Manual Basico de Estadistica-Crvc

MANUAL BASICO
DE
ESTADISTICA
Autor: Carlos Robert Valdez Coats
Autor: Carlos R. Valdez C.

Contenido
MANUAL BASICO DE ESTADISTICA ............................................................................................ 0
División de la estadística ................................................................................................................... 3
Bosquejo histórico de la estadística ................................................................................................. 3
Aplicaciones de la Estadística ........................................................................................................... 6
La Estadística se aplica en todas las ramas o áreas de la ciencia ............................................ 6
Aplicación de la Estadística en los negocios ................................................................................. 6
Definiciones fundamentales de conceptos estadísticos ................................................................... 7
Variables estadísticas. Clases. ........................................................................................................... 7
Ejercicios: .......................................................................................................................................... 8
Las tablas estadísticas ..................................................................................................................... 10
Construcción de tablas estadísticas ................................................................................................ 11
Distribución de una tabla cualitativa .............................................................................................. 11
Distribución de una tabla cuantitativa............................................................................................ 12
Tabla con datos no agrupados ........................................................................................................ 12
Gráficos estadísticos: .......................................................................................................................... 17
Diagrama de barras:........................................................................................................................ 17
Histograma:..................................................................................................................................... 18
Polígono de frecuencias:................................................................................................................. 18
Diagrama de sectores: .................................................................................................................... 19
Ojiva: ............................................................................................................................................... 20
Ejercicios: ........................................................................................................................................ 21
Media aritmética ........................................................................................................................... 23
Media aritmética para datos no agrupados ............................................................................... 24
Ejercicios: ........................................................................................................................................ 26
Media aritmética para datos agrupados.................................................................................... 28
Propiedades de la media (Segunda parte) ................................................................................. 28
Ejercicios: ........................................................................................................................................ 29
Media Geométrica ........................................................................................................................ 32
Propiedades de la Media Geométrica: ....................................................................................... 33
Media Armónica ........................................................................................................................... 34
Media cuadrática .......................................................................................................................... 36
Media Ponderada ......................................................................................................................... 39
La Mediana ..................................................................................................................................... 40
1

Mediana para datos no agrupados ............................................................................................ 40
Mediana para datos agrupados ..................................................................................................... 43
Propiedades de la mediana: ....................................................................................................... 44
Ejercicios: ........................................................................................................................................ 45
Moda .............................................................................................................................................. 47
Ejercicios: ........................................................................................................................................ 49
Medidas de posición .................................................................................................................... 52
Deciles: ............................................................................................................................................ 53
Cuartiles .......................................................................................................................................... 53
Varianza .......................................................................................................................................... 61
Desviación típica o estándar ........................................................................................................... 63
Coeficiente de Variación ................................................................................................................. 64
Tipificación ...................................................................................................................................... 65
Distribución Simétrica:................................................................................................................ 69
Distribución Asimétrica:.............................................................................................................. 69
TEORIA DE PROBABILIDADES .......................................................................................................... 73
BIBLIOGRAFÍA ................................................................................................................................. 78

Unidad 1
Fundamentos de Estadística
Fundamentos de Estadística
Sobre estadística se presentan diversos conceptos; por tal razón les presento los siguientes
conceptos sobre estadística:
• La estadística es una rama de las matemáticas que se ocupa de reunir, organizar y

analizar datos numéricos y que ayuda a resolver problemas como el diseño de
experimentos y la toma de decisiones.
• La Estadística es la parte de las Matemáticas que se encarga de recoger datos,
organizarlos, tabularlos, representarlos gráficamente, interpretarlos y analizarlos, para
sacar conclusiones, tomar decisiones o predecir, a partir del estudio o
investigación que se esté realizando sobre alguna característica, propiedad o situación
en una población determinada.
División de la estadística
La estadística se divide en dos grandes partes:
Estadística descriptiva: Se encarga de la recolección, descripción, visualización y resumen

de los datos, y que se pueden presentar de forma numérica o de forma gráfica.
La Estadística descriptiva, se encarga del “estudio sobre la población completa, observando
una característica de la misma y calculando unos parámetros que den información global de
toda la población”.
http://recursostic.educacion.es/descartes/web/materiales_didacticos/unidimensional_lbarrios/definicion_est.htm
Estadística inferencial: Se encarga de las predicciones relacionadas a los fenómenos

estudiados, considerando la selección de tipo aleatoria y la incertidumbre en las
observaciones.
La Estadística inferencial, “realiza el estudio descriptivo sobre un subconjunto de la
población llamado muestra y, posteriormente, extiende los resultados obtenidos a toda la
población”.
http://recursostic.educacion.es/descartes/web/materiales_didacticos/unidimensional_lbarrios/definicion_est.htm
Bosquejo histórico de la estadística

Hablar de la historia de la estadística, implica hablar del inicio de la civilización. Existe una
gran diversidad sobre los inicios de la estadística. En este texto, haremos un recorrido breve
sobre el desarrollo de la Estadística.
El término Estadística fue empleado por primera vez por Gottfried Achenwall (1719-1772), el
cual proviene de la palabra de origen italiana “Statistik”.
La estadística fue utilizada por los Egipcios para analizar los datos de la población, la renta
(Aproximadamente siglo XXXII A. de C). En el antiguo testamento, primera parte de la Biblia,
se encuentran los libros de “Números” y “Crónicas”, donde se pueden observar algunos
registros estadísticos.
El libro de Números contiene dos censos de la población de Israel y el de Crónicas describe

la prosperidad económica de las tribus judías.
En sentido general, los grandes registros estadísticos de la antigüedad, descansan en censos

y cobro de impuestos.
Se registros de que el Imperio romano fue el primero en recopilar gran cantidad de datos sobre
la población, superficie y la renta de todos las comarcas bajo su dominio.
En 1662 se conoce como el primer estudio estadístico de mayor trascendencia sobre

población, el trabajo titulado “Observations on the London Bills of Mortality” (Londres).
Para hablar sobre el desarrollo de la estadística, hay que destacar los aportes de grandes
personalidades de la ciencia. A continuación se presentan algunas de estas grandes
personalidades:
John Graunt (1620-1674): Es el primer estadístico que se va a considerar como el padre de

la Estadística. En 1662 publicó “Observaciones naturales y políticas”, fundamentado en los
boletines de mortalidad, considerándose este documento como el punto de partida de la
estadística.
Thomas Bayes (1702-1761): Sus actividades científicas, fueron las matemáticas y la

inferencia estadística. Después de la muerte de Bayes, Price, recibe de parte de los familiares
de Bayes, escritos sobre matemáticas que Bayes había dejado, para que Price los estudiara.
El trabajo de Bayes demuestra la divergencia de la serie log(n!), corrigiendo a la de Moivre. El

ensayo Bayes determina un intervalo de confianza bayesiano para el parámetro µ de una
distribución de Bernoulli a partir de n repeticiones del experimento de Bernoulli.
Laplace (1749-1827): Pierre Simon de Laplace nace en Beaumont-en-Auge. En 1774 publica

Memoria sobre la probabilidad de las causas por los sucesos.
Karl Pearson (1857-1936): En 1905 publicó un artículo titulado Sobre la teoría general de la
asimetría, la correlación y la regresión no lineal. Algunas contribuciones de K. Pearson a la
Teoría de la Probabilidad y a la Inferencia Estadística son:
• Introduce su familia de curvas y ajusta sus parámetros, introduciendo el método de los
momentos. Esta familia de curvas son las soluciones de una ecuación diferencial e
incluye a las distribuciones, Beta asimétrica, la Beta simétrica, la Gamma y la Normal,
entre otras.
• Define el coeficiente de correlación lineal precisando las ideas introducidas por Galton.
• Desarrolla el método de la 𝑥 2 de Pearson para medir el ajuste entre unos datos y una
distribución de probabilidad, y lo generaliza a las tablas de contingencia
William Sealy Gosset (STUDENT), (1876-1937): Publica trabajos sobre control de calidad,
la ley de errores, la distribución de los errores.
Algunas contribuciones de (Student) William Sealy Gosset son:
• La demostración de la convergencia de la distribución binomial a la distribución de
Poisson.
• Estableciendo su distribución, donde X es la media muestral y S2, la cuasivarianza
muestral.
• Introdujo la función de potencia de un contraste dado por la región crítica.
Ronald Aylmer Fisher (1890-1962): Escribió “La Fundamentación Matemática de la

Estadística Teórica, introduciendo la noción de modelo estadístico y los conceptos de
consistencia, eficiencia, precisión, validación e información. Desarrolló el análisis de la
varianza y los principios del diseño de experimentos. En 1925 publica su primer libro titulado
“Métodos Estadísticos”. En 1930 formula La Teoría Genética de la Selección Natural. En 1956
publica Métodos Estadísticos e Inferencia Científica.

Aplicaciones de la Estadística
La Estadística se aplica en todas las ramas o áreas de la ciencia

Aplicación de la Estadística en los negocios
La estadística es en el mundo actual una herramienta fundamental para los negocios. A través
de la estadística es posible realizar con efectividad las siguientes tareas:
• Estudios de mercado.
• Estudio del valor de un cliente.
• Predicción de ventas.
• Evaluación de programa.
• Evaluación del territorio de ventas.
• Análisis de:
o Mercadeo directo y promociones.
o Deterioro del cliente.
o Satisfacción del cliente
o Segmentación de mercado.
o Base de datos.
o Productividad de ventas.
o Logros de los empleados.
o Calidad e informes.
o Riesgo crediticio.
o Servicio al cliente.
o Soporte al cliente.
o Diseño de producto.
o Beneficios.
• Toma de decisión para mejorar:
o La calidad.
o El desempeño de una línea de productos.
o El nivel de satisfacción de los empleados.
En las ciencias naturales: se utiliza en modelos termodinámicos complejos, en física

cuántica, mecánica de fluidos, entre otros.
En las ciencias sociales y económicas: En el desarrollo demográfico y la sociología

aplicada.
En las ciencias médicas: Se utiliza para diversas actividades de la medicina, entre las que
se encuentran:
• Diagnóstico de enfermedades y de la salud de la comunidad.
• Predicción del resultado probable de un programa de intervención.
• Elección apropiada de intervención en pacientes.
• Administración sanitaria y planificación.

• Realización y análisis en la investigación médica.
Definiciones fundamentales de conceptos estadísticos
Para lograr cierto dominio de del lenguaje técnico de la estadística, es recomendable conocer
las definiciones de diferentes términos empleados en la estadística, entre los que están:
Datos: Conjunto de observaciones relacionadas a una o más variables estadísticas.
Elemento: Se refiere a las personas u objetos que incluyen las informaciones objetos de
estudio.
Estadísticos: Son medidas numéricas que describen las características de una muestra.
Parámetros: Son medidas numéricas que describen las características de una población.
Población: Es el conjunto de todos los elementos que se observan en un determinado estudio

estadístico.
Hay dos tipos de población, las cuales son: Población finita y Población infinita.
Muestra: Es un subconjunto representativo de una población determinada.
Variable: Se refiere a cualquier valor que puede asumir un elemento de un conjunto.
Variables estadísticas. Clases.
Variable estadística: Es el conjunto de valores que constituye un carácter estadístico.
Las variables estadísticas se clasifican en dos grandes grupos:
1. Variables Cualitativas: Estas variables representan las características o propiedades

los objetos o elementos estudio relativas a las cualidades.
Ejemplo:
a. La marca de un vehículo.
b. El color de una laptop.
2. Variables Cuantitativas: Estas variables indican de los objetos o elementos estudio,

es características relativas a cantidades.
Las variables Cuantitativas, a su vez, se dividen en dos grandes grupos:

• Variables discretas: Es la variable que toman única y exclusivamente valores enteros.
Son ejemplos de Variables discretas:
o El número de hijos de una familia.
o La cantidad de artículos en una tienda.
• Variables continuas, que pueden tomar cualquier valor dentro del conjunto de los
números reales R o de un intervalo suyo. Ejemplos de variables continuas son las
medidas antropomórficas de los recién nacidos, la altura de los ciudadanos de un
determinado colectivo, la medición de temperaturas, etcétera.
Ejercicios:
I) Clasificar las siguientes variables en cualitativas o cuantitativas:

1) Marcas de refresco. ____________________________________________
2) Velocidad recorrida en Km/h. _____________________________________
3) El peso en Kg. ________________________________________________
4) Nivel educativo (primario secundario, superior). ______________________
5) Años de estudios completados. ___________________________________
6) Tipo de enseñanza (privada o pública). _____________________________
7) Número de empleados de una empresa. ____________________________
8) La temperatura de un enfermo en grados Celsius. ____________________
9) La clase social (baja, media o alta). _______________________________
10) La presión de un neumático en Nw/cm2. ____________________________
11) La edad de una persona. ________________________________________
12) El estado civil. _________________________________________________
13) Número de residentes de un municipio. ____________________________
14) Ingreso mensual, ______________________________________________
15) Impuesto aplicado a los empleados de una empresa. __________________
16) Cantidad de estudiantes aprobados en un curso. ____________________
17) Número de hijos en una familia. _________________________________
18) Número de hojas de un libro. ____________________________________

