Estadística Descriptiva

Estadística Económica I Mgt. Rina M.
Zamalloa Cornejo
ESTADÍSTICA DESCRIPTIVA
INTRODUCCION
Iniciamos esta unidad con la definición de algunos conceptos elementales y básicos,
y sin embargo pilares, para una comprensión intuitiva y real de lo que es la estadística.
Pretendemos introducir al estudiante en los primeros pasos para realizar un trabajo de
investigación y sobre el uso y manejo de datos numéricos: distinguir y clasificar las
características en estudio, enseñarle a organizar y tabular las medidas obtenidas mediante la
construcción de cuadros y por último los métodos para elaborar una imagen que sea capaz
de mostrar gráficamente los resultados.
DEFINICION DE ESTADISTICA
Como establece M.G. Kendall, definir en que consiste o qué es la Estadística ha sido
una materia que ha dividido a lo largo de la historia a los propios estadísticos. Desde
Quetelet que la consideraba la reina de las ciencias hasta autores que la definen como una
técnica más, al servicio de otras ramas del conocimiento. La característica común ha sido la
multiplicidad de definiciones que se han escrito sobre estadística. W.F. Willcox, en 1935,
reúne 115 definiciones y aporta una más para sustituirlas, sin lograrlo. El número de
definiciones de estadística ha seguido aumentando.
La estadística es la rama de las matemáticas que describe los fenómenos donde no
hay un componente absoluto, es decir es discreta, y sus modelos son estocásticos. La
estadística ayuda a todas las demás ciencias a generar modelos matemáticos "generales"
donde se haya considerado el componente aleatorio.
Es una disciplina de estudio relacionada con la recopilación, organización y resumen
de datos y la obtención de inferencias a partir de esos datos.
La Estadística es una disciplina científica que se dedica a la recopilación,
descripción, análisis e interpretación de datos y, por ello, constituye la metodología
científica que permite transformar datos en información. Esto la hace especialmente
atractiva, ya que en cualquier sociedad desarrollada existe una inmensa variedad de
problemas cuya solución sólo es posible mediante la utilización de técnicas estadísticas.
En una forma práctica, la estadística proporciona los métodos científicos para la
recopilación, organización, resumen, representación y análisis de datos o hechos, que se
1
Estadística Económica I Mgt. Rina M. Zamalloa Cornejo
presten a una evaluación numérica; tales como: fenómenos sociales, económicos, políticos,
culturales, etc.
La estadística se clasifica en estadística descriptiva y estadística inferencial.
Estadística descriptiva:
Describe, analiza y representa un grupo de datos utilizando métodos numéricos,
tabulares y/o gráficos que resumen y presentan la información contenida en ellos. Se puede
definir como aquel método que contiene la recolección, organización, presentación y
resumen de una serie de datos. El análisis que se realiza se limita en sí mismo a los datos
recolectados y no se puede realiza inferencia alguna o generalizaciones alguna, acerca de la
población de donde provienen esos datos estadísticos; es decir a partir de una muestra de
datos (recogida según una técnica concreta), es la descripción de las características más
importantes, entendiendo como características, aquellas cantidades que nos proporcionen
información sobre el tema de interés del cual hacemos el estudio.
Estadística inferencial:
Es aquella rama de la estadística que apoyándose en el cálculo de probabilidades y a
partir de datos muéstrales, efectúa estimaciones, decisiones, predicciones u otras
generalizaciones sobre un conjunto mayor de datos. Puede definirse como aquella rama de la
estadística que hace posible la estimación de una característica de una población o la toma
de una decisión referente a una población, fundamentándose sólo en los resultados de la
muestra.
DETERMINACIÓN DE LA POBLACIÓN Y MUESTRA

Población:
Estadísticamente, la población se define como un conjunto de individuos o de objetos
que poseen una o varias características comunes que interesan al investigador. No se refiere
esta definición únicamente a los seres vivientes; una población puede estar constituida por
los habitantes de un país o por lo peces de un estanque, así como por los establecimientos
comerciales de un barrio o las unidades de vivienda de una ciudad. Al número de elementos
de la población se denota por N.
2
Existen desde el punto de vista de su manejabilidad poblaciones finitas e infinitas.

Aquí el término infinito no está siendo tomado con el rigor semántico de la palabra; por
ejemplo, los peces dentro de un estanque son un conjunto finito; sin embargo, en términos
estadísticos, puede ser considerado como infinito.
Muestra:
Conjunto de elementos que forman parte de población. La muestra representa a esta
población.
También se puede definir como el subconjunto de la población a la cual se le efectúa
la medición con el fin de estudiar las propiedades del conjunto del cual es obtenida. Existen
diversos métodos para calcular el tamaño de la muestra y también para tomar los elementos
que la conforman, la muestra debe ser representativa de la población y sus elementos
escogidos al azar para asegurar la objetividad de la investigación.
Se llama muestreo al procedimiento científico que se utiliza para la obtención de
muestras estadísticamente significativas de una población que permitirá estimar los
parámetros poblacionales con un grado de confianza fijado previamente.
Tamaño muestral: Es el número de elementos u observaciones que tomamos en la

muestra, se denota por n.
Un procedimiento estadístico descriptivo no hace referencia a muestra ni a

población. Los conceptos de población y muestra están íntimamente ligados y tiene sentido
3
determinarlos cuando se va a proceder a realizar lo que se conoce como inferencia

estadística.
La inferencia estadística realiza un estudio sobre una o varias muestras extraídas de
una población o universo y las conclusiones a las que se arriban son aplicables a todos los
elementos de dicha población.
Estas conclusiones se aplican a todos los elementos de la población, pero ello no
quiere decir que todos (absolutamente todos) tienen que cumplir con las características
determinadas. Para ello se utiliza la teoría de probabilidades, en el trabajo estadístico de un
estudio las pruebas se diseñan de modo que se puede determinar con qué grado de
probabilidad se encontrarán las características determinadas en la muestra, entre los
elementos que componen la población.
VARIABLE
Es la característica de la población que interesa al investigador y se está midiendo.
Existen dos categorías o tipo de variables:
Variable cualitativa: Es aquella que expresa un atributo o característica, ejemplo:

estado civil, sexo, color de ojos, etc. No son numéricas y se subdividen en:
o Variable Nominal: son cualidades sin orden. Ej. Estado civil, preferencia por
una marca, sexo, lugar de residencia.
o Variable Ordinal: son cualidades que representan un orden y jerarquía. Ej.

Nivel educacional, días de la semana, calidad de la atención, nivel
socioeconómico.
Variable cuantitativa: Es aquella que podemos expresar numéricamente: edad,

peso, nº. de hijos, etc. Esta a su vez la podemos subdividir en:
o Variable discreta, aquella que entre dos valores próximos no puede tomar
ningún valor. Ejemplos: el número de hijos de una familia, el de obreros de
una fabrica, el de alumnos de la universidad, etc.
4
o Variable continua la que puede tomar los infinitos valores de un intervalo.

En muchas ocasiones la diferencia es más teórica que práctica, ya que los
aparatos de medida dificultan que puedan existir todos los valores del
intervalo. Ejemplos, peso, estatura, distancias, etc.
La variable se denota por las mayúsculas de letras finales del alfabeto castellano X,
Y, Z. A su vez cada una de estas variables puede tomar distintos valores y se denota por las
letras minúsculas x, y, z, etc. o colocando un subíndice en las letras minúsculas, que indica
orden.
Ejemplo:
X: Sexo
x1=masculino
x2= femenino
Y: Edad
y1=44
y2=49
El hecho de que todos los elementos de la población estén bien representados en la

muestra es una condición necesaria para poder realizar un buen trabajo estadístico. En
efecto, la estadística se divide para dar solución a los problemas en dos partes. Por una parte
encontramos a los procedimientos descriptivos y por otra a los inferenciales.
PARÁMETRO Y ESTADÍGRAFO
Existen medidas para realizar descripciones cuantitativas de los conjuntos de datos
de poblaciones, o de sus muestras, diferenciándose entre ellas las que se refieren a las
mismas poblaciones y a las muestras.
5
o PARÁMETRO – Es una medida resumen que se obtiene a base de los datos de una
población es decir que cuantifica una característica de esa población. Nos referimos a
las funciones, tales como las medias, desviaciones típicas, momentos, coeficientes de
correlación, etc. Los parámetros son cantidades, las cuales son constantes para
distribuciones en particular, pero pueden tomar diferentes valores para diferentes
miembros de familias de distribuciones del mismo tipo. Los más comunes son:
 media poblacional
 2 varianza poblacional
p proporción poblacional
o ESTADÍGRAFO – Un estadístico o estadígrafo es una medida resumen cuyo valor

se puede calcular a partir de datos muestrales.
X media muestral
S 2 varianza muestral
p̂ proporción muestral
Antes de obtener datos, hay incertidumbre en cuanto a que valor resulta de cualquier
estadística particular, por lo tanto, un estadístico es una variable aleatoria y estará denotada
por una letra mayúscula; una minúscula se emplea para representar el valor calculado u
observado de la estadística para toda la población, entonces se le considera como un
parámetro.
Cuando se llevan a cabo investigaciones y sus resultados son comprobados como

ciertos y los mismos se generalizan o se aplican a la población, se da entonces la inferencia
6
estadística como un procedimiento mediante el cuál se estiman los parámetros, por ejemplo
una media muestral es un estadígrafo que estima la media de la población, que es un
parámetro.
ETAPAS DEL MÉTODO ESTADÍSTICO

Una vez que se haya seleccionado el asunto o problema a investigar se procede a
redactar el proyecto según los criterios que siguen a continuación. Una vez que se haya
seleccionado el asunto o problema a investigar se procede a redactar la propuesta según los
criterios que siguen a continuación. La misma se redactará en forma de ensayo siguiendo el
modelo American Psychological Association (APA) para la redacción de propuestas y
trabajos escritos de investigación.
Para el planeamiento de una investigación, por norma general, se siguen las siguientes
etapas:
➢ Planteamiento del problema.
➢ Fijación de los objetivos.
➢ Formulación de la hipótesis.
➢ Definición de la unidad de observación y de la unidad de medida.
➢ Establecer la metodología: Diseño, determinar la población, muestra, técnicas
instrumentos etc.
➢ La recolección.
➢ Crítica, clasificación y ordenación.
➢ Tabulación.
➢ Presentación.
7
➢ Análisis.
➢ Publicación.
PLANTEAMIENTO DEL PROBLEMA

