Plantilla Institucional Bioestadistica

Especialización en SST
Módulo: BIOESTADISTICA
Docente: Jose Bolaño
ODO-CO-002_ ver 5.0

UNIDADES DE DESARROLLO
UNIDAD I. GENERALIDADES DE LA BIOESTADISTICA
UNIDAD II. PROBABILIDAD Y SU APLICACIÓN
UNIDAD III. LA BIOESTADISTICA APLICADA A LA SST

OBJETIVO
Comprender diversos temas de la bioestadística, mediante

la lectura y la realización de ejercicios, para la aplicación de
los mismos, en casos concretos relacionados con el área de
la seguridad y salud en el trabajo.
OBJETIVO ESPECÍFICOS
• Identificar las principales definiciones de la bioestadística.

• Comprender el concepto de probabilidad y sus campos de aplicación en la
asignatura
• Organizar y tabular la información obtenida.
• Graficar diagramas a partir de tablas de frecuencia
• Interpretar las gráficas y tablas relacionadas con los datos organizados
• Entender las diferentes medidas estadísticas y su importancia en la
especialidad de seguridad y salud en el trabajo.
• Aplicar los métodos de administración y organización de datos en seguridad y
salud en el trabajo.
PRESENTACIÓN
Docente
Estudiante
ACUERDOS
Trabajo en
Horarios equipo
Parqueadero de
Escucharnos Preguntas
Participar
UNIDAD I. GERALIDADES DE LA BIOESTADISTICA
ODO-CO-002_ ver 5.0

Conceptos Generales
Objetivos
Desarrollar competencias en los profesionales en el manejo de los
conceptos básicos de la bioestadística, para que los utilice como
herramienta esencial en situaciones laborales y personales.
Comprender Aplicar
Objetivos específicos
• Comprender y aplicar los conceptos necesarios para la realización de
tablas de distribución de frecuencias, gráficas calculo de medidas de
tendencia central y de dispersión (estadística descriptiva).
• Comprender y aplicar diferentes conceptos relativos a la probabilidad
y algunas técnicas de conteo (estadística inferencial)
• Comprender y aplicar conceptos referentes a la distribución de
probabilidad discreta y de prueba de hipótesis para una muestra.
“Es una verdad muy cierta que, cuando no esté a
nuestro alcance determinar lo que es verdad,
deberemos buscar lo que es más probable.”
Discurso del Método. René Descartes

¿Porqué es importante la bioestadística
tanto a nivel personal como laboral?
¿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
• La Estadística se utiliza como tecnología al servicio de las ciencias donde la

variabilidad y la incertidumbre forman parte de su naturaleza
• “La Bioestadística [...] enseña y ayuda a investigar en todas las áreas de las
Ciencias de la Vida donde la variablidad no es la excepción sino la regla”
Carrasco de la Peña (1982)
Que es la Estadistica?
La ciencia pura y aplicada (no exacta), que

crea, desarrolla y aplica técnicas de modo que pueda evaluarse la
incertidumbre.
• Ciencia: "un conjunto de conocimientos comprobados y sistematizados".

• Pura: Por que estudia ciertos procesos teóricos.
• Aplicada: En cuanto se encarga de resolver problemas específicos.
• No exacta: No podemos obtener un resultado único, si no probabilidades de
resultados esperados.
Definición
La Estadística es la Ciencia de la
• Sistematización, recogida, ordenación y presentación de los datos referentes a un

a fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con objeto
tiv de
r ip
esc
D
• deducir las leyes que rigen esos fenómenos,
a d
li id
b ab
o
Pr
a• y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u obtener
i
e nc conclusiones.
r
nfe
I
Historia
• Origenes en juegos de azar y censos.
• Siglo XVIII desarrolló teoría de Probabilidades (Gauss, Laplace,
Bayes, etc). Discusión filosófica sigue hasta ahora.
• Muchas teorías, principalmente de carácter biológico como las
de Mendel o Darwin tuvieron bases estadísticas
• Mayoría de métodos modernos se desarrollaron desde
mediados del siglo XIX y principios del XX (Pearson, Student,
Fisher…), principalmente para uso en biología, agricultura y
genética
Línea de tiempo
Porque BIOestadistica?
• “Muchos” biologistas desconfian de las matematicas: “los
seres vivos son impredecibles”; “Camarones no se
comportan como deberían”.
• FIMA – QUIBIO????
• Métodos estadísticos desarrollados justo para ser usados
en ciencias biológicas: Toman en cuenta variabilidad
propia de poblaciones naturales en sus cálculos y tablas.
Tipos de Estadística
• Descriptiva: Trata resumir e interpretar datos para poder
describir una población.
• Enumeración, organización y representación gráfica de los datos.
• Inferencial: Usa la teoría de la probabilidad para extraer
conclusiones acerca de una población, a partir de la
información incompleta de los datos obtenidos en una muestra:
• Estimación
• Comparativa
• Predictiva
Aplicaciones de la Estadística
• Obtener una muestra.
• Resumir datos.
• Haciendo inferencias de una población, basado en los
resultados de la muestra.
• Obteniendo un modelo más simple para un grupo de
datos.
Valores, Datos, etc.
Llamamos Valores, Datos u observaciones a cualquier valor
numérico o cualitativo que mida una variable.
Los valores experimentales que va a tomar una variable

determinada.
Variable: Peso
Valores: 125 lbs, 145 lbs, 180 lbs
Población
• El grupo de individuos bajo estudio sobre el que deseamos
hacer alguna inferencia.
• Conjunto de objetos, mediciones u observaciones del que tomamos
muestra.
• Puede ser finita o infinita, dependiendo de su tamaño.
• Tamaño de población (número total de los individuos que la
conforman) se lo denota con la letra N.
Ejemplos de poblaciones
• 20 camarones en una pecera.
• Todos los camarones de una piscina.
• Todos los camarones posibles a ser cultivados bajo cierto tratamiento.
• Todos los camarones del mundo.
Límites de población dependen de como la definamos nosotros

acorde con nuestras necesidades.
Antes de empezar cualquier proceso estadístico es necesario
Definir claramente la población o poblaciones bajo estudio.
Población y Muestra
• Población (‘population’) es el conjunto sobre el que estamos interesados
en obtener conclusiones (hacer inferencia).
• Normalmente es demasiado grande para poder abarcarlo.
• Muestra (‘sample’) es un subconjunto suyo al que tenemos acceso y sobre

