.6 Kg2 7,72 Kg
Grupo 2 2 Kg2 1,41 Kg
Bibliografía
Básica:

Webgrafía:
https://youtu.be/VTTqr5cAzvw

y

Medidas distribución
Datos agrupados por intervalos

Contenido
• Repaso
• Medidas de Posición o distribución
• Medidas de Dispersión
• Estadísticos de Tendencia Central
• Estadísticos de Posición
• Bibliografía
Objetivo: Conocer las Medidas de Posición o distribución con datos agrupados en

intervalos
“Realiza una adecuada identificación y gestión de riesgos
.”


Determinan valores alrededor de los cuales se agrupa la distribución. Estas medidas suelen utilizarse como
valores representativos de la muestra. Las más importantes son:
• Media aritmética con datos agrupados

• Mediana con datos agrupados
• Moda con datos agrupados

Dividen la distribución en partes con el mismo número de observaciones. Las más importantes son:

Medidas de centralización
𝒙 = µ)
Se define como la "suma de todos los valores observados,

divididos por el número total de observaciones" De esta
forma definida, sólo se aplica en datos sin agrupar, también
denominados como datos originales.
Esta medida, por lo general, se representa mediante una equis (ഥ

𝒙 ) con una raya o trazo colocado
en parte superior, sin embargo se utilizan otros símbolos como se pueden observar a
continuación
Media

Media aritmética muestral 𝒙

ഥ
Dadas 𝒏 observaciones de la muestra de una población, con 𝒙𝒊 la 𝑖−é𝑠𝑖𝑚𝑎
observación, la media aritmética muestral, notada por 𝒙
ഥ, está dada por:
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏 σ 𝒙𝒊
ഥ=
𝒙 =
𝒏 𝒏
Y, usando la frecuencia o la frecuencia relativa de la tabla de frecuencias:
𝒏
ഥ
𝒙= ഥ
𝒙 = ෍ 𝒙𝒊 ∙ 𝒇𝒊
𝒏 𝒊=𝟏
OBSERVACIÓN:
En la mayoría de los casos, la media aritmética es la medida que mejor representa a la
muestra.
Cálculo de la media aritmética para una encuesta a matrimonios
En una encuesta a 25 matrimonios sobre el número de hijos que tenían, se obtuvieron los
siguientes datos:
1,2, 4, 2, 2, 2, 3, 2, 1, 1, 0, 2, 2,
0, 2, 2, 1, 2, 2, 3, 1, 2, 2, 1, 2
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
ഥ=
𝒙
𝒏
Tabla de frecuencias datos sin agrupar
En una encuesta a 25 matrimonios sobre el número de hijos que tenían, se obtuvieron los
siguientes datos:
1,2, 4, 2, 2, 2, 3, 2, 1, 1, 0, 2, 2,
0, 2, 2, 1, 2, 2, 3, 1, 2, 2, 1, 2
O, utilizando la fórmula de las frecuencias:

Ejercicio 1 Cálculo de la media aritmética con tabla de frecuencias
En un estudio realizado a 100 hogares se consultó el número de televisores que contiene por
familia y se ha representado en la siguiente tabla de frecuencias
ഥ
Se requiere calcular la media aritmética : 𝒙
ഥ
𝒙=
𝒏
𝒏
ഥ
𝒙 = ෍ 𝒙𝒊 ∙ 𝒇𝒊
𝒊=𝟏
Taller - Trabajo en clase
Taller - resolución
ഥ=
𝒙
𝒏
𝟐𝟏𝟓
ഥ=
𝒙
𝟏𝟎𝟎
ഥ = 𝟐, 𝟏𝟓
𝒙
ഥ = ෍ 𝒙𝒊 ∙ 𝒇𝒊
𝒙
𝒊=𝟏
ഥ = 𝟐, 𝟏𝟓
𝒙
Datos agrupados en intervalos
En muchas ocasiones nos encontraremos los datos agrupados en una tabla de frecuencias (número
de veces que se repite nuestro dato) y agrupados por intervalos.
En ese caso, la fórmula sería:
σ 𝒙𝒊 ∙ 𝒇𝒊
ഥ
𝒙=
𝑵
Media,
Datos Agrupados
xi= (Límite inferior + Límite superior)/2.
Ejemplo: Determina la media de la siguiente distribución de datos agrupados en intervalos
σ 𝒙𝒊 ∙ 𝒇 𝒊
ഥ=
𝒙
𝑵
xi= (Límite inferior + Límite superior)/2.

