frecuencia : veces que se repite el dato

Tabla bidimensional : Agrupa , y para saber la cantidad de grupos multiplica columna y filas.

PROCEDIMIENTO MEDIDAS RESUMEN

MEDIDA RESUMEN O INDICADOR

Es una cantidad que se obtiene a partir de un conjunto de datos, esta cantidad indica un aspecto del
conjunto de datos
Esos aspectos son:
1. Tendencia Central.
si la distribucio de la frecuencia condicional son diferentes
2. Dispersión.
entonces si
3. Asimetría. existe relacion entre las variables
4. Apuntamiento.

INDICADORES DE TENDENCIA CENTRAL.

Estos nos indican hacia qué valor de la variable tiende a acumularse la mayoría de los datos.

INDICADORES DE DISPERSIÓN.
Estos nos indican el grado de concentración de los datos en torno a un indicador de tendencia central.
Cuanto más pequeño su valor, mayor es la concentración

INDICADOR DE ASIMETRIA
Éste está asociada a la forma de la distribución de los datos. Si la forma de la distribución de los datos
presenta un solo punto de acumulación y una cola o sesgo debido a los pocos datos con valores altos
o bajos se dice que es asimétrica.
El indicador muestra la dirección de la cola o sesgo y cuán grande es el sesgo.

INDICADOR DE APUNTAMIENTO
Este indicador cuantifica la altura de una distribución de datos de forma simétrica o casi simétrica.

OBJETIVO
Describir dicho conjunto de datos en términos de esas 4 cantidades y a partir de estas obtener
información.

La notación de cada uno de estos indicadores depende de si los datos son poblacionales o muestrales.

La fórmula para calcular estos indicadores depende de la cantidad de datos:

a. Se dice que son pocos datos cuando el total de datos es menor o igual a 30.
b. Se dice que son muchos datos cuando el total es mayor a 30.

A continuación, se presenta las expresiones matemáticas de los indicadores de Tendencia Central y

Dispersión.

LIC. MARÍA A. ZACARÍAS DÍAZ 19

 MEDIDAS RESUMEN PARA DATOS POBLACIONALES.
(Sea la variable X)

Cantidad Tendencia Central Dispersión

De datos Media Mediana Moda Longitud Desviación Varianza Desviación Coefici Desviación
Aritmética de recorrido media estándar ente de Intercuartilica
Varia-
ción
N  30 1 N Si N par: Mo: el dato
=
DeI = Tc - Pc
 =  xi -Me: es el valor de la
semisuma de los
que más se
repite.
LoR =
Max (xi) –
DeM =
 = 2 CoV =
Tc: tercer
N i =1 1 N
+ 2
datos centrales Min (xi)
 xi −  N 2
 Cuartil

 ( xi −  )
1
Si N impar:
-Me: es el valor del
N i =1  Pc: primer
cuartil
dato central. N i =1
N > 30 Mo: marca DeI = Tc - Pc
 = =
(0.5N − F )
m Me = X j-1 de clase de LoR = DeM = 2 CoV =
1
X = X i fi
+ Aj
j −1
del
Xm − X0
' '
1 m
 X i −  fi + 2 
Tc: tercer

(F − F )
intervalo 2 Cuartil
N
 (X i −  ) f i
i =1 1
j j −1
de mayor
frecuencia
N i =1  Pc: primer
cuartil
N

MEDIDAS RESUMEN PARA DATOS MUESTRALES

Cantidad Tendencia Central Dispersión

De datos Media Mediana Moda Longitud Desviación Varianza Desviación Coeficiente Desviación
Aritmética de recorrido media estándar de variación Intercuartilica
n  30 + S2
( )
Si n par: x̂ : el dato LR= DM = 2 DI = Q3 - Q1
1 n S
 xi − x
x= ~
-x Max xi – n S=
1
 xi − x
: es el valor de la que mas se S2 = CV =
Min xi Q3: tercer
1 n n i =1 x
 xi
semisuma de los repite.
Cuartil
datos centrales n i =1 Q1: primer
n i =1 cuartil
Si n impar:
~
-x : es el valor del dato
central.
n > 30 ~
x= X’j-1 + x̂ LR = DM = S2 =
+ S2 DI = Q3 - Q1
x= : marca S
(0.5n − F )
S=
Xm − X0
' ' 2

( )
m CV =
1
 X i − x fi
de clase de
1 m j −1 Q3: tercer
 X i fi
n i =1
Aj
(F − F )
j j −1
del intervalo
de mayor
1
n
 X i − x fi n i =1
x Cuartil
Q1: primer
frecuencia cuartil

LIC. MARÍA A. ZACARÍAS DÍAZ 19

Indicadores de tendencia central
La Media aritmética: es un valor hacia el cual tiende a acumularse la mayoría de los datos.
La Mediana: es un valor que divide al conjunto de datos en dos partes, dejando debajo de ese valor
el 50% de los datos y por encima el otro 50%
La Moda: es el valor más frecuente en el conjunto de datos.

Indicadores de dispersión
Longitud de recorrido: es la distancia entre en menor y mayor valor del conjunto de datos
La desviación media: es un valor, que indica que la mayoría de los datos se aleja de la media en a lo
más ese valor. Cuanto más pequeño, indicara que los datos están más cerca de la media, es decir
menos dispersa.
La desviación estándar: es un valor, que indica que la mayoría de los datos se aleja de la media en a
lo más ese valor. Cuanto más pequeño, indicara que los datos están más cerca de la media, es decir
menos dispersa.
La Desviación intercuartílica: este valor es una distancia, que cuanto más pequeña sea, indicará que
el 50% de la parte central, de la distribución de los datos, esta menos dispersa

Cálculo de los diferentes indicadores de Tendencia Central y Dispersión, cuando se tiene 30 o

menos datos.

Ejemplo 8
➢ Interesado: El director de la EPE de la FCM de la UNMSM
➢ UO: Curso semestral que se dictó en el periodo académico 1997 – I, en la EPE de la FCM de la
UNMSM.
➢ Característica y sus elementos.
Nombre: Porcentaje de avance del curso
Definición conceptual: Cuantifica el avance del dictado de los temas establecidos en el Silabo
del curso, en forma porcentual.
Definición operacional: El tema que está dictando el profesor, se ubica en el silabo y se ve a
que semana corresponde, ese número de semana se divide entre 14 y se multiplica por 100.
➢ Dato o medida: 15%
➢ Población: Todos los cursos semestrales, dictados en el Periodo Académico 1997 - I
➢ Variable: Porcentaje de avance del curso.
➢ Notación de la variable: X
➢ Tipo de variable: cuantitativa continua.
➢ Dato poblacionales: {45 40 50 50 55 45 40 48 48 45 50 48 50 40 45 48 48 45}
➢ Información: ¿Qué porcentaje de avance se ha logrado en la mayoría de los cursos?
Nota. Los datos se obtuvieron a través de una encuesta llevada a cabo a mediados del periodo
académico.

