Documentos de Académico
Documentos de Profesional
Documentos de Cultura
202107095_185
Tutor
Jesús Antonio
Estadística
Psicología
Abril 2023
Introducción
Además, en el siguiente trabajo encontrará una visión teórica y conceptual de la
importancia de la estadística univariada, así como una base suficiente para determinar
su aplicación. Este trabajo consta de 4 actividades, algunas de las cuales se realizan
utilizando el software Excel (Office) o Infostat Statistic. En los tiempos actuales, es
importante utilizar estadísticas univariada, ya que se han convertido en una
herramienta importante cuyo uso es casi obligatorio en nuestra vida diaria.
Justificación
La investigación actual se centra en la obtención de resultados estadísticos
univariada para encontrar e interpretar datos que ayuden a comprender los estudios
estadísticos. Por lo tanto, este contexto se centra en mediciones de deposición,
mediciones de tendencia central, mediciones de asimetría, dispersión y focalización,
proporcionando una base para encontrar resultados, facilitando investigaciones
estadísticas y facilitando la toma de decisiones.
Objetivos
Diseñar una tabla de frecuencia para datos desagrupados para variables sele
ccionadas.
https://www.canva.com/design/DAGCiMuH_V8/KegrRb7tM-B_bv9bevq0cg/edit?
utm_content=DAGCiMuH_V8&utm_campaign=designshare&utm_medium=link2&utm_s
ource=sharebutton
Articulo
Velocidad de Procesamiento en Escolares Chilenos con y sin Trastorno por Déficit de
Atención con Hiperactividad (TDAH)
https://revistas.urosario.edu.co/index.php/apl/article/view/11364
Objetivos:
El estudio tuvo como objetivo principal comparar la velocidad de procesamiento en
escolares chilenos diagnosticados con Trastorno por Déficit de Atención con
Hiperactividad (TDAH) y aquellos sin este trastorno.
Resultados:
Los resultados mostraron que los escolares con TDAH presentaron una velocidad de
procesamiento significativamente más baja en comparación con los escolares sin
TDAH. Esta diferencia sugiere que el TDAH puede afectar negativamente la capacidad
de procesar información rápidamente en tareas cognitivas. La aplicación de la escala
vadtrs permitió categorizar la muestra en dos grupos principales; uno de carácter
clínico con tdah (70.2 %), y otro de carácter normo típico sin tdah (29.75 %). El grupo
clínico pudo ser recategorizado de acuerdo con la presentación de tdah (tabla 1). El
análisis de estadística descriptiva permitió observar las medidas de tendencia central
(media y des. típica); las medidas de asimetría y curtosis refuerzan las observaciones
de normalidad estadística de Kolmogórov-Smirnov.
En la (tabla 2). Los resultados de la prueba de normalidad estadística (K-S, p > .05)
muestran que la distribución de las variables en estudio (C4_time, C4_se, C4_sle y
C5_time) no son normales, salvo mt que mostró una distribución normal (K-S, p < .05)
Conclusiones:
El estudio concluye que el TDAH está asociado con una reducción en la velocidad de
procesamiento en escolares chilenos. Estos hallazgos resaltan la importancia de
identificar y abordar adecuadamente las dificultades de procesamiento en estudiantes
con TDAH para mejorar sus habilidades académicas y funcionales. Además, subrayan
la necesidad de intervenciones educativas y terapéuticas específicas para estos niños,
con el fin de optimizar su rendimiento y bienestar general.