II) De las variables anteriores coloca en la columna correspondiente las variables
cuantitativas discretas y las continuas:
Variable cuantitativa discreta Variables cuantitativa continuas
III) Clasifica las siguientes variables en cuantitativas (discretas, continuas) y

cualitativas:
1) Partido político de su preferencia (izquierda, derecha o centro).______
2) Marcas de jugo. ___________________________________________
3) Velocidad de vehículo en m/s.________________________________
4) El peso de una persona en Kg. _______________________________
5) Nivel educativo (primario secundario, superior). __________________
6) Años de estudios completados._______________________________
7) Tipo de enseñanza (privada o pública)._________________________
8) Número de empleados de una empresa.________________________
9) La temperatura medida en grados Celsius.______________________
10) La clase social (baja, media o alta).____________________________

Las tablas estadísticas
Los elementos o individuos que componen un estadístico pueden estar contenidos una varias
veces de manera repetida. En tal sentido, una población o una muestra puede contener “m”
elementos agrupados según su caracterización “n” clases diferentes.
Cada uno de los elementos de un estadístico, son resumidos mediante el uso de las tablas
estadísticas.
La tabla estadística lleva consigo las siguientes magnitudes estadísticas:
• Frecuencia absoluta simple (fi): registra la frecuencia o el número de veces que se
repite un elemento.
• Frecuencia absoluta acumulada (Fr): Se determina sumando las frecuencias
absolutas anteriores, hasta la frecuencia del nivel correspondiente.
• Frecuencia relativa (fi): Se calcula Dividiendo la frecuencia absoluta simple del
elemento de interés, entre la muestra (o la población en estudio).
𝒇𝒊
𝒇𝒓 =
𝒏
• Frecuencia relativa acumulada (Fr): Se determina sumando las frecuencias relativas

anteriores, hasta la frecuencia del nivel correspondiente.
• Frecuencia porcentual (fr %): Es la frecuencia relativa multiplicada por cien (100).
• Frecuencia Relativa Acumulada Porcentual (Fr%).- Se determina sumando las
frecuencias relativas anteriores, hasta la frecuencia del nivel correspondiente.
𝑭𝒓 % = f𝑟 %
10

Observemos como modelo la siguiente tabla estadística:
Frec. Frec. Abs. Frec.

Modalidad Frec. Relat. Acum. Frec. Porcent.
Absoluta Acum. Relat.
2
A 2 2 = 0.1 0.1 0.1 × 100 = 10
20
3
B 3 2+3=5 = 0.15 0.1+0.15=0.25 0.15 × 100 = 15
20
10
C 10 2+3+10=15 = 0.5 0.1+0.15+0.5=0.75 0.5 × 100 = 50
20
4
D 4 2+3+10+4=19 = 0.2 0.1+0.15+0.5+0.2=0.95 0.2 × 100 = 20
20
1 0.1+0.15+0.5+0.2+0.05=
E 1 2+3+10+4+1=20 = 0.05 0.05 × 100 = 5
20 1
Total 20 q 1
Importante es observar, que sea muestra o población con la que estemos trabajando, siempre
será igual a la sumatoria de las frecuencias absolutas.
𝒏 = ∑ 𝒇𝒊
Una tabla estadística puede estar constituida por datos cuantitativos o por datos cualitativos.
Construcción de tablas estadísticas
Para construir una tabla de distribución de frecuencias debemos tomar en cuenta la naturaleza
de los datos a tratar; es decir, que debemos considerar si los datos son cualitativos o son
cuantitativos.
En el caso que los datos sean cuantitativos, tendremos la alternativa de construir una tabla de
datos no agrupados o una tabla de datos agrupados.
Distribución de una tabla cualitativa
Observemos el siguiente ejemplo:

Se realiza un conteo de diversas marcas de vehículo en un parqueo, como se observa a
continuación:
Nissan Nissan Honda Nissan Honda
Honda Honda Toyota Honda Toyota
Honda Toyota Toyota Toyota Mitsubishi
Honda Mitsubishi Toyota Mitsubishi Nissan
Toyota Chevrolet Mitsubishi Chevrolet Honda
Mitsubishi Nissan Chevrolet Nissan Toyota
11

• Primero ordenamos los datos, alfabéticamente.
• Identificamos cada elemento, para ser colocados en la primera columna de la tabla de
frecuencias.
• Luego observamos el número de veces que se repite cada elemento, que
corresponderá a la frecuencia absoluta de cada uno de los elementos que integran la
muestra.
Marca 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟
Chevrolet 3 3
Honda 8 11
Mitsubishi 5 16
Nissan 6 22
Toyota 8 30
30
Luego agregamos las tres siguientes columnas siguientes, las cuales corresponden a:
• Frecuencia absoluta acumulada.
• Frecuencia relativa.
• Frecuencia relativa acumulada.
Distribución de una tabla cuantitativa
Cuando los datos son cuantitativos, se pueden construir dos tipos de tabla:
• Tabla con datos no agrupados,
• Tabla con datos agrupados,
Tabla con datos no agrupados
Realizamos un proceso similar al desarrollado con los datos cualitativos:
1. Primero ordenamos los datos, de menor a mayor.

2. Identificamos cada elemento, para ser colocado en la primera columna de la tabla de
frecuencias.
3. Luego observamos el número de veces que se repite cada elemento, que
corresponderá a la frecuencia absoluta de cada uno de los elementos que integran la
muestra.
Ejemplo:
Vamos a construir la tabla de frecuencias con los siguientes datos cuantitativos:
4, 4, 6, 6, 6, 6, 8, 8, 8, 8, 8, 12, 12, 12, 14, 14
12

𝒙𝒊 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟
4 2 2 0.125 0.125
6 4 6 0.25 0.375
8 5 11 0.3125 0.6875
12 3 14 0.1875 0.875
14 2 16 0.125 1
16 1
Tabla con datos agrupados:
Para la construcción de datos agrupados desarrollaremos el procedimiento, explicado a

continuación.
En ocasiones estamos trabajando con datos estadísticos de tipo cuantitativos, con grandes
cantidades de elementos. En estos casos es recomendable agrupar estos datos en clases de
intervalos.
Recordemos que un intervalo es un conjunto de números reales comprendidos entre dos
reales llamados extremos.
En nuestro caso, vamos a considerar el intervalo mixto, donde el extremo inferior es cerrado,
y el extremo superior es abierto. Por ejemplo: 10 – 20), donde 10 es límite o extremo inferior
y es cerrado, 20 es límite o extremo superior es abierto. Este intervalo 10 – 20) indica que
están contenidos todos los números reales comprendidos entre 10 y 20, incluido el 10,
excluido el 20.
El procedimiento para la construcción de distribución de frecuencias para datos agrupados

con n intervalos es el siguiente:
a) Determinación del Rango (R): Está dado por la diferencia entre el valor máximo y el valor
mínimo de los datos estadísticos.
Identificamos el valor mínimo que es el menor valor registrado entre los datos estadísticos
(Vm).
Identificamos el valor máximo que es el mayor valor registrado entre los datos estadísticos
(VM).
𝑹 = 𝑽𝑴 − 𝑽𝒎
13

El rango recibe el nombre recorrido o amplitud total.
b) Determinación del Número de Clase (k): El número de la clase es un valor discreto.

En una tabla de distribución de frecuencias el número de clase no debe ser menor de 5 ni
mayor de 15.
Para calcular el número de intervalos de un conjunto de datos estadísticos numéricos, se

utiliza la ecuación o fórmula de Sturges:
𝒌 = 𝟏 + 𝟑. 𝟑𝟐 × 𝒍𝒐𝒈(𝒏)
Siendo n el tamaño de la muestra.

En ocasiones suele emplearse la siguiente fórmula siempre que la muestra sea lo suficiente
mente pequeña:
𝒌 = √𝒏
c) Determinación de la amplitud (ai): La amplitud se determina dividiendo el Rango entre el

número de clase.
𝑹
𝒂𝒊 =
𝒌
Si estamos trabajando con datos discretos y la amplitud no es exacta, debemos redondear el

valor al valor superior más próximo a ella. En cambio, si se trata de un valor continuo podemos
construir las clases con el valor resultante.
Con estas informaciones podemos construir las clases de la tabla de distribución de
frecuencias.
El límite inferior de la primera clase de toda tabla de distribución de frecuencias, es el valor
mínimo de los datos registrados en la muestra. A este valor mínimo le sumamos la amplitud,
obteniendo el límite superior de la primera clase.
El límite superior de la primera clase, es el límite inferior de la segunda clase, y se obtiene el
límite superior sumando al inferior la amplitud.
Este proceso se repite hasta completar la última clase.
14

Ejemplo:
36 30 47 60 32 35 40 50
54 35 45 52 48 58 60 38
32 35 56 48 30 55 49 39
58 50 65 35 56 47 37 56
58 50 47 58 55 39 58 45
Datos organizados:
30 30 32 32 35 35 35 35 36 37
38 39 39 40 45 45 47 47 47 48
48 49 50 50 50 52 54 55 55 56
56 56 58 58 58 58 58 60 60 65
Tamaño de la muestra: 𝒏 = 𝟒𝟎 (Correspondiente al número de datos)
Valor mínimo: Vm = 30
Valor máximo: VM = 65
Determinando el rango:
a) 𝑅 = 𝑉𝑀 − 𝑉𝑚 = 65 − 30 = 35
b) 𝑅 = 35
Determinando el número de Clase

a) 𝑘 = 1 + 3.32 × 𝑙𝑜𝑔40 = 6.32 ≅ 6
b) 𝑘 = 6
𝑘 = √𝑛 = √40 = 6.32 ≅ 6
Determinando la amplitud
𝑅 35
a) 𝑎𝑖 = 𝑘
= 6
= 5.83 ≅ 6
b) 𝑎𝑖 = 6
15

C1 C2 C3 C4 C5 C6
Clases 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊
30 – 36 8 8 0.2 0.2 6 33
36 – 42 6 14 0.15 0.35 6 39
42 – 48 5 19 0.125 0.475 6 45
48 – 54 7 26 0.175 0.65 6 51
54 – 60 11 37 0.275 0.925 6 57
60 – 66 3 40 0.075 1 6 63
40 1
Determinación de la frecuencia absoluta (Columna C1):
• En la primera clase contamos la cantidad de datos desde 30 hasta 36, excluyendo el 36.
• En la segunda clase contamos la cantidad de datos desde 36 hasta 42, excluyendo el 42.
• En la tercera clase contamos la cantidad de datos desde 42 hasta 48, excluyendo el 48.
• En la cuarta clase contamos la cantidad de datos desde 48 hasta 54, excluyendo el 54.
• En la quinta clase contamos la cantidad de datos desde 54 hasta 60, excluyendo el 60.
• En la sexta clase contamos la cantidad de datos desde 60 hasta 66, excluyendo el 66.
Las siguientes columnas han sido trabajadas anteriormente: Desde La columna C2 hasta C4.
La columna identificada como C5, corresponde a la amplitud, la cual fue determinada.
La columna identificada como C6, corresponde a la marca de la clase o punto medio de la
clase, que se determina a través de la semisuma de los límites de cada clase.
𝑳𝒊−𝟏 + 𝑳𝒊
𝒙𝒊 =
𝟐
𝟑𝟎 + 𝟑𝟔 𝟔𝟔
Primera clase: 𝒙𝒊 = = = 𝟑𝟑
𝟐 𝟐
De esa forma se continúa con las clases siguientes.
16

Gráficos estadísticos:
Las variables estadísticas pueden ser descritas mediante representaciones gráficas.