el que realmente hacemos las observaciones (mediciones)
• Debería ser “representativo”
• Esta formado por miembros “seleccionados” de la población
(individuos, unidades experimentales).
Muestra
• Sea una variable aleatoria dada (X); los valores de esta variable
aleatoria (X1, X2,...Xn) forman una muestra de la variable X, si
ellas son independientes entre sí y siguen la misma distribución
de X:
• Representa fielmente a X.
• Suposición: muestra es porción de población que la representa
fielmente.
• No tomamos en cuenta muestreos mal realizados.
• Tamaño de la muestra se lo denota como n.
Muestra
• Igual que población, debe definirse correctamente antes de

empezar estudio.
• 20 camarones en una pecera.
• Todos los camarones de una piscina.
• Todos los camarones posibles a ser cultivados bajo cierto
tratamiento.
• Todos los camarones del mundo.
• Pueden representar una muestra de una población mayor.
Objetivos de Muestreo
• Obtener información sobre distribuciones de frecuencia de la
población (distribución de probabilidad) o más preciso: de los
parámetros poblacionales que describen dicha distribución de
probabilidad.
FÓRMULA PARA CALCULAR EL TAMAÑO DE LA MUESTRA

Donde:
n = el tamaño de la muestra.
N = tamaño de la población.
Desviación estándar de la población que, generalmente cuando no se tiene su
valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se
tiene su valor, se lo toma en relación al 95% de confianza equivale a 1,96 (como más
usual) o en relación al 99% de confianza equivale 2,58, valor que queda a criterio del
investigador.
e = Límite aceptable de error muestral que, generalmente cuando no se tiene su valor,
suele utilizarse un valor que varía entre el 1% (0,01) y 9% (0,09), valor que queda a
criterio del encuestador
Fuente: http://www.monografias.com/trabajos87/calculo-del-tamano-muestra/calculo-del-tamano-muestra.shtml#ixzz4moQnHslq
EJEMPLOS PARA CALCULAR EL TAMAÑO DE LA MUESTRA
1) Calcular el tamaño de la muestra de una población de 500

elementos con un nivel de confianza del 95%
Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los demás
valores se tomará y e = 0,05.
EJEMPLOS PARA CALCULAR EL TAMAÑO DE LA MUESTRA
2. Calcular el tamaño de la muestra de una población de 500 elementos con

un nivel de confianza del 99%
Se tiene N=500, para el 99% de confianza Z = 2,58, y como no se tiene los demás valores se tomará,
y e = 0,05
EJERCICIOS PARA CALCULAR EL TAMAÑO DE LA MUESTRA
1. Calcule el tamaño de la muestra para una población de 500 nivel de

confianza del 95%
Respuesta: 217
2. Calcule el tamaño de la muestra para una población de 500 con un error

de muestreo del 9% y nivel de confianza del 95%.
Respuesta: 96
3. Calcule el tamaño de la muestra para una población 500 y nivel de

confianza del 99%
Respuesta: 145
Variables
Una propiedad con respecto a la cual los individuos de una

muestra o una población se diferencian en algo verificable.
• Ciertas "características" que presentan variación.

Variables
• Una variable es una característica observable que varía entre los diferentes
individuos de una población. La información que disponemos de cada individuo es
resumida en variables.
• En los individuos de la población española, de uno a otro

es variable:
• El grupo sanguíneo
• {A, B, AB, O}  Var. Cualitativa
• Su nivel de felicidad “declarado”
• {Deprimido, Ni fu ni fa, Muy Feliz}  Var. Ordinal
• El número de hijos
• {0,1,2,3,...}  Var. Numérica discreta
• La altura
• {1’62 ; 1’74; ...}  Var. Numérica continua
Tipos de variables
• Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un número (no se
pueden hacer operaciones algebraicas con ellos)
• Nominales: Si sus valores no se pueden ordenar

• Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)
• Ordinales: Si sus valores se pueden ordenar

• Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor, Nivel socioeconómico: alto, medio o bajo
• Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas con ellos)
• Discretas: Si toma valores enteros

• Número de hijos, Número de cigarrillos, Num. de “cumpleaños”
• Continuas: Si entre dos valores, son posibles infinitos valores intermedios.

• Altura, Presión intraocular, Dosis de medicamento administrado, edad
Tipos de Variables Cuantitativas
• Discretas: su conjunto de posibles valores son fijos, y no

pueden tomar valores intermedios:
• Número de peces en un acuario.
• Continuas: su conjunto de posibles valores puede alcanzar un
número infinito entre dos valores cuales quiera:
• Longitud, Peso
Tipos de Variables
Clasificación por su relación
• Independientes: Aquellas cuyo valor no depende de otra
variable.
• Dependientes: Aquellas cuyo valor va a depender de otra
variable.
Dependiente de que?
V. Intermedias y V. confusoras?
• Los posibles valores de una variable suelen denominarse modalidades.
• Las modalidades pueden agruparse en clases (intervalos)

• Edades:
• Menos de 20 años, de 20 a 50 años, más de 50 años
• Hijos:
• Menos de 3 hijos, De 3 a 5, 6 o más hijos
• Las modalidades/clases deben forman un sistema exhaustivo y excluyente

• Exhaustivo: No podemos olvidar ningún posible valor de la variable
• Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)?
• Bien: ¿Cuál es su grupo sanguíneo?
• Excluyente: Nadie puede presentar dos valores simultáneos de la variable
• Estudio sobre el ocio
• Mal: De los siguientes, qué le gusta: (deporte, cine)
• Bien: Le gusta el deporte: (Sí, No)
• Bien: Le gusta el cine: (Sí, No)
• Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2)
TALLER 1. Conceptos
ODO-CO-002_ ver 5.0

Pasos en un estudio estadístico
• Plantear hipótesis sobre una población

• Los fumadores tienen “más bajas” laborales que los no fumadores
• ¿En qué sentido? ¿Mayor número? ¿Tiempo medio?
• Decidir qué datos recoger (diseño de experimentos)

• Qué individuos pertenecerán al estudio (muestras)
• Fumadores y no fumadores en edad laboral. No tenéis que
• Criterios de exclusión ¿Cómo se eligen? ¿Descartamos los que padecen entenderlo (aún)
enfermedades crónicas?
• Qué datos recoger de los mismos (variables)
• Número de bajas
• Tiempo de duración de cada baja
• ¿Sexo? ¿Sector laboral? ¿Otros factores?
• Recoger los datos (muestreo)

