DIDÁCTICA DE LA MEDIDA. 4º E. P.

Curso 2022 - 2023

Tema1: Estadística
1.- ¿Qué es la Estadística? 2.- Un poco de historia. 3.- Conceptos básicos. 4.- Muestras. 5.- Tablas
estadísticas. Frecuencias. 6.- Gráficas. 7.- Parámetros estadísticos. 8.- Interpretación conjunta de la
media y la desviación típica.

1.- ¿Qué es la Estadística?

La Estadística es la parte de las Matemáticas que se encarga del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas, representándolos
gráficamente y analizándolos para sacar conclusiones de dicha población.

Según se haga el estudio sobre todos los elementos de la población o sobre un grupo de ella, vamos a
diferenciar dos tipos de Estadística:

6.- Las creencias acerca de las Matemáticas

Estadística descriptiva. Realiza el estudio sobre la población completa, observando una característica
de la misma y calculando unos parámetros que den información global de toda la población.

Estadística inferencial. Realiza el estudio descriptivo sobre un subconjunto de la población llamado

muestra y, posteriormente, extiende los resultados obtenidos a toda la población.

El proceso estadístico queda constituido formalmente por las siguientes fases:

1. El diseño o planteamiento del estudio: Se fija el objetivo a conseguir, la población

y muestra que va a estudiarse, los caracteres que interesan y la presentación que
se realizará de los datos obtenidos.
2. Recogida y recuento de datos: se pueden utilizar diferentes instrumentos para la
obtención de datos y diferentes técnicas de recuento de los mismos.
3. Organización y representación de la información y obtención de los resultados:
Son las operaciones, tabulaciones de los datos, elaboración de los gráficos que
han previsto en el planteamiento del estudio y que hay que efectuar para obtener
 los resultados. En esta fase cobra importancia el uso de los recursos.
4. Conclusiones o interpretación de los resultados: En función del estudio
realizado, se establecerán predicciones y otras conclusiones de los fenómenos
estudiados.

2.- Un poco de historia

Es difícil conocer los orígenes de la Estadística. Desde los comienzos de la civilización han
existido formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y
otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el número
de personas, animales o ciertas cosas.

La palabra Estadística procede del vocablo “Estado”, pues era función principal de los
Gobiernos de los Estados establecer registros de población, nacimientos, defunciones,
impuestos, cosechas... La necesidad de poseer datos cifrados sobre la población y sus
condiciones materiales de existencia han debido hacerse sentir desde que se establecieron
sociedades humanas organizadas.

• Los egipcios ya analizaban los datos de la población y la renta del país mucho antes de
construir la pirámides. En los antiguos monumentos egipcios se encontraron
interesantes documentos en que demuestran la sabia organización y administración de
este pueblo; ellos llevaban cuenta de los movimientos poblacionales y continuamente
hacían censos (3.500 a. C.)
• En China existían los censos chinos ordenados por el emperador Tao hacia el año 2.200
a.C.
• En la Biblia , en el libro de Números aparecen referencias al recuento de los israelitas
en edad de servicio militar.
• Posteriormente, hacia el año 500 a.C., se realizaron censos en Roma para conocer la
población existente en aquel momento. Se erigió la figura del censor, cuya misión
consistía en controlar el número de habitantes y su distribución por los distintos
territorios.
• En la Edad Media, en el año 762, Carlomagno ordenó la creación de un registro de todas
sus propiedades, así como de los bienes de la iglesia.
• Después de la conquista normanda de Inglaterra en 1.066, el rey Guillermo I, el
Conquistador, elaboró un catastro que puede considerarse el primero de Europa.
• Los Reyes Católicos ordenaron a Alonso de Quintanilla en 1.482 el recuento de fuegos
(hogares) de las provincias de Castilla.
 • En 1.662 un mercader de lencería londinense, John Graunt, publicó un
tratado con las observaciones políticas y naturales, donde Graunt pone de
manifiesto las cifras brutas de nacimientos y defunciones ocurridas en
Londres durante el periodo 1.604-1.661, así como la influencia que ejercían
las causas naturales, sociales y políticas de dichos acontecimientos. Logró
extraer conclusiones para el futuro, inaugurando así la Estadística
Demográfica.