A través de los gráficos estadísticos, podemos observar el comportamiento de una variable
en particular o de un conjunto de terminado de ellas.
Cuando en un gráfico se observa el comportamiento de cada variable e particular, el gráfico
es un tipo de gráfico diferencial.
Si el gráfico presenta el comportamiento de varias variables en conjunto, es decir, de forma
acumulada, el gráfico es un tipo de gráfico integral.
Los gráficos presentan el comportamiento tanto de variables cualitativas, como de variables
cualitativas.
A continuación se presentan algunos gráficos:
Diagrama de barras:
El diagrama de barras, como su nombre lo indica, está formado por barras rectangulares con
igual longitud de ancho, dispuestos a una misma distancia de separación entre sí. Es
empleado para observar el comportamiento individual de cada elemento por medio de la
comparación de las frecuencias de variables que intervienen en la distribución.
ITEMS CANTIDAD
Mamposteria 17
CANTIDAD
Contrapiso 15 30
25
Cielorraso 22 20
15
Revoque grueso 25
10
Revoque fino 11 5
0
Cielorraso 10
100
17

Histograma:
Es un diagrama diferencial para variables cuantitativas discretas. Está formado por un
conjunto de rectángulos unidos entre si, cuya anchura es un valor estandarizado para todos
los rectángulos contenidos, y su altura es la correspondiente a la frecuencia absoluta del
elemento o la clase también indicada.
16
14
12
10
8
6
4
2
0
Edad 5 15 25 35
Polígono de frecuencias:
El polígono de frecuencias es un tipo de diagrama diferencial, que se emplea para
observar el comportamiento de variables cuantitativas, específicamente de tipo
continuas.
Edad Cantidad
5 2 Cantidad
15 6 15
25 14
35 6 10
45 2
30 5
0
0 10 20 30 40 50
18

Diagrama de sectores:
Este gráfico, también llamado gráfico de pastel, tiene forma de circunferencia dividida en
regiones según la dimensión de la frecuencia absoluta, relacionada con los grados que le
correspondan.
Es usado para la representación de variables cualitativas cuyos valores están cifras

porcentuales o absolutas.
Debido a que los grados en la circunferencia se mide en grado Sexagesimales

(generalmente), su perígono es de 360 grados, los cuales corresponden al total de la muestra,
para el 100% de los datos.
La fórmula para determinar los grados de la región correspondiente a la frecuencia absoluta

de cada elemento es la siguiente:
𝟑𝟔𝟎° × 𝒇𝒊
°𝑪 =
𝒏
ITEMS CANTIDAD
CANTIDAD
Mamposteria 17
Contrapiso 15 Mamposteria Contrapiso
Cielorraso 22 Cielorraso Revoque grueso
Revoque grueso 25 Revoque fino Cielorraso
Revoque fino 11
10% 17%
Cielorraso 10 11%
15%
100
25%
22%
19

Ojiva:
La ojiva es un tipo de gráfico integral, que se construye con la frecuencia absoluta acumulada.
En tal caso se observa el comportamiento de las variables de forma acumulada.
En el gráfico siguiente se observan diferentes edades, para una muestra de 35, se observa
que 23 personas tienen hasta 8 años de edad. A partir de lo observado podemos analizar el
comportamiento hasta la edad de ocho años.
Edad Cantidad Cantidad

4 2 2
Cantidad
6 6 8 40
8 15 23 35
10 8 31
30
12 4 35
35 25
20
15
10
0
0 5 10 15
Existen otros tipos diagramas que son útiles para el estudio de las diversas variables
estadísticas. En tal caso recomiendo indagar a profundidad sobre los gráficos estadísticos.
20

Ejercicios:
I) Siguiendo el procedimiento que corresponda, construye la tabla de datos No
agrupados para cada uno de los siguientes casos
1) No agrupados 2) No agrupados
25 33 27 20 14 21 33 29 25 17
1 6 8 4 5
31 18 16 29 33 22 23 17 21 26
4 1 5 3 8
13 20 27 37 26 19 25 24 25 20
4 6 2 9 3 25 29 33 17 22 25 31 27 21 14
4 10 2 1 4 24 27 23 15 21 24 18 25 23 24
II) Completa las siguientes tablas de datos no agrupados
1) Tabla
3) Tabla
𝒙𝒊 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
4 5 Deporte 𝑓𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
6 10 Baloncesto 9
8 15 Baseball 12
10 8 Futbol 6
12 7 Sin deporte 3
Total Total 30
2) Tabla 4) Tabla
xi 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊 𝒙𝒊 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
800 4 4.2 1
950 6 4.6 2
1000 12 5 8
1200 10 5.2 5
1400 8 5.5 4
Total Total
III) Con las tablas construidas en el ejercicio “I”, construir el Histograma y el polígono
de frecuencias.
IV) Con las tablas del ejercicio “II”:

▪ Construir el diagrama de barras con la tabla 1.
▪ Construir la Ojiva con las tablas 2 y 4.
▪ Construir el diagrama de sectores la tabla 3.
▪ Construir el polígono de frecuencias con la tabla 4.
21

V) Siguiendo el procedimiento correspondiente, construye la tabla de datos agrupados
para cada uno de los siguientes casos:
1) A un total de 75 personas, se les ha tomado la estatura, en centímetros,

obteniéndose los siguientes datos:
175 156 172 159 161 185 186 192 179 163 164 170 164 167 168 174 172
168 176 166 167 169 182 170 169 167 170 162 172 171 174 171 155 171
171 170 157 170 173 173 174 168 166 172 172 158 159 163 163 168 174
175 150 154 175 160 175 177 178 180 169 165 180 166 184 183 174 173
162 185 189 169 173 171 173
2) Tablas para datos agrupados:

92 95 54 80 90 63 65 59 82 91
91 90 86 90 90 86 78 86 83 96
88 90 86 92 25 92 91 87 70 75
86 88 62 80 76 78 35 92 77 93
98 72 82 80 72 72 57 75 76 76
85 64 70 75 71 77 90 45 78 87
75 72 90 63 96 78 81 84 84 81
78 82 87 83 73 72 77 80 72 70
86 46 71 86 83 83 92 87 49 94
3) Tablas para datos agrupados:

65 63 65 63 69 67 53 58 60 61
64 65 64 72 68 66 55 57 60 62
64 65 64 71 68 66 56 59 61 62
63 65 63 70 67 66 57 59 61 62
64 64 63 69 67 66 58 60 61 62
63 65 63 70 64 66 57 59 61 62
64 64 63 69 67 66 58 60 61 62
65 65 63 70 67 66 57 59 61 62
22

Unidad 2
Medidas de tendencia central (MTC)
Las Medidas de Tendencia Central (MTC), son medidas numéricas de localización central.
Muestran la forma como se agrupan los valores de una distribución estadística.
Las Medidas de Tendencia Central (MTC), están dirigidas básicamente al procesamiento de
datos cuantitativos.
Las Medidas de Tendencia Central (MTC) que se analizan son las siguientes:
1. Media:
a. Media aritmética
b. Media geométrica
c. Media armónica
d. Media cuadrática
e. Media ponderada
2. Moda
3. Mediana
En esta unidad nos limitaremos a calcular: Media, Moda, Mediana, tanto para datos
agrupados, como para datos no agrupados.
Media aritmética
La media aritmética es uno de los principales estadísticos, de mayor aplicación en la vida

diaria.
La media aritmética se puede definir de la siguiente manera:
La media aritmética es el valor numérico, que se obtiene al dividir la sumatoria de

un conjunto de datos cuantitativos entre el número total de la muestra (El total de
datos observados).
Propiedades de la media aritmética (Primera parte)

Son características propias de la media aritmética las siguientes:
• La media aritmética solo se aplica al procesamiento de datos cuantitativos.
23

• Para obtener la media aritmética, se debe utilizar todas las observaciones de la
muestra.
• La media aritmética es el valor comprendido entre el valor mínimo de los datos y el
valor máximo de los datos, de la distribución.
• Debe venir expresada en la misma unidad que los datos.
Existen dos formas de procesar los datos cuantitativos (sea de una población o de una
muestra), en una tabla de distribución de frecuencias:
a) Procesamiento de datos no agrupados.
b) Procesamiento de datos agrupados.
Los cálculos de las Medidas de Tendencia Central, se realizarán mediante el

procesamiento de datos no agrupados y de datos agrupados.
Media aritmética para datos no agrupados

Para la determinación de la media aritmética de datos no agrupados, utilizamos la siguiente fórmula
o ecuación:
∑𝒌𝒊=𝟏 𝒙𝒊
̅=
𝒙
𝒏
Esta fórmula nos indica que se deben sumar cada una de las observaciones muestral, sin
importar que esta observación se repita o no.
Ejemplo 1: Calcular la Media Aritmética con los siguientes datos cuantitativos, procesando los datos
sin agruparlos:
5, 7, 10, 15, 20, 21, 24, 26

5 + 7 + 10 + 15 + 20 + 21 + 24 + 26 128
𝑥̅ = = = 16
8 8
̅ = 𝟏𝟔
𝒙
Ejemplo 2: Calcular la Media Aritmética con los siguientes datos cuantitativos, procesando los datos
sin agruparlos:
5, 6, 8, 8, 8, 10, 10, 12, 14

5 + 6 + 8 + 8 + 8 + 10 + 10 + 12 + 14 81
𝑥̅ = = =9
9 9
̅=𝟗
𝒙
24

También podemos utilizar la siguiente fórmula o ecuación, para la determinación de la media
aritmética de datos no agrupados:
∑𝒌𝒊=𝟏 𝒇𝒊 𝒙𝒊
̅=
𝒙
𝒏
Esta fórmula nos indica que debemos realizar la sumatoria del producto de cada modalidad
con su respectiva frecuencia absoluta, y luego dividir entre la muestra.
Ejemplo 3: Los siguientes datos cuantitativos serán procesados sin agrupar para calcular la Media
Aritmética:
8, 8, 10, 10, 10, 12, 12, 12, 12, 12, 14, 14, 14, 14, 16, 16
La tabla de distribución de frecuencias construida es la siguiente:
Tabla de distribución de frecuencias

xi 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
8 2 2 0.125 0.125 16
10 3 5 0.1875 0.3125 30
12 5 10 0.3125 0.625 60
14 4 14 0.25 0.875 56
16 2 16 0.125 1 32
Total 16 1 194
𝒌
∑𝒌𝒊=𝟏 𝒇𝒊 𝒙𝒊 = 𝟏𝟗𝟒 𝒏 = 𝟏𝟔 ∑ 𝒇𝒊 𝒙𝒊
𝒊=𝟏
∑𝒌𝒊=𝟏 𝒇𝒊 𝒙𝒊 𝟏𝟗𝟒
̅=
𝒙 = = 𝟏𝟐. 𝟏𝟐𝟓
𝒏 𝟏𝟔
25

Ejercicios:
Realiza las actividades indicadas en cada caso
1. Si las calificaciones de un alumno en las distintas asignaturas de un curso durante una evaluación
fueron: 95; 85; 86; 75; 83; 75. Hallar la calificación media de la evaluación.
2. La media de 6 elementos se sabe que es 10. Sabiendo que cinco de ellos son: 8, 12, 13, 5 y 9,
hallar el elemento que falta.
3. Un alumno obtiene en tres exámenes parciales las siguientes notas: 7, 5 y 3; en el examen final
obtiene un 6. Suponiendo que esta nota final tenga doble valor que las parciales, ¿cuál será su
nota media?
4. Si la renta anual media de los trabajadores del campo es de 1,000,000 de pesos y la renta anual
media de los trabajadores de la construcción en esa población es de 1,200,000 pesos, ¿sería la
renta anual media para ambos grupos de 1,100,000 pesos? Explica.
5. Por 4 años consecutivos el propietario de una casa compró gas para el uso común de los
inquilinos, cada galón registró el precio por año $95.70, $100.90, $102.25 y $108.25. ¿Cuál fue el
costo promedio del gas en los 4 años?
6. Hallar con los datos dados a continuación calcular la media aritmética:

25 33 27 20 14 21 33 29 25 17 31 18 16 29 33 22 23 17 21 26
13 20 27 37 26 19 25 24 25 20 25 29 33 17 22 25 31 27 21 14
7. En cada una de las siguientes tablas calcular la media aritmética:
a)
Xi 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
4 5
6 10
8 15
10 8
12 7
Total
26

b)
800 4
950 6
1000 10
1200 10
1400 8
1600 2
Total
c)
C 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒇𝒊 𝒙𝒊
4.2 1
4.6 2
5 8
5.2 5
5.5 4
Total
27

Media aritmética para datos agrupados
Para determinar la Media aritmética con datos agrupados, multiplicamos la frecuencia absoluta de
cada clase por su respectiva marca de clase (Punto medio de la clase), dividiendo la sumatoria entre
la muestra.
La ecuación empleada para realizar el cálculo es la siguiente:
∑𝒌𝒊=𝟏 𝒇𝒊 𝒙𝒊
̅=
𝒙
𝒏
Ejemplo 4: Calcular la Media Aritmética para los siguientes datos cuantitativos, agrupando los datos:
Clase 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
10-16 14 14 0.14 0.14 6 13 182
16-22 22 36 0.22 0.36 6 19 418
22-28 31 67 0.31 0.67 6 25 775
28-34 23 90 0.23 0.9 6 31 713
34-40 10 100 0.1 1 6 37 370
100 2458
∑ 𝒇𝒊 𝒙𝒊
𝒊=𝟏
∑𝒌𝒊=𝟏 𝒇𝒊 𝒙𝒊 𝟐𝟒𝟓𝟖
̅=
𝒙 = = 𝟐𝟒. 𝟓𝟖
𝒏 𝟏𝟎𝟎
Propiedades de la media (Segunda parte)

Se analizan a continuación una serie de propiedades de la media que hacen de ´esta una
medida óptima de representación.
• La suma de las desviaciones a partir de la media aritmética es cero