SOLUCIÓN
Al tener menos de 30 datos, para obtener la información buscada por el director de la EPE, veremos si
se logra aplicando medidas resumen.

Los datos son poblacionales y N < 30, entonces las fórmulas a utilizar para hallar los indicadores o
medidas resumen para este conjunto de datos se usará las siguientes fórmulas:

Indicadores Tendencia Central

1. Media Aritmética

∑18
𝑖=1 𝑥𝑖
𝜇𝑋 = 18
= 46.6% (Observación: el símbolo porcentaje es la unidad de la variable)

LIC. MARÍA A. ZACARÍAS DÍAZ 19

 2. Mediana.
- Ordenamos los datos de menor a mayor
40 40 40 45 45 45 45 45 48  48 48 48 48 50 50 50 50 55
- Cómo el número de datos es par, entonces el valor de la mediana estará dado por la
semisuma de los datos centrales.
Luego. Me = 48%
3. Moda.
Existen varias modas, porque varios de los datos diferentes se repiten, por lo tanto, no tiene
sentido considerar este indicador.

Indicadores de dispersión.

1. Longitud de recorrido.
LoR = 55 - 40 = 15%

2. Desviación Media.

18

x i −
DeM = i =1
= 3.15 %
18

xi xi − 
40 6.6
40 6.6
40 6.6
45 1.6
45 1.6
45 1.6
45 1.6
45 1.6 10 datos
u = 46.6 % 48 1.4
48 1.4
48 1.4
48 1.4
48 1.4
50 3.4
50 3.4
50 3.4
50 3.4
55 8.4
56.8

Interpretación.
Observando la columna de las desviaciones, xi −  , tenemos que 10 datos se alejan de la media en
menos de 3.15 o lo que es equivalente a qué el 55% de los datos se aleja de la media en menos de
3.15, es decir la mayoría, podríamos interpretar como que los datos no están muy dispersos.

3. Varianza.

LIC. MARÍA A. ZACARÍAS DÍAZ 20

 ∑𝑚
𝑖=1(𝑥𝑖 −𝜇)
2
𝜎𝑋2 = 𝑁
(a)

Esta fórmula es equivalente a:

∑𝑁 2
𝑖=1 𝑥𝑖 2 𝜇𝑋 ∑𝑁𝑖=1 𝑥𝑖 𝑁𝜇𝑋
𝜎𝑋2 = − +
𝑁 𝑁 𝑁
∑𝑛
𝑖=1 𝑥𝑖
𝜎𝑋2 = 𝑁
− 𝜇2 (b)

Por lo tanto, el valor de la varianza puede ser obtenido a partir de las fórmulas (a) o (b).
Para el ejemplo utilizaremos las dos fórmulas.

Cálculos según (a) Cálculos según (b)

xi ( xi −  ) ( xi −  )2 xi xi2
40 -6.7 44.89 40 1600
40 -6.7 44.89 40 1600
40 -6.7 44.89 40 1600
45 -1.7 2.89 45 2025
45 -1.7 2.89 45 2025
45 -1.7 2.89 45 2025
14 datos se
45 -1.7 2.89 alejan de la 45 2025
media en menos
45 -1.7 2.89 de 15 %, es decir
45 2025
48 1.3 1.69 el 77.8% 48 2304
48 1.3 1.69 48 2304
48 1.3 1.69 48 2304
48 1.3 1.69 48 2304
48 1.3 1.69 48 2304
50 3.3 10.89 50 2500
50 3.3 10.89 50 2500
50 3.3 10.89 50 2500
50 3.3 10.89 50 2500
55 8.3 68.89 55 3025
840 270.02 840 39470

840
𝜇𝑋 = = 46.66667 % ≈ 46.67
18
270.02 39470
𝜎𝑋2 = = 15 %2 𝜎𝑋2 = − 46.67 ∗ 46.67 = 14.69 %2
18 18

El valor de la varianza calculada a partir de la fórmula (b) proporciona un valor algo diferente del dado
por la fórmula (a), eso es debido a que el valor de la media se ha redondeado, considerando dos cifras
decimales.

4. Desviación estándar.

(a) 𝜎𝑋 = 3.871 % (b) 𝜎𝑋 = 3.833 %

LIC. MARÍA A. ZACARÍAS DÍAZ 21

Los indicadores de dispersión: longitud de recorrido, desviación media, varianza y desviación estándar
son llamados indicadores de dispersión absoluta ya que están expresados en términos de las unidades
de la variable en estudio.

5. Coeficiente de Variación.

(a) CoV = 0.083 (b) CoV = 0.0821

Al coeficiente de variación se le considera como un indicador de dispersión relativa. (No tiene

unidades)

Uso del coeficiente de variación

Aunque fundamentalmente el coeficiente de variación se utiliza en la "comparación" de dos o más

conjuntos de datos (para saber cuál es más disperso o menos disperso), en el caso de analizar un solo
grupo de datos y dado que la dispersión es un aspecto importante para elegir qué promedio usar, y
teniendo cuidado que el valor de la media no esté cerca de 0, podemos tomar en consideración lo
siguiente:
Sí el 0<CoV<=0.15 los datos presentan poca dispersión

0. 15<CoV<=0.25 los datos presentan regular dispersión

Cov > 0.25 los datos presentan bastante dispersión

Nota. Si tuviera que compararse dos o más conjuntos de datos, puede hacerse en términos de los
indicadores de dispersión absoluta, si los conjuntos de datos están expresados en las mismas unidades.

TABLA RESUMEN

Tendencia Central Dispersión

 Me Mo LoR DeM 2  CoV
46.67% 48% - 15% 3.15 % 15 % 3.871%. 0.083

Pasos a seguir para elegir el indicador de tendencia central como medida adecuada

1. Observar el CoV, si su valor es menor que 0.15 o menor 0.25, entonces la dispersión de los
datos es baja o regular
2. Observar los indicadores de tendencia central, si no existe mucha diferencia entre el valor de
la media, el valor de la mediana y el valor de la moda, puede elegirse la media aritmética como
indicador de tendencia central.
3. Sin embargo, también debe observarse la forma de la distribución de los datos, si es simétrica
o casi simétrica, se elige la media aritmética, si es asimétrica se elige la mediana, si es bimodal
se eligen las modas.
4. Finalmente, en términos del indicador de tendencia central elegido se hace la interpretación.