No es hasta el siglo XIX cuando se le da a la estadística carácter de ciencia, la estadística entra en

una nueva fase de su desarrollo con la generalización del método para estudiar fenómenos de las
ciencias naturales y sociales. Galton » (1.822-1.911) y Pearson (1.857-1936) se pueden considerar
como los padres de la estadística moderna. Nace la Estadística Inferencial, la esencia de esta rama
de la estadística es que a partir de una muestra se extraen conclusiones válidas para toda una
población. I

En nuestros días, la estadística se ha convertido en un método efectivo QUIPUS

para describir con exactitud los valores de datos económicos, políticos,
Los Incas no tenían caracteres
sociales, psicológicos, biológicos y físicos, y sirve como herramienta para escritos, utilizaban entrelazados
relacionar y analizar dichos datos. El trabajo del experto estadístico no cintas de colores y nudos para
consiste ya sólo en reunir y tabular los datos, sino sobre todo en el registrar los hechos-quipus-. Este
sistema quedo interrumpido por la
proceso de interpretación de esa información. llegada de los españoles en 1.531

El desarrollo de la teoría de la probabilidad ha aumentado el alcance de

las aplicaciones de la estadística. Muchos conjuntos de datos se pueden
aproximar, con gran exactitud, utilizando determinadas distribuciones
probabilísticas; los resultados de éstas se pueden utilizar para analizar
datos estadísticos. La probabilidad es útil para comprobar la fiabilidad de
las inferencias estadísticas y para predecir el tipo y la cantidad de datos necesarios en un
determinado estudio estadístico.

3.- Conceptos básicos

• Población: Conjunto de elementos objeto de nuestro estudio.

• Individuo: Cada uno de los elementos de la población.

• Tamaño de una población: Es el número de individuos que componen la
población.

• Muestra: Cuando la población es muy grande (por ejemplo, todos los españoles)
o difícil de estudiar (por ej., la calidad de las bombillas o la deformación de los
coches en un choque) se elige una muestra, que es una parte de la población
representativa de la misma.

• Tamaño de la muestra. Número de observaciones en la muestra.

• Variable estadística: Es el dato o característica que se quiere estudiar.

• Tipos de variables estadísticas: Usualmente, las variables estadísticas se

clasifican en cualitativas y cuantitativas, según que las modalidades del carácter
que representan sean o no numéricas .
Dentro de las variables cuantitativas se distingue entre variables discretas y continuas,
siendo discretas aquellas que por su naturaleza sólo pueden tomar valores aislados -
generalmente números enteros- y continuas las que pueden tomar todos los valores de
un cierto intervalo.

Dentro de las variables cualitativas distinguimos nominales y ordinales, las primeras no

admiten orden y las segundas sí.
Ejercicio 1
Un fabricante de pilas se propone realizar un estudio de la durabilidad del
producto. Para ello, debe probar 2 pilas de cada 100 y comprobar si sobrepasan
el tiempo mínimo de duración. Si se dispone de 20.000 pilas:

a) ¿Cuál es la población? ¿cuál es su tamaño?

b) ¿Cuál es la muestra? ¿cuál es su tamaño?
c) ¿Cuál es la variable estadística? ¿de qué tipo es?

Ejercicio 2
Indica de qué tipo son las siguientes variables:

a) El número de pulsaciones en reposo.

b) El país de nacimiento.
c) El diámetro de varias pelotas.
d) El número de veces que el cartero trae paquetes a casa en un mes.
e) La vida útil de las pilas producidas en una fábrica.