• Si a cada observación de una distribución 𝒙𝒊 se le suma una constante k, se tiene una
nueva variable 𝒚𝒊 = 𝒙𝒊 + 𝒌 con media igual a la de 𝒙𝒊 más la constante 𝑘.
• La suma de los cuadrados de las desviaciones a partir de la media aritmética es menor
que la suma de los cuadrados de las desviaciones a partir de cualquier otro valor
Ventajas de la media aritmética:
28

La media aritmética presenta las siguientes ventajas:
• Es el estadístico más comúnmente usado

• Es fácil de calcular
• Se entiende fácilmente
• Se presta a operaciones algebraicas
Desventajas de la media aritmética:
Una desventaja de la media aritmética es que la misma está se ve afectada por los valores
extremos. En tal caso puede estar muy lejos de ser una representación de la muestra, por tal
razón no se recomienda su uso en distribuciones muy asimétricas.
Ejercicios:
Completar las siguientes tablas y calcular la media aritmética
1) Tabla:
PUNTUACIÓN 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
20-30 1
30-40 2
40-50 3
50-60 11
60-70 21
70-80 43
80-90 32
90-100 9
TOTAL 122
29

2) Tabla:
Pesos
𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
(Kg)
50 – 55 2
55 – 60 5
60 – 65 9
65 – 70 15
70 – 75 12
75 – 80 5
80 – 85 2
TOTAL 50
3) Tabla
PLAZAS No. de Hoteles 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊

0-10 25
10-30 50
30-60 55
60-90 40
90-120 20
30

4) Tabla
Salarios No. de
(Miles $) 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
empleados 𝑓𝑖
10-16 14
16-22 22
22-28 31
28-34 23
34-40 10
5) Tablas
Nº de Nº de 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
acciones accionistas 𝑓𝑖
0-20 180
20-60 380
60-100 1030
100-500 50
500-1000 10
31

Media Geométrica
Es una medida descriptiva que se encarga de la medición de una variable cuantitativa en el

tiempo. Con la media geométrica podemos medir las condiciones de una inversión con
respecto al tiempo.
La media geométrica se determina mediante la raíz enésima del producto de los n valores de
la muestra.
̅̅̅̅
𝑿𝒈 = 𝒏√𝒙𝟏 × 𝒙𝟐 × 𝒙𝟑 × 𝒙𝟒 … . .× 𝒙𝒏
Considerando que un elemento de un estadístico tiene frecuencia absoluta simple 𝑓𝑖 ,

aplicamos la siguiente ecuación o fórmula:
𝒏
̅̅̅̅
𝑿𝒈 = ට𝒙𝒇𝟏 𝟏 × 𝒙𝒇𝟐 𝟐 × … . 𝒙𝒇𝒌 𝒌
Donde:
̅̅̅
1. 𝑋 𝑔 Es la media geométrica.
2. 𝑥𝑖 Es elemento de la muestra o de la población.
3. 𝑓𝑖 Es la frecuencia absoluta simple.
Ejemplo1:
Calcular la media geométrica de los siguientes datos: 2, 4, 5, 6, 8, 10
La muestra es n = 6
𝒏
La ecuación correspondiente es ̅̅̅̅
𝑿𝒈 = √𝒙𝒇𝟏 𝟏 × 𝒙𝒇𝟐 𝟐 × … . 𝒙𝒇𝒌 𝒌
Como se puede observar en la distribución, cada elemento tiene frecuencia absoluta uno (1),
por tanto tendremos que:
𝟔
̅̅̅̅
𝑿𝒈 = √𝟐 × 𝟒 × 𝟓 × 𝟔 × 𝟖 × 𝟏𝟎 = 𝟓. 𝟏𝟖
La media geométrica es ̅̅̅̅

𝑿𝒈 = 𝟓. 𝟏𝟖
32

Ejemplo2:
Calcular la media Geométrica de los siguientes datos: 2, 4, 4, 4, 6, 6, 8, 8, 8, 10
La frecuencia absoluta es n = 10
𝒏
La ecuación correspondiente es ̅̅̅̅
𝑿𝒈 = √𝒙𝒇𝟏 𝟏 × 𝒙𝒇𝟐 𝟐 × … . 𝒙𝒇𝒌 𝒌
En este caso, podemos construir la tabla de frecuencias:
xi fi
2 1 Como se puede observar en la distribución, cada elemento tiene como exponente,
4 3 la frecuencia absoluta correspondiente, por tanto, tendremos que:
6 2
8 3 𝟏𝟎
10 1 ̅̅̅̅
𝑿𝒈 = √𝟐 × 𝟒𝟑 × 𝟔𝟐 × 𝟖𝟑 × 𝟏𝟎 = 𝟓. 𝟒𝟔
n 10
Por tanto: ̅̅̅̅

𝑿𝒈 = 𝟓. 𝟒𝟔
Nota: Para el caso correspondiente a los datos agrupados, 𝒙𝒊 está dado por la marca de la
clase.
Propiedades de la Media Geométrica:
La media geométrica es de gran importancia para los administradores y los

economistas, en aplicaciones tales como cuando se tienen los registros de las ventas
de un almacén o algo similar, o de tus ingresos por un periodo de tiempo, dado que la
media geométrica es la raíz enésima del producto de las n cantidades, nos indica la
variación porcentual de la cantidad que estamos tratando, sea ventas, ingresos etc.
En síntesis, en una medida de centralización útil para variaciones en el tiempo.
• La media geométrica está basada en todas las observaciones, por lo que está
afectada por todos los valores de la variable. Sin embargo, da menos pesos a los
valores extremadamente grandes que el que les da la media aritmética.
• La media geométrica es igual a cero si algunos de los valores es cero, y se puede

volver imaginaria si ocurren valores negativos. Con la excepción de estos dos
casos, su valor siempre es definitivo y está rígidamente definido.
• La media geométrica es la que se debe utilizar cuando lo que se va a promediar

son tasas de cambios o proporciones, y se intenta dar igual peso a tasas de
cambios iguales.
33

Media Armónica
Para calcular la media armónica empleamos la siguiente fórmula o ecuación:
𝒏
̅̅̅̅𝒂 =
𝑿
𝒇
∑ 𝒊
𝒙𝒊
Es decir:
𝒏
̅̅̅̅
𝑿𝒂 =
𝒇𝟏 𝒇𝟐 𝒇𝒌
𝒙𝟏 + 𝒙𝟐 + . . . . + 𝒙𝒌
Ejemplo1:
Calcular la media armónica de los siguientes datos: 2, 4, 5, 6, 8, 10
n=6
Aplicando la fórmula correspondiente, tendremos que:
𝟔
̅̅̅̅𝒂 =
𝑿 = 𝟒. 𝟒𝟕
𝟏 𝟏 𝟏 𝟏 𝟏 𝟏
+ + + + +
𝟐 𝟒 𝟓 𝟔 𝟖 𝟏𝟎
̅̅̅̅
𝑿𝒂 = 𝟒. 𝟒𝟕
Ejemplo2:
Calcular la media armónica de los siguientes datos: 2, 4, 4, 4, 6, 6, 8, 8, 8, 10
La ecuación correspondiente es:
𝒏
̅̅̅̅𝒂
:𝑿 = 𝒇𝟏 𝒇 𝒇
+ 𝟐 + ... .+ 𝒌
𝒙𝟏 𝒙𝟐 𝒙𝒌
𝟏𝟎
̅̅̅̅
𝑿𝒂 = = 𝟒. 𝟖𝟔
𝟏 𝟑 𝟐 𝟑 𝟏
+ + + +
𝟐 𝟒 𝟔 𝟖 𝟏𝟎
34

xi fi Como se puede observar en la distribución, cada elemento tiene como exponente,

2 1 la frecuencia absoluta correspondiente, por tanto, tendremos que:
4 3
6 2 𝟏𝟎
8 3 ̅̅̅̅𝒂 =
𝑿 = 𝟒. 𝟖𝟔
𝟏 𝟑 𝟐 𝟑 𝟏
10 1 + + + +
𝟐 𝟒 𝟔 𝟖 𝟏𝟎
n 10 ̅̅̅̅𝒂 = 𝟒. 𝟖𝟔
Por tanto: 𝑿
Nota: En el caso de los datos agrupados, 𝒙𝒊 está dado por la marca de la clase.
Propiedades de la Media Armónica:
• La media armónica se basa en todas las observaciones; por tanto, está afectada
por todos los valores de la distribución.
• La media armónica da a los valores extremadamente grandes un peso menor que

el que les da la media geométrica, pero a los valores pequeños les da un peso
mayor que el dado por la media aritmética y por media geométrica.
• La media armónica es indeterminada si alguno de los valores de la distribución es

cero.es decir, que no está definida cuando uno de los elementos tiene frecuencia
absoluta cero.
• La media armónica es el promedio que se ha de emplear, cuando se va a

promediar proporciones, donde los numeradores de las razones son los mismos
para todas las proporciones.
• La media armónica se presta a manipulaciones algebraicas posteriores.
La media armónica, tiene grandes aplicaciones también en la física, como por

ejemplo:
a) Un vehículo recorre una trayectoria desde un punto A hasta un punto B. cuando

se dirige desde A hasta B lleva una velocidad de 100 km/h y de retorno
disminuye a 70 km/h. ¿Cuál es la velocidad media de la vuelta completa?
𝟐
Respuesta: ̅̅̅̅
𝑿𝒂 = 𝟏 𝟏 = 𝟖𝟐. 𝟑𝟓
+
𝟏𝟎𝟎 𝟕𝟎
35

Media cuadrática
Para determinar la media cuadrática aplicamos la siguiente fórmula:
⬚ ∑ 𝒇𝒊 𝒙𝟐𝒊
̅̅̅̅𝒄 = ඨ
𝑿
𝒏
Esta fórmula es aplicable tanto para datos agrupados, como para no agrupados.
Ejemplo1:
Calcular la media cuadrática de los siguientes datos: 2, 4, 5, 6, 8, 10
n=6
Aplicando la fórmula correspondiente, tendremos que:
⬚ 𝟐𝟐 + 𝟒𝟐 + 𝟓𝟐 + 𝟔𝟐 + 𝟖𝟐 + 𝟏𝟎𝟐
̅̅̅̅𝒄 = ඨ
𝑿 = 𝟔. 𝟑𝟗
𝟔
̅𝑿̅̅̅𝒄 = 𝟔. 𝟑𝟗
Ejemplo2:
Calcular la media cuadrática de los siguientes datos: 2, 4, 4, 4, 6, 6, 8, 8, 8, 10
La ecuación correspondiente es ⬚ ∑ 𝒇𝒊 𝒙𝟐𝒊

̅̅̅̅𝒄 = ඨ
𝑿
𝒏
36

Como se puede observar en la distribución, cada elemento tiene como exponente, la
frecuencia absoluta correspondiente, por tanto tendremos que:
⬚ 𝟐𝟐 + 𝟑(𝟒𝟐 ) + 𝟐(𝟔𝟐 ) + 𝟑(𝟖𝟐 ) + 𝟏𝟎𝟐

xi ni ̅𝑿̅̅̅𝒄 = ඨ = 𝟔. 𝟒𝟓
𝟏𝟎
2 1
4 3
6 2
8 3
10 1
n 10 ̅̅̅̅𝒄 = 𝟔. 𝟒𝟓
𝑿
Ejercicios:
1) Encuentre la media geométrica de los números 3, 5, 6, 6, 7, 10 y 12.
2) Con los siguientes datos 2, 4, 5, 6, 6, 7, 8, 10 y 12, calcular

a) La media aritmética.
b) La media geométrica.
c) La media armónica.
d) La media cuadrática.
3) Un automóvil viaja 85 kilómetros a 65 km/h, 90 kilómetros a 90 km/h y 65 kilómetros a

75 km/h. Calcule la media aritmética y la media armónica de las tres velocidades.
¿Cuál es la correcta
4) Por 4 años consecutivos el propietario de una casa compró gas para el uso común de
los inquilinos, cada galón registró el precio por año $95.70, $100.90, $102.25 y
$108.25.
¿Cuál fue el costo promedio del gas en los 4 años, suponiendo que el consumo fue de
1500 galones cada año?
¿Cuál fue el costo promedio del gas en los 4 años, suponiendo que el consumo fue de
1000 galones el primer año, 1200 galones el segundo año, 1400 galones el tercer año
y 1600 galones el cuarto año?
5) Calcule la media cuadrática de los números 3, 5, 6, 6, 7, 10 Y 12.
37

6) Las calificaciones de los alumnos en un examen parcial de Estadística (En base a 20 puntos),
han sido: 12, 8, 8, 6, 12, 20, 2, 2, 4, 12 ,12, 16, 10.
a. Calcular la media aritmética simple, la moda, la mediana y la media geométrica.
b. Si usted fuera un líder estudiantil, ¿qué medida de centralización escogería para
argumentar la buena “calidad” del grupo?
c. Si usted fuese el profesor de la materia, ¿qué medida de centralidad escogería para
argumentar la pésima “calidad” del grupo?
d. Si usted fuese un observador imparcial, ¿qué podría decir sobre el nivel del grupo?
38

