T08 DOC2 TratamientoInformacion (21 22)

Didáctica de la Matemática- Universidad de Alicante 17534-EA de las Matemáticas en la EP
T08-DOC2-TRATAMIENTO DE LA INFORMACIÓN
ÍNDICE1
1-. Conceptos básicos

1.1.- Definiciones:
# Características de las muestras
1.2.- Tipos de variables
# Var. cualitativas
# Var Cuantitativas: Discretas, Continuas
2-. Frecuencias:
2.1.-.Frecuencia absoluta. ni
2.2. Frecuencia relativa. fi
2.3-. Porcentaje. %i
2.4. Adaptación al caso continuo.
2.4.1. Marca de clase y tabla de frecuencias
# Calculo de la marca de clase:
# Tabla de frecuencias:
3. Representaciones gráficas: Formas de presentar los datos estadísticos.

3.1.- Diagrama de barras
3.2.- Polígonos de frecuencia.
3.3.-Diagrama de sectores.
3.4.- Histograma.
3.5-. Comprensión de gráficos y tablas estadísticas
3.5.1-. Niveles de comprensión de los gráficos
3.5.2-. Errores
4. Parámetros asociados las distribuciones de frecuencias

4.1. Medidas de tendencia central
4.1.1.-Media aritmética o promedio (X ̅)
# Datos sueltos
# Discreto en tablas:
# Caso continuo
4.1.2.- Mediana (Me).
# Número de datos impar
# Número de datos par
# Caso discreto con datos agrupados.
4.1.3.-Moda (Mo).
4.2-. Comprensión de la media aritmética

4.2.1. Propiedades necesarias para la comprensión de la media
4.2.2. Errores frecuentes en el cálculo de la media:
4.2.3. Análisis de dos resoluciones
5 . Fases de un proyecto estadístico

5.1-. Planteamiento de la pregunta,
5.2-. Recogida de datos. Agrupación, tabulación, representación
5.3-. Interpretación de datos. Elaboración de leyes. Pronósticos y previsiones.
1
Los puntos en azul en el índice son los que se corresponden a la comprensión de los estudiantes. Los
otros puntos son un recordatorio de los contenidos de 1º curso del Grado.
1
1. Conceptos básicos
La parte de la matemática que trabaja el tratamiento de la información recibe el nombre
de Estadística. La Estadística es una ciencia que recoge, agrupa y analiza un gran volumen de
datos (edad de una población, notas de los estudiantes, temperaturas de los meses de verano…)
y trata de extraer conclusiones. Por ejemplo los censos de población proporcionan información
sobre la evolución de la misma: nivel cultural, tipo de familia, etc. Esta rama de las matemáticas
se utiliza por la mayoría de las otras ciencias. Por ejemplo, cuando estáis oyendo que la media
acumulada de la semana anterior es de 450 casos, eso son conceptos estadísticos.
1.1. Definiciones:
* Población: conjunto de elementos que son objeto de estudio
* Muestra: Parte representativa para realizar el estudio y seguimiento
* Variable: Característica de la muestra cuyo comportamiento se analiza
Aquí tenemos tres ideas diferentes que las vamos a traducir como preguntas:
¿Qué se quiere estudiar? Variable, es la cualidad o característica que se quiere
estudiar. Ejemplo: El número de coches de las familias de Novelda.
¿A quién se quiere estudiar? : Población, es el conjunto de personas o elementos de los
que se estudia la variable. Ejemplo: en el ejemplo anterior la población de la variable eran las
familias de Novelda.
¿Tengo que estudiarlos a todos? ¿A quiénes estudio? Muestra, como el número de
familias en Novelda es muy grande, o nos costaría mucho tiempo o dinero preguntarlas a todas
lo que se hace es seleccionar solo a unas cuántas, preguntarles.
# Características de las muestras

La Muestra es la porción de población a la cual se aplica la técnica estadística,
extiendo luego los resultados a toda la población. La fiabilidad del estudio que pretendemos
realizar depende de la elección de la muestra, que ha de cumplir determinadas características:
 Ha de ser representativa: Esto significa que se debe procurar que estén representados
todos los estamentos sociales, así como los sectores de población (hombres, mujeres,
niños, técnicos, obreros,...)
 Ha de ser aleatoria, es decir, elegida al azar: No se puede hacer una encuesta sobre la
aceptación de las emisiones musicales en televisión a la salida de un concierto, ya que
se supone que los que asisten a los conciertos son amantes de la música, y los
resultados no serían fiables.
 El tamaño de la muestra ha de ser proporcional al número total de la población: No se
puede determinar el mismo número de encuestados en un pueblo de mil habitantes que
en una ciudad de 2 millones.
2
1.2. Tipos de variables