Ejercicio 3

a)¿Cuál es la población?
b)¿Cuáles la variable estudiada? ¿de qué tipo es?
c) ¿Qué significa el 44 junto al 3 que hay a la derecha del 3 en la tabla?
d) ¿ Por qué las barras del diagrama están separadas unas de otras?
 4.- Muestras

En la práctica, es muy frecuente tener que recurrir a una muestra para inferir datos de
la población por alguno o varios de los siguientes motivos:

• La población es excesivamente numerosa.

Altura jóvenes europeos entre 18 y 30 años
• La población es muy difícil, o imposible de controlar.
Opinión sobre las rebajas de los clientes que acuden a un centro comercial un
día determinado.
• El proceso de medición es destructivo o es demasiado caro.
Duración de una bombilla
• Se desea conocer rápidamente ciertos datos de la población y se tardaría
demasiado en consultar a todos.
Sondeos electorales

Al sustituir el estudio de la población por el de la muestra, se cometen errores, pero con

eso contamos y pueden controlarse.

Sin embargo, si la muestra está mal elegida (no es representativa), se cometen errores
adicionales imprevistos e incontrolados (sesgos).

El proceso mediante el cual se confecciona la muestra se llama muestreo. Para que el

muestreo nos proporcione una muestra representativa es necesario que se seleccione
aleatoriamente y que todos los individuos de la población tienen la misma probabilidad
de ser elegidos, este muestreo se llama aleatorio.

El tamaño de la muestra es importante, hay relación entre el tamaño de una muestra y

las conclusiones que podemos extraer de ella.

Dentro de los muestreos aleatorios distinguimos los siguientes:

• Muestreo aleatorio simple:

El procedimiento empleado es el siguiente:
1) se asigna un número a cada individuo de la población y
2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de
números aleatorios, números aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el
tamaño de muestra requerido.
 • Muestreo aleatorio sistemático:
Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se
parte de ese número aleatorio i, que es un número elegido al azar, y los
elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k,
i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado
de dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El
número i que empleamos como punto de partida será un número al azar entre 1
y k.

• Muestreo estratificado:
En ocasiones cuando la población objeto de estudio, pertenece a distintos
grupos o estratos conviene elegir la muestra de forma que todos ellos queden
representados.
Este tipo de muestreo, escogiendo un reparto proporcional a los estratos, se
llama estratificado.

5.- Tablas estadísticas. Frecuencias.

Una vez recogidos los datos de la población, se agrupan y se construyen las tablas de
frecuencia.

Tabla estadística de datos aislados

Se realiza un estudio sobre el número de horas que ven la televisión al día los jóvenes de 18
años, y después de entrevistar a una pequeña muestra se obtienen los siguientes resultados: 1,
3, 0, 1, 2, 0, 1, 2, 0, 1, 1, 1, 0, 2, 3, 1, 3, 0, 0, 2, 1, 1, 4, 2, 1, 0, 1, 1, 2, 0

Agrupamos los datos en una tabla estadística de la siguiente forma:

Ejercicio 4
En la tercera fila de una tabla de frecuencias hemos obtenido los siguientes
datos: x3= 5; N3=12; f3= 0,25 y F3=0,5. Interpreta cada uno de los resultados.

Tabla estadística de datos agrupados en intervalos

Para las variables cuantitativas continuas tenemos muchos datos con distintos valores, por
tanto, los datos se agrupan en intervalos 1

Vemos un ejemplo, tomamos el peso de 24 jubilados obteniendo los siguientes datos: 70,1;
63,5; 72,8; 79,9; 61,4; 68,2; 71,6; 69,0; 72,9; 65,7; 64,5; 74,8; 66,3; 60,1; 63,8; 72,2; 72,0; 63,6;
78,9; 77,3; 62,4; 75,2; 75,4; 67,1

1 También se pueden agrupar en intervalos los valores de una variable cuantitativa discreta cuando esta
toma muchos valores diferentes.
Cuando se elabora una tabla con datos agrupados, se pierde algo de información (pues
en ella se ignora cada valor concreto, que se difumina). A cambio, se gana en claridad y
eficacia.