• ¿Estratificado? ¿Sistemáticamente?
Pasos en un estudio estadístico
• Describir (resumir) los datos obtenidos

• tiempo medio de baja en fumadores y no (estadísticos)
• % de bajas por fumadores y sexo (frecuencias), gráficos,...
No tenéis que
• Realizar una inferencia sobre la población entenderlo (aún)
• Los fumadores están de baja al menos 10 días/año más de media que
los no fumadores.
• Cuantificar la confianza en la inferencia

• Nivel de confianza del 95%
• Significación del contraste: p=2%
Presentación ordenada de datos
7
6
Género Frec.
5
Hombre 4 4
2
Mujer 6
1
0
Hombre Mujer
Las tablas de frecuencias y las representaciones gráficas son dos

maneras equivalentes de presentar la información. Las dos
exponen ordenadamente la información recogida en una
muestra.
Tablas de frecuencia
• Exponen la información recogida en la muestra, de forma que no se

pierda nada de información (o poca).
• Frecuencias absolutas: Contabilizan el número de individuos de cada modalidad
• Frecuencias relativas (porcentajes): Idem, pero dividido por el total
• Frecuencias acumuladas: Sólo tienen sentido para variables ordinales y

numéricas
Sexo del encuestado Nivel de felicidad
Porcentaje Porcentaje
Porcentaje Frecuencia Porcentaje válido acumulado
Frecuencia Porcentaje válido Válidos Muy feliz 467 30,8 31,1 31,1
Válidos Hombre 636 41,9 41,9 Bastante feliz 872 57,5 58,0 89,0
Mujer No demasiado feliz 165 10,9 11,0 100,0
881 58,1 58,1
Total 1504 99,1 100,0
Total 1517 100,0 100,0 Perdidos No contesta 13 ,9
Total 1517 100,0
Datos desordenados y ordenados en tablas
Frec. relat.
Género Frecuencia
• Variable: Género porcentaje
Hombre 4 4/10=0,4=40%
• Modalidades:
Mujer 6 6/10=0,6=60%
• H = Hombre
10=tamaño
• M = Mujer muestral
• Muestra:
MHHMMHMMMH
Equivale a
HHHH MMMMMM
Número de hijos
Ejemplo
Porcent. Porcent.
• ¿Cuántos individuos tienen menos Frec. (válido) acum.
de 2 hijos? 0 419 27,8 27,8
• frec. indiv. sin hijos 1 255 16,9 44,7
+ 2 375 24,9 69,5 ≥50%
frec. indiv. con 1 hijo 3 215 14,2 83,8
= 419 + 255
= 674 individuos 4 127 8,4 92,2
5 54 3,6 95,8
6 24 1,6 97,3
• ¿Qué porcentaje de individuos
tiene 6 hijos o menos? 7 23 1,5 98,9
• 97,3% Ocho+ 17 1,1 100,0
Total 1509 100,0
• ¿Qué cantidad de hijos es tal que al

menos el 50% de la población tiene
una cantidad inferior o igual?
• 2 hijos
Gráficos para v. cualitativas
• Diagramas de barras
• Alturas proporcionales a las frecuencias (abs. o rel.)
• Se pueden aplicar también a variables discretas
• Diagramas de sectores (tartas, polares)

• No usarlo con variables ordinales.
• El área de cada sector es proporcional a su frecuencia (abs.
o rel.)
• Pictogramas
• Fáciles de entender.
• El área de cada modalidad debe ser proporcional a la
frecuencia. ¿De los dos, cuál es incorrecto?.
419
400 375
Gráficos diferenciales para variables numéricas 300
255
Recuento
215
200
• Son diferentes en función de que las variables

127
100
sean discretas o continuas. Valen con frec.

54
24 23 17
absolutas o relativas. 0 1 2 3 4 5
Número de hijos
6 7 Ocho o más
• Diagramas barras para v. discretas

• Se deja un hueco entre barras para indicar los valores 250
que no son posibles

200
Recuento
• Histogramas para v. continuas
150
• El área que hay bajo el histograma entre dos puntos 100
cualesquiera indica la cantidad (porcentaje o 50
frecuencia) de individuos en el intervalo.

20 40 60 80
Edad del encuestado
49
Diagramas integrales
¿Qué hemos visto?
• Definición de estadística
• Población
• Muestra
• Variables
• Cualitativas
• Numéricas
• Presentación ordenada de datos
• Tablas de frecuencias
• absolutas
• relativas
• acumuladas
• Representaciones gráficas
• Cualitativas
• Numéricas
• Diferenciales
• Integrales
Datos longitud cefálica O. niloticus
25.3 26.3 27.0 27.7 28.2 29.0 29.5
25.5 26.4 27.0 28.0 28.2 29.3 29.5
26.0 26.4 27.0 28.0 28.4 29.3 29.7
26.0 26.6 27.0 28.0 28.5 29.3 29.8
26.0 26.8 27.3 28.0 28.9 29.4 30.2
26.0 27.0 27.6 28.0 28.9 29.4 31.0
26.0 27.0 27.6 28.0 29.0 29.5 31.0
26.1 27.0 27.6 28.1 29.0 29.5 33.4

Tabla de Frecuencias
Int Real Frec Relat Frec Marca
Acum Clase
lim sup F. Acum

Int Repres lim inf Frec Relat
22 23 21.5 23.5 0 0.00% 0 0.00% 22.5
24 25 23.5 25.5 2 3.57% 2 3.57% 24.5
26 27 25.5 27.5 19 33.93% 21 37.50% 26.5
28 29 27.5 29.5 29 51.79% 50 89.29% 28.5
30 31 29.5 31.5 5 8.93% 55 98.21% 30.5
32 33 31.5 33.5 1 1.79% 56 100.00% 32.5
56 100.00%
Histograma
Histograma
60%
51.79%
50%
40%
33.93%
Frec Relat
30%
20%
10% 8.93%
3.57%
1.79%
0.00%
0%
22.5 24.5 26.5 28.5 30.5 32.5
Poligono de frecuencias
Poligono de Frecuencias Acumuladas Relativas
120%
100% 98.21% 100.00%