Media Ponderada
La media ponderada correspondiente a un conjunto de valores numéricos 𝑥1 , 𝑥2 , . . . , 𝑥𝑘 , los

cuales tienen asignados un peso, 𝑤1 , 𝑤2 , . . . . , 𝑤𝑘 , se calcula mediante la fórmula:
𝒙𝟏 𝒘𝟏 + 𝒙𝟐 𝒘𝟐 + 𝒙𝟑 𝒘𝟑 + . . . +𝒙𝒌 𝒘𝒌
̅̅̅̅𝒑 =
𝑿
𝒘𝟏 + 𝒘𝟐 + 𝒘𝟏 + . . . +𝒘𝒌
∑𝒙𝒌 𝒘𝒌
̅̅̅̅
𝑿𝒑 =
∑𝒘𝒌
Ejemplo:
Un estudiante de una Universidad obtiene en tres asignaturas diferentes, las siguientes
calificaciones: Cálculo 92, Sociales 85 y Redacción 90. Si las asignaturas tienes los siguientes
créditos: Cálculo 5 Cr., Sociales 3 Cr. y Redacción 4 Cr., Cual es la calificación media del
estudiante?.
En este caso el número de crédito corresponde al peso de cada asignatura.
Para cada asignatura se multiplica la calificación por el número de crédito, suman los
productos y resultado se divide entre la sumatoria de los pesos indicados.
𝟗𝟐 × 𝟓 + 𝟖𝟓 × 𝟑 + 𝟗𝟎 × 𝟒 𝟏, 𝟎𝟕𝟓
̅̅̅̅𝒑 =
𝑿 = = 𝟖𝟗. 𝟓𝟖 ≅ 𝟗𝟎
𝟓+𝟑+𝟒 𝟏𝟐
Ejercicios:
1) Un estudiante de una Universidad APEC, obtiene en tres asignaturas las siguientes

calificaciones: Mat-131 (Cálculo I), 95; Mat-222 (Algebra Lineal), 85; Soc-101 (Ética); 90.
Si las asignaturas tienes los siguientes créditos: Mat-131 (Cálculo I), 5 Cr.; Mat-222
(Algebra Lineal), 4 Cr. y Soc-101 (Ética) 2 Cr., Cual es la calificación media del
estudiante?
2) Un estudiante de una Universidad APEC, obtiene en tres asignaturas las siguientes

calificaciones: Mat-131 (Cálculo I) 80, Mat-222 (Algebra Lineal) 85 y Soc-101 (Ética) 98.
Si las asignaturas tienes los siguientes créditos: ¿Mat-131 (Cálculo I) 5 Cr., Mat-222
(Algebra Lineal) 4 Cr. y Soc-101 (Ética) 2 Cr., Cual es la calificación media del estudiante?
39

Mediana (Me)
La Mediana (𝑴𝒆 ): es el dato que divide la muestra de datos en dos partes iguales. Esto
significa que el número de datos que queda por debajo y por arriba de la mediana son
iguales
Recuerdo a los lectores, que los cálculos de las Medidas de Tendencia Central, se
realizarán mediante el procesamiento de datos no agrupados y de datos agrupados.
Mediana para datos no agrupados
Para determinar la mediana de datos no agrupados, primero verificamos si el número de la

muestra (n) es par o es impar.
A continuación, les presento el procedimiento para cada situación:
Muestra par
𝒏
• Dividimos la muestra entre dos:
𝟐
• El resultado de este cociente, es la posición del dato correspondiente a la mediana.
• Debido a que dos son los datos que ocupan la misma posición, sumamos los datos y
el resultado lo dividimos entre dos, siendo este valor la mediana.
Ejemplo 5: Calcular la Mediana para los siguientes datos cuantitativos:
8, 8, 10, 10, 10, 12, 12, 12, 14, 14, 14, 14, 15, 15, 15, 18
n = 16
Determinamos la posición del dato correspondiente:
𝒏 𝟏𝟔
𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏 = = =𝟖
𝟐 𝟐
La posición es 8
Procedemos a contar los datos organizados de izquierda a derecha y luego de derecha a
izquierda:
8, 8, 10, 10, 10, 12, 12, 12, 14, 14, 14, 14, 15, 15, 15, 18
Posición es 8 Posición es 8
40

Como 12 y 14 tienen la misma posición, se realiza la siguiente operación:
𝟏𝟐 + 𝟏𝟒 𝟐𝟔
𝑴𝒆 = = = 𝟏𝟑
𝟐 𝟐
Por tanto la Mediana es:
𝑴𝒆 = 𝟏𝟑
Muestra impar
• Como la muestra es impar, sumamos uno (1) a la muestra, luego dividimos entre dos:
𝑛+1
2
• El resultado de este cociente, es la posición del dato correspondiente a la mediana.
Ejemplo 6:
Calcular la Mediana para los siguientes datos cuantitativos:
5, 7, 10, 12, 15, 18, 20, 21, 24

n=9
𝒏+𝟏 𝟗+𝟏 𝟏𝟎
𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏 = = = =𝟓
𝟐 𝟐 𝟐
La posición es 5
Procedemos a contar los datos organizados de izquierda a derecha y luego de derecha a
izquierda
5, 7, 10, 12, 15, 18, 20, 21, 24
Posición es 5
𝑴𝒆 = 𝟏𝟓
41

Ejercicios:
Ejercicios:Cálculo de la Mediana
1) Determinar la mediana de la serie 5, 6, 9, 11, 15, 19, 23, 26, 27. Luego para la
serie 5, 7, 10, 15, 20, 21, 24, 27. Compara ambas.
2) José pregunta a Daniel: ¿Qué día es hoy? – y Daniel le responde: el día de hoy
corresponde a la mediana. Cuál es el día?
3) Completar las siguientes tablas y calcular la mediana
8 2
10 3
12 5
14 4
16 2
Total
4 5
6 10
8 15
10 8
12 7
Total
4.2 1
4.6 2
5 8
5.2 5
5.5 4
Total
42

Mediana para datos agrupados
Para determinar la mediana con datos agrupados empleamos la siguiente fórmula o ecuación:
𝑛
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖−1 + ቌ2 × 𝑎𝑖 ቍ
𝑓𝑖
Con el ejemplo siguiente se ilustra el procedimiento.
Ejemplo 7:
Calcular la Mediana para los siguientes datos cuantitativos, agrupando los datos:
Observemos la siguiente tabla de datos agrupados.
Clase 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝑎𝑖 𝑥𝑖 𝒇𝒊 𝒙𝒊
10-16 14 14 0.14 0.14 6 13 182
16-22 22 36 0.22 0.36 6 19 418
22-28 31 67 0.31 0.67 6 25 775
28-34 23 90 0.23 0.9 6 31 713
34-40 10 100 0.1 1 6 37 370
100 2458
La muestra es n = 100.
𝒏
Dividimos la muestra entre dos: 𝟐
𝒏 𝟏𝟎𝟎
= = 𝟓𝟎
𝟐 𝟐
Como el cociente es 50 Buscamos la frecuencia absoluta acumulada, próximo mayor a 50 (en

𝑛
este caso (𝑁𝑖 > 2 ).
El próximo mayor a 50 es 𝑵𝒊 = 𝟔𝟕 .
La clase correspondiente a la frecuencia absoluta acumulada 𝑵𝒊 = 𝟔𝟕 es [22 – 28).

𝒏
− 𝑭𝒊−𝟏
A partir de la fórmula: 𝑴𝒆 = 𝑳𝒊−𝟏 + ቌ𝟐 × 𝒂𝒊 ቍ seleccionamos los elementos correspondientes.
𝒇𝒊
𝒏
Tenemos que: = 𝟓𝟎
𝟐
43

𝑳𝒊−𝟏 = 22 (Corresponde al límite inferior de la clase [22 – 28)).
𝒏𝒊 = 𝟑𝟏 (Corresponde a la clase [22 – 28).
𝒂𝒊 = 𝟔 (Corresponde a la clase [22 – 28).
𝑵𝒊−𝟏 = 𝟑𝟔 (Corresponde a la frecuencia absoluta acumulada de la clase [22 – 28))
Ahora procedemos a sustituir los elementos determinados en la fórmula ó ecuación indicada:
𝒏
− 𝑭𝒊−𝟏 𝟓𝟎 − 𝟑𝟔
𝑴𝒆 = 𝑳𝒊−𝟏 + ቌ𝟐 × 𝒂𝒊 ቍ = 𝟐𝟐 + ( × 𝟔) = 𝟐𝟐 + 𝟐. 𝟕𝟏 = 𝟐𝟒. 𝟕𝟏
𝒇𝒊 𝟑𝟏
𝑴𝒆 = 𝟐𝟒. 𝟕𝟏
Propiedades de la mediana:
La Mediana tiene propiedades tales como:
1) Es estable a los valores extremos.

2) Es recomendable para distribuciones muy asimétricas.
3) Es utilizada para variables cuantitativas.
44

Ejercicios:
Cálcular la Mediana a cada una de las siguientes tablas:
Calcular la mediana para los siguientes datos agrupados:

1) Tabla
PLAZAS Nº DE HOTELES 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
0-10 25
10-30 50
30-60 55
60-90 40
90-120 20
2) Tabla
Salarios Nº 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
(Miles $) Empleados
10-16 14
16-22 22
22-28 31
28-34 23
34-40 10
3) Tabla
Pesos 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊
ni 𝒇𝒊 𝒙𝒊
(Kg)
50 – 55 2
55 – 60 5
60 – 65 9
65 – 70 15
70 – 75 12
75 – 80 5
80 – 85 2
TOTAL 50
45

4) Tabla
PUNTUACIÓN 𝑓𝑖 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
20-29 1
30-39 2
40-49 3
50-59 11
60-69 21
70-79 43
80-89 32
90-100 9
TOTAL 122
5) Tabla
Nº de Nº de 𝐹𝑖 𝑓𝑟 𝐹𝑟 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
acciones accionistas
0-20 320
20-60 380
60-100 180
100-500 90
500-1000 30
46

Moda
La Moda (𝑴𝒐 ): es el dato de Mayor frecuencia absoluta.
El cálculo de la Moda se realiza para datos cuantitativos, mediante el procesamiento

de datos no agrupados y de datos agrupados.
Una muestra de datos puede tener un o más modas.
Si la muestra tiene una moda, la muestra es unimodal.
Si la muestra tiene dos modas, la muestra es bimodal.
Si la muestra tiene más de dos modas, la muestra es multimodal.
Moda para datos no agrupados

Para determinar la moda de datos no agrupados, solo seleccionamos el dato de mayor frecuencia
absoluta.
Ejemplo 8:
Calcular la Moda para los siguientes datos cuantitativos 8, 8, 10, 10, 10, 12, 12, 12, 14, 14, 14, 14,
15, 15, 15, 18
La frecuencia absoluta es 4, que corresponde a 14. Por tanto la moda es: 𝑴𝒐 = 𝟏𝟒
Moda para datos agrupados
Para determinar la Moda en una distribución de datos agrupados, aplicamos la siguiente

fórmula ó ecuación:
𝑫𝟏
𝑴𝒐 = 𝑳𝒊−𝟏 + ( × 𝒂𝒊 )
𝑫𝟏 + 𝑫𝟐
Donde D1 y D2, son diferencias.
Recordamos que la moda es el dato de mayor frecuencia absoluta.
En tal caso:
𝐷1 = 𝑓𝑖 − 𝑓𝑖−1
𝐷2 = 𝑓𝑖 − 𝑓𝑖+1
47

𝒇𝒊 Es la mayor frecuencia absoluta
𝒇𝒊−𝟏 Es la frecuencia absoluta anterior a la mayor frecuencia absoluta.
𝒇𝒊+𝟏 Es la frecuencia absoluta posterior a la mayor frecuencia absoluta.
Con el ejemplo siguiente se ilustra el procedimiento para determinar la moda en una

distribución de datos agrupados.
Ejemplo 9:
Calcular la Moda para los siguientes datos cuantitativos, agrupando los datos:
Observamos la siguiente tabla de distribución de frecuencias:
Clase 𝒇𝒊 𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
10-16 14 14 0.14 0.14 6 13 182
16-22 22 36 0.22 0.36 6 19 418
22-28 31 67 0.31 0.67 6 25 775
28-34 23 90 0.23 0.9 6 31 713
34-40 10 100 0.1 1 6 37 370
100 2458
De la tabla anterior, seleccionamos la frecuencia absoluta mayor: 𝑓𝑖 = 31.
La clase correspondiente a esta frecuencia es [22 – 28).
La frecuencia absoluta anterior a la mayor frecuencia absoluta (ni) es 𝒇𝒊−𝟏 = 𝟐𝟐
Es la frecuencia absoluta posterior a la mayor frecuencia absoluta 𝒇𝒊+𝟏 = 𝟐𝟑
Calculamos las diferencias
𝑫𝟏 = 𝒇𝒊 − 𝒇𝒊−𝟏 = 𝟑𝟏 − 𝟐𝟐 = 𝟗
𝑫𝟐 = 𝒇𝒊 − 𝒇𝒊+𝟏 = 𝟑𝟏 − 𝟐𝟑 = 𝟖
𝑳𝒊−𝟏 = 22 (Corresponde al límite inferior de la clase [22 – 28)).
𝒂𝒊 = 𝟔 (Corresponde a la clase [22 – 28).
𝑫𝟏 𝟗
𝑴𝒐 = 𝑳𝒊−𝟏 + ( × 𝒂𝒊 ) = 𝟐𝟐 + ( × 𝟔) = 𝟐𝟐 + 𝟑. 𝟏𝟖 = 𝟐𝟓. 𝟏𝟖
𝑫𝟏 + 𝑫𝟐 𝟗+ 𝟖
𝑴𝒐 = 𝟐𝟓. 𝟏𝟖
48

Propiedades de la moda:
La Moda tiene algunas propiedades tales como:
1) Es estable a los valores extremos.

