UNMSM – FQIQ

E.P. DE INGENIERIA QUIMICA

ASIGNATURA: ESTADISTICA
APLICADA A LA INGENIERIA
TEMA 01: ESTADISTICA DESCRIPTIVA I
2023 - II
Profesor: Ing. DARIO MAXIMO DIAZ RIVERA
Lima-Perú
1
¿Qué es la estadística?
¿Qué es la estadística?
¿Cuántos

peces hay para

cada clase?

3
Clases Frecuencia F, relativa

4 4 / 12 = 0,33

3 3 / 12 = 0,25

2 2 / 12 = 0,16

3 3 / 12 = 0,25

Total 12

¿Qué fracción respecto del total hay para cada

clase de pez?
 Pongamos los resultados en un gráfico de barras

Clases Frecuencia
Frecuencia
4
3
2
4
3
3
3 3

2
 ¿Qué es la estadística?
Estadística es la ciencia de:
– Recolectar
– Describir
– Organizar
DATOS
– Interpretar
para transformarlos en información, para la
toma mas eficiente de decisiones.

9
 ¿QUÉ ES UN
DATO?
• Datos: Conjunto de valores recolectados
para la variable de cada uno de los
elementos que pertenecen a la población o
muestra,
• Ejemplo1: El conjunto de 54 “cantidad de
miembros” recolectados de 54 familias residentes
en Pueblo Libre,
• Ejemplo2: El conjunto de las “calificaciones”
de los 43 estudiantes del curso de estadística.
 ¿Qué es la Estadística?
• “La Estadística estudia métodos
científicos para recoger, organizar,
resumir y analizar datos, así como
para sacar conclusiones válidas y
tomar decisiones razonables basadas
en tal análisis”
Murray R. Spiegel
 Estudio Estadístico
1. Se realizan observaciones
aleatorias de un fenómeno
que no se puede predecir
con anterioridad.
2. Se realiza un muestreo (se
selecciona una muestra
representativa de la
población).
 Estudio Estadístico
3. Se recolectan datos de cada
elemento muestreado (por
ejemplo a través de un
cuestionario).
4. El objetivo final es inferir
estadísticamente algo sobre la
población, deseamos concluir
algo sobre alguna característica
de la población en la que se
realiza el estudio.
¿Para qué sirve la estadística?
• DESCRIPCIÓN DE DATOS
El primer problema que, históricamente, aborda
la estadística es la descripción de datos. La
estadística nos proporcionará procedimientos
para resumir la información contenida en los
datos, que será de gran utilidad cuando
trabajamos con grandes conjuntos de datos.
Mas adelante se verán las principales
herramientas descriptivas.
¿Para qué sirve la estadística?
• ANÁLISIS DE MUESTRAS
Es frecuente que, por razones técnicas o
económicas, no sea posible estudiar todos los
elementos de una población. La estadística
nos indicará como seleccionar una muestra
representativa y realizar inferencias respecto
de la población a partir de los valores
observados en la muestra. Estos aspectos se
analizaran en los Temas 2 y 3.
¿Para qué sirve la estadística?
• La ciencia se ocupa en general de
fenómenos observables.
• La ciencia se desarrolla observando hechos,
formulando leyes que los explican y
realizando experimentos para validar o
rechazar dichas leyes.
• Los modelos que crea la ciencia son de tipo
determinista o aleatorio .
• La Estadística se utiliza como tecnología
al servicio de las ciencias donde la
variabilidad y la incertidumbre forman parte
de su naturaleza.
16
 ¿QUIENES USAN LA ESTADÍSTICA?
• Organismos oficiales.
• Diarios y revistas.
• Políticos.
• Deportes.
• Marketing.
• Control de calidad.
• Administradores.
• Investigadores científicos.
• Médicos
• etc.

17
19
 Estadística Descriptiva:
Describe un conjunto de datos
con indicadores estadísticos o
estadígrafos.
 Ramas de la Estadística

• Estadística Descriptiva o Deductiva:

estudia los métodos para organizar,
sumarizar y describir un conjunto de datos
para que sus características se vuelvan
evidentes. Se divide en:
– Técnicas Gráficas
– Técnicas Numéricas.
 Ramas de la Estadística

Ejemplos:
Ejemplo 1: Los datos del ultimo Censo de
población.
Ejemplo 2: La cantidad de accidentes
automovilísticos.
Ejemplo 3: La cantidad de pacientes atendidos
en el Hospital Rebagliati.
Inferencia Estadística

