(Anova) 2

ESTADISTICA DESCRIPTIVA
EDGAR ALVAREZ A. IQ
2018 -II 1
Objetivos de Aprendizaje
• Saber que significa la estadística y sus aplicaciones.
• Explicar el significado de la estadística descriptiva y
estadística inferencial.
• Distinguir entre niveles de medición nominal, ordinal,
de intervalo y de razón.
• Organizar datos en una distribución de frecuencias.
• Representar la distribución de frecuencias en un
histograma, un polígono de frecuencias.
• Desarrollar una representación de “tallo y hoja”
• Representar datos utilizando líneas, de barras y de
sectores (circulares).
EDGAR ALVAREZ A. IQ 2
¿Qué es la estadística?
Que deberían saber al terminar esta clase:
•Que queremos significar por estadística
•Que entendemos por estadística descriptiva e inferencial.
•Que es una población y que una muestra.
•Que es una variable, el dato y los datos
•Cuando la información se refiere a un parámetro y
cuando a una estadística
•Distinguir cuando una variable es cualitativa y cuando
cuantitativa.
•Distinguir entre una variable discreta y continua.
•Distinguir las distintas escalas de medición nominal,
ordinal, de intervalo y de razón
¿Qué es la estadística?
Estadística es la ciencia de:

– Recolectar
– Describir DATOS
– Organizar
– Interpretar
para transformarlos en información, para
la toma mas eficiente de decisiones.
Ciencia que proporciona las
herramientas (métodos y
procedimientos) necesarios
para recolectar, procesar
analizar e interpretar datos.
¿Para qué sirve la estadística?
• La Ciencia se ocupa en general de fenómenos
observables.
• La Ciencia se desarrolla observando hechos,
formulando leyes que los explican y realizando
experimentos para validar o rechazar dichas leyes.
• Los modelos que crea la ciencia son de tipo
determinista o aleatorio (estocástico).
• La Estadística se utiliza como tecnología al
servicio de las ciencias donde la variabilidad y la
incertidumbre forman parte de su naturaleza.
¿Quienes usan la estadística?
• Organismos oficiales.
• Diarios y revistas.
• Políticos.
• Deportes.
• Marketing.
• Control de calidad.
• Administradores.
• Investigadores científicos.
• Médicos
• Ingenieros…
Tipos de Estadística
ESTADISTICA ESTADISTICA
DESCRIPTIVA INFERENCIAL
Describe un conjunto de Obtiene información
datos con indicadores (variables e indicadores)
estadísticos o de una muestra
estadígrafos representativa
de población
• ESTADÍSTICA DESCRIPTIVA: Método de recolectar,
organizar, resumir, analizar e interpretar los datos.
 Ejemplo 1: Los datos de una reaccion quimica
 Ejemplo 2: La cantidad de robos ocurridos el
último mes en en el municipio.
 Ejemplo 3: La cantidad de pacientes atendidos en
el Hospital municipal el último año.
 Mencionamos algunos procedimientos:
 Tablas de distribuciones de frecuencia; Gráficos de
distribución de frecuencias; Diagramas de cajas;
Diagramas de tallos y hojas; Estadísticos de
posición; Estadísticos de dispersión; y Estadísticos
de asociación
• ESTADÍSTICA INFERENCIAL: Métodos usados para
determinar algo acerca de la población, basado en
una muestra.
• Población es la colección, o conjunto, de individuos,
objetos o eventos cuyas propiedades serán
analizadas.
• Muestra es un subconjunto de la población de interés.
 La estadística inferencial comprende dos áreas
importantes: Estimación puntual y por intervalos; y la
Prueba de hipótesis estadística
Conceptos Estadísticos
• Unidad de Análisis: es el objeto del cual se desea
obtener información. Muchas veces nos referimos a
las unidades de análisis con el nombre de
elementos. En estadística, un elemento o unidad de
análisis puede ser algo con existencia real, como un
automóvil o una casa, o algo más abstracto como la
temperatura o un intervalo de tiempo. Dada esta
definición, puede redefinirse población como el
conjunto de unidades de análisis.
• Ejemplo: Cada uno de los alumnos matriculados en
el curso de Química General.
• Parámetro: Valor numérico que resume todos los
datos de una población completa. Se utilizan letras
griegas para simbolizar un parámetro como ser  y 
Ejemplos: La calificación “promedio” del egresado
secundario cuando postula al Proceso de Admisión .
• Estadística: Valor numérico que resume los datos de

una muestra. Se utilizan letras del alfabeto español
para simbolizarlas como ser x y s .
• Ejemplo: La edad “promedio” registrada en una
encuesta de 150 consumidores de pizzas.
Población y Muestra
Población
Muestra
Población: Es el conjunto de todos los individuos o
elementos (unidad de análisis) que son el objetivo
de nuestro interés. La Población, según su número
de elementos puede ser:
Población Finita Población Infinita

Ejemplo: Ejemplo:
- Alumnos de la UNSAAC. - Peces del mar peruano
- Trabajadores de una empresa. - Bacterias
- Camiones de carga pesada. - Flores Silvestres.
- Clientes de un empresa comercial. - Productos fallados.
NOTA: EN LA PRÁCTICA CUANDO UNA POBLACIÓN TIENE UN NUMERO MUY
GRANDE O INDETERMINADO DE ELEMENTOS SE LE CONSIDERA POBLACIÓN
INFINITA. EDGAR ALVAREZ A. IQ 14
Muestra: Es una parte o un subconjunto de una
población. Tiene la característica fundamental de ser
representativa de la población.
La selección y estudio de una muestra facilita la
inferencia de conclusiones válidas para la población
de donde se obtuvo la muestra.
Ejemplos:
• Grupo de bolsas de azúcar que se extraen
sistemáticamente de una línea de envasado.
• Grupo de tasas que se extrae para llevar a cabo el
control de calidad.
VARIABLES Y SUS TIPOS
• .
La definición de una Población y sus
Características dependerán (Variables) de sus
unidades elementales que deben ser
observadas y dependiendo de la naturaleza
del problema planteado
EDGAR ALVAREZ A. IQ
16
Variable
• Variable: Característica de interés sobre cada
elemento individual de una población o muestra.
• Dato: Valor de la variable asociada a un elemento
de la población o muestra. Este valor puede ser un
número, una palabra o un símbolo.
• Ejemplo: la concentracion de un reactante en un
tiempo t.
Tipos de Variables
Cualitativa o de Atributos Cuantitativa o Numérica
NOMINAL ORDINAL DISCRETA CONTINUA
Tipos de Variables
• Cualitativa o de Atributos Clasifica o describe

un elemento de la población. Los valores que
puede asumir no constituyen un espacio
métrico, por lo tanto las operaciones
aritméticas, como sumar y obtener promedios,
no son significativas.
• Ejemplos: Sexo, Nacionalidad, Marcas de
auto, Grado de Satisfacción con la
Universidad, etc.
Tipos de Variables(cont.)
• Dicotómicas: Sólo hay dos categoría, que son
excluyentes una de la otra.
• Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre.
• Nominal: tiene mas de dos categorías y no hay orden
entre ellas.
• Ejemplo: color de los ojos, grupo sanguíneo.
• Ordinal: tiene varias categorías y hay orden entre
ellas.
• Ejemplo: grado tumoral, calificación del riesgo en
anestesia. EDGAR ALVAREZ A. IQ 20
Tipos de Variables (cont.)
• Cuantitativa o Numérica.- cuantifica un elemento
de la población.
• Los valores que puede asumir constituyen un
espacio métrico, por lo tanto las operaciones
aritméticas, como sumar y obtener promedios, son
significativas.
• Ejemplos: Cantidad de Habitaciones, Número de
hijos, Kilómetros recorridos, Tiempo de Raccion,
etc.
1-9

• Las variables cuantitativas se pueden clasificar a
su vez en discretas o continuas.
• Cuantitativas Discretas: solo pueden asumir
ciertos valores y normalmente hay huecos entre
ellos. Son conteos normalmente.
• Ejemplo1: cantidad de materias aprobadas.(1, 2,3
......)
• Ejemplo2: cantidad de hijos (1, 2, 3,4...)
1-9

• Las variables cuantitativas se pueden clasificar a
su vez en discretas o continuas.
• Cuantitativas Continuas: puede asumir cualquier
valor dentro del rango de medición. Normalmente
se miden magnitudes como ser longitud, superficie,
volumen, peso, tiempo, dinero
• Ejemplo 1: Peso al nacer.
• Ejemplo 2: Salario de un empleado
• Ejemplo 3: Concentracion VS Tiempo en una
reacción
NIVELES DE MEDICIÓN DE LAS VARIABLES DE ACUERDO A
SU NATURALEZA PUEDEN ENCONTRARSE ENTRE ESTAS
ESCALAS
Escala de medidas
NOMINAL
ORDINAL
INTERVALAR
EDGAR ALVAREZ A. IQ DE RAZON 25

Niveles de medición de las variables
Tipos Característica Ejemplos
Valores que se agrupan en •Genero (sexo)
categorías disjuntas y •Color de pelo
NOMINAL exhaustivas •Religión
Hay un orden entre las •Clase social

categorías •Preferencias
ORDINAL
•Educación
•Hay orden •Temperatura
DE INTERVALO •Hay distancia •Coeficiente Intelectual
•Hay un cero convencional
•Hay orden •Edad
DE RAZON •Hay distancia •Producción
•Hay un cero natural •Ingresos
Escalas de Medición
• Las variables cualitativas se miden en escala
nominal o ordinal.
• Nominal: los elementos solo pueden ser clasificados

en categorías pero no se da un orden o jerarquía
• Ejemplo 1: Barrio de residencia de los alumnos .
• Ejemplo 2: Color de ojos
• Ejemplo 3: Simpatizante de un club de futbol

