UNIVERSIDAD NACIONAL DE SAN MARTÍN

DEPARTAMENTO ACADÉMICO DE SISTEMAS E

INFORMÁTICA

INGENIERÍA DE SISTEMAS
2019
 ASIGNATURA
“ESTADÍSTICA GENERAL”

PROFESOR RESPONSABLE
Lic. Mg. MARCO ARMANDO GÁLVEZ
DÍAZ
DEFINICIÓN DE ESTADÍSTICA
Estadística es la ciencia que estudia los
métodos y técnicas para el planeamiento,
recolección, organización, procesamiento,
presentación y análisis de datos con el fin
de extraer conclusiones y tomar
decisiones.

Sus técnicas permiten obtener un

conocimiento de la realidad con un grado
adecuado de certidumbre, a partir de
información incompleta.

3
 CLASIFICACIÓN
• ESTADÍSTICA DESCRIPTIVA: Describe, analiza, y
representa un grupo de datos utilizando
métodos numéricos y gráficos que resumen y
presentan información contenidos en ellos.

• ESTADÍSTICA INFERENCIAL: Apoyándose en el

cálculo de probabilidades y a partir de datos
muestrales efectúa: Estimaciones, decisiones,
predicciones u otras generalizaciones sobre un
conjunto mayor de datos.

4
 IMPORTANCIA
• Es usada por un creciente número de disciplinas:
Agricultura, Industria, Ingeniería, Ciencias Sociales,
Gobierno, Ciencias Biológicas y Medicina.
• Los métodos y técnicas estadísticas son independientes de
la materia a la cual se aplica.
• Existe un rápido desarrollo de nuevos procedimientos
estadísticos.
• El planeamiento y la evaluación de la investigación
contribuyen a los avances tecnológicos en todas las áreas del
desarrollo humano.
• El control estadístico de la calidad en la industria hace
confiables los productos elaborados.
• Proporciona información para los estudios de impacto
ambiental y ayuda en la evaluación de exigencias
gubernamentales para que la industria farmacéutica,
demuestre que un producto es benéfico y seguro.
5
 OBJETIVOS DE LA ESTADÍSTICA:
• Los objetivos estadísticos se relacionan con los
niveles de investigación, los mismos que
referenciamos: Exploratorio – Descriptivo –
Relacional – Explicativo – Predictivo.
• Al Nivel Descriptivo, tenemos los objetivos:
Determinar, Estimar y Describir.
• Al Nivel Relacional, tenemos los objetivos:
Asociar, Correlacionar y Concordar.
• Al Nivel Explicativo, tenemos los objetivos:
Evidenciar, Demostrar y Probar.
• Al Nivel Predictivo, tenemos los objetivos:
Predecir, Pronosticar y Preveer.
 CONCEPTOS BÁSICOS
• POBLACIÓN: Conjunto de elementos (objetos, individuos,
animales, organizaciones, datos, etc.) finito o infinito que
poseen una característica o combinación de características
comunes.

A cada elemento de la población se le denomina “Unidad de

Análisis, Unidad Estadística o Unidad Muestral”.

• MUESTRA: Es una parte de la población, obtenida mediante

una técnica llamada “muestreo”. La muestra se utiliza para
realizar estudios que permitan conocer la población.

• MUESTREO: Técnica que tiene por objeto extraer una

fracción de la población, de tal manera que la muestra
obtenida representa las características propias de la
población entera.
7
 CONCEPTOS BÁSICOS
• PARÁMETRO: Es una medida descriptiva que resume
una característica numérica de la población. Ejemplo
la Medida μ, la Varianza σ² o la Proporción P,
calculadas a partir de los datos observados de toda la
población.

• ESTADÍSTICA: Se denomina estadística a una medida

descriptiva que resume una característica numérica
de la muestra. Ejemplo la Media , , la varianza S² o
la Proporción p, calculada a partir de los datos de una
muestra aleatoria.
8
N Población:
“Grupo del cual se desea saber
algo y cuyas características se
describe mediante parámetros.

Generalización de
resultados

Muestra:

“Grupo en el que se realiza el

estudio y cuyas características se
describe mediante estadísticas
9
 EJEMPLO
Nos proponemos encontrar la Edad promedio
de los alumnos de la UNSM, matriculados en
el ciclo 2017-I, entonces, la edad promedio
será µ, ya que, corresponde a toda la
población. Por otro lado si calculamos la
edad promedio de los alumnos de la Facultad
de Sistemas e Informática matriculados en el
ciclo 2016-I, entonces, la edad promedio será
, , porque comprende a una muestra de la
población total.
10
La Estadística y la Investigación
Científica

La Estadística y en particular el diseño de

experimentos son considerados en la
Literatura Científica como técnicas que son
incorporadas en el proceso investigativo.
Abel. Díaz
“Diseño Estadístico de Experimentos”

11
 PASOS DEL METODO CIENTIFICO
1.- Concebir la idea a investigar.

2.- Plantear el Problema de Investigación:

 Establecer los objetivos de investigación.

