Estadística I

Clase I: Introducción a la Estadística en

Sociología

José Manuel Gaete Fiscella

 Introducción
Introducción a la Estadística en
Sociología
 Introducción
• 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

• La Estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la

incertidumbre forman parte de su naturaleza

• † Es la Ciencia que se ocupa del recuento de hechos sociales, científicos o de cualquier clase y
de la comparación de las cifras obtenidas.

• La necesidad de dar una explicación racional.

• Alejarse de los prejuicios y de lo mítico para explicar los fenómenos sociales o naturales.

• Rechazo a la metafísica y valoración del empirismo.

Introducción
 Introducción
Existen diversas formas de adquirir conocimiento
Observación o propia Tradición Autoridad Científico
experiencia

Establecemos causa- Conocimiento heredado Conocimiento Se obtiene con un

efecto. y acumulativo. socialmente método validado por
Hacemos predicciones. Se basa en considerado experto expertos/as
No es lo mismo convenciones. Políticos y líderes Es sistemático
comprensión que Cosas que todos saben, religiosos Crítico
predicción se aceptan “obvias” Deportistas y actores Fundado en la razón
Ventajas: no se parte de
cero.

Cuando me duele la “remedios” caseros. Marketing comida El consumo de calcio

rodilla va a llover. saludable. previene la
Si tomo la bandeja del osteoporosis
horno encendida con La tierra es redonda
las manos, me quemo. (achatada por los polos)
 Introducción
• La investigación científica es, en esencia, como cualquier tipo
de investigación, sólo que más rigurosa, organizada y se lleva
a cabo cuidadosamente.
• Es sistemática, empírica y crítica. Esto se aplica tanto a
estudios cuantitativos, cualitativos o mixtos.
– Que sea “sistemática” implica que hay una disciplina para realizar la
investigación científica y que no se dejan los hechos a la casualidad.
– Que sea “empírica” denota que se recolectan y analizan datos.
– Que sea “crítica” quiere decir que se evalúa y mejora de manera
constante.
• Puede ser más o menos controlada, más o menos flexible o
abierta, más o menos estructurada, en particular bajo el
enfoque cualitativo, pero nunca caótica y sin método.
 Introducción
• Qué es la estadística?

• La Estadística es una ciencia que facilita la solución de

problemas en los cuales necesitamos conocer
características sobre el comportamiento de algún
suceso o evento.

• Cuál es su utilidad?

• Nos permite inferir el comportamiento de sucesos

iguales o similares sin necesidad de que estos ocurran.
 Introducción
• Esto nos da la posibilidad de tomar decisiones
acertadas y a tiempo, así como realizar
proyecciones del comportamiento del suceso.

• Sólo se realizan los cálculos y el análisis con los

datos obtenidos de una muestra de la población y
no con toda la población.

• Existen algunos casos en que es posible realizar

mediciones sobre toda la población.
Introducción
 Introducción
• Desde qué paradigma se sitúa y se investiga con la estadística?

• La investigación Cuantitativa, que usa métodos estadísticos, se

basa en el paradigma explicativo.

• Paradigma Explicativo: Es el que «utiliza preferentemente

información cuantitativa o cuantificable para describir o tratar
de explicar los fenómenos que estudia, en las formas que es
posible hacerlo en el nivel de estructuración lógica en el cual
se encuentran las ciencias sociales actuales» (Briones, 1996,
pp. 17).
 Introducción
1) El objeto de estudio propio de las ciencias sociales
(sociedad global vs. grupos pequeños): según sea uno y
otro definirá dos tipos de perspectivas de investigación:
– Sociedad en su conjunto------perspectiva MACROSOCIAL
– Grupos pequeños----- perspectiva MICROSOCIAL
• Para algunos constructores de las ciencias sociales,
éstas deben estudiar el sistema social en su totalidad ;
mientras que para otros el/la investigador/a puede
conocer, directa y experimentalmente, el
funcionamiento de determinados grupos.
• Ejemplos de perspectiva MACRO/ MICRO:
Investigación Social: Epistemología
2) La naturaleza del conocimiento de la investigación
científica, que define dos tipos de enfoques que
implicarán diferentes metodologías
– CUANTITATIVO: busca la medición de los fenómenos
sociales, en particular, la medición individual de las
propiedades que se dan en esos objetos, mediante
variables y la aplicación de técnicas estadísticas para la
obtención de conocimiento.
– CUALITATIVO: se busca abordar el objeto en su totalidad,
con una mirada holística para lo cual deberá utilizar
técnicas cualitativas adecuadas para ese propósito.
Investigación social: Epistemología
MODELO MODELO
CUANTITATIVO CUALITATIVO
OBJETO DE ESTUDIO Sociedad global Grupos pequeños
(macrosocial) (microsocial)
NATURALEZA DEL Particular Holística
CONOCIMIENTO Se miden propiedades Se considera el
de los objetos sociales fenómeno como un
todo

RELACIÓN OBJETO- Objetividad Subjetividad

INVESTIGADOR (como fuente de
conocimiento)

FUNCIÓN DE LA Explicar Interpretar

INVESTIGACIÓN
Investigación Social: Método
cuantitativo v/s cualitativo
Investigación Social: Método
cuantitativo v/s cualitativo
Investigación Social: Método
cuantitativo v/s cualitativo
Investigación Social: Método
cuantitativo v/s cualitativo
Investigación Social: Método
cuantitativo v/s cualitativo
Investigación Social: Método
cuantitativo v/s cualitativo
 Investigación Social: ¿Cuál de los dos
enfoques es el mejor?
• Ninguno es intrínsecamente mejor que el otro, sólo
constituyen diferentes aproximaciones al estudio de un
fenómeno. La investigación cuantitativa nos ofrece la
posibilidad de generalizar los resultados más
ampliamente, nos otorga control sobre los fenómenos,
así como un punto de vista de conteo y las magnitudes
de éstos. Asimismo, nos brinda una gran posibilidad de
réplica y un enfoque sobre puntos específicos de tales
fenómenos, además de que facilita la comparación
entre estudios similares.
 Investigación Social: ¿Cuál de los dos
enfoques es el mejor?
• Por su parte, la investigación cualitativa proporciona
profundidad a los datos, dispersión, riqueza
interpretativa, contextualización del ambiente o
entorno, detalles y experiencias únicas. También
aporta un punto de vista “fresco, natural y holístico” de
los fenómenos, así como flexibilidad.
• Un analista de la opinión pública, al investigar sobre
los factores que más inciden en la votación para una
próxima elección, utilizaría grupos de enfoque con
discusión abierta (cualitativos), además de
encuestas por muestreo (cuantitativas).
• Antes y después / Complementariedad.
Funciones de la estadística:
Muestreo
Introducción a la Estadística en
Sociología
 Funciones de la Estadística
• A) Función Descriptiva: trabajar con grandes
volúmenes de datos y lograr describirlos
exhaustivamente.
– Utiliza preferentemente las tasas, las razones, los
porcentajes, las tablas de frecuencias, tablas de
doble entrada, los gráficos de datos, las medidas
de posición, de tendencia central y las de
dispersión.
 Funciones de la Estadística
• B) Función Inductiva: consiste en inferir
información de una población sobre la base de una
muestra. Se fundamenta en la teoría de la
probabilidad y muestreo.
– Utiliza pruebas de hipótesis paramétricas y no-
paramétricas
– Distribuciones de probabilidad
– Estimaciones de punto e intervalo
– Prueba de correlación y regresión
– Análisis de varianza
 Diferencia entre Población y Muestra
Estadística
Descriptiva Inferencial
Unidad de Todos los casos que componen el Conjunto de datos
Estudio grupo de estudio, generalmente (muestra) que
una muestra representan a una
población
Función Caracterizar y resumir información Extrapolar datos de la
de un grupo o muestra muestra a la población.
Inferencia estadística y
pruebas de hipótesis
Restricción en los Certeza absoluta sobre los hallazgos Existe un margen
resultados en la muestra controlado y conocido de
incertidumbre
 Diferencia entre Población y Muestra
Estadística
Descriptiva Inferencial
Nomenclatura Utiliza símbolos del alfabeto latino Utiliza símbolos del
alfabeto griego
Operatividad Se calculan con los casos Se calculan con todos los
(disponibles) de la muestra de la población. Por lo
general se estiman a
partir de los resultados
de la muestra
 Diferencia entre Población y Muestra

