Tema 1: Introducción a la Estadı́stica Descriptiva

Mario Trottini & José Vicente

Dpto. Matemáticas (UA)

Índice

1. Introducción 1
1.1. Población y muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. ¿Por qué resumir? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Variables Estadı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Sı́ntesis de datos unidimensionales . . . . . . . . . . . . . . . . . . . . . . . 6

2. Tablas de frecuencias 6
2.1. Variables Cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Variables Cuantitativas Discretas . . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Variables Cuantitativas Continuas . . . . . . . . . . . . . . . . . . . . . . . 9

1. Introducción

El objetivo de una investigación, en Óptica y Optometrı́a como en otras ciencias

experimentales, es obtener información sobre una o varias caracterı́sticas de interés de un
conjunto de individuos, elementos o entidades que cumplen ciertas propiedades especı́ficas,
y que constituye lo que se denomina en la terminologı́a estadı́stica, población.
Los elementos de una población pueden ser objetos, seres vivos, etc...

Llamaremos tamaño de la población al número de individuos que la componen.

Atendiendo al tamaño clasificaremos las poblaciones en finitas e infinitas si su tamaño
podemos considerar que es, si no infinito, sı́ suficientemente grande para poderlo suponer.

1
2 Tema 1: Introducción a la Estadı́stica Descriptiva

1.1. Población y muestra

En la mayorı́a de los casos la observación de todos los individuos de una población (a

la que se denomina censo) no es realizable o resultarı́a demasiado costosa en términos
de tiempo, recursos humanos y económicos necesarios para llevarla a cabo. Se recurre,
entonces, a un estudio por muestreo.
En lugar de observar a toda la población se extrae de ella y se observa un subconjunto,
al que se denomina muestra1 . Llamaremos tamaño muestral al número de individuos
que componen la muestra.

La Estadı́stica Descriptiva se ocupa del conjunto de procedimientos necesarios

para recoger, clasificar, representar y resumir el conjunto de datos obtenidos de una
muestra de la población. La Estadı́stica Descriptiva no se preocupa de cómo se han
obtenido los datos, sino sólo de su organización, representación y sı́ntesis con el fin
de facilitar su posterior análisis.

1.2. ¿Por qué resumir?

Ejemplo 1. En una muestra de 60 pacientes que padecen hipertensión sistólica aislada

se han observado las siguientes variables:

X ≡ Tipo de medicamento antihipertesor que utiliza

Y ≡ Presión sistólica (en mm Hg)

Los datos se recogen en la Tabla 1.

Ejemplo 2. Se ha observado el número de cigarrillos fumados a diario por un grupo de
40 fumadores. Los datos se recogen en la Tabla 2.

Es evidente que la información contenida en las Tablas 1 y 2 (y sobretodo en tablas

parecidas donde el número de unidades estadı́sticas observadas es muy grande) no es
fácilmente interpretable debido a la extensión de las mismas. Ası́, por ejemplo, no es
fácil responder rápida y precisamente a preguntas como:

¿Cuál es el tratamiento más frecuente? ¿Cuán es frecuente?

¿Los datos observados sugieren algún tipo de relación entre el tipo de tratamiento
y la presión sistólica?

¿Qué porcentaje de los 60 pacientes en la muestra tiene una presión sistólica mayor
o igual que 143 mm Hg?

¿Hay algún paciente con un valor de la presión sistólica inusualmente grande o

pequeño?
1
La extracción de una muestra se realiza de acuerdo a criterios bien definidos que se estudian en la
Teorı́a del Muestreo.
Estadı́stica (Grado en Óptica) 3

Paciente Tratamiento Presión sistólica Paciente Tratamiento Presión sistólica

1 A 145.2 31 A 146.3
2 B 142.1 32 C 148.0
3 A 149.3 33 B 142.4
4 A 143.2 34 A 149.6
5 C 149.7 35 C 150.3
6 C 153.9 36 C 151.0
7 A 146.1 37 B 145.1
8 A 143.2 38 C 150.8
9 B 140.6 39 A 145.5
10 C 151.9 40 C 151.8
11 A 146.9 41 A 148.2
12 C 150.8 42 B 142.4
13 C 149.5 43 A 145.4
14 A 143.2 44 A 146.0
15 C 147.4 45 B 141.7
16 B 140.6 46 C 153.1
17 B 146.8 47 A 146.5
18 C 153.6 48 A 146.6
19 A 146.4 49 B 140.9
20 C 148.5 50 C 151.8
21 A 151.6 51 B 142.6
22 C 151.9 52 C 151.8
23 A 146.3 53 C 149.5
24 A 146.9 54 A 147.2
25 B 143.1 55 C 153.5
26 B 142.5 56 C 149.5
27 A 144.1 57 C 146.2
28 A 150.0 58 C 151.5
29 C 153.1 59 B 144.4
30 C 149.8 60 C 151.4