Al abordar una investigación se debe tener bien definido qué se va a investigar y por
qué se pretende estudiar algo. Es decir, se debe establecer una delimitación clara, concreta e
inteligible sobre el o los fenómenos que se pretenden estudiar, para lo cual se deben tener en
cuenta, entre otras cosas, la revisión bibliográfica del tema, para ver su accesibilidad y
consultar los resultados obtenidos por investigaciones similares, someter nuestras
proposiciones básicas a un análisis lógico; es decir, se debe hacer una ubicación histórica y
teórica del problema.
FIJACIÓN DE LOS OBJETIVOS

Luego de tener claro lo que se pretende investigar, Debemos presupuestar hasta
dónde queremos llegar; en otras palabras, debemos fijar cuales son nuestras metas y
objetivos. Estos deben plantearse de tal forma que no haya lugar a confusiones o
ambigüedades y debe, además, establecerse diferenciación entre lo de corto, mediano y largo
plazo, así como entre los objetivos generales y los específicos.
PROPÓSITO Y JUSTIFICACIÓN DE LA INVESTIGACIÓN

Debe indicarse porqué se quiere llevar a cabo la investigación y establecerse un
argumento donde se expone la importancia, cómo ésta contribuye al mejoramiento de la
calidad de vida en la comunidad y si se tratará del de la educación, como la misma
contribuye al proceso enseñanza aprendizaje, entre otras.
FORMULACIÓN DE LAS HIPÓTESIS

Una hipótesis es, ante todo, una explicación provisional de los hechos objeto de
estudio, y su formulación depende del conocimiento que el investigador posea sobre la
población investigada. Una hipótesis estadística debe ser susceptible de docimar, esto es,
debe poderse probar para su aceptación o rechazo.
8
Una hipótesis que se formula acerca de un parámetro (media, proporción, varianza,

etc.), con el propósito de rechazarla, se llama Hipótesis de Nula y se representa por H0; a su
hipótesis contraria se le llama Hipótesis Alterna (H1).
REVISIÓN DE LA LITERATURA
Se ausculta y se dispone qué estudios e investigaciones se han realizado sobre el
asunto o problema a investigar. Pueden considerarse estudios e investigaciones relacionadas,
o sea, no necesariamente tienen que ser tan similares como la investigación que se propone.
Deben de disponerse en orden cronológico comenzando con las menos recientes y
terminar con las actuales. También hay que considerar, si hay tres preguntas de
investigación, presentar los estudios según el orden de las preguntas. Puede también
presentarse los estudios según las variables de la investigación propuesta.
DEFINICIÓN DE LA UNIDAD DE OBSERVACIÓN Y DE LA UNIDAD DE

MEDIDA
La Unidad de Observación, entendida como cada uno de los elementos
constituyentes de la población estudiada, debe definirse previamente, resaltando todas sus
características; pues, al fin de cuentas, es a ellas a las que se les hará la medición.
La unidad de observación puede estar constituida por uno o varios individuos u
objetos y denominarse respectivamente simple o compleja.
El criterio sobre la unidad de medición debe ser previamente definido y unificado por
todo el equipo de investigación. Si se trata de medidas de longitud, volumen, peso, etc., debe
establecerse bajo qué unidad se tomarán las observaciones ya sea en metros, pulgadas,
libras, kilogramos, etc. asociado a la unidad de medida, deben establecerse los criterios
sobre las condiciones en las cuales se ha de efectuar la toma de la información.
METODOLOGÍA
Diseño: Mediante la presentación de un flujograma se ilustra las partes o componentes de la
investigación demostrando así mismo el procedimiento de cómo se va a llevar a cabo la
investigación.
9
Población y muestra: Se describe la población y el lugar donde se llevará a cabo la

investigación y si es necesario se seleccionará una muestra. Es cuestión de presentar un
perfil de los sujetos bajo la investigación y puede ilustrarse con una tabla y/o gráfica.
Instrumentos: Debe describir los instrumentos o medios de cómo va a recoger los datos para
la investigación. Ya sea pruebas, cuestionarios o listas de cotejo, etc., debe de describirlos
indicando su magnitud en números de reactivos… indicar cuánto tiempo toma en
contestarse…
Los instrumentos van a estar determinados según las preguntas de investigación propuestas
en la primera parte.
Debe de procurar por la validez y la confiabilidad de los instrumentos e informarla.
Análisis estadístico: Indicar que tipo de estadísticas se va a calcular y qué análisis se va
llevar a cabo. Esto dependerá según las preguntas de investigación establecidas en la primera
parte de la propuesta.
LA RECOLECCIÓN
Una de las etapas más importantes de la investigación es la recolección de la
información, la cual ha de partir, a menos que se tenga experiencia con muestras análogas,
de una o varias muestras piloto en las cuales se pondrán a prueba los cuestionarios y se
obtendrá una aproximación de la variabilidad de la población, con el fin de calcular el
tamaño exacto de la muestra que conduzca a una estimación de los parámetros con la
precisión establecida. El establecimiento de las fuentes y cauces de información, así como la
cantidad y complejidad de las preguntas, de acuerdo con los objetivos de la investigación
son decisiones que se han de tomar teniendo en cuenta la disponibilidad de los recursos
financieros, humanos y de tiempo y las limitaciones que se tengan en la zona geográfica, el
grado de desarrollo, la ausencia de técnica, etc. Es, entonces, descubrir dónde está la
información y cómo y a qué "costo" se puede conseguir; es determinar si la encuesta se debe
aplicar por teléfono, por correo, o si se necesitan agentes directos que recojan la
información; establecer su número óptimo y preparar su entrenamiento adecuado.
10
CRITICA, CLASIFICACIÓN Y ORDENACIÓN

Después de haber reunido toda la información pertinente, se necesita la depuración
de los datos recogidos. Para hacer la crítica de una información, es fundamental el
conocimiento de la población por parte de quien depura para poder detectar falsedades en las
respuestas, incomprensión a las preguntas, respuestas al margen, etc.
Separado el material de "desecho" con la información depurada se procede a
establecer las clasificaciones respectivas y con la ayuda de hojas de trabajo, en las que se
establecen los cruces necesarios entre las preguntas, se ordenan las respuestas y se preparan
los modelos de tabulación de las diferentes variables que intervienen en la investigación.
El avance tecnológico y la popularización de los computadores hacen que estas
tareas, manualmente dispendiosas, puedan ser realizadas en corto tiempo.
ORGANIZACIÓN Y PRESENTACIÓN DE LA INFORMACION

Una vez recolectados los datos es necesario organizarlos, clasificarlos y resumirlos
adecuadamente, de manera tal que posibilite un mejor análisis de la información obtenida.
Un recurso muy útil para este fin lo constituye las medidas resumen.
Se presentan los hallazgos según el orden que fueron formuladas las preguntas, las
hipótesis, objetivos de la investigación. Se presentan los datos estadísticos, por medio de
tablas y/o gráficas en la forma más objetiva posible o medidas cuantitativas resumen. No
debe hacerse ningún juicio o comentario. Sólo se presentan los datos y hechos con sus
estadísticas correspondientes.
Una información estadística adquiere más claridad cuando se presenta en la forma
adecuada. Los cuadros, tablas y gráficos facilitan el análisis, pero se debe tener cuidado con
las variables que se van a presentar y la forma de hacerlo. No es aconsejable saturar un
informe con tablas y gráficos redundantes que, antes que claridad, crean confusión.
Además, la elección de determinada tabla o gráfico para mostrar los resultados, debe
hacerse no sólo en función de las variables que relaciona, sino del lector a quien va dirigido
el informe
DISCUSIÓN Y ANÁLISIS DE RESULTADOS

Se discuten los hallazgos con su respectivo análisis estadístico según el orden que
fueron formuladas las preguntas o hipótesis de la investigación. En esta discusión de
11
resultados se relacionan los hallazgos con los estudios e investigaciones referidas en la

sección de la revisión de literatura, se indican las implicaciones y recomendaciones que
suelen surgir a partir de los hallazgos de la investigación. Es el análisis donde se cristaliza la
investigación. Esta es la fase de la determinación de los parámetros y estadísticos muestrales
para las estimaciones e inferencias respecto a la población, el ajuste de modelos y las
pruebas de las hipótesis planteadas, con el fin de establecer y redactar las conclusiones
definitivas.
PUBLICACIÓN
Toda conclusión es digna de ser comunicada a un auditorio. Es más, hay otros
estudiosos del mismo problema a quienes se les puede aportar información, conocimientos y
otros puntos de vista acerca de él.
TÉCNICAS PARA LA OBTENCIÓN DE DATOS

En las diferentes ramas de la ciencia existen numerosas técnicas para la obtención de
datos, para lo cual se emplean diversos, y a veces muy complejos instrumentos, que son del
dominio de las diferentes especialidades. Además, existen otras técnicas más generales y de
amplio uso destinadas a recopilar información referida de forma oral o escrita, por los
individuos estudiados.
Entre estas podemos destacar:
El censo .- Esta técnica consiste en la obtención de datos procedentes de todos los elementos
de la población u objeto de estudio, en un tiempo determinado y siguiendo un cuestionario
previamente elaborado.
La encuesta.- Se diferencia del censo en que la encuesta se aplica solo a una muestra de la
población u objeto de estudio.
La entrevista.- Es la técnica de obtención de información a través del diálogo, por lo que

requiere de ciertas habilidades por parte del entrevistador. La entrevista puede o no, estar
estructurada a partir de un cuestionario.
12
El registro.- Consiste en recoger información sobre determinadas variables en forma

sistemática y continua o periódica.
La observación. - Es una técnica que consiste en observar atentamente el fenómeno, hecho o

caso, tomar información y registrarla para su posterior análisis. La observación es un
elemento fundamental de todo proceso de investigación; en ella se apoya el investigador
para obtener el mayor número de datos.
INSTRUMENTOS PARA LA RECOLECCIÓN DE DATOS

Cuestionario.- Es un instrumento imprescindible para el censo y la encuesta, y como se dijo
antes, su uso es opcional en la entrevista. Consiste en una serie de preguntas específicas, que
permiten evaluar una o varias de las variables definidas en el estudio.
Planilla de recolección de datos.- Es un instrumento muy utilizado con la finalidad de

facilitar la recopilación referente a cada elemento de la muestra o población. La información
obtenida, como resultado de las mediciones de las variables, es recogida en una planilla
específicamente diseñada al efecto.
Base de Datos .- Es la forma organizada y estructurada de recopilar la información obtenida

de todos los elementos estudiados. Las "Sabanas de Datos" utilizadas hasta hace un tiempo
han sido sustituidas progresivamente por diversos programas de aplicación de la
computación por cuanto facilitan y agilizan espectacularmente el procesamiento de la
información.
VALIDEZ Y CONFIABILIDAD DE INSTRUMENTOS