2) Es recomendable para el tratamiento de variables cualitativas.
3) Pueda que no se presente.
4) Puede existir más de una moda.
5) En distribuciones muy asimétricas, la moda puede ser un dato muy poco
representativo.
Ejercicios:
Cálcular la Moda para cada uno de los siguientes casos, completando las tablas pertinentes:
2) 2, 2, 4, 5, 5, 5, 6, 6, 8, 10
3) 8, 11, 3, 4 ,2, 4, 6, 10, 7, 5, 6, 12, 10, 8, 14
4)
5)
𝒙𝒊 𝒇𝒊
𝒙𝒊 𝒇𝒊
3.5 2
3.5 2
4.5 8
4.5 8
5.5 3
5.5 3
6.5 8
6.5 8
7.5 4
7.5 4
25
25
49

6) La siguiente tabla presenta la escala salarial de una empresa. Cada escala presenta el
número de empleados perteneciente a cada escala de salario.
Salarios Nº
(Miles $) empleados
6 - 12 14
12 - 18 22
18 -24 30
24 - 30 22
36 - 42 8
42 - 48 4
Total 100
7) La tabla siguiente presenta el tiempo de estacionamiento de un parqueo privado en Santo

Domingo.
Tiempo de Número de
estacionamiento (min.) vehículos
0-60 1220
60-120 2810
120-180 600
180-240 400
240-300 300
300-360 120
360-540 50
Total 5500
8) Un total de 50 estudiantes con vehículo de la Universidad APEC, fueron encuestados para

determinar la cantidad de galones de gasolina que consumen por semana. Los resultados
se observan en la siguiente tabla.
Nº de
Nº de Galones
vehìculos
1–5 15
5 – 10 20
10 – 15 10
15 – 20 5
50
50

9) Se ha realizado una encuesta a 30 personas en la que se les pregunta el nº de personas
que conviven en el domicilio habitualmente. Las respuestas obtenidas han sido las
1
siguientes: 4, 4, 1, 3, 5, 3, 2, 4, 1, 6, 2, 3, 4, 5, 5, 6, 2, 3, 3, 2, 2, 1, 8, 3, 5, 3, 4, 7, 2, 3.
a) Calcule la distribución de frecuencias de la variable obteniendo las frecuencias
absolutas, relativas y sus correspondientes acumuladas.
b) ¿Qué proporción de hogares está compuesta por tres o menos personas?
c) ¿Qué proporción de individuos vive en hogares con tres o menos miembros?
d) Dibuje el diagrama de barras de frecuencias y el diagrama en escalera.
e) Agrupe por intervalos de amplitud 2 los valores de la variable, calcule su distribución
de frecuencias y represente el histograma correspondiente.
51

Medidas de Posición (MP)
Medidas de posición
Las Medidas de posición, determinan la posición o ubicación de un conjunto de datos

numéricos ordenados.
Son Medidas de Posición:

• Percentiles.
• Deciles.
• Cuartiles.
Medidas de posición para datos no agrupados

Percentiles:
Los percentiles son medidas de posición que dividen los datos en cien grupos iguales.
Para determinar el percentil para datos agrupados, emplearemos la siguiente fórmula:
𝒌𝒏
𝑷𝒌 = (𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟏𝟎𝟎
En tal caso:
K Es el valor del percentil (valor comprendido entre 0 y 100).
n Es la muestra.
𝑷𝒌 Representa la posición correspondiente al dato de la distribución.
Ejemplo:
Calcular el percentil 65 de los siguientes datos: 2, 4, 5, 5, 6, 8, 9, 10.
Como el percentil es 65, el valor de k es 65.

La muestra es n = 8
𝟔𝟓 × 𝟖
𝑷𝟓𝟓 = = 𝟓. 𝟐(𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟏𝟎𝟎
Como se puede observar en la distribución, el dato que ocupa la posición 5 es el 6.
52

2, 4, 5, 5, 6, 8, 9, 10.
𝑷𝟓𝟓 = 𝟔
Deciles:
Los deciles son medidas de posición que dividen los datos en diez grupos iguales. En
tal sentido 𝑑1 = 𝑃10 , 𝑑2 = 𝑃20 , 𝑑3 = 𝑃30 , y así sucesivamente.
Ejemplo:
Calcular el 𝒅𝟒 de los siguientes datos: 2, 4, 5, 5, 6, 8, 9, 10.
Sabemos que 𝑑4 = 𝑃40 , por tanto:
𝟒𝟎 × 𝟖
𝒅𝟒 = 𝑷𝟒𝟎 = = 𝟑. 𝟐(𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟏𝟎𝟎
Como se puede observar en la distribución, el dato que ocupa la posición 3 es el 5.

2, 4, 5, 5, 6, 8, 9, 10.
𝒅𝟒 = 𝟓
Cuartiles
Los deciles son medidas de posición que dividen los datos en cuatro grupos iguales.
Las agrupaciones son 𝑸𝟏 , 𝑸𝟐 , 𝑸𝟑 , 𝑸𝟒 . Los cuartiles a ser calculados son 𝑸𝟏 , 𝑸𝟐 , 𝑸𝟑 .
53

Cuartiles para datos no agrupados
El cuartil uno tiene por debajo de si el 25% de los datos. Se emplea la siguiente
fórmula o ecuación:
𝒏
𝑸𝟏 = (𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒
Ejemplo:
Calcular el 𝑸𝟏 de los siguientes datos: 2, 4, 5, 5, 6, 8, 9, 10.
n=8
𝟖
Por tanto: 𝑸𝟏 = = 𝟐(𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒
Como se observa en la distribución, el dato que ocupa la posición 2 es el 4.

2, 4, 5, 5, 6, 8, 9, 10.
𝑸𝟏 = 𝟒
El cuartil dos tiene por debajo de si el 50% de los datos. Se emplea la siguiente
𝟐𝒏
𝑸𝟐 = (𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒
Ejemplo:
n=8
𝟐×𝟖 𝟏𝟔
Por tanto: 𝑸𝟐 = = = 𝟒(𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒 𝟒

2, 4, 5, 5, 6, 8, 9, 10.
𝑸𝟐 = 𝟓
54

El cuartil tres tiene por debajo de si el 75% de los datos. Se emplea la siguiente
𝟑𝒏
𝑸𝟑 = (𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒
Ejemplo:
n=8
𝟑×𝟖 𝟐𝟒
Por tanto: 𝑸𝟑 = = = 𝟔 (𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏)
𝟒 𝟒

2, 4, 5, 5, 6, 8, 9, 10.
𝑸𝟑 = 𝟖
Medidas de posición para datos agrupados

Percentiles para datos agrupados:
La fórmula o ecuación para calcular los percentiles con datos agrupados es:
𝒌𝒏
− 𝑭𝒊−𝟏
𝑷𝒌 = 𝑳𝒊−𝟏 + ቌ𝟏𝟎𝟎 × 𝒂𝒊 ቍ
𝒇𝒊
Deciles para datos agrupados:

La fórmula o ecuación para calcular los deciles con datos agrupados es la misma que
corresponde a los percentiles:
55

Cuartiles para datos agrupados
La fórmula o ecuación para calcular los cuartiles con datos agrupados esta dada para
cada cuartil:
𝒏 𝟐𝒏
− 𝑭𝒊−𝟏 − 𝑭𝒊−𝟏
𝑸𝟏 = 𝑳𝒊−𝟏 + ቌ𝟒 × 𝒂𝒊 ቍ 𝑸𝟐 = 𝑳𝒊−𝟏 + ቌ 𝟒 × 𝒂𝒊 ቍ
𝒇𝒊 𝒇𝒊
𝟑𝒏
− 𝑭𝒊−𝟏
𝑸𝟑 = 𝑳𝒊−𝟏 + ቌ 𝟒 × 𝒂𝒊 ቍ
𝒇𝒊
Ejemplo:
Con los datos siguientes dados en la siguiente tabla, calcular:
• 𝑄1
• 𝑃45
• 𝑑6
Clase 𝒇𝒊 𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
10-16 14 14 0.14 0.14 6 13 182
16-22 22 36 0.22 0.36 6 19 418
22-28 31 67 0.31 0.67 6 25 775
28-34 23 90 0.23 0.9 6 31 713
34-40 10 100 0.1 1 6 37 370
100 2458
56

Determinando el cuartil uno:
𝒏 𝟏𝟎𝟎
Primer paso: Dividimos la muestra entre cuatro: = = 𝟐𝟓
𝟒 𝟒
Segundo paso: Buscamos en la columna de la frecuencia absoluta acumulada, el valor

próximo mayor a 25, que es 36.
Tercer paso: Seleccionamos la clase correspondiente al 36, la cual es [16 – 20).
Cuarto paso: Seleccionamos los siguientes datos correspondientes a la clase
seleccionada, [16 – 20):
• Límite inferior de la clase: 𝐿𝑖−1 = 16
• La frecuencia absoluta de la clase: 𝑓𝑖 = 22
• La amplitud de la clase: 𝑎𝑖 = 6
• La frecuencia absoluta acumulada próximo menor a la absoluta de la
clase:𝐹𝑖−1 = 14
Cuarto paso: Procedemos a sustituir los valores en la fórmula correspondiente, y
realizamos las operaciones indicadas:
𝟐𝟓 − 𝟏𝟒
𝑸𝟏 = 𝟏𝟔 + ( × 𝟔) = 𝟏𝟗
𝟐𝟐
El cuartil uno es: 𝑸𝟏 = 𝟏𝟗
Determinando el Percentil 45:

El valor a determinar es k = 45.
𝑘×𝑛 45×100
Primer paso: multiplicamos 𝒌 × 𝒏 y lo dividimos entre 100: = = 𝟒𝟓
100 100

57

𝟒𝟓 − 𝟑𝟔
𝑷𝟒𝟓 = 𝟐𝟐 + ( × 𝟔) = 𝟐𝟑. 𝟕𝟒
𝟑𝟏
El percentil es: 𝑷𝟒𝟓 = = 𝟐𝟑. 𝟕𝟒
Determinando el decil 6:
Como un decil 6 equivale a un percentil 60, tendremos que: k = 60.
Los pasos a dar son los mismos de los percentiles.
𝑘×𝑛 60×100
Primer paso: multiplicamos 𝒌 × 𝒏 y lo dividimos entre 100: = = 𝟔𝟎
100 100

𝟔𝟎 − 𝟑𝟔
𝒅𝟔 = 𝑷𝟔𝟎 = 𝟐𝟐 + ( × 𝟔) = 𝟐𝟔. 𝟔𝟓
𝟑𝟏
El percentil es: 𝒅𝟔 = = 𝟐𝟔. 𝟔𝟓
58

Ejercicios:
1) José espera con ansias el fin del mes de noviembre. Un día pregunta: ¿a cómo estamos hoy? y
alguien le responde: el día de hoy equivale al percentil 90 de los días del mes. ¿Cuál es la fecha?
2) Observa el siguiente polígono de frecuencias
ni
16
14
12
10
8
ni
6
4
2
0
[0,1) [1,2) [2,3) [3,4) [4,5) [5,6) [6,7) [7,8) [8,9) [9,10)
Construye la tabla de distribución de frecuencias y calcula:

a. Q1 f. D6
b. Q3 g. D4
c. P45 h. D8
d. P65 i. El recorrido intercuartil
e. P86 j. El semirecorrido intercuartil
3) Completar cada una de las tablas siguientes y calcular:

a) Q1 g) D4
b) Q3 h) D8
c) P45 i) El recorrido intercuartil
d) P65 j) El semirecorrido intercuartil
e) P86 k) Construir el polígono de frecuencias.
f) D6
59