Tabla 1: Tipo de tratamiento y Presión sistólica (en mm Hg) en 60 pacientes con hiper-
tensión sistólica aislada

Fumador Número de cigarillos Fumador Número de cigarillos

1 2 21 4
2 5 22 7
3 2 23 7
4 2 24 4
5 6 25 5
6 4 26 2
7 2 27 8
8 6 28 9
9 7 29 2
10 8 30 9
11 4 31 7
12 7 32 8
13 4 33 8
14 6 34 7
15 5 35 2
16 6 36 5
17 5 37 8
18 4 38 5
19 8 39 2
20 4 40 4

Tabla 2: Número de cigarrillos fumados a diario por un grupo de 40 fumadores

¿Qué porcentaje de fumadores en la muestra fuma a diario 6 o menos cigarillos?

La Estadı́stica Descriptiva ha desarrollado una serie de herramientas que permiten

resumir y presentar la información contenida en una muestra de una forma más fácilmente
interpretable.
La elección de la/s herramienta/s más oportuna/s para abordar un determinado pro-
blema dependerá de cual sea el tipo de datos al que nos enfrentamos.
Por lo tanto, comenzaremos por definir los distintos tipos de datos que pueden presen-
tarse en la práctica y trataremos a continuación las técnicas más utilizadas para resumir
la información contenida en una muestra.
4 Tema 1: Introducción a la Estadı́stica Descriptiva

1.3. Variables Estadı́sticas

Variable estadı́stica, o simplemente variable, es el término genérico que utilizaremos

para denotar una caracterı́stica de interés observable en los elementos de la población
objeto de estudio.
Ejemplos de variables estadı́sticas son:

Sexo, Edad, Presión sistólica, Grupo sanguı́neo, Medidas biométricas (en una po-
blación de individuos)

Tiempo de supervivencia, Estado de salud, Tipo de tratamiento (en una población

de pacientes que reciben una cierta intervención)

Resistencia, dureza (en una población de materiales).

Clasificación de las variables estadı́sticas:

1. Variables Cualitativas

1.1. Nominales
1.2. Ordinales

2. Variables Cuantitativas

2.1. Continuas
2.2. Discretas

Variables cualitativas nominales: son aquellas que toman valores para los cuales
sólo puede definirse una relación de igualdad–desigualdad, lo que tan sólo permite dilucidar
entre cada dos valores si son iguales o distintos.

Variables cualitativas ordinales: son aquellas que toman valores para los cuales
puede definirse, además de una relación de igualdad–desigualdad, otra relación de orden
(los posibles valores de la variable pueden ser ordenados).
Estadı́stica (Grado en Óptica) 5

Estado Definición
0 Paciente totalmente activo, capaz de desempeñarse sin restricción
en todas las actividades que realizaba antes de enfermar
Paciente con restricciones para desarrollar actividades fı́sicas
1 intensas pero ambulatorio y capaz de llevar a cabo trabajo
de naturaleza ligera o sedentaria
Paciente no encamado y capaz de atenderse a sı́ mismo, aunque
2 no apto para llevar a cabo actividades laborales; lúcido
y atento más de 50 % de las horas que pasa despierto
3 Paciente capaz de atenderse a sı́ mismo de forma limitada; confinado
a una cama o silla más del 50 % de las horas que pasa despierto
4 Paciente discapacitado por completo; incapaz de cuidarse a
sı́ mismo, confinado a una cama o una silla

Tabla 3: Clasificación ECOG del estado de salud de los pacientes

Ejemplo 3. Sea X la variable que indica el estado de salud de un paciente después de

un tratamiento. Tomando como referencia la clasificación ECOG 2 descrita en la Tabla
3, los valores que puede tomar X son 0, 1, 2, 3, 4.