Nivel Nominal
•Los valores de las Variables (datos) sólo se pueden
clasificar exhaustivamente en categorías mutuamente
excluyentes y no se pueden .ordenar.
•Exhaustivo: Cada persona u objeto o artículo debe
clasificarse en al menos una categoría.
•Mutuamente Excluyente; Un individuo (objeto o artículo) al
ser incluido en una categoría debe excluirse de las demás, o
sea no debe ser incluido en otro nivel
Nivel Ordinal
•Los valores de las Variables (datos) se pueden
ordenar pero no es posible determinar la diferencia
aritmética (o distancias) entre ellos.
.
Ejemplo: Resultados del sabor de tres bebidas A, B, C
X = Sabor.
La bebida C clasifico 1 ( o 1º)
La bebida B clasifico 2 ( o 2º)
La bebida A clasifico 3 ( o 3º)
Valores de x : 1, 2, 3 o (1º) (2º) (3º)
• Las variables cuantitativas se miden en escala
de intervalo o razón.
• Intervalo: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores se pueden realizar y
son significativas. La diferencia entre dos
valores consecutivos es de tamaño constante
y no existe el 0 absoluto.
• Ejemplo: Temperatura en grados Celsius
Nivel Intervalar
Similar al nivel ordinal con la propiedad
adicional de que se pueden determinar
cantidades significativas .
(distancias iguales) de las diferencias
entre los valores. No existe un punto
cero natural sino Convencional.
•Temperatura en escala Grados Celsius.
•Talla de camisas ( zapatos, ternos etc.)
• Las variables cuantitativas se miden en escala
de intervalo o razón.
• Razón: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores se pueden realizar y
son significativas. Existe el 0 absoluto, es decir
la ausencia de la variable medida.
• Ejemplo 1: Tiempo de vuelo.
• Ejemplo 2: Ingresos familiares
Nivel Razón
Es aquella con un punto cero
inicialmente inherente. Las
diferencias y razones (cocientes) son
significativas. .
Ejemplo:
a) Producción
b) Ingresos Mensuales Dinero.
c) Altura de los jugadores del equipo
de fútbol de Osorno
Clasificación de Variables
Variable Cuantitativa Variable Cualitativa
(Numérica) (No numérica )
Continua Discreta Ordinal Nominal

Se caracteriza por
Puede tomar Toma sólo Tienen un No tienen
cualquier valor ciertos orden un orden
en un intervalo valores. predeter- predeter-
dado. (Procesos (procesos de minado: minado:
de medición) contar)
Ejemplos -Nivel de Sexo,
Educación, estrato ocupación,
Nº de trabajadores socioeconómico, Condición de
Ingreso, talla, por oficina, categoría de de empleo
nº de alumnos ocupación. (nombrado o
peso etc.
por curso etc .
EDGAR ALVAREZ A. IQ contratado)
34
FUENTES PRIMARIA DE DATOS DE DATOS
ESTADÍSTICOS
• No todos los temas disponen de datos publicados. En
esos casos , la información deberá recolectarse y
analizarse. Esto se llama “Fuente
. Primaria”.
• Una forma de recolectar datos es mediante las
encuestas.
• Hay dos posibilidades:
a) Encuestas Muestrales ( En Muestras)
b) Encuestas Censales (En poblaciones)
FUENTES SECUNDARIA DE DATOS ESTADÍSTICOS
• Los problemas que se estudian o se

• .
investigan se adquieren de datos
empíricos ( de la realidad) publicados u
obtenidos.
• Se pueden encontrar datos
(estadísticas) relacionadas en artículos
publicados, tesis, revistas y periódicos.
Estos se llaman “Fuentes secundarias
Fuentes Secundarias MUESTREOS
120.00
100.00
80.00
MUJER
60.00
HOMBRE
40.00
20.00
-
ia
l
r.
l
l
r.
e
cia
a
e
r
e
iv
ici
da
niv
niv
pe
nN
In
un
U
oU
Es
c
Si
p.
Se
Su
p.
Su
1. Gráficos Lineales :
Bolsa de Valores de Lima: Cotizaciones Diarias de los ADR´s Telefónica de España:
1/10/01 - 23/01/02
44.00
US$
42.00
40.00
38.00
36.00
34.00
32.00
30.00
22 /01
29 /01
5/ 1
19 /01
26 /01
3/ 1
17 /01
24 /01
31 /01
7/ 1
21 /02
02
8/ 1
15 / 01
12 / 01
10 / 01
14 / 02
0
0
/0
0/
1/
2/
1/
0
1
10
10
11
12
01
/1
/1
/1
/1
/1
/1
/1
/1
/1
/1
/0
/0
1/
Fuente : Bolsa de Valores de Lima

Fuente : Bolsa de Valores de Lima.
2. Gráficos de Barras Simple
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN : 1998
(Cifras Porcentuales)
%
40.00
35.00
30.00
25.00
20.00
15.00
10.00
5.00
-
Sin Nivel Inicial Secundaria Sup. No Sup. Especial
Univer. Univer.
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
2a. Gráficos de Barras Compuesto
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998
(Porcentajes)
%
45.00
40.00
35.00
30.00
25.00
HOMBRE
20.00
MUJER
15.00
10.00
5.00
0.00
Sin Nivel Inicial Secundaria Sup. No Sup. Univer. Especial
Univer.