Salarios Nº 𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
(Miles $) empleados
6 - 12 14 14 0.14 0.14 6 9
12 - 18 22 36 0.22 0.36 6 15
18 -24 30 66 0.30 0.66 6 21
24 - 30 22 88 0.22 0.88 6 27
36 - 42 8 96 0.08 0.96 6 39
42 - 48 4 100 0.04 1 6 45
Total 100
Q3 P35 D7
Salarios Nº 𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊
(Miles $) empleados
16 – 22 10
22 – 38 40
38 – 44 20
44 – 56 12
56 – 64 10
64 - 80 8
Total 100
60

Medidas de Dispersión o Variabilidad (MD)
Las medidas de dispersión miden que tan dispersos están los datos alrededor de la
media aritmética.
Las medidas de dispersión a estudiar en esta apartado son:
• Rango.
• Varianza.
• Desviación típica o estándar.
• Coeficiente de Variación.
• Tipificación.
Rango
Esta medida solo toma en consideración dos de los datos de la muestra o de la
población: el valor mínimo y el valor máximo
Anteriormente calculamos el rango de una muestra:
𝑹 = 𝑽𝑴 − 𝑽𝒎
En tal caso solo haremos mención del mismo.
Varianza
Al momento de calcular la varianza, debemos considerar dos situaciones:
1) El cálculo de la varianza para una población, donde empleamos la siguiente
∑(𝒙𝒊 − 𝝁)𝟐
𝝈𝟐 =
𝑵
61

2) El cálculo de la varianza para una muestra, donde empleamos la siguiente
̅)𝟐
∑(𝒙𝒊 − 𝒙
𝑺𝟐 =
𝒏−𝟏
o también
𝟐
̅)𝟐
∑ 𝒏𝒊 (𝒙𝒊 − 𝒙
𝑺 =
𝒏−𝟏
Estas fórmulas son aplicables tanto para en datos No agrupados, como en datos
agrupados. Solo debemos tomar en cuenta que 𝒙𝒊 , en los datos agrupados
corresponde a la marca de la clase.
En nuestro caso, para este curso nos circunscribiremos en el cálculo de la varianza
muestral.
Ejemplo con datos no agrupados:

Calcular la varianza de los siguientes datos: 2, 4, 5, 6, 8, 10.
La muestra de los datos presentados es 6.
En primer lugar, calculamos la media aritmética:
3 + 4 + 5 + 6 + 8 + 10 36
𝑥̅ = = =6
6 6
̅=𝟔
𝒙
Ahora procedemos a calcular la varianza:
̅) 𝟐
∑(𝒙𝒊 − 𝒙 (𝟐 − 𝟔)𝟐 + (𝟒 − 𝟔)𝟐 + (𝟓 − 𝟔)𝟐 + (𝟔 − 𝟔)𝟐 + (𝟖 − 𝟔)𝟐 + (𝟏𝟎 − 𝟔)𝟐
𝑺𝟐 = =
𝒏−𝟏 𝟔−𝟏
𝟒𝟏
𝑺𝟐 = = 𝟖. 𝟐
𝟓
62

La varianza es:
𝑺𝟐 = 𝟖. 𝟐
Desviación típica o estándar

La Desviación típica o estándar, es el resultado de extraer la raíz cuadrada de la varianza
̅) 𝟐
∑(𝒙𝒊 − 𝒙
𝑺 = √𝑺𝟐 = ඨ
𝒏−𝟏

Calcular la desviación típica o estándar de los siguientes datos: 2, 4, 5, 6, 8, 10.
Como ya conocemos la varianza, pues se calculó anteriormente: 𝑺𝟐 = 𝟖. 𝟐
Ahora procedemos a calcular la desviación típica o estándar:
𝑺 = √𝑺𝟐 = √𝟖. 𝟐 = 𝟐. 𝟖𝟔
Por tanto la desviación típica o estándar es: 𝑺 = 𝟐. 𝟖𝟔
Propiedades de la desviación estándar
• La desviación estándar será siempre un valor positivo o cero, en el caso de que las
puntuaciones sean iguales.
• Si a todos los valores de la variable se les suma un número la desviación estándar no
varía.
• Si todos los valores de la variable se multiplican por un número la desviación estándar
queda multiplicada por dicho número.
• Si tenemos varias distribuciones con la misma media y conocemos sus respectivas
desviaciones estándar se puede calcular la desviación estándar total.
63

Observaciones sobre desviación la estándar
• La desviación estándar, al igual que la media y la varianza, es un índice muy sensible a

las puntuaciones extremas.
• En los casos que no se pueda hallar la media tampoco será posible hallar la desviación
estándar.
• Cuanta más pequeña sea la desviación estándar mayor será la concentración de datos
alrededor de la media.
Coeficiente de Variación
El coeficiente de variación, se determina mediante la siguiente fórmula o ecuación:
𝑺
𝑪𝒗 = × 𝟏𝟎𝟎
̅
𝒙
Propiedades del coeficiente de Variación
• El coeficiente de variación no posee unidades.

• El coeficiente de variación es generalmente menor que uno.
• Para su mejor interpretación se expresa como porcentaje.
• El coeficiente de variación depende de la desviación típica o desviación estándar, y de
la media aritmética.

Calcular el coeficiente de variación de los siguientes datos: 2, 4, 5, 6, 8, 10.
De estos datos conocemos la varianza: 𝑺𝟐 = 𝟖. 𝟐
Conocemos la desviación típica o estándar: 𝑺 = 𝟐. 𝟖𝟔
̅=𝟔
La media aritmética es: 𝒙
Procedemos a calcular el coeficiente de variación:
𝟐. 𝟖𝟔
𝑪𝒗 = × 𝟏𝟎𝟎 = 𝟒𝟕. 𝟔𝟕
𝟔
Por tanto el coeficiente de variación es: 𝑪𝒗 = 𝟒𝟕. 𝟔𝟕
64

Tipificación
Permite hacer comparables dos medidas.
La tipificación se obtiene dividiendo la diferencia de cada elemento o de cada marca
clase con la media entre la desviación típica o estándar.
La tipificación está dada por: ̅

𝒙𝒊 − 𝒙
𝒁=
𝒔
Ejemplo con datos agrupados:

Completando la siguiente tabla, vamos a determinar cada una de las medidas de variabilidad o
dispersión. Para esto, primero completamos la tabla.
Luego determinamos la media aritmética (ya conocemos el proceso).
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12

(𝒙𝒊 − 𝒙) (𝒙𝒊 − 𝒙) 𝟐 𝟐
𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 𝒇𝒊 (𝒙𝒊 − 𝒙) Z
𝒇𝒊 𝒇𝒊 𝒙𝒊
Clase
10-16 14 14 0.14 0.14 6 13 182 -11.58 134.1 1877.35 -2.3068
16-22 22 36 0.22 0.36 6 19 418 -5.58 31.14 685.00 -1.112
22-28 31 67 0.31 0.67 6 25 775 0.42 0.1764 5.47 0.084
28-34 23 90 0.23 0.9 6 31 713 6.42 41.22 947.98 1.28
34-40 10 100 0.1 1 6 37 370 12.42 154.26 1542.56 2.474
100 2458 2496.01
∑ 𝒇𝒊 (𝒙𝒊 − 𝒙)𝟐
⬚
Media aritmética: 𝑥̅ = 24.58
La diferencia: (𝒙𝒊 − 𝒙) corresponde a la maraca de cada clase menos la media aritmética.
̅)𝟐
∑ 𝒏𝒊 (𝒙𝒊 − 𝒙 𝟐𝟒𝟗𝟔.𝟎𝟏 𝟐𝟒𝟗𝟔.𝟎𝟏
La varianza está dada por: 𝑺𝟐 = = = = 𝟐𝟓. 𝟐𝟏
𝒏−𝟏 𝟏𝟎𝟎−𝟏 𝟗𝟗
La desviación típica o estándar está dada por: 𝑺 = √𝑺𝟐 = √𝟐𝟓. 𝟐𝟏 = 𝟓. 𝟎𝟐

𝑺 𝟓.𝟎𝟐
El coeficiente de variación está dado por 𝑪𝒗 = ̅
𝒙
× 𝟏𝟎𝟎 =
𝟐𝟒.𝟓𝟖
× 𝟏𝟎𝟎 = 𝟐𝟎. 𝟒𝟑%
𝑥𝑖 − 𝑥̅
La tipificación está dada por: 𝑍 = , por lo calculamos la tipificación para cada clase
𝑠
de la tabla. En la tabla se puede observar el dividendo, que corresponde a la diferencia
de cada clase con la media, por lo que solo tenemos que dividir la diferencia de cada
clase entre la desviación típica o estándar.
65

Ejercicios:
1) La varianza de dos números es 1 y su media aritmética es 8. Calcule los
números.
2) Las notas de 50 alumnos se clasifican en una tabla de frecuencias con cuatro

intervalos de igual magnitud. Calcular la varianza sabiendo que:
y= 50 ; ni = 4 ; N2 = 20 ; n3 = 25 ; y =62,4
3) La varianza de dos números es 1 y su media aritmética es 8. Calcule los números.
4) La siguiente distribución, corresponde a las notas finales obtenidas por un curso

de 30 personas en un curso de estadística:
Xi fi
1 3
2 6
3 7
4 7
5 3
6 0
7 4
Calcule:
a) Varianza.
b) Desviación estándar.
c) Coeficiente de dispersión de las notas.
d) Cuantifique la simetría en la distribución de las notas.
66

Completar cada una de las tablas siguientes y calcular:
a) La varianza
b) La desviación típica
c) El coeficiente de variación
d) La tipificación de las modalidades más cercanas a la media
e) Construir el polígono de frecuencias.
Construir la caja de Bigote.

Construir el polígono de frecuencias.
𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 (𝒙𝒊 − 𝒙) (𝒙𝒊 − 𝒙)𝟐 𝒇𝒊 (𝒙𝒊 − 𝒙)𝟐 Z

SUELDOS 𝒇𝒊 𝒇𝒊 𝒙𝒊
0 – 200 15
200 – 400 25
400 – 600 30
600 – 800 35
800 – 1,000 15
1,000 – 1,200 10
PUNTUACIÓN 𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 (𝒙𝒊 − 𝒙) (𝒙𝒊 − 𝒙)𝟐 𝒇𝒊 (𝒙𝒊 − 𝒙)𝟐 Z

𝒇𝒊 𝒇𝒊 𝒙𝒊
20-30 5
30-40 10
40-50 50
50-60 30
60-70 20
70-80 15
80-90 12
90-105 8
TOTAL 150
67

𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 ( 𝒙𝒊 − 𝒙) (𝒙𝒊 − 𝒙)𝟐 𝒇𝒊 (𝒙𝒊 − 𝒙)𝟐 Z
Clases 𝒇𝒊 𝒇𝒊 𝒙𝒊
40 – 60 5
60 –80 10
80 – 100 12
100 – 120 20
120 – 140 16
140 – 160 12
Pesos Z
𝑭𝒊 𝒇𝒓 𝑭𝒓 𝒂𝒊 𝒙𝒊 (𝒙𝒊 − 𝒙) (𝒙𝒊 − 𝒙)𝟐 𝒇𝒊 (𝒙𝒊 − 𝒙)𝟐
(Kg) 𝒇𝒊 𝒇 𝒊 𝒙𝒊
53 - 55 2
56 - 58 5
59 - 61 9
62 - 64 15
65 - 67 12
68 - 70 5
71 - 73 2
TOTAL 50
68

Medidas de Forma (MF)
Las medidas de forma presentan la manera de cómo está distribuido un conjunto de
datos. Los datos pueden presentar una distribución equilibrada de los datos respecto a
un dato central, decir, que se presenta una misma forma de distribución. También
pueden presentar un desplazamiento de los datos hacia uno de los extremos de los
datos (hacia la izquierda o la derecha).
Según la forma de distribución de los datos, una distribución de frecuencias pode ser:
a) Simétrica.
b) Asimétrica.
Distribución Simétrica:
Una distribución es simétrica cuando los datos presentan una distribución uniforme
respecto a un dato central, esto significa que estamos ante una distribución normal o
equilibrada.
10
8
6
4
2
0
0 10 20 30
Debido a que la distribución es simétrica, se observa que: 𝑥̅ = 𝑀𝑒 = 𝑀𝑜
Distribución Asimétrica:
Una distribución es Asimétrica cuando los datos presentan una distribución desplazada
a uno de los dos extremos de los datos respecto a un dato central (Izquierda o derecha).
Cuando la distribución es asimétrica se presentan las siguientes situaciones:
a) Asimetría negativa o sesgo negativo: En tal caso, se presenta en los datos un
desplazamiento hacia la izquierda respecto a la media.
En la asimetría negativa o sesgo negativo: 𝑥̅ < 𝑀𝑒
69

9
8
7
6
5
4
3
2
1
0
0 10 20 30
b) Asimetría positiva o sesgo positivo: Se presenta en los datos un desplazamiento

hacia la hacia la derecha respecto a la media.
Asimetría positiva o sesgo positivo: 𝑥̅ > 𝑀𝑒
10
0
0 10 20 30
70