POBLACION
Técnica
Del
Muestreo

MUESTRA
Obtención de Variables
e Indicadores:
Estadígrafos
(Estimadores) 23
 Estadística Inferencial:
Obtiene información (variables
e indicadores) de una muestra
representativa de población.
 Ramas de la Estadística
• Estadística Inferencial o Inductiva: usa la
teoría de probabilidades para generalizar
las características de una población a partir
de las características de una muestra
representativa. Es decir, utiliza estadísticas
muestrales para obtener conclusiones
sobre los verdaderos parámetros de la
población.
 Población vs Muestra
• Población: es el conjunto de todas las
mediciones de interés al experimentador.
Su tamaño se denota con la letra N.
• Muestra: es un subconjunto de la
población. Generalmente esta selección se
hace aleatoriamente, cada individuo en la
muestra tuvo la misma posibilidad de
haber sido seleccionado. Su tamaño se
denota con la letra n.
 Población Finita
Ejemplo:
- Alumnos de la UNMSM.
- Trabajadores de una empresa.
- Camiones de carga pesada.
- Clientes de un empresa comercial.
- Computadoras de una empresa.
- Ingenieros de una planta.
- Miembros de un hogar.
- Maletas en un bus interprovincial.
 Población Infinita
Ejemplo:
- Peces del mar peruano
- Bacterias
- Flores Silvestres.
- Productos fallados.
- Cantidad de estrellas en el universo.
- Una población de hormigas.
- Cantidad de granos de arena en una playa.
 Ejemplos de Estadística Inf.
Ejemplo 1: Una encuesta desarrollada por
IBOPE, en noviembre 2014, dice que el rating
de radio en la Gran Lima esta encabezado por
RPP con un 45,5% seguido por FM Oxigeno
con 9,18%.
Ejemplo 2: De acuerdo con una encuesta
desarrollada por Apoyo sobre telefonía
residencial en el 2014, el gasto mensual
promedio por cliente es de S/, 95,30, a nivel
nacional.
Conceptos
Estadísticos

30
 Unidad de Análisis
Es el objeto del cual se desea obtener
información, muchas veces nos referimos a las
unidades de análisis con el nombre de
elementos. En estadística, un elemento o
unidad de análisis puede ser algo con
existencia real, como un automóvil o una casa,
o algo más abstracto como la temperatura o un
intervalo de tiempo, dada esta definición, puede
redefinirse población como el conjunto de
unidades de análisis,
análisis
Ejemplo de Unidad de Análisis
• Cada uno de los alumnos matriculados en
el curso de Física I.
 Parámetro
Parámetro: Valor numérico que resume todos
los datos de una población completa, Se
utilizan letras griegas para simbolizar un
parámetro como ser  y .
Ejemplos: La calificación “promedio” del
secundario en el momento de admisión de
todos los estudiantes que han asistido alguna
vez a la UNMSM o la “proporción” de
estudiantes cuyo lugar de origen era distinto del
distrito de Lima Cercado.
 Estadística
Estadística: Valor numérico que
resume los datos de una muestra,
Se utilizan letras del alfabeto
español para simbolizarlas como
ser x y s.
Ejemplo: La edad “promedio”
registrada en una encuesta de 150
consumidores de coca cola de ½
litro descartable.
 Población y Muestra
Población

Muestra

35
Población y Muestra
POBLACIÓN MUESTRA
 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.
 VARIABLES
 En los individuos de la población peruana, la
información de uno a otro es variable:

 El grupo sanguíneo
 {A, B, AB, O}  Var. Cualitativa
 Su nivel de felicidad “declarado”
 {Deprimido, regular, feliz, muy feliz}
 El número de hijos
 {0,1,2,3,...}  Var. Numérica discreta
 La altura
 {1.62 ; 1.74; ...}  Var. Numérica continua
 VARIABLES
POR SU
NATURALEZA

Se dividen en
cualitativas
Y
cuantitativas
 A) VARIABLES
CATEGÓRICAS O
CUALITATIVAS

Resultado de la
observación de
cualidades o atributos.

 Género.  Religión.

 Fumar. (Sí/No)  Nacionalidad.

 Grupo Sanguíneo.
Se divide en :
Dicotómicas
Categorías
EJEMPLOS

FEMENINO Y SINGULAR Y
MASCULINO PLURAL
Politómicas
de categorías

RELIGIONES CONTINENTES
 B) VARIABLES
NUMÉRICAS
Resultado de conteos o
mediciones.
 Discretas o continuas.

– Número de empresas de producción. DISCRETAS

– Número de hijos.
– Número de botellas de gaseosa.
– Altura.
– Peso.
– Temperatura. CONTINUAS
– Edad.
Variable Discreta representado Números
naturales
Ejemplos:
Número de
Números de Número de trabajadores
accidentes por ingresantes por empresa
día.

Número de
Cantidad de
Números de alumnos
población en
habitantes por aprobados y
distritos
vivienda desaprobados
Variable Continua representado Número
real

Ejemplos:

Área de Ingresos Producción

parcelas monetarios de maíz

Horas
laborales Tiempo de Estatura
servicio
Escalas de Medición

Precisa la
forma
cómo se
van a
medir la
variables
 NOMINAL
La variable tiene dos o más categorías.
Sólo identifica la categoría.