OBSERVACIÓN
La tabla de frecuencias y la gráfica asociada a ella, se construye cuando se tiene 30 o más datos, sin
embargo, en el paso 3, para elegir el promedio adecuado, indica que se debe observar la forma de la
distribución de los datos.
Cuando se tiene menos de 30 datos, para tener la forma de la distribución de la distribución de los
datos se construye la “Gráfica de puntos”

LIC. MARÍA A. ZACARÍAS DÍAZ 22

 n<30 datos
Construcción de la gráfica de puntos.
1. Trazar un segmento de recta de los números reales en escala aritmética.
2. Ubicar y registrar con un círculo pequeño el valor de cada dato.
3. Si existe dos o más datos con el mismo valor, colocar círculos superpuestos sobre el valor
correspondiente.
Ejemplo. Aplicando a los datos del caso que se está tratando.

Gráfica de puntos de porcentaje de avance del curso

40 42 44 46 48 50 52 54

Aplicando los pasos indicados para elegir el promedio adecuado al caso que se está tratando.

1. El valor del CoV = 0.0829 nos dice que la dispersión de los datos es baja.
2. El valor de 𝜇𝑋 = 46.67 % y el valor Me = 48 %, estos valores presentan una diferencia no
muy grande.
3. Se observa la gráfica de puntos, esta nos muestra, que la distribución de los datos es casi
simétrica.
4. Conclusión se elige la media aritmética.

Interpretación. La mayoría de los cursos presenta un avance del Silabo en torno al 46.7 % a mitad del
periodo académico, es decir hay un ligero atraso.

INFORMACIÓN BUSCADA
¿Qué porcentaje de avance se ha logrado en la mayoría de los cursos?
Por la interpretación que proporciona la medía aritmética, avalada por los pasos seguidos para su
elección como indicador de la tendencia central, en este caos, sí proporciona la información buscada.

Cálculo de los diferentes indicadores de Tendencia Central y Dispersión, cuando se tiene más de 30
datos.
Cuando se tiene pocos datos, menos de 30, para mostrar la forma de la distribución de los datos se
usa la gráfica de puntos.

Ejemplo 9
La profesora del curso de estadística I, grupo 4 Sem. 2003 – I, de la EAP de Estadística, FCM,
generalmente, al finalizar el periodo académico obtiene el porcentaje de asistencia de cada uno de sus
estudiantes, para posteriormente ver si hubo o no relación con la nota final que obtuvieron. Con los
datos que obtiene desea saber, ¿Cómo fue la asistencia de la mayoría de los estudiantes? Los datos se
dan a continuación:

0.48 0.35 0.42 0 0.26 0.13 0.06 0.16 0.84 0.55 0.74 0.26
0.1 0.71 0.74 0.74 0.45 0.39 0.81 0.68 0.06 0.19 0.23 0.71
0.61 0.1 0.32 0.61 0.71 0.55 0.65 0.65 0.77 0.74 0.61 0.55
1. Obtenga el indicador de tendencia central y dispersión que describa a estos datos.
LIC. MARÍA A. ZACARÍAS DÍAZ 23
 2. ¿En términos del indicador de tendencia central se puede responder la inquietud de la
profesora?
Solución.
Conceptos básicos
Interesado: La profesora del curso.
Información que busca la profesora: ¿Cómo fue la asistencia de la mayoría de los estudiantes?
➢ UO: El estudiante del curso de Estadística I del grupo 4 del Período Académico 2003-I, de la
EAPE de la FCM.
➢ Población: todos los alumnos del grupo 4.
➢ Característica y sus elementos.
Nombre: porcentaje de asistencia
Definición conceptual: Indica a que tanto de las clases programadas para el periodo académico
asistió el estudiante.
Definición operacional: Se registra el número de clases a las que asistió el estudiante, se divide
entre el número de clases programadas para el periodo académico y se multiplica por 100.
➢ Dato: 30 %
➢ Población: Todos los alumnos del curso de Estadística del G4.
➢ Variable: Porcentaje de asistencia a clases
➢ Notación de la variable: X
➢ Tipo de variable cuantitativa continua.
➢ Datos poblacionales: {0.48, 0.35, … , 0.55}
➢ Total de datos poblacionales: N = 36

Previo al cálculo de los indicadores de tendencia central y dispersión, se construye la tabla de

frecuencias y el polígono de frecuencias, dado que, el observar la forma de la distribución de los datos
o el comportamiento de la variable ayuda a visualizar la tendencia central

Distribución de los alumnos de acuerdo al

X i −1 − X 'i
' Xi fi Porcentaje de asistencia
0.06 - 0.19 0.125 6
12
0.19 - 0.32 0.255 4 10
0.32 - 0.45 0.385 4 8
6
0.45 - 0.58 0.515 5 4

0.58 - 0.71 0.645 6 2

0
0.71 - 0.84 0.775 10 0.00 0.06 0.19 - 0.32 0.45 - 0.58 - 0.71 - 0.84
- - 0.19 0.32 - 0.45 0.58 0.71 0.84 - 0.97
0.06
Po r cent aje d e asist encia

Como los datos son poblacionales y se tiene más de 30 datos y se cuenta con la tabla de frecuencias
las fórmulas a utilizar para el cálculo de la media y la varianza son:
∑𝑚
𝑖=1 𝑋𝑖 𝑓𝑖 ∑𝑚 2
𝑖=1(𝑋𝑖 −𝜇) 𝑓𝑖 ∑𝑚 2
𝑖=1 𝑋𝑖 𝑓𝑖
𝜇𝑋 = 𝑁
𝜎𝑋2 = 𝑁
𝜎𝑋2 = 𝑁
− 𝜇2

′
𝑋𝑖−1 𝑋𝑖′ Xi fi Xif i X i f 2i
0.07 - 0.19 0.125 6 0.75 0.09375
0.20 - 0.32 0.255 4 1.02 0.2601
0.33 - 0.45 0.385 4 1.54 0.5929
0.46 - 0.58 0.515 5 2.575 1.326125