Ejercicio 5 En la tercera fila de una tabla de frecuencias hemos obtenido los siguientes datos:
Clase: [50 , 60); n3= 8 N3=16; f3= 0,2 y F3=0,4. Interpreta cada uno de los
resultados.

Ejercicio 6 El tiempo de espera, en minutos, de un grupo de personas en una parada

de autobús es:

3, 12, 7, 9, 4, 5, 23, 2, 8, 13, 3, 1

5, 6, 16, 14, 20, 6, 15, 4, 3, 7, 9, 21
1, 5, 6, 8, 11, 9, 5, 6, 18, 9, 6, 18

Este es un ejemplo de variable estadística que toma muchos valores distintos y podemos
agruparlos en intervalos. Realiza una tabla estadística teniendo en cuenta que el primer
intervalo es [0 , 4)
Tabla estadística de variable cualitativa

En este caso no tienen sentido las frecuencias acumuladas.

Ejemplo:

En el caso de caracteres ordinales, a veces, se utilizan las frecuencias acumuladas.

6.- Gráficas.

Las distribuciones de frecuencias de las variables estadísticas pueden representarse mediante

tablas y gráficos. A menudo es preferible un gráfico, porque permite resaltar las principales
características de la distribución.

En la elaboración de gráficos estadísticos es fundamental la precisión, la claridad en los títulos,

la elección del tipo de gráfico y el uso de escalas adecuadas. Si uno de estos aspectos no se tiene
en cuenta, el gráfico puede dar una idea inadecuada de la información que se trata de
comunicar.
 6.1.- Gráficas para variables cualitativas.

Para una variable cualitativa los gráficos más usados son el diagrama de rectángulos, el
diagrama de sectores y el pictograma.

Diagrama de rectángulos

Sobre el eje horizontal situamos las distintas modalidades, y sobre cada una se construye un
rectángulo de forma que todos tengan la misma base y estén separados unos de otros el mismo
espacio. Sobre el eje vertical indicamos la altura de cada rectángulo, que coincide con la
frecuencia de cada modalidad.

Diagrama de sectores

En un diagrama de sectores, el ángulo de cada sector es proporcional a la frecuencia

correspondiente.
Este tipo de diagramas es especialmente adecuado para representar, en varios pasos, una
evolución a lo largo del tiempo. En el ejemplo podemos observar, la evaluación, desde 1950
hasta 2010, del nivel de estudios del nivel de estudios de la población de una cierta región

Pictogramas

Son los gráficos más llamativos e intuitivos, aunque menos precisos, se representan por medio
de dibujos y se usan para lograr el interés del público.
 Paises que emiten más cantidad de CO2 a la
atmósfera

6.2.- Gráficas para variables cuantitativas discretas.

Para este tipo de variables los gráficos adecuados son el diagrama de barras, el diagrama de
sectores y el polígono de frecuencias.

Diagrama de barras

Se representan sobre unos ejes de coordenadas, en el eje de abscisas se colocan los valores de
la variable, y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas.

Los datos se representan mediante barras de una altura proporcional a la frecuencia.

Si unimos los puntos medios de los extremos de las barras por una línea obtenemos un polígono
de frecuencias, que se utiliza con variables cuantitativas.

Ejemplo: Población: alumnos de una clase.

Variable: Número de hermanos.

 6.3.- Gráficas para variables cuantitativas continuas o datos agrupados en intervalos.

Para este tipo de variables los gráficos adecuados son el histograma, el histograma de
frecuencias acumuladas, el polígono de frecuencias y la ojiva.