Total de casos
n ene minúscula N ene mayúscula
Muestra Universo

Media Equis barra

 mu
Desviación estándar Ese minúscula
Sigma

Varianza

Proporción p q P Q
 Diferencia entre Población y Muestra

• Cuando trabajamos con estadística

descriptiva calculamos estadísticos
• Cuando trabajamos con estadística inferencial
calculamos parámetros
Funciones de la Estadística
Estructura de un proyecto: Selección de
la muestra
 Estructura de un proyecto: Selección de
la muestra
• I) ¿En una investigación siempre tenemos una muestra?
• No siempre, pero en la mayoría de las situaciones sí realizamos
el estudio en una muestra.
• Sólo cuando queremos realizar un censo debemos incluir en el
estudio a todos los casos (personas, animales, plantas, objetos)
del universo o la población.
• Por ejemplo, los estudios motivacionales en empresas suelen
abarcar a todos sus empleados para evitar que los excluidos
piensen que su opinión no se toma en cuenta.
• LAS MUESTRAS SE UTILIZAN POR ECONOMÍA DE TIEMPO Y
RECURSOS.
 Estructura de un proyecto: Selección de
la muestra: Selección de unidades
• III) ¿Cómo seleccionar la muestra?
• Luego de definir la unidad de análisis (observación) y, desde
ello el universo de estudio, debemos DEFINIR LA TÉCNICA
PARA EXTRAER LA MUESTRA.
• TODAS LAS MUESTRAS —BAJO EL ENFOQUE CUANTITATIVO—
ASPIRAN A SER REPRESENTATIVAS; pero no necesariamente
deben serlo.
• Los términos al azar y aleatorio denotan un tipo de
procedimiento mecánico relacionado con la probabilidad y
con la selección de elementos; pero no logran esclarecer
tampoco el tipo de muestra y el procedimiento de muestreo.
• Básicamente categorizamos las muestras en dos grandes ramas:
las muestras NO probabilísticas y las muestras probabilísticas.
 Estructura de un proyecto: Selección de
la muestra: Selección de unidades
• En las muestras probabilísticas todos los elementos de la
población tienen la misma posibilidad de ser escogidos y se
obtienen definiendo las características de la población y el
tamaño de la muestra, y por medio de una selección aleatoria o
mecánica de las unidades de análisis. En una lotería, todos los
números tienen la misma probabilidad de ser elegidos.
• En las muestras NO probabilísticas, la elección de los
elementos no depende de la probabilidad, sino de causas
relacionadas con las características de la investigación o de
quien hace la muestra. Aquí el procedimiento depende del
proceso de toma de decisiones de un investigador/a o de un
grupo de investigadores/as y, desde luego, las muestras
seleccionadas obedecen a otros criterios de investigación.
 Estructura de un proyecto: Selección de
la muestra probabilística
• Para hacer una muestra probabilística son necesarios dos
procedimientos:
• 1. seleccionar los elementos muestrales (casos) de manera que
al inicio todos tengan la misma probabilidad de ser elegidos.
• 2. calcular un tamaño de muestra que sea representativo de la
población
Estructura de un proyecto: Selección de la
muestra. No probabilísticos
• También denominadas como incidentales o por
conveniencia, suponen que no existe intención de
extrapolar los resultados a la población.
• Se utilizan en estudios cuantitativos y, sobre todo, en los
cualitativos.
• Generalmente buscamos sujetos TIPO o TÍPICOS respecto
de una variable o condición. Inmigrantes ilegales,
millonarios, hackers, etc.
• Al no ser probabilísticas es imposible definir un «error
muestral».
• Por tanto, los resultados estadísticos obtenidos de la
muestra sólo son extrapolables a la muestra y NUNCA a la
población.
Estructura de un proyecto: Selección de la
muestra. No probabilísticos
• En las muestras de este tipo, la elección de los casos no
depende de que todos tengan la misma probabilidad de ser
elegidos, sino de la decisión de un investigador o grupo de
personas que recolectan los datos.
• Para el enfoque cualitativo, al no interesar el generalizar los
resultados, las muestras dirigidas son de gran valor, pues
logran obtener los casos (personas, contextos, situaciones)
que interesan al investigador y que llegan a ofrecer una
gran riqueza para la recolección y el análisis de los datos.
• Ya sea que se trate de un tipo de muestreo u otro, LO
IMPORTANTE ES ELEGIR A LOS INFORMANTES (O CASOS)
ADECUADOS, DE ACUERDO CON EL PLANTEAMIENTO DEL
PROBLEMA Y LOGRAR EL ACCESO A ELLOS.
Funciones de la estadística:
Análisis de variables
Introducción a la Estadística en
Sociología
 Introducción
• ¿Cómo podemos medir?

– Comenzamos por el gran concepto, lo teórico, lo hipotético.

– Una propiedad que posee una persona, a lo cual lo
denominamos constructo.
– Los indicadores  Manifestaciones externas de la existencia de
los constructos.
– Las variables  son las propiedades, que se encuentran
presentes en las personas en grados o modalidades diferentes.
– Podemos definirla «como cualquier característica o propiedad
de un objeto o acontecimiento que contenga dos o más
categorías posibles en las que un ‘objeto o acontecimiento’
puede clasificado potencialmente» (García, 1992, pp. 34).
– Por ejemplo: Edad, sexo, nivel educacional, entre otros.
 Introducción

Constructo Ej:
Felicidad Variables

Indicadores Definiciones de ítems

• Optimismo frente al futuro
• Conformidad con la vida
• En el futuro no tendré problemas
económicos
• En el futuro tendré más bienes que
en el presente
• En unos meses podré tener lo que
deseo
 Tipos de Análisis de Variables
• Univariados: Análisis de una solo variable a la vez. Por ejemplo:
el cálculo del valor que más se repite en el caso de la variable
sexo, el promedio de edad de los participantes de un estudio.

• Bivariados: Análisis de dos variables a la vez. Por ejemplo, la

edad diferenciada por sexo, el nivel de ingreso diferenciado por
GSE.

• Multivariados: Análisis de conjuntos de variables. Por ejemplo:

Análisis de las variables que influyen en la felicidad de las
personas.
 Tipos de Variables
• Clasificaciones:

– Cualitativas y Cuantitativas

– Según nivel de medición

– Según recorrido

– Según nivel de investigación

 Tipos de Variables
• Cuantitativas (números):
Valores obtenidos al medir
peso, estatura, temperatura,
número de hijos.

• Cualitativas (categorías):
Se obtienen al calificar la característica
en cuestión como el sexo, estado civil,
grado máximo de estudios.
Niveles de Medición de las Variables

Intervala
Nominal Ordinal Razón
r
 Niveles de Medición de las Variables
• Variables Nominales:
– Los códigos sólo indican una diferencia entre
categoría o tipo.
– Los objetos o acontecimientos pueden agruparse en
categorías lógicamente exhaustivas y excluyentes.
– Está asociada a variables cualitativitas y es
denominada de este modo si no se pueden hacer
operaciones aritméticas entre sus valores, pues éstos
son únicamente ETIQUETAS.

• Ejemplos: sexo, estado civil,

número telefónico, número al correr en un
maratón, deporte favorito, carrera a estudiar,
etc.
 Niveles de Medición de las Variables

• Variables Ordinales:
– Al igual que las variables nominales, designan categorías,
pero tienen la propiedad de permitir clasificar las categorías
de la mejor a la peor, de la primera a la última, etc.
– Los valores de la variable tienen un ORDEN con un nivel
específico, pero no se pueden hacer operaciones aritméticas
entre ellas.