Las variables pueden ser de dos tipos:
* Variables cualitativas. No se pueden medir numéricamente: sexo, nacionalidad, etnia…
Estas son las que hacen referencia a una cualidad, o se tiene o no se tiene. Por ejemplo la
nacionalidad, o eres español, o eres chino, o eres colombiano.
* Variables Cuantitativas. Se pueden medir por un valor numérico: edad, precio, altura…
Estas hacen referencia a una cantidad. Dos subtipos de variables cuantitativas
# Discretas: Solo pueden tomar determinados valores: nº de hermanos, personas… Las
discretas son las que toman valores de números naturales, con otras palabras, se pueden
contar con los dedos. Por ejemplo, número de coches, número de hijos, número de
ventanas, número de hijos, edad, número de canastas triples en un partido de baloncesto,
…
# Continuas: Pueden tomar todos los valores dentro de un intervalo: precio, altura. Las
continuas toman valores en los números racionales. Por ejemplo, tiempo empleado en un
trabajo, peso.
2. Frecuencias:
Las frecuencias es una forma de agrupar y ordenar los datos para una mejor
interpretación de los mismos.
2.1. Frecuencia absoluta. ni

Es el número de veces que se repite un dato. O el número de veces que aparece una
cualidad
Ejemplo:
En una clase de 20 alumnos, las calificaciones obtenidas en una asignatura han sido: 10,
5, 4, 6, 7, 1, 2, 6, 7, 9, 4, 5, 3, 4, 6, 9, 10, 2, 8, 5.
La frecuencia absoluta del 10 es 2, la frecuencia absoluta del 6 es 3…,
Llamamos N al total de datos, en este caso: N = 20
2.2. Frecuencia relativa. fi

Es el cociente entre la frecuencia absoluta y el número total de datos.
Frecuen
absolu

Frecuencia
relativa
;
Número
de
individu
de
la
pobla
O sea
fi = ni / N
Esto es cómo antes, más fácil de hacer que de explicar luego veremos un ejemplo.
3
En el ejemplo anterior, la frecuencia relativa del 10 es frecuencia absoluta del 10/número de

valores= 2/20 = 0,1
2.3. Porcentaje. %i
Si multiplicamos la frecuencia relativa por 100, obtenemos el porcentaje (%).
%i = ni · 100/N (%)
Ejemplo:
Se ha lanzado 20 veces un dado con los siguientes resultados: 6, 4, 5, 2, 2, 1, 3, 4, 2, 1,
6, 5, 4, 3, 2, 6, 3, 4, 4, 2. La tabla de frecuencias absolutas y relativas, y el porcentaje de cada
dato es la siguiente.
Variable xi Frec. Absoluta ni Frec. Relativa fi Porcentaje %i
(el número que puede
salir al lanzar un
dado)
1 2 2/20 = 0‘1 0’1· 100 = 10 %
2 5 5/20 = 0’25 0’25· 100 = 25 %
3 3 3/20 = 0’15 15 %
4 5 0’2 20 %
5 2 0’1 10 %
6 3 0`15 15 %
( N) Total = 20 1 100 %
2.4. Adaptación al caso continuo.

En el ejemplo anterior hemos utilizado variables cuantitativa discreta. En el caso de
una variable cuantitativa continua (o de caso discreto con datos agrupados) hay que determinar
qué intervalos coger, dónde empiezan y dónde acaban los intervalos: [Li , Li+1 )
Significado de los símbolos
[ → Este valor pertenece al intervalo
Li → Extremo inferior del intervalo
Li+1 → Extremos superior del intervalo
) → Este valor NO pertenece al intervalo (pertenecería al siguiente)
El número adecuado de categorías/intervalos está entre 5 y 15

Más adelante relacionaremos todos estos conceptos con las tablas de frecuencias.
4
2.4.1-. Marca de clase y tabla de frecuencias
La mayor diferencias del caso continuo respecto de los anteriores es que aparece una
columna nueva en la tabla de frecuencias, que es la de la marca de clase, en la que indicamos
el valor central de intervalo. La marca de clase tiene distintas símbolos para representarla,
siendo las principales las siguientes: xi , mi o ci (en este documento usaremos la primera).
# Calculo de la marca de clase:

Con la siguiente fórmula:
𝑳𝒊+𝟏 − 𝑳𝒊
𝒙𝒊 =
𝟐
# Tabla de frecuencias:
La tabla de frecuencias tiene una columna más que hay que poner los valores:
[Li , Li+1 ) xi ni fi %i
3. Representaciones gráficas: Formas de presentar los datos estadísticos.

