Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Números negativos.........................................................................................................5
Números racionales........................................................................................................6
Números irracionales......................................................................................................7
Operaciones. ................................................................................................................16
Introducción: .................................................................................................................20
Población ......................................................................................................................22
Muestra: .......................................................................................................................22
Rango: ..........................................................................................................................35
Varianza: ......................................................................................................................35
Introducción.
Las matemáticas son un campo fundamental, una herramienta de apoyo indispensable para
todos los profesionales y parte integral de la formación académica en diversos campos de
conocimiento. (Sílabo Matemática en Educación, 2023).
Números naturales.
Los números naturales son aquellos que nos permiten contar, surgieron precisamente desde
esa necesidad, estos números se construyen con base en el principio de adición. (Aguilar,
Bravo, Gallegos, Cerón, & Reyes, 209)
ℕ={1,2,3,4,5 … . . . }
El número cero.
Posterior a los números naturales apareció la necesidad de un número que indique ausencia
total, este número es el número “cero” 0. El cual no pertenece al conjunto de los números
naturales.
Números negativos.
Existen situaciones en las que los números naturales no son suficientes para representar una
cantidad, por ejemplo, un sobregiro, una deuda, restar un número mayor de uno menor, etc.
El conjunto de números negativos resuelve este problema.
Números enteros.
El conjunto de los números enteros es la unión del conjunto de los números naturales, el
cero y el conjunto de los números enteros negativos.
𝑓 𝑝
ℚ = { = , 𝑝 ∊ ℤ, 𝑝 ∊ ℤ, 𝑞 ≠ 0}
𝑓 𝑞
Se puede resumir que un número racional es aquel que puede expresarse como una fracción
𝑝
entre dos números enteros: p (numerador) y q (denominador), con denominador q
𝑞
Los números racionales que tienen una cantidad finita de decimales y números que tienen
una cantidad infinita de decimales periódicos, por ejemplo:
Números reales.
El conjunto de los números reales está formado por el conjunto de los números racionales y
el conjunto de los números irracionales.
ℝ= ℚ ∪𝕀
Fuente: bit.ly/41wPEuo
TEMA 1: Números reales
SUBTEMA 1: Propiedades de los números reales
Los números reales son los que consideramos como aquellos que son utilizados durante
nuestra vida cotidiana. Es decir, cada vez que observamos el velocímetro en algún vehículo
o la temperatura generada de un cuerpo, estamos hablando de números reales.
Esos números pueden ser representados en una recta numérica e incluso los podremos
encontrar de forma negativa y positiva.
Fuente: https://bit.ly/3M27cIX
Las propiedades de los números reales pueden ser comprendidas en tres aspectos:
algebraicas, de orden y de completitud.
Fuente: bit.ly/42KNics
Los números reales tienen la propiedad de que con ellos pueden realizar dos operaciones
básicas que se conocen como suma y producto.
Suma.
Es una operación binaria tal que +: RXR →R
(a, b) → (a + b)
Propiedad Conmutativa
Sean a y b dos números cualesquiera pertenecientes al conjunto de los números reales, a
+ b = b + a, es decir, cuando se suman dos números, el orden de adición no importa.
Propiedad Asociativa
Sean a, b, c números pertenecientes al conjunto de los números reales, a+(b+c) = (a+b)+c
Esta propiedad permite sumar los números sin importar cuál de ellos se ubica en primer
orden.
Ejemplo:
= 3-2 = 7-6
=1 = 1
= 25 + 3 = 32 - 4
= 28 = 28
Propiedad Neutro aditivo.
La suma de un número real y cero es el mismo número.
Producto.
Es una operación binaria tal que •: RXR →R
Propiedad conmutativa.
Para todo a y b elementos del conjunto de los números reales,
(a b = b a)
Propiedad Distributiva
∀a, b, c ∈ [a (b + c) = (a b) + (a c)]
a(b+c) =(a.b)+(a.c)
Ejemplo:
6(3-6) =(6.3)-(6.6)
6(-3) = (18)-(36)
-18 = -18
Propiedad Asociativa.
∀a, b, c ∈ [a b . c) = a ( b.c) = (a b).c]
Identidad multiplicativa
El número 1 es especial para la multiplicación; a . 1 = a para cualquier número real a.
