Notas Clase Probabilidad Estadística 1

Profesor: Patricia Chvez
Notas de Estadstica Descriptiva
UNIVERSIDAD NACIONAL DE COLOMBIA

Estadstica descriptiva
CAPITULO I.
INTRODUCCION
1.1 FORMAS DEL SABER
Los seres humanos poseen mayores o menores conocimientos, segn el modo y grado de
participacin en la totalidad de la cultura, pero las formas y tipos de conocimiento generan dos
modos principales del saber que son el saber cotidiano y el saber cientfico.
Se sabe de manera natural por el solo hecho de vivir y se sabe cientficamente cuando existe
disposicin de conocer con arreglo a ciertos procedimientos.
1.1.1
Saber cotidiano
Es el saber o conocimiento que se adquiere en la experiencia cotidiana. Es el modo comn y

corriente, espontaneo de conocer.
Este saber cotidiano, tambin llamado vulgar, se caracteriza por ser superficial, en el sentido de que
se conforma con lo aparente, como en el modo de establecer cnones de validacin; se limita a
percibir lo inmediato a travs de experiencias, vivencias, estados de nimo y emociones de la vida
diaria, permaneciendo a nivel de certeza sensorial.
Otra caracterstica propia de este saber es la de ser crtico puesto que est apoyado solo en la
evidencia inmediata y solo percibe entonces la epidermis de la realidad; puede decir acerca de lo
que pasa, pero no porque pasa lo que pasa.
1.1.2
Saber cientfico
Se acepta actualmente como definicin de conocimiento cientfico o en general Ciencia, aun

conjunto de conocimientos racionales, ciertos o probables, que obtenidos de manera metdica y
verificados empricamente, se sistematizan orgnicamente, haciendo referencia a objetos de una
misma naturaleza, cuyos contenidos son susceptibles de ser trasmitidos.
Es racional puesto que exige el uso de la razn y ello tiene exigencias metdicas que conforman
una serie de elementos bsicos, tales como un sistema conceptual, hiptesis, definiciones, etc.
Es cierto o probable: en la ciencia no existe la certeza absoluta, sino solo la probabilidad inductiva;
se trata de verdades parciales, sujetas a correccin cuando nuevos datos o experiencias demuestran
la necesidad de rectificacin.
Los conocimientos de la ciencia no se adquieren al azar o en la vida cotidiana, sino mediante regla
lgicas que acompaadas de procedimientos tcnicos se organizan segn ciertas convenciones
cientficas; por esto la ciencia es metdica.

Tambin requiere la confrontacin con la realidad y la sistematizacin orgnica, ya que no se trata

de conocimientos inconexos sino de un saber ordenado lgicamente constituyendo un sistema de
generalizaciones y principios que relacionan los hechos entre s, deduciendo leyes y teoras.
Lo anterior implica que el saber cientfico se refiera a objetos de una misma naturaleza, objetos
pertenecientes a un determinado mbito de la realidad, que guardan entre s caracteres de
homogeneidad, acerca de los cuales se afirma algo de sus propiedades estructurales y relaciones.
Finalmente, los conocimientos de una ciencia deben ser transmisibles por medio de un lenguaje que
le es propicio y que debe responder a todas las exigencias de claridad y precisin.
1.2 Mtodo cientfico e investigacin
Entre un tipo del saber y otro existe una separacin que no es cualitativa sino de grado; lo
diferenciador no esta dado por la naturaleza del objeto de estudio, ni por la veracidad de lo conocido
sino por la forma de su adquisicin y los instrumentos del conocer. En tanto que el saber vulgar no
es sistemtico, el cientfico lo es, requiere de un proceso formal, es decir de un METODO.
Se entiende por el mtodo cientfico el camino a seguir mediante una serie de operaciones, reglas y
procedimientos fijados de antemano de manera voluntaria y reflexiva, para alcanzar un determinado
fin que puede ser material o conceptual.
1.2.1
Caractersticas del mtodo cientfico
Es FACTICO, en el sentido de que los hechos son fuente de informacin y de respuesta. Se dice
que el mtodo cientfico parte de la observacin de los hechos, est basado en los hechos, tiene un
referencial emprico.
TRACIENDE LOS HECHOS; si bien el Mtodo Cientfico parte de los hechos particulares, no se
detiene en ellos sino que mediante un salto del nivel observacional al terico los trasciende, los
problematiza y establece leyes, teoras, etc. La interpretacin de los hechos se realiza desde un
determinado marco de referencia terico que, a su vez, se apoya en supuestos metatericos.
Se atiene a REGLAS METODOLOGICAS formalizadas (operaciones, procedimientos
establecidos de antemano), pero no por eso deshecha la intuicin y la imaginacin.
Se vale de la VERIFICACION EMPIRICA para formular respuesta a los problemas planteados y
para apoyar sus propias afirmaciones, exigiendo una constante confrontacin con la realidad que
lleva a la problematizacin de lo ya adquirido y admitido.
Esta permanente confrontacin hace que el Mtodo Cientfico sea AUTOCORRECTIVO Y
PROGRESIVO. Es autocorrectivo en cuanto va rechazando, corrigiendo o ajustando las propias
conclusiones en la medida que algunos hechos demuestren la existencia de algn error u omisin.
Es progresivo ya que, al no tomar sus conclusiones como infalibles o finales, est abierto a nuevos
aportes y a la utilizacin de nuevas tcnicas y procedimientos.
Es GENERALIZANTE, la cosa en particular o el hecho individual o singular interesa en la medida
en que es miembro de una ley o clase. No es que el Mtodo ignore la cosa individual o el hecho
-2-

