MÓDULO ESTADÍSTICA DESCRIPTIVA 100-105

Milton Fernando Ortegón Pava Director Ing. Francisco Cabrera Acreditador

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD – FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA UNIDAD DE CIENCIAS BÁSICAS Ibagué. 2009

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

COMITÉ DIRECTIVO Jaime Alberto Leal Afanador
Rector Gloria C. Herrera Sanchez Vicerrector Académico y de investigación Roberto Salazar Ramos Vicerrector de Medios y Mediaciones Maribel Córdoba Guerrero Secretaria General

MÓDULO CURSO ESTADÍSTICA DESCRIPTIVA
© Copyrigth Universidad Nacional Abierta y a Distancia

 

2

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

CONTENIDO
Pág. INTRODUCCIÓN 10

UNIDAD DIDÁCTICA 1 Conceptos Preliminares Y Medidas De Tendencia Central INTRODUCCIÓN A LA UNIDAD OBJETIVOS ESPECÍFICOS 1. CONCEPTOS PRELIMINARES Y MEDIDAS DE TENDENCIA CENTRAL 1.1. CONCEPTUALIZACIÓN DE TÉRMINOS ESTADÍSTICOS 1.1.1. ¿QUÉ ES LA ESTADÍSTICA? 1.1.2. CONCEPTOS BÁSICOS 1.1.2.1 Aleatoriedad Y Representatividad de la muestra 1.1.2.2 Muestra aleatoria simple 1.1.2.3 Muestra Aleatoria sistemática 1.1.2.4 Muestra Aleatoria Estratificada 1.1.2.5 Muestra Aleatoria de conglomerados 1.1.2.6.Deter. Población, muestra y tipo de muestreo a utilizar 1.1.3. VARIABLES ESTADÍSTICAS 1.1.3.1 variables cualitativas 1.1.3.2 variables cuantitativas 1.1.3.3 escala de medida de variables 1.1.4 CARACTERIZACIÓN DE UNA VARIABLE CUALITATIVA 1.1.4.1 tablas de frecuencias: 1.1.4.2 representaciones graficas: 1.1.4.2.1 diagramas de barras 1.1.4.2.2 diagrama circular: 1.1.4.3 moda 1.1.5. TABLAS DE CONTINGENCIA: 1.2 INVESTIGACION ESTADISTICA 1.2.1 PLANEACION 1.2.1.1 Definición del objeto de investigación 1.2.1.2.Unidad de investigación 1.2.1.3.Clase de investigación 1.2.1.4 Las fuentes de información

13 15 16 17 17 17 18 20 20 20 21 21 21 22 23 23 23 25 25 26 26 28 28 28 31 31 31 32 32 32

 

3

5.5.5.1.2.5 MEDIDAS DE TENDENCIA CENTRAL O DE POSICION ESTADIGRAFOS MEDIA ARITMÉTICA MEDIANA MODA OTRAS MEDIDAS DE TENDENCIA CENTRAL 33 33 33 34 34 35 37 40 40 47 47 48 50 51 52 54 55 58 59 59 60 60 61 64 68 71 81 96 ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD 1 BIBLIOGRAFÍA DE LA UNIDAD UNIDAD DIDACTICA 2 MEDIDAS DE DISPERSIÓN Y ESTADÍSTICAS BIVARIANTES INTRODUCCION A LA UNIDAD OBJETIVOS ESPECIFICOS 2.1 Combinación o arreglo ordenado 1.2.1 Distribuciones de frecuencias 1.2.2.3.3.2.2.1 RANGO O RECORRIDO 2.1 Componentes de una gráfica 1.2.5.9 Pictogramas 1.1 Según la cobertura 1.2.2.2.3 1.1.2.2.2.7 Diagramas de barras 1.8 Diagrama circular 1.1.2.4.3.2.10 Mapas estadísticos o cartogramas 1.2.3.1 Desviación típica o estándar 2.3.2.1.1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1.6 Gráficos de línea 1.3 Histograma de frecuencias 1.2.5 PRESENTACIÓN DE LA INFORMACIÓN 1. MEDIDAS DE DISPERSIÓN Y ESTADÍSTICAS BIVARIANTES 2.2 Arreglo de tallo y hojas 1.5.1 MEDIDAS DE DISPERSIÓN Y ASIMETRIA 2.2.2 Diagrama de frecuencias 1.2 Según la forma de observación 1.3. RECOLECCIÓN 1.4 Polígono de frecuencias 1.1.4 TABLAS DE DISTRIBUCION DE FRECUENCIAS 1.4 1.3 1.2.5.5.2 1.5.3 Tabulación de la información 1.5.5 Ojiva 1.2.3.3.3 COEFICIENTE DE VARIACIÓN Y DESVIACIÓN MEDIA 2.2.1 1.2.3. Desviación media 98 100 101 102 102 102 104 106 107 108   4 .3.2. ORGANIZACIÓN DE LA INFORMACIÓN 1.5. VARIANZA Y DESVIACIÓN ESTÁNDAR 2.2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2.2.5.1 REGRESIÓN Y CORRELACIÓN 2.1 CONSTRUCCIÓN DE NÚMEROS ÍNDICE 2.2.Apuntamiento o curtosis 2.3.4 ÍNDICES COMPUESTOS 2.5.5 Cultura Política 2.3 Lógica Matemática 2.1.1.5.3.3.5.3.2 Poder de compra o poder adquisitivo o valor del dinero 2.1.2.3.2 DIAGRAMA DE DISPERSIÓN 2.3.4 Competencias Comunicativas 2.1.2 MEDIDAS ESTADÍSTICAS BIVARIANTES 2.5.3 NÚMEROS INDICE 2.1. Calculo del salario y del ingreso 2.5.CORRELACIÓN 2.5.1.1.4 PUNTAJE TÍPICO O ESTANDARIZADO 2.3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5.2.5.5. porcentaje de variación y de devaluación ACTIVIDADES DE AUTOEVALUACION UNIDAD 2 BIBLIOGRAFÍA DE LA UNIDAD ANEXOA 110 112 112 113 115 116 118 119 120 120 120 121 122 126 129 132 133 134 134 135 140 140 141 141 142 143 153 154   5 .5.5.2.7 Herramientas Informáticas 2.2.1.4.3. TIPOS DE NÚMEROS ÍNDICES 2.3.6 Estadística Descriptiva 2. ÍNDICES SIMPLES 2.3. Porcentaje de desvalorización 2.5. USOS DE LOS NÚMEROS ÍNDICES 2.1 Asimetría 2.3.5 MEDIDAS DE ASIMETRÍA Y APUNTAMIENTO 2.4.REGRESIÓN MÚLTIPLE 2.3 REGRESIÓN LINEAL SIMPLE 2.1.1.

relativas y acumuladas ascendentes de la velocidad de pulsaciones Tabla 2.5. Distribución de frecuencias agrupadas Tabla 3. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   LISTA DE TABLAS Pág.8.1 Número de egresados de la UNAD en el período 19942004 Tabla 2. Distribución de frecuencias simple de latidos cardiacos de 30 personas Tabla 2.9.11.1. Distribución de frecuencias agrupadas de la asistencia a cine Tabla 3. Ventas por departamento al contado y a crédito en marzo de 2005 Tabla 3. Número de intervalos de clases sugerido en función del tamaño de la muestra Tabla 2.7.8. Comparación de la media. Distribución de frecuencias simple de visita al odontólogo de niños entre los 6 y 12 años Tabla 2. Egresados de la UNAD en el período 2000-2004 Tabla 2.7.10.1. Distribución de frecuencias agrupadas Tabla 3.6.5. mediana y moda Tabla 3. Clasificación de la estatura de los estudiantes de un grupo de quinto grado Tabla 2. ejemplo 15.2 Tabla de Contingencia de Frecuencia Relativas Tabla 1.6. UNIDAD 2 Medidas De Dispersión Y Estadísticas Bivariantes Tabla 4.1 Tablas de contingencia Tabla 1. Distribución de frecuencias absolutas.3 Tabla de Contingencia de porcentajes Tabla 2. Distribución de frecuencias agrupadas Tabla 3.4.3.2. Clasificación de empleados por cargo Tabla 2. Distribución de frecuencias de la asistencia a cine Tabla 3. Distribución de frecuencias agrupadas de la velocidad de pulsaciones Tabla 2. Resumen de cálculos. UNIDAD DIDÁCTICA 1 Conceptos Preliminares Y Medidas De Tendencia Central Tabla 1. Distribución de frecuencias agrupadas Tabla 3.4.3. Distribución de frecuencias de las calificaciones de estudiantes de Estadística Distribución de frecuencias de las calificaciones de estudiantes de Estadística 103 29 30 30 38 38 39 39 41 43 45 45 49 54 56 63 66 69 69 71 72 76 77 106   6 .2.2. Clasificación de estudiantes por CEAD en la Zona Occidente durante el primer semestre de 2005 Tabla 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.4. Tabla 4.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Tabla 4.2.4.3.5.3. Distribución de frecuencias de las calificaciones de primer semestre en Valledupar Tabla 4.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Cálculo de Z para la distribución de frecuencias de las calificaciones de Competencias Comunicativas Tabla 4.1.4. Precios y cantidades vendidas en una farmacia en 2003 y 2004 115 117 119 124 128 131 138   7 . Relación de ventas de un producto y la emisión del comercial en televisión Tabla 5. Gastos indirectos de producción Tabla 5. Grado de correlación lineal Tabla 5. Cálculo de Z para la distribución de frecuencias de las calificaciones de Estadística Descriptiva Tabla 5.

Pictograma para el número de árboles talados en Argentina.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Diagrama de líneas. Diagrama circular para el estado civil de 1250 aspirantes a empleo Figura 2.12.9. Figura 2. Ojiva descendente de la velocidad de pulsaciones Figura 2.2 Diagrama Circular medios Comunicación Figura 2. Curva asimétrica positiva. Diagrama de doble tallo y hojas para los datos de pulsaciones del ejemplo 8.1. Curva normal o campana de Gauss Figura 4.8. Bolivia y Colombia 27 28 36 37 49 50 51 52 53 53 54 55 57 57 58 59 UNIDAD 2 Medidas De Dispersión Y Estadísticas Bivariantes Figura 3. (a) Sesgada a la derecha. Diagrama de barras segmentadas de las ventas por departamento al contado y a crédito en marzo de 2005 Figura 2.1.6. Polígono de frecuencias absolutas de la velocidad de pulsaciones Figura 2.3.3.1.13.2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   LISTA DE FIGURAS Pág. Diagrama de tallo y hojas para los datos de pulsaciones del ejemplo 8.10. Histograma de frecuencias absolutas de la velocidad de pulsaciones Figura 2.2.14. Polígono de frecuencias de calificaciones de Lógica Matemática 70 77 77 110 116   8 .4.11.1. Diagrama de frecuencias absolutas acumuladas de visita al odontólogo de niños entre los 6 y 12 años Figura 2. Distribuciones sesgadas. Diagrama de barras agrupadas de las ventas por departamento al contado y a crédito en marzo de 2005 Figura 2. Diagrama de flujo para el K-ésimo percentil Figura 4.2.5. Diagrama de frecuencias absolutas de visita al odontólogo de niños entre los 6 y 12 años Figura 2. Ojiva porcentual ascendente Figura 3. Diagrama de Barras – Medios de Información Figura 1. Figura 2. (c) Simétrica Figura 3. UNIDAD DIDÁCTICA 1 Conceptos Preliminares Y Medidas De Tendencia Central Figura 1.7.1. Ojiva ascendente de la velocidad de pulsaciones Figura 2. Ojiva ascendente y descendente de la velocidad de pulsaciones Figura 2.1. (b) Sesgada a la izquierda. Egresados de la UNAD en el período 2000-2004 Figura 2.

Curva simétrica platicúrtica.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1. (a) positiva. (a) lineal.3. (b) negativa 117 118 120 122 124 126   9 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 4.5. (b) curvilínea.3. Polígono de frecuencias de calificaciones de Cultura Política Figura 4. Polígono de frecuencias de calificaciones de Competencias Comunicativas Figura 4. Gráficas de dispersión lineal. Polígono de frecuencias de calificaciones de Estadística Descriptiva Figura 5.2. Curva asimétrica negativa. Gráficas de dispersión. Diagrama de dispersión de ventas de un producto y la emisión del comercial en televisión Figura 5. Curva simétrica leptocúrtica.4. (c) sin relación Figura 5.

control y toma de decisiones económicas. cuáles difieren grandemente del resto.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. etc. examinando solamente una parte de ella denominada muestra. el determinar la tendencia de contaminación del agua o el aire. Los procesos de planeación. El acelerado desarrollo de métodos. Sin embargo. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   INTRODUCCIÓN La Estadística es una disciplina que se aplica en muchos campos de la actividad del ser humano. no siempre se comprende el real alcance de lo que dicen. llamado Inferencia Estadística. abitualmente. es requisito desarrollar una capacidad personal para extraer y describir información presente en un conjunto de datos. viendo cuáles toman valores parecidos. intentando descubrir de esta manera posibles relaciones entre los datos. en el que los datos son ordenados. el propósito de la Estadística Aplicada es el de sacar conclusiones de una población en estudio. la clasificación de personal en una empresa para efectos de una buena y sana política laboral.   10 . Como parte de una base cultural necesaria para desempeñarse en el mundo de hoy. Enfrentarse con datos de muy diversa índole es cosa de todos los días en cualquier práctica del ser humano. Las interpretaciones que generan los datos pudieran ser erróneas para aquellas personas que no cuentan con criterios válidos para captar la información. el conocer la efectividad de diferentes abonos en el campo agrario. el crecimiento económico de una empresa o el crecimiento de producción y venta de un producto específico. resumidos y clasificados con objeto de tener una visión más precisa y conjunta de las observaciones. Y es precisamente allí donde resalta la importancia de la Estadística Descriptiva como primer paso en la determinación de decisiones e inferencias que pueden concluirse de la variada información que nos llega en forma de datos numéricos. dado la cantidad innumerable de estos. entre otros. suele venir precedido de otro: la Estadística Descriptiva. En todos los campos de la investigación se requiere a menudo el uso racional de los Métodos Estadísticos. destacando hechos de posible interés. Es muy frecuente encontrarse en las diferentes disciplinas del saber con incertidumbres como el pronosticar el crecimiento poblacional de un país. Es por ello que con este módulo se pretende que el estudiante se adentre a los conocimientos básicos de la Estadística Descriptiva. Este proceso. administrativas y financieras se basan en resultados obtenidos mediante el análisis estadístico de los fenómenos en ellos involucrados. técnicas y tecnologías para el óptimo análisis de datos justifica que un profesional disponga de una sólida fundamentación conceptual para que realice apropiadamente su evaluación y aporte sustentaciones a su decisión.

Entre las primeras se contemplan las medidas de tendencia central. en tanto que busca la identificación y el reconocimiento de las problemáticas. conceptos. En esta unidad se identifican algunos conceptos estadísticos como población. las medidas de dispersión y las de asimetría y apuntamiento y. Salazar Ramos. Apunta al manejo estadístico de datos. EL MATERIAL DIDÁCTICO. considera los Conceptos Básicos necesarios para el cumplimiento de los propósitos y objetivos del curso. la correlación y los números índice. correlacionadas directamente con el número de créditos académicos asignados al curso académico. categorías. examine y sintetice adecuadamente la información mediante métodos estadísticos sencillos. ponderada y múltiple). se trabaja la regresión lineal (simple. la recolección de la información. muestra. modificaciones y actualizaciones cognitivas y nuevas actuaciones o competencias por parte del estudiante.C. organizados y desarrollados a partir de palabras clave tomados como conceptos que los tipifican. Este texto contiene dos unidades didácticas1. etc. perspectivas teóricas. su organización y su presentación gráfica. se incluyen algunos elementos básicos de la matemática: la sumatoria y productoria. Al final de cada tema. UNAD. Bogotá D. en articulación con las intencionalidades formativas. métodos y técnicas indispensables para la formación profesional. encontrará ejercicios de aplicación que buscan evaluar el grado de conocimiento adquirido. 2004. y es de tipo teórico. la interpretación de diferentes fenómenos propios de su disciplina de formación y del entorno social. Roberto J. esta evaluación será retroalimentada en la información de retorno que encontrará al final de cada unidad didáctica. y se reconocen cada uno de los pasos a seguir para una correcta y acertada investigación estadística como son la planeación. La primera de ellas.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.. se busca que el estudiante se encuentre en capacidad de interpretar. El curso académico de Estadística Descriptiva hace parte de la formación básica disciplinar de los programas que oferta la Universidad Nacional Abierta y a Distancia —UNAD—. Este texto busca aportar las herramientas teóricas y prácticas a los estudiantes para que logren. Como Anexo y complemento a esta segunda unidad. dar las pautas en la recolección planeada de los mismos y proporcionar un conjunto de técnicas a                                                              1 Conjunto de conocimientos seleccionados. En la segunda unidad didáctica se reconocen algunas de las medidas estadísticas más comunes. variable. discriminar y relacionar los fundamentos básicos de la Estadística Descriptiva. como medidas estadísticas bivariantes. dato. el sistema adoptado por la UNAD como estándar curricular en la formación universitaria. a través del análisis de datos tomados de un fenómeno propio de su disciplina y que describa. destinadas a potenciar y hacer efectivo el aprendizaje mediante el desarrollo de operaciones. mediante análisis cuantitativos.   11 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Con el presente módulo. económico y político. Consta de dos (2) créditos académicos. tanto univariantes como bivariantes.

para que con ellas refuerce en conceptos y definiciones. como parte de las diferentes y diversas herramientas didácticas en las que se apoya el aprendizaje autónomo.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. pero no únicas. Al final de cada unidad.   12 . Además. Se trata pues de un material didáctico de apoyo para el curso de Estadística Descriptiva de la UNAD. enfocado en el autoaprendizaje y en relación directa con la Guía de Actividades referenciada en el protocolo del presente curso. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   partir de las cuales se logra presentar. el estudiante encontrará las referencias bibliográficas básicas. El módulo no pretende reemplazar las diferentes referencias bibliográficas clásicas de la Estadística. busca entregar los conceptos de un modo más didáctico. resumir e interpretar datos que pueden corresponder a una muestra o a un grupo total. encontrará una serie de páginas web recomendadas que amplían los temas tratados.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Unidad Didáctica Uno CONCEPTOS PRELIMINARES Y MEDIDAS DE TENDENCIA CENTRAL   13 .

Tablas de distribución de frecuencias. Lección 9 CAPITULO 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.   14 .  GENERALIDADES Y VARIABLES  ESTADÍSTICAS  Lección 5 Lección 6 Lección 7 Lección 8 Que es la estadística? Conceptos Básicos Variables estadísticas Caracterización de una variable cualitativa Tablas de contingencia Planeación Recolección. CONCEPTOS PRELIMINARES Y MEDIDAS DE TENDENCIA CENTRAL Lección 1 Lección 2 Lección 3 Lección 4 CAPITULO 1.  MEDIDAS DE TENDENCIA CENTRAL O  DE POSICIÓN    Lección 13 Mediana. Lección 12 Media Aritmética CAPITULO 3.   INVESTIGACIÓN ESTADÍSTICA  Lección 10 Presentación de la información. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   UNIDAD 1. Organización de la información. Lección 11 Estadígrafos. Lección 14 Moda Lección 15 Otras medidas de tendencia central.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

INTRODUCCIÓN A LA UNIDAD

La investigación estadística es necesaria para cualquier individuo en el mundo de hoy, cualquiera que sean sus actividades siempre hay aplicaciones estadísticas en ellas. Pero cualquier investigación estadística requiere seguir unos pasos y procedimientos establecidos para que esta tenga validez. En esta unidad se desarrollarán en forma introductoria y general algunos conceptos preliminares con el fin de utilizar un mismo lenguaje en cuanto se refiere a esta disciplina. De igual manera, se presentan los elementos iniciales básicos y necesarios para la comprensión y aplicación de la estadística en cualquier campo.

En el capítulo uno se ampliarán algunas definiciones de términos básicos de la estadística como población, muestra, variable, dato, etc., buscando que el estudiante los identifique en ejemplos sencillos de la vida diaria. En el capítulo dos se reconocerán cada uno de los pasos a seguir para una correcta y acertada investigación estadística como son la planeación, la recolección de la información, su organización y su presentación gráfica y en el capitulo III se mencionaran las medidas de tendencia central y de posición para lo cual se hace indispensable recordar algunas nociones aritméticas y algebraicas básicas en estadística, es por esto que se recomienda al lector iniciar el capítulo repasando la sumatoria como propiedad aritmética fundamental para entender las medidas estadísticas de una población o muestra. Todo cuanto tiene que ver con sumatoria y productoria puede ser repasado y consultado en el anexo A, que se encuentra al final del texto.

 

15

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

OBJETIVOS ESPECÍFICOS

• • • • • • • • • •

Conocer el significado de la palabra estadística. Diferenciar entre los conceptos de Estadística Descriptiva y Estadística Inferencial. Establecer los conceptos de población, muestra, variable, dato y parámetro. Identificar las etapas que sugiere una investigación estadística. Manejar los diferentes métodos de recolección de información para la investigación estadística. Advertir la importancia de las distribuciones de frecuencias para la descripción de datos. Aplicar los conceptos de frecuencia, marca de clase y distribución de frecuencias a un conjunto de datos estadísticos. Construir diferentes tipos de distribuciones de frecuencias para conjuntos de datos. Reconocer algunas características que debe tener una gráfica para que represente mejor una situación. Representar calculadas. gráficamente distribuciones de frecuencias dadas o

 

16

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

1. UNIDAD CONCEPTOS PRELIMINARES Y MEDIDAS DE TENDENCIA CENTRAL

1.1.

CAPITULO 1. GENERALIDADES Y VARIABLES ESTADÍSTICAS

En un principio se consideraba que la función de la estadística era la descripción de las características de grupo, actividad que la hacia confundir con el papel que cumple la ”historia“ de observar y describir el hecho. En su origen las estadísticas era históricas ; hoy en día, la estadística, además de ser descriptiva, es analítica, considerándose esta ultima como la función mas importante que realiza, ya que permite obtener conclusiones para un grupo mayor, denominado población, partiendo de una investigación realizada en un grupo menor, denominado muestra cuyos elementos se seleccionan aleatoriamente o al azar.

1.1.1. LECCION 1. ¿Qué es la Estadística? Antes de dar a conocer los conceptos de los términos estadísticos que lleven a entablar el lenguaje común que se utilizará en adelante, es necesario saber qué es la Estadística y en qué consiste la Estadística Descriptiva.

Empíricamente se sabe que la Estadística tiene que ver con datos y la manera en que estos son agrupados. Esto se reconoce en muchos casos de la vida cotidiana que involucran información numérica y el contexto en que esta información es dada a conocer. Aunque también puede darse en muchos casos que, si bien están relacionados con la estadística, obedecen a otros fenómenos de disciplinas relacionadas con —pero que no conforman— la Estadística propiamente dicha.

La Estadística es un método científico de operar con un grupo de datos y de interpretarlos.

Si bien esta definición parece un poco ambigua, se verá más adelante el marco en que éste método se desarrolla y las “leyes” que lo rigen. Pero, por ahora, se deja abierta al cuestionamiento del estudiante la gama de posibilidades que abarca esta definición.

La Estadística, o el método de la estadística, se divide en dos ramas: la Estadística Descriptiva o deductiva y la Inferencia Estadística o estadística
  17

Si esto es así. La Inferencia Estadística comprende en un todo articulado el método y las técnicas necesarias para explicar el comportamiento de un grupo de datos en un nivel superior de lo que estos datos pueden dar a conocer por sí mismos. De la población es extraída la muestra. Es decir. clasificados y contados. es necesario que la muestra sea seleccionada adecuadamente. o bien puede ser el todo de un análisis básico y limitado del grupo de datos. cuando se le aplica un tratamiento especial a las unidades muestreadas. examinando solamente una parte de la población denominada muestra. La población se basa en cuatro características: contenido. es decir. Para que los resultados de la muestra puedan generalizarse a la población. La unidad estadística es el elemento de la población que reporta la información y sobre el cuál se realiza un determinado análisis. Este curso se dedica a la Estadística Descriptiva. ¿qué le corresponde entonces a la Estadística Descriptiva? Esta tiene por fin elevar los aspectos característicos del grupo de datos pero sin intentar obtener más conocimiento del que pueda adquirirse por sí mismos. Muestra es un conjunto de elementos extraídos de la población. tipo de unidades y elementos. CONCEPTOS BÁSICOS Población es el conjunto de medidas. de modo que cualquiera de los elementos de la población tengan la misma posibilidad de ser seleccionados. Es por ello que la Estadística Descriptiva es el punto de partida del análisis de un grupo de datos que involucran una cierta complejidad. clasificados. Los datos son todas aquellas características o valores susceptibles de ser observados. 1. se puede concluir sobre el grupo de datos sobrepasando los límites del conocimiento inicial que estos suministran. Los resultados obtenidos en la muestra sirven para estimar los resultados que se obtendrían con el estudio completo de la población. en términos generales. en qué consiste la Inferencia Estadística. individuos u objetos que comparten una característica en común.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   inductiva. LECCIÓN 2. A este tipo de muestra se le denomina muestra aleatoria. ubicación espacial y ubicación temporal. cuando son tomadas sin ningún tratamiento.2. Es por ello que a la Inferencia Estadística también se le conoce como Estadística Analítica.1. Estos pueden ser experimentales.. de encuesta. por lo que se hace necesario dar a conocer. cuando están   18 .

decide entonces establecer períodos de tiempo para realizar el conteo. Como el coordinador zonal de biblioteca no puede revisar todo el día quienes acceden a la biblioteca. Si la variable tiene la capacidad de tomar cualquier valor que exista entre dos magnitudes dadas. Si por el contrario. identifica la ubicación espacial. pero una población puede tener muchas características —o parámetros— de interés. En la Unidad Didáctica Dos. entonces será discreta. etc. sólo puede tener un valor de entre cierta cantidad de valores dados. Variable es una característica susceptible de tener distintos valores en los elementos de un grupo o conjunto. entonces esta variable será continua. etc. cuando son recogidos. originales. Cada uno de los estudiantes seleccionados para la observación representa la unidad estadística de estudio de la población. en este caso el objeto de medición es cada uno de los estudiantes seleccionados de la muestra. información que no ha recibido ningún tratamiento estadístico. La Universidad Nacional Abierta y a Distancia UNAD desea establecer cuántos estudiantes hacen uso de la biblioteca en el CEAD de San Juan de Pasto. primarios. EJEMPLO 2.1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. varianza.). El día 14 de mayo de 2005 indica la ubicación temporal. por lo que cambiando la muestra cambiará entonces el estadístico (media muestral. cuando son recopilados por otra persona o entidad diferente al investigador. Es común designar los parámetros con letras minúsculas del alfabeto griego y los estadísticos con letras de nuestro alfabeto. El parámetro poblacional de interés es único (media. Parámetro son aquellos valores que caracterizan numéricamente a la población como tal. varianza muestral. Identificada la población y la muestra.   19 . En otras palabras. • • • • • • En esta investigación se considera que el total de estudiantes del CEAD que hacen uso de la biblioteca es la población en estudio.). El CEAD de San Juan de Pasto. o secundarios. anotados u observados por primera vez. Por el contrario. se ampliará más estos dos conceptos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   agrupados según una característica determinada. En pocas palabras se puede decir que parámetro es a población como estadístico es a muestra. El coordinador zonal de biblioteca es designado para este trabajo y decide hacer la investigación el día 14 de mayo de 2005. se ubica la unidad estadística. selecciona una muestra. un estadístico es una magnitud correspondiente a una muestra aleatoria extraída de la población.

Cada elemento de la población debe tener la misma oportunidad de ser seleccionado.1 Aleatoriedad Y Representatividad de la muestra La muestra asociada a un estudio debe ser representativa y aleatoria. edad. Representativa.2. en este caso específico sólo requerirá del número de estudiantes que acceden a la biblioteca. En este caso. etc.2 Muestra aleatoria simple Si cada posible muestra de la población. razón por la cual visita la biblioteca. orden de llegada o algún otro aspecto.1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • • Y la variable será el número de estudiantes seleccionados de la muestra. tiene igual probabilidad de ser seleccionada. una variable discreta.1. hora. como se puede ver. 1. la población se encuentra organizada por algún código ya sea por fecha. Después de esto el coordinador selecciona los datos necesarios para el estudio.1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. de tal manera que quien realiza el estudio no pueda influir en la elección de los individuos por encuestar. libros más consultados. el coordinador zonal puede además.   20 . 1. del mismo tamaño. pues debe estar formada por un número razonable de elementos y aleatoria porque debe ser escogida al azar. Sin embargo.3 Muestra Aleatoria sistemática Cuando los elementos son seleccionados de una manera ordenada. tomar otro tipo de datos como sexo.2. El muestre aleatorio puede ser: 1.2.

entonces se dice que la muestra puede tomarse de forma aleatoria simple y todos los individuos de la población tienen la misma probabilidad de ser seleccionados en la muestra.5 Muestra Aleatoria de conglomerados Si para su selección se tiene en cuenta el siguiente procedimiento: En primer lugar. EJEMPLO 2.1. tienen mayor precisión (o menor error muestral) que cuando se seleccionan por muestreo aleatorio simple. se selecciona una parte de los grupos al azar o por un método sistemático. produce un mayor error muestral que una muestra aleatoria simple del mismo tamaño. Si la población no tiene ninguna organización interna. 1. o parte de ellos al azar o por un método sistemático. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   La manera en que se realiza la selección depende del número de elementos en la población y el tamaño de la muestra. 1. se toman todos los elementos.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1.2. Luego.2. Los elementos de la muestra se seleccionan de cada grupo en forma aleatoria o por un método sistemático. El comité científico de una reconocida multinacional de medicamentos desea promover un producto que ha sido efectivo en el tratamiento de la malaria en varios países.4 Muestra Aleatoria Estratificada Cuando la selección tiene en cuenta los diferentes grupos o estratos que conforman la población. muestra y tipo de muestreo a utilizar • La población está formada por todas las personas que habitan en Colombia   21 .2. de los grupos seleccionados para conformar la muestra.2.6. Para esto dicho comité decide realizar una campaña en seis hospitales que están ubicados en tres de las zonas colombianas donde se ha detectado la enfermedad. por último. se divide la población en grupos que sea conveniente para el muestreo. basados en muestras estratificadas usualmente.1. Una muestra de conglomerados usualmente. 1. Determinar: población. Los estudios de la población.

3. es posible seleccionar dos hospitales por zona y luego en forma aleatoria. muestra y tipo de muestreo a utilizar • La población incluye a todos los usuarios que normalmente acuden al hospital en un periodo de un mes. Las zonas de mayor registro de contagio en Colombia son la costa pacifica.3. se puede seleccionar la muestra. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • y que han contraído la malaria. la característica fundamental del estudio (el tipo de sangre) hace que no haya una distinción especial en la población. • En este caso. Dado que la población está dividida en tres grandes zonas. Por ello. el director de un hospital realizará un estudio relacionado con el tipo de sangre que ellos tienen Dada la gran cantidad de pacientes a los cuales se les presta el servicio. la muestra será tomada de forma aleatoria simple. 1. decide encuestar a 400 de los usuarios que normalmente acuden al hospital en un mes. La muestra estará formada por los pacientes seleccionados en los seis hospitales y que además tienen la enfermedad. LECCIÓN 3. EJEMPLO 2. Una variable es estadística.1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. o si pertenecen a una pregunta cuya respuesta tiene un valor correspondiente a una escala numérica. si se puede escribir como una pregunta cuyas respuestas pueden ser tabuladas o clasificadas en determinados rangos. la costa atlántica y la Amazonía. Las variables estadísticas se clasifican en cualitativas y cuantitativas   22 . La muestra estará formada por los 400 usuarios encuestados. la muestra será tomada de forma estratificada. VARIABLES ESTADÍSTICAS Una variable es una característica que va a sr estudiada en una población. Por ello. Para mejorar el servicio a los usuarios. Determinar: población. lo cual indica que no se requiere de una estratificación.

1.1.3. color de cabello. Los datos asociados a un estudio deben estar en las mismas unidades. • Si la variable tiene la capacidad de tomar cualquier valor que exista entre dos magnitudes dadas. por ejemplo: tipo de sangre. en las cuales el individuo que suministra la información pueda elegir una de ellas. entonces será discreta.1.1 VARIABLES CUALITATIVAS Una variable es cualitativa si en la característica que se va a estudiar se busca conocer gustos. entonces esta variable será continua.3 ESCALA DE MEDIDA DE VARIABLES Una escala es la relación numérica entre la longitud real y la longitud que se asigna en el plano en el cual se va a representar su gráfica. preferencias u opiniones. de tal manera que sea posible asignarles una escala a todos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1..   23 . 1. sólo puede tener una valor de entre cierta cantidad de valores dados.3. La notación de una escala es de la forma 1 : n. 1.3. etc. • Si por el contrario. Las variables cuantitativas pueden ser consideradas en diferentes escalas teniendo en cuenta las unidades asociadas a la población que se encuentra en estudio.2 VARIABLES CUANTITATIVAS Una variable es cuantitativa si la característica que se va a estudiar se pude medir en una escala numérica.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. gaseosa preferida. Cuando una variable es cualitativa es necesario determinar las posibles respuestas. lo cual indica que n unidades de medida están representadas en el gráfico e una sola. Una variable cualitativa es estadística cuando es posible clasificar los datos obtenidos de la muestra en clases bien definidas.

Es cuantitativa y discreta 4.2. El número de hermanos de cada jugador del equipo de futboll. la variable estatura es cuantitativa y continua ya que los datos que resultan son números reales.   24 . es posible considerar las mediciones en centímetros o en metros. La variable es consumo de gas. Los profesores de Educación Física de un colegio medirán la estatura de los niños de secundaria en cada uno de los grados. La variable es variedad de café. 4. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 3.1. En cada una de las siguientes situaciones. La variable es situación de violencia. El alcalde de la ciudad quiere revisar la situación de violencia intrafamiliar en las familias de estrato 3. En un café gourmet.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Es cualitativa 3. 4. Es cuantitativa y continua 2. 2. En este caso. 3. identificar la variable de estudio. Solución 1. del servicio de gas natural. en centímetros cúbicos. se decidió preguntar por el tipo de variedad que más consumen sus clientes. 1. Determinar si es cualitativa o cuantitativa. 5. En un barrio de la ciudad se aplicó una encuesta para conocer el consumo. El profesor de educación física puede usar un escala de 1 : 10 en la cual cada 10 centimetros de ltura están representados en 1 cm del gráfico. La variable es número de hermanos. Suponiendo que los estudiantes de primaria tienen alturas entre 100 cm y 140 cm la representación gráfica de la escala 1:10 es la siguiente: _ EJEMPLO 3. Es cualitativa.

EJEMPLO 4. se pueda analizar su comportamiento en la población.1. Se obtuvo la siguiente lista de datos. El tipo de variable que se registra en este estudio es cualitativa. sobe las noticias del país. Para ello. De acuerdo con el tipo de variable estadística que se desee estudiar existen distintas técnicas para caracterizarla.4. de tal manera que al obtener una lista de preferencias. LECCIÓN 4. cualidades o gustos. CARACTERIZACIÓN DE UNA VARIABLE CUALITATIVA Caracterizar una variable significa describir su comportamiento en la población. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1.4. cada opción de respuesta de la variable se relaciona con el número de datos correspondiente. Una agencia de noticias quiere saber cuál es el medio de comunicación por el cuál se informan las personas. Una tabla de frecuencias contiene:   25 .1 TABLAS DE FRECUENCIAS: Una distribución o tablas de frecuencias es un resumen de los datos en el cual. puesto que pregunta por el medio de información.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Para caracterizar una variable cualitativa se utilizan tres herramientas: • • • Tablas de frecuencias Representaciones gráficas La moda 1. realizó un estudio a cuarenta personas a quienes se les preguntó por su medio de información de noticias preferido. El estudio de una variable cualitativa requiere de la incorporación de algunos criterios.1. según algunos parámetros establecidos.1.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. 1.1. La frecuencia relativa representa un porcentaje. que se haya multiplicando por 100 al cociente indicado de la frecuencia relativa. Por ejemplo. Frecuencia Relativa: es el cociente entre la frecuencia y el número total de datos.   26 . gustos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Clases: que corresponde a opiniones. Hay varios tipos de representaciones gráficas para las variables cualitativas: los diagramas de barras. La siguiente tabla de frecuencias corresponde a los datos de la variable medio de comunicación del ejemplo 4.5% de personas que se informan de las noticias haciendo uso de la radio o de la prensa.1 Diagramas de barras: un diagrama de barras es una representación gráfica de los datos asociados a una variable cualitativa.4. para deducir cuales son las principales características de la variable en estudio.1 Es necesario interpretar la información contenida en las tablas de frecuencia. La frecuencia se simboliza con f .1. 1.4. Frecuencia: es el número de datos que pertenece a cada clase. Hay un 52. El conteo de la frecuencia de cada clase se puede registrar mediante marcas en grupos.2.2 REPRESENTACIONES GRAFICAS: Un gráfico estadístico es un resumen visual de la tabla de frecuencias. cualidades o características. preferencias.8% se informa haciendo uso de la internet. se simboliza fr . entre otros. los diagramas circulares. en la tabla anterior se puede apreciar que: • • La mayoría de personas el 37.5% se informan de las noticias por medio de la televisión y la menor cantidad un 10.

por lo cual es necesario hallar el ángulo correspondiente a cada frecuencia. El diagrama circular presenta los porcentajes correspondientes a cada clase.1. En un diagrama circular. (ver figura 1.1) correspondiente a la variable medios de comunicación de nuestro ejemplo es el siguiente: FIGURA 1. la información correspondiente a cada clase se representa usando sectores circulares.2.2 Diagrama Circular: un diagrama circular es la representación gráfica de los datos en un círculo. El diagrama de barras (figura 1.2)   27 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   La gráfica se realiza en sistema de coordenadas cartesianas.1 1.4.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. en el eje horizontal se representan las clases correspondientes a la variable y en eje vertical se representan las frecuencias correspondientes a cada clase.

también es una tabla de frecuencias. ya que tiene en cuenta las diferentes clases que se pueden establecer para cada una de las variables en estudio.3 MODA La moda es el dato que tiene mayor frecuencia. En general.4. y hay casos en los cuales existen varias modas. la moda corresponde a informarse de las noticias por medio de la televisión. La tabla de contingencia. es decir.5. ya que todas las clases tiene una misma frecuencia. TABLAS DE CONTINGENCIA: En una tabla de contingencia o tabla cruzada las filas corresponden a las clases de una variable cualitativa y las columnas corresponden a las clases de la otra variable cualitativa.2 1. Para el ejemplo 4.1. pues varias clases pueden tener la misma frecuencia.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. ya que corresponde al 37. ya que la información contenida en cada una de las casillas corresponde a la cantidad de personas o individuos que poseen ambas características.5% del total. Hay estudios en los cuales no existe la moda. la tabla de contingencia ofrece una completa distribución de la información.1. 1.   28 . LECCIÓN 5. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   FIGURA 1. el dato que mas se repite. si se encuesta a una persona al azar la probabilidad que se informe por las noticas es alta. es decir.1.

al cruce de las clases de las dos variables en estudio. hizo una encuesta entre 156 estudiantes de varias carreras y se les preguntó acerca de su deporte preferido para practicar en tiempo libre. 29 personas prefieren el voleibol. Las sumas de columnas corresponde a la cantidad de personas que prefieren cada uno de los deportes sin distinguir el género. Los resultados se muestran en la siguiente tabla de contingencia. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 5. baloncesto. 19 el atletismo y 18 personas prefieren otros deportes. (ver tabla 1. atletismo y otros. como en la suma correspondiente a la variable deporte preferido (horizontal).UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Por ejemplo el número 38 corresponde al número de mujeres que prefieren el baloncesto. En ambos casos. para ello. la suma es 156 personas. Con el fin de determinar que materias opcionales. El número total de personas que participaron en el estudio debe ser igual tanto en la suma correspondiente a la variable género (vertical). 52 personas prefieren baloncesto. en deportes. sin discriminar el deporte preferido. Se puede decir que participaron 72 hombres y 82 mujeres en el estudio. Por ejemplo: hay 38 personas que prefieren futbol. correspondiente. A partir de la información de la tabla anterior se puede construir la tabla de   29 . se podrían proponer a los estudiantes de una universidad.1) TABLA 1.1. Las sumas de filas corresponde a la cantidad de hombres y a la cantidad de mujeres que participaron en la encuesta. se hizo necesario hacer un estudio acerca de la actividad física que ellos realizan en su tiempo libre.1 TABLAS DE CONTINGENCIA En la tabla de contingencia se observa: Hay dos variables cualitativas que son género y deporte favorito • • • • • • • Para la variable género hay dos clases hombre y mujer En la variable deporte preferido hay 5 clases: futbol. voleibol.

3 TABLA 1. en este caso se debe escribir un cociente entre la información contenida en cada celda y el número total de personas que participaron en la encuesta.2 TABLA DE CONTINGENCIA DE FRECUENCIA RELATIVAS Ya que cada uno de los cocientes mostrados tiene su equivalencia en porcentaje.3 TABLA DE CONTINGENCIA DE PORCENTAJES Un buen análisis incluye la descripción de los porcentajes más altos. los mas bajos y aquellos que tiene mayor representación.85% de los hombres se inclinan por el atletismo y el 1. TABLA 1.33%. se puede construir la tabla de contingencias de porcentajes como se muestra en la tabla 1. • • • El 24.   30 . el cual es el porcentaje mas bajo de la muestra El deporte que mas practican independientemente del género. es el baloncesto con un 33.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.92% de las mujeres prefieren el futbol. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   contingencia de frecuencias relativas .36% de la personas que fueron encuestadas fueron mujeres que prefieren practicar el baloncesto El 3.

1. PLANEACIÓN La planeación de una investigación estadística debe abarcar el conjunto de lineamientos.2. el fin que persigue. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1.   31 . por sencilla que sea.INVESTIGACIÓN ESTADÍSTICA La investigación estadística. A continuación se presentan algunos aspectos básicos que se deben seguir para desarrollar un trabajo así. LECCION 6. 1. CAPITULO 2 . Pero. es por ello que no puede haber ambigüedad en sus planteamientos y alcances. Definición del objeto de investigación Debe responder el qué. la fuente o fuentes de información. o inclusive para un país. o bien pueden ser tan elaboradas y complejas como lo son los censos poblacionales.2.1. que requiere atender múltiples aspectos.1. debe también restringir el espacio físico o geográfico donde se llevará a cabo. 1. los censos agrícolas o industriales que tengan importancia estratégica para una región. Es este punto el núcleo de la investigación. el cómo y establecer el momento correcto para hacerse. sea como fuere. la investigación debe seguir una orientación en su planteamiento y resolución. y que genera muy variadas funciones. Es por ello que el plan de investigación debe fijar concretamente su objeto. es una operación compleja. los procedimientos a seguir y resolver los aspectos logísticos.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. físicos y humanos siguiendo un presupuesto de costos establecido. procedimientos y acciones que conlleven a la resolución satisfactoria para la cual se estableció la investigación.2. de la naturaleza de los fenómenos que se desean estudiar y de la facilidad que se tenga para observar los elementos. El resultado depende en gran parte de la finalidad que se persiga. La investigación estadística puede ser tan sencilla y poco compleja como la recopilación ordenada y coherente de datos que se encuentren en instituciones estatales o privadas que las suministren.

y a veces en el número. adecuada. Este tipo de fuentes son las mejores.2. Ésta puede ser descriptiva.1. ellos pueden provenir de muchas fuentes como: hechos. Debe determinarse la naturaleza cuantitativa o cualitativa de esta unidad. es necesario delimitar esta unidad en el tiempo y en el espacio. explicada o analítica. información cotidiana y fácil de identificar. provocada por el investigador en condiciones controladas. Estas pueden ser directas o indirectas. se debe preguntar el dónde conseguir la información requerida. razones que explican por qué se actúa de una manera u otra. o bien pueden provenir de una fuente   32 . se emplea una fuente de información estadística indirecta.1. Cuando los datos son primarios. experimental o controlada. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1.2. opiniones. También ha de considerarse la posibilidad o viabilidad de la investigación y si estos aspectos pueden ser conocidos con precisión. Cuando son secundarios ellos provienen de una fuente interna. 1. cuando los datos son recopilados por la misma entidad en los registros básicos de la misma organización.3 Clase de investigación En la planeación.1. De igual manera. es decir. mesurable y comparable.2.4 Las fuentes de información Después de determinar el qué y el por qué de la investigación estadística. La unidad o elemento de investigación debe ser clara. en la que se busca conocer por qué causa se produce un caso particular. Una fuente de información estadística directa es aquella en donde el hecho se produce. Cuando no sea posible. definir qué aspectos de la unidad de investigación son cuantitativos (registrados por medio de números) o cualitativos (recogidos mediante anotaciones literarias). que consiste en obtener información con respecto a grupos. debe también tenerse en cuenta el tipo de investigación que se va a realizar.2. 1. que permite establecer comparaciones y verificar hipótesis. Se trata entonces de definir las fuentes de información. Unidad de investigación Se trata del elemento de la población que origina la información. pero no siempre son posibles. o bien. aquella donde el hecho se refleja.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. referidos a lo que la gente piensa respecto a algo. motivos. En muchos casos este tipo de fuentes son complementarias de las primeras.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. 1. entrega personal de cuestionario. se dice que se toman los datos por encuesta. El otro método de recolección de información es por observación. Este método se basa en el registro de los eventos que ocurren. por encuesta o tomada de publicaciones y/o fuentes confiables que han efectuado investigaciones estadísticas. de manera caprichosa.2. de manera que las muestras no son seleccionadas aleatoriamente y los resultados no ofrecen confiabilidad alguna. Para esto se selecciona el método de recolección de la información acorde a las necesidades de la investigación. por conveniencia o por cuotas.4 Según la forma de observación En este método se tiene en cuenta la forma de medición del dato. Esta consiste en un conjunto de operaciones de toma de datos que puede ser por observación. en cambio. Si se hace de manera que la fuente de información se da cuenta de la medición que efectúa. Si. que se clasifican según su cobertura y según su forma de observación. cuando los datos se recopilan por otra entidad diferente a la que hace la investigación. es decir contar con todos los elementos de las fuentes de información.2.2. se usa el muestreo. LECCION 7 RECOLECCIÓN Después de planeada la investigación.2. entrevista. se usa el censo.2. etc. por ejemplo cuando se examina el número de estudiantes que entran a la biblioteca   33 . cuando el investigador selecciona los datos a su propio criterio. en donde la medición se realiza sin que la fuente de información se dé cuenta del hecho. motivación. se hace una enumeración parcial de las fuentes de información. 1. Éstas se pueden realizar por correo. El muestreo puede ser de dos tipos: muestreo probabilístico o al azar.2. el muestreo es el método más utilizado. y muestreo no probabilístico. comienza la recolección de los datos. Por su menor costo. teléfono. Si lo que se desea es atender a una cobertura total. 1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   externa. mayor rapidez y menor número de personas que intervienen en la investigación.3 Según la cobertura Se trata de decidir si se va a estudiar a la población en su totalidad o sólo una parte de ella. cuando cada uno de los elementos tiene la misma probabilidad de ser escogido obteniendo así una muestra aleatoria.

LECCION 8 ORGANIZACIÓN DE LA INFORMACIÓN Luego de tomar la información necesaria en la investigación que se sigue. La organización hace referencia al arreglo de los datos en un formato lógico para su interpretación.2. ya sea gráfica o numéricamente. A continuación se hace un acercamiento a las diferentes formas de organizar los datos estadísticos tomados en el proceso de recolección de una investigación estadística. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   con el fin de hacer una consulta referida a las Ciencias Sociales. 1. Los siguientes datos representan la evaluación de los latidos cardíacos de un grupo de 30 personas después de cierta actividad física. 82 82 91 87 110 95 95 82 80 60 92 70 94 68 75 62 85 76 58 88 85 84 88 76 64 92 95 91 85 74   34 .3. Para esto se debe depurar y clasificar la información aplicando técnicas adecuadas. La organización y el resumen de la información son dos procesos distintos que se desarrollan por separado. simplemente se observa la acción del estudiante al entrar a la biblioteca: si hace o no la consulta que se investiga.1 Combinación o arreglo ordenado El sólo hecho de tener ordenado un conjunto de datos en forma ascendente o descendente. 1. se obtiene una gran cantidad de datos que requieren ser interpretados y sobre los cuales se busca concluir algo específico. Este método puede ser también indirecto cuando la recolección consiste en corroborar los datos que otros han observado. EJEMPLO 8. el resumen implica la condensación de varias mediciones en una forma compacta. En cambio.4. De ahí que se tome primero la forma de organizar la información tomada en una investigación estadística. otro de los métodos usados es el uso de tablas y más específicamente la tabla de frecuencias.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1. permite un rápido análisis e interpretación de estos. La información estadística puede organizarse de diversas maneras: ordenando el conjunto de datos como una combinación ordenada o en un arreglo denominado tallo y hojas.2.

Es posible que esta persona tenga perturbaciones cardíacas. denominada tallo. Estos números representarán el tallo. Sin embargo. EJEMPLO 8. corresponderá a las decenas. es necesario ampliar la información antes de lanzar un juicio apresurado. en el siguiente ejemplo se continuará con los datos del ejemplo 8. llamada hojas. centenas o unidades que representan el grupo de datos y en la segunda. En   35 . Se trata de organizar los datos numéricos en dos columnas divididas por una línea vertical. 1. Ellos se pueden presentar como un arreglo de tallo y hojas en una columna de números del 5 al 11 y trazando una línea vertical a su derecha. A continuación estos datos son presentados como una combinación ordenada en forma ascendente (de menor a mayor): 58 60 62 64 68 70 74 75 76 76 80 82 82 82 84 85 85 85 87 88 88 91 91 92 92 94 95 95 95 110 A partir de esta lista ordenada se pueden concluir varias cosas: • • • • • • La más alta evaluación de latidos es 110 La más baja evaluación de latidos es 58 La mitad de la combinación se encuentra entre 82 y 85 Hay una predominancia en los latidos con una evaluación entre 80 y 95 Hay un “vacío” entre el valor 95 y el valor 110. La primera. Tomando la serie de datos del ejemplo 8.. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Es muy poca la información que arroja este conjunto de datos cuando se encuentran sin un tratamiento. pero 110 se encuentra más alejado del grupo de datos. Para construir el correspondiente arreglo de tallo y hojas. Para una mejor ilustración.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.2.4. unidades o décimas. irán las correspondientes decenas.1. el que registra el valor 110. es decir hay una cierta continuidad en los valores entre 58 y 95.2. se puede observar que éstos tienen un rango desde los cincuentas hasta los ciento diez.2 Arreglo de tallo y hojas El arreglo de tallo y hojas es una técnica que resume de manera simultánea los datos en forma numérica y presenta una ilustración gráfica de la distribución.1. Hay una evaluación atípica dentro del grupo de 30 personas.

en grupos de cinco hojas. 3. • • • La mayoría de los registros de latidos cardiacos del grupo de 30 personas se encuentra entre los ochentas. Diagrama de tallo y hojas para los datos de pulsaciones del ejemplo 8. 1. se usa un diagrama de doble tallo. Figura 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Se ve más claramente el “vacío” que existe entre los valores 95 y 110. La primera posición del tallo dispone las hojas 0.1. 8. permite una visualización del comportamiento de estos. Tallo 5 6 7 8 9 10 11 Hojas 8 0 2 0 4 0 2 1 1 0 4 5 2 2 8 6 2 2 6 4 4 5 5 5 5 5 5 7 8 8 Observe que el diagrama de tallo y hojas al mismo tiempo que ordena los datos de forma ascendente. y la segunda posición dispone las hojas 5. y se resalta cómo el valor de 110 se encuentra aislado del resto de conjunto de datos. 2. 7. se enlistan las unidades (de manera ordenada) de cada uno de los datos registrados y correspondientes con su respectiva decena.1. La forma general del conjunto de mediciones es asimétrico. 4. Con este se pueden confirmar muchas de las afirmaciones que se hacían en el ejemplo 8.   36 . Si se quisiera clasificar más ampliamente los datos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   la columna de las hojas. 9.1. Que consiste en dividir en dos cada posición del tallo. 6.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. ¿Qué puede concluir usted? 1. En ellos se plasman las series estadísticas.2.2.4.1.)   37 .1. una sucesión de datos referentes a un fenómeno observado a través del tiempo y del espacio. el número de egresados de la UNAD en el período 1994-2004 (ver tabla 2. Una serie cronológica es aquella donde se analiza un fenómeno a través del tiempo en un espacio determinado.3 Tabulación de la información Una de las mejores técnicas usadas en la estadística es la elaboración de tablas o cuadros. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2. Diagrama de doble tallo y hojas para los datos de pulsaciones del ejemplo 8. Tallo 5 5 6 6 7 7 8 8 9 9 10 10 11 Hojas 8 0 8 0 5 0 5 1 5 2 4 6 2 5 1 5 4 6 2 5 2 5 2 7 2 4 8 4 8 0 Observe ahora que esta subdivisión más fina entrega más detalles del conjunto de datos. Por ejemplo.

Clasificación de estudiantes por CEAD en la Zona Occidente durante el primer semestre de 2005 CEAD Medellín Pereira La Dorada Turbo Total Número de estudiantes 1507 1850 350 371 4078   38 .1. Por ejemplo. el total de estudiantes de la UNAD en la Zona Occidente en el primer semestre de 2005. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Tabla 2. Tabla 2.2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Número de egresados de la UNAD en el período 1994-2004 Año 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Total Número de egresados 338 424 556 971 1358 2119 3328 4357 3400 3697 4774 25322 Una serie espacial es aquella donde se estudia un fenómeno a través del espacio en un tiempo determinado.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Clasificación de empleados por cargo Cargo Administrador Jefe de producción Contador Secretaria Supervisor Operario Vigilante Total Cantidad 1 1 1 2 5 45 3 58 Una serie cuantitativa es aquella donde se expresa numéricamente un atributo o característica de la población en estudio.4. Por ejemplo. Por ejemplo. la estatura en centímetros de un grupo de estudiantes de quinto grado. Clasificación de la estatura de los estudiantes de un grupo de quinto grado Estatura (en centímetros) 125 — 129 129 — 133 133 — 137 137 — 141 141 — 145 145 — 149 149 — 153 Total Número de estudiantes 1 4 9 24 28 22 12 100   39 . Tabla 2. independiente del tiempo y del espacio. Tabla 2. independiente del tiempo y del espacio. los empleados de una empresa clasificados por cargo.3. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Una serie cualitativa es aquella donde se estudia un atributo o característica de la población investigada.

.1.4.   40 . que indica las frecuencias con que aparecen los datos. Un conjunto de datos puede organizarse de diferentes maneras. en muchos casos. Continuando con la serie de datos del ejemplo 8.5 LECCIÓN 9 TABLAS DE DISTRIBUCION DE FRECUENCIAS 1.1 Distribuciones de frecuencias Una tabla de frecuencias es otro de los formatos que se usan para organizar y resumir los datos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1. organice los datos en una distribución de frecuencias simple. Es este el tipo de distribución de frecuencias más utilizado en estadística.2. Y para ello se parte del concepto básico en la distribución de frecuencias: el número de veces que un dato se repite de un conjunto de datos se le denomina frecuencia.1. es necesario manejar algunos conceptos con suficiente claridad. Una de ellas es construir una distribución de frecuencias simple. EJEMPLO 9. Para comprender la técnica de la distribución de frecuencias y dominar sus aplicaciones. pues permite conocer el comportamiento de un conjunto determinado de datos y no se ocupa de detalles individuales que.2. poco puede ayudar en la toma de decisiones.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

un grupo que presenta una característica común cuantificable del conjunto de datos. La diferencia entre estos límites en cada intervalo de clase se denomina ancho. Clase es. entonces. El valor correspondiente al punto medio de un intervalo de clase es la marca de clase y su valor es igual a la mitad de la suma de los límites de clase del intervalo de clase. Y se interpreta como el valor que corresponde asignar a cada uno de los elementos del intervalo de clase. Distribución de frecuencias simple de latidos cardiacos de 30 personas Velocidad de pulsaciones 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 Velocidad Frede cuencia pulsaciones 1 76 0 77 1 78 0 79 1 80 0 81 1 82 0 83 0 84 0 85 1 86 0 87 1 88 0 89 0 90 0 91 1 92 1 93 Velocidad Frede cuencia pulsaciones 2 94 0 95 0 96 0 97 1 98 0 99 3 100 0 101 1 102 3 103 0 104 1 105 2 106 0 107 0 108 2 109 2 110 0 TOTAL Frecuencia 1 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 30 Observe que esta manera de agrupar se vuelve engorrosa cuando se tienen muchísimos datos.5. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Tabla 2. llamados límites de clase (límite inferior y límite superior). El rango o recorrido es la diferencia entre los valores extremos de todo el conjunto de datos.   41 . que indica las frecuencias con que aparecen los datos agrupados en lo que se denomina intervalos de clase. Cada intervalo de clase está limitado por dos valores. en él se encuentran distribuidos todos los datos. Otra forma de organizar un conjunto de datos es construir una distribución de frecuencias agrupadas.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. tamaño o amplitud del intervalo de clase.

Si de este cálculo resulta un número decimal. se tendrá entonces un exceso que deberá distribuirse entre el límite superior y el límite inferior. Sturges en 1926). Este número depende de la cantidad de datos disponibles.6. efectuar un ajuste: R * = ( A)( k ) • Con este nuevo rango. Si este cociente no es un entero. Una de las técnicas usadas es la Regla de Sturges (desarrollada por H. viene dado por: k = 1 + 3. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   En la construcción de la distribución de frecuencias se deben responder a estos interrogantes fundamentales: ¿Cuántos intervalos de clase crear?. Seleccionar el número de intervalos de clase (k). • Hallar el ancho o amplitud del intervalo de clase (A). puede determinarse bien por la Regla de Sturges o bien por la tabla 2. Este exceso es calculado restando el rango del nuevo rango. y que permite sugerir el número de intervalos de clase que debe usarse de acuerdo al tamaño de la muestra. Exceso = R − R *   42 .322 log n donde n es el tamaño de la muestra. Esta regla afirma que el número de intervalos de clase (k). Esta fórmula ha sido usada para obtener los números de intervalos de clase que aparecen en la tabla 2. el cálculo del número de intervalos de acuerdo al tamaño de la muestra. éste de redondearse al entero superior. conviene redondear al entero superior. ¿Qué propiedades posee cada intervalo? Las siguientes pautas resuelven estas inquietudes. por tanto. Los intervalos de clase tienen por lo general el mismo ancho. ¿Cuál debe ser el tamaño de cada intervalo?. De esta manera.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. De manera que el rango es alterado y requiere. A. de modo que al fijarse el número de clases se obtiene éste por una operación aritmética simple: A= R k donde R es el rango o recorrido y k es el número de clases.6. • • Hallar el rango (R) o recorrido del conjunto de datos.

esto no quiere decir que sea repartido en partes iguales a los datos extremos. iniciando por el límite inferior del rango. es decir. Contando el número de observaciones que cae dentro de cada intervalo de clase. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Este valor debe distribuirse lo más equitativo posible. En general. Se agrega A − 1 al límite inferior de cada clase. Dado que los intervalos de clase son mutuamente excluyentes. • Formar los intervalos de clase. Estos corresponden al punto medio entre el límite superior de una clase y el límite inferior de la clase siguiente. Tabla 2. Construir la tabla de distribución de frecuencias agrupadas. es considerado el límite superior de la clase como valor de esta.6. no permiten ambigüedad en los límites cuando estos se repiten como inferior de un intervalo y como superior en el siguiente intervalo. • • Determinar la frecuencia de clase. • Fijar los límites reales de cada intervalo de clase. haciendo la salvedad de cuál clase será tomada por dicho límite. Número de intervalos de clases sugerido en función del tamaño de la muestra Número de Tamaño muestral intervalos de clase Menos de 16 Datos insuficientes 16 – 31 5 32 – 63 6 64 – 127 7 128 – 255 8 256 – 511 9 512 – 1023 10 1024 – 2047 11 2048 – 4095 12 4096 – 8190 13   43 . se trata de distribuir el exceso entre el límite inferior y el límite superior de modo que sea considerado la tendencia general de los datos. En muchos casos se permite que se repita el límite superior de una clase y el límite inferior de la clase siguiente. se determinan los límites reales de clase.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1.6. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 9.. la distribución entre los límites se calcularía considerando hacia dónde se agrupan más los datos. Para esto. iniciando por el límite inferior del rango. esta indica que deben usarse 5 clases.322 log 30 = 5.91 ≈ 6 Si se usa la tabla 2.2. Así: 57 + 8 = 65 66 + 8 = 74 75 + 8 = 83 84 + 8 = 92 93 + 8 =101 102+8 =110   44 . Este exceso debe distribuirse quitando 1 al límite inferior y agregando 1 al límite superior: X mín = 58 − 1 = 57 X máx = 110 + 1 = 111 Si en el cálculo del exceso. Para los datos del ejemplo 8. En este caso. • Amplitud de los intervalos de clase. • Intervalos de clase. Aplicando la Regla de Sturges: k = 1 + 3. Se agrega A − 1 = 9 − 1 = 8 al límite inferior de cada clase. A= • 52 = 8.67 ≈ 9 6 Como se ha redondeado. debe hallarse el nuevo rango: R * = (9)(6) = 54 • Existe pues un exceso de 2. En este caso se trabajará con el resultado que arroja la Regla de Sturges. este hubiera sido un número impar. Elabore una tabla de distribución de frecuencias agrupada. [54 – 52 = 2]. los datos tienen una mayor tendencia hacia el límite inferior de modo que el exceso mayor se repartiría en él. se seguirán los pasos propuestos: • • Rango = 110 – 58 = 52 Número de clases. Queda a criterio del investigador la decisión.

más aún ¿Qué porcentaje de la muestra presentan.5 101.5 65. Esta se obtiene en porcentaje al dividir la frecuencia de clase entre el número total de frecuencias (o tamaño de la muestra). pero si ésta se da en términos del total de frecuencias se tiene entonces la frecuencia relativa.5. Frecuencias de clase en cada intervalo. Así: 56 + 57 = 56 . se refiere a la frecuencia absoluta.5 – 110. Que se obtiene de calcular la suma de cada límite y dividirlo entre dos.7.5 92.5. 74.5? Cuando se habla de la frecuencia de una clase.5 2 • 65 + 66 = 65 . En la tabla 2..5 2 74 + 75 = 74 .5 2 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • Límites reales. 56. Distribución de frecuencias agrupadas de la velocidad de pulsaciones Intervalos de clase (Velocidad de pulsaciones) 56.5.7. pulsaciones menores de 92. 65. f es la frecuencia absoluta de clase y n es el tamaño de la muestra. de distribución de frecuencias   45 . 110.5 74.8.5 Total Frecuencia (Número de personas) 4 3 7 11 4 1 30 Al obtener la tabla de distribución agrupada como en el ejemplo 9.2..5 – 92.5 – 74.5 – 65.5 y 83. son muchos los interrogantes que continúan sin responderse como: ¿Qué porcentaje del grupo de personas evaluadas presentan pulsaciones entre 74.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5.5 83.5? La tabla 2.…. indica que son 7 personas pero ¿Qué porcentaje es ese? Y.. fr = f × 100 n donde fr es la frecuencia relativa de clase. Tabla 2. por ejemplo.5 – 101.5 – 83.

la última frecuencia relativa acumulada tendrá un valor del 100%.   46 .3% 29 1 3.5 – 74.8.5 y 110. se calculan las correspondientes frecuencias relativas de cada intervalo de clase.5 y sólo el 3. entre 101.3% 23. Tabla 2.5 – 65.7% 83.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.3% 30 30 100% Frecuencia relativa acumulada Ascendente 13.5 – 110.5 – 101.7% de las personas evaluadas registran pulsaciones entre el 83.5 92.8.5 Total Frecuencia Frecuencia Frecuencia absoluta (Número de relativa acumulada personas) (%) Ascendente 4 13.5. La primera es la acumulación sucesiva en forma descendente o ascendente de las frecuencias absolutas.7% 100% La distribución de frecuencias acumuladas se construye con el cálculo de la frecuencia absoluta acumulada y la frecuencia relativa acumulada. Si es ascendente. la frecuencia relativa acumulada es una acumulación sucesiva en forma ascendente o descendente de frecuencias relativas..5 y 92.5 74. De la misma manera.7% 25 4 13.1.5 – 92.5 65. Distribución de frecuencias absolutas.1. relativas y acumuladas ascendentes de la velocidad de pulsaciones Intervalos de clase (Velocidad de pulsaciones) 56. Si la frecuencia absoluta acumulada es ascendente.3% 4 3 10% 7 7 23.3% 46.4% 14 11 36. la primera frecuencia absoluta corresponderá a la primera frecuencia absoluta acumulada. Esta tabla arroja información tan completa que permite concluir afirmaciones tales como: • El 36.4% 96.5 101. La última frecuencia absoluta acumulada corresponderá al número total de frecuencias. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   agrupadas de los datos del ejemplo 8. se expresan estos tipos de frecuencia tomando los datos del ejemplo 8. y así sucesivamente.5 – 83. La segunda acumulada se obtiene sumando las dos primeras absolutas. En la tabla 2.3% registran valores altos.5 83.

1.2. el año del registro y otros indicadores que resulten importantes para la investigación.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Se trata pues de conocer algunas técnicas de construcción de gráficas. Una gráfica siempre debe poseer un título que indique la descripción del contenido de ella. lineales. En muchas ocasiones. se tratarán las partes más fundamentales de una gráfica y los aspectos a tener en cuenta para su construcción.5 pulsaciones. deben tenerse en cuenta ciertos aspectos con el fin de mejorar su apariencia y mostrar con claridad lo que se quiera que ella refleje. que es la mejor manera para resumir una investigación estadística. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • De las 30 personas.6 Componentes de una gráfica Cuando se diseña una gráfica. que indique de dónde han sido tomados los datos incluyendo el tipo de publicación.5. Otro aspecto importante a tener en cuenta es la fuente de información. luego se presentarán los distintos tipos de gráficas usadas más comúnmente en estadística entre las cuales se encuentran el histograma. se verá ahora lo que implica el resumen o presentación de la información. sea esta cual fuere. A continuación. de barras y circulares y los pictogramas.5 LECCIÓN 10 PRESENTACIÓN DE LA INFORMACIÓN Anteriormente se mencionó que la organización y el resumen de la información son dos procesos distintos que se ejecutan en forma independiente. los gráficos de puntos. La escala se aplica para saber la dimensión del fenómeno graficado. Construya la distribución de frecuencias absoluta acumulada descendente y relativa acumuladas descendente con los datos de la velocidad de pulsaciones. es importante indicar la escala con la que se trabaja. Ya se ha desarrollado todo cuanto tiene que ver con la organización de la información.2. ¿Qué porcentaje de la muestra registra valores superiores a 92.4% del total. la ojiva. Es decir. La forma y el tipo de la gráfica que se seleccione depende en gran parte del investigador o de quien la elabora. 25 de ellas no superan registros de 92. sin embargo debe tenerse en cuenta para   47 . esto corresponde al 83. identificar los ejes coordenados (X y Y) e indicar sus magnitudes correspondientes. el polígono de frecuencias.5? ¿A cuántas personas corresponde? ¿Qué porcentaje registra valores de más de 75? 1.

Existen ciertos principios generales que se deben tener en cuenta en el logro de una buena gráfica: • • • • • • • • • • Si en la investigación se tienen varias gráficas.5. llamadas y convenciones que ayuden a identificar e interpretar las características presentadas. debe ser el complemento. Si la representación se refiere a las frecuencias acumuladas (absolutas o relativas). estas deben estar enumeradas en forma consecutiva. La mejor gráfica es la más sencilla.2. En los diagramas. Este último diagrama. La representación del hecho debe variar sólo en una dimensión. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   quién va dirigida ésta.7 iagrama de frecuencias Los diagramas de frecuencia se representan por medio de líneas verticales. La lectura de la escala del eje horizontal se hace de izquierda a derecha y la del eje vertical se hace de abajo hacia arriba. ubicando en el eje vertical los valores de la frecuencia acumulada. cuya altura está dada por los valores de las frecuencias. La gráfica no sustituye el cuadro o la tabla. deben ser más gruesas que las demás. Toda gráfica debe tener un título que aclare su contenido. Toda gráfica debe ir acompañada de convenciones para identificar las características que se grafican. Las gráficas nunca preceden al texto. ya sean absolutas o relativas. aclarar las escalas. Haga uso de sólo lo estrictamente necesario. leyendas. el lugar de exposición y otros factores de logística que intervienen en la decisión del mejor diseño. las líneas de la ordenada y la abscisa que llevan escala. 1.   48 . notas. esta se hará por medio de líneas horizontales.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. En toda gráfica se debe explicar la fuente de donde fueron obtenidos los datos. genera una serie de líneas horizontales que dan la sensación de los peldaños de una escalera. Evite saturar la gráfica de datos o textos innecesarios. denominado diagrama de frecuencias acumuladas.

3.9. Distribución de frecuencias simple de visita al odontólogo de niños entre los 6 y 12 años Edad del niño (Años) 2 3 4 5 6 7 8 9 10 11 12 Total Frecuencia absoluta (Número de visitas) 3 1 2 3 7 9 4 0 1 0 0 30 Frecuencia absoluta acumulada 3 4 6 9 16 25 29 29 30 30 30 Esta tabla de frecuencias indica las veces que un grupo de 30 niños de 6 a 12 años de edad visitó en los últimos 6 meses al odontólogo. Construya un diagrama de frecuencias absolutas y un diagrama de frecuencias absolutas acumuladas.1 Tabla 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Figura 2. Diagrama de frecuencias absolutas de visita al odontólogo de niños entre los 6 y 12 años Frecuencia 10 9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10 12 14 Edad   49 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 10.

pues el “salto” se debe a que existe un niño de la muestra de 10 años que sí ha asistido al odontólogo.4. Se puede ver también que estas dos últimas líneas están menos separadas que las otras.8 Histograma de frecuencias En el caso de las distribuciones de frecuencia agrupada. En la figura 2. esto se debe a que no hay registro de niños que asisten al odontólogo con edades de 9. respectivamente. En cambio. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2. rápidamente se puede concluir que los niños de 7 años de edad son los que más han asistido al odontólogo en los últimos seis meses de la muestra tomada. es decir no es simétrica la gráfica.3. 11 y 12 años. se conoce con el nombre de histograma de frecuencias. Obsérvese que a partir de la figura 2. Diagrama de frecuencias absolutas acumuladas de visita al odontólogo de niños entre los 6 y 12 años Frecuencia 35 30 25 20 15 10 5 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Edad En las figuras 2. se reflejan los diagramas de frecuencia absoluta y frecuencia absoluta acumulada.2. De igual manera se percibe un agrupamiento a la izquierda de los datos.5.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.4. Este tipo de gráficos suelen llamarse asimétricos sesgados a la izquierda.4. Estos se construyen representando los intervalos de clase en la   50 . ¿sabe usted por qué? 1. existe un gran “salto” a los 7 años. la forma de representación gráfica más común.3. las dos últimas líneas horizontales son de mayor tamaño que las demás. y 2.

Pero se grafican las marcas de clase de cada intervalo.5 – 110. representa el polígono de frecuencias de los datos graficados en el histograma de la figura 2. de ahí el nombre. generando una secuencia de puntos que se unen en segmentos de recta para formar un polígono.5 92.2. se unen los puntos de intersección de la abscisa.5 Velocidad de pulsaciones 1.5.5. con la ordenada correspondiente a la frecuencia relativa o absoluta. Esta convención también puede usarse en el eje vertical u ordenada. en el segundo caso.5 101. Figura 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   escala horizontal y las frecuencias de clase (absolutas o relativas) en la escala vertical y trazando rectángulos cuyas bases equivalen a la amplitud de los intervalos de clase y sus alturas corresponden a las frecuencias de cada clase. La figura 2.5 – 74.9 Polígono de frecuencias Describe también la información de la distribución de frecuencias absolutas o relativas. de manera que permite acortar la distancia entre el origen y el primer valor de la variable.5 – 101. se unen los centros de las bases superiores de los rectángulos. En el primer caso.5 65. En la figura siguiente se registra el diagrama de frecuencias absolutas del grupo de datos del ejemplo 8.5 74.6.1. El polígono puede dibujarse sobre el histograma de frecuencias o de manera independiente.5 – 92.5 83.5 – 65. Nótese el origen o punto de partida de la variable es cero y luego aparece un corte o puente.5 – 83.   51 . Histograma de frecuencias absolutas de la velocidad de pulsaciones 12 Frecuencia (número de personas) 10 8 6 4 2 0 56.5. que corresponde a la marca de clase.

Ella permite presentar en un mismo gráfico. La ojiva es el gráfico de una distribución de frecuencias acumuladas (relativas o absolutas) y puede ser descendente o ascendente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. diferentes curvas lo que no permite el histograma de frecuencias. según los máximos o picos que presenten. que está compuesta de segmentos rectilíneos. partiendo desde el límite inferior del primer intervalo.6.10 Ojiva Contrario al polígono de frecuencias. No se trata aquí de crear una discusión sobre ello pero queda al lector la decisión si elabora la ojiva como curva suavizada o como la unión de segmentos de líneas. bimodales o multimodales. Luego se unen estos puntos en una curva suavizada. ya sean relativas o absolutas. Las curvas en estadística tienen diversas formas: estas se clasifican de acuerdo a la forma en simétricas y asimétricas siendo estas últimas sesgadas a la derecha o a la izquierda. 2   52 . en unimodales. y. la ojiva es una curva suavizada2. que representan la ojiva ascendente y descendente de los datos tomados de velocidad de pulsaciones de una muestra de 30 personas (ejemplo 8.2. En este módulo se trabajará como curva suavizada. En el eje horizontal se ubican el límite superior de cada intervalo de clase y en el vertical. las respectivas frecuencias acumuladas. Observe las siguientes figuras.5.1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2.)                                                              Algunos autores consideran que la ojiva no es una curva suavizada. Polígono de frecuencias absolutas de la velocidad de pulsaciones 12 11 Frecuencia (número de personas) 10 9 8 7 6 5 4 3 2 1 0 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 Velocidad de pulsaciones 1.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2. Obsérvese que ellas se cortan en un punto M.   53 .8. Ojiva ascendente de la velocidad de pulsaciones 30 27 Frecuencia absoluta acumulada 24 21 18 15 12 9 6 3 0 54 58 62 66 70 74 78 82 86 90 94 98 102 106 110 Velocidad de pulsaciones Figura 2. se obtiene la figura 2. Ojiva descendente de la velocidad de pulsaciones 30 Frecuencia absoluta acumulada 27 24 21 18 15 12 9 6 3 0 54 58 62 66 70 74 78 82 86 90 94 98 102 106 110 Velocidad de pulsaciones Si ambas ojivas se dibujan en un mismo gráfico. este punto se denomina mediana.7.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. concepto que se discutirá en la siguiente unidad didáctica y que representa el valor del término de la mitad de la distribución.9.

2000 1391 533 161 1243 2001 2192 603 147 1415 2002 1549 708 130 1013 2003 1773 517 197 1210 2004 2383 830 280 1281 La tabla 2. Egresados de la UNAD en el período 2000-2004 FACULTAD Ciencias Administrativas Ciencias Básicas e Ingeniería Ciencias Agrarias C. Pueden ser simples.9. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2. generalmente a través del tiempo (series cronológicas).10.   54 .6. generalmente durante un tiempo. Ojiva ascendente y descendente de la velocidad de pulsaciones 30 27 Frecuencia absoluta acumulada 24 21 18 15 12 9 6 3 0 54 58 62 66 70 74 78 82 86 90 94 98 102 106 110 Velocidad de pulsaciones M 1. Sirven para describir los cambios o fluctuaciones que sufre un fenómeno. Humanas y Educ. cuando se comparan dos o más series de datos. cuando se dibuja una sola serie de datos o compuestos. EJEMPLO 10.5. Gráficos de línea Está compuesta de segmentos de líneas que unen los pares ordenados a representar.2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.10.2 Tabla 2. Soc. indica el número de egresados de la UNAD en el período 20002004. discriminados por facultad.

Diagramas de barras Es una de las gráficas más usadas para representar tanto características cuantitativas como cualitativas. Ciencias Básicas e Ingeniería y por último Ciencias Agrarias. la Facultad de Ciencias Administrativas es la que reporta mayor número de egresados anuales. de igual forma en 2002 disminuyó estrepitosamente el número de egresados en las facultades de Ciencias Administrativas y Ciencias Sociales Humanas y Educativas.2.   55 . También se puede leer de este tipo de gráficos que. Es muy semejante al histograma de frecuencias. independiente de las fluctuaciones en el tiempo. Diagrama de líneas Egresados de la UNAD en el período 2000-2004 2500 2250 Número de egresados UNAD 2000 1750 1500 1250 1000 750 500 250 0 2000 2001 2002 2003 Ciencias Básicas e Ingeniería Ciencias Sociales Humanas y Educativas C iencias Ad ministrativas Ciencias Agrarias 2004 Años De allí se puede ver cómo en 2004 hubo un aumento considerado en todas las facultades. se ve claramente el comportamiento y fluctuación en el tiempo de cada facultad respecto a sus egresados.10.7.5. mientras que en Ciencias Básicas e Ingeniería se daba un ascenso.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. pero el diagrama de barras no requiere que la información esté agrupada en tablas de frecuencias. seguida de Ciencias Sociales Humanas y Educativas. 1. Figura 2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   En el siguiente gráfico de puntos.

la correspondiente al total de ventas.11. aunque sean visualmente diferentes.. Los valores representan las ventas en millones de pesos.3 La siguiente información corresponde a las ventas por departamento. o bien describir y comparar dos o más características de ella de forma segmentada o agrupada. ¿es clara la información? ¿Cuál tipo de diagrama de barras elegiría usted para una investigación? ¿Por qué? Obsérvese además. Obsérvese que tanto la figura 2. ¿Cómo sería esta gráfica?   56 .. EJEMPLO 10. ofrecen los mismos resultados.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.12. Para diferenciar una característica de otra en la misma barra se recurre a diferenciarlas usando colores. El diagrama de barras se puede trabajar para describir una sola característica de la variable.11. pueden construirse en forma vertical u horizontal.11. diagrama de barras simple. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Las barras son rectángulos con alturas proporcionales a las frecuencias o magnitudes correspondientes. de un almacén de cadena en la ciudad de Bucaramanga en el mes de marzo de 2005. sin embargo son más comunes las verticales. la cual permitiría una comparación eficiente de las ventas del almacén. al contado y a crédito. y 2. que también se puede graficar una barra más. en la figura 2. Ventas por departamento al contado y a crédito en marzo de 2005 Departamento Alimentos Ropa Calzado Electrodomésticos Contado 200 180 150 300 Crédito 120 110 90 210 Total 320 290 240 510 Los siguientes diagramas de barras verticales describen las ventas por departamento del almacén. Tabla 2. sombrándolas o rellenándolas con tramas. en este tipo de gráficos se ubica la variable o atributo en el eje horizontal y la altura está dada por los valores o cantidades que toma dicha variable. Inténtelo haciendo los diagramas de forma horizontal.

Diagrama de barras agrupadas de las ventas por departamento al contado y a crédito en marzo de 2005 Electrodomésticos 210 300 90 Calzado 150 Contado 110 180 Crédito Ropa Alimentos 120 200 0 40 80 120 160 200 240 280 320 Millones de pesos Figura 2. y con ella elabore por lo menos dos diagramas de barra diferentes en los que muestre el porcentaje de ventas de contado y a crédito alcanzadas durante ese mes en el almacén de cadena para cada uno de los departamentos evaluados. Elabore una pequeña síntesis de los resultados que arrojan las gráficas que ha construido.11.11.12. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.   57 . Diagrama de barras segmentadas de las ventas por departamento al contado y a crédito en marzo de 2005 Electrodomésticos 300 210 Calzado 150 90 Contado Crédito Ropa 180 110 Alimentos 200 120 0 50 100 150 200 250 300 350 400 450 500 550 Millones de pesos Construya una tabla de frecuencias relativas para los datos de la tabla 2.

13.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Es una forma efectiva de representar distribuciones de frecuencias en las que la característica es cualitativa. Se utiliza para representaciones gráficas de distribuciones porcentuales. proporcionalmente al número o al porcentaje de cada una de las clases en que se ha dividido la observación. el 25% equivale a 90º en el círculo. Una mayor apreciación se logra coloreando distintivamente los sectores o dándole una trama a cada sector. De ellas el 50% eran casados. se grafica el diagrama circular: Figura 2. asistieron 1250 personas con expectativas de emplearse. se debe tener en cuenta que los 360º del círculo equivalen al 100%. como sectores de un círculo.5. Si se quisiera mostrar en un diagrama circular estas proporciones. 15% a 54º y 10% a 36º. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1. Se construye subdividiendo los 360º de un círculo. EJEMPLO 10. 25% solteros.2. Compruébelo. Los ángulos de los sectores son proporcionales a los componentes del total. Así pues. debe pues plantearse una regla de tres simple: Porcentaje 100% 50% Grados 360º X Donde: 50 × 360 X= = 180 º 100 De la misma manera. 15% separados y 10% en unión libre.8. Diagrama circular Es otro tipo de gráfico que permite observar los componentes de un total.4 En una entrevista masiva de una multinacional. Diagrama circular para el estado civil de 1250 aspirantes a empleo 10% Casado 15% 50% 25% Soltero Separado Unión libre   58 .

Bolivia y Colombia = 1’000. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Este tipo de gráficos es inconveniente cuando se tienen varias partes y cada una representa una pequeña proporción o cuando son muchas las partes que se van a representar. donde una figura humana representaría un millón de personas. Si la cantidad no es exacta.4 millones Bolivia 26. por ejemplo. Los pictogramas son usados comúnmente en el diseño publicitario. Así es como se encuentran pictogramas señalando la población de un país. Figura 2.14.2.5.9. meses o días se quieran representar en la secuencia. Si se le quiere emplear en secuencias cronológicas. mostrando en cada uno la correspondiente distribución porcentual.1 millones   59 . ya que se consideran más expresivos. se presenta una fracción de la figura. Pictogramas Es una forma de representar los datos por medio de símbolos o dibujos donde cada uno representa la misma información con un valor fijo. Bolivia y Colombia. Pictograma para el número de árboles talados en Argentina. 1.7 millones Colombia 37. se dibujan círculos de igual radio.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. tantos como años. En la siguiente figura se indica por medio de un pictograma los millones de árboles talados en Argentina. Obsérvese que un árbol representará un millón de árboles talados anuales.000 de árboles Argentina 35.

Mapas estadísticos o cartogramas Este tipo de gráficos muestra la información cuantitativa o cualitativa sobre bases geográficas dentro de las cuales se ubican símbolos o figuras como puntos.  Pero antes de iniciar con estos nuevos conceptos. cuando se indica por ejemplo. Todo cuanto tiene que ver con sumatoria y productoria puede ser repasado y consultado en el anexo A.MEDIDAS DE TENDENCIA CENTRAL O DE POSICION Al describir grupos de observaciones. En este caso se incluyen también los cuantiles entre estas medidas. en un mapa de Colombia.3. colores. se indican con figuras humanas las zonas en conflicto o en disputa con los diversos grupos armados del país.5. 1. que se encuentra al final del texto.10. se habla de estas medidas como medidas de posición. organizar y presentar los datos en cualquier tipo de investigación estadística. se hace indispensable recordar algunas nociones aritméticas y algebraicas básicas en estadística. Es muy común en la prensa o boletines de información. independientemente de que esta esté más o menos centrada.     60 . es por esto que se recomienda al lector iniciar el capítulo repasando la sumatoria como propiedad aritmética fundamental para entender las medidas estadísticas de una población o muestra. ESTADIGRAFOS   En el capitulo anterior nos dedicamos a estudiar los métodos que deben ser aplicados en el proceso de agrupar. suele situarse hacia el centro de la distribución de datos se denomina medida o parámetro de tendencia central o de centralización. Este número que. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1. el informe del estado del tiempo o. CAPITULO 3 .1 LECCIÓN 11. círculos.3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. para tal fin. etc.2. barras. 1.       Cuando se hace referencia únicamente a la posición de estos parámetros dentro de la distribución. con frecuencia es conveniente resumir la información con un solo número.     Entre las medidas de tendencia central tenemos:     • media aritmética  • media ponderada  • media geométrica  • media armónica  • mediana  • moda.

por letras minúsculas. Se define como la suma de los valores de una cantidad dada de números dividido entre la cantidad de números.325. cuando corresponden a una parte de la población o muestra.250. y por tanto hay necesidad de acudir a ciertas medidas denominadas parámetros de la población.   Para el análisis de una variable o de una distribución unidimensional se consideran las siguientes clases de medidas:     • Medidas de tendencia central   • Medidas de posición         • Medidas de dispersión         • Medidas de asimetría y apuntamiento   1. el mismo que representa a la muestra. $1. Los estadígrafos permiten hallar un valor numérico.2 LECCIÓN 12 MEDIA ARITMÉTICA Es la medida más conocida y la más fácil de calcular. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Ahora trataremos de presentar otros métodos para estudiar o medir el comportamiento de los elementos que constituyen una población. los símbolos que se refieren a la población se representan generalmente por letras griegas o por las letras mayúsculas de nuestro alfabeto y los que se refieren a la muestra. o simplemente media EJEMPLO 12. El valor promedio o media aritmética es entonces:   61 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.3.   Teniendo en cuenta la anterior la clasificación. no lo hacen en forma satisfactoria. Si bien es cierto que los cuadros y graficas describen el fenómeno. cuando se hacen sobre el total de ésta y estadígrafos..400 y $1. x= ∑X i =1 n i n donde: n = cantidad de elementos Xi = valor de cada elemento x = media aritmética. $1.1 El precio de la bolsa de un litro de leche en diferentes supermercados fue: $1. $1.300.350.

856  30 + 18 + 25 La media ponderada se halla al realizar el cociente entre la suma de los productos de los valores por sus respectivos pesos y la suma de los pesos. se puede conocer el valor de la suma total multiplicando la media por el número de elementos. es decir.500. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   x= 1. x= 1 1 = m1 + m2 + K + mn ∑m X i =1 n i n i ∑m i =1 i   62 . El caso general se expresa así: m X .250 + 1.000 También puede suceder que los elementos que se analizan se encuentren agrupados. o sea el valor promedio.000 y 25 sacos a $261.325 = $1.3 Un agricultor vende la cosecha de papas de la siguiente forma: 30 sacos a $256. Si se conoce el valor de la media y el número n de elementos u observaciones. Esto es: ∑X i =1 n i = n⋅ x EJEMPLO 12.300 + 1.000) + 25(261. ¿Cuál es el precio promedio del saco de papa vendida por el agricultor? Precio promedio saco de papa = 30(256.325 5 La media aritmética tiene la propiedad de asignar a cada elemento de la suma el mismo valor. Venta total primer semestre = 6 x (3’422. Esto da lugar a la media aritmética ponderada. EJEMPLO 12.400 + 1.350 + 1. en este caso para encontrar el valor de la media aritmética se debe realizar la ponderación de estos elementos agrupados.000) + 18(264. + m2 X 2 . + K + m n X n .000) = $20’532.2 Las ventas promedio de un almacén durante el primer semestre del año fueron $3’422.000. 18 sacos a $264. encontrar el peso que le corresponde a cada valor. hallar el total de ventas de este período de tiempo.500) =$259.000.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

Distribución de frecuencias agrupadas Intervalo 16-20 21-25 26-30 31-35 36-40 Total Marca de clase X  18 23 28 33 38 Frecuencia f  4 6 7 5 3 25 f .X  72 138 196 165 114 685 x= ∑ f ⋅ X . EJEMPLO 12. las cantidades ponderadas y  m1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.4 Dada la siguiente distribución correspondiente media aritmética: de frecuencias agrupadas. donde los pesos o ponderaciones corresponderían a las frecuencias de los valores de las marcas de clase.…  Xn.1.4 25 ∑f De lo anterior puede verse que: x= ∑fX i =1 n i n i ∑f i =1 = ∑ f ⋅X n i Dada la importancia que tiene el cálculo de la media aritmética y su frecuente uso.  m2.…. calcule su Tabla 3. = 685 = 27. Esta similitud entre la media de una distribución de frecuencias agrupadas y la media aritmética ponderada se muestra en el siguiente ejemplo. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Siendo X1  X2.  mn los pesos o ponderaciones. se hace necesario considerar algunas de sus propiedades:   63 .. Un caso similar al anterior consiste en la media de una distribución de frecuencias agrupadas. recordando que la marca de clase es el valor promedio de un intervalo de clase.

Por otra parte. Esta propiedad.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. fácilmente se identifica la mediana.   64 . Es menos usada que la media aritmética. la media o promedio aritmético es la medida de tendencia central más comúnmente usada. es válida para datos agrupados o no agrupados. Si la distribución es simétrica no hay necesidad de ponderar. Y en términos aritméticos ella plantea: ∑ ( X − x) = 0 Tenga en cuenta que cuando los datos están agrupados en una tabla de frecuencias. además de ser la única de las medidas de tendencia central que permite un tratamiento algebraico. al igual que las demás. Esta importante propiedad se retomará más adelante cuando se estudie regresión lineal y el método de los mínimos cuadrados para ajuste de curvas. Cuando la cantidad de datos es impar.6 LECCIÓN 13 MEDIANA Se define como el valor que divide una distribución de datos ordenados en dos mitades. Sin embargo no siempre es recomendable usarla como un promedio. ya que es muy sensible a los valores extremos del conjunto de datos. La mediana se simboliza como Me. Para su cálculo es necesario que los datos estén ordenados. es decir. 1. la media es ligeramente más difícil de calcular a mano que las otras medidas que se verán en seguida. En síntesis. se encuentra en el centro de la distribución. • La suma de los cuadrados de las desviaciones respecto a la media es siempre menor que la suma de los cuadrados de las desviaciones con respecto a cualquier otro valor. que bien podrían ser bastantes. puesto que requiere sumar todo el conjunto de datos. pero cuando el número de datos es par. Una desviación es la diferencia que se presenta entre los valores que toma la variable y un valor constate.3. en este caso es la media aritmética. Esto quiere decir que sólo la media aritmética hace mínima la suma de los cuadrados de las desviaciones en torno a ella. y dividir entre el número de elementos del conjunto. las desviaciones con respecto a la media deben ponderarse. la mediana se calcula hallando el valor medio entre los dos valores centrales y no coincidirá con ninguno de los valores del conjunto de datos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • La suma de las desviaciones respecto a la media aritmética es igual a cero.

se considera que los valores en esa clase se distribuyen uniformemente de modo que se pueda calcular la mediana por el método de la interpolación lineal. el valor del medio de estos datos es la mediana. 23.2 Tomando la tabla 3.5 2 Cuando los datos se encuentran agrupados.   65 . Primero se identifica la clase de la mediana (la clase que contiene a la mediana). 26.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Identificada la clase de la mediana. b. se calcula el valor de n y con él se 2 busca. de esta unidad didáctica.1 de distribución de frecuencias agrupadas del ejemplo 12.5 2 2 La clase de la mediana es (26-30). Lo primero que debe hacerse es ordenar los datos: 14 15 18 19 20 23 26 28 30 Como el número de datos es 9. el intervalo de clase en donde este se encuentra o se aproxime mejor. Este valor es 20. Dados los valores: 19. 20. En este caso se toman los dos valores del medio y se promedian: Me = 20 + 23 = 21. puesto que deja cuatro valores por debajo y cuatro valores por encima. EJEMPLO 13. 14.5. pues el número de frecuencias acumuladas es el valor más cercano a 12.4. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 13. 30. calcular la mediana del conjunto de datos. 28. en las frecuencias acumuladas. 15. Esta clase recibe el nombre de clase de la mediana. un número par de datos. n 25 = = 12.1 a. 14 Hallar la media del siguiente conjunto de datos ordenados: 15 18 19 20 23 26 28 30 32 Observe que son 10 datos. determinar su media. 18. En el siguiente ejemplo se describe paso a paso el cálculo de esta medida de tendencia central.

4 En muchas referencias bibliográficas se expone una ecuación para el cálculo de la mediana cuando los datos se encuentran agrupados.5 × 4 = 1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Tabla 3.2.5 X X = 2.5 se interpola en el ancho o amplitud de la clase de la mediana que es 4.4 = 27. Distribución de frecuencias agrupadas Intervalo Clase de la mediana Hay 10 debajo del límite de la mediana. 12. Ella se deriva del análisis hecho en el ejemplo anterior y se describe de la siguiente manera: n − Fk −1 2 Me = × Ak + Lk fk Donde: n es el tamaño de la muestra o la suma de todas las frecuencias. Frecuencia Ancho absoluta de clase 7 4 2.4 unidades más del límite inferior de la clase de la mediana: Me = 26 + 1.5 16-20 21-25 26-30 31-35 36-40 Total Frecuencia F  4 6 7 5 3 25 Frecuencia acumulada 4 10 17 22 25 observaciones por inferior de la clase El valor de 2.   66 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 − 10 = 2. la mediana se encontrará 1. Fk‐1  es la frecuencia absoluta acumulada de la clase anterior de la clase de la mediana.4 7 Así pues.

4 + 26 = 27. se identifica cada valor: n = 25 Fk‐1 = 10 fk = 7 Ak = 4 Lk = 26 n − Fk −1 2 Me = × Ak + Lk fk 25 − 10 2 Me = × 4 + 26 = 1.2. El cálculo de la mediana es simple. Primero. sean estos grandes o pequeños. es decir con la distribución de frecuencias relativas. pero siempre requiere que los datos se encuentren ordenados.4 7 ⇒ Otra manera para hallar la mediana de un conjunto de datos agrupados es el método gráfico. Se concluye entonces que la mediana no está afectada por los valores extremos del conjunto de datos. leyendo el valor en el eje horizontal. el punto donde estas dos curvas se encuentren corresponde a la mediana de los datos agrupados.. No influencian en lo absoluto como sí lo hacen en el cálculo de la media. se podría decir que la mediana no es una medida muy confiable para describir el conjunto de datos. condición que no requiere el cálculo de la media. Si se trabaja en cambio con la ojiva porcentual.3 Determine la mediana de la distribución de frecuencias agrupadas del ejemplo 13. haciendo uso de la ecuación para su cálculo. Ya se vio algo cuando se estudiaba la ojiva: al graficar en un mismo eje coordenado la ojiva ascendente y descendente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. pues en su cálculo sólo intervienen los valores más centrales sin tener en cuenta los demás y su comportamiento general. la mediana será el valor de la abscisa cuya ordenada es el 50%. Cuando la distribución de los datos es muy simétrica. no hay casi diferencia entre la media y la mediana. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   fk es la frecuencia absoluta de la clase de la mediana. EJEMPLO 13. Finalmente. Ak es la amplitud de la clase de la mediana.   67 . Lk es el límite real inferior de la clase de la mediana.

  68 .3. Esto sucede cuando se trabaja con grupos de datos heterogéneos. EJEMPLO 14. por lo que el conjunto de datos recibe el nombre de multimodal o polimodal. Es usual también hacer uso de la siguiente ecuación para su cálculo: Mo = f k −1 × Ak + Lk f k −1 + f k +1 Donde: fk‐1  es la frecuencia absoluta de la clase anterior en donde se encuentra el dato más frecuente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. La moda también puede determinarse gráficamente. Lk es el límite real inferior de la clase en donde se encuentra el dato más frecuente. usando un histograma de frecuencias o un polígono de frecuencias. Cuando más de dos valores ocurren con la misma frecuencia y ésta es la más alta. la moda es 22. Si dos valores tienen la misma frecuencia se dice que el conjunto es bimodal. donde los datos están sin agrupar.1 Las siguientes tablas de frecuencias indican el número de personas de acuerdo a su edad que asistieron al estreno de una película. Se considera como el valor más representativo o típico de una serie de valores. valor correspondiente a la mayor frecuencia que es 5.. fk+1 es la frecuencia absoluta de la clase posterior en donde se encuentra el dato más frecuente.3. Es simbolizada como Mo. En la tabla 3.7 LECCIÓN 14 MODA Se trata del valor más frecuente en un conjunto de datos. es decir puntos que corresponden a una mayor densidad de frecuencias. todos los valores son modas. Cuando los datos se encuentran agrupados la moda es la marca de clase del intervalo de clase que contiene la mayor frecuencia. pero a veces se encuentran series con dos o más picos.Ak es la amplitud de la clase en donde se encuentra el dato más frecuente. La barra más alta o el pico más alto corresponde al valor que más se repite. . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   1. Generalmente las curvas de frecuencia presentan un solo pico.

Distribución de frecuencias agrupadas de la asistencia a cine Intervalos de clase 13. Cuando los datos no están ordenados.5 25.5 – 28.4. cualquiera de ellas puede usarse y resultarán aproximadamente iguales. Cuando la distribución es asimétrica a la derecha se cumple que   69 . la moda varía dependiendo de su tratamiento. es más recomendable emplear la mediana o la moda como medidas de posición. puede resultar más fácil calcular la media aritmética que la mediana.5 – 19.5 – 31. a diferencia de la mediana y la moda. los datos se encuentran agrupados. Tabla 3.3. Distribución de frecuencias de la asistencia a cine X  14 15 16 17 18 19 20 21 22 f  1 0 1 2 3 4 4 4 5 Total X  23 24 25 26 27 28 29 30 31 F  4 3 2 4 3 2 0 0 1 43 Tabla 3.5 = 21 9+9 Obsérvese que aunque sean el mismo conjunto de datos. de cómo estos se agrupan.5 – 22.5 22.5 Total Marca de clase 15 18 21 24 27 30 Frec. La media. el cálculo de la moda se hace más preciso.. Si la distribución es casi simétrica.5 – 25.4. presenta una ligera estabilidad en el muestreo. se tiene: Mo = 9 × 3 + 19.5 28. Para encontrarla se requiere que los datos estén ordenados. 2 9 13 9 9 1 43 La moda no es tan usada como la media o la mediana.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. usando la ecuación para el cálculo de la moda. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   En la tabla 3. es decir.5 – 22. En cualquier distribución el valor de la mediana se localiza entre la media y la moda.5 19. Si la distribución no es simétrica. Además. mediana y moda. la moda se encuentra en el intervalo de clase 19.5 – 16.5 y corresponde a la marca de clase que es 21. Se han visto hasta ahora tres medidas de tendencia central: media. Su cálculo es poco preciso debido a que no se puede expresar en términos algebraicos. Cuando los datos no están agrupados.5 16. Determinar cuál de ellas usar en un tratamiento estadístico depende mucho de la información que se tenga y del objetivo que se persigue. es por eso que su uso es más frecuente.

que una distribución está sesgada si no es simétrica y si se extiende más hacia un lado que hacia el otro. Mario F. 3   70 . El cuadro siguiente3 resume y compara de una manera didáctica y práctica la media. la mediana como la medida que permite dividir el área bajo la curva de distribución en dos parte iguales y la moda como el pico más alto de la curva de distribución. 2004. México.) Figura 3. x − Mo = 3( x − Me) ⇒ Mo = 3Me − 2 x En resumen. Y será simétrica cuando la mitad de su histograma es aproximadamente igual a su otra mitad. Pearson & Addison Wesley.1. Esta relación es utilizada para calcular cualquiera de ellas. Se dice entonces.1. mediana y moda en términos de ventajas y desventajas para su cálculo y uso en la investigación estadística. se puede entender la media aritmética como el punto de equilibrio del conjunto de datos (como el centro de gravedad de un cuerpo). Ellas tres son las medidas de tendencia central                                                              Modificado de Probabilidad y estadística. Los datos sesgados a la izquierda (sesgo negativo) presentan una cola izquierda más larga y su media y mediana se encuentran a la izquierda de la moda. si en cambio es asimétrica a la izquierda x < Me < Mo . (b) Sesgada a la izquierda.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. (c) Simétrica La relación de Pearson afirma que la distancia entre la media y la moda es tres veces la distancia entre la media y la mediana. Distribuciones sesgadas (a) Sesgada a la derecha. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Mo < Me < x . Mientras que los datos sesgados a la derecha (sesgo positivo) poseen una cola derecha más larga y su mediana y media están a la derecha de la moda (ver figura 3. conociendo las otras dos medidas. Novena edición. Triola.

la media geométrica se calcula hallando el producto de todos los elementos y extrayendo la raíz del orden del número de observaciones. en el tema siguiente se estudiarán otras medidas no menos importantes pero si menos usadas en el tratamiento estadístico. Media Es la más común Si Si Si No Mediana De uso común Si No No Si Moda Usada en ocasiones Podría no existir o haber más de una No No Si 1.   71 . Se simboliza Mg y se define como la raíz n-ésima de la productoria de los n valores de la variable. Suele utilizarse en negocios y economía para calcular las tasas de cambio promedio. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   más comúnmente usadas. No es muy confiable para describir el conjunto de datos.5.8 LECCIÓN 15 OTRAS MEDIDAS DE TENDENCIA CENTRAL La media geométrica se utiliza para promediar crecimientos geométricos de la variable. Cuando los datos no son agrupados.3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Es más precisa cuando los datos no están agrupados. pues en su cálculo sólo intervienen los datos más centrales. las tasas de crecimiento promedio o tasas promedio. mediana y moda Medida de tendencia central ¿Toma ¿Se ve ¿Requiere en afectada que los ¿Existe cuenta por los datos estén siempre? cada valores ordenados? valor? extremos? ¿Qué tan común es? Ventajas y desventajas Presenta una ligera estabilidad frente al muestreo. Comparación de la media. Tabla 3. o cuando se quiere dar importancia a valores pequeños. o cuando se quiere determinar el valor medio para un conjunto de porcentajes.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 – 1. Tabla 3..760 = 6.5 – 2. ⋅ X n n n ni EJEMPLO 15.5 – 4.53 b.6. 4. Mg = n ∏X i =1 n ni i = n X 1 1 ⋅ X 2 2 ⋅ .5 2.. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Mg = n ∏X i =1 n i = n X 1 ⋅ X 2 ⋅ ..1 La media armónica de un conjunto de datos es el recíproco de la media aritmética de los recíprocos de los números de la serie de datos. + n 1 Xn = ∑x n 1 ⇒ Mh = n ∑x 1   72 .. Hallar la media geométrica de 2.5 – 3. 12.5 Total Mg = Marcas de clase 1 2 3 4 Frecuencias 2 5 8 5 20 4 ∏X i =1 4 ni i = 4 12 ⋅ 2 5 ⋅ 38 ⋅ 4 5 = 121. la media geométrica se define como la raíz n-ésima de la productoria de los valores de la variable (marca de clase) elevadas cada una de ellas a su correspondiente frecuencia absoluta. Distribución de frecuencias agrupadas Intervalos de clase 0. 9.5 1. Hallar la media geométrica de la siguiente distribución de frecuencias agrupadas. 6. ⋅ X n Cuando los datos están agrupados.1 a.. 15 Mg = 6 ∏X i =1 6 i = 6 2 ⋅ 4 ⋅ 6 ⋅ 9 ⋅ 12 ⋅ 15 = 6 77.. Se simboliza Mh y se define como: 1 = Mh 1 X1 + 1 X2 + .5 3.

Los tres puntos de separación de los valores son los cuartiles.2. Primero se identifica la clase en donde se encuentra el primer cuartil.25   4 4   73 . El segundo cuartil (Q2) corresponderá a la mediana de la distribución. como la velocidad. El tercer cuartil (Q3) es aquel valor que representa el 75% y es superado por el 25% restante de las observaciones. de manera que cada una tendrá el 25% de las observaciones.  Para calcular estos tres promedios se procede de manera semejante al cálculo de la media aritmética.0225 ⇒ Mh = = 44.. Los cuartiles. especialmente los más pequeños.045 1 = = 0. Se utiliza preferiblemente para conjuntos de datos que consisten en tasas de cambios. El cuartil inferior (Q1) es aquel valor de la variable que representa el 25% de las observaciones y a la vez. ¿Cuál es el tiempo medio requerido para terminar dicho producto? 1 = Mh 1 50 1 + 40 0.0225 2 2 44.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.2.44 0. EJEMPLO 15. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   La media armónica es muy influenciable por los valores extremos de la serie.3 Hallar los cuartiles de la distribución de frecuencias de la tabla 3. deciles y percentiles son medidas que se utilizan para determinar los intervalos dentro de los cuales quedan proporcionalmente repartidos los términos de la distribución.2 Un obrero se gasta 50 minutos en terminar un producto y otro lo hace en 40 minutos. n 25 = = 6. Para calcular los cuartiles se divide la distribución en cuatro partes iguales. EJEMPLO 15. es superado por el 75% restante. del ejemplo 13.44 minutos es el tiempo medio requerido.

5 El segundo cuartil corresponde al punto medio de la distribución.25 × 4 = 1. pues el número de frecuencias acumuladas es el valor más cercano a 6.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 unidades más del límite inferior de la clase correspondiente: Q1 = 21 + 1. 6.5 = 22.25. Intervalo 16-20 21-25 26-30 31-35 36-40 Total Frecuencia F  4 6 7 5 3 25 Frecuencia acumulada 4 10 17 22 25 Clase del Q1 Clase del Q3 Hay 4 observaciones por debajo del límite inferior de la clase del primer cuartil.25 se interpola en la amplitud de la clase del primer cuartil que es 4. el primer cuartil se encontrará 1.5 6 Así pues. Frecuencia absoluta 6 2. Q2 = Me = 27.25 Ancho de clase 4 X X = 2.4 Para el tercer cuartil se procede de la misma manera.25 − 4 = 2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   El intervalo de clase donde se encuentra el primer cuartil es (21-25). esto es la mediana del grupo de datos.25 El valor de 2.75 4 4   74 . 3n 3 × 25 = = 18.

 Q2.4 y el 75% está por debajo de 32. deciles y percentiles es el gráfico.  EJEMPLO 15. Sólo requiere buscar en el eje vertical el porcentaje que se busca y leer en el eje horizontal su correspondiente valor. El primer decil (D1) es igual al valor que supera al 10% de las observaciones y es superado por el 90% restante y así para cada uno de los deciles. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   El intervalo de clase donde se encuentra el tercer cuartil es (31-35) y hay 17 observaciones por debajo del límite inferior de la clase de este cuartil.4 A partir de la ojiva porcentual de la distribución de frecuencias agrupadas de la tabla 3. D1.75 × 4 = 1..4. El método más sencillo para identificar tanto cuartiles.75 Ancho de clase 4 X X = 1. de manera que se obtienen nueve valores que dividen la frecuencia total en diez partes iguales.5.75 Frecuencia absoluta 5 1.4 unidades más del límite inferior de su clase: Q3 = 31 + 1... D2=P20. el 50% está por debajo de 27. Q3. Para calcular los deciles se divide el conjunto de datos en 10 partes iguales. determine el valor de: Q1.   75 . P5. D5.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.4 Lo que quiere decir que el 25% de los valores está por debajo de 22. El primer percentil (P1) es igual al valor que supera al 1% de las observaciones y es superado por el 99% restante y así sucesivamente. De igual manera se puede calcular el centil o percentil al dividir en cien partes iguales la distribución. D9. 18.2.75 − 17 = 1. haciendo uso de la ojiva porcentual ascendente.4 = 32. Obsérvese que D1=P10. Su cálculo es muy semejante al de los cuartiles.. P95.4 5 El tercer cuartil se encontrará 1.

Distribución de frecuencias agrupadas Intervalo 16-20 21-25 26-30 31-35 36-40 Total Frecuencia absoluta 4 6 7 5 3 25 Frecuencia acumulada 4 10 17 22 25 Frecuencia relativa 16% 24% 28% 20% 12% 100% Frecuencia relativa acumulada 16% 40% 68% 88% 100% Con las frecuencias relativas acumuladas se construye la ojiva porcentual ascendente. que los valores teóricos (calculados en ejemplos anteriores) no son completamente coincidentes. el primer decil representa el 10%. el primer cuartil representa el 25%. mientras que el percentil 5 representa al 5% y el 95 al 95%. Tabla 3. Es decir.   76 .2. se inicia el proceso de identificar cada valor pedido. Esto demuestra que el método gráfico no es el más apropiado para su determinación. el segundo 50%. Una vez construida. el tercero 75%.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. del quinto es el 50% y el noveno corresponderá al 90%. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Para construir la ojiva. sin embargo es muy útil y sus valores se aproximan al teórico entre mejor esté graficada la ojiva. Observe en la figura 3. teniendo en cuenta qué porcentaje representa. se debe completar la tabla de distribución de frecuencias agrupadas.7.

4 90% 5% 95% Valor gráfico obtenido 22. ¿Son muy diferentes?   77 .4 10% 50% 27.5 37.9 30 31. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 3. Resumen de cálculos. Ojiva porcentual ascendente 100% P95 D9 90% 80% Q3 70% 60% Q2=D5 50% 40% 30% Q1 20% D1 P5 10% 0% 0 5 10 15 16.4.2.2 26. Porcentaje Valor que teórico representa calculado 25% 22.4 75% 32.5 18 20 22.2 25 26.5 16.9 Medida Q1 Q2 Q3 D1 D5 D9 P5 P95 Ahora intente lo siguiente: determine los valores teóricos de las medidas que aún no ha calculado y compárelas con las obtenidas por el método gráfico.5 37.9 35. ejemplo 15.8 35 35.8 18 26.9 31.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 50% 27.9 40 45 Tabla 3.8.

3. Luego se determina el valor de la expresión: L= k ×n 100                                                              Modificado de Probabilidad y estadística. Si Calcule el valor medio entre el L-ésimo valor y el siguiente valor en el conjunto de datos ordenados. El valor de Pk corresponde a la posición obtenida del promedio calculado. Pearson & Addison Wesley. contado desde el dato menor. Se requiere que los datos se encuentren ordenados de manera ascendente.. Diagrama de flujo para el cálculo del k-ésimo percentil Hacer arreglo ordenado (ascendente) Calcular Donde: ú d L= k ×n 100 l ¿Es L un número entero? No Redondee L al siguiente entero más grande El valor de Pk es el L-ésimo valor. Mario F. 2004. que clarifica el procedimiento para el cálculo del k-ésimo percentil. contado desde el dato menor.3. Novena edición. Figura 3. Triola. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   El cálculo de percentiles para datos no agrupados se hace más sencillo siguiendo el siguiente tratamiento resumido en el diagrama de flujo4 de la figura 3. México. 4   78 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

respectivamente. El valor del percentil 43. de la Unidad Didáctica Uno sobre la evaluación de los latidos cardíacos de un grupo de 30 personas después de cierta actividad física y calcule los siguientes percentiles.5 Tome el arreglo ordenado del ejemplo 8. 58 60 62 64 68 70 74 75 76 76 80 82 82 82 84 85 85 85 87 88 88 91 91 92 92 94 95 95 95 110 a. En este caso. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Donde: n es el número de valores del grupo de datos k es el percentil en cuestión Si el valor de L es un número entero. el valor de L no es un número entero. L= 10 × 30 = 3 100 Después. El valor del percentil 10. Los datos se encuentran ordenados de forma ascendente. P43 Se calcula el valor de L: 62 + 64 = 63 2   79 . Si en cambio. P10 Para esto. que corresponden al tercer y cuarto valor del grupo de datos ordenados.3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. L es entero así que se sigue hacia abajo en el diagrama de flujo.. Es decir. se sigue el procedimiento planteado en el diagrama de flujo de la figura 1. Se tiene entonces: P10 = b. el valor del k-ésimo percentil estará por el valor medio entre el L-ésimo valor y el siguiente valor. este valor debe ser redondeado al siguiente entero más grande y el valor de Pk corresponderá a la posición L-ésima. el valor del percentil 10 se ubica entre 62 y 64. es decir el localizador que da la posición del valor 10. se procede entonces a calcular L. se verifica si el valor de L es un entero o no. EJEMPLO 15.1. De manera que el décimo percentil está a la mitad entre el valor L-ésimo (tercero) y el siguiente valor (cuarto).

Así: Q1 = P25 = 75   80 . se redondea al siguiente entero más grande. Así: P81 = 92 d.3 ≈ 25 100 Como el valor de L no es entero. Observe que no se redondea al entero más cercano sino al entero mayor.9 ≈ 13 100 Como el valor de L no es entero.5 ≈ 8 100 El valor del percentil 25 es el valor 8º del grupo de datos ordenados contado desde el dato menor. P81 Se calcula el valor de L: L= 81 × 30 = 24. El valor del cuartil 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Se halla el valor de L: L= 25 × 30 = 7. por lo que se procede a calcular el valor del percentil 25. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   43 × 30 = 12. El valor del percentil 43 es el valor 13º del grupo de datos ordenados contado desde el dato menor. Q1 Recuerde que Q1 es igual que P25. El valor del percentil 81. se redondea al siguiente entero más grande. El valor del percentil 81 es el valor 25º del grupo de datos ordenados contado desde el dato menor. Así: L= P43 = 82 c.

3. ¿cuál de estas variables es continúa y cuál es discreta? 2. identifique: población. muestra. Las temperaturas registradas en la ciudad de Pereira el 29 de junio de 2005 entre las 6 horas y las 18 horas. Si sólo se está interesado en el grupo de jugadores. ¿por qué es útil la estadística en el campo para el cual se está preparando? 2. Si se desea conocer el promedio de edad de la selección Colombia para establecer una correlación entre edad y rendimiento físico. Se realiza un estudio a 250 hogares en la ciudad de Medellín para conocer si se hace uso adecuado del Manejo Integrado de Residuos Sólidos (MIRS). a. En la UNAD la matrícula en un año es de 10. En las siguientes situaciones.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. a. unidad estadística. Un equipo de fútbol profesional está compuesto de jugadores y cuerpo Técnico. 1. Se desea conocer el número de estudiantes matriculados en la facultad de Ciencias Agrarias.458 estudiantes distribuidos en las cuatro facultades. c. 3. b. ¿qué datos pueden extraerse de ellos que tengan relevancia en el aspecto deportivo? c. dato y variable. Elabore un mapa conceptual en donde diferencie claramente los conceptos de Estadística Descriptiva e Inferencia Estadística. ¿tiene sentido registrar la edad del cuerpo técnico? b. “La estadística estudia el comportamiento de fenómenos colectivos y nunca de una observación individual” ¿Qué le dice este principio?   AUTOEVALUACIÓN LECCION 2 1. Si se toma un jugador y se registra la velocidad con que recorre la cancha y la cantidad de goles anotados en un campeonato. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ACTIVIDADES DE AUTOEVALUACION DE LA UNIDAD AUTOEVALUACIÓN LECCIÓN 1. En cada caso determine si la muestra seleccionada es representativa y Determine que tipo de muestreo es el más adecuado   81 .

Para esto. pregunto a 600 clientes que visitan sus almacenes en todo el país. • Una empresa Colombiana de calzado femenino planea lanzar al mercado un nuevo estilo de botines. La medida de la cantidad de lluvia caída en una localidad en un mes. ¿Esta muestra es representativa? c. El volumen de gasolina que se pierde por evaporación durante el llenado de un tanque de combustible. Programa de televisión favorito h. La muestra es aleatoria y ha sido seleccionada de manera sistemática. clasificarla en discreta o continua. 2. f. Determinar si cada una de las siguientes variables es cualitativa o cuantitativa. ¿es posible deducir cuál fue el rendimiento de la población? d. Candidatos a la presidencia de la República. AUTOEVALUACIÓN LECCION 3 1. La siguiente tabla corresponde a los resultados obtenidos por 20 de las 1000 personas que presentaron un examen de inglés.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. d. e. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • El gerente de mercadeo de una empresa de máquinas institucionales propone al departamento técnico la creación de un nuevo modelo de procesador de alimentos para comedores de 100 empresas con más de 500 empleados. ¿A que tipo de variable corresponde este estudio? b. Que variaciones haría para que este estudio sea más significativo?         82 . En caso de ser cuantitativa. Los porcentajes fueron redondeados al valor entero más cercano 12% 20% 52% 59% 30% 46% 81% 63% 87% 58% 68% 34% 21% 72% 18% 92% 60% 35% 9% 55% a. De acuerdo con los resultados observados. b. Valor total de acciones vendidas cada día en el mercado de valores. El número de moléculas en una muestra de gas. a. Velocidad de un automóvil en kilómetros por hora. Textura de un producto. c. g.

Elaborar el diagrama de barras correspondiente a la variable d. Determinar la variable cualitativa a estudiar. Determinar la moda e interpretarla f. b. a las cuales se les preguntó su estrato económico. c. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   AUTOEVALUACIÓN LECCION 4 1. Utilizar cada estrato como una clase de la variable para construir la tabla de frecuencias correspondiente. e. El alcalde de la ciudad abrirá un comedor comunitario en cada barrio donde el 60% a más de los hogares corresponden a un estrato menor o igual a 2. El alcalde de la ciudad tiene un proyecto de comedores comunitarios en el cual los ciudadanos da bajos recursos puedan acceder a una comida diaria otorgada por la alcaldía . El siguiente diagrama de barras muestra corresponde a la producción de una empresa de confecciones durante el mes de junio. obteniendo los siguientes resultados. se realizó una encuesta en uno de los barrios a un grupo de 48 familias.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.   83 .Para ello. 2 1 3 1 1 2 2 2 1 1 2 3 3 2 1 1 1 3 1 2 2 2 1 2 1 1 2 1 2 1 1 2 1 2 2 1 3 3 3 3 2 2 1 1 1 2 2 2 a. ¿Se abrirá un comedor comunitario en el barrio? 2. Construir el diagrama circular de la variable.

los resultados fueron: Género H M M H H H M M H M H H H H Estudia S AV S S AV N AV AV S S AV N N AV Género M M H M M M M M H M M M M M Estudia AV S N AV AV AV S S S AV AV AV AV AV Género H H H M M M M M H M M H M M Estudia AV AV AV AV AV S AV S AV AV N AV N S Género H H M M M H M H M M H M H M Estudia N S AV S S AV S AV AV S N AV AV AV a. ¿cuál es el porcentaje de producción correspondiente a cada una de las prendas?   AUTOEVALUACIÓN.     84 . f. ¿Cuál fue el número total de prendas confeccionadas en junio? b. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a. Construir la tabla cruzada de porcentajes correspondiente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. H: hombre y M: mujer. Construir una tabla de contingencia para las dos variables. además el género del estudiante que participa en el estudio. El profesor de matemáticas afirma que si mas de un 80% de las personas siempre repasan para el examen. Extraer 3 conclusiones de los datos. Construir la tabla de frecuencias para la variable género. En cada respuesta se reporto: S: si siempre hay un repaso. Construir la tabla de frecuencias para la variable” estudia para los exámenes” c. Si se decide encuestar a un hombre mas. b. LECCION 5 En un estudio realizado a un grupo de 56 estudiantes de la UNAD. Se registro. Que resultados esperarían su respuestas? Usar la moda para justificar el análisis. e. se cuestionó si se prepara o no para los exámenes. el resultado será favorable? d. AV: si algunas veces se estudia y N: si nunca se estudia.

luego que se haya establecido un clima de confianza. determinar la muestra c. Que exista un objetivo b. Menor al de una encuesta por medio de entrevistas personales d. Que se hayan trazado planes c. c. Contestar verdadero o falso según el caso:   85 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. la investigación estadística requiere: a. ¿Que comprende en una investigación estadística la etapa de planeación. Al principio. Imposible de medir en relación con el costo de una encuesta por medio de entrevistas personales. Que se tenga un problema 3. En el diseño del cuestionario en la etapa de recolección de la información. Señalar el literal más adecuado para las siguientes observaciones: La investigación preliminar permite: a. En el centro para que sean precedidas y seguidas por preguntas fáciles c. LECCION 7 1. Señalar el literal más adecuado para las siguientes observaciones: El costo de una encuesta por correo es generalmente: a. al comenzar por las más fáciles hasta llegar a las difíciles. Coordinar el personal del campo 2. AUTOEVALUACIÓN. 2. LECCION 6 1. Al final. para salir inmediatamente de la parte más difícil b. 3. Establecer la hipótesis b. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   AUTOEVALUACIÓN. las preguntas más difíciles deben colocarse a. Antes que nada. Mayor al de una encuesta por medio de entrevistas personales. Igual al de una encuesta por medio de entrevistas personales b.

1 35.8 36. Al diseñar un cuestionario no es de gran importancia la forma como se hace la pregunta.9 34. Elabore una lista de los valores de datos que aparecen en el diagrama de tallo y hoja siguiente. Existen dos tipos definidos de tortugas en el área. LECCION 8 1. AUTOEVALUACIÓN. Los siguientes datos muestran el número de huevos en cada uno de los nidos de 30 tortugas sobre la playa de Florida. Organice los datos como una combinación ordenada. Un formulario debe llevar una sola clase de preguntas.4 33.7 34. La recolección de datos se puede hacer mediante la observación d. 69 57 84 64 52 67 93 72 61 74 74 55 79 82 65 61 88 68 63 77 2.6 35.5 33.7 36.9 34.2 34.8 33.1 34.2 35.5 34.6 35.6 35.6 34.2 33.7 33. Los siguientes datos representan las calificaciones en una prueba de coordinación física aplicada a un grupo de 20 personas después de haber ingerido una cantidad de alcohol equivalente a 0.6 34. b.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. 33.3 34.2 36.0 34.1 34. Un formulario se precodifica para agilizar la codificación. siempre que está sea clara. Elabore un diagrama de tallo y hojas y haga un breve comentario de los resultados que este arroja.3 35.8 34. Se conoce como fuente primaria aquella que obtuvo inicialmente la información directamente de la persona o entidad.3 4.0 35. Después de realizar el formulario se define el objetivo de la investigación e. ¿Un arreglo de tallo y hojas revela la existencia de dos poblaciones? ¿Lo hará uno de doble tallo?   86 . Tallo 4 5 6 7 Hojas 0 2 1 1 2 3 0 3 8 3 9 7 7 9 3.2 34.5 34.1 34.1% de su peso.1 34.3 34.7 33.2 34. f. En un estudio sobre el crecimiento de los varones se obtuvieron estas observaciones sobre el perímetro craneal en centímetros de un niño al nacer.2 34. c. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a.

4 94. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   206 197 142 181 101 167 187 192 171 201 175 193 197 163 133 204 124 109 146 141 123 137 126 124 152 138 141 127 184 132 5. e.1   87 .1 102.7 93. ¿Qué concluye? 192. c. Construya la tabla de frecuencias absoluta. si se emplean el número de clases hallado en el numeral d? Verifique si es necesario hallar un nuevo rango y hacer el ajuste de exceso.5 97.3 114.4 102.1 191.5 102. Construya una tabla completa de distribución de frecuencias agrupadas. 1959 2802 2412 6837 5099 6472 5749 3894 4534 2462 7624 8639 6627 8327 1801 5847 7020 4000 1548 7417 4484 8225 4632 4327 6725 3378 4801 6082 5633 6142 9359 6964 7343 737 10241 4148 12130 8973 7428 4189 5321 962 6588 9166 849 a. Organice los datos como una combinación ordenada.3 98.4 96.6 92.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 98.8 103.9 113. relativa y acumulada ascendente y descendente.5 99. Determine los intervalos de clase para este conjunto de datos Halle los límites reales de dichos intervalos.8 192. h.2 97.3 102. AUTOEVALUACIÓN LECCIÓN 9 1.1 97.5 99. Las siguientes son el número de llamadas semanal que recibe un call center. g.8 95.6 96.1 90. Los siguientes datos corresponden al total de ventas semanales (en cientos de dólares) de una tienda de accesorios para dama. b. i. f. d.2 99. Determine el dato mayor y el menor Determine el rango ¿Cuántas clases se necesitan para agrupar estos datos? ¿Cuál es la amplitud mínima necesaria por clase para cubrir el intervalo.

34 Marca de clase Frecuencia absoluta Frecuencia relativa Frecuencia absoluta acumulada ascendente Frecuencia relativa acumulada ascendente 3. Exactamente 70.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.9 79. 80.0 – 19. Más de 80.9 gramos. Más de 59. Peso en gramos 0.9 – 119. Cualquier valor de 60. c. d.9 99.9 119.9 – 59. g. Los siguientes son los números de venados observados en 72 sectores de tierra en un conteo de vida silvestre.9 – 79.9 19.0 gramos. e. encuentre cuántas de las muestras pesan: a. Como máximo 59.9 39.9 – 139. ¿Qué porcentaje pesa menos de 79.9 TOTAL Número de especimenes 16 38 35 20 11 4 1 125 Si es posible. La siguiente es la distribución de los pesos de 125 muestras de minerales recolectadas en una investigación de campo. f.9 gramos?   88 . Complete la siguiente tabla de distribución de frecuencias.9 59.9 – 39.9 gramos.0 gramos o menos. b.0 gramos.0 a 100 gramos.9 – 99. 18 13 8 2 21 15 8 19 12 16 0 10 9 0 13 11 16 16 22 2 21 18 12 14 12 14 8 10 20 29 16 17 11 28 17 17 20 11 19 15 13 4 33 18 1 24 20 18 15 16 14 8 10 21 21 13 4 20 16 10 18 12 19 6 5 16 13 6 16 7 10 9 Intervalo de clase 0–4 5–9 10 – 14 15 – 19 20 – 24 25 – 29 30 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2.

diciembre.. marzo. mayo. julio. julio.. noviembre.   89 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. diciembre. un polígono de frecuencias absolutas y las respectivas ojivas ascendente y descendente. Complete la tabla de frecuencias agrupadas y a partir de este. sobre el número de llamadas semanal que se recibe en un call center.9 gramos? ¿Qué porcentaje pesa exactamente 39. junio.9? 4. septiembre. noviembre. junio. del tema 2. marzo. Un profesor decide registrar el mes de nacimiento de cada uno de los 40 estudiantes del tercer grado. agosto. sobre el número de egresados de la UNAD en el período 1994-2004. junio. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   h. noviembre. febrero. febrero. agosto. abril. septiembre.1. i. junio. junio. 2. Frecuencia absoluta acumulada ascendente Estatura (en centímetros) 125 — 129 129 — 133 133 — 137 137 — 141 141 — 145 145 — 149 149 — 153 Total   Número de estudiantes 1 4 9 24 28 22 12 100 Frecuencia relativa Marca de clase AUTOEVALUACIÓN LECCION 10. junio. septiembre. 1. emita conclusiones. construya un histograma de frecuencias absolutas. Construya un diagrama de frecuencias absolutas y de frecuencias absolutas acumuladas con los datos reportados en la tabla 2. julio. ¿Qué porcentaje pesa más 19. mayo. Con la tabla de frecuencia construida en el ejercicio 2. noviembre. enero. octubre. julio.3. diciembre. La siguiente tabla corresponde a la estatura (en centímetros) de los estudiantes de un grupo de quinto grado. abril. marzo. Construya una tabla de frecuencias relativa y un diagrama de barras para los datos recolectados. enero. septiembre. agosto. 3. Junio. agosto.5. noviembre. abril.

100 en mayo. ¿Qué tipo de grafico usaría? Elabórelo y escriba un pequeño reporte. $3`002. 20. $2’125. $2`932. 7.   90 .700 en abril.000 17`821.3% del total.400 en marzo.100 en febrero. en el segundo mes. La siguiente tabla indica las superficies de los distintos continentes del mundo en kilómetros cuadrados (km2). en el cuarto mes. Elabore por lo menos dos gráficas adecuadas para presentar la siguiente información: Durante 5 meses un escritor escribió una novela de 198 páginas de la siguiente manera: en el primer mes. El reporte contable fue: Cartagena: $3’452. Medellín: $2’301. Elabore también un pictograma.000 24`247. en el tercer mes.5% del total.000 13`338.700 en junio. $4`500.600 en febrero.700 en abril. 17. Dibuje en un gráfico de línea las ventas de un almacén en el primer semestre del año para sus tres sucursales en el país.500 10`354. Represente estos datos en un diagrama circular.700 en junio. el 39% restante.600 en marzo. $3`032. $6`130.4% del total y en el último mes.2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   4. Continente Asia África Norteamérica Suramérica Antártica Europa Oceanía Área en km2 44`391. 10. 5.600 8`547.8%.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Construya un diagrama de barras para la tabla 2.000 en enero.500 en enero.100 en mayo. $4`875. $2`058.400 en marzo.700 en junio. $5`468. $3’400. $3`985. en donde se clasifica el número de estudiantes por CEAD en la Seccional Occidente durante el primer semestre de 2005.300 en abril.500 en enero.600 en febrero.000 6. El administrador del almacén le solicita conocer las ventas totales mes a mes y le pide que entregue un informe escrito y gráfico de los resultados. $4`923.200 30`244. $1`998. Haga un pequeño reporte escrito de las fluctuaciones de venta en las tres sucursales al administrador del almacén. 12. Bogotá: $4’750.600 en mayo. $2`985. $2’100.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   AUTOEVALACION LECCIÓN 11 1. 6. 6. Estadístico d. En la siguiente serie de números indicar: $4. Cualquier medida aplicda a la características d elas unidades en la poblaciòn se denominada: a.000 $12. .500 $5. a.300 $9. Explique con sus propias palabras que diferencia existe entre estimador y parámetro AUTOEVALUACION LECCIÓN .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.000 a.000 $5. 6. 4.000 $8. Parámetro b. La media ¿Qué valor de esta serie afecta a la media aritmética? Calcule la media aritmética. Variable 3. 7. Estimador c. 6 X 4 5 6 7 8 9 10 n  f 8 12 11 20 14 10 7 82   91 . 8. 5. 4. Realizar un mentefacto conceptual de las siguientes medidas estadísticas univariantes a. b. 7.000 $4. 5.250 $9.12 1.500 $35. e. Medidas de posición 2. Medidas de tendencia central b. 7.2.700 $12.

7. Carlos obtiene calificaciones parciales de 65. Uno demora 6 horas. De un grupo de 100 obreros en una fábrica.5? 6. este decide acelerar a 80 km/h para llegar de nuevo a Bogotá. ¿Cuál es la velocidad promedio del viaje completo? 8. Calcule la media ponderada. otro 8 horas y un tercero demora 5 horas. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   c. En una industria se ha controlado el tiempo que tardan tres obreros en ensamblar un motor. Halle el rendimiento de un obrero tipo. 40 trabajan en el día y 60 en la noche. Se sabe que el salario promedio de los 100 obreros es $407. ¿Cuál es el salario promedio en cada grupo? 4. 80.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. En el examen final recibe una calificación de 92. $358. La mediana generalmente se define como aquel valor de la variable:   92 . Un hombre viaja desde Bogotá hasta Acacías a una velocidad de 60 km/h.200 y que los del turno del día reciben en promedio $28.000. 83. Para evitar la noche en carretera.000. que sirva de base para análisis financieros.5 en el 20%.000 menos que los trabajadores nocturnos. los sueldos de 5 personas en un almacén son $382.2 en el 10%. un estudiante obtiene calificaciones de 3. Calcular las desviaciones respecto ala media. Señalar el literal más adecuado para la siguiente observación: 1. 2. 5. $365. 4.000. Si la evaluación final equivale al 40% restante.000. y 90. ¿que calificación necesita para obtener un promedio final de 3. AUTOEVALUACION LECCIÓN 13. $380.0 en el 30%. Antes del examen final de Estadística. si cada uno de los exámenes parciales cuenta el 15% y el examen final cuenta 40% de la calificación total. Intervalos de clase Frecuencia 39 – 49 5 49 – 59 8 59 – 69 10 69 – 79 9 79 – 89 8 89 – 99 6 99 – 109 4 Total 50 3.

b. 4.000 a. 7. 4. X 4 5 6 7 8 9 10 n  F 8 12 11 20 14 10 7 82 6. La mediana 3.La moda generalmente se define como aquel valor de la variable que:   93 . 7. Que supera a la máxima frecuencia b. 6. Que presenta el menor grado de frecuencia. 6.250 $9.000 $4. 6 c. Que supera la mitad y al ismo tiempo es superado por la mitad de las observaciones e.300 $9. Que no supera a la mitad de las observaciones c.000 $12. 5. 8. Calcule la mediana de los siguientes conjuntos de datos: a.500 $35.000 $5.700 $12.000 $8. Que presenta la máxima frecuencia d. En la siguiente serie de números indicar: $4. Intervalos de clase Frecuencia 39 – 49 5 49 – 59 8 59 – 69 10 69 – 79 9 79 – 89 8 89 – 99 6 99 – 109 4 Total 50 AUTOEVALUACIÓN LECCIÓN 14 Señalar el literal más adecuado para la siguiente observación: 1.500 $5.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. 2. 5. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a. 7.

6. 7. 7. 4. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a. 6 c. 4. Se ve afectada por valores extremos b. b. 5. Tiene la menor frecuencia d.000 La moda 3.500 $9. bimodal.000 $9. 8. 7. Supera a la menor de las observaciones e.000 $5. En la siguiente serie de números indicar: $4.700 $5. Tiene el menor grado de variabilidad 2. Intervalos de clase Frecuencia 39 – 49 5 49 – 59 8 59 – 69 10 69 – 79 9 79 – 89 8 89 – 99 6 99 – 109 4 Total 50 4.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.300 c. 5. la moda es única (unimodal) .000 $12. $4. X 4 5 6 7 8 9 10 n  f 8 12 11 20 14 10 7 82 6. o si por el contrario no existe:   94 . Determinar si en los siguientes conjuntos de observaciones.000 $12. 6. Calcule moda de los siguientes conjuntos de datos: a.250 $35.500 $8. Más se repite c.

7.07. 4. 15 b. 2. 10. b. 10. 11. 2.18 c.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. 9. 7. El factor de crecimiento promedio de dinero compuesto con tasa de interés anual del 10%. 2. La medición fue hecha en las horas en las cuales se presentaba el mayor número de accidentes en dicho punto. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a. 1. 7. 10. 1. 10. 9. La secretaria de transito decidió realizar una medición de los índices de velocidad en un punto a las afueras de una ciudad. 4. el 9%. 10. 14. D4. el 12% y el 7% se obtiene determinando la media geométrica de 1. Para la siguiente tabla de distribución de frecuencias agrupadas. 18. el 8%. 7.12. c.12 y 1. 4. Calcular el número de intervalos y construir una tabla de frecuencias que describa la situación.10. 4. Interpretar cada resultado. 4. Hallar: D2. P22 y P94. Los resultados de la medición se registran a continuación 85 92 120 88 76 105 125 126 112 106 123 90 115 117 94 86 62 56 77 83 124 123 83 87 75 85 80 94 91 118 72 90 84 72 86 99 87 111 77 114 67 95 91 100 128 128 130 118 75 103 64 105 93 116 122 71 a. 1. Intervalos de clase Frecuencia 39 – 49 5 49 – 59 8 59 – 69 10 69 – 79 9 79 – 89 8 89 – 99 6 99 – 109 4 Total 50     95 .08. determine los tres cuartiles tanto teórica como gráficamente. 3. Calcule el factor de crecimiento promedio. 7. 18 AUTOEVALUACION LECCIÓN 15 1.09. Hallar los cuartiles y sacar varias conclusiones del estudio. 9. 16.10. 10. 2. 20 10.

A. Estadística Básica Aplicada. Ciro (2003).htm http://www. Santa fe de Bogotá. México: McGraw Hill.educarchile. Bogotá: Nueva Editorial Interamericana.es/rd/Recursos/rd98/Matematicas/01/matematicas-01. (1999). McGraw Hill.htm   96 . Howard B.10.mx/matematicas/estadisticas/xu3.ar/estadisitio/estaddes.cl/eduteca/estadistica/ http://www.cl/estentrada.aulafacil. Santa fe de Bogotá.html http://www. MARTÍNEZ BENCARDINO. Estadística Paso a Paso.elosiodelosantos. Ciro (2004). (1991). Estadística. Primer Curso. Murria R. Segunda edición.htm http://www. Serie de compendios Schaum.ing.83/estadistica/descriptiva. Santa fe de Bogotá: UNISUR. SPIEGEL. MARTÍNEZ BENCARDINO. Hernán (1995). Estadística para biología y ciencias de la salud. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   BIBLIOGRAFÍA DE LA UNIDAD BEJARANO BARRERA. SMITH. México: Editorial Trillas. J.edu. Santa fe de Bogotá: ECOE Ediciones. Primera edición. Curso de Estadística Elemental para las ciencias aplicadas. PORTILLA CHIMAL. MILTON.eneayudas.216. Santa fe de Bogotá: ECOE Ediciones.com/CursoEstadistica/CursoEstadistica. Madrid: McGraw Hill — Interamericana. Enrique (1980).UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Estadística Descriptiva.html http://148.unp.cica. Stanley.html http://thales.uaq. Introducción a la Estadística. Editorial Addison – Wesley Iberoamericana. Lincoyán (2001). http://www.com/descriptiva. PORTUS GOVINDEN.htm http://www. Estadística y Muestreo. Susan (1999). CHRISTENSEN. Estadística. (1992).

mx/SerEst/MAP/METODOS%20CUANTITATIV OS/Pye/tema_11.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.com/estadistica_15.edu.es/ztt/Tem/T11_Estadistica_Introduccion.iddeo.html http://www.rincondelvago.html#tema2 http://personal5.es/bioest/M_docente. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   http://www.htm http://html.universidadabierta.htm   97 .hrc.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Unidad Didáctica Dos MEDIDAS DE DISPERSIÓN Y ESTADÍSTICAS BIVARIANTES   98 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

UNIDAD 2. MEDIDAS DE DISPERSIÓN Y ESTADÍSTICAS BIVARIANTES

Lección 16 Rango o Recorrido CAPITULO 4.  MEDIDAS DE DISPERSIÓN  Lección 17 Varianza Lección 18 Coeficiente de variación Lección 19 Puntaje típico o estandarizado Lección 20 Medidas de asimetría y apuntamiento Lección 21 Regresión y correlación CAPITULO 5. MEDIDAS  ESTADÍSTICAS BIVARIANTES  Lección22 Diagrama de dispersión

Lección 23 Regresión lineal simple Lección 24 Correlación Lección 25 Regresión multiple

CAPITULO 6.  NÚMEROS INDICE   

Lección 26 Construcción de números índice Lección 27 Tipos de números índice Lección 28 Índices Simples Lección 29 Índices compuestos Lección 30 Uso de los números indice

 

99

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

INTRODUCCIÓN A LA UNIDAD

La Unidad Didáctica 1 se dedicó a explicar los métodos que deben aplicarse en una investigación estadística tales como la planeación, recolección, organización y presentación de ella. Esta unidad tiene como propósito indicar otros métodos para medir e interpretar el comportamiento de un conjunto de datos dados.

Se ha visto que tanto las tablas como las muy diversas formas de graficar la información describen fenómenos de una población o muestra, pero no siempre lo hacen en forma satisfactoria; es allí donde se hace visible la importancia de las medidas estadísticas bien sean univariantes, en donde interviene una variable, o bivariantes cuando lo hacen dos.

Esta Unidad Didáctica se ha dividido en tres grandes capítulos: Medidas Estadísticas Univariantes que pueden ser medidas de tendencia central vistas en el capitulo 3, medidas de dispersión y de asimetría, Medidas Estadísticas Bivariantes y números índices, obedeciendo al número de variables que intervienen en estos cálculos aritméticos. En el primer capítulo, se considerarán las medidas: de dispersión o variabilidad, de asimetría o de deformación y de apuntamiento o curtosis.

En los capítulos cinco y seis, se estudiará el comportamiento de dos variables, a fin de determinar si existe alguna relación entre sí y de cuantificar dicho grado de relación. Se desarrollarán aquí los conceptos de regresión y correlación de dos variables y el concepto y usos de los números índices.

 

100

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

OBJETIVOS ESPECÍFICOS
• • • • • • • • • • • • • • • •
Ejecutar las operaciones indicadas por la notación sumatoria y productoria. Desarrollar destrezas para calcular algunas medidas de tendencia central. Interpretar las medidas de tendencia central y comprender sus aplicaciones. Comparar las medidas de tendencia central y seleccionar la más útil según las circunstancias. Desarrollar destrezas para calcular algunas medidas de dispersión. Comparar las medidas de dispersión y seleccionar la más útil para una determinada aplicación. Reconocer que las medidas de dispersión complementan la descripción que proporcionan las medidas de tendencia central. Interpretar y utilizar las medidas de dispersión. Identificar los tipos de asimetría y apuntamiento en una distribución de datos. Identificar hechos que admitan intuitivamente un comportamiento lineal simple. Interpretar y manejar los conceptos de regresión y correlación. Dibujar y aplicar gráficos de dispersión. Calcular el coeficiente de correlación entre dos variables. Calcular la ecuación de regresión para dos variables. Identificar e interpretar correctamente números índices. Desarrollar destrezas necesarias para elaborar y aplicar números índices en circunstancias específicas.