Existen formas distintas de presentar los datos estadísticos: tablas, gráficos de
sectores, barras y lineal, etc.
3.1. Diagrama de barras

Se utiliza para representar variables cualitativas o cuantitativas discretas pero con pocos datos.
Se coloca en el eje de abscisas los valores de la variable 4
estadística y en el de ordenadas las frecuencias absolutas, 3
relativas o porcentajes y se levanta una barra de altura igual a la 2
frecuencia 1
Las barras tienen que estar separadas unas de otras, si 0

10 9 8 7 6 5 4 3 2 1
están pegadas tienen otro nombre.

La unidad que tomemos sobre el eje de abscisas puede ser diferente de la tomada en el
eje de ordenadas.
3.2. Polígonos de frecuencia.

Un tipo de gráfico asociado al diagrama de barras es el polígono de frecuencias que se
obtiene al unir los puntos de cada barra
4
0
10 9 8 7 6 5 4 3 2 1
5
Un polígono de frecuencia es un gráfico que se realiza a través de la unión de los puntos

más altos de las columnas en un diagrama de barras.Esto de unir los puntos (el polígono) sólo
se puede hacer con las variables que tienen un orden lógico, sobre todo el tiempo. ¿tendría
sentido hacer un polígono de frecuencias para el color de ojos? No, porqué: ¿qué pones
primero? ¿los azules o los marrones?, ¿o los verdes? Si no tiene un orden lógico de ordenación
no tiene sentido hacer un polígono de frecuencias.
Los polígonos de frecuencia se suelen utilizar cuando se desea mostrar más de una
distribución de una misma variable (o sea se estudian dos poblaciones a la vez, pero con la
misma variable). Por ejemplo, podemos estudiar la cantidad de lluvia que ha caído durante un
mes tanto en Novelda como en Villena, así que tenemos dos polígonos distintos pero tanto los
valores de las variables (meses) como las unidades de las frecuencias (litros) son comunes a las
dos poblaciones.
Lo más utilizado es estudiar conjuntamente los ingresos y los gastos conjuntamente,
tanto de una familia, una empresa o un país para reconocer cuándo hay beneficios o pérdidas.
3.3. Diagrama de sectores.-

Sirve para representar cualquier tipo de variable. Está recomendado para variables
cualitativas. Consiste en dividir los 360º de un círculo en partes proporcionales a las
frecuencias. Su cálculo es muy fácil tan sólo hay que calcular la frecuencia relativa por 360º.
αi = ni · 360 / N
αi es la amplitud del sector circular que le corresponde a la frecuencia absoluta ni
Por ejemplo, supongamos que hemos realizado una encuesta a 50 personas sobre sus
preferencias por el cine, la radio, la televisión o el teatro (variable cualitativas):
Preferencias Cine Radio Teatro Televisión

Nº personas 27 3 8 12
Notar que el 50 sale de sumar todas las personas. Los ángulos de cada preferencia serían:
27
αcine = º
.360194
,4
º Cine
50 Radio
Teatro
3
º21
Televisión
αradio =
.360 ,6º
50
8
αteatro =
º57
.360 ,6º
50
12
αtelevisión = º86
.360 ,4º
50
6
3.4.- Histograma
Se utiliza para variables cuantitativas continuas y discretas que se agrupan en intervalos.
El resultado es un conjunto de barras que no presentan espacios entre ellas. También aquí se
puede obtener el polígono de frecuencias uniendo los puntos medios de cada columna.
Ejemplo:
Hdl colesterol ni
[ 40 , 45 ) 1
Se ha estudiado el nivel de colesterol Hdl a 18
[ 45 , 50 ) 4 personas, a la parte izquierda se presenta la tabla de
[ 50 , 55 ) 6 frecuencia con la frecuencia absoluta.
[ 55 , 60 ) 4
[ 60 , 65 ) 1
[ 65 , 70 ) 2
N = 18
A continuación se han representado los datos de esta forma (Histograma). Es muy fácil saber
cuándo se hace uno u otro, si hay intervalo → Histograma.
Los polígonos de frecuencia para

datos agrupados, por su parte, se
construyen a partir de la marca de clase
que coincide con el punto medio de cada
columna del histograma. Cuando se
representan las frecuencias acumuladas de
una tabla de datos agrupados, se obtiene
un histograma de frecuencias
acumuladas, que permite diagramar su
correspondiente polígono.
7
3.5. Comprensión de gráficos y tablas estadísticas