Resolución: Se aplica la formula para el calculo de media aritmética para datos agrupados, en
consideración que tenemos 5 clases.
En la tabla, agregamos una columna donde colocaremos todos los valores de x.f donde x es la
mascara de clase y f la frecuencia absoluta :
σ(𝒙𝒊 ∙ 𝒇𝒊 )
ഥ=
𝒙
𝑵
𝟐𝒙𝟑 + 𝟔𝒙𝟓 + 𝟏𝟎𝒙𝟔 + 𝟏𝟎𝒙𝟏𝟒 + 𝟏𝟖𝒙𝟑 𝟐𝟎𝟔

ഥ
𝒙= = = 𝟗, 𝟖𝟏
𝟐𝟏 𝟐𝟏
Mediana 𝑀𝑒
Definición (Mediana muestral 𝐌𝐞 )
Se define como una variable que, una vez ordenados los valores de la muestra de menor a
mayor o viceversa , deja el mismo número de valores por debajo y por encima de él, en
otras palabras, se puede finir como el "valor central". Se simboliza por 𝑴𝒆
𝑛
La mediana cumple 𝑀 = y 𝐹𝑀𝑒 = 0,5.
𝑒 2
El cálculo de la mediana se realiza de forma distinta según se hayan agrupado los datos o no.
Mediana
Mediana 𝑀𝑒

Cálculo de la mediana para datos sin agrupar

Cálculo de la Mediana con datos agrupados en
intervalos
La mediana en un conjunto de datos es el número que se encuentra en el centro de
la serie cuando los elementos del conjunto están ordenados,
La mediana para datos agrupados se calcula mediante la fórmula
𝒏
− 𝑭𝒊−𝟏
𝑴𝒆 = 𝑳𝒊 + 𝟐 𝒂𝒊
𝒇𝒊
Donde,
𝒇𝒊 : Frecuencia absoluta de la clase mediana
𝑭𝒊−𝟏: Frecuencia acumulada anterior a la clase que precede la clase mediana
𝒂𝒊 : Ancho de la clase mediana (amplitud)
Cálculo de la Mediana con datos agrupados
Ejemplo con datos agrupados en intervalos
Se aplica la formula para el calculo de mediana de datos agrupados, en consideración que tenemos 5
clases.
Paso 1. Verificar que los n datos son impar o par
𝒏+𝟏
𝑀𝑒 = formula para datos impar
𝟐
𝒏
𝑀𝑒 = formula para datos par
𝟐
Paso 2. aplicar la formula para n datos impar

𝒏+𝟏 𝟐𝟏+𝟏 22
𝑀𝑒 = = = = 11
𝟐 𝟐 2
Paso 3. Si 𝑴𝒆 encontrada con la formula anterior, esta listada en la frecuencia absoluta acumulada
𝑴𝒆 seria igual al límite superior de la clase
𝑀𝑒 = Límite superior de la clase
Paso 4. Aplicamos la formula para calcular la de datos agrupados
𝑵
𝟐
−𝑭𝒊−𝟏
𝑴𝒆 = 𝑳𝒊 + 𝒂𝒊
𝒇𝒊
𝟐𝟏
− 𝟖
𝑴𝒆 = 𝟖 + 𝟐 ∗𝟒
𝟔
𝟐,𝟓
𝑴𝒆 = 8+ ∗𝟒
𝟔
𝑳𝒊 : El límite inferior de la clase que contiene la mediana