 

101

2. La información que arrojan las medidas de tendencia central no siempre proporcionan conclusiones contundentes frente al conjunto de datos. Por ultimo se mencionarán unas nociones básicas sobre curvas asimétricas.0. o si al contrario existe tanta variabilidad en las notas de los estudiantes que puede ir desde 1. Pero es poco usada como medida de dispersión porque se deja afectar fácilmente de los valores extremos de poca frecuencia. después de la primera evaluación.1 LECCIÓN 16 RANGO O RECORRIDO Sobre esta medida ya se había trabajado en la construcción de las tablas de frecuencia agrupada. a un profesor de Estadística poco le dice la media aritmética al afirmar que el promedio de los estudiantes tiene el curso en 3. Medir esa variación respecto a los promedios es un cálculo importante en el tratamiento estadístico de datos.0 ya que no le termina de aclarar si el grupo completo está muy cerca de esa nota. Se trata de la diferencia entre el límite superior y el límite inferior de un conjunto de datos. sea por encima o por debajo de ella. La siguiente tabla de frecuencias reporta las calificaciones del grupo A y grupo B de estudiantes.1 CAPITULO 4. Se estudiará a continuación cómo resolver este tipo de problemas y qué medidas de dispersión usar. UNIDAD MEDIDAS DE DISPERSIÓN Y ESTADÍSTICAS BIVARIANTES 2. medidas a las que se les denomina de dispersión o de variación. pero también se descubrió que los datos extremos podían estar bastante alejados de esa tendencia central.0 hasta 5. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2. Por ejemplo. sólo requiere que los datos estén ordenados.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. MEDIDAS DE DISPERSIÓN Y ASIMETRÍA Se veía en el tema anterior la tendencia que tiene un conjunto de datos dado a agruparse hacia el centro. EJEMPLO 16.1 Un profesor de Estadística tiene a su cargo dos grupos de 40 estudiantes cada uno. ¿Hay diferencia alguna entre estos dos grupos?   102 . Es la medida de dispersión más fácil de calcular.1.

xA = ∑ fX n = 169.1.3 4.36 40 n RangoA = 5.0 de un solo estudiante interfiere muchísimo en el análisis verdadero del comportamiento académico de los estudiantes del grupo A.4 = 4.5 4.0 = 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.36 40 n RangoB = 5.0 − 4.2 4. observe que un dato extremo hace variar completamente el conjunto de datos y demuestra que. ellos se distribuyen de forma muy diferente.9 5.4 = 4.6   103 .0 4. Sin embargo.4 = 4. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Lo primero que se hace para verificar diferencias entre ambos grupos es calcular su media aritmética. comparado con otro.0 = 0. el cálculo de la media y el rango son insuficientes para arrojar análisis certero de comparación. Analice qué tanto cambian los valores de la media y el rango del grupo A de estudiantes si se elimina la nota de 5.0 = 1.6 − 4.0 = ∑ fX xB = 174. Observe que el grupo A es más compacto hacia las notas entre 4.0.7 4.8 4. xA = 174.1 4.34 39 RangoA = 4.0 − 4. Distribución de frecuencias de las calificaciones de estudiantes de Estadística Calificación 4.0 Total Frecuencia A B 1 2 2 9 3 7 16 4 10 5 4 4 3 3 0 2 0 1 0 1 1 2 40 40 Tanto la media como el rango de ambos conjuntos de datos son iguales.5 y 4.4 4.6 4.0. La nota de 5.0 = ∑ fX Tabla 4.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   En cambio. Se define como la media aritmética de los cuadrados de las desviaciones respecto a la media aritmética.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. QD 2 = Q3 − Q1 2 Ambas medidas son más confiables como variabilidad comparadas con el rango. Para eliminar la influencia de los extremos en el cálculo del rango. ella a su vez da origen a otra mucho más significativa: la desviación típica o estándar. Se simboliza s2 para la varianza muestral y σ2 para la varianza poblacional. De la misma manera. es común hacer uso del rango intercuartílico que consiste en determinar la diferencia entre el tercer cuartil y el primero.1. las calificaciones del grupo B se distribuyen mejor alrededor de todo el rango de datos. el rango interdecil corresponde a la diferencia entre el noveno y el primer decil: DR = D9 − D1 2.2 LECCIÓN 17 VARIANZA Y DESVIACIÓN ESTÁNDAR Es una de las medidas más usadas en estadística. Para datos no agrupados: s 2 ∑ ( X − x) = n 2 ⇒ s 2 ∑X = n 2 − x2 Para datos agrupados:   104 . Q D = Q3 − Q1 El rango semiintercuartílico o desviación cuartil se obtiene calculando el rango intercuartílico y dividiendo este entre dos. sin embargo presentan inconvenientes para su uso puesto que no consideran todos los valores de la distribución y puede ocurrir que los valores inferiores a Q1 o superiores a Q3 estén o muy compactos o muy dispersos sin que esto afecte a QD y no sea reflejado en su resultado.

medidas difíciles de interpretar. Es fácil calcular que ambas empresas tienen una media de x = 2. 2.03 pulg. Empresa A Empresa B 1. Haga un análisis de variabilidad de ambas empresas.0 pulgadas.50 pulg. Las unidades de la varianza son los cuadrados de las unidades de los datos: pesos cuadrados. por lo que se hace uso de la primera ecuación: s 2 A ∑X = n 2 s2B = n ∑X2 1. 2. EJEMPLO 17. para visualizar mejor esto se analizan sus respectivas varianzas. en cuanto a su variabilidad absoluta. en su producción. Tenga en cuenta que los datos no están agrupados.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.0 2 = 0.1 Se quiere conocer la verdadera calidad de producción en dos empresas fabricantes de tornillos para fuselaje.80 2 + 2.70 pulg. el tamaño de sus tornillos mientras que la empresa A mantiene un rango constante en el tamaño de los tornillos que produce. se pueden utilizar sus varianzas de manera que el resultado indique cuál de ellas es más homogénea o cuál es más heterogénea.80 pulg.   105 . 1. etc. De allí que la varianza de origen a la desviación típica o estándar.0 2 = 0. 2..02 pulg. La siguiente tabla indica las longitudes de una muestra de tres tornillos tomados al azar. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   s 2 ∑ f ( X − x) = n 2 ⇒ s 2 ∑ f ⋅X = n 2 − x2 La varianza indica la desviación de los datos respecto a la media.95 pulg.127 3 Observe que la empresa A tiene una variación mayor respecto a la empresa B en cuanto a la calidad en la fabricación de tornillos. alumnos cuadrados.02 2 −x = − 2.001 3 2 − x2 = 1. Esto quiere decir que la empresa B varía mucho.70 2 + 1.50 2 − 2. 1.03 2 + 2. Para comparar dos distribuciones. Pero las muestras difieren mucho en sus tamaños.95 2 + 2.

01 50 763.85 761. Esta es la medida de dispersión más conocida y más utilizada en el análisis de datos estadísticos.0 Total Frecuencia A B 1 2 2 9 3 7 16 4 10 5 4 4 3 3 0 2 0 1 0 1 1 2 40 40 X2  16 16 16.92 18.48 22.01 0 25 25 223. Para datos no agrupados: s= ∑( X − x) n 2 ⇒ s= ∑X n 2 − x2 Para datos agrupados: s= ∑ f ( X − x) n 2 ⇒ s= ∑ f ⋅X n 2 − x2 EJEMPLO 17.16 63.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.9 5.29 123.04 0 24.6 4.62 17.81 33.8 4.36 193.64 52.6 20.04 24.48 73.2.8 81 63.0 4.2 4.48 44. se está en capacidad de hacer un análisis mucho más riguroso de la variabilidad de las calificaciones de los estudiantes de Estadística del ejemplo 16.46   106 . Distribución de frecuencias de las calificaciones de estudiantes de Estadística f∙X2  A B 32 151.1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2.2.24 Calificación 4.1 4.3 4.1.09 0 23.7 4.2 Después de estudiar los conceptos de varianza y desviación estándar.49 295.25 81 21.18 23.1 Desviación típica o estándar Esta medida se obtiene extrayendo la raíz cuadrada de la varianza.84 19. tomando siempre el valor positivo.96 96. Tabla 4.5 4. Se simboliza por s en la muestra y σ en la población.4 4.

0714 = 0.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.24 − 4. Cuando se comparan dos o más conjuntos de datos con unidades de medida de observación diferentes.) 2.267 40 La varianza del grupo B es mayor que la del grupo A. El valor de la desviación estándar puede incrementarse drásticamente cuando se incluye uno o más datos distantes. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Para el grupo A se tiene: sA = ∑f ⋅X n 2 − x2 = 761. El valor de la desviación estándar siempre es positivo y sólo es igual a cero cuando los valores de los datos son iguales.36 2 = 0. Si el valor de la desviación estándar es muy grande. de lo contrario estas apreciaciones no aportarán una buena conclusión sobre las series que se comparan. Si las unidades de observación de los conjuntos de datos son iguales. Las unidades de la desviación estándar son las mismas de los datos originales (pulgadas.46 − 4. en otras palabras. se tiene: sB = ∑f ⋅X n 2 − x2 = 763.0269 = 0. en el grupo B hubo mayor estabilidad en las notas alrededor de su media: 4. centímetros.164 40 Y para el grupo B de estudiantes. este indica mayor variación en el grupo de datos. no es posible compararlas con estas medidas absolutas. etc.   107 .36.3 LECCIÓN 18 COEFICIENTE DE VARIACIÓN Y DESVIACIÓN MEDIA Las medidas de dispersión que se han estudiado son medidas absolutas y se expresan en las mismas unidades con las que se mide la variable. se dice entonces que los datos del grupo B tiene mayor variabilidad que los del grupo A. Es importante tener en cuenta las siguientes propiedades de la desviación estándar: • • • • • La desviación estándar es una medida de variación de todos los valores con respecto a la media.1.36 2 = 0. estos pueden compararse usando cualquiera de estos estadísticos (como en el ejemplo anterior) pero siempre y cuando la media aritmética sea la misma.

                                                             5 Recuerde que el valor absoluto de un número indica siempre su valor positivo. sin embargo este valor no proporciona una relación matemática precisa con la posición de un dato dentro de la distribución y. Es una de las medidas más fáciles de calcular y por ello. tomadas en valor absoluto5. puesto que se toman los valores absolutos. Ella toma todos los valores de la variable y es menos afectada que la desviación estándar por los valores extremos. en estadística se usa el coeficiente de variación y así se puede determinar cuál serie tiene mayor o menor variabilidad relativa. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Para efectuar comparaciones entre series de observaciones distintas. Su valor siempre será menor que la desviación estándar. se recomienda trabajar en los módulos de Matemáticas Básicas o Álgebra. 2. muy usada. 2 = 2 . Trigonometría y Geometría Analítica de la UNAD o cualquier otro texto de matemáticas básicas.3.   108 . CV = s × 100% x Cuando el coeficiente de variación es muy alto se dice que la media aritmética no es lo suficientemente representativa en la distribución. mayor será la dispersión de los datos.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1. Si requiere repasar este tema. Por ejemplo: − 2 = 2 . Para datos no agrupados: DM = ∑ X −x n Para datos agrupados: DM = ∑ f ⋅ X −x n Cuanto mayor sea el valor de la desviación media.1 Desviación media Se define como la media aritmética de las desviaciones respecto a la media. mide la desviación de una observación sin determinar si está por encima o por debajo de la media aritmética.

36 × 100% = 13.49% 692 57.31% Coeficiente de desviación media: CVM = 643 El CVM es menor que el CV debido a que la desviación media es menor que la desviación estándar.27% 692 Coeficiente de variación: CV = Empresa B: Media aritmética: x = 643 Varianza: s 2 = 14396 Desviación estándar: s = 119. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   De la misma manera que la desviación estándar.66% 643 104. Calcular los coeficientes de variación y de desviación media.1 Los siguientes datos corresponden a los salarios de 10 empleados (en miles de pesos) de dos empresas de alimentos. Estos resultados llevan a las siguientes conclusiones:   109 .86 × 100% = 16.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.86 119. a la desviación media puede calculársele el coeficiente de desviación media: CVM = DM × 100% x EJEMPLO 18.98 Coeficiente de variación: CV = × 100% = 18.36 Desviación media: DM = 57.98 Desviación media: DM = 104.2 Coeficiente de desviación media: CVM = × 100% = 8. Empresa A: $420 $680 $690 $720 $720 $720 $730 $740 $740 $760 Empresa B: $415 $480 $510 $650 $700 $700 $730 $735 $750 $760 Empresa A: Media aritmética: x = 692 Varianza: s 2 = 8716 Desviación estándar: s = 93.2 93.

980. denominada distribución normal.1. así como diferentes   110 . en unidades de desviación estándar. su polígono de frecuencias revelará una forma de campana muy común en estadística. que en términos de la desviación estándar esto es $119. En el eje horizontal se ubican los valores que toma la variable y en el vertical la frecuencia absoluta o relativa. En cambio.4 LECCIÓN 19 PUNTAJE TÍPICO O ESTANDARIZADO Cuando se tiene una distribución simétrica.360.1. determinándose así la posición relativa de una observación dentro del conjunto de datos. el puntaje Z es útil para comparar datos individuales de distribuciones que tienen distintas unidades de medida. 2. es una medida de dispersión muy utilizada como variable estadística en este tipo de distribución. de error. Esta curva es llamada curva normal. de probabilidad o campana de Gauss. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • • • El salario promedio de los 10 empleados de la empresa A es de $692. En la empresa B los salarios varían grandemente respecto al media: en 14396 miles de pesos cuadrados. mientras que en la empresa B el salario promedio es de sólo $643. se simboliza por t. pero cuando el tamaño de la muestra es menor de 30. El área bajo la curva tendrá un valor del 100% Figura 4. El puntaje estandarizado mide la desviación de una observación con respecto a la media aritmética. Curva normal o campana de Gauss El puntaje típico o estandarizado o variable normalizada. esto indica la variación relativa de los salarios en ambas empresas.000. Z= X −x s Por ser adimensional. El coeficiente de variación y el coeficiente de variación media de la empresa B son menores a los coeficientes calculados para la empresa A.000. en la empresa A la variación es de $93.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. En ella la media aritmética se localiza en la mitad de la distribución. Por lo general se simboliza por Z.

¿En cuál curso hubo mayor dispersión absoluta? ¿En cuál hubo mayor dispersión relativa? b. un grupo de 150 estudiantes de primer semestre de Regencia de Farmacia del CEAD de Medellín obtuvieron los siguientes resultados en el puntaje final de los cursos Lógica Matemática y Estadística Descriptiva: • • Lógica Matemática: puntuación media de 3.9 y varianza 3. EJEMPLO 19. Estadística Descriptiva: puntuación media de 3. aunque no es mucha la diferencia. pues 1. Dentro de sus propiedades.79 Se tiene entonces que en Lógica Matemática hubo una mayor dispersión absoluta.7 Para Estadística Descriptiva: CV = × 100 = 46% 3.8 y en Estadística Descriptiva 3. se requiere estandarizar las calificaciones convirtiéndolas en puntuaciones Z.7 En Estadística Descriptiva hubo una mayor dispersión relativa 46%>45.7.1 Al terminar el semestre. se recurre al coeficiente de variación: 1. a. Recuerde que la desviación estándar es la raíz cuadrada de la varianza.7 y desviación estándar 1.   111 .2 → s = 3. Para el cálculo de la puntuación relativa.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.79 Para Lógica Matemática: CV = × 100 = 45. Para saber en cuál hubo mayor dispersión relativa. Para determinar la dispersión absoluta. Observe que en los datos suministrados. Si un estudiante obtuvo como nota final en Lógica Matemática 3.2. Para Lógica Matemática: s 2 = 3.9% 3. ¿En cuál curso fue su puntuación relativa superior? a. ya se tiene el valor de la desviación estándar de las calificaciones de Estadística Descriptiva en cambio. se tiene la varianza de las calificaciones de Lógica Matemática. se hace uso del puntaje estandarizado. Es decir.7.9 1.79>1.9% b. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   medias y desviaciones estándar. basta con hacer una comparación entre sus desviaciones estándar.2 = 1.5. las más importantes son que su media es cero y su desviación estándar y varianza es uno.

como Probabilidad.8 en Lógica Matemática y 3.3. mediana y moda (ver sección 1. su puntuación Z correspondiente será negativa.7 Z= = = −0.5 en Estadística Descriptiva.1. 2.5 LECCIÓN 20 MEDIDAS DE ASIMETRÍA Y APUNTAMIENTO Después de conocer cómo varía un grupo de datos respecto a su media e identificar otras medidas de variación. en tanto que la moda no es influenciada ni por las frecuencias ni por los valores extremos (ver figura 3. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Lógica Matemática: Estadistica descriptiva Z= x − x 3.06 s 1. este tema se profundiza más. se dice que la puntuación relativa del estudiante fue superior en Lógica Matemática.12 s 1.5 − 3. está por debajo del promedio del grupo en ambos cursos. En cursos más avanzados.4.8 − 3.06 se encuentra más cera a 0 (la media de la variable estandarizada). En una distribución simétrica se tiene que: x = Me = Mo En las distribuciones asimétricas la media se corre en el sentido del alargamiento o sesgo por efecto de las frecuencias y de los valores extremos de la variable.1.9 = = −0. la mediana también se corre pero menos que la media ya que en ella sólo influyen las frecuencias.1. de la presente Unidad   112 .5. 2. Este es un principio del puntaje estandarizado: Siempre que un valor sea menor que la media.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1.79 x − x 3.7 Estos valores de puntuación Z negativos indican que ambas calificaciones se encuentran por debajo de la media. Estos resultados afirman entonces que el estudiante con calificaciones de 3. pero para los objetivos que se trazan en este curso basta con las nociones que se desarrollan a continuación. se trabajará a continuación unas nociones básicas sobre curvas asimétricas. Dado que -0.1 Asimetría Ya se ha mencionado algo sobre los efectos de la asimetría respecto a la media. de la Unidad Didáctica uno).

As = • x − Mo s ⇔ As = 3 ⋅ ( x − Me) s Media cuartil de asimetría o media de Bowley. porque con frecuencia es más fácil obtener valores excepcionalmente grandes que valores excepcionalmente pequeños. 2. los sueldos.5. Se reconocen. pueden presentar diferentes grados de apuntamiento o altura de la cima de la curva. entre otras. Varía entre ±1 y es 0 en la distribución normal. Esta agudeza en la cima se observa en la moda. Si As > 0 la distribución es asimétrica positiva. Si As < 0 la distribución es asimétrica negativa. Varía entre ±3 y es 0 en la distribución normal. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Didáctica). etc.   113 . las calificaciones en pruebas. Ejemplo de ello es la distribución de valores en los consumos de servicios públicos. La distribución es asimétrica positiva cuando presenta un alargamiento o sesgo a la derecha y: Mo < Me < x Será asimétrica negativa cuando presenta un alargamiento o sesgo a la izquierda y: x < Me < Mo Las asimetrías positivas son las más frecuentes que las sesgadas hacia la izquierda. las siguientes medidas para calcular el grado de la asimetría: • Coeficiente de Pearson. comparadas con la curva de distribución normal.1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.2 Apuntamiento o curtosis Las curvas de distribución. Asimetría en función de la media y la moda. As = Q1 + Q3 − 2Q2 Q3 − Q1 Si As = 0 la distribución es simétrica.

recibe el nombre de apuntada o leptocúrtica. Cultura Política. Si Ap > 3 la distribución es apuntada o leptocúrtica. Estadística Descriptiva y Herramientas Informáticas.   114 . arroja los resultados de la investigación realizada por el funcionario. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Si la curva es más plana que la normal se dice que la curva es platicúrtica. La curtosis es la medida de la altura de la curva y esta dada por: ∑Z Ap = 4 i ⋅ fi 4 n⋅s Si Ap = 3 la distribución es normal o mesocúrtica. La siguiente tabla. Para esto selecciona una muestra de 55 estudiantes de los distintos programas que se ofrecen en el CEAD. EJEMPLO 20. Si la distribución es normal.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Si Ap < 3 la distribución es achatada o platicúrtica. Otra medida de curtosis que se emplea está basada en el rango semiintercuartílico y los percentiles 10 y 9: Ap = QD 2 Q3 − Q1 = P90 − P10 2( P90 − P10 ) En el siguiente ejemplo se explicarán mejor las medidas de asimetría y apuntamiento. si es más aguda que la normal. en los cursos de Lógica Matemática.1 El coordinador académico del CEAD de Valledupar desea conocer el rendimiento académico de los estudiantes de primer semestre en el 2005. Competencias Comunicativas. la curva se conoce también como mesocúrtica.

75 3. Distribución de frecuencias de las calificaciones de primer semestre en Valledupar Calificación 0.0 3.5 4.12 1.0 2.20 1.0 1.5 1.5 2. pues la distribución tiene dos modas y no permite un resultado seguro con el coeficiente de Pearson.   115 .20 2.25 2.5 y 2.45 1.84 1.5 2.5 3.0 3.0 Herramientas Informáticas 2.5 y 3.5 1.5 3.5 3.0 3.1.3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.0 3.0 2.5 1.4 x Me Mo s2 s Q1 Q2 Q3 2.5 2.0 2.0 1.3 Lógica Matemática ( Asimétrica Positiva) Se observa que Mo < Me < x .0 1.5 Estadística Descriptiva 2.5 2.5 Cultura Política 2.76 0. Para confirmarlo se hace uso del coeficiente de Pearson y la media de Bowley: En este caso se trabajará con la media de Bowley.45 1.5 2.5 2.5. 2.0. lo que indica que la distribución es asimétrica positiva.0 1.0 3.0 y 3.5 3.87 2.06 2.0 0. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Tabla 4.5 2.53 2.0 Competencias Comunicativas 2.5 0.5 2.5 5.36 1.0 Total Lógica Competencias Cultura Estadística Herramientas Matemática Comunicativas Política Descriptiva Informáticas 1 3 2 1 1 4 3 2 1 2 7 5 3 2 3 9 6 4 4 7 9 7 6 11 9 8 7 8 14 11 6 7 9 12 9 4 6 9 6 7 3 5 7 3 3 2 3 4 1 2 2 3 1 0 1 55 55 55 55 55 En la tabla siguiente se reporta un resumen de las medidas estadísticas por cada uno de los cursos (¡compruébelo!): Medida Lógica Matemática 2.0 4.

5 Q3 − Q1 El polígono de frecuencias de las calificaciones de Competencias Comunicativas confirma los resultados.0 0.1.   116 .5 2.5 Q3 − Q1 El polígono de frecuencias de las calificaciones de Lógica Matemática confirma los resultados. 2.5 + 3.5) = =0 3.5 5.5 3.0 1.2.5 − 1.5 + 3 − 2(2) = = 0.5.5 − 2(2.0 3.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. As = Q1 + Q3 − 2Q2 1.0 2. Para confirmarlo se hace uso del coeficiente de Bowley. Curva asimétrica positiva Polígono de frecuencias de calificaciones de Lógica Matemática 10 9 8 Frecuencia 7 6 5 4 3 2 1 0.0 4.5 1.33 > 0 3 − 1.5 4.0 Calificación La curva lleva a concluir que la mayoría de los estudiantes están por debajo de la media en el curso de Lógica Matemática y son pocos los estudiantes que la superan. Figura 4. lo que indica que la distribución es simétrica. pues la distribución tiene tres modas y no permite un resultado seguro con el coeficiente de Pearson. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   As = Q1 + Q3 − 2Q2 1.4 Competencias Comunicativas (Simétrica) Se observa que Mo = Me = x .

470588235 -1.0309024 34.5 3.39910869 1.0309024 7.0 4.470588235 1.7538628 7.0 4.0 Calificación Para determinar el grado de apuntamiento o curtosis.5 1.838235294 -1.0 0.4. se debe determinar el puntaje típico o estandarizado de cada clase y luego aplicar la fórmula que lo calcula.7538628 0. En la siguiente tabla se indican estos valores.0 2.0 3.3.5 2.0 3.5 2.102941176 -0. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 4. 10 9 8 7 Frecuencia 6 5 4 3 2 1 0. Curva simétrica platicúrtica Polígono de frecuencias de calificaciones de Competencias Comunicativas con el coeficiente de Pearson.735294118 -0.12788583 1.838235294 0 Zi f i 34.2551328 115.5 5.12788583 0 0.0 1.367647059 0.0 0.133785 4   117 . Cálculo de Z para la distribución de frecuencias de las calificaciones de Competencias Comunicativas Calificación 0.367647059 0 0.102941176 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Tabla 4.39910869 14.5 4.5 3.0 1.0 Total f 3 3 5 6 7 7 7 6 5 3 3 55 Z -1.2551328 14.5 4.0 2.735294118 1.5 5.5 1.

0 2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ∑Z Ap = 4 i 4 fi n⋅s ⇒ Ap = 115. Figura 4.5 2. además sus notas son muy homogéneas alrededor de la media.5 − 2(3. lo que indica que la distribución es asimétrica negativa. 2.5 Cultura Política (Asimétrica Negativa) Se observa que Mo > Me > x . Curva asimétrica negativa Polígono de frecuencias de calificaciones de Cultura Política 10 9 8 7 Frecuencia 6 5 4 3 2 1 0.33 < 0 3.0 0. Estos resultados indican que la mayoría de los estudiantes en Competencias Comunicativas están en el rango de la media del curso.0 Q3 − Q1 As = El polígono de frecuencias de las calificaciones de Cultura Política confirma los resultados. pues la distribución tiene dos modas y no permite un resultado seguro con el coeficiente de Pearson. Q1 + Q3 − 2Q2 2.0 1.5 4.0 4.13 = 0.4.0) = = −0.   118 .62 < 3 55 × 1. la curva es simétrica platicúrtica o achatada.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.0 Esto quiere decir que las calificaciones de la mayoría de los estudiantes del curso Cultura Política están por encima de la media.5 1.5. Para confirmarlo se hace uso de la media de Bowley.36 4 Por lo tanto.5 Calificación 3.5 − 2.0 3.1.0 + 3.5 5.