La destreza en la lectura crítica de datos es una componente de la alfabetización
cuantitativa y una necesidad en nuestra sociedad tecnológica. En el día a día estamos en
contacto con gráficas y tablas estadísticas:
3.5.1-. Niveles de comprensión de los gráficos
Existen cuatro niveles de comprensión de los gráficos y las tablas:
 Leer los datos: requiere una lectura literal del gráfico
 Leer dentro de los datos: incluye la interpretación e integración de los datos en el

gráfico; requiere la habilidad para comparar cantidades y el uso de otros conceptos y
destrezas matemáticas. Esto va más allá de la mera lectura, implica una operación o
comparación de los datos.
 Leer más allá de los datos: requiere que el lector realice predicciones e inferencias a
partir de los datos. Esto implica que a partir de los datos obtenidos de alguna manera
podemos inferir situaciones, o generar explicaciones de por qué ha ocurrido algo.
 Leer detrás de los datos: supone valorar la fiabilidad y completitud de los datos. Esto
está relacionado con la forma de obtener los datos y las conclusiones a las que se llega,
o quieren que lleguemos a partir de ellos. Un ejemplo de esto sería la fiabilidad que les
damos a los datos sobre pandemia.
8
Ejemplo: A continuación veremos un ejemplo sobre los niveles de comprensión.
 Expresa las temperaturas que hubo esos días: Hay que ver las temperaturas de abajo →
Lectura de datos
 Indica a cuántos días se refieren esas temperaturas: Hay que sumar todos los días →
Leer dentro de datos
 Se aprecian las temperaturas mayor y menor: Hay que comparar→ Leer dentro de
datos
 Se aprecia cuántos días hubo cada una de esa temperatura: Hay que ver la altura de
cada barra → Lectura de datos
Ejemplo: La tabla presenta el número de perros abandonados que se han recogido en el

último año en ciudades españolas:
9
¿Cuántos perros abandonados se recogieron en total en las tres

Ciudad Nº de perros ciudades? Como hay que sumar todos los perros → Leer
oria 120 dentro de datos
Madrid 210
Huelva 65 ¿En qué ciudad se recogieron menos perros abandonados? Como
hay que comparar → Leer dentro de datos
¿Por qué supones que en Madrid se han recogido más perros

abandonados que en la otras dos ciudades? Como hay que hacer
una predicción → Leer más allá de los datos
3.5.2. Errores
Errores más frecuente en las tablas y gráficos
 Elección incorrecta del tipo de gráfico, como usar polígonos de frecuencias con
variables cualitativas. Es importante saber qué tipo de gráfico se utiliza para cada tipo
de variable, algunos están más o menos recomendados, pero hay otros que no tienen
sentido, como un diagrama de sectores para variable continua.
 Omitir las escalas en alguno de los ejes horizontal o vertical, o en ambos Si no hay
escalas (las rayitas) entonces no se sabe el significado de alguno de los elementos.
 No especificar el origen de coordenadas. El origen de coordenadas es importante,

sobre todo si se trabaja con el tiempo.
 No proporcionar suficientes divisiones en las escalas de los ejes. Si no se ponen

suficientes divisiones en las escalas se pierde precisión y el trabajo no sirve para nada.
 No respetar los convenios, como al obtener un diagrama de sectores en los que éstos
no son proporcionales a las frecuencias de las categorías Los que quiere decir de los
convenios es que las cosas se hacen de una forma concreta (consensuada) para que su
lectura sea objetiva, si se salta algún convenio se falsea la situación.
 Mezclar datos que no son comparables en un gráfico, como comparar 30 sillas y 50

kg. de carne. Es decir, cuando se analizan dos variables a la vez, tienen que ser
compatibles para que el análisis tenga sentido.
10
4. Parámetros asociados las distribuciones de frecuencias

4.1. Medidas de tendencia central
Las observaciones estadísticas se refieren siempre a un conjunto de datos. Por ser tan
numerosos estos datos, resulta difícil comparar dos o más series entre sí. De ahí la necesidad de
considerar sólo unos valores numéricos representativos de cada serie. Los valores centrales
miden la tendencia de la serie a agruparse en torno a un valor. Los más importantes son la media
aritmética, la mediana y la moda.
̅)
4.1.1. Media aritmética o promedio (𝐗
Es el resultado de dividir la suma de todos los valores entre el número total de ellos.
La media se puede calcular de dos formas diferentes según se trate de datos sueltos o de datos
agrupados en tabla (daría igual que fuera discreta o continua)
# Datos sueltos:
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
̅=
𝑿
𝑵
Para calcular la nota media de un alumno en una asignatura (7, 9, 6 y 5)


79
65
x 6
,75
4
# Discreto en tablas:
Si los datos son muchos y vienen dados por una tabla de frecuencias, para calcular la
̅ , se puede hace directamente con la fórmula dónde utilizamos la frecuencia
media aritmética, 𝑿
absoluta:
𝒙𝟏 · 𝒏𝟏 + 𝒙𝟐 · 𝒏𝟐 + ⋯ + 𝒙𝒏 · 𝒏𝒒
̅=
𝑿
𝑵
A continuación vamos a ver dos ejemplos para calcularlo de dos formas diferentes.
Ejemplo – La nota media de una clase de 40 alumnos en un examen de matemáticas
Notas (xi) Frec. Abs. (ni)