𝑴𝒆 = 8+1,66 (clase mediana)
𝑭𝒊−𝟏: Frecuencia acumulada anterior a la clase que precede la
𝑴𝒆 = 9,66 clase mediana Mediana datos
𝒂𝒊 = Ls-Li (Limite superior – limite inferior)
agrupados
Ejercicio 4 Cálculo de la mediana de datos agrupados
Con la siguiente tabla de datos agrupados se requiere calcular la mediana 𝑴𝒆 donde N es igual 100
𝒏
− 𝑭𝒊−𝟏
𝑴𝒆 = 𝑳𝒊 + 𝟐 𝒂𝒊
𝒇𝒊
Donde,
𝑭𝒊−𝟏 : Frecuencia acumulada anterior a la clase que precede la clase mediana
Taller - resolución
Paso 1. Buscamos el intervalo donde se encuentra la mediana, para ello dividimos la N por 2 porque la
mediana es el valor centra
Paso 2 Buscamos en la columna de las frecuencias acumuladas el intervalo que contiene a
Paso 3. Aplicaremos la fórmula para el cálculo de la mediana para datos

agrupados, extrayendo los siguientes datos:
𝒏
− 𝑭𝒊−𝟏
𝑴𝒆 = 𝑳𝒊 + 𝟐 𝒂𝒊 𝑴𝒆 = 𝟔𝟕, 𝟗𝟐
𝒇𝒊
Donde,
𝑭𝒊−𝟏: Frecuencia acumulada anterior a la clase que precede la clase mediana
Definición Moda 𝑀𝒅 𝑀𝑜
Se define como "el valor de la variable que más se repite" o "aquel valor que presenta la máxima
frecuencia”. Puede suceder que una distribución tenga dos Modas, en este caso se dice que la
distribución es Bimodal, en el caso que haya más de dos modas, se dice que es plurimodal o
multimodal. Es la única medida de posición que puede ser utilizada en atributos, es decir, cuando la
característica es cualitativa.
Para datos agrupados se toma la clase modal con mayor frecuencia en la muestra.
En ocasiones puede haber más de una moda.
Moda

Moda 𝑀𝒅
Cálculo de la moda
En el ejemplo de número de hijos puede verse fácilmente en la tabla de frecuencias que

la moda es 𝑀𝒅 = 2 hijos.
Y en el ejemplo de las estaturas, también puede verse en la tabla de frecuencias que la

clase modal es 𝑀𝒅 = (170, 180].
Ejemplo - Moda
Ejercicio 1
Consideremos los siguientes datos: 5, 10, 8, 5, 10, 18, 5, 12, 5, 12 calculemos la media,
mediana y la moda n= 10
Media =
Posición: La mediana se encuentra entre la 5 ª y la 6ª observación
Siendo:
Moda= Corresponderá a 5, siendo el valor de la variable que más se repite

Moda 𝑀𝒅
Ejemplos con datos agrupados en intervalos
Para datos agrupados se podría escoger como moda la marca de clase en el intervalo (clase modal) con
mayor frecuencia absoluta, pero una mejor aproximación está dada por la siguiente fórmula
𝑫𝟏
𝑴𝒐 = 𝑳𝒊 + 𝒂
𝑫𝟏 + 𝑫𝟐 𝒊
𝒇𝒊 − 𝒇𝒊−𝟏
𝑴𝒐 = 𝑳𝒊 + 𝒂
(𝒇𝒊 −𝒇𝒊−𝟏 ) + (𝒇𝒊 − 𝒇𝒊+𝟏 ) 𝒊
Donde,
𝑫𝟏 = 𝒇𝒊 − 𝒇𝒊−𝟏 : (Dif. entre la frec. de la clase modal y la frecuencia anterior)
𝑫𝟐 = 𝒇𝒊 − 𝒇𝒊+𝟏 : (Dif. entre la frec. de la clase modal y la posterior)
𝒂𝒊 : Ancho de la clase modal (amplitud)
𝒂𝒊 = Ls-Li (Limite superior – limite inferior) Ecuador 2020: Iván Quinteros
Moda 𝑀𝒅
Encontrar la moda de la siguiente distribución ഥ = 9,81