Obsérvese que los diferentes valores que puede tomar una variable cualitativa también
se denominan modalidades o atributos o niveles o categorı́as. Las distintas modalidades
pueden representarse por letras, sı́mbolos especiales, e incluso números, pero en este último
caso los números carecerán de cualquier significación cardinal (para variables cualitativas
ordinales) y ordinal (para variables cualitativas nominales).
Las variables cuantitativas son aquellas que toman valores para los cuales, además
de poderse definir una relación de igualdad-desigualdad y otra relación de orden, tiene
sentido realizar cálculos y operaciones matemáticas. Dentro de las variables cuantitativas
se pueden distinguir dos tipos: Variables cuantitativas discretas, aquellas que sólo
pueden tomar valores aislados o discretos.

Y variables cuantitativas continuas, aquellas que pueden tomar cualquier valor dentro
de uno o varios intervalos.

2
ECOG: Eastern Cooperative Oncology Group. La clasificación ECOG la utilizan los oncólogos para
clasificar el estado de pacientes que se sometieron a pruebas clı́nicas (M.M. Oken et al.: Toxicity and
Response Criteria of the Eastern Cooperative Oncology Group, American Journal of Clinical Oncology,
5 (1982) 649–655.
6 Tema 1: Introducción a la Estadı́stica Descriptiva

Obsérvese que, aunque teóricamente los datos cuantitativos continuos pueden tomar
cualquier valor dentro de uno o varios intervalos, en la práctica por la limitación de la
precisión de los aparatos de medida, todos los datos continuos se convierten en discretos.
Ası́, la estatura de los individuos podrá determinarse hasta el milı́metro (por ejemplo),
en cuyo caso los valores posibles van “dando saltos” y un individuo medirá 171.2 cm o
171.3 cm pero no los valores intermedios que el aparato no es capaz de precisar (y que
redondea a uno de los anteriores). Sigue siendo útil, en cualquier caso, distinguir entre
datos cuantitativos continuos y discretos.

1.4. Sı́ntesis de datos unidimensionales

Las herramientas estadı́sticas más utilizadas para resumir la información y facilitar la

interpretación de datos unidimensionales son:

1. Tablas de frecuencias (para variables cualitativas y cuantitativas)

2. Medidas descriptivas (sólo para variables cuantitativas)

 Medidas de posición
 Medidas de dispersión
 Medidas de forma

3. Representaciones gráficas.

2. Tablas de frecuencias

Supongamos que se ha observado el valor de una variable estadı́stica X (cualitativa o

cuantitativa) para una muestra de tamaño n. Denotamos por xi el valor de la variable X
en la i-ésima unidad muestral, para i = 1, . . . , n. Por tanto, identificamos una muestra de
tamaño n sobre la que se ha observado la variable X con los valores

x1 , x2 , . . . , xn .

Una de las formas más simples de resumir la información de un conjunto de datos del
tipo mostrado en la Tabla 2, es mediante una distribución de frecuencias, que consiste
en calcular para cada valor o clase de valores de una variable el número (frecuencia) de
veces en que aparece. Antes de definir más rigurosamente la distribución de frecuencias
veamos los tipos de frecuencias que se pueden calcular a partir de un conjunto de datos
para una variable unidimensional.
En adelante supondremos que tenemos una variable estadı́stica X que puede tomar
valores en un conjunto E y denotaremos por {E1 , . . . , Ek } una partición3 de E.
Para cualquier i ∈ {1, . . . , k}, se define:
3
{E1 , . . . , Ek } es una partición de E si E1 ∪ . . . ∪ Ek = E y Ei ∩ Ej = ∅ para todo i, j = 1, . . . , k, i 6= j.
Estadı́stica (Grado en Óptica) 7

ni : frecuencia absoluta de la clase Ei .

Es el número de unidades en la muestra cuyo valor de X pertenece a Ei .
fi : frecuencia relativa de la clase Ei .
Es el cociente entre el número de unidades en la muestra cuyo valor de X pertenece
a Ei , y el número total de unidades en la muestra. Esto es:
ni
fi =
n
Una tabla cualquiera que refleja las diferentes clases Ei con sus correspondientes fre-
cuencias se denomina tabla de frecuencias o distribución de frecuencias. En ella se debe
indicar lo siguiente:

El nombre de la variable en su encabezamiento o al pie;

Los valores o clases de valores que toma la variable;
La frecuencia de cada uno de ellos;
La suma de todas las frecuencias;
También es aconsejable indicar las frecuencias relativas (o, equivalentemente, los
porcentajes, que se obtienen multiplicando por cien las frecuencias relativas).