0 2 1P) Multiplicar cada dato por su frecuencia y sumar
1 2 todos los resultados
2 2
3 1
4 5
5 6
6 8 2P) Dividir la suma total entre la suma de todas las
7 5 frecuencias:
8 4
9 3
10 2
TOTALES 40
11
0𝑥2 + 1𝑥2 + 2𝑥2 + 3𝑥1 + 4𝑥5 + 5𝑥6 + 6𝑥8 + 7𝑥5 + 8𝑥4 + 9𝑥3 + 10𝑥2 221
̅=
𝑿 =
40 40
= 𝟓′𝟓𝟐𝟓
O añadiendo una columna más a la tabla y sumar

hacia abajo: Notas Frec. Abs.
(xi) (ni) xi · ni
0 2 0·2=0
1 2 1·2=2
2 2 2 · 2 =4
𝒙𝟏 · 𝒏𝟏 + 𝒙𝟐 · 𝒏𝟐 + ⋯ + 𝒙𝒏 · 𝒏𝒒 𝟐𝟐𝟏 3 1 3·1=3
̅=
𝑿 =
𝑵 𝟒𝟎 4 5 4 · 5 = 20
5 6 30
6 8 48
7 5 35
8 4 32
9 3 27
10 2 20
TOTAL
ES 40 221
# Caso continuo
La forma de cálculo es la misma que en el caso anterior utilizando la marca de clase.
𝒙𝟏 · 𝒏𝟏 + 𝒙𝟐 · 𝒏𝟐 + ⋯ + 𝒙𝒏 · 𝒏𝒒
̅=
𝑿
𝑵
4.1.2. Mediana (Me).

Es el valor que ocupa el lugar central en un conjunto ordenado de datos. Para su
determinar cuál es la mediana hay que considerar si hay un numero par o impar de datos
# Número de datos impar

Si el número de datos es impar, la mediana es el número que ocupa la posición central.
Si queremos calcular la mediana de estos valores: 6, 4, 7, 8, 9, 9, 7, 13, 12, primero tenemos
que ordenar los datos: 4, 6, 7, 7, 8, 9, 9, 12, 13.
El número que está en la posición central es el 4, 6, 7, 7, 8, 9, 9, 12, 13, entonces la
mediana es, Me = 8 (valor central). A la izquierda del 8 hay 4 números, y a la derecha del 8 hay
otros 4 números, ese es el significado de la mediana
12
# Número de datos par

Si el número de datos es par, la mediana es la media aritmética de los dos valores
centrales.
𝑷𝒐𝒔( 𝑵𝟐) + 𝑷𝒐𝒔(𝑵𝟐 + 𝟏)
𝑴𝒆 =
𝑵
Nota: Pos = posición que ocupa el número
Si queremos calcular la mediana de estos valores: 6, 4, 7, 8, 9, 9, 7, 13, 10, 12, primero

tenemos que ordenar los datos: 4, 6, 7, 7, 8, 9, 9, 10, 12, 13. (valores centrales)
De los diez valores, el Pos( 10/2) = Pos(5), o sea el 5º número es el 8 y Pos(5+1) = 6, el sexto
número es el 9, por lo que la mediana será:
𝟖+𝟗 𝟏𝟕
𝑴𝒆 = = = 𝟖′𝟓
𝟐 𝟐
Vamos a comprobarlo. 8,5 deja a la izquierda 5 números y a la derecha otros 5 números
4, 6, 7, 7, 8, 8’5 9, 9, 10, 12, 13
# Caso discreto con datos agrupados.

A continuación veremos el método de cálculo de la mediana para caso discreto con los
datos agrupados en una tabla. Realmente se podría hacer los casos anteriores a partir de la tabla,
colocar de forma ordenada los números de la variable xi tantas veces como indica la frecuencia
absoluta, y a partir de ahí calcular la mediana. El problema de esta forma de calcularla es que si
tenemos más de 100 datos, (N>100) es demasiado laborioso.
MÉTODO
1P.- Calcular la frecuencia absoluta acumulada (Ni)en la tabla de frecuencias. (O sea una tabla
con mínimo 3 columnas, xi , ni y Ni )
2P.- Calcular N y N/2
xi ni Ni
3P.- La mediana es el valor de xi cuya frecuencia acumulada es mayor a N/2,
0 2 2
o sea dónde la supera por primera vez.
1 2 4
2 2 6 Duda: ¿Qué hacer cuando coincide la N/2 y la Fi?, utilizamos la fórmula:
3 1 7 𝑷𝒐𝒔( 𝑵𝟐) + 𝑷𝒐𝒔(𝑵𝟐 + 𝟏)
4 5 12
𝑴𝒆 =
𝑵
5 6 18 Realmente haríamos la media entre el valor dónde es igual y el siguiente.
6 8 26
7 5 31
8 4 35
9 3 38
10 2 40
N= 40 XXX
13
Ejemplo. A continuación vamos a calcular la Mediana en el ejemplo de las notas.