• Ejemplos: el Estatus
socioeconómico, Nivel
de exposición a la TV.
 Niveles de Medición de las Variables
• Variables Escalares o Intervalares:
– Presentan las propiedades de las variables nominales y ordinales y,
además las propiedades de una unidad de medición definida.
– En una escala de intervalo, el punto cero y la unidad de medición
son arbitrarios.
– Con las variables de intervalo se calculan las distancias de las
puntuaciones sobre una línea recta.
– Permiten todas las operaciones matemáticas.

• Ejemplo: Escalas de temperatura, la edad

de la Tierra, la línea del tiempo de
la humanidad, la hora.
 Niveles de Medición de las Variables
• Variables de Razón:
– Poseen las características de las variables de intervalo, pero con un
punto cero verdadero, donde cero significa ausencia o ninguno.
– Es el máximo de información que puede entregar una variables, los
valores interno de la escala son absoluto e iguales internamente.
– Acepta todas las operaciones matemáticas.

• Ejemplos: peso, estatura, edad, distancia,

dinero, etc.
 Tipos de Variables: Recorrido
• Variable Continua:
Si la variable puede tomar cualquier
número real entre dos valores dados
(decimal o entero).
Ej. El peso de un individuo.
Variable Discreta:
Si la variable sólo puede tomar números
enteros.
Ej. El número de hijos de un individuo.

A su vez las variables discretas se clasifican

en variables dicotómicas y politómicas.
 Niveles de Medición de las Variables
Tipo Nominal Ordinal Intervalo Razón
Clasificación Si Si Si Si
Orden de
magnitud No Si Si Si
Intervalos
No No Si Si
iguales
Cero absoluto No No No Si
 Niveles de Medición de las Variables
Nivel de Medición Cualidades
Nominal Clasificación, denominación
de categorías
Ordinal Clasificación de categorías;
ordenamiento de rangos de
categorías de bajo a alto
Intervalar Todo lo anterior más
distancias entre
puntuaciones . Tiene una
unidad fija de medida
Razón Todo lo anterior y un punto
cero real
Operaciones Matemáticas
Permitidas
Conteo de número de casos
(frecuencia) de cada
categoría de la variable;
comparación de tamaños de
categorías
Todo lo anterior más juicios
de mayor qué y menor qué
Todo lo anterior más
operaciones matemáticas
Todo lo anterior más el
cálculo de razones
significativas
 II. Base de Datos: De variables a datos.
Nominal: son variables numéricas cuyos valores (Números) indican una categoría de
pertenencia. Para este tipo de medida, las categorías no cuentan con un orden lógico que
nos permita establecer una comparación de superioridad entre ellas. Un ejemplo de
variable nominal puede ser el género, la raza, el estado civil, etc.

Ordinal: son variables numéricas cuyos valores indican una categoría de pertenencia y
a su vez las categorías poseen un orden lógico que nos indica una superioridad o
prelación. Un ejemplo de variable ordinal puede ser el nivel de ingresos, categoría del
vehículo, nivel educativo, etc.

Escala: son variables numéricas cuyos valores representan una magnitud o cantidad y
no una categoría; los valores de este tipo de medida pueden ser empleados en
operaciones aritméticas como la suma, la resta, la multiplicación y la división ya que los
intervalos (Distancia entre los números) cuentan con la misma longitud. Un ejemplo de
variable de escala puede ser la edad, las ventas, la distancia en metros, la altura, etc.
 I. Explorar datos: Técnicas descriptivas según tipo
de variables

Nominal: Frecuencias, Moda y Gráfico de barras

Ordinal: Mínimo, Máximo, Mediana, Cuartiles

Escala: Media, Des. Típica, Asimetría, Curtosis, Histogramas

 Tipos de Variables: Recorrido

Dicotómica
Continuas
Variables s
Recorrido
Discretas Politómicas

Ordinales
 TALLER I
• Construcción de una Base de datos en SPSS
– Qué es el Software SPSS
• Entorno de Trabajo
• Organización de los datos
– Crear una Base de Datos (BD)
– Definición de atributos de las variables
– Ingreso de datos
– Ejercicio práctico
Introducción al análisis de variables
Nominales y Ordinales
• Como recuerdan, con este tipo de variables lo que en
mayor medida podemos realizar consiste en
operaciones de clasificación o distinción.