irrepetible, lo que ignora es el hecho aislado, puesto que sus enunciados son universales y expresan
el comportamiento general de la naturaleza o de los eventos en estudio.
Es SISTEMATICO, el conocimiento cientfico es un sistema de ideas conectadas lgicamente.
Necesita de la racionalidad cientfica, de modo tal que establece criterios de precisin en la
observacin.
La investigacin cientfica es ESPECIALIZADA, necesita mantener la unidad metodolgica de la
ciencia para su aplicacin a adversos factores de la misma ciencia. Su interrelacin se hace
mediante la interdisciplinariedad cientfica.
Finalmente, el conocimiento cientfico es COMUNICABLE, es expresable para el pblico. La
comunicacin debe romper los muros del secreto cientfico para encontrar la va al progreso
tecnolgico y cultural.
1.3 La Estadstica y el Mtodo Cientfico
La palabra Estadstica, proviene de la raz latina status o de la griega statera o de la palabra
alemana staat, todas relativas al concepto de Estado como ente gubernamental.
Esta acepcin de la palabra Estadstica, desafortunadamente la nica que tiene un grueso de la
opinin publica en nuestro medio acerca de lo que es esta ciencia, aparece recalcada en el prefacio
de Una visin poltica del estado actual de Europa, por E.A.W Zimmermann, publicada en 1787,
donde anota: Hace cerca de cuarenta aos que esta rama del conocimiento poltico, que tiene como
objeto estudiar la potencia real y relativa de los distintos estados modernos, la capacidad derivada
de sus condiciones naturales, la industria y la civilizacin de sus habitantes y la sabidura de sus
gobernantes, se ha constituido, principalmente por obra de escritores alemanes, en una ciencia
independientePor la forma ms conveniente que ahora ha tomado, esta ciencia, conocida por el
recin inventado nombre de Estadstica, ha llegado a ser un estudio favorito en Alemania.
Las tcnicas descriptivas, se diversifican a fenmenos no necesariamente estatales, como la
industria, la economa, etc. por lo que, se define entonces la Estadstica como un Mtodo para
describir numricamente, caractersticas de fenmenos colectivos. Hoy en da los procesos
descriptivos de la Estadstica, son una parte esencial de tal ciencia, pero no son los nicos;
corresponderan al proceso inicial del Mtodo Cientfico, anteriormente citado, o sea a la
observacin de los hechos.
Aproximadamente, por lo misma poca en que se presenta la citada acepcin de Estadstica, est en
auge una rama de las Matemticas, con sus principales exponentes en Francia e Inglaterra, que trata
de controlar el comportamiento de los juegos de azar y por ende de todo fenmeno afectado por
este, dando origen al Calculo de Probabilidades, que se constituira en un gran aporte para el mayor
desarrollo de la Estadstica. Se requiere de un procedimiento estructurado, sistematizado,
formalizado, es decir cientfico, para manejar la incertidumbre, que adems permita cuantificar los
diversos niveles de esta.
Filosficamente no se esta descubriendo o desarrollando la probabilidad, pues ella es inherente al
ser humano, sino que se est cuantificando. Al respecto es conveniente considerar dos tipos de
fenmenos a los que se enfrenta el ser humano en su vida comn y corriente y por consiguiente en
su vida tcnica y cientfica. Ellos son los llamados fenmenos deterministicos y los fenmenos
-3-

aleatorios, caracterizados los primeros por ser de naturaleza tal que, al obsrvalos o realizarlos bajo
las mismas condiciones generales, presenta siempre el mismo resultado, en tanto que los segundos
no presentan tal caracterizacin.
La distincin la origina el determinismo causal, que implica para los fenmenos deterministicos un
conocimiento y control absoluto de todos los factores que determinan el comportamiento del
fenmeno, lo cual no sucede en el caso aleatorio, donde se supone que adicionalmente actan
factores de casualidad o del azar, debidos a conocimientos de factores causales pero con la
imposibilidad de controlarlos o desconocimiento de algunas de las causas. Ciertos filsofos
aseguran que todo fenmeno esta constituido por factores de causalidad y factores de casualidad,
solo que en algunos casos la influencia de estos ltimos es tan poca, que se puede despreciar y se
acepta entonces el concepto de determinismo absoluto.
Frecuentemente se diferencian los dos tipos de fenmenos, anotando que en los deterministicos se
conocen los posibles resultados y en los aleatorios no. Esto no es cierto, pues en general en las dos
situaciones se conocen los posibles resultados, lo que sucede es que en el caso deterministico se
puede predecir o determinar con certeza cual resultado se presentar o como se comportar el
fenmeno, mientras que en el caso aleatorio solo se puede predecir con incertidumbre lo que
ocurrir. Por consiguiente, el ser humano siempre ha tratado de medir su nivel de incertidumbre, es
decir siempre ha convivido con la probabilidad, en su sentido conceptual de ser una medida de la
verosimilitud de los resultