C E P A L ¡ c B l a I E foyo)

INT-1740

Í/. 2
NACIONES 1.TN1DAS
CENTRO LATINOAMERICANO DE DEMOGRAFÍA (CELADE)

XX CURSO REGIONAL INTENSIVO

DE ANÁLISIS DEMOGRÁFICO
1997

1. MÉTODOS CUANTITATIVOS
ESTADÍSTICAS: MATERIAL DOCENTE

MATERIAL DOCENTE
(Para uso exclusivo de los alumnos)

Santiago cíe Chile

CURSO INTERNACIONAL INTENSIVO DE
DEMOGRAFIA

Organiza: Facultad de Ciencias Básicas

Universidad de Antofagasta.
 UNIVERSIDAD DE ANTOFAGASTA
FACULTAD DE CIENCIAS BASICAS

CURSO INTERNACIONAL INTENSIVO DE

D E M O G R A F.' I A

APUNTES DE

E S T A D I S T I C A

Me. Jiinmy F.eyes Rocabado Mg. Juan Duarte Vargas

Ceparta.-ento de Materna ti cas Departamento de Matemáticas
Facultad de Ciencias Básicas Facultad de Ciencias Básicas
ver;-dad de Antofagasta Universidad de Antofagasta
 UNIVERSIDAD DE ANIÜFAGASTA
FACULJAD UC CIENCIAS BASICAS

INSTITUTO NACIONAL DE ESTADISTICA S ¡ g P ¡ ¡ ¡ CEN.RO LATIKOAHERICABO DE DEMOGRAFIA

lif^Sili

\ .CURSO ' INTERNACIONAL -INTENSIVO DE

% D . E M O G R A F I A

APUNTES DE

í S7 AD í ST I cA

CsT./VV* •• '^'.V.'T.'^'ñ D Ü C P A L
V

'•'g. Jimmy Reyes Rocabado . Mcj. Juan Duarte Varaos

Departamento de Ma toma ti m^ . t-^r,,r> )- -
 IV TASAS, RAZONES Y PROPORCIONES

Cifras absolutas v frecuencias relativas

~ " Las estadísticas que resultan de las tabulaciones de diferentes tipos
da datos (nacimientos, defunciones, casos de enfermedad» consultas, egresos hospi-
talarios,. etc,) proporcionan ndmeros absolutos que son muchas veces utilizábles ?'h
directamente en Salud Pública» Por ejemplo, el ndmero do consultas otorgadas en
un,consultorio extemo permite al administrador en salud estimar la cantidad de fr
acreéursos necesarios para dar una atención suficiente? el ndmero de nacimientos es
ctiin dato valioso para los programas de atención matemo-infantilf el ndmero de egre
sos de un hospital muestra el volumen de hospitalización y sirve para calcular eos
tos y rendimientos»
Sin embargo, a posar de la importancia de las cifras absolutas, son las
té"frecuencias relativas las que tienen una mayor utilidad» B.-jo esta denominación
Snso incluyen las tasas, proporcionos» porcentajes y simples razones. Las frecuera
tocias;relativas tienen la ventaja de. facilitar la presentación de las rolaciones.
esqúe^exísten entro dos o más datos y, hacer, más sencilla la comparación do resulta»
dos. ' *
1. _ Razone3
Son cuocientes "entré dos cantidades do igual o distinta naturaleza.
Indican cuantas vecos sucode el hecho que está en el numerador con rospecto al
hecho que está en el denominador.
Ejemplo t Razón do mosculinidod - N9 do hombrof
Na do mujoros
Indica cuántos hombros hay por cada mujer. Si se amplifica por 100>
co sabrá cuantos hombros hay por coda lOO mujoros, on Chile 1982 habió 96 hombros
por coda 100 mujeres.
5.521.067
Chilo 1982 = 5.754.373 x 100 p 95.9

Otro ejemplo x
En el programa do otonción maternal se desea comparar la relación en-
tro controlos y consultas de morbilidad otorgados on d03 Sorvicios do Solud on
1902.

Atención runtcrnnl
Servicio W
He Snlud Controles Consultos morbili'ío^
Oriento 72.154 72.568
Sur 72.029 07.041

1-4202
 El examen do estas cifras absolutas hoco un pocodifícil I a comparocidn.
una formo gruesa so puedo decir que ambos Servicios dieron igual niímero do con-
troles y qu<2> on cambio, el nómoro do consultas por morbilidad fuo muy superior en
1 Sorvicio Sur. Rosulta más clara la comparación si so calculan los cuociontos
°ntro ol numero do controles y G1 número de consultas en cada uno de los Sorvicios.

Servicio Oriento 72.154/72.568 = 1 control por CBda consulta.

Servicio Sur 72.029/87.041 = 0.8 controles por cada consulta.
Se establece que el Servicio Oriente ha dado más controles por consulta
quo ol Sorvicio Sur.

Proporciones
Son cuociontos entro do3 cantidades de igual naturaleza. Doscribon la
rocción que una serie do sucosos que figuran on ol numerador roprosonta con ro&-
octo al total de sucosos de igual índole. Cunado ol resultado do esto cuociente
o multiplica por 100 resulta un porcentaje, que e3 lq forma habitual de calcular
sta frecuencia relativa.
Icmplox En Chile en 1982 el Sistema Nacional de Servicios do Salud controló el
stado nutricional de 1.160.813 niños menores de 6 años. En ol mismo año la Re- -
i(5n Metropolitana controló 390.464 niños de igual edad- Como la Región Motropo-
itana^es una parte del Sistema Nacional so puede calcular el porcentaje que re ~
resenton. los controles de esta Región con respecto al total dol país»
<?g .i.-' •• r • • '*•" •:; -
390.464
X 100
1.160.813, ..
Do osto modo so sobo quo 34# dol total do niños monoros do sois años
n control nutricional en ol país, pertoncoon o lo Región Metropolitano.
j. Es importante insistir que tanto los hechos que figuran en el numerador
como los del denominador deben sor do igual naturaleza. De este modo el resultado
fixprosa la importancia relativa quo el doto del numerador tiene con reepocto ol ten
pal. - !
Los porcentajes tienen 1a vontaja de permitir una comparación fácil de
pries que tienen totales diferentes, al referirlos a una baso comón que en esto
aso es 100. Si suponemos dos Provincias en que se desea conocer si la mortali-
ód del menor de 28 días es diferente en importancia con respecto al total de ni-
bs menores de 1 año, es más sencillo calcular los porcentajes que representan las
efuncioncs de menores do 28 días con respocto ol total de defunciones de monoros
e 1 año.

Defunciones de menores de
Defunciones do
Provincia 20 df.-ts
monoros de 1 ono
US A>
Concepción 502 242 43,2
Bio-Bio 207 131 45,6

En la provincia do Concepción las defunciones de menores de 20 rifas re-

asentan el 40,2% del total (1o defunciones infantiles, on cambio en la provincia
3
Bio-B.io reprosenton el 45.6%.

-4202
 I Imitaciones do los porcentajes y necesidad del calculo do tosas
A pesar do su utilidad» los porcontojos tlonon limitaciones. SI so
estudian» P o r ejemplo, las muortos por accidentes en dos grupos de edados on un
noís X nos encontramos con lo siguionto*

Grupo do Total do Defunciones

edad dofuncionos por occidcn+.o
N» %
15 a 24 48.999 12.763 26,0
65 a 74 306.025 11.425 3,7

En esto coso podría concluirse que los accldentos son un peligro más *
~sorio pora los jóvenes» en los que más de uno cuarto porte de las defunciones so
debe a accidentes, que pora las personas do mayor edad» en las que los accidentad
- causan monos dol de las dofuncionos»
Lo3 cifras anteriores no expresan roalroente el riesgo de morir por
occidente» sino la importancia rolatlvo que osta causa tiene en el total de defun-
ciones de cada grupo do edad» El conocimiento del riesgo no se obtiene con el cái
cuío do los porcentajes; para ello hay quo introducir en la comparación un elemen-
to importanto que os lo población expuesta al riesgo de sufrir accidontes» 'El ro-
sultoíj quo se obtiene al dividir el número do muortos debidas a accidontes por
>ía población expuesta oí riesgo do sufrir un accidonte es lo que se denomina tasa
ri<íQrooHalidadpor accidento.• ;
S s f w t v • - •• •• ••• •• ¿ V i - • Y ' í . ' ^ ' í •' "Vi •• • • • •• •••; . •'•• •

c-orv/f o.. . • . u •• c.t r¡: .•»<; t' r» :v • J>v-" s'— ' - ? 'V*r • '
v--3.; Tasas •:.,.
Una tasa es un cuociento formado por tros elementos :
-Un numorodor, que consiste en el nómoro de vecos quo ocurrió un dotorroinodo
bocho on un período do tiempo dado y en un droo determinado.
"Por ejemplo, el ndmero do cosos de uno enfermedad que so registró on un área
durante un año.
-On denominador, quo os l a población expuesta al riesgo do que lo sucoda ol
fonómono que aparece on ol nuinorador.
-Una constante por lo cual se multiplico el cuociento. Debido a que ol cuo-
ciento resultante en uno toso es siempre do valor inferior a lo unidad» óste
se multiplico por 100, 1.000, 10.000 ó 100.000 de modo do tener cifras supe-
riores a la unidad» lo quo facilita la interpretación. En efocto, es más
fácil ontonder que la tasa de mortalidad do una región os 8 por 1.000 habi-
tantes quo docir quo os O,008 por habitante.
.Requisitos generóles do las tasas
Es necesario nuo on unn tosa haya concordancia entro ol numerador yk e
.dennminn^or en tres aspectos importantes» la naturaleza dol hecho, la zona googr
fica y el período do tiempo dentro del cual ocurre ol hecho. k
En relación con la naturaleza del hecho, debe usarse en el denominado
la población de la cual haya emanado el hecho del numerador. Así, no podríamos
tener una tasa de mortalidad por cáncer de lo próstata si en el denominador figt
lo poLlación femenina.

1-4202
 .

El área geográfica debe sor la misma para ol numorador que para el de-
nominador.
Con respecto al tiempo, las tasas se calculan genoralmento sobre una
anual. So prosonta un probloma on cuanto al denominador do la tasa, ya
b a s o

QUO debido a que la población varía a lo largo dol año, pueden hacerse distintas
estimaciones de ella. Si la población se estima .al comienzo del período no ropre
sonta toda la población expuesta ya que en esta población no figuran por ejemplo,
los niños quo nacerán durante el año. Si la población que so usa es la estimada
al final del año sucede lo contrario, yo quo no aparecerán en olla los que han fa
llecido y los que han emigrado en el curso del año.
De aquí quo es de uso habitual como representativa do la población me-
dia expuesta al riesgo la estimación o mitad del período, os decir, al 30 do junio
del año en estudio.
Tipos de tasas
En general pueden distinguirse dos tipos principales de tasas*
a) tasas crudas o brutos.
b) tasas específicas.
Cuando en ol denominador figura el tota 1 de 1a población su habla do
tasas crudas porque no so consideran características como odad» sexo> etc. Es una
medición gruesa do la fuerza do ocurrencia do un hecho. -
Cuando en el denominador so usa sólo cierto sector de la población»
por ojomplo,: 'la 'población do" 20 a 25 años (en el numerador debe figurar el hecho
referiHo¡vqueT,!afect'a sólo* a "esté" grupo'de edad) se' habla de tasas" específicas.""'
Estás ta'sás son más refinadas y miden con mayor exactitud el riesgo que se desea
conocer, ya que-en general los riesgos son diferentes segtfn las características •
de las personas. . • cr« * ' - -
Por ejemplo, lo mortalidad es muy diferente en algunos grupos de odad
y la toso crudo os sólo una ospocio do promedio do los diferentes tosas ospocífi-
cas. A veces so habla improp i órnente do quo una toso os ospocíficn, Tal es el ca
so do la tasa de mortalidad por una causa determinada, por ejemplo tuberculosis.
Si en el numerador figuran todas las dofunciones por tuberculosis en ol denomina-
dor dr-Vo estor todo la pobloción y os por lo tonto una tasa cruda por uno causo
específico.
Las tasas que habituolmento so usan en Salud Pdblica so refioron a lo
mortalidad, lo morbilidad, lo lotolidod y la focundidod-
3.1. Toso bruto do mortalidad
Su numerador incluyo lo totalidad de las defunciones do ambos sexos,
do todos los edades y por todas los causas, registradas o lo largo de un año ca-
lendario en un áreo determinado. Su denominodor es la población total do eso
mi sma áreo estimada o mitod do período, os'docir, al 30 do junio dol mismo año.
Tal como ocurro con todas los tosas de mortalidad, debido a quo en la pobloción
expuesta ol riesgo de morir sólo algunos individuos hon muerto on el tórmino del
año calendario, el denominador es sioinpro mayor quo el numerador y, pora obtener
cifras enteros os necesario amplificar el cuociente entre dofunciones y población
por uno constante que, en el coso do la tosa bruto es 1.000.
Tasa bruto de mortalidad =
_ Ng totnl de defunciones en un .•Ireo y año detormj nodos, x ^ QQQ
~~ Pobloción total dol áreo ol 30 de junio de eso oño
 5cndn__cou¿a

Tasa do mortalidad por causa -

npfuncjones por una causa on un área y año determinados ^qq qqq

s
Población total al 30/junio de ose año y área
El denominador do las tasas por causa, en goncral, os la población
total y por consiguiente so trato do tasas crudas por una causa o grupo do causas
específicas.
La construcción do estas tasas implica separar ol conjunto do todas
los muertos diversos sub conjuntos atondiendo a la causa do muerto. Dichas muer-
tes, si no hay otra especificación adicional, incluyen los defunciones do cual-
quier edad y ambos sexos quo han ocurrido por una misma causa o grupo de causas,
Debido o 1a necesidad He disponer do tasas por causas do muorte cuya
magnitud en la población puedo, ser muy pequeña y a fin do que 1a magnitud de las
tasas do mortalidad por los diferentes causas sea facilmento comparable, la. cons-
tante que en ellas se utiliza es 100.000.
Tasa de mortalidad materna =
_ Muertos debidas o complicaciones del orobarazo, parto o puerperio x 1.000 (ó
"'Uncidos vivos en ese año y área x 10.000),
- -i - e Se denominan muertes maternas aquellas cuya causa está relacionada con
•ivoííí-t complicaciones del embarazo, parto o puerperio.y ellas constituyen el numorador
do. la tasa, r-.. • .•• .. . .. .
ioucnoo
I moiru Su' donoíninodor "podrían ser las mujeres entro 15'y-49 años-pero ol rios-
'g'o¡ específico''^quo1 indica el numorador sólo afecta a aquollas que en dicho año han
tenido un embarazo, por lo tanto lo más adecuado sería colocar, ol nóinero de emba-
razadas. Como habitualmonto no se dispone de información fidotUgna- respecto a
esto dato, so ha convenido internacionalmente utilizar como denominador ol nóinoro
do nacidos vivos del mismo año en que sucedieron las muertes del numerador.
La taso do mortalidad materna so define como la relación ontro ol núme-
ro do defuncionos por causas relacionados con las complicaciones dei embarazo, por
to o puerperio ocurridas en un año y área dadas y ol ndmero de nacidos vivos en el
mismo año y áróa. Se puode expresar por 1.000 ó por 10.000.

3.2. Tasas específicas de mortalidad

Seqón sexo*
El riesgo de morir difiere segón ol sexo. Por olio es convonionto modir por
separado la mortalidad de hombres y de mujeres.
Tosa Mortalidad Masculina =
_ Defunciones masculinas en un área y año determinados
~ Población masculina ol 30/vide ese año y área
x 1.000

Toso Mortalidad Femenino =

_ Defunciones femeninas en un área y año deternñnor'or,
x 1.000
Pobloción femenina al 30/vi de eso año y área

Iguol que la tasa bruto de mortalidad» ambas tocas se amplifican

por 1.000.
Debido a que sus denominadores oon deferentes estos dos tosas no so
puclcn sumar directamente poro reconstruir lo toso bruto de mortalidad.

i
 La mortalidad difiero marcadamonte segvín la edad. Por eso corriente-
mente la medición do la mortalidad requiero medir el riesgo de muerto por odados.
Al elaborar los tasas do mortalidad por edad puede llegarse a tal grado do especi-
ficación quo los subconjuntos do defunciones incluyan sólo edades simples, es do-
cir, elaboro una tasa paro cada año do odad. Sin embargo, lo habitual os quo
5e trabaje con grupos do edades, usándose frecuentemente grupos quinquenales de
od3d o bien grupos do mayor amplitud. Sólo pora las edades más jóvenes, on quo
ol riesgo do morir cambia más rapidamento con la odad, está justificado construir
tasas de mortalidad por edades simplos o aún por intervalos quo sean menos amplios
que 1. año.
Tasa de mortalidad por edad =
_ Defunciones do un grupo do edad on un faca y año rfotorininados ^ 000
~ Población de eso grupo de edad
al 30/VI de eso ano y área
Todas las tasas do mortalidad por odad so omplifican_por 1.000 •
Estos tosa3 se pueden calcular soporodomonto poro cada sexo. En talos casos la
doblo especificación do sexo y edad debo h-~orse tanto para las dofunciones como
para la población. Ejemplo»
Tasa mortalidad masculina do 20 - 24 años =
_ Defunciones masculinas de 2Q-24 on un área y año determinados ^ qqq
~ Población masculina de 20-24 años al 30/VI para ese año y área
Un caso especial dentro He las tasas de mortalidad por odad lo consti-
tuyen, los muertos de los menores do un año. El riesgo do morir es considerable -
moritel'iVás. alto on el. prinior año. do vida quo en las edades siguientes,".salvo las
¿fóBes roúyavanzadas». 1."" . . . . .. . *! .";* " '-" . ' " ' ' . ' • - " *"
. -.-.Es prccisamonto on esta odad cuando la mortalidad os .m5s; sonsibfo. a
ios'efectos dol ambiento y si las tasas son altas una buono proporción do ostas
defunciones son ovitablos. Por olio esta medida es un indicador usual dol nivel
do salud o interesa particularmente conocerla.

Tasa de mortalidad infantil =

_ Defunciones de niños menores He 1 año en un área y año determinados ^
Macidos vivos en eso año y área *•
Tal como en la tosa bruta do mortalidad y los tosas do mortalidad por
sexo y edad, la constante quo so utiliza en esta-taso es 1.000.
El numerador de lo tosa de mortolidod infantil incluye los dofunciones
do ambos sexos y por todas las causas que ocurren dentro do un año calondario y en
un área determinado en los niños que ailn no han cumplido su primor año do vida.
Dada la naturaleza do su numerador lo tasa de mortalidad infantil tieno ol coroc-
ter do una tasa de mortalidad por edad. Por lo tonto, debería osperorso quo su
denominador fuera la población do menores de 1 año de edad, ostimada a mitad del
mismo año calendario o que so refieren las muertes. Sin embargo, hoy razones me-
todológicas por los cuales so hace necesario el uso de otro denominador. •

Entre estas rozones está el hecho de que la población menor do 1 año

se omite en los censos en una proporción mayor., que la de cualquiera otra edad, y
por ello su tamaño, para un oño censal y con mayor rozón en las estimaciones pora
los años posteriores al censo, son más inexactas quo para los grupos do edades
mayores. Por otra porte, los niños menores de 1 año que existen en una población
depende c'cl nivel y las tendencias de la natalidad en los años recientes. En cam-
bio, on los grupos do edades mayores los efectivos de población son menos sensi-
bles a las modificaciones de la natalidad en los oños inmediatamente procedentes.

1-4202
 27.

Es por esto, que para estar a cubierto de las variaciones que existen
entre los países respecto a la cabalidad de los censos y de las fluctuaciones que
puede experimentar ol nivel de la natalidad, se ha convenido intornacionalmonte
en utilizar como denominador de la tasa de mortalidad infantil la cifra de naci-
dos vivos dol año, en lugar de la población estimada do menores de 1 año.
La tasa de mortalidad infantil se subdivido en dos componentes»
Tasa do mortalidad noonotol =
__ Defunciones niños menores do 28 ds. en un ¿rea y año determinados x ^ QOQ *
Nacidos vivos en ese año y área
*".'' Está tasa mido la frocuoncia do muertes quo ocurren on los menores de t,
20 ds. on un año calendario y on un área determinada por cada 1.000 nacidos vivos
. en eso mismo año y área.
Tasa de mortalidad infantil tardía —
_ Defunciones de niños do 2B ds. a 11 mese3 en un ¿rea y año determinados „ ^ q^q
~ Nacidos vivos en ese año y ¿rea
. La tasa do mortalidad infantil tardía mido la frocuoncia do muertos
'' que ocurren en el primor oño de vida a partir del 28» día, en un año calendario
y área dada por 1.000 nacidos vivos en ese año y área.
?*C. ~ ~Así'como"ontro "las muertos dol primer año 03 conveniente distinguir los
/ quo ocurren-en-las primoras 4' semanas-del resto de las muertes infantile,'tambi ón
" es títil analizar 'Separadamente las'muertes de la primera seraana~de vida de'las"
¿ccorrespondientes, a lás 3 semanas siguientos. Si se rofieron estos nuevos dos sub-
^.. conjuntos a la misma cifra do nacidos vivos dol año so obtienen dos nuovas tasas
quo sumadas equivalen a la tasa do mortalidad noonatal. Ambas se expresan igual-
mente por 1.000 . La tasa de mortalidad.de la primera semana so denomina tosa de
mortalidad neonatal precoz y la do la segunda a cuarta somana tasa de mortalidad
noonotol tord^ql
Tasa de mortalidad neonatal precoz =
— Oofuncionos de menores do 7 dios pn un área y nño determinados ^ qqq
Nacidos vivos en ese año y ároa
Esta tosa mide la frecuencia de muertes que ocurren en la primera semono
do vid.o en un oño calendario y ároa dodo por coda l.OOO nacidos vivos del mismo año
y ároo.
Tosa de mortolidad noonotol tardía =
_ Defunciones de niños de 7 o 27 dios en un ároo y o ño determinaos ^ ^ qqq
Nocidos vivos en ese oño y áreo ' y

Mide la frocuoncia do muertos que ocurren entre la segunda y cuarto se-»

mona de vido en un oño colendorio y áreo dados por cada 1.000 nacidos vivos del
mismo oño y áreo.

Toso de mortolidod fetol tardío (o mortinotolidod) =

Defunciones fetales tardíos (28 y + semanas de gestación) en un ároa y
=:' oño' ^ictermi nodos noo
Nocidos vivos en ose oño y á r o a — x 1.
 28.

Según el momento de la gestación en que se produce la muerte del pro-

ducto de la concepción, las defunciones fetales se clasifican en precoces (menos
¿e 20 semanas do gestación) intermedias (20 a 27 semanas) y tardías (23 y más se-
manas de gestación). Las defunciones fetales tardías corresponden a los mortina
tos y la s precoces e intermedios a los abortos.
El registro do los dofunciono3 fetalos tieno una omisión importante.
Ilota omisión ofocto princlpolmonto o las dofuncionos fotalos prococoa.
Para las defunciones fetales tardías en cambio, el registro proporciona
una información más completa, aunque siempre subestima la magnitud real dol pro-
blema. Su denominador tambión son los nacidos vivos por las razones oxpuestas en
la tasa de mortalidad materno.
Tasa do mortalidad perinatal = -
Dofuncionos fetales tardías + defunciones de niños monoros do 7 días
_ en un área y oño detorminados . x 1.000
"" Nacidos vivos en oso oño y área - -
Esta taso mide ol riesgo de muerte que implico para ol producto de la
concepción ol paso de la vida intrautorino a la vido extrauterino.
3.3 Medición de la morbilidad - ~
V-j ": El ootudio-de la morbilidad tiene serias dificultados. Desdo luego, -a
diferencia-dé larouorto-qúeocurre una sola'vo'z y en un moroento'bién dofiñi-"
do y os un hecho permanente, la-enfermedad"puede ocurrir varias voces-en-la vi'dá',;-
do un individuo, ya que se trota de una misma enfermedad o do enfermedades distin
tas y por último ellas pueden tenor duroción variable. - - ~
En lo que so refiero a la modición de la enfermedad sepuedan distinguir
tres tipos do unidades»
1). personas enfermas, 2) enfermedades, 3) episodios do enfonnedad.
Por ejemplo, si una peroona tiene durante el año 2 resfríos y 3 episodios
diarreicos, se contabilizará i - -
o) persono enferma* b) 2 enfermedad os} c) 5 episodios. - -•
Por este motivo el Comitó do Expertos on Estadísticas de Salud rócomien-
ria quo on las estadísticas do morbilidad so especifique» cloramonto a cual ,1o estos
tres criterios se refieren los dotos.
En lo medición do la morbilidad interesa fundamentalmente medir la fre-
cuencia de la enfermedad en la población, su duración y su gravedad.
3.3.a. Medición do lo- frecuencia do lo enfermedad
So distinguen dos tipos» la incidencia y la prevalencia.
-Tasa de incidencia
Se denomina incidencia al número de cosos nuevos que se prosentan
on un período de tiempo. Se refiero o enfermedades que comienzan durante un
período definido y la tasa mido la frecuencia de acontecimientos quo ocurren
durante el período. En la tasa de incidencia so incluyen en el numerador
los casos nuevos (enfermedades o enfermos) registrados durante ei período y
•el denominador se refiere a la población estimada en el punto medio ^él
período- tasas rio incidencia pueden ser anuales pero también pueden re-
ferir so a cualquiera otro unidad de tiempo.
 29.

Tasa do incidencia =

— Número He casoo nuevos en el período ^ ^ q q q q q

Población a mitad del período

La tasa de incidencia muestra la dinámica de la enfermedad y expresa e!

riesgo de enfermar que tiene la población durante ol período obsorvodo

-Tasa do prevaloncia
Provnlongi^ » es ol número do casos (nuevos y antiguos) quo se rogistr
en un tiempo o momento dado, por ejemplo, el primor día de un mes o ol
último día de un año o ol promedio diario dentro do un período de tisem
po. La toso do prevoloncia tiene como numerador ol nómoro do cosos qu
están presentes en ese momontó y como denominador la población ostimod
para el mismo momento.

Tasa de provalencia =

_ Número do casos existentes en un momento Hado ^qq QQQ

Población en eso momento
La taso, do provaléncla os una medida relativa cuyo sontido es cotopbro-
blo a la inform'oción quo proporcionan los censos de población y mido
sólo lo' que existo o -prevalece en ese momento» Es necesario hacor no-
tar que en ol numerador figuran todos los cosos tanto los quo se inici
ron antes dol momento de medición como los cosos nuevos que aparecen e
ose momento.
Tratándose de enfermedades crónicas la prevalencia reflojo mejor
que la incidencia la magnitud del problema en la comunidad.

3.3.b. Medición de la gravedad He la enfermedad

Un aspecto do la morbilidad cuyo conocimiento tiene gran interós i
la gravedad de la enfermedad. Ella puedo medirse en tórminos de la incapaci-
HaH quo produco. Por ejemplo, una enfermedad monor es aquella quo no es cau-
sa He ausencia del trabajo. Esto hace necesario tener una escala do incapa-
citan para medir la severidad dol cuadro. Además 13 medición tieno ol probl(
ma He que la gravedad dependo no sólo He la enfermodad sino quo tambián Ho-l;
características do los individuos que la padecen. Por ejemplo, un resfrío ce
mún pueHe ser motivo para que una persona guarde cama, mientras otro individt
con un resfrio do iguales condicionos continúa Hosarrollando sus actividades.
Por estas dificultades el índico He gravedad do una enfermedadk]U<
más so utiliza es la tasa de letalidad, que establece la relación entre los
fallecidos por uno enfermedad y los enfermos que padecen eso enfermodod.

-4202
 30.

Tosa de letalidad =

_ Número de defunciones por una enfermedad dada x ^qq

~ Número de enfermos de esa enfermedad
Mide la frocuoncia con que se produce la muorto en una onformodod.
Esto 03 la tasa que permite establecer ol pronóstico do las enformedoc
3.3.C. Medición do la duración de la enfermedad
La duración do la onfermodad os un dato aue interesa modir, entro
otros razones» porque la enfermedad de mayor duración significa mayor costo.
Puedo hacerse osta medición, on forma do un promedio. Por ojemplo, 60 onfernrx
do tifoidoa estuvieron en coma un total de 1.080 días, la duración de la en •
fermedad es entonces»

Duración = ' ^'fto^'= i 8 fí

*as e n
Promedio

Pora la medición de la duración es necesario dofinir previamont'o

que se entiendo por enfermedad. En esto caso la duración se refiero al tiemj
promedio dó estada on cama do los enfermos. Otras definiciones podrían tom;
on cuenta, por ejemplo, el día de los primeros síntomas o ol día on quo so
hizo el diagnóstico, etc. • •' ' ' :: '
• i-- f. .-..••• .•• • • . • . . ;...:....•
• El promedio puedo obtenerse .-no solo en relación a los onformos
(60 en ol ejemplo anterior) sino que puedo obtenerse para opioodios do enfer
medod. Por ejemplo* en uno escuolo so registraron los resfríos do los alumn
y se tuvo un total de 100roefrio3 on el año. Lo duración total do losrcsfri
fue do 500 días. La duroción media de coda episodio fue, por lo tonto de 5
días.
3.4. Medición de lo fecundidad
Lo medición do la focundidad so hoce a trovós do diforentos tipos
de tosas que tratan do medir los niveles dol fenómeno en un área.
Toso bruta de notojidod
Es uno taso simple que relaciona los nacidos vivos registrodos en
un área geográfica durante un año con la población total do esta áreo.
Tasa bruta de natalidad =

_ Nocidos vivos en un áreo y oño determinados x ^ qqq

~ Pobloción totol al 30/VI on eso oño y ároo

Como incluyo o la pobloción totol (do torios los ododos y rio Ombor
sexos) no puedo interpretorso como uno probobilidod porque en ol d.onominador
hny pobloción quo no está expuesta al riesgo de tener un niño. Expresa mis
bien la frecucncio do los nacimientos por cada 1.000 bobitontos.
Los tosos de notolidod son prácticamente las tínicas medidos do ft
cundidod que es posible colculor paro áreas geográficas pequeños y permite t
: tudior los tendencias del fenómeno en un área determinarlo.
 31.

Cuando se comparan áreas diferentes hay quo ser extremadamente cuidado-

so en la interpretación porque puedo haber diferencias on la estructura de la
población especialmente on lo que so refiero a la composición por edad. do la
población femenina y esta diferencia puede por sí sola dotorrninor diforen-
cios en las tasas de natalidad.
Tasa do fecundidad general
Es esta una tasa m5s ospecífico yo que tiene un donominador la pobla-
ción potencialmento expuesta al riesgo de tener un nacido vivo: la población
femenina en edad fértil.
Tasa de fecundidad general _

_ Nacidos vivos nn un área y oño determinados .

~ Población femenina de 15 a 49 años al 30/VI x *
en eso año y área. - -
Al tomar en cuento solomente a las mujeres y en el grupo de edad, expucs^
to ol riosgo es una tasa más dtil para hacer comparaciones entre zonas o coro-
parocionos internacionales.
Taso de fecundidad por edad
Esto taso tiene un nuovo rofinamionto y os más espocífico ya quo toma
en cuenta no-solo ol sexo, sino >lo composición por edad» En efecto, :eh su
numerador se anotan los nocimientos de madres de un grupo de edad determinada
y en ol denominador la población femenina de esa edad. .• . .
Tasa de fecundidad por odad =
Nacidos vivos de mujeres do un grupo do edad en un
_ área y año determinados __ ^ OOQ
. Población femenina de ese grupo de edad al 30/V1
en ese año y área.
Ej.x Nacidos vivos de mujeres de 15 a 19 años en un
órea y año determinados .
x i u u u
Población femenina do 15 a 19 años al 30/VI *
en eso año y área.
Por lo general las tasas 'le focundidad por edad se calculan para grupos
quinquenales de edades comprendidas entre los 15 y los 49 años, os decir, se
calculan 7 tasas de fecundiad por edad.
Otras medicas de fecundidad
Los estudios demográficos mós finos de la fecundidad utilizan además W>
de las tasas anteriores, las llamadas tasas de reproducción que tratan de
medir el aporte futuro de la fecundidad al reemplazo do la población haciendo
una corrección en los nacimientos utilizando la proporción de nacimientos fe-
meninos.

Como se trata de tasas usadas por especialistas romitiinos al lector a

los textos de Demografía para su ostudio.
 Capitulo IV

INTERPOLACION DE FUNCIONES

POLINOMIOS DE INTERPOLACION

El problema más simple de interpolación consiste en lo si-

guiente: Dado un intervalo [a,b] en el cual se hallan especifi-
cados los p u n t o s x Q , x 1 , x 2 , . . . , x n , y los valores de una cierta
función ; f (x Q ) = y Q , f í x ^ = y 1 , f ( x 2 ) = y 2 , . . . , f(x n ) = y n , se
requiere construir una función P(x) llamada función de interpola-
ción que p e r t e n e z c a a una clase conocida de funciones (en parti-
cular la clase de las funciones polinomiales ) y que tome los
mismos v a l o r e s en los puntos de interpolación que la función f(x),
es decir, tal que:
p
(1) P(xo) = yQr Píx^ = y,, P ( x 2 ) = y¿' ' • • ' <xn> =
^n

Geométricamente esto significa que debemos hallar un polinomio

y = P n ( x ) de grado no superior a "n" que pase por los PUNTOS DE
INTERPOLACION.y que satisfaga la condición (1)-
Conviene s e ñ a l a r que en nuestro caso la función y^f(x) estará
siempre definida mediante una tabla de datos resultado de alguna
observación.
y

El polinomio de interpolación encontrado se utiliza ordinaria-

mente para aproximar los valores de la función y = f(x) para valo-
res del argumento "x" que no sean los puntos de interpolación x o ,
x,, x 2 , . . . , x n . Esta operación se llama INTERPOLACION DE LA FUNCION.
En general se distingue entre INTERPOLACION en sentido estricto
e s
cuando "x"- pertenece al intervalo decir, cuando el valor
de "x" es .intermedio entre x Q y x n y EXTRAPOLACION cuando el
valor de "x" no pertenece al intervalo [ x o , x p ] . Sin embargo nos
referiremos siempre al término interpolación para significar tanto
la .interpolación en sentido estricto como la extrapolación.

66
 EJEMPLO. El'censo realizado, cada cinco años, en una ciudad,
arroja los siguientes datos para los últimos 15 años.

X 1980 1985 1990

y 70.350 120.458 130.790

Se pide determinar aproximadamente la cantidad de habitantes

que habla en el año 1982 y los que habrá en el año 1992.

SOLUCION. Este problema puede tener muchas soluciones,

dependiendo del polinomio de interpolación que escojamos. Un
gráfico de los datos es el siguiente: (t = 0 en 1980).

fig.(2) fig.(3)

y(miles) y(miles)

En la figura 2 hemos unido los puntos de interpolación con

una linea poligonal continua supóniendo que el comportamiento del
crecimiento de la población podria se'r modelado por una función
lineal (polinomio de primer grado ).cada cinco años. Sin embargo
podemos suponer, también, que el comportamiento del crecimiento de
la población puede estar modelado por una función cuadrática, esto
es, por un polinomio de segundo grado, cuyo gráfico es una pará-
bola. Recordemos que una parábola queda completamente determinada
por tres de sus puntos. ¿ Cuál de las dos funciones es la que nos
proporcionará la información más ajustada a la realidad ?. La
elección del grado del POLINOMIO INTERPOLANTE no es fácil y con
frecuencia está ligado a la posesión de información adicional por
parte del investigador que está interpolando.

En realidad es posible hallar la- ecuación de una recta y de

una parábola sin recurrir a los métodos, algo sofisticados, de
interpolación; para esto seria suficiente resolver un sistema ele

67
ecuaciones lineales en dos y tres variables respectivamente. Sin
embargo c u a n d o se tiene una tabla de datos, que es lo usual en
demografía, resulta, a la postre, más i'ácil y más cómodo este
tratamiento especial mediante los llamados métodos de interpo-
lación.

PRIMERA F O R M U L A DE INTERPOLACION' DE NEWTON

VALORES D E L ARGUMENTO IGUALMENTE ESPACIADOS

S u p o n g a m o s que se tiene una función dada mediante una tabla

como la s i g u i e n t e :

X
X x
o 1 ; x
2
x
n

y . y
o yi y2 yn

para v a l o r e s igualmente espaciados de la variable independiente,

esto es, x¡ = x 0 + i h (i=0,1,2,..,n), donde "h" (espaciado) es la
distancia e n t r e cada dos puntos. Se requiere h a l l a r un polinomio
P n (x) de g r a d o no superior a "n" tal que:

P n ( x D ) = yQ, P n (x 1 ) = y t , ..... > P n (x n ) = y n

E s t o significa, por ejemplo, que dados dos puntos"se hallará
un polinomio de primer grado, dados tres puntos el polinomio será
de segundo grado, dados cuatro puntos el polinomio será de tercer
grado, etc. La fórmula de inter-polación de Newton, que nos da el
polinomio de .interpolación, se escribe ordinariamente en la forma
siguiente:

q(q-D ? q(q-l)(q-2)
(2) P n f x ) = y Q + g a y D 4- o'y Q + a y Q +,
2¡ 3;

q(q-l)(q-2)...(q-n+l) x-x.
+ 1
o y , donde q y las
n i °

a'y son las DIFERENCIAS FINITAS construidas utilizando los puntos

dados por la tabla de datos y que están calculados en la TADIA DE
DIFERENCIAS HORIZONTAL.

68
 Esta fórmula resulta muy conveniente para interpolar una
función dada cerca del punto inicial x . Conviene indicar que.
cualesquiera de los valores de "x" dado por la tabla puede' ser
considerado como valor inicial X q ; dependiendo del "lugar" donde se
quiera interpolar.

INTERPOLACION LINEAL

Si la tabla de datos está conformada solamente por dos puntos

el polinomio de interpolación será de primer grado; en cuyo caso
tendremos la ecuación de una recta. Haciendo n = 1 en la expresión
(2) resulta:

P1(x) = y D + qoyc

que es la fórmula de interpolación lineal.

INTERPOLACION CUADRATICA

Si la tabla de datos está formada por tres puntos, entonces,

el polinomio de interpolación será de ségundo grado; en cuyo caso
tendremos la ecuación de una parábola. Haciendo n = 2 en la ex-
presión (2) resulta: '

q(q-D 2
p (x = + q a y + : y
2 > yo o — — ° o
2;

que es la fórmula de interpolación cuadrática.

Podemos seguir obteniendo los polinomios de tercer grado,

cuarto grado, etc, sin embargo es suficiente para nuestros
propósitos trabajar con los polinomios de primer y segundo grado.

Estamos ahora en condiciones de resolver completamente el

problema planteado al principio, esto es,, hallar aproximadamente
la cantidad de habitantes que había en el año 1982 y que habrá en
el año 1992.
CASO LINEAL

La tabla de d i f e r e n c i a s h o r i z o n t a l de datos es la siguiente:

1 X
y °y0 ° Yr

0 70.350 50.108
5 120.458 9 . 54 2
10 130.000
10ftO
AZJ
Si u s a m o s i n t e r p o l a c i ó n lineal para hallar la población en el
año 1982, e s t o es, c u a n d o x = 2, tenemos que u s a r x Q = 0 como valor
inicial y c o n s i d e r a r s o l a m e n t e las d i f e r e n c i a s hasta o y a tal como
indica la fórmula. De e s t o se d e s p r e n d e e n t o n c e s que:

x Q = 0 , yQ= 70.108, ayQ = 50-108 y h = 5

P o r o t r o la'do, p u e s t o que, el punto en el cual queremos

i n t e r p o l a r es x = 2 r e s u l t a que:

2-x, 2-0
= - = 0,4
q = 5

Finalmente de P 1 (x) = y o + q o y Q , resulta:

P1(2) = 70.108 + 0,4(50.108)

P1(2) = 90.151 personas.

P o r lo t a n t o en el año 1982 habría habido aproximadamente

90.151 personas.

Para responder a la pregunta ¿ C u á n t o s habitantes habrá en el

a ñ o 19 9 2 ? tenemos que tomar la recta formada por los dos últimos
p u n t o s p u e s t o que, nuestra respuesta, está en la PROLONGACION de
la recta formada por ellos. En esta s i t u a c i ó n nuestro valor inicial
será x o = 5 . O b s e r v e que estamos tratando de interpolar en un punto
más c e r c a n o a 10 que ¿í 5, sin embargo no podemos tomar como valor
inicial a 10 p o r q u e en ese caso no tendríamos recta.

70
En efecto:

Xo= 5 , y o = _120.458, o y Q = 9.542, h = 5

Como queremos interpolar en x = 12 resulta que:

12-x 12-5 7
q = o =
_ _.- =
= _ 1,4
, .
5 5 5 .

Luego de P 1 ( x ) = y Q + <3 a y 0 tenemos:

P 1 ( 1 2 ) = 120-458 + 1,4(9.542)

P t ( 1 2 ) = 13 3.4 58 personas.

Por lo tanto en el año 1992, podría haber alrededor de 133.458

personas.

CASO CUADRATICO

Utilizando la misma tabla de diferencias horizontal debemos

interpolar en x = 2 considerando:

xQ= 0, y Q = 70.108, a y Q = 50.108, o2yQ = -40.566 y ;'h = 5

Puesto que el v a l o r de q = 0,4, tal como lo habíamos calculado

antes, resulta de:

q(q-l)
P 2 ( x ) = y o 7 +qay o -H — — a2yo, que

0,4(0,4-1)
P_ (2) = 70.350+0,4(50.108)+ (-40.566)
¿
2

P_ (2) = 90.393,2+(-0,12)(-40.566) = 95.261,1 personas.

Por lo tanto en el año 1982 habría habido aproximadamente

95.261 personas. Este resultado superior en alrededor de 5.000
individuos, en relación al caso lineal, no deberia asombrarnos
porque el segmento de parábola, entre los dos primeros puntos, está
sobre el segmento de recta de dichos puntos. Ver fig(3).

71
 ¿ Cuántos habitantes habrá en el año 1992 ?. Puesto que la
parábola necesita tres puntos para quedar determinada tenemos que
usar nuevamente el mismo polinomio para interpolar en x = 3 2, con
x Q = 0, pero con dife-rente "q" . En efecto:

x-x 12-0
q = = = 6
h 2

Resulta entonces que:

12(12-1)
P ? ( 1 2 ) = 70.350 + 6(50.108) + (-40.566)
2
P2(12)= 370.998 + 66(-40.566) = 103.262,4 personas.

Observemos que esta cantidad, menor que la del año 1990 se

debe al h e c h o que alrededor del punto (10, 130.790) la parábola
empieza a decrecer ya que la tendencia de la población sigue ese
comportamiento. Sin embargo es poco probable que, en la realidad,
la población disminuya tan rápidamente. Es en estos casos cuando
la interpolación se transforma en un arte puesto que el investi-
gador debe utilizar información adicional sobre el fenómeno que
está estudiando.

EJEMPLO. La siguiente es una tabla de los sobrevivientes a

edades exactas, de Guatemala del año 1*950,
comprendida entre los 20 y 50 años.

X 20 30 40 50

64 .331 59.036 52.320 44.739.

Hallar a) y b) 1 4 5 utilizando interpolación lineal y

cuadrática respectivamente.

SOLUCION. Construiremos en primer lugar la tabla horizontal

de diferencias finitas.

x lx oyo o2yo 0
3
yo

20 64.331 -5.296 -920 -945

30 59.036 -6.216 -1.865
40 52.820 -8.081
50 4 4.739

72
 a) Puesto que 1 2 2 está entre los 20 y los 30 años el valor
inicial x o = 2 0. Tenemos, entonces lo siguiente:

X—2 0 22-20
x„= 20, y 0 = 64.331, ay0 = -5.296, h = 10, q = = =0, ?. .
10 10

Aplicando la fórmula de interpolación lineal resulta:

lj2 = Yo + q^Yo = 64.331 + 0,2(-5.296)=

= 64.331 - 1.059,2 = 63.271,8

Por lo tanto hay, a la edad de 22 años, 63.272 personas *

aproximadamente.

b) Como 1 4 5 está entre los últimos tres puntos debemos

aplicar la interpolación cuadrática entre ellos. En este caso
x 0 = 30. Resulta entonces que:

45-30
2
x 0 = 3 0 , y 0 = 5 9 . 03 6 , oy 0 =-6.216, o y 0 = - l . 865, h--10 y q = = 1,5
10

A p l i c a n d o la fórmula de interpolación cuadrática'tenemos:

1,5(1,5-1)
145 = 59.036 + 1,5( — 6 - 215) + (-1.865)
2
145 = 59.353,5 - 9.3322,5 + 669,4 = 50.382,9

Por lo t a n t o hay, a la edad de 45 años, 50.383 personas

aproximadamente.

SEGUNDA FORMULA DE INTERPOLACION DE NEWTCN

VALORES DEL ARGUMENTO DESIGUALMENTE ESPACIADOS

¿ Qué ocurre cuando los valores de la variable independiente ^

están desigualmente espaciados ?. En este caso la primera fórmula
de interpolacción de Newton no puede aplicarse. Sin embarco
mismo Newton nos da la respuesta a este problema. Puesto que los
datos obtenidos mediante la observación no siempre son complntos,

73
más de alguna vez será necesario interpolar con valores del
argumento desigualmente espaciados. Para definir un método de esta
naturaleza necesitamos, en primer lugar, generalizar el concepto
de diferencias finitas a las denominadas DIFERENCIAS DIVIDIDAS.

DIFERENCIAS DIVIDIDAS

Supongamos que se tiene una función definida mediante la

tabla:

X i X2!; x
n
o |1
y y0 yi y '-
I
donde la diferencia entre don puntos consecutivos cualesquiera es
distinto de cero; esto es x¡ +l -xj > 0. Los cocientes:

[x.,x. 1 J— —1±-L—-i- , (i=0,1,2,...) se denominan diferencias

X
iM"X¡
yi~y Q
divididas de primer orden. Por ejemplo,[x Q , x 1 ) = x x
/
r o
y -y y -y0 *
[xj,x 2 ] = —-—- y [X2,x3]= *—2_ e t c , son algunas diferencias
x
2~ x 1 x
3~ x 2
divididas de este orden.

Análogamente se definen las diferencias divididas de segunde orden

[X
[x ¡ ,x ¡ ,x¡ ]= » + i'X» + 2 ~ *l>*t+il , (i=0,1,2....)
X
¡ + 2~X¡

[x ,x )-[x , x
1 0
Por ejemplo [x , x.,x„] = ^ es una diferencia
X X
2 " 0

dividida de seojundo orden. Las diferencias divididas de torcer

orden se definen en la forma siguiente:

I ' xi4 2' X M X

i' Xi t I ' X ¡ ^
x x x x j
t ¡' ¡n' ¡i-2' ¡>3 v v
X \>3 i
74
Por ejemplo [ x., x „ , , x . ] = ^ — es una
x 4 -x,

diferencia dividida de tercer orden. En general las diferencias

divididas de orden "n" se hallan a partir de las diferencias de
orden (n-1) mediante la relación de recurrencia que se ha aplicado.
Las diferencias divididas se disponen en una tabla como la
siguiente:

TABLA DE DIFERENCIAS DIVIDIDAS

X y la. 2a. 3a. 4a.

x
o

X1 x,, Xg]
[x t , x 2 ] O0,x, , x2,x3]
x2 [ Xj , X 2 , X^ ] [ X Q , X j , X 2 , X^ , X 4 ]
[ X 2 , Xg ] [ X j , X 2 , Xg , X 4 ]
X3 tx2, x3, x 4 ]

X4 Y4

EJEMPLO. Formar las diferencias divididas de la función

definida mediante la tabla siguiente:

X 0 0 o, 3 o", 4 o, 7 o, 9

y 132.651 148 . 8 7 7 1 5 7 . 4 64 166. 375 1 9 5 . 112 2 1 6 . 000

SOLUCION. Aplicando sucesivamente la relación de recurrencia

tenemos:

148 . 377-132 .651

[X0,x1]= = 81,13
0,2-0

157.464-148.877
[x,,x 2 ]= = 85,87
0,3-0,2

75
 35,87-81,13
[xo,x1,x?]= 15,8
0,3-0

y asi sucesivamente. Los resultados finales de este proceso están

especificados en la tabla que sigue:

x > la. 2a. 3a, 4a.

L
0 : 132.651
í 81, 13
0,2'. 14 8.877 15, 8
i 85, 87 1
0,3; 157.464 16,2
1 89, 11 1
j 16,7
0,4 >
; 166.375
j 95,79 1
0,7: 195.112 17,3
104,44
I
0, 9 j 216.000

U t i l i z a n d o el concepto de diferencias divididas, podemos

representar, ahora, la fórmula de interpolación de Newton para
v a l o r e s del argumento desigualmente espaciadps. En fecto:

P(x) = y D + [x o ,x,] (x-x Q )+ [x0,x,,'x2] (x-x o ) (x-x,)+ ... •b

•h [ x Q , x 1 ,x 2 , . . . , x n ] (x-x Q ) (x-x,) (x-x 2 ) (x-x n ,)

EJE11PLO. La siguiente es una tabla de los sobrevivientes

hasta los 15 años de una cohorte de 100.000 nacidos
vivos.

x 0 2 5 10

.100 . 000 92 . 376 90.697 39 . 870

Utilizando la segunda fórmula de interpolación de

Newton, estime los sobrevivientes a la edad de 4 años.

SOLUCION. En primer lugar construiremos la tabla de

diferencias divididas.
 X la. 2a. 3a. 4a.

0 100.000
-
-3.812
2 92.376 650, 5
- 559,6 -60,12
5 90.697 49,3
- 165,4
10 89.870

A continuación aplicamos la segunda fórmula de Newton.

P(x)= Y 0 + [>VX,J (x-x0)+ [x 0 ,x, ; x 2 ] (x-x Q ) (x-x 1 ) +

+ [ x Q / x 1 , x 2 , x 3 } (x-x D ) (x-x,) (x-x 2 ) .

Puesto que interpolaremos en x=4 debemos reemplazar, x por 4, en

el polinomio; reemplazar y x 2 , por sus respectivos valores;
y reeemplazar las correspondientes diferencias finitas. En efecto:

P(4)= 100.000 + (-3.812)(4-0) + 650,5(4-Ó)(4-2) +

+ (-60,12)(4-0)(4-2)(4-5), es decir,

P ( 4 ) = 1 0 0 . 0 0 0 - 15.248 + 5.203,2 + 480,96 = 90.436,16

Es decir, se espera que hayan sobrevivido á la edad de 4 años

aproximadamente 90.436 personas.

EJEMPLO. Un lago es repoblado con 100 peces en el año 1975.

La tabla siguiente muestra la observación del
crecimiento de esta población a partir de 1980, en.
los años que se indican.

t 1980 1982 1986 1987

N(t) 1. 000 2 . 000 4 . 166 4545

Calcular aproximadamente la población en el año

1985. (t=0 en 1980 y t=7 en 1987)

77
 SOLUCION. La tabla de diferencias divididas es la siguiente:

t _ N (t) la. 2a . 3a .
*

0 1. 000
500
2 2 . 000 2,41
514,5 4 , 21
6 4 . 166 -27, 1
379
7 4 . 545

Aplicando la fórmula de interpolación de diferencias divididas se

tiene:

P(5) = 1 . 0 0 0 + 500(5-0) f 2,41(5-0)(5-2) + 4,21(5-0)(5-3)(5-6)

P(5)= 1.000 + 2.500 + 36,15 - 42,1 = 3.494 peces.

De lo a n t e r i o r se desprende que en el año 1905 hubo aproximadamente

3.494 p e c e s .