Existen múltiples instrumentos que permiten medir propiedades que, aunque no son
observables, son de vital importancia para comprender la conducta humana y el trabajo con
esta. La soledad es una condición que afecta a todos los grupos de edad; sin embargo, en la
vejez hay condiciones que pueden favorecer su aparición, y sus consecuencias pueden ser
más temidas y fuertes que en otras etapas de la vida, constituyéndose así en un fenómeno de
interés para ser estudiado e intervenido.
13
La validez y confiabilidad reflejan la manera en que el instrumento se ajusta a las

necesidades de la investigación (Hurtado, 2012). La validez hace referencia a la capacidad
de un instrumento para cuantificar de forma significativa y adecuada el rasgo para cuya
medición ha sido diseñado. Es decir, que mida la característica (o evento) para el cual fue
diseñado y no otra similar.
VALIDEZ
La validez, no debe ser una característica propia del test, sino de las generalizaciones
y usos específicos de las medidas que el instrumento proporciona (Prieto y otros, 2010). Lo
cual quiere decir que, más que el test en sí mismo, lo que se somete a validación son las
posibles inferencias que se vayan a realizar a partir de los resultados obtenidos.
“La validez y confiabilidad son: “constructos” inherentes a la investigación, desde la
perspectiva positivista, con el fin de otorgarle a los instrumentos y a la información
recabada, exactitud y consistencia necesarias para efectuar las generalizaciones de los
hallazgos, derivadas del análisis de las variables en estudio” (Hidalgo, 2005).
Es el grado en que el instrumento mide aquello que afirma medir y existen cuatro
tipos de validez de un instrumento:
a. Validez de apariencia
b. Validez de constructo
c. Validez de contenido
d. Validez de criterio
a. Validez de apariencia:
Se refiere a la aceptabilidad social. Jueces que dicen si el instrumento en aspecto
mide las cualidades deseadas. Los ítems indican lo que queremos medir (Valoración por
expertos o Jueces).
b. Validez de constructo
 Constructo es una idea
 El instrumento refleja la teoría del fenómeno o del concepto que mide.
14
 Las medidas que resultan de las respuestas del cuestionario pueden ser consideradas y
usadas como medición del fenómeno que queremos medir
 No hay patrón de oro con el cual comparar el nuevo instrumento, las preguntas de la
prueba son homogéneas y por lo tanto miden un solo aspecto
 Puede ser calculada por diversos métodos como el análisis factorial y la matriz
multirasgo-multimétodo.
c. Validez de contenido:
• Evaluado por un grupo de expertos o Jueces
• Instrumento refleja un dominio específico de contenido de lo que se mide. Debe contener a
todos los ítems del dominio de contenido de las variables a medir.
• Se debe utilizar un cuestionario con preguntas que posteriormente se llevan a una matriz, a
la que se le dará un puntaje.
d. Validez de criterio:
 Correlación de la escala con otra prueba que mida lo mismo, idealmente con el patrón de
oro (no siempre existe) que se ha usado rutinariamente y es aceptado.
 Dos tipos: validez concurrente y validez predictiva. La validez concurrente
 Comparar las puntuaciones de la prueba con otros indicadores paralelos o criterios
externos.
 Correlación entre el nuevo instrumento y una escala que ya ha sido probada (patrón de
oro) para medir una característica.
CONFIABILIDAD
• Capacidad de la escala para proveer los mismos resultados en mediciones sucesivas,
bajo las mismas características.
• La constancia o estabilidad de los resultados que proporciona un instrumento de
medida (Bisquerra, 1987)
• Diferentes mediciones de un suceso estable en las mismas condiciones deben dar los
mismos resultados.
• Llamado también precisión o reproducibilidad.
15
• Nivel en que los diferentes ítems o preguntas de una escala están relacionados entre
sí. Esta homogeneidad entre los ítems nos indica el grado de acuerdo entre los
mismos.
Se evalúan tres aspectos:
a. Consistencia interna
b. Test Retest
c. Interevaluador
a. Consistencia interna:
Preguntas o ítems que miden un mismo aspecto debe estar fuertemente correlacionados
comparados con las preguntas o ítems que miden otro aspecto. Correlación muy alto dice
que las dos preguntas están evaluando el mismo aspecto y con uno de los dos es suficiente
para medirlo. Se puede medir utilizando el Alfa de Cronbach.
b. Confiabilidad Test-Retest:
Mide la estabilidad del instrumento a lo largo del tiempo. Hacer mediciones repetidas a los
pacientes. Se recomienda entre 15 días y un mes. Las medidas utilizadas son los coeficientes
de correlación de Pearson y el coeficiente de correlación intraclase (el más recomendable) –
Coeficiente de Correlación de Pearson: no es útil cuando hay más de dos observadores y no
mide el grado de acuerdo – Coeficiente de correlación intraclase: mide el acuerdo
(concordancia) entre los diferentes evaluadores. Una correlación del 70% indicaría una
fiabilidad aceptable.
c. Confiabilidad Interevaluador:
Mide que tan similares son los puntajes asignados por diferentes evaluadores a un mismo
fenómeno; para el caso en que los evaluadores entrevistan a las personas. – Para valores
continuos (cuantitativos) coeficiente de correlación intraclase. – Para valores categóricos
(cualitativos) Índice de Kappa y el porcentaje de acuerdo.
16
ORGANIZACIÓN Y PRESNTACIÓN DE DATOS CUALITATIVOS

CUADROS O TABLAS
Las tablas o cuadros estadísticos resultan de gran ayuda tanto para el investigador
como para el lector del informe de su trabajo, ya que constituyen una forma sintetizada y
más comprensible de mostrar los resultados sobre todo cuando la información es de tipo
repetitivo. Además, permite mostrar frecuencias, relaciones, contrastes, variaciones y
tendencias mediante una presentación ordenada de la información.
Las partes de una tabla son:
• Número de orden.
• Título
• Cuadro propiamente dicho o cuerpo de la tabla
• Fuente
• Notas explicativas, también se le llama píe.
Número de orden: El mismo se emplea para facilitar la referencia a la tabla en el texto. Debe
asignársele un número consecutivo a cada tabla siguiendo el orden en que se citan por
primera vez en el texto. Este número la identifica y se coloca precediendo al título. Ej.:
Tabla 1, Tabla 2. Cuadro 1, Cuadro 2. No debe usarse indistintamente Tabla 1, Cuadro 2.
Título: Debe ser completo, claro y conciso, es decir, debe reflejar claramente en qué consiste
el contenido y con qué criterios se clasificaron los elementos a que se hace referencia,
ubicándolo además en tiempo y lugar. Para ser completo, el título debe responder a las
preguntas qué, cómo, dónde y cuándo.
Cuadro o cuerpo de la tabla: Esta constituido por un grupo de casillas o celdas formadas por
el entrecruzamiento de filas y columnas. La primera fila se reserva para indicar a qué se
refieren los datos subyacentes y que unidad de medida se utilizó. En la primera columna se
reflejan las diferentes clases según la escala de clasificación empleada.
Fuente: Se refiere al documento de donde se extrajo la información presentada. Por lo

general, las fuentes de información se clasifican en:
17
• Primaria: Aquella de la que el investigador obtiene directamente la información

utilizando diversas técnicas y métodos. Ejemplo: La encuesta o modelo de recolección
del dato primario.
• Secundaria: Aquella que existe independientemente del estudio y el investigador sólo la
utiliza. Ejemplo: El Registro de Nacimientos, Historias clínicas.
Una fuente es un documento. Frecuentemente esto se olvida, y se consignan erróneamente

como fuentes algunos locales, departamentos, entre otros, como la Oficina Nacional de
Estadísticas, el Archivo del hospital, etc.
Notas explicativas o aclaratorias: Se utilizan cuando se desea aclarar algo, por lo general del
título o del cuerpo de la tabla, la significación estadística o alguna breve nota aclaratoria del
contenido, que puede indicarse mediante símbolos colocados como exponentes.
Las tablas estadísticas suelen clasificarse según el número de variables que representan en:
• Simple (unidimensional): una variable.

• Compuesta (bidimensionales o multidimensional): dos variables, tres o más variables.
Deben ser autoexplicativas, o sea, que se expliquen por sí mismas, por lo que se debe evitar
presentar demasiada información en ellas en aras de ganar claridad. En general, como forma
de presentación se utilizan cuadros uni y bidimensionales, reservándose el uso de los
multidimensionales para fines de trabajo.
18
TABLA O CUADRO SIMPLE

Tabla 1
EMPRESAS SEGÚN SEGMENTO EMPRESARIAL PERÚ, 2014
Segmento Frecuencia Porcentaje
Micro empresa 1518284 95,4
Pequeña empresa 71313 4,5
Mediana empresa 2635 ,2
Total 1592232 100,0
Fuente: Las MIPYME en cifras - 2014
TABLA O CUADRO COMPUESTA