Género,
religión o
profesión
 Escalas de Medición: Nominal
ELEMENTOS ESTUDIANTES

VARIABLES ESTUDIANTES

DATOS CASIO NATIONAL HP TOSHIBA

RELACION
Escalas de Medición: Nominal
 ESCALAS DE MEDIDIÓN DE LAS
A.- NOMINAL
VARIABLES
Implica crear números para ordenar las
SE UTILIZA CUANDO LOS DATOS
observaciones de hechos.
SE PUEDEN ORGANIZAR EN
Ejemplo:
CATEGORÍAS EXCLUSIVAS Y
Personal profesional
•Médico EXHAUSTIVAS

•Enfermera
•Odontólogo PERO NO SE PUEDEN COMPARAR

•Ingenierias
•Periodistas
Escalas de Medición: Nominal
DATOS DE NIVEL NOMINAL

COMPAÑI NÚMERO Mutuamente Excluyente.-

Excluyente una
A DE llamada en especial no puede iniciar
LLAMADAS
tanto en Claro como en Telefónica.
Telefónica 108115800 Exhaustivo.-
Exhaustivo Cada miembro debe

Claro 20577310 aparecer solo en una de las

características.
Nextel 8238740
**********************************
OTROS 7130620 Los datos de nivel nominal deben ser
• Características de la
Escala Nominal
1: Las categorías que se usan
para las variables son
mutuamente excluyentes y
exhaustivas. Un objeto
pertenece a una y solo una
categoría.
2: Las categorías no guardan un
orden lógico entre ellas que
permita , por ejemplo,
ordenarlas.
 ORDINAL

Hay varias
categorías. Además
de identificar,
mantienen un orden
o jerarquía.
• Grado de instrucción
• Nivel de autoestima
 Escalas de Medición: Ordinal
• Las variables cualitativas se miden en escala
nominal o ordinal,
• Ordinal: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores no se pueden realizar
o no son significativas,
• Ejemplo 1: Grado de satisfacción en el uso de un
servicio público ,
• Ejemplo 2: Ocupación
Escalas de Medición: Ordinal
Escalas de Medición: Ordinal
 Escalas de Medición: Ordinal
• Características de la
Escala Ordinal
1: Las categorías son
mutuamente excluyentes y
exhaustivas.
2: Las categorías pueden
ordenarse de mayor a menor
(o viceversa), de acuerdo con
la caracte-rística especial que
poseen.
 Nivel Ordinal
•Los valores de las Variables (datos) se pueden
ordenar pero no es posible determinar la diferencia
aritmética (o distancias) entre ellos.
.
Ejemplo: Resultados del sabor de tres bebidas A, B, C
X = Sabor.
La bebida C clasifico 1 ( o 1º)
La bebida B clasifico 2 ( o 2º)
La bebida A clasifico 3 ( o 3º)
Valores de x : 1, 2, 3 o (1º) (2º) (3º)
60
INTERVALO
Identifica, ordena y establece distancias o
intervalos entre categorías (suma y resta).
No tiene “cero verdadero”.
• Temperatura ambiente o corporal.
Escalas de Medición: Intervalo
DATOS DE NIVEL DE INTERVALO

PAÍS TEMPERATURA º
C
A 30
B 20
C 10
D 0
 Escalas de Medición: Intervalo
• Propiedades de la Escala Intervalo
1: Las categorías son mutuamente excluyentes y
exhaustivas.
2: Las categorías están ordenadas de acuerdo a la
cantidad de características que poseen.
3: Las diferencias iguales en las características están
representadas por diferencias iguales en los números
asignados a las categorías.
 RAZÓN
Identifica, ordena,
establece distancias y es
posible obtener razones
(multiplicación y división).
El “cero es absoluto”.
• Peso o talla.
• Tiempo de exposición a
la TV.
 Escalas de Medición: Razón
• Las variables cuantitativas se miden en
escala de intervalo o razón,
• Razón: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores se pueden realizar y
son significativas, Existe el 0 absoluto, es decir
la ausencia de la variable medida,
• Ejemplo 1: Tiempo de vuelo,
• Ejemplo 2: Ingresos familiares,
 Escalas de Medición: Razón
DATOS DE NIVEL DE RAZÓN

EMPLEAD INGRESOS MENSUALES

O S/.
A 1400
B 1000
C 900
D 700
 Escalas de Medición: Razón
• Propiedades de la Escala Razón
1: Las categorías son mutuamente excluyentes y
exhaustivas.
2: Las categorías están ordenadas de acuerdo a la
cantidad de características que poseen.
3: Las diferencias iguales en la característica están
representadas por diferencias iguales en los números
asignados a las características.
4: El punto cero refleja la ausencia de esa característica.
RESUMEN DE ESCALAS DE MEDICIÓN
NIVELES DE DATOS
NOMINAL ORDINAL DE INTERVALO DE RAZÓN

Las diferencias
El 0 y el cociente
Solo clasifica Ordena los datos entre los valores
entre valores
los datos por jerarquía tienen
tienen significado
significado

Número en la Número de
camiseta de un Calificación de un
estudiante en su clase Temperatura pacientes
jugador de fútbol atendidos
RESUMEN DE TIPOS DE VARIABLES Y
ESCALAS DE MEDICIÓN
Variables