INTERPOLACION LINEAL INVERSA

Supongamos que hemos tomado la siguiente información del censo

de una ciudad. (x=0 en 1980)

X 0 5 10

y 196.000 210.000 275.000

y deseamos saber en qué año hubo 250.000 habitantes. La respuesta

a esta pregunta no es tan inmediata. Notemos que hasta ahora, en
general, hemos respondido lo siguiente: ¿ Cual es el valor de la
variable dependiente si conocemos el valor de la variable
independend.iente ?, ó bien, ¿ Cual es el valor de "y" cuando
conocemos el valor de "x" ?. Ahora debemos dar respuesta a .la
pregunta, ¿ Cuál es el valor de la variable independiente cuando
conocemos el valor de la variable dependiente ?, dicho de otro
modo, ¿ Cuál es el valor de x cuando se conoce el valor de y ?

70
 Para dar respuesta a esta pregunta utilizaremos, con algunos
arreglos, la misma fórmula de interpolación lineal de Newton para
valores del argumento igualmente espacindoerdemos que la
fórmula de interpolación lineal es la siguiente:

x-x.
a donde,
i) y = yD + q Y0' ü) a =

Puesto que tenemos que conocer, ahora, el valor de x, despejamos

x de la ecuación ii). Del despeje resulta que:

y-yr
x = x o + qh , donde q será ahora , q =

Estamos en condiciones de dar solución al problema en

cuestión. En efecto, construyamos la tabla de diferencias finitas
de acuerdo a los datos de la tabla.

x y
0 196.000 14.000 51.000

5 210.000 .65. 000

10 275.000

Considerando los datos dados por el problema y de la tabla de

diferencias se tiene:

250.000 - 210.000
y-yr = 0,615 y h = 5
>V=5, q=
°Yr 65.000

Aplicamos la fórmula x = x + qh resulta que:

X - + 0, 6.15 (4) = 4 + 2,46 = 6,46 años.

"Esto significa que a mediados de 1937 hubo aproximadamsnte

250.000 habitantes.

79
 EJEMPLO - La siguiente Labia ele valores presenta los
sobrevivientes a edades exacta» de una generación
de 100.000 nacidos vivos entre los 5 y 15 años.

X 5 10 15

92.476 | 92.321 92.052

¿ A qué edad hubo aproximadamente 92.100

sobrevivientes ?

SOLUCION. La tabla de diferencias finitas es la que sigue:

5 92.476 -155 -114

10 92. 321 . -269
15 92.052

De los datos del problema y de. la tabla de diferencias se

tiene la siguiente información:

y-yQ 92.100 - 92.321

X Q = 10 q = = = 0,82 y h = 5
ayn -269

Aplicando la fórmula x = x Q + qh resulta:

x — 10 + (0,82)(5) = 14,1 años.

Este resultado indica que hubo 92.100 sobrevivientes a la edad de

14,1 años.

60
V
CURSO INTERNACIONAL INTENSIVO DE
D E M O G R A F I A

í'

ESTADISTICA

Organiza: Facultad de Ciencias Básicas

o
Universidad de Antofagasta.

Patrocinan :
tne
 U N I V E R S I O A O DE A N T O F A G A S T A
F A C U L T A D OE C I E K C U S . _H A S IC A S

CENTRO LAT I N O A K C R I C A N O OE OEHOGRRFIA

INSTITUTO NACIONAL DE ESTADISTICA SSSSA?;,

me

CURSO INTERNACIONAL INTENSIVO DE

D E M O G R A F I A

APUNTES OE

ESTADISTICA

Mg. Juan Duarte Vargas

Mg. Jimmy Reyes Rocabado Departamento de Matemáticas
Departamento de Maternati cas
Facultad de Ciencias Básicas Facultad de Ciencias Básicas
Universidad de Antofagasta Universidad de Antofagasta

í
 INDICE

I.- INTRODUCCION Pag. 1

II.- METODOS DE ENCUESTA- Pag. 2

III.- PRESENTACION OE LA INFORMACION Pag.

IV.- TASAS, RAZONES Y PROPORCIONES — Pag. 2'.

V.- ESTADISTICA DESCRIPTIVA Pag. 22

VI.- TEORIA ELEMENTAL OE PROBABILIDADES Pag. -¿

VII.- DISTRIBUCIONES DE PROBABILIDADES MAS USUALES Pag. :i

VIII.- MUESTREO PROBABILISTICO Pag. 22

IX.- PRUEBAS DE HIPOTESIS E INTERVALOS DE CONFIANZA Pag. =5

X.- APLICACIONES DE LA DISTRIBUCION JI-CUADRADO - — Pag.

• APENDICES : TABLAS ESTADISTICAS Pag.115

REFERENCIAS Pag.118
 R E F E R E N C I A S

WAYNE, Daniel " Estadística con aplicaciones

a las Ciencias Sociales y a
la Educación" Me. Graw-Hill
Colombia 1981.

D'OTTONE, Horacio " Estadística Nivel Universitja

río "

OSTLE, Bernard " Estadística Aplicada "

Edit. Limusa
Ni ley S.A. México 1973

H, Gough " Estadística I "

Programa de Postgrado en Pro
gramación CELADE-Santiago

OIVISION DE BIOESTA Indicadores de Salud "

DISTICA Y BIOMATEMA Escuela de Salud Pública
TICA Facultad de Medicina
Universidad de Chile
 I. INTRODUCCION

En este curso se estudiará el uso de algunos de los métodos de

la estadística en el canpo de la demografía y en los estudios sociales.

Empezaremos con xana descripción muy breve del canpo de estudio

que se llama " la estadística siguiendo con una caracterización de un
estudio estadístico típico de una población grande y de la organización
de los datos que provienen de tal estudio. Luego veremos algunos conce£
tos básicos de la fundamentación teórica de la estadística, enpezando con
la idea de las probabilidades y del maestreo prdbabilístico. En los ca-
pítulos siguientes verenos varios métodos que permiten el análisis de
grandes cantidades de datos en forma resumida, y el cálculo de estimado
nes de características específicas de una población. Finalmente veremos
los conceptos de distribuciones y de la inferencia estadística en la pre
sencia de errores aleatorios, con determinados métodos de análisis e in-
ferencia muy utilizados en estudios de poblaciones hunanas.

¿ Qué es la estadística ?

El " Diccionario de metodología estadístia " (G. Gonzalvo, Edicio

nes Mora ta, Madrid, 1978, p. 81), define la estadística coto sigue :

" Estadística : Técnica o proceso matemático de recogida, descripción, or

ganlzací6n, análisis e interpretación de datos numéricos. Como la inves
tigación busca una expresión cuantitativa, la estadística constituye
un instrumento fundamental de medida y de investigación."

Continúa oon dos variedades de estadística :

" Estadística descriptiva (o analítica) : Compendia o simplifica afirma-

ciones referentes a medidas realizadas sobre una población ... Six-ve pa-
ra la descripción nunérica de un grupo particular. Ninguna conclusión va
más allá del gnpo descrito, y cualquier similitud con los de fuera del
grupo no puede ser garantizada. Los datos describen este grupo y sola -
mente éste. "

" Estadística deductiva : Ccrrprende el proceso de muestreo o selección,pa

ra su estudio, de un pequeño grupo al que se supone ccnro representati-
vo de otro más numeroso y del cual procede. El pequeño grupo se denomi-
na muestra; el grupo mayor población, conjunto universo."

Notas : 1) en el caso de la estadística deductiva se suele ha -

blar de la inferencia estadística.
 2) en este curso se hablará indistintanente de población
o universo? sin enfoargo, el término conjunto se reserva
rá para otro uso.

Canpos de aplicación de la estadística. La estadística se puede aplicar

a cualquier entidad que se puede describir, aun parcialmente, en términos
de características cuantitativas y cuyos elementos pueden ser observados
ya sea directa o indirectamente.

Aporte de la estadística al análisis demográfico. Dado que una preocupa

ción muy inportante del demógrafo es, en primer lugar, el conocimiento de
las características básicas de poblaciones humanas (su nCmero, estructura
por sexo y edad, fecundidad y mortalidad, comportamiento migratorio y di£
tribución espacial, actividades económicas y mucho más), las cuales se
pueden medir con más o menos precisión, la estadística descriptiva sirve
para recolectar, ordenar, resumir e interpretar información sobre estas
poblaciones. En segundo lugar, la estadística deductiva (o inferencia)
proporciona herramientas para profundizar la interpretación de esa infor
nación , y para investigar relaciones entre características, las cuales
no sienpre se pueden observar directamente. Tanbién proporciona indica-
dores de la calidad o confiabilidad de los datos básicos, además de las
medidas resumidas o deductivas que se extraen de ellos.

El siguiente esquema, del libro " Estadística Demográfica " (üni

vursidad de Costa Rica, 1960, Contenido e Introducción ) indica una posi_
ble interpretación de la estructura de los estudios demográficos :

" Generalidades sobre recopilación, análisis e investigaciones

demográficos

Recopilación de datos demográficos

Estadística general de la población
Estadística de la mano de obra
Estadísticas vitales
Estadística administrativa
Las nuestras en la recopilación de datos demográficos

Análisis de las informaciones demográficas

Tabulación de los datos

Análisis estadístico
Interpretación y presentación

Investigaciones demográficas básicas "

Métodos estadísticos y métodos científico, puntos de convergencia y de di

vergencia.

Método científico:
observación de fenómenos bajo condiciones experimentales contro
ladas
 3

deducción de leyes naturales

supuesto que los resultados son reproSu-cibles
modelo determinístico

Método estadístico :

observación bajo condiciones parcialmente controladas

deducción/inferencia
supuesto de una parte determinada y una parte aleatoria ( desoorc
cida)
elaboración de modelos para explicar el caTportan\iento óe la rar
te aleatoria
los resultados de un experimento son reproducidles sólo sproxLü^
damente

II. METODOS DE ENCUESTA.

En este capítulo queremos considerar las características genere

les de los estudios que tratan de obtener y analizar información de pccla
ciones reales, teniendo en cuenta todos los problemas prácticos óe estu-
dios de este tipo. Nuestro punto de vista aguí será más la medición a la
descripción de'la población, que la inferencia en el sentido de la esta-
dística clásica, que veremos en los Últimos capítulos de esta asignatura.

Siendo nuestro enfoque principal el canpo de los estudios socio-

económicos de las poblaciones humanas, empezaremos con una discusión de
las etapas de tina encuesta típica real. En primer lugar pedreros consi-
derar los aspectos generales siguientes :

- El nacimiento de una encuesta

- -Las etapas principales de una encuesta
- Las etapas principales de la planificación de una encuesta

El nacimiento de una encuesta

- La necesidad de obtener información
- La especificación de los objetivos
- Consideración de fuentes alternativas de catos
- La necesidad de hacer una encuesta
Definiciones

Encuesta : Una encuesta incluye la recolección de catos sdere una :

varias características de algunos elementos ce una población
con la meta de aprerder lo más posible sobre el carprrtamie-.tc:
de estas características en la población total.
La encuesta debe desarrollarse teniendo en cuenta los conceptos, ré-
todos y procedimientos claramente definidos. Los catos recolectaics
 serán recopilados para estimar las características de la población.

Censo : Una encuesta <^ue trata de obtener datos de todos los ele-ren-
tos de la población.
Encuesta por muestro : Una encuesta que busca datos sólo sobre algu-
nos elementos seleccionados de la población.

Normalmente los elementos seleccionados son una fracción imxy pequeña

de todos los elementos de la población.

Ventajas del maestreo ;

Costos reducidos
Rapidez
Exactitud
Carga reducida para la población
Posibilidad de obtener información detallada

Censo puede ser necesario :

Población pequeña
Necesidad de obtener información para áreas pequeñas
Restricciones legales

Una encusta puede ser descriptiva o analítica :

Descriptiva : El objetivo primero es de estimar algunas caracteristi
cas de la población.

Analítica : El objetivo primero es la verificación (o el rechazo) ae

una hipótesis, o el análisis de las relaciones entre caracterís-
ticas.

Las etapas principales de una encuesta

Especificación de los objetivos de la encuesta
Identificación de la población bajo estudio
Preparación del marco maestral
Confección del cuestionario
Diseño maestral
Recolección de datos
Procesamiento de los datos
Control de errores
Estimación
Evaluación y análisis de los datos
Publicación
Las etapas principales de la planificación de una encuesta

Objetivos de la encuesta
Estudio de factibilidad
Equipo de proyecto
Presupuesto
Calendario
Definición de la población bajo estudio
Datos que se deben recolectar y análisis previsto
Precisión exigida
Métodos de recolección de datos
Trabajo de terreno
Métodos de muestreo
Métodos de digitación y procesamiento de los datos
Métodos de verificación e inmutación
Métodos de estimación
Tablas que se deben producir
Control de la no-respuesta
Encuesta piloto
Ciclo de retroalimentación

Objetivos de la encuesta

Se definen en término de los datos requeridos para obtener las oonclu

siones deseadas
Importancia de la precisión que se trata de lograr
Consecuencias de decisiones malas basadas en datos inprecisos
Efectos sobre el presupuesto y sobre el calendario de actividades
En relidad, los objetivos se modifican durante la preparación de la
encuesta

Estudio de factibiliuad

Normalmente se debería efectuar un pequeño estudio preliminar para po

der decidir si la encuesta realmente puede proporcionar la informa -
ción requerida

Equipo de proyecto

Es el grupo de personas encargadas de llevar a cal» la encuesta

El gerente de proyecto es miembro del equipo
Normalnente, el equipo incluye representantes de varios cairpos espe-
cializados :

El campo sustantivo de estudio de la encuesta ( demógrafo, soció

logo, economista, experto en salud pública, — )
Metodología de encuesta/maestreo (estadístico)
Computación (analista/programador)
Operaciones regionales '
 Cada persona tiene sus tareas especializadas
Tüdo el equipo debe mantenerse al día en cuanto a todas las etapas
del proyecto
Todos participan en la planificación de cada etapa

Presupuesto

Identificación de los recursos necesarios y los recursos disponibles :

Dinero
Personal capacitado
Carputadoras y otros equipos
Otro
Calendario

Hay que establecer fechas límite para cada etapa mayor del proyecto
El gerente de proyecto controla estas fechas para respetar los lími-
tes globales de tienpo para terminar el proyecto

Definición de la población bajo estudio

Es necesario definir con cuidado la población bajo estudio, y la po-

blación para la cual se quiere tonar decisiones basadas en los resul
tados de la encuesta

Datos que se deben recolectar y análisis previsto

Hay que decidir exactamente qué datos se buscan

¿ Cavó se van a utilizar ?
¿ Cuáles resultados se publicarán ?
¿ Cuáles resultados serán sólo para análisis interno ?
Inportancia de una boleta bien preparada

Precisión exigida

Es necesario decidir qué nivel de precisión es suficiente para el aná

lisis y para las decisiones sobre políticas
Se habla de la conflabilidad de los resultados
El nivel de la confiabilidad está estrechamente ligado al tamaño de
la muestra, entonces a los costos del proyecto •

Métodos de recolección de datos

Generalmente, es posible elegir uno entre varios métodos disponibles

para la recolección de los datos :
Entrevista personal
Entrevista por teléfono
Encuesta por correo
Medición directa
Archivos administrativos
Combinaciones de estos métodos
Trabajo de terrero

Ttodas las operaciones de terreno deben ser planificadas con gran coi-
dado y bien controladas sobre la marcha para garantizar la obtención
de datos ccrrpletos y correctos

Capacitación del personal :

Entrevistadores
Supervisores
Personal que digite los datos

Verificación de los datos sobre la marcha y control de las respues -

tas
Verificación que la última etapa del muestro se hizo correctamente
Visitas repetidas para minimizar la no-xespuesta

Métodos de maestreo

Hay varios métodos que se pueden utilizar para seleccionar la muestra

Se trata de elegir lo más apropiado, temando en cuenta :
Consideraciones operacionales
Costos
Información necesaria para la preparación del marco maestral

Entre los métodos que parecen factibles, se ocupara el tamaño de la

muestra que requiere cada método para lograr la precisión requerida
con el costo de cada alternativa

Métodos de digitación y procesamiento de los datos

Hay varios métodos para captar los datos :

Codificación manual
Tarjetas perforadas
Digitación y verificación ("key-edit")
Lectura óptica

Hay varios métodos de procesamiento de los datos :

Tabulación manual
Procesamiento por corputadora :

con programas escritos para el proyecto específico

con "paquetes software" para análisis estadístico (SPSS,SAS
MINITAB, SL-MICRO, EMDP, PANDE-I, CHECZDIT,...)

Los métodos elegidos para estas dos etapas deben ser compatibles

Métodos de verificación e iuputación

Verificación (control) :
Métodos que tratan de identificar los dates incarpletos, inco-
rrectos o incoherentes
 8.

Irtputación :
Métodos para corregir los problemas identificados durante la eta
pa de verificación
En ambos casos hay una selección de métodos

Es necesario especificar ocnplétamente los pasos operacionales de la

inplementación del método elegido para los datos de esta encuesta

Normalmente es necesario prever la preparación de programas para la

ocqputadora

Métodos de estimación

Son procedimientos matemáticos para calcular las estimaciones de las

características de la población a partir de los datos maestrales
Incluyen procedimientos para la estimación de la conflabilidad de esas
estimaciones
La selección del método es normalmente dictada por la selección del
plan de muestreo

Tablas que se deben producir

Tablas que se publicarán cono resultados principales de la encuesta

Tablas que se prepararán sólo para ciertos usuarios
Datos que se conservarán para ser analizados por el equipo de proyec
tos o sus colegas

Control de la no-respuesta

Hay varios métodos para reducir la tasa de no-respuesta :

Carta de presentación
Propaganda
Visitas repetidas
En última instancia, es posible a justar los factores de ponderación
para corregir el efecto de la no-respuesta sobre las estimaciones
Encuesta piloto

"Pre-test" de algunos de los pasos de la encuesta, sobre todo la bo-

leta
o
Encuesta piloto de todas las etapas

El pre-test puede ser solamente cualitativo, por ejenplo tratando de

identificar problemas con un borrador de la boleta, o sirviendo para
la formación de los entrevistadores

Una encuesta piloto debe normalmente comprobar todos los procedimien

tos de la encuesta, hasta la producción de las tablas

A menudo la encuesta piloto proporciona resultados preliminares cuan

• titativps que permiterj yrejorar la alocación de los recursos para la
'encuesta principal ' " " ,
 9

Si este tipo de encuesta se hace por primera vez, la encuesta piloto

es inprescindible

Estos dos tipos de prueba pueden permitir msjorar de manera significa

tiva la encuesta principal

Se cbtiene información útil scbre los costos y el tienpo que realmen

te hay que prever para las etapas mayores

Ciclo de retroalimentación

Ttodo lo que se aprende durante la planificación y las operaciones de

la encuesta, proporciona información iirportante que permite mejorar
los métodos cuando la encuesta se repita, o cuando se haga otra encue£
ta del mismo tipo general

La redacción de documentos claros explicando los métodos utilizados y

las lecciones aprendidas, es esencial para que esta información sea
útil más tarde

III. PRESENTACION DE LA INFORMACION

1.- NIVETES DE MEDICION

Los niveles de medición son diferentes escalas que se usan para me
dir o describir objetos, individuos u otras entidades y se dividen
en :

natuoal
Escalas ordinal ,
Discreta
De Intervalos
Continua
E^nalR Nominal : Es aquella que mide o describe asignando " nam -
bres " a los objetos, individuos u otras entidades y se visan cuando
se quiere medir una cualidad o atributo.
Por e jaro lo : Profesión ( Médico, Ingeniero, Profesor, etc. ) Color
de pelo ( rubio, negro, etc. ). Estado Civil ( casado, soltero, viu
do ) .

Escala Ordinal : Es aquella que jerarquiza u ordena permitiendo in-

dicar la posición relativa de los distintos elementos clasificados.
Por ejenplo : Rendimiento de un curso
Grado de dificulatad de una prueba
El desarrollo de un país

Escalas de Intervalos

a) Discreta : es aquella que puede temar sólo ciertos valores en el

 intervalo considerado y no admite valores intermedios. Por ejennLo
núnero de hijos, nChero de estudiantes, etc.

b) Continua : es aquella que puede temar cualquier valor en un inter

valo dado, por ejenplo : peso, estatura, rendimiento, etc.
1ABLAS ESTADISTICAS

Las tablas estadísticas sirven para presentar los datos nurréricos cb

tenidos en algún estudio en forma clara y ordenada.
las etapas principales en la construcción de una tabla.son:

a) Definir los propósitos de la tabla : según los propósitos se ais-

tinguen dos tipos de tablas :
i) Tablas de frecuencias, donde el material se clasifica según un
solo criterio.

¿i) Tablas de asociación , donde se desea mostrar la relación entre

dos o más variables en las unidades de observación.

La definición de los propósitos ayuda a determinar los criterios

de clasificación a usar en la tabla y el sentido en que deben
analizarse los datos.
Por ejenplo , i) Si el propósito es mostrar las edades de un gru
po de estudiantes, sólo se enpleará un criterio de clasificación
la edad y se construirá una tabla de distribución de frecuencias.
ii) Si el propósito es en carrbio, mostrar la relación que existe
entre la edad y el rendimiento del estudiante, entonces se hará
una tabla de asociación con dos criterios de clasificación, la
edad y el rendimiento.
Observación, Una manera práctica de definir los propósitos de la
tabla es a través de la formulación de la o las preguntas que se
intenta contestar con la tabla.
Tor ejemplo , para el ejenplo i) anterior se podría preguntar
¿ Cuál es la distribución por edad de los estudiantes ? y en el
caso ii) ¿ Hay relación entre la edad de los estudiantes y su ren
dimiento ?

b) Colocar un Título
Las tablas deben tener un título cue especifique :
i) Qué se presenta :
Por ejenplo : estudiante, profesores, rendimiento, ezc.

ii) Cónto se clasifican las unidades de observación :

Por ejenplo, estudiantes según edad, pruebas, según resultado
estudiantes según rendimiento, etc.
 11

iii) Donde fueron obtenidos los datos :

Por ejemplo : Departamento de Matemáticas del Lioeo
Liceo de Hartares de Antofagasta, etc.

iv) Cuando se registraron los datos

c) Asignar las escalas de clasificación a filas y columnas

i) Cuando hay un solo criterio de clasificación de las cbserva

ciones, se colocará la escala de clasificación en la primera
columna.

Ejemplo clasificación por edad

EDADES N°OBSERVñCIONES

0-4 10
5-9 14
10 - 14 25

TOTAL 49

ii) Cuando hay mas de un criterio se preferirá colocar la esca -

la con mayor número de grupos o categorías en la primera co
lumna

Ejemplo Al clasificar por edad y. rendimiento a un grupo de

estudiantes
RENDIMIENTO
EDAD BUENO REGULAR MALO TOTAL
0-4 13 20 23 66
5-9 11 19 29 58
10 - 14 14 23 37 74

TOTAL 38 61 99 198

iii) Cuando hay dos escalas de clasificación y una se refiere a

los antecedentes y otra a las consecuencias, es preferible
colocar los antecedentes en la primera columna y las conse
cuencias en la fila superior.

Ejemplo Para estudiar la relación entre tipo de enseñanza

y rendimiento en una prueba.

!
 12.

RENDIMIENTO
TIPO DE
ENSEÑANZA BUENO REGULAR MALO TOTAL

TRADICIONAL

PERSONALISADA

TOTAL

Ejemplo resuelto :

Construir una tabla para mostrar si la postulación a la Univer

sidad depende del tipo de educación y del sexo.

TITULO : Postulación a las Universidades según tipo de educa -

ción y sexo.
Servicio de Selección y Registro de Estudiantes Uni
versidad de Chile 1985.

Escala de clasificación

Son 3 : postulación, tipo de educación y sexo.

El tipo de educación se ubica en la primera colunna, pues es

posible dividirlo en un número mayor de grupos, los otros dos
criterios se colocarán en las filas superiores.

Colocación de datos numéricos

Para cada sexo y para cada tipo de educación el desenlace es

postula o no postula; CCXTO el interés de nuestro estudio es
la postulación sólo se colocará el N° ce postulante.

TIPO DE
EDUCACION
FEMENINO MASCULINO ;
POSTULAN TCT?iL POSTULAN TOI7-L |
1
Cient. Hizn. NOCt. 384 65,1 590 1.010 69.9 1.445 '
Coinercial 1.006 71,5 1.407 916 75,0 1.221 !
Industrial 145 78,4 185 3.924 74,3 5.281 !
Técnica 452 75,2 601 40 85,1 47 |
Agrícola 11 .00,0 11 34 72,3 47 1
Cient. Hum. Diur. 14.699 80,9 30.514 28.170 e:,9 34 378 j

TOTALES 26.697 80,2 33,336 34,094 80,4 42.419¡

Ejercicios

1 -- Indique en los datos que siguen , qué escala de clasificación 1¿= cc

rresponde ( marque con una x )
ESCALA DE CL--SIFICACIO.-'

DATOS NOMINAL ORDINAL DISCRETA

Tamaño grupo familiar

Previsión social

Número de hijos vivos

Nivel socio-económioo

Actividad económica

Ingresos económicos

Nivel educacional

N° de piezas en la vivienda

Material de construcción

Sexo

Talla

Desarrollo ps i corrotor

Diagnóstico de la enfenredad

Temperatura

Presión arterial

Gravedad de la enfermedad

N° de días de hospitalización

2.- Construya una tabla estadística para mostrar la distribución os fre-

cuencias de diagnóstico en estudiantes con problemas ce arrendire

3.- Construya una tabla para mostrar el efecto Ge dos tra tari en tos er. la
evolución del aprendizaje en estudiantes con retardo renta!.
( El tratamiento puede ser con estímalos y sin estímales y la evolu-
ción del aprendizaje se mide si el estudiante mejora, sic-_e c
empeora )

3.- Construcción de una tabla de distribución ce frecuencias T-ara ;1

de una escala de intervalos continua

Reglas generales :

i) Se ordenan los datos en forma creciente

ii) Determinar el mayor y el menor entre los datos recopilados y
 &
vi) Colocación de un título, el cual debe contener en forma clara y
lo más corrpleta posible la información necesaria para su fácil
conprensión

TIPOS DE GRAFICOS

a) Gráficos lineales

Se utilizan para presentar información, especialmente en el caso

de escala de intervalos continuo. Consiste en un par de ejes car
tesianos donde en la abscisa se ubican los valores de la variable
y en la ordenada los cambios de la misma mediante una escala de
tipo aritmético. Cada pareja de datos se representa por un punto.
Luego habrán tantos puntos caro parejas de datos, los que se unen
mediante segmentos rectilíneos.

Ejenplo Tasa de mortalidad infantil. Santiago 1S40 - 1967

rt<JrtT7IUt>«D
P0<? iOOO
loo
lío
tío
4 lo
no
<oo
«o
to
ko
ao

ii to 48 ÍO IH t í 1$.9 AMOS

b) Ilistogramas
Se utilizan de preferencia cuando en el eje horizontal aparecen
una escala de intervalos continua. Está formado por rectángulos
de igual base y cuya altura es proporcional a la frecuencias res-
pectiva conforme a la indicación en el eje vertical.

Para su irejor presentación es conveniente que todos los interva -

los de clase sean de igual tamaño.

Algunas veces se aoostunbra a unir los puntos medios de la parte

superior de cada rectángulo mediante segrrentos rectilíneos ; el
gráfico así formado se denomina polígono de frecuencia
Ejemplo Con respecto al ejemplo del peso de 40 estudiantes

ÍAÍ
17¿
h
/

k .
4<í 123 <34 <Jí OI "" <14 «1» «54 <«3 "J
los histogramas o gráficos de Barras pueden adoptar varias formas
Así tenemos :
i) Gráfico de barra sinples

Se utilizan para comprobar cifras totales expresadas en unida

des originales.

Cada barra tiene una longitud proporcional a la frecuencia de

la variable, la que puede leerse en la escala vertical.

Cuando las cifras se refieren a algún atributo, las barras pue

den dibujarse horizontal mente con el objeto de colocar fácil-
mente a la izquierda de la figura la leyenda correspondiente .

Ejenplos
1.- Ntrnero de estudiantes atendidos en colegio x por año
 2.- Distribución de estudiantes según tipo de educación
¿O JO »o

v///\
ZZZZZZZZ2ZZ21
777777\

///z//////\
ii) Gráfico de Barras Agrupados
Se utilizan generalmente para ccnparar dos variables según la
frecuencia oon que se presentan ( frecuencia porcentual )

Por Ejenplo :
Porcentaje de estudiantes accidentadas según gravedad de las le
siones en diferentes edades.

iii) Gráficos de Barras Subdivididos

Es un gráfico muy apropiado para mostrar la composición propor

cional de distintas categorías. No es conveniente hacer mas
de tres subdivisiones.
Gráficos Sectoriales

Se utilizan para los mismos casos que los gráficos de barras, con
la limitante que toda frecuencia debe expresarse cairo proporción
del total. Esta proporción determina el con respecto a los
360° de la circunferencia total que debe limitar el sector
que representa la frecuencia correspondiente.

Ejenplo Resultados obtenidos con tratamientos A y B

Ejercicios Propuestos

1.- Construya el (los) gráfico (s) adecuado para presentar la in

formación que aparece en las tablas siguientes y haga una pe
queña interpretación de ellos.

i) Retiro de estudiantes del Ciclo Básico según causa Area

Occidente 1972.

CAUSAS N° %

SALUD 93 12,0
ECONOMICOS 236 30,4
TRASLADO C "7
O/ 7• .
F —

OTRAS 391 50,3

TOIAL 777

ii) Rendimiento académico por Departamento del Liceo X 1980

RENDIMIENTO
DEPARTAMENTO
HORAS HABILES HORAS TRABAJADAS

MATEMATICAS 3.7 4.1

FISICA 6.9 7.1
BIOLOGIA 5.3 5.5
QUIMICA 4.8 5.1
ARTES 6.6 6.7
ED. FISICA 2.6 7.8
MUSICA 3.3 3
 20

Los datos que aparecen a continuación corresponden al H" de

personas del grupo familiar de algunas familias .

Construya una tabla de frecuencia y clasifique estos datos en

ella y anexa el gráfico correspondiente.

6 7 8 4 6 7 7 5 6 4
4 8 11 3 6 6 7 4 3 5
5 4 2 3 3 3 4 5 8 6
4 8 5 5 5 4 2 5 3 4
4 8 6 7 5 5 10 8 9 3
5 5 5 5 2 11 8 8 4 3
4 7 2 4 6 9 4 5 6 2
3 3 7 7 4 5 8 3 7 6
7 6 4 7 3 9 • 4 3 7 3
3 10 6 6 10 6 12 8 4 4
 • 21

IV TASAS, RAZONES Y PROPORCIONES

Cifras absolutas y frecuencias relativas

Las estadísticas que resultan de las tabulaciones de diferentes tipos
de datos (nacimientos, defunciones, casos de enfermedad» consultas, egresos hospi-
talarios, etc.) proporcionan ndmeros absolutos que son muchas veces utilizábles
directamente en Salud Pública. Por ejemplo, el ndmero do consultas otorgadas en
un consultorio externo permite el administrador en salud estimar la cantidad do
recursos ncceearios para dar una atención suficiente} el ndmero do nacimientos es
un dato valioso para los programas de atención materno-infantilf el niímero de egre
sos de un hospital muestra el volumen de hospitalización y sirve para calcular eos
tos y rendimientos.
Sin embargo, a posar de la importancia do las cifras absolutas» son las
frecuencias relativas las que tienen una mayor utilidad. B.-jo esta denominación
se incluyen las tasas, proporciones, porcentajos y simples razones. Las frecuen-
cias r .lativas tienen la ventaja de facilitar la presentación do las rolaciones
que existen entre dos o más datos y hacer más sencilla la comparación de resulto-
dos.
1. Razones
Son cuocientes ontre dos cantidades do igual o distinta naturaleza.
Indican cuantas veces sucodo el hecho que está en ol numerador con respecto al
hecho que está en el denominador»
Elenmlo « Rozón do mosculinidod = N' «jo hombrea
— N« do mujeres
Indica cuántos hombros hay por coda mujer. Si se amplifica por 100,
co sabrá cuantos hombros hay por coda 100 mujoros, on Chile 19Q2 había 96 hombros
por cada 100 mujeres.
5.521.067 x 100 = 95.9
Chilo 1982 = 5.754.373

Otro e.iomplo «
En el programa do atonción maternal se dosca comparar la relación on-
tre controles y consultas do morbilidad otorgadas on dos Sorvicios do Salud on
1902.

Atención nmtornnl
Servicio í>:-
do Salud Controles Consultos morbilirtn^
Oriente 72.154 72.568
Sur 72.029 G7.041

1-4202
 22.

El examen da estas cifras absolutas hace un poco difícil la comparación.

En una forma gruesa se puedo decir que ambos Servicios dieron igual ndmoro do con-
troles y que, on cambio, el ndmoro do consultas por morbilidad fuemuy superior on
ol Sorvicio Sur. Resulta más clara la comparación si so calculan los cuociontoc
ontro ol número do controles y ol ndmoro da consultas en cada uno de los SorvicioG«

Sorvicio Orionto 72.154/72.568 = 1 control por cada consulta.

Servicio Sur 72.029/87.041 = 0.8 controles por coda consulto.
So establece que el Servicio Oriente ha dado tnás controlos por consulta
quo ol Sorvicio Sur.

2. Proporciones
Son cuocientes entro dos cantidades de Igual naturaleza. Describen la
fracción quo uno serie do sucosos que figuran on ol numerador roprosonta con ros-
poeto al total do sucosos do igual índole. Cunado el resultado do esto cuociente
so multiplico por 100 resulta un porcentaje, que es la forma habitual, de calcular
osta frecuoncia relativa.

Ejemplo» En Chile en 1982 el Sistema Nacional de Servicios do Salud controló el

estado nutricional do 1.160.813 niños menores do 6 años. En ol mismo año la Re-
gión Metropolitana controló 390.464 niños de igual edad. Como la Región Metropo-
litana es una porte del Sistemo Nocional so puede calcular el porcentaje que re -
presentan los controles de esta Región con respecto al total dol país»
390.464
X 100
1.160.813
Do osto modo so cabo quo 34% dol totol do niños monoros do sois años
un control nutricional on ol país, pertoneoon a la Región Metropolitana.
Es importante insistir que tanto los hechos que figuran en el numerador
como los <Jel denominador deben sor do igual naturaleza. De esto modo el resultado
expreso lo importancia relativa quo el dato dol numerador tieno con rocpocto al to-i
tal.
Los porcentajes tienen la vontaja de permitir una comparación fácil de
series que tienen totales diferentes, al referirlos a una baso común que en esto
caso es 100. Si suponemos dos Provincias on que se desea conocer si la mortali-
dad del menor do 28 días es diferente en importancia con respecto al total do ni-
ños menores He 1 año, es más sencillo calcular los porcentajes que representan las
do funciones de menores do 28 dios con respocto ol total do defunciones de menores
de 1 cfu>.

Defunciones He menores de
Provincia Defunciones do 20 df.-is
menoros do 1 oño
Us
Concepción 502 242 48,2
Uio-Bio 287 131 45,6

En la provincia de Concepción las defunciones de menores de 23 días re-

presento n el 4 0 f d e l totol de defunciones infantiles, on cambio en la provincia
He Oio-Uio representan el 45.

1-4202
 23.

1.imitaciones de los porcentajes y necesidad del cálculo do tosas

A pesar do su utilidad, loa porcontojos tionen limitaciones. Si so
estudian, por ejemplo, las muortos por occidentes en dos grupos de edodos on un
país X nos encontramos con lo siguionto» ..

Grupo de Totnl do Dofuncionos

edad dofunciones por occidente
Nfl *
15 a 24 48.999 12.763 26,0
65 o 74 306.025 11.425 3,7

En esto coso podría concluirse quo los accidentes son un peligro más
serio para los Jóvenes, on los que más do una cuarta parto do las defunciones so
debo a occidentes, que pora las personas do mayor edod, en las que loe accidentes
causan monos dol 4% de las dofuncionos.
Las cifras anteriores no oxprosan roalmente el riesgo do morir por
occidente, sino la importancia rolativa que osta causa tiono en el total do defun-
ciones de cada grupo do edad» El conocimiento del riesgo no so obtiene con ol cál
culo do los porcentajosj para ello hay quo introducir en la comparación un elomen-
to importanto quo os la población expuesta al riesgo de sufrir accidontos. 'El re-
sulta^ quo se obtiene al dividir ol ndmero do muertes debidas a accidentes por
la población oxpuosta al riesgo do sufrir un accidonte es lo que se denomino taso
de mortalidad por accidento.

3. Tosas
Una tasa os un cuociente formado por tros elementos :
-Un numorador, quo consisto on el ndmoro do vocos quo ocurrió un determinado
_ liücho en un período do tiempo dado y en un área determinada.
Por ejemplo, el ndmero do casos de una enfermedad que so registró on un ároa
durante uñ año.
-Ún denominador, quo os la población oxpuosta al riesgo do quo lo sucoda el
fonómono quo aparece en ol numerador.
-Uno constante por lo cual se multiplica el cuociente. Debido o que el cuo-
ciente rosultante en uno tosa os siempre de valor inferior o la unidad, óste
se- multiplico por ICO, 1.000, 10.000 ó 100.000 de modo de tener cifras supe-
riores o la unidad, lo quo facilito la interpretación. En efecto, es más
fácil ontonder que la tosa do mortalidad do una región es 8 por 1,000 habi-
tantes quo docir quo es 0,008 por habitante.
Peni'1 si tos generales do los tasas
Es necesario QUO on uno toso hoya concordancia entro ol numerador Y el
denominador en tres aspectos importantes» la naturaleza dol hecho, la zona geográ-
fica y el período do tiempo dentro del cual ocurre ol hecho.
En relación con la naturaleza del hecho, debe usarse en el denominador
la población de la cual haya emanodo el hecho del numerador. Así, no podríamos
tener una tasa de mortalidad por cáncer de la próstata si on el denominador figura
la población femenina.

1-4202
 El área geográfica debo sor lo misma para ol numerador que f-cr; el de-
nominador.
Con respecto al tiempo, las tasas se calculan generalmente scfcre una
baso onual. So presenta un probloma en cuanto al denominador do la t2S2| ya
quo debido a quo la población varía a lo largo dol año, pueden hacerse distintas
estimaciones de ella. Si la población se estima al comienzo del período no reprc
senta toda la población expuesta ya que en esta población no figuran por ejenplo,
los niños quo nacerán durante el oño. Si la población que 60 usa es la
al final del año sucede lo contrario, yo quo no aparecerán en olio los que han fa
llecido y los quo han emigrado en el curso del año.
De aquí quo es do uso habitual como representativa de la población ce-
día expuesta ol riesgo la estimación o mitad del período, os docir, al 30 do Junio
del año en estudio.
Tipos de tasas
En general pueden distinguirse dos tipos principales de tasasi
a) tasas crudos o brutas.
b) tasas específicas.
Cuando on ol denominador figura el tota 1 de lo población su habla ¿o
tasas crudas porque no so consideran características como odad» sexoj etc. Es una
modición gruesa do la fuerza de ocurrencia do un hecho.
Cuando on el denominador so usa sólo cierto sector do la población,
por ojomplo, la población do 20 a 25 años (en el numerador debe figurar el hecho
referido quo afecta sólo a esto grupo de edad) se habla de tasas específicas.
Estas tasas son más refinadas y miden con mayor exactitud ol riesgo que se desc-a
conocer, ya quo on general los riesgos son diferentes según las características
de las personas.
Por ojomplo, la mortalidad os muy diferente en algunos grupos de e*ar
y la tasa cruda oa sólo una ospocio do promedio do las diferentes tosas cspocííi-
cas. A vocos so habla impropiomento do quo una tasa os específica. Tal os el ca
so do la taso do mortalidad por una causo determinada, por ejemplo tuberculosis.
SI en el numerador figuran todas los dofuncionos por tuberculosis en el denocir.í-
dor d' "•o estar toda la población y os por lo tanto una tasa cruda por una cau<:
específica.
Las tasas que hobitualrnento se usan en Salud Pdblica so refieren a Iz
mortalidad, lo morbilidad, la lotolidad y la fecundidad.
3.1. Tasa bruta do mortalidad
Su numerador incluyo la totalidad de las defunciones do a:r¿cs sexes,
do todas las edades y por todos las causas, registradas a lo largo de un año c;-
londario en un área determinada. Su denominador es la población tctsl «"o esc
misma área estimada a mitad do período, os docir, al 30 do junio dol r.is-r.o cr.i.
Tal como ocurro con todas las tasas de mortalidad, debido a quo en la pcclacií-,
expuesta ol riesgo do morir sólo algunos individuos han muerto on el t'rsino
oño calendario, ol denominador es siompro mayor quo el nurr.crador y, pera cbter.cr
cifras enteros os necesario amplificar el cuociente ontre dofuncionos y pcbls::
por una constante que, on el caso do la tasa bruta es l.OCO.
Tasa bruta do mortalidad =
_ N° total do dofuncionos on un ¿rea y año determinóles x ^ QQQ
~ Población total dol área ol 30 de junio do oso año

1-4202
Según causo
Tasa do mortalidad por causa =
_ Defunciones por un? couso on un ¿ron y nfio dotermlnnrtos QQ
x
~ Población total al 30/junio de ose año y área
El denominador do las.tasas por causa, en gonerol, os la población
total y por conslguiento so troto do tasas crudas por una causa o grupo do cajs
específicos. '
La construcción do estas tasas implica separar ol conjunto de todas
las muertos diversos sub conjuntos otondiendo a la causa do muerto. Dichas raut
tos, si no hay otra ospecificoción adicional, incluyen los defunciones do cual-
quier edad y ambos soxos quo han ocurrido por una misma causa «j grupo de causas
Debido a la necesidad de disponer do tosas por cauero <->e muerte cuyc
magnitud on la población puedo ser muy poqueña y a fin de que lo magnitud de le
tosas do mortalidad por los diferentes causas sea facilmento comparable, la cor
tonte que en ellas se utiliza es 100.000.
Tasa do mortalidad materna =
_ Muertes debidos a complicaciones del ombornzot porto o puerperio x 1.000 (ó
Nacidos vivos en eso año y área x 10.003).
Se denominan muertes maternas aquellas cuya causa está relacionada c
complicaciones del embarazo, parto o puerperio y ellas constituyen el numora<?c
do la tosa.
Su denominador podrían sor las mujeres entre 15 y años pero el rí
go específico que indico el numerador sólo afecta a aquellos que en dicho oñc h
tenido un embarazo, por lo tanto lo más adecuado sería colocar ol nómero do Cͱ-
razadas. Como hobituolmonte no ce dispone do información fidedigna respecto a
esto dato, so ha convenido iiiternacionalincnto utilizar como denominador ol n<fc«c
de nocidos vivos del mismo año en que sucedieron las muertes del numerador.
La tasa de mortalidad materno so define como la relación entro ol r.i
ro do dofuncionos por causas relacionadas con los complicaciones del embarazo,
to o puerperio ocurridos en un año y área dadas y el ndmero de nocidos vivos er.
mismo otio y área. So puado expresar por 1.000 ó por 10.000.

3,2. Tosas específicos de mortalidad

Sogtín sexo»
El riesgo de morir difiere sogtín ol sexo. Por ello es conveniente morir
suporodo la mortalidad do hombres y de mujeres.
Toso Mortalidad Masculino =
- Defunciones masculinos on un área y año determinados ^ ^
~ Población masculina al 30/V1 do oso año y área

Toso Mortalidad Femenina =

_ Defunciones femeninos en un área y oño determinados
x 1.000
~ Población femenino al 30/vl de eso año y áreo
Iguol que la taso bruta de mortalidad, ambas tosas so amplifican
por 1.000.
Debido a que sus denominadores son doferentós estes des tcs;s nc s:
. pueden sumar directamente pora reconstruir la tosa bruto Wo mortclido'3.
1-4202
Sculn QrÍQrj |
La mortalidad difiero marcadamente segdn la edad» Por eso corriente-
monte la medición do la mortalidad requiero medir el riesgo de muerto por odadoe.
Al oloborar los tasas do mortalidad por edad puede llegarse ¿ tal grado do especi-
ficación quo los subconjuntos do defunciones incluyan sólo odades simples, es do-
cir, so elabore una tasa para cada año de odad. Sin embargo, lo habitual os quo
sé trabajo con grupos do edades, usándoso frecuentemente grupos quinquenales de
odad o bien grupos do mayor omplitud. Sólo pora las edades más jóvenes, on quo
ol riesgo do morir cambia más rapidainento con la edad, está Justificado construir
tasas do mortalidad por edades simplos o atín por intervalos quo sean menos amplios
quo 1 año.
Tasa de mortalidad por edad =
_ pefuncloncs de un grupo do edad on un área y año determinados ^ qqq
~ Población de eso grupo de edad al 30/VI de eso año y ároa
Todos las tasas do mortolidod por odad so amplifican^por 1.000 .
Estos tasas so pueden calcular soparodomonto poro coda sexo. En tales caso6 lo
doblo especificación do sexo y odad debo h"~orse tanto para las defunciones como
para la población. Ejemplo»
Tasa mortalidad masculina do 20 - 24 años =
_ nefunciones masculinas do 20-24 en un áron y año determinados
~~ Población masculina de 2024 años al 30/VI para ese ano y área *
Un caso especial dentro do las tasas de mortalidad por odad lo consti-
tuyen las muertos de los menores do un año. El riesgo do morir es considerable -
monto más alto en el primor año do vida quo en la6 edades siguientes, salvo las
edades muy avanzadas.
Es precisamente en esta edad cuando la mortalidad os más sensible a
ios efectos dol ambiento y si las tasas son altas una bueno proporción de estas
defunciones son evitables. Por ello esta medida es un indicador usuol dol nivel
do salud o intereso particularmente conocerla.

Tasa do mortalidad infantil =

_ Defunciones de niños menores de 1 año en un área y año determinados . Q^Q
Nacidos vivos on eso año y área
Tnl como en la tosa bruta do mortalidad y las tasas de mortalidad por
sexo y edad, la constante quo so utiliza en esta taso es 1.000.
El numerador de la toso de mortalidad infantil incluye las defunciones
du ambos sexos y por todas las causas que ocurren dentro do un aíio calendario y en
un ároa determinada en los niños que odn no han cumplido su primor año de vida.
Do^a la naturaleza de su numerador la tasa do mortalidad infantil tiene ol carác-
ter do uno tasa de mortalidad por edad. Por lo tanto, debería esperarse quo su
denominador fuera la población do menores do 1 año do edad, ostimodo o mitad del
mismo año calendario a que so refieren la3 muertos. Sin eruborgo, hoy razones me-
todológicos por las cuales so hace necesario el uso de otro denominador.
Entre estas razones está el hecho de quo la población menor do 1 año
so omite en los censos on una proporción mayor.- que la do cualquiera otra edad, y
por ello su tamaño, para un año censal y con mayor razón en las estira clones para
los años posteriores al censo, son más inexactas que para los grupos do edades
mayores. Por otra parto, los niños menores de 1 año quo existen en una población
depende del nivel y las tendencias de la natalidad on los años recientes. En cam-
bio, en los grupos do edades mayores los efectivos do población son menos sensi-
bles- a las modificaciones do la natalidad en los años inmediatamente procedentes.

1-4202
 27.

Es por esto, que para estar a cubierto de las variaciones que existen
entre los países respecto a la cobolidad de los censos y de las fluctuaciones que
puede experimentar ol nivel do la natalidad» so ha convenido intornacionalmonto
en utilizar como denominador do la tasa do mortalidad infantil la cifra de naci-
dos vivos dol año, en lugar de la población estimada do menores de 1 año.
La tasa de mortalidad infantil se subdivido en dos componentes»
Tasa rjo mortalidad noonotol =
_ Defunciones niños menores de 28 ds. on un área y año determinados ^ ^ QQQ
Nacidos vivos en eso ario y ároa
Esta tasa mido la frocuoncia do muertes quo ocurren on loe menores do
20 ds. on un año calendario y on un ároa determinada por cada l.OOO nacidos vivos
en oso mismo año y área.
Tasa de mortalidad infantil tardía =
_ defunciones de niños do 2fl ds. a 11 meses en Un área y año determinados ^ QQQ
Nacidos vivos en ese año y área
La tasa do mortalidad infantil tardía mido la frocuoncia f1e muortos
que ocurren en ol primor oño do vida a partir del 28« día, en un año calendario
y ároa dada por 1.000 nacidos vivos en ose año y área.
Así como entro las muertos del primer año es conveniente distinguir los
quo ocurren en las prirooras 4 semanas del resto de las muertes infantiles, también
estítilanalizar separadamente los muertes de la primera semana de vida de las
correspondientes a lás 3 semanas siguientes. Si so rofieron ostos nuevos dos sub~
co'njuntos a la misma cifra do nacidos vivos dol año so obtienen dos nuevas tasas
quo sumadas equivalen a la tosa do mortalidad noonatal. Ambas se expresan igual-
monto por 1.000 . La tasa de mortalidad .do la primera semana so denomina tasa do
mortalidad neonatal precoz y la do la sogunda a cuarta somano tasa do mortalidad
noonatal tardía^

Tasa do mortalidad neonatal precoz =

- Defunciones de menores do 7 días on un ¿roa y nño determinadas ^ qqq
~ Nacidos vivos on eso oño y ároa
Esta tasa mido la frecuencia de muertes quo ocurren en la primera somano
do vida en un oño calendario y ároo dada por cada 1.000 nacidos vivos dol mismo año
y ároa.
Tosa do mortalidad neonatal tardía =
_ ncfunci oner. do niños de 7 a 77 días en un área y ano determinaos ^ ^ QQQ
~ Nacidos vivos on ese año y áreo

Mide la frocuoncia do muertos quo ocurren entre lo segunda y cuarta se-

mana do vida en un año calendario y ároa dados por cada 1.000 nacidos vivos del
mismo año y áreo.

Tasa de mortalidad fetal tardía (o mortinatalidad) =

Defunciones fetales tardíos (28 y + semanas do gestación) on un área y
_ oño determinados ___________________ x \ 000
Nacidos vivos on ose año y ároa

1-1202
i
 28.

Seguir) el momento de la gestación en que se produce la muerte del pro-

ducto de la concepción, las defunciones fetales se clasifican en precoces (menos
de 20 semanas do gestación) intermedias (20 a 27 semanas) y tardías (23 y más se-
manas de gestación). Las defunciones fetales tardías corresponden a los mortlna
tos y las precoces o intermedias a los abortos.
El rogistro do los dofunclonoa fotalos tieno una omisión importante,
lista omisión ofocto principalmente o las dofuncionos fotoloa prococoa.
Para las defunciones fetales tardías en cambio, el registro proporciona
una información más completa, aunquo siempre subestima la magnitud roal dol pro-
blema. Su denominador también son los nacidos vivos por las razones expuestas on
la tasa do mortalidad materna.
Tasa do mortalidad perinatal = -
Dofuncionos fetales tardías + defunciones do niños menores do 7 días
_ en un área y ano dotormi nados ^ ^,000
~ Nacidos vivos en ose año y á r e a - - -
Esta tasa mide ol riesgo de muerte que implica pora el producto de la
concepción ol paso de la vida intrauterina a la vida extrauterina.