 Desarrollar las preguntas de investigación.
 Justificar la Investigación y su viabilidad.

3.- Elaborar el Marco Teórico:

 Revisión de la Literatura.

 Detección de la Literatura.
 Obtención de la Literatura.
 Consulta de la Literatura.
 Extracción y Recopilación de la Información de Interés.

 Construcción del Marco Teórico.

12
4.-Definir si la Investigación se inicia como exploratoria, descriptiva,
correlacional o explicativa y hasta qué nivel llegará.

5.- Establecer las hipótesis.

Detectar las variables.
Definir conceptualmente las variables.
Definir operacionalmente las variables.

6.- Seleccionar el Diseño apropiado de Investigación:

Diseño experimental, pre experimental o cuasi experimental.
Diseño no Experimental.

7.- Selección de la Muestra:

 Determinar el Universo.
 Extraer la Muestra.

13
8.- Recolección de los Datos:
Elaborar el instrumento de medición y aplicarlo.
Calcular la validez y confiabilidad del instrumento de medición.
Codificar los datos.
Crear un archivo que contenga los datos.

9.- Analizar los Datos:

Seleccionar las pruebas estadísticas.
Elaborar el Problema de análisis.
Realizar los análisis.

10.- Presentar los Datos:

Elaborar el Reporte de Investigación.
Presentar el Reporte de Investigación.
R. Hernández S. y otros.

14
 Relación Estadística y el Método Científico:

La experimentación dentro del Proceso Científico es asistida

por técnicas estadísticas:
1.- El análisis descriptivo de datos ayuda en el reconocimiento
de los problemas y el planteamiento de las hipótesis.
2.- El diseño estadístico de experimentos y el muestreo aportan
las bases para la planeación, recolección de datos y
validación de información.
3.- La inferencia estadística: estimaciones, contrastación de
hipótesis determinan las conclusiones. Es la única que
ofrece métodos basados en la probabilidad para obtener
inferencias inductivas válidas.

15
Concluyendo, la Estadística sirve de fundamento al
investigador en el diseño y análisis de sus
experimentos. Bien aplicada, conduce a la
realización de diseños más eficientes con el
consiguiente ahorro de tiempo y recursos, a la vez
que se gana en información. Al contrario,
experimentos mal diseñados conducen
frecuentemente a errores que pueden arruinar todo
un proyecto de investigación.

16
 Ejemplos de Utilización de Hipótesis
Estadísticas:
1.- Se está estudiando un nuevo fármaco para utilizarlo en el tratamiento del
cáncer de piel. Se espera que sea eficaz en la mayoría de pacientes sobre
los que se aplica, la compañía que produce el fármaco quiere obtener
alguna prueba estadística que apoye tal información.
Aquí nos interesa que la proporción ρ pacientes para los cuales el
fármaco sea efectivo sea mayor que el 50%  ρ > 0.5.

Luego implica que el planteamiento del contraste sería:

Ho: ρ ≤ 0.5
H1: ρ > 0.5 (Fármaco es eficaz en la mayoría de los pacientes.)

17
Ejemplos de Diseños de Investigación y Pruebas
Estadísticas:
1.- Diseño con pre prueba - post prueba y grupo
de control:

RG1 01 X 02
RG2 03 ---- 04

La prueba estadística correspondiente es la

Prueba T para muestras independientes.

18
2.- La medida de la asociación o relación de
características (variables) de pacientes se
contrasta con los índices de correlación.

3.- La comparación de más de 2 tratamientos

en pacientes se contrasta con un diseño
completamente aleatorizado o un diseño de
bloques aleatorizados

19
 ETAPAS DE LA INVESTIGACIÓN
ESTADÍSTICA

• Formulación del problema.

• Formulación de la Hipótesis
• Diseño del experimento.
• Recolección de datos.
• Clasificación, tabulación y descripción de
resultados.
• Generalización o inferencia.

20
IMPORTANCIA DE LA HIPÓTESIS

• La hipótesis es la respuesta que le

investigador fórmula para resolver el
problema planteado. Es, además la base para
el diseño del experimento.
• La hipótesis contiene, las variables de
investigación y su relación entre ellas,
además la indicación explícita o implícita de
los sujetos en los que se estudiaran dichas
características o relaciones.

21
 VARIABLES ESTADÍSTICAS
Una variable estadística es una característica
(cualitativa o cuantitativa) que se mide u
observa en la unidad estadística de la población.
Se representa por una letra mayúscula del
alfabeto castellano.
Si una variable se denota por X, sus valores
observados en n unidades estadísticas se denota
por x1, x2,..., xn, conforme al orden que se han
obtenido.

22
 Este conjunto de n observaciones constituye
una muestra de tamaño n obtenida de una
población de tamaño N.

Además, siendo la población el agregado de

todos los elementos definidos antes de la
selección de la muestra, debe estar definida en
términos de:

• Elementos.
• Unidades de muestreo. (Unidad Estadística)
• Alcance.
• Tiempo.
23
 CLASES DE VARIABLES
• A) P0R SU NATURALEZA
VARIABLES CUALITATIVAS: Es la característica cuyos valores se
expresan en modalidades o categorías. Ejemplo: sexo, nivel
de instrucción, estado civil, historia familiar, tipo sanguíneo,
nivel socioeconómico.

Ejemplo:

VARIABLE CATEGORIAS O MODALIDADES

• Sexo Masculino, Femenino

• Estado Civil Casado(a), Soltero(a), Viudo(a), Conviviente
• Tipo Sanguíneo Tipo O, Tipo A, Tipo B, Tipo AB
• Nivel de Instrucción Inicial, Primaria, Secundaria, Nivel Superior

24
 VARIABLE CUANTITATIVA: Es la característica cuyos valores
son números. Ejemplo: Peso, Talla, Presión Arterial,
sueldo de empleados, Número de hijos de una familia,
ventas anuales etc. Se clasifican en discretas y continuas.

• VARIABLE CUANTITATIVA DISCRETA: Toma solo ciertos

valores numéricos en un intervalo considerado y no
admite ningún otro valor entre dos valores consecutivos
fijos. Sus valores se obtienen por conteo. Ejemplo:

Número de hijos por familia: 0, 1, 2,....,10.

• VARIABLE CUANTITATIVA CONTINUA: Toma cualquier valor

en el intervalo considerado, sus valores son reales.
Ejemplo: Peso (Kg.), Talla (cm.), Ventas anuales, Sueldos,
etc.

25
B) POR SU RELACIÓN CAUSAL
VARIABLE INDEPENDIENTE
Es aquella característica o propiedad que se
supone ser la causa o explicación del
fenómeno estudiado. En investigación
experimental se llama así, a la variable que el
investigador manipula. Generalmente se
simboliza con la letra mayúscula X, y no
depende de ninguna variable dentro de un
contexto determinado, indica: causa,
antecedente, estímulo, determinante

26
VARIABLE DEPENDIENTE
Es la propiedad o característica que se trata de cambiar
mediante la manipulación de la variable independiente.
Generalmente se simboliza con la letra mayúscula Y, y son
aquellas que dependen o son explicadas por otra u otras
variables dentro de un contexto determinado, indica:
Efecto, consecuente, respuesta, resultado.
VARIABLE INTERVINIENTE
Es aquella característica o propiedad que de una manera
u otra afectan el resultado que se espera, produciendo
efectos indirectos en la relación entre variables
independientes y dependientes. Simbólicamente se la la
denota con la letra mayúscula Z, son aquellas que van a
especificar las condiciones o requisitos para que las
variables X e Y tomen sus correspondientes

27
 EJEMPLOS:

Relación Variable Variable Variable

Independiente X Dependiente Y Interviniente Z

Causa/Efecto Gastos en publicidad Ventas Tipo de negocio

Antecedente/Consec Hábito de Fumar Cancér de Pulmón Género

uente

Estímulo/Respuesta Programa Nivel Aprendizaje Edad

Educativo

Causa/Efecto Inversión Rendimiento Clima

Agrícola

Causa/Efecto Experiencia laboral Salario mensual Nivel Educativo

Causa/Efecto Contaminación Diarrea Infantil Hacinamiento
Alimenticia

28
C.- SEGÚN EL NIVEL DE ABSTRACCIÓN

VARIABLES TEÓRICAS

Poseen alto grado de abstracción y no se miden

directamente en la realidad, ejemplo: Accesibilidad al
Servicio de Salud.

VARIABLES INTERMEDIAS

Son dimensiones que expresan aspectos parciales y más

concretos de las variables teóricas, aunque tampoco son
medibles directamente en la realidad. Ejemplo,
Accesibilidad Geográfica y Accesibilidad Económica, son
dimensiones de la variable teórica Accesibilidad al
Servicio de Salud.
29
VARIABLES EMPÍRICAS

Son los indicadores que representan específicamente

los aspectos de una variable teórica, que se miden
directamente en la realidad. Ejemplo, Distancia (Km)
del lugar de residencia al Servicio de Salud.