1P.- Calcular la frecuencia absoluta acumulada en la tabla de frecuencias
2P.- Calcular N y N/2

N = 40
N/2 = 40/2 = 20
3P.- La mediana es el valor de xi cuya frecuencia acumulada Ni es mayor a N/2.
Si miramos con atención la tabla con las tres columnas vemos que el valor dónde Ni es
mayor a 20 es en:
xi ni Ni Por lo que tenemos que Me = 6.

6 8 26
# Caso continuo.
La fórmula es complicada y no se contempla aqui.
4.1.3.Moda (Mo)
Es el dato con mayor frecuencia, el que más se repite. En un grupo de 40 alumnos, las
calificaciones obtenidas han sido:
Nota xi 0 1 2 3 4 5 6 7 8 9 10
Frec. Abs. ni 2 2 2 1 5 6 8 5 4 3 2
La calificación que presenta mayor frecuencia es el 6, por tanto 6 es la moda de las

calificaciones del grupo, Mo = 6. La moda es un parámetro poco útil para las distribuciones de
variables cuantitativas.
En las variables continuas hablamos del intervalo modal (el intervalo que más se repite)
14
4.2. Comprensión de la media aritmética
4.2.1. Propiedades necesarias para la comprensión de la media

 La media es un valor comprendido entre los extremos de la distribución. La media
como es el valor esperado de los valores, estará obviamente en el intervalo formado por
el valor más pequeño y el valor más grande, si la media sale fuera es que está mal
calculada.
Ejemplo : Las notas de Pedro son 0, 8, 5 y 7.Su media es 5 (comprendido entre 0 y 8)
 La suma de las desviaciones de los datos respecto de la media es cero. Esta es una
𝑛
propiedad matemática, con simbología nos dice: ∑𝑖=0(xi − ̅
X) = 0; la media es un
valor central, ya que la suma de las diferencias entre los valores y media es cero.
NOTA 0 8 5 7
Desviación Respecto a la media -5 +3 0 +2
 Hay que tener en cuenta los valores nulos en el cálculo de la media. Si hacemos la
media de las notas de una clase, y por ejemplo un alumno se ha sacado un 0, cuando
calculemos la suma total de los valores, obviamente, el cero no afecta pero SÍ cuando
dividimos entre el número de datos.
Las notas de Pedro son 0, 8, 5 y 7. Si no consideráramos el 0, su nota media sería un 6.7
 La media no tiene por qué ser igual a uno de los datos.

Por ejemplo, la media de 10, 8, 5, y 7 es 7,5 (que no es un dato)
 El valor de la media puede ser un número decimal y en algunos casos puede no tener
sentido para la variable considerada.
Por ejemplo, la media de hijos por mujer en España es de 1.31 hijos Los hijos toman
valores enteros (de uno en uno) pero media es decimal,( 1.31 hijos) .
 El valor medio está influenciado por los valores de cada uno de los datos. La media se
calcula utilizando todos los datos, si se cambia uno cambia la media.
Por ejemplo, en el caso anterior si cambiamos el 0 por 10, tenemos, 10, 8, 5, y 7, la media es 7,5
 La media es un “representante” de los datos a partir de los que ha sido calculada. La

media es un valor representativo de todos los datos con los que se calcula.
15
Por ejemplo, la nota final será la media y representará los resultados que Pedro ha
obtenido a lo largo del curso
EJEMPLO
El ayuntamiento de un pueblo quiere estimar el número promedio de niños por familia.
Dividen el número total de niños de la ciudad por 50 (que es el número total de familias) y
obtienen 2.2. ¿Cuáles de las siguientes afirmaciones son ciertas?
a-. La mitad de las familias de la ciudad tienen más de 2 niños
b-. En la ciudad no hay familias con 0 niños
c-. Hay un total de 110 niños en la ciudad
d-. El número más común de niños por familia es 2
e-. Hay 2,2 niños por adulto en la ciudad
a-. La mitad de las familias tienen más de 2 niños: Falso, con que haya 10 familias con 10 hijos
cada una, las media ya es superior a 2.
b-. En la ciudad no hay familias con 0 niños: Falso, si una familia tiene 4 hijos, y no tiene, su
media estaría alrededor de 2, se pueden compensar las familias sin hijo
c-. El número de niños más común por familia es 2 Falso, eso es la Moda, no la Media
aritmética
d-. Hay un total de 110 niños en la ciudad:
Analicemos: ̅ = 𝒙𝟏·𝒏𝟏·+𝒙𝟐·𝒏𝟐·+ ⋯+𝒙𝒒 ·𝒏𝒒