3.3 Medición de la morbilidad -

El estudio de la morbilidad tiene serias dificultados. Desdo luego, a
diferencia de la muorto quo ocurro Una sola voz y on un momento bien dofiñi-
do y os un hocho permanente, la enfermedad puede ocurrir varias vocoo on la vida
do un individuo, ya quo se trata do una misma enfermedad o do enfermedades distin
tas y por dltimo ellas pueden tonor duración variable. - •• -
En lo que so refiero a la modición de la enformodad se puod«n distinguir
tros tipos do unidades»
1) personas enfermas, 2) enfermedades, 3) episodios do enfermedad.
Por ejemplo, si uno poroona tiene durante el año 2 rosfrios y 3 episodios
diarrcicos, se contabilizará i - -
a) persona enfermaj b) 2 enfermedades} c) 5 episodios. ••
Por este motivo ol Comitó do Expertos on Estadísticas de Salud rocornicn-
da quo on los ostodísticas do morbilidad so especifiquo claramonto a cual do ostos
tres criterios se refieren los datos.
En la medición do la morbilidad interesa fundamentalmente medir la fre-
cuencia do la enfermedad en la población, su duración y su gravedad.
3.3.o. Medición de la frecuencia do la enfermedad
So distinguen dos tipos» la incidencia y la prevalencio.
-Tasa de incidencia
So denomina Incldoncla ol número de cosos nuevos que se prosentan
on un período de tiempo. So refiero o enfermedades que comienzan durante un
período definido y la tasa mido la frecuencia de acontecimientos quo ocurren
durante ol período. En la tasa de incidencia so incluyen on el numerador
los casos nuevos (enfermedades o enfermos) registrados durante el período y
ol denominador se refiero a la población estimada en ol punto medio dol
período. Las tasas do incidencia pueden ser anuales pero tainbión puodon ro-
forirso a cualquiera otra unidad do tiampo.

1-4202
 29.

Tasa de incidencia =
_ Ndmoro Ho cagoo nuovos en el perforo ^ ^ QQQ
Población a mitad del período
La tasa de incidencia muestra la dinámica de la enfermedad y expresa el
riesgo de enfermar que tiene la población durante ol período obsorvado.
-Tasa do prevalencla
Prevoloncio » es ol ndmero do casos (nuevos y antiguos) quo se rogistran
en un tiempo o momento dado, por ejemplo» el primor día de un mes o ol
dltimo día de un año o ol promedio diario dentro do un período de tieni-
po. La taso da prevaloncla tiene como numerador ol ndmoro <-1o casos que
están presentes en ose momento y como denominador la población ostimoda
para el mismo momento.

Tasa de provalencia =
_ Ndmero do cosos existentes en un momento doHo ^QQ QQQ
Población en ese momento
Lo tosa de provalencia es una medida relativa cuyo sontido es compara-
ble a la información quo proporcionan los censos de población y mino
sólo lo que existe o prevalece en ese momento. Es necesario hacer no-
tar que en ol numerador figuran todos los casos tanto los quo se inicia
ron antes del momento de medición como los casos nuevos que oporocen en
oso momento.
Tratándose de enfermedades crónicas la prevalencla reflojo mejor
quo la incidencia la magnitud del problema en la comunidad.

3.3.b. Medición do la gravedad ^o la enfermedad

Un aspecto do la morbilidad cuyo conocimiento tiene gran lnterás os
la gravedad da la enfermedad. Ella puedo modirse en tórminos do la incapaci-
dad quo produco. Por ejemplo, una enfermodad menor es aquella quo no os cau-
sa de ausencia del trabajo. Esto hace necesario tener una oseóla do incopo-
ci(Od pora medir la soveridaH dol cuadro. Además la medición tiono ol problo-
ma F'E quo la gravedad depende no sólo de la enfermedad sino que también HO las
características do los individuos que la padecen. Por ejemplo, un resfrío co-
mdn puerle ser motivo paro que una persona guarde como, mientras otro individuo
con un resfrio do iguales condiciones continda dosorrollendo sus actividades.
Por estas dificultades el índico do gravedad do una enfermedad quo
más so utiliza es la taso de letalidad, quo establece lo relación entre los
fallecidos por una onfermodod y los enfermos quo padecen oso enfermodad.

1-4202
 Tasa de letalidad =
_ Ndmero de defunciones por una enfermedad dada x ^qq
-
Ndmero de enfermos de esa enfermedad
Mide lo frocuoncia con quo so produco la muorto on una enformedod.
Esto os la taso que permite establecer ol pronóstico do las onformcdadoG

3.3,c. Medición do la duración de la enfermedad

La duración do lo onformodad os un dato gue interesa modir, ontro
otras razones, porque la enfermedad de mayor duración significa mayor costo.
Puedo hacerse osta modición on forma do un promedio. Por ojomplo, 60 onformo3
do tifoidea estuvieron en coma un total de 1.080 días, la duración de lo en -
formedad es entonces»

Duración = ^'¿Q"1 = 18 días en promedio

Para la medición de la duración es necesario definir proviamonto
quo se entiendo por enfermedad. En esto caso la duración se roficrc al tiempo
promedio do estada on cama do los enfermos. Otras definiciones podrían tomar
on cuenta, por ejemplo, el día do los primoroG síntomas o ol día on quo se
hizo el diagnóstico, etc.
El promedio puedo obtenerse no solo en relación a los enfermos
(60 on el ejemplo anterior) sino quo puede obtenerse pora opioodios do enfer-
medad. Por ejemplo» en una escuela so registraron los rosfrio3 do los alumnos
y se tuvo un total de lOOroefriog on el año. La duración total do losrcsfrios
fue do 500 días. La duración media de cada episodio fue, por lo tonto de 5
días.

Medición de lo fecundidad
La modición do la fecundidad so hoce o travós de diforentos tipos
do tosas que tratan do modir los niveles dol fenómeno on un ároa.
Tasa bruta de natalidad
Es una tasa simple que relaciona los nacidos vivos registrados en
un ároo geográfica durante un año con la población totol do esto áreo.
Tasa bruta do natalidad =
_ Nacidos vivos en un área y oño determinados .
Pobloción totol al 30/VI on eso año y ároa x 1 , u u u
Como incluyo o 1a pobloción total (do todas los odados y do ambos
sexos) no puedo intorprotarso corno una probabilidad porque en ol denominador
h"¡y población quo no está expuesta ol riesgo de tener un niño. Expresa más
bien la frecuencia do los nacimientos por cada 1.000 habitantes.
Las tasas do natalidad son prácticamente las dnicas medidas do fe-
cundidad que es posible calcular para áreas geográficas pequeños y permito es
tudiar los tendencios dol fenómeno en un área determinada. "*
 31.

Cuando so comparan áreas diferentes hay quo ser extremadamente cuidado-

so en la interpretación porque puedo haber diferencias on la estructura do la
población especialmente on lo que so refiero a la composición por edad do la
población femenina y esta diferencia puode por sí sola dotorininar diforen-
cias en las tasas de natalidad.
Tasa do fecundidad general
Es esta una tasa más ospocífica ya que tione un donomlnrtdor la pobla-
ción potencialmento expuesta al riosgo de tener un nacido vivo» la población
femenina en edad fértil.
Tasa ^e fecundidad general _

_ Nacidos vivos on un área y año determinados . ___

~ Población femenina de 15 a 49 años al 30/VI x i , u u u
en eso año y ároa. - ••
Al temor en cuenta solamente a las mujeres y en el grupo de edad expues-
to al riosgo es una tasa mástítilpara hacer comparaciones entre zonas o com-
paraciones internacionales.
Tasa de fecundidad por edad
Esta tasa tiene un nuovo rofinomionto y os más específica yo quo toma
en cuenta no solo ol sexo, sino la composición por edad. En ofecto, en su
numerador se anotan los nacimientos de madros de un grupo de edad determinada
y on ol denominador la población femenina de esa edad.
Tasa de fecundidad por edad =
Nacidos vivos de mujeres de un grupo do edad en un
_ ároa y año dotonnlnados x ^ QQQ
Población femenina de ese grupo do edad al 30/VI
en ese año y área.
Ej.t Nacidos vivos de mujeres de 15 a 19 años en un
áren y año determinados . ^^
x
Población femenina do 15 a 19 años al 30/VI
en ese año y área.
Tur lo general las tasas de fecundidad por edad se calculan para grupos
quinquenales de edades comprendidas entre los 15 y los 49 años¡ os decir, se
calculan 7 tasas de fecundiad por edad.
Otras medidos dp fecundidad
Los estudios demográficos más finos de la fecundidad utilizan además
de las tasas anteriores, las llamadas tasas de reproducción quo tratan de
medir el aporte futuro de la fecundidad al reemplazo do la población haciendo
una corrección en los nacimientos utilizando la proporción do nacimientos fe-
meninos.

Como se trata do tasas usadas por especialistas remitimos al lector a

los textos de Demografía para su estudio.

BlOCSTAD./l-4202/Correg. y reimp./Enero 1984/spa.

 V. ESTADISTICA DESCRIPTIVA

Medidas de Posición

Tienen por ctojeto la obtención de un valor que resuma en sí toe

las rediciones. La mayoría de ellas tratan de ubicar el cor.tro
la distribución.
La egresión numérica de estas medidas es siempre un valor oe 1
riable conprendido en su recorrido.

a) Media Aritmética

Es la medida de posición más conocida y utilizada, para su c<_

lo se haoen las siguientes consideraciones :

Media para datos no agrupados

Se calcula sumando todas las observaciones X^^.., X^ y se

vi de por el número total de ellas y se denota por X o K [x]
gún convenga.

//
n
l h
así tenemos X= 1 1
= M [ x]
n
Ejenplo : Encontrar la media de los siguientes datos : 35,
51, 55,-53, 54, 52
Usando la calculadora Casio fx - 120 se tierje :

"SD". INV [ac] 55 [m+] 54 [mí] 51 |m£} 55 [m+]

54 52 [m+[
= 53,375

Media datos agrupados

En este caso las n observaciones están acrupacas er, ~

de clases con marcas Y., Y,,., Y v funcicr.~s absoluta; f..
i ¿ m *
..., fm luego el valor de la media se calcula rer
m -

2 Vi I Vi
T = JzL
m
l h
i=1
 Ejemplo : En la tabla construida anteriormente en la cual se agru
paron los pesos de 40 estudiantes se tiene que el peso promedio es :

12
l f y-
x = L
1 - 1 lJ 1 = 147,25 Ib.
40

Media de Submuestras ( o subpoblaciones )

Cuando existen varios grupos o submuestras las cuales forman una par
tición de una muestra global ( es decir no tienen elementos comunes
y en conjunto forman la muestra global ) . De estos grupos se conoce
su tamaño n. Jy su media Y. Jy se desea determinar la media de la mués
i i —

tra global. Esta se calcula de la siguiente forma

I
L n,
i Y.
i
i=l ; p = N° de grupos
Y =
n = Tamaño muestral global
n
P
= I n,
i=l

Ejemplo : En un colegio de 65% de los funcionarios son Profesores

el 15% Inspectores, el 15% Administrativos y el 5% Auxiliares. los
Profesores tienen una edad promedio de 45 años, los Inspectores de
28 años, los Administrativos de 35 años y los Auxiliares de 25 años.
¿ Cuál es la edad promedio de los funcionesrios ?
Respuesta

- _ 0,65 n 45 + 0,15n 28 + 0,15 n 35 35 + 0,05

n

= 0,65 45+0,15 28+0,15 35 + 0,05 25

= 39,95

Propiedades de la Media
i) aX + k = a X + k

Li) k = k

ii) X - X =0
 34.

b) Mediaría
La Mediana es una medida que divide la distribución en dos grupos
con igual número de observaciones.

Una vez ordenadas las observaciones en orden creciente o decre -

ciente, llamaremos mediana, que de no tárenos por Me al valor de la
variable que supere a lo sumo a la mitad de las observaciones y
sea superado a lo sumo por la otra mitad.

Para su cálculo pueden presentarse dos casos :

i) Datos no agripados

- Ordenar los datos según magnitud

- Determinar la posición correspondiente a la mediana es decir
n+-l
la posición ; en que "n" representa el N° de observa
2
ciones.
n+1
- Ubicar el valor correspondiente a la observación
2
Nota Cuando el número de observaciones es par; no hay una ob
servación central sino dos: en este caso se adopta el cri
te rio de definir la Mediana como el prcmedio de estas
dos observaciones centrales.
Ejenplo Dados los siguientes datos : 18, 14, 16, 17, 19, 22
ordenándolos se tiene 14, 16, 17, 18, 19, 22.
como hay seis datos; tenemos dos observaciones centrales 17 y
18; luego Me = 1 7 + 1 8 = 1^5
2

ii) Datos agrupados

Cuando los datos están agrupados, no es posible individualizar

rápidamente la mediana y sólo es factible determinar el Ínter
valo en que se encuentra.

Para esto se enpieza por establecer la menor de las frecuen -

cias absolutas acunuladas que supere a la mitad del tal de ob
servaciones; es decir es necesario encontrar un valor j para

el cual F. > — y luego aplicar la siguiente fórmula pa

3 2
ra Me , — - F
C (
j 2 j-1 )
M = Y1 . . +
e 3-1 f.
3
Y'. , = límite inferior del intervalo j-ésimo
3-1
 35.

F. , = Frecuencia absoluta acumulada del intervalo anterior al

3-1
j-ésimo
c. = arrplitud o anchura del intervalo j-ésiiro
3
Ejemplo En el ejenplo donde se presentaba el peso de 40 es_
n
tudiantes se tiene : = 20, buscando en la columna de. fre

cuencias absolutas acumuladas verros que F^ = 23 > 20

luego j = 6
Por lo tanto la mediana está en el intervalo
143 - 148 ; luego
Me = 143 + 5 (20 - 15 )
8
25
= 143 + = 146, 125

c) Moda

Es un estadígrafo de posición que puede definirse como el valor

observado más frecuente; es decir; el que presentó una frecuen-
cia mayor.
Se le emplea de preferencia a otros estadígrafos cuando se desea
señalar el más canGn o típico y se le denota como M^

En una distribución de frecuencias con intervalos iguales, la

Moda puede considerarse cano la marca de clase del intervalo Mo
dal , es decir; el intervalo de mayor frecuencia.

Por ejemplo en el caso de los pesos de 40 estudiantes se tiene

que M d = 145,5
si se desea precisar el valor de la moda para datos agrupados en
distribuciones de frecuencia se pueden utilizar las siguientes
fórmulas :
f
3+l
M,
d
= Y' -l + c .
3 3
f +
3-l Vi

f. -
3 "j-1
1
M, = Y . . + C.
d j-l j + <f
^ " 'j-^ 3 " Vi1

M, M, = f. - f.
= lim inf (j) + Cj 1 3 3-1
Mx + M2 M-j = f . - f .
2
3 3 +1
''edia ogcmétrica

Se usa especialmente en los casos en que existe una tasa de cre-

cimiento relativamente constante. Se usa tartfoién de preferencia
cuando es conveniente dar inportancla a los valores pequeños

i) Dates no agrupados

La media geométrica de un conjunto de n valores positivos se

define ccrro la raíz n-ésima del producto de los n valores y
n /— < ^
se denota por M^ luego M^ = / X1 — Xn
i) Datos agrupados
Si se tienen n datos agrupados en m clases o intervalos con
marcas de clase Y., Y_.. Y y frecuencias absolutas f., f-.-.,
1 ¿ m x ¿
f respectivamente, entonces la media geométrica está dada por:

Cano el cálculo de la expresión anterior es muy largo se ado¡o

ta el siguiente criterio :

aplicando logaritmos a ambos lados se obtiene :

m
l t t log Y.
log M = — = M [ log y]
^ n

es decir el logaritmo de la media geométrica, de una variable

es la media aritmética del logaritmo de esa variable.
Sjemplo En el ejemplo de los pesos de 40 estudiantes se tiene:

86,663
log M = = 2,1667
q
40
Mg = 146,79

.'•isdia AmSnica

La Media Arrrónica denotada por M^ se define ccmo el valor recí-

proco de la Media Aritmética de los valores recíprocos de la va-
riable . Es decir.
 O1

M
[I] I -i-
. , X.
1=1 1

Catos Agrupados

Ojanco se tienen n observaciones agrupadas en m clases o interva i.

los con marcas de clase Y., Y_,.. Y y frecuencias absolutas
1 2 m
í,, i.,,., f resoectivamente entonces
1 L. m »
V —
"h 1 m m
M y l íí
ái i ^ \
n
Ejenplo : Para el peso de los 40 estudiantes
40 = 146,25
"h 0,2735

f) Cuartiles, deciles y percentiles

Los cuartiles son valores que dividen una serie de datos en cua -
tro partes iguales, dejando el 25% de los casos en cada una. Los
cuartiles sen 3 y se denotan por QL , i = 1, 2 , 3.

Les deciles son valores que dividen la serie de datos en 10 par -

tes iguales, dejando el 10% de los casos en c/u. Los deciles son
9 y se denotan por D^. Los percentiles, dividen la serie de da -

tes en 100 partes, dejando el 1% de los casos en c/u. Los percen

tiles son 99 y se denotan por P^.

Ccservacicr.es

i . Sabemos que la mediana divide la serie de datos en dos partes

de janee- el 50% de los casos en c/u; de modo que tarrbién pode-
ros ll—arle percentil 50 ( P 5 Q ); decil 5 (D5) o cuartil 2

(Q2)
ii; Se puede ver que los cuartiles y los deciles son un caso partí
cular ce percentiles; por lo que sólo veremos el cálculo de é£
tos y para calcular deciles y cuartiles haremos la analogía
correspondiente
 !

• Cálculo de percentiles para datos no agrupados

Si tenemos una serie de "n" datos ordenados por magnitud en

tonoas el valor del percentil r-ésimo ( r = 1,2,...,99) es-
tá por la observación o dato que ocupa el lugar —— ;
100
en caso que —£ n o sea un númsro entero, se ten
100
drá que interpolar.

Ejenpio : Dada la siguiente serie de datos ordenados 42,

42, 43, 45, 47, 50, 53 y necesitamos calcular el percentil
67 <P 67 )

_ ^ . . (rH-1) r 8 • 67 536 _ ,
Calculamos el valor = = = 5,36
100 100 100
ta ta
luego el percentil 67 se encuentra en la 5 y la 6 ob -
servación; luego debemos interpolar está entre 47 y 50
luego 47 Pg? JO,
^oTÜ 0.64-

P
67 - 4 7 . 5 0
- P 67
0,36 0,64

= 0,36-50 + 0,64 • 47 = 48,08

O/
Cálculo de Percentiles para datos agrupados
Si teneros una serie de n datos agrupados en m clases o in-
tervalos y necesitamos calcular el percentil r (P^). Para

ello es necesario prirrero identificar el intervalo que lo

contiene y ésto se logra encontrando la menor de las frecuen
cias absolutas acumuladas que supere el valor -—~
100
Es decir hay que hallar el intervalo j-vlsimo tal que
n
F. > ' , luego el valor de P se pa
3
100
/ n• r
C
p = Y j \ loo ~ Fj-i
r 'j-1 +
f.
3
r = 1, 2, 99

Ejenpio : Para el caso del peso de los 40 estudiantes se

cssea calcular el peso mínimo del 20 % superior del total de
estudiantes, es decir PgQ
 40 * 80 = 32 3=9
100 100

y el intervalo j—ésirro es [158 - 163)

5 (32 - 32 )
luego P g o = 158 + 158

Luego el 20 % superior de los estudiantes tiene un peso mí

nimo de 158 libras o el 80% inferior de los estudiantes tie
ne un peso máximo de 158 libras.

2.- Medidas de dispersión

La idea de dispersión se relaciona con la mayor o menor concentración

de catos en "¡torno a un valor central, generalmente la media aritméti_
ca.
dispersión pequeña
dispersión normal
dispersión crarde

a continuación examinaremos algunas medidas que pretenden cuantificar

esta dispersión en una distribución de frecuencias:

a) Varianza

La varianza ce una distribución de frecuencia de vria variable X es

la media aritmética de los cuadrados de las diferencias entre les
valores de la distribución y su media aritmética . Se denota per
2
S o V (X) y se calcula de la siguiente forra :

I ~ x)2 para datos no agru-:-;coG

i=l
S" = V ¡X) =
x
m _ 2
f. (v. - X)
l -i -i para datos agrupad";
i=l

Ejerplc : ?ara el caso del peso de 40 estLidiar.-es

. ; . v. - Y (y. - Y) 2 f. :y, - Y)2

"1
I
j
1
 12 _ ,
! c2 r f- ( Yv - Y)
lueco S_x_ = i x i
i=l 40
b) Desvi-v-ión Estandard

. Se define corro la raíz cuadrada positiva de la varianza y se denota

por S^ y se mide en las mismas unidades que la variable.

Luego : S = + / S2 = + / v (X)

Prooieáades de la Varianza 1/ „

m
i) si = lr Lf. V y
± (y.i - X )'
i=l

m 2 - -2
j f i (y* - 2yiX + X )
i—1

m m m

y¿ f-
i Yi
2
LT f-
i Y.
i LI f.
i
Ü - 2X + X2

m 7
r f. YT
¿ 1 1
-±=i x2
n
7 - x2
ii- V (k) = 0 k cte.

Lii V (a;-: + k ) = a 2 V (X)

Coeficiente de Variación

Se utiliza cuando las variables en dos distribuciones se expresan

en 'unidades diferentes. No tiene sentido conparar algunos de los
estadígrafos de dispersión presentados, pues ellos quedan influen
ciados por el valor nurrérico de dichas unidades.
?rr ejerpio una desviación estardar de 2,7 kilos ¿ Es mayor que
'.-"..•>. do 0,43 años ? . Esta dificultad se puede superar mediante el
 cogíIcLente de variación, que no depende del sistema de unidades
ernpLeacos y se calcula ccrro el cuociente entre la desviación están
dax y ñ¿ rredia aritmética y se denota por :

3.- Tablas bicLrensionales

Ar.teric—er-.te se ha considerado el caso de distribuciones de valores

ce una so la variable. A menudo se presentan las observaciones respec
to a ees -ariables en forma simultánea. Por ejenplo peso y edad ce
un gn=.-a-ce estudiantes, estatura de padre e hijo, ingreso y gastos
por f£r¿l.:a, etc., en este caso se habla de distribuciones bidimsnsio
nales las cuales tairbién es posible agruparlos en tablas de distribu
cián óe ¡frecuencias conjuntos, cuando el N° de observaciones es mu.-
grarce, e incluso es posible averiguar si existe alguna relación fun-
cional er.tre ambas variables.

a) PrgS"3r-.t-3CiÓn ce los datos

Si el :ca de observaciones es reducido los datos pueden presentarse

en fama sinple por ejenplo : Salario y gasto en alimentación en 6

SAIAOD S (x) 73 65 69 76 83 47
CiSISS $ (y] 48 40 48 43 53 33

cua-Tic los datos son más numerosos se pueden agrupar en una tabla
fe &<le entrada o tabla de distribución de frecuencias conjunta.
?=_ra confeccionar este tipo de tabla es necesario determinar les
intervalos ce cada variable por separado

í=;--pio : Edad (y) Y N° de caries (X) con un grupo ce 30 ni -

8 10
9

10

10 30
 Z;\ la últirra columna se observa las frecuencias abs:
y la Qltirra fila las frecuencias absolutas para Y y cen'cr: ce la
tabla se tienen las frecuencias conjuntas y cenotar-rros rcr f.._.

y corresponde a la frecuencia del i-ésimo intervalo para y

simo intervalo para Y . En esta tabla pocemos calcular : X,Y,Y0

b) Ccvarianza

Es una medida que cuantifica la relación entre dos variables. Re

presenta el grado de variabilidadconjunta y se define ocnc la me-
dia de los productos de las desviaciones respecto a sus crrrespon
dientes medias aritméticas Y se denota por Cov (X,Y)

i) Datos no agrupados

m _
£ (X± - X) (yL - Y )
Cov (X,Y) = _i=l
n

ii) Datos agrupados

m 1
l l <x.-x) (y-j-*) f¿j
Cov (X,Y) =

donde m = N° de intervalos para X

1 = N° de intervalos para Y
x.= marca de clase del intervalo i-4si~c para x
x
y_.= marca de clase del intervalo j-ésir.o para y

Nota : Para efectos de cálculo de la ccvariaras entre x e y s

liza la siguiente fórmula que se deduc
la fórmula anterior.

Cov (x,y) = ~XY - "x • Y

Ejeiplo : Calcular la covarianza en el eje~lc anterior

5 4 5 4
v f. . :•1:. Y .
I i: 3
- -- j J
Cov (X, Y) = XY - X-Y
n n

=34,3-5,27 5,73 = 4,1:29

 43

I.- Ajuste de modelos por mininos cuadrados

Al graficar dos variables, la nube o conjunto de puntos adopta diferen

tes formas, las que se pueden esquematizar en una linea mas sencilla
y proporcionar así una idea del tipo de relación funcional entre ambas
variable. Esta relación funcional permite la posibilidad de predecir
(• o estimar ) el valor de una variable dado el valor de la otra .

El problema es, entonces, trazar través de la nube de puntos la lí-

nea que mejor ajuste los datos, para haoer las predi.cciones.

Cerro pedemos trazar infinitas líneas la buscada debe ser única y ópti
ma en el sentido de que el error de estimación o diferencia entre el
valor observado Y. y el estimado Y* sea lo más reducido posible (sea

minino ) .

El mejor modelo será aquel que minimice la suna de los cuadrados del
error de estimación n
( Y 2
l i-V
i=l
La función más simple utilizada caito ajuste es la de primar grado en
*

X cuya expresión analítica es Y = ax + b y que se denomina recta de

„ regresión de Y en X , donde X es la variable independiente ( tema
cualquier valor ) e Y es la variable dependiente ( depende del valor
cue tome X )
y ax+b
jes pariré tros son la pendiente "a" y la ordenada en el origen "b".
.es valores de a y b que minimizan la función

F (a,b) = l (y± - y* )' son

i=l

A _ oov (x,y) XY - X Y
a —

. — ^ —r
b = Y - a Y
*
La recta de regresión de X e Y es X = CY + d y por el mismo, método
cov (x,y) y d = X - CY
poderes hallar que C=

£jgclo Dada la siguiente tabla en la cual se muestran el ingreso

(x) ce 10 familias y los gastos en alimentación (y)

x ¡65 69 76 83 47 70 58 65 70
I73
y | 48 ¡ 40 48 43 53 33 43 39 43 45

a justar una recta para estimar los gastos en alimentación.

Solución

Cero se cesa estimar los gastos en alimentación ( variable y), en -

tcr.ces ésta es la variable dependiente luego la ecuación de regre-
sión es :
, , , A cov (x,y) XY - X Y 2985,1 -'2940,6
y = ax + b donde a = = =
88,04
x
44,5 = 0,5055
88,04

b = Y - aX = 43,5 - 0,5055 67,6 = 9,3282

el modelo es : Y = 0.505 x + 9.3282

¿ Culi serían los,gastos en alimentación pa ra vina raí ni lia cuyo in-

greso es de 52 dólares ?

y* = 0,5055 • 52 + 9,3282 =35,6 dólares

Correlación lineal

«U. a justar una recta a un conjunto de puntos, a veces, los pun -

tes se encuentran relativaii-entc próximos a la línea y otras, quedan
 /

bastante dispersos en torno a ella. Luego es necesario determi -

nar una medida que cuantifique esta " aproximación "

Esta itedida se denomina coeficiente de correlación lineal denota

do por p y está dado por :

cov (x,y) _ XV - X Y
R^ ~ S S S S
x y x y

NOTAS

i) -1 < P <1
- 'xy -

ii) si >0 direros que hay correlación directa

iii) si <0 diretes que hay correlación inversa

iv) si = 1 diretes que hay correlación directa perfecta

v) si = -1 diremos que hay correlación inversa perfecta

vi) si = 0 diremos que no hay correlación lineal

Eiarpio El coeficiente de correlación lineal entre el ingreso y
el gasto en alimentación en 10 familias es :

O = iiiü = 0,902
' / •
/ 88,04 * 27,65
luego hay una correlación directa casi perfecta.

Mcdelo Exponencial
Es de la forma Y = a-b y para ajustar este tipo de modelo, se re
c'jce a un modelo lineal simple aplicando logaritmos y para hallar
ics par ¿Te tros se procede de igual forma que la anterior.
El mcdelo reducido queda : log y = x log b + log a,que es de la
forma y' = a'x + b' donde y' = log y, a' = log b, b' = log a
luego a' = ^ ; b' = Y7" - a' Y
2
S
x
y para obtener a y b se aplican los correspondientes antilogaritmos

Modelo Potencial
Es de la forma y = ax*3 , para obtener los parámetros a y b se pro
cede ce la siguiente forma log y = log a + b log X
haciendo y' = log y; b' = log a , a' = b , x' = log x
C-íro saber cuíl de estos modelos debemos ajustar a un conjunto de
catos ?
La respuesta la proporciona el coeficiente de correlación lineal
entre las variables correspondientes ^ , fxlogy , flogX/y < flogx l o g y

el valor de | j 7 | más grande nos proporciona un "irejor" ajuste

Modelo a ajustar

r>sra C
; Y = ax+b o x = a'y + b'
xy
Para f , y = ab
'x log y
Para ft x = at?
'log x, y
b t> *
Para R , y = a x o x = a' y.
log x, log y

VI TECRIA ELEKH2JTAL DE PROBABILIDADES

ión 1 Sea £ un Experimento aleatorio -Llamaremos espacio r.usstrai

n al conjunto de todos los resultados posibles cel expe-
rimsr.to.
iCn 2 Sea .Vun espacio de muestras asociado a un experirento í.

i) llamaremos suceso a cualquier subconjunto de r.

ii) llamaraios suceso elemental a los sucesos cr:~ tengan
solo un resultado posible
iii) Di renos cue dos sucesos A y B de ü son mutusronte e:-: -
fluyentes ssi- no tienen resultados comunes: es decir
A.AB = o
iv) y 0 son sucesos, llamados suceso seguro y suceso ir.
z/jsible respectivamente.

CbservaciÓr,

Si un experimento £ tiene caro espacio de muestras asociado a r.

cuando éste se realiza una vez, entonces !1 x !) x..j(fl (r. veces)
(.".") es el espacio muestral cuando se realiza el exp. r. veces.
 47.

r-sfinici6r. Clásica de Probabilidad

Si un suceso A puede ocurrir en h formas de un total ce r. forras pcsi

bles e igualmente probables, entonces la probabilidad ce que ccuria
h n casos favorables r. elementes ce A
ex suceso A es P (A) = — = = —
n' casos posibles r. elerer.tcs ce f<

la posibilidad de no ocurrencia de A es
p ( A C ) = = ÍI - Ü

n n n

= 1 - P (A)

Observación

i) Si A es un suceso entonces 0 <_ P (A) 1

ii) P (A) + P (A°) = 1

Propiedades de P

i) P ( o) = 1 y P (0) = 0

ii) Si A y B son mutuamente excluyen tes entonces P (A/15) = C

Ü i ) P (AUB) •= P (A) + P (B) - P (AAB)

iv) si A c B«^P (A) <_ P (B)

v) si A c B =í>P (B-A) = P (B) - P(A)

Probabilidad condicional
Definición Sea B un suceso dado tal que P (B) > 0 entonces la proba
bilidad de un suceso A condicionado a la ocurrencia ce
B se define por

{ A n B)
P (A/B) = • y se lee crobíbiiidsñ ce A
p (B)
dado E

Definición Sea A y B sucesos, entonces diremos que .-. y = ; inda -

pendientes si P (An B) = P (A) • Pr-

eservación
i) P (A fl B) = P (B) P (A/B)

ii) si A y B indep. P (A/B) = P (A) y P (B/A) = ? ÍI-'

Ejenplo resuelto

En un estudio hecho en el Servicio de Selección y ?.er.istr: de Istu -

diantes de la Universidad de Chile, sobre el nCrero ¿e pos-ul=ntes a
las Universidades Chilenas y el sexo , se obtuvo la siguiente i:\for-
mación:
1 48.

POSTULA A LA UNIVERSIDAD
SEXO TOTAL
SI NO

FEMENINO 10 12 22
MASCULINO 82 96 178

TOTAL 92 108 200

a) Si se elige al azar un estudiante de este muestra de 200 ¿ Cuál

es la probabilidad de que :

i) Sea de sexo femenino

ii) No haya postulado a la Universidad
iii) No haya postulado y sea de 'sexo masculino
iv) Haya postulado a la Universidad y sea sexo femenino
v) Son independientes los sucesos ser postulante a la Universidad y ser
de sexo masculino
vi) Si se eligen al azar dos estudiantes ¿ Cuál es la probabilidad
de que :
i) Al menos uno sea de sexo femenino
ii) los dos hayan postulado a la Universidad
iii) Ninguno sea de sexo femenino

Solución

a) Sean los sucesos

F : sexo femenino P : postulante a la Universidad

M : sexo masculino P 1 : no postulante

luego
22
i) P (F) = 200
108
ii) P (P1) 200
96
iii) P (P'ntí = 200
10
iv) P (PDF) = 200
82 92 P (M) = 178
P (P) =
v) P (PHM) = 200 200 200
P (P) P (M) = 0,4094 j¿ 0,41 = P (P O M)
Luego no son independientes
n

4 9 .

b) Sean los sucesos :

F : el i-ésimo estudiante es de sera femenino
i
Pj. : el i-ésimo estudiante postula a la Universidad

i) ? (FjO F^) + P (F^ A F 2 ) + P (Fl O F 2 ) =

= P (F1) P (F^ / F ) + P (F^) P ( F 2/ f C } + P(FX) PC^/F^

22 178 + 178 _ 22_ + 22_ ( 21_ = Q 21

200 199 200 199 200 199

ii) P (P, O P 0 ) = P (P,) P(P 9 / p ) = — - • — = 0,21

1 ¿
200 199

iii) P = P(F?) P( F° c) « Í2i . iZZ. = 0,79

1 ¿ x 20Q igg

Ejercicios propuestos

1.- En un curso de M alumnos existen r (r< M) alumnos con

problemas de aprendizaje. Se les aplica una prueba uno
por uno hasta encontrar uno con problemas.

Describa un espacio de Muestras para este experimento.

2.- Suponga que a los alumnos del problema 1 se les aplica

la prueba hasta encontrar a todos los alumnos con pro-
blemas de aprendizaje. Describir un espacio de mués -
tras para este experimento.

3.- Considéranos cuatro individuos- ajb, c y d. Supongamos

que el orden en el cual se colocan estos individuos re
presenta un resultado del experimento.

Sean A y B los sucesos definidos como :

A = {"a" está en primer lugar )

B = {"b" está en segundo lugar }
i) Anote todos los elementos del espacio muestral
ii) Anote los elementos de los sucesos A A B y AÜB

4.- Suponga que A y B son sucesos para los cuales

P (A) = x; P (B) = y; P (AAB) = z

Expresar cada una de las probabilidades siguientes en
términos de x, y, z.
i) P (A°U B c ) iii) P (A°U B)
ii) P (A°n B) iv) P (ACA B°)
 50.

5.- En un curso existen 10 alumnos normales; cuatro con

problemas de aprendizaje y dos con retardo.

i) Si se elige un alumno al azar. Encontrar la proba

bilidad de que :

a) No tenga ningún problema

b) Tenga retardo
c) Sea normal o tenga un retardo

ii) Si se eligen dos alumnos sin reenplazo . Encuentre

la probabilidad de que :

a) Arrbos sean normales

b) A lo menos uno sea normal
c) Exactamente uno sea normal
d) Ninguno sea normal
e) Ambos tengan retardo
f) A lo mas uno sea normal
g) Ninguno tenga retardo

6.- La siguiente tabla muestra la distribución de 400 estu

diantes según aprobación en una asignatura y reforza -
miento

RESULTADO REFORZAMIENTO TOTAL

SI NO

APRUEBA 140 110 250

REPRUEBA. 50 100 150

TOTAL 190 210 400

a) Si elegimos una persona al azar ¿ Cuál es la proba

bilidad de que ? :

i) Aprueba y haya tenido reforzamiento

ii) No aprueba dado que tuvo reforzamiento
iii) No tenga reforzamiento dado que aprueba
iv) No apruebe o tenga reforzamiento

b) Los sucesos " aprobar • " y " Tener reforzamiento "

¿ Son independientes ?

7.- Sean A y B dos aptitudes. Dado que estas aptitudes

son independientes y que las probabilidades de que un
estudiante presente las aptitudes A y•E son 0,50 y 0,75
respectivamente.
 a) ¿ Cuál es la probabilidad de que un estudiante pre
sente ambas aptitudes ?
b) ¿ Cuál es la probabilidad de que un estudiante pre-
sente por lo menos una aptitud ?
c) ¿ Cuál es la probabilidad de que un estudiante no
presente ninguna aptitud ?

VII DISTRIBUCIONES DE PROBABILIDADES MAS USUALES

1.- Distribución Bincmial

Si p es la probabilidad de ocurrencia de un suceso en un solo ensayo

de un experinento y q = 1 - p es la probabilidad de no ocurrencia del
suceso entonces la probabilidad de que el suceso ocurra exactamente
k veces en n repeticiones independientes del experimento está dada
por :

? (X=k) = (£) p k (l-p) n-k ; k= 0, 1, 2,..., n esta distribución de

probabilidades discreta recibe el nombre de distribución binomial de

paráretros n y p
Requisitos para aplicar la distribución Bina-nial
- Debe haber un ntinero fijo n de ensayos
- En cada ensayo los resultados posibles son sólo dos ; denominados
" éxito " y " fracaso "
- L~ probabilidad de ' éxito " debe ser igual en todo los ensayos
- Les ensayos deben ser independientes entre sí

Propiedades

Media o valor esperado = n p

der.lación estandar = ¿np (1-p)

Eie-pio resuelto
El fracaso escolar en un colegio es habitualmente de un 10%. Si se
eligen dos estudiantes del colegio al azar ¿ Cuál es la probabilidad
de q-je :
i) Uno de ellos fracase y el otro apruebe ?
ii) Los dos fracasen ?
iii) Los dos aprueben ? i
 52.

So'.-ciír,
Sea X = N° de fracasos en dos estudiantes
cor. p = 0,10 ; q = 1 - p = 0,90

i) ? ÍX=1) = (*) (0,1o)1 (0,9o)1 = 2- 0,90 = 0,18

es decir de dos estudiantes hay un 18% de posibilidades de que uno

fracase. 7 2 0
ii) P (X=2) = (p (0,10) (0,90) = 0,01

es decir, hay un 1% de posibilidades de que ambos fracasen

iii) ? (x=0) = (Q) (0,10)° (0,90)2 = 0,81
es decir hay un 81% de posibilidades de que ambos aprueben .
Si en el colegio se matriculan 200 alumnos
¿ Cuál será el N° esperado de fracaso escolar ?
X o esperado = n p = 200 (0,1) = 20
se espera que fracasen 20 alumnos

Ejercicios Propuestos

1.- Si el 20% de los estudiantes de ton colegio presenta problemas de

aprendizaje
a) Determinar la probabilidad de que dé 4 estudiantes elegidos al
' azar de este colegio :
i) Uno tenga problemas de aprendizaje
ii) Ninguno tenga problenas de aprendizaje
iii) A lo más dos tengan p robla ñas de aprendizaje

b) Si en un año determinado se matriculan 400 estudiantes en este

colegio
¿ Cuál será el número esperado de estudiantes con problemas de
aprendizaje ?
2.- En una asignatura determinada generalmente el 10% de los estudian
tes reprueban. Si se inscriben 20 estudiantes en esa asignatura:
a) ¿ Cuál es la probabilidad de que ?:
i) cinco estudiantes reprueben
ii) a lo mis 3 estudiantes reprueben
b) ¿ Cuál es el número esperado de reprobación ?

En un colegio determinado generalmente el 10 % de los estudiantes

egresados no ingresa a la Universidad.
Hallar la probabilidad que de un total de 4 estudiantes egresados
de ese colegio no ingresan a la Universidad,
i) como mucho 3 iii) entre 1 y 3
ii) entre 2 v 4 iv) 2 o más
4.- Si el 20% de los estudiantes tienen por lo menos un defecto fís
co. Determine la probabilidad de que de 4 estudiantes eieciccs
al azar :

i) Uno tenga defecto física

ii) Ninguno tenga defecto físico
iii) A lo más dos tengan defecto físico

5.- Un estudiante tiene 2/5 de probabilidad de reprobar er. un exsm

a) S<L realiza cuatro exámenes . Halle la probabilidad de que e

estudiante repruebe en :
i) Dos exámenes
ii) Por lo ríenos en un examen
iii) Más de la mitad de los exámenes

b) Si en vn mes realizó veinte exámenes

¿ En cuántos cree usted que tendrá éxito ?

Distribución normal

Una de las distribuciones de probabilidades continuas irás inrortar.

es la distribución normal o de Gauss Y viene daca por la función

f (x)

donde p - media de la distribución

0" = desviación estandar

Cbservaci ones
i) La función f (x) de la distribución normal no se erpieará pa
resolver problemas de aplicación
ii) Hay una curva normal diferente para cada par ce valeres ( u,(f '
pero todos tienen las mismas características,
ii) La distribución normal se utiliza cuando se tiene una variahls
escala de intervalos continua con distribución es frecuencias ;
rrétrica y curo histograma tenga la forma de una ca~-ar.£
 54.

) La distribución queda ccnpletamente definida por el promedio y la

desviación estandar. El promedio nos informa sobre la ubicación
del centro de la distribución sobre el eje horizontal y la des -
viación estandar refleja la dispersión ( abertura de la campana )

Por ejerrplo

si = i fijo

Definición

Si X es una variable que se distribuye normal cono media p. y des_

x
viación estandar(Tentonces la variable estandarizada Z =

se distribuye normal de media 0 y desviación estandar 1 y recibe

el norrfore de distribución normal estandar.

Cálculo de Probabilidades con la Distribución Normal Estandar

El área total limitada por la curva de la distribución normal es-

tandar y el eje horizontal es uno :

El área bajo la curva comprendida entre - CD y un valor específi_

co Z io denotaremos por 0 (Z) y este valor aparece en la tabla
del apendice 1 para valores de Z entre -3 y 3.
Luecc para el cálculo de probabilidades tenemos

i) F ( Z<_a ) = 0 (a)
ii) P ( a<Z<b ) = 0 (b) - 0 (a)
iii) F í 2>b) = 1 - 0 (b)

Eje~los
1.- Hallar 0 (1,82) ; 0 (1,96) ; 0 (-2,58)
2.- Calcular P { -0,47 <_ Z <_ 0,94 ) = 0 (0,94) - 0 ( -0,47)
3.- Calcular P ( Z <_ 0,94 ) = 0 ( 0,94 )
4.- Calcular P ( 1,96 <_ Z ) = 1 - 0 (1,96)

Observación

i) Si una variable X se distribuye nonval do medin ^u y varianza 0'

 55.

2
lo denotaremos por X ^ N ( /a, (f )
2 2
ii) Cuando una variable X ~ N ( ju, <T ) con u ^ 0 y <f len
tonces para el cálculo de probabilidades es recomendable e£
tandarizar la variable de la siguiente forma
Si X « N (u, (T2) entonces Z = X
~U rj N (0,1)

luego :
P I X Í ^ P I Z Í )= U ( )
P (X > b) = P ( z > ^ ü ) =
— — 0" o
P (a<X<b) = P ( ^ < Z <
— — <r - - <r o
Ejenplos
Si X ^ N (9,9) Hallar P ( 5< X< 11 ) y P (X > 5)

Solución

Si X/vJN (9,9) Z= — A; N (0,1)

3
5-9 11-9
P ( 5 < X < 11) = P ( — <Z< 2.)
3 3

= 0 (2/3) - 0 ( - 4/3)

= 0,6536

P ( x > 5) = P ( Z > )
= 1-er ( - i )
3
= 1 - 0,0918

= 0,9982

Ejercicios propuestos
1.- El peso verdadero de los estudiantes en una escuela tiene
una distribución normal con nedia 32,0 kilos y desviación
estandar 2,46 kilos ¿ Cuál es la probabilidad de que un
estudiante que está en esa escuela pese por lo menos 32,5
kilos ?
2.- Si Z ~ N (0,1). Hallar

a) P ( -1,2 < Z <2,4 )

b) P ( 1, 23 < Z <1,87 )
c) P ( -2,35 < Z <-0,5 )
d) P ( Z >_ - 1,64 )
e) P ( -1,96 < Z < 1,96 )
 56.

3.- Si las alturas de 300 estudiantes se distribuye normal -

2
trente con media 68 pulgadas y varianza 9 pulgadas ¿ Cuán
tos estudiantes tienen altura :
i) Mayor de 72 pulgadas ?
ii) Menor o igual a 64 pulgadas ?
iii) Entre 65 y 71 pulgadas
iv) Menor o igual a 68 pulgadas
4.- El Departamento encargado de evaluar a los estudiantes
que ingresaron a un determinado colegio, los clasifica se
gún su rendimiento en tres tipos A,B y C. El 15% de los
estudiantes; los de mejor rendimiento son de la clase A,
el 10%; los de peor rendimiento son de la clase C y el
resto es de la clase B. Si suponemos que el rendimiento
de los estudiantes se distribuye normalmente con una media
de 30 puntos y una desviación estandar de 2,5 puntos y el
Departamento reprueba inmediatamente a los alumnos de la
clase C. Hallar :

i) La puntuación mínima para que el estudiante sea clasi_

ficado octro de la clase A.
ii) La puntuación máxima para que el estudiante sea repro
bado inmediatamente

5.- Supongamos que los puntajes de una prueba se distribuyen

normaliT*=nte con una media de 22,5 puntos y una desviación
estandar de 5,25 puntos. 1 profesor reprueba a todo aquel
estudiante cuyo puntaje en la prueba es menor o igual a
20 puntos.

Hallar el porcentaje de reprobación en esa prueba.

ristribución ji-cuadrado
Esta es una Distribución del tipo continua que se obtiene consideran
do muestras de tamaño "n" ; extraídas cada una de ellas de una pobla
ción normal con desviación estandar
Si en cada nuestra calculamos la expresión
n
l ( xi - X >2
-i—^ * tenemos que su distribución es una distribución
cr
muestral y se le conoce con el ncmbre de distribución ji-cuadrado y
que se denota por "X.
 Características

i) Es una distribución asimétrica

ii) Sólo toma valores positivos y es asintótica oon respecto ai eje
2
horizontal ( 0 < <00 )
iii) Está caracterizada por un Cínico parámetro V = n-1 denomina-
do " grados de libertad "
iv) El área comprendida entre la curva y el eje horizontal es 1 (0 100%
v) Su gráfica para algunos valores de V es :

se distribuye COTO una j i-cuadrado

oon V = n-1 grados de libertad lo denotaresrros por X A-X (r_]_)

Cálculo de percentiles Ji-cuadrado en tabla

2
Si el área comprendida entre 0 y "X es < entonces la tabla r.os pro
2
porciona el valor del percentil "X a un nivel «X. con V erados ce
libertad.
>
/oi

.—»
Ejenplo resuelto

En la figura se nuestra el gráfico de la distribución "XI con 5

grados de libertad.
Hallar el valor del percentil correspondiente para el ci al :
a) El área sombreada de la derecha sea 0,05
b) El área sombreada de la izquierda sea 0,20
c) El área total sombreada sea 0.05
\

X*
 58.

Solución

a)

X iS) =
o.iS

b)

O.iO

c)

"X.* tsVo.831
0.0 2 5

= «.3
0.<)?S

-O.0JS 7Í
Ejercicios propuestos
1.- Para una distribución Ji-cuadrado con 12 grados de libertad
2
hallar el valor del percentil X tal que
P
a) El área de la derecha sea 0,05
b) El área de la izquierda sea 0,99
c) El área de la derecha sea 0,025

Si la variable y definimos P ( U < X )

\¡) — p
2
= área comprendida entre 0 y el percentil "X
2
Hallar el valor de X tal que :
P
2
a) P ( U >X ) = 0,025
P
b) P ( U <X2 ) = 0,05
P
c) P ( X 2 , < U < X 2 , ) = 0,90
pl - - p2
 3.- Hallar la mediana de una distribución Ji-cuadra
con : a) 9 g. 1-
b) 28 g. 1.
c) 40 g. 1.
2
4.- Hallar los valores críticos de X , para los cuales el área
P
en la cola derecha de la distribución Ji-cuadraco sea 0,-15
si el N°de grado de libertad es : a) 8 b) 19 c) 40 ¿; 2

5.- Hacer el problema 4 si el área de la cola derecha es 0,01

- Distribución t de Student
Si se consideran muestras del tamaño n, extraidas de una pobladí,r.
normal ( o aproximadairente normal ) con media u y si para cada TTUSS-
1
* ( X — ai ) /
tra se calcula la expresión t = — — y n - 1 ; utilizanoc ia
_ S
iredia muestral X y la desviación estandar S; se obtiene una distri
bución muestral oonocida con el nombre de " distribución t de Stu5=r
* i
y diremos que t se distribuye cctno una t de student con y = n-1 c:

dos de libertad lo que denotaremos pot t ^ t ^ j

Observaciones
i) Para grandes valores de V o n ( n > 30 ) la curva de la distribu-
ción t de student se aproxima a la curva ce la distribución ncrr.
estandar
ii) es laalgunos
Para siguiente :
valores de V la curva de la distxibucién t de srufsr
V = 40

———i , <
-3 -1 -1 o i x 3
Cálculo de percentiles t mediante tablas

El área total comprendida bajo la curva y el eje horizontal es ur.c

Si el área ccnprendida entre - CD y t¿es o- entonces la tarla res

el valor del percentil t¿a un nivel <*• cor. v grados ce libs~ii.

 -í t

Ejemplo resuelto
En la figura se muestra el gráfico
de una distribución t de student
con 9 grados de libertad.
Hallar el valor t para el cual :

a) El área sombreada de la derecha sea 0,05

b) El área total sombreada sea 0,05
c) El área total no sombreada sea 0,99
d) El área sombreada de la izquierda sea 0,01
e) El área de la izquierda de t sea 0,90

Solución

a)

t
b)

o.OJ6 xt-OlS

c)

-¿ . I O) =3.25
"o <<-i5

d)
 61.

Ejercicios propuestos
1.- Hallar los valores críticos de t para los cuales el área de la co
la derecha de la distribución t de student sea 0,05 si el número
de grados de libertad es igual a :

a) 16 b) 27 c) 5

2.- Hallar los valores de t para la distribución t de student con

grados de libertad que satisface cada una de las condiciones si -
guientes :

a) El área entre -t y t sea 0,90 y = 25

b) El área a la izquierda de -t sea 0,025 y =20
c) El área a la derecha de t más el área a la izquierda de -t sea
0,01 y = 5
d) El área a la derecha de t sea 0,55 y =16

3.- Para una distribución t de student con 15 grado de libertad hallar

el valor t tal que :
a) El área a la derecha sea 0,01
b) El área a la derecha sea 0,10
c) El área a la izquierda sea 0,95
d) El área conjunta a la derecha de t y a la izquierda de -t
sea 0,01
 VIII MUESTRE» PROBABILISTICO

Definición de la población y creación del marco muestra!.

Posición de esta etapa entre las etapas principales:

DEFINICION DE IOS OBJETIVOS

DEFINICION DE LA' POBLACION Y

Y CREACION DEL MARCO MUESTRAL

03NCEPCI0N DE LA BOLETA
SELECCION DE LA MUESTRA
RECOLECCION DE IOS DATOS
PROCESAMIENTO DE LOS DATOS
ESTIMACION

. Importancia de definir bien los objetivos

. Tres tipos de objetivos:

. Objetivos ideales::: las metas originales de la encuesta

. Objetivos definidos: los que parecen razonable desde el punte de
vista de las operaciones.
. Objetivos actuales : los que son finalmente los resultados que
se propone obtener.

Plan de muestreo

. DISEÑO MUESTRAL
. METODO DE ESTIMACION
. METODOS DE EVALUACION DEL ERROR MUESTRAL

Elementos del diseño muestral (para la extracción de la muestra)

Población objeto y población sujeto

. Marco muestral
Unidades de muestreo

. Unidad de análisis

Unidad de respuesta
Unidad de referencia
Tamaño de la muestra
. Métodos de selección de la muestra
Métodos de estimación (para la inferencia a la población)

Como calcular las estimaciones de las características poblaclona3.es

a partir de la muestra.

Evaluación del error muestral (medición de la conflabilidad)

Procedimientos para estimar los errores muéstrales, particularmente

la varlanza muestral.