89.29%
80%
F. Acum Relat
60%
40%
37.50%
20%
0% 0.00%
3.57%
23.5 24.5 25.5 26.5 27.5 28.5 29.5 30.5 31.5 32.5 33.5
TALLER 2. Tablas de frecuencias y gráficos
ODO-CO-002_ ver 5.0

ODO-CO-002_ ver 5.0

Probabilidad
• Eventos que son comunes o improbables son aquellos cuya probabilidad de

ocurrencia son grandes o pequeñas, respectivamente.
• Día a día calculamos "al ojo" la probabilidad de todas los sucesos que nos
rodean
• Determinamos que tan "común" o "raras" son.
• En Colombia no es "común" encontrar un nativo rubio y ojos azules, en Suecia si.
• Basado en "muestras" de Suecos y Colombianos, sin necesidad de ver todos los
Colombianos y Suecos.
Problema de este método al "ojímetro“: carecemos de un término preciso para

describir la probabilidad.
Probabilidad
Probabilidad Valor que va desde cero hasta uno. Describe la posibilidad

relativa de que ocurra un evento.
Experimento Proceso que conduce a que ocurra una (y solamente una) de

varias observaciones posibles.
Resultado Un suceso particular proveniente de un experimento.
Evento conjunto de uno o más resultados de un experimento

Espacio Muestreal
• El conjunto universal de una población
• Todos los valores posibles que nuestra variable aleatoria
puede tomar
• Todas las formas en que podemos sacar 4 bolas de una funda que
contenga 8 bolas rojas y 2 blancas
• De cuantas formas puede caer un dado
• Todas las posibles supervivencias que podamos obtener en un
cultivo
• Todos los posibles climas que puedan haber en un día determinado
Probabilidad Clásica
• Si un evento puede ocurrir de N maneras mutuamente

exclusivas e igualmente posibles, y si n de ellas tienen
una característica E, entonces, la posibilidad de
ocurrencia de E es la fracción n/N y se indica por:
• Funciona bien con espacio muestreal pequeño y
conocido, y en donde todas las N maneras sean
igualmente posibles.
hay un grupo de 10 personas los cuales están enumerados de 1 a 10, y se rifará un

premio al azar, quien se lleve el premio se decidirá por una persona que pensará
en un número entre 1 y 10 y la persona que tenga el número se pensó esta se
llevará el premio.
En este supuesto todos los concursantes tienen la

misma probabilidad de salir premiados, que es
de 10% (1 de 10)
Fórmula de la probabilidad clásica: Regla de
Laplace
Ejemplo: PROBABILIDA CLÁSICA
Para encontrar la probabilidad clásica se utilizará el ejemplo de lanzar un dado. Primero se

debe encontrar todos los posibles resultados, y a esto se le llamará espacio muestral, en el
caso de lanzar un dado se sabe que hay 6 posibles resultados, uno por cada lado, por lo que
podemos definir nuestro espacio muestral de la siguiente manera: E ={1,2,3,4,5,6}
Ahora se aplica la regla de Laplace en un suceso

elemental por ejemplo con el lado 2
¿Que es más probable, que salga un número primo o que salga un número mayor a 4?
Para realizar este nuevo planteamiento se deben definir

los sucesos, los numero primos entre 1 y 6 son: 2, 3 y
5 (3 casos favorables), mientras que los números
mayores a 4 son: 5 y 6 (2 casos favorables), hecho esto
se puede proceder a calcular la probabilidad de cada uno
de los conjuntos.
Ejercicio 1:
Un hombre ha pensado un número entre 1 y 15, si este hombre le pide a su amigo que
adivine en que número pensó, ¿Cuál es la probabilidad de que su amigo adivine el
número en el primer intento?
Ejercicio 2:
Una persona tiene la oportunidad de ganar $100, $200, $500, $800 o $1 000 dólares al
girar una ruleta donde están las cantidades que puede ganar, el problema está en que
esta persona quiere comprarse un nuevo teléfono y para ello, necesita por lo menos
$400, entonces ¿Cuál es la probabilidad que le toque una cantidad que sea suficiente
para comprarse su nuevo teléfono?
Probabilidad Empirica
La probabilidad empírica se usa para encontrar cual de los

posibles sucesos es más probable de ocurrir, la diferencia
con la probabilidad clásica es que la probabilidad
empírica se obtiene en base a resultados ya obtenidos de
un evento o experimento aleatorio, esta probabilidad se
apoya principalmente en la frecuencia en la que un
determinado suceso ocurre.
Ejemplo de probabilidad Empirica
Para encontrar la probabilidad empírica de un suceso se
usará el ejemplo de lanzar una moneda al aire, hay que
aclarar que, al inicio del evento, ambas caras tienen la
misma probabilidad de salir es decir 50% cada cara: 1
resultado a obtener / 2 posibles resultados = 0.5
Luego de lanzar la moneda en 60 ocasiones, se

obtienen los siguientes resultados.
Si se toma un dado y se lanza al aire la probabilidad que

tiene cada lado de salir es de 16.7% al inicio del
experimento, por lo que cualquier lado tiene las mismas
posibilidades, pero si este experimento se realizara 80
veces y los resultados fueran los siguientes...
Probabilidad Empirica
Si se toma un dado y se lanza al aire la probabilidad que
tiene cada lado de salir es de 16.7% al inicio del
experimento, por lo que cualquier lado tiene las mismas
posibilidades, pero si este experimento se realizara 80
veces y los resultados fueran los siguientes...
Con estos resultados se puede observar que el

lado que empíricamente es más probable que
salga es el lado con cinco puntos, porque
de 80 intentos salió en 18 ocasiones, esto
expresado en porcentajes es el 22.5% de las
ocasiones que se lanzó el dado, que fue la
probabilidad más alta.
Ejercicio de probabilidad Empirica
Si un sistema arroja un número entre uno y cuatro de

manera aleatoria, cada número tiene un 25% de
probabilidades de salir, pero al realizar esta
operación 50 veces se obtienen los siguientes resultados.
Ejercicio de probabilidad Empirica
Si un sistema arroja un número entre uno y cuatro de

manera aleatoria, cada número tiene un 25% de
probabilidades de salir, pero al realizar esta
operación 50 veces se obtienen los siguientes resultados.
En las 50 veces fue
el número 4 con 15 de
ellas que es el 30% de las
del total de resultados
Probabilidad Subjetiva
La probabilidad subjetiva está basada en una creencia,