𝒙
𝑴𝒆 = 9,66
Paso 1. Primero, encontramos el intervalo en el cual 𝑴𝒐 =
=?𝟗, 𝟑𝟑
se encuentra la moda, es decir, el intervalo con
mayor frecuencia absoluta.
Paso2. aplicamos la fórmula para estimar la moda:

𝑴𝒐 = 𝑳 𝒊 + 𝒂
(𝒇𝒊 −𝒇𝒊−𝟏 ) + (𝒇𝒊 − 𝒇𝒊+𝟏 ) 𝒊
(𝟔 − 𝟓)
𝑴𝒐 = 𝟖 + ∗𝟒
(𝟔 − 𝟓) + (𝟔 − 𝟒)
𝟏
𝑴𝒐 = 𝟖 + ∗𝟒
𝟏+𝟐
𝟏 Moda datos agrupados
𝑴𝒐 = 𝟖 + ∗ 𝟒 𝑴𝒐 = 𝟗, 𝟑𝟑
𝟑
Moda 𝑀𝒅
Ejercicio 5 Cálculo de la Moda de datos agrupados
(𝒇𝒊 −𝒇𝒊−𝟏 ) + (𝒇𝒊 − 𝒇𝒊+𝟏 ) 𝒊
Donde,
𝑫𝟏 = 𝒇𝒊 − 𝒇𝒊−𝟏: (Dif. entre la frec. de la clase modal y la frecuencia anterior)
𝑫𝟐 = 𝒇𝒊 − 𝒇𝒊+𝟏: (Dif. entre la frec. de la clase modal y la posterior)

Moda 𝑀𝒅
Taller - resolución Ejemplos con datos agrupados en intervalos
La mayor frecuencia absoluta fi es 7 de la clase [20 – 25)
Aplicaremos la fórmula para el cálculo de la moda para datos

agrupados, extrayendo los siguientes datos:
(𝒇𝒊 −𝒇𝒊−𝟏 ) + (𝒇𝒊 − 𝒇𝒊+𝟏 ) 𝒊
Donde,
𝑫𝟏 = 𝒇𝒊 − 𝒇𝒊−𝟏: (Dif. entre la frec. de la clase modal y la frecuencia anterior)
𝑫𝟐 = 𝒇𝒊 − 𝒇𝒊+𝟏: (Dif. entre la frec. de la clase modal y la posterior)

Bibliografía
Básica:

Webgrafía:
https://www.youtube.com/watch?v=XohAtYNqR_c
https://www.youtube.com/watch?v=JwsfkIy6B_o
https://youtu.be/EItGsbU51OU
https://youtu.be/dlQhxYPJbeQ
https://matemovil.com/media-mediana-y-moda-para-datos-agrupados-en-intervalos/
y

datos agrupados por intervalos.

Contenido
• Repaso
• Estadísticos y parámetros
• Rango o recorrido
• Varianza.
• Desviación estándar.
• Coeficiente de variación
• Ejercicios
Objetivo: Conocer y calcular la Varianza y desviación estándar de datos

agrupados por intervalos.
Estadísticos y parámetros
Parámetro estadístico
Es un número que se obtiene a partir de los datos de una muestra estadística. Los parámetros estadísticos también
se conocen como estadísticos descriptivos.
Los parámetros estadísticos sirven para sintetizar o resumir la información dada por una tabla o por una gráfica. En
otras palabras, dados unos pocos parámetros estadísticos se puede tener una idea general de la distribución de la
información.
Los parámetros estadísticos dan un buen resumen cuando se

conoce la distribución de la población. En particular, si la
muestra proviene de una distribución normal, entonces el
promedio típico y la desviación estándar dan un buen resumen
de la distribución.
Ejemplos de parámetros estadísticos son el promedio o media

mu (μ) , la mediana, la desviación estándar de la población, con
la letra griega sigma (σ). o los cuartiles.
Parámetro estadístico
Los parámetros estadísticos se clasifican según la información que resumen. Los dos tipos más comunes
de parámetros estadísticos son:
De tendencia central
• Mediana:
• Moda:
De dispersión
• Rango o recorrido
• Desviación media:
• Varianza:
• Desviación estándar:
• Cuantiles:
Otros tipo de parámetros estadísticos son aquellos de forma y escala. Estos parámetros son más
utilizados en distribuciones como la Beta, Pareto o Weibull, por lo tanto, no las describiremos ya que
nos enfocamos principalmente en la distribución normal.
Interpretación
Tanto la varianza como la desviación estándar sirven para cuantificar la dispersión de

los datos en torno a la media.
Igual media 𝑥ҧ
Que es varianza y
desviación estándar