Factores que se deben considerar en relación con el plan de niuestr-eo

. Consideraciones cperacionales y administrativas

. Calidad de los datos disponibles.
Conflabilidad requerida.
Costos

Definición de la población

El conjunto de todas las unidades que se quiere estudiar

A menudo se llama el universo de la encuesta
. Depende de los objetivos de la encuesta (y vice versa)
, Se necesitan definiciones claras:
. de las características de las unidades.
. de la ubicación geográfica de las unidades
. del período de referencia de la encuesta

A menudo una buena definición de la población es muy difícil. Casi

siempre se puede describir en términos generales, pero es muy difí
cll determinar si ciertas unidades pertenecen o no a la población.

Población objeto

La población que se quisiera estudiar

. El Conjunto de unidades al cual los resultados de la encuesta debe-
rían aplicarse.

Población sujeto (muestreada)

La población realmente cubierta por la encuesta

La población de cuyas unidades se puede recolectar datos, teniendo en
cuenta las restricciones operacionales
. Entonces el conjunto de unidades a lo cual se aplican realmente los
resultados de la encuesta
. Frecuentemente bastante distinto de la población objeto
. Sucede a menudo que el usuario de los resultados no entiende la dife-
rencia entre estas dos poblaciones.
. Importancia de bien documentar las diferencias
Características deseables de la población

Unidades claramente definidas

Población conforme con los objetivos de la encuesta
Población sujeto lo más cerca posible de la población objeto
Período de referencia bien especificada
. Disponibilidad de datos necesarios para la definición del marco —oes

Marco Muestra!

Es la lista de todos los elementos de la población sujete

. Es la herramienta concreta que permite la identificación ce las Unid

que se deben estudiar
. Determina la manera de acceder a la población
. Es a partir del marco muestral que se seleccionan las unidades £ est

Características deseables del marco muestral

. Debería contener la lista de todos los elementos de la poblad en suj

(en el caso de un censo como en el caso de una encuesta por maestreo)
. Debería Identificar cada elemento de manera precisa

. ubicación municipal, número de teléfono, nombre y apellidos,.,

según el caso
. Puede Incluir Información adicional

. método preferido de contacto

. información relevante a la estratificación
. Información sobre el tamaño o la importancia de 1= unid ai
. referencia a otros listados o archivos
. la fecha de la última verificación de les demás datos

El marco muestral tiene un popel importante en:

. La definición de la población sujeto

El método de recolección de datos
El método de selección de la muestra

Creación del marco muestral

. La población sujeto está dividida en unidades ze mués:reo

. El marco muestral es una lista de todas las ur-Lóades c= muezireo,
algunas de sus características

. Hay tres casos:

Caso simple: La unidad demuestreo es la unicaü (el elerner.-ie

de la población.
 Ejemplo : Población sujeto: los alumnos de una. universidad
Unidad de la población : un alu—no
Unidad de muestreo : un alu.-~.no
Marco muestral: lista de todos les alumnos

Caso medio: La unidad de muestreo es un grupo de unidades ce

la población

Ejemplo : Población sujeto: los residentes ce una ciudad, de

18 o más años de edad.
Unidad de la población: persona ce 18 o mis añ; 3
de edad, residente en la ciudad
Unidad de muestreo: vivienda (u hogar)
Marco muestral: lista de todas las viviendas de
la ciudad (o lista de todos los hogares)

Caso complejo: Marco muestra! multl-etápico, teniendo cada etaca

su unidad de muestreo

Ejenplo: Población sujeto: los residentes de una ciudad

Unidad de la población: residente de la ciudad

No hay listado de los residentes, ni de Iss vivien

das

Tres niveles de unidades de maestreo:

sector de empadronamiento cc-rsal

. manzana
. vivienda

Las etapas:

lista de sectores
selección de algunos sectores
. lista de manzanas en cada sec~or
seleccionado
selección de manzanas
lista de viviendas en cada rar.zana
seleccionada
selección de viviendas

Se trata realmente de una Jerarquía de marcos parciales

Se pueden distinguir cuatro tipos de marco muestral:

Marco en forma de lista

. Se prepara una lista de todas las ujiidades de mués-reo
 Normalmente corresponde a los casos "simple" y "medio" citados arriba

Marco de áreas

. Lista de áreas de enumeración, es decir una lista de unidades geográ

ficas
Normalmente implica más de un nivel de unidades
Corresponde al caso "complejo" de unidades muéstrales
. Importancia de la cartografía

Otro

Por ejemplo, permutaciones de ciaras para la selección aleatoria de

número de teléfono
. La relación entre las unidades del "marco" y las unidades de la po-
blación puede ser muy indirecta

Combinado

. Jerárquico

. Ejemplo: Primera etapa:es un marco de áreas, digamos de secto

res censales. Se seleccionan varios sectores.
Segunda etapa: una lista completa de las viviendas
en cada sector seleccionado

. Múltiple

. A menudo, es posible utilizar una lista de una parte importante

de la población, pero la lista queda incompleta.
Se puede utilizar un marco de áreas para completar la cobertura
de la población
Ejemplo: Encuesta sobre la producción de vino en Chil«.
Hay una lista de los 25 productores más importantes,
representando quizás 85 - 90$ de la pirxlucclón aicio
nal.
Para cubrir los pequeños productores, se puede utill
zar también un marco de áreas basado en las partes
rurales del país.

Factores que afectan la selección del marco muestral

Los objetivos de la encuesta

. La población sujeto
Los costos
. Datos administrativos disponibles
. Otros datos externos disponibles
 Recursos humanos
Recursos materiales
. Calendario

Es muy difícil contar con un marco muestral que corresponda bien a la

población sujeto

Problemas de los marcos muéstrales

Dos problemas mayores:

. Mantener al día la cobertura del marco

. Mantener al día la clasificación de las unidades
Los tres errores posibles en cada caso:
Elementos que faltan (sub-cobertura, omisión)
Nacimientos, Inmigraciones, divisiones
. Elementos ajenos (sobre-cobertura)
. Muertes, emigración, fusiones
. Repeticiones

. Elementos correctos, incluidos dos o más veces en el marco

¿Cano poner al día la cobertura?

Cuatro posibilidades:
La encuesta misma
Ejemplo: Productores de vino en quiebra, descubiertos al memen-
to de hacer las entrevistas sobre la producción •
Esfuerzo especial para poner al día los sectores cue se van a selec
clonar para una encuesta en el futuro
. Personal del instituto de estadística visita algunas regiones y
prepara listas de todas las viviendas en ciertcs sectcres
Nuevas listas administrativas
. Ejemplo: lista anual de todas las clínicas, p-:r provincia y mu-
nicipio, proporcionada por el ministerio de salud
Nuevos datos administrativos
Ejemplo: ministerio de hacienda proporciona ur.a lista de tccas
las empresas realizando exportaciones de m~s de
$ l.OOO.OOOen el año 1986

¿Cómo reconocer unidades distintas?

Ejemplo: en el listado de restaurantes de Santiago, se encuentre.-;

Pisa 4 Vientos y Pizza Cuatro Vientos

Apumanque Apoquirrio' 6529
 ¿Cómo se puede saber que se trata de la misma unidad?

Tal listado puede incluir 15.000 restaurantes, por lo tanto se necesita

algo más metódico que la opinión de un empleado que conoce varios res-
taurantes en su barrio, a fin de evitar problemas graves de omisión o
repetición

Clasificación de las unidades

Importancia de las definiciones y de los sistemas de clasificación

Mala clasificación de una unidad puede dar omisión o sobre-cobertura
. Ejemplo: En una encuesta de hogares, cuya última unidad de selección
es la vivienda privada ocupada como un lugar comercial (por
que hay un bar en el primer piso) es un caso de omisión; la
clasificación de una tienda no ligada a una vivienda priva-
da, como vivienda, sería un caso de sobre-cobertura

¿COITW poner al día la clasificación?

Tres posibilidades

La encuesta misma
. Durante la recolección de los datos, se pueden incluir algunas pre-
guntas para verificar la clasificación de la unidad, y eliminar las
que no corresponden. Así se puede reducir la sobre-cobertura

Otras encuestas

. Si todas las encuestas incluyen preguntas sobre la clasificación,

las unidades de tipo "B" encontradas en la encuesta "A" se pueden
entregar a la encuesta "B" y vice versa
. Sin embargo, este nétodo tiene grandes problemas de coordinación de
práctica
Datos administrativos
. A veces incluyen información que se puede utilizar para verificar
la clasificación en el marco muestral

Unidades de encuesta

Unidad de muestreo : unidad seleccionada

Unidad de análisis : unidad de descripción o inferencia para la

población

Unidad de respuesta: unidad que proporciona las respuestas

Unidad de referencia: unidad a la que se refieren los datos re-

colectados
 69.

Ejemplo:

Objetivo: Encuesta sobre la mano de obra (población eccníricér.er.ze

activa)
Unidad de muestreo : vivienda
Unidad de análisis : individuos y familias
Unidad de respuesta: una persona responsable que se encuen-
tra en la vivienda
Unidad de referencia: cada miembro del hogar, de r¿s ce
años de edad

Ejemplo:

Objetivo: Recolectar datos sobre los hogares (familias exterdidas)

Unidad de muestreo : vivienda

Unidad de análisis : hogar (familia extendida)
Unidad de respuesta: jefe de hogar, o de familia nuclear
Unidad de referencia: familia nuclear

Muestreo probabilístlco

Cada unidad de la población tiene una probabiliad no-nula de ser se

leccionada
Esta probabilidad se puede medir
La nuestra se selecciona de manera aleatoria
Se utilizan las probabilidades de selección para calcular las esti-
maciones para toda la población a partir de la muestra.

ilay varios métodos de muestreo probabilístlco. Un diseño .uestral puece

puede utilizar uno de ellos, o una combinación de varios.

Ventajas del muestreo probabilístloo

. Objetividad
. Los métodos de estimación tienen una justificación trónica
El método de muestreo determina el método de estijn'.iión
. El error muestral se puede medir
. Normalmente, el error muestral es más pequeño que en -1 ciz: de riu:-?
treo no-pnobabllístico
Muestreo aleatorio simple (MAS)

. Una muestra con tamaño pre-determinado seselecolora de una lista ce re

das las unidades de la población
Cada unidad tiene la misma probabilidad de selección
. Si se selecciona una sola unidad de una población, de N unidades, cada
una tiene una probabilidad de 1/N de ser seleccionada
Para una muestra de más de una unidad, cada unidad tiene la misma pro-
babilidad de selección, y cada combinación ce unidades tiene la nisra
probabilidad de selección
Ehtonces cada muestra de n unidades tiene la misra probabilidad ce se
lección, y cada unidad tiene una probabilidad de selección de n/i:.
. Se saca una unidad a la vez hasta que se tenga la muestra de ta.-r.afb
deseado

Hay dos métodos de muestreo aleatorio simple:

Conrop.islclón(MASCR)

. Cada unidad de la población queda disponible para, cada selección

La misma unidad puede ser incluida varias veces en la mjestra

Sin reposición (MASSR)

. Una vez seleccionada, ' una unidad no se puede seleccionar

otra vez en la misma muestra, entonces la rruestra tiene unidades dis-
tintas
Este método es lo más utilizado en la práctica

Ventajas del MAS

Su simplicidad
. MASSR da estimaciones más precisas que
«

Desventajas del MAS

. MASCR penrite duplicación

Hay que seleccionar muchos números alea"crios
. MASCR ni MASSR hacen uso de información adición?.! disprrible sotre la
población

Información necesaria para el marco muestral

Sólo una lista que identifique cada unidad de li poblcrión

ion : Un pueblito donde viven seis hombres:
Arturo, Bernardo, Carlos, David, Ednundo y Francisco
a : MASSR de dos hombres para hacer un trabajo

Hay solamente 15 muestras posibles:

AB BC CD DE
AC ED CD DF
AD EE CF
AE BF
AF

Cada persona tiene una probabilidad de selección de 5/15 = 1/3

Cada pareja ( = cada muestra) tiene probabilidad de selección de 1/15
Corro sacar la nuestra: Dar a cada persona un número, por ejemplo
A B CD E F se hace 1 2 3 1 5 6
Utilizar una tabla.de números aleatorios
Empezando al comienzo de la primera fila de la tabla, se encuentran
las cifras 5939 entonces Edmundo (5) y Carlos (3). harán la tarea
Sí se hubiera empezado con la fila 20, columna 55, la maestra sería
Bernardo y Arturo (número aleatorios 82270J.0 ...) ; si fuera una se
lección por MASSCR, el pobre Bernardo tendría que hacer ambas mita- •
des del trabajo.
 TABLA DE NÚMEROS ALEATORIOS

50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94 95-99

00 59391 58030 52090 82718 87024 82848 04190 96574 90464 29065
01 99567 76364 77204 04615 27062 96621 43910 01896 03991 51141
02 10363 97518 51400 25670 98342 61891 27101 37855 06235 33316
03 06059 19550 64432 16706 99612 59790 32803 67708 15297 28612
04 11250 24591 36863 55368 31721 94333 34936 02566 00972 00100

03 95068 80620 3591 1 14530 33020 00428 39936 31855 34 334 64065
06 54463 472 57 7 3800 91017 36239 71824 83671 39892 60510 37092
07 16074 62677 57412 13215 31369 62233 00027 7 3yi7 02002 04420
00 92494 63157 76593 91316 03505 72389 96363 52887 01087 66091
09 15669 56689 35602 40844 53256 81872 3521.3 09040 34471 74441

10 99116 75486 84989 23476 52967 67104 39495 39100 17217 74073
11 15696 10703 65178 90637 63110 17622 53908 71087 84148 11670
12 97720 15369 51269 69620 0.3388 13699 33423 67453 43269 56720
13 11666 13841 71681 98000 35979 39719 81899 07449 47985 46967
14 71628 73130 78783 75691 41632 09847 61547 18707 05489 69 9 4 4

15 40501 51089 99943 91843 41995 88931 73631 69 361 05375 15417
16 22518 55576 98215 82068 10790 86211 365134 67466 69373 40054
17 75112 30485 62173 02132 14878 92879 22281 16703 06352 00077
18 80327 02671 98191 84342 90813 49268 95441 15496 20168 09271
19 60251 45548 02146 05597 48228 81366 34598 72856 66762 17002

20 57430 82270 10421 00540 43648 75888 66049 21511 47676 33444
21 73528 39559 34434 88596 54086 71693 43132 14414 79949 05193
22 25991 65959 70769 64721 86413 33475 42740 06175 82750 66240
23 70308 16630 09134 59900 63806 406 72 39310 35434 24057 74739
26 12477 09965 96657 57994 59439 76330 24596 09577 91071
77515

25 83266 32883 42451 1 5579 30155 29793 40914 65990 16235 1 7 7 77

26 76970 00076 10237 39515 79152 74 790 39357 091)56 73579 92339
21 37074 65190 44705 60624 98336 84401 97610 7U735 46703 90265
28 03712 06514 30101 70295 54656 054 17 43189 6(304 0 72701 72606
29 20207 56062 69727 94443 64936 00 366 27227 05158 50326 59566

30 74261 32592 G6538 27041 65172 05532 07571 R06Ü? 39205 65360
31 66(181 49863 0 8 4 78 96001 10000 14U i o 7U54 5 09 ? 5 5 59064 072 10
32 05617 75018 47750 67(314 29575 10526 66192 4 íi á 6 6 27050 40467
33 26793 74951 95466 74307 1 3330 4 2664 U551 5 206 3 2 05477 3362 5
36 65900 72850 40737 54719 52056 01596 03045 35067 03134 70322

35 27366 42271 44300 73399 21105 03200 73457 4 309 3 05192 40657
36 56760 10909 98147 34 736 33063 95256 12 7 31 66590 50771 03665
37 72880 43338 93643 58904 59543 23943 11231 03260 65930 01501
30 .7 7 0 0 0 30100 03062 50103 47961 83041 25070 23746 55903 44115
39 20640 07019 21500 51459 4 7971 29002 13990 29226 2 3600 1507 3
Eficiencia

Para comparar los distintos métodos de muestreo, se usa el concepto

de eficiencia o eficiencia relativa
. Si la varianza muestral del método "A" es más pequeño que la del mé
todo "B", con muestra del mismo tamaño, se dice que "A" es más efi-
ciente que "B"
La eficiencia relativa de "A" (con respecto a "B") es simplemente:

varianza según "B"

variánza según "A"

. Si se dice que el método "A" es más eficiente que el método "B", quie
re decir que las estimaciones de "A" son más precisas que las de "B"

La identificación de "eficiencia" y "precisión" en el párrafo anterior co-

rresponde al uso común y corriente en la estadística, cuando normalmente se
consideran sólo estimadores insesgados. Sin embargo, en el caso general, se
trata de dos casos distintos

Hay que distinguir dos términos:

Precisión : Se trata de considerar la variabilidad de las observaciones

con referencia al promedio de las mismas observaciones, to-
mando en cuenta todas las muestras posibles.

La medida básica de precisión es la varianza (V)

Exactitud : Se considera la variabilidad de las observaciones con refe-

rencia al valor verdadero en la población, tomando en cuen-
ta todas las muestras posibles

La medida básica de exactitud es la media cuadrática de e-

rror (MCE)

Si un estimador es insesgado (tiene sesgo B= 0), su precisión y exactitud son

lo mismo, dado que MCE = V + B 2

Estrictamente,"'la Idea de eficiencia se debería identificar con la exactitud,

entonces digamos que:

Entre dos estimadores, el estimador con menor varianza es más preciso, y el

estimador con menor MCE es más eficiente, o tiene mejor exactitud
1
;
>
74.

BAJA PRECISION
BAJA PRECISION
BAJA EXACTITUD
BAJA EXACTITUD
(sesgo requeño)
(sesgo grande)

•ALTA PRECISION ALTA PRECISION

BAJA EXACTITUD ALTA EXACTITUD
(sesgo grande) (sesgo pequeño)
Fac:cres que determinan precisión y exactitud
Error muestral
Error no-muestral, o error de observación

Error muestral

Error atrlbuible al hecho de observar sólo una muestra

(una fracción) de la población
Fuentes posibles:
Tamaño de la muestra y de la población
Variabilidad de las características estudiadas er. la
población
Diseño muestral
Método de estimación
Salvo en el caso de un verdadero censo, sienpre hay vari ansa maes-
tral
TaTábién puede haber sesgo muestral

Error no muestral

Existe en los censos como en las encuestas por muestreo

También puede incluir conponentes de varianza y de sesgo
FUentes posibles:
Errores de cobertura del marco muestral
Errores de clasificación
Errores de respuesta y de no-respuesta
. Imprecisión de las preguntas, problemas de interpretación
Sesgo de los entrevistadores
Mal período de referencia
. Mala aplicación de los procesos de recolección de les catc-s
Errores de transcripción o de codificación
Errores de digitación
Errores de control y verificación
Errores de imputación
Muestreo sistemático

Necesita un intervalo de muestreo y un número de arranque aleatorio

El intervalo de muestreo es K = n/N
El arranque aleatorio es un número entero R entre 1 y k
Las unidades R, R+k, R+2k, ... , R+(n-l)k son seleccionadas

Ejemplo: N = 153-000 granjas

n = 9-000 "
k = 153-000 / 9-000 = 17

Si se selecciona el arranque aleatorio R = las granjas con número

21, 38, 55, 72, 89, 104, ... , 152.987 son seleccionadas

R tiene la probabilidad 1/k = 1/17 de ser cada uno de los valores 1,

2, ... , k
Hay k muestras posibles, cada una con probabilidad de selección 1/k
La probabilidad de selección de cada unidad de la población es l/k=n/N.
Esto es el muestreo sistemático lineal
Generalmente, N no es múltiple exacto de n
Sin embargo, hay varias modificaciones sencillas
El tamaño del intervalo muestral puede ser redondeado, tomando el va
lor entero inferior o superior a k
Esto puede dar una muestra un poco más pequeño o más grande que n,
según el valor de R.
Se puede utilizar el muestreo sistemático circular, con R selecciona
do aleatoriamente entre 1 y N
Ejemplo . N = 11, n = 3, k = 1 (redondeado)
Supongamos que R = 10
Las unidades seleccionadas tendrían las posiciones
10, 1^, 18 pero la población tiene sólo 11 unidades
Las unidades realmente seleccionadas son 10, 1*1-11,
y 18-11, es decir 3, 7 y 10

Para mejorar la cobertura muestral de la lista, en la práctica no se

redondea k directamente, sino los valores R, R+k, R+2k, ... , indivi
dualmente

Ventajas del muestreo sistemático

La selección es más simple que con MAS, porque hay que sacar sólo un
un número aleatorio
A menudo proporciona estimaciones más precisas que MAS, sierdo la
muestra distribuida de manera más uniforme en 3.a población
Ventajas del muestreo sistemático

La selección es más simple que con MAS, porque hay q-.E sacar sólo un
un número aleatorio
A menudo proporciona estimaciones más precisas que MAS, siendo la
muestra distribuida de manera más uniforme en la población

Desventajas

Periodicidad : Si la lista es£a ordenada de tal manera que la carac

terística por medir tiene un patrón cCclico cuyo pe-
ríodo está en relación con el intervalo muestral, la
precisión de la estimación puede ser muy mala

No hay estimador insesgado de la varianza muestral

Información necesaria para el marco muestral

Una lista de todas las unidades de la población

Muestreo estratificado

Utiliza información disponible para mejorar la representación de los

varios grupos de la población
Si es conocido (o sospechado) que la variable de Ínteres está corre-
lacionada con otra variable, y si la información sobre la segunda va
riable está disponible para cada unidad muestral, la población se
puede dividir en grupos que son los más homogeneso posibles, respec-
to a esta variable
Estos grupos se llaman estratos
Cada estrato se trata como una sub-población independiente y una par
te de la muestra se selecciona independientemente dentro de cada es-
trato
El método de selección de la muestra puede ser diferente entre los
distintos estratos
El muestreo estratificado proporciona no solamente estimaciones para
toda la población, sino que también separadamente para cada estrato
o grupo de estratos
Las variables usadas para la estratificación pueden ser de naturale-
za geográfica o no geográfica

¿Porque estratificar? (Ventajas)

Para mejorar la precisión de las estimaciones para toda la población

Para obtener estimaciones para cada estrato
Por razones administrativas
Para aprovechar diferentes métodos de muestreo en varias partes de la
población

Pretores que determinan la eficiencia de la estratificación

La selección de la (s) variable (s) de la estratificación

El número de estratos
Los limites de los estratos
La afijación de la muestra entre los estratos

Deventajas

Más complejo que MAS o muestreo sistemático puro

Información para estratificación debe estar disponible para cada uni
dad, y debe ser más o menos precisa

Información necesaria para el marco muestral

Lista de todas las unidades de la población

 79.

Valor (es) ¿e variable (s) de estratificación para cada unidad

o
Frsibllidaá de una división de la población en unidades geográficas

ijación (alocacicr.) de la muestra entre los estratos

.-.fijación proporcional
La mis~3 fracción de muestreo en cada estrato
El ta~3o de la muestra es proporcional al número de unidades
en el estrato

¿fijación r.o proporcional

Si se sabe que la variabilidad de la(s) variable(s) de interés

es rr.uy diferente entre los varios estratos, o si los costos de
la re-colección de los datos son muy diferentes, estos factores
se pueden tomar en cuenta
Hay varios métodos de afijación, por ejemplo:
. Afijación óptima: Método complejo que aumenta el tamaño de
la muestra en estratos con mayor varianza
o menor costo .
. Afij ación de Neyman:
Cerno la fijación óptima pero utiliza sólo
información sobre la varianza
. Afijación ... : (sin nombre especial pero quizás lo más u
til en la práctica): como la afljaclón óg
tima pero utiliza sólo información sobre
los costos

Afljacicr. proporcional a "X"

Corro la afljaclón proporcional simple pero utiliza información

setre otra variable correlacionada con la variable de Ínteres,
a información sobre el tamaño de las unidades
Muestreo por conglomrados

Requiere una población que puede ser estructurada de manera Jerárqui

ca
Ejemplo : Persona viven en viviendas
Un grupo de viviendas es una manzana
El conjunto de manzanas es una ciudad

Un conglomerado es una unidad de muestreo que incluye varia unidades

de la población
Ejemplo : Una vivienda se puede ver como un conglomerado que
consta de varias personas
o Una manzana se puede ver como un conglomerado de
varias viviendas

El muestreo por conglomerados es un método que selecciona conglanera

dos enteros como las últimas unidades maestrales, e incluye en' •• la
muestra todas las unidades de la población que se encuentran dentro
de los conglomerados seleccionados

La selección de los conglomerados se puede hacer por MAS, muestreo

sistemático o cualquier otro método probabilístico, si la información
necesario par la aplicación del método está disponible

Ejemplos de poblaciones con conglomerados

Población Variable Unidad de la Conglomerado

estudiada de interés población

Escuela Planes de Alumno Clase

secundarla Carrera

Tráfico por Origen y Auto Período de

un puente destino tiempo

Gastos de los Pasajeros Vuelo

Aeropuerto saliendo del (avión)
turistas
país

Ventaj as

Se puede utilizar aún cuando no hay lista de las unidades de la po-

blación
No es necesario preparar una lista completa
Si la recolección de los datos se hace por entrevistas personales, es
posible reducir los costos y el tiendo de viaje de manera importante,
especialmente en el caso de poblaciones morales muy dispersas
Desventajas

Menor precisión, generalmente, debido a la tendencia de las un

vecinas a ser más o menos semejantes con respecto a sus caract
cas de interés

Información necesaria para el marco muestral

Una lista de los conglomerados

o
La posibilidad de construirla
El valor del muestreo por conglomerados, sobre todo desde el p
de vista de la precisión, depende mucho de"la relación entre 1
raleza del conglomerado y la variable estudiada

Ejemplo : Los conglomerados son hogares, sierrio la unidad

población la persona

La variable de interés puede ser el nivel material de

o la religión de los individuos
Se puede suponer que no vale la pena entrevistar a caá
bro del hogar, porque la respuesta de cada uno sería
ma
Es decir que se puede esperar una correlación intracls
fuerte
Entonces todo el conglomerado no puede proporcionar en
dad mucho más información que cualquier individuo del
hablando para todos
Si se entrevista a todos los individuos, el tacaño ef
de la muestra (en términos de la información obtenida}
reducido, conparando a una muestra aleatoria del rrisrc
de personas
Entonces este diseño tendría una varlar.za elevada, ccr
con la varianza de la muestra aleatoria simple
Se dice que el diseño tiene un alto "efecto del r.lseñr
decir que tiene baja eficiencia

Al revés, si la correlación entre los eler.-er.tcs cel congl.

es negativa, como sería el caso en un esrj-iio de üstrl'r
de la población por sexo y edad, un congicr.erado p-uc-ie efe
mente proporcionar más información que ur. número ec'.iival-er
indlvlduos seleccionado independientemente

En este caso el efecto del diseño es menos que uno, e;

que el diseño por conglomerados es rr.ís eficiente que
ño aleatorio r.lmple
 2.

Ehccnces, desde el punto de vista de la varianza, un diseño maestral

basado er. conglomerados es más eficiente cuando cada conglomerado es
lo irás hecerogeneo posible, o sea cuando cada conglomerado represen-
ta rrás o menos una "mini-población"

Comparar con el caso de estratificación, donde el diseño es más efi-

ciente cuando los estratos son homogéneos, y la mayor parte de la
variarla se encuentra entre los estratos

Cada estrato proporciona una pai*te de la muestra; si el estrato es

Informaoíón sobre su contenido
Er. el caso de los conglomerados, sólo algunos son seleccionadas, y
todas unidades deben ser entrevistadas, entonces es preferible
cue caca conglomerado de la mayor información posible, es decir que
el conglomerado sea heterogeneo, y que hayan diferencias entre los
distintos conglomerados

Si se sospecha homogeneidad dentro de los conglomerados (es cecir

correlación itraclase positiva), es preferible buscar un número más
grande ce conglomerados pequeños
 83.

Muestreo multi-etápico

Indica cualquier diseño utilizando dos o más niveles o etapas de mués

treo
Requiere una jerarquía de dos o más niveles de unidades de muestreo
El proceso general:
Construir una lista conpleta de unidades de la primera etapa
(unidades primarlas)
Utilizando un rnetodo de muestreo apropiado, seleccionar una mués
de unidades primarlas
Dentro de cada unidad primarla seleccionada, y sólo dentro de es
tas unidades, construir una lista de todas las unidades de la se
gunda etapa (unidades secundarlas)
Seleccionar una muestra de unidades secundarias dentro de cada
una de las unidades primarias seleccionadas
Si hay más de dos etapas, dentro de cada unidad secundaria selec
clonada, hacer una lista de todas las unidades del tercer nivel
Seleccionar una muestra de ellas dentro de cada unidad secunda-
ria ya seleccionada, etc.
La etapa final puede ser la segunda, tercera, cuarta, ... según
el diseño
En casos reales, diseños con dos o tres etapas son comunes; es muy
raro encontrar un diseño con más de cuatro etapas
A menudo, la última unidad muestral es el elemento de la población

Sin embargo, en la mayoría de las encuestas de hogares, la última

unidad muestral es el hogar o la vivienda mientras el elemento de la
población es la persona
Un buen marco muestral es necesario para cada etapa

Generalmente, el marco de unidades primarias es más completo, y más

establece en el tiempo, que los marcos de unidades de las últimas e
tapas, es decir las unidades más pequeñas

Ejenplo: Si las etapas de un diseño son provincia: sector cen-

sal: hogar: persona, la primera etapa es muy estable, la definí
ción de la segunda podría cambiar cada diez años (con el nuevo
censo), pero las unidades de tercera y cuarta etapa pueden
cambiar en cualquier momento (nacimiento, fallecimiento, mudan-
za, ...)
Normalmente, las unidades de primera y segunda etapa se definen en
términos de áreas censales u otras regiones administrativas, mien-
tras las últimas unidades se basan en listas más recientemente actúa
lizadas

DT cada etapa, la selección de la muestra puede utilizar cualquier

 método de muestreo,con probabilidades iguales o desiguales

... .Ejemplo: Una encuesta sobre la producción agrícola necesita visitas

personales para la verificación de los datos fiscales y
para la observación directa de los campos. Los costos de
los viajes son altos y no se puede obtener un listado
completo de las fincas

Dentro de la provincia, hacer una lista de las 31) reglones agrí

colas
Seleccionar 7 regiones por MASSR
Calcular la población total de cada una de estas 7 regiones, se
gún datos del último censo
Utilizando la población como medida del tamaño, seleccionar 3
municipios dentro de cada una de las 7 reglones, con probabili
dad proporcional al tamaño de cada municipio dentro de cada re
gión
Para cada una de las 21 municipalidades seleccionadas, hacer una
lista completa de los granjeros
Eh cada municipio, seleccionar 10 granjeros por MASSR; en el ca
so de un municipio con menos de 10 granjeros, tañarlos todos

¿Porqué utilizar muestreo multi-etápico?

Si un marco muestral apropiado para otro método no existe no se

puede construir dentro del tienpo y del presupuesto disponibles
Puede ser factible, para cada etapa, recolectar la información nece
sarla para la preparación de la próxima etapa, por ejemplo datos pa
ra un segundo nivel de estratificación
A menudo es posible reducir los costos de viajes y de la recolec-
ción de los datos de manera importante

Si el efecto del diseño (coeficiente de correlación intraclase) que

reduce la eficiencia de un diseño por conglomerados es muy fuerte,
se puede disminuirlo con un diseño multi-etápico

Es posible utilizar distintos métodos de muestreo en las varías eta

pas, o tal vez en las distintas unidades de una misma etapa

Ventajas

No es necesario listar toda la población

Se puede eliminar una parte de las pérdidas de eficiencia asociadas
con el puro muestreo por conglomerados
Desventajas

Particularmente sin uno o más de las etapas utiliza muestreo con pro
habilidades desiguales, la estimación y más aún la estimación de la
varianza pueden ser demasiado complejas

Información necesaria para el marco muestral

La posibilidad de construir el marco para la próxima etapa dentro de

las unidades seleccionadas en una etapa determinada, incluyendo la
información necesaria para la aplicación del método de muestreo ele
gido

Muestreo con probabilidades desiguales

El muestreo pr-obabllistico requiere la posibilidad de calcular la

probabilidad de selección de cada unidad de selección
No necesita que esta probabilidad sea la misma para cada unidad
Si se sabe que hay diferencias importantes entre las unidades con
respecto a una variable que se puede llamar una medida de la impor-
tancia o del tamaño de la unidad, esta información se puede utilizar
en el diseño muestral
Si esta medida del tamaño está más o menos directamente relacionada
con las variables de interés, se puede utilizar uno de los métodos
que se llaman "con probabilidad proporcional al tamaño" (PPT)
La probabilidad de selección de una unidad es proporcional a su tamaño,
representada como una fracción del tamaño total de la población mul-
tiplicado por el número unidades que hay que seleccionar
La medida del tamaño puede ser el número de elementos más pequeños
contenidos en la unidad, o su área geográfica, Ingreso, etc.

Se han desarrollado varios métodos de muestreo con PPT. Dos de los más
importantes son:

PPT aleatorio

El tamaño total de la población se calcula y a cada unidad se le asig

na una parte del recorrido total que corresponde a su parte del tama-
ño total
Para cada unidad requerida en la muestra,se selecciona un número alea
torio entre 1 y el valor del tamaño total
La unidad cuya parte del recorrido total incluye este número esta se-
leccionada
La selección se puede hacer con o sin reposición
Si se hace sin reposición, la parte del recorrido total que correspon
de a cada unidad ya seleccionada se debe omitir para la próxima selec
 clon, lo que necesita recálcular las probabilidades cada vez. Esto
puede ser complicado

PFT sistemático

Se calcula y se acumulan las medidas de tamaño como en el caso ante-

rior
El método básico de muestreo sistemático se aplica utilizando el ta-
maño total én lugar del número de unidades
Se divide el tamaño total por el tamaño n de la muestra para obtener
un intervalo de muestreo basado en las medidas de tamaño

Ventajas

Si la coi-relación entre la medida del tamaño y la variable de interés

es fuerte (y positiva), se mejora la precisión de las estimaciones de
manera muy importante

Desventajas

Es necesario conocer el tamaño de cada unidad

El cálculo de las probabilidades de selección y de las estimaciones es
muy complejo
El cálculo de las estimaciones de la varianza es mucho pero aún
Si hay unidades muy grandes con respecto al tamaño total, se pueden
presentar problenas de selección múltiple, o puede ser necesario tra
tar independientemente estas . unidades

Información necesaria para el marco maestral

Una lista de todas las unidades de la población con su tamaño

o
Una lista de áreas geográficas con su tamaño
 R E S UM EN

Hay dos tipos básicos de proceso en el diseño muestral:

Estructura de la población

Estratificación
Conglomerados

Selección de unidades

Mtestreo probabilistico

con o sin reposición

probabilidades iguales
. MAS
sistemático
probabilidades desiguales
. PPT aleatorio
. PPI" sistemático
Muestreo no probabilístico

MUESTRED PROBABILISTICO

Muestreo aleatorio simple

A veces difícil de seleccionar las unidades

Puede ser caro
Generalmente menor varianza (mayor precisión) que diseños multi-etá
picos

Muestreo sistemático

Selección más sencilla que MAS

Problema de periodicidad

Muestreo estratificado

Generalmente mejora la precisión

Se necesita datos adecuados sobre todas las unidades, para estrati-
ficar

Muestreo por conglomerados

Mas barato que MAS

Generalmente menos preciso que MAS
Se simplifica la construcción del marco muestral
Muestreo multi-etápico

Más barato que MAS

Generalmente menor precisión que MAS pero mayor que pur: maestreo per
conglomerados
Construcción del marco muestral requiere listas de unidades per etapa
sólo dentro de unidades seleccionadas a la etaoa anterirr.
 IX PRUEBA DE HIPOTESIS E INTERVALOS DE CONFIANZA

Todo lo que se desarrolle en el presente capítulo está bajo el contex

to de que la información básica que se posee,está obtenida a nivel muestral
(no inportando el tamaño de ella, grande o pequeño), y con el análisis de ella
poder sacar conclusiones válidas, confiables acerca de lo que sucede en la po
blación de donde provienen las muestras

A. PRUEBAS DE HIPOTESIS PARA PROPORCIONES E INTERVALOS DE OONFTANZA

Hay muchos problemas prácticos en que la respuesta que se obtiene, o

el comportamiento de la variable aleatoria, sólo admite dos valores.
Ellos Generalmente un "si" o un "no", en sentido cuantitativo un "1" o
un "0" . Este tipo de problemas tiene la proporción "p" como parámetro
de la población

Ej emplo: - Un alumno reprueba o aprueba una asignatura

- Un alumno repite o es promovido de curso
- Una dueña de casa utiliza o no utiliza un cierto producto
- Una persona confía o desconfía

Puede que nuestra población o universo sean todos los alumnos de la

ciudad que se matriculan en Enseñanza Media. El problema a estudiar
puede ser "La proporción (o porcentaje) de reprobados"

En el muestreo se puede considerar un "Exito" una persona que reprue

ba un determinado curso y "fracaso" cuando ocurre la situación contraria

Un éxito (p) se registra con un UNO y el "fracaso" (q) se registra

con un "cero" (0).

Por lo tanto si "Y" es una variable aleatoria cuyos posibles valores

son cero o uno, entonces en una muestra de tamaño n, se obtiene una pro
porción maestral p.
T. Yi O < p £ 1
A 1=1
P Y
A A
n p + q = 1

Un Intervalo de confianza (1 -oO para la verdadera proporción p en

en la población, basado en la información de una muestra grande es
 90

p- Z Da
2V TI

Se -orna una ruestra aleatoria de 100 estudiantes de 8 o 1 años y se

les consulta acerca de su preferencia por determinada asignatura
(ccistellano). 30 contestaron afirmativamente y

30
= 0,3
100 10

= 0,7

Un intervalo del 90% para los alumnos de 8 v o que prefieren la

«pistura de Castellano es

•3) - Z.^sL. i / o , 3 x 0.?' é p -í (0.3) + £ .v/

" ¿ V 100 1- — V• 100
2

Se toma una muestra aleatoria de 200 alumnos en el 1 e r año básl

¿e una ciudad para estudiar la proporción de dlslexias. En ' la •
stra observa-ros 25 niños con problemas de dlslexla. ¿Cuál es el
er.-alo de confianza del 95% para la verdadera proporción de dis-
_cos en l e i año básico de esa ciudad.

£ = JÜL « JL , $ .
200 8

1 + z (0,125) (6.875)
8 ~ 1- ^r 200

iras de Hipótesis

ótesls nula Ho : P = P o
H : P = Po
ctesis f a) 1 0 = z
b) H. : P
*

--nativas 1 0 —p Q-—i observado

< c) H 1 : P o o
-
Diferencias entre Proporciones

Cuando se hace una misma consulta, en problemas distintos, tenemos una

proporción para cada población. Por ejemplo: se estudia la proporción de
disléxicos en niños y niñas de 1 año

Se obtiene una muestra aleatoria de 150 niños (varones) y se observa

que hay 15 con problemas de dlslexia

Se obtiene una muestra aleatoria de 200 niñas y se observa que hay 25

- J5- - -i- ; n2 = 150

1 150 10 10

p- = = — ; q p = 2- ; n = 200
¿ inn
200 Q Q ¿

Intervalos de confianza para la diferencia de proporciones

a r- A
p q p q
l l+ X 2 n2
(P X - P 2 ) ± \ I — 2

con n^ y n 2 >• 30

Dócimas de Hipótesis

H o : P, - P 2 = é ÍP1 ~ P2> ~ c f
= Z
A /> * obs
U1:P1-P2 ^CÍ . / Pljl Pl
n n
l 2

Cuando Z . está fuera del intervalo

obs

- Z-. '1- j á
2 2

entonces rechazamos H

Puede también plantearse la hipótesis de que

H : P
o 1 ~ P2 = J

H 1 : P 1 " P 2 ^ cf
 entonces el estadístico de prueba sigue siendo

(Pl ~ P2)
"" obs
A A A A
Pl q l +
p
2 q
2
n l n 2
y se rechaza HQ, en favor de H p cuando ^ ^

Similarmente para la hipótesis

H o : P, - P2 = CÍ

H 1 : P 1 " P 2 ^ cf

Rechazamos H cuando
o

Z
obs ^ - Z l-<^

Tamaño de la muestra

Cuando las variables que investigamos es del tipo de dlcotómlca, es

decir

f 1 Si el sujeto posee la característica en estudio

= Í
lo Si no posee la característica

n N
£ Yi 2 A
A 1 = 1 Y 1 = 1
y p = _± = ¿ es el estimador de P = — =•
n n N
y nosotx-os estamos interesados en saber ¿Cuál es el tamaño de la mues-
tra que debo tomar para tener un nivel de confiabllldad deseado, acep-
tando un error de muestreo fijo?
7 \ 2
\1 P • 0
Esto nos lleva a: nQ = ' —

dorde 1 - ck es el nivel de confiabllldad deseado

d : error de muestreo aceptado

p : valor teórico de la proporción en la población

Casi siempre el valor de P, y por lo tanto Q = 1 - P, es una expre-

 93.

sión numérica entre cero y uno que maneje el investigador de acuerdo con:
a) Antecedentes que él tiene del comportamiento de la proporción P en la
población
b) Resultado de una muestra piloto

El valor ? . Q, es máximo cuando P = 0,5 y por lo tanto maxlmiza "n" ,

oara un Z. y d fijos, cuando el cociente ^o > 0,05 se debe calcu-

" 2 N
lar el tanaño muestral, y este será

Aplicaciones de la t de student

una variable en estudio de interés es una población cualquiera, puede ser:

- Nivel de fecundidad
- Cociente intelectual
- Estatura
- Peso
- Edad
- Temperatura, etc.

Estas variables, originalmente obedecen al apellido de continuas, puesto

que rara cada --edición que hagamos el "valor exacto" es muy difícil de obtener
puesto que dependen del instrumento y la unidad de medida con que se obtienen

a) Resulta importantísimo- saber que cuando se obtiene una muestra de

la población en estudio y en ella obtenemos un valor X de la caracte
rística o variable en estudio ¿cuál es el rango en que se encuentra
el verdadero valor promedio de la población, 'Ju", para esa variable?

1 2 2

( d o n c e l es promedio en la población desconocido)

promedio muestral
desviación estandar muestral
tamaño de la muestra

A valor de tabla para nivel de significación =

2 grados de libertad
 94.

Para el caso de eos muestras Independientes es decir cuando los ele-

mentos de una de ella no están asociados de ninguna manera con los
de la otra, p>ode~>os hacer inferencias respecto de la diferencia en-
tre dos promedios. Un problema interesante es decidir si la dlferen
cia obtenida a nivel muestral es o no significativa. Para resolver
este problema recurrimos al estadístico

que nos sirve para decidir si es significativa la diferencia observa

da a nivel muestral, con nivel de confiabllldad (1 - cA), de cualquie
ra de las siguientes tres hipótesis planteadas

1. H : Li. 0 = </ r
° ^ 1 ¿
a nivel de significación <Á
H 1 v A l *0

X1 ~\ ~ J
bajo H
2 2
n S + n S
l 1 2 1 \ ín 1+ n
2
n^ + n^ - 2 / • n 2

y decimos que la diferencia observada a nivel muestral es signi-

ficativa si t Q b s está fuera del intervalo (-t-j_ ; )

con jj = r.. + 1 2 - 2 grados de libertad

H o

H 1

H
o ••Al-/A2=¿c

H1 :/¿1-/{2><Jc
 95.

^nplo: Se aplica ur. test que mide cociente intelectual a una muestra
alterna ce 25 niños de un colegio, todos de la misma edad, y
se tuvo cue:
X = 90 con s = 15

Deseamos saber con un 95% de conflabilidad, entre que valores

se encuentra el cociente intelectual de todos los niños de esa
edad en el colegio

_ .. (x - A b e -
C.X estadístico - tQbs
s
nos sirve para decidir cualquiera de las tres siguientes pruebas de
hirctesis.

i. ü 0

H^ i- JL( ^ a nivel de significación o C

bajo H tenemos que

(X -_/< o ) y n - 1
= t
obs

y
J rechazamos H si t , está fuera del intervalo
o obs

con grados de libertad y = n

2 " 2

a nivel
H 1

(X V n-1
o
—oncos t = y se rechaza H cuando
eos „ °

. ^ t, i con l) = n - 1 grados de libertad

ros 1 - '

y 0
' a nivel oL y se rechaza H cuando

(X -/L ) \/n-l
obs

c o n n 1 d e
es menor que ~ A )J ~ ~ EF^os libertad
Ir. intercalo de confianza de nivel (1 - oí ) para la verdadera diferen
cia entre los promedios a nivel de población está dado por

1 n jS^ + 'nl + n2
1
2 \/ n
l + n
2~ ^
n
l • n 2'
 X APLICACIONES DE LA DISTRIBUCION JI-CUADRADO

Muchas veces los resultados obtenidos de muestras no sienpre

coinciden o concuerdan exactamente con los resultados teoricos esperados
según las reglas de probabilidad. Por ejenplo : consideraciones teóricas
nos dicen que cuando una moneda correctamente fabricada se lanza 100 ve
ees y se cbserva la superficie superior, deberíamos obtener " 50 cazas "
y " 50 sellos ", es muy raro que se obtengan exactamente estos resultados.

Supóngase que en una determinada muestra se observan una serie

de posibles sucesos S ^ S 2 S^ que ocurren con frecuencia 0 ^

... 0^ respectivamente, llamadas FRECUENCIAS OBSERVADAS y que según las

reglas de probabilidad se espera que ocurran con frecuencias e^, e 2 -. e^

respectivamente, llamadas FRECUENCIAS TEORICAS O ESPERADAS.

a) PRUEBA DE BCNDAD DE AJUSTE

La prueba ji-cuadrado (chi-cuadrado) puede ser empleada para determi-

nar de que forma, distribuciones muéstrales o tablas de frecuencias
pueden ser ajustadas o llevadas al comportamiento de distribuciones
teóricas de probabilidad, ccrro el caso de una distribución normal, bi_
nomial, Poisson, etc., y con algún grado de confiabilidad decidir si
se ajustan los datos empíricos o muéstrales a alguna (s) de esa (s)
distribución (es).

Para tal efecto se plantean dos hipótesis de trabajo : H Q y H^, llana

das hipótesis nula o de prueba e hipótesis alternativa.

Para resolver con cual de ellas tendremos que quedamos, en base del
análisis de los resultados obtenidos, seguiremos al siguiente procedi
miento.

a.1.Planteamiento de las hipótesis

i) Hipótesis Nula H Q : Los datos muéstrales ajustados a una deter_

minada distribución de probabilidades, efectivamente proviene

de ella.

ii) Hipótesis alterna H^ : Los datos muéstrales no provienen de la

distribución de probabilidades teórica a que se ajustaron

a.2.Nivel de Significación : a ( Probabilidad de error ) Nivel de con

fianza 1 - a. Si el nivel de confianza es de 0,90, significa "pro
bable " 0,95 significa " muy probable "0,99 " altamente probable "
a.3. Estadístico a usar

2 I (O - e. ) 2
X observ. = ,=1
e i

donde Ch : frecuencia derivada en la clase iésima

e^ : frecuencia esperada en la clase iésirra

k : número .de clases, sucesos, intervalos, etc.

Ejemplo
El ndmero de alumnos por senaria gue sufren algún tipo de accidente,
en un gran sector escolar, durante las 36 semanas del período escolar
es la siguiente :

y N" de alumnos
accidentados 0 1 2 3 4 total
N° de semanas
frecuencia 6 8 10 6 6

Los datos anteriores nos indican que el ntinero de accidentes escola -

res por semana tiene una distribución de Poisson, con una significa -
ción del 5% ?

Solución

Las hipótesis a plantearse son :

Hq : El número de accidentes escolares por serrana sigue una

distribución de Poisson

H^ : El número de accidentes escolares semanales no proviene

de una distribución de Poisson

La distribución de Poisson tiene la siguiente expresión Matemática

P (x =k) =

k :
donde X es la variable aleatoria
k = el valor que tema la variable aleatoria
A =prcmedio
e=constante = 2,71828 ....
corro no conoceros A, buscaremos su valor haciendo una estimación basa
do en los resultados observados ( muéstrales )

* 0 (6) + 1 (8) + 2 (10) + 4 (6) + 5 (6) 82 = 2,211 s2

6 + 8 + 1 0 + 6 + 6 3 6
 99.

Procedemos a calcular con este valor X , las probabilidades es-

peradas, que multiplicadas por el total de semanas, nos entre -
gan las " frecuencias esperadas "

a.4. Región de rechazo

R = { X 2 / ' ¿ d b s e x V m > ^crítico 3

4-eC

Í7Trr~ — >

2
Buscamos en la tabla de la distribución "X , el valor que llamare
2
mos "Xc r £ t i c o pa^a lo cual debemos conocer " LOS GRADOS DE LI -
BERTAD " con que estamos trabajando y el nivel de significa -
ción a " de nuestra prueba de la hipótesis Hq
V = k - 1- m
k = número de clases, sucesos, intervalos, etc.
m = núnero de parámetros de la distribución

a.5. Regla de decisión

2 2
Si X ± ) s > "Orático entonces rechazamos H Q para quedamos con
la hipótesis H^, es decir que las frecuencias observadas difie-
ren significativamente de las frecuencias esperadas. O lo que
es lo mismo, los datos muéstrales no provienen o no se ajustan
a la distribución teórica ( con nivel de significación a )
2 2
Si "X , < X . entonces no rechazamos H n , es decir, los
obs — critico 0
datos maestrales ajustan o provienen de esa distribución ( con
de significación a )

(2,28? e" 2 - 2 8

A . OO
P, = P (X=0) = e '
1 0 !
 100.

PROBABILIDADES ESPERADAS FRECUENCIAS

A (2.28)° e~ 2 - 2 8 -7 A A
:_ = e f.=P,
P1 = P (X=0) =
o:
• = 0,i02284 i 1 « 35 = 3.6c

1 -2.28
A (2.28) e A A
P2 = P (X=l) = 0.233208 f2=P2x3S = 8.4
11

2 -2.28
A (2.287 e A A
P3 = P (X=2) = 0.2658571 f^=P^x3c =9.57
21

3 -2.28
A (2.28) e * A
0.2020514 f,=P.x3ó =7.27
P
4 = P (X=3) = 31 4 4

4 -2.28
A (2.28) e A A
P5 = P (X=4) = 0.1151653 f5=P5x3ó =4.15
4!

Luego procedgnos a confeccionar la siguiente tabla

X FRECUENCIAS OBSERVADA FRECUENCIAS ESPERADA (O..—J2 / e,

J. X Js

0 6 3.63 1.46261
i 8 8.4 C.01905
2 10 9.37 C.C1932
3 6 1.21 :.221S6
4 6 4.15 C. £24

Luego debemos buscar el punto crítico c el X crítico :

Determinamos V = k-l-m grados de libertad
k = 5 puesto que hay cincc intervalos
m = 1 puesto que la distribución tiene un parl~etrc es ti
mado \
Entonces V = k - 1 - m =5-1-1=2
El nivel de significación a = 0.05
2
"X. (a = 0.05) = 7.81
v>=3

Por lo tanto, para decidir la hipótesis cor» que nos cuedarsro

2 2
tenernos que conparar el X ^ ^ con el \ r £ t i c o

X2, =2.55
obsv.

X2 = 7.81
obsv.

2 2
X, < X crítico, entonces
obsv.

