Introducción:

La estadística descriptiva es importante ya que ella se usa en diferentes ámbitos de

la vida, como social, económico y científico, ya que presenta diferentes
herramientas que proporciona ayudan a en la a presentar la información de manera
organizada, resumida para poder dar una interpretación adecuada y dar una
respuesta concisa y clara de ciertos datos.
Actividad 1. Revisión de conceptos.
1. Realiza una búsqueda y responde a las siguientes preguntas.
a. Que es la estadística descriptiva y cuáles son sus medidas representativas.
Estadística descriptiva: Métodos para organizar, resumir y presentar datos de
manera informativa. (Tipos de estadística. Estadítica descriptiva., 2012)
Medidas representativas.
La media poblacional.
En el caso de datos en bruto, que no han sido agrupados en una distribución de
frecuencias, la media poblacional es la suma de todos los valores observados en la
población dividida entre el número de valores de la población. Para determinar la
media poblacional, aplica la siguiente formula: (MARCHAL|WATHEN, 2012)

𝑠𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛

𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑎𝑙𝑐𝑖ó𝑛
∑𝑋
𝜇=
𝑁
En la cual
𝜇 = 𝑅𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙; 𝑠𝑒 𝑡𝑟𝑎𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑙𝑒𝑡𝑟𝑎 𝑔𝑟𝑖𝑒𝑔𝑎 𝑚𝑢.
𝑁 = 𝑒𝑠 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝑋 = 𝑅𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟.
∑ = 𝑒𝑠 𝑙𝑎 𝑙𝑒𝑡𝑟𝑎 𝑚𝑎𝑦𝑢𝑠𝑐𝑢𝑙𝑎 𝑔𝑟𝑖𝑒𝑔𝑎 𝑠𝑖𝑔𝑚𝑎 𝑒 𝑖𝑛𝑑𝑖𝑐𝑎 𝑙𝑎 𝑜𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑢𝑚𝑎.
∑ 𝑋 = 𝑒𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑋 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
Cualquier característica medible de una población recibe el nombre de parámetro.
La media de una población es un parámetro. (MARCHAL|WATHEN, 2012)
Parámetro: característica de una población.
Media de una maestra.
En el caso de los datos en bruto, de los datos no agrupados, la media es la suma
de los valores de la muestra, divididos entre el número total de valores de la
muestra. La media de una muestra se determina de la siguiente manera:
(MARCHAL|WATHEN, 2012)
𝑆𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑀𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
 ∑𝑋
𝑋̅ =
𝑛
Donde:
𝑋̅ = 𝑒𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎; 𝑠𝑒 𝑙𝑒𝑒: 𝑋 𝑏𝑎𝑟𝑟𝑎.
𝑛 = 𝑒𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑋 = 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑙𝑎𝑟.
∑ = 𝑒𝑠 𝑙𝑎 𝑙𝑒𝑡𝑟𝑎 𝑚𝑎𝑦ú𝑠𝑐𝑢𝑙𝑎 𝑔𝑟𝑖𝑒𝑔𝑎 𝑠𝑖𝑔𝑚𝑎 𝑒 𝑖𝑛𝑑𝑖𝑐𝑎 𝑙𝑎 𝑜𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑢𝑚𝑎.
∑ 𝑋 = 𝑒𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑋 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
La media de una muestra o cualquier otra medición basada en una muestra de
datos recibe el nombre de estadístico. Si el peso promedio de una muestra de 10
contenedores de mermelada de fresa Smucker’s es de 41 onzas, se trata de un
ejemplo de estadístico. (MARCHAL|WATHEN, 2012)
Estadístico: característica de una muestra. (MARCHAL|WATHEN, 2012)
Media ponderada.
La media ponderada, que constituye un caso especial de la media aritmética, se
presenta cuando hay varias observaciones con el mismo valor.
(MARCHAL|WATHEN, 2012)
En general la media ponderada del conjunto de números representados como
𝑋1 , 𝑋2, 𝑋3 , … , 𝑋𝑛 con las ponderaciones correspondientes 𝑤1 , 𝑤2 , 𝑤3 , … , 𝑤𝑛 , se calcula
de la siguiente manera:
𝑤1 𝑋1 + 𝑤2 𝑋2 + 𝑤3 𝑋3 + ⋯ 𝑤𝑛 𝑋𝑛
𝑋̅𝑤 =
𝑤1 + 𝑤2 + 𝑤3 + ⋯ 𝑤𝑛
Que se abrevia de la siguiente manera:
∑(𝑤𝑋)
𝑋̅𝑊 =
∑𝑤
Observe que el denominador de una media ponderada siempre es la suma de las
ponderaciones.
Mediana.
Ya sea ha insistido en que, si los datos contienen uno o dos valores muy grandes o
pequeños, la media aritmética no resulta representativa. Es posible describir el
centro de dichos datos a partir de una medida de una ubicación denominada
mediana. (MARCHAL|WATHEN, 2012)

Mediana: Punto medio de los valores una vez que se han ordenado de menor a
mayor o de mayor a menor. (MARCHAL|WATHEN, 2012)

Sea el conjunto de datos muestrales 𝑥1 , 𝑥2 , … , 𝑥𝑛 , la mediana muestral o estadístico

mediana del conjunto la denominamos por 𝑥̃ (x tilde) y se obtiene al ordenar de
menor a mayor o de mayor a menor los 𝑛 datos. (MARCHAL|WATHEN, 2012)
En seguida, localizamos el punto medio de los datos ordenados pudiendo ocurrir
algunos de los siguientes casos:
Cuando la cantidad de observaciones es impar: el punto medio del ordenamiento es
𝑛+1
el dato que se encuentra en la posición 2 . (MARCHAL|WATHEN, 2012)
Cuando la cantidad de datos es par: en este caso resultan dos datos medios
𝑛 𝑛
localizados en las posiciones 2 y 2 + 1, por lo que la mediana se considera el
promedio de estos dos datos medios. (MARCHAL|WATHEN, 2012)

Por último, el cálculo de la mediana se resume con la siguiente fórmula:

𝑥̃𝑛+1
, 𝑐𝑢𝑎𝑛𝑑𝑜 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑒𝑠 𝑝𝑎𝑟.
2
𝑥̃ = {
𝑥̃2 + 𝑥̃𝑛+1,𝑐𝑢𝑎𝑛𝑑𝑜 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟.
𝑛 2

Moda.
La moda es otra medida de ubicación.
Moda: valor de la observación que aparece con mayor frecuencia.
(MARCHAL|WATHEN, 2012)
Media geométrica.
La media geométrica resulta útil para determinar el cambio promedio de
porcentajes, razones, índices o tasas de crecimiento. Posee amplias aplicaciones
en la administración y en la economía, ya que con frecuencia hay interés en
determinar los cambios porcentuales de ventas, salarios o cifras económicas, como
el producto interno bruto, los cuales se combinan o se basan unos en otros. La
media geométrica se escribe de la siguiente manera: (MARCHAL|WATHEN, 2012)
𝑛
Media geométrica 𝑀𝐺 = √(𝑋1 )(𝑋2 ) … (𝑋𝑛 )
La media geométrica siempre es menor o igual (nunca mayor que) que la media
aritmética. Todos los datos deben de ser positivos. (MARCHAL|WATHEN, 2012)
¿Por qué estudiar la dispersión?
Una medida de ubicación, como la media o la mediana, sólo describe el centro de
los datos. Desde este punto de vista resulta valiosa, pero no dice nada sobre la
dispersión de los datos. Por ejemplo, si la guía de turismo ecológico dice que el río
que se encuentra a pocos tiene en promedio 3 pies de profundidad, ¿querría usted
cruzarlo a pie sin más información? Quizá no. Usted desearía saber algo sobre la
variación de la profundidad. ¿Mide 3.25 pies la máxima profundidad y 2.75 pies la
mínima? En dicho caso, usted estaría de acuerdo en cruzar. ¿Qué hay si usted se
enteró de que la profundidad del río variaba de 0.50 a 5.5 pies?
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
Su decisión probablemente seria no cruzar. Antes de tomar una decisión, usted
desea información tanto de la profundidad típica como de la dispersión de la
profundidad del río. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?,
2012)
Una medida de dispersión pequeña indica que los datos se acumulan con
proximidad alrededor de la media aritmética. Por consiguiente, la media se
considera representativa de los datos. Por el contrario, una medida grande
dispersión indica que la media no es confiable. (LID|MARCHAL|WATHEN, ¿Por que
estudiar la disperción?, 2012)
Vea la grafica 3 − 5. Los empleados de Hammond Iron Works, Inc., una compañía
que fabrica acero, se organiza en un histograma basado en el número de años que
los empleados han laborado en la compañía. La media es de 4.9 años, pero la
dispersión de los datos es 6 meses a 16.8 años. La media de 4.9 años no es muy
representativa de todos los empleados. (LID|MARCHAL|WATHEN, ¿Por que
estudiar la disperción?, 2012)

Medidas de dispersión.
Consideraremos diversas medidas de dispersión. El rango se sustenta en los
valores máximos y mínimos del conjunto de datos, es decir, sólo se consideran dos
valores. La desviación media, la varianza y la desviación estándar se basan en
desviaciones de la media aritmética. (LID|MARCHAL|WATHEN, ¿Por que estudiar
la disperción?, 2012)
Rango.
La medida más simple de dispersión es el rango. Representa la diferencia entre
valores máximo y mínimo de un conjunto de datos. En forma de ecuación:
Rango 𝑅𝑎𝑛𝑔𝑜 = 𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑚í𝑛𝑖𝑚𝑜.
El rango se emplea mucho en aplicaciones de control de procesos estadísticos
(CPE), debido a que resulta fácil de calcular y entender. (LID|MARCHAL|WATHEN,
¿Por que estudiar la disperción?, 2012)
Desviación media.
Un problema que presenta el rango estriba en que parte de dos valores, el más alto
y el más bajo, es decir, no los toma en cuenta a todos. La deviación media sí lo
hace; mide la cantidad media respecto de la cual los valores de una población o
muestra varían. Expresado en forma de definición: (LID|MARCHAL|WATHEN, ¿Por
que estudiar la disperción?, 2012)
Desviación media: Media aritmética de los valores absolutos de las desviaciones
con respecto a la media aritmética. (LID|MARCHAL|WATHEN, ¿Por que estudiar la
disperción?, 2012)
En el caso de una muestra, la desviación media, designada DM, se calcula
mediante la formula:
∑|𝑋−𝑋̅|
Desviación media: 𝐷𝑀 = 𝑛

En donde:
𝑋 = 𝐸𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛.
𝑋̅ = 𝐸𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚𝑒𝑡𝑢𝑐𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠.
𝑛 = 𝐸𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
| | = 𝐼𝑛𝑑𝑖𝑐𝑎 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜.
¿Por qué ignorar los signos de las desviaciones de la media? De acuerdo, las
desviaciones positivas y negativas se compensarían con exactitud unas y otras y la
desviación siempre sería cero. Dicha medida (cero) resultaría un estadístico sin
utilidad. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
Varianza y desviación estándar.
La varianza y la desviación estándar también se fundamentan en las
desviaciones de la media. Sin embargo, en lugar de trabajar con el valor absoluto
de las desviaciones, la varianza y la desviación estándar lo hacen con el cuadrado
de las desviaciones. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?,
2012)
Varianza: Media aritmética de las desviaciones de la media elevadas al cuadrado.
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
La varianza es no negativa y es cero sólo si todas las observaciones son las
mismas.
Desviación estándar: Raíz cuadrada de la varianza. (LID|MARCHAL|WATHEN,
¿Por que estudiar la disperción?, 2012)
Varianza de la población. Las fórmulas de la varianza poblacional y la varianza de
la muestra so ligeramente diferentes. La varianza poblacional se estudia primero.
(recuerde que una población es la totalidad de las observaciones estudiadas.) La
varianza poblacional se determina de la siguiente manera:
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
2 ∑(𝑋−𝜇)2
Varianza de la población 𝜎 = 𝑁

En esta fórmula:
𝜎2 =
𝐸𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 (𝜎 𝑒𝑠 𝑙𝑎 𝑙𝑒𝑡𝑟𝑎 𝑚𝑖𝑛ú𝑠𝑐𝑢𝑙𝑎 𝑔𝑟𝑖𝑒𝑔𝑎 𝑠𝑖𝑔𝑚𝑎); 𝑠𝑒 𝑙𝑒𝑒 𝑠𝑖𝑔𝑚𝑎 𝑎𝑙
𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜.
𝑋 = 𝐸𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑢𝑛𝑎 𝑜𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝜇 = 𝐸𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚𝑒𝑡𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝑁 = 𝐸𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
Observe el proceso de cálculo de la varianza:
1. Comience por determinar la media.
2. Calcule la diferencia entre cada observación y la media, y eleve
3. Calcule la diferencia entre cada observación y la media, y eleve al cuadrado
dicha diferencia.
4. Sume todas las diferencias elevadas al cuadrado.
5. Divida la suma de las diferencias elevadas al cuadrado entre el número de
elementos de la población.
Así, usted podrá pensar que la varianza de la población es la media de las
diferencias elevadas al cuadrado entre cada valor y la media. En las poblaciones
cuyos valores son cercanos a la media, la varianza de la población puede ser
pequeña. En las poblaciones cuyos valores se apartar de la media, la varianza de
la población puede ser grande. (LID|MARCHAL|WATHEN, ¿Por que estudiar la
disperción?, 2012)
La varianza compensa el inconveniente que se presenta el rango al utilizar todos
los valores de la población, mientras que el rango incluye sólo los valores
máximo y mínimo. El problema de que ∑(𝑋 − 𝜇) = 0, se corrige elevando al
cuadrado las diferencias, en lugar de emplear valores absolutos. Elevar al
cuadrado las diferencias siempre dará como resultado valores no negativos.
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
Desviación estándar de la población: Tanto el rango como la desviación media
resultan fáciles de interpretar. El rango es la diferencia entre los valores alto y
bajo de un conjunto de datos, y la desviación media es la media de las
desviaciones de la media. Sin embargo, la varianza de 124 del número de multas
levantadas no se expresa en términos de multas, sino en multas elevadas al
cuadrado. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
Existe una forma de salir del problema. Si extrae la raíz cuadrad de la varianza
de la población, puede convertirla a las mismas unidades de medición que
emplean los datos originales. La raíz cuadrada de 124 multas elevadas al
cuadrado es de 11.4 multas. La raíz cuadrada de la varianza de la población es la
desviación estándar de la población. (LID|MARCHAL|WATHEN, ¿Por que
estudiar la disperción?, 2012)
∑(𝑋−𝜇)2
Desviación estándar de la población 𝜎 = √ 𝑁
∑𝑋
Varianza muestral: La fórmula para determinar la media poblacional es 𝜇 = .
𝑁
∑𝑋
Sencillamente, cambie los símbolos de la media de la muestra; es decir, 𝑋̅ = .
𝑛
Desafortunadamente, la conversión de una varianza poblacional en una varianza
muestral no es tan directa. Requiere de un cambio en el denominador. En el lugar
de sustituir 𝑛 (el número de la muestra) por 𝑁 (el número de la población), el
denominador es 𝑛 − 1. Así, la fórmula de la varianza muestral es:
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
∑(𝑋−𝑋̅)2
Varianza muestral 𝑠2 = 𝑛−1