LIC. MARÍA A. ZACARÍAS DÍAZ 24

 0.59 - 0.71 0.645 6 3.87 2.49615
0.71 - 0.84 0.775 10 7.75 6.00625
35 17.505 10.775275

Luego:  = 0.5%  2 = 0.0577222 %2  = 0.2403 % CoV = 0.48037

2. Cálculo de la mediana.
Procedimiento.
a. Se construye la tabla de frecuencias acumuladas (absolutas o relativas)

′
𝑋𝑖−1 𝑋𝑖′ Fi
0.06 - 0.19 6
0.19 - 0.32 10
0.32 - 0.45 14
0.45 - 0.58 19
0.58 - 0.71 25
0.71 - 0.84 35
b. Se halla N/2 = 17.5
c. Se busca en la tabla de frecuencias acumuladas, la menor frecuencia absoluta acumulada
que supere a N/2, para el ejemplo es:
F4 = 19 > 17.5, a esta cuarta frecuencia acumulada le corresponde el cuarto intervalo,
es decir [0.45 - 0.58), en este intervalo se encontrara el valor de la mediana.

d. Utilizando la fórmula, Me = X 3` + A4
( 0.5N − F3 ) , obtenemos el valor de la mediana,
( F4 − F3 )
Me = 0.45 + 0.13( 17.5 – 14)/ (19 – 14) = 0.541 %

3. Cálculo de la moda.
La forma de la distribución de los datos muestra dos puntos de acumulación, el valor hacia
donde se acumulan los datos, indica que es el valor más frecuente, es decir la moda
En este caso se tiene dos Modas.
Mo1 = 0.125 % Mo2 = 0.775%

Tabla de las medidas resumen

Tendencia central Dispersión
 Me Mo1 Mo2 LoR 2  CoV
2
0.5 % 0.541% 0.125% 0.775% 0.78% 0.0577% 0.24% 0.48

Aplicando los pasos para elegir el indicador de tendencia central adecuado

1. El valor del CoV = 0.48 indica que los datos están muy dispersos
2. El valor de 𝜇𝑋 = 0.5 % , el valor Me = 0.541 % , existen dos modas Mo1 = 0.125 % y Mo2 =
0.775 % estos valores son muy diferentes.
3. Se observa el polígono de frecuencias, éste muestra que la forma de la distribución de los datos
tiene dos puntos de acumulación, esta es la causa de que el valor del coeficiente de variación
sea muy grande y que el valor de los indicadores de tendencia central sea muy diferentes.
4. Conclusión se eligen las modas.

Interpretación en términos de los datos.

LIC. MARÍA A. ZACARÍAS DÍAZ 25

Una parte de los datos tiende a acumularse en torno al valor 0.125 % y otra parte, que es más que el
otro tiende a acumularse en torno al valor 0.775 %

Interpretación en términos de las UO

De este total de alumnos, existe un grupo con una mayor cantidad de alumnos, donde es más frecuente
que su porcentaje de asistencia es de 77.5 % y en el otro grupo que son de menor cantidad, es más
frecuente que su porcentaje de asistencia es de 12.5%

PROPIEDADES DE LA MEDIA ARITMÉTICA Y LA VARIANZA

1. Si los datos asociados a una variable son todos iguales, entonces:

La media aritmética es igual al valor que toma la variable, y la varianza es igual a cero.
2. Sean la media,  X , y la varianza,  X , de la variable X, si se define una nueva variable, digamos Y,
2

donde Y = k + X, entonces:
La media aritmética de Y es : Y =  X + k y la varianza es  Y2 = X2
3. Sean la media,  X , y la varianza,  X , de la variable X, si se define una nueva variable, digamos Y,
2

donde Y = k ( X) entonces:
La media aritmética de Y es : Y = k  X , y la varianza es:  Y2 = k 2  X2
Demostración.

Sea Y = KX, donde yi = kxi , i =1, 2, 3, ….., N

∑𝑁
𝑖=1 𝑦𝑖 ∑𝑁
𝑖=1 𝑘𝑥𝑖
𝜇𝑌 = = = K𝜇𝑋
𝑁 𝑁

∑𝑁
𝑖=1(𝑦𝑖 − 𝜇𝑌 )
2 ∑𝑁
𝑖=1(𝐾𝑥𝑖 − 𝐾𝜇𝑋 )
2 ∑𝑁
𝑖=1(𝑥𝑖 − 𝜇𝑋 )
2
𝜎𝑌2 = = = 𝐾2 = 𝐾 2 𝜎𝑋2
𝑁 𝑁 𝑁

Ejemplo 10
Se tiene información estadística respecto a la masa de los alumnos ingresantes a la facultad de
Medicina de la Universidad AAA.

Medidas Resumen Alumnas Alumnos

X 45 kg. 50 kg
3 kg. 6 kg.
X

Posteriormente se supo que la balanza estaba malograda y que daba en exceso una masa adicional de
3 kg. Al obtener los indicadores correctos, las autoridades concluyeron que la masa de la mayoría de
las alumnas es muy bajo. ¿Es cierto lo que dicen las autoridades?

Solución.
Interesados: director de la EP de medicina
Información que busca el director: ¿Es cierto que la masa de las estudiantes es muy baja?
UO: Alumna ingresante a la EP de medicina.
Característica: masa de la estudiante.
Definición conceptual: la magnitud física que permite indicar la cantidad de materia que contiene un
cuerpo. La unidad de masa en el Sistema Internacional es el kilogramo.
Definición operacional: se usa una balanza para obtener la masa de la estudiante
Dato: 45 Kg
Subpoblación: Alumnas ingresantes a la EP de medicina

LIC. MARÍA A. ZACARÍAS DÍAZ 26

Variable X: masa de la alumna.
Datos poblacionales: {…..]
A partir de estos datos se ha obtenido las siguientes medidas resumen
 X = 45 kg. y  X2 = 9 kg2
Sea la variable Y: masa verdadera de la alumna, que está definida como:
Y = X - 3
Por propiedades de la media y la varianza, tenemos que:
𝜇𝑌 = 𝜇𝑋 − 3 = 45 - 3 = 42 kg.
𝜎𝑌2 = 𝜎𝑋2 = 9 𝜎𝑌2 = 3
CoV = 3/42 = 0.071

Como el CV = 0.071 < 0.15, es decir la variabilidad de la masa de la mayoría de las alumnas es bajo,
entonces el peso medio de las alumnas es de 42 kg. Luego la conclusión de las autoridades es cierta.
Se confirma lo que indicaron las autoridades

Es deseo de las autoridades que los alumnos tengan un buen rendimiento académico, y como para ello
los alumnos deben tener un buen estado físico, las autoridades deciden mejorar la masa de las alumnas
sometiéndolas a una dieta durante un mes, esta dieta da lugar a un incremento del 10% en la masa
mensualmente. ¿Cuál es la masa media y la variabilidad de la masa de las alumnas al finalizar el mes?