2.1. Variables Cualitativas

Para las variables cualitativas, las clases Ei corresponden usualmente a las diferentes
modalidades que puede tomar la variable. Suponiendo que una variable cualitativa toma
(en la muestra) k modalidades, entonces la tabla de frecuencia toma la forma:

Modalidad Frecuencia absoluta Frecuencia relativa

E1 n1 f1
E2 n2 f2
... ... ...
Ek nk fk
Totales n 1

Tabla 4: Distribución de frecuencias para una variable cualitativa

En el caso de las variables cualitativas ordinales, las modalidades en la tabla se pre-

senterán ordenadas.
Ejemplo 4. Usando los datos expuestos en el Ejemplo 1, se pide:

(a) Calcular la distribución/tabla de frecuencias para la variable ‘Tipo de tratamiento’.

‘Tipo de tratamiento’ es una variable cualitativa nominal, cuyas modalidades o
categorı́as son A, B y C, por lo que en este caso E = {A, B, C}. Su distribución de
frecuencias se representa en la Tabla 5.
8 Tema 1: Introducción a la Estadı́stica Descriptiva

Tipo de Tratamiento Frecuencia absoluta Frecuencia relativa

A 22 0,3667
B 13 0,2167
C 25 0,4166
Totales 60 1

Tabla 5: Distribución de frecuencias para la variable ‘Tipo de tratamiento’

(b) Determinar el tratamiento más frecuente, y el porcentaje de pacientes en la muestra

que recibe dicho tratamiento.
El tratamiento más frecuente es el C, y el porcentaje de pacientes en la muestra que
recibe dicho tratamiento es del 41,66 %.

2.2. Variables Cuantitativas Discretas

Para variables cuantitativas discretas, sus clases Ei corresponden usualmente a los di-
ferentes valores aislados que puede tomar dicha variable, y se muestran en orden creciente
en la tabla de frecuencias. En este caso, a diferencia de lo que sucedı́a con las variables
cualitativas, es aconsejable añadir a la tabla las frecuencias acumuladas (relativas y/o
absolutas) que se definen a continuación para cada i ∈ {1, . . . , k}.

Ni : frecuencia absoluta acumulada hasta el valor Ei .

Es el número de unidades en la muestra cuyo valor de X es menor o igual que Ei .
Ni = n1 + n2 + . . . + ni−1 + ni

Fi : frecuencia relativa acumulada hasta el valor Ei .

Es el cociente entre el número de unidades en la muestra cuyo valor de X es menor
o igual que Ei , y el número total de unidades en la muestra. Esto es:
Ni
Fi = = f1 + f2 + . . . + fi−1 + fi
n

Fr. absoluta Fr. absoluta Fr. relativa Fr. relativa

X acumulada acumulada
E1 n1 N1 = n1 f1 F1 = f1
E2 n2 N2 = n1 + n2 f2 F2 = f1 + f2
... ... ... ... ...
Ek nk Nk = n fk Fk = 1
Totales n 1

Tabla 6: Distribución de frecuencias para una variable cuantitativa discreta

Si suponemos que E1 , . . . , Ek son los posibles valores ordenados que puede tomar
una variable cuantitativa discreta X en una muestra de tamaño n, entonces la tabla de
frecuencias es como la dada en la Tabla 6.
Estadı́stica (Grado en Óptica) 9

Ejemplo 5. Usando los datos expuestos en el Ejemplo 2, se pide:

(a) Calcular la distribución de frecuencias para la variable ‘número de cigarillos fumados

a diario’.
‘Número de cigarillos fumados a diario’ es una variable cuantitativa discreta. Su
distribución de frecuencias viene dada en la Tabla 7.

Número de Fr. absoluta Fr. absoluta Fr. relativa Fr. relativa

cigarrillos acumulada acumulada
2 8 8 0,2 0,2
4 8 16 0,2 0,4
5 6 22 0,15 0,55
6 4 26 0,10 0,65
7 6 32 0,15 0,80
8 6 38 0,15 0,95
9 2 40 0,05 1
Totales 40 1

Tabla 7: Distribución de frecuencias para la variable ‘Número de cigarillos fumados a

diario’

(b) Determinar el porcentaje de individuos en la muestra que fuma a diario 6 cigarillos

o menos.
El porcentaje de individuos en la muestra que fuma 6 cigarrillos o menos es del
65 %.