Donde:
𝑠 2 = 𝐸𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝑋 = 𝐸𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑋̅ = 𝐸𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑛 = 𝐸𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑑𝑎𝑠.
Desviación estándar de la muestra: La desviación estándar de la muestra se
utiliza para estimar la desviación estándar de la población. Como se hiso notar, la
desviación estándar de la población es la raíz cuadrada de la varianza de la
población. Así mismo, la desviación estándar de la muestra es la raíz cuadrada de
la varianza de la muestra. La desviación estándar de la muestra se calcula con
mayor facilidad de la siguiente manera: (LID|MARCHAL|WATHEN, ¿Por que
estudiar la disperción?, 2012)
∑(𝑋−𝑋̅)2
Desviación estándar de la muestra 𝑠 = √ 𝑛−1

Media y desviación estándar de datos agrupados.

Media aritmética.
Para aproximar la media aritmética de datos organizados en una distribución de
frecuencia, comience suponiendo que las observaciones en cada clase se
representan a través del punto medio de la clase. La media de una muestra de
datos organizados en una distribución de frecuencias se calcula de la siguiente
manera: (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
∑ 𝑓𝑀
Media aritmética de datos agrupados 𝑋̅ = 𝑛
Donde:
𝑋̅ = 𝐷𝑒𝑠𝑖𝑔𝑛𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝑀 = 𝐸𝑠 𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑙𝑎𝑠𝑒.
𝑓 = 𝐸𝑠 𝑙𝑎 𝑓𝑟𝑒𝑐𝑢𝑎𝑛𝑐𝑖𝑎 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑐𝑙𝑎𝑠𝑒.
𝑓𝑀 = 𝐸𝑠 𝑙𝑎 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑐𝑙𝑎𝑠𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑝𝑜𝑟 𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑙𝑎𝑠𝑒.
∑ 𝑓𝑀 = 𝐸𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑒𝑠𝑡𝑜𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠.
𝑛 = 𝐸𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑠.
Desviación estándar.
Para calcular la desviación estándar de datos agrupados en una distribución de
frecuencias, necesita ajustar la formula de la desviación estándar de la muestra.
Pondere cada una de las diferencias cuadradas por el número de frecuencias en
cada clase. La fórmula es: (LID|MARCHAL|WATHEN, ¿Por que estudiar la
disperción?, 2012)
∑ 𝑓(𝑀−𝑋̅)2
desviación estándar, datos agrupados 𝑠 = √ 𝑛−1

donde:
𝑠 = 𝐸𝑠 𝑒𝑙 𝑠í𝑚𝑏𝑜𝑙𝑜 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑀 = 𝐸𝑠 𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑙𝑎𝑠𝑒.
𝑛 = 𝐸𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑋̅ = 𝐷𝑒𝑠𝑖𝑔𝑛𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
Otras medidas de posición.
La desviación estándar es la medida de dispersión que más se utiliza. No obstante,
existen otras formas de describir la variación o dispersión de un conjunto de datos.
Un método consiste en determinar la ubicación de los valores que dividen un
conjunto de observaciones en partes iguales. Estas medidas incluyen los cuartiles,
deciles y percentiles. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?,
2012)
Los cuartiles dividen a un conjunto de observaciones en cuatro partes iguales. Para
explicarlo mejor, piense en un conjunto de valores ordenados de menor a mayor. La
mediana es el valor intermedio de un conjunto de datos ordenados de menor a
mayor. Es decir que 50% de las observaciones son mayores que la mediana y 50%
son menores. La mediana constituye una medida de ubicación, ya que señala el
centro de los datos. De igual manera, los cuartiles dividen a un conjunto de
observaciones en cuatro partes iguales. El primer cuartil, se representa mediante
𝑄1 , es el valor debajo del cual se presenta 25% de las observaciones, y el tercer
cuartil, que simboliza 𝑄3 , es el valor debajo del cual se presenta 75% de las
observaciones. Lógicamente, 𝑄2 es la mediana. 𝑄1 puede considerarse como la
mediana de la mitad inferior de los datos y 𝑄3 como la mediana de la parte superior
de los datos. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
Así mismo, los deciles dividen un conjunto de observaciones en 10 partes iguales y
los percentiles en 100 partes iguales. Por lo tanto, si su promedio general en la
universidad se encuentra en el octavo decil, usted podría concluir que 80% de los
estudiantes tuvieron un promedio general inferior al suyo y 20%, un promedio
superior. Un promedio general ubicado en el trigésimo tercer percentil significa que
33% de los estudiantes tienen un promedio general más bajo y 67% un promedio
general más alto. (LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?,
2012)
Cuartiles, deciles y percentiles.
Para formalizar el proceso del cálculo, suponga que 𝐿𝑝 representa la ubicación de
cierto percentil que se busca. De esta manera, si quiere encontrar el trigésimo
tercer percentil, utilizaría 𝐿33 ; y si buscara la mediana, el percentil 50o., entonces
𝐿50 . El número de observaciones es 𝑛; por lo tanto, si desea localizar la mediana,
su posición se encuentra en (𝑛 + 1)/2, o podría escribir esta expresión como
(𝑛 + 1)(𝑃/100), en la que P representa el percentil que busca.
(LID|MARCHAL|WATHEN, ¿Por que estudiar la disperción?, 2012)
𝑃
Localización de un percentil 𝐿𝑝 = (𝑛 + 1) 100.
b. ¿Qué diferencia existe entre una población y una muestra?
Que una población es conjunto de todos los elementos de un tipo particular cuyo
conocimiento es de nuestro interés y la muestra es cualquier subconjunto de la
población es decir es una parte de ella. (LID|MARCHAL|WATHEN, ¿Por que
estudiar la disperción?, 2012)
c. ¿Cuál es la diferencia entre una variable cualitativa y una variable cuantitativa?
La variables cualitativas o no métrico no admiten medición numérica. Son atributos,
características o propiedades categóricas que identifican o describen a un sujeto.
Describen diferencias de tipo o clase, e indican la presencia o ausencia de una
característica propia. Por ejemplo, si una persona es mujer, se excluye que sea
hombre. Es decir, no hay cantidad de género, solo la condición de ser mujer u
hombre.
Por otro lado, los datos métricos o caracteres cuantitativos si es contable o medible
y están constituidos de manera que los sujetos puedan estar identificados por
diferencias entre sus cantidades. Es decir, las variables medidas métricamente
reflejan cantidades relativas. Por esta razón, las medidas métricas son las más
apropiadas para casos que involucren cantidad o magnitud, como la demanda de
trabajo, el nivel de ozono en la atmosfera, etcétera.