Solución.
Sea la variable X : Masa de la alumna
Donde:  X = 42 kg. y  X2 = 9 kg2 CoV = 0.071

Sea la variable Z: Peso incrementado de la alumna, que está definido como: Z = 1.1X
Por propiedades de la media y la varianza, tenemos que:
𝜇𝑍 = 𝐾𝜇𝑋 = 1.1 (42) ó 46.2 kg.

𝜎𝑍2 = 𝐾 2 𝜎𝑋2 = (1.1)^2* 9 = 50.82 kg2  Y = 7.13 kg

C0V = 0.1154
Si bien las alumnas han incrementado su peso, pero, la variabilidad de los pesos también se ha
incrementado, ya que el CoV = 0.11 > 0.071

4. Si el conjunto de datos poblacionales, se subdividen en k grupos y de cada grupo se conoce su media

y la cantidad de datos de cada grupo, es decir 1 , 2 ,. . . , k y N1 , N 2 ,. . . , N k respectivamente,
entonces la media de todo el conjunto de datos es:
1 N1 + 2 N 2 + . . . + k N k
=
N
5. Si el conjunto de datos poblacionales, se subdividen en k grupos y de cada grupo se conoce su
varianza y la cantidad de datos de cada grupo, es decir 1 ,  2 ,... ,  k y N1 , N 2 ,. . . , N k
2 2 2

respectivamente, entonces la Varianza de todo el conjunto de datos es:

N 1  12 + N 2  22 + . . .N k  k2 N (  −  ) 2 + N k (  k −  ) 2 + ... + N k ( k −  ) 2
2 = + 1 1
N N
Intra var ianza Inter var ianza

LIC. MARÍA A. ZACARÍAS DÍAZ 27

Esta propiedad nos dice que la variabilidad total de los datos, es decir,  X puede deberse tanto a la
2

variabilidad dentro de cada grupo, intravarianza, como a la variabilidad entre los diferentes grupos,
intervarianza.

Ejemplo 11
La siguiente tabla contiene la media aritmética y desviación estándar del promedio ponderado de los
alumnos por Escuelas Académicos Profesionales de la Facultad de Ciencias Matemáticas, del periodo
académico 2002 – I que cursaron. (No incluye a los ingresantes 2002).

ESCUELAS Media Desviación Numero de

Aritmética Estándar Alumnos

Matemática 9.66 ptos. 1.97 ptos 328

Estadística 10.33 ptos 1.82 ptos 208
Investigación 11.11ptos 1.8 ptos. 286
Operativa

a. Halle la media aritmética del promedio ponderado de los alumnos de la facultad.

b. Halle la variabilidad del promedio ponderado de los alumnos de la facultad
c. La variabilidad del promedio ponderado se debe principalmente, ¿A la intervarianza o
intravarianza?
d. Los indicadores obtenidos son, ¿Parámetros o estadígrafos?
e. La información obtenida, ¿Está en situación de certeza o incertidumbre?

Solución.
Interesado: El director académico de la FCM
Información que busca el director académico: ¿A qué se debe la variabilidad del promedio
ponderado?
➢ Unidad Estadística: Alumno de la FCM que curso el periodo académico 2002 – I (No incluye
ingresantes)
➢ Población: Todos los alumnos de la FCM que cursaron el periodo académico 2002 –I..
➢ Sea la variable X: Promedio Ponderado.
➢ Tipo de variable: Cuantitativa continua.
➢ Datos poblacionales: { …. } a partir de estos se han hallado las medida resumen que aparecen
en la tabla adjunta, llamados parámetros.

a. Hallamos la media aritmética del Promedio Ponderado de todos los alumnos de la facultad.

328(9.66 ) + 208(10.33) + 286(11.11)

X = =10.334 puntos.
328 + 208 + 286
b. Para determinar la variabilidad del promedio ponderado, se debe hallar la intervarianza y la
intravarianza.
Cálculo de la Intravarianza.
328(1.97) 2 + 208(1.82) 2 + 286(1.8) 2
 2
int ra = = 3.514
822

Cálculo de la Intervarianza
328(9.66 − 10.334) 2 + 208(10.33 − 10.334) 2 + 286(11.11 − 10.334) 2
 int2 er = = 0.391
822
LIC. MARÍA A. ZACARÍAS DÍAZ 28
 Donde 10.334 es la media de todo el grupo, es decir 
Luego:
 2 = 3.514 + 0.391 = 3.905 puntos 2

b. La variabilidad de los datos del promedio ponderado se debe principalmente a la

intravarianza, es decir a la variabilidad del promedio ponderado que se da en cada
escuela académico profesional. Con esta respuesta se atiende la inquietud del
interesado.
c. Los indicadores obtenidos son parámetros
d. La información obtenida está en situación de certeza

6.Dadas las variables X e Y, cuya media y varianza son: 𝜇𝑋 , 𝜎𝑋2 y 𝜇𝑌 , 𝜎𝑌2 respectivamente.
Sea la variable S = X - Y, la media y varianza de S son: 𝜇𝑆 = 𝜇𝑋 − 𝜇𝑌 y 𝜎𝑆2 = 𝜎𝑋2 + 𝜎𝑌2 siempre y
cuando X e Y sean variables independientes.

Demostración (Ejercicio) Demostrar es tarea

Ejemplo 12
De un grupo de 20 alumnos se tiene la siguiente información:

Variables Medía aritmética Desviación estándar

Horas de estudio semanal de estadística 3 horas 0.5 horas
Horas de estudio semanal de cálculo III 4 horas 0.8 horas
¿Cuál es el tiempo medio y la varianza, del total de horas de estudio en los 2 cursos?