GRAFICO DE BARRAS HORIZONTALES
3. Gráfico Circular
PERU: POBLACIÓN SEGÚN DOMINIOS DE ESTUDIO : 1997

(Porcentajes - Cifras Estimadas)
29%
35%
36%
Lima Metrpolitana
Resto Urbano
Rural
4. Pictograma
Gráfico Nº 3
Perú: Volumen de Ventas de Cerveza Pilsen y Cristral: 1990-95
(miles de US$)
10 Miles de
9 dólares US$
8
7
6
5
4
3
2
1
0
1990 1995
4. Pictograma
Gráfico Nº 4
Perú: Deforestación de la Selva Amazónica : 1914-2028
(millones de arboles)
Perú: Densidad: Poblacional
(Habitantes/ Km2
MAPA
ESTADISTICO
Fuente: Censo Poblacional 1993
DISTRIBUCION
DE FRECUENCIAS
1-9
MUESTRA
• Se denomina muestra al subconjunto de ese
universo y del cual se recopilarán los datos.
• Ejemplo, se quiere saber el número de hijos por
matrimonio en Lima. Para este propósito, se elige
una muestra representativa de 50 matrimonios de
ella. Se obtienen los siguientes datos:
2,2,4,1,3,5,3,2,1,6,3,4,1,2,0,2,3,
1 , 7 , 4 , 2, , 3 , 0 , 5 , 1 , 4 , 3 , 2 , 4 , 1 , 5 , 2 , 1 , 2 ,
4,0,3,3,2,6,1,5,4,2,0,3,2,4,3,1.
• El número total de datos se representa con la
letra n. En nuestro ejemplo n = 50.
FRECUENCIA ABSOLUTA ( fi )
TABLA
• La frecuencia absoluta es el xi fi
número de veces que aparece 0 4
un valor (x i) en los datos 1 9
obtenidos. 2 12
• En nuestro ejemplo, la 3 10
frecuencia absoluta indica el 4 8
número de familias que tienen 5 4
esa cantidad de hijos: 6 2
7 1
GRAFICOS
GRAFICOS
1-9
GRAFICOS
1-9
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi )
• La frecuencia absoluta acumulada indica cuantos
elementos de la lista de datos son menores o iguales
a un valor dado. Es la suma de las frecuencias
absolutas desde la primera fila hasta la fila elegida.
• Por ejemplo, sabemos que hay 25 matrimonios de la
muestra que tienen a lo más 2 hijos:
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi )
TABLA
xi fi Fi
0 4 4
1 9 13
2 12 25
3 10 35
4 8 43
5 4 47
6 2 49
7 1 50
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi )
GRAFICA
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi )
GRAFICA
1-9
FRECUENCIA RELATIVA ( hi )
• La frecuencia relativa es el cuociente entre la
frecuencia absoluta (f i) y el número total de
datos (n). En nuestro ejemplo n = 50:
TABLA
xi fi Fi hi Hi
0 4 4 0,08 0,08
1 9 13 0,18 0,26
2 12 25 0,24 0,50
3 10 35 0,20 0,70
4 8 43 0,16 0,86
5 4 47 0,08 0,94
6 2 49 0,04 0,98
7 1 50
EDGAR ALVAREZ A. IQ
0,02 1,00 59
1-9
GRAFICA
GRAFICA
FRECUENCIA RELATIVA
ACUMULADA (Hi)
• La frecuencia relativa acumulada es el cuociente entre
TABLA:
la frecuencia absoluta acumulada (F i) y el número