Tabla 2
EMPRESAS SEGÚN SEGMENTO EMPRESARIAL Y TIPO DE CONTRIBUYENTE PERÚ,
2014
PERÚ: EMPRESAS, SEGÚN SEGMENTO
EMPRESARIAL, 2014
Pequeña Mediana
Micro empresa empresa empresa Total
N° % N° % N° % N° %
TIPO DE Persona
1117785 73,6% 10362 14,5% 102 3,9% 1128249 70,9%
CONTRIBUYENTE natural
Sociedad
anónima 188214 12,4% 32550 45,6% 1440 54,6% 222204 14,0%
cerrada
Empresa
individual
131610 8,7% 14480 20,3% 345 13,1% 146435 9,2%
de Resp.
Ltda
Otros 80675 5,3% 13921 19,5% 748 28,4% 95344 6,0%
Total 1518284 100,0% 71313 100,0% 2635 100,0% 1592232 100,0%
19
GRÁFICO
La forma gráfica constituye un complemento importante para la presentación de los
resultados ya que permite incrementar la información científica que se trata de transmitir.
Son representaciones visuales que emplean símbolos, barras, polígonos y sectores, de los
datos contenidos en tablas o cuadros. La utilidad de los gráficos es doble, ya que pueden
servir no sólo como sustituto a las tablas o cuadros, sino que también constituyen por sí
mismos una poderosa herramienta para el análisis de los datos, siendo en ocasiones el medio
más efectivo y fácil no sólo para describir y resumir la información, sino también para
analizarla
El gráfico, al igual que las tablas, debe ser auto explicativo, sencillo y de fácil
comprensión.
Las partes del gráfico son:
• Número de orden.
• Título
• Cuerpo o gráfico propiamente dicho
• Leyenda
El número de orden y el título deben cumplir los mismos requisitos señalados
anteriormente para la tabla o cuadro estadístico.
El cuerpo o gráfico propiamente dicho, varía en su configuración en dependencia del
tipo de dato que se representa, pero siempre debe indicar claramente las coordenadas, las
escalas y las unidades de medida, reservando el eje de las abscisas (eje X) para la variable y
el eje de las ordenadas (eje Y) para la frecuencias.
La leyenda permite identificar claramente los diferentes elementos del cuerpo del
gráfico.
Existen varios tipos de gráficos, o representaciones gráficas, utilizándose cada uno de
ellos de acuerdo al tipo de información que se está usando y los objetivos que se persiguen
al presentar la información, mencionaremos algunas consideraciones que conviene tomar en
cuenta al momento de realizar cualquier gráfica a fin de que la información sea transmitida
de la manera más eficaz posible y sin distorsiones:
El eje que represente a las frecuencias de las observaciones (comúnmente el vertical
o de las ordenadas) debe comenzar en cero (0), de otra manera podría dar impresiones
20
erróneas al comparar la altura, longitud o posición de las columnas, barras o líneas que
representan las frecuencias.
Las gráficas más comúnmente usadas en estadística descriptiva son: gráfico de
barras, gráfico de línea, gráfica circular (o "de pastel")
GRÁFICO DE BARRAS
Un gráfico de barras, también conocido como gráfico de columnas, es un diagrama con
barras rectangulares de longitudes proporcional al de los valores que representan. Los
gráficos de barras son usados para comparar dos o más valores. Existen dos principales
clases de gráficos de barras:
➢ Barra simple: se emplean para graficar hechos únicos
➢ Barras compuestas: es muy recomendable para comprar una serie estadística con
otra, para ello emplea barras simples se distinto color o tramado en un mismo plano
cartesiano, una al lado de la otra
GRÁFICO DE BARRAS SIMPLE

Gráfico Nº 1
21
GRÁFICO DE BARRAS COMPUESTA

Gráfico Nº 2
PERÚ: EMPRESAS, SEGÚN SEGMENTO EMPRESARIAL Y TIPO DE
CONTRIBUYENTE, 2014
GRÁFICO DE LINEAS
Cuando los datos se relacionan entre sí, es decir, cuando podemos decir que existe
cierta continuidad entre las observaciones (como por ejemplo el crecimiento poblacional, la
evolución del peso o estatura de una persona a través del tiempo, el desempeño académico
de un estudiante a lo largo de su instrucción escolar, las variaciones presentadas en la
medición realizada en algún experimento cada segundo o minuto) se pueden utilizar las
gráficas de líneas, que consisten en una serie de puntos trazados en las intersecciones de las
marcas de clase y las frecuencias de cada una, uniéndose consecutivamente con líneas:
22
Este ejemplo muestra el comportamiento del peso corporal (en kilogramos) de dos
individuos a lo largo de cinco observaciones anuales.
GRÁFICOS DE SECTORES
Cuando los datos representan partes de un total y se desea ver la importancia de cada
parte en relación a las otras o al total, se utiliza este tipo de diagrama.
El gráfico de sectores, gráfico circular, o, como es tradicionalmente llamado gráfico
de pastel es un diagrama circular donde los valores de cada categoría estadística
representada son proporcionales a las respectivas medidas de los ángulos (1% en el gráfico
de sector equivale a 3,6º). Es decir, es el resultado de dividir un círculo en sectores circulares
de ángulos proporcionales a las frecuencias absolutas (Nº) de cada valor de la variable. Para
calcular los grados de cada sector se divide la frecuencia entre el número de datos y se
multiplica por 360.
Gráfico Nº 3
23
ORGANIZACIÓN DE DATOS CUANTITATIVOS
DISTRIBUCIÓN DE FRECUENCIAS
INTRODUCCIÓN
Una distribución de frecuencias o tabla de frecuencias es una ordenación en forma de
tabla de los datos estadísticos, asignando a cada dato su frecuencia correspondiente
DEFINICIONES
Uno de los primeros pasos que se realiza en cualquier estudio estadístico es la
tabulación de resultados, es decir, recoger la información de la muestra resumida en una
tabla en la que a cada valor de la variable se le asocian determinados números que
representan el número de veces que ha aparecido, su proporción con respecto a otros valores
de la variable, etc. Estos números se denominan frecuencias.
En el caso de variables cuantitativas, existen dos posibilidades:
Si la variable es discreta, las clases serán valores numéricos y1 , y2 ,..., yk .
Si la variable es continua las clases vendrán definidas mediante lo que denominamos

intervalos. En este caso, las modalidades que contiene una clase son todos los valores
numéricos posibles contenidos en el intervalo, el cual viene normalmente definido de
la forma:  y 'i −1 − y 'i ) donde y 'i −1 es el límite inferior y y 'i es el límite superior del
intervalo.
Así tenemos los siguientes tipos de frecuencia:

Frecuencia absoluta , frecuencia absoluta acumulada, frecuencia relativa y frecuencia
relativa acumulada
24
Consideramos una variable estadística Y que, en una muestra de tamaño n extraída

de una población estadística, toma los valores y1  y2  .......  yk , definimos los siguientes
conceptos:
Llamamos tamaño muestral al número de observaciones

Tamaño de la realizadas, es decir, al número total de datos.
n
muestra k
n
i =1
i = n1 + n2 + ..........+ nk = n
Llamamos frecuencia absoluta de un valor yi de la variable

estadística Y al número de veces que aparece repetido dicho
Frecuencia
ni valor en el conjunto de las observaciones realizadas.
Absoluta
k
n
i =1
i = n ; 0  ni  n i = 1, 2, ......., k
Llamamos frecuencia absoluta acumulada en el valor yi a la

suma de las frecuencias absolutas de los valores inferiores o
iguales a él.
Evidentemente, los valores yi han de estar ordenados de forma
Frecuencia creciente, como ya se ha indicado, y la frecuencia absoluta
Absoluta Ni acumulada del último valor será igual a n.
i
Ni =  n j = n1 + n2 + .......... + ni
Acumulada
j =1
Nk = n
Llamamos frecuencia relativa de un valor yi de la variable

estadística Y al cociente entre la frecuencia absoluta y el
Frecuencia
hi número de observaciones realizadas.
Relativa
k
ni
hi =
n
; h
i =1
i = h1 + h2 + ..........+ hk = 1 ; 0  hi  1
Frecuencia Llamamos frecuencia relativa acumulada en el punto yi al

Hi
Relativa cociente entre la frecuencia absoluta acumulada y el número de
25
Acumulada observaciones realizadas.

i
H i =  h j = h1 + h2 + .......... + h j
j =1
Ni
Hi = ; Hk = 1
n
TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS PARA DATOS

DISCRETOS
yi ni Ni hi Hi
y1 n1 N1 h1 H1
y2 n2 N2 h2 H2
yk nk Nk hk Hk
Ejemplo 1
En un banco se registró el número de solicitudes de préstamos para casas otorgados durante
cincuenta días. Los datos son los siguientes
0 2 1 2 2 0 1 2 1 3 2 3 2
2 2 1 2 4 2 0 3 3 3 0 2 1
4 3 1 3 2 3 3 3 4 2 2 4 2
3 3 2 3 3 2 2 4 2 2 3
Elaborar una tabla de distribución de frecuencias.
26
Solución
yi ni Ni hi Hi
0 4 4 0,08 0,08
1 6 10 0,12 0,20
2 20 30 0,40 0,60
3 15 45 0,30 0,90
4 5 50 0,10 1
TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS PARA DATOS

CONTINUOS
Agrupamos los valores de la variable estadística en intervalos de clase contiguos y
elegidos convenientemente para no perder mucha información. No existe un criterio claro de
cuál debe ser el número de intervalos que debemos escoger, algunos estadísticos establecen
que el número de clases debe ser, aproximadamente igual a la raíz cuadrada positiva del
número de datos. Normalmente, el número de intervalos de clase se suele fijar entre 5 y 20,
de tal manera que en cada clase se tengan, al menos, 5 observaciones. De todas formas el
investigador los acomodará a las condiciones especificas del problema estadístico objeto de
estudio (se tomarán tantos intervalos traslapados como sean necesarios para recubrir todo el
recorrido de la variable).
Los extremos de los intervalos de clase se denominan límites inferior y superior
 y 'i−1 − y 'i ) y sus puntos medios yi marcas de clase (valor que nos representa la información
que contiene un intervalo).