Solución
Interesado:
Información que busca el interesado:
Ind: Alumno
Población de individuos: 20 alumnos. La palabra grupo, no deja saber si es una parte de un total o es
el total, asumiremos que es el total de estudiantes.
Variables:
X: Horas de estudio semanal de estadística, donde 𝜇𝑋 = 3, 𝜎𝑋 = 0.5 𝜎𝑋2 = 0.25
Tipo de variable: Cuantitativa continua
Y: Horas de estudio semanal de cálculo III, donde 𝜇𝑌 = 4, 𝜎𝑌 = 0.8 𝜎𝑌2 = 0.64
Tipo de variable: cuantitativa continua
Sea la variable, tiempo total de horas de estudio semanal de los dos cursos: T
Donde T = X + Y
𝜇𝑇 = 𝜇𝑋 + 𝜇𝑌 = 3 + 4 = 7
Como las variables consideradas suponemos que son independientes, entonces:
𝜎𝑇2 = 𝜎𝑋2 + 𝜎𝑌2 = 0.25 + 0.64 = 0.89 Hr

DESVIACIÓN TIPICA O ESTANDAR.

La varianza se expresa en unidades que son el cuadrado de la unidad de la variable, que no tiene
significado real, por ello es preferible utilizar otra medida de dispersión y esta es la desviación típica o
estándar que se define como la raíz cuadrada positiva de la varianza.
 =+ 2

LIC. MARÍA A. ZACARÍAS DÍAZ 29

Cuando el polígono de frecuencias es simétrico o casi simétrico, la desviación estándar permite
clasificar a las unidades estadísticas en cinco categorías e indicar el porcentaje de individuos de cada
categoría.
Las categorías y el porcentaje son las siguientes:

Rango de la categoría Nombre de la Porcentaje de

categoría Unid. Estad.
 − 3  − 2 Muy malo 2.5
 − 2  − Malo 13.5
 −  + Regular 68
 +  + 2 Bueno 13.5
 + 2  + 3 Muy bueno 2.5

Ejemplo 13
El siguiente cuadro estadístico y gráfica muestran

Cuadro N° 1
Clasificación de los alumnos de Clasificación de los alumnos de acuerdo a su talla
acuerdo a su talla 20
Talla Alumnos 18
16
1.62 1.67 4
14
1.67 1.72 8
Alumnos

12
1.72 1.77 11 10
8
1.77 1.82 19
6
1.82 1.87 9 4
1.87 1.92 5 2
0
1.92 1.97 4
1.5 1.6 1.7 1.8 1.9 2 2.1
Total 60 Talla

La forma de la distribución de los datos es casi simétrica, por lo tanto, podemos aplicar las propiedades
de la desviación estándar.
En este caso la variable es: Talla del alumno, donde μ = 1.792 m y σ = 0.076 m

Rango de la Nombre de la Porcentaje

alumnos
categoría categoría de alumnos
1.564 - 1.64 Talla muy baja 2 3.33
1.64 - 1.716 Talla baja 9 15
1.716 - 1.868 Talla regular 40 66.67
1.868 - 1.944 Talla Alta 7 11.67
1.944 - 2.02 Talla muy alta 2 3.33

Observando en el cuadro anterior la columna del porcentaje de alumnos, estos porcentajes son
bastante próximos a lo establecido por las propiedades de la desviación estándar.

LIC. MARÍA A. ZACARÍAS DÍAZ 30

VARIABLES ESTANDARIZADAS O TIPIFICADAS

Los datos de una variable pueden tomar varias apariencias numéricas, dependiendo de la unidad en
la cual es medida. Por ejemplo, si se registra el ingreso de los trabajadores en soles o dólares, lo que
da lugar a que, la media aritmética y la varianza con cada una de las unidades sea diferente, pero si se
da en su forma estandarizada, las medias y las varianzas serán iguales en una u otra unidad.
Una variable estandarizada se denota con Z y su definición es:
X − X
Z=
X
Donde:  X es la media y  X es la desviación estándar de X
x − X
Esta definición indica que un dato, zi = i , mide, en cuánto, un dato xi se aleja de su media
X
en términos de su desviación estándar.

La media y varianza de Z son:

X − X
Media de Z es: Z = =0
X
2
Varianza de Z es:  Z2 = X2 = 1
X

Ejemplo 14
La nota media y la varianza del primer examen parcial del curso de cálculo I de un grupo de estudiantes
es:
 X = 10 puntos  X2 = 4 puntos2
Donde X: Nota de cálculo I.

Un alumno obtuvo 11 de nota ¿En unidades estándar a cuanto equivale su nota?

Rpta.
Nota x = 11 puntos

En unidades estándar:

x − X 11 − 10
z= = = 0.5
X 2

Ejemplo 15
La siguiente tabla muestra información estadística, respecto a las notas del primer examen parcial del
curso de Estadística, de todos los alumnos del curso, los cuales están divididos en dos grupos

Grupo Nota media Varianza

1 13 Ptos. 9 Ptos2
2 13 Ptos. 4 Ptos2

El alumno Juan obtuvo 12 puntos y pertenece al grupo 1, y la alumna Rosa también obtuvo 12 puntos
y pertenece al grupo 2. ¿Quién esta en mejor posición?

Rpta.

LIC. MARÍA A. ZACARÍAS DÍAZ 31

Nota estandarizada de Juan: z J = (12 - 13) / 3 = - 0.33

Nota estandarizada de Rosa: z R = (12 - 13) / 2 = - 0.5

Comparando estas notas estandarizadas, que la nota de Rosa es menor que la nota de Juan, entonces
Juan está en mejor posición.

Medidas de Posición. Cuantiles.

Además de las medidas de Tendencia Central, Dispersión, también hay algunas medidas útiles de
posición “no central” que suelen utilizarse al resumir o describir propiedades de un conjunto de datos,
sobre todo si éste es numeroso. A estas medidas se les denomina cuantiles. Algunos de los cuantiles
más utilizados son los Deciles, que dividen los datos ordenados en décimos y los Percentiles que
dividen los datos ordenados en centésimos.

Percentiles.