Todo número real a diferente de 0 tiene un recíproco 1/a que satisface a.(1/a) = 1.
Para combinar los números reales con números negativos, se hace uso de las siguientes
propiedades:
Fuente: bit.ly/41xPDX0
Para combinar los números reales usando la operación de división se aplican las siguientes
propiedades.
Figura 9: Propiedades de las fracciones
Fuente: bit.ly/41xPDX0
Fuente: bit.ly/42zGn5X
Fuente: bit.ly/3pIMF4w
Como los números Reales contemplan Números Enteros, Racionales e Irracionales, las
operaciones contemplan:
En las lecciones de números enteros aprendimos a efectuar todas las operaciones entre
números enteros, en la sección de números racionales aprendimos a efectuar las
operaciones entre números fraccionarios, y en educación básica aprendimos a sumar, restar
y dividir entre números decimales.
Figura 13: Operaciones entre números reales
En las propiedades de los números reales se heredan de las propiedades de los Números
que los conforman entonces, tenemos dos grupos de propiedades y una propiedad que
conecta dos operaciones. Un grupo para la suma algebraica y un grupo para la multiplicación
y la propiedad que conecta estas dos operaciones.
Operaciones.
Cuando hablamos de La Naturaleza de los Números enteros, sabemos que sólo estamos
contemplando números y operaciones enteras y exactas. Por ejemplo, sabemos que la
suma, resta o multiplicación de números enteros resulta en números enteros
Ejemplo:
Calcula la velocidad a la que viaja el sonido de una vuvuzela, si se sabe que la velocidad de
propagación v es: v=x/t, v= distancia recorrida/tiempo.
Fuente: bit.ly/42UsPSa
Fuente: bit.ly/42UsPSa
Solución:
Ejemplo 2:
48 48 ⋅2 24 ⋅3⋅2 4
√ ⋅ √2 = √ =√ = 5 √2
75 75 3⋅52
Ejemplo 3:
Ejemplo 4:
1 3 3 −1 1 3 5 1 5 2+5 7
+ 4 ⋅ (5) = 2 + 4 ⋅ (3) = 2 + 4 = = 4
2 4
TEMA 2: Estadística
SUBTEMA 1: Medidas de tendencia central: media, mediana y moda
Introducción:
La estadística ha sido parte de la historia de la humanidad desde sus inicios, siendo tan
antigua como la escritura misma. Las civilizaciones iniciales realizaban gráficos y símbolos
en rocas, pieles o paredes de cuevas para registrar conteos de personas, alimentos,
animales, y otros productos. En la antigua Babilonia, alrededor del año 5000 A.C., se
utilizaban tablas de arcilla para monitorear la producción agrícola y los trueques. En el año
3050 A.C. en Egipto se registraban datos sobre la riqueza y población del país, a través de
los censos. Posteriormente, esta costumbre fue adoptada por otras civilizaciones como
China, Grecia, Israel, y especialmente en el imperio romano debido al conteo y registro de
los bienes obtenidos a través de la conquista de otros pueblos. Al pasar los años, los
gobiernos realizaron censos para distintas finalidades según su contexto histórico, ya sea
para registrar los cambios demográficos y económicos tras una guerra, o para dimensionar
los efectos de epidemias y pestes características de la Edad Media. Adicionalmente, se
instauraron leyes que exigían a los clérigos el registro de los bautizos, matrimonios y
defunciones. El término Estadística proviene de la palabra alemana statistik, y significa
“Ciencia del Estado”, debido a que las aplicaciones de esta hasta la época habían sido
mayoritariamente para fines político-económicos. Este término fue acuñado por el
economista Godofredo Achenwall en 1760, quien fue conocido como el “inventor de la
estadística” debido a sus múltiples obras publicadas referentes a esta temática. Sin embargo,
la primera aplicación no política de la estadística se dio años antes, en 1691, cuando el
profesor alemán Gaspar Neumann desmintió una creencia popular de dicha época de que
la mayor cantidad de fallecimientos ocurrían en años terminados en la cifra 7. Estos estudios
fueron utilizados posteriormente por el astrónomo Hailey, quien estableció las bases de las
tablas de mortalidad utilizadas en la actualidad por las compañías de seguros. Años después
en el siglo XVI el matemático Girolano Cardano publicó uno de los primeros estudios de
probabilidades. A raíz de esto, otros eruditos profundizaron en temas como la teoría de
probabilidades y la teoría de juegos. Otros famosos matemáticos como Moivre, Gauss y
Poison, realizaron aportes a la estadística al definir el comportamiento de las poblaciones
mediante distribuciones estandarizadas. A partir de la instauración del método científico en
el siglo XIX, el registro y manipulación de datos cuantitativos incrementó su importancia,
debido a la necesidad de evitar las ambigüedades presentadas en los datos cualitativos. En
consecuencia, se involucró múltiples campos como economía, ciencias sociales, biología,
psicología, física, etc., siendo parte primordial de las investigaciones para describir y analizar
los datos recopilados. En la actualidad, la estadística corresponde a una profesión que se
dedica no solo al registro de información sino a la interpretación de la misma, permitiendo
describir y predecir el comportamiento de un fenómeno estudiado (Hernández, 2005).