Tabla 4.02210536 9.75862069 -1.264367816 -1. En la tabla siguiente tabla se indican estos valores.87 Q + Q3 − 2Q2 2.6419753 19.571331981 Zi f i 71.5 3.333333333 -1.114942529 1.0 + 3.5 = = 0.689655172 2. se debe determinar el puntaje típico o estandarizado de cada clase y luego aplicar la fórmula que lo calcula.0 Total f 1 1 2 4 11 14 12 6 3 1 0 55 4 i 4 Z -2.289837 0 190.5 4.1301647 7.6 Estadística Descriptiva Se observa que Mo = Me = x .908045977 -2.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.85835926 1. un pico en 2.034482759 0.352941176 -4. lo que indica que la distribución es simétrica.609195402 -0.5 5.05 > 3 55 × 0.0 1.03 ≈ 0 s 0.5.70 = 6.183908046 -0.0 As = Para determinar el grado de apuntamiento o curtosis.5) As = 1 = =0 Q3 − Q1 3.5 1.5 Cálculo de Z para la distribución de frecuencia de las calificaciones de Estadística Descriptiva Calificación 0.9794E-05 1.0 3.51502275 1.5. Para confirmarlo se hace uso del coeficiente de Pearson y la media de Bowley: x − Mo 2.0 − 2.27173856 24. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2. Esto indica que las calificaciones de Estadística Descriptiva de la muestra de 55 estudiantes están muy cerca de la media y que existe además.1.4519547 26. la curva es simétrica leptocúrtica o apuntada.   119 .0 2. señalando una alta frecuencia en esta calificación.0 4.5 2.697484 4 ∑Z Ap = fi n⋅s ⇒ Ap = 190.516306 29.53 − 2.0 0.540229885 1.87 4 Por lo tanto.0 − 2(2.

que bien pudieran ser ambas discretas o continuas. 2. En este capítulo se estudiará el comportamiento de dos variables: distribuciones bivariantes. Para confirmarlo se hace uso del coeficiente de Pearson: Frecuencia As = x − Mo 2. o también una de ellas discreta y la otra continua. 2.5.5 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.1.0 0. La curva es simétrica mesocúrtica o normal. Curva simétrica leptocúrtica Polígono de frecuencias de calificaciones de Estadística Descriptiva 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 0. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Figura 4.5 − 2.5 = =0 s 1. lo que indica que la distribución es simétrica. Verifíquelo y construya la gráfica.0 3. salarios y horas de trabajo.2 CAPITULO 5 MEDIDAS ESTADÍSTICAS BIVARIANTES Hasta ahora se ha estudiado el análisis de una sola variable.5. En este capítulo se desarrolla el tema de la Regresión y Correlación lineal y los Números Índice.5 5.5 4.06 El polígono de frecuencias de las calificaciones de Herramientas Informáticas confirma los resultados. calculando los estadísticos de muestras que permiten describir e interpretar la distribución de esa variable. oferta y   120 .1 LECCIÓN 21 REGRESIÓN Y CORRELACIÓN En muchos casos se requiere conocer más que el comportamiento de una sola variable.0 2.0 2. con el fin de determinar si existe alguna relación entre las variables.0 1.2.0 4.5 Calificación 3.7 Herramientas Informáticas Se observa que Mo = Me = x . se requiere conocer la relación entre dos o más variables como la relación entre producción y consumo.5 2.

salarios y productividad. Muchos de estos comportamientos tienen una tendencia lineal. Además si es igual a -1. sin embargo. los valores de la segunda variable. la altura de un árbol y el diámetro de su tronco. por ser la pendiente negativa. dado que los puntos se ubican de forma dispersa en el plano cartesiano.   121 . A continuación se describirá brevemente en qué consiste un diagrama de dispersión y cuáles son los criterios que deben tenerse en cuenta para hallar la mejor línea o línea de tendencia del comportamiento de las variables. y por tanto la varianza residual es igual a cero. ubicando en el eje horizontal o abscisa los valores de la primera variable denominada X y en el eje vertical u ordenada. nos indica que tanto la covarianza. Y. r siendo este un valor entre -1 y 1. etc. el nivel socioeconómico de una persona y su grado de depresión. aunque hay muchos otros que lo hacen de forma curva. cada valor de la variable deberá ser exactamente igual al estimado. Decimos que la mejor línea que se ajusta a un conjunto de puntos es aquella en donde la suma de los cuadrados de las diferencias entre los valores reales y los estimados es mínima. Para determinar el grado de correlación entre las variables. De manera pues que se grafican tantas parejas ordenadas como observaciones hayan de las variables. en este curso sólo se trabajará sobre variables con correlación lineal. frecuentemente se utiliza un coeficiente de correlación rectilíneo.2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   demanda. y la varianza explicada igual a la varianza total. La palabra regresión la utilizamos para significar la estimación de una variable en función de otro valor conocido.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. no basta con calcular la varianza explicada. nos indica que existe una perfecta correlación en otras palabras. correspondiente a la otra variable. como los coeficientes angulares.2 LECCIÓN 22 DIAGRAMA DE DISPERSIÓN Una distribución bidimensional o bivariante puede representarse gráficamente en un plano cartesiano. 2. Si el coeficiente de correlación r es igual o menor que uno. son negativos y por tanto la recta será descendente. A este conjunto de puntos o nube de puntos se le denomina diagrama de dispersión. pues existe el coeficiente de determinación o coeficiente de correlación al cuadrado.

se conoce la distribución y se va adquiriendo experiencia en su cálculo y determinación. Se trata pues de una dependencia funcional entre las variables. LECCIÓN 23 REGRESIÓN LINEAL SIMPLE La regresión examina la relación entre dos variables restringiendo una de ellas respecto a la otra.3 . después de una inspección en la gráfica de dispersión. La regresión es un método que se emplea para pronosticar o predecir el valor de una variable en función de los valores dados de la otra (o de las otras. una (la X) será la variable independiente mientras que la otra (la Y) será la variable dependiente. cuando se trabaja más de dos variables). (c) sin relación Y Y Y (a) X (b) X (c) X 2. que puede ser lineal (hacia arriba o hacia abajo). Se habla así de una regresión de Y sobre (o en función de) X. Cuando se trata de dos variables. La mejor línea es aquella que hace mínima la suma de los cuadrados de las diferencias entre los puntos dados y los obtenidos mediante la línea ajustada o   122 . exponencial. que una línea recta es la mejor curva que se ajusta al conjunto de puntos se procede entonces a emplear el método de la regresión lineal simple. (b) curvilínea.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. curvilínea o poligonal. Figura 5. Cuando se considera. Gráficas de dispersión (a) lineal. El mejor ajuste se hace cuando se elabora bien la gráfica. Parte del análisis estadístico que hace el investigador es determinar cuál es la mejor línea o curva que representa a ese conjunto de datos.2. con el objeto de estudiar las variaciones de la primera cuando la otra permanece constante.1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   En muchos casos el sólo diagrama de dispersión indica una tendencia de agrupación de los puntos.

La ecuación de la recta estimada está dada por: ˆ Y = a + bX Donde: ˆ Y: Variable dependiente (la que se va a predecir) a: Intercepto de la variable Y X : Variable independiente b: Pendiente de la recta En esta ecuación hay dos valores desconocidas: a y b. Se tiene entonces: n∑ XY − ∑ X ∑ Y n∑ X − (∑ X ) 2 2 b= a= ∑ Y − b∑ X n Donde: b: Pendiente de la recta a: Intercepto de la variable Y X: Valores de la variable independiente Y: Valores de la variable dependiente n: Tamaño de la muestra Algunos autores calcular los valores de a y b en términos de las medias de de los conjuntos de datos con las siguientes dos ecuaciones: b= ∑ ( X − x )(Y − y ) ∑ ( X − x) 2 a = y − bx Donde: X: Valores de la variable independiente x: Media del conjunto de datos de la variable X Y: Valores de la variable dependiente y: Media del conjunto de datos de la variable Y   123 . que deben determinarse aplicando el criterio de los mínimos cuadrados. buscando así la mejor recta que se ajuste a los datos. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   estimada. Es por eso que a este método también se le conoce como el método de los mínimos cuadrados.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

la decisión la toma el investigador.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Relación de ventas de un producto y la emisión del comercial en televisión Ventas Cientos de unidades por mes 8. Diagrama de dispersión de ventas de un producto y la emisión del comercial en televisión 16 Número de comerciales transmitidos por día 14 12 10 8 6 4 2 0 0 2 4 6 8 10 12 14 16 V e n ta s.1 10 12.2 7. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   EJEMPLO 23. 6   124 . cien to s de u nid ad e s po r m e s El diagrama confirma la sospecha. se procede ahora a determinar la ecuación de la recta que más se ajusta. En este ejemplo se presenta el cálculo con las dos ecuaciones de modo que el estudiante tenga criterio para decidir cómo hacer sus propios cálculos. toma una muestra aleatoria de siete ciudades.4 Comerciales Número transmitido por día 9 6 8 11 12 13 14 Para conocer el tipo de relación que puede existir entre estas dos variables.1 14.9 12. Figura 5.1 El departamento de publicidad de una industria alimenticia desea saber si existe una relación entre las ventas y el número de comerciales de televisión transmitidos por día.2.4 5. La siguiente tabla muestra los resultados obtenidos. Para ello. Para ello se hace uso del método de los mínimos cuadrados6. Tabla 5.1.                                                              Puede usarse cualquiera de las ecuaciones propuestas. el primer paso es determinar es si el diagrama de dispersión efectivamente insinúa una tendencia lineal.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.85 × 70.1) 13.1)(73) 393.85 X + 1.43 7 En la siguiente tabla se resumen todos los cálculos necesarios para determinara la ecuación de la recta ajustada.92 7 7 De modo que la ecuación de la recta ajustada está dada por: ˆ Y = 0.92 Si se quisiera hacer el cálculo con la segunda ecuación planteada.3 201.4 70.41 146.415 = = 1.1887 ∑ ( X − x) 2   125 .85 463.1 = 10.2 7.1 10 12.9 12.1 14.4 5.04 50.8 = = 0.2571 = 0.6 31. Se tiene entonces: b= ∑ ( X − x )(Y − y ) = 56. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ˆ Y = a + bX Donde: b= n∑ XY − ∑ X ∑ Y n∑ X − (∑ X ) 2 2 a= ∑ Y − b∑ X n X2  70.2 56.6 787.3 − (70.1) 2 a= ∑ Y − b∑ X n = 73 − (0.41 207.01 7 y= ∑Y n = 73 = 10.8 110 154.3 b= n∑ XY − ∑ X ∑ Y n∑ X − (∑ X ) 2 2 = 7 × 787.85 66. se debe determinar primero las medias de cada conjunto de datos.56 27.32 7 × 768.1 Y  Comerciales 9 6 8 11 12 13 14 73 XY  75. x= ∑X n = 70.19 X  Ventas 8.8 157.19 − (70.41 100 166.36 768.

0001 8.43 0.1 10 12. si es 0 indica que no existe relación alguna y los valores extremos +1 y -1 indican una correlación perfecta positiva o negativa respectivamente.57 2.43 − (0. si al aumentar o disminuir los valores de la variable independiente aumentan o   126 .4681 0.2571 ( X − x)2 2. Figura 5.57 1.5921 23.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Los coeficientes de correlación son números que varían entre +1 y -1.3083 7.3023 21.03 Y−y -1.43 -4.43 -2.2721 66.09 4.91 -0.01 ( X − x )(Y − y ) 2.01) = 1.92 La ecuación de la recta ajustada está dada por: ) Y = 0.92 X  Ventas 8.1 14.2.4 LECCIÓN 24 CORRELACIÓN La correlación entre dos variables busca determinar el grado de relación que existe entre ellas dos.3.3681 19. Gráficas de dispersión lineal (a) positiva.01 2.57 -0.4 5.81 -2. Su magnitud indica el grado de asociación entre las variables.57 3.4 70.89 2.39 0.0057 4.85)(10.61 -4.3713 15.2 7.1361 8.0713 -0. (b) negativa Y Y (a) X (b) X Se dice que existe una correlación lineal positiva entre dos variables.85 X + 1.1 Y  Comerciales 9 6 8 11 12 13 14 73 X −x -1.5373 5.9 12.1887 2. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a = y − bx = 10.3521 4. Ella se calcula con los coeficientes de correlación.6723 56.

En cambio. El error estándar indicará la dispersión o la variabilidad de los valores observados alrededor de la línea de regresión y se calcula a partir de la siguiente ecuación: Se = ∑ (Y − Y ) n−2 ) 2 Donde: Se : Error estándar del estimado Y: Valores de la variable dependiente ) Y: Valores estimados de la ecuación n: Tamaño de la muestra Esta ecuación implica demasiadas operaciones. de determinar las variaciones de la variable dependiente mediante el coeficiente de determinación (R2). se dice que la correlación lineal es negativa. es necesario medir qué porcentaje de la información es recogida o explicada por el modelo de regresión escogido. 0 ≤ R 2 ≤ 1 Se 2 : Varianza del error estimado. s2 : y Varianza de la variable dependiente Y. En un gráfico de dispersión. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   disminuyen los de la variable dependiente. o viceversa.   127 .3. Se trata pues de medir el grado de confiabilidad de la ecuación de la recta estimada. cuando al aumentar los valores de la variable independiente disminuyen los valores de la variable dependiente. la nube de puntos tiene forma ascendente y por tanto la recta que se ajusta tendrá una pendiente positiva. es necesario conocer primero el error estándar del estimado de la recta ajustada. Se trata pues.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. por lo que suele utilizarse un método más breve: Se = n−2 Una vez obtenido el error estándar del estimado. ∑Y 2 − a ∑ Y − b∑ XY R2 = 1− Se 2 s2 y Donde: R 2 : Coeficiente de determinación. En este caso la nube de puntos descenderá de izquierda a derecha y la pendiente de la recta ajustada será negativa (ver figura 5.) Para determinar el coeficiente de correlación.

80 < r < -0.80 0.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.85)(787.60 0 < r < 0.80 < r < 0.3) = 0.30 < r 0 Interpretación Correlación perfecta Correlación excelente Correlación aceptable Correlación regular Correlación mínima No hay correlación Tomado de “Estadística Básica Aplicada”. la varianza de la variable dependiente Y. Se = ∑Y 2 − a ∑ Y − b∑ XY n−2 = 811 − (1.90 -0.07 7 ⇒ r = R 2 = 0.1 Determinar el error estándar de la recta ajustada en el ejemplo 23.30 -0. se dice que el modelo de regresión lineal ajustado tiene un alto grado de confiabilidad. EJEMPLO 24.92)(73) − (0. Ciro Martínez Bencardino.60 -0.919 2 7. El coeficiente de correlación lineal r.57 = 1− = 0.96 R2 = 1− Se 2 0. y s 2 y ∑Y = n 2 − y2 = 811 − 10. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Cuando el R 2 es cercano a 1. denominado el coeficiente de correlación lineal. Para ello se determina s 2 .57 7−2 Se calcula así.2. Ya se mencionaba que el coeficiente de correlación lineal oscila entre +1 y -1. En la práctica es más frecuente usar r .90 < r < 1 0.60 < r < -0. si al contrario este se acerca a 0 su grado de confiabilidad es muy bajo y se recomienda no utilizar el modelo de regresión estimado.30 < r < 0. Grado de correlación lineal Valores de r (+) =1 0.80 -0.30 Valores de r (-) = -1 -1 < r < -0. es también conocido como coeficiente de Pearson.90 < r < -0.1. el coeficiente de determinación y el coeficiente de correlación lineal.07 sy   128 . Siendo r = R 2 .60 < r < 0.432 = 7.90 0. se puede entonces interpretar el grado de correlación partiendo de los siguientes límites de referencia: Tabla 5.

Ahora. El R2 afirma además que el modelo explica el 91. ¿Cuántos comerciales estima el departamento de publicidad de la empresa que debe emitir diariamente? Se trata simplemente de reemplazar en la ecuación estimada. Así: ) Y = 0. 2.92 ⇒ ) Y = (0. la variable independiente por el valor que se pretende y así obtener el valor de la variable dependiente (número de comerciales). determinar el error de estimación y analizar la correlación entre las variables.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Para más variables independientes. sólo basta con seguir los mismos pasos.92 ≈ 19 El departamento de publicidad requerirá de 19 comerciales de televisión diariamente para que el número de ventas ascienda a 2000 unidades mensuales. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy buena estimación de la relación entre las dos variables. si el gerente de ventas de la empresa quisiera aumentar el número de ventas del producto a 2000 mensuales.5 LECCIÓN 25 REGRESIÓN MÚLTIPLE Cuando se emplea más de una variable independiente para evaluar una variable dependiente es conveniente utilizar un método de regresión múltiple. La ecuación de regresión está dada por: ) Y = a + b1 X 1 + b2 X 2 Donde:   129 . A continuación se desarrollarán estos conceptos suponiendo dos variables independientes. que consiste en el mismo procedimiento de una regresión lineal simple: describir la ecuación de regresión.92 = 18.85 X + 1. Y el valor de r confirma además el grado de relación entre las variables: el número de ventas del producto está directamente relacionado (en un 96%) con los comerciales de televisión que se emiten diariamente.2.9% de la información.85)(20) + 1.

El jefe de producción define: X1 : Horas de trabajo (cientos). X 1 . Los valores de las tres constantes numéricas se obtienen resolviendo el siguiente sistema de ecuaciones: ∑ Y = na + b ∑ X + b ∑ X ∑ X Y = a∑ X + b ∑ X + b ∑ X X ∑ X Y = a∑ X + b ∑ X X + b ∑ X 1 1 2 2 1 1 1 2 1 2 1 2 2 1 1 2 2 2 2 2 Una vez obtenida la ecuación de regresión. y: Media de los valores de la variable dependiente. X 2 : Valores de las dos variables independientes. En la siguiente tabla se relaciona la información correspondiente al primer semestre del año. estará dado por: R = 2 a ∑ Y + b1 ∑ X 1Y + b2 ∑ X 2Y − ny 2 ∑Y 2 − ny 2 Donde: Y: Valores de la variable dependiente. X 2 : Valores de las dos variables independientes. b1 . b2 : Pendientes asociadas con cada variable independiente. b1 .   130 . a: Intercepto de la variable Y. respectivamente.1 El jefe de producción de una empresa manufacturera desea estimar los gastos indirectos de producción con base en el número de horas de trabajo y en el número de horas máquina. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ˆ Y: a: Variable dependiente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. b2 : Pendientes asociadas con cada variable independiente. respectivamente. Intercepto de la variable Y. se determina el error estándar de la estimación de regresión múltiple: Se = ∑ (Y − Y ) n−3 ) 2 ⇔ Se = ∑Y 2 − a ∑ Y − b1 ∑ X 1Y − b2 ∑ X 2Y n−3 Y el coeficiente de determinación múltiple. X 1 . EJEMPLO 25.

5 = −10. Gastos indirectos de producción X1 2 2025 1764 1936 2025 1849 2116 11715 X2 2 256 196 225 169 169 196 1211 Y2 841 576 729 625 676 784 4231 Mes Enero Febrero Marzo Abril Mayo Junio TOTAL X1 45 42 44 45 43 46 265 X2 16 14 15 13 13 14 85 Y 29 24 27 25 26 28 159 X1 Y 1305 1008 1188 1125 1118 1288 7032 X2Y 464 336 405 325 338 392 2260 X1X2 720 588 660 585 559 644 3756 ∑ Y = na + b ∑ X + b ∑ X ∑ X Y = a∑ X + b ∑ X + b ∑ X X ∑ X Y = a∑ X + b ∑ X X + b ∑ X 1 1 2 2 1 1 1 2 1 2 1 2 2 1 1 2 2 159 = 6a + 265b1 + 85b2 2 2 2 (1) (2) (3) ⇒ 7032 = 265a + 11715b1 + 3756b2 2260 = 85a + 3756b1 + 1211b2 Se resuelve el sistema de ecuaciones: Ecuación (1) multiplicada por 85/6 y restada por la ecuación (3): 2252 .83b2 (5)   131 .83b2 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.83b1 − 6.83b1 − 1.5 = −1.17b2 − 7032 = −265a − 11715b1 − 3756b2 − 9.83b2 Se despeja la variable b1 de la ecuación (4): 7.17b2 − 2260 = −85a − 3756b1 − 1211b2 − 7.17b1 + 3754.5 − 6.5 = 265a + 11704.17b1 + 1204 .83 ( 4) b1 = Ecuación (1) multiplicada por 265/6 y restada por ecuación (2): 7022.5 = 85a + 13754 .3. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   X2 : Horas de máquina (cientos) Y : Gastos indirectos de producción (cientos de miles de pesos) Tabla 5.

3 CAPITULO 6 NÚMEROS INDICE ) Y = −17. la variación en los precios de un producto respecto al año anterior.5 = 10. tomada como punto de referencia y a la cual se le denomina base. etc. el costo de producción por unidad de este trimestre comparado con el inmediatamente anterior. que no presente cambios muy bruscos debido a factores internos y/o externos.83b2 = 0.31 6 Se obtiene así la ecuación de regresión múltiple: ) Y = a + b1 X 1 + b2 X 2 ⇒ 2.31 + 0. Son indicadores muy utilizados en el sector económico por ejemplo.83 b1 y b2 reemplazada en la ecuación (1): a= 159 − 265b1 − 85b2 = −17.83b2 ⎞ 9. Los números índices no son una medida cuantificable.5 − 6. Si se trata de una serie corta. la selección de la   132 .91X 2 Los números índice son cifras relativas expresadas en términos porcentuales.83b2 1. pero si la serie es extensa se debe seleccionar cono período base aquel que haya sido más estable. el período base seleccionado será el primer valor de la serie. es decir. la cantidad de unidades vendidas de un producto respecto al mes anterior. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Variable b1 reemplazada en la ecuación (5): ⎛ 7.83 ⎝ ⎠ b2 reemplazada en la ecuación (4): b1 = ⇒ b2 = 67.19 = 0.83⎜ ⎟ + 1. se trata de un indicador de variación en la variable observada.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. que sirven para indicar las variaciones que sufre una serie de valores respecto a una de ellas.7 X 1 + 0.5 − 6. Sin embargo.7 1.97 7.91 73.

geométricos. determinando así el número índice respecto a la base definida. se hablará de índices simples y para un conjunto de datos dados.. Los índices son de base variable cuando a cada observación se le divide por el valor de la observación inmediatamente anterior. 2. La base fija es aquella que representa el mismo período de referencia o de comparación para toda la serie. Se pueden obtener bases fijas y bases variables para establecer comparaciones. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   serie base dependerá de los análisis que el investigador requiera hacer para sus variables. Los números índice se pueden construir para una sola observación o para un conjunto de ellas. etc. Período que se analiza. cantidad o valor del período que se investiga.3.1 LECCIÓN 26 CONSTRUCCIÓN DE NÚMEROS ÍNDICE Para calcular un número índice se toma un valor de la serie como base y se establece un cociente entre el valor de la variable a estudiar y el valor de la variable base. en el primer caso. X 0 : Precio. medianos. cantidad o valor del período considerado como base. se hablará de índices compuestos. I tt−1 = Donde: Xt × 100% X t −1   133 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Estos últimos se clasifican a su vez en agregativos y de promedios. X t : Precio. Los promedios se clasifican en aritméticos. Este cociente debe expresarse en porcentaje. t I0 = Xt × 100% X0 Donde: t I0 :  0:  t: Índice. pero en la práctica los más utilizados son los aritméticos. Período base.

cantidad o valor del período considerado como base. Cuando se trata de medir la variación de un fenómeno observado a través de una serie de períodos.   134 .3. que mide el cambio de todos los precios respecto a una variedad de artículos que se consumen.3. Mes A Febrero 86 95 Marzo B C D E 395 1308 430 113 380 1466 469 108   Se desea analizar la variación del artículo con referencia C en el inventario de marzo respecto al mes de febrero. EJEMPLO 28.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. cantidad o valor del período que se investiga. El índice de valor mide los cambios en valor monetario total. los índices simples son los más adecuados.3 LECCIÓN 28 ÍNDICES SIMPLES Se construyen para una sola observación y su base puede ser fija o variable. combina los cambios de precios y cantidad para presentar un índice más informativo. Un índice de cantidad mide la variación de las cantidades de uno o más bienes en un período dado respecto al período base. 2. X t : Precio. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   I tt−1 : Índice. es decir. Los datos siguientes indican las ventas de ellos en los meses de febrero y marzo.2 LECCION 27 TIPOS DE NÚMEROS ÍNDICES El índice de mayor aplicación es el índice de precios. este índice se emplea para definir el costo de vida.1 Un almacén vende cinco referencias diferentes de un artículo determinado. que mide los cambios de precios en uno o más artículos en un período determinado respecto a un período base. X 0 : Precio. El más conocido es el índice de precios al consumidor. 2.  t‐1:  t: Período base. Período que se analiza.

. concernientes a varios artículos. alimentación. vivienda. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   febrero I marzo = 1466 × 100% = 112% 1308 Se considera que el aumento en ventas del artículo con referencia C es del 12% en el mes de marzo respecto al mes de febrero.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. se denomina índice agregativo (o agregado) simple y se define como: t I0 = ∑X ∑X t × 100% t −1 2.1. y en el cálculo de los índices de cantidad las ponderaciones son los precios. Drobisch y Sidgwick. Se trata de examinar el valor no de un artículo. que las ventas del producto aumentaron en marzo en un 8% (108-100) respecto a las ventas del mismo en febrero. Walsh. Marshall. etc. Fisher. las ponderaciones son las cantidades. Paashe. febrero I marzo = 95 + 380 + 1466 + 469 + 108 × 100 = 108% 86 + 395 + 1308 + 430 + 113 Se concluye pues. Keynes. Si se quisiera comparar el total de artículos vendidos correspondiente al período de estudio respecto al total de artículos vendidos del período base. Edgeworth. por ejemplo el costo de vida relativo a transporte.4. los más conocidos son los de Laspeyres. Los índices compuestos determinan una condición particular.   135 . Este último índice calculado en el ejemplo 25. Cuando se van a calcular los índices de precios en un grupo de artículos. sino de un grupo de ellos respecto a otro considerado de más importancia.3. se suman todos los elementos correspondientes al período de estudio y se divide entre la suma de los mismos elementos del período base.1 LECCIÓN 29 ÍNDICES COMPUESTOS Se construyen a partir de un grupo de series de tiempo. Son muchas las fórmulas para calcular índices ponderados. Se habla entonces de calcular un índice agregado ponderado. Generalmente en ellos las ponderaciones son las cantidades o precios.

t ∑ PQ ∑P Q t 0 0 0 ×100% I tt−1 : Pt : P0 : Q0 : Índice de precios. t ∑P Q ∑P Q 0 0 t × 100% 0 J tt−1 : P0 : Q0 : Qt : Índice de cantidad. con los precios de ellos en el período base. Cantidad de los artículos en el período base. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   El índice de Laspeyres de precios es la relación que existe al comparar los precios actuales de un grupo de artículos con los precios de esos mismos artículos considerados en el período base. Cantidad de los artículos en el período base. El índice de precios de Paashe es la relación que existe entre los precios actuales de un grupo de artículos. LI 0 = Donde: L : Índice de Laspeyres. Cantidad de los artículos en el período que se investiga. Precio de los artículos en el período base. manteniéndose constante como ponderación las cantidades del período base.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. Precio de los artículos en el período base. manteniéndose constante las ponderaciones que corresponden a las cantidades de dichos artículos para el período que se investiga. Precio de los artículos en el período que se investiga. De igual manera se puede representar así el índice de Laspeyres de cantidad: LJ 0 = Donde: L : Índice de Laspeyres. P I0 = t ∑ PQ ∑P Q t 0 t t × 100%   136 .

Precio de los artículos en el período que se investiga. Cantidad de los artículos en el período base. Precio de los artículos en el período que se investiga. Cantidad de los artículos en el período que se investiga. Así mismo. J tt−1 : Pt : Q0 : Qt : Índice de cantidad. Cantidad de los artículos en el período que se investiga. El índice de precios de Fisher es un promedio geométrico. t ∑ PQ ⋅ ∑ PQ ∑P Q ∑P Q t 0 t 0 0 0 t t × 100% I tt−1 : P0 : Pt : Q0 : Qt : Índice de precios. se tiene el índice de cantidad de Fisher:   137 . Para indicar las variaciones en las cantidades. que se define como la raíz cuadrada del producto del índice de Laspeyres por el de Paashe. Precio de los artículos en el período base. Cantidad de los artículos en el período que se investiga. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Donde: P : Índice de Paashe. Cantidad de los artículos en el período base. F I0 = Donde: F : Índice de Fisher. el índice de cantidad de Paashe señala: P J0 = t ∑ PQ ∑ PQ t t t × 100% 0 Donde: P : Índice de Paashe. Precio de los artículos en el período base. Precio de los artículos en el período que se investiga.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. I tt−1 : Pt : P0 : Qt : Índice de precios.

Precio de los artículos en el período base. Paashe y Fisher.1 Una farmacia reporta la siguiente tabla referente a los precios (en cientos de miles de pesos) y cantidades vendidas (por empaque) de cinco fármacos comunes en los dos últimos años. J tt−1 : P0 : Pt : Q0 : Qt : Índice de precios. se deben determinar todos los valores que interviene en ellos. Precios y cantidades vendidas en una farmacia en 2003 y 2004 ARTÍCULO A B C D E 2003 Precio Cantidad 30 20 18 10 45 12 26 7 35 11 2004 Precio Cantidad 25 32 38 5 47 15 40 3 36 12 Para el cálculo de cada índice. Precio de los artículos en el período que se investiga. Cantidad de los artículos en el período base. Calcular los índices de precios y de cantidades por los métodos de Laspeyres. EJEMPLO 29. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   F J0 = t ∑ P Q ⋅ ∑ PQ ∑ P Q ∑ PQ 0 t t 0 0 t t × 100 0 Donde: F : Índice de Fisher. en la siguiente tabla se resumen todos los cálculos:   138 .4.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.   Tabla 5. Cantidad de los artículos en el período que se investiga.