d. Realiza un ejemplo de las siguientes tablas y gráficos:

 i. Histograma.
Uno de los gráficos que más se emplea en la práctica es el que se elabora
mediante una representación de las frecuencias absolutas o relativas o acumulada
por medio de barras. (Eduardo Gutierrez Gonzalez, 2016)
Un histograma es un gráfico de barras que se utiliza para representar la forma en
que están distribuidas las frecuencias, con éste podemos identificar el centro y la
variabilidad de los datos. (Eduardo Gutierrez Gonzalez, 2016)
 ii. Gráfico de barras.
El diagrama de barras (o gráfico de barras) es un grafico que se utiliza para
representar datos de variables cualitativas o cuantitativas discretas. Está formado
por barras rectangulares cuya altura es proporcional a la frecuencia de cada uno
de los valores de la variable. (Uniforme Formulas., 2022)
Ejemplo:
El jefe de una empresa pregunta a sus empleados cuando prefieren disfrutar de sus
vacaciones. Les ofrece cinco quincenas.
Con las respuestas de 290 trabajadores, construye la tabla.
Preferencia disfrute vacaciones.
Periodo. Trabajadores.
1𝑎 Quincena de julio. 35
2𝑎 Quincena de julio. 43
1𝑎 Quincena de agosto. 78
2𝑎 Quincena de agosto. 106
1𝑎 Quincena de septiembre. 28
Se puede observar como la inmensa mayoría de los trabajadores preferiría las
vacaciones en las quincenas de agosto.

iii. Tablas de probabilidad.

Esta tabla nos da el área que queda por debajo de un valor z positivo.
𝑃(𝑍 ≤ 𝑧)
Solo para 𝑁(0,1)
𝑚𝑒𝑑𝑖𝑎 𝜇 = 0 𝑦 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝜎 = 1

¿Qué área queda por debajo del valor 0.34?

 𝑃(𝑍 ≤ 0.34) = 0.6331

También se puede calcular con la tabla las siguientes áreas con respecto a 𝑧.

Área por encima de un valor positivo.

Toda el área vale 1 si del lado derecho vale 0.7 entonces del lado izquierdo vale 0.3
este mecanismo vamos a usar para poder usar mecanismo de un determinado
valor por encima de 𝑧. (Pildoras matemáticas. 05 Ejercicios con la tabla de
distribución normal, s.f.)
 𝑃(𝑍 > 𝑧) = 1 − 𝑃(𝑍 ≤ 𝑧)

Área por encima de un valor negativo.

Por simetría el área que está por encima de −𝑧 es igual a el área que está por
debajo de 𝑧. Se le cambia el signo y el símbolo. (Pildoras matemáticas. 05
Ejercicios con la tabla de distribución normal, s.f.)
𝑃(𝑍 > −𝑧) = 𝑃(𝑍 ≤ 𝑧)
Área por debajo de un valor negativo.

El área que está por debajo del valor de −𝑧 es igual a el valor del área que está por
encima de 𝑧 está es igual a uno menos el área que está por debajo de 𝑧.
𝑃(𝑍 ≤ 𝑧) = 𝑃(𝑍 > 𝑧) = 1 − 𝑃(𝑍 ≤ 𝑧)

Área entre dos valores.