Población
Es el conjunto de elementos o individuos que comparten una o varias características
comunes y son objeto de estudio. Las poblaciones pueden dividirse en subpoblaciones o
estratos según uno o varios atributos en común entre sus individuos. La característica que
define los estratos no debe permitir que ningún individuo o elemento de la población
pertenezca a más de uno de ellos.
Muestra:
La muestra es un subconjunto seleccionado a partir de una población. Esta debe escogerse
de forma tal que logre representar de manera generalizada el comportamiento de la
población total
Gráficos Estadísticos
Histograma
Los histogramas son una representación gráfica estadística de un conjunto de datos
agrupados. Esto significa que los datos se encuentran organizados de manera que no se
trabaja con cada valor individual, sino que estos se agrupan en intervalos o clases. Los
histogramas se grafican mediante barras o rectángulos adyacentes, cuyas bases en el eje X
corresponden al intervalo de datos representado, y sus alturas en eje Y indican la frecuencia
de cada intervalo. Generalmente los histogramas trabajan con frecuencias absolutas, sin
embargo, es posible también graficarlos utilizando frecuencias relativas (Levin & Rubin,
2004).
Ejemplo:
Polígono de Frecuencias
Los polígonos de frecuencia son gráficos estadísticos que se construyen a partir de
histogramas. Para esto, es necesario calcular la marca de clase que representa el punto
medio de cada intervalo. Luego, se forman pares ordenados al juntar cada marca de clase
con la respectiva frecuencia de su intervalo. Es decir, cada uno de estos pares corresponden
al punto medio superior de cada barra del histograma. Finalmente, el polígono de frecuencias
se forma uniendo estos pares ordenados mediante segmentos de recta.
Figura 18: Histograma vs Polígono de Frecuencia
Ojiva
Las ojivas son una representación gráfica de las frecuencias acumuladas en un conjunto de
datos. Para graficarlas, se toma el límite superior de cada intervalo en el eje X, y la frecuencia
acumulada correspondiente a este intervalo en el eje Y, para formar pares ordenados. Luego,
se unen estos puntos mediante segmentos de recta. Dado que se trata de frecuencias
acumuladas, la ojiva siempre tendrá una tendencia creciente. Si se utilizan las frecuencias
absolutas acumuladas, el valor en Y del último punto de la ojiva deberá ser igual al total de
datos de la muestra estudiada. Mientras que para frecuencias relativas acumuladas o
frecuencias porcentuales acumuladas, este último punto en Y deberá ser igual a la unidad o
al 100%, respectivamente. Estos gráficos sirven para identificar visualmente la cantidad de
datos que se encuentran por encima o por debajo de cierto valor de interés (Tejero, 2018).
Ejemplo
También como parte introductoria en la Estadística, se utilizan gráficos para mostrar los
cambios que han sufrido las variables en un período de tiempo. Entre los más utilizados
tenemos al Diagrama de barras reflejan el conteo de frecuencias de los datos, los
histogramas que son utilizados para representar la distribución de frecuencias de los datos
de la variable, la ojiva que muestra la curva de una función de distribución
acumulada, el polígono de frecuencias muestra la frecuencia con la que cambia una variable
a partir de su histograma.