ESCALA DE MEDICIÓN DE LAS VARIABLES

La asignación de valores a cada una de las unidades

estadísticas mediante una variable, se hace siguiendo
determinadas escalas de medición.

30
ESCALA

Instrumento o criterio de medida, que permite

diferenciar un elemento de otro por
comparación de la forma particular que adopta
la variable de estudio en ese momento. La
escala debe ser Exhaustiva y Mutuamente
Excluyente, el conocimiento de las escalas de
medición es crítico, pues cada una de ellas tiene
implicancia en la forma de presentar y resumir
información y determina el método estadístico
escogido para analizar los datos.

31
ESCALA NOMINAL

Asigna un atributo o categoría a cada elemento, pero no establece

ningún tipo de jerarquía ni puede cuantificarse. Tiene relaciones de
igualdad (=) y no igualdad (≠).

Ejemplo, la variable Estado Civil, con sus categorías: 1 Casado, 2 Soltero,

3 Conviviente, 4 Viudo, 5 Divorciado.

ESCALA ORDINAL

Establece una jerarquía entre los diferentes valores de la variable, pero

no puede cuantificarse. Tiene relaciones de igualdad (=), de no igualdad
(≠) y atributo de orden (> y <).

Ejemplo, la variable Tipo de Lactancia en niños menores de 6 Meses, con

categorías: 1 Materna, 2 Mixta, 3 Artificial.

32
ESCALA DE INTERVALO

Asigna un valor numérico a la variable, pero su cero es arbitrario, no

representa la ausencia del fenómeno en estudio. Tiene relaciones de
igualdad (=), de no igualdad (≠), atributo de orden (> y <) y un atributo
de distancia con las operaciones aritméticas (+ y -).

Ejemplo, variable Temperatura en grados Celsius.

ESCALA DE RAZÓN

Asigna un valor numérico a la variable, en el cual el cero representa la

ausencia del fenómeno en estudio. Tiene relaciones de igualdad (=), de
no igualdad (≠), atributo de orden (> y <), atributo de distancia con las
operaciones aritméticas (+ y -) y atributo de origen con operaciones
aritméticas (x y /)

Ejemplo, variable Talla de pacientes.

33
 ESCALAS DE MEDICIÓN DE LAS VARIABLES
VARIABLES CUALITATIVAS VARIABLES CUANTITATIVAS
CATEGÓRICAS NUMÉRICAS
NOMINAL ORDINAL INTERVALO RAZÓN
Ningún Atributo Un Atributo Dos Atributos Tres Atributos
Orden Orden, Distancia Orden, Distancia,
Origen
Posee categorías a las Posee categorías ordenadas Tiene intervalos iguales y Tienen intervalos
que se asigna un pero no permite cuantificar medibles, pero no tiene un constantes en
nombre sin que exista la distancia entre una origen real. Puede asumir valores, además de
ningún orden implícito categoría y otra. valores negativos. un origen real. El
entre ellas. cero significa la
ausencia de la
variable.

Género Estado Civil Instrucción Intensidad Temperatura Hora del Peso Hijos
día
Masculino Soltero Primaria Leve - 10°C 00 horas 10.0 kg 1
Femenino Casado Secundaria Moderado 0° C 10 horas 10.2 kg 2
Conviviente Superior Severo 20° C 20 horas 20.0 kg 3

Dicotómicas, tienen sólo dos categorías. Discretas, provienen de contar, sólo pueden ser
Ejemplo: representadas por números enteros.
Vivo – Fallecido Continuas, se pueden representar con números enteros o
Sano – Enfermo fraccionarios, entre dos valores existe un número
Politómicas: Tienen más de dos categorías. intermedio.
34
OPERACIONALIZACIÓN DE VARIABLES

En primer lugar toda variable debe tener su

definición conceptual, que permita la
comprensión del fenómeno.
Luego su definición operacional, que
establece las normas y procedimientos que
seguirá el investigador para medir las
variables en su investigación, dichas
mediciones pueden ser:

35
 a) Directa Unidimensional, Ejemplo:
VARIABLES DEF. TIPO/NATURALE ESCALA INDICADOR
OPERACIONAL ZA

EDAD Tiempo Vivido por Cuantitativa De Razón Años

el cumplidos
paciente al
momento del
estudio
TALLA Dimensión de Cuantitativa De razón Centímetros
altura del paciente alcanzados
al momento del
estudio

SEXO Determinado según Cualitativa Nominal Masculino

características Femenino
fenotípicas
externas

PRESIÓN Determinada por Cuantitativa De razón Índice

ARTERIAL medición de Sistólico
presión a través del y diastólico
Tensiómetro
36
 b) Indirecta: Unidimensional e indicadores, ejemplo la variable
Desnutrición Infantil

Tipo/Naturaleza: Cualitativa
Valores Finales: Desnutrición de Grado I, II y III.
Indicadores: Peso, Talla y Edad.
Escala de medición: Peso, Talla y Edad (Razón); Desnutrición
(Ordinal).
• Instrumentos y procedimientos de medición: El Peso, mediantes
una balance regulada en gramos con medición hecha en ayunas; la
Talla, mediante un tallímetro regulado en milímetros; y la Edad,
mediante la determinación de la fecha de nacimiento dada por el
DNI o partida de nacimiento.
• Definición Operacional de Desnutrición Infantil: “Se expresa en
grados I, II y III, de acuerdo a la comparación de los indicadores
peso, talla y edad, con las tablas antropométricas de la OMS. Para
la medición de los indicadores se usará una balanza regulada en
gramos, un tallímetro regulado en milímetros y la fecha de
nacimiento obtenida mediante DNI o partida de nacimiento”
37
 SUMATORIA
Es una estructura matemática que
es utilizada en el cálculo de
importantes medidas estadísticas
descriptivas y procesos
inferenciales, por lo que se hace
necesario su tratamiento.

38
 RECOLECCIÓN DE DATOS
En un tratamiento estadístico, es muy importante determinar el método
de recolección de datos y el tipo de instrumento que se utilizará, en base
a los objetivos y las variables del estudio.

FUENTES PRIMARIAS:
Son las que obtienen información a través del contacto directo con la
Unidad de Análisis en estudio.
• Observación.
• Encuesta.
• Entrevista.
• Cuestionario.

FUENTES SECUNDARIAS:

La obtención de información se hace mediante documentos u otras

formas de registros de datos, la información de las Unidades de Análisis
en estudio se obtiene en forma indirecta.
• Técnica documental o bibliográfica.
• Registro administrativo.
39
 ORGANIZACIÓN Y PRESENTACIÓN DE DATOS
DISTRIBUCIÓN DE FRECUENCIAS DE UNA VARIABLE CUALITATIVA
Supongamos que en una muestra de n unidades estadísticas se observan k
categorías o modalidades diferentes C1, C2,..., Ck de una variable cualitativa X.

El cuadro teórico es:

CUADRO DE DISTRIBUCIÓN DE FRECUENCIA DE UNA VARIABLE CUALITATIVA

Categorías Frecuencias Frecuencias Frecuencias %

Variable X Absolutas ni Relativas fi Porcentuales Pi

C1 n1 f1 P1
C2 n2 f2 P2
. . . .
. . . .
. . . .
CK nK fk Pk

TOTAL N 1.00 100

40
Frecuencias Absolutas ni es el número de datos observados en cada
categoría. La suma de todas las frecuencias absolutas es igual a el total
n de datos observados. k

n
i 1
i  n
ni
Frecuencias Relativas fi se obtienen en cada categoría por fi 
n
La suma de todas las frecuencias relativas es igual a 1.

i 1
fk  1

Frecuencias Porcentuales Pi se definen en cada categoría por Pi  f i  100%

El total de frecuencias porcentuales es igual a 100.
k

P
i 1
i  100
41
 EJEMPLO
CUADRO N° 1: Tipo de Empresa por Constitución Legal. Distrito Tarapoto 2005

N° Empresas Proporción Empresas Porcentaje %

TIPO DE EMPRESA

Soc. Civil Resp. Limitada 5 0.051 5.1

Resp. Limitada 8 0.082 8.2

Soc.. Civil Ordinaria 1 0.010 1.0

Soc.. Comercial Limitada 2 0.020 2.0

Persona Natural 82 0.837 83.7

TOTAL 98 1.000 100.0

Se muestra que la pequeña y Microempresa está constituida por Personas

Naturales con el 83.7%, y en mínimo porcentaje de 8.2% la Empresa Individual de
RL.
42
 GRÁFICOS
En los datos de variables cualitativas, los más
comunes son los Gráficos de Barras y los Sectores
Circulares.

En la Gráfica de Barras los datos de cada una de las

modalidades o categorías Ci, se representan por una
barra rectangular (Vertical u Horizontal), cuya altura o
largo es proporcional a su frecuencia.

En los Gráficos Circulares, los datos de cada categoría

o modalidad Ci se representan por un sector circular
cuyo ángulo en el centro del círculo es igual a fi x 360°.

43
 Gráfico N° 1: Tipo Empresa por Constitución
Legal. Distrito Tarapoto - 2005
100

80

60

40

20

0
Soc. Civil RL Soc. Civil Ord. Persona Natural
Emp. Ind. RL Soc. CL

Tipo de Empresa

Fuente: Cámara de Comercio y Producción – Tarapoto.