a. Tabla de frecuencia datos no agrupados. Diseñar una tabla de frecuencia para
datos no agrupados de la variable elegida, a partir de ella elaborar un diagrama
de barras y un diagrama de líneas o de puntos
Diagrama de barras
MES EN QUE
OCURRIERON Frecuencia Frecuencia Frecuencia
LOS HECHOS absoluta acumulada relativa Porcentaje
1 48 38 0,13 12,7
2 29 57 0,06 6,3
3 28 75 0,06 6,0
4 28 93 0,06 6,0
5 37 120 0,09 9,0
6 37 147 0,09 9,0
7 33 170 0,08 7,7
8 33 193 0,08 7,7
9 34 217 0,08 8,0
10 35 252 0,12 11,7
11 30 272 0,07 6,7
12 28 400 0,09 9,3
Total: 400 1 100,0
Diagrama de barras
40
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12
Diagrama de puntos o líneas
Diagrama de puntos
40
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12
Frecuencia absoluta
Li Ls
Frecuencia (f) acumulada
0,73 1,11 1 1
1,11 1,49 0 1
1,49 1,87 1 2
1,87 2,25 54 46
2,25 2,63 62 88
2,63 3,01 78 146
3,01 3,39 70 216
3,39 3,77 85 281
3,77 4,15 49 400
Total 400
Li Ls Frecuencia (f)
0,73 1,11 1
1,11 1,49 0
1,49 1,87 1
1,87 2,25 54
2,25 2,63 62
2,63 3,01 68
3,01 3,39 70
3,39 3,77 85
3,77 4,15 59
Total 400
Datos:
Li=Limite inferior=3.01
f =70
f −1=Frecuencia anterior=68
f +1=Siguiente Frecuencia=85
ai es la amplitud del intervalo o el límite, donde:
ai=ls−Li
ai=3.39−3.01=0.38
Reemplazamos valores:
70−68
Mo=3.01+ . 0.11
( 70−68 )+ (70−85 )
2
Mo=3.01+ . 0.11
2+ 15
2
Mo=3.01+ . 0.11
17
0.22
Mo=3.01+
17
Mo=3.01+0.012
Mo=3.022
La moda es: 3.022, por lo que se encuentra dentro del intervalo [3.01-3.39].
Para calcular la media de datos agrupados utilizaremos la siguiente formula:
x=
∑ f .m
N
Marca de clase
Li Ls
Frecuencia (f) (m) f.m
0,73 1,11 1 0,92 0,92
1,11 1,49 0 1,3 0
1,49 1,87 1 1,68 1,68
1,87 2,25 58 2,06 90,64
2,25 2,63 62 2,44 102,48
2,63 3,01 68 2,82 163,56
3,01 3,39 70 3,2 224
3,39 3,77 85 3,58 232,7
3,77 4,15 55 3,96 75,24
Total 400 891,22
N=300
891 ,22
x= =2,2280
400
Medidas de Dispersión
Para hallar la varianza, aplicamos la siguiente formula:
σ
2
=
∑ ( m−x )2∗f
N
Frecuencia Marca de ( m−x )2∗f
Li Ls
(f) clase (m) f.m
0,73 1,11 4,2055
1 0,92 0,92
1,11 1,49 0,0000
0 1,3 0
1,49 1,87 1,6660
1 1,68 1,68
1,87 2,25 36,4951
58 2,06 90,64
2,25 2,63 11,8305
60 2,44 102,48
2,63 3,01 1,3178
68 2,82 163,56
3,01 3,39 3,6794
70 3,2 224
3,39 3,77 24,1284
85 3,58 232,7
3,77 4,15 57 3,96 75,24 18,5943
Total 400 891,22 101,9170
N=400
√ σ 2= √0,2547
σ =0,5828
La desviación típica o estándar es 0,5828
σ Desviacion estandar
Cv= =
x Promedio o media
σ
Cv= ∗100
x
Reemplazamos valores
0,5828
Cv= ∗100=19,6182
2,9707
El coeficiente de variación es 19,6182
( )
kn
−fa−1
4
Q k =Li + A
fa−fa−1
Si observamos la tabla, el 100 está entre las frecuencias absolutas 46-88, se escogen
los datos de la fila 88 que es la frecuencia que le sigue:
Frecuencia absoluta
Li Ls
Frecuencia (f) acumulada
0,73 1,11 1 1
1,11 1,49 0 1
1,49 1,87 1 2
1,87 2,25 64 46
2,25 2,63 42 88
2,63 3,01 68 146
3,01 3,39 80 216
3,39 3,77 88 281
3,77 4,15 56 300
Total 400
( )
kn
−fa−1
4
Q k =Li + A
fa−fa−1
( 100−46
Q 1=2 , 25+0 , 38
88−46 )
Q =2 , 25+0 , 38 ( )
54
1
42
20 ,52
Q 1=2 , 25+
42
20 ,52
Q 1=2 , 25+
42
Q1=2 , 25+0,4885
Q1=2,7385
El primer cuartil es el 25%, en donde el 25% equivale a 2,73 y podemos decir que es
verdadero, ya que se encuentra en el intervalo de 2,63- 2,73.