total de datos (n). En nuestro ejemplo, n = 50:
TABLA
xi fi Fi hi Hi
0 4 4 0,08 0,08
1 9 13 0,18 0,26
2 12 25 0,24 0,50
3 10 35 0,20 0,70
4 8 43 0,16 0,86
5 4 47 0,08 0,94
6 2 49 0,04 0,98
7 1 50
EDGAR ALVAREZ A. IQ
0,02 1,00 62
FRECUENCIA RELATIVA
ACUMULADA (Hi)
GRAFICA
FRECUENCIA RELATIVA
ACUMULADA (Hi)
GRAFICA
FRECUENCIA PORCENTUAL (fi %)
• La frecuencia porcentual es la frecuencia relativa (hi)
expresada en forma porcentual. En otras palabras, es la
frecuencia relativa (hi) multiplicada por 100.
• En nuestro ejemplo
TABLA
xi fi Fi hi Hi fi%
0 4 4 0,08 0,08 8%
1 9 13 0,18 0,26 18 %
2 12 25 0,24 0,50 24 %
3 10 35 0,20 0,70 20 %
4 8 43 0,16 0,86 16 %
5 4 47 0,08 0,94 8%
6 2 49 0,04 0,98 4%
7 1 50 0,02
EDGAR ALVAREZ A. IQ
1,00 2% 65
GRAFICA
GRAFICA
FRECUENCIA PORCENTUAL
ACUMULADO (Fi %)
• La frecuencia porcentual acumulada es la frecuencia relativa
acumulada (Hi) multiplicada por 100. En nuestro ejemplo:
TABLA
xi fi Fi hi Hi fi% Fi%
0 4 4 0,08 0,08 8% 8%
1 9 13 0,18 0,26 18 % 26 %
2 12 25 0,24 0,50 24 % 50 %
3 10 35 0,20 0,70 20 % 70 %
4 8 43 0,16 0,86 16 % 86 %
5 4 47 0,08 0,94 8 % 94 %
6 2 49 0,04 0,98 4 % 98 %
7 1 50 0,02
EDGAR ALVAREZ A. IQ
1,00 2 % 100 % 68
ACUMULADO (Fi %)
GRAFICA
ACUMULADO (Fi %)
GRAFICA
ORGANIZACION Y PRESENTACION DE DATOS
UNIDIMENSIONALES
a) Frecuencia Absoluta (fi)
Es el número de veces que se presenta un valor o categoría
de una variable. Se representa por fi.
f1 + f2 + f3 + …………….……fk = n
b) Frecuencia Absoluta Acumulada (Fi)
Es el número de datos igual o inferior (“menor o igual que”)
al valor considerado de la variable o la suma de las
frecuiencias absolutas menor o igual que el valor
considerado de la variable. Es decir:
F1 = f1
F2 = f 1 + f 2
-----------------------------
Fk = f1 + f2 + ……….+ fk
ORGANIZACION Y PRESENTACION DE DATOS
UNIDIMENSIONALES
c) Frecuencia Relativa (hi)
Es igual a la frecuencia absoluta sobre el numero de
observaciones.
h1 =f1/n
b) Frecuencia Relativa Acumulada (Hi)
Es el resultado de cada frecuencia absoluta acumulada
dividida entre el numero total de observaciones.
H1 = F1/n
H2 = F2/n
-----------------------------
Hk = Fk/n
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
1. Identificar el tipo de variable cuantitativo discreto o
continuo.
2. Determinar el mayor (Xmax) y el menor (Xmin).
3. Calcular R donde R = Xmax – Xmin.
4. Si la variable es cuantitativa discreta
– El rango es pequeño, entonces trabajar con los valores
originales ordenados de las variables.
– Si el rango es grande entonces trabajar con los datos
ordenados agrupados en intervalo de clase (ver
Sturges).
5. Si la variable es cuantitativa continua:
– Determinar el numero de intervalos (entre 5 y 20).
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 50
– m = 1 + 3,322log(50) = 6,6439
– Se redondea a m = 7 intervalos de clase.
– Intervalo cerrado por la izquierda y abierto por la
derecha.
– El menor del intervalo izquierdo =X`min =(Xmin) – menos
unidad/2.
– Marca de clase= (xmax 1er intervalo - X`min )/2
Distribución de Frecuencias
Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos
1 1 7 1 13 2 19 1 25 2
2 1 8 0 14 1 20 4 26 2
3 0 9 5 15 5 21 1 27 1
4 2 10 2 16 4 22 2 28 1
5 2 11 1 17 5 23 1 29 2
6 2 12 2 18 2 24 4 30 1
Distribución de Frecuencias
x fi h1 Fi Hi hi% Hi%
0 2 0.067 2 0.067 6.67 6.667
1 11 0.367 13 0.433 36.67 43.333
2 11 0.367 24 0.800 36.67 80.000
3 3 0.100 27 0.900 10.00 90.000
4 3 0.100 30 1.000 10.00 100.000
Total 30 100
Problema Nº 01:
 Se desea conocer la distribución de un proceso
mediante la elaboración de una Tabla de
Frecuencias y un Histograma:
a) Recopilar datos, mínimo que sean 50 datos
y 100 datos como deseable.
b) Encontrar el valor máximo (Xmax) y el
valor mínimo (Xmin)
c) Calcular el “intervalo de clase” (c), el cual
debe ser múltiplo de la unidad mínima de
medición.
27,9 28,8 28,0 27,9 28,1
27,9 28,1 28,1 28,1 27,8
28,1 27,6 28,4 28,5 28,0
27,8 27,9 28,1 27,9 27,9
27,8 27,7 28,0 28,0 27,7
28,1 28,1 28,1 28,9 28,4
28,0 28,4 27,8 28,6 28,1
28,0 28,5 28,0 28,3 27,6
28,3 28,0 28,3 28,6 28,1
27,8 28,2 27,8 28,7 27,8
28,0 28,1 27,6 28,5 27,8
28,3 28,0 28,0 27,8 27,9
28,4 28,3 27,8 27,9 28,3
27,8 28,2 28,3 27,8 27,9
27,9 27,9 28,2 28,1 28,3
28,1 27,5 27,5 28,0 27,7
28,3 28,3 27,9 27,9 27,9
27,6 27,6 28,0 27,9 28,1
27,2 28,0 27,9 28,0 27,7
27,5 28,3 27,9
EDGAR ALVAREZ A. IQ 27,5 28,3 81
Problema Nº 01 (continua):
c = (Xmax – Xmin)/K
c = (28,9 – 27,2)/10 = 0.17 => 0.2
K = número de clases (número de barras en el
gráfico), y que por experiencia se sugiere que
tome los siguientes valores:
NUMERO DE DATOS VALORES DE K
de 50 a 100 Aprox. de 6 a 10
de 100 a 200 Aprox. de 7 a 12
mas de 250 Aprox. de 10 a 20
JAPONES
d) Se calcula el límite de la 1era clase.
Xmin – Unidad mínima /2 = 27.2 - 0.1/2= 27.15
e) Se calcula la marca de clase de cada intervalo.
Punto medio = (Limite superior – Limite inferior)/2
f) Se llena la Tabla de Frecuencia
g)Se va marcando la clase donde corresponde cada
dato.
h)Se suman las marcas de clase y se determina la
frecuencia de cada clase (fi, Fi, hi y Hi).
i)Se hace una grafica de barras, en donde el eje de
“X” representa los valores de medición (las clases),
y el eje “Y” la frecuencia .
TABLA DE DISTRIBUCION DE FRECUENCIAS
CLASE MC MARCAS fi Fi hi Hi
[27.15 - 27.35) 27.25 / 1 1 0.01 0.01
[27.35 - 27.55) 27.45 //// 4 5 0.04 0.05
[27.55 - 27.75) 27.65 ///////// 9 14 0.09 0.14
[27.75 - 27.95) 27.85 ///////////////////////////// 29 43 0.29 0.43
[27.95 - 28.15) 28.05 ////////////////////////////// 30 73 0.30 0.73
[28.15 - 28.35) 28.25 /////////////// 15 88 0.15 0.88
[28.35 - 28.55) 28.45 /////// 7 95 0.07 0.95
[28.55 - 28.75) 28.65 /// 3 98 0.03 0.98
[28.75 - 28.95] 28.85 // 2 100 0.02 1.00
100 1.00
Problema Nº 02:
El Area de Control de Calidad de la empresa
FUNDIDOS S. A. esta llevando a cabo un
seguimiento a un lote de piezas mecanizadas en su
taller de metalmecánica, para esto ha tomado una
muestra aleatoria y se necesita obtener el siguiente
análisis estadístico descriptivo:
– Tabla de Frecuencias.
– Histogramas.
– Polígonos de Frecuencia (tarea para el alumno).
– Ojivas (tarea para el alumno).
1279,5 1278,0 1283,0 1273,0 1280,5
1285,0 1273,0 1282,5 1271,5 1269,0
1280,0 1280,0 1272,5 1275,5 1284,0
1273,0 1277,5 1275,5 1277,0 1287,0
1284,0 1286,0 1275,0 1278,0 1275,5
1280,5 1280,0 1282,0 1283,5 1280,0
1275,5 1281,0 1271,0 1274,5 1280,5
1278,0 1275,0 1280,5 1279,0 1278,0
1279,5 1278,5 1266,0 1287,5 1275,5
1275,0 1279,5 1282,5 1276,0 1280,0
1267,0 1273,5 1284,5 1279,5 1274,5
1272,0 1275,0 1276,0 1268,0 1285,0
1282,0 1276,5 1279,0 1269,0 1282,0
1276,0 1271,5 1281,0 1285,5 1276,5
1269,5 1284,5 1276,0 1268,0 1268,5
1266,0 1276,0 1287,5 1272,5 1275,5
1273,5 1268,5 1273,5 1266,5 1269,0
1285,5 1272,5 1272,5 1278,0 1271,5
1275,5 1284,5 1279,5 1267,0 1280,5
1283,5 1286,0 1279,0 1271,0 1287,0
1285,0 1271,0 1276,0 1275,5 1276,5
1273,0 1265,5 1281,5
EDGAR ALVAREZ A. IQ
1277,0 1272,0 86
1-9
1. Se identificó que la variable es cuantitativa continua.
2. Se tiene que (Xmax) = 1287.5 y (Xmin)= 1265.5
3. R =(Xmax) - (Xmin)= 1287.5 – 1265.5 = 22
4. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver
Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos
– Si n = 110
– m = 1 + 3,322log(110) = 7.78
• Se redondea a m = 8 intervalos de clase.
• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) –
menor unidad/2.
• X`min = 1265.5 – 0.1/2 = 1265.45
• Amplitud de Clase= a = R/m = 22/8 = 2.75 = 2.8
• Marca de clase= MC=(xmax 1er intervalo - X`min )/2
• MC1 = 1265.45 + 2.8 = 1268.25
• Y se empieza la tabla
INTERVALOS MC fi Fi hi Hi
[1265.45 - 1268.25 ) 1266.85 8 8 0.07 0.07
[1268.25 - 1271.05 ) 1269.65 9 17 0.08 0.15
[1271.05 - 1273.85 ) 1272.45 16 33 0.15 0.30
[1273.65 - 1276.65 ) 1275.25 23 56 0.21 0.51
[1276.65 - 1279.45 ) 1278.05 12 68 0.11 0.62
[1279.45 - 1282.25 ) 1280.85 21 89 0.19 0.81
[1282.25 - 1285.05 ) 1283.65 13 102 0.12 0.93
[1285.05 - 1287.85 ] 1286.45 8 110 0.07 1.00