Como cada observación debe quedar perfectamente encasillada en uno y sólo un
intervalo de clase, debemos decidir a qué intervalos pertenecen los extremos de las clases,
por lo que habrán de tomarse intervalos semiabiertos o tomando el extremo de cada clase
con un decimal más que las observaciones. Con el fin de que la clasificación esté bien hecha,
los intervalos se deben construir de manera que el límite superior de una clase coincida con
el límite inferior de la siguiente, y además, adoptando el criterio de que los intervalos sean
cerrados por la izquierda y abiertos por la derecha.
27
Por otro lado, tenemos la amplitud de cada intervalo, que puede ser constante o
variable. Si procuramos que todas las clases tengan la misma amplitud y los límites de cada
clase sean números redondos (múltiplos p. ej. de 5) conseguiremos simplificar mucho los
cálculos (siempre y cuando no se pierda demasiada información con estas consideraciones).
Debemos observar un hecho importante, se entiende que cuando hacemos una
agrupación en intervalos de clase, para nosotros solamente cuenta el número de
observaciones que caen dentro de cada uno de los intervalos y no la colocación en su
interior, es decir, suponemos que la distribución de estos valores en el intervalo es
homogénea, en esto radica la pérdida de información que supone agrupar los datos de las
observaciones.
 y 'i−1 − y 'i ) yi ni Ni hi Hi
 y '0 − y '1 ) y1 n1 N1 h1 H1
 y '1 − y '2 ) y2 n2 N2 h2 H2
 y 'k −1 − y 'k ) yk nk Nk hk Hk
MAS DEFINICIONES
➢ RANGO (R): Es el intervalo en que se distribuyen los datos y se determina
restándole el mayor valor observado el menor valor observado:
R = XMax - XMin
➢ AMPLITUD DE CLASE: Para una distribución de frecuencias que tiene clases del
mismo tamaño, la amplitud de clase se obtiene restando el límite inferior de una
clase del límite superior de la misma clase: Ci = y 'i − y 'i −1
Si la tabla de distribución de frecuencias tiene amplitud constante entonces:

C=R/k
28
➢ MARCA DE CLASE (punto medio): punto que divide a la clase en dos partes
iguales. Es el promedio entre los límites superior e inferior de la clase.
y 'i −1 + y 'i
yi =
2
La marca de clase no es más que una forma abreviada de representar un intervalo
mediante uno de sus puntos. Por ello hemos tomado como representante, el punto
medio del mismo. Esto está plenamente justificado, si recordamos que cuando se
mide una variable continua como el peso, la cantidad con cierto número de decimales
que expresa esta medición, no es el valor exacto de la variable, sino una medida que
contiene cierto margen de error, y por tanto representa a todo un intervalo del cual
ella es el centro.
CRITERIOS DE ELECCIÓN DE EL NÚMERO DE INTERVALOS DE CLASE Y LA

AMPLITUD
A la hora de seleccionar los intervalos para las variables continuas, se plantean varios
problemas como son el número de intervalos a elegir y sus tamaños respectivos.
El número de intervalos, k, a utilizar y el tamaño de la amplitud, C no está
determinado de forma fija y por tanto tomaremos un k y el valor de C que nos permita
trabajar cómodamente y ver bien la estructura de los datos.
1.- No existe ninguna ley que defina cómo obtener el número de intervalos de clase, pero la
experiencia recomienda que no sea menor que 5 ni mayor que 20. Por lo tanto la amplitud de
clase puede ser: R  C  R .

20 5
2.- Si n  25  k = 5 . Si n  25  k = n
R
Amplitud: C = yí − yí −1 = LS − LI o C=
k
3.- Regla de Sturges: k = 1 + 3,32log n
Amplitud: C = yí − yí −1 = LS − LI o C= R

k
29
Ejemplo 2
En el siguiente conjunto de datos, se presenta los ingresos anuales expresados en miles
de soles de 50 trabajadores 3, 8, 4, 14, 8, 6, 7, 9,13, 8, 10, 9, 7, 11, 10, 8, 5, 9, 6, 2, 13, 6, 3,
7, 6, 9, 12, 4, 7, 12, 8, 8, 9, 15, 8, 9, 10, 8, 5, 8, 7, 6, 5, 10, 8, 9, 7, 5, 6, 5.
Construir una distribución de frecuencias de estos pesos.
Solución
k = 1 + 3,32log n = 1 + 3,32log50 = 6,64  7
R 13
R = XMax - XMin = 15 - 2 = 13 C= = = 1,857 2
k 7
 y 'i−1 − y 'i ) yi ni Ni hi Hi
2 - 4 3 3 3 0,06 0,06
4 - 6 5 7 10 0,14 0,20
6 - 8 7 12 22 0,24 0,44
8 - 10 9 17 39 0,34 0,78
10 - 12 11 5 44 0,10 0,88
12 - 14 13 4 48 0,08 0,96
14 - 16 15 2 50 0,04 1
50 1
GRÁFICOS
1. HISTOGRAMA
El histograma es la representación gráfica en el plano coordenado de las características
concentradas en la tabla de la distribución de una variable cuantitativa continua, que
representa frecuencias mediante el volumen de las áreas. Un histograma consiste en un
conjunto de rectángulos con:
(a) En el eje de las abscisas (horizontal) se representan las clases con centros en las marcas
de clase y longitudes iguales a los tamaños de los intervalos de clase.
(b) En el eje de las ordenadas (vertical) representamos las frecuencias absolutas o relativas.
30
En el caso de un histograma para intervalos desiguales sólo se señalizan los valores sobre el
eje horizontal, el eje vertical no tiene sentido porque las frecuencias corresponden al área de
cada rectángulo.
Formas típicas de histogramas relacionadas con curvas de frecuencias
En el siguiente apartado se presentan varias formas de histogramas que responden a

patrones de comportamiento típico. A su lado podemos encontrar curvas de frecuencia que
aparecen normalmente en la práctica y que se relacionan con estos histogramas ya que
representan a datos con características muy parecidas.
Histograma 1 corresponde a la forma de campana habitual que representa la variabilidad

debida a causas aleatorias. A su lado podemos apreciar una curva de frecuencias simétricas o
en forma de campana, se caracteriza porque las observaciones equidistantes del máximo
central tienen la misma frecuencia. En este caso corresponde con la curva de la normal o
Gaussiana.
Histograma 2 con dos máximos diferenciados, responde a una distribución denominada

bimodal y se presenta cuando están mezclados datos de distinto origen centrados en valores
distintos. De igual manera la curva de frecuencia bimodal tiene dos máximos, ya que
representan a la misma colección de datos.
31
Histograma 3 se denomina, por su forma, sesgado a la derecha, y responde a la

variabilidad que presenta ciertas variables que no siguen una ley normal, como los tiempos
de vida. En las curvas de frecuencias poco asimétricas, o sesgadas, la cola de la curva a un
lado del máximo central es más larga que al otro lado. Si la cola mayor está a la derecha, la
curva se dice asimétrica a la derecha o de asimétrica positiva.
Histograma 4 parece faltarle una parte y por ello se le llama censurado o sesgado (en este
caso, a la izquierda). No representa una variabilidad natural y por tanto hay que sospechar
que se han eliminado algunos valores. Igual ocurre con las curvas de frecuencias poco
asimétricas o sesgadas a la izquierda o de asimetría negativa.
Histogramas 5 y 6, en los cuales aparecen datos que no siguen el patrón de

comportamiento general (anomalías, errores, etc...). Su variabilidad puede atribuirse a
alguna causa asignable que deberá ser identificada y eliminada.
32
2. POLÍGONOS DE FRECUENCIA
El polígono de frecuencias es una representación gráfica de la distribución de
frecuencias que resulta esencialmente equivalente al histograma y se obtiene uniendo
mediante segmentos los centros de las bases superiores de los rectángulos del histograma (es
decir, los puntos de las marcas de clase).
33
3. POLÍGONO DE FRECUENCIA ACUMULADA U OJIVA

Su objetivo, al igual que el histograma y el polígono de frecuencias es representar
distribuciones de frecuencias de variables cuantitativas continuas, pero sólo para frecuencias
acumuladas.
Se unen los extremos superiores de las bases superiores de los rectángulos de la
distribución del histograma de frecuencias acumuladas.
La diferencia con el polígono de frecuencia es que la frecuencia acumulada no se plotea
sobre el punto medio de la clase, sino al final de la misma, ya que representa el número de
individuos acumulados hasta esa clase. Como el valor de la frecuencia acumulada es mayor
a medida que avanzamos en la distribución, la poligonal que se obtiene siempre va a ser
creciente y esa forma particular de la misma es la que ha hecho que se le dé también el
nombre de ojiva.
34
DISTRIBUCION UNIDIMENSIONAL
INTRODUCCION
En este capítulo consideraremos datos correspondientes a un solo carácter, el cual,
como antes dijimos llamaremos variable estadística. Todo análisis estadístico se inicia con
una primera fase descriptiva de los datos, ésta tiene por objeto sintetizar la información
mediante el cálculo de medidas estadísticas o medidas resumen que hacen referencia al
análisis de una sola variable (análisis unidimensional).
MEDIDAS DE TENDENCIA CENTRAL

Aunque se organicen los datos en una forma útil y significativa es preciso disponer
de los datos de forma tal que puedan presentarse proposiciones cuantitativas (Haber y
Runyon, 1992). Una forma útil de describir a un grupo en su totalidad es encontrar un
número que lo represente (Levin, 1979). Se ha observado que una de las características que
se presenta en múltiples distribuciones de frecuencias es que los datos se acumulan
alrededor de un valor central situado entre los dos extremos de la variable que se estudia
(Haber y Runyon, 1992). En la investigación social, ese valor se conoce como una medida
de tendencia central, ya que está generalmente localizada hacia el medio o centro de una
distribución en la que la mayoría de los puntajes tienden a concentrarse (Levin, 1979). La
tendencia central es un índice de localización central empleado en la descripción de las
distribuciones de frecuencias. La capacidad de localizar un punto de tendencia central puede
ser muy útil para el investigador. Por ejemplo, podrá reducir una masa de datos a un simple
valor cuantitativo que llegará a ser comprendido y comunicado a otros especialistas.
Puesto que el centro de una distribución puede ser definido de diferentes maneras,
habrá también diferentes medidas de tendencia central. Las medidas de tendencia central
comúnmente empleadas son:
Media aritmética
Mediana
Moda
Media armónica y media geométrica
Los fractiles – Cuartil, Decil y Percentil
35
MEDIA ARITMÉTICA
MEDIA ARITMÉTICA O PROMEDIO