Segundo cuartil
2(400) 600
Q 2= = =200
4 4
La posición del segundo cuartil está en el 200, ese número lo buscamos en la
frecuencia absoluta acumulada y podemos observar que no se encuentra el dato,
entonces aplicamos la siguiente formula:
( )
kn
−fa−1
4
Qk =Li + A
fa−fa−1
( )
kn
−fa−1
4
Q k =Li + A
fa−fa−1
( 200−146
Q 2=3 , 01+0 , 38
216−146 )
Q =3 , 01+0 , 38 ( )
54
2
70
Q 2=3 , 01+0 , 38 ( 2035 )
7.6
Q 2=3 , 01+
35
Q2=3 , 01+0,2171
Q2=3,2271
El segundo cuartil es el 50%, en donde el 50% equivale a 3,03 y podemos decir que es
verdadero, ya que se encuentra en el intervalo de 3,01- 3,79.
Tercer cuartil
3(400) 900
Q 3= = =225
4 4
La posición del tercer cuartil está en el 225, ese número lo buscamos en la frecuencia
absoluta acumulada y podemos observar que no se encuentra el dato, entonces
aplicamos la siguiente formula:
( )
kn
−fa−1
4
Qk =Li + A
fa−fa−1
( )
kn
−fa−1
4
Qk =Li + A
fa−fa−1
( 225−216
Q3=3 , 39+0 , 38
281−216 )
Q =3 , 39+0 , 38 ( )
9
3
65
3 , 42
Q3=3 , 39+
65
Q3=3 , 39+0,0526
Q3=3 , 44
El tercer cuartil es el 75%, en donde el 75% equivale a 3,44 y podemos decir que es
verdadero, ya que se encuentra en el intervalo de 3,39- 3,77.
Fórmula para hallar el percentil
kn
Pk =
100
Percentil 50
50( 400) 15000
P50= = =150
100 100
La posición del percentil 50 está en el 150, ese número lo buscamos en la frecuencia
absoluta acumulada y podemos observar que no se encuentra el dato, entonces
aplicamos la siguiente formula:
( )
kn
−fa−1
100
Pk =Li + A
fa−fa−1
( 150−146
P50=3 , 01+0 , 38
216−146 )
P =3 , 01+0 , 38 ( )
4
50
70
P =3 , 01+0 , 38 ( )
2
50
35
0 ,76
P50=3 , 01+
35
P50=3 , 01+0,0217
P50=3,0317
Percentil 70
70( 400) 21000
P70= = =210
100 100
La posición del percentil 70 está en el 210, ese número lo buscamos en la frecuencia
absoluta acumulada y podemos observar que no se encuentra el dato, entonces
aplicamos la siguiente formula:
( )
kn
−fa−1
100
Pk =Li + A
fa−fa−1
( )
kn
−fa−1
100
Pk =Li + A
fa−fa−1
P =3 , 01+0 , 38 ( )
64
70
70
P =3 , 01+0 , 38 ( )
32
70
35
12, 16
P70=3 , 01+
35
P70=3 , 01+0,3474
P70=3,3574
De FISHER De PEARSON
∑ ( m−x )3∗f A P=
x−M o
Af=
N
→ Af=
∑ ( m−x ) ∗f 3
σ
σ3 N σ3
De acuerdo con sus resultados
De acuerdo con sus resultados
Si A p > 0→ Asimetrica positiva
Si A f >0 → Asimetrica positiva
Si A p < 0→ Asimetrica negativa
Si A f <0 → Asimetrica negativa
Si A p =0 → Simetrica
Si A f =0 → Simetrica
A=
∑ ( m−x )3∗f
f
N σ3
Datos:
σ =0,5828
N=400
x=2,9707
Procedemos a hallar
∑ ( m−x )3∗f
Para saber qué tipo de curtosis tienen los datos de la variable de estudio, se pueden
aplicar la siguiente fórmula:
Coeficiente de curtosis
CC =
∑ ( x−x )4∗f
−3
N σ4
Tres situaciones:
C C =0 → Mesocurtica
C C > 0 → Leptocurtica
C C < 0 → Platicurtica
Datos:
σ =0,5828
N=400
x=2,9707
Procedemos a hallar
∑ ( m−x )4∗f
Li Ls Frecuencia (f) Marca de clase (m) ( m−x )4∗f
0,73 1,11 17,6851
1 0,92
1,11 1,49 0,0000
0 1,3
1,49 1,87 2,7752
1 1,68
1,87 2,25 30,2659
64 2,06
2,25 2,63 3,3315
72 2,44
2,63 3,01 0,0299
88 2,82
3,01 3,39 0,1935
70 3,2
3,39 3,77 8,9586
85 3,58
3,77 4,15 18,1998
19 3,96
Total 400 81,4396
C C =−0,6469