presentimiento o en una corazonada de un suceso
que no hay nada concreto que asegure que este va a
ocurrir, pero aun así hay algo en la persona que le
hace inclinarse por un suceso en concreto
La probabilidad subjetiva es mas que todo usada en

situaciones más normales y no tanto es situaciones
serias.
La regla de la suma
La regla de la suma es un método que se usa para
poder encontrar una probabilidad compuesta, se
considera una probabilidad compuesta cuando se unen 2
sucesos para formar otro suceso.
Se usa cuando se quiere conocer cual es la probabilidad

que sucedan 2 o más eventos, ya sea al mismo tiempo o
solamente uno de los 2.
La regla de la suma - Recordatorio
Las probabilidades siempre se escriben de la

siguiente manera p(a), donde “p” es la
probabilidad y “a” es el suceso que puede suceder.
Ejemplo, cuando se tira una moneda al aire existen dos

sucesos posible, que caiga cara o que caiga cruz, pues
para diferenciarlos se podría a llamar al suceso donde
cae cara p(a) y al suceso donde cae cruz p(b),
La regla de la suma - Recordatorio
En la regla de la suma se utiliza el mismo lenguaje pero

escrito de diferente manera: p (a n b) significa la
probabilidad de a y b , es decir, la probabilidad que
suceda tanto "a" como "b", y p(a u b) se refiere a la
probabilidad de a ó b, es decir que ocurre un suceso o
ocurre el otro, pero no ambos a la vez.
p (a n b) p(a u b)
A p(a n b) se le puede decir "a intersección b", y a p(a

u b) también se le conoce como "a unión b"
La regla de la suma - Formula
Ejemplo de la regla de la suma
En una sala hay 20 personas, donde se sabe la mitad de las personas son mayores
de 30 años, si se sabe que hay 7 mexicanos de los cuales 5 son mayores de 30
años, ¿Cuál es la probabilidad de que al seleccionar una persona al azar salga
alguien que sea mayor de 30 años o que sea de México?
• N = 20 personas
p(m) = mexicano,
• 10 son mayores de 30 años,
p(M) = mayor,
• 7 mexicanos de los cuales 5 son mayores de
p(m n M) = mexicano y mayor de 30
30 años
Ejemplo de la regla de la suma
• N = 20 personas
p(m) = mexicano,
• 10 son mayores de 30 años,
p(M) = mayor,
• 7 mexicanos de los cuales 5 son mayores de
p(m n M) = mexicano y mayor de 30
30 años
Primero se calculará las

Ahora se encuentra p(m u ma)
probabilidades por separado
•p(m) = 7 / 20 = 0.35
•p(m u M) = 0.35 + 0.5 - 0.25
•p(M) = 10 / 20 = 0.5
•p(m u M) = 0.6 * 100%
•p(m n M) = 5 / 20 = 0.25
•p(m u M) = 60%
Ejercicio de la regla de la suma
En una tienda se venden silla de color verde y de color rojo, si hay 16 sillas (8 rojas
y 8 verdes) a escoger, pero hay 10 de madera y 6 de plástico y se sabe que de las 6
de plástico hay 5 que son verdes ¿Qué tan probable es que si se escoge una silla
cualquiera, esta sea verde o de plástico?
• N = 16 sillas p(v) = verde,

• 8 son verdes y 6 son de plástico p(p) = plástico,
• De las 6 plástico 5 son verdes p(v n p) = verde y de plástico
• N = 16 sillas p(v) = verde,
• 8 son verdes y 6 son de plástico p(p) = plástico,
• De las 6 plástico 5 son verdes p(v n p) = verde y de plástico
•Primero se calculará las • Ahora se encuentra p(v u p)

• p(v u p) = 0.5 + 0.375 - 0.3125
•p(v) = 8 / 16 = 0.5 • p(v u p) = 0.5625 * 100%
•p(p) = 6 / 16 = 0.375 • p(v u p) = 56.25%
•p(v n p) = 5 / 16 = 0.3125
Una maquina dispensadora de refrescos tiene en su interior 50 bebidas, y cada vez
que se utiliza esta dispensa una al azar, si se conoce que en su interior tiene 25
bebidas de color negro, y también se sabe que hay 40 que están heladas y de estas
solo 20 son bebidas de color negro, ¿Cuál es la probabilidad que al sacar una
bebida esta esté helada o sea negra?
• N = 50 bebidas p(N) = bebida negra,

• 40 heladas p(h) = helada,
• De las 40 heladas 20 son negras p(N n h) = bebida negra y helada
• N = 50 bebidas p(N) = bebida negra,

• 40 heladas p(h) = helada,
• De las 50 bebidas 20 son negras p(N n h) = bebida negra y helada
Primero se calculará las • Ahora se encuentra p(N u h)

• p(N u h) = 0.5 + 0.8 - 0.4
p(N) = 25 / 50 = 0.5
p(h) = 40 / 50 = 0.8
• p(N u h) = 0.9 *100%
p(N n h) = 20 / 50 = 0.4 • p(N u h) = 90%
Consulta asincrónica.
Por equipos desarrollar ejemplos de aplicación de:
1.Regla de la multiplicación
2.Regla del complemento
3.Teorema de bayes
4.Probabilidad total
Valor Esperado
• Llamamos valor esperado al valor probable que podemos

obtener al repetir cierto evento.
• Va a estar asociado a la probabilidad de ocurrencia de cada
opción del mismo, y al valor que tomará la variable cada caso.
• Ejemplo:
• Probabilidad de que ganemos al apostar a un número en la ruleta es
1/37 = 0.27.
• Premio obtenido es 35 veces la apuesta
• Calcule la esperanza de ganar en la ruleta apostando US$1,000.
Valor Esperado
• P(Ganar) = 1/37
• P(Perder)= 1- 1/37 = 36/37
• Valor a Ganar = $35,000
• Valor a Perder = $1,000
• Esperanza de Ganancia:
E(G) = P(ganar)xValor Ganar + P(perder)xValor Perder
E(G) = 1/37 x $35,000 + 36/37 x - $1,000
E(ganancia) = $946 - $973 = - $27
• Si jugamos a la ruleta, apostando toda la noche a un número
$1,000; la esperanza que tenemos es de perder “en promedio”
$27 cada vez.
Parámetros
• Mayoría de investigaciones estadísticas quieren hacer inferencias a partir de
la información contenida en muestras aleatorias sobre la población de
donde fueron obtenidas.
• Geralmente inferencias sobre los parámetros poblacionales (ej:
media  y varianza 2). Que describen a la población.
• Se usa letras griegas.(,, ,, , etc.).
• Definimos parámetros como ciertas medidas que describen a la
población.
• A los parámetros en general los podemos definir como .
Estadísticos
• Para hacer tales inferencias utilizaremos los estadísticos