La probabilidad de estar entre 𝑧1 y 𝑧2 o 𝑃(𝑧1 < 𝑍 < 𝑧2 ) es igual a 𝑃(𝑍 ≤ 𝑧2 ) menos

𝑃(𝑍 ≤ 𝑧1 ) o 𝑃(𝑍 ≤ 𝑧2 ) − 𝑃(𝑍 ≤ 𝑧1 )
 𝑃(𝑧1 < 𝑍 < 𝑧2 ) = 𝑃(𝑍 ≤ 𝑧2 ) − 𝑃(𝑍 ≤ 𝑧1 )
En resumen.

𝑃(𝑍 ≤ 𝑧)
𝑃(𝑍 > 𝑧) = 1 − 𝑃(𝑍 ≤ 𝑧)
𝑃(𝑍 > −𝑧) = 𝑃(𝑍 ≤ 𝑧)
𝑃(𝑍 ≤ −𝑧) = 𝑃(𝑍 > 𝑧) = 1 − 𝑃(𝑍 ≤ 𝑧)
𝑃(𝑧1 > 𝑍 < 𝑧2 ) = 𝑃(𝑍 ≤ 𝑧2 ) − 𝑃(𝑍 ≤ 𝑧1 )

Ejercicios con la tabla 𝑁(0,1).

Dada una distribución 𝑁(0,1) calcula 𝑃(𝑍 ≤ 1.25).
𝑃(𝑍 ≤ 1.25) = 0.8944
Dada una distribución 𝑁(0,1) calcula 𝑃(𝑍 > 0.64)..
𝑃(𝑍 > 0.64) = 1 − 𝑃(𝑍 ≤ 0.64)
𝑃(𝑍 > 0.64) = 1 − 0.7389 = 0.2611
Dada una distribución 𝑁(0,1) calcula 𝑃(𝑍 > −1.58)
𝑃(𝑍 > −1.58) = 𝑃(𝑍 ≤ 1.58) = 0.9429
Dada una distribución 𝑁(0,1) calcula 𝑃(𝑍 ≤ −1)
𝑃(𝑍 ≤ −1) = 𝑃(𝑍 > 1) = 1 − 𝑃(𝑍 ≤ 1)
𝑃(𝑍 ≤ −1) = 𝑃(𝑍 > 1) = 1 − 0.8413 = 0.1587
Dada una distribución 𝑁(0,1) calcula 𝑃(0.43 < 𝑍 ≤ 1.17)
 𝑃(0.43 < 𝑍 ≤ 1.17) = 𝑃(𝑍 ≤ 1.17) − 𝑃(𝑍 ≤ 0.43) = 0.8790 − 0.6664 = 0.2126
Dada una distribución 𝑁(0,1) calcula 𝑃(−0.43 < 𝑍 ≤ 1.17)

𝑃(−0.43 < 𝑍 ≤ 1.17) = 𝑃(𝑍 ≤ 1.17) − 𝑃(𝑍 ≤ −0.43)

𝑃(𝑍 ≤ −𝑧) = 𝑃(𝑍 > 𝑧) = 1 − 𝑃(𝑍 ≤ 𝑧)
𝑃(−0.43 < 𝑍 ≤ 1.17) = 𝑃(𝑍 ≤ 1.17) − 𝑃(𝑍 > −0.43)
= 𝑃(𝑍 ≤ 1.17) − [1 − 𝑃(𝑍 ≤ 0.43)] = 0.8790 − (1 − 0.6664)
= 0.8790 − (0.3336) = 0.5454
iv. Tabla bidimensionales.
Física (𝑥𝑖 ) Matemáticas 𝑥𝑖 𝑦𝑖 𝑥𝑖 2 𝑦𝑖 2
(𝑦1 )
6 8 48 36 64
7 9 63 49 81
6 5 30 36 25
7 10 70 49 100
5 5 25 25 25
31 37 236 195 295

La media
6 + 7 + 6 + 7 + 5 31
𝑥̅ = = = 6.2
5 5
8 + 9 + 5 + 10 + 5 37
𝑦̅ = = = 7.4
5 5
Desviación típica → √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎

∑ 𝑥𝑖 2 195 √14
𝑠𝑥 = √ 2
− 𝑥̅ = √ 2
− 6.2 = √0.56 = = 0.74
𝑁 5 5

∑ 𝑦2 295 √106
𝑠𝑦 = √ 2
− 𝑦̅ = √ ( )2
− 7.4 = √4.24 = = 2.05
{ 𝑁 5 5

Covarianza.
∑ 𝑥𝑖 𝑦𝑖 236 33
𝑠𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 6.2 ∗ 7.4 = = 1.32 → 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑖𝑟𝑒𝑐𝑡𝑎.
𝑁 5 25
Coeficiente de correlación de lineal.
𝑠𝑥𝑦 1.32
𝑟= = = 0.87 → 𝑝𝑟𝑜𝑥𝑖𝑚𝑜 𝑎 1 ℎ𝑎𝑦 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑖𝑟𝑒𝑐𝑡𝑎
𝑠𝑥 ∗ 𝑠𝑦 0.74 ∗ 2.05
Es decir que si saca una nota baja en física también la saca una nota baja en
matemáticas.
Recta de regresión: es la recta que mas se ajusta a la nube de puntos obtenida.
Pasa por el centro de gravedad de la nube de puntos.
 𝑠𝑥𝑦 1.32
𝑦 − 𝑦̅ = (𝑥 − 𝑥̅ ) → 𝑦 − 7.4 = (𝑥 − 6.2)
(𝑠𝑥 ) (0.74)2
𝑦 − 7.4 = 2.4(𝑥 − 6.2) → 𝑟𝑒𝑐𝑡𝑎 𝑝𝑢𝑛𝑡𝑜 𝑝𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑢𝑛𝑖𝑟𝑖𝑎 𝑙𝑜𝑠 𝑝𝑢𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑛𝑢𝑏𝑒.
Usando la resta de regresión, hallar la nota en matemáticas de un alumno que ha
obtenido 4 en física.
𝑥 = 4, 𝑦 =?
𝑦 − 7.4 = 2.4(4 − 6.2)
𝑦 − 7.4 = 2.4(−2.2)
𝑦 − 7.4 = −5.28
𝑦 = −5.28 + 7.4 = 2.12
𝑥 = 4, 𝑦 = 2.12
Gráfico de cajas.
Un diagrama de cajas es una representación gráfica, basada en cuartiles, que
ayuda a presentar un conjunto de datos. Para construir un diagrama de cajas, solo
necesita cinco estadísticos: el valor mínimo, 𝑄1 (primer cuartil), la mediana, 𝑄3
(tercer cuartil) y el valor máximo. (LID|MARCHAL|WATHEN, ¿Por que estudiar la
disperción?, 2012)
Muestra una cantidad de datos distribuidos en un rango a lo largo de una recta
numérica. (Coronado GED Acadymi. Construir & interpretar un diagrama de caja y
bigotes, s.f.)
Los datos están agrupados en cuatro secciones con igual cantidad de datos.
(Coronado GED Acadymi. Construir & interpretar un diagrama de caja y bigotes,
s.f.)
Los asteriscos muestran valores atípicos muy pequeños o grandes. (Coronado

GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)

Ejemplo:
Construir un diagrama de caja y bigotes con los siguientes
datos:19,33,29,24,20,31,18,24,17,23,21.
Primero debemos ordenar los números.
17,18,19,20,21,23,24,25,29,31,33.
El diagrama de caja no usa datos individuales los datos son resumidos en 5
números.
Mínimo, máximo, mediana, primer cuartil 𝑸𝟏 y el tercer cuartil 𝑸𝟑 .
La mediana es el número de en medio de un conjunto de datos es el 23.
(Coronado GED Acadymi. Construir & interpretar un diagrama de caja y bigotes,
s.f.)
El primer cuartil 𝑄1 es la media del grupo de números menores es 19. (Coronado
GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
El tercer cuartil 𝑄3 es la mediana del grupo de números mayores es 29. (Coronado

GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)

➢ Para construir el diagrama hacer una resta numérica a escala que incluya
todos los datos.
➢ Marcas lo cinco números calculados anteriormente.
➢ Trazar líneas por 𝑄1 = 29, 𝑀𝑒𝑑 = 23 y 𝑄3 = 29.
➢ Dibujar la caja. Dibujar el bigote menor y el mayor. (Coronado GED Acadymi.
Construir & interpretar un diagrama de caja y bigotes, s.f.)
Observe que la mediana divide los datos en dos grupos iguales, pero no está en
medio de la caja es por los datos de la derecha mediana están mas separados a
partir del numero 25 el rango es mayor a la derecha de la mediana. (Coronado

GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)

A hora interpretemos el diagrama el diagrama de caja y bigotes para leerlo marcar
un punto en el diagrama y buscar su valor en la recta numérica. (Coronado GED
Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
Mínimo = 17
Máximo = 33
Mediana = 23
Rango = 33 − 17 = 16
Rango inter-cuartil (IQR) = 29 − 19 = 10

1
Cada sección del diagrama tiene la misma cantidad de datos 4 = 25%. (Coronado
GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
El primer cuartil 𝑄1 tiene el 25% de los datos y es igual a 19.
𝑄1 = 25% = 19
El segundo cuartil 𝑄2 tiene el 50% de los datos y es igual a 23. (Coronado GED
Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
𝑄2 = 50% = 23
El tercer cuartil tiene el 75% de los datos y es igual 29. (Coronado GED Acadymi.
Construir & interpretar un diagrama de caja y bigotes, s.f.)