La media para datos no agrupados
También se la conoce como media aritmética, y se obtiene sumando los datos para el
número total de datos, se la conoce con el símbolo , para el caso de la muestra, y para el
caso de la población se utiliza la N y sus fórmulas son:
𝑋 1 +𝑋 2 + 𝑋 3 +......𝑋 𝑛
Poblacional: 𝑢= 𝑁
𝑋 1 +𝑋 2 + 𝑋 3 +......𝑋 𝑛
Muestral: 𝑥=
𝑛
Ejemplo
16, 20, 14, 13, 15, 17, 19, 20, 18, 17, 12, 14, 16, 19
Si aplicamos la fórmula sería: en el caso de que los datos corresponden a toda la población
por ejemplo puede ser un paralelo con 14 estudiantes.
16 + 20 + 14 + 13 + 15 + 17 + 19 + 20 + 18 + 17 + 12 + 14 + 16 + 19
𝑢=
14
230
𝑢= = 16,42
14
Ejercicio propuesto:
Obtener la media aritmética de los siguientes datos que corresponde a la edad de los
estudiantes que dieron el examen de Estadística.
Edades: 25, 28, 30, 35, 37, 39, 44, 35, 37, 38, 45, 29, 26, 24
La mediana para datos no agrupados
La mediana se representa por Me y está dada por el valor central de todos los datos, una
vez que estos han sido ordenados, esta medida divide al conjunto de datos en dos partes
iguales (50% y 50%), cabe indicar que el cálculo de la mediana se realiza para variables
cuantitativas, para su cálculo los valores estén ordenados de menor a mayor (Suarez M y
Tapia F, 2012, pág. 87)
𝑛+1
𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 =
2
Entonces si n es par, el valor central se hallará entre los valores más próximos al número
halado ejemplo: los siguientes valores corresponden a la cantidad en dólares que gastan los
estudiantes en alimento diario
Si n = 8 entonces;
5 5 7 9 11 12 15 18
X1 X2 X3 X4 X5 X6 X7 X8
Por lo tanto, la ubicación se encuentra entre las posiciones 4 y 5, para lo cual se hallará una
semisuma de dichos valores (9 y 11).
9+11
𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 = =10
2
La lectura sería que, el 50% de los estudiantes tienen un gasto mayor o igual a 10 dólares
diarios en alimentos; mientras que el otro 50 % de estudiantes tiene un gasto menor a 10
dólares diarios en alimentos por día.
En el caso de que n sea impar
9+1
𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 = =5
2
Considere los siguientes valores 20, 23, 24, 25, 25, 26 y 30, calcular la moda
• En este ejemplo Mo = 25, por ser el dato que más repite, y por haber solo una moda
se le denomina unimodal.
Considere los siguientes valores 20, 20, 23, 24, 25, 25, 26 y 30, calcular la moda.
Solución:
• En este caso Mo1= 20; Mo2 = 25, debido a que son los valores que se repiten en igual
cantidad de frecuencia. Este ejercicio sería entonces un caso bimodal.
Dada la muestra con los siguientes valores 20, 23, 20, 24, 25, 25, 26, 30 y 30, calcular la
moda.
Solución:
• En este caso Mo1= 20 Mo2= 25 y Mo3=30, estos son los datos que más se repiten y
con una frecuencia de dos veces cada uno. Se tiene entonces que es un caso multimodal.
(Informe Global, 2021)
̅
Media para Datos Agrupados 𝑿
En la actualidad, el alto poder computacional de las herramientas tecnológicas permite
realizar cálculos con grandes volúmenes de información, por lo que se suele preferir trabajar
con todos los datos recopilados. Sin embargo, esto no siempre es posible, ya sea porque se
trata de variables continuas o porque la fuente de información ha proporcionado ya los datos
agrupados. Al utilizar intervalos, se pierde cierta información sobre los datos reales. Por lo
tanto, existen técnicas para aproximar las medidas de tendencia central ya conocidas
(Freund & Simon, 1994).