La media aritmética o promedio es la medida de tendencia central comúnmente
utilizada. Es el centro de gravedad, el punto alrededor del cual los valores se aglutinan.
Usted probablemente estará íntimamente familiarizado con la media, porque siempre que
obtiene un "promedio" de calificaciones (notas) donde suman los valores de las notas y se
divide por el número total de notas se calcula la media aritmética.
La media aritmética es la sumatoria de todos los valores observados dividida entre el
número de valores que se sumaron. La media aritmética obtenida de la población se
representa con la letra griega μ y la media aritmética obtenida de la muestra se representa
con la letra latina X .
➢ Media para datos no agrupados - Para datos no agrupados, la media de una
muestra es la suma de todos los valores divididos entre el número total de los
mismos:
n
x i
x1 + x2 + ....... + xn
X = i =1
=
n n
Ejemplo
Una muestra de cinco ejecutivos recibió la siguiente cantidad en bonos el año pasado:
$14000, $15000, $17000, $16000 y $15000. Encuentre el promedio en bonos para los cinco
ejecutivos.
Solución
Como estos valores representan la muestra de 5 ejecutivos, la media de la muestra es:
n
x i
14000 + 15000 + 17000 + 16000 + 15000
X = i =1
= = 15400
n 5
➢ Media para datos agrupados - Si los datos vienen agrupados en una tabla de
k
n y i i
n1 y1 + n2 y2 + ....... + nk yk
frecuencias, la expresión de la media es: Y = i =1
=
n n
Ejemplo
36
1. Una muestra de diez cines en una gran área metropolitana dio el número total de
películas educativas exhibidas la semana anterior. Calcule la media de las películas
proyectadas.
xi ni ni y i
0 1 0
1 2 2
2 4 8
3 2 6
4 1 4
total 10 20
n
 ni yi
20
i =1
Y = = = 2
n 10
2. En la siguiente tabla de distribución de frecuencias, los ingresos anuales expresados en

miles de soles de 50 trabajadores. Calcular el salario medio.
 y 'i−1 − y 'i ) yi ni ni yi
2 - 4 3 3 9
4 - 6 5 7 35
6 - 8 7 12 84
8 - 10 9 17 153
10 - 12 11 5 55
12 - 14 13 4 52
14 - 16 15 2 30
50 418
Solución:
n
 ni yi
418
i =1
Y = = = 8,36
n 50
37
MEDIA PARA SUBMUESTRAS
Sean X 1 , X 2 , ....., X m muestras de tamaños n1 , n2 , ....., nm . La media aritmética

m
m n X j j
de las n = nj es X =
j =1
m
.
j =1
n j =1
j
MEDIA ARITMÉTICA PONDERADA

La media aritmética ponderada exige multiplicar cada valor de la variable por un
número que expresa la significación mayor o menor que tiene dentro del conjunto de valores
observados. Estos números se denominan pesos o ponderaciones. Debe tenerse bien
presente que tales números no son frecuencias:
m
w i xi
Xp = i =1
m
w
i =1
i
Ejemplo
Las notas finales de un estudiante en tres asignaturas cuyos créditos son 3, 4 y 5 fueron 16,
18 y 20 respectivamente y el promedio ponderado fue:
3 (16 ) + 4 (18 ) + 5 ( 20 )
Xp = = 18,33
3+ 4+5
PROPIEDADES DE LA MEDIA ARITMÉTICA

1. Todo conjunto de datos cuantitativos tiene un valor medio.
2. Al evaluar la media se incluyen todos los valores.
3. Los valores extremos influyen en la media aritmética y en algunos casos pueden
distorsionarla tanto que resulte inconveniente como una medida de tendencia central.
4. Un conjunto de valores sólo tiene una media.
5. La cantidad de datos a evaluar rara vez afecta la media.
6. M  c  = c
38
7. M  cX  = c M  X 
8. M  aX  b  = a M  X   b
9. La media es la única medida de ubicación donde la suma de las desviaciones de cada

n
valor con respecto a la media, siempre es cero: ( x − X ) = 0 .
i =1
i
10. La media aritmética de los valores de una variable no varía si todas las frecuencias de su
distribución se multiplican o dividen por un mismo número.
MEDIANA
La mediana, a diferencia de la media no busca el valor central del recorrido de la
variable según la cantidad de observaciones, sino que busca determinar el valor que tiene
aquella observación que divide la cantidad de observaciones en dos mitades iguales. Por lo
tanto, es necesario atender a la ordenación de los datos, y debido a ello, este cálculo depende
de la posición relativa de los valores obtenidos. Es necesario, antes que nada, ordenar los
datos de menor a mayor (o viceversa).
Primer caso - Variable discreta y n impar

La mediana es el valor del dato central, es decir M e = X n +1
2
Ejemplo
Calcule la mediana para la edad de una muestra de cinco estudiantes: 21, 25, 19, 20 y 22.
Solución:
Al ordenar los datos de manera ascendente y es n impar quedan:
19, 20, 21, 22, 25
entonces la mediana es 21.
M e = X n +1
2
n +1 5 +1
Primero calcular la posición = =3
2 2
Entonces:
M e = X 3 = 21
39
Segundo caso - Variable discreta y n par

La mediana es el valor el valor de la semisuma de los valores de los dos datos centrales, es
Xn + Xn
+1
decir M e = 2 2
2
Ejemplo
1.- Los siguientes datos son los puntajes obtenidos por ocho estudiantes: 11,3; 11,2;
11,5;11,2; 11,2; 11,4; 11,5; 11,4. Calcular la mediana.
Solución:
Ordenando los datos de menor a mayor valor:
11,1; 11,2; 11,2; 11,2; 11,3; 11,4; 11,4; 11,5 puntos
se observa que en la parte central de los datos no hay dato alguno por lo que la mediana se
determina con el promedio de los datos subrayados, entonces:
X4 + X5
Me =
2
11, 2 + 11,3
Me = = 11, 25
2
2.- Una muestra de diez cines en una gran área metropolitana dio el número total de
películas educativas exhibidas la semana anterior. Calcule la mediana de las películas
proyectadas.
xi ni Ni
0 1 1
1 2 3
2 4 7 Posición
3 2 9
4 1 10
total 10
Solución:
Xn + Xn
+1
Como n es par: M e = 2 2
2
40
- Primero se debe calcular las posiciones:

n 10 n 10
= = 5 y +1 = + 1 =6
2 2 2 2
Luego ubicar estas posiciones en las frecuencias absolutas acumuladas de la tabla de
distribución de frecuencias y reemplazar en la fórmula:
Xn + Xn
+1 2 + 2
Me = 2 2
= = 2
2 2
Nota: Es imprescindible para calcular el valor de la mediana el que primero se ordenen los
datos en cuanto a su magnitud, ya que, de no hacerlo, se incurriría en un grave error.
Tercer caso - Variable continua

- Cálculo a partir de frecuencias absolutas: La mediana se ubicará en el intervalo donde las
frecuencias absolutas toman el valor n / 2 ; que es lo mismo que decir que la mediana de una
distribución se ubicará el intervalo en el cual la frecuencia absoluta acumulada alcanza el
50% de los datos.
n 
 − Ni −1 
Por lo tanto, la fórmula para calcular la mediana sería: M e = yi−1 + C  
2
( Ni − Ni −1 )
1 
 − H i −1 
- Cálculo a partir de la frecuencia relativa: M e = yi−1 + C  
2
( H i − H i −1 )
PROPIEDADES DE LA MEDIANA
1. La mediana es única para cada conjunto de datos.
2. No se ve afectada por valores muy grandes o muy pequeños, y por lo tanto es una medida
valiosa de tendencia central cuando ocurren.
3. Puede obtenerse para datos de nivel de razón, de intervalo y ordinal. Puede calcularse
para una distribución de frecuencias con una clase de extremo abierto, si la mediana no se
encuentra en una de estas clases.
41
Ejemplo
En la siguiente tabla de distribución de frecuencias se tiene el salario mensual de 50
trabahjadores. Calcular la mediana del salario.
 y 'i−1 − y 'i ) yi ni Ni
2 - 4 3 3 3
4 - 6 5 7 10
Clase 6 - 8 7 12 22
8 - 10 9 17 39 Posición
mediana 10 - 12 11 5 44
12 - 14 13 4 48
14 - 16 15 2 50
50
Solución
n 50
Ubicar la clase mediana dada por la posición = = 25
2 2
Luego reconocer el límite inferior que corresponde a la clase mediana: yi−1 = 8
n 
 − Ni −1 
M e = yi−1 + C 
2  = 8 + 2 ( 25 − 22 ) = 8,35
( Ni − Ni −1 ) ( 39 − 22 )
MODA
La moda se define como aquel valor o valores que más se repiten o que tienen mayor
frecuencia entre los datos que se han obtenido en una muestra, la muestra de una población
nos genera la distribución de los datos una vez que estos se han graficado y en esta gráfica es
posible observar la moda o modas de la misma, es por esto que una distribución de datos
puede ser amodal (carece de moda), unimodal (tiene una sola moda), bimodal (tiene dos
modas) o polimodal (tiene más de dos modas).
42
La medida de tendencia central más fácil de obtener es la moda. Esto es cierto

debido a que la moda puede encontrarse simplemente por inspección más que por cálculos
(Levin, 1979).
En el caso de que la variable sea continua se utiliza la siguiente expresión para
calcular la moda:
 1 
M 0 = yi−1 + c   donde: 1 = ni − ni −1 2 = ni − ni +1
 1 +  2 
Ejemplo
1. Las calificaciones de un examen de diez estudiantes son: 81, 93, 84, 75, 68, 87, 81, 75,
81, 87.
Solución
La calificación 81 es la que más ocurre, la que más se repite por lo tanto la calificación
modal es 81, M 0 = 81
2. Una muestra de diez cines en una gran área metropolitana dio el número total de
películas exhibidas la semana anterior. Calcule la moda de las películas proyectadas.
xi ni
0 1
1 2
2 4 Frecuencia mayor
3 2
4 1
total 10
Solución:
Como el número de películas que tiene mayor frecuencia es 2, entonces:
M0 = 2
3. En la siguiente tabla de distribución de frecuencias se tiene el salario mensual de 50
especialistas del sector educación. Calcular la moda del salario.
43
 y 'i−1 − y 'i ) yi ni
2 - 4 3 3
4 - 6 5 7
6 - 8 7 12
Clase modal 8 - 10 9 17
10 - 12 11 5
12 - 14 13 4
14 - 16 15 2
50
Solución
Establecer la clase modal ubicando la posición en la frecuencia mayor
1 = ni − ni−1 = 17 − 12 = 5 2 = ni − ni +1 = 17 − 5 = 12
 1   5 
M 0 = yi−1 + c   = 8 + 2  = 8,59
 1 +  2   5 + 12 
RELACIÓN ENTRE LA MEDIA, MEDIANA Y MODA