EDGAR ALVAREZ A. IQ
110 1.00 89
Histograma fi
Histograma Fi
Histograma hi
Histograma Hi
Problema Nº 03:
Las estaturas en centímetros de 50 estudiantes mujeres
un grupo se registraron. Los datos son:
157 155 171 150 163 150 172 161 154 174
163 148 152 163 149 158 176 164 157 153
169 161 160 164 155 162 151 167 167 167
170 158 163 175 169 169 158 150 156 157
174 162 150 151 165 170 156 170 153 154
Agrupe adecuadamente los datos y elabore la respectiva
tabla de frecuencias y el histograma de frecuencias
relativas.
1-9
1. Se identificó que la variable es cuantitativa continua.
2. Se tiene que (Xmax) = 176 y (Xmin)= 148
3. R =(Xmax) - (Xmin)= 28
– Si n = 50
– m = 1 + 3,322log(50) = 6,470678
1-9
• Se redondea a m = 7 intervalos de clase (se reajustará según
se hagan los cálculos).
• Intervalo cerrado por la izq. y abierto por la derecha.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
• X`min = 148 – 1/2 = 147.5
• Amplitud de Clase = a = R/m = 28/6.4706 = 4.327
• Marca de clase = MC=(xmax 1er intervalo - X`min )/2
• MC1 = 147.5 + 2.163 = 149.66
INTERVALOS MC fi Fi hi Hi
[147.50 – 151.83 ) 149.66 8 8 0.16 0.16
[151.83 – 156.15) 153.99 9 17 0.18 0.34
[156.15– 160.48 ) 158.31 7 24 0.14 0.48
[160.48 – 164.81 ) 162.64 10 34 0.20 0.68
[164.81 – 169.14 ) 166.97 7 41 0.14 0.82
[169.14 – 173.46 ) 171.30 5 46 0.10 0.92
[173.46 – 177.79 ] 175.62 4 50 0.08 1.00