𝑄3 = 75% = 29
El 100% de los datos ocurre en el punto máximo 33. (Coronado GED Acadymi.
Construir & interpretar un diagrama de caja y bigotes, s.f.)
Punto máximo = 100%
El rango Inter cual también se puede calcular con los porcentajes. (Coronado GED
Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
𝐼𝑄𝑅 = 𝑄3 − 𝑄1 = 75% − 25% = 50%
Otra manera de calcular es sumando los porcentajes dentro la caja. (Coronado
GED Acadymi. Construir & interpretar un diagrama de caja y bigotes, s.f.)
25% + 25% = 50%
El 50% de los datos están dentro de la caja.
Para resolver problemas con diagrama de caja y bigotes debes de memorizar esos
porcentajes y sus ubicaciones. (Coronado GED Acadymi. Construir & interpretar un
diagrama de caja y bigotes, s.f.)

Estadística descriptiva: Métodos para organizar, resumir y presentar datos de

manera informativa.
¿Por qué es importante la estadística descriptiva?
Es importante porque en ella podemos de manera organizada y resumida presentar
datos de manera informativa, mediante las herramientas matemáticas como la
medidas centrales, de dispersión, gráficos y tablas. Por ejemplo, con las medidas
centrales como la media podemos saber el promedio de cierta información ya que
es el dato que se encuentra en centro de un conjunto de datos.
Conclusión:
Mediante la información presentada pudimos ver la importancia de la estadística
descriptiva ya que nos ayuda como dijimos a presentar correctamente información
resumida y organizada, vimos que de las medidas centrales y de dispersión como
la información se concentra en cierto número, y como se dispersa los datos con
respecto de la media la cual nos proporcionan resultados que nos ayudan en la
interpretación de un problema. A demás pudimos otras medidas como los de
posición como cuartiles y percentiles estas dividen los datos en secciones de
porcentaje y podemos calcular las posiciones de los datos, aquí podemos hallar
medias y ver antes y depuesta de la media como de comporta la información.
Además, vimos que los gráficos son importantes a la hora de presentar información
porque en ella podemos ver como se comporta la información y podemos identificar
porcentajes, medidas centrales y de dispersión en ella.
Las tablas bidimensionales presentan dos datos o características de conjunto o
subconjunto de datos como sexo y estado, trabajo y escolaridad etcétera y
mediante el calculo de probabilidades podemos ver ciertos eventos futuros que
necesitamos saber.
Bibliografía
Coronado GED Acadymi. Construir & interpretar un diagrama de caja y bigotes.
(s.f.). Obtenido de Coronado GED Acadymi. Construir & interpretar un
diagrama de caja y bigotes: https://www.youtube.com/watch?v=GBNpyyApgdA
Eduardo Gutierrez Gonzalez, O. V. (2016). Histograma. En O. V. Eduardo Gutierrez
Gonzalez, Estadística Inferencial 1 (pág. 47). Renacimiento 180, Colonia San
juan Tlihuca Azcapozalco, Ciudad de Mexico.: Grupo Editorial PATRIA.
LID|MARCHAL|WATHEN. (2012). ¿Por que estudiar la disperción? En
LID|MARCHAL|WATHEN, Estadistica Aplicada a los negocios y a la ecomía.
(págs. 74-111). Prolongación Paseo de la Reforma 1015, Torre A,Piso 17,
Colonia Desarrollo Santa Fe,B Delagación Álvaro Obregón, México, D.F: Mc
Graw Hill.
MARCHAL|WATHEN, L. (2012). En L. MARCHAL|WATHEN, Estadistaca Aplicada
a los negocios y a la economía. (págs. 57-73). Prolongación Paseo de la
Reforma1015, Torre A, Delagación ALvaro de Obregón,México D.F: Mc-
GrawHill.
Pildoras matemáticas. 04 Cómo usar la tabla de distribución normal. (s.f.). Obtenido
de Pildoras matemáticas. 04 Cómo usar la tabla de distribución normal:
https://www.youtube.com/watch?v=59I-6L5QMfc
Pildoras matemáticas. 05 Ejercicios con la tabla de distribución normal. (s.f.).
Obtenido de Pildoras matemáticas. 05 Ejercicios con la tabla de distribución
normal: https://www.youtube.com/watch?v=JuLu2PDt3dc
TABLAS DE CONTINGENCIA PROBABILIDADES 2020. (2020). Obtenido de
TABLAS DE CONTINGENCIA PROBABILIDADES 2020:
https://www.youtube.com/watch?v=AYgGQJowmJs&list=RDLVCEWJZxFpC8w
&index=4
Tipos de estadística. Estadítica descriptiva. (2012). En LID|MARCHAL|WATHEN,
Estadística Aplicada a los negocios y la economía (pág. 6). Prolongación Paeo
de la Reforma1015, Torre A, Piso 17,Colonia Santa Fe,Delagación Albaro
Obregon, Mexico D.F: Mc Graw Hill.
ULax Equis. Tablas de contigencia. (s.f.). Obtenido de ULax Equis. Tablas de
contigencia.:
https://www.youtube.com/watch?v=CEWJZxFpC8w&list=RDLVCEWJZxFpC8w
&start_radio=1&t=481s
Uniforme Formulas. (2022). Obtenido de Universo Formulos.:
https://www.universoformulas.com/estadistica/descriptiva/diagrama-
barras/#:~:text=El%20diagrama%20de%20barras%20(o,los%20valores%20de
%20la%20variable.