Histograma
Un histograma es un grafico en el que sobre el eje abscisas se construyen unos rectángulos que
tienen por base la amplitud del intervalo, siendo el área de los rectángulos proporcional a la
frecuencia de cada intervalo. En el caso de que los intervalos sean de igual amplitud, podemos
tomar como altura la frecuencia absoluta de cada intervalo. En el caso de que los intervalos
tengan amplitud diferente, tenemos que calcular las alturas de los rectángulos del histograma
para que las áreas de los rectángulos sean proporcionales a las frecuencias. Podemos tomar
n
como altura hi de la siguiente forma: hi= a i
i

Es frecuente encontrar histogramas dobles, por ejemplo diferenciando entre sexos, en el

siguiente histograma se recoge el peso de una población donde sexo1 es hombre y sexo2
mujer:
Si unimos los puntos medios del lado superior de cada rectángulo, obtenemos el polígono de
frecuencias.

Histograma de frecuencias acumuladas

Si se representan las frecuencias acumuladas de una tabla de datos agrupados se obtiene
el histograma de frecuencias acumuladas. En este caso, el polígono de frecuencias recibe
el nombre de ojiva
6.4.- Otras gráficas.

7.- Parámetros estadísticos.

Un parámetro estadístico es una cantidad numérica calculada sobre una población y resume los
valores que esta toma en algún atributo. Los parámetros estadísticos intentan resumir toda la
información de la población en unos cuantos números.

Vamos a estudiar tres tipos de parámetros: de centralización (promedios), de dispersión y de

posición.

7.1.- Parámetros de centralización

Indican valores respecto a los cuales los datos parecen agruparse. Cabe destacar: Media
aritmética, mediana y moda.

Media aritmética (Media) (Mean)

Si llamamos x1, x2, ...., xn a los valores que toma una variable estadística, la media se designa por
𝑥1 +𝑥2 +⋯𝑥𝑛 ∑𝑛
𝑖=1 𝑥𝑖
𝑥̅ y se calcula así: 𝑥̅ = =
𝑛 𝑛

∑𝑘
𝑖=1 𝑥𝑖·𝑛
𝑖
Si los datos están agrupados en tablas: donde xi son los valores de la variable o las
𝑛
marcas de clase.
Propiedades de la media:

1. La media es un promedio aritmético.

2. La media es un valor comprendido entre los extremos de la distribución.


3. El valor medio es influenciado por los valores de cada uno de los datos, siendo, por tanto,
muy sensible a los valores extremos.


4. La media no tiene por qué ser igual a uno de los valores de los datos. Incluso puede no tener
"sentido" para los datos considerados (como decir que el número medio de hijos en las familias
españolas es 1,1)

5. Hay que tener en cuenta los valores nulos en el cálculo de la media.


6. La media se expresa en las mismas unidades de medida que los datos.

7. Conociendo la media de dos distribuciones y el tamaño de la población en cada caso, podemos

hallar la media global.

8. La media es la mejor estimación de una cantidad desconocida, cuando hemos hecho varias
medidas de la misma. Esta es la propiedad de la media que usamos cuando calificamos a un
alumno a partir de varias evaluaciones o cuando estimamos el tiempo de espera en la parada
de un autobús. Por tanto sirve para resolver problemas como el siguiente: Un objeto pequeño
se pesa con un mismo instrumento por ocho estudiantes de una clase, obteniéndose los
siguientes valores en gramos: 6'2, 6'0, 6'0, 6'3, 6'1, 6'23, 6'15, 6'2 ¿Cuál sería la mejor estimación
del peso real del objeto?

9. La media de la diferencia entre cada valor de la variable y la media es cero, es decir,

∑n
i=1(xi−x)
̅̅̅ ·
n
=0

Ejercicio 7 Hay 10 personas en un ascensor, 4 mujeres y 6 hombres. El peso medio de las

mujeres es de 58 kg y el de los hombres de 72kg. ¿Cuál es el peso medio de
las 10 personas del ascensor?
 Ejercicio 8 La media en fluidez verbal de una clase de un colegio es de 400. Si extraemos
una muestra aleatoria de 5 estudiantes y resulta que la puntuación de los 4
primeros es de 380, 420, 600, 400. ¿Cuál sería aproximadamente la puntuación esperada para
el quinto estudiante?