No rechazamos H Q ; es decir los datos provienen o ajustar. a

lana distribución de Poisson, con una significación a = 0.05
2
Desarróllanos otro ejenplo de aplicación de l a X a la prueba
de bondad del ajuste.
La puntuación final en Matemáticas de 80 estudiantes de eos c
sos de cuartos medios de un Liceo, en escala de 0 a 100 pente*
se registró en la siguiente tabla

INTERVALOS
"i

40.5 - 50.5 12
50.5 - 60.5 20
60.5 - 70.5 17
70.5 - 80.5 18
80.5 - 80.5 8
90.5 - 100.5 5

El investigador desea saber si los rendimientos de les curscs

es probable que se ajusten a una distribución normal ce prdee
bilidades.
Esta distribución nos exige conocer dos parámetros;
/i = prcmedio de la población
2
G = varianza de la población
Ellos son estimados mediante el praredio aritmético X ce la
2
muestra y la varianza muestral S respectivamente.
f
\
\%

tez.

En este caso

X = 66.125 S = 14.26

La distribución normal de probabilidades tiene cano funciór. ra

temática :

1 , >2
— (X - fJi
G'
f (x, ja,(¡ ) =
/TT?"

Nosotros no ocuparemos esta expresión algebraica, si no cue con

el promedio X y la desviación estandard S obtenidas de los ca-
tos recopilados, procedemos a la " estandarización ce los lírai
tes reales de los intervalos " lo que nos permitirá calcular
las probabilidades esperadas mediante el .manejo de una tabla es
tadística llamada : Distribución normal estandard o típica.

Ejenplo de estandarización :

límite real del intervalo - X

Z. =
i

z = 40.5 - 66.125 = _ 1 8
1
14.26
Construimos la siguiente tabla

INTERVALOS REALES ' INTERVALOS ESTANDARIZADOS PROBAS ILID;CIS FESCOCIAS

ESPERADAS ES?Z7A2AS

40.5 - 50.5 -1.80 -1.1 C.GS76

50.5 - 60.5 -1.10 -0.39 0.214S 0.214=:-:=:= 1"
60.5 - 70.5 -0.39 0.31 0.2734 0.2-:---.-=:=::
70.5 - 80.5 0.31 1.01 0.2221
80.5 - 90.5 1.01 1.71 0.1126
90.5 - 100.5 1.71 2.41 0.0356
I
1
Seguidamente colocamos dos columnas, que llevan las frecuen-
cias observadas, frecuencias esperadas y nos permiten calcular

X2 - i ( Q j - y
observ.
i*=l e;
 103.

FRECUENCIAS FRECUENCIAS (0, - e,)2 /e.

OBSERVADAS ESPERADAS

12 8 2
20 17 0.5294
17 22 1.136-1
18 18 0
8 9 0.1111
5 3 1.3333

r - ^ . - s . u o ,
2
P°our lo tanto procedemos a determinar el "^• c r £ t i c o

conn V = k - l - m = 3
ccoim k = 6 por haber 6 intervalos
m = 2 por haber estimado dos parámetros
co:n o = 0.1
2
Ett.tonces "X. .. = 6.25
critico

QaaoX2u =5.11 < "X-2 = 6.25

cbserv. crítico

tfto re-chazamos H Q y podemos decir con una significación a =0.1

ode -que los rendimientos en matemática de los dos cuartos años

«Je Liceo siguen una distribución normal de probabilidades.

«Otra distribución de probabilidades inportante en el ámbito so

• dio educacional es la distribución de probabilidades Bincmial
cuya expresión algebraica es :

B (X = k ; p; n) = C¡ p k (l-p)n~k

terree
X variable aleatoria que puede tomar cualquier valor natural
emfcre o y n ( 0 < _ k < _ n )
p-: probabilidad de éxito del suceso

: ccrrbinaciones de k objetos sobre los n disponibles

n:
(n-k)! k¡

51 (5 • 4 • 3)x(2 • 1) 120
EEj e r r ó l o C^ = — - — = = 10
J (5-3)! 31 (2 • 1) (3-2-1) 2x6
 104.

Ejenpio

En una población hay 100 familias que tienen cinco hijos cada
una. Una investigación es realizada a objeto de saber cuantos
hijos varones hay en ellas o los resultados son

N°DE HIJOS FRECUENCIAS OBSERVADAS

VARONES (k) ( N° DE FAMILIAS )

0 38
1 144
2 342
3 2C7
4 164
5 25

Nos preguntamos si estos recolectados provienen de una distri_

buciín bincmial.
Para poder ajustar a estos datos a una distribución bincmial
deberos calcular el prcmedio aritmético

X = 2.47 puesto que para este caso

X = n p y nos permite estimar "p"

A = X- = 2.47
P 0.494 que para objeto de nuestros cálcu
n 5
los lo aproximaremos a p = 0.5 y con el determinar : las ,pro
habilidades esperadas y las frecuencias esperadas.

Por ejemplo

P (>:=2; p=0.5; n=5) = C? (0.5)2 (1-0.5)5"2

"2

120
= 10
(5-2) I 2 1 -6.2

En te roes P (X=2; p=0.5; n=5) = 10 x (0.25) (0.125)= 0.3125

 105.

N° DE
FRECUENCIAS
HIJOS PROBABILIDADES ESPERADAS
ESPERADAS
V. (k)

0 c5' (0.5)° (0.5)5^ = (l)x(Dx(0.03125) = 0 .03125 0 .03125x1000=31

0

1
< (0• 5) 1 (0.5)5"1 = 5x(0.5)x(0.0625) = 0 .15625 0 .15625x1000=156

2 (0• 5) 2 (0.5)5"2 = 10x(0.25)x(0.125) = 0 .3125 0 .3125x1000 = 312

5-3
3 (0 (0.5) J 10x(0.125)x(0.25) = 0 .3125 0 .3215x1000 = 312
4 =

4 (0• 5) 4 (0.5)5"4 = 5x(0.0625)x(0.5) = 0 .15625 0 .15625x1000= 156

<5

5 4 (0• 5) 5 (0.5)5"5 = lx(0.03125)xl 0 .03125 0 .03125x1000= 31

Seguidamente procedemos a colocar las columnas

FRECUENCIAS OBSERVADA FRECUENCIAS ESPERADAS (0¿ - e±)2/e±

38 31 1.5806
144 156 0.9231
342 312 2.8846
287 312 2.0032
164 156 0.4203
25 31 1.1613

y
J el Y 2 , = 8.9631
observ.
2
Seguidamente determinamos el "X-cr£tico
V= k - 1 -m = 4
puesto que k = 6 intervalos
m = 1, por haber estimado un parámetro
y con a = 0.1
= 7.78
critico
2

La regla de decisión la obtenemos al conparar \ , b s e r v e l

crítico
 106.

Corra "X2, = 8 . 9 5 > "X2 = 7.78

observ. critico
Rechazaros H^, en favor de H^, es decir los datos muéstrales

no provienen de una distribución bincmial con un nivel de sic[

nificación a = 0.1
2
Sin erbargo si a = 0.05 y 9= 4, el \-j-ftico = 9.49 y en es
te caso no rechazamos Hq, y debemos concluir, que con ese

nivel de significación, los datos maestrales nos indicarían

que el núrrero de hijos varones en familias de cinco hijos se
ajusta a una distribución bincmial.

?) Intervalo de confianza (1-cQ para la varianza de la pcfolación

Es mjy importante determinar un intervalo de confianza para la varían

za ce la población cuando se tiene una muestra de " n eleirentos " de
dicha población.
La teoría de Inferencia Estadística nos señala que

I (X¿-X)2
i=l a
C
(n-1)
G2
además

I (xi - X) 2
S2= ^ L

y (x. - x)2
2 i=l
S =
n - 1

?cr lo tanto

(X.. - X)' \
i=l

~ X (n-1)

'(n-1)
(T
 107.

En una tabla X 2 y con %> = n - 1 grados de libertad, determinamos pun

y en el intervalo de confianza 1 - a para d es

o tanbién

a
2 »2
(n-1) S (n-1) S
<
b i o a

Cuando el tamaño de la muestra es grande, ambas expresiones anterio-

res tienden a coincidir
Ejenplo
2
En una muestra de 10 observaciones se encuentra que la varianza S es
2

igual a 15. Hallar los límites de confianza del 90% para (T

Desarrollo
2
En una tabla X ubicamos la línea V = n-1 = 9 grados de libertad
para determinar "a" y "b"

y el intervalo pedido es
 108.

c) Contraste de hipótesis respecto de una sola varianza

Supóngase que interese determinar si una varianza de población ha cam

biado con el tierpo, o si la varianza de una distribución es diferente
de cierto valor fijado. Para este fin, se contrasta la hipótesis de
nulidad

H0 : tf2 = 6l
2

conde (J"Q es la varianza conocida o algún valor hipotético.

La hipótesis H^ depende del problema que se considere.

2
Si X es una variable aleatoria que se distribuye Normal { p ; G ) y si
2
una muestra de tamaño n d§ X de una varianza S , entonces dado el ni
vel ce significación, el estadígrafo de contraste es 2
n o
2 2
0011
rasuren : Contraste de H Q : (f = (TQ
2
H., cuando X N ( p, <J ) y
n
I ( X i - X ) 2

i=l 1

n
Regla de decisión :
H
1 Rechazar Hq si donde a nivel a y \) = n-1

n s 2 -> Cr - Y 2
cr > s 0 r 2 - 1 ( v 1 , 1—a^

n s 2
< al < C - X2
(T- 2 - 2 *(>>,a)
U 0

i, ^ n s 2 > c =
c
6 u
a i 3 cx/2)
o
2
o tairtoién n S * n -v^
* - S ( y ; l-a/2)
u
o
 1

c.jenplo Aplicado

Se desea determinar si la varianza de los I.Q de los estu¿ié--.^£s

cierto distrito escolar es mayor que 250. Una muestra aleatoria d=
' estudiantes del distrito de una vananza de 2/5. Contrastar la hiD
a.
tesis de que la varianza de los I.Q se mantiene en 250 al r¿v=l ¿el '

Desarrollo

- Las hipótesis a contrastar o prcbar son :

H Q : (J"l= 250 v/s Hx : (JZ > 250

- Determinamos el valor del Estadígrafo de contXcis ts

"Y2 = 0 _ ¿ X 2 = 3 0 X 2 7 5 = ^
obsrev. obsrv.

- leemos en tabla"X 2 ( i ) = 29. 9 5 % ) = = ^

- Decisión : 2
cctiD"X.".
cbsrv. = 33 < C,=
i 42.6
entonces No rechazamos Hg, es decir, los resultados muéstrales nos
dican que se mantiene en 250 la varianza poblacional del I.Q ¿= 1
estudiantes.

c.- Contraste de Independencia

Esta prueba permite al investigador determinar si existe asociarlo.,

tre dos variables con escala de medición Nominal u Ordinal.

Frecuentemente se encuentran problemas que exigen una " clasifica-

doble ", o " bidimensional " de los datos observados, cereral-er.t=
en tablas llamadas de " doble entrada ", y se desea analizar si
te algún tipo de relación entre las eos variables.

Supongamos que se tienen "n" observaciones que se distribuya.-, cor.;'

tamente oon respecto a dos variables C y R; cada una de las reales
se clasifica en varias categorias, clases o intervalos.

Sean C^, C^r C^ las k clases de variable C

Sean r^, r^, r fc las t clases ce Variables R

Las variables C y R son mutuamente excluyen tes.

Cada observación representa la ocurrencia de un suceso coniur.zo
( r i , C_j ) con i = 1, 2, ..., t j = 1, 2, k
La muestra de n observaciones puede entonces estar distribuida en
C x R casilla, de la siguiente manera
 110.

R C
1 • C2 C
D Se ' TOTAL

r
l f
ll f 12 .... f f
lk f
l-
- lj

r f f 22 .... f f f
2 21 22 2k 2-

r.
i f
il f f
ik ' f.
i*
- ij

r f f f f
t tl t2 tj f

TOTAL f• 1 f . 2 f'3 f.k n

donde

f^ : frecuencia con que ha ocurrido él suceso conjunto (r^, C^)

f j : frecuencia con que ha ocurrido el duceso

Debemos calcular a partir de la tabla anterior las frecuencias espera
A
das : f

A (f .) (f, ) i = 1 t
f. . = '1
ID j = 1 k

La metodología a usar para el contraste de Independencia es la siguien

te

i) Planteamiento de las hipótesis

Hq : No hay asociación (correlación) entre ambas variables

H^ : Existe asociación entre ambas variables

ii) Determinar nivel de significación con que se va a trabajar

iii) Determinar los grados de libertad

V = (t-1) • (k-1)

iv) Estadístico a usar

A 2
(f„ -
observ. i i
j=l
J i=l f. .
¿O
v) Región de Rechazo

R = { X2 / X ^ > X 2 (1-a) 1
observ. (t_1} (k_1}
 111.

Eje.Tplo

Supóngase que se desea averiguar si hay alguna asociación significati

va entre el nivel de formación académica y rendimiento laboral para
un -crupo de 200 empleados.'

El nivel de formación académica se clasifica en tres clases : Escuela

Básica, Escuela Media, Escuela de Especialización.

El rendimiento en el trabajo (laboral) se clasifica como : excelente

bueno, regular.
Los datos son los siguientes

FORMACION ACADEMICA

RENDIMIENTO ESCUELA BASICA ESCUELA MEDIA ESCUELA DE TOTAL

ESPECIALIZ.

EXCELENTE 10 40 10 60
BUENO 30 30 20 80
REGULAR 10 30 20 60

TOTAL 50 100 50 200

Desarrollo

Deberos de inmediato calcular las frecuencias esperadas f _ . En es

te caso 1 = 1, 2, 3 j = 1, 2, 3
f •1 x f 1» = 50x60 _ 15
f. 1 = excelente y Esc. Básica =
n 200
 112.

TABLAS DE FRECUENCIAS ESPERADAS

FORMACION ACADEMICA

RAIMIENTO ESCUELA BASICA ESCUELA MEDIA ESCUELA DE ESPECIALIZ

50 x 60 _ 100 x 60 _ 3Q 50 X 60 _ 15
EíCZLEMTE 200 200 200

50 x 80 _ OQ 100 x 80 _ w 50 x 50 = 2Q

200 200 200

50 x 60 _ 15 100 x 60 _ 50 x 60 _ 15
P3GULAR
200 200 200

A
Cero el estadístico a usar es XObserve. = l I ( f.. - f.. )•
JQ A JQ
j=l i=l f. .
JO

entonces procedemos a calcular su valor

= —(10— -—15)
—
2
-f-. •-.
(40 - 30)2 +. (10 - 15)' (30 - 20)2 + (30-40)2
X 2
ooserve. 45
15 30 20 40

•f
A (20 - 20)2 -fA (10 - 15)2 +. (30 - 30)' (20 - 15)'
= 17.5
20 15 30 15

Fijando un nivel de significación del 1% , o lo que es lo mismo, un

99/¡de confianza ; y V = í 3 " 1 ) t 3 " 1 ) = 4 g.l. " X c r £ t i c o = 13,3
Nuestra decisión debe ser la de rechazar Hq ; puesto que

= 17.5 > X 2 . = 13.3

ccservc. critico
Es cecir, existe asociación entre antes variables, lo que implicaría
que la formación académica y el rendimiento laboral está relacionado.

Observación 1

Poínos también llegar a calcular un coeficiente de correlación (r)

dado que la categorización o niveles en que fueron medidas las varia
bles son atributos y además es una tabla cuadrada de k x k o tanbién
t x t,
1

"observe. 17.5
=> r = = 0,20 32
r f
N (k - 1) 200 (3 - 1)
I N
=> r = 20,92%
y además, sierrpre para este tipo de tablas ce asociaciír. C <_ r ^

Por lo tanto, r : se denomina correlación ce atributos.

Observación 2
Cuando la tabla bidimsnsional o de contingencia, etc. tiene ¿ios f
y dos columnas ( k = t = 2 ) y presenta la siguiente estru—ura

I II
TOTAL

A 3
1 a
2 NA

B b
l b
2 n
E

TOTALES N N2 N
1

2
para calcular el
^ "Xobserve.
, , debe utilizarse una f£—üa esre~
que contenpla una corrección llanada corrección de Y ates

N (
2 = ialb2 - a 2 b J - I N )2
observe, corregido
N
1N2 N
AN3

Ejemplo

El número de estudiantes de cada una de dos clases A y £ que =rrt

reprobó un examen determinado es el siguiente

APROBARON

CLASE A 72

CLASE B 64

Mediante un nivel de significación a = 0.05 ensaye la hipótesis

no hay diferencia entre las dos clases
Desarrollo

Las hipótesis que se plantean para ensayar son

HQ : No hay diferencias significativas entre las dos c

H^ : Existen diferencias significativas

2
Calcúlanos el "^jjggj^ °° n I a corrección de Yates

N x = 72+64 = 136

N 2 = 17 + 2 3 = 40

N- = 72 + 17 = 89
A
N_ = 64 + 2 3 = 87
B

- a2b^ | = | 72 23 - 17 64

1568 i = 568

_ 176 ( 568 - i 176)2

X 2
= i = o
observ. corr
136x40x89x87

2
Determinamos a a = 0,05 y V = (2 - 1) (2 -

X 2 (1 - a) = 3.84
V =1

Y ^observ. * °'9627 <

Crítico = 3
"84

No podemos rechazar H Q

El coeficiente de correlación de atributos es

r = {¡ °'9627 = 0.0523 ~ 5,23%

176(2 - 1)
 AI'L : NIJK'I:.S

A p é n d i c e I

PERCENTILES
D E LA
DISTRIBUCION CHI-CUADRADO
C O N V G R A D O S DE LIBERTAD
(AREA SOMBREADA = p ) x s

r V1 ;¡ v2 .,1
Xo.995 Xo.99 Xo.nt XO.90 /0.30 /0.25 7.0.10 ¿0,03 Zo.112 3 Zu.o i- /'I.OH5
/o.Ti
i 7.88 6,63 5.02 3.84 2.71 1.32 0.455 0,102 0,0158 0,0039 0.0010 0.0002 0.0000
2 * 10.6 9.21 7.38 5.99 4.61 2.77 1.39 0,575 0.211 0.103 (1.0506 0.0201 0.0100
3 12.8 11.3 9,35 7.81 , 6.25 4,11 2.37 1.21 0.584 0.352 0.216 0.115 0.072
4 14.9 13,3 11,1 9.49 7,78 5,39 3,36 1,92 1,06 0,711 (1.4 84 0.2V7 (1.2U7

6 16.7 15.1 12.R 11.1 9.24 6.63 4.35 2.67 1.61 1.15 0.K3I 0.554 0.412
6 18.5 16.8 14.4 12.6 10,6 7.84 5.35 3.45 2,20 1.64 1.24 0.872 0.676
7 20.3 18.5 16.0 14.1 12.0 9.04 6.35 4.25 2.83 2.17. 1 .69 1.24 0.989
8 22.0 20.1 •17.5 15.5 13.4 . 10.2 7.34 5.07 3.49 2.73 2.18 1.65 1.34
9 ' 23.6 21,7 19,0 16,9 14,7 11,4 8.34 5.90 4,17 3.33 2.70 2.09 1,73

10 25.2 23,2 20.5 18.3 16,0 12.5 9.34 6,74 4.87 3.94 3.25 2,56 2.16
11 ' 26,8 24,7 21.9 19.7 17.3 13.7 10.3 7.58 5,58 4.57 3.82 3.05 2.60
12 28.3 26,2 23.3 21,0 18,5 14.8 11,3 8.44 6.30 5.23 4.40 3,57 3.07
13 29,8 27.7 24,7 22.4 19.8 16.0 12.3 9,30 7,04 5,89 5.0! 4.11 3.57
14 31.3 29.1 26,1 23,7 21.1 17,1 13,3 10,2 7,79 6.57 5.63 4.66 4.07

15 32.8 30,6 27.5 25,0 22,3 18,2 14,3 11,0 8,55 7.26 6.26 5.23 4.60
16 34,3 32,0 28.8 26.3 23.5 19,4 15.3 11.9 9,31 7,96 6,91 5,81 5.14
17 35.7 33.4 30,2 ' 27,6 24.8 20,5 16.3 12,8 10.1 . 8.67 7.56 6,41 5.70
18 37.2 34,8 31.5 28,9 26.0 21.6 17,3 13,7 10.9 9.39 8,23 7.01 6.26
19 38,6 36,2 32,9 30,1 27,2 22.7 18.3 14,6 11,7 10,1 8.91 7.63 6.84

20 40.0 37,6 34,2 31.4 28.4 23.8 19.3 15,5 12.4 10,9 9.59 8.26 . 7.43 •
21 . 41,4 38,9 35.5 32.7 29,6 24,9 20.3 16.3 13,2 11,6 10.3 8,90 8.03
22 ' 42.8 40.3 36.8 33,9 30.8 26,0 21.3 17,2 14.0 12.3 11,0 9,54 8.64
23 44,2 41,6 38.1 35,2 32.0 27.1 22.3 18.1 14.8 13.1 11.7 10.2 9.26
24 45,6 43,0 39,4 36,4 33.2 28.2 23.3 19.0 15,7 13.8 12.4 10,9 9.89

25 46,9 44,3 40,6 37.7 34,4 29.3 24.3 19.9 16.5 14.6 13,1 11.5 10.5
26 48,3 45,6 41.9 38,9 35.6 30,4 25.3 20.8 17.3 15.4 13.8 12.2 11.2
27 49,6 47.0 43.2 40,1 36,7 31.5 26.3 21.7 18.1 16.2 14,6 12.9 ll.R
28 51,0 48,3 44.5 41,3 37,9 32,6 27,3 22.7 18,9 16.9 15,3 13.6 12.5
29 52,3 49.6 45,7 42.6 39.1 33,7 28.3 33.6 19.8 17,7 16.0 14,3 13.1

30 53,7 50.9 47.0 43,8 40,3 34,8 29.3 24.5 20,6 18.5 16.8 15.0 13.8
40 66.8 63,7 59,3 55,8 51,8 45,6 39,3 33.7 29,1 26.5 24.4 22,2 20.7
50 79.5 76,2 71,4 67,5 63.2 56.3 49,3 42.9 37.7 34.8 32.4 29.7 28.0
60 92,0 88,4 83,3 79,1 ' 74,4 67,0 59.3 52.3 46,5 43,2 40.5 37.5 35.5

70 104,2 100,4 95,0 90.5 85.5 77,6 69.3 61,7 55,3 51.7 48.8 45.4 43.3
80 166,3 112,3 106,6 101,9 96,6 88,1 79.3 71.1 64.3 60.4 57.2 53.5 51.2
90 128,3 124.1 U8;l 113.1 107,6 98,6 89.3 80.6 73.3 69.1 65.6 61.8 59.2
100 140,2 135,8 129,6 124,3 118.5 109,1 99.3 90,1 82,4 77.9 74.2 70.1 67.3

7
P r o c e d e n c i a : Cntherinc M . T l i o m p * o n . Table <>/ p c r c c n t i i g c pnims u f th,• j r iIími í/iiiiíuii. Hio-
nictrika, V o l . 32 (1941). c o n permiso de los ¡mUircs y editores.
 l'I.NIl JlfllS

Apéndice II
L'IÍRCENTILT!S {(„)
DE LA
D I S T R I B U C I O N I DE S T U D E N T
C O N V G R A D O S DE LIBERTAD
( A R E A S O M B R E A D A = ¡>)

y s 'o.vv 'g.»lJ 'o.i j ."i 'li.M

i 63,66 31,82 12.71 6.31 3,08 1,376 1,000 0.727 0,125 0,158
2 9.92 6,96 4.30 2.92 1.89 1.061 0.816 0.617 0.2X9 (1.142
:i 5.K4 4,54 3.IK 2.35 1.64 0.978 (l.7f.5 0.584 0.277 0.137
4,60 3.75 2,78 2.13 1.53 0.941 0.741 0,569 0.271 0.134-

5 4.03 3.36 2.57 2.02 1.48 0.920 0,727 0,559 0,267 0,132
(i 3,71 3.14 2.45 1,94 1.44 (1.906 0.718 0.553 0.265 0.131
7 3.50 3.00 2.36 1,90 1,42 0.896 U.711 0.549 0.263 0.130
8 3.36 2.90 2.31 1.86- 1,40 o,i;X'.! U.'iCi 0,546 0.262 0.(30
y 3.25 2.82 2.26 1,83 1.38 0,883 0.703 0,543 0,261 0,129

10 3.17 2.76 2.23 1.81 1.37 0.X79 0.700 0.542 0.260 0,129
11 3.11 2.72 . 2.20 1,80 1,36 0.876 0.697 0.540 0.260 0.129
ía 3,06 2.68 2.18 1.78 1.36 0.873 0.695 0,539 0.259 0.128
13 3.01 2,65 2,16 1,77 1.35 0,870 0.694 0,538 (1.259 0.128
14 2,98 2,62 2.14 1,76 1.34 0.H68 0,692 0,537 0,258 0.128

15 2,95 2.60 , 2.13 1.75 1.34 0.866 0.691 0,536 0.258 0.128
10 2.92 2.58 2.12 1.75 1,34 0.865 0.690 0,535 0.258 0.128
17 2.90 2,57 2,11 1,74 1.33 0.863 0.689 0.534 0,257 0.128
18 2,88 2.55 2.10 1.73 1.33 0.862 0.688 0,534 0.257 0.Í27
1U 2,86 2,54 2,09 1,73 1.33 0.861 0.688 0.533 0.257 0,127

20 2,84 2,53 2.09 1,72 1.32 0.860 0.687 0.533 0.257 0.127
21 2.83 2,52 2.08 1.72 1.32 0.859 0,686 0,532 0.257 0.127
22 2.82 2.51 2.07 1,72 1.32 0.858 0,686 0,532 0.256 0.127
23 2.81 2.50 2.07 1,71 1.32 0.858 0.685 0,532 0.256 0,127
2-1 2,80 2.4') 2.06 1.71 1.32 0,857 0,685 0.531 0.256 0.127

25 2.79 2,48 2.06 1,71 1.32 0,856 0.684 0,531 0.256 (1.127
20 2.78 2.48 2,06 1.71 1.32 0.856 0,684 0.531 0.256 0.127
27 2,77 2.47 2.05 1,70 1.31 0.855 0,684 0,531 0.256 0.127
28 2.76 2,47 2.05 1.70 1,31 0.855 0,683 0.530 0.256 0.127
2a 2.76 2.46 2.04 . 1,70 1,31 0,854 0,683 0,530 0,256 0,127

30 2.75 2,46 2.04 1.70 1.31 0,854 • 0.683 0.530 0.256 0.127
40 2,70 2.42 2.02 1.6X 1,30' 0,851 0.681 0.52'J 0,255 0.120
CU 2.60 2,39 2.00 1.67 1.30 0.848 0,679 0.527 0,25-t 0.126
120 2.02 2,36 1,98 1.66 1.29 0.845 0,677 0.526 0.254 0.126
«L 2.58 2.33 1,96 1,645 1,28 0.842 0,674 0,524 0.253 0,126

PraceJí'iieiíi: R . A . l i s l i e r y F . Y n i c s . S t n i i u i c u l Tuhh-s j o r llinloníml, Agricultural u n j Me-

tliiul Kcseun/t (5." edición), T a b l a III. ü l i v c r and B o y d L i d . , l i d i m b u i g u , con
permiso de los autores y editores.
Apéndice ]ff

TABLA I. /Valores de la fundón distribución normal estándar*

<D(z) = f — L = e ' " ' 1 2 du = P(Z ¿ 2)

0 1 •>
3 4 5 6 7 8 9

-3.0 0.0013 0.0010 0.0007 0.0005 0.0003 0.0002 0.0002 0.0001 0.0001 0.0000

—2.9 ¡| 0.0019 0.0018 0.0017 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 j 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 ¡¡ 0.0035 0.0034 0.0933 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
—2.6 j 0.004" 0.0045 0.0044 0.0043 0.0041 O.OÍWO 0.0U39 0.003S 0.0037 0,0036
-2.5 ¡ 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.00,9 0.004S
—2.4 ¡ O.OOS2 0.0050 0.007S 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-23 0.0107 0.0 IW 0.0102 0.0099 0.0096 0.0094 0.0091 O.OOS9 0.0087 0.0084
22 0.0139 0.0156 0.0132 0.0129 -0.0126 0.0122 0.0119 0.0116 0.0113 0.0110
—2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0I5S 0.0154 0.0150 0.0146 0.0143
—2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0,0197 0.0192 0.0188 0.0183
-1.9 ! 0.0287 0.02S1 0.0274 0.026S 0.0262 0.0256 0.0250 0.0244 0.0238 0.0233
-1.8 5 0.0359 0.0352 0.0344 0.0335 0.0329 0.0322 0.0314 0.0307 0.0300 0.0294
-1.7 ¡ 0.0446 0.0456 0.042 7 0.04ÍS o.a: 09 0.0401 0.0392 0.03S4 0.0375 0.0367
-1.6 ¡ 0.0543 0.0537 0.0526 0.0516 0.0505 0.0495 O.OJS5 0.0475 0.0465 0.045J
-1.5 | 0.0668 0.0555 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0570 0.0559
O.OSOS 0.0793 0.0778 0.0764 0.0749 0.0735 0.0722 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0SS5 0.0S69 0.0Í53 O.OS58 0.0823
-1.2 0.1151 0.113.1 0.1112 0.1093 0.1075 0. J 056 0.1038 0.1020 0.1003 0.0985
-l.l 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1S4I 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.I6II
-0.8 0.2119 0j090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1 S94 0.1867
-0.7 0.2420 0.2389 0.23 5S 0.2327 0.2297 0.2266 0.2236 0.2206 0—177 0.2148
-0.6 0.2743 0.2/09 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.24S3 0.2451
-0.5 0.3085 0.3050 0.3015 0.29SI 0.2946 0.2912 0.2S77 0.2843 0.2SI0 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.322S 0.3192 0.3156 0.3121
-0.3 0.5821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0,3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0_JS97 0.3859
-0.1 0.4602 0.4562 0.4522 0.44S3 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4SS0 0.4340 0.4801 0.4761 0.4721 0.46SI 0.4641

• B. W. Lindgren. Stalisiical Throiy. New York: The Macmillan Co„ 1960.

 TABLA 1. (Continuación)

4>(z) = f ' — L e - ' ' 1 2 du = P(Z ¿ 2)

J-®v/2 n

: 0 1 2 3 4 5 6 7 8 9

0.0 0.5000 0.5040 0.50S0 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5598 0.5438 0.5478 0.5517 0.5557 0.55°5 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0,6480 0.6517
0.4 0.6554 0.6591 0.66Í8 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.70S8 0.712) 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.764: 0.7673 0.7703 0.7734 0.7764 0.7794 0.7S25 0.7S52
O.S 0.7S8I 0.7910 0.7939 0.7967 0.7995 0.S023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 O.S315 O.S 340 0.8365 0.S3S9
1.0 0.8413 0.8438 0.8461 0.84S5 0.850S 0.8531 0.S554 0.8577 O.ÍJ99 O.Í62I
l.l 0.SM3 0.S665 0.S6S6 0.8708 O.S 729 0.8749 0.6770 0.8790 0.S8I0 0.8530
1.2 0.SS49 0.8S69 0.SSS8 0.8907 O.S925 0.S944 0.S962 0.8950 0.8997 0,9015
1.3 0.9032 0.9049 0.9066 O.90S2 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9J06 0.941S 0.9430 0.9441
1.6 0.9452 0.9463 0.9474 0.94S4 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9648 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9700 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9762 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.979S 0.9S03 0.9S08 0.9SI2 0.9SI7
2.1 0.9821 0.9826 0.9S30 0.9S34 0.9S3S 0.9842 0.9546 0.9S50 0.9S5-1 0.9857
2.2 0.9S6I 0.9S64 0.9S6S 0.9S71 0.9874 0.9S78 0.9S8I 0.9SS4 0.9SS7 0.9S90
2.3 0.9Í93 C.9S96 0.9S98 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.994S 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0,9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.996S 0.9969 0.9970 0,9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.99S0 0.9981
2,9 0.9981 0.9982 0.9982 0.99S3 0.9984 0.9984 019985 0.9985 0.9986 0.9986

3, 0.9987 0.9990 0.9993 0.9995 0.9997 0.9998 0.9998 0.9999 0.9999 1.0000
 UNIVERSIDAD DE ANTOFAGASTA
FACULTAD DE CIENCIAS BASICAS
FACULTAD DE INGENIERIA

/r i :-: :-:-: : :-:-: :-:-: : : : :-:

TALLER DE APLICACION DE LAS TECNICAS.

DÉ CONTROL DE CALIDAD

•' • SR- MAGISTER RENE MALUENDA M."

ANTOFAGASTA - CHILE
 PARA EMPEZAR

Cuando te preparas para ir de viaje a una ciudad que no conoces, empiezas

mirando mapas y libros. Así determinas la mejor forma de llegar a la ciudad, qué
posibilidades de clientes hay en ella, quiénes son las personas en cada una de las
empresas que puedan pasar a formar parte de la clientela, y la mejor manera de
salir de la ciudad.

Prepararse para usar STATGRAPHICS no se diferencia de prepararse para un viaje

de negocios. Tienes que aprender :

- dónde están las teclas en el teclado del ordenador que uses con
STATGRAPHICS.
- cómo poner en marcha STATGRAPHICS.

- cómo están organizados los diferentes medios estadísticos de

STATGRAPHICS.

- cómo tener acceso a los muchos medios estadísticos que ofrece

STATGRAPHICS.

- cómo se comunica contigo STATGRAPHICS.

- cómo usar variables y ficheros para almacenar ios datos de STATGRAPHICS.

- cómo salir de STATGRAPHICS.

Este capítulo te explica todo esto con detalle para que puedas dar los pasos
básicos necesarios para usar STATGRAPHICS.

EL TECLADO BEL ORDENADOS.

Incluso para poder hacer las operaciones más sencillas en STATGRAPHICS,

necesitas saber algo sobre algunas teclas importantes en eltecladodel ordenador
(por ejemplo, la tecla ENTER, las teclas de función, y ias teclas de control del
cursor)- lo que hacen y dónde se encuentran. Las figuras 2-1, 2-2, y 2-3 muestran
tres de lostecladosmás comunes e indican la posición de estas teclas importantes.

1
 Tecla Backspace (Retroceso)
Teda Tab ¡Tabulación — r—Tecla Enicr (Entrada;
Tocia Esc (Escapoi —
Teclas para control
r
lóelas do función —
11 1 1 1
1 1
1
I
1 1

1 1

1
III 1 1 11 1
1
Tecla de — I L-Tecla Deletc (Bonrar)
Toda Cirl (Control) Barra . mayúsculas Tecla End (Finí
Teda Ail (Allomo) —1 espadadora
—Tocia Home (Casa)

Figura 2-1. Teclado del ordenador personal de IBM

 • Tecla Enter (Entrada)
Tecla Backspace (Reiroceso) •
(—Tecla Esc (Escape)
Tocia 'lab (Tabulador) —
Teclas de—, -Teclas para control
función I del cursor

1J i
i 1

|
C C • |
: 1

! »i i|

n n n n r r D i «i i ¡Ii

•
fech de mayúsculas
i

Tecla Ctrl (Control) -

r

Barra espadadora —'

Tocia de mayúsculas_J
II
I

I L
Tecla Delcte(Borrar)
Tecla End (Fin)
Tecla Alt(Alicmo)—1 L-Tccla Home (Casa)

Figura 2-2. Teclado del IBM PC AT

 Tecla Tab
(Tabulador) r- Tecla Backspace (Reiroceso)
Tecla Esc —, Teclas de función |—Tecla Home (Casa)
(Escape) | 1
•• •••• ••[
11

'1 1 1 'II 1 1 lll» 1

1 1 1

1
• • • • • • • • • • • • • r n 1
M 1 1

• • • • • • • • • • • c z 1
1
i IIII1IIIIIIIIII II I I . 1 1
,1 1 11 ll 1
11 1 1 1 1 " T
U 1i
Tecla de J Barra -J Tfccla de —' ^—Teclas para control del cursor
mayúsculas espadadora mayúsculas •Tecla End (Fin)
Tecla Ctrl - Tecla Ctrl- •Tecla Delete (Borrar)
(Control) (Control)
Tecla Alt (Alterno) —

Figura 2-3. Teclado de 101 teclas

 En esta guía (y, sobre todo, en este capítulo), aprenderás lo que hacen estas teclas
importantes. Pero hasta que te hayas familiarizado con su posición, pon una marca
en esta sección para que puedas volver a ella cuando te haga falta.'

Ahora estás listo para poner en marcha STATGRAPHICS.

PUESTA ER MARCEA DE STATGRAPHICS.

Hay tres pasos sencillos que dar para poner en marcha STATGRAPHICS. Pero,
antes de darlos, tienes que saber el nombre del directorio (una zona en el disco del
ordenador) donde se encuentran los ficheros de sistema de STATGRAPHICS. Si no
estás familiarizado con el ordenador y con los mandos de DOS (Sistema Operativo de
disco) usados en el ordenador, pídele a un amigo o a un compañero de trabajo que
te ayude a determinar el nombre del directorio de STATGRAPHICS y a poner en
marcha STATGRAPHICS.

1.- De ser necesario, enciende el ordenador y todo el equipo que tengas

conectado a él (la impresora, por ejemplo).

2- Cuando el ordenador esté listo para empezar a trabajar, verás en la panta-

lla un indicador de DOS (que generalmente es C: ). Tienes que ir a la zo-
na del disco (el directorio) donde se encuentran los ficheros de sistema de
STATGRAPHICS. Para ir a un directorio, se escribe CD (cambio de directo-
rio) seguido de la barra inclinada invertida, y del nombre del directorio, y
luego se pulsa la tecla Enter. ( La tecla Enter se usa, para indicarle al or-
denador que ya se ha terminado de escribir la información). Por ejemplo:
para ir a un directorio llamado STATG, escribe CB STATG al aparecer
el indicador de DOS.

C : CD STATG.

y luego pulsa la tecla Enter.

3.- Cuando el ordenador muestre el próximo indicador de DOS (C: STATG > en
este ejemplo), escribe
STATGRAF

C : STATG > STATGRAF

5
 7 pulsa la tecla Enter para poner en marcha STATGRAPHICS.
Después de esos tres pasos, en seguida STATGRAPHICS presenta en la pantalla
varias líneas explicativas (la primera línea, "Loading STATGRAPHICS...", indica que
se está cargando el programa).
Luego, STATGRAPHICS presenta una serie de mensajes en la pantalla. Primero se
ve el "indicador de derechos de propiedad" con detalles sobre el sistema de
STATGRAPHICS en uso, tal como se muestra en la Figura 2-4 (Si tu pantalla puede
mostrar colores (sí tienes un monitor de color), el indicador de derechos de
propiedad empezará con un color 7 cambiará a varios colores después de unos
momentos).

Figura 2-4. Indicador de derechos de propiedad de STATGRAPHICS

Luego se ve un mensaje, como en la Figura 2-5 , diciendo que STATGRAPHICS está

leyendo el directorio de datos. Esto significa solamente que STATGRAPHICS está
preparando unos datos que hemos incluido para usarlos durante las prácticas con
STATGRAPHICS.
 r ^

STATGRAPHICS in R«a4lnj SIAICAAfHICS 'dat» 'il lr»ctory * * ; rl«a«« wiit. -

|j ~. • •• -.i»—- •> w-:.
Sartal hunbtr: 1Z34S
U . n i . n : S.a
CopyrljM 138S-1SÍ1 SIÍC. !»«. an4 tlallalleal Craphlca Carp.r.tIon.
Lic."1.1 t.rtw.r.: All rljKta roaarvod. IMautKarlaaí rrproduct»on oí
m i l i.flw.r. la f r > M ) l t > < and vl.l.l.» U.S. CopyrljhL L>ui. CrapMca
i r l v » r » ara praprtatary praducta af Craphlo latinar. tyalana, Inc.
SIAtCIAPHICS U • rajlalarad Irada-ark «f SUtlatlcal Craphlca Cerp.

S*»l«n I M U i l l l I n j . Muí» patltnt. I M s utll t»k» « f«" xonant».

Figura 2-5. Mensaje de Lectura de datos del directorio de

STATGRAPHICS

Por fin, aparece la pantalla (presentación de información que llena la pantalla del
ordenador) llamada Menú principal, que se muestra en la Figura 2-6.

STATCRAPHICI ílalUtlc.t C r a p M c a Syctr-

DATA nOMCEnENI Ai«S S V S I W ITII Lililí lint SERIES moccounts

A. Data *P.^na je-»cnt L. Foracaat Ir.j
i. S^aCan Cfwlrarwant ti. Ouallty Control
C. J t » p e r t Urjtor and C r a ^ M c s 'aplay H. SnootMn;
B. Crapr.tca «Urtbvita» 0. lina Sarlat Analycli

rtoniMC bmo otscicriut siAriirics AOVAKCtO FROCIDURÍS

t. Plottlnj í«ntlll«t P. Calador leal Data Analista
T. Dazerlptlve r.«thod« O. nultlvarla'.a nalho¿«
C. Eitl-tllon Tallin, R. KonparanaIr 1c nalhodc
H. DitIr 1button F-jnctlona S. Sanpltn;
C. I aratory Data Anal^ata I. Exparlnanlftl D.xtjn

O.0VA Í«J RÍCRESÍlCM OKOLVSIS nATHEnftJ J C AL nnD USCS PROC EDURES

J. Apaléala ai Carlanca U. natKa-attcal TuncClona
K. Ra.ratalori C^líttf I I U. Haerott and 'Jaer f'Jncllcre

r .-ijeo' cur asr * kay a * te' hl jhi I jh t ~da a 1 r ad "aaol t on.' I h a n ' p r m CttIEft.
Z l i W S SSavacr Ifrt.er S -'J^TZi ?Uara ' I OCnd ' 9C.vtca XBQglt?
jrfOIJ'" ~ Dlaplat,

Figura 2-6. Menú principal de STATGRAPHiCS

7
 Como verás en seguida, el Menú principal facilita el acceso a los instrumentos
estadísticos ofrecidos por STATGRAPHICS. Pero antes tienes que enterarte de una
zona muy especial en las pantallas de STATGRAPHICS - la línea de estado.

LA LINEA DE ESTADO

Mira las tres últimas líneas del Menú principal que se muestra en la Figura 2-6.
Estas tres líneas, juntas, forman la línea de estado. Excepto en los casos en que se
esté mostrando una gráfica, siempre verás la línea de estado al final de la pantalla.

Aunque la línea de estado da mucha información, hay tres zonas que debes
observar de cerca en esta guía : la primera línea, la del medio y los extremos de la
última línea.

STATGRAPHICS usa la primera línea para mostrar instrucciones, información, y

mensajes sobre errores. Por ejemplo : la primera línea de la línea de estado en la
Figura 2-6 dice:

"Usa las teclas del cursor para seleccionar la sección deseada".

Luego pulsa ENTER.

En este caso STATGRAPHICS dice cómo usar el Menú principal, sobre lo que
aprenderás más en la sección siguiente.

STATGRAPHICS usa la última línea para informar sobre siete aspectos diferentes.
Pero hay dos zonas especiales que debes vigilar durante tu trabajo con la guía : los
extremos derecho e izquierdo de la última línea.
Como se ve en la Figura 2-6 , el extremo izquierdo de la última línea dice :

ÍNPUT

STATGRAPHICS usa esta zona de la línea de estado para decirte lo que está
haciendo el sistema. Cuando STATGRAPHICS muestra la palabra INPUT en esta
zona, el sistema está esperando a que tú le digas lo que quieres hacer. Cuando
STATGRAPHICS muestra la palabra PROCESS en esta zona, el sistema está haciendo
lo que tú le hayas dicho que haga. Conforme vayas por la guía verás que
STATGRAPHICS muestra, por lo menos, otra palabra en este zona. Fíjate con
cuidado a ver si puedes determinar lo que STATGRAPHICS te diga.

La. segunda zona especial, en el extremo derecho de la línea final, no aparece en la

Figura 2-6. ¿Por qué? Porque esta zona solamente se muestra después de que se
haya seleccionado un instrumento estadístico con el que trabajar. Antes de que
termines de leer este capítulo verás aparecer la palabra BAR en esta zona. Mira a
ver si la ves y si puedes determinar lo que STATGRAPHICS te quiere decir.

Ahora estás listo para enterarte de los procedimientos estadísticos que ofrece
STATGRAPHICS, y para aprender el sistema de menúes que usa STATGRAPHICS
para organizarlos.

LOS MENUS.

La organización del sistema de menús de STATGRAPHICS es semejante al

organigrama de corporación de Worldwide Products (porciones del cual se muestran
en la Figura 2-7)

Organigrama de Worldwide products.

Contabilidad
Personal
Ventas
Mercadotecnia
Relaciones públicas
Distribución de productos
Gestión de productos
Farmacéuticos
Cosméticos
Alimenticios
Investigación y desarrollo

9
 Los empleados de Worldwide Products están agrupados en divisiones como
contabilidad, personal, ventas, mercadotecnia, e investigación y desarrollo. Cada
división de la compañía tiene varias secciones. Por ejemplo : dentro de la división
de mercadotecnia hay secciones separadas para relaciones públicas, distribución de
productos y gestión de productos. Dentro de la sección de gestión de productos hay
tres gerentes para tres tipos diferentes de productos - farmacéuticos, cosméticos y
alimenticios.

Cuando se pone en marcha STATGRAPHICS, se ve el Menú principal (véase la

figura 2-65. En forma parecida a como el organigrama usa las divisiones de
contabilidad, personal, ventas, mercadotecnia, e investigación y desarrollo para
agrupar a los empleados de acuerdo con la función principal de su trabajo, el Menú
principal de STATGRAPHICS usa seis categorías para agrupar los medios estadísticos
de acuerdo con su función principal:

- Gestión de datos y Utilitarios de sistema

- Trazado y Estadística descriptiva
- ANOVA y Análisis de regresión
- Procedimientos de series temporales
- Procedimientos avanzados
- Procedimientos matemáticos y del usuario.

ISIAICRAPHICS S t . l l i t l c . l Cr.pMct Syite.

DOTO nflNACEfiEKr amo s v s í t n u n u m s Uní SERIES TROCEDURES

A. Dita f U n . 3 , „ , „ t L. ForrciiLlnj
B. Env!ron«<»nt n. 0u«11ly Control
C. Rcport Ur!t«r »n<| Cr«pMc« I i p l i y M. SnoolMrtj
O. Cr.pMc» A t t r l b u t , , O. l l - o S*r1«t Anslyct!
PLOrilKC AMO OESCRIPIIUE SIBIISIICS APUAKCE» PROCEt>U«ES
S. P I a 11 Inj functlons P. C*t*sorlc«l D»t» ( t m l ^ c u
P. D « i c r l p t l u « ftalhods O. n u l t l u . r l . t . n<thod<
C. £.U~«tlon «nd I f i t (nj R. Honp»r»n»lrlü Kalhoda
H. D l u t r l b u t l o n r u n c t l o m S. IIn5
I. E*plor«tory 0«t« A n « l v c l » T. Exp«rl~fntil Declgn
AMOUA ANO RECRESSIOM AHALVSÍS

V
Figura 2-8. Menú principal de S T A T G R A P M í C S

10
 El Menú principal de STATGRAPHICS también hace referencia a 22' categorías
secundarias dentro de las seis categorías principales (véase la figura 2-6)- Las
categorías secundarias como Gestión de datos, Entorno del sistema, y Escritor de
informes y Visualizador de gráficas (en la categoría de Gestión de datos y Utilitarios
del sistema) del Menú principal de STATGRAPHICS son similares a las secciones de
relaciones públicas, distribución de productos, y gestión de productos (en al División
de mercadotecnia) del organigrama.

Hasta aquí, el Menú principal de STATGRAPHICS es igual que el organigramA de

Worldwide Products. Pero en el organigrama hay tres categorías secundarias
productos farmacéuticos, cosméticos y alimenticios que figuran como funciones de
la gestión de productos. ¿Dónde figuran los instrumentos estadísticos en el Menú
principal de STATGRAPHICS? Por ejemplo : ¿Dónde están los instrumentos
estadísticos para la categoría secundaria de Gestión de datos?

A diferencia del organigrama, STATGRAPHICS no puede mostrar de una vez todos

los medios estadísticos de que dispone. Por ello, cada categoría secundaria del
Menú principal de STATGRAPHICS tiene otro menú asociado con ella un menú
secudario. Cada menú secundario indica los instrumentos estadísticos que hay
disponibles en ese categoría secundaria.

La sección siguiente de esta guía explica cómo ver los menús secundarios en la
pantalla. Pero, por añora, examina la Figura 2-9 que muestra el menú secundariio
para la categoría secundaria de Gestión de datos.

s
i
COJO M&XNCENEXT

1. D l « p t i y D*l« D l r a c t o r y
2. f 1 I » Op«r*»t!s>*«
3. I - c e r l C»t« r i l t a
4. Expert D»t* f l l n

t ' " U i « CARNR k s y i TE M j M I j M dnlrcd prOC«ÁUR•. • THAN p r « i c EHTER"..""

" :(!<:? 3S«v«r «Prt.er S ' " ' K t ' ': • 8C~d • • SO«vlc. lPQuIL
JKPUI DlipWy

F i g u r a 2 - 9 . M e n ú s e c u n d a r i o d e gestión de d a l o s

11
 El menú secundario de Gestión de datos que aparece en la Figura 2-9 indica los
procedimientos estadísticos usados para meter y manejar los datos el
procedimiento de Operaciones con ficheros, el procedimiento de Importación de
ficheros de datos, etc. Observa que el título del menú secundario (enmarcado en la
parte superior de 1 a pantalla) es también el nombre de la categoría
secundaria Gestión de datos. Por ello, en el resto de la guía, la expresión menú
secundario hace referencia a una categoría secundaria (como Gestión de datos o
Funciones de trazado) del Menú principal. Además, en el resto de la guía el término
procedimiento se refiere a cualquiera de los instrumentos estadísticos (como
Operaciones con ficheros e Importación de ficheros de datos) ofrecidos por
STATGRAPHICS.

Ahora que sabes lo que es el Menú principal y lo que son los menús secundarios,
estás listo para aprender como llegar a un menú secundario y seleccionar un
procedimiento estadístico.

SELECCION DE PROCEDIMIENTOS.

Imagínate que la sección de personal quiere que les hagas una gráfica de barra.
(La gráfica de barra, una gráfica bastante común, usa barras horizontales o
verticales para representar cantidades). La gráfica de barra tendrá que mostrar el
número de empleados en cada una de las cinco divisiones de Worldwide Products:
contabilidad, personal, ventas, mercadotecnia, e investigación y desarrollo. ¿Por
dónde empezar?

Cuando pones en marcha STATGRAPHICS y el sistema presenta el Menú principal,

el cursosr (el subrayado intermitente que indica en qué parte de la pantalla estás)
se encuentra en el menú secundario de Gestión de datos (véase la Figura 2-10).

12
 SI6ICPAPHICS Sta11 titea i CripMct SyttcM
DOTA n««nCCn£Mt ANO SYSIErt U I t L I T I ES TIME SERIES PROCEDURES
A. Data Hana3»n«nt L. Forecaítlns
8. Syct«« Env/l r on M «nt n. C u t l l l y Control
C. fUport U f i t t p and CrapMcc Raplay K. Snoothln?
0. Cr.phlci «tlrlkutil 0. !!..« Serlas A n á l i s i s
PLOITIMG AHO CESCR1PIIUC SJAIISI1CS APUAMCED PROCEDURES
£. P l o t t l n j f u n c l l o m P. C i l r j o r l c a l Data A n a l y t l l
T. Dncrl¡>tlv« flilheái 0. fluUlvarUtr MetSodc
C. E i t l M i t l e n f i T r i t l n j R. Honptrantlrlc Methode
K. 0fstrí6ut(on Tunctlonc S. S a - p U n j
1. Exploralory 0*1* A n t l y i l t 1. Experimental Deslgn
AÍ10UA AHO RCCRtSSION BK01YS1S nATMEnATICAL AMD USER PROCEDURES
J . Anal^tlc «T Varíate* U. P i t h f N i U c a l Funetlons
K. Rajrtcclan ftnit^cU V. Raeros 4nd Uccr funcltonc

• H 'Ui<'curxor'k l yc lo h l j M l j h t d e i l r r d ««ellon. Ihan p r o » EHTER.'.'