Notación de los datos ordenados de acuerdo a su valor

Para introducir la definición de percentil, ordenemos el conjunto de datos x1 , x2 ,..., xt , de tal manera
que x(1) sea el menor, x(2) sea el que le sigue y así sucesivamente hasta tener el mayor valor x(t ) . Así
se tiene que x(1) <= x(2) <= …..<= x(t ) . Cada número dentro del paréntesis indica la posición del dato.
(“t” indica el total de datos, es decir, puede ser igual al total de datos poblacionales, N, o al total de
datos muestrales, n)

Ejemplo 16
Las notas finales en el curso de Estadística, de un grupo de 5 alumnos son: { 15, 12, 11, 13, 13}.
Usando la notación de datos, tenemos:
x1 = 15, x2 = 12, x3 = 11, x4 = 13, x5 = 13
Usando la notación de datos ordenados, tenemos:
x(1) = 11, x( 2) = 12, x(3) = 13, x( 4) = 13, x(5) = 15

Cálculo de Percentiles para datos no agrupados

Denotemos el K- esimo percentil por PK, este es un valor dentro del recorrido de la variable y lo que
hace es dividir al conjunto de datos en dos partes, por debajo de su valor se encuentra el K% de los
datos y por encima de su valor el resto de los datos.
Sea el percentil 𝑃𝐾
1. Se ordenan los datos de menor a mayor
2. Se halla la posición de 𝑃𝐾 , a través de la siguiente expresión: Pos𝑃𝐾 = (k*t/100)+0.5.
El valor de PK será el dato de posición PosPK.
3. Si el valor de Pos𝑃𝐾 no es un número entero, entonces se toma el dato de posición de la parte
entera de Pos 𝑃𝐾 y el dato de la posición siguiente, se halla la semisuma de estos datos y este
es el valor de 𝑃𝐾

Ejemplo 17.
Los siguientes datos corresponden a las notas del curso de Cálculo I de 12 Alumnos:
12, 8, 11, 13, 9, 8, 12, 10, 14, 13, 15, 9.
¿Cuál es el valor del percentil 30?

Solución.

LIC. MARÍA A. ZACARÍAS DÍAZ 32

1. Se ordenan los datos de menor a mayor.
8, 8, 9, 9, 10, 11, 12, 12, 13, 13, 14, 15.
2. Se halla la posición de P30, PosP30 =(12*30)/100 + 0.5 = 4.1. Esta posición no es un número entero.
3. El valor del percentil 30 es: P30 = ( x(4) + x(5) )/2 = (9+10)/2 = 9.5
Podemos observar que debajo del valor 9.5 aproximadamente quedan el 30% de los datos.

Cálculo de Percentiles para datos agrupados

Para hallar el percentil Pk, contando con la tabla de frecuencias, se sigue un procedimiento similar para
calcular la mediana. Se tiene en cuenta que debajo del valor de Pk existe el k% de los datos
aproximadamente.
1. Se ubica el intervalo [a, b) en donde está el percentil Pk.
2. El valor del percentil es aproximadamente:
(k /100) − H a
Pk = a + (b − a)
Hb − H a

Ejemplo 18
La siguiente tabla de frecuencias corresponde a los datos de la variable, tiempo que emplearon (X) los
alumnos del curso de Estadística, en rendir una prueba en la que debían emplear a lo más 30 minutos.

Xi-1 - X’i fi Hi
“7 - 10 1 0.025
“10 - 13 4 0.125
“13 - 16 5 0.25
“16 - 19 7 0.425
“19 - 22 9 0.65
“22 - 25 11 0.925
“25 - 28 3 1
40

¿Cuál es el valor máximo necesario para que un alumno sea considerado en el percentil 10?

Solución.
Individuo: El alumno del curso de Estadística.
Conjunto de individuos: Todos los alumnos del curso de Estadística. Constituyen la población.
Sea la variable X: Tiempo que emplearon en rendir una prueba.
Tipo de variable: cuantitativa continua.
Conjunto de datos. Constituyen los datos poblacionales

1. El percentil 10, es decir P10, se encuentra en el intervalo [10 - 13), porque por debajo de su
valor, se encuentra el 10% de los datos y por encima el 90%
2. Luego Pk = 10 + 3(0.1 – 0.025)/(0.125 – 0.025) = 12.25 minutos.

Medidas de Forma. Indicadores de Asimetría y Apuntamiento.

Cuando se tiene más de 30 datos y estos han sido resumidos en una tabla de frecuencias con su
correspondiente gráfica, entonces, podemos observar el comportamiento de la variable y a partir de
esta hablar de las características de Asimetría y Apuntamiento.

Indicadores de Asimetría.

LIC. MARÍA A. ZACARÍAS DÍAZ 33

Las medidas de asimetría indican la deformación horizontal de la gráfica de la distribución de los datos
unimodal, como se aprecia en el siguiente gráfico. Cuando la distribución de los datos no es simétrica
se dice que es sesgada.

Posición de los indicadores de tendencia central

La posición relativa de los indicadores de Tendencia central depende de la forma de la distribución de

los datos, es decir del comportamiento de la variable, así: si la distribución de los datos es simétrica,
es decir, si se observa perfecta simetría respecto de un eje central, la media, mediana y moda
coinciden.

En el caso de distribuciones no simétricas, la posición relativa de la media, mediana y moda depende

del tipo de asimetría. Existen dos tipos de asimetría, así:
Asimetría positiva, si la distribución de los datos tiene una rama extendida, cola hacia la derecha,
ocasionada por valores extremadamente grandes, la moda será menor que la media aritmética. La
mediana por el hecho de dividir al conjunto de datos en dos partes iguales quedará comprendida entre
ambas. Gráficamente visualizamos la ubicación de la media, mediana y moda.

Mediana

Moda

Media

Asimetría negativa, si la distribución de los datos tiene una rama extendida, cola hacia la izquierda,
ocasionada por valores extremadamente pequeños, el valor de la moda será mayor que el de la media
aritmética. La mediana estará ubicada entre la moda y la media.
La asimetría de distribuciones de datos unimodales se mide con el sesgo de Pearson. Este índice se
calcula teniendo en cuenta qué, en este tipo de curvas, la media aritmética tiende a ubicarse, con

LIC. MARÍA A. ZACARÍAS DÍAZ 34

respecto de la moda, al mismo lado de la cola más larga, por lo que una medida para el sesgo se obtiene
con la diferencia de la S = media – moda. Si la diferencia es positiva, la distribución tiene una cola hacia
la derecha; si la diferencia es cero la distribución es simétrica; si la diferencia es menor que cero la
distribución tiene una cola hacia la izquierda.
La medida obtenida depende de las unidades de la variable, por ello para comparar la simetría de dos
o más distribuciones es necesario estandarizar los sesgos y esto se logra con el Sesgo de Pearson

Coeficiente de Pearson
3(media − mediana)
AS =
Desviacion es tan dar
El sesgo de Pearson se denotará con As si este se obtiene a partir de los datos poblacionales, y con as
si se obtiene a partir de datos muestrales.

Ejemplo 19.
a. Halle los indicadores de asimetría para el problema 18.
b. ¿Los indicadores que obtuvo, ¿son parámetros o estadígrafos?