Las distribuciones pueden describirse según la forma que asume su gráfica. Cuando
se construye el polígono de frecuencias la gráfica tiene una forma que puede ser simétrica o
asimétrica.
Distribuciones simétricas: Se dice que la distribución es simétrica si se puede dividir en

dos mitades que parecen ser la imagen una de la otra. En estos casos las frecuencias en los
extremos de la distribución son idénticas es decir el sesgo es cero. También en
distribuciones unimodales cuando la media, la moda y la mediana coinciden la distribución
es simétrica.
44
Distribuciones asimétricas: Se dice que la distribución unimodal es asimétrica cuando la

media, la moda y la mediana no coinciden.
➢ Distribución asimétrica sesgada hacia la derecha - Si la distribución tiene algunos

valores extremos altos, entonces en la gráfica se nota una cola larga y fina hacia la
derecha de la distribución y cuando en distribuciones unimodales, la media es mayor
que la mediana y estas a la vez son mayores que la moda entonces, se dice que la
distribución está sesgada positivamente o que tiene un sesgo a la derecha.
➢ Distribución asimétrica sesgada hacia la izquierda - Si la distribución tiene algunos

valores extremos muy bajos, entonces en la gráfica se nota una cola larga y fina hacia
la izquierda de la distribución y cuando en distribuciones unimodales, la media es
menor que la mediana y estas a su vez son menores que la moda entonces, se dice
que la distribución está sesgada negativamente o que tiene un sesgo a la izquierda.
FRACTILES
CUARTIL
La mediana, como vimos separa en dos mitades el conjunto ordenado de
observaciones. Podemos aún dividir cada mitad en dos de tal manera que resulten cuatro
partes iguales. Cada una de esas divisiones se conoce como Cuartil y lo simbolizaremos
mediante la letra Q agregando un subíndice según a cuál de los cuatro cuartiles nos estemos
refiriendo.
45
De aquí diremos que el cuartil divide al conjunto de observaciones en cuatro partes

iguales.
- Se llama primer cuartil Q1 a la mediana de la mitad que contiene los datos más pequeños.
Este cuartil, corresponde al menor valor que supera – o que deja por debajo de él- a la cuarta
parte de los datos.
- Se llama segundo cuartil Q2 a la mediana.
- Se llama tercer cuartil Q3 a la mediana de la mitad formada por las observaciones más
grandes. El tercer cuartil es el menor valor que supera – o que deja por debajo de él- a las
tres cuartas partes de las observaciones.

Qj = X n + 1 para j = 1, 2 y 3
x j
4

X jn + X j n
+ 1
Qj = 4 4
para j = 1, 2 y 3
2

 jn 
 − Ni −1 
Q j = y 'i −1 + C  
4 para j = 1, 2, 3
( Ni − Ni −1 )
46
Ejemplo
1. Dada la siguiente distribución en el número de hijos de cien familias, calcular sus
cuartiles.
yi 0 1 2 3 4 5
ni 14 10 15 26 20 15 n=100
Ni 14 24 39 65 85 100
Solución:
Xn + Xn
+ 1 X 25 + X 26 2+2
1. Primer cuartil: Q1 = 4 4
= = =2
2 2 2
X2n + X 2n
+ 1 X 50 + X 51 3+3
2. Segundo cuartil: Q2 = 4 4
= = =3
2 2 2
X3n + X 3n
+ 1 X 75 + X 76 3+3
3. Tercer cuartil: Q3 = 4 4
= = =3
2 2 2
2. En la siguiente tabla de distribución de frecuencias, se proporcionan el salario mensual de

50 trabajadores. Calcular el segundo cuartil
 y 'i−1 − y 'i ) ni Ni
2 - 4 3 3
4 - 6 7 10
6 - 8 12 22
8 - 10 17 39
10 - 12 5 44
12 - 14 4 48
14 - 16 2 50
50
47
Solución
 jn 
 − Ni −1 
Q j = yi' −1 + C  
4
( Ni − Ni −1 )
Q2 = 8 + 2
( 25 − 22 ) = 8,35
( 39 − 22 )
DECIL
Divide al conjunto de observaciones ordenadas en diez partes iguales
Dj = X n + 1 para j = 1, 2, …., 9
x j
10

Xj n +Xj n
+ 1
Dj = 10 10
para j = 1, 2, …., 9
2
 jn 
 − Ni −1 
D j = y 'i −1 + C  
10
para j = 1, 2, …., 9
( i
N − N i −1 )
PERCENTIL
Divide al conjunto de observaciones ordenadas en 100 partes iguales
Pj = X n + 1 para j = 1, 2, …., 99
x j
100

Xj n +Xj n
+ 1
Pji = 100 100
para j = 1, 2, …., 99
2
 jn 
 − Ni −1 
Pj = y 'i −1 + C  
100
para j = 1, 2, …., 99
( Ni − Ni −1 )
48
MEDIA GEOMÉTRICA
Es la raíz enésima del producto de los valores de los elementos de la muestra, es
usada cuando los valores de los datos de la muestra son positivos y no son lineales, es decir
que su valor depende de varios factores a la vez.
➢ Media geométrica para datos no agrupados - Se determina de la siguiente forma
1 k
M g = x1.x2 ....xn
n o M g = antlog(  log xi )
n i=1
Ejemplo
1. Las siguientes temperaturas han sido tomadas de un proceso químico: 13,4; 12,8; 11,9 y
13,6 °C. Determine la temperatura promedio de este proceso.
Solución:
M g = n x1.x2 ....xn = 4 (13,4)(12,8)(11,9)(13,6) = 12,9077 C
2. Calcular la media de las tasas de interés de tres bonos que son 5%, 7% y 4%.
Solución:
La media geométrica es: M g = n x1.x2 ....xn = 3 (7 )(5)(4) = 5.192 %
3. Si la producción de un bien ha incrementado un crecimiento del 30% del primero al

segundo año y un crecimiento del 35% del segundo al tercer año y un decrecimiento del
15% del tercer al cuarto año.
a) Calcule la tasa promedio de cambio y el porcentaje promedio de crecimiento de la
producción de los 3 últimos años.
b) Calcule la producción del quinto año, si la del primer año fue 100.
Solución
a) Tomando como producción base 100 para el primer año
Año Crecimiento Producción Tasas
1 ------ 100 -----
2 30% 100+0,30(100)=130 1,30
3 35% 130+0,35(130)=175.5 1,35
4 -15% 175.5-0,15(175,5)=149,175 0,85
49
El promedio de las tasas de cambio de la producción durante los tres últimos años es de la
media geométrica:
M g = 3 1,30 (1,35 )( 0,85 ) = 1,1426
Entonces el porcentaje promedio de crecimiento es de 14, 26%.

b) La producción para el quinto año será igual a:
149,175+0,1426(149,175)=170,44
➢ Media geométrica para datos agrupados - Se determina de la siguiente forma

1 k
n n n
M g = n x1 1 .x2 2 ....xk k o M g = antlog(  ni log xi )
n i=1
Una aplicación muy importante de la media geométrica es determinar el porcentaje
promedio del incremento poblacional, ventas, producción u otros negocios o series
económicas de un periodo a otro.
La fórmula para este tipo de problema es:
Pf
t=n − 1
P0
Donde:
P0 es el valor al inicio del periodo.
Pf es el valor al final del periodo.
Ejemplo
El número total de mujeres que acuden a los bancos a pedir préstamo a nivel nacional
aumentó de 75500 en 2012 a 83500 en 2021. Calcular el número de mujeres que acudirán a
los bancos por un préstamo a nivel nacional que habrá en el año 2032.
Solución
Pf 835000
t=n −1 = 9 − 1 = 0, 01  1% de crecimiento anual
P0 755000
Pf = P0 ( t + 1) = 835000 ( 0, 01 + 1) = 931583, 07
n 11
50
MEDIA ARMÓNICA
La media armónica se define como el recíproco del promedio de los recíprocos de

cada uno de los datos que se tienen en la muestra y se determina de la siguiente manera:
Media armónica para datos no agrupados - Se determina de la siguiente forma

n
MH = n
1
x
i =1 i
Ejemplo:
Determine la media armónica de los siguientes datos, 3.1, 2.8, 2.84, 3.05, 3.09
Solución:
5
H= =
1 / 3.1 + 1 / 2.8 + 1 / 2.84 + 1 / 3.05 + 1 / 3.09
5 5
= = = 2.9703
0.3226 + 0.3571 + 0.3521 + 0.3279 + 0.3236 1.6833
Media armónica para datos agrupados - Se determina de la siguiente forma

n
MH = k
ni

i =1 yi
Si se compran varios tipos de productos con distintas cantidades de unidades de cada tipo,
pero gastando en ellos igual cantidad de dinero, el precio promedio por unidad es igual a la
media armónica de los precios por unidad de cada tipo de producto.
Ejemplo
1. Una familia realiza un viaje en automóvil a una ciudad y cubre los primeros 100 km a 60
km/h, los siguientes 100 km a 70 km/h y los últimos 100 km a 80 km/h. Calcular la
velocidad media.
3
MH = = 69, 041
1 1 1
+ +
60 70 80
51
2. Una empresa de transporte gasta S/400 en latas de aceite que cuestan S/10 la docena;
S/500 en latas que cuestan S/12,5 la docena; S/600 más en latas que cuestas S/20 la docena y
S/300 en otras que cuestan S/25 la docena. Calcule el costo promedio por docena de las latas
de aceite.
400 + 500 + 600 + 300
MH = = 14, 75
400 500 600 300
+ + +
10 12,5 20 25
MEDIDAS DE DISPERSION
Una de las funciones de la estadística se relaciona con el cálculo de la variabilidad.