74% según le método de Laspeyres.08% 2223 Q2004 Q2004 × 100% = 2120 2247 ⋅ × 100% = 106. 6% y 11.Q2004 30 20 25 32 600 800 500 960 A 18 10 38 5 180 190 380 90 B 45 12 47 15 540 705 564 675 C 26 7 40 3 182 120 280 78 D 35 11 36 12 385 432 396 420 E TOTAL 1887 2247 2120 2223 Cálculo de índices de precios: LI 2003 = 2004 ∑P ∑P 2004 2003 Q2003 Q2003 Q2004 Q2004 × 100% = 2120 × 100% = 112. 1.35%.81%.81% 1887 P J 2003 = 2004 ∑P ∑P 2004 2004 Q2004 Q2003 Q2004 Q2003 × 100 % = 2247 × 100 % = 106 % 2120 × 100% = 2223 2247 ⋅ × 100% = 111.Q2004 P2004. durante el año 2004 respecto al 2003. B.57% 1887 2223 P I 2003 = 2004 ∑P ∑P 2004 2003 ×100% = F I 2003 = 2004 ∑P ∑P 2004 2003 Q2003 Q2003 ⋅ ∑P ∑P 2004 2003 Interpretación: los precios de los productos A. B. Cálculo de índices de cantidad: LJ 2003 = 2004 ∑P ∑P 2003 2003 Q2004 Q2003 ×100% = 2223 ×100% = 117.Q2003 P2003. respectivamente. C. C. Paashe y Fisher.74% 1887 2120 F J 2003 = 2004 ∑P ∑P 2003 2003 ⋅ ∑P ∑P 2004 2004 Q2004 Q2003 Interpretación: las cantidades vendidas de los productos A.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. durante el año 2004 respecto al 2003.Q2003 P2004. D y E de la farmacia aumentaron en un 17. respectivamente. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Artículo P2003 Q2003 P2004 Q2004 P2003. D y E de la farmacia aumentaron en un 2.08% y 6.   139 .75% según le método de Laspeyres. Paashe y Fisher.35% 1887 2247 ×100% = 101.

el aumento es injusto.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.4 Esto quiere decir que los artículos de primera necesidad aumentaron en un 22. etc.6 Esto quiere decir que el empleado sólo está recibiendo el equivalente a $725. Aunque gane más salario.6% para el período diciembre de 2004 y junio de 2005. es decir: $176.000 × 100 = 725938 122. Los IPC para los mismos meses y años fueron: 2532.000 más.4 2004 2005 IPC 2004 = × 100 = 100 IPC 2004 = × 100 = 122.5 LECCIÓN 30 USOS DE LOS NÚMEROS ÍNDICES Los números índices tienen especial importancia en la vida económica de un país.4 y 3105.   Se calcula primero el IPC de cada año respecto al 2004.3. índice de importación o exportación.938 de los $780.1 Un empleado ganaba en diciembre de 2004 $780.4 2532. El salario real para junio de 2005 es: SR = 890.2 2532 .6 2532 .000 que recibía.1 Calculo del salario y del ingreso Salario Real Ingreso Real ⇒ ⇒ Salario nominal ($) × 100 IPC Ingreso nominal ($) IR = × 100 IPC SR = EJEMPLO 30.280 más para un salario de $956.280. 2.   140 . De manera que debe haber un porcentaje igual o mayor de incremento en el salario nominal para que las condiciones económicas sean iguales o mejores para el empleado. A continuación se ampliará un poco sobre los más importantes números índices.6% de lo que ganaba en diciembre de 2004. índice de pérdida de poder adquisitivo. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2. 3105.2 respectivamente. aumentaron su salario en $110.000 y en el mes de junio de 2005. es común escuchar términos como índice de precios al consumidor (IPC).5.3. Su aumento debería de ser mínimo el 22. Se quiere saber si con el reajuste que le hicieron su salario mejoró con relación al que tenía anteriormente.

la moneda ha perdido un 18.3 Determinar el porcentaje de desvalorización para los datos del ejemplo 30. It: Índice de precios al consumidor.2.   PA = 1 × 100 = 0.4 × 100 = 81.3.6 Esto quiere decir que un peso en diciembre de 2004 equivale a 82 centavos en junio de 2005.45% de su poder de compra.3 Porcentaje de desvalorización ⎡ I ⎤ % de desvalorización = 100 ⎢1 − 0 ⎥ ⎣ It ⎦ EJEMPLO 30.4 ⎤ % de desvalorización = 100 ⎢1 − = 18.56% 3105. Esto quiere decir que en junio de 2005 se necesita más dinero para comprar el mismo artículo en diciembre de 2004. IPA = 2532.   ⎡ 2532. considerado como período de referencia.2 Determinar el poder de compra y el índice de poder de compra para junio de 2005 respecto a diciembre de 2004.2 2. EJEMPLO 30.45% ⎣ 3105.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.2 ⎥ ⎦ De diciembre de 2004 a junio de 2005.5.2 Poder de compra o poder adquisitivo o valor del dinero Poder de compra ⇒ ⇒ PA = Índice de poder adquisitivo 1 × 100 IPC I IPA = 0 × 100 It Donde: I0: Índice de precios al consumidor.5. Su valor se ha reducido durante ese período en 18 centavos. considerado como período que se investiga.8156 122. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2.   141 .3.

3.4 Porcentaje de variación y de devaluación ⎡T ⎤ % de variación = 100 ⎢ 1 − 1⎥ ⎣ T0 ⎦ ⎡ T ⎤ % de devaluación = 100 ⎢1 − 0 ⎥ ⎣ T1 ⎦ Donde:   T0: Valor de la moneda de referencia. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   2.5.       142 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. La devaluación es entendida como la pérdida de valor de una moneda en relación a las monedas extranjeras. Tt: Valor de la moneda que se quiere cambiar.

2 0 3   AUTOEVALUACIÓN LECCIÓN 17 1. el rango de tiempo de uso en un mes es de 27 minutos. Halle el rango de 44las siguientes series: a.1.8 c.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. quién es el mejor. Para tal fin.16 4. dos competidores Johan y Samantha obtuvieron los resultados que se indican a continuación.35 3. halle el menor tiempo de consulta en ese mes.20 2. Determine.16 1. 2. si el mayor tiempo de consulta en ese mes duró 1 hora y 12 minutos. 3 1 0 2 1 0 d.   143 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ACTIVIDADES DE AUTOEVALUACION UNIDAD 2 AUTOEVALUACIÓN LECCIÓN 16 1 En un café Internet. de esta Unidad Didáctica. En una prueba de tiro al blanco de cinco anillos. usando medidas estadísticas.35 6.10 8. 2.10 5.8 3. 5 6 3 8 0 1 b.9 de los ejercicios del tema 1. el empresario dueño de los pases presentará a los dos jugadores y mostrará la cantidad de goles que han anotado en las ultimas cinco temporadas. 5. El empresario presento la siguiente tabla: Jugador 1 18 Jugador 2 30 16 20 14 14 17 4 20 17 ¿Por qué la junta decidió contratar el jugador 1? Justifica tu respuesta utilizando la varianza y la desviación típica 2.32 7. La junta directiva de uno de los equipos de fútbol de la ciudad decidió comprar el pase de un jugador para ocupar la posición de delantero.20 5.32 4. Calcule el rango intercuartílico y semiintercuartílico de los datos agrupados en la tabla del numeral 1.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

Johan 1 Tiro de 5 Puntos 8 Tiros de 4 Puntos 14 Tiros de 3 Puntos 5 Tiros de 2 Puntos 1 Tiro de 1 Punto 1 Tiro de 0 Puntos

Samantha 4 Tiros de 5 Puntos 9 Tiros de 4 Puntos 7 Tiros de 3 Puntos 5 Tiros de 2 Puntos 3 Tiros de 1 Punto 2 Tiros de 0 Puntos

0

1

2

3

4 5

3.

4.

Tome los datos de la tabla de distribución de frecuencias agrupadas del numeral 1.2.c de los ejercicios del tema 1.1. de esta Unidad Didáctica y determine varianza y desviación estándar. Tome los datos del ejemplo 2.1., de la Unidad Didáctica 1 que representan la evaluación de los latidos cardíacos de un grupo de 30 personas después de cierta actividad física. Continúe con esos datos para terminar el análisis completo de ese fenómeno y ahora calcule varianza, desviación estándar, desviación media.

AUTOEVALUACIÓN LECCIÓN 18 1. Un fabricante de bombillas de neón tiene dos tipos de tubos, A y B. Los tubos tienen unas duraciones medias respectivas de 1.495 horas y 1.875 horas, y desviaciones estándar de 280 horas y 310 horas respectivamente.

a. ¿Qué tubo tiene la mayor dispersión absoluta? b. ¿Qué tubo tiene la mayor dispersión relativa? c. Si se extrajo un tubo de cada tipo y su duración fue de 1.350 horas y 1.750 horas respectivamente, ¿cuál tipo de tubo tiene menor posición relativa?

2. El alcalde de la ciudad está considerando la posibilidad de implementar un peaje de ingreso. Sus asesores han llegado a la conclusión que existen dos ubicaciones posibles y favorables para ello. El alcalde decide medir el número de automóviles que ingresan a la ciudad por cada uno de los puntos durante los últimos 15 días. Los resultados se muestran en la siguiente tabla.

Punto 1 430 460 501 423 455 473

Punto 2 406 153 491 505 467 421

 

144

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

450 481 442 429 439 414 475 452 474

556 470 348 472 479 403 278 440 234

a. Calcular el valor de la dispersión absoluta para los dos puntos. ¿cuál tiene mayor dispersión? b. ¿Que punto tiene la mayor dispersión relativa.
 

AUTOEVALUACION LECCIÓN 19 1. Dada la serie de puntuaciones 9, 5, 6, 11, 1, 2, 10, 4, hallar el puntaje estandarizado de cada puntuación

2.

Las estaturas de los hombres adultos tienen una media de 1,75 metros y una desviación estándar de 7 centímetros. Calcule las puntuaciones Z que corresponden a las siguientes personas: a. Carlos Alberto que mide 156 centímetros. b. Juan José que mide 1,81 metros. c. Francisco que mide 1,68 metros.

3.

En un grupo de estudiantes la estatura promedio es 163,1 cm., con una desviación estándar de 9,38 cm. y su peso promedio es de 61,3 kg con desviación estándar 11,7 kg. Mauricio mide 1,70 metros y pesa 63 kg, calcule: a. La puntuación estandarizada de cada medida. b. ¿En cuál de las dos medidas hay mayor dispersión absoluta? c. ¿En cuál de las dos medidas hay menor dispersión relativa?

 

AUTOEVALUACIÓN LECCIÓN 20 1. Determine el tipo de asimetría de las siguientes distribuciones con sus estadígrafos de dispersión: a. b.
 

x = 189,97 x = 5,3

Me = 189,7 Me = 5

Mo = 189,16 Mo = 4
145

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

c. 2.

x = 17,5

Me = 17,9

Mo = 18,1

Tomando una distribución ligeramente simétrica, calcule su moda sabiendo que su media es 3 y que la diferencia entre la media y la mediana es igual a -2.

3.

Con los salarios semanales de los empleados de una empresa se tienen los siguientes resultados:
Me = 9672 s = 1217 ,50

x = 9725

Calcule el coeficiente de asimetría de Pearson.

4.

Calcule los coeficientes de asimetría y los coeficientes de apuntamiento de las siguientes distribuciones correspondientes a la edad de los niños quemados por pólvora reportados en tres centros hospitalarios durante el mes de diciembre:

X  5 7 9 11 13 15 Total

f  3 19 10 8 7 3 50

f  3 7 8 9 20 3 50

f  6 8 11 11 8 6 50

Construya sus respectivos polígonos de frecuencia y haga un análisis comparativo de los resultados obtenidos.
 

AUTOEVALUACIÓN LECCIÓN 21 1. Nombrar tres ejemplos de fenómenos económicos que puedan ser analizados mediante la regresión. 2. ¿cuál es la razón para que los coeficientes angulares y el coeficiente de correlación tengan signos iguales? 3. ¿Que nos indica que el coeficiente angular sea negativo? 4. Son ciertos o falsos las siguientes afirmaciones?

 

146

correspondientes a la producción X (miles de unidades) y Y el costo de la producción de esas unidades (millones de pesos). Con los siguientes datos. Los datos reunidos producen los siguientes resultados: 12 11 8 9 8 7 Litros por día Número de días 10 30 40 50 55 65   147 . Un veterinario desea expresar esta relación por medio de una ecuación.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. La cantidad de leche producida por una vaca decrece después de que esta da a luz. se pide: X (miles de unidades) 2 5 8 10 12 15 17 20 Y (millones de pesos) 4 8 10 11 12 14 15 16 a ¿sugiere la gráfica una asociación lineal?   AUTOEVALUACIÓN LECCIÓN 23 1. Los datos reunidos producen los siguientes resultados: 12 11 8 9 8 7 Litros por día Número de días 10 30 40 50 55 65 ¿Sugiere la gráfica una asociación lineal 2. El coeficiente de correlación es un valor menor que -1 y mayor que 1 c.la recta ajustada explica más que suficiente las relaciones entre las dos variables. Un veterinario desea expresar esta relación por medio de una ecuación. Si r es mayor que 1.   AUTOEVALUACIÓN LECCIÓN 22 Dibuje un diagrama de dispersión de cada una de las siguientes situaciones 1. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   a. La cantidad de leche producida por una vaca decrece después de que esta da a luz. Un coeficiente de correlación igual a -1 indica que la línea de regresión no es la mejor que refleja las relaciones entre las dos variables b.

d. Ajustar a una recta los datos de la siguiente tabla tomando: a. La siguiente tabla refleja los datos obtenidos (en pulgadas): Altura del padre 65 63 67 68 62 70 66 68 67 69 71 68 66 68 69 66 68 65 71 67 68 70 Altura del hijo Determine la mejor ecuación que se ajusta a los datos dados. X 3 5 6 8 9 11 Y 2 3 4 6 5 8   AUTOEVALUACION LECCIÓN 24 1. Y verifique si la ecuación obtenida se ajusta correctamente. X como variable independiente b. Una compañía de ahorro y crédito.5%? Determinar el error estándar del estimado.5 5. ¿Es confiable el modelo? Calcule el tipo de asociación entre las variables. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Determine la mejor ecuación que se ajusta a los datos dados. 2.5 6 8 8.   148 .5 6 6. ¿Cuántas viviendas se pueden vender si el interés es del 7. e. Y verifique si la ecuación obtenida se ajusta correctamente.       Estimar las ventas en función de la tasa de interés. desea saber cómo son afectadas las ventas de viviendas por diferentes tasas de interés. c. b. Y como variable dependiente.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.5 Ventas de viviendas 23 38 45 36 16 18 39 41 a. 3. Durante ocho meses se recopiló la información y se obtuvo el siguiente resultado: Tasa de interés (%) 7 6. Se desea conocer la relación que pueda existir entre las alturas en una muestra de 12 padres y sus hijos.

  Estimar el porcentaje de carga dañada en función de la distancia y de la temperatura. b. Se realizó un muestreo para ocho destinos diferentes y estos son los resultados: Distancia Temperatura Carga dañada (decenas de km) (ºC) (%) 39 8 7 52 6 6 48 7 7 46 12 10 61 9 9 34 6 4 25 10 3 55 4 4 a. c. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   AUTOEVALUACIÓN LECCIÓN 25 1. Con estos datos calcular los índices simples de precios con base 1983 y luego los índices con base en 1986. según la tabla AÑOS PRECIOS INDICE 1983=100 1986=100 A B 100 140 120 200 240 300 50 70 60 100 120 150 % DE VARIACIÓN (A) + 40 +20 +100 +140 +200 (B) -50 -30 -40 0 +20 +50 1983 1984 1985 1986 1987 1988 200 280 240 400 480 600 1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. está interesada en precisar la relación que existe entre la distancia a la cual se transporta una carga de fruta. d. Una empresa transportadora de frutas. ¿Es confiable el modelo? AUTOEVALUACIÓN LECCIÓN 26 Supongamos los precios de un artículo en el periodo 1983-1988. Estime el porcentaje de fruta que se podría dañar en un viaje de 480 km a una temperatura de 9ºC. la temperatura a la cual se mantiene y el porcentaje del despacho que se daña al llegar a su destino. Determine el error estimado.   149 .

7 3. Una marroquinería produce bolsos para dama en tres líneas diferentes. b.111 1.2 5.3 4.686 7. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   AUTOEVALUACION LECCIÓN 27.2 ARTÍCULO A B C a.3 10. Tomadas las cosechas de ciertos productos agrícolas (en cientos de toneladas).106 870 G 41 59 H 6.840 E 859 997 F 1.196 1.   Calcule un índice de cantidad para el año 2003. comprados en el mes de junio de 2008. determinar el índice agregativo simple para 2004 con base en 2002. respecto a las cantidades compradas en mal estado de conservación en el mes de mayo del mismo año   150 . Calcular el índice agregativo de las cantidades que resultaron en mal estado de conservación. Productos 2002 2004 A 11.326 D 1.6 3.460 1. AUTOEVALUACIÓN LECCIÓN 28 1.5 8. en un grupo de artículos.3 4.978 I 204 202 2.5 5.2 2003 6.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.158 13.8 4. Los datos sobre producción de bolsos y de tiempo por empleado (en horas) ocupados en la empresa durante el período 2001-2003 son los siguientes: Producción en miles de docenas 2001 2002 2003 5 7.044 B 1.4 11.9 3. Calcule un índice de producción de 2002 con base en 2001. empleando como base el año 2001 y utilizando como ponderación los datos sobre horas-hombre empleadas por docena de bolsos en 2001.2 Horas-hombre por docena 2001 6.2 2002 6.2 4.357 C 1.6 9.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.0 3. Con los siguientes datos.0 1.0 15.0 Calcular los índices de Laspeyres.0 4. Paasche y Fisher           151 . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   ARTICULOS UNIDAD DE MEDIDA CANTIDADES DEFECTUOSAS MAYO DE 2008 JUNIO DE 2008 18 15 8 20 70 131 A B C D E Total   Kg Lts Doc Lbs Unidad --------- 12 8 20 14 50 104 AUTOEVALUACIÓN LECCIÓN 29 Para los siguientes datos.0 10. ARTÍCULO A B C D E 2002 Precio 320 140 80 560 1120 Cantidad 15 18 35 28 14 Precio 320 200 600 520 1200 2004 Cantidad 26 35 54 25 18 2.6 PRECIO 38. Paashe y Fisher.0 2.0 6. calcular los índices de precios y de cantidades por los métodos de Laspeyres. ARTÍCULO A B C D E UNIDAD DE MEDIDA Kg Lts Lbs Doc Unidad 2007 CANTIDAD 10 5 2 1 2 2008 CANTIDAD 8 7 5 2 1 PRECIO 26.0 6. referentes a los precios y cantidades ( valores arbitrarios) par un grupo de artículos dados para dos periodos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

AUTOEVALUACIÓN LECCIÓN 30 Con los siguientes datos:

AÑOS 1998 1999 2000 2001 2002 2003 2004

SALARIOS (miles de millones de pesos) 18.0 20.6 23.0 38.0 51.0 58.0 60.0

OBREROS IPC Nº 1991=100 320 380 400 700 1.000 1.050 1.100 140 148 152 160 166 168 170

Se pide a. Salarios reales con respecto a 1998. b. Salarios nominales por obrero. c. Índices de los salarios reales con base 1998. d. Índices de los salarios nominales con base 1998. e. Salarios reales por obrero, con base 1998. f. Índices de salarios reales por obrero, con base 1998.
 

 

152

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

BIBLIOGRAFÍA DE LA UNIDAD

BEJARANO BARRERA, Hernán (1995). Estadística Descriptiva. Santa fe de Bogotá: UNISUR. CHRISTENSEN, Howard B. (1999). Estadística Paso a Paso. México: Editorial Trillas. MARTÍNEZ BENCARDINO, Ciro (2004). Estadística Básica Aplicada. Santa fe de Bogotá: ECOE Ediciones. MARTÍNEZ BENCARDINO, Ciro (2003). Estadística y Muestreo. Santa fe de Bogotá: ECOE Ediciones. MILTON, J. Susan (1999). Estadística para biología y ciencias de la salud. Madrid: McGraw Hill — Interamericana. PORTUS GOVINDEN, Lincoyán (2001). Introducción a la Estadística. Segunda edición. Santa fe de Bogotá. McGraw Hill. PORTILLA CHIMAL, Enrique (1980). Estadística, Primer Curso. Bogotá: Nueva Editorial Interamericana. SPIEGEL, Murria R. (1991). Estadística. Serie de compendios Schaum. México: McGraw Hill. SMITH, A. Stanley. (1992). Curso de Estadística Elemental para las ciencias aplicadas. Primera edición. Santa fe de Bogotá. Editorial Addison – Wesley Iberoamericana. TRIOLA, MARIO F. (2004). Probabilidad y Estadística. Novena edición. México. Pearson Educación. http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm http://www.elosiodelosantos.com/regresionlineal.html http://www.universidadabierta.edu.mx/SerEst/MAP/METODOS%20CUANTITATIV OS/Pye/tema_12.htm http://server2.southlink.com.ar/vap/MEDIDAS.htm http://cosmech.tripod.com/Estadistica/medidas1.htm http://eris.unalmed.edu.co/~cescobar/Bioestadistica/bioestadistica.htm

 

153

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva  

http://ftp.medprev.uma.es/libro/node42.htm http://www.eumed.net/cursecon/medir/

 

154

. donde n es el límite superior de la sumatoria. que se lee sumatoria representa. ∑ C = C + C + .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS. + X 8 = 77 El símbolo griego sigma (∑).. 8. 9. se puede expresar la anterior operación como: S = X 1 + X 2 + X 3 + . se requiere el uso del símbolo sumatoria el cual representa la operación de adición algebraica sobre una determinada cantidad de elementos numéricos. Considere las siguientes cantidades: 7. + X 8 = 77 Ahora. i = 1 es el límite inferior de la sumatoria. Con el fin de utilizar el lenguaje algebraico que permita realizar simplificaciones... 14. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   Anexo A Sumatorias y Productorias A lo largo de los trabajos en estadística se encontrarán muchas veces con la suma de un gran número de términos. donde el subíndice i  indica la cantidad relativa de elementos considerados. la suma de n términos cualquiera. 5. 3. esta operación puede expresarse de la siguiente forma: ∑X i =1 8 i = X 1 + X 2 + X 3 + . para el caso más general. La sumatoria tiene algunas propiedades importantes que deben tenerse en cuenta: • La sumatoria de una constante C de 1 a n es igual a n veces la constante.. Estos términos pueden sumarse de la forma más común: S = 7 + 9 + 15 + 14 + 8 + 3 + 5 + 16 = 77 Si cada uno de estos términos numéricos es representado por Xi. Se tiene entonces que: ∑X i =1 n i es la suma de n términos. + C = nC i =1 n   155 . i es el elemento genérico de la sumatoria. 16. 15..

. ∑X ∑X ∑X i =1 7 i =3 6 i =3 5 i =1 7 5 i = X 1 + X 2 + X 3 + X 4 + X 5 = 2 + 6 + 1 + 0 + 7 = 16 = X 3 + X 4 + X 5 + X 6 + X 7 = 1 + 0 + 7 + 7 + 8 = 23 2 2 2 = X 12 + X 2 + X 32 + X 4 + X 52 = 2 2 + 6 2 + 12 + 0 2 + 7 2 = 90 7 i i ∑ 7 X i = 7∑ X i = (7)( X 3 + X 4 + X 5 + X 6 + X 7 ) = (7)(1 + 0 + 7 + 7 + 8) = 161 i =3 ∑ 5 =(6 − 2 + 1)(5) = 25 ∑ ( X i − 2) =∑ X i − ∑ 2 = [X 2 + X 3 + X 4 + X 5 ] − [(5 − 2 + 1)(2)] = 14 − 8 = 6 i =2 i =2 i =2 i=2 5 5 5 La productoria indica el producto de determinada cantidad de elementos numéricos. ∑ CX i =1 n i = CX 1 + CX 2 + ... X7 = 8. f.. X3 = 1. e. d. Se utiliza la letra griega pi (Π).1.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.. + CX n = C ∑ X i i =1 n • La sumatoria de los valores de una variable más una constante es igual a la sumatoria de la variable más n veces la constante. Dados los valores: X1 = 2. b. ∑ ( X i + C ) = ( X 1 + C ) + ( X 2 + C ) + .. X6 = 7. De este modo. hallar: a. + ( X n + C ) =∑ X i + ∑ C i =1 i =1 i =1 n n n • La sumatoria de una constante con límite inferior diferente a 1 es: ∑ C =(n − m + 1)C i =m n EJEMPLO A. X4 = 0. c. ⋅ X n   156 . el producto de n términos cualquiera está dado por: ∏X i =1 n i = X 1 ⋅ X 2 ⋅ . TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   • La sumatoria del producto de una constante por una variable es igual a la constante por la sumatoria de la variable. X2 = 6. X5 = 7. que se lee producto de.

X2 = 6.. 2 −4 Complete el siguiente cuadro. ∑X ∑ ( X + 2) i =1 i =1 5 5 b. donde la base es la constante y el exponente es el límite superior del producto. X3 = 5. calcular: a. Igual que la sumatoria. Si X1 = 2. X6 = 3. e. c. X5 = 5. d.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.. i es el elemento genérico. 2. Dados los valores: X1 = 2.   157 . X2 = 4. X4 = 6 y X5 = 1. X3 = 1. n ⎡ n ⎤ CX i = C n ⎢∏ X i ⎥ ∏ ⎣ i =1 ⎦ i =1 La productoria de una constante con límite inferior diferente a 1 es: • ∏C = C i =m n n − m+1 EJEMPLO A. ∏X i=2 5 i = 6 ×1× 0 × 5 = 0 4 ∏2 = 2 × 2 × 2 × 2 = 2 i =1 6 4 = 32 ⎡ 6 ⎤ 3 X i = 3 6 ⎢∏ X i ⎥ = 729 × [2 × 6 × 1 × 0 × 5 × 3] = 0 ∏ i =1 ⎣ i =1 ⎦ EJERCICIOS ANEXO A 1. ∑X2 ∑ ( X − 4) i =3 i =1 5 3 c. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   donde n es el límite superior de la productoria. 2 ∑5X ∑X i =1 i =2 4 4 f. b. hallar: a. ⋅ C = C i =1 n n • El producto de una constante C por una variable es igual a la constante elevada al límite superior por la productoria de la variable. X4 = 0. i = 1 es el límite inferior. la productoria tiene propiedades importantes: • La productoria de una constante C es igual a una potencia. ∏ C = C ⋅ C ⋅ . Este símbolo es usado para calcular la media geométrica.2.

 TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   OPERADOR DESARROLLO RESULTADO ∑i i =1 5 10 ∑i i =1 5 i =1 5 2 ∑10 ∑ (2i + 1) i =1 3 ∑ (2 x x =1 5 x=2 7 2 + 2 x + 1) 2 ∑ (2 x − 1) ∑ (x x=4 4 2 − 2) ∑x x =1 x ⎡ 5 ⎤ ⎢∑ x ⎥ ⎣ x =1 ⎦ 4 i =1 5 2 ∏ (2i − 4) ∏i ∏8 ∏ 3i 2∑ 2 n + 1 3∏ 2n − 1 n=2 n=2 5 i =1 5 i =1 4 i =1 5   158 .UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

45 14 c. TECNOLOGÍA E INGENIERÍA   CONTENIDO DIDÁCTICO DEL CURSO: 100105  – Estadística Descriptiva   INFORMACIÓN DE RETORNO DEL ANEXO A 1. e. d. 18 28 b. OPERADOR RESULTADO 55 55 50 35 43 164 OPERADOR RESULTADO 288 2 ∑i i =1 5 10 ∑x x =1 4 x ∑i2 i =1 5 ⎡ 5 ⎤ ⎢∑ x ⎥ ⎣ x =1 ⎦ 4 i =1 225 0 120 32768 1944 ∑10 i =1 ∏ (2i − 4) ∏i i =1 5 5 ∑ (2i + 1) i =1 5 ∑ (2 x x =1 5 x=2 3 2 + 2 x + 1) ∏8 i =1 4 ∑ (2 x − 1)2 ∑ (x x=4 7 2 ∏ 3i i =1 − 2) 2∑ 2 n + 1 118 5 3∏ 2n − 1 n=2 n=2 5 57 5759     159 . f. 64 77 2. a.UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD   ESCUELA DE CIENCIAS BÁSICAS.

Sign up to vote on this title
UsefulNot useful