44
 Gráfico N° 1: Tipo Empresa por Constitución
Legal. Distrito Tarapoto - 2005
Soc. Civil RL
5.1%

Emp. Ind. RL
8.2%
Soc. Civil Ord.
1.0%

Soc. CL
2.0%

Persona Natural
83.7%

Fuente: Cámara de Comercio y Producción – Tarapoto.

45
ORGANIZACIÓN Y PRESENTACIÓN DE DATOS
DISTRIBUCIÓN DE FRECUENCIA DE UNA VARIABLE
CUANTITATIVA:

VARIABLE DISCRETA: Asumimos que se han

recolectado n valores de una variable discreta X,
partimos ordenando estos valores numéricos en
forma ascendente. Generalmente algunos
valores se repiten y al terminar el ordenamiento
K (K ≤ n) valores distintos de X, digamos x1, x2,...,
xk, con frecuencias absolutas de n1, n2,..., nk; se
tiene el siguiente cuadro teórico:

46
RESUMEN DE DISTRIBUCIÓN DE FRECUENCIA DE UNA VARIABLE DISCRETA

Valores Frecuencias Frecuencias Frecuencias

Frecuencias Frecuencias
de la Absolutas Relativas Porcentuale
Absolutas Relativas
variable Acumuladas Acumuladas s
ni fi
X Ni Fi Pi %

x1 n1 N1 f1 F1 P1
x2 n2 N2 f2 F2 P2
x3 n3 N3 f3 F3 P3
. . . . . .
. . . . . .
. . . . . .
xK nK NK = n fK FK = 1.00 PK

TOTAL n 1.00 100%

47
 EJEMPLO
Número de nacimientos diarios en el Centro
Materno Perinatal de Tarapoto. Enero-
Febrero 2004.

6, 6, 2, 6, 5, 9, 8, 4, 4, 3, 4, 1, 5, 5, 7, 4, 3, 4, 2,
6, 4, 3, 6, 7, 4, 7, 7, 7, 7, 4, 4, 4, 5, 6, 5, 4, 5, 3,
7, 6, 5, 5, 2, 4, 8, 8, 2, 6, 9, 4, 7, 4, 5, 6, 8, 6, 2,
3, 5, 4.

48
CUADRO N° 2. DPTO. SAN MARTÍN: NÚMERO DE NACIMIENTOS DIARIOS
EN EL CENTRO MATERNO PERINATAL-TARAPOTO. ENERO-FEBRERO 2004.

Días Frecuencias Frecuencias

Frecuencias Frecuencias
Nacimiento Frecuencias Absolutas Relativas
Relativas Porcentuales
s diarios X Absolutas Acumuladas Acumuladas
fi Pi %
ni Ni Fi
1 1 1 0.02 0.02 2%
2 5 6 0.08 0.10 8%
3 5 11 0.08 0.18 8%
4 15 26 0.25 0.43 25%
5 10 36 0.17 0.60 17%
6 10 46 0.17 0.77 17%
7 8 54 0.13 0.90 13%
8 4 58 0.07 0.97 7%
9 2 60 0.03 1.00 3%

TOTAL 60 1.00 100%

Fuente: Centro Materno Perinatal – Tarapoto.

49
 CONCLUSIONES
Se nota claramente, que cuando tomamos la masa bruta
se los 60 datos correspondientes al número de
nacimientos diarios en el Centro Materno Perinatal-
Tarapoto, esta información es irrelevante al ser analizada;
pero luego del sencillo tratamiento de frecuencias, el
Cuadro N°2 al ser analizado precisa por ejemplo:

• Que el número de nacimientos diarios más frecuente es 4

y aparece en 15 de los 60 días tomados.
• El 59% de días registran 4, 5 y 6 nacimientos por día.
• Que los números de nacimientos diarios menos frecuentes
son 1 y 9, etc. Evidenciando la utilidad del tratamiento.

50
 GRÁFICOS
Los gráficos más importantes son el Gráfico de
Bastones y el Gráfico Acumulativo.

GRÁFICO DE BASTONES PARA FRECUENCIAS

ABSOLUTAS, para realizar este gráfico se emula un eje
cartesiano, sobre el eje de la Abscisas se marcan los
valores de la variable discreta y sobre cada valor se
levanta una línea (bastón) proporcional al número de
frecuencias absolutas de la variable correspondiente
a cada uno de ellos. Dichas frecuencias están
tabuladas en el eje de las ordenadas.

51
 GRÁFICO N° 3. DPTO. SAN MARTÍN: NÚMERO DE NACIMIENTOS DIARIOS
EN EL CENTRO MATERNO PERINATAL-TARAPOTO. ENERO-FEBRERO 2004.