Conocer las medidas de dispersión (variación) es de suma importancia, ya que la no
consideración de diferencias puede conducir a errores de juicio en la toma de decisiones
(Sánchez, 1992). Una medida particular de tendencia central da lugar a un valor que, en
cierto sentido, "representa" a todos los valores que toma la variable estadística en estudio
(Glass & Stanley, 1974). Sin embargo, cuando se usa cualquier medida de tendencia central,
ésta nos da sólo un cuadro incompleto de un conjunto de datos y, por consiguiente, podría
conducir a conclusiones erróneas o distorsionadas (Levin, 1979), porque este proceso pasa
por alto las diferencias entre las puntuaciones en sí (Glass & Stanley, 1974). Sería
incorrecto concluir que dos conjuntos de datos son iguales sólo porque tienen las mismas
medidas de tendencia central, es decir, que el valor de la media aritmética sea el mismo para
ambos conjuntos, cuando la distancia de los datos de ambos conjuntos se distribuye de una
forma diferente (Elorza, 1987).
Para describir una distribución en forma más completa o para interpretar con más
detalle una calificación, necesitamos información adicional acerca de la dispersión de las
calificaciones con respecto a nuestra medida de tendencia central (Haber & Runyon, 1992).
Es necesario un índice de cómo están diseminados los valores alrededor del centro de la
distribución. A tales distancias se les suele denominar medidas de dispersión o variación.
Las medidas de dispersión, también conocidas como medidas de variación o
variabilidad, indican el grado en que los sujetos se dispersan respecto al centro de la
distribución. A través de las mismas el investigador verifica cuán homogéneos, parecidos o
estables son los elementos bajo estudio, en contraste con otros grupos de interés (Sánchez,
1992). Si todos los valores son los mismos, no existe dispersión; si no todos son los
52
mismos, hay dispersión en los datos. La magnitud de la dispersión puede ser pequeña,
cuando los valores, aunque diferentes, están próximos entre sí y si los valores están
ampliamente separados, la dispersión es mayor.
Las medidas de dispersión o variabilidad más conocidas son:
Rango o recorrido
Varianza y Desviación estándar
Coeficiente de variación
RANGO
Una manera de medir la variación en un conjunto de valores es calculando el rango.
El rango es la más sencilla y directa de las medidas de dispersión (Runyon & Haber, 1992) y
a la vez la menos confiable (Sánchez, 1992). Se trata simplemente de la distancia entre el
valor menor y el valor mayor en un conjunto de observaciones. El hecho de que sólo tome
en consideración dos valores, hace que la medida sea muy pobre. Nótese que, si hay un
valor extremo en la distribución, se tendrá la impresión de que la dispersión es grande
cuando, en realidad, si hiciéramos caso omiso de esa calificación, podríamos encontrar que
dicha distribución es, por el contrario, una distribución "compacta". El rango o recorrido
refleja únicamente las dos calificaciones extremas de la distribución (Runyon & Haber,
1992), es decir, solamente dos puntuaciones exactas de un grupo son las que los determina,
ignorando así, todas las demás puntuaciones.
El rango no puede darnos una idea precisa con respecto a la dispersión y en el mejor
de los casos, debe considerarse sólo como un índice preliminar o muy aproximado (Levin,
1977). Puede expresarse de la siguiente manera:
R = XMax - XMin
Xmax = valor máximo de los datos observados
Xmin = valor mínimo de los datos observados
VARIANZA Y DESVIACIÓN ESTÁNDAR

La desviación estándar es la medida de dispersión más adecuada para la estadística
descriptiva (Haber & Runyon, 1992). Tanto en las escalas de intervalo como en las de
razones, la varianza y la desviación estándar son las mejores medidas de dispersión. Toman
en consideración todos los valores y controlan por el efecto de valores extremos. La
53
desviación estándar permite una interpretación precisa de las calificaciones dentro de una
distribución (Runyon & Haber, 1992). Si todos los sujetos son iguales en una característica
(por ejemplo, índice académico), entonces el resultado será igual a cero. Por el contrario, si
aumentan las diferencias, aumentará el índice, alejándose más y más del punto cero. La
varianza se define como las desviaciones cuadradas medias respecto a la media.
VARIANZA
La varianza también está definida como el promedio de las diferencias elevadas al
cuadrado entre cada valor que se tiene en la muestra (xi) y la media aritmética X .
(x − X )
i
2
1  k 2 
- Varianza para datos no agrupados: S 2 = =   xi − nX 2 
n −1 n − 1  i =1 
k
 ni ( yi − Y )2
1  k 2
  ni yi − nY 
i =1
- Varianza para datos agrupados: S2 = = 2
n −1 n − 1  i =1 
m m
 (ni − 1)Si2 +  ni ( X i − X )2
- Varianza para submuestras: S2 = i =1 i =1
n −1
Ejemplo:
1. Los siguientes datos son los gastos por refrigerio de una muestra de trabajadores 14.2,
12.1, 15.6, 18.1, 14.3, determine su varianza.
Solución:
Lo primero que hay que calcular es la media aritmética de la muestra como ya se ha hecho
anteriormente.
− 14.2 + 12.1 + 15.6 + 18.1 + 14.3 74.3
x= = = 14.86mg
5 5
2 2 2
( 14.2 − 14.86 ) + ( 12.1 − 14.86 ) + .... + ( 14.3 − 14.86 )
s2 = =
5 −1
0.4356 + 7.6176 + 0.5476 + 10.4976 + 0.3136 19.412 2
s2 = = = 4.853mg
4 4
54
Desviación estándar
Es la desviación o diferencia promedio que existe entre cada valor de la muestra y la media
aritmética de la muestra. Y se obtiene a partir de la varianza, sacándole raíz cuadrada.
S = S2
Ejemplo
En la siguiente tabla de distribución de frecuencias. Calcular la varianza de la de la longitud
total
Solución
 y 'i−1 − y 'i ) yi ni ni yi2
2 - 4 3 3 27
4 - 6 5 7 175
6 - 8 7 12 588
8 - 10 9 17 1377
10 - 12 11 5 605
12 - 14 13 4 676
14 - 16 15 2 450
50 3898
k
 ni ( yi − Y )2
1  k 2
S2 = i =1
n −1
=   ni yi − nY  =
n − 1  i =1
2 1
( )
3898 − 8,362 = 78,12 soles 2
 49
Desviación estándar
Es la desviación o diferencia promedio que existe entre cada valor de la muestra y la media
aritmética de la muestra. Y se obtiene a partir de la varianza, sacándole raíz cuadrada.
S = S2
1. S = S 2 = 78,12 = 8,84 soles

Existe una dispersión de 8,84 soles respecto al promedio en el salario de los 50 especialistas.
55
COEFICIENTE DE VARIACIÓN
Otra medida de dispersión que se suele utilizar es el coeficiente de variación (CV).
Es una medida de dispersión relativa de los datos y se calcula dividiendo la desviación típica
muestral por la media y multiplicando el cociente por 100.
S
CV = x 100%
X
Su utilidad estriba en que nos permite comparar la dispersión o variabilidad de dos o
más grupos o comparar dispersiones a escalas distintas pues es una medida invariante ante
cambios de escala. Sirve para comparar variables que están a distintas escalas pero que están
correlacionadas estadísticamente y sustantivamente con un factor en común. Es decir, ambas
variables tienen una relación causal con ese factor.
Es importante que todos los valores sean positivos y su media por tanto un valor
positivo. A mayor valor de C.V. mayor heterogeneidad de los valores de la variable; y a
menor C.V., mayor homogeneidad en los valores de la variable.
56

Estadística Descriptiva

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

Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

Estadística Económica I Mgt. Rina M.

La estadística se clasifica en estadística descriptiva y estadística inferencial.

DETERMINACIÓN DE LA POBLACIÓN Y MUESTRA

Existen desde el punto de vista de su manejabilidad poblaciones finitas e infinitas.

Tamaño muestral: Es el número de elementos u observaciones que tomamos en la

Un procedimiento estadístico descriptivo no hace referencia a muestra ni a

determinarlos cuando se va a proceder a realizar lo que se conoce como inferencia

Variable cualitativa: Es aquella que expresa un atributo o característica, ejemplo:

o Variable Ordinal: son cualidades que representan un orden y jerarquía. Ej.

Variable cuantitativa: Es aquella que podemos expresar numéricamente: edad,

o Variable continua la que puede tomar los infinitos valores de un intervalo.

El hecho de que todos los elementos de la población estén bien representados en la

o ESTADÍGRAFO – Un estadístico o estadígrafo es una medida resumen cuyo valor

Cuando se llevan a cabo investigaciones y sus resultados son comprobados como

ETAPAS DEL MÉTODO ESTADÍSTICO

PLANTEAMIENTO DEL PROBLEMA

FIJACIÓN DE LOS OBJETIVOS

PROPÓSITO Y JUSTIFICACIÓN DE LA INVESTIGACIÓN

FORMULACIÓN DE LAS HIPÓTESIS

Una hipótesis que se formula acerca de un parámetro (media, proporción, varianza,

DEFINICIÓN DE LA UNIDAD DE OBSERVACIÓN Y DE LA UNIDAD DE

Población y muestra: Se describe la población y el lugar donde se llevará a cabo la

CRITICA, CLASIFICACIÓN Y ORDENACIÓN

ORGANIZACIÓN Y PRESENTACIÓN DE LA INFORMACION

DISCUSIÓN Y ANÁLISIS DE RESULTADOS

resultados se relacionan los hallazgos con los estudios e investigaciones referidas en la

TÉCNICAS PARA LA OBTENCIÓN DE DATOS

La entrevista.- Es la técnica de obtención de información a través del diálogo, por lo que

El registro.- Consiste en recoger información sobre determinadas variables en forma

La observación. - Es una técnica que consiste en observar atentamente el fenómeno, hecho o

INSTRUMENTOS PARA LA RECOLECCIÓN DE DATOS

Planilla de recolección de datos.- Es un instrumento muy utilizado con la finalidad de

Base de Datos .- Es la forma organizada y estructurada de recopilar la información obtenida

VALIDEZ Y CONFIABILIDAD DE INSTRUMENTOS

La validez y confiabilidad reflejan la manera en que el instrumento se ajusta a las

ORGANIZACIÓN Y PRESNTACIÓN DE DATOS CUALITATIVOS

Fuente: Se refiere al documento de donde se extrajo la información presentada. Por lo

• Primaria: Aquella de la que el investigador obtiene directamente la información

Una fuente es un documento. Frecuentemente esto se olvida, y se consignan erróneamente

• Simple (unidimensional): una variable.

TABLA O CUADRO SIMPLE

TABLA O CUADRO COMPUESTA

GRÁFICO DE BARRAS SIMPLE

Fuente: Las MIPYME en cifras - 2014

GRÁFICO DE BARRAS COMPUESTA

Fuente: Las MIPYME en cifras - 2014

Fuente: Las MIPYME en cifras - 2014

ORGANIZACIÓN DE DATOS CUANTITATIVOS

En el caso de variables cuantitativas, existen dos posibilidades:

Si la variable es discreta, las clases serán valores numéricos y1 , y2 ,..., yk .

Si la variable es continua las clases vendrán definidas mediante lo que denominamos

Así tenemos los siguientes tipos de frecuencia:

Consideramos una variable estadística Y que, en una muestra de tamaño n extraída

Llamamos tamaño muestral al número de observaciones

Llamamos frecuencia absoluta de un valor yi de la variable

Llamamos frecuencia absoluta acumulada en el valor yi a la

Llamamos frecuencia relativa de un valor yi de la variable

Frecuencia Llamamos frecuencia relativa acumulada en el punto yi al

Acumulada observaciones realizadas.

TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS PARA DATOS

TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS PARA DATOS

que contiene un intervalo).

clase del límite superior de la misma clase: Ci = y 'i − y 'i −1