muestreales o estimadores de los parámetros (ej: promedio o
media aritmética y varianza muestreal s2)
• Valores calculadas con base en observaciones de la muestra.
• Definimos estadístico como una medida que describe a la
muestra, y que sirve para estimar los parámetros.
• A los estadísticos en general los podemos definir como n.
Estadísticos vs. Parámetros
• Importante diferencia entre estadístico y parámetro: una las

bases de estadística.
• A pesar que estadísticos se usan para representar o estimar
parámetros, probabilidad de que sean exactamente iguales es
0.
Estadísticos de Centralización
• Media poblacional :
• La media aritmética de datos de toda la población
• Representa esperanza matemática de variable aleatoria:
N
1

N
x
1
i
• Este parámetro no lo conocemos, y no lo conoceremos nunca a

no ser que muestreáramos la población completa.
• Para estimarlo usamos el estadístico promedio o media
muestreal `x.
Estadísticos de Centralización
• Moda: Marca de clase del intervalo con mayor frecuencia

• Aproximadamente: Valor que mas encontramos en nuestro muestreo.
• Mediana: valor más cercano a la mitad si los ordenamos, o

valor con igual número de datos mayores que menores a él.
• Valor del dato número (n+1)/2 cuando n es impar
• Media del dato # (n/2) y el dato # (n/2 +1) cuando n es par.
Estadísticos de Dispersión
• Medidas de centralización dan una idea de hacia dónde están

distribuidos nuestros datos, pero no de cómo están
distribuidos.
• Probabilidad de dato igual a la media tiende a 0
• Media de posibles valores un dado 3.5
• Cruce de Rio; Pies en horno, cabeza refrigerador
• Dos poblaciones con igual media pero dispersión de datos
distinta: Poblaciones distintas
• Parámetro varianza poblacional 2 :

• Promedio de cuadrados de las desviaciones de los valores de una variable en
población con respecto a media poblacional
2
2 ( x i -  )
 =
N
• xi- es distancia de cada punto a la media

• Se eleva al cuadrado porque si no distancias positivas y negativas se anularían
dando 0
• La desviación típica o desviación estándar ( o s), es la raíz cuadrada positiva
de la varianza. s es estimador sesgado de s.
• El rango es la diferencia entre el valor del mayor dato y el valor del menor
dato.
• Desviación media: promedio de las desviaciones absolutas respecto al
promedio: DM=S|xi-`x|/n
• Error típico de la media: estima s para la distribución de`x: S`x = s / √n
• Coeficiente de variación: expresión porcentual de variación (sin unidades):
CV= s x 100 /`x
PERMUTACIONES Y COMBINACIONES
ODO-CO-002_ ver 5.0

Permutación
Una permutación es una organización o una lista de objetos, en la
que el orden sí es importante. Las permutaciones son usadas cuando
estamos contando sin reemplazar los objetos y el orden sí importa.
Si es que el orden no importa, usamos las combinaciones.
En general P(n, k) significa el número de

permutaciones de n objetos de los cuales
tomamos k objetos. Alternativamente, la fórmula
de permutaciones es expresada en la siguiente
manera: •n representa al número total de elementos en
un conjunto
•k representa al número de objetos
seleccionados
•! es el símbolo de factorial
Permutación
Para resolver problemas de permutaciones, tenemos que recordar
que el factorial (denotado como “!“) es igual al producto de todos
los números enteros positivos menores o iguales al número que
precede al factorial. Por ejemplo,
¿Cuántas permutaciones hay con Podemos reconocer los valores n=4 y k=2.

4 objetos y 2 lugares? Entonces, usamos la fórmula reemplazando estos
valores:
Ejercicio
P
Encuentra el resultado de la permutación 7 3.
Ejercicio
¿En cuántas formas puede un presidente, un tesorero y un secretario ser
escogidos de 7 candidatos?
Ejercicio
¿En cuántas formas pueden los 3 primeros lugares ser otorgados en una
carrera con 5 participantes?
Definiciones de permutaciones y combinaciones
Diferencia entre Permutación y Combinación
La diferencia entre permutación y combinación es que, para las

permutaciones, el orden de los elementos sí es tomado en consideración y
para las combinaciones, el orden de los elementos no importa.
Supongamos que tenemos que encontrar el número total de muestras

probables de dos objetos de un conjunto de tres objetos A, B, C
Lo único que tenemos que hacer es averiguar si es

que el orden es relevante o no.
Si es que el orden es importante, entonces

tenemos un problema de permutaciones
En este caso, el número posible de muestras será

AB, BA, BC, CB, AC, CA

Si es que el orden no es importante, entonces

tenemos un problema de combinaciones.
Si es que el orden no es importante, entonces tenemos

un problema de combinaciones. En este caso, las
muestras posibles son AB, BC y AC.

Lo único que tenemos que hacer es averiguar si es

que el orden es relevante o no.
Si es que el orden es importante, entonces

tenemos un problema de permutaciones
En este caso, el número posible de muestras será

AB, BA, BC, CB, AC, CA
Solución: No entran todos los elementos. Esto debido a

que un saludo lo podemos analizar como un grupo de
dos personas (ya que solo se efectúa entre dos
personas).
No importa el orden. Esto ya que es lo mismo que Juan haya
saludado a María a que María haya saludo a Juan.
No se repiten los elementos. Notemos que el asumir que

se repiten es como pensar que una persona se pudo
saludar a sí misma, esto no tendría sentido.
UNIDAD III. LA BIOESTADISTICA APLICADA A LA SST
ODO-CO-002_ ver 5.0