Fuente: Centro Materno Perinatal – Tarapoto.

52
GRÁFICO ACUMULATIVO DE FRECUENCIAS
ABSOLUTAS, para realizar este gráfico se
emula un eje cartesiano, sobre el eje de la
Abscisas se marcan los valores de la variable
discreta y para cada valor se extiende una
línea horizontal a la altura del número de
frecuencias absolutas acumuladas
correspondiente a cada uno de ellos. Dichas
frecuencias absolutas acumuladas están
tabuladas en el eje de las ordenadas.

53
GRÁFICO N° 4. DPTO. SAN MARTÍN: NÚMERO DE NACIMIENTOS DIARIOS
EN EL CENTRO MATERNO PERINATAL-TARAPOTO. ENERO-FEBRERO 2004.
Días








Fuente: Centro Materno Perinatal – Tarapoto.

54
DISTRIBUCIÓN DE FRECUENCIA DE UNA
VARIABLE CONTINUA:

Para la organización de los datos de una variable

continua se usa intervalos o clases (También en
una variable discreta, cuando el número de
valores distintos es muy grande.). Esta
distribución se obtiene dividiendo el Rango o
Recorrido de la variable X entre k intervalos y
luego determinando el número de datos que
contiene cada intervalo de igual Amplitud (A).

55
RESUMEN DE DISTRIBUCIÓN DE FRECUENCIAS POR INTERVALOS

Frecuencias Frecuencias
Intervalos Marca de Frecuencias Frecuencias
Absolutas Relativas
o Clases clase Absolutas Relativas
Acumuladas Acumuladas
Ii xi ni fi
Ni Fi

I1 x1 n1 N1 f1 F1
I2 x2 n2 N2 f2 F2
I3 x3 n3 N3 f3 F3
. . . . . .
. . . . . .
. . . . . .
IK xk nK NK = n fK FK =1.00

TOTAL n 1.00

56
 PASOS PARA ELABORAR UN
CUADRO DE DISTRIBUCIÓN DE
FRECUENCIAS POR INTERVALOS

57
1.- Determinar el Rango R  X max  X min

2.- Determinar el número de intervalos k , teniendo en cuenta sólo uno

de los siguientes criterios:

No mayor de 15 ni menor de 5 intervalos, determinando una

.
distribución de frecuencia monomodal.

Usando la regla de Sturges: K  1  3.3 log( n) , para n  10

Se puede usar: K n , para 25  n  400

58
 3.- Determinar la Amplitud del intervalo, dividiendo el Rango entre
R
el número de intervalos: A
K
4.- Determinar los extremos de los Intervalos de la Siguiente manera:

 I1  X min , X min  A)
 I 2 X min  A, X min  2 A)
 I 3  X min  2 A, X min  3 A)
 ……………………………………

 I k  X min  (k  1) A, X min  kA

59
5.- Realizar el conteo de datos para cada intervalo, aquí
generalmente se analiza cada dato y se ubica en el
intervalo correspondiente.

6.- Calcular la Marca de Clase o Marca del Intervalo:

Ii = [Límite inferior , Límite superior]

I i  Li , Ls 
Li  Ls
Xi 
2
7.- Construir el cuadro completo.

60
 EJEMPLO
EDAD DE 154 MADRES GESTANTES EN EL C.M. PERINATAL-
TARAPOTO. ENERO 2004.

31, 38, 19, 23, 27, 22, 19, 15, 23, 30, 38, 33, 30, 22, 18, 28,
21, 25, 43, 17, 33, 16, 18, 21, 17, 17, 20, 31, 17, 17, 26, 33,
32, 33, 39, 20, 22, 22, 32, 28, 32, 20, 17, 30, 19, 23, 23, 40,
16, 27, 27, 28, 22, 21, 30, 18, 20, 26, 19, 20, 28, 31, 37, 18,
33, 20, 27, 34, 18, 27, 18, 33, 22, 25, 22, 30, 35, 21, 33, 18,
31, 17, 15, 18, 28, 20, 22, 30, 21, 18, 15, 18, 22, 18, 31, 16,
16, 35, 29, 18, 20, 19, 29, 28, 18, 30, 18, 40, 15, 19, 33, 20,
24, 23, 33, 18, 21, 19, 19, 29, 17, 20, 23, 38, 40, 20, 16, 30,
22, 16, 29, 20, 19, 31, 20, 33, 33, 23, 22, 34, 24, 16, 18, 20,
23, 19, 28, 31, 32, 26, 32, 16, 24.