• Como por ejemplo encontrar el valor que en mayor

medida se repite.

• Pero además podemos clasificar según las etiquetas de

las variables.
 Introducción al análisis de variables
Nominales y Ordinales
• Hay que tener en consideración que para que su uso sea válido
es necesario cumplir y satisfacer una condición
– “Que las categorías deben ser mutuamente exhaustivas y excluyentes”

• ¿Cuáles son?
– Frecuencias
– Proporciones
– Porcentajes
– Razones
– Tasas
Frecuencias
 Proporciones
• Las proporciones son medidas que sirven para
comparar grupos, en función del total de casos.
• Parte la cantidad total o número de observaciones,
expresada en forma decimal (Ferris, 2008, pp. 16)
• ¿Cómo podemos comprar la información que se
presenta en la tabla?
Sujetos Localidad I Proporción
Evangélicos 58 0,0997
Mormones 43 0,0739
Católicos 481 0,8265
Total 582
 Porcentajes
• Como su nombre lo indica significa «por cien», es
igual a una proporción multiplicada por 100.

• Lo que hace es normalizar los resultados en relación

con el volumen.

• Se calcula el número de individuos que habría en una

categoría determinada si el total de los casos fueran
100.
Ejercicio 1
Se ha consultado a un grupo de organizaciones si las personas que trabajan en
ellas han cooperado para implantar un proyecto de calidad laboral.

Análisis.
1) Mayoritariamente, esto es, tres cuartas partes de las organizaciones, afirman que sí
han obtenido la cooperación de su personal para implementar el proyecto de calidad.
2) Algo menos de un 5%, o 1 de cada 20, no obtuvo cooperación alguna.
3) Finalmente, un quinto, o 2 de cada 10, no quiso informar si habían obtenido ayuda o
no, lo que habla de cierto grado de ocultamiento de la (no) disposición de sus
trabajadores/as para cooperar.
Ejercicio 2
Se ha consultado a un grupo de migrantes respecto de cuál cree que será su
residencia en los próximos 5 años.

Análisis.
1) Casi un 60% pretende quedarse en Chile, mientras que, algo más del 40%, pretende
movilizarse. Casi un cuarto de estos últimos desea volver a su país de origen, y 2 de
cada 10 a otro país. Es decir, buena parte de los/as migrantes no buscan un proyecto de
asentamiento definitivo en Chile.
2) Es importante considerar que un 20% de los/as entrevistados no respondió, por lo que
no sabemos cuál es su proyecto de asentamiento a 5 años plazo.
Ejercicio 3
Se ha consultado a un grupo de migrantes respecto de cuál es su grado de
participación en la asociación a la cual pertenece.

Análisis.
1) En general, la participación de los/as migrantes es muy alta en sus asociaciones. Por un
lado, 6 de cada 10, participa siempre y un 30% a veces, lo que supone que más del 90%
participa activamente, al menos, a veces.
2) Sólo un 2%, o 2 de cada 100, casi nunca participa, es decir tiene una membresía
nominal. Y solo un 6% lo hace casi nunca, lo que sumado, concuerda con que no existe
un porcentaje relevante de migrantes que desarrolla una apatía o poco compromiso
con las actividades y accionar de las organizaciones migrantes, es decir, muy pocos/as
descapitalizan su propia movilización.
 Tablas de Distribución de Frecuencias

• Frecuencias Absolutas
– Datos correspondientes a los valores asociados a cada
una de las categorías.