2Edlt JSavacr « r n . c r S , , r . tCo . • 7U»r« 8C-d S D . v l c 18Qult':
jwut Dltplay

Figura 2-10. El menú principal

Nota también que "Data Management" (Gestión de datos) aparece enmarcado en

color. Cuando una parte del Menú principal o de un menú secundario aparece
enmarcada en color, decimos que está "seleccionada". (Si tienes monitor de color-si
la pantalla del ordenador puede mostrar muchos colores-el enmarcado puede ser
del color que elijas (o puedes dejar el color que STATGRAPHICS lo selecciones). Si
la pantalla puede mostrar un color solamente (se trata de un monitor monocromo),
el enmarcado siempre aparece en ese color).

El primer paso para seleccionar un procedimiento estadístico es ir al menú en el

que esté el procedimiento. Para seleccionar un menú secundario desde el Menú
principal, usa las teclas que controlan el movimiento del cursor. A estas teclas las
llamamos teclas de control del cursor, y están situadas en la parte derecha del
teclado (de ser necesario, consulta de nuevo los diagramas de teclado en las Figuras
2-1, 2-2, 2-3).

Antes de seguir adelante, prueba a pulsar la tecla de control del cursor que tiene
la flecha hada la derecha. El cursor (y la selección) se van a la derecha, al menú
secundario de Pronóstico. Pulsa la tecla con la Flecha hacia abajo. Se selecciona el
menú secundario de Control de calidad. Prueba con la tecla End (fin). El
seleccionado ahora es el último menú secundario-Macros y Funciones del usuario.
Pulsa la tecla con la Flecha hacia la izquierda. Se selecciona el menú secundario de
Análisis de regresión. Pulsa la tecla con la Flecha hacía arriba. Se selecciona el

13
menú secundario de Análisis de Varianza. Para terminar, pulsa la tecla Home
(casa). La selección vuelve al primer menú secundario- Gestión de datos. Como ves,
se usan las teclas de control del cursor para moverlo (y seleccionar) diferentes
puntos de la pantalla.

Antes de volver a la tarea original, pulsa la tecla de función Fl. STATGRAPHICS

muestra una pantalla que contiene información para ayudarte (véase la Fig. 2-11).
Ezcepto en los casos en que se esté viendo una gráfica, la tecla de función Fl
(Help) (Ayuda) está siempre a tu disposición - para recordarte cómo llegar a un
procedimiento estadístico o para describir uno que quieras emplear. Mira ahora la
línea de estado. La primera línea te dice "Press Esc to return" (Pulsa Esc para
volver). Pulsa la tecla Esc (Escape). El sistema vuelve a la pantalla de
STATGRAPHICS en la que estabas - el Menú principal.

STATCfiAPHlCS On-LIno Halp F a e l l l t y

SIATC&APH1CS la l « l » j r » t « 4 «yeta** «f a l o t l a t i e a l and frophlca procadurva

dealjnod to é l i l i t w t i r i |n •xplorlnj »nd nodaltnj d«ta. Iho consista
of ovar 2S8 functloni « r j i n l i t ^ Into fc M j o r catajoria» »n4 22 t u b c i t a j e r l i t
<tub««nuc). I® p r p e t t i i prtct4uri» you f t r s t calact • sub«anu and thart chooto
tha daslrad functlon f r o « that tubMinu.
To salaet tho d««!rad sub«fnu # uta UP
tho Arrow haya («calad on th«.rl)Nt «Ido HOnl AfiROll • PCUP
of yowr h*yboard. Novo tha M s h l l j h t i n j (MI* 7 91 s
to tha daalrad aubning ind proas tha
Kntar k i y . LEFT RICIII
Vou can alto Indícalo tha dostrad X S V
nRROU nRROU
procoduro b^ o n t o r i n j tho eanntnd nana
and p r r t t l n j tho Cntcr kty, or by 5 s-
o n t o r f n j tha l o t t a r or nu»*b«r I d a n t l f y l n j
your ehotca and p r a u l n j tha Entar hay. DOUH
EKD fiRROU PCDM
2 1 3
1

' ~ Prt*« PjUp'or PjDn for *ero halp.* Prass I t o te'ratCirn. •* ' '• j
lHe 2Ed11 3Savfcr « P r i t e r S . 4. &Co. ?Uar» 8C"d SDovlca 189ull-
lhFUT 01 cp1«y

Figura 2-11. Servicio de ayuda en linea de STATGRAPHICS

Ahora estás listo para volver a la tarea original- producir una gráfica de barra de
los empleados en cinco divisiones de Worldwide Products. El menú secundario de
Funciones de trazado contiene el procedimiento de Gráficas de barra. Para producir
una gráfica de barra tienes que ir a menú secundario de Funciones de trazado.
Pulsa la Hecha hacia abajo (control del cursor) hasta que quede seleccionado el
menú secundario de Funciones de trazado (véase la Figura 2-12).
(Si pulsas la Flecha hacia abajo más veces de las necesarias, usa la Flecha hacia
arriba para corregir el error).

14
 SIBTCROrHICS Statlatlcal C r a p M e a Syala»

Oflifl no«BCsn£«r AXD SVSIEJI U T Í L I U E S lint SERIES PRDCCDURES

A. Data rwnasanant L. Peracaatlng
8. Saltan CnvIronMsnt n. Duallty Control
C. Raport Ur.ltar and C r a p M e a R«pl»y H. S-oolKlnj
D. C r a p M e a Attrlbutaa O. Tt«a tarta* Analyala

PLOTTIHC ANO DISCRlPTIVf IIOIIST1CJ nevando moctcnixcs

t. floltlnj;Funotloñd P. Catasarlcal Data Analyaia
P. Daacriptlva Nothodi g. nultlvarlata nathoda
C. Iitlnatlon ini Taitlnj R. Honparanatrle Rathoda
H. Dlatrlbutlan Punctlana íifpllnj
X. Kttploratary Data Bnalysla T. tiiparlnanlkl Daatgn
A.MOVA ANO R5CRÍSSI0H BNOLVSIS nATHEnniICBL AKD USER PROCEDURES
J. Ana 1 ya 1 a of Uarlanca U. HathaHatlcal Punctlona
K. Rasraaalon Analyala V. rtacroa and Ummr Punctlona

tHalpfj 2 W U Í S 3S»vao^ V r t i o r T V « r i " SCnd'--' SDáwloa ISQuItj

DUpIay

V /
Figura 2-12. Menú principal con selección del Menú secundario de
Funciones de trazado

A continuación tienes que ver los procedimientos (instrumentos estadísticos)

disponibles en el menú secundario de Funciones de trazado. Una vez seleccionado
este menú secundario de Funciones de trazado, pulsa la tecla Enter. (Se usa la tecla
Enter para decirle a STATGRAPHICS que vaya al menú secundario seleccionado para
procesar lo que se selecciones en el menú secundario). STATGRAPHICS presenta en
la pantalla el menú secundario de Funciones de trazado en la pantalla (véase la
Figura 2-13). Este menú secundario indica que hay siete procedimientos
(instrumentos estadísticos) uno de los cuales es Gráficas de barra.

PLOIJlKC Fl'KCJJOnS

1. X-V Lina and Seatlarplota

2. f.j( t lp¡ a X-V Plata
3. X-V-Z Lina and Scatlarplol»
4. n u l t l p l a X-Y-Z Plotí
5. Earcfcarlc
l. PIccNirtt
?. Co«Fon»n» Llnr Charla

"''"^U»* cui-ior Wsy» U M j h l l j ' - t dcalrvd prc»c»dur«. 7h»n*pratfl E K T E R." .

JH«lp-'" ?í¿lt Jl*wcr Ifrlicr S tCo-"' 7V*rí" P C S D e v l c a lBQvjlt 1
¡fPUJ D i . p l «y

Figura 2-13. Menú secundario de Funciones de tra?.adu

15
 Desde un menú secundario se llega a un procedimiento de la misma forma que se
llega a un menú secundario desde el Menú principal- empleando las teclas de
control del cursor. Pulsa la Flecha hacia abajo varías veces hasta que quede
seleccionado el procedimiento de Gráficas de barra. Luego pulsa la tecla Enter para
activar la selección en el menú secundario y llegar al procedimiento de Gráficas de
barra. STATGRAPHICS muestra la pantalla de entrada de datos para la Gráfica de
barras (véase la Figura 2-14 ) la primera de varias pantallas asociadas con el
proceso de Gráficas de barra. En la próxima sección, aprenderás lo relacionado con
las pantallas de entrada de datos.

0trcb*rL«
D*t» vvctors: rS-'***'*}" s
r -
f-- 1 • • i

>t -

Prlnary labala: ¡ ^ : ~ ' _ _ . . . . .

Saeondary labal*: "i

Tabulata: Va*

Error b a r V T " J w " > " "

•*" 1 C c p l a t a Inpul H a l d a t n i prata T i . '
lH«lp i' ZEJIt 3Savacr «Prtacr S • *>• : tCo Alara' 8C~i SD.vlc. íeOultí
• DIcplay BftR : .

J
Figura 2-14. Pantalla de entrada de datos para Gráficas de barra

Nota: En esta guía se usa el Menú principal y los secundarios para llegar a los
procedimientos estadísticos. Pero STATGRAPHICS permite emplear mandos (como
BAR para el procedimiento de Gráficas de barra) para llegar a los procedimientos
estadísticos. Una vez te familiarices más con los procesos de STATGRAPHICS,
podrás usar mandos para llegar a los procedimientos de manera más directa que a
través de los rnenús.

Observa que cuando llegas a un procedimiento estadístico (como el procedimiento

de Gráficas de barra), STATGRAPHICS muestra el nombre del mando asociado en la
línea de estado en el extremo derecho de la tercera línea (véase la Figura 2-14 ).

16
PANTALLA DE ENTRADA DE DATOS.

Mira la pantalla de entrada de datos de Gráficas de barra en la Figura 2-14.

Observa que :

- la palabra "Barcharts" (Gráficas de barra) aparece en la parte superior de la

pantalla.

- hay cinco grupos de palabras a la izquierda de la pantalla (Data Vectors,

Primary Label, etc.).

- cada grupo de palabras tiene un cuadro a la derecha.

- si la pantalla es de color, un cuadrado (el que está al lado de las palabras "Data
Vectors") aparece destacada de un color diferente del que tienen los otros.

- un cuadrado (el que está junto a la palabra "Tabúlate") ya tiene información en

el.

La palabra "Barcharts" (Gráficas de barra) en la parte superior de la pantalla

indica que ésta es la pantalla para la entrada de datos para el procedimiento de
Gráficas de barra. Las palabras a la izquierda de la pantalla se llaman nombres de
campo, y los cuadrados adyacentes se llaman campos. Campos son zonas de la
pantalla usadas para la entrada de datos o para decirle a STATGRAPHICS lo que se
desea hacer. Los nombres de campo indican la información que se debe escribir en
los campos correspondientes.

E cuadrado que aparece diferente en un monitor de color se llama el campo

activo. El campo activo siempre es el campo en el que se encuentra el cursor. Por
eso, conforme se mueve el cursor de campo a campo, cambia el campo activo. (Nota:
Si la pantalla tiene un solo color, todos los campos son del mismo color, pero el
campo activo es el que tiene el cursor).

Observa también que STATGRAPHICS ya ha puesto la palabra Yes (Sí en el campo

Tabula te (Tabular).

Cualquier palabra o número puesto por STATGRAPHICS en un campo se llama

opción por defecto. La opción por defecto que STATGRAPHICS ofrece es el valor
más comúnmente usado en ese campo. Si tú no indicas un valor diferente en el
campo, STATGRAPHICS usa la opción por defecto al procesar el procedimiento
estadístico.

17
 A veces, el campo que contiene la opción por defecto es también un campo
conmutable uno en el que no se puede poner información, pero cuyo valor se puede
cambiar. ¿Cómo se puede cambiar el valor si no se puede meter información?.

En la próxima sección aprenderás cómo poner datos en un campo y cómo cambiar

el valor del un campo conmutable.

EHTRADA DE DATOS.

Ahora que ya has llegado a la pantalla de entrada de datos para Gráficas de barra
(véase la Figura 2-15), estás listo para decirle a STATGRAPHICS el tipo de gráfica de
barra que deseas producir. Se quiere crear una gráfica de barra sencilla de los
empleados de Worlwide Products para mostrar el número de empleados en cada
una de las cinco divisiones.

I.reli.rtl

Cata vact.rm:

frlnary lihlii •rerrnitT

Wo.ft4.ry l i x i n E S g U S - T ? f e V J .H(CTtffT3igg3¿¿52rrSgST'-r ? r '.'i-r- n
I . k u U l a ' y.a

Irr.r H r . .
3Í.WI0P <írt«s2 sEGSí TV»I-«?!Í SP.VÍC IBOUHÍ
Dl.pl.y • MJÜE3LÍ

Figura 2-15. Pantalla de entrada de datos para Gráficas de barra

i d
 Primero., tienes que darle a STATGRAPHICS los datos que quieras analizar -
información sobre las divisiones en las que trabajan los empleados. Para este
ejemplo vamos a suponer que hay un total de 15 empleados y que están repartidos
por las cinco divisiones en la forma siguiente:

1 empleado en la División 1 (Contabilidad)

2 empleados en la División 2 (Personal)
3 empleados en la División 3 (Ventas)
4 empleados en la División 4 (Mercadotecnia)
5 empleados en la División 5 (Investigación y desarrollo).

Cuando aparece por primera vez la pantalla de entrada de datos para Gráficas de
barra, el cursor se encuentra en el campo Data Vectors (Vectores de datos); es decir,
el campo Vectores de datos es el campo activo. Escribe los números siguientes en el
campo de Vectores de datos (cerciórese de poner entre los números un espacio
como delimitador):

122 3 3 3 4 4 4 4 5 5 5 5 5
Como verás, los números representan a los empleados según la división en la que
trabajan un empleado en la división 1, dos empleados en la división 2, etc. Si te
equivocas al escribir los números, puedes usar la tecla Backspace (Retroceso) para
borrar hacia atrás hasta llegar al error y poder escribir correctamente los números.

No hace falta usar etiquetas (nombres como Contabilidad, Personal, etc.) para las
barras de un trazado tan sencillo, así que omite los campos Primary habéis y
Secondary Labels (Etiquetas primarias y secundarias).
¿Cómo se va de campo a campo en la pantalla de entrada de datos? Pulsa la
Flecha hacia abajo (control del cursor). El cursor baja una línea en el campo Data
Vectors. Pulsa la tecla End. El cursor va al principio de la línea. Prueba la Flecha
hacia la derecha y la Flecha hacia la izquierda. El cursor se desplaza una posilción
en la dirección correspondiente. Para pasar de un campo a otro en la pantalla de
entrada de datos usa la tecla Tab.). Así pues, para pasar el cursor al campo Tabúlate
y activarlo, pulsa la tecla Tab tres veces.

Antes aprendiste que no se puede meter información en un campo conmutable,

pero que se puede cambiar el valor que contiene. ¿Cómo es posible? En un campo
conmutable, STATGRAPHICS pone todos los valores posibles. Pulsando la Barra
espadadora repetidas veces se pasa (conmuta) por el ciclo de todos ios valores
posibles. Después de activar ei campo Tabúlate (con el cursor dentro de él), pulsa la
Barra espadadora una vez. Ahora el campo Tabúlate contiene la palabra No. Pulsa

19
la Barra espadadora otra vez. El campo Tabúlate tiene de nuevo la palabra Yes (sí).
Es decir, STATGRAPHICS da los dos valores posibles para este campo-Yes y No- y tú
cambias (conmutas) el valor en el campo pulsando la Barra espadadora hasta llegar
al valor deseado.

Antes de producir la Gráfica de barra, hay una cosa más que tienes que saber en
relación con la entrada de información en las pantallas de STATGRAPHICS cómo se
comunica STATGRAPHICS contigo por medio de señales auditivas. Lo aprenderás en
la próxima sección.

SEÑALES AUDITIVAS.

Si tu ordenador puede producir sonidos, STATGRAPHICS usa dos señales

diferentes para comunicarse contigo. Las llamamos trino y bocina. Estas señales te
dicen que has hecho un error.

En este momento, la pantalla del ordenador debería aparecer como se muestra en

la Figura 2-16.

D*t* vtotorct

« 7*> «7 ** . ** C. I WVÍVTÍ

pn«ry Í.b.u: » i r ^ r s ^ ' T ^ ^ a W

Jacarear* labal.:

ItUUn: Vaa

Crror

Figura 2-16. Pantalla de entrada de datos para Gráficas de barra con los
d3tos de los empleados

Ti:>i la tercia Tab para activar el campo Error Bars (Barras de error). Luego pulsa
la cecia cy varias veces. El sistema hará sonar un trino cada vez que pulses la tecla
F5. para decirte que, en este momento, la tecla F5 no hace nada. (De hecho, el

20
sistema hará sonar un trino cada vez que pulses cualquier tecla que no sea
adecuada para la acción a llevar a cabo).

Ahora escribe tu nombre de pila en el campo Error Bars y pulsa la tecla de

función Fó (Go) (Adelante) para decirle a STATGRAPHICS que procese la
información puesta en la pantalla. El sistema hace un sonido de bocina para
indicarte que hay una entrada que no está bien. ¿Oué es lo que está mal? La
primera línea de la linea de estado explica el error:

ERROR : cannot plot error bars when data is being tabulated. (No se puede trazar
barras de error mientras se tabulan datos).

Siempre que oigas la bocina, mira la línea de estado; comprueba la información

entrada e intenta de nuevo.

Antes de que se pueda procesar esta pantalla tienes que corregir el error-quita tu
nombre del campo Error Bars. Usa la tecla Tab para activar el campo Error Bars, y
luego borra tu nombre con la tecla Delete (Borrar), letra por letra. Ahora pulsa F6
(Go) (Adelante). ¿Qué pasa?.
STATGRAPHICS muestra una pantalla nueva llamada Opciones de Gráficas de barra
(Véase la Figura 2 -17 ) y hace sonar la campana para decirte que el sistema te está
esperando. Observa que se usa la tecla de función F6 (Go) (Adelante) para decirle a
STATGRAPHICS que procese la información.

Celor Ftil

Figura 2-17. Pantalla de opciones pora C-rúfie:;."; ue bnrra

21
 Como se ve en la Figura 2-17, la pantalla de Opciones de Gráficas de barra
muestra (y permite que se cambien) muchas opciones por defecto, incluso el título
en la parte superior de la gráfica de barra. Vamos a usar las opciones por defecto
en esta pantalla, así que estás listo para generar la gráfica de barra. Pulsa F6 (Go)
(Adelante) y STATGRAPHICS mostrará en la pantalla la gráfica de barra de
empleados por número de división (Véase la Figura 2-16).

O 1 2 3 * S

Figura 2-18. Gráfica de barra de los empleados por número de división

Ahora que ya has generado la gráfica de barra, estás listo para volver al Menú
principal. Siempre que quieras terminar el proceso en marcha o salir de la pantalla
en uso, pulsa la tecla Esc (Escape). Para volver al Menú principal, pulsa la tecla Esc
varias veces hasta que aparezca el Menú principal en la pantalla. (Si pulsas la tecla
Esc desde el Menú principal, STATGRAPHICS te preguntará si quieres terminar la
sesión (salir de STATGRAPHICS). Para corregir el error y volver al Menú principal,
pulsa la letra N (No) en el teclado).

¡Enhorabuena! Has aprendido mucho sobre cómo usar STATGRAPHICS. Pero hay
unas cuantas cosas más que tienes que aprender antes de pasar al Capítulo 3-
Tienes que entender como usar títulos y variables para almacenar los datos de
STATGRAPHICS, y tienes que aprender los pasos apropiados para salir de
TT i Tí^c i D'u rp-C
FICHEROS T VARIABLES

Cuando se empieza un proyecto, lo primero es reunir los materiales necesarios.

Por ejemplo, si durante el fin de semana planeas archivar los papeles que se hayan
amontonado en una esquina de la mesa del despacho, es probable que durante la
semana vayas a buscar carpetas, etiquetas y bolígrafos de colores y que los guardes
en un cajón hasta el fin de semana cuando estés listo para empezar a archivar.

Antes de usar un procedimiento de STATGRAPHICS, tienes que reunir todos los

materiales necesarios. En el caso de los procedimientos de STATGRAPHICS,
generalmente los materiales son variables que contienen juegos de valores de datos
relacionados. Por ejemplo, acaso quieras emplear una variable llamada
complaints (quejas) para tomar nota de comentarios negativos recibidos sobre las
hamburguesas de Worldwide Products. También podrías usar una variable llamada
hamburgers para tomar nota del peso de las hamburguesas conforme salen de la
línea de producción. Como en el caso de las etiquetas en los archivos, se puede
modificar (editar) las variables siempre que no se las esté usando en un
procedimiento de STATGRAPHICS.

De la misma manera que usas un cajón para guardar las carpetas y el resto de los
materiales hasta el fin de semana, en STATGRAPHICS se usa un fichero para
almacenar una o más variables relacionadas. Los ficheros permiten encontrar
fácilmente las variables a la hora de usarlas. Por ejemplo, puedes emplear un
fichero llamado QUALITY (CALIDAD) para agrupar las variables complaints y
hamburgers (quejas y hamburguesas), puesto que las dos se relacionan con la
calidad de fabricación de las hamburguesas de Woriwide Products.

Para comprender más fácilmente el concepto de ficheros y variables de

STATGRAPHICS, piensa en un archivador de oficina. En el archivador empleas
carpetas para guardar documentos relacionados. Por ejemplo, un archivador
llamado CORPORACION para guardar comunicaciones distribuidas a toda la
compañía y listas de números de teléfono de los empleados. O una carpeta en el
archivador llamada PERSONAL para guardar listas detalladas de las horas que hayas
trabajado y de las tareas que hayas llevado a cabo. Las carpetas se llaman ficheros
en la terminología de STATGRAPHICS, y las hojas con información dentro de las
carpetas se llaman variables.

En tu trabajo, usarás muchos ficheros y variables con información sobre

diferentes aspectos del funcionamiento de Worldwide Products. En los Capítulos 3 y
4, aprenderás cómo crear ficheros y variables. En el Capítulo 5.. aprenderás cómo
tomar ficheros y variables de otras fuentes y usarlos con STATGRAPHICS. En otras

23
partes de la guía usarás ficheros y variables que te hemos proporcionado con
STATGRAPHICS. Si instalaste los juegos de datos muestra al instalar STATGRAPHICS
en el ordenador, esos ficheros y variables están preparados para que los uses.

Lo último que tienes que aprender es cómo salir de STATGRAPHICS. La próxima

sección describe los pasos que tienes que dar para hacerlo.

SALIDA DE STATGRAPHICS.

Hay tres pasos que tienes que dar siempre que quieras salir de STATGRAPHICS.
(Si quieres continuar ahora con el Capítulo 3, deja esta sección hasta que estés listo
para salir de STATGRAPHICS).

PRECAUCION : Para proteger programas y datos, sigue siempre estos tres pasos
antes de apagar el computador.

1.- Pulsa la tecla Esc varias veces hasta que la pantalla muestre el Menú principal
de STATGRAPHICS.

2.- Pulsa otra vez la tecla Esc. STATGRAPHICS pregunta con un mensaje en la
pantalla: "si se desea poner termino a la sesión" con Y/N.

3.- Escribe una "Y" pulsa la tecla Enter.

RESUMEN.

En este capítulo aprendiste :

- cómo poner en marcha STATGRAPHICS.

- cómo están organizados los procedimientos (instrumentos estadísticos) en
STATGRAPHICS.
- cómo llegar a los muchos procedimientos ofrecidos por STATGRAPHICS.
- como se comunica STATGRAPHICS contigo.
- cómo usar variables y ficheros paja almacenar los datos de STATGRAPHICS.
- cómo salir de STATGRAPHICS.
MANEJO DE DATOS CON EL EDITOR DE DATOS.

En el Capítulo 2 aprendiste que hay dos formas de proporcionarle datos a

STAGRAPHICS : creando ficheros y variables y usando ficheros y variables que
provienen de otras fuentes. En este capítulo y en el Capítulo 4 vas a aprender cómo
crear y modificar (editar) tus ficheros y variables que alguien te dé.

Por ejemplo, en las tres lecciones siguientes vas a crear variables con datos para
14 productos cosméticos fabricados por Worldwide Products. El fichero llamado
COSMETIC tendrá las variables sales, nxüts, onhand, y producís (ventas,
unidades, disponibles, y productos).

En STATGRAPHICS, las variables se crean, almacenan y editan empleando

diferentes métodos. En este capítulo vas a aprender a trabajar con las variables
empleando el editor de datos en el procedimiento de Operaciones con ficheros. (El
editor de datos es un editor tipo "hoja de cálculo" que permite editar (modificar)
una tabla de información).

CREACION DE VARIABLES NUMERICAS.

En esta lección crearás un fichero nuevo llamado COSMETIC empleando el

procedimiento de Operaciones con ficheros. También crearás y almacenarás tres
variables numéricas- sales, oníts, y onhand- dentro del fichero COSMETIC
empleando el editor de datos del procedimiento de Operaciones con fichero.

La Lección empieza, en el Menú principal.

A la. hora de crear ficheros y variables nuevos, el primer paso es usar los menús
para seleccionar el procedimiento de Operaciones con ficheros. El procedimiento de
Operaciones con ficheros esta, en el menú secundario de Gestión de datos, así que
empieza seleccionando eí menú, secundario de Gestión de datos en el Menú principal
(véase la Figura y l ) .

- De ser necesario, usa latecla.Home (control del cursor), para seleccionar el

menú secundario de Gestión de datos.

25
 SlAiCKnpMlcr Elattallcal [ r i r M c i ty.t..

MIA nflHACIntKI Ano SVSIIn U I l L l t U S Tlnc I I R U I PROCIDURIS

A. Dáto'llanajo^ónt L. Porocaatlnj
B. Syaton SnvIronMvnt n. Quallty Control
C. Raport Urltor and Criphlci Raptay H. S«ootMnj
0. Craphlcs Attributas 0. II»» Corita Analytla

P L 0 U 1 N C AMO OESCRIPIIUt IlflllSIICS ADUAHCÍO PROCIPURES

I. Plottlnj Functlona P. Catajorlcal Pata Anal^ila
f. Doccrlptlv* ílathoda S. Hultlvarlato flathod»
C. CctlMJtlon ar*d Tostlnf R. KonparaM«trlo ftathodc
H. Dlltrlbutlon Functlong S. Sa-pllnj
I. Exploratory Data Análisis T. C»parln«ntal Oacljn

AHOUA AHO RECRESSIOH PKALVSIS HATHEMATICAL AHO USER P R O C I O U R K

J. Analyala of Uarlanca U. KalNaHatlcal Furvotlana
K. Rajroailon Anal^ili V. nacrot and Uaar Functlons

lH.lpg 2MIC1 3S«wiec «Prtier SjSTÍÍ íto.'JS ?V*'ct3. BCndfrl SOcvJc» ie9«JtS
jHPUIíi" Dlipla*

Figura 3-1. Menú principal con el menú secundario de Gestión

de datos seleccionado

- Pulsa la tecla Enter.

"una vez se pulsa la tecia Enter para procesar ia selección en el Menú principal, eí
sistema presenta el menú secundario de Gestión de datos (véase la Figura 3-2).
Añora puedes seleccionar el procedimiento de Operaciones con "ficheros en el
menú secundario de Gestión de datos.

- Usa la Flecha hacia abajo (control del cursor) para seleccionar el pro-
cedimiento de Operaciones con ficheros.
 Figura 3-2. Menú secundario de Gestión de datos con e! procedimiento de
Operaciones conficheros seleccionado

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar la selección en el menú
secundario de Gestión de datos, el sistema presenta la pantalla de entrada de datos
para Operaciones con ficheros (véase la Figura 3-3). Se usa esta pantalla para
indicar el fichero que se desea usar y la operación a llevar a cabo.

r i ¡ w OparatIon«
SlfllCRAPHICS ril>

Oparttlon*: fl. Copy O. trata C. Rac&da ' J. Updata

1. Cr I l l a I . Jo Ir. H. « a n a »

C. Idlt r . Prln* 1. Spllt

Daftlrad opiritton: J

r l l a a an Dala Priva - C: SS1M C\Om As

OMOUfl CflRCflIA cniri InPDnja IROKORI LOCUM nuDflTft «
OCCATfi RflMCOrt ISOftIA IVOSJACI

Ululp '-; Z W l t i i 3S«vter <Frt«cr iCoí'-J* 7V»r«'•> BCni'.f' 9D*wlc« J60ult»

inpui^ji " Duplas FILE;

Figura 3-3. Pantaila de entrada de dalos para Gestión tíc ficheros

27
 Ahora puedes indicar el nombre del fichero y la operación a llevar a cabo. En esta
1 A/^/^i nA Tin AWTsl AO*- 1o AT\A*"0/mÁ« /^A U / í i f n ' T^O A^AOr llf^ f HtlATTA
i^CvlCii Se vci 01 enxpiecu ;a upci a'vivii uvuiuxi o, ccii ulu. li^tnri n u c w holíiici>av
COSMETIC 7 entrar en el editor de datos. Esta información se especifica en la
pantalla de entrada de datos para Operaciones con ficheros (véase la Figura 3-4).

- Escribe el nombre del fichero cosmetic en el campo File Ñame

de STATGRAPHICS. El cursor se desplaza automáticamente al
campo Desired Operation (Operación deseada).

- Escribe la letra C (para la operación Edit) en este campo.

rila Opirillont

SIAICRAPHICS rilf MU: cosx.tto

Oparatlonc: A. Copy D. C r i c » C. Racoda J. Updata

fi. Croata C. Joln H. donan*

C. Edlt t. Prlnl I. Spllt

Delirad oparatlon: C

riln on Data Drlua - C:\STflrC\DiUfK

AHOUA CARDAIA CASEI (nFDAIA jnOnOnC L0CL1M HUOAJA (10MLIN

ocofltfl RAnpon rsDAia JUOSIACE

. Coóptala Input fllldl and prasc.FC.

lHelp '. 2 ! ¿ U 3 S a v . t r IFrtccr S tCo 7Uarx BC»d " 9Dcv!ce IBOult
IMFUI Dltplay FILE '

Figura 3-4. Pantalla de entrada de datos para Gestión de ficheros una

, , ^ ver completada
Pulsa F6 (Go).

Al pulsar F6 (Go) para procesar lo que se haya puesto en la pantalla de entrada

de datos para Operaciones con ficheros, el sistema crea al fichero y entra en el
editor de datos (véase la Figura 3~5 )• Observa que el sistema también muestra una
ventana en blanco para Añadir otra columna. Una ventana es un recuadro que
aparece en la pantalla y te pide que des más información. Al igual que en las
pantallas de entrada de datos, las zonas seleccionadas en las ventanas se llaman
campos.

Observa también el nombre del fichero, COSMETIC, en la. parte superior central de
la pantalla. Los nombres de fichero en STATGRAPHICS siempre aparecen en
mayúsculas; sise escribe en letras minúsculas, el sistema las -convierte a
mayúsculas : cosrnetic a COSMETIC.

*t Bou: 0*1» U l t e r
Colu«n: r i l i t COSnETlC Hunbcr of Col*:

Rcu

Aá d kddltlanel colu-ir*

"l i . *
Typn'' K
uitfth: 13

Itnjlh
Tvp-'Uth
C W t . ' T O ' - ' , 1 1 1 W ^ r tnt • r* CP" » á 11 *w» r I » >i I « ' t ;/p«: • • n¿1 u U t h " 7 ' V-. " f , T1
I H . I p * , 2Xdlt^« 3S»v/«or 4Prl m r S - » « o - -'.. ?U»r« "• BC~4'?- SOaulo* íeQúlt}
J/ieUir.-; DUpUy flLI^.,^;

Figura 3-5. El Editor de datos de STATGRAPHICS con la ventana para

Añadir otra columna

Ahora hay que crear una variable llamada sales (ventas) para poner en ella las
ventas (en millones de dólares) de productos cosméticos. La ventana para Añadir
otra columna se emplea para indicar el nombre de la variable- sales- y la amplitud
de la nueva variable (véase la Figura 3-6). La amplitud de una variable es el
máximo número de caracteres o dígitos que se quiera asignar a cada valor de datos.

Nota : A diferencia de los nombre de fichero de STATGRAPHICS, que siempre

usan mayúsculas, los nombres de las variables pueden ponerse en mayúsculas, en
minúsculas o combinando las dos. SALES, Sales, y sales son tres variables
diferentes aunque contengan las mismas letras. Al escribir los nombres de las
variables en esta, guía, cerciórese de escribirlos exactamente en la forma indicada.

- Escribe las letras sales en el campo Ñame (Nombre).

- Pulsa dos veces la tecla Tab para ir a campo Width

(amplitud).

- Escribe el numero 10 encima del número 13 en el

campo Width
 SUPIIC
fia
al Naw:
Pata «¿llar Kuwkap a f Cal«I
>Ua< tOS»lHe

Add addltlonal colunn

«*«a: talaa .
Ivpa: H
Uldth: IB
lanjth
Typ'Uth
f tntar'or' «dit varlabla nana, typo, and uldth.' -
lHalp.'j 2Idlt"3 3Sav>cr •ífrticr S . 6C« ?Var« 8C«d SOavIc* IBOuIt :
IhPUTü'. FILE'

Figura 3-6. Ventana para Añadir otra columna una vez completada

- Pulsa F6 (Go).

Al pulsar F6 (GO) para procesar lo entrado en la ventana para Añadir otra

columna, el sistema crea la variable sales en el ediltor de datos y presenta una
columna en blanco para usarla en la entrada de datos (véase la Figura 3-7).

Observa que el sistema también muestra una ventana nueva, en blanco, para
Añadir otra columna.

Curaor at Raut data Editor n.MlnVM Roui: 0

C.lu-n: rila: COSnCT1C hu-b.r of Cola: 1
Rau a•1•a
1
2
3
.& 5 c.
7 •i Ddd addll1 on* 1 colu.n
9
3
16 -
11 lypa: n
12
13 Uldth: 13
H
Lanjth e
Tvp'Uth N'IS Intar or ailt va r iafc 1 a" ni«< ."\ypa. aní\u 1fith."
lHilp i 2l4ít • • 3S ava cr «Prticr i.'. ;tCo ,T , . ^•rs..'. 0C»d' SOaulca lUOult
If.PUT Dltplay FI LE

Figura 3-7. La columna de la variable sales en e! cdilor de datos con ln

ventana pnra Añadir otra columna

30
 El próximo paso es poner los valores de los datos en la columna de la variable
sales. Pero antes hay que pulsar la tecla Esc para quitar de la pantalla la ventana
para Añadir otra columna (véase la Figura 3-6 )-

- Pulsa la tecla Esc.

linjth •

Typ'Uth H'tt _
IH-Tíra ZX41t& 3i*v.er V r l u r SOpl¡H Wotüíí ?V»C»Sí epvSfiá SDtvlóJ leOjltJ
lamias v i „ u „

Figura 3-8. La columna de la variable sales en el editor de datos

31
 Ahora estás preparado para entrar los valores de los datos (en millones de
dólares) para la variable sales (véase la Figura 3-9). Como quieres que cada valor
ocupe una celda (fila) de la columna de la variable, pulsa la tecla Enter después de
escribir cada valor. Usa la tecla Backspace para corregir los errores.

- De ser necesario, usa la tecla Home para seleccionar la opción

para Save Without Exit (Almacenar sin Salir).

- Escribe los valores indicados más abajo en la columna de la va-

riable sales, pulsando la tecla Enter después de cada valor.

407 .293 -276 .274 .255 -253 .246 .245

240 .239 .223 -211 .200 .259

- Pulsa dos veces la tecla Home para volver a la primera celda.

Curtor • t Rou: 14 Data Editor rtiKlnun Rouc: 13

Coluto: 1 Filo: COSnEIlC HuMber of Colc: 1

Ron salee

1 . 497 "
Z .233
3 .276
4 .274
S . 255
i . 2S3
7 .248
8 . 24S
9 .248
ie .239
11 .223
12 .211
13 .280
14 . 189

L«n 3 th 13
Typ'Uth M'I8
Precí t ha F6 Vey lo cava updatrd d» l a or thp FS >• ty othar opllonc.
IHelp 2£ J i l 3S«v«cr 1 P m c r SOplc tCo ?u«.rc 803 9Pcvlcc IBOult
IhPUT Clipl.y FILE

Figura 3-9. La variable sales en ei editor de dalos

- Pulsa F6 (Go).
 Una vez se pulsa F6 (Go) para procesar las entradas en el editor de datos, el
sistema presenta el menú-ventana para Almacenar. Como en el caso de la ventana,
el menú-ventana ofrece dos o más opciones para que tú elijas una.

La opción Save Without Eat (Almacenar sin salir) del menú-ventana para
Almacenar permite almacenar los datos y continuar dentro del editor de datos para
poder añadir otras variables al fichero COSMETIC (véase la Figura 3-10).

- De ser necesario, usa la tecla Home para seleccionar la opción para

Save Without Exit (Almacenar, sin Salir).

Curcor at Rou: Data Editor ftaKlnuH Rouc: 13

Colunn: F U . : COSntTIC Jlunber oí Colc: 1
Rou tales

i .107- •
2 .233 ' '
3 .2 7i
4 .274
5 • ZSS
í
7 -21S
a .246
a .239 Saua utthouL'axlt
íe .223 Saua and extt
u .211
12 • 28Í
13 . 183
14

Lenjlh Ij
Jyp'L'Lh K'ie
rílshllght declrad antry and precc E.1IER to c a l a c t .
lHrlp 2Edlt j S . v i c r 4Prlicr S £Co ?U>rt 8C-<¡ SDavIce IBOult
InCUI Oltpl.y FILE

Figura 3-10. Menú-ventana para Almacenar, con selección de la opción

Save Without Exit (Almacenar sin Salir)

- Pulsa la tecia Enter.

33
 Una vez que se pulsa la tecla Enter para procesar la selección hecha en el menú-
ventana para Almacenar, el sistema vuelve al editor de datos (véase la Fig. 3-11).
Cursor it Bou: 1 Dato CÍU.r lliHlnUH Raúl! H
ColUHB¡ 1 Pilo: COÍnIIIC Hunbar of Cola.' 1

1 .<8 7 "
2 .233. ..'V:
3 .276:;_
s • 25S . :
i
7
.253
a
,21S'' '
3
. 24B
18 .233-
11 .223'
12 .211'. •
13 .288 :..' .
11 . 183 '
L.njlh 14
T^p'Ulh h'ta
r~~rpro«»"tl»«"rC"Vo»i ta* aa<j«~updatad"iJ«ta''or"tho"rS"><a>/T/'ír*»thor.'op liona; .
lH«lp:.J 21411.* 3S»vter «Prticr SOpt» r ?U«r«;i 8Cxd>7r SD.ulc» lOOÚtf.
.IMPUIT;,- oitpua riLi^. 7

Figura 3-11. Editor de datos de STATGRAPHICS

Ahora hay que crear otra variable. Mira la línea de estado en la Figura 3-11. La
tecla F5 aparece definida como Opts (Opciones). Pulsa F5 (Opts) para llegar al
menú-ventana de Opciones del editor. En este menú-ventana selecciona la opción
Add Additional Column (Añadir otra columna) para poder crear otra variable
(véase la Figura 3-12).

- Pulsa F5 (Opts).

- Usa la Flecha hacia abajo para seleccionar la opción para Añadir

otra columna.

Figura 3-12. Menú-ventana de Opciones del editor con selección de la

opción para Añadir otra columna
34
 - r u.ioci Í--Í i-^i'í catci

Al apretar la tecla Enter para procesar la selección hecha en el menú-ventana de

Opciones del editor, ei sistema presenta una ventana en blanco para Añadir otra
columna "'véase la Figura 3-13-1-

Decimos qu.e está "en blanco", aunque va hay dos campos que tienen valores.
¿Por que? Porque los valores que aparecen son opciones por defecto. Hay que
indicar el nombre de la columna a añadir y, si se quiere, los valores de las opciones
por defecto.

Figura 3-13. Ventana en blanco para añadir otra columna

Ahora estás preparado para, crear una variable numérica, (una variable que
contenga números solamente) llamada units. La variable units tendrá, las ventas
(en miles de unidades) de productos cosméticos. Usa la ventana para Añadir otra
columna al objeto de indicar el nombre de la nueva variable (véase la Fig. 3-14).

- Escribe la palabra units en el campo Narne (Nombre).

 Cwraor at Rou: Data Editor naxtnUM Rouc: 11
Co1 uno: M i » : COSnEIlC Hunbcr of Colt: 1

Rou aalaa

1 • 233 ¿íátefci
2
3
<
s
b
7 fldd addlllonal colunn
8
3 Naxa:
íe
ít I*pa: 1
12
13 Uldlh 13
14 . las
Lanjth M
lyp'Uth
E3S3ii¿t=^Vi< , <f : ?nnt»rTor"odl t"utr lab la 'nana,"" typa." and'ul dthT< " . ' •
l H a l p - ^ T l d t t S ) 3Savaor <frtaor S -ní/Wi ICo V i 7Uaraly B C - d - ' i S D . v l o . IBOult'j
INTUIR oupua riLZ;_->'

Figura 3-14. Ventana para Añadir otra columna una vez completada

- Pulsa F6 (Go).

Una vez que se pulsa F6 (Go) para procesar lo entrado en la ventana para Añadir
otra columna, el sistema presenta una columna en blanco en el editor de datos, para
contener ios valores de los datos de units. Observa que ei sistema también
presenta una nueva ventana en blanco para Añadir otra columna (véase la
Figura 3-15)

Cursor « t Rcu- PtL» Editor n»Ki>iun Rout: n

Ce 1 u»»ni r i w : COSnEIlC Mo«b«r of CoI«: 2

1 •>e7 r
2 . 2S3 '
3 . 27C ':
4 .771
S .2SS
( . 2S3 .
7 .218 Add « d d l t l e n t l c«k
a .215 :
9 .218 :
¡9 . 239
11 .223
12 .211-
13 .280 ' Uldth: 13
H .169

L1 * 51 h 14 8

' £nt«r cr « d ! t v t r i t b l * typ».'»A<J uldth.

IHtlp • 2iá\\ 3 S « c r 4?rt»cr S " • * LCo.*- 7U»r«. ; 0C«<3 • Sr#vloc lüOult 1
P
1 ".UI DUpUy r I LE •
V __J
Figura 3-15. La columna de la variable uniLs en el editor de datos con la
ventana para Añadir otra columna

jV
 Antes de poner datos de la variable uníts, vamos 3. crear otra variable para 23.
n^^K/l'í/í /^A A *V.iÍAA ^ A ^^ ^ Ha T\rA/íllAt-AA AAAwÁfÍAAr
^üuuuau iii Y ^ücOLi i.v "aiopviliL/it íim^o \>c / pi vuu'.iwo wciucuwo.
Esta nueva variable, onhand, tendrá una amplitud de 10. Usa la ventana para
Añadir otra columna al objeto de indicar el nombre de la nueva variable y su
amplitud- el número máximo de dígitos que vayas a poner en cada valor de datos
(véase la Figura 3- K'X

Escribe ía p3.23.brs. onuscd en el campo Ksuus (Nombré/ de 2s Vvüt3H3.

para Añadir otra columna.

Pulsa la tecla Tab para pasar al campo Witdth (Amplitud).

Escribe el numero ÍO encima del número 13 on el campo'Width

(amplitud).

Cursor »t Rou: Cala l i U o r noxlnun Rou«: M

Co lunn: rilo: COSntUC Hueibar of Colai 2

Rou «ala» uní It

1
Z
3
•4I ¿274»
5
6
7 addltlonal colunn
8
9
10
11 Jyp« : H
12
13 Uldts: 18
14 I. 183 - "

l«n3th 14 8
T.jzsuth M'lí K'13
p-r--- Intar'or aáit varlabla " « t i typa, ' aná' ul áth: ' - ~ ' -
"lH.lp": 2 I ¿ U - ' SSavaer 4P rt.cr S< tCo"--:i TU.r. v BC-d -" 3D.vlo. l e Q u U ;
JKPUT-*. .. ni i
Di.pt.y TI
rjjp
LE.". C.

Fi-ura 3-16. Ventana para Añadir otra columna una vez completada

- Pulsa F6 (Go)

37
 Una vez que se pulsa F6 (Go) para procesar lo entrado en la ventana para Añadir
Afro AAlu^^l 1 71 «llATT^ O ArAA^I /í A I'"*
uua wiuiüiia, ci oio^cii.ia vi^ra id uuc»a vUiuLiiilia, Ou.xxa.ii<~t, a. la «acri íci
columna de la variable units (véase la Figura 3-17). Observa que el sistema vuelve
a presentar otra ventana en blanco para Añadir otra columna.
Cursor ot Rou: Doto Editor flíxlwjñ X1o4ui:
Colunn! rilo: COSniIIC Ku«bor of Ce 11: 3

1
2
2
4
5
l
7 Add addltlenol Cftuxn
a
3
11
11 •' 2 Z 3 %É ISP«: H
12
13 Uldth:
14 .183
lonjth 14 í «
Typ'Uth «'18 H'13 M'18
rí^TTOT^r^^tBUt'wUíit'-wufciiSMH»^
lH.lp'=g 2Id 11*; 3S«u«or 4Prt«ci' SKVáCH ítÜSSj 7V.r¡C «C-df» 9P«y.lcJ IBOulCí
Dl.pl.y LILl£lS

Figura 3-17. La columna de la variable onhand en el editor de datos con la

ventana para Añadir otra columna
Ahora hay que poner los valores oe los oatos de las dos variables units y
onhand Pero antes tienes que usar la tecla Esc para quitar de la pantalla la
ventana para Añadir otra columna (véase la Figura 3-16).

- Pulsa la tecla Esc.

Cursor »t Rou: Dito Editor rUKlwun Routt 14

Colunn: filo: COSnEI1C Kunber or Cois: 3

1 .487
2 293 " ' .1 U-
3 ..274 ">' i
- • .

s .274•í. i'.
4
-
i .25 ti V
253
7 .248
"i* t
*.» *

8 .245' • • •
' ** r
5 .240 • a • • I..Í •:
18 «
.239 3•'V
*t l
11 .223 J
: z .211
13 . 288
14 . 109
Lonjth 14 1 1
lyp'Uth «'ID M'13 M'IB
f ' ' " ~ F r » e « Ihc f & ' k t y ' t o i¡ « v . upd « » d d . t » or rs V « y C c r T o h o r o p t lona.
lHclp * 2Edlt;;- : 3S.vtcr 4Prt«cr SOpti tCo ?0'«ri ' SDoulc» lBQult 1

líirui •: ' Hlipl.s riLE ;

Figura 3-1S. ICditor de datos de STATGRAPHICS

 navio, IIÍVUCI uouro vu íao v-niauitro uiiit¿> y kjllUCCHÍU ^astr i<i ng.
Usa la tecla Backspace para corregir errores. Pulsa la tecla Enter después
escribir cada número.

- Usa las teclas Home y Tab para poner el cursor en la primera celda (fila)
de la columna de la variable units

Escribe los valores siguientes en la columna de ia variable units, y pulsa,

la tecla Enter oespu.es de cada valor.
i A i ? s i : o o 11 4 1 K . -¡s 0 0 OÍ-, S O 4 7
i. v 1 v i..j i. 1¿ i» .j ^ i-" .1 v _,> v T: i

Usa la Flecha hacia arriba y la tecla Tab para poner el cursor a la iz-
quierda de la primera celda de la variable onhand.

Escribe los váiói'és 9i£üieíiué9 en la Colüiíiiia de iá váíiábie óñhaüu, y

paisa la tecla Enter después de cada valor.

9 61 67 56 56 70 63 29 41 59 63 33 4 32

Cursor ot Row: 14 Doto Editor tton 1 m i h Rows: 14

Co¡u*n: 3 filo: CDInlIK hwnbor o f Colo*. 3
Hou «ilfl enhinj
1 r«e
Z
a iZ'íJÍSS
«
s . 'ssc^síT
rzt;^
t
7
a 7239
a
18 m-jg
11
1Z
Lin1j
3hUS?Js 1f
4iBi!
TypH't
Uth H'l«
U II
í'll
ET
li
HHÜ?rW
lj/JstZn
jat
ih
vr
fr
aT3S»V«'o¿ 4trt.ora»SOpUg
t.< ra t
««SitS ?SUc*Ea «Cr<SS5 sb«vtó« l9Qu|t~
k.I.T(£'Í DUpUy ULtíais

Figura 3-19. Las variabies units y onhend en e! editor de datos

- PUISB F6 (Go)
 Una vez que se pulsa F6 (Go) para procesar lo entrado en el editor de datos, el
sistema presenta el menú-ventana Save (Almacenar). Ahora vas a almacenar los
datos y a salir del editor de datos Selecciona la opción Save and Exit (Almacenar y
Salir ) en el menú-ventana para Almacenar (véase la Figura 3-20).

- Usa la Flecha hacia abajo para seleccionar la opción Save and Exit
-.'Almacenar y Salir)

Curiar al Pcw! 1«
3
Cata [¿ltor
rila: C O t n l U C
IIAMIhui RDUI:
ttu*«b«r oT14Cola:
C. I . " :
3
unt ta
1 . 487 - 1« 3
z .233 12 (1
3 .276 t 17
4 .274;^--\;' 13 S4
s - 2S5 •:.,( 22' , í i ~ -í
l .253 - :•r 11 - 78
7 .248 I.V.".
:.. 41 . ta?-
6 :: as'— 23"
3 .249 38 41 Savt ullhout a x l t
18 22 S3 - Sa««'arid'axlf-»'-s:
11 .223 21 63
12 .211 39 33
13 . 268 S8 4
14 . JB3 47 32
Lanjlh 14 14 14
« ' 1 3 H'18
M l s h l l j h t á a i l r a á « n l r y and p r a t » ÍK1IR to l a l a c l .
lHalp 2£¿ It 3Sautcr 4 F r l i c r S " tCo 7Uart~ 8C~d " SDavlca IBOult"
oi.pi.v, mi
1NPUI

J
Figura 3-20. Menú-ventana Save (Almacenar) cun selección de la opción
Save and Eait (Almacenar y Salir)

- Pulsa la tecla Enter

Una vez que se pulsa ?a tecla Enter para procesar la selección en el menú-ventana
para Almacenar, e! sistema almacena los datos y sale del editor de datos. Después,
el sistema presenta la pantalla File Contents (Contenido del fichero) del fichero
C0SME7ICS (véase la Figura 3-21). En la pantalla se ven todas las variables del
fichero COSMETICA

La longitud de una variable es el numero de lilas en la columna de la variable- el

numero de valores que contiene la variable. Cada una de estas V .-J.I I-11 U V L L T UIIO.
longitud de 14. (Si tienes más filas después de la 14, mira las instrucciones en la
Lección 3-5 para borrarlas)
 ruivi <a ^uci vuivs vi wnu?iiiu<¿ uv ia v m lauiw ÍXHVÍ». miia ia unva uvi VÍWLUU.
T i ATSAÍ /•
.
V N "
P i / rv.
l.CJI vpCivii u vuio^iay - yT t f^ ^Arwif
pt'i AA«+A*\*/ÍAU7XAuiia
ijjíocArnArc^iA!wawriijuy n m «cuiauir.
TTO^^KI A
Pero antes tienes que seleccionar la variable en la pantalla de Contenido de
ficheros.

- Pulsa la tecla Horne, si hace falta,, para seleccionar la variable sales.