2.3. Variables Cuantitativas Continuas

Para las variables cuantitativas continuas, los subconjuntos Ei representan intervalos

semicerrados (o semiabiertos) de la forma Ei = [ai , bi ) ó Ei = (ai , bi ], consecutivos y
disjuntos4 . Además de las frecuencias absolutas y relativas, es aconsejable calcular la
frecuencias acumuladas y las marcas de clases que se definen a continuación.

ci : la marca de clase para el intervalo Ei = [ai , bi ) (ó Ei = (ai , bi ] se define como

el punto medio de dicho intervalo, esto es,

ai + b i
ci = .
2

Las marcas de clase, definidas como punto medio de cada intervalo Ei , actuan como
represenantes de dichos intervalos. Como veremos después, las marcas de clase permiten
el cálculo aproximado de algunos coeficientes a partir de una distribución de frecuencias.
4
Para una descripción más detallada de las reglas generales para agrupar los datos en clases ver: J.S.
Milton (2001) Estadı́stica para Biologı́a y Ciencias de la Salud, 3a edición, p. 22
10 Tema 1: Introducción a la Estadı́stica Descriptiva

Intervalo Marca Fr. absoluta Fr. absoluta Fr. relativa Fr. relativa
de clase acumulada acumulada
E1 c1 n1 N1 f1 F1
E2 c2 n2 N2 f2 F2
... ... ... ... ... ...
Ek ck nk Nk fk Fk
Totales n 1

Tabla 8: Distribución de frecuencias para una variable cuantitativa continua

Ejemplo 6. Usando los datos expuestos en el Ejemplo 1, se pide:

(a) Calcular la distribución de frecuencias para la variable Presión sistólica. ¿Que se

puede decir sobre la presión sistólica de los pacientes en la muestra ?
‘Presión sistólica’ es una variable cuantitativa continua que toma valores en el in-
tervalo E = [140,6, 153,9]. Para la construcción de su distribución de frecuencias se
ha dividido E = [140,6, 153,9] en 5 clases de igual longitud L = 153,9−140,6
5
= 2,66,
por lo que cada subintervalo Ei , para i = 1, . . . , 5, viene dado por:

Ei = [140,6 + 2,66 · (i − 1), 140,6 + 2,66 · i).

Presión Marca Fr. absoluta Fr. absoluta Fr. relativa Fr. relativa
sistólica de clase acumulada acumulada
[140,60, 143,26) 141,93 13 13 0,2167 0,2167
[143,26, 145,92) 144,59 6 19 0,1000 0,3167
[145,92, 148,58) 147,25 16 35 0,2666 0,5833
[148,58, 151,24) 149,91 12 47 0,2000 0,7833
[151,24, 153,90] 152,27 13 60 0,2167 1,0000
Total 60 1

Tabla 9: Distribución de frecuencias para la variable ‘Presión sistólica’

(b) ¿Qué porcentaje de pacientes en la muestra tiene Presión sistólica (en mm Hg) entre
143,26 (incluido) y 148,58 (excluido)?
Un (0,1000+0,2666)·100 = 36,66 % de pacientes en la muestra tiene Presión sistólica
(en mm Hg) entre 143,26 (incluido) y 148,58 (excluido).

(c) ¿Qué porcentaje de pacientes en la muestra tiene una Presión sistólica menor de
151,24 mm Hg?
Un 78,33 % de pacientes en la muestra tiene una Presión sistólica menor de 151,24
mm Hg.

Como ya se ha comentado anteriormente, para las variables cuantitativas continuas las

clases Ei son intervalos semicerrados (o semiabiertos), consecutivos y disjuntos. El número
Estadı́stica (Grado en Óptica) 11

de intervalos k a tomar, o la longitud de los mismos (se recomienda que siempre tengan
la misma amplitud si es posible), es algo arbitrario que debe decidir el experimentador
en función del número de observaciones, n, de la dispersı́on de los datos y de criterios de
comparabilidad con experimentos anteriores o futuros. No hay un criterio universal para
determinar ese número de intervalos k. Se recomienda un número √ de intervalos entre 5 y
20. Otra regla posible es definir k como el entero más próximo a n, si n ≤ 400, o k = 20
si n > 400.

Si una variable cuantitativa discreta toma un número “muy elevado” de valores ais-
lados es aconsejable agrupar los valores en clases y construir una tabla de frecuencias
del tipo descrito para variables cuantitativas continuas.