∑𝑘𝑖=1(𝑋𝑀𝐶𝑖 ∗ 𝑓𝑖 )
̅=
𝑋
𝑁
Ejemplo
Se realiza un estudio de los sueldos que gana una muestra de personas de una empresa en
particular, y se organiza la información recopilada en una tabla de frecuencias. Se divide la
información en intervalos de 50 unidades. A partir de esto, se puede conocer la marca de
clase y frecuencia absoluta de cada intervalo. Al multiplicar ambas cantidades, se obtiene la
información necesaria para aplicar la fórmula mencionada anteriormente y hallar la media
aritmética como se muestra a continuación:
̅=
4250 + 9500 + 15750 + 23000 + 9375 + 6750 + 3875 72500
𝑋 =
130 130
̅ = 𝟓𝟓𝟕. 𝟕
𝑿
𝑁
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖 + ( 2 ) ∗ 𝐴𝑖
𝑓𝑖
Ejemplo
En un colegio se quiere analizar el rendimiento de los estudiantes, por lo que se tabulan los
resultados de un examen de calificación máxima 20, como se muestra en la tabla de
frecuencias. Como se han tomado los datos de 21 alumnos, el valor de la mediana debería
encontrarse en la posición 10.5. Este valor se encuentra dentro del tercer intervalo, dado que
éste muestra una frecuencia acumulada igual a 14, siendo esta la inmediatamente mayor a
N/2=10.5.
Tabla 5: Frecuencias de Calificaciones – Mediana Datos Agrupados
21
−8
𝑀𝑒 = 8 + ( 2 )∗4
6
𝑴𝒆 = 𝟗. 𝟔𝟔𝟕
𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 + ∗ 𝐴𝑖
(𝑓𝑖 − 𝑓𝑖−1 ) + (𝑓𝑖 − 𝑓𝑖+1 )
Ejemplo
6−5
𝑀𝑜 = 8 + ∗4
(6 − 5) + (6 − 4)
𝑀𝑜 = 9.333
En ocasiones los datos pueden estar diseminados en mayor o menor grado, es decir que
algunos datos pueden estar cerca y otros estar muy alejados de la medida de tendencia
central, lo cual podría generar una incorrecta apreciación de la tendencia de los datos
analizados.
Las medidas de dispersión son útiles para producir ensayos y calibrar la implementación de
un modelo estadístico genérico para conocer qué tan confiables puede ser las relaciones
entre los datos ingresados en él.
Las medidas de dispersión nos permiten analizar si los datos se encuentran más o menos
concentrados, o más o menos dispersos. (Armas, et al., 2006)
Existen diversas medidas de dispersión, entre las más utilizadas podemos destacar las
siguientes:
Rango:
Es la medida de dispersión más sencilla, nos permite tener una idea rápida del grado de
separación que existe en los datos, también se conoce como amplitud o recorrido y se
calcula por la diferencia entre el mayor valor y el menor por lo tanto tendrá las mismas
unidades de medida que los datos.
Varianza:
Nos permite medir la variabilidad existente entre los valores de la serie y la media aritmética.
Se calcula como la sumatoria de las diferencias al cuadrado
entre cada valor y la media, y se divide para el número de datos menos uno.
La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más
concentrados están los valores de la serie alrededor de la media. Por el contrario, un valor
alto de la varianza indica una mayor dispersión de los datos, en este sentido el rango nos
sirve de referencia. (Armas, et., 2006)
2
(𝑥1− 𝑥̅ )2 + (𝑥2− 𝑥̅ )2 + (𝑥3− 𝑥̅ )2 + ⋯ . (𝑥𝑛− 𝑥̅ )2
𝑆 =
𝑛−1
∑𝑛𝑖=1(𝑥𝑖− 𝑥̅ )2
𝑆2 =
𝑛−1
Las unidades de la varianza son las unidades de los datos al cuadrado.
Ejemplo
Tabla 7: Varianza
El procedimiento consiste en calcular primero la media aritmética y restarla con cada uno de
los datos de la tabla para obtener los resultados de la columna, a continuación, elevar al
cuadrado cada uno de estos resultados y colocar ese valor en la columna siguiente, sumar
todos los resultados, y finalmente dividir para la cantidad de datos menos uno que en este
ejemplo sería 20-1 es decir 19.