Cualitativa o Atributo Cuantitativa o Numérica

Escala de medición Escala de medición Tipo de Variable

Nominal Intervalo Discreta

Ordinal Razón Continua

 CLASIFICACIÓN DE VARIABLES
Variable Cuantitativa Variable Cualitativa
(Numérica) (No numérica )

Continua Discreta Ordinal Nominal

Se caracteriza por
Puede tomar Toma sólo Tienen un No tienen
cualquier valor ciertos orden un orden
en un intervalo valores. predeter- predeter-
dado. (Procesos (procesos de minado: minado:
de medición) contar)
-Nivel de Sexo,
Ejemplos
Educación, estrato ocupación,
Nº de trabajadores socioeconómico, Condición de
Ingreso, talla, por oficina, categoría de de empleo
nº de alumnos ocupación. (nombrado o
peso etc.
por curso etc. contratado)
70
Escalas de Medición: Intervalo
72
Técnicas de recolección de datos
CENSO =>Estadística Descriptiva

• Se emplea cuando el número de unidades de análisis

no es grande (n< 40 aproximadamente)
• Si el número de unidades de análisis es grande y se
necesita una amplia cobertura de información en
áreas menores, como distritos, Comunidades nativas,
y otros.
Características
• Costoso
• Errores de Medición (de obtener la información).
73
Técnicas de recolección de datos
MUESTREO => Estadística Inferencial

• Se emplea cuando el número de unidades de análisis

es grande pero no se necesita información a detalle de
áreas geográficas menores.
Características
• Mayor rapidez y viabilidad
• Mayor exactitud en la obtención de información
• Reduce los costos
• No tiene cobertura en áreas menores.
74
 FUENTES PRIMARIA DE DATOS DE DATOS
ESTADÍSTICOS
• No todos los temas disponen de datos publicados. En
esos casos , la información deberá recolectarse y
analizarse. Esto se llama .“Fuente Primaria”.
Primaria
• Una forma de recolectar datos es mediante las
encuestas.
• Hay dos posibilidades:
a) Encuestas Muestrales ( En Muestras)
b) Encuestas Censales (En poblaciones)
75
FUENTES SECUNDARIA DE DATOS ESTADÍSTICOS
• Los problemas que se estudian o se
investigan se adquieren de datos
empíricos ( de la realidad) publicados u
obtenidos.
• Se pueden encontrar datos
(estadísticas) relacionadas en artículos
publicados, tesis, revistas y periódicos.
Estos se llaman “Fuentes secundarias
Fuentes Secundarias MUESTREOS

76
GRAFICO DE BARRAS
GRAFICO DE BARRAS SOLIDAS
PICTOGRAMAS
PICTOGRAMAS
 PICTOGRAMAS
Gráfico Perú: Deforestación de la Amazonía: 1914-2028
(millones de arboles)

82
Perú: Densidad: Poblacional
(Habitantes/ Km2

MAPA
ESTADISTICO

83
Fuente: Censo Poblacional 1993
COMPARACION DE CONJUNTO DE
DATOS
GRAFICO DE BARRAS
GRAFICO DE BARRAS
COMPARACION DE CONJUNTO DE
DATOS
 GRAFICO DE BARRAS DE
COMPARACION OPUESTA
Perú: Pirámide Poblacional – 2005 (Cifras Porcentuales)

88
GRAFICO DE BARRAS DE
COMPARACION OPUESTA
 PICTOGRAMAS
Gráfico de Mujeres en el Mundo: 1990-95

90
Fuente: Roberto Avila Acosta - Estadística Elememtal
GRAFICAS CIRCULARES
GRAFICAS CIRCULARES
6.- DISTRIBUCION
DE FRECUENCIAS
1-9

MUESTRA
• Se denomina muestra al subconjunto de ese
universo y del cual se recopilarán los datos.
• Ejemplo, se quiere saber el número de hijos por
matrimonio en Lima. Para este propósito, se elige
una muestra representativa de   50   matrimonios de
ella. Se obtienen los siguientes datos:
2,2,4,1,3,5,3,2,1,6,3,4,1,2,0,2,3,
1 , 7 , 4 , 2, , 3 , 0 , 5 , 1 , 4 , 3 , 2 , 4 , 1 , 5 , 2 , 1 , 2 ,
4,0,3,3,2,6,1,5,4,2,0,3,2,4,3,1.
• El número total de datos se representa con la letra  
n.   En nuestro ejemplo   n   =   50.
94
 FRECUENCIA ABSOLUTA  ( fi )
TABLA

• La frecuencia absoluta es el xi fi
número de veces que aparece 0 4
un valor   (xi)   en los datos 1 9
obtenidos. 2 12
• En nuestro ejemplo, la 3 10
frecuencia absoluta indica el 4 8
número de familias que tienen 5 4
esa cantidad de hijos: 6 2
7 1
95
FRECUENCIA ABSOLUTA  ( fi )
GRAFICOS