Indicadores de Apuntamiento

El grado de deformación vertical (apuntamiento o aplastamiento) de una distribución de frecuencia

se mide mediante el coeficiente de curtosis.
Tal como se observa en el siguiente gráfico, la curtosis se relaciona con medidas resumen de
dispersión.

Leptocurtica
Mesocurtica

Platicurtica

Obtención del Coeficiente de curtosis

0.5( P75 − P25 )

C= - 0.263
P90 − P10
Si: C > 0 la curva se llama leptocurtica.
C < 0 la curva se llama platicurtica
C = 0 la curva se llama mesocúrtica

Ejemplo 19
Calcule el coeficiente curtosis para el problema 13.
El indicador que ha obtenido, ¿es un parámetro o estadígrafo?

Definición de Conceptos Básicos.

PARÁMETRO.
A las medidas resumen obtenidas a partir de todos los datos poblacionales se les llama parámetros.
LIC. MARÍA A. ZACARÍAS DÍAZ 35
ESTADÍGRAFO.
A las medidas resumen obtenidas a partir de los datos muestrales se les llama estadígrafos.

ESTADÍSTICA.

Definición: Estadística es la ciencia que proporciona, procedimientos y métodos por medio de los
cuales podemos recolectar, clasificar, presentar y resumir un conjunto de datos. La información que
se obtiene está en relación al conjunto de individuos u objetos, a partir de los cuales se obtuvo los
datos. A partir de la información obtenida se puede extraer conclusiones y efectuar decisiones.
Dentro de la estadística se puede considerar:

A. Estadística Descriptiva.
Está relacionada con la recolección, tabulación, presentación de datos y el cálculo de medidas resumen
que permiten obtener información estadística, a partir de ésta se obtendrá conclusiones sea a nivel de
la población o la muestra. Se ha aplicado estadística descriptiva.

B. Estadística Inferencial
Relacionada con el proceso de generalizar conclusiones respecto de la población total, sí la
información con la que se cuenta ha sido obtenida de una parte o muestra de la población. Esta
generalización podrá hacerse, sí el tamaño de muestra y la selección de los individuos integrantes de
la muestra han sido seleccionados utilizando métodos estadísticos.

Ejemplo.
En los siguientes enunciados identifique si en su contenido se encuentra, un estadígrafo, un parámetro
o un dato e indique el nombre, justifique su respuesta. Asimismo, diga si se está utilizando Estadística
descriptiva o inferencial. Interprete la información que proporciona cada enunciado.

a. De los 7 mil 108 docentes que obtuvieron nota aprobatoria en el último examen de la Carrera
Pública Magisterial (2012), 3 mil 122, es decir el 44%, recibió antes capacitación por parte del
Ministerio de Educación, lo que evidencia que las clases de actualización, que se imparten de
manera gratuita, han permitido una mejora en el conocimiento de los maestros y la más alta
nota fue de 19 puntos.
b. Siete de cada diez mujeres no denuncia el maltrato que recibe de su pareja debido a que siente
vergüenza, miedo a más agresión, temor al divorcio, culpa, o no sabe a dónde ir, informó el
director del Instituto Guestalt de Lima, Manuel Saravia Oliver, quien indicó que "la violencia
familiar es un grave problema de salud pública".

Solución “a”
➢ Subpoblación constituida por 7108 docentes que aprobaron el último examen de la Carrera
Pública Magisterial.
➢ U.E: profesor que aprobó el último examen de la carrera pública magisterial.
➢ Variable. X: Recibió o no recibió Capacitación antes del examen por parte del Ministerio de
educación.
➢ Datos: {1, 0, 0, 0, ……, 1, 0, 0, 0} son 7108 datos donde: 0 = No recibió capacitación y 1 = si
recibió capacitación.
Información obtenida.

Distribución de los profesores de acuerdo

A si recibió o no Capacitación.

Capacitación Profesores
LIC. MARÍA A. ZACARÍAS DÍAZ 36
 Si 3122
No 3986

A partir de este cuadro obtenemos el porcentaje de profesores que recibieron capacitación,

P = 0.44 es decir 44%, estadísticamente este es un parámetro porque se ha obtenido a partir de todos
los datos poblacionales y su nombre es Proporción Poblacional.
SE ha utilizado estadística descriptiva, porque se recopila, procesa y se obtiene información, la cual
permite analizar y tomar decisiones, en este caso, de este grupo de profesores el 56 % no ha recibido
capacitación, y para ver el efecto de la capacitación se debiera contar con la distribución de las notas
de los profesores que recibieron capacitación.
Para este mismo conjunto de datos también se cuenta con la característica, Y: Nota Obtenida, pero
sólo proporcionan la nota más alta obtenida por uno de los profesores que es 19 puntos.

Solución “b”
Suponemos que el Instituto Guestalt ha llevado a cabo una encuesta por muestreo y no un censo
porque la población constituida por mujeres peruanas que tienen pareja es muy grande. La muestra
es de tamaño n.
U.E es la mujer peruana que tiene pareja.
De la muestra de tamaño n de mujeres que tienen pareja, se considera a la submuestra de mujeres de
tamaño n1 que son maltratadas y en estas se mide la variable, X: Si denuncia o no denuncia el maltrato
que recibe de su pareja.
Datos, {1, 0, 1, 0, ……0, 0} donde 0= No denuncia que recibe maltrato de su pareja, 1= si denuncia que
recibe maltrato.

Información obtenida.
Distribución de Mujeres Maltratadas por
su pareja de acuerdo a si denuncian o
no el maltrato.
Denuncia de Porcentaje de
Maltrato Mujeres

Si 30
No 70

A partir de este cuadro obtenemos la proporción de mujeres de la submuestra, que No denuncian que
reciben Maltrato, p = 70 %. Estadísticamente, tenemos que esta medida resumen es un estadígrafo
porque su valor se obtuvo a partir de datos muestrales su nombre es proporción muestral.
Se hizo uso de la Estadística descriptiva, pero suponemos que el instituto recurrió a un Estadístico para
que determine el tamaño de muestra y la forma de selección de la muestra y un método adecuado de
Estimación del parámetro, lo que no incluyo es la medida de probabilidad con la que hace la
estimación, la falta de inclusión de esta medida, hace que la información obtenida sea a nivel
descriptivo solo para las mujeres maltratadas de la submuestra.

LIC. MARÍA A. ZACARÍAS DÍAZ 37