• Frecuencias Relativas
– Porcentaje correspondiente a los valores asociados a
cada una de los categorías.
• Frecuencias Acumuladas
– Suma del porcentaje correspondiente a cada una de
las categorías.
 Tablas de Distribución de Frecuencias

• Pasos para la construcción de Tablas de

frecuencias

1. Ordenar los datos

2. Contar cuántas veces se repiten
3. Asociar el conteo anterior a las categorías
Tablas de Distribución de Frecuencias

• Frecuencias Absolutas

Religión
Frecuencia (f)
Católico 50
Evangélico 22
Mormón 18
Testigo de Jehová 17
No profesa religión 13
Total 120
Tablas de Distribución de Frecuencias

• Frecuencias Absolutas + Frecuencias Relativa

Religión
Frecuencia (f) %
Católico 50 41,67%
Evangélico 22 18,33%
Mormón 18 15,00%
Testigo de Jehová 17 14,17%
No profesa religión 13 10,83%
Total 120 100,00%
Tablas de Distribución de Frecuencias

• Frecuencias Absolutas + Frecuencias Relativa + Frecuencia

Absoluta Acumulada

Religión
Frecuencia % f Acumulada
(f)
Católico 50 41,67% 50
Evangélico 22 18,33% 72
Mormón 18 15,00% 90
Testigo de Jehová 17 14,17% 107
No profesa religión 13 10,83% 120
Total 120 100,00
%
Tablas de Distribución de Frecuencias

• Frecuencias Absolutas + Frecuencias Relativa + Frecuencia

Absoluta Acumulada + Frecuencia Relativa Acumulada

Religión
Frecuen % f Acumulada % Acumulado
cia (f)
Católico 50 41,67% 50 41,67%
Evangélico 22 18,33% 72 60,00%
Mormón 18 15,00% 90 75,00%
Testigo de Jehová 17 14,17% 107 89,17%
No profesa religión 13 10,83% 120 100,00%
Total 120 100,00%
Tablas de Distribución de Frecuencias
para Var. Cuantitativas

• Además, cuando trabajamos con variables cuantitativas podemos agrupar

los valores en torno a rangos, para clasificarlos de manera práctica.

• Muchas veces construimos los rangos de manera arbitraria, lo que no es

incorrecto, pero podemos hacerlos de forma analítica considerando la
misma amplitud para todos los casos.

AMPLITUD= Puntuación Máx- Puntuación Mín

El resultados de la amplitud lo dividimos por la cantidad de rangos que

deseamos.

Intervalo = Amplitud / N° de rangos o clases (K)

Ejercicio 1
Defina la amplitud y tamaño de
intervalos para 5 clases de datos.
Recuerde
• AMPLITUD= Puntuación Máx- Puntuación Mín
• Intervalo = Amplitud / N° de rangos o clases (K)

N = 28 casos
P min = 48
P máx = 92
Amplitud = 92 – 48 = 44
Intervalo = 44/ 5 = 8,8
Intervalos de 9

48 a 57 = 47,5 a 56,5
57 a 66 = 56,5 a 65,5
66 a 75 = 65,5 a 74,5
75 a 84 = 74,5 a 83,5
84 a 93 = 83,5 a 92,5
Años de estudio
6 6 Ejercicio 2
12 6 Defina la amplitud y tamaño de intervalos para 6
7 9 clases de datos.
1 13 Recuerde
• AMPLITUD= Puntuación Máx- Puntuación Mín
16 5 • Intervalo = Amplitud / N° de rangos o clases (K)
15 1
15 3
17 8 N = 36 casos
14 16 P min = 1
P máx = 19
8 17
Amplitud = 19 – 1 = 18
14 7 Intervalo = 18/ 6 = 3
10 9 Intervalos de 3
7 15
9 1 1a4
9 14 4a7
19 16 7 a 10
10 a 13
10 5
13 a 16
9 3 16 a 19
Años de estudio
6 6 Ejercicio 3
12 6 Defina la amplitud y tamaño de intervalos para 3
7 9 clases de datos.
2 13 Recuerde
• AMPLITUD= Puntuación Máx- Puntuación Mín
16 5 • Intervalo = Amplitud / N° de rangos o clases (K)
15 2
15 3
17 8 N = 36 casos
14 16 P min = 2
P máx = 17
8 17
Amplitud = 17 – 2 = 15
14 7 Intervalo = 15/ 3 = 5
10 9 Intervalos de 5
7 15
9 2 2a7
9 14 7 a 12
2 16 12 a 17
10 5
9 3
 Tabulación de Datos Cuantitativos
Continuos
• Pasos:
1. Determinar el número de intervalos que se utilizarán.
2. Determinar recorrido de la variable, que se define como la
diferencia entre el valor mayor y el valor menor.
3. Determinar la amplitud común de los intervalos.
4. Ajustar el valor obtenido para la amplitud en el caso de
quesea necesario.
5. Definir los límites de los intervalos que se utilizarán.
6. Definir criterio para clasificar las observaciones que coinciden
con los extremos de los intervalos.