96
FRECUENCIA ABSOLUTA  ( fi )
GRAFICOS

97
FRECUENCIA ABSOLUTA  ( fi )
GRAFICOS

98
 FRECUENCIA ABSOLUTA
ACUMULADA  ( Fi )
• La frecuencia absoluta acumulada indica cuantos
elementos de la lista de datos son menores o iguales
a un valor dado. Es la suma de las frecuencias
absolutas desde la primera fila hasta la fila elegida.
• Por ejemplo, sabemos que hay 25 matrimonios de la
muestra que tienen a lo más   2   hijos:

99
FRECUENCIA ABSOLUTA
ACUMULADA  ( Fi )
TABLA
xi fi Fi
0 4 4
1 9 13
2 12 25
3 10 35
4 8 43
5 4 47
6 2 49
7 1 50
100
FRECUENCIA ABSOLUTA
ACUMULADA  ( Fi )
GRAFICA

101
FRECUENCIA ABSOLUTA
ACUMULADA  ( Fi )
GRAFICA

102
 FRECUENCIA RELATIVA ( hi )
• La frecuencia relativa es el cuociente entre la
frecuencia absoluta   (fi)   y el número total de datos  
(n). En nuestro ejemplo n   =   50:
TABLA
xi fi Fi hi Hi
0 4 4 0,08 0,08
1 9 13 0,18 0,26
2 12 25 0,24 0,50
3 10 35 0,20 0,70
4 8 43 0,16 0,86
5 4 47 0,08 0,94
6 2 49 0,04 0,98
7 1 50 0,02 1,00 103
FRECUENCIA RELATIVA ( hi )
GRAFICA

104
FRECUENCIA RELATIVA ( hi )
GRAFICA

105
 FRECUENCIA RELATIVA
ACUMULADA  (Hi)
• La frecuencia relativa acumulada es el cuociente entre
TABLA:

la frecuencia absoluta acumulada   (F i)   y el número

total de datos   (n). En nuestro ejemplo,   n   =   50:
TABLA
xi fi Fi hi Hi
0 4 4 0,08 0,08
1 9 13 0,18 0,26
2 12 25 0,24 0,50
3 10 35 0,20 0,70
4 8 43 0,16 0,86
5 4 47 0,08 0,94
6 2 49 0,04 0,98
7 1 50 0,02 1,00 106
FRECUENCIA RELATIVA
ACUMULADA
GRAFICA
 (H i )
GRAFICA

107
FRECUENCIA RELATIVA
ACUMULADA  (Hi)
GRAFICA

108
 FRECUENCIA PORCENTUAL (fi %)
• La frecuencia porcentual es la frecuencia relativa (hi)
expresada en forma porcentual. En otras palabras, es la
frecuencia relativa (hi) multiplicada por 100.
• En nuestro ejemplo
TABLA

xi fi Fi hi Hi fi%
0 4 4 0,08 0,08 8%
1 9 13 0,18 0,26 18 %
2 12 25 0,24 0,50 24 %
3 10 35 0,20 0,70 20 %
4 8 43 0,16 0,86 16 %
5 4 47 0,08 0,94 8%
6 2 49 0,04 0,98 4%
7 1 50 0,02 1,00 2% 109
FRECUENCIA PORCENTUAL (fi %)
GRAFICA

110
FRECUENCIA PORCENTUAL (fi %)
GRAFICA

111
 FRECUENCIA PORCENTUAL 
ACUMULADO (Fi %)
• La frecuencia porcentual acumulada es la frecuencia relativa
acumulada (Hi) multiplicada por 100. En nuestro ejemplo:
TABLA
xi fi Fi hi Hi fi% Fi%
0 4 4 0,08 0,08 8% 8%
1 9 13 0,18 0,26 18 % 26 %
2 12 25 0,24 0,50 24 % 50 %
3 10 35 0,20 0,70 20 % 70 %
4 8 43 0,16 0,86 16 % 86 %
5 4 47 0,08 0,94 8 % 94 %
6 2 49 0,04 0,98 4 % 98 %
7 1 50 0,02 1,00 2 % 100 % 112
FRECUENCIA PORCENTUAL 
ACUMULADO (Fi %)
GRAFICA

113
FRECUENCIA PORCENTUAL 
ACUMULADO (Fi %)
GRAFICA

114
TABLAS DE DISTRIBUCION
DE FRECUENCIAS
 Problema Nº 01: El Area de Control de Calidad de la
empresa VILLARAN S. A. A esta llevando a cabo un
seguimiento a un lote de piezas mecanizadas en su
taller de metalmecánica, para esto ha tomado una
muestra aleatoria y se necesita obtener el siguiente
análisis estadístico descriptivo:
– Tabla de Frecuencias.
– Histogramas.
– Polígonos de Frecuencia (tarea para el alumno).
– Ojivas (tarea para el alumno).