𝑿
𝑵
𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝑻𝒐𝒕𝒂𝒍 𝒏𝒊ñ𝒐𝒔

𝑴𝒆𝒅𝒊𝒂 = =
𝒏º 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒏º 𝒇𝒂𝒎𝒊𝒍𝒊𝒂𝒔
𝑻𝒐𝒕𝒂𝒍 𝒏𝒊ñ𝒐𝒔
𝟐. 𝟐 =
𝟓𝟎
𝑻𝒐𝒕𝒂𝒍 𝒏𝒊ñ𝒐𝒔 = 𝟐. 𝟐 · 𝟓𝟎 = 𝟏𝟏𝟎 𝒏𝒊ñ𝒐𝒔
16
4.2.2. Errores frecuentes en el cálculo de la media

 No distinguir cuándo se ha de
calcular la media aritmética y
cuando la ponderada
Calificaciones nº alumnos
(La media ponderada es una medida de
tendencia central, que es apropiada cuando en 3 2
un conjunto de datos cada uno de ellos tiene una 4 4
importancia relativa (o peso) respecto de los 5 6
demás datos. Se obtiene multiplicando cada uno
de los datos por su ponderación (peso) para 6 6
luego sumarlos, obteniendo así una suma 7 10
ponderada; después se divide esta entre la suma 8 6
de los pesos, dando como resultado la media
Tot 34
ponderada
 Hallar la media de los valores de las frecuencias.

Ahora vamos a ver un ejemplo de lo que nos dicen:
𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝟑𝟒
La media: 𝑋̅ = 𝒏º 𝒗𝒂𝒍𝒐𝒓𝒆𝒔
= 𝟔
= 𝟓. 𝟕
Obviamente esto está mal.
Nota: El 6 sale que es el número de clases, número posible de resultados de las calificaciones
 No tener en cuenta la frecuencia absoluta de cada valor en el cálculo de la media.

Utilizando la tabla del ejemplo anterior:
La media ̅ = 𝟑+𝟒+𝟓+𝟔+𝟕+𝟖 = 𝟑𝟓 = 𝟓. 𝟖
𝑿
𝟔 𝟔
4.2.3. Análisis de dos resoluciones
17
# Dificultades encontradas
No entienden el algoritmo del cálculo de la media, o sea que no comprenden cómo se

determina un conjunto de datos a partir de una media dada.
Daros cuenta que la suma del total de valores se puede sacar de dos formas diferentes de la
media:
̅ = 𝒙𝟏·𝒏𝟏+𝒙𝟐·𝒏𝟐+⋯+𝒙𝒒 ·𝒏𝒒 →
𝑿 ̅
Total de datos: 𝒙𝟏 · 𝒏𝟏 + 𝒙𝟐 · 𝒏𝟐 + ⋯ + 𝒙𝒒 · 𝒏𝒒 = 𝑵 · 𝑿
𝑵
O su fórmula hermana
̅ = 𝒙𝟏+𝒙𝟐+⋯+𝒙𝑵
𝑿 → Total de datos: ̅
𝒙𝟏 + 𝒙𝟐 · + ⋯ + 𝒙𝑵 = 𝑵 · 𝑿
𝑵
Ejemplo: Resolución de un alumno
Aunque el resultado está bien, ya que el número que falta es 5, está mal la resolución, veámosla:
̅ = 𝟔 = 𝟔+𝟖+𝟕+𝟒+𝒙𝒊
𝑿 → Total de datos: 𝟔 + 𝟖 + 𝟕 + 𝟒 + 𝒙𝒊 = 𝟔 · 𝟓
𝟓
𝟐𝟓 + 𝒙𝒊 = 𝟑𝟎
𝒙𝒊 = 𝟑𝟎 − 𝟐𝟓 = 𝟓
Ejemplo de resolución correcta:
18
5. Fases de un proyecto estadístico
Un proyecto estadístico debe pasar al menos por tres fases:

 Comenzamos- se plantea una pregunta
 Investigamos- recogemos datos y los organizamos
 Comunicamos y evaluamos – presentamos los datos, leemos los datos, leemos más
allá de los datos realizamos inferencias, y valoramos la fiabilidad y completitud de los
datos (leer detrás de los datos)
5.1. Planteamiento de la pregunta

Nos planteamos qué queremos investigar y en concreto qué pregunta vamos a hacer.
 En este momento se concreta la población, muestra y variable a estudiar.
 Elaboración de la encuesta, de modo que el encuestado tenga claro lo que se pregunta y
cuáles son las posibles opciones.
5.2. Recogida de datos. Agrupación, tabulación, representación

Lo de recoger no tiene ningún misterio y cuándo nos referimos a organizarlos queremos
decir que se realizan las tablas de frecuencias, las representaciones gráficas y se calculan los
parámetros estadísticos (media, moda, mediana, rango, etc)
 Recogida de datos.
 Organización, clasificación y recuento de las respuestas.
 Elaboración de tablas con los resultados.
 Confección de gráficos.
 Calculo de parámetros estadísticos
5.3. Interpretación de datos. Elaboración de leyes. Pronósticos y previsiones.