The f o l l o u l n g virllllit ara c u r r a n t l y ln tha i l l a COSnETIC:

Uar t kb1 a UldtS T^pa Rank lanjth Date Una Co—<enl

• alai ' 18
i H; 11'12'98 11U3
unlta 13 U'12'SO 11=13
onhand 18 1 14 ÍI'IZ'SB I1U3
1 14

Praca EHTCR hay for aach v a r l a b l a to ba e¿lta¿, or proal A=fill D^DIeplay.

III.Ip 2 £ ¿ 11 3S.vacr < P r l i c r S ÍCo 7U«rt BC~4 SOaulce lOOult.
1MPUI ritpl.y PILE • •

Figura 3-21. Pantalla de Contenido de fichero con el fichero COSMETIC

con la variable sales seleccionada

- Escribe la letra D (opción Display-visualizar).

Una vez escrita la letra D (opción de visualizacion) en la pantalla de Contenido de

ficheros, el sistema presenta, el contenido de la variable sales. La pantalla de
Contenido que se muestra en ia Figura 3-22 presenta el nombre de la variable, su
longitud y los valores de los datos. Desde esta pantalla no se puede editar los
valores almacenados en ia variable.

En la Lección 3-2 aprenderás como crear una variable de caracteres - una

variable en la que puede haber letras y números La lección 3-2 empieza en la
pantalla de Contenido de ficheros, asi que usa la tecla Esc para volver a la pantalla
de Contenido de ficheros

- Pulsa la tecla Esc para volver a la pantalla de Contenido de fichero.

/ 1
"X 1
 Uirl.bl.: COSHETIC.<•!•> (Unjth • 14)
6.487
8.293
9.276
8.274
8.2SS
8.2S3
8.248
B.24S
8.24
C 137 8.233
C 11 > 8.223
ci:> 6. 2 1 1
C13> 8.2
<14> 8. 183

Pr«««'IicT Cur«or"ktyt'or'Poj» Mu»btr: • •. •••. f.9. i:r«n:i

lH«lp<< 2t4ltr2 3S«vicr 4Prt«er SPrt.ft Uo 7U«r>.; SDtvlc» IBOult?
JWUT.iv Dii>i.y nu

Figura 3-22. Pantalla de Contenido de la variables sales

CREACION DE UNA VARIABLE DE CARACTERES.

En esta lección aprenderás cómo crear una variable de caracteres llamada

producís usando el editor de datos. Almacenarás la variable en el fichero
COSMETIC que consiste en la Lección 3-1-

La Lección 3-2 empieza en la pantalla de Contenido de ficheros.

La pantalla de Contenido de ficheros indica todas las variables que hay en el

fichero COSMETIC (véase la Figura 3-23). Querernos ahora ver todas las variables
en el editor de datos. Mira la Línea de estado. La. opción A (All -Todas) te permite
v er ei contenido de todas las variables.

- Escribe !a letra A (opción All-Todas).

 Tha follauln) u a r l i b l n ara currantly ln tha fll« COSHEIIC:

Varlabia Uldth T*p« Rank lanjth Pata Tt~a Co~-anl

unlta 13 M 1 14 1I'12'SB 11:13

onhand 18 H 1 H U'12'38 U"-13

PTfPran'SKTIH'kas'rór'aach'varlikl» lo "k« adltaJ, or : pra««" A«A1I 1 D'Dl.play:.-'•

lHalpt3 2Edlt\ 1 ; 3Sav«cr «Prlter S ICo TVar» - BC~j'r : S D n » U » iBQultu
JKP.UlJ- Olipta* TI IX'Jl-

Figura 3-23. Pantalla de Contenido del fichero con la variable sales

Una vez que escriba la letra A (para la opción AU-Todas) en la pantalla de

Contenido de ficheros, el sistema presenta las variables sales, units, y onhand en
el editor de datos (véase la Figura 3-24).

Cursor at Roy: 1 Oata Editor HokImuh Rot/c: 24

Colimo: 1 rile: COSnEIIC Kunber of Colc: 3

1 .487 JE. i 3.
2
3 .233 12. • 6i.;- ;
4 .276 3. 6 7.
5 .274 13. ¡i.
.205 22. SI.
6
• 2S3 11. 78.
B •24
. 3 41. 63.
7

3 .24284S 3S.
39.
23.
41.
ia .239 22. 53.
11 .223 26. 63.
12 .211 39. 33.
13 . 208 se. 4.
14 . ICO 47. 32.
LeojtK 11 14 14
TafUlh M'l® K'13
Prest the F6 Vey to i w r updaled dala or tho F5 kcy for olher o p l l o n t .
lHelp ZEdll 3Savicr 4 P r U c r SOpli 6Go 7U»rt 8C-d SDtulce íeOult
IMfUI DUplay FILE

l-igura 3-24. Las variables sales, uniLs, y onhand en el editor de datos

43
 Ahora tienes que crear otra variable- products- a la derecha de la variable
onhand La variable prodncts tendrá los nombres de los 14 productos cosméticos.
Observa la línea de estado. La tecla F5 (Opts) (Opciones) te permite ver otras
opciones. Pero antes de que uses F5 (Opts) tienes que poner el cursor en la
columna de la variable onhand.

- Usa la tecla lab para poner el cursor en ia columna de la variable

onhand
>

- Pulsa F5 (Opts).

Una vez que se pulsa F5 (Opts), el sistema presenta el menú-ventana de

Opciones del editor. Para crear una variable nueva, tienes que seleccionar la opción
para Añadir otra columna, en el menú-ventana de Opciones del editor (véase la
Figura 5-25).

- Usa la Flecha hacia abajo para seleccionar la opción Add Additional

Column (Añadir otra columna).

r e t i r a 3-25. Menú-ventana de Opciones cíeI editor con selección de la

opción AdiJ Additional C o l u m n ( A ñ a d i r otra c o l u m n a )

- Pulsa la tecla Enter.

-11
 Una vez que se pulsa la tecla Enter para procesar la selección hecha en el menú-
ventana de Opciones del editor, el sistema presenta la ventana para Añadir otra
columna (véase la Figura 3-26).

Cursor at Rou:
Co iu*n:
Pato Editor
C l l a : COSttEIlC
niHlNun Rout: 14
Hu^bcr of Cois: 3
onKirt
i .107— "3.
2 : ti.
3 . 17.
4 .2?6 - st.
5 SS.
6
7 .248 C .t. .1 41,'í'í- ' ' 78. ftdd addltlonal cotuno
e . 24S; .V.if 3S..
13.
3 .240^..^ 38. 23. Mana:
ís . 233K^;--; 22. i . ; ,41.
.223* •« 26. .-' ." S3. Typm: ti
n ; 2ll^''rr: 'J 38. 63.
1z
.28 0"— -*
,'( £8 ¿
13 . 103' •* ! 47. ' ' 4.
. 33.

32.
1j
Lan4th 14 M 14
Typ'Uth H'10 «'13 «'18
V.;." Kntor'or adlt varlabl* na«t. typa»- and utdth.
IHolp'j 2Edlt~.j 3Savtcr 4?rticr S íCo. 7Uars" 8C«d 30a*,Ice 18Qult
IMPUT ' DUrU* MLE

Figura 3-26. Editor de datos con la ventana Add Addilional Column

(Añadir otra columna)

Para crear la variable producís, se indica ei nombre de la nueva variable eii ia

ventana para Añadir otra columna (véase la Figura 3-27). También se usa la misma
ventana para indicar que produets es una variable de caracteres con una amplitud
de ';0.

- tscr:be la palabra produets en el campo Ñame (Nombre) de la ventana. Add

Addition.il Column (Añadir otra columna).

- U¡a la tecla Tab para poner el cursor en el campo Tvpe (Tipo).

- Escribe la letra C (Caracteres) en el campo Tvpe.

- Usa la tecla Tab para poner el cursor en el campo Width (Amplitud).

- Escribe ei número SO encima, dei numero i .3 en ei campo width

(Amplitud).
 Curcor at Rou: Tita editor flaxlxun Rout: 14
Co1u«n: r i l e : COSnEIlC Hunbcr oT Cois: 3
Rou ca las uní

1 Í . " 4 e 7 r r : ': IB. ' ' 3.

2 -233 :
3 1.276 V. ' • : 8.
12. 61."
• : 17.
•4 1 . 2 7 4 - •.; 13. ; St.
Sí.
s . 2SS -
6 -2S3-.
22.
11. : 78.

7 .243:' ' : 41. 13. Qdd a d d l l l o n a l colu^n

8 i.24S'. . 35. : 2s.
3 .249
18 .239 •
38.
22. 41. product* "
11 (.223 26. S3. ryp»: C
12 ¡.211 39. ' 63.
33.
13 .283
14 . 189
58.
47. 4. Uldth: 38
• 32.
Lonjth 14 14
Typ'UtS 14 H'13 H'l»
N'18 Entar or adlt warlakl«>a-or"lyp»P «ní'uUlhí'f;:"
IH.Ip - Prtier S 7Uar«'.1 8C«4 ' SDovIoo lBDult.,
IHrUX - 2£dtl
3Savacr 4Prt
Dltplay riL(>' '

Figura 3-27. Ventana p3ra Añadir otra columna una vez completada

- Pulsa F6 (GO).

Una vez que se pulsa F6 (Go) para procesar lo entrado en la ventana para Añadir
otra columna, el sistema crea una columna en blanco para la nueva variable (véase
la Figura 3-26). Observa que el sistema también presenta una ventana en blanco
para Añadir otra columna.

Curtor *t Rou: Datft t J I t o r n*MÍMun Rou*: 14

Co lunn: M l « : COSACTIC Hunbvr of Cois: A
Rou units producís

2S«VÍ»¿IÍ 4frl«ci; SSglíSS tCoJ-iUl ?l¿ir>25 1

S í i y l o i lSQultV
01ipIay niiítzs

Figura 3-28. La columna de la variable producís en el editor de datos y la

ventana Add Addilional Column (Añadir otra columna)
 Ahora hay que poner valores de datos en la nueva variable products. Pero antes
hay que usar la tecla Esc para hacer desaparecer de la pantalla la ventana para
Añadir otra columna (véase la Figura 3-29).

- Pulsa la tecla Esc.

Curiar ai ?:«: 2 Tata tillar rtMlniM Rouc: 14

Column: 4 fila: COSnETIC hurtbar oT Cola: 4

Rou aalaa unltt onhand producta

1 .-487TT~" i « r ; •7 ~ . '1 t
Z .233 ' : ¿ r ' 12. X
• ' •• • 'i
3 <«. X
4 .274 13. i
5 2 2 . x -. * v , « M s
i .2S3¿-> •' X I . : : 1
7 41. X
8 .245 35. . 2
3
.239» 22.
4
S
«SU,
18
11 .223-:'.'.• • 26.' X
12 .211* -i. 38.: 3
13 .2B01': sa. - (
,K. ¿--v .•>< *•-..• ¿ít-oul-.-.-ri-.r-;..
14 .183 47. j

Lanjth 14 14 14 B
Typ'Uth K'18 M-"13 «'IB C'3B
ríí-i-rpr.n^tha F6 kay to' «av« vj><!it«d ¿at»"«r7th«"rS"V»a ror'othar' «ftltm:"'"
'lHatp-i 2 H U " BSauier 4Prtacr X C p t a ' IC».'."^ ' ?Uar« ' BC»d - •>' 9Davlc« lBOult-
:

JMPUI Dlxpl»»» riLE1";1';

Figura 3-29. La columna de la variable products en el editor de datos

Ahora todo esta preparado para entrar valores de datos para la nueva variable
products Puedes emplear las teclas de las flechas (arriba, abajo, derecha, e
izquierda) 7 las teclas Tab, Home, y End además de la tecla Enter para ir de una
parte a otra dentro del editor de datos. Usa la tecla Backspace (Retroceso) para
corregir errores. Acuérdate de pulsar la tecla Enter después de escribir cada uno de
los nombres (véase la Figura .3-30).
 - Escribe los nombres que se indican a continuación en la columna de la
variable producís.

Madness Perfume
Sweetness Períume
Roses Períume
Sea Foam Cologne
Madlv Musk Cologne
/ o
Simmering Spice Cologne
Dusty Dawn Lipstick.
Sultrv Sunset Lipstick
Red Red Rose Lipstick
Hint of Rose Powder
Basically Beige Powder
Ptainly Peacli Powder
Ocean Blue Sliadow
Barely Brovn Sliadow

Cursor at Rou: 14 Cata Editor naxlnun Rous: 11

Colu^n: 4 F i l e : COSHEIIC HuMber or Cola: 1
producía

t .'487 ~.< 1«."— T - 7 T J -S.T• - r i Ha ¿na a a* Par ru».e . 1. J

>

,
.233 12.. . ) 61.- Euaatnaaa Períuna
3 .276 : 8. 67.- •••'ii R o t a i ' P t r r u H a . í . - - ' , - v - — i.-'-'..'
4 .271 " •
•
>
¡ 22. S6.V Sam FoanCo ] c j n a *',
' .^ 1 - - M
s .2SS" st.y dadla nusk Colosna • •" *
( .263 • U. 79. • - . S l n x a r l n j Jplca C o l o j n a . •„
7 .248 - - 41.— 63.— Duat^'Daun
S .245 3s. 23. . S u l t r y Sunsat L i p s t i c k ' . ' ' 1-'
3 .248 - • 38. 41. " Rad Red Rosa L i p s t i c k " ^ ' " .
le -233.. : 22... i 53.4 Hint or.! Rosa Poudarr • •••. -.-f.-.'. .
ii .223 • •• • - 26. — : ' . 63. • •• * • Bastea 1 l y ' g a l g a Poudarr ; -
12 .211 , 33. 33. i l P l a l n l y Paach Pouder' .
13 .288 ' ' ; S8. ri. Occan Blue Shadou i
11 .183 47. 32. Barely Broun Shadou

Lcnjt», 14 14 14 13
Ivp'u-th «'18 rt'13 «'IB C'38
* Frttt tha F6 key to n v l vpdatad data or tha FS kay Cor othar optlonc.
;w«Ip 2Edlt 35.v»cr 4Prtacr SOpta 6Co 7U»ra BC-d SDaulca lOQult
MPUI Dltplay PILE

Figura 3-30. La variable produets en el editor de datos

- Pulsa F6 (GO).

Una «Tez que se pulsa F6 (Go) para procesar las entradas en el editor de datos, el
sistema presenta e! menú-ventana para Almacenar. Hay que almacenar los datos y
salir del editor de datos. Selecciona la opción Save and Exit (Almacenar y salir) en
el menú-ventana para Almacenar (véase la Figura 3-3 O-
 - Usa la Flecha hacia abajo para seleccionar la opción Save and Exit
(Almacenar y Salir).

1< Dais t d l t o r flaHlnun Rouc! 14

Coíunnl 4 fila: cosnrnc ftvrtbar of Cola: 4

uní t c
Rou tilit
praduela
1 le." ::" '-" *"
" 3."- «.í«..a"rarf-a
u ~ 'tí i
2 .23:- 12. SI. • Cvaalnaia farfu-• '
3
4
.271 1 ¡s.: '•' _ •
n.-tr.- '
47.
Sí. '
ftaaa farfu.a -Vi^l^C. Zs^'i'-íz^'
s . 2SS ' : 2 2 : ' " 56.". Saa foa» CalcjnaT^"- "
. Fadly flulh Colojna -'
( •- - —^-j
7
.253 :: . i u ; -
.245 yf/'-'l •
• 78.'- tic-arlnj Cplc»
63." ' r / Dutty D
Celejnt
'-fi-vt/-'
8 23.'.. ! Sultry
3 .246 38. . . • 41. ' Rad P«d Sav» ulthout « K l t
IB .233 w ol 2 2 . • , • 53. Hlnfof Cava* and' axltL\r?:
11 .223 '. 26. 63.- tailcal
12 .211 - - i 38. • • 33.
13 SB. 4. Ocaan 8 lu» "Shadói?**;1'
14 .IES " * 47. 32. Baraly Broun Shadou

Lan5 th H'
14
IB
14 14 14
Tsp'Uth
f-—:^ •
M'13 H'18
' H I j M l j h t daalrad «ntry and
C'38
praii IKIIR-'to"•• 1 act. -
:
IHelp ' - 2Edlt. 3Savccr 4frtier S 6Go ' 7Uart's' 8C~d ' SDaulca lBOull
JKPUI Dlcplay
MLI

Figura 3-31. Menú-ventana Save (Almacenar) con selección de la opción

Save and Exit (Almacenar y Salir)

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el menú-
ventana para Almacenar, el sistema almacena los datos y sale del editor de datos, y
luego presenta la pantalla de Contenido de ficheros. Observa que la pantalla de
Contenido de ficheros ahora presenta información sobre la nueva variable
produets.

a continuación vamos a examinar el contenido de la variable produets. Se usa la

opción D (Display- Visualización) de la pantalla de Contenido de ficheros para ver la.
variable produets en el editor de datos. Antes hay que seleccionar la variable
produets en la pantalla de Contenido de Ficheros (véase la Figura 3-32).

- Usa la tecla End para seleccionar la variable produets.

49
 Ih» follouln3 uirliblil ar» currtntly ln th« f i l a COSflEIlC:

Uarlable UlJth Typa Dtnk Lmjth Data II-Í Ca»«trt

sales 18 H 1 14 1]'12'3B 12: SÉ.
units 13 N 1 14 Il'i2'98 12: SE
onhand 18 M I 14 1I'12'38 12: Sb
produets 38 C 2 14 38 U'12'38' 1Z:S6

P r o a » ENTER kay for a . c h v a r l a b l o t » t>a o d l l o d , ar p r o í s A ' A l l D - D l a p l a y .

lllalp 2Edlt 3Savscr 4 P r t s c r S fcCo ?U.r« BC-d ' S O a u t » lOOult
IMPUI Dlcplay fILE

Figura 3-32. ran(:illj de Contenido de fichero del fichero COSMETIC con

selección de la variable pruducLs
Escribe la letra D (para visualizar)
Una vez que se pulsa D (para la opción de visualización), el sistema muestra la
pantalla de Contenido con la variable produets (véase la Figura 3-33). La pantalla
de Contenido presenta el nombre de la variable, su longitud (número de valores y
amplitud permitida para cada valor), y los valores de los datos. No se pueden
editar los valores de los datos en la variable desde esta pantalla de Contenido.

Uarlahla: COSflEIIC. producte U a n j t h * 14 3B>

C lífladness Ptrfyn
< 2 ) S u o a t n o i s Perfuma
< 3)Ra a a a P o r f u i a
< 4 ) S « a Foax Colo^na
< SJftadly nuih Colojnv
< C ) S ( « N » r l n 3 Splca C o l o j n o
< 7)Dua ty Daun L l p a t l c k
< S J S u l t r y Suncat L t p c t l c k
( 9>Rad Rad Reía L l p c t l c k
<18>>llnt or Roca Poudar
< l l > B a c l c a l l y Balsa Poudar
<l2>PlaInla P.ICH Poudar
<13)0c#ar» Bluo Shadou
< 1 4 > 8 a r a l y Broun Shadou

Prais'Esc.""'Cursor" or PIJI «u»¡ir: -P«s«'L'. 1 of. 1.1

:
lHelp-^ 2Edlt T 3S«vicr 4Prticr SPrtopt tCo ?U»r« 8C«d SDaulca I B O u l f
tMPUI '-l: * DUplas TILE. .

Figura 3-33. Pantalla de Contenido de la variable produets

50
 En la Lección 3-3 aprenderás cómo editar las variables existentes. 'La Lección 3-
3 empieza en la pantalla de Contenido de ficheros, así que usa la tecla Esc para
volver a la pantalla de Contenido de ficheros (véase la Figura 3-34).

- Pulsa la tecla Esc para volver a la pantalla de Contenido de fichero.

— \
I h « fe 1 l e w l n ] v a f l i b l t i » r v C v r r c n l l y In T i l * COSriETlC:

u.riíbl» Uldtft fyp« Kmk l>njtl> C«l« J1-» Co~~«nt

ie M 1 13 11' 8'9817:87
13 N 1 M 11' 8'S017:87
le H 1 M 11' 8'9017:87
30 C 2 11 38 •. Il'-S'S»171 9 7 - > • : •

'Pr»*« ZKTER k.y Cor »«eh vtrltfcli l» k» «dllid. «r pr«t« «=A11 D»t>l«pl»y.
IH.lp > 2 E Í U 3S«v«er 5 P r W c r S fcCo 7V»r» 8C»¿' " 9D.vlc« lOOuit
IMPUI íltpliy FILE

Figura 3-34. Pantalla de Contenido del fichero COSMETIC con la variable

producís seleccionada

SI
EDICION DE VARIABLES EXISTENTES.

En esta lección aprenderás cómo editar las variables creadas en las Lecciones 3-1
y 3-2 empleando el editor de datos.

La lección 3-3 empieza en la pantalla de -.Contenido de ficheros.

La pantalla de Contenido de ficheros ofrece la lista, de todas las variables del

fichero COSMETICS (véase la :Figura 3-35).

- Escribe la letra A (opción All-Todas).

Th» folloulns u>rl»ble> ere currentl* ln the file CCSnEIlC:

Variable Uldth Typa Rank LenjlK Date Tl^e Co««ent

sales is K 1 13 11' 8'38 17: 67

uní ts 13 n 1 14 11' 8'38 1?: 87
onhand 1S M 1 14 11' 8'98 17: 87
39 '2 14 38 11' 8'S8 17: 87

Press EHTER key for aach varlabla to b» adltad, or prasa (UAll D i D U p I a y .

IHelp . 2£dl¿ .< 3S«vser 4?rtser S tCo 7U.r» 9Cavlca lBOuIt
IMPUT 01sp1ay FILE

Figura 3-35. Pantalla de Contenido del fichero COSMKTIC

 Una vez que se escribe la letra A (All-Todas) en la pantalla de' Contenido de
ficheros., el sistema presenta las variables sales, units, onhand, v produets en el
editor de datos (véase la Figura 3-36). Observa que el sistema presenta el conteñido
de las variables en el orden en que figuraban en la pantalla de Contenido de
ficheros.

Cursor at Rou:
Colu-n:
1 Cal» Editor
f I la: COJnETIC
n * K i n u * Rous:
Mu-bar oC Cola:
14
1 4

Rou ti lee units onhand producís

1 . 487 ía. s. nadnots * ParTu-o • * ..*"" '

2 .233 1B.
2. 61. Suoatnoss ParCuma .
3 .276
4 .274 13.
67..
Sí.
,„Rosas Parfum
'
Sao roa* Colojno^ * .'í*
w-.».
s
• 2SS 22. Si. .
tladly nuak Colosn«'^': •
í . 2S3 11. 78. .
l l i w t r l n ) Splco Colosna.*:
7 .248 41. 63. Dusly Caun Llpst lck
8
.245
3 .248
3S. 23.
41. •
l u l t r v Cunast L l p « l l e k v ' i " .
•• Rad Rad Roso L. 1 pa l Ick^'-.--- -
38. 53. Hlnt of Roso Poudar
19 .233 22. Baalcally S a l j a Poudar.,.,-..
11 .223 26. 63.
33. P l a l n l y Paaek Poudar?"'. , " •*''
12 .211 38. 4. Ocaan Slua Shadou * -
13 .208
14 .183
sa.
47. Baraly Broun Shadou
T

3Z.
Lensth 14 14 14 14
Typ'Ulh N'18 «'13 H'18 C'38
Pracs tha f& kay lo sauo updatad dala'or'tho rS kay Cor olh«r"optlonc. "*
UUIp 2Edll 3S.uscr 4Prtlcr SOpl» 6Cs 7Uara • BC~d SPaulc* lBQult
IKPUI Plipl.y flLE-.-J

Figura 3-36. Las variables sales, units, onhand, y producís en el editor

de dalos

Ahora se quiere cambiar los valores de los datos en las celdas de la fila 14. Se
puede editar las variables simplemente escribiendo de nuevo los valores de los
datos (véase la Figura 3-3?)-

- Usa la tecla End para poner el cursor en la celda 14 de la variable

sales. Escribe el número .154 encima del número .159.

- Usa la tecla Tab para ir a la celda 14 de la variable units. Escribe

el número 32 encima del número 47.

- Usa la tecla Tab para ir a la celda 14 de la variable onhand. Pon

un espacio y un numero 9 encima del número 32.

- Usa 1-3 tecla Tab para ir a la celda 14 de la variable produets Es-

cribe el nombre Siiverv Shadow encima del nombre Barely Brown
Chó.dow. Usa la tecla Deiete (Borrar) para borrar las letras so-
bran tes
 Cursor at Rou:
Colunn:
n Data Editor
Ella: COSnEIlC
flaKl^uM Rouc:
H y b e r of Cois:
1
4
Rou salaa uní l a product E
.\ - 3.
1 . 4 8 7 " . . " 1 18. fladness Perfumo
z .233 12.- _ 61. . Suaatnasa Perfuma
3
4
• Z76 -•J IB-
.Z74-" \ .* 13. -
•
67.
S6. '
Roses P t r í u * *
Sea fo>" Cologne
;
s .zss vr'ri zz:
6 .253 r.w - 11. V
• S6.
• 78.
r.edly ru/sk Cologne
Sl-»-orIng Splca Cologne
7 .248 41. 63. Dwsty Caun Lipstick
8
3
.245 ' '
.248 "—'
.' 3S.
36.
23.
41.
Svltry Su-tel
ft¿ F.d Roca Lipstick
Llflllck
19 .233 ; 22. 53. Hlrt of Fowíor
11 .223 ' 26. 63. c i l l c i l l y Eelje f B . i i r
12 .211' - ' " 38. 33. P l a l n l y Faach Poudar
13
14
.288;"
.154* :
.32.
sa. 4.
3.
Occan Blue Shodou
SIIvery Shodou

Lan3th 14 14 I4 M
lyp'Uth M'lfl H'13 H'16 C'38
Presa'tha'FG'fcay to sawa updatad data or tho TS key íor othar optlons.
¿H.Ip"> 2E4It SSavser 4Prtscr SOpta 6Co 7Uara 8C»d 30avlca lOOult
JMPUI..' 01spIoy PILE

Figura 3-37. Variables editadas en el editor de datos

A continuación se quiere borrar una fila entera de valores de datos. Primero hay
que seleccionar la fila a borrar. Luego se pulsa F5 (Opts) para abrir el menú-
ventana de Opciones del editor. Para terminar, se selecciona la opción Delete Rows
(Borrar filas) en el menú-ventana de Opciones del editor (véase la Figura 3-35 ).

- Usa la tecla Home para poner el cursor al principio de la columna

de la variable sales.

- Usa la Flecha hacia abajo para poner el cursor en la celda 5 (valor

de datos .2SS)-

- Pulsa. F5 (Opts).

- Usa la Flecha hacia abajo para seleccionar la opción Delete Rows

(Borrar filas).
 Cursor i t Rou: 0«t» Editor I I K U U H ROUB: 14
Co 1 u«n: rilo: COSnETIC Munbor of Col»: 4

Rou solos products

1 .487.' 18. 3 .• • i
flódn
2
3
.233
. 276
12.
8.
11
(7.
_ Suflt
Roso
rioílfy silos
Add oddltlonol colunn
4 .274 13. • St. too ROMOUO solos
S .2SS 22.
& .253 ' 11.
se.
• 78.
«•di
Eln-
ftdd rous
Dolola*róuo Pt^^tfíiW TAi^
.248 41. • 13. Duat Add colli
7 .245 35. 29. Sult Doloto colli
8 .2<e
9
19 .233
38.
22.
• 41. . R . H Rod Prlnt to prlntor
' 59. Hl nl Prlnl to Tilo
11 .223 26.
12 .211 33.
&3.
33.
• ••1
FUI
Sovo ulthout ox 11
Sort ln oscondlnf ordor
13 53. Sort ln dcccondlnj order
.288 4. 0c««

"1 . 154
32.

Lcngth 14 14 14 14
Typ'Uth «'18 «'13 K'I8 C'38
Hljhlljht dtslrod onlry »»d pros* M T E R to soloct.
lM.lp 2Cdlt 3S«uicr 4Prt<cr S tCo 7Uars' 8C«d SDoulo* lOOult
IMPUI Dlsploy FILE

Figura 3-3.S. Menú-ventana de Opciones del editor con selección de la

opción Dcletc Rous (Horrar filas)

Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el menu-
jntana de Opciones del editor, el sistema pide que se indique el número de filas a
•rrar (véase la Figura 3-39)-

Cursor st Rou: Soto Editor N«K|MUM Rous: 14

Coluftn: Filo: COSnEIIC Munber of Cois: 4

Rou solas products

1 IB .-I.—:—r~¡! s.T :
2 .233 12." - ~ - ' ti.— ' ' Suootnoss*Porfu«o~
3
4 <l>: • • % * * •

5
6
7 \- -
8
3 • .—y--..
18
11
i -.. - •
12
.209 58. 4. Oc«»n filwa Ch.dcu ' •* -
I
13
.154 Slluory Shadou
14
32. ' 3.
Lonjth 14 14 14 14
lyp'Uth «'18 M'13 «'10 C'38

lHtlp 2í(¡n_, 3S»utcr 4Prt«cr S tío TVors 8C«d 9Doulco IBOult

Dlspliy FILE
lhPUI
V.
Figura 3-39. indicador del número de filas a borrar

cc
JJ
 Hay que borrar una fila de las variables sales, units, onhand, y produets.

- Pulsa la tecla Enter para aceptar el valor de 1 íila a borrar como op-
ción por defecto.

Una vez que se pulsa la tecla Enter para aceptar la opción por defecto con valor
de 1, el sistema borra la íila 5 y hace avanzar un puesto las filas siguientes (véase
la Figura 3-40). Observa que cuando se emplea la opción para Borrar filas,
STATGRAPHICS empieza a borrarlas a partir de la fila en la que se encuentre el
cursor.

Curtor at Rou: S Doto Editor noxlnuM Rous: 13

Colu-n: 1 rilo: COSHE11C Ku-b.r or Cois: 4

Rou calos units onhand produets

1 .487"-—.' 9. * H a d n o s s * *
n
2 . 2 9 3 V - 12. . 61. ¡ Suaatnaia porfun» .
3 .276r-í I ? I 8 . . :> :-- 67. r Rosas Parfu-a * ."f •
. 274 13. - S6. Sea Foa** Colojna
S .rs3 „-J 78. Slnnorlnj Splc* Colojn*
6 .218- " 41. 63. Dosty Daun Llp'Stlck
7 - 2 4 S '-. -
' 3S. 29. Sultry Sunsat Llpstlck
8 .248 • • ! 38. 41. Rad Rod Rosa Llpstlck
9 .239 : 22. S9. Nlnt oF Roso Poudor"
18 . 2 2 3 " ' • : 26.• 63. Baslcally Beljt Poudar
11 .211 . ; 38. 33. Plalnly Poach Fouátr
1Z .288 S8. 4. Ocean Slua Shadou:
13 . 1S4 ; 32. 9. Sllvtry Shadou '
14

Lanjth 13 13 13 13
Iyp'Uth K'IB H'l3 H'IB C'38
r? Pr«s» th«"FG lny'to i«v» updttid d»t« or thi FS for'othtr optlon».
lH«lp~-' Z E d l t V 3S«utcr 4Prt*er SOpts SCo • 7V«r» 8C«d SOBUICB IBOult
1MPUT *•" Dltplay FILE

V ; J
Figura 3-40. Variables con una fila borrada en el editor de datos

A continuación hay que añadir una fila entera de valores de datos. Primero hay
que indicar dónde se quiere añadir la fila. (Cuando se u.sa la opción para Añadir
filas, STATGRAPHICS empieza a añadirlas en la fila donde se encuentra fel cursor).
Luego se pulsa F5 (Opts) para abrir el rnenu ventanas de Opciones del editor. Para
terminar, se selecciona la opción Add Rows (Añadir filas) en el menú-ventana de
Opciones del editor (véase la Figura 3-41).

56
 - Usa la Flecha hacia abajo para poner el cursor en la celda 11 (valor de
datos .211) en la variable sales.

- Pulsa F5 (Opts).

- Usa la Flecha hacia abajo para seleccionar la opción Add Rows (Aña-
dir filas).

Cursor at Rou: 11 Oats táller K*K1P«U« Rous: 13

Coluxn: 1 file: G O Í M T i C Nuxber of Col«: 4

Jtou solee uní le cnhend producís

i 10. --V- KIXJ js.-tg

2 nodlíy s s l t s
3 ¿276 . >>t _ _ . . Aid sddttlonsl calunn
4 ,27i¿: .'i»--. Rexove s s l t s
5 •253 ¡ Mr- Pd d *r ¿ 5 «725
t .248 rr "v - 41.-T- ÍJ.v-rfRí"*! Cuet
Pelele rows
3S-: Add ce lis
5SSSSS'
7 .24Sf- . • " j
t 38.-. «elote calis
23
3 .233;?. - •22. H»»*' rrlnt to prlntsr
1S .223-' ' : 26. . ' r r i n t to r t w
11 .211^.-' '38. - 3j.5s-Sí-if rui leue ulthout exlt
12 .298-" ' S8. Oce. Sert ln afcendlnj order
13 . 154 .-.— 32. 3..--i Cllu Sert ln deecendlnj order
11
Lanjth 13 13 13 13
lyp'Uth «'18 «'13 «'18 C'3B
, H l j M l j M daalred entra and prets' lMltR*lo - salsctrr" T T~^Í~'"' .TV:
lH.lp ; 2tdlt 35«vaer IPrtacr S - 6Ca — 7Vars * 8C~d'-« SPaulo. lOOult
1MPUI Di mpí*y r¡LK

Figura 3--11. Menú-vcnlana de Opciones de! cdilor con selección de la

opción Add Uo«s (Añadir illas)

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar la selección hecha en el menú-
ventana de Opciones del editor, el sistema pide que se especifique el número de
filas a añadir (véase la Figura 3-42). Hay que añadir una fila a las variables sales,
units, onhand, y producís, así que pulsa la tecla Enter para aceptar el valor de la
opción por defecto.

- Pulsa la tecla Enter otra ves para aceptar el valor de una fila a añadir
como opción por defecto.
 Cursor ot Rou: 11 Calo Cdllor n»xlNUM RQUI! 13
Colunn: 1 r i l o : COSntllC Hunbor of Col*: 4

«nhand producto

Sllutry'Shodou '

Lanjtl» 13 13 13 13
i^p^Jtk ti'ie I4'13
«'te C'3B
.— J---T- • r-ixrz.

l ü m ^ Dltplay r.ILI^.7

V : J
Figura 3-42. Indicador de número de filas a añadir

Una vez que se pulsa la tecla Enter, el sistema añade una fila en blanco en la f
11 y mueve las siguientes un puesto hacia abajo (véase la Figura 3-43). (Cuando se
usa la opción para Añadir filas, STATGRAPHICS empieza a añadir filas en la fila en
la que se encuentre el cursor).

Cursor «t Rou: 11 04t« Editor ntxirtuN flsws:

14
Colunn: 1 Tlio: COSnEUC Hunbor of Cois: 4

unltt product*

1 18.'. • S.J: tladnaa." r « r r » M

z .233"Í:^V: 12. y"-,.-'. • • •
u rg: S u i i t n i i l T.r
3 .276<v_> J i S. • 67;.*; -jm
4 .274^:1 13.--*''"Í"! 56^! C.loino
S -2S3.it'- íi.-r-^ - Il^orlnj'Spleo'Colojn.^TÍÍ^I
6 .249 - v • ' 41. • 1 63. Puaty p»un* LIpatlck-'^-T-.I-V^ly*:
7 .245 ,.. > 35. > 23.:. Eultry Cunto t Llpat lok-.-^.Vv.'...-
í .240 : : . 38. * 41.. Rad Rad R o a o ' L l p a t l c k " ^ *; .. - !
3 .233, 22. • 53.
Mlnt or'Ro«o'roudor: ;
1
la .223,-.,1 . 2t. • •* 6 3 . " -
•
v - V 8Ta a l o a l l * •.AAO^.».^
; 8 a l j a Poudofwii¿¿" .j
•-•v.t.^.Mj-**-]
rt
ii
12 • 211 .' 38. 33. ,
.. h»r i o l n l y Paach .Cóndor;.,:,..,
13 .288 ' • SB. • 4.-
Ocoan S1 uo"£h• d o u ^ ' t ' ' • • , "
14 .1S4' * - 32. 3. • • * Ellvary It>»dou'-";' .""-í" ..

lonjth 14 14 14 14
Typ'títl» H'IB K'l3 «'18 C'38
i. "-"Pract*th«'X6'k«y"to t«vt upí»l«d"d»t»*or~tho-rS"fci<nfor-olh«r~: bpUonc~T"rr;
I H « l ? - q 2Ed 11 • 3S.vter 4Prttcr S0pt*«4 6Co^— í 7UariT? 8Cxd""< SDaulco IBOuttt
IKPÜ; " " Dliplay PILE"

Figura 3-43. Variables con una fila en blanco añadida en el edilor

de datos
 Ahora se puede poner datos en la Fila 11 para todas las variables. Se puede
poner números enteros en las celdas en blanco de una variable numérica sin
escribir el punto separador de decimales al íinal del valor (véase la Fig. 3-44). La
próxima vez que se presenten las variables en el editor de datos, STATGRAPHICS
añadirá lo-? separadores de decimales y alineará los valores de los datos.

- Escribe el número .156 en la celda en blanco de la variable sales.

- Usa la tecla Tab para poner el cursor en la variable units. Escribe

el número 3? en la celda en blanco.

- Usa la tecla Tab para poner el cursor en la variable onhand. Es-

cribe el número 12 en la celda en blanco.

- Usa la tecla Tab para poner el cursor en la variable produets.

Escribe el nombre Gentle Grey Shadow en la celda en blanco.

Cu i-Mar »t Rou: 11 Cata rdltor rtftMlmm Rou*: 14

Colunn: 4 ni.: COSntlIC Kunbor of Cola: 4
leu solos unlta onhand product*
ha"dno««y^*ríUniJ
Sútatnaif?
Roiaa'rirfyna^H^
y.»Tto¿Üfolmn«r, . ,.., .
CtxnorlM^tpIcatColOfiw^
(uaty; Daunttlpat lokWií
sí
Su 11 rv' tuns < L1 pm 11 elt?
Rod Rad'RosaHúatlck^
Htnt'of RosaTroudar!^
Saileally'BalsáTfoudaríl!
26 S. Cantlo'Cra|/;Sh«doú"KJt5,
38.'-tí 3 3 i r 1 a l ni y' r«»ch' T oudar «JtoWoSíí
11 iv.^sh.dou ^ r T T ^ r - r t
14 14
14
C°^rr¿si"th«^E''kt^tH'l3 o"»saw«*updslsd'dala*or'lths3'BrS>»a'fórJ"othorTóptlonsrT'.^?.
K'
rie C'
Í P Í l p ^ 2£4l.tij 3Say¿éc 4frt«cr S0?lsjr¿ 6Co.;-.u TyariÉJ 8C«.d?t3 9»«vJlo« IBOult;
1££ül.~2 Olsplay Lf.t-tó?

Figura 3-M. Variables con datos en la nueva fila en el editor de datos

La columna de produets es más ancha de lo necesario para los nombres de

productos que hsy en ella. Vamos a usar el menú-ventana de Opciones del editor
par? modificar i? ?rnplitud de la columna de producís. El primer paso es pulsar
F5 (Opts) para abrir el menú-ventana de Opciones del editor, y luego seleccionar la
opción Modify pira modificar produets (véase la Figura 3-45).
 - Pulsa F5 (Opts).

- Usa la tecla Home, si es necesario, para seleccionar la opción Modify

(Modificar) producís.

Cursor at Rou: 11 Data tdltor riexlmi* Rows: 14

Coluxn: 4 rilo: COSnKIlC Hunbar of Cois: 4
fiou salee units enhand product*

1
Z KÍ3»f 5T ir ?3¡S ITE8333
3
4 Add sddltlonal colunn
Rsnov* product*
5 •"Jrf<r*ir. Add rou*
G
7 :z48?f4wy3 4i;-»^.-!¡»TL "í« Í3Í Delete rou*
Add calis
8 :249
3 :239?: S" Delets calis
Prlnt te prlntsr
18
11
• 2Z3 «-Jffe^-*-*» 1 3 Prlnt to fila
Xave ulthout aMlt
12 38. Jort ln ascsndlnj order
13 S8. Sort ln dcicsndlnj order
M
L«n3th 14 14 14 14
Typ'UthH/18 H'13 K'18 C'38
p.'ÍTTW-,- H l g M Ight'deslred* entry'snd'praae t N I £ H " t o " » » U o t T T r = l V f
lHelptí 2 U I t >i 3Seveor 4Prtaor S — t C o > « - - ' 7Vars~l B O d ^ S Í 9Pev|0« lBOultí
jflfuiiK " " PI«»I«» riurrá

v ; )
Figura 3-45. Menú-ventana de Opciones del editor con selección de la
opción Modify (Modificar) producís

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar la selección hecha en el menú-
ventana de Opciones del editor, el sistema presenta la ventana Modify Current
Column (Modificar la columna activada). Se usa la ventana para Modificar la
columna activada al objeto de indicar la nueva amplitud (véase la Figura 3-46).

- Usa la tecla Tab para ir al campo Width (Amplitud).

- Escribe el numero 25 encima del número 30 en este

campo.

60
 «t Rou: 11 Doto ííltor ItDNlnuH Rouc: 14
Colum: rilo: COSntlIC
Huibor oT Col si4
4

products
1
Z (1 Sus»tB«E«',P«rrufi«'
3 Roioi'PorfuosJ
4 Sss'.Fom.CoJojnsI .
5 £1 iu««r1t nj'.Spl ca* Ca i ojn«3
6 Ousta"®»
7 tuitr^s rtodlfy curront COIUHH
8 R.á'Rod
9 S3. - ...H• tnt'of'
18 Boslcol1 K»»i: prodúct*^
11 Csntlo CrSPo: c
1Z .211 -jujZS 33.'; FWInly
13 . 268 ;-4.- .•.'••; Ocoon SI Vldtt: 2S
14 S. " Sllvsry

Longth 14 14 14 14
Typ'Uth K'18 M'13 «'18 C'3fl

ÍH«lp"S? Z l d l t á 3Sou«or 4Prtser S?R«»vÍ 4Cop7JV TUorsTÍ BC~¿-¿i SP.ylo» 180ult^

IMPUIjSi OlspU*

Figura 3-46. Ventana para Modificar la columna activada con indicación

de la nueva amplitud
- Pulsa F6 (GO) C

Una vez que se pulsa F6 (Go) para procesar la ventana para Modificar la columna
activada, el sistema cambia la amplitud de la columna y modifica la anotación
Typ/Wtít (Tipo/Amplitud) al final de la columna de products para reflejar el
cambio de amplitud (véase la Figura 3-47).

- Pulsa F6 (Go)

Cursor «t Rou: It Dota Idltor n»xlmi« Rous: 14

Caluxn: 4 filo: COSniIlC «unb.r «r Cois: 4
Rou solos untts onhtnd products

Lsnjth 14 14 14 14
Typ'L'th K'18 K'13 K'IB C'ZE
•*• i l í crTc l.hirT'Gptl ór,¿í
lH«lpí3 2£dlt*í 3S.utor HF.-tsor SPpU~-G lC£J£?á ?V.r«£» 8Cnd'1?-? SPoylco !B«Glv3
r
IKUl} Dioploy ÍJLZlf'í?
V )
Figura 3-17. Columna modificada de la variable products
en el editor de datos

61
 Una vez que se pulsa otra vez F6 (Go) para procesar las entradas en la ventana
para Modificar la columna activada, el sistema presenta el menú-ventana de
Almacenaje. Hay que almacenar los datos y salir del editor de datos. Selecciona la
opción para Almacenar y Salir en el menú-ventana para Almacenar (véase la Figura

- Usa la Flecha hacia abajo para seleccionar la opción Save and Ezit
(Almacenar y Salir).

Cursor >t Dolí 11 Oats n i t o r fllKlmw Roo»! 14

CalimftS 4 rii>i cosntuc fluMbor of Co 4l si
Sou salas •lOitnl produets

Unjtll 14 14 14 14
Typ'Uth ICU Pfll
r sU C'iS

V ,
Figura 3-48. Menú-ventana Save (Almacenar) con selección de la opción
Save and Exit (Almacenar y Salir)

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar la selección hecha en el menú-
vsntana para Almacenar, el sistema almacena los cambios, sale del editor de datos,
y pasa a la pantalla de Contenido de ficheros (véase la Figura .3-49).

o¿
 I * . falUulnj varlablaa ara c u r r a n t l j In tba T i l a COSílEUC:

tlartabla Uldlh tyj>« Rank Lar. 5 I b Cala Tina Connanl

aalaa" /
uní ta 13 "K7^rmri<G3sn$rc:ii>iz
fí M 9e:i3:
U'l2'9e 13:8S
ank^nd 18 « 14 ll*12/3B 13:8S
pradu c t s 2S C 14 2S ii'i2'9B 13:es

F-.YPrata'EJirER'kay for' aack w»rUbla"t»tka*a4ltad^"or'rra««-fisftllTD«DlapI'ayr i

1>UI»"* ZSiltrj 3ía«scir «Prtaer W o t ¡ £ 2 m » r * 3 á B C i ^ ! ® 9D¿wloá IBoCltJ
íwuirr. Ditpiay

Figura 3-49. Pantalla de Contenido delfichero COSMETIC

Una vez terminada esta lección, vuelve al Menú principal. Se vuelve al Menú
principal saliendo del procedimiento de Operaciones con ficheros (véase la Fig.3-50)

- Pulsa la tecla Esc hasta volver al Menú principal.

i
STAISHATHICS Statlatlcal CrapMea Syata»
CAÍ» BAKOCEnE«T_A«p SYS?tu UTILITIES Tlng SERIES PROCEDURES
A. Pata^hana jaM~a*ñ£ L. roracactfr>5
0. Syata»* £nvlron**cnt K. O u a l l t y Control
C. Rapart t i r i t a r and Craphlca Raplay H. S-oothlnj
D. Craphlca A t t r l b u l a a 0. Tina S a r l a s Analyala

PLQITlnS OMO 0EICR1PI1UE SIAI1SI1CS ADVAHCED PROCEDURES

1. Pío 11Inj Puneilonc P. C a l a j o r l e a l Data Analyala
P. Daasrlptlva Rathoda 0. n u l t l u a r l a t a Halhoda
C. E a t l - a t l o n and T o a l l n j R. l*onparar»atrlo KiLK«dB
H. P t a t r l b u t l o n f u n c t l o n a S. S > - p l l n J
I . Exploratory Oata Arvalyila I . EMparlnantal Daalgn

OKJ REGRESSIOM AflALVSIS ílATHErtAT 1 CAL AKD USER PROCEDURES

J. Anal^tla of Uarlanea U. na ¿banal l e a l functlona
K. K a j r a t i l o n A n a l y c l a U. flacroa and Usar Functlona

Cv55c5=ífL-aa"Teurá<irrTkay»-l o"T.l a M 1 jh l _ d a a I r a d ' a a et I e n ^ T hariTpra a«'EMIEHT^^f^KSS»

lrval?"3 21dlt"3 3Sauicr 4 P r t * c r S v ! i ' ; ? < tCo « U a r l / í B C r ^ r í 9Pavl¿« iegú¡L<¡¡
Dlipliy

V. y
Figura 3-50. El Menú principal

63
RESUMEN

En este capítulo trabajaste con variables haciendo uso del editor de datos en el
procedimiento de Operaciones con ficheros.

Concretamente, en este capítulo :

- hiciste selecciones en menús para llegar al procedimiento de Operaciones con fi-

cheros.

- usaste la pantalla de entrada de datos para las Operaciones con ficheros y la op-
ción C (Editar) para crear un fichero nuevo y entrar en el editor de datos.

- usaste el editor de datos para crear variables y poner los valores de los datos.

- usaste la opción D (Visualización) y la opción A (Todas) en la pantalla de Conte-

nido de ficheros para ver los contenidos de las variables.

- usaste F5 (Opts) (Opciones) para crear una nueva variable y poner valores de
datos para dicha variable.

- usaste el editor de datos para modificar los valores de los datos, borrar una fi-
la, y añadir una fila a las cuatro variables.

- usaste F5 (Opts) (Opciones) para modificar la amplitud de una variable.

- usaste la opción Save and Exit (Almacenar y Salir) en el menú-ventana Save

para almacenar los cambios y salir del editor de datos.

MANEJO DE DATOS CON LA OPERACION DE ACTUALIZACION.

En el Capítulo 3 aprendiste cómo usar el editor de datos para crear ficheros y

variables. En este capítulo vas a aprender a usar la operación de Actualización del
procedimiento de Operaciones de fichero, al objeto de -crear y editar (modificar) las
variables.

Los ejercicios de este capítulo emplean el fichero COSMETIC que creaste en el

Capitulo 3. Este fichero contiene variables con estadísticas de ventas (millones de
dólares), unidades vendidas (millares), e inventario disponible (millares), de 14
productos cosméticos de Worldwide Products.
 En este capítulo aprenderás a crear variables y a editarlas con la operación de
Actualización del procedimiento de Operaciones de fichero. También aprenderás a
emplear los operadores (símbolos y palabras especiales que permiten manejar y
transformar datos) de STATGRAPHICS.

USO DE DOS VARIABLES NUMERICAS PARA CALCULAR UNA TERCERA.

En esta lección se usa la ventana de Asignación de la operación de Actualización

para calcular una variable numérica nueva (príce) usando dos variables existentes
(sales y units). También se hace uso de los siguientes operadores de
STATGRAPHICS : ROUND, * (multiplicación), y / (división).

La Lección 4-1 empieza en el Menú principal.

El primer paso para crear una variable es emplear los menús para seleccionar el
procedimiento de Operaciones de fichero. El procedimiento de Operaciones de
fichero está en el menú secundario de Gestión de datos, así que empieza por
seleccionar el menú secundario de Gestión de datos en el Menú principal (véase la
Figura 4-1).

- Si hace falta, usa la tecla Home para seleccionar el menú secundario de

Gestión de datos.

Figura 4-1. Menú principal con selección del menú secundario

de Gestión de dntos

65
 - Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el Menú
principal, el sistema presenta el menú secundario de Gestión de datos. Selecciona el
procedimiento de Operaciones de fichero desde el menú secundario de Gestión de
datos (véase la Figura 4-2).

- Usa la Flecha hacia abajo para seleccionar el procedimiento de Operacio-

nes de fichero.

DATA nAKOCEnEKT

1. Dlipliy 9iti Dlractory

2. rila'Op'a'ritloni
3. lxport Data Filas
«. Export Data rila»

k.T- T -V Uá«~-oüra"<¿r-kaya-to~M jhl ljhl'daa lred*procad¿raT"t~Thañ~praaB~EKTEfl?.,"TV';74

IHalp 21411M SSavaoi* «Prlaar SfiíAVJ « • 'fcl TUara '» 90avlo« lSQult l
JMPUT Dtaplay

Figura 4-2. Menú secundario de Gestión de dalos con selección del

procedimiento de Operaciones de fichero

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el menú
secundario de Gestión de datos, el sistema presenta la pantalla de entrada de datos
para Operaciones de fichero (véase la Figura 4-3). Se usa esta pantalla para indicar
el fichero de datos y la operación con los que trabajar.

66
 rila Optrat1onc

STATCRAPHICS r i l a n»~e: CSS55TÍ35

Oparatlonc: A . Copy 0. tras* C. Recode
B. Créate 1. Jeln H. Rene«e
C. Edlt f. Prlnt I. tpllt

Plise an Data Orive - C : V S T R J C \ D A T A \

AXOUA C0030I« COStl cosncnc MPDAIA IROHORt L0CL1H RUPATA

««UN OCCCTfl P&fiOOr ISDAIB lUOSTACt

1 i le~n npOrri i 1 i s"*»KdTFs«s-| u . w •rm

lHalpi' Z M Í t S 3Savscr Ifrlser "oíT'jS 7V»r«'J< BO. UltJ
jwtiTSS isá

J
Figura 4-3. Pantalla de entrada de datos para Operaciones de fichero

Hay que decirles a STATGRAPHICS el nombre del fichero con el que trabajar
(COSMETIC) e indicar la operación (Actualización) deseada (véase la figura 4-4).