3.2.3 Decreto 1072/2015
Artículos: Hay un registro estadístico de los incidentes y de los accidentes de
2.2.4.6.16. numeral 7, trabajo, así como de las enfermedades laborales que ocurren; se
2.2.4.6.21. numeral 10, analiza este registro y las conclusiones derivadas del estudio son
2.2.4.6.22. numeral 8.
usadas para el mejoramiento del Sistema de Gestión de Seguridad y
Decreto 1295/1994
Artículo 61 Salud en el Trabajo.
Indicadores
Los indicadores son formulaciones generalmente matemáticas, con las

que se busca reflejar una situación determinada, Un indicador es una
relación entre variables cuantitativas o cualitativas que permite observar
la situación y las tendencias de cambios generadas en el objeto o
fenómeno observado.
Importancia de los indicadores
Los indicadores del Sistema de Gestión en Seguridad y Salud en el
Trabajo, sirven para evaluar la gestión integral en la empresa y poder
realizar los ajustes necesarios al SGSST, dando cumplimiento a los
requisitos de la legislación.
file:///C:/Users/josebopr/OneDrive%20-%20Seguros%20Suramericana,%20S.A/Documentos/UNIVERSIDAD%20DE%20SUCRE/Bioestad%C3%ADstica/analisis-causalidad-registro-estadisticas-accidentalid
ad-riegos-laborales.pdf
Caracterización de la accidentalidad
La caracterización de la accidentalidad se tiene que convertir en una
entrada fundamental para el proceso de la seguridad y salud en el
trabajo en cualquier organización, y desde allí, enfocar
estrategias que permitan impactar de manera positiva los indicadores
de accidentalidad.
https://encrypted-tbn0.gstatic.com/images?
q=tbn:ANd9GcQNNOVT4TePROkrTy2usb3NClOKfL8FVHN7
Rw&usqp=CAU
Objetivo – Cumplimiento Normativo (SGSST)
Objetivo – Cumplimiento normativo
Propósito superior
Contribuir con el cumplimiento de la
Contribuir al posicionamiento de la empresa documentación del SGSST en lo que
a través de la identificación de tendencias de corresponde a lo establecido en la norma
mercado y riesgos laborales que dimensionen legal vigente, certificables ISO
a sus clientes permitiendo ser referentes en el 45001:2018 y otras complementarias en
sector de suministro de personal, fortaleciendo el el año 2020, que le permitan ser más
competitiva en el mercado.
cumplimiento normativo, transformando la
cultura frente a la seguridad y salud en el trabajo.
Meta: 100% de los requisitos establecidos en las

normas legales vigentes y certificables.
Fomentar entornos de trabajo seguros y saludables, a
través del desarrollo de un proceso por etapas con
enfoque de mejora continua , en el cual incluye
abordaje del contexto, planeación de gestión con
sentido, gestión de peligros y amenazas, vigilancia de la
salud de los trabajadores, evaluación de desempeño y
propuestas de mejoramiento, en el cual se fomente la
promoción y la prevención en las organizaciones,
aportando al bienestar de las personas, la sostenibilidad
y competitividad en las empresas.
Objetivo general
• Promesa de valor
• El compromiso de gestión, resultados e impacto en
el negocio del cliente, a la vez que vincula e
involucra al cliente en la gestión.
• Define el propósito frente a una situación a resolver
o aspecto a desarrollar relacionado específicamente
con el SG-SST.
• Debe ser concreto, medible, cuantificable, temporal,
responder a contexto, prioridades y política de la
empresa.
OBJETIVO GENERAL
Disminuir la accidentalidad 9% en la tasa frente al 2020, a partir de la intervención en los factores de riesgos químicos, físicos y carga
física, que le permita a la Organización disminuir el ausentismo, mejorando su producción mes y responder a los estándares
internacionalesque le exigen.
El propósito, que responde a qué hay que resolver o mejorar en

términos de la gestión de riesgo en SST de acuerdo con la matriz Proposito Disminuir la accidentalidad…
de riesgos y el contexto de la empresa.
La meta, que representa el reto en términos del indicador –que
por lo general está dado por el mismo propósito-. Debe indicarse Meta 9% en la tasa frente al 2020
específicamente en cuánto se espera mejorar y en qué tiempo.
Los recursos, se refieren a los medios, estrategias o soluciones ...a partir de la intervención en los factores de
Recursos
que se van a utilizar para lograr el propósito y la meta. riesgos químicos, físicos y carga física…
El sentido, que relaciona el objetivo con lo que va a lograr el ...que le permita a la Organización disminuir el
cliente en la dinámica de su negocio, haciendo evidente el ausentismo, mejorando su producción mes y
Sentido
impacto de la gestión del riesgo en los resultados de la empresa, responder a los estándares internacionalesque le
preferiblemente lo que es estratégico. exigen…
Objetivos SMART en 5 pasos
Paso SMART Descripción Objetivo
1 S Specific: Específico ¿Qué, quién…? Disminuir la accidentalidad
¿El objetivo está claro? ¿Es preciso? ¿Cualquier
persona lo entendería?
2 M Measurable: Medible ¿Cuánto? 9% en la tasa frente al 2021

¿Cómo voy a saber que lo completé?
¿Qué evidencia se necesita para confirmarlo?
3 A Attainable: Realizable Describe un resultado. a partir de la intervención en los factores de

¿Cuento con los recursos para cumplirlo? riesgos químicos, físicos y carga física….
4 R Relevant: Relevante ¿Para qué? ...que le permita a la Organización disminuir

¿Está alineado a las metas de la Institución? el ausentismo, mejorando su producción mes
y responder a los estándares internacionales
que le exigen…
5 T Timely: A tiempo – ¿Cuándo tengo que cumplirlo? En el año 2022

oportuno ¿Existe una fecha límite para cumplirlo?
¿Es posible cumplirlo para esta fecha?
Objetivo SMART: Disminuir la accidentalidad 9% en la tasa frente al 2021, a partir de la intervención en los factores de riesgos químicos,
físicos y carga física, que le permita a la Organización disminuir el ausentismo, mejorando su producción mes y responder a los estándares
internacionales que le exigen.
Copyright SURA© 2017. Todos los derechos reservados.
• Conservan las características de un

objetivo general.
• Integralmente deben conducir al logro
del objetivo general.
• Para identificarlos se puede responder a
la pregunta: ¿Qué hay que hacer
fundamental para lograr el objetivo https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.grandespymes.com.ar
general?
%2F2019%2F05%2F22%2Fobjetivos-generales-y-especificos
%2F&psig=AOvVaw020bxD0fCabm8ui1Zl2cxf&ust=1616732108672000&source=images&cd=vfe&ved=0CA0QjhxqFwoTC
OjuwvLKyu8CFQAAAAAdAAAAABAD
• Disminuir el factor de riesgo químico en