117
1279,5 1278,0 1283,0 1273,0 1280,5
1285,0 1273,0 1282,5 1271,5 1269,0
1280,0 1280,0 1272,5 1275,5 1284,0
1273,0 1277,5 1275,5 1277,0 1287,0
1284,0 1286,0 1275,0 1278,0 1275,5
1280,5 1280,0 1282,0 1283,5 1280,0
1275,5 1281,0 1271,0 1274,5 1280,5
1278,0 1275,0 1280,5 1279,0 1278,0
1279,5 1278,5 1266,5 1287,5 1275,5
1275,0 1279,5 1282,5 1276,0 1280,0
1267,0 1273,5 1284,5 1279,5 1274,5
1272,0 1275,0 1276,0 1268,0 1285,0
1282,0 1276,5 1279,0 1269,0 1282,0
1276,0 1271,5 1281,0 1285,5 1276,5
1269,5 1284,5 1276,0 1268,0 1268,5
1266,5 1276,0 1287,5 1272,5 1275,5
1273,5 1268,5 1273,5 1266,5 1269,0
1285,5 1272,5 1272,5 1278,0 1271,5
1275,5 1284,5 1279,5 1267,0 1280,5
1283,5 1286,0 1279,0 1271,0 1287,0
118
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
1. Se identificó que la variable es cuantitativa continua.
2. Se tiene que (Xmax) = 1287.5 y (Xmin)= 1266.5
3. R =(Xmax) - (Xmin)= 1287.5 – 1266.5 = 21.0
4. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver
Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos
– Utilizar la regla de Sturge: m = 1 + 3,3log n
– Si n = 100
– k = 1 + 3,3log(100) = 7.61 = 8 (redondeo simple)

119
 DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
• Se redondea k = 8 intervalos de clase (por ahora).
• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
• X`min = 1266.5 – 0.1/2 = 1266.45
• Amplitud de Clase= a = R/k = 21.0/8 = 2.6
• Marca de clase= MC=(Xmin + a/2)
• MC1 = (1266.45 + 2.6/2) = 1267.75
• Y se empieza la tabla 120
 INTERVALOS MCi fi Fi hi Hi
[ 1266,45 - 1269,05 ) 1266,75 12 12 0,12 0,12
[ 1269,05 - 1271,65 ) 1269,35 6 18 0,06 0,18
[ 1271,65 - 1274,25 ) 1271,95 11 29 0,11 0,29
[ 1274,25 - 1276,85 ) 1274,55 20 49 0,20 0,49
[ 1276,85 - 1279,45 ) 1277,15 11 60 0,11 0,60
[ 1279,45 - 1282,05 ) 1279,75 20 80 0,20 0,80
[ 1282,05 - 1284,65 ) 1282,35 10 90 0,10 0,90
[ 1284,65 - 1287,25 ) 1284,95 8 98 0,08 0,98
[ 1287,25 - 1289,85 ] 1287,55 2 100 0,02 1,00

            100   1,00  
Histograma fi
Histograma Fi

123
Histograma hi

124
Histograma Hi
 PROBLEMAS PROPUESTOS
Problema Nº 02: Elaborar la Tabla de Distribución de Frecuencias,
Dibujar el Histograma y Polígono de Frecuencia, Aplicar los
estadísticos de: posición, variación, simetría, Aplicar los
estadísticos de apuntamiento, ¿Que concluye Ud, después de
todo eso?,

1,67 1,72 1,81 1,72 1,74 1,83 1,84 1,88 1,92 1,75
1,84 1,86 1,73 1,84 1,87 1,83 1,81 1,77 1,73 1,75
1,78 1,77 1,67 1,83 1,83 1,72 1,71 1,85 1,84 1,93
1,82 1,69 1,70 1,81 1,66 1,76 1,75 1,80 1,79 1,84
1,86 1,80 1,77 1,80 1,76 1,88 1,75 1,79 1,87 1,79
1,77 1,67 1,74 1,75 1,78 1,77 1,74 1,73 1,83 1,76
1,83 1,77 1,75 1,77 1,77 1,84 1,83 1,79 1,82 1,76
1,76 1,76 1,79 1,88 1,66 1,80 1,72 1,75 1,79 1,77
Problema Nº 03: Elaborar la Tabla de Distribución de Frecuencias,
Dibujar el Histograma y Polígono de Frecuencia, Aplicar los
estadísticos de: posición, variación, simetría, Aplicar los
estadísticos de apuntamiento, ¿Que concluye Ud, después de
todo eso?,

1,72 1,81 1,72 1,74 1,83 1,84 1,88 1,92 1,75 1,84

1,86 1,73 1,84 1,87 1,83 1,81 1,77 1,73 1,75 1,78

1,77 1,67 1,83 1,83 1,72 1,71 1,85 1,93 1,82 1,69

1,7 1,81 1,66 1,76 1,75 1,80 1,79 1,84 1,86 1,80

1,77 1,80 1,67 1,78 1,77 1,74 1,73 1,83 1,76 1,83

1,76 1,88 1,75 1,79 1,87 1,79 1,77 1,67 1,74 1,75

1,77 1,75 1,77 1,77 1,84 1,83 1,79 1,82 1,76 1,76
Problema Nº 04: Tenemos los datos de la edad de los alumnos del 5to
año de una I,E, Elaborar la Tabla de Distribución de Frecuencias,
Dibujar el Histograma y Polígono de Frecuencia, Aplicar los estadísticos
de: posición, variación, simetría, Aplicar los estadísticos de
apuntamiento, ¿Que concluye Ud, después de todo eso?,