Esto es lo que quiere decir el texto, presentar los datos, leerlos, realizar inferencias
(pronósticos) y valorar la fiabilidad y completitud.
 A partir de los parámetros estadísticos buscamos explicaciones a la realidad, y lo que
buscamos
 Comunicamos y evaluamos
19

T08 DOC2 TratamientoInformacion (21 22)

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

T08 DOC2 TratamientoInformacion (21 22)

Cargado por

Copyright:

Formatos disponibles

Didáctica de la Matemática- Universidad de Alicante 17534-EA de las Matemáticas en la EP

1-. Conceptos básicos

3. Representaciones gráficas: Formas de presentar los datos estadísticos.

4. Parámetros asociados las distribuciones de frecuencias

4.2-. Comprensión de la media aritmética

5 . Fases de un proyecto estadístico

# Características de las muestras

1.2. Tipos de variables

2.1. Frecuencia absoluta. ni

2.2. Frecuencia relativa. fi

En el ejemplo anterior, la frecuencia relativa del 10 es frecuencia absoluta del 10/número de

2.4. Adaptación al caso continuo.

El número adecuado de categorías/intervalos está entre 5 y 15

2.4.1-. Marca de clase y tabla de frecuencias

# Calculo de la marca de clase:

3. Representaciones gráficas: Formas de presentar los datos estadísticos.

3.1. Diagrama de barras

estadística y en el de ordenadas las frecuencias absolutas, 3

relativas o porcentajes y se levanta una barra de altura igual a la 2

Las barras tienen que estar separadas unas de otras, si 0

están pegadas tienen otro nombre.

3.2. Polígonos de frecuencia.

Un polígono de frecuencia es un gráfico que se realiza a través de la unión de los puntos

3.3. Diagrama de sectores.-

Preferencias Cine Radio Teatro Televisión

Los polígonos de frecuencia para

3.5. Comprensión de gráficos y tablas estadísticas

3.5.1-. Niveles de comprensión de los gráficos

Existen cuatro niveles de comprensión de los gráficos y las tablas:

 Leer los datos: requiere una lectura literal del gráfico

 Leer dentro de los datos: incluye la interpretación e integración de los datos en el

Ejemplo: A continuación veremos un ejemplo sobre los niveles de comprensión.

Ejemplo: La tabla presenta el número de perros abandonados que se han recogido en el

¿Cuántos perros abandonados se recogieron en total en las tres

¿Por qué supones que en Madrid se han recogido más perros

Errores más frecuente en las tablas y gráficos

 No especificar el origen de coordenadas. El origen de coordenadas es importante,

 No proporcionar suficientes divisiones en las escalas de los ejes. Si no se ponen

 Mezclar datos que no son comparables en un gráfico, como comparar 30 sillas y 50

4. Parámetros asociados las distribuciones de frecuencias

Para calcular la nota media de un alumno en una asignatura (7, 9, 6 y 5)

Notas (xi) Frec. Abs. (ni)

O añadiendo una columna más a la tabla y sumar

4.1.2. Mediana (Me).

# Número de datos impar

# Número de datos par

Si queremos calcular la mediana de estos valores: 6, 4, 7, 8, 9, 9, 7, 13, 10, 12, primero

4, 6, 7, 7, 8, 8’5 9, 9, 10, 12, 13

# Caso discreto con datos agrupados.

Ejemplo. A continuación vamos a calcular la Mediana en el ejemplo de las notas.

2P.- Calcular N y N/2

xi ni Ni Por lo que tenemos que Me = 6.

La calificación que presenta mayor frecuencia es el 6, por tanto 6 es la moda de las

4.2. Comprensión de la media aritmética

4.2.1. Propiedades necesarias para la comprensión de la media

 La media no tiene por qué ser igual a uno de los datos.

 La media es un “representante” de los datos a partir de los que ha sido calculada. La

d-. Hay un total de 110 niños en la ciudad:

Analicemos: ̅ = 𝒙𝟏·𝒏𝟏·+𝒙𝟐·𝒏𝟐·+ ⋯+𝒙𝒒 ·𝒏𝒒

𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝑻𝒐𝒕𝒂𝒍 𝒏𝒊ñ𝒐𝒔

𝑻𝒐𝒕𝒂𝒍 𝒏𝒊ñ𝒐𝒔 = 𝟐. 𝟐 · 𝟓𝟎 = 𝟏𝟏𝟎 𝒏𝒊ñ𝒐𝒔

4.2.2. Errores frecuentes en el cálculo de la media