Para aprobar cierta asignatura, un estudiante necesita obtener una

Ejercicio 9
puntuación media de 6 (o más) entre cuatro exámenes. Las puntuaciones de
Pedro en los tres primeros fueron de 3'5, 6'6 y 6'2. ¿Qué puntuación mínima
necesita obtener en el cuarto examen para aprobar la asignatura?

Mediana

Si los datos están ordenados de menor a mayor, la mediana es el valor que

está en medio, es decir, tiene tantas observaciones a su izquierda como a su
derecha. Si el número de valores es par se toma como mediana el valor medio
de los dos términos centrales. La mediana se representa por Me.

Por ejemplo, si en una familia los niños tienen 3, 5 y 8 años, la edad del niño

mediano es 5 años. La mediana es igual a 5. 
Si nace un nuevo bebé (0 años) ahora tenemos
dos niños medianos, uno de 3 y otro 
de 5 años. En este caso hay una indeterminación y para
resolverla tomamos como mediana el valor 4 (media entre 3 y 5). 


La mediana presenta ciertas ventajas como medida de tendencia central frente a la media en
algunas distribuciones, ya que no se ve afectada por los valores extremos de las obrvaciones;
por ello su uso es particularmente indicado en las distribuciones asimétricas. También se puede
aplicar con variables estadísticas ordinales, mientras que la media no se puede aplicar en estos
casos. 


Cálculo de la mediana para datos agrupados:

La mediana es el valor, cuya frecuencia absoluta acumulada esté inmediatamente por encima a
la mitad del número de datos. Se calcula de la siguiente forma:
Datos aislados:

1. Se calcula N/2, donde N es el total de datos.

2. Observamos la frecuencia absoluta acumulada, de forma que el valor de la variable para el

que Ni supera por primera vez a N/2, es la mediana.

3. En el caso de que N/2 coincida con algún valor de Ni, la mediana se ría la semisuma de xi y x i+1

Datos agrupados en intervalos

1. Se calcula N/2, donde N es el total de datos.

2. Observamos la frecuencia absoluta acumulada, de forma que el intervalo para el que Ni

supera por primera vez a N/2, es el intervalo mediano.

3. Una estimación del valor de la mediana viene dado por la siguiente fórmula:
𝑁
( 2 −𝑁𝑖−1 )
Me = li-1 + · 𝑎𝑖 donde el intervalo mediano es [li-1 , li) y ai es su amplitud.
𝑛𝑖

Moda

Es el valor de la variable que tiene mayor frecuencia.

En una distribución puede haber más de una moda. Si existe una sola moda se llama unimodal,
si existen dos bimodal, si hay más de dos se llama multimodal. En general es una medida de
tendencia central poco eficaz ya que si las frecuencias se concentran fuertemente en algunos
valores al tomar uno de ellos como representante los restantes pueden no quedar bien
representados, pues no se tienen en cuenta todos los datos en el cálculo de la moda. Sin
embargo, es la única característica de valor central que podemos tomar para las variables
cualitativas.

Para datos agrupados en intervalos hablamos de intervalo modal

 Ejercicio 10

7.2.- Parámetros de dispersión

Dos alumnos A y B tienen las siguientes notas en los exámenes de matemáticas:

A: 6, 5, 6, 6, 7, 6

B: 3, 4, 8, 10, 9, 2

Ambos alumnos tienen como nota media un 6, aunque claramente ese 6 es más representativo
de los valores observados para A que para B. No basta calcular la media de una distribución, es
necesario calcular también parámetros que nos indiquen si los datos están más o menos cerca
de la media. Estos parámetros son los parámetros de dispersión. Vamos a ver los siguientes
parámetros: Recorrido, varianza, desviación típica y coeficiente de variación.

los parámetros de dispersión tomarán valores pequeños. Pero si no lo están, si están muy
"dispersos", tomarán valores más grandes.