16 17 14 15 19 17 18 16 15 18 16 20
15 17 17 18 16 14 17 14 19 17 18 16
16 18 18 19 17 13 17 13 20 16 14 18
16 19 17 20 16 14 18 14 17 17 15 15
14 25 16 18 17 15 19 16 17 17 14 18
13 16 15 17 15 16 15 18 16 16 15 13
16 15 14 15 17 16 15 20 17 16 17 19
17 13 15 14 18 17 14 14 16 16 15 13
18 14 17 15 19 17 13 15 18 17 17 16
19 16 16 13 18 18 18 16 17 14 15 18
17 13 17 14 15 15 19 17 17 13 16 15
16 19 17 17 15 19 15 18 16 16 19 17
Problema Nº 05: Tenemos las resistencias de la tensión de 80 muestras
de aleación Aluminio-Litio, Elaborar la Tabla de Distribución de
Frecuencias, Dibujar el Histograma y Polígono de Frecuencia, Aplicar
los estadísticos de: posición, variación, simetría, Aplicar los estadísticos
de apuntamiento, ¿Que concluye Ud, después de todo eso?,

105 221 183 186 121 181 180 143 97 154 153 174
120 168 167 141 245 228 174 199 181 158 176 110
163 131 154 115 160 208 158 133 207 180 190 193
194 133 156 123 134 178 76 167 184 135 229 146
218 157 101 171 165 172 158 169 199 151 142 163
145 171 148 158 160 175 149 87 160 237 150 135
196 201 200 176 150 170 118 149
Problema Nº 06:Se
06: lleva a cabo el estudio de dos semanas de
duración sobre productividad de los trabajadores, se
obtuvieron los siguientes datos acerca del numero de piezas
“aceptables” producidas por 110 trabajadores. Encontrar la
Tabla de distribución de frecuencias, el polígono de
frecuencias y la giba correspondiente.

64 35 80 48 29 63 83 66 38 55
77 66 21 41 36 55 44 81 73 60
34 53 65 35 73 79 33 51 62 58
59 57 49 40 76 81 24 71 37 48
44 32 54 69 53 69 55 66 46 40
88 61 56 66 74 52 44 58 40 54
75 41 44 58 75 68 50 73 46 57
47 52 34 44 46 52 51 56 77 61
84 58 77 66 44 22 63 37 63 35
48 62 40 61 66 55 61 56 71 53
62 50 52 53 57 60 51 62 55 52
 Problema Nº 07: Se tiene 30 matrimonios, y se quiere hacer
una tabla de distribución de frecuencias respecto al número de
hijos. Encontrar la Tabla de distribución de frecuencias, el
polígono de frecuencias y la giba correspondiente.

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

1 1 7 1 13 2 19 1 25 2
2 1 8 0 14 1 20 4 26 2
3 0 9 5 15 5 21 1 27 1
4 2 10 2 16 4 22 2 28 1
5 2 11 1 17 5 23 1 29 2
6 2 12 2 18 2 24 4 30 1
Problema Nº 08: En un estudio de control de calidad en
un taller de autos, sobre la eficacia del trabajo de 100
mecanicos, se obtuvieron los siguientes datos
respecto al numero de polos fallados. Elaborar la
Tabla de distribución de frecuencias, el polígono de
frecuencias y la giba correspondiente.

65 36 49 84 79 56 28 43 67 36
43 78 37 40 68 72 55 62 22 82
88 50 60 46 57 46 39 57 73 65
59 48 76 70 70 70 80 75 56 45
75 62 72 90 32 46 64 53 74 34
76 60 48 54 51 70 45 44 35 51
21 35 61 45 33 90 60 60 85 68
45 53 50 77 42 54 52 68 52 47
62 65 75 61 73 50 53 59 41 54
41 74 82 78 26 35 47 70 38 70
Problema Nº 09: En un estudio de control de calidad en
un taller de confecciones, sobre la eficacia del trabajo
de 100 obreras, se obtuvieron los siguientes datos
respecto al numero de polos fallados. Elaborar la
Tabla de distribución de frecuencias, el polígono de
frecuencias y la giba correspondiente.