Datos sin agrupar
Definición: Se llama varianza de una variable estadística a la media aritmética de los
cuadrados de las desviaciones respecto de la media. Se representa por s2 o Var(x) o
La varianza poblacional de una La varianza muestral de una variable

variable 𝑿 se define de la siguiente 𝑿 se define de la siguiente manera:
manera:
ഥ 𝟐
σ 𝒙𝒊 − 𝝁 𝟐 𝒔𝟐 =
𝝈𝟐 = 𝒏−𝟏
𝑵
La varianza tiene las unidades de la variable al cuadrado, por lo que para facilitar su interpretación se suele
utilizar su raíz cuadrada
Definición (Desviación estándar muestral 𝐬), La varianza muestral de una variable 𝐗 se define de
la siguiente manera:
𝟐 Varianza y desviación estándar
ഥ DATOS SIN AGRUPAR
𝒔=
𝒏−𝟏
Ejercicio Datos sin agrupar
Calcular la varianza y la desviación estándar de LA MUESTRA los siguientes
valores en KG: 52, 55 y 58
σ𝑵 𝟐
𝒊=𝟏 𝒙 𝒊 − ഥ
𝒙
𝒔𝟐 =
𝒏−𝟏
Paso 1
Calculo la media de los datos 𝟏𝟔𝟓
𝑿 =
Paso 2 𝟑
Reemplazo los valores en la fórmula de la muestra
𝟐 𝟐 𝟐
𝟓𝟐 − 𝟓𝟓 + 𝟓𝟓 − 𝟓𝟓 + 𝟓𝟖 − 𝟓𝟓
𝒔𝟐 =
𝟑−𝟏
𝟐
𝟗+𝟎+𝟗
𝒔 = = 𝟗 𝑲𝒈𝟐
𝟐
Paso 3
Calculo la deviación estándar
𝒔 = 𝟗 = 𝟑𝑲𝒈
Datos agrupados
Definición: Se llama varianza de una variable estadística a la media aritmética de los cuadrados de las
desviaciones respecto de la media. Se representa por s2 o Var(x) o
La varianza poblacional de una variable 𝑿 La varianza muestral de una variable 𝑿

se define de la siguiente manera: se define de la siguiente manera:
𝟐
∗ 𝒇𝒊 ഥ 𝟐 ∗ 𝒇𝒊
𝝈 = 𝟐
𝒔 =
𝑵 𝒏−𝟏
La varianza tiene las unidades de la variable al cuadrado, por lo que para facilitar su interpretación se
suele utilizar su raíz cuadrada
Desviación estándar poblacional Desviación estándar muestral
ഥ 𝟐 ഥ 𝟐 ∗ 𝒇𝒊
∗ 𝒇𝒊 𝒔 =
𝝈 = 𝒏 −𝟏
𝑵
Datos agrupados
Sean 𝑵 datos no agrupados, se define la varianza poblacional como,

σ𝑵 𝟐
𝟐 𝒊=𝟏 𝒙𝒊 − 𝝁 ∗ 𝒇𝒊
𝝈 =
𝑵
σ𝑵
𝒊=𝟏 𝒙𝒊 − 𝝁
𝟐 ∗ 𝒇𝒊
𝝈=
𝑵

Datos agrupados
Sean 𝒏 datos no agrupados, y de una variable 𝑿 se define la varianza muestral

de la siguiente manera:
σ 𝒙 − ഥ
𝒙 𝟐∗𝒇
𝒊
𝒔𝟐 =
𝒏−𝟏
ഥ 𝟐∗𝒇
s=
𝒏−𝟏

Datos agrupados
Ejercicio
Calcular la varianza y la desviación estándar de una población de niños a partir de la
siguiente tabla donde N = 30
Paso 1. Calcularemos las marcas de clase. Recordemos