∑𝑛𝑖=1(𝑥𝑖− 𝑥̅ )2 =0.13649
2
∑𝑛𝑖=1(𝑥𝑖− 𝑥̅ )2
𝑆 = = 0.00718
𝑛−1
∑𝑘𝑖=1(𝑥𝑐𝑖− 𝑥̅ )2 𝑓𝑖
2
𝑆 =
𝑛−1
Tabla 8: Varianza - Datos Agrupados
∑(𝑥𝑐𝑖− 𝑥̅ )2 𝑓𝑖 = 3265
𝑖=1
∑𝑘𝑖=1(𝑥𝑐𝑖− 𝑥̅ )2 𝑓𝑖
𝑆2 = = 55.338
𝑛−1
Se calcula como la raíz cuadrada positiva de la varianza, con esto se consigue tener valores
en las mismas unidades de los datos
𝑆 = √𝑆 2
Coeficiente de variación.
La variación standard “S” nos da la dispersión absoluta, esta medida puede darnos una idea
no tan precisa de cuanto se dispersan los datos ya que no es lo mismo una variación de 1
cm. en una escala de 10 cm que una variación de 1 cm. en una escala de 100 m. Por esta
razón es conveniente calcular una variación relativa conocida como “coeficiente de variación”
y se define como el cociente entre la desviación estándar y la media de los datos. (Spiegel
& Stephens, 2009).
𝑆
𝐶𝑉 =
𝑋
𝑆
𝐶𝑉 = . 100 %
𝑋
Desviación media.
𝐷 = 𝑥 − 𝑥̅
∑𝑛𝑖=1 |𝑥 − 𝑥̅ |
𝐷𝑥̅ =
𝑛−1
Ejemplo
2 + 3 + 6 + 8 + 11
𝑥̅ = =6
5
|2 − 6| + |3 − 6| + |6 − 6| + |8 − 6| + |11 − 6|
𝐷𝑥̅ = = 𝟐. 𝟖
5
MATERIAL COMPLEMENTARIO
Numeros Reales que son en la recta Los Números Reales - QUÉ SON Y
numerica EJEMPLOS
✅PROPIEDADES de lo NÚMEROS
OPERACIONES COMBINADAS BÁSICAS
REALES | EXPLICADO en 10 MINUTOS
CON NÚMEROS REALES
😎| ARITMÉTICA
https://www.youtube.com/watch?v=y1RFJGMmJ
Medidas de tendencia central
ZM
https://www.youtube.com/watch?v=Nm7log51vF
Medidas de tendencia central para datos
A
agrupados
Bibliografía de apoyo
Alperin, M. (2013). Introducción al Análisis Estadístico de Datos Geológicos. Argentina:
Editorial de la Universidad de La Plata.
Castro, Encarnación; Rico, Luis; Castro, Enrique. Números y operaciones. Editorial Síntesis,
Madrid, 1996.
De los Santos Ruiz, I. (2007) Propiedades de los números reales. Instituto de Florida para la
Cognición humana y mecánica https://cmapspublic.ihmc.us/rid=1HQ04ZGQS-
12FHRWY-
YT2/PROPIEDAD%20DE%20LOS%20NUM.%20REALES%20(ACT.%20TRES).pdf
Freund, J., & Simon, G. (1994). Estadística elemental. México: Pearson Educación.
Levin, R., & Rubin, D. (2004). Estadística para administración y economía. México: Pearson
Educación.
Merida, K. (2015). Operaciones en los Reales. Matemáticas de 3er. año. Recuperado de:
https://guao.org/sites/default/files/N%C3%BAmeros%20Reales.%20Operaciones%20y%20Propi
edades%20en%20los%20Reales.pdf
Stewart J, Redlin L & Watson S. (2017). Precálculo. Matemáticas para el cálculo, Sexta
edición. Recuperado de: http://www.unl.edu.ar/ingreso/cursos/matematica/wp-
content/uploads/sites/7/2017/07/M%C3%B3dulo-1-N%C3%BAmeros-Reales.pdf
Tejero, J. (27 de agosto de 2018). Histogramas, ejemplos y ejercicios. Obtenido de
Matemóvil: https://matemovil.com/histogramas-ejemplos-y-ejercicios/
Tejero, J. (25 de septiembre de 2018). Media, mediana y moda para datos agrupados en
intervalos. Obtenido de Matemóvil: https://matemovil.com/media-mediana-y-moda-
para-datos-agrupados-en-intervalos/
Máster, S., & Navarro, H. d. (2018). Estadística, teoría de probabilidades y más. Estelí:
Universidad Nacional de Ingeniería.