𝑥𝑖 𝑓𝑖
4 5 20
8 10 80
12 20 240
16 10 160
20 5 100
50 600
Mo = 12 Me = 12 𝑥̅ =12
25
20
15
10
0
0 10 20 30
𝑥𝑖 𝑓𝑖
4 5 20
8 20 160
12 15 180
16 6 96
20 4 80
50 536
Mo = 8 Me = 10 𝑥̅ = 10.72
25
20
15
10
5
0
0 5 10 15 20 25
71

𝑥𝑖 𝑓𝑖
4 4 16
8 6 48
12 15 180
16 20 320
20 5 100
50 648
Mo = 16 Me = 14 𝑥̅ =12.96
30
20
10
0
0 5 10 15 20 25
72

TEORIA DE PROBABILIDADES
TEORIA DE PROBABILIDADES
La teoría de probabilidades requiere para una mayor y mejor comprensión, del conocimiento de
una diversidad de herramientas matemáticas, tales como: Teoría de conjunto y análisis
combinatorio.
Aunque no vamos a introducir estos contenidos, se considera necesario tener cierto dominio de
los mismos.
Iniciaremos el estudio de la teoría de las probabilidades desarrollando algunos elementos

conceptuales y procedimientos fundamentales.
Definición de probabilidad:
Algunos fenómenos, se manejan al azar, y en unas mismas condiciones. Por ejemplo, ¿Si sé
lanza un dado al aire qué número saldrá? Estos sucesos que ocurren al azar, son sucesos
aleatorios o estocásticos. El estudio de estos sucesos se realiza a través del cálculo de
probabilidades.
En tal caso podemos definir la Probabilidad como una medida numérica que indica la
posibilidad de que algo suceda.
La probabilidad es un tipo de medida numérica, mediante la cual determinamos la posibilidad

de que un evento ocurra.
Si observamos una tabla de distribución de frecuencias, vemos a través de la frecuencia relativa

que cada elemento tiene un valor comprendido entre “0” y “1”. Este valor indica la posibilidad
de ocurrencia de cada elemento a que se esté haciendo referencia.
Los valores muy cercanos a cero, indican que hay muy pocas posibilidades de ocurrencia, y los
valores muy cercanos a uno, indican que hay grandes posibilidades de ocurrencia del evento.
¿Cómo determinar la posibilidad de ocurrencia de un evento?
Para determinar la posibilidad de ocurrencia de un evento dividimos el evento señalado

(frecuencia absoluta simple) entre el espacio muestral.
𝒆𝒗𝒆𝒏𝒕𝒐
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒖𝒏 𝒆𝒗𝒆𝒏𝒕𝒐 =
𝑬𝒔𝒑𝒂𝒄𝒊𝒐 𝑴𝒖𝒆𝒔𝒕𝒓𝒂𝒍
Experimento aleatorio: Es aquel que puede producir resultados diferentes en unas mismas
condiciones.
Ejemplo: Lanzar una moneda al aire; Tirar un dado.
73

Suceso elemental: es cada uno de los resultados de un experimento aleatorio.
Espacio muestral:
• Es el conjunto de todos los sucesos elementales distintos que pueden producirse en un
experimento.
• Es el conjunto de todos los resultados posibles de un experimento.
Sucesos estocásticos: Son los fenómenos que ocurren al azar. Estos son los diversos
subconjuntos del espacio muestral.
Algunos tipos especiales de sucesos estocásticos:
• Suceso seguro, que se produce siempre. Matemáticamente, corresponde al espacio

muestral E.
• Suceso imposible, que no ocurre nunca y que corresponde al subconjunto (espacio
vacío) de E.
• Suceso contrario o complementario de uno dado (si se produce el suceso A, su
complementario no ocurre, y a la inversa). Matemáticamente: = E - A.
• Dos sucesos estocásticos con algún suceso elemental común se dicen compatibles;
en caso contrario, se llaman incompatibles.
Evento es uno o más de los posibles resultados de hacer algo
Experimento es la actividad que origina uno de dichos eventos.
Tres tipos de probabilidad

1. El planteamiento clásico.
2. El planteamiento de frecuencia relativa.
3. El planteamiento subjetivo.
Probabilidad clásica
𝒏𝒊
𝑷(𝒙) =
𝑬𝒎 (𝒏)
Ejemplo:
Se introducen 10 monedas de colores diferentes en una urna, 3 blanca, 5 azul, 2 verde. Hallar
posibilidad de obtener:
a) Una blanca.
74

b) Una azul.
c) Una verde.
Solución:
El espacio muestral es 10.
Para determinar la posibilidad a favor de la blanca, identificamos el evento que le corresponde,

3, por ser la cantidad de monedas de color blanco. Por tanto
3
𝑃(𝑥 = 3) = = 0.33
10
Para determinar la posibilidad a favor de la azul, identificamos el evento que le corresponde,

5
𝑃(𝑥 = 5) = = 0.5
10
Para determinar la posibilidad a favor de la verde, identificamos el evento que le corresponde,

2
𝑃(𝑥 = 2) = = 0.2
10
Leyes de la probabilidad
Dos o más eventos pueden ocurrir bajo una de dos condiciones:
• Dos eventos se presenten de manera independiente y en momentos diferentes. Estos son eventos
mutuamente excluyentes.
Aplicando la regla de la adición tendremos para dos eventos A y B:
𝑷(𝑨𝒐𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
• Dos eventos se presenten en mismo momento. Estos son eventos no mutuamente excluyentes.
Aplicando la regla de la adición tendremos para dos eventos A y B:
𝑷(𝑨𝒐𝑩) = 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(𝑨 ∩ 𝑩)
75

Probabilidades bajo condiciones de dependencia e independencia estadística
Cuando ocurren dos eventos de manera consecutiva, de un espacio muestral, se pueden presentar dos
situaciones diferentes:
• Los eventos son independientes entre sí, por lo que no influye uno sobre el otro. Un evento está
condicionado por el resultado del evento anterior.
• Cuando un evento A no influye en el resultado de un segundo evento B. Estos eventos están bajo
condiciones de independencia estadística.
𝑷(𝑨𝑩) = 𝑷(𝑨) × 𝑷(𝑩)
• Cuando un evento A influye sobre el resultado de un segundo evento B. Estos eventos están bajo
condiciones de dependencia estadística. En tal caso tendremos:
𝑷(𝑨 ∩ 𝑩)
𝑷(𝑩/𝑨) =
𝑷(𝑨)
76

Ejercicios:
1) Un dado es lanzado al aire, hallar la posibilidad de obtener:
a. Un tres.
b. Un número mayor que tres.
c. Un número menor o igual que tres.
d. Un número par.
2) Un dado es lanzado al aire dos veces de manera consecutiva, hallar la posibilidad de

la suma sea:
a. Nueve.
b. Siete.
c. Mayor que 8.
d. Mayor que 5 y menor o igual que 9.
e. Un número par.
f. Un número impar.
g. Un número primo.
3) Se lanza un dado. Halla la probabilidad:

a. De salir el 3.
b. De salir un número par.
c. De salir un número mayor que 2.
4) Calcula la probabilidad de que al lanzar dos monedas:

a. Salgan dos caras.
b. Salgan cara y escudo.
c. Salgan dos escudos.
5) En una familia de tres hijos. Cuál es la probabilidad de que:

a. Los tres sean varones.
b. Sean dos varones y una hembra.
c. Alguno sea varón.
6) En cierta Facultad el 25% de los estudiantes reprobó matemáticas, el 15% química y el 10%
las dos. Determinar si se selecciona un estudiante al azar, la probabilidad de que:
a. repruebe matemáticas dado que ha reprobó química
b. repruebe química dado que ha reprobó matemáticas
c. repruebe matemáticas o química.
7) La probabilidad de que un hombre casado vea un cierto programa de televisión es de 0.4 y

la de que una mujer casada lo haga, de 0.5. La probabilidad de que un hombre vea el
programa si lo hace su esposa es de 0.7. Encontrar la probabilidad de que
a. una pareja de casados vea el programa;
b. una esposa lo vea si su marido lo ve;
c. al menos una persona del matrimonio vea el programa.
77

BIBLIOGRAFÍA
BIBLIOGRAFÍA
• Devore, Jay (2007). Probabilidad y estadística. 7ma ed. México: Cengage.

• Evans, Michael J. y Rosenthal, Jeffrey S. (2005). Probabilidad y estadística: la ciencia de la
incertidumbre. Madrid: Editorial Reverté, S.A.
• Levin, Richard. - Rubin, David. (2004). ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA,
(7ma Edición). México: Prentice Hall.
• Lopes, P. (2000). Probabilidad y estadística; conceptos, modelos, aplicaciones en
Excel. Santafé de Colombia: Pearson Educación de Colombia.
• Ross, S. (2007). Introducción a la Estadística. 1ra. Ed. Madrid: Editorial Reverté
• Triola, M. (2009). Estadística. 10ma. Ed. México: Pearson
• Webster, Allen L. (2000), Estadística aplicada a los negocios y la economía, (3ra.
Edición). Santafé de Colombia: McGraw-Hill.
78

Manual Basico de Estadistica-Crvc

Cargado por

Información del documento

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

Manual Basico de Estadistica-Crvc

Cargado por

Copyright:

Formatos disponibles

MANUAL BASICO

Autor: Carlos Robert Valdez Coats

Autor: Carlos R. Valdez C.

Autor: Carlos R. Valdez C.

Autor: Carlos R. Valdez C.

• La estadística es una rama de las matemáticas que se ocupa de reunir, organizar y

La estadística se divide en dos grandes partes:

Estadística descriptiva: Se encarga de la recolección, descripción, visualización y resumen

Estadística inferencial: Se encarga de las predicciones relacionadas a los fenómenos

Bosquejo histórico de la estadística

Autor: Carlos R. Valdez C.

El libro de Números contiene dos censos de la población de Israel y el de Crónicas describe

En sentido general, los grandes registros estadísticos de la antigüedad, descansan en censos

En 1662 se conoce como el primer estudio estadístico de mayor trascendencia sobre

John Graunt (1620-1674): Es el primer estadístico que se va a considerar como el padre de

Thomas Bayes (1702-1761): Sus actividades científicas, fueron las matemáticas y la

Autor: Carlos R. Valdez C.

Laplace (1749-1827): Pierre Simon de Laplace nace en Beaumont-en-Auge. En 1774 publica

Ronald Aylmer Fisher (1890-1962): Escribió “La Fundamentación Matemática de la

Autor: Carlos R. Valdez C.

La Estadística se aplica en todas las ramas o áreas de la ciencia

En las ciencias naturales: se utiliza en modelos termodinámicos complejos, en física

En las ciencias sociales y económicas: En el desarrollo demográfico y la sociología

Autor: Carlos R. Valdez C.

Definiciones fundamentales de conceptos estadísticos

Datos: Conjunto de observaciones relacionadas a una o más variables estadísticas.

Población: Es el conjunto de todos los elementos que se observan en un determinado estudio

Muestra: Es un subconjunto representativo de una población determinada.

Variable: Se refiere a cualquier valor que puede asumir un elemento de un conjunto.

Variables estadísticas. Clases.

Variable estadística: Es el conjunto de valores que constituye un carácter estadístico.

Las variables estadísticas se clasifican en dos grandes grupos:

1. Variables Cualitativas: Estas variables representan las características o propiedades

2. Variables Cuantitativas: Estas variables indican de los objetos o elementos estudio,

Las variables Cuantitativas, a su vez, se dividen en dos grandes grupos:

Autor: Carlos R. Valdez C.

I) Clasificar las siguientes variables en cualitativas o cuantitativas:

Autor: Carlos R. Valdez C.

Variable cuantitativa discreta Variables cuantitativa continuas

III) Clasifica las siguientes variables en cuantitativas (discretas, continuas) y

Autor: Carlos R. Valdez C.

• Frecuencia relativa acumulada (Fr): Se determina sumando las frecuencias relativas

Autor: Carlos R. Valdez C.

Frec. Frec. Abs. Frec.

Construcción de tablas estadísticas

Distribución de una tabla cualitativa

Observemos el siguiente ejemplo:

Autor: Carlos R. Valdez C.

Distribución de una tabla cuantitativa

Tabla con datos no agrupados

Realizamos un proceso similar al desarrollado con los datos cualitativos:

1. Primero ordenamos los datos, de menor a mayor.

Autor: Carlos R. Valdez C.

Tabla con datos agrupados:

Para la construcción de datos agrupados desarrollaremos el procedimiento, explicado a

El procedimiento para la construcción de distribución de frecuencias para datos agrupados

Autor: Carlos R. Valdez C.

b) Determinación del Número de Clase (k): El número de la clase es un valor discreto.

Para calcular el número de intervalos de un conjunto de datos estadísticos numéricos, se

Siendo n el tamaño de la muestra.

c) Determinación de la amplitud (ai): La amplitud se determina dividiendo el Rango entre el

Si estamos trabajando con datos discretos y la amplitud no es exacta, debemos redondear el

Autor: Carlos R. Valdez C.