que la marca de clase xi, es el punto medio del límite
inferior y el límite superior de cada intervalo. Se calcula
con la siguiente fórmula:
Agregamos una columna más a nuestra tabla para la

marca de clase xi:
Datos agrupados
Ejercicio
Paso 2. Calculamos la media poblacional µ:
Agregamos una columna más a nuestra tabla,

dónde colocaremos los valores de xi・fi:
Aplicamos la fórmula
La media poblacional µ tiene un valor de 4 años.

Datos agrupados
Ejercicio
Paso 3. Calculamos la varianza de la población
𝟐
∗ 𝒇𝒊
𝝈 =
𝑵
Agregamos más columnas a nuestra tabla,
buscando la forma de la fórmula de la varianza:
Aplicamos la formula de varianza a la población :
Recuerda que la varianza queda expresada en unidades al cuadrado, por ello, nos queda en años al cuadrado.
Paso 4. calculamos la desviación estándar, recordando que es la raíz cuadrada positiva de la varianza.
Ejercicios en clases
En una encuesta realizada a una muestra de alumnos para conocer el número de horas que
navegan semanalmente en internet, arrojó los datos de la siguiente tabla, calcular la varianza
y la desviación estándar .
𝟐
𝒙 𝟐∗𝒇
σ 𝒙𝒊 − ഥ
𝒔 =
𝒏−𝟏
𝒙 𝟐∗𝒇
σ 𝒙𝒊 − ഥ
s=
𝒏−𝟏
Solución:
σ 𝒙 𝒊 ∙ 𝒇𝒊
ഥ=
𝒙
𝒏
𝟔𝟎𝟎
ഥ
𝒙= = 𝟑𝟎
𝟐𝟎
𝟐
𝒙 𝟐∗𝒇
σ 𝒙𝒊 − ഥ
𝒔 =
𝒏−𝟏
𝟑𝟑𝟎𝟎
𝒔𝟐 = = 𝟏𝟕𝟑, 𝟔𝟖 La desviación estándar poblacional está dada por,
𝟏𝟗
s = 𝒔𝟐 = 13,18 Varianza y desviación estándar
DATOS agrupados por intervalos
Coeficiente de variación
El coeficiente de variación, también denominado como coeficiente de variación de Pearson, es una

medida estadística que nos informa acerca de la dispersión relativa de un conjunto de datos
El coeficiente de variación es la relación

entre la desviación típica de una muestra
y su media.
El coeficiente de variación se suele expresar

en porcentajes:
Accesible en : https://youtu.be/YTVppVzrN7U
Ejemplo :
Una distribución tiene y y otra y . ¿Cuál de las dos presenta

mayor dispersión? Ejemplo con valores tomados de una muestra
La primera distribución presenta mayor dispersión
Accesible en : https://youtu.be/YTVppVzrN7U
Bibliografía
Básica:

Webgrafía:
https://youtu.be/hLmsEFNaOgY?list=PLeySRPnY35dE25b7mIEUlsMCQqlhJFhyG
https://matemovil.com/varianza-y-desviacion-estandar-para-datos-agrupados-por-intervalos/
https://youtu.be/MkmPmHTHyyk?list=PLeySRPnY35dE25b7mIEUlsMCQqlhJFhyG
https://youtu.be/zAKZbfqP5MU
https://youtu.be/VTTqr5cAzvw
https://youtu.be/YTVppVzrN7U Imagen accesible en: https://lamula.pe/media/uploads/t/dd5c6dd4761bffe4d34348aedb34b511.jpg
y


Ilovepdf Merged

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ilovepdf Merged

Cargado por

Copyright:

Formatos disponibles

Que es la Estadística

Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

El que pega 1ero pega 2 veces

Si no te conoces a ti mismo ni a tu oponente, en cada

Conoce al adversario y sobre todo conócete a ti

Mantén tu base de datos limpia y saneada

Imagen accesible en: https://www.nubedepalabras.es/

Imagen accesible en: https://www.nubedepalabras.es/

Imagen accesible en: https://www.mindomo.com/es/mindmap/importancia-de-la-estadistica-inferencial-en-la-contabilidad-f243bd9462934289ae007ba4b541dcd0