4% por manejo de líquidos para el año
2021, a través de la implementación del
sistema de vigilancia epidemiológica,
actividades de control, señalización y
uso de elementos de protección
adecuados en la planta de producción,
permitiendo la reducción de AT y EL.
https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.grandespymes.com.ar
%2F2019%2F05%2F22%2Fobjetivos-generales-y-especificos
%2F&psig=AOvVaw020bxD0fCabm8ui1Zl2cxf&ust=1616732108672000&source=images&cd=vfe&ved=0CA0QjhxqFwoTC
OjuwvLKyu8CFQAAAAAdAAAAABAD
Indicadores
Son la expresión para determinar el
cumplimiento de un objetivo.
Están dados por el mismo propósito del

objetivo y la meta.
Deben estar relacionados con una línea

base y la forma de medición. https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.gestionar-facil.com%2Findicadores-de-productividad-en-pymes%2F&psig=AOvVaw3L8-
y3oelkpTN13QzBIIuR&ust=1616732731872000&source=images&cd=vfe&ved=0CA0QjhxqFwoTCND_rJzNyu8CFQAAAAAdAAAAABAD
Indicadores
file:///C:/Users/josebopr/OneDrive%20-%20Seguros%20Suramericana,%20S.A/Documentos/UNIVERSIDAD%20DE%20SUCRE/
Bioestadística/analisis-causalidad-registro-estadisticas-accidentalidad-riegos-laborales.pdf
Indicadores
Indicadores
Indicadores
ESTRUCTURA
Articulo 2.2.4.6.20 DUR 1072
Indicadores
PROCESO
Articulo 2.2.4.6.21 DUR 1072
Indicadores
RESULTADO
Articulo 2.2.4.6.22 DUR 1072
Ficha del Indicador
Indicadores
NORMAS TÉCNICAS
NTC NTC
3793 3701
Metas
Indican el nivel de desempeño que se
busca alcanzar en términos cuantitativos
y/o cualitativos.
• Línea base y desempeño histórico.

• Desempeño de empresas similares o
del sector.
• Estándares de normas técnicas.
• Capacidad del cliente.
https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.pinterest.com.mx%2Fpin
%2F617345061404494828%2F&psig=AOvVaw0Upto-LuJ-
iYuONGRZ9xRR&ust=1616733150456000&source=images&cd=vfe&ved=0CA0QjhxqFwoTCLjcj9_
Oyu8CFQAAAAAdAAAAABAO

Plantilla Institucional Bioestadistica

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

Plantilla Institucional Bioestadistica

Cargado por

Copyright:

Formatos disponibles

Especialización en SST

ODO-CO-002_ ver 5.0

UNIDAD I. GENERALIDADES DE LA BIOESTADISTICA

UNIDAD II. PROBABILIDAD Y SU APLICACIÓN

UNIDAD III. LA BIOESTADISTICA APLICADA A LA SST

Comprender diversos temas de la bioestadística, mediante

• Identificar las principales definiciones de la bioestadística.

ODO-CO-002_ ver 5.0

Discurso del Método. René Descartes

• La Ciencia se ocupa en general de fenómenos observables

• La Ciencia se desarrolla observando hechos, formulando leyes que los explican y

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

La ciencia pura y aplicada (no exacta), que

• Ciencia: "un conjunto de conocimientos comprobados y sistematizados".

• Sistematización, recogida, ordenación y presentación de los datos referentes a un

Los valores experimentales que va a tomar una variable

Límites de población dependen de como la definamos nosotros

• Muestra (‘sample’) es un subconjunto suyo al que tenemos acceso y sobre

• Igual que población, debe definirse correctamente antes de

1) Calcular el tamaño de la muestra de una población de 500

2. Calcular el tamaño de la muestra de una población de 500 elementos con

1. Calcule el tamaño de la muestra para una población de 500 nivel de

2. Calcule el tamaño de la muestra para una población de 500 con un error

3. Calcule el tamaño de la muestra para una población 500 y nivel de

Una propiedad con respecto a la cual los individuos de una

• Ciertas "características" que presentan variación.

• En los individuos de la población española, de uno a otro

• Nominales: Si sus valores no se pueden ordenar

• Ordinales: Si sus valores se pueden ordenar

• Discretas: Si toma valores enteros

• Continuas: Si entre dos valores, son posibles infinitos valores intermedios.

• Discretas: su conjunto de posibles valores son fijos, y no

• Las modalidades pueden agruparse en clases (intervalos)

• Las modalidades/clases deben forman un sistema exhaustivo y excluyente

ODO-CO-002_ ver 5.0

• Plantear hipótesis sobre una población

• Decidir qué datos recoger (diseño de experimentos)

• Recoger los datos (muestreo)

• Describir (resumir) los datos obtenidos

• Cuantificar la confianza en la inferencia

Las tablas de frecuencias y las representaciones gráficas son dos

• Exponen la información recogida en la muestra, de forma que no se

• Frecuencias absolutas: Contabilizan el número de individuos de cada modalidad

• Frecuencias relativas (porcentajes): Idem, pero dividido por el total

• Frecuencias acumuladas: Sólo tienen sentido para variables ordinales y

• ¿Qué cantidad de hijos es tal que al

• Diagramas de sectores (tartas, polares)

Gráficos diferenciales para variables numéricas 300

• Son diferentes en función de que las variables

sean discretas o continuas. Valen con frec.

• Diagramas barras para v. discretas

que no son posibles

• El área que hay bajo el histograma entre dos puntos 100

cualesquiera indica la cantidad (porcentaje o 50

frecuencia) de individuos en el intervalo.

Edad del encuestado

25.5 26.4 27.0 28.0 28.2 29.3 29.5

26.0 26.4 27.0 28.0 28.4 29.3 29.7

26.0 26.6 27.0 28.0 28.5 29.3 29.8

26.0 26.8 27.3 28.0 28.9 29.4 30.2

26.0 27.0 27.6 28.0 28.9 29.4 31.0

26.0 27.0 27.6 28.0 29.0 29.5 31.0

26.1 27.0 27.6 28.1 29.0 29.5 33.4