* En el caso de tener intervalos con diferente amplitud, la

designación de los intervalos es arbitraria.
 Definición de las 4,5

4,0

clases o intervalos 3,5

3,0
Existen tres criterios para
clasificar: (ejercicio 2) 2,5

1. Raíz del número de casos 2,0

F r e c u e n c ia
para el número de clases 1,5

o intervalos 1,0

K=n K = 36 = 6 ,5
41,00 47,00 52,00 56,00 60,00 65,00
45,00 50,00 54,00 58,00 62,00

2. Amplitud del intervalo Actitud hacia la reforma educacional

Valor Máx- valor Min /K

19-1/6 =3

2. (.1) Puntos de inflexión

de la recta
3. (.2) Suficiencia de
número de casos en la
clases para calcular
estadísticos de
significación estadística
 Marca de Clase
Estatura Estudiantes • Se define como el punto
Marca de Clase medio de los datos o el
116 – 125 promedio de los
125 – 134
134 – 143
intervalos
143 – 152
152 – 161
161 – 170
• Se obtiene mediante
170 – 179

X= LI+LS/2
 Marca de Clase
Estatura Estudiantes Estatura Estudiantes

Marca de Clase Marca de Clase

116 – 125 116 – 125 120,5

125 – 134 125 – 134 129,5
134 – 143 134 – 143 138,5
143 – 152 143 – 152 147,5
152 – 161 152 – 161 156,5
161 – 170 161 – 170 165,5
170 – 179 170 – 179 174,5
 Ejercitación

Estatura Estudiantes
Marca de Tamaño o
Lím. Inf. Lím. Sup. Clase ancho del
Intervalo
40 - 44
45 - 49
50 - 54
55 - 59
60 - 64
65 - 69
 Tabulación de Datos Cuantitativos
Continuos
• Ejemplo: Estatura (cm) de 40 estudiantes, es
necesario tabularlas en 7 intervalos.
138 164 150 132 144 125 149 157 146 158 140 147
136 148 152 144 168 126 138 178 163 116 154 165
146 173 142 147 135 153 140 135 161 145 135 142
150 156 145 128

Calcular intervalos, marca de clase, frecuencia

absoluta, relativa y porcentaje, más las acumuladas
de cada una de ellas.
 Tabulación de Datos Cuantitativos
Continuos

Valor máx – Valor Mín = 178 – 116 = 62/7 = 8,8 cm  9

Intervalos
116 – 125
125 – 134
134 – 143
143 – 152
152 – 161
161 – 170
170 – 179
Tabulación de Datos Cuantitativos Continuos

Estatura Estudiantes
F. F. Relativa
Frec. Frec. Porcen. Porcen. Ac.
Relativa / Ac. / Prop.
Abs. Abs. Ac. % %
Proporción Ac.
116 – 125
125 – 134
134 – 143
143 – 152
152 – 161
161 – 170
170 – 179
Total
 Tabulación de Datos Cuantitativos
Continuos

Estatura Estudiantes
F. F. Relativa
Frec. Frec. Porcen. Porcen. Ac.
Relativa / Ac. / Prop.
Abs. Abs. Ac. % %
Proporción Ac.
116 – 125 2 2 0,050 0,050 5 5
125 – 134 3 5 0,075 0,125 7,5 12,5
134 – 143 10 15 0,250 0,375 25 37,5
143 – 152 13 28 0,325 0,700 32,5 70
152 – 161 6 34 0,150 0,850 15 85
161 – 170 4 38 0,100 0,950 10 95
170 – 179 2 40 0,050 1,000 5 100
Total 40 1,000 100