Al pasar del conjunto de datos originales a su distribución de frecuencia siempre se

pierde algo de información a menos que las clases Ei representen los posibles valores
de la variable en la muestra.

En el Ejemplo 1, podrı́amos presentar la información contenida en el conjunto de

datos originales (Tabla 1) por la variable ‘Presión sistólica’ en una forma equivalente
a como se ha hecho en la Tabla 9, mediante una tabla de frecuencias donde las clases
Ei representan los posibles valores de la variable ‘Presión sistólica’ en la muestra
(ver Tabla 10).
12 Tema 1: Introducción a la Estadı́stica Descriptiva

Presión Fr. absoluta Fr. absoluta Fr. relativa Fr. relativa

sistólica acumulada acumulada
140.6 2 2 0.0333 0.0333
140.9 1 3 0.0167 0.0500
141.7 1 4 0.0167 0.0667
142.1 1 5 0.0167 0.0834
142.4 2 7 0.0333 0.1167
142.5 1 8 0.0167 0.1334
142.6 1 9 0.0167 0.1501
143.1 1 10 0.0167 0.1668
143.2 3 13 0.0500 0.2168
144.1 1 14 0.0167 0.2335
144.4 1 15 0.0167 0.2502
145.1 1 16 0.0167 0.2669
145.2 1 17 0.0167 0.2836
145.4 1 18 0.0167 0.3003
145.5 1 19 0.0167 0.3170
146 1 20 0.0167 0.3337
146.1 1 21 0.0167 0.3504
146.2 1 22 0.0167 0.3671
146.3 2 24 0.0333 0.4004
146.4 1 25 0.0167 0.4171
146.5 1 26 0.0167 0.4338
146.6 1 27 0.0167 0.4505
146.8 1 28 0.0167 0.4672
146.9 2 30 0.0333 0.5005
147.2 1 31 0.0167 0.5172
147.4 1 32 0.0167 0.5339
148 1 33 0.0167 0.5506
148.2 1 34 0.0167 0.5673
148.5 1 35 0.0167 0.5840
149.3 1 36 0.0167 0.6007
149.5 3 39 0.0500 0.6507
149.6 1 40 0.0167 0.6674
149.7 1 41 0.0167 0.6841
149.8 1 42 0.0167 0.7008
150 1 43 0.0167 0.7175
150.3 1 44 0.0167 0.7342
150.8 2 46 0.0333 0.7675
151 1 47 0.0167 0.7842
151.4 1 48 0.0167 0.8009
151.5 1 49 0.0167 0.8176
151.6 1 50 0.0167 0.8343
151.8 3 53 0.0500 0.8843
151.9 2 55 0.0333 0.9176
153.1 2 57 0.0333 0.9509
153.5 1 58 0.0167 0.9676
153.6 1 59 0.0167 0.9843
153.9 1 60 0.0167 1.0000
Totales 60 1

Tabla 10: Distribución de frecuencias para la variable ‘Presión sistólica’

Estadı́stica (Grado en Óptica) 13

En cuanto a la interpretación de los resultados que se derivan a partir de una distri-

bución de frecuencias de una variable cuantitativa X, dadas dos constantes reales a y b
podemos estar interesados en calcular los porcentajes de elementos de la muestra para los
que la variable X está en determinado intervalo.

1. %(X ≤ b)

2. %(X < b)

3. %(a ≤ X ≤ b)

4. %(a < X ≤ b)

5. %(a ≤ X < b)

6. %(a < X < b)

7. %(a ≤ X)

8. %(a < X)

A partir de la distribución de frecuencias se pueden calcular directamente los porcentajes

deseados en los casos 1 y 2. Buscamos en la columna de valores que puede tomar la
varaible el más grande que cumpla la desigualdad de interés. El porcentaje buscado se
obtiene multiplicando por 100 la frecuencia relativa acumulada asociada a dicho valor.
Todos los otros casos se pueden transformar en expresiones equivalentes que sólo in-
volucran porcentajes del tipo en 1 y 2 de acuerdo con la siguiente tabla:

3. %(a ≤ X ≤ b) = %(X ≤ b) − %(X < a)

4. %(a < X ≤ b) = %(X ≤ b) − %(X ≤ a)

5. %(a ≤ X < b) = %(X < b) − %(X < a)

6. %(a < X < b) = %(X < b) − %(X ≤ a)

7. %(a ≤ X) = 100 − %(X < a)

8. %(a < X) = 100 − %(X ≤ a)