65 36 49 84 79 56 28 43 67 36
43 78 37 40 68 72 55 62 22 82
88 50 60 46 57 46 39 57 73 65
59 48 76 70 70 70 80 75 56 45
75 62 72 90 32 46 64 53 74 34
76 60 48 54 51 70 45 44 35 51
21 35 61 45 33 90 60 60 85 68
45 53 50 77 42 54 52 68 52 47
62 65 75 61 73 50 53 59 41 54
41 74 82 78 26 35 47 70 38 70
 NUMERO DE CLASES Y LIMITES DE
CLASE:
Problema Nº 09: Igual que el problema anterior, hallar la Tabla
de Distribución de Frecuencias.
27,9 28,0 28,8 28,1 28,0 27,6 27,9 28,5 28,1 27,8
27,9 28,3 28,1 28,0 28,1 28,0 28,1 27,8 27,8 27,9
28,1 28,4 27,6 28,3 28,4 27,8 28,5 27,9 28,0 28,3
27,8 27,8 27,9 28,2 28,1 28,3 27,9 27,8 27,9 27,9
27,8 27,9 27,7 27,9 28,0 28,2 28,0 28,1 27,7 28,3
28,1 28,1 28,1 27,5 28,1 27,5 28,9 28,0 28,4 27,7
28,0 28,3 28,4 28,3 27,8 27,9 28,6 27,9 28,1 27,9
28,0 27,6 28,5 27,6 28,0 28,0 28,3 27,9 27,6 28,1
28,3 27,2 28,0 28,0 28,3 27,9 28,6 28,0 28,1 27,7
27,8 27,5 28,2 28,3 27,8 27,9 28,7 27,5 27,8 28,3
 NUMERO DE CLASES Y LIMITES DE
CLASE: TERCER METODO (LH)
1. Se tiene que (Xmax) = 28,9 y (Xmin)= 27,2
2. R =[(Xmax) - (Xmin)]= 28,9 – 27,2 = 1,7
3. Calculamos el “intervalo de Clase (c)”, “c” debe ser múltiplo de
la unidad mínima de medición .
c = [(Xmax) - (Xmin)]/k = 1,7/10 = 0,17  0,2
k = es el número de clases o intervalos, y por experiencia se
sugiere que tome los siguientes valores:

NUMERO DE DATOS VALORES DE K

50 - 100 APROX. 6 - 10
100 - 250 DE 7 - 12
MAS DE 250 DE 10 - 20
 NUMERO DE CLASES Y LIMITES DE
CLASE: TERCER METODO (LH)
4. El límite inferior de la primera clase se calcula:
(Xmin) – Unidad mínima/2= 27,2 – 0,1/2 – 27,15
se le suma el intervalo de clase para encontrar el limite superior
del 1er intervalo, repetiremos esto haremos esto hasta
sobrepasar el valor máximo.
5. Ahora hallaremos la marca de clase:
MC = (límite sup. de clase + límite inf. de clase)/2
MC1 = (27,35 + 27,15)/2 = 27,25
Y se empieza la tabla:
 NUMERO DE CLASES Y LIMITES DE
CLASE: TERCER METODO (LH)
INTERVALOS MC fi Fi hi Hi
[ 27,15 - 27,35 ] 27,25 1 1 0,01 0,01
[ 27,35 - 27,55 ] 27,45 4 5 0,04 0,05
[ 27,55 - 27,75 ] 27,65 9 14 0,09 0,14
[ 27,75 - 27,95 ] 27,85 29 43 0,29 0,43
[ 27,95 - 28,15 ] 28,05 30 73 0,30 0,73
[ 28,15 - 28,35 ] 28,25 15 88 0,15 0,88
[ 28,35 - 28,55 ] 28,45 7 95 0,07 0,95
[ 28,55 - 28,75 ] 28,65 3 98 0,03 0,98
[ 28,75 - 28,95 ] 28,85 2 100 0,02 1,00
100 1,00
 DIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)
 DIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)

Ejemplo: Datos de resistencia a la tensión de

muestras de mortero Portland (Kg/cm2) con
polímero agregado:
16.85 16.40 17.21 16.35 16.52
17.04 16.96 17.15 16.59 16.57
mortero Portland sin modificar:
17.50 17.63 18.25 18.00 17.86
17.75 18.22 17.90 17.96 18.15
 DIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)

* * ** * * ** * * + + + + + ++ + + +

16.0 16.5 17.0 17.5 18.0 18.5

* = Mortero modificado
+ = Mortero sin modificar
DIAGRAMA DE TALLO Y HOJAS
DIAGRAMA DE TALLO Y HOJAS
DIAGRAMA DE TALLO Y HOJAS
 Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Es una gráfica usada para datos cuantitativos.
Ejemplo: Los siguientes datos representan pesos de una
muestra de 15 varones adultos.
165 178 185 169 152 180 175 189 195 200 183
191 197 208 179
Hacer su gráfica de “Stem-and Leaf”.

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

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

146
 Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Luego el “stem-and leaf “ será de la siguiente manera:

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

exactamente igual al del Histograma, la única diferencia
está en que del “stem-and-leaf” se pueden recuperar los
datos muestrales, pero de un histograma no se puede
hacer. En este ejemplo el “stem-and-leaf” es asimétrico a
la izquierda, no tiene mucha variabilidad ni “outliers”.
147
 DIAGRAMA DE TALLO Y HOJAS
Ejemplo: Resistencia a la Tensión de 80 muestras de aleación
Aluminio-Litio

105 221 183 186 121 181 180 143 97 154

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