EDGAR ALVAREZ A.
50
IQ
1.00 97
1-9
PROBLEMA
Problema Nº 03: En un estudio de dos semanas
sobre la productividad de los trabajadores de una
fundición, se obtuvieron los siguientes datos sobre
el número total de piezas aceptables que
produjeron los trabajadores:
• Elaborar la Tabla de Distribución de Frecuencias.
• Dibujar el Histograma y Polígono de Frecuencia.
65 36 49 84 79 56 28 43 67 36
43 78 37 40 68 72 55 62 22 82
88 50 60 56 57 46 39 57 73 65
59 48 76 74 70 80 75 56 45
75 62 72 63 32 80 64 53 74 34
76 60 48 55 51 54 45 44 35 51
21 35 61 45 33 61 60 85 68
45 53 77 42 69 52 68 52 47
62 65 75 61 73 50 53 59 41 54
41 74 82 78 26 35 47 70 38 70
1-9
1. Se identificó que la variable es cuantitativa discreta.
2. Se tiene que (Xmax) = 21 y (Xmin)= 88
3. R =(Xmax) - (Xmin)= 21 – 88 = 67
– Si n = 97
– m = 1 + 3,322log(97) = 7.60 = 8

1-9
• Se redondea a m = 8 intervalos de clase.
• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) –
menor unidad/2.
• X`min = 21 – 1/2 = 20.5
• Amplitud de Clase= a = R/m = 67/8 = 8.375 = 9
• Marca de clase= MC=(xmax 1er intervalo - X`min )/2
• MC1 = 20.5 + 4.5 = 25
DIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)
Ejemplo: Datos de resistencia a la tensión de

muestras de mortero Portland (Kg/cm2) con
polímero agregado:
16.85 16.40 17.21 16.35 16.52
17.04 16.96 17.15 16.59 16.57
mortero Portland sin modificar:
17.50 17.63 18.25 18.00 17.86
17.75 18.22 17.90 17.96 18.15
DIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)
* * ** * * ** * * + + + + + ++ + + +
16.0 16.5 17.0 17.5 18.0 18.5
* = Mortero modificado
+ = Mortero sin modificar
Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Es una gráfica usada para datos cuantitativos.
Ejemplo: Los siguientes datos representan pesos de una
muestra de 15 varones adultos.
165 178 185 169 152 180 175 189 195 200 183
191 197 208 179
Hacer su gráfica de “Stem-and Leaf”.
Solución: En este caso las ramas la forman los primeros dos

dígitos de los datos, y las hojas serán dadas por los últimos
dígitos de los datos.

Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Luego el “stem-and leaf “ será de la siguiente manera:
Interpretación: El uso del “stem-and-leaf” es

exactamente igual al del Histograma, la única diferencia
está en que del “stem-and-leaf” se pueden recuperar los
datos muestrales, pero de un histograma no se puede
hacer. En este ejemplo el “stem-and-leaf” es asimétrico a
la izquierda, no tiene mucha variabilidad ni “outliers”.
DIAGRAMA DE TALLO Y HOJAS
Ejemplo: Resistencia a la Tensión de 80 muestras de aleación
Aluminio-Litio
105 221 183 186 121 181 180 143 97 154

153 174 120 168 167 141 245 228 174 199
181 158 176 110 163 131 154 115 160 208
158 133 207 180 190 193 194 133 156 123
134 178 76 167 184 135 229 146 218 157
101 171 165 172 158 169 199 151 142 163
145 171 148 158 160 175 149 87 160 237
150 135 196 201 200 176 150 170 118 149
DIAGRAMA DE TALLO Y HOJAS
Tallo Hoja Frecuencia
7 6 1
8 7 1
9 7 1
10 5 1 2
11 5 8 0 3
12 1 0 3 3
13 4 1 3 5 3 5 6
14 2 9 5 8 3 1 6 9 8
15 4 7 1 3 4 0 8 8 6 8 0 8 12
16 3 0 7 3 0 5 0 8 7 9 10
17 8 5 4 4 1 6 2 1 0 6 10
18 0 3 6 1 4 1 0 7
19 9 6 0 9 3 4 6
20 7 1 0 8 4
21 8 1
22 1 8 9 3
23 7 1
24 5 1

(Anova) 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

(Anova) 2

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA DESCRIPTIVA

Estadística es la ciencia de:

• Estadística: Valor numérico que resume los datos de

Población Finita Población Infinita

Cualitativa o de Atributos Cuantitativa o Numérica

NOMINAL ORDINAL DISCRETA CONTINUA

• Cualitativa o de Atributos Clasifica o describe

Tipos de Variables (cont.)

Tipos de Variables (cont.)

EDGAR ALVAREZ A. IQ DE RAZON 25

Hay un orden entre las •Clase social

• Nominal: los elementos solo pueden ser clasificados

• Ejemplo 1: Barrio de residencia de los alumnos .

• Ejemplo 2: Color de ojos

• Ejemplo 3: Simpatizante de un club de futbol

Continua Discreta Ordinal Nominal

• Los problemas que se estudian o se

Fuente : Bolsa de Valores de Lima

Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998

PERU: POBLACIÓN SEGÚN DOMINIOS DE ESTUDIO : 1997

la frecuencia absoluta acumulada (F i) y el número

Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos

[1265.45 - 1268.25 ) 1266.85 8 8 0.07 0.07

[1268.25 - 1271.05 ) 1269.65 9 17 0.08 0.15

[1271.05 - 1273.85 ) 1272.45 16 33 0.15 0.30

[1273.65 - 1276.65 ) 1275.25 23 56 0.21 0.51

[1276.65 - 1279.45 ) 1278.05 12 68 0.11 0.62

[1279.45 - 1282.25 ) 1280.85 21 89 0.19 0.81

[1282.25 - 1285.05 ) 1283.65 13 102 0.12 0.93

[1285.05 - 1287.85 ] 1286.45 8 110 0.07 1.00

[151.83 – 156.15) 153.99 9 17 0.18 0.34

[156.15– 160.48 ) 158.31 7 24 0.14 0.48

[160.48 – 164.81 ) 162.64 10 34 0.20 0.68

[164.81 – 169.14 ) 166.97 7 41 0.14 0.82

[169.14 – 173.46 ) 171.30 5 46 0.10 0.92

[173.46 – 177.79 ] 175.62 4 50 0.08 1.00

EDGAR ALVAREZ A. IQ 100

Ejemplo: Datos de resistencia a la tensión de

16.0 16.5 17.0 17.5 18.0 18.5

Solución: En este caso las ramas la forman los primeros dos

EDGAR ALVAREZ A. IQ 106

Interpretación: El uso del “stem-and-leaf” es

105 221 183 186 121 181 180 143 97 154

También podría gustarte