Recorrido o rango: El rango es la diferencia entre el dato de mayor valor y el dato de menor
valor. Es el más sencillo y nos da una primera idea de la dispersión.

Varianza: Corresponde a la media aritmética de los cuadrados de las desviaciones respecto a la

media. Se representa Var o 𝜎 2 y su expresión matemática es:

∑𝑛 ̅̅̅2
𝑖=1(𝑥𝑖 −𝑥) ∑𝑛
𝑖=1 𝑥𝑖
2
𝜎2= = - 𝑥̅ 2
𝑛 𝑛

Para datos agrupados:

∑𝑛 ̅̅̅2
𝑖=1(𝑥𝑖 −𝑥) ·𝑛1 ∑𝑛 2
𝑖=1 𝑥𝑖 ·𝑛𝑖
𝜎2= = - 𝑥̅ 2
𝑛 𝑛

Desviación típica: La varianza no es buen parámetro puesto que sus unidades son las de la
variable al cuadrado, un buen parámetro de dispersión es la desviación típica. Se representa
por 𝜎 y es la raíz cuadrada de la varianza.

Coeficiente de variación: Nos sirve para comparar la dispersión de dos distribuciones.

También suele darse como porcentaje.

La mayor dispersión corresponderá al valor del coeficiente de variación mayor.

Ejemplo: En una clase la altura media de los alumnos es de 168 cm, con una desviación típica de
16cm y la media de los pesos es 62 kg con una desviación típica de 6 kg. Compara la dispersión
de las dos distribuciones.

CVA= 9,5% y CVB= 9,7%. En ambas la media es bastante representativa, hay poca dispersión,
pero los pesos están algo más dispersos que las alturas.

7.3- Parámetros de posición

Cuartiles

Los cuartiles son tres valores de la variable que dividen a un conjunto de datos
ordenados en cuatro partes iguales. Q1, Q2 y Q3 determinan los valores correspondientes
al 25%, al 50% y al 75% de los datos.

• Primer cuartil Q1 : Es el valor de la variable que deja por debajo de si al 25% de

la población.
• Segundo cuartil Q2: Es el valor de la variable que deja por debajo de si al 50% de
la población. Es la Mediana
• Tercer cuartil Q3: Es el valor de la variable que deja por debajo de sí al 75% de la
población.

Percentiles
 Definimos Percentil k como el valor de la variable que deja por debajo de si
al k% de la población.

8- Interpretación conjunta de 𝑥̅ y 𝜎

Si los datos de una variable estadística siguen una distribución normal (es decir, si osn
distribuciones simétricas con los parámetros de centralización situados en las posiciones
centrales y con valores muy próximos), se cumple que:

• El 68% de los datos se encuentra en el intervalo (𝑥̅ – 𝜎 , 𝑥̅ + 𝜎)

• El 95% de los datos se encuentra en el intervalo (𝑥̅ – 2𝜎 , 𝑥̅ + 2𝜎)
• El 99% de los datos se encuentra en el intervalo (𝑥̅ – 3𝜎 , 𝑥̅ + 3𝜎)

Ejemplo: Los alumnos de 4º de grado han obtenido en un examen de Matemáticas una media
de 6,2 y una desviación típica de 1,1. ¿Qué conclusiones cabe establecer en relación con los
resultados obtenidos, teniendo en cuenta que se trata de una muestra que sigue una
distribución normal.

• El 68% de los alumnos tienen una nota entre 5,1 y 7,3

• El 95% de los alumnos tienen una nota entre 4 y 8,4
• El 99% de los alumnos tienen una nota entre 2,9 y 9,5