61
Con esta masa bruta de datos, se inicia el proceso del tratamiento
estadístico de frecuencias respecto a las 154 edades de madres
gestantes, las cuales fueron atendidas en el parto en el Centro Materno
Perinatal-Tarapoto. Enero 2004, siguiendo los pasos teóricos propuestos:

1.- Determinamos el Rango:

Ubicamos el Xmin=15; y el Xmax=43

Luego R = Xmax – Xmin = 43 – 15 = 28 unidades de Recorrido (años)

2.- Determinamos el Número de Intervalos, utilizando como criterio la regla de

Sturges. Como se tiene n = 154, entonces :

K = 1 + 3.3 log(n) ; K = 1 + 3.3 log(154); K = 1 + 3.3. (2.2); K = 8.26 ≈ 8

3.- Luego Determinamos la Amplitud de los Intervalos:

A = R/K = 28/8 = 3.5

62
Indicamos que cuando la amplitud en su cálculo
registra decimales, es necesario redondear al
entero inmediato superior, además, en la
mayoría de cuadros de distribución de
frecuencias se utiliza la misma Amplitud para
todo los intervalos, pero, también se pueden
utilizar intervalos de diferentes Amplitudes, por
ejemplo, al estudiar los grupos Etáreos de una
población.

4.- Construimos los Intervalos, Marcas de clases

y Frecuencias:
63
 CUADRO N°3: DPTO. SAN MARTÍN, EDAD DE MADRES GESTANTES
ATENDIDAS EN PARTO EN EL C.M. PERINATAL-TARAPOTO. ENERO 2004.

Frecuencias Frecuencias Frecuencias

Intervalos Marca de Frecuencias Frecuencias
Absolutas Absolutas Relativas
Edades clase Relativas Porcentual
Gestantes Acumuladas Acumuladas
Ii xi fi Pi %
ni Ni Fi

[15-18.5) 16.75 36 36 0.234 0.234 23.4%

[18.5-22) 20.25 30 66 0.195 0.429 19.5%

[22-25.5) 23.75 24 90 0.156 0.585 15.6%

[25.5-29) 27.25 15 105 0.097 0.682 9.7%

[29-32.5) 30.75 25 130 0.162 0.844 16.2%

[32.5-36) 34.25 15 145 0.097 0.941 9.7%

[36-39.5) 37.75 5 150 0.033 0.974 3.3%

[39.5-43] 41.25 4 154 0.026 1.000 2.6%

TOTAL 154 1 100%

Fuente: DIRES/SM
64
En el tratamiento y resumen de datos de una variable
cuantitativa discreta, por ejemplo, número de nacimientos
diarios en el C.M. Perinatal-Tarapoto. Enero-Febrero 2004,
no se pierde la información original, ya que, todos sus
valores están representados en las clases o modalidades con
sus respectivas frecuencias; pero, en una variable
cuantitativa continua al elaborarse los intervalos de clase, se
pierde la información original y las frecuencias se refieren a
la Marca de Clase como dato representativo en ese
intervalo. Por ejemplo, en el quinto intervalo existe 25
madres gestantes con una edad de 30.75 años, que serán
usados en cálculos de cualquier indicador estadístico. Esta
pérdida de información es compensada, al realizar la
sistematización de la masa bruta de datos, ya que, las 154
edades de madres gestantes presentadas al inicio no dicen
nada relevante, pero luego del sencillo tratamiento de
elaborar las distribuciones de frecuencias, pueden ser
descritas y analizadas, por ejemplo:

65
• El grupo adolescente entre 15 y 18 años
representa el 23.4% y con la más alta frecuencia
de 25 gestantes.

• Las madres gestantes mayores de 40 años, son

escasas y sólo representan el 2.6% con una
frecuencia de 4 gestantes.

• Las madres gestantes menores de 36 años

representan el 94.1% con una frecuencia de de
45 gestantes, etc.

66
 GRÁFICAS
Los gráficos más importantes son el Histograma de
Frecuencias Absolutas, Polígono de Frecuencias Absolutas,
Histograma de Frecuencias Relativas, Polígono de
Frecuencias Relativas, Polígono de Frecuencias Relativas
Acumuladas, etc.

HISTOGRAMA DE FRECUENCIAS ABSOLUTAS, para realizar

este gráfico se emula un eje cartesiano, sobre el eje de la
Abscisas se marcan los intervalos o clases y sobre cada
clase se levanta un rectángulo proporcional al número de
frecuencias absolutas de la variable contenido en cada
una de ellos. Dichas frecuencias están tabuladas en el eje
de las ordenadas.

67
GRAFICO N° 5. HISTOGRAMA DE FRECUENCIA ABSOLUTAS: EDAD DE MADRES
GESTANTES ATENDIDAS EN PARTO EN EL C.M. PERINATAL-TARAPOTO. ENERO 2004.

Fuente: DIRES/SM.
68