- Escribe el nombre del fichero COSMETIC en el campo STATGRAPHICS

File Ñame. El cursor va automáticamente al campo Desired Operation
(Operación deseada).

- Si es necesario, escribe la letra ] (Updtate- Actualizar) en este campo.

67
 r~
Tile Oprrallonc

sinicnnpHics rila n.-,: cosntuc

Operat lona: fl. Copy 0. E r n a C. Racada J. Upd.t.
8. Croata ( . Jeln H. Banana
C. Edlt r. Trtnt 1. S p l l t

Declred oporatlon: J

Fllii on Data Drtva - C:<^TeiC\DaiO\

PHO'JO Cf-ataia CflSEl COSrETIC Efiproin E LOCLlfi rwDaia

NOKLIK ocdoia s 6.100.1 TSCOIft IU0SIOCE

r ^ - r - • _ Completa'lnpuC M e I d a * a n d ' p r e c » * F f c T 1
IHelp ZEdlt ' 3Savscr «Prtccr S. tCo • ?U.rt 8C«d ' * SDawlea lBOultl
iriPUI DUplay FILE

File 4-4. Pantalla de entrada de d3tos para Operaciones de fichero

una vez completada

- Pulsa F6 (GO).

Una vez que se pulsa F6 (Go) para procesar las entradas en la pantalla de
entrada de datos para Operaciones de fichero, el sistema presenta la pantalla de
Actualización de variables, con el encabezamiento "Contents of file COSMETIC"
(Contenido del fichero COSMETIC) (véase la Figura 4-5). Esta pantalla presenta una
lista de las variables del fichero con el que se esté trabajando.

Queremos crear una variable nueva. Mira la Línea de estado. La opción N (New-
Nueva.) en la pantalla de Actualización de variables nos permite crear una variable
nueva en el fichero COSMETIC.
 Contenta of fila COSnflIC

Uarlabla Uldth Typa Ranh Lanjth Pata Tina Co»»ant

FOIRECTORY II' B'SB U:2B

s«i a «rssrsri e tío es?ren i rsrvzzz'ii»/ s o 71 c z 3c
unlta 13 K I H 11' B'J» 1 7 H 2
onhand IB H 1 H 11' 8'SB 17: S2
producía 2S C 2 14 2S II' 8'SB 17:52

lHalpfJ 2 £ d l t y 3íavacr «Prtaer S'r*agJ M o ¿ * | 7Vl»c»2í 8C~dtl3 3D*vlo« lBQuItj

IMPUI.Í1-!

Figura 4-5. Pantalla de Actualización de variables

- Escribe la letra N (Nueva) en este campo.

Una vez que se escribe la letra N para añadir una variable nueva, el sistema
presenta el campo Variable nueva. Hay que crear una variable nueva, price, para
que contenga el precio medio de cada uno'de los 14 productos cosméticos cuyas
estadísticas se encuentran en el fichero COSMETIC. Escribe price en el campo
Variable nueva para decirle a STATGRAPHICS en nombre de la variable nueva
(véase la Figura 4-6).

- Escribe el nombre price en el campo.

 cont.nu «r ni. cosncuc
Utrlibla Uldth Typa Ronk Lanjth Data Il-a Cannant
PDIRECIORV I I ' B'9» lt:2«
k> i a» .TSEES^I «nnarxrrrrj itEisssi i w • sz ^tfii^jg.^u^r.r;''-",»^
unlta 13 K I 14 11' B'SB |7:S2
onhand 18 H 1 14 I I ' B'9B 17:S2
product! ZS C Z 14 25 11' 8'3B 17:SZ

Entar n«»a of ñau varlabla: prle«.yj3f.Sl

fHlshlI jht"'V»rIabT«:7fl"fti"al jñ"C»CoKÍíñrD«Or«pIa^
lHalp^j 2ídltm 3Savaci* 4Prt«or S2&&I TVaria I M t { SPavlca lBQultl
jHPUtKU Dlaplay f

Figura 4-6. Campo New Variable (Variable nueva) una vez completado

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar la Variable nueva, el sistema
presenta la ventana de Asignación. Se usa la ventana de Asignación para indicar la
fórmula (ecuación) que habrá de crear los valores de la variable price. Pero, ¿Cuál
es la fórmula apropiada de la variable price ?

Sabemos que la variable sales del fichero COSMETIC contiene ventas en millones
de dólares. Por ejemplo, Madness Perfume tiene 0,407 millones de dólares de
ventas- % 407.000. También sabernos que la variable units del fichero COSMETIC
contiene el número de unidades vendidas en millares de unidades. Por ejemplo,
Madness Perfume ha vendido 10 millares de unidades - 10.000 unidades. Para
calcular el precio medio de Madness Perfume hay que multiplicar sales por 1000
(para convertir 0,407 a miles de dólares), y dividir el resultado por las unidades
(en millares). Haciendo uso del operador * (multiplicación) y del operador /
(división), la fórmula es :

(0,<-t07 * 1000) / 10 =
407 /10 =
40.7

70
 Es decir, el precio medio de Madness Perfume es $ 40,70.

Podemos usar la misma fórmula para calcular el precio medio de todos los
productos en el fichero COSMETIC. Todo lo que hay que hacer es poner en la
fórmula los nombres de las variables apropiadas :

(sales * 1000) / S

También tenernos que redondear el precio medio de cada producto convirtiéndolo

al número íntegro más cercano. Para redondear un valor al número entero más-
cercano se usa el operador ROUND. (Observa que al escribir el nombre de un
operador hay que hacerlo en letras mayúsculas). La fórmula para calcular el
precio medio de Madness Perfume es :

(. 407 * 1000) i 10

Para redondear el precio medio al número íntegro más cercano, la fórmula es:

ROUND ((.407 * 1000) / 10) =

ROUND (407 / 10) =
ROUND 40.7 =
41
Observa que hay que poner entre paréntesis la parte de la fórmula para calcular
el precio medio al objeto de que el operador ROUND redondee el resultado del
cá.lculo completo del promedio.

Corno antes, se pueden poner los nombres de las variables en la fórmula para
redondear los precios medios de todos ios productos. La fórmula para crear los
valores de la variable price (véase la Figura 4-7) es :

ROUND (sales * 1000) / uníts)

Nota.: Si todos los nombres de las variables en el directorio de datos son

diferentes, se puede poner solo el nombre de la variable. Pero hay dos variables
llamadas sales y dos variables llamadas units en el directorio de datos- una en el
fichero COSMETIC y otra en el fichero llamado TSDATA. Por ello hay que poner en
la fórmula el nombre del fichero y el nombre de la variable de esta manera:

fichero, variable

71
Por ejemplo, se usa

COSMETICsales

para referirse a la variable sales en el fichero COSMETIC.

- En la ventana de Asignación, escribe la fórmula exactamente como

se indica a continuación:

ROUND ((COSMETIC .sales * 1000) /

COSMETIC. units)

Contenta <r n i . cosnsnc

Utrltila UldtK Typa Bank lanjth Data lina Ceiwani

fOIKICTJ)JRV332S 17:36 ln nllllons ef do 11.ra

n l « JB H n Í W M Í 17:31
unlte 13 H
onhanf 14
produ Entar^axcignñant!*RÓÜM T <<COSntTtC?íáúii y j&^

tntir nana oT ñau uirlable: prle» j y

lHalpM 2E4ll2 3S»uaor AFrteoit stü¿3 7y»r«:5 BC~é:¿'. SDevIee IBOultí

USPUta Olaplay r . M S S

V
Figura 4-7. Ventana de Asignación con 1a fórmula para la variable price

- Putea la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo entrado en la ventana de
.signacic'-;. el sistema presenta el campo Cornment (Comentario). Este campo se usa
ara :-oner una descripción breve de la nueva variable (véase la Figura 4-6).

£-:-.:ri'c-f el comentario precio medio en el campo.

 Uarlabla UldtK T y p a Rank Lanjth Data Tina Connont

FDIRECTORV » ' 9'98 16:28

satos " ta 1 —" 1 4 ,-'."r l l ' I Z ' 9 8 I3:BS 1 ."íj"";i •-.. *• .'
units 13 X 1 H 11'1Z'98 13:85
onhand te H I 14 ll'lZ'98 13: B S
produets zs C Z 14 ZS 11'12'3B 13:BS

Snlar cOHMant? auiraja prlca

lHalp I 2£dlt ' 3Sa 6Co Alar» BC«d " SD.ulca IBOult :
1HPUI • Dlsplay TILS •'

Figura 4-8. El campo Comment (Comentario) una vez completado

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo escrito en el campo Comment,
el sistema almacena los valores de datos en la nueva variable y almacena el
comentario en el campo Cornrnent. El sistema añade la variable price al final de la
lista de variables en la pantalla de Actualización de variables (véase la Fig. 4-9).

Ahora puedes pasar a la Lección 4-2. En la Lección 4-2, vas a aprender cómo
actualizar variables existentes. La Lección 4-2 empieza en la pantalla de
Actualización de variables
 Contanta of M I . COSMETIC

Varlabla Uldtk Ty»« «ank Lanjlh Dala lina Csnxant

nuBtcTOBv - < W ! t s'st ~u-2g g g g j ; r ¿a;

i.l.i 16 i 1 1 1 ' l Z ' S e 13:85
wtltc 13 « l 14 t l ' 1 2 ' 3 8 13 : 85
oníi.nd 16 H 1 14 l l ' 1 2 ' 9 B 13:85
product a 2S C 2 14 25 l l ' I 2 ' 9 e 13:85
prlca " 1 14 1I'12'9B 15:48 a v a r a j o p r l c o

lHalp r 2Edlt "3 3Sav«er 4Prtaor S M»2si-J 7 U a r a ^ 8C«d t » 3Davloa 180ulU

iupui j • Dupiay nu? \

Figura 4-9. Pantalla de Actualización de variables con la variable pnce

EDICION DE VARIABLES EXISTENTES.

La operación de Actualización ofrece varias opciones para actualizar ficheros

además de las aprendidas- Asignación y Nueva. Esta lección enseña cómo usar las
opciones restantes, indicadas más abajo, en variables existentes. Las variables se
pueden editar de una en una.

- Display- Visualizar
- Comment- Comentar
- Rename- Cambiar de nombre
- Copy- Copiar
- Erase- Borrar.

La Lección 4-2 emoieza

¿ en la Dan talla de Actualización de la variable.
i.

Querernos examinar el contenido de la variable price. Primero, selecciona la

"íriabie price (véase la Figura 4-10). Luego usa la opción D (Display-Visualizar)
P>:a piV:-r:*ar el contenido de la variable.

- \'a la Flecha hacia abajo para seleccionar la variable price.

7i
 s-
»r rti• cosnEtic
Uarlabla Uldth lyra Ranh Lanjth Data Tin* Cannant

FOIRECrOKV II' 8'3B 16:28

ca l el te ti' 8'38 17: SZ
un! ta 13 M II' 8'98 17: SZ
onhand te H II' 8'98 17:SZ
producta 2S H ZS 11' 8'38 I7:SZ
r
"14 " ~"-'" ll''8'3a'18Ill' »v«rts«-prl

rHIjhlljht'virlatla.-'fl-fltalsn C=Coau<int D=DlEp!«y"t:Er*c*'H:K>ü~R:)Uriá'K«''YrC<>pQ'|

!
lllslp.v lídlt 3Sau»cr 4Prtaer S fcCo TVara BC»d SDaulca lBQult 1
1MPUI._-, Dltplay riLE^.tí

Figura 4-10. Pantalla de Actualización de variables con la variable

price seleccionada
- Escribe la letra D (Display-Visualizar).

Una vez que escribas la letra D para ver los valores de datos de la variable price
el sistema presenta la pantalla de Contenido (véase la Figura 4-11). La pantalla de
Contenido muestra el nombre de la variable, su longitud y los valores de los datos.
Desde esta pantalla no se pueden editar los valores de los datos almacenados en la
variable.

Uartabl*: CCSílEI IC. pr I C» O.njlh ' H>

< 1> 41
< 2> 24
< 3> 3S
< 4» Zt
< S) 23
( 6 ) 6
< 7) 7
( 8> l
t 3) 18
<18> 8
<1U 4
< !2> 7
< 1 j> 1
f l 4) S

ríj.-'irrocirr
1 He I p 2f¿lt i 3S*v«cr 4Prtaor SPrtopt 6Co V ^ í 7Var«'a 8Cnd -,? SOovlc» í e Q u l t j
picplay r.lí-K-:f±j

Fipura 4-1!. í'antjüa de Conlenido de ia variable price

 Añora vamos a usar ía opción C (Comment-Comentar) para hacer un comentario
sobre Ja variable sales. Usa la tecla Esc para volver a la pantalla de Actualización
de variables. Luego, selecciona la variable sales en la pantalla de Actualización de
variables (vease la Figura 4-12) y especifica la opción C (Comment- Comentario).

- Pulsa la tecla Esc.

- Usa la Flecha hacia arriba para seleccionar sales.

r U.rl.il. Ulilh T*p« R»f>k lanjth

>r r u « c o s n t u c

TImi CDMvnt
FDIRECTORV 11' B'9« lt:Z«

s ¡ i. « acascr»«üiKSTI
13 H T u ' í'9«*i71sz**
14 «« T y ^ r11' B'98 17:
uní ti 1 sz
onhtni 18 H 1 14 ii' 8'90 17:
sz
prD¿uctl 2S c Z 14 ZS 11' 8'9B 17:
sz
prle» K 1 H 8'SB 11' t e : 11 i v t r

rHljkUjhrT;4rl¡lUÍ-ft»0««l5n"C«Co>««nt*DeDUpUi)"I=Er¿«»">(t«.ií7R«R«n»-«"V»Copa'
lMelp"* 2EíltÍ3 3S«u'.cr 4Prt»or Sfijití 7 V « C « S B O J " » 3D»u!e» IBOult 1
JhPUT Ví Dlipl.y flLtr. :

Figura 4-12. Pantalla de Actualización de variables con la variable

sales seleccionada

- Es-Tibe la letra C (Comentario).

Una vez que escribas la tetra C para añadir un comentario a la variable sales
variable, el sistema presenta el campo Comment. Escribe a descripción in rnillions
oí' do llar? en la variable sales - véase la Fieura 4-1 V)
w - •
a
- Escribe el comentario en "millones de dolares" en el campo.

76
 or r u > cosmetic

Uortable UUth Type Xank Lonjlh Dota Tlm CenMont

rOIRCCTORV 11' »'9» 1C.29
un 11 o 13 H I H 11'1Z'3B 13: BS
«nh*n¿ le fl 1 14 U'lZ'SB 13:85
product* 25 C 2 14 25 ll'lZ'98 13:»S
,rlc. « » 14 II'IZ'9* 1 S M Í i w r . j l prlco

Enter connont: Iñ'nllllon* o f ' i o l l i r i l j

rHlsMlsht~vé'ri»kler'AxA,,!jn"CiC0MnéH"POl*M«¡ri¿Irá^^
lHcip -j Z t d l t Q 3Sevaer 4?rt«or K t ' v ^ 7\)*r« 2 SDovlca IBOulÜ

IKPUI-3 Dlepley Nt-E^.;!

Figura 4-13. El campo Comment (Comentario) una vez completado

- pulsa la tecla Enter.

Al pulsar la tecla Enter, el sistema muestra la pantalla de Actualización de

variables. Observa la nueva descripción en el campo Comment de la variable sales
(Véase la Figura 4-14).

Ahora hay que usar la opción R (Rename-Cambiar de nombre) para cambiar el

nombre de la variable price para que la describa mejor. Se selecciona la variable
price en la panta.Ha de Actualización de variables (véase la Figura 4-14). Luego se
usa la opción P. (P.ename) para cambiar el nombre de la variable.

- Usa la Flecha hacia abajo para, seleccionar la variable price en esta

Dantalla.

nn
í 1
 Contení! of Tilo COSnSTIC

Variable u u t h Type Rank Lanjth Dota Tino CftMMOnt

FDIRECTOHV 11' 9'9B 11:28
talca 13 H 1 14 11'1Z'38 13:BS ln xllllont of d o l í a n
untta 13 H 1 14 ll'IZ'98 13:8S
onhand 18 H 1 14 Il'lZ'SB 13:85
product» 25 C 2 14 ZS 1I'12'38 13:65

fHlghl l9ht'uarIablof-fl=flaoljn"C»Co«-.ant'D"DI»pl»<í I»tra«e"HeHaOTIeR«n»>««~V»Cop;n

JHolpjt 2t¿lt* ISavaer 4Prtaor S.'. U i ¡ TV.raJJ 9D»vlo» IBSultj
IMPUT¿i Dlaploy LljJ^íá

Figura 4-14. Pantalla de Actualización de variables con selección

de la variable price

- Escribe ia letra R (Rename- Cambiar el nombre).

Una vez que se escribe la letra R para cambiar el nombre de la variable, el

sistema presenta el campo New Ñame (Nombre nuevo). Usa este campo para
escribir el nombre nuevo de la variable príce_ avgprice (véase la Figura 4-15).

_ Escribe el nombrre avgprice en el campo New Ñame.

 Contanta af Ctla COSrtEIIC

Uarlabla Uldth Tupa ftank Lan3th Cata Tina CaiMant

rDIRCCTORV 11' If-ZB

salaa !« H 1 14 ll'lZU® 13: ÍS ln Nllllana of dollara
unlta 13 H 1 14 11'IZ'S» 13: (S
• nh • r\d 1< H 1 14 ll'IZ'9» 13: «S
producta ZS C
z 14 ZS ll'lZ'9» 13: »S

Entor ñau kvflprlot^

CHI JRTTj Kircí? r»n t • 15 n*t¡CfS!¡ñrrD Í D iiyiiT1»Iraír^^(eap tRíKW^VfCípgi

lHalpj* ZMttjg 3I»v»0£ 4£rUaC Sftfófi «oj££¿ TVaoUá 8I&A9 SDayiea IBOultS
jmmlbs piipu» nuisy

Figura 4-15. El campo New Ñame (Nombre nuevo) una vez completado

_ Pulsa la tecla Enter.

A pulsar ia tecla Enter para procesar lo escrito en el campo New Ñame, el sistema
muestra la pantalla de Actualización de variables. Observa el nombre nuevo de la
variable price en la pantalla de Actualización de variables (véase la Figura 4-16).

Mora vamos a emplear la opción Copy para copiar la variable oiiñand a una
variable nueva onhand2. Primero, selecciona la variable onband en la pantalla
de Actualización de variables (véase la Figura 4-16). Luego usa la opción Y (Copy-
Copijf) para copiar la variable

- Usa la Flecha hacia arriba para seleccionar la variable onhand.

 Contante of fll» COSfltllC

Uirtibli Uldth Iyp» Rank Unjth Data Tina Coment

FDIRECIORV 11/ 3^38 lt:Z8

ta!.a 18 X 1 14 11'1Z'3B 13: BS ln n l J l l o n i or dolí ara
uní ta 13 N 1 14 U ' I Z ' 3 8 13: BS
pnhañdTEESSSSriU j' N I^nr M 5?5S3S3!aU 1'I Z^ss *l 3:8
productf ZS 14 ZS ll'lZ'38 13:85
14 Il'lZ-^8 15:48 averaja prlca
aujprlce 1

rH 1 s M 1 s h C W í • ^ f l ' f l i ¡IsS-CiCilSSSríip Ia>l í5*lirriai*H¿Híü-Tl=SiñaS«-yiC¿ pijl

l H o l p í l Z E d l t l á 3S*uxer 4 P r U c r S $ K 5 2 I W o a í S T V i r s A SCAi-fj 3D«vlca I B O u l t j
JHPUuiJ Dlaplay EILIJSEÍ

V )
Figura 4-16. Pantalla de Actualización de variable con selección de la
variable onhand

- Escribe la letra Y (Copy-Copiar).

Una vez que se escribe la letra Y para copiar la variable onhand, el sistema
muestra el campo New Variable (Variable nueva). Este campo se usa para escribir
el nombre de la variable nueva- onhand2 (véase la Figura 4-17).

- Escribe el nombre onhand2 en el campo New.

 nr rn< cosnmc
Variable Uldth lypa R.nk Lanjth Pete Tl«« Con^ent

FDIRECIORY 11' 3'3» 16:28

salas ia n 1 14 H ' 1 2 ' 3 8 13:es ln n l l l l o n e of dollara
Uní ts 13 fl 1 14 H ' 1 2 ' 3 8 13:85
onhand 1 —
2S
M .
C
r —-1 i<v o x j w a r . iu n t » ir. rraKrnfse^RTf Í^C^-TTC"
produets 2 14 2S H ' 1 2 ' 3 8 13:8S
svjprlca N

Enter nanc of new verlabla!

lHelp 2Edlt;j 3Seusor 41-rtecr, S"¡£SÜi tCoJgjS T V a r j U 9 M SDevlee lBOultj

IMPUTAS Dlcplay . rax-ia

Figura 4-17. El campo New Variable (Variable nueva) una vez completado

- Pulsa la tecla Enter.

Al pulsar la tecla Enter para procesar los escritos en el campo New Variable, el
sistema presenta el campo Comment (Comentario) (véase la Figura 4-16).

Contente or rile COSnEIIC

U.rl.bl. Uldth Typ« R.nk Lanjlh Data lina Con • nt

ECIRECIORV II' S'S» 1S:2Í

talai 18 N I 11 lt'12'98 I3:8S ln nllllona or d a l l a n
units 13 H 1 14 I1'12'38 13: ÍS

producís 2S C 2 14 2S 1I'12'38 13:6S

ausprlea K 1 11 H ' 1 2 ' 3 8 IS:i» avaraja price

Enter con-.nt:

lH.lp'^í 2 E d l t d BSaueer IPrtacr S 7 V . r f ¿ 8Cnd:i!$ SDaJloo lOOulLÍ

lüPJJ I M ' ' Dl.pl.*

V )
Figura 4-18. El campo Comment (Comentario) para la variable onhand2

61
 No vamos a poner ningún comentario, así que pulsa la tecla Enter sin escribir
comentario alguno para dejar el campo Comment de la variable onhand2 en blanco
(véase la Figura 4-19).

Como no se necesita la variable onhand2 para cálculos futuros., vamos a borrarla.

La opcion E ( Erase-Borrar ) se usa para borrar la variable onhand2. Primero,
selecciona la variable onhand2 en la pantalla de Actualización de variables (véase
la Figura 4-19) Luego, usa la opción E (Erase-Borrar) para borrar la variable.

- Pulsa la tecla Enter sin escribir ningún comentario.

- Usa la Flecha hacia abajo para seleccionar la variable onhand2

or r n . cosHETic

Uarlabla Ulíth Typa Bank Laftjlh Dito Tina Coement

rOIRECIORV 11' 9'9B 16:28

calva IB K 1 14 U'12'98 13: BS in n|l1 lona oE
unlta 13 H I 14 U'12'98 13:8S
onhand IB M 1 14 U'12'98 13:8S
producía 2S C 2 14 2S U'12'98 13: BS
avgprlca H 1 14 U'12'98 1S: 48 ivcri3> prlca
«
. .
ónhandZ — « 1 14 * ""U'12'98 16:18

f HIsMljhl'uarlablo: Asflotjn CaConnant &-Dlaplay Extraía XsHau R-Ranaca V^Copyl

IHalp - 2Edlt 3Savacr 4Prtacr S 6Cc 7U»ra - BCnd 90aulea IBOult*
mrur ciipiay riLi '

Figura 4-19. Pan(2lla de Actual¡7.ac¡ón de variable con selección de la

variable onhand2

- Escribe la letra E (Erase- Borrar)

Una vez que se escribe la letra E para especificar la opción de borrar, el sistema
muestra la ventana de Borrar. En la ventana de Borrar, el sistema te pregunta si
quieres o no borrar ia variable onhand2 (véase la Figura 4-20). En
STATGRAPHICS esta opción es el método empleado para borrar una variable.
 / A
or rii> cosmric
Variable UlaLh lypo Ronk Len^th Dote Tino Cor*»ent
FDIRECIORV 11' 8'98 16:28
solee II' 8'98 17:SZ ln nllllons oT doliere
unltc II' B'SB 17:52
onh*

r r m -. i...«.'u.-i-r-t ••r ; 1 j^-". • " . j m t t * i ' • tf,".J

¡He ip« 2Ed11 >\ 3S*vser •IPrttor S' " v « 6Co .»r'H 7Var«T¿ BCMÍM ¿Deulóo lBOultj
JMPUT .i Dlsploü riLi-síí

Figura 4-20. Ventana para borrar

Escribe la letra Y (Yes - Sí).

Una ves que escribas Y (Yes - Sí) para indicar que deseas borraj la variable
onhand 2, el sistema quita la variable onhand 2 del fichero y de la lista de
variables (véase ia Figura 4-21)

r
Contenta of file CQSP.ÍTIC
Variable UldtK Typ* Rank Lenjtk Poto Tino Copment
FDJSECIORV 11' 8'98 1&:Z8
sales 18 X 1 14 11' 8'98 17:52 ln nllllons ot do 11 ara
uníts 13 H 1 14 U' B'S» 17:SZ
enhand 1» M 1 14 II' 8'9« I7:SZ
producto 211
S C Z 14 25 U' 8'98 17:SZ
«¿iprIce , > C T T * 1 * * l ~ ^ r « 3 a

rHlshlIsRt^arUíloS-ftaflisIsn-CoCoñMñt-piPIspUa'Iiíraso'HíHorRiRínáiís'VsCopy]
lHelp-a 2IdltU 3S*vscp 4Prtaor &C0J1CT 7U.n£l 8C„d;"f 9Dsulc« lBQult}
Jf.PUTi,^ Olsplty ÍILI;"7J

Figura 4-21. Pantalla de Actualización de variables con la variable

onhand2 borrada
 Ahora que ya has terminado esta, lección, puedes volver al Menú principal. Se
vuelve al Menú principal saliendo del procedimiento de Operaciones de fichero
(véase la Figura 4-22).

- Pulsa la tecla Esc hasta volver al Menú principal.

STATCRAPHICS S i i t l l U o l Crophlca Syata-

DATA nAMACEHEHT AHO SVSItK UTILITIES TLNE SERIES PROCEDURES

A. Dáta'.tlanijañant l. Fariciitlnj
B. SyKtai £nvlroiw«nt n. Ouollty Control
C. Roport U r l t a r and Craphlca Aoploy M. twootKlnf
D. Craphlci Attrlbutoa 0. TIMO Sorloa Anotyola

PLOTTIMC AMD DESCR1PTIVE STAT1STICS ADUAMCED PROCEDURES

K. Plottln5 functlonc P. Cotojortco] Dota Onolyala
F. Dascrlptlwi Rathoda 0. nultluorlota Motboda
C. Satlnatlon and Titttnj R. HonporoMotrlo flothoda
H. Dlatrlbutton Functlona S. Conpllns
I . Expleratory Data Analyalt 1. Ixparlnantal Daatjn
AKOUA AMD RECRESSION AKALVSlí MAIHEJtATlCAl AMD USER PROCEDURES
J . Analyxlc of Uirlanca U. rt«than»tlcol Functlona
K. Rajraaalon Analyala U. Kacroa and U«ar Functlona

lHalía 2Edltj3 3Sou,or «PrUor ««ÍS2Í TWar»^' K^.Ü 9Davioi lBQullí

J_MPUX¿3 Dlaplay

Figura 4-22. El Menú principal

IMPORTACION DE DATOS.

A menudo, los datos a analizar vienen de otras fuentes. Puede que la sección de
contabilidad te dé un disco con información sobre cuentas por cobrar producido por
algún programa, de gestión de base de datos. 0 que la sección de personal te dé un
disco con datos sobre vacaciones de los empleados producido con un programa de
hoja de cálculo. STATGRAPHICS te permite usar datos venidos de otras fuentes sin
que haga falta volver a partir de cero '
*

Por medio del procedimiento de Importación de ficheros de datos en

STATGP.APHICS, puedes emplear ficheros preparados con los formatos siguientes : v

- KS'1 i I "formados con delimitadores en blanco o con delimitadores de caracteres)

- Lotus i-2-.->. hasta ta versión 2.2 (se puede importar un fichero de la versión
3.0 si antes se transforma a la versión 2.2 en 1-2-.5S

64
 - Syrnphony, hasta versión 1.2

- clBASE, hasta, la versión IV

- ATLAS * GRAPHICS

- DIF (Formato para intercambio de datos).

En este capítulo vas a aprender cómo importar un fichero llamado EMPDATADAT.

Este fichero ASCII con delimitadores'en blanco, contiene información del personal
de Worhvide Products en la que se incluye el número de identidad, el nombre,
fecha de empleo, salario a la hora, y horas semanales trabajadas. Decimos que este
tipo de fichero tiene delimitadores en blanco porque se usan espacios en blanco
para separar las columnas.

IMPORTACION DE UN FICHERO.

En esta lección se usa el procedimiento de Importación de ficheros de datos para

importar un fichero ASCII, con delimitadores en blanco, llamado EMPDATADAT. El
fichero contiene información del personal de 7/orldwide Products en la que se
incluye el número de identidad, el nombre, fecha de empleo, salario a la hora, y
horas semanales trabajadas. Como ya tienes instalado STATGRAPHICS en el
ordenador, el fichero EMPDATADAT que vino con STATGRAPHICS está ya
almacenado y listo para su uso.

La Lección 5-1 empieza en el Menú principal.

El primer paso para importar el fichero EMPDATADAT es emplear los rnenús para
seleccionar ei procedimiento de Importación de ficheros de datos. El procedimiento
de Importación de ficheros de datos se encuentra en el menú secundario de Gestión
de datos, así que empieza por seleccionar el menú secundario de Gestión de datos
en el Menú principal (véase la Figura 5- 1)

- Usa la tecla Home, si hace falta, para seleccionar el menú secundario

de Gestión de datos

'o
• jr
j
 STATCRAPHICS Slallatleal Craphlea Syata..

DATA Í1AMACEHENT AMO SVSTEH UTILITIES TIRE SERIES PROCEDURES

A. Data~í1anága~Mont L. Porocaatlnj
0. Syatart Ctivlrotwi«nt n. Ouallty Control
C. Raport Urltar and Craphlea Rifli^ H. Swoothlnj
0. Craphlea Attrlbutaa O. rt*«e Sarita Analycta

PLOTTINC AMO DESCRIPTJUC SIAIISIICS ADUAKCED PROCEDURES

E. Plottlnj Functlon* P. Catajorlcal Data Analyils
r. Daccrlptlv* Hathoda 9. fluitluarlata flethodl
C. E*tInatIon and laatlnj R. Konparanatrle flathodc
H. Dlitrlbutlon Functlona S. Sanpllng
1. Exploratory Dota Analyals T. Exparlnantal Doalgn

ANOUA AHD RECRESSIOH AKALVSIS NATHEflATICAL AHD USER PROCEDURES

J. Analytlt oT Uarlanca U. Rathanatlcal runotlona
K. R c j r t u U n Analyala V. nacroa and Usar Functlona

g y V I ' V U«'^r«¿f T fca'y«' , tó~Klihnaht~dailr«d'.aétlonr~ThaA'praá.'tHIER.V , r : t H : Ví

lH«lpí9 2 E d l C 3 3Sauacr <Prt>°r S^áEÜSl L S o t ü d 7Var*'j BCnd'"} SDawics lBQultj
jHPUI^j Dltplay

Figura S-l. Menú principal con el menú secundario de Gestión

de datos seleccionado

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el Menú
principal, el sistema presenta el menú secundario de Gestión de datos. Selecciona el
procedimiento de Importación de ficheros de datos en el menú secundario de
Gestión de datos (véase la Figura 2).

- Usa la Flecha hacia abajo para seleccionar el procedimiento de Impor-

tación de ficheros de datos.

6
 f \
PA1A HAMAElrtEMI

1. Dlaplay Data Dlrcotary

2. fila Oparatlena
3. W o r t " Pala'PIlaa
«. E.pcrt Data fllaa

ifúlp** Z í á l f a 3íavaor V r t a o F Alar» 1 » BCMÍ.J* SDavloa IBOultj

JKPUljá Dlaplay

V )
Figura 5-2. El menú secundario de Gestión de datos con el procedimiento
de Importación de ficheros de datos seleccionado

- Pulsa la tecla Enter.

Una vez que se pulsa la tecla Enter para procesar lo seleccionado en el menú
secundario de Gestión de datos, el sistema presenta la pantalla de entrada de datos
para importación de ficheros (véase la Figura 5-3) Se emplea esta, pantalla para
darle al sistema detalles sobre el fichero EMPDATA DATA que se va a importar.

Observa el centro de la Figura >3- Debajo de la línea que dice al principio "Files
on Irnport Dnve" '.Ficheros a importar en el disco), el sistema presentatodoslos
ficheros de datos oue no son ASF íoue no son de STATGRAPHICS) en la ruta del
i "X

directorio de importación (el directorio y subdirectorios que indican la ruta para

llegar a la zona del disco donde se encuentran almacenados los ficheros). Los
ficheros que aparecen en ia lista son ios ficheros que STATGRAPHICS considera
disponibles para que los importes.

37
 I«port Misa

input r u . typ.= wcirsasnsfsíssa 1 nput rila nana:

Variable nanea ln flrat rou: Yaq SIAICRAPHICS Tila nana:

Startlnj coluxn: Í 3 Indlnj eslunn (8 Tor all colunnt>: J S

Startlnj rou: J 2 ¡ Indlnj rou <• for all rou«>: |_g

Input nuxorle nlaalnj valúa coda:

rtald uldtha CASCI1 only): ~ " ' '

flJee en Inpert OrIvm - C:viMICOfllA\

CflSEl.DflI CASE2.DAI EWOflld.Oflr

3TR
lHalpi I U « 3 3Seuaoi*
Zídlt rtaor Siyi-t-á «o.:vít W a r a - t BC*<i SDeuloa IBQultl
JHEUíá Dlaplay JUtOSUB

Figura 5-3. Pantalla de entrada de datos para Importación de ficheros

En la Figura 5-4, se muestra el contenido del fichero EMPDATADAT que se quiere

importar. Observa que cada columna del fichero EMPDATADAT está separada por
uno o más espacios en blanco. Decimos que este tipo de fichero tiene delimitadores
en blanco porque hay espacios en blanco entre las columnas.

La primera fila del fichero tiene los encabezamientos de cada columna; por
ejemplo, ID, Ñame, y Hire_Date (identificación, nombre y fecha de empleo). Algunos
de los encabezamientos de las columnas tienen barras inclinadas (Wage/hr y
Hrs/Week- Salario/hora y Horas/semana). Aunque se puede usar en los ficheros
ASCII, la barra inclinada es un carácter ilegal para su uso en el nombre de una
variable de STATGRAPHICS. Por ello, cuando STATGRAPHICS importa el fichero
EMPDATA.DAT, el sistema cambia los caracteres ilegales a la raya de subrayar.
 10 KIR« Mlr«.B«t« íl.,,shr HrtSVfk
8888 SnltK 82'23 /, 88 S.S8 38 . 8
8881 .'iru 83'38'88 i.ZS 48..8
8882 Splnk» 87'81'88 4.7S 28.. 8
8883 83'3í'88 4.SS 2S.. 8
8ee<« Uhltaen 81'81'Sl 3.3S 37.• S
S08S Ul«. BS'31'81 3.3% 4S..8
8806 Llndqultt l»'3l'8l 4.88 38. •
8837 B.fc.r S4'8I'87 7.18 27. S
8888 Dumrr |2'BI'82 t.7S 28. 8
8889 Uhim 8l'38/83 S.S8 28. 8
88ie nootjo».»'"^ eB'lS'83 S.t.» 24. s
eait U» ihlnjlon 82'23'84 18.28 25. S
8812 B.lt.l 87'B1'84 e.3a se. e
8813
8814
P»tt«r*on
Hanlon
12'3t'84
83'81'BS
4 S3
3.SS
»
48.
4S. *
881S Thortan 6l'83'8i 3.7S s
8816 3.3S 33. s
8817 82'81'87 s. es 38. 8
8818 Pallan «t'38'87 9.SS 33. 8
8813 n.r.h.ll eB'12'88 4.7S 33.
s

Figura 5-4. El contenido del fichero EMPDATA.DAT

Ahora estás preparado para decirle a STATGRAPHICS los detalles del fichero
EMPDATADAT que se desea importar. En la pantalla de entrada de datos para
Importación de ficheros, primero tienes que especificar el tipo del fichero
EMPDATA.DAT. Como se dijo antes, EMPDATADAT es un fichero con delimitadores
en blanco (véase la Figura S-5).

- Pulsa, la tecla Tab, si hace falta, para poner el cursor en el campo

Input File Type (Tipo del fichero de entrada).

- usa la barra espadadora para conmutar este campo a Blank

Delmiited (deiimitador en blanco).

69
 Iwpgrt rt'»«

«n W ta f.r • » eolunn»)» «i»

*Ul<« " / t u r.«>.

St.rtln, « ' r í a 1 3
St.rtína <•*"•

)WJT ________ 7 onrtación deficheros

« e entrada
S
con e s p e c ^ a c i ó n d e j ^ ^ b l a n C 0 S

FMPADATAJDAT. (La
el nombre del fichero a el campo
Luego tienes que fichero quiere ^J****' > fltra<ia d e datos

a m p o .

. - L"" 'a secunda parte del campo.

- Escribe uA i en r

90
 Ixport n i . «

Input Tila typa: í llñlTballSlt.ií'Sa Input Tila nana: DU>DATftT.t>AT

Uarlabla n a x a In flrat rou: Vas STfllCRAPHICI rila nana:

Starttn5 eol«~n: Endlnj celunn tB Ctr all :o!unnc>: B ?!{

Startlnj rou: l^J Irválnj rou <8 for all rouí): 8 j

Input nuxarlc n t n l n j vtiur cedajt'3Z7B6

riali uldthx < M C I I onlj):

CASEl-S"! CASE2.MT EAFDATA. PAI

{ . ' ^ y r « w t w «-V-nYCoAp I a ta' t npüt T riá 1 da~anj ~>raaa~

I H a l p ^ Z t í t t M 3Sa'uaor «Prlaor » tCa W t 7U«r«
Jurui-C' piapi»v inroRi

Figura 5-6. Pantalla de entrada de datos para Importación

de ficheros, con EMPDATA.DAT indicado como nombre
Je! fichero de entrada

Como viste en la Figura 5-4, la primera fila del fichero EMPDATADAT tiene
encabezamientos de columna. Como opción por defecto, STATGRAPHICS usa los
valores en la primera fila del fichero importado como nombres de las variables.
(Además, como opción por defecto, STATGRAPHICS usa los valores en el resto de las
filas como datos). Vamos a usar los nombres de las columnas en la primera fila del
fichero EMPDATADAT corno nombres de las variables, así que deja el campo
Variable Ñames in First Row (Nombres de las variables en la primera fila) en Tes
(Sí) (véase la Figura j-7).

91
 Inport Filia

Input Til» typa: í lañlTOoI I S l l a d " " ^ Input fila nana: OlPDflTA'.DAT
Uarlabla nanaa ln flrat r » U : yes SIATCPAPH1CS M í e M M : J S £ £ S 3

Startlnj column: X33 £rwilnj colunn <8 Tar all coIu*ina>l BJ3
Startlnj rou: JJg Indlnj rou C® for all roua>l B^t

Input nunerlc nlsslnj valué codo: f 3Z7I8 •

F1«U uidth. CASCII «niy>:

Filos on lnport Orlvs - C:\STAIC\DBIA\

CASSl.OOT CASEZ.DAT InPDATA.DAI

•Y

lHelp''F'zl<!ltíS 3SaJsor l i n t e r S W o • ¿ i Alara ^ BC-d 90avlce lBQultl

IhPUI Í 3 Oltplay IWORI./}

Figura 5-7. Pantalla de entrada de datos para Importación de ficlicros

con indicación afirmativa de Variable Ñames ¡n First Row
(Nombres de variables en la primera fila)

Ahora se necesita nombre para el fichero en el que se van a almacenar los datos
importados. Vamos a usar como nombre de STATGRAPHICS el mismo nombre que
tenía el fichero ASCI I original— EMPDATA. En el campo STATGRAPHICS File Ñame
(Nombre del fichero STATGRAPHICS) escribe EMPDATA (véase la Figura 5-6).
STATGRAPHICS añade automáticamente la extensión ASF al nombre del fichero que
pongas en este campo. (ASF en realidad quiere decir APL Shared File - Fichero
compartido de APL, pero puedes pensar que quiere decir A STATGRAPHICS File -
un fichero de STATGRAPHICS).

Observa que tanto el campo del fichero de entrada como el campo del fichero
STATGRAPHICS (de salida) indican EMPDATA. Sin embargo, el fichero de entrada
tiene ia extensión DAT y el fichero de STATGRAPHICS tiene la extensión ASF.

- Pulsa la tecla Tab para poner el cursor en el campo STATGRAPHICS

File Ñame (Nombre del fichero STATGRAPHICS). "

- Escribe el nombre dei fichero EMPDATA en este campo.

92
 Irport riloa

Input filo typa: Bli¿S*B«tl»it«f333 Input ftl. !••>•: tWOAtfl'.Dftl

Uarlabla naxoa tn flr.t rou: Vo¿ SIRICAAPHICS fila nana: JU1PDAIAJ

Startlnj coIuh»: Zndlnf coluxn Cí for >11 coIu«m>: B2

ítartlnj rou: fJS tndlnj r « u <( for all rou«>: BJQ

Input minarle M i t i n s ualua codo: rXÍTÍS ' • O a

n . i d uldth. <ASCII .NIY>: EBSI^^SZAAS^JYJSRE^'TV:
fllaa on Ixport Privo - C:NSIAICV»AIA\

CASE1.DAT CASEZ.Mr EKPPAIA. W U

^orP I a t a~* 1 npul~f 1 a Ida' and~praaa*~ l

X H Ó l p S 2Edltfj( 3Sau«or IPrlaor S *¿í¿ái3 W o i U á Alara SC^d ^rj 30aulc« 180ultl
JhPUIJSI " Dlaplay ;nPORI j

: I : y
Figura 5-8. Pantalla de entrada de datos para Importación de ficheros
con EMPDATA.DAT especificado como fichero
de STATGRAPHICS.

Antes cíe importar el fichero EMPDATA.DAT, cerciórate de que las entradas en el

resto de los campos sean las que aparecen en la Figura 5-9. Pasa de un campo a
otro usando la tecla Tab. Para mover el cursor dentro de un campo, usa las flechas.
La barra espaciadora se usa para conmutar las opciones en los campos Input File
Type (Tipo del fichero de entrada) y Variable Ñames in First Row (Nombres de las
variables en la primera fila). De ser necesario, se pueden usar las teclas normales
para editar lo entrado en los campos.

Ahora estás listo para importar el fichero EMPDATADAT.

 I-part Fllaa

Input riu typa: »I ank 'Bal Inl taí"23 Input fila nana: MFDfiTA*. DAT
Uarlafcla naxaa In flrat ra»: Y»a SJAICSAfHICS fila nana: inTDAIA'}

Startlnj colunn: Endlnj calunn <e for all colunnc>:

S u r t i o s rau: I","* Indlrvj rou (8 for all rout>: B

Input nu-arle nlaalnj valúa coda: P327CB >(-Y»

F I . M uldtha CASCII anly>: C V i S J C E f c i » ^ - : ' J M . ' o í i i l i « J i ' ' 3 : . '

Fila» an U p o r t Priva - C:\STAie\PATAs

CASE1.PAI CASE2.PAI U1PDAIA. DAT

l H e l p 1 ! V U I t t l 3Sav«cr 4Prtter S f l ^ T J tCo 7Uara"3 SDtulca IBOultJ

IWUT Dlaplay J W O R I .J

Figura 5-9. Pantalla de entrada de datos para Importación de ficheros

una vez completada

- Pulsa F6 (Go).

Una 762 que se pulsa F6 (Go), el sistema empieza a importar el fichero

EMPDATADAT. Conforme va procesando el fichero, se muestra la pantalla de
Información sobre ia importación, que contiene detalles sobre el fichero importado,
EMPDATADAT, y sobre el fichero STATGRAPHICS que se está creando,
EMPDATAASF (véanse las cuatro líneas de arriba en la Figura 5-10).

Ojírndo se termina la importación, el sistema índica el nombre, tipo, intervalo y

longitud de cada un? de las variables creadas (véase el resto de las líneas de la
Fisura 5-10). El intervalo de una variable indica ia forma de los datos: 0 es un solo
numero o caracter. 1 es una lista de números o de caracteres, y 2 es una tabla de
filas ? columnas con números o caracteres. (STATGRAPHICS importa cada columna
del fichero EMPDATADAT como variable numérica o corno variable de caracteres.
Como EMPDATADAT es u.n fichero con delimitadores en blanco, STATGRAPHICS
hace un? variable numérica de cada columna de números, y una variable de
ciracerei de cada columna de números, y caracteres que no sean numéricos). El
sistema indica también la fecha y la hora en que se crearon las variables.

94
 r l**p«rt «lanli Delimitad Pila

1 «.partios fila: C:vSI«IC\P«IfKWP<tIA. Pfll

fila 29 rowi and S catuana.
Inportlnj 28 rou* arvd S cetunns.

Iractory ta-'
ll^B'SÍ 14:43 C.-MIftrCsOftlftstnpPBIft.BSI
ll'ZB'M 14:43
Ka«*a ll'28'3B 14: O
Klra_P»t* 11'28'3« 14: 43
Uaj«_l>r K 1J 11'28'98 H:43
Hrs '^aak K 13 lt'2B'9e 14:43

lili i'A.W?)
r*i» 9 C 9 D » v l o « lBQultJ

J
Figura 5-10. Pantalla de Información de importación

La Figura 5-11 muestra las variables en el nuevo fichero EMPDATAASF. (Ya

sabes cómo ver tocias las variables de un fichero, así que no hace falta que lo hagas
ahora. Lo puedes ver en la Figura 5-11).

Mira la anotación Typ/Wth (Tipo/amplitud) cerca del final de la pantalla. Como

ves, el sistema importó las columnas del nombre y de la fecha de empleo como
variables de caracteres y el resto como variables numéricas. Observa que, como se
dijo antes, el sistema cambió los nombres de columna de Wage/hr y Hrs/week a los
nombres de variables Wage-hr y Hrs-Week (Salario-hora y Horas-semana).

95
 Cursor ot Rou: 1 Doto Editor noHlnUH Rouc: 19
Co lunn: 1 Pilo: tnPDATA Munbor or Cois: S

Rou ID Hlro_Dol» U.j.hr

1 seas; 12^2 3^891!

2 aeeiteg*. t.zs^í-, ÍB.obn^?-/
3 87'tl'8e.n
4 BBBZ.'&i&sWifc] IFFIVISL zs
5 Uhlt»9f>"Í
6 5
8BB4. !A¿V>J':} Ul..-;^:'1.'] •5^31'Bl \ 3.35 «s.a f.';-" -
7 L i n d e l ti' 3e. e 'i
S aeacr'l.-t-c'á l.kor evíi/BZ 2 Z7.s;
9 sea?::-^/;.-.] Du»rr IZ'Bl'BZ r\ 4.88 ílVVÍrS 28.a :
s Bf38'83
ie 8988,?. -V.v -"- uKit» • -"• ¡ 28.8 va
ii 8883.'-'¡'íi." j fiontjonary • B'lS'83-f
12 e s t B ^ ' í ^ v ' l UiaMnjton 8Z'ZV84 S.SB "í'-'t-v j
13 s s i i . ^ ^ K Í a «altóla K S7'81'81 t i s . w i
14 Fattaraon 1Z'31'84 * 48.8 • •;. r.
lí.Z8ftv-Viríl|
b 38
Lonjth 13 19 19 13 i - <'V>>4
19
T^P'Utli K'l3 C18 C 8 N'13 «'13
Sr-TíPr«o»"*tli«"FC"Wif"t« »«va*i/p¿ata¿'dal»"or" tha" FS' Wy~íor~ot.hor optlona.? '
i'Molp'Ji ZEdlf'i 3Souscr 4Prticr W)pt* ' W o ' 7Uar* ;» BCnd' » 9Daulca lBQult)
JKPUI^ " DItplay FILI r..]

Figura S-II. Las variables en el fichero EMPDATA.ASF

Ahora que ya has terminado la lección, puedes volver al Menú principal. Desde la
pantalla de Información sobre la importación se vuelve al Menú principal saliendo
del procedimiento de Importación de ficheros de datos (véase la Figura 5-12).

- Pulsa la tecla Esc hasta volver al Menú principal.

jsifilGftAPHICS StatUtlcal C r o p M c o SyEtsnjj

DATA OOMrtCEnEMr AMO SYSItB U T I U I U S llnE SERIES PROCEPUREI

A. r»t« 'rtanaginanl L. fcracwtlny
E. Cftvlrofwínt n. Ooallty Control
C. flrport Urltor »rul C r a p M c c Raplay K. J*>oothlnj
0. C r a p M c a Attrlbvtca 0. Tl-r Serle* Analvsla

PLOrllhC AMD EESCRIPTIVE SIAT1SIICS A.OUArsCE!» PHOCEOURES

E. rutttr.3 Functlona f. CftloJiTlcal Dala £n«lycla
f. CafC-lptluo Híjthodt O. n u l l I v i r U t j H»thoda
C. Ettlnatlon and Tattlnj R. Honpara««trlc riothods
H. D l t t r l b u Ü c n Puncllona S. S.-pIlnj
1. Ixplorator^ Doto Aníllelo T. CnporlHantal D a a g n

AHO'JA SHO RESRESSiOK OKALYSIS nnrKEnariCAL Ans UJER PHOCESURSS

J. S m l y i l i of U«rl«nc« Ll. PathOMa*. 1 c* 1 r^ncl.cnt
K. Anolyilí V. ^tcrei and. Uier Tunctlonc

— - Mj, "¿-ur a or'k a y* 'to— K^íilljht'baalraá'icclío^r"Xhar."t>rp»v* EN7EK. 7• r ' \

IK'.lp j iEdlt.; 3S«w»er 4Prtaer !>r~." i fc£o . » V » r a 8C«¿ . .: SDoulcc IDOultj
ihpu : C* 11 o I * y

F i g u r a 5- a 2. C ¡ M e n ú prin-vi;;:;f
OTRAS P R A C T I C A S

Para practicar mas la importación de ficheros, haz lo que se sugiere a

continuación.

Vuelve al procedimiento de Importación de ficheros de datos. Importa, el fichero

EMPDATA.DAT corno fichero con formato ASCII. Indica lo siguiente: en el campo
Input File Type {Tipo del fichero de entrada), ASCII; en el campo Input File Ñame
(nombre del'fichero de entrada), EMPDATADAT; y en el campo STATGRAPHICS File
Mame (nombre del fichero STATGRAPHICS), TEST.

Cuando se importa un fichero ASCII formado, hay que definir la amplitud de cada
campo. Examina la Figura para, determinar la amplitud de cada columna,
contando desde ei primer carácter de una columna ai primer carácter de la columna
adyacente.

Debería resultar que la amplitud de la columna primera es 5; 11, la de la

segunda ; 10, la de la tercera; 6, la de la cuarta; y 9, la de la quinta. Escribe los
números 5 11 10 6 9 en el campo Field Widths (Amplitud de los campos) en la
pantalla de entrada de datos para Importación de ficheros.

Pulsa F6 (GO) para importar el fichero. Emplea el editor de datos para examinar
las variables importadas.
ú