Datos relevantes dentro del mundo digital:

96 estadísticas y datos increíbles de las redes sociales

Imagen accesible en: https://youtu.be/xruoFgb09V8?t=35

Imagen accesible en: https://www.marvi93.com/wp-content/uploads/2015/10/valor-humano.1.jpg

• Población: la población mundial era de 7.830 millones

• LIND, Estadística aplicada a los negocios y la economía, ISBN 978-607-15-0742-6

Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

Objetivo: Conocer y identificar los diferentes tipos de variables existentes

Imagen accesible enhttps://www.wtseo.co/wp-content/uploads/2018/11/analisis-datos.jpg

En clases anteriores hemos visto la aplicabilidad de la estadística en nuestra actividades cotidianas, y

Imagen accesible en:https://quizizz.com/_media/quizzes/37780367-d9ea-4a15-ae3f-7f691ea4e7f7_900_900

La Estadística Descriptiva es una serie de métodos para organizar, resumir, presentar y

Tras el proceso de muestreo, es la siguiente etapa de todo estudio estadístico y suele

1. Clasificar, agrupar y ordenar los datos de la muestra.

Ecuador 2020: Iván Quinteros

Inferencial o inductiva: Se llama estadística inferencial o inferencia estadística a la rama de la

Aplicada: luego de investigar, estudiar y analizar con los métodos

Matemática: además de realizar los procesos de estadística

Accesible en: Estadística (2018). Recuperado de Enciclopedia Económica (https://enciclopediaeconomica.com/estadistica/).

Describe caracterís- Describe a toda la

Población – Muestra - Individuo

Valor – Muestreo - Variable

Cuantitativas (Numérica): variables que toman valores numéricos.

Las variables cualitativas (o variables categóricas) se pueden

VARIABLES DE TIPO CUALITATIVAS

Las variables cuantitativas se clasifican según el número de

VARIABLES DE TIPO CUANTITATIVAS

Accesible en: https://enciclopediaeconomica.com/wp-content/uploads/2018/12/variables.jpg

• Cantidad de libros en la biblioteca

• LIND, Estadística aplicada a los negocios y la economía, ISBN 978-607-15-0742-6

Imagen accesible en: https://lamula.pe/media/uploads/t/dd5c6dd4761bffe4d34348aedb34b511.jpg

Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

• La Pizarra • Ahora me toca a mí • El Código Da Vinci

Ing. Oswaldo Patricio Bonifaz Vallejo Mgs.

Objetivo: Conocer los principios básicos de la elaboración de una tabla de frecuencias

Imagen accesible enhttps://www.wtseo.co/wp-content/uploads/2018/11/analisis-datos.jpg

Definición (Tamaño poblacional)

• Se estudia un fenómeno en una población para comprenderlo, obtener información

• Un conocimiento completo de la población requiere estudiar a todos los individuos

Definición (Tamaño muestral)

• Habitualmente, el estudio de una población se realiza a partir de muestras extraídas de dicha

EJEMPLO 1 Matriz de datos

EJEMPLO 2 Tabla de frecuencias para una encuesta a matrimonios

Identificación para cada valor observado. (0,1,2,3,4)

Frecuencias absolutas. (0=2; 1=6; 2=14: 3=2; 4=1)

Frecuencia absoluta acumulada 𝑁𝑖

EJEMPLO 2 Tabla de frecuencias para una encuesta a estudiantes

(Gorgas.J; Gardiel,N; Zamorano,J (2011 ) Estadística Básica, pp.15)

Primero: Se recomienda organizar los datos de menor a mayor.

Sexto: Luego de establecer nuestras clases que incluya a todos [ )

Recomendaciones y reglas para construir tablas de distribución de frecuencia

• LIND, Estadística aplicada a los negocios y la economía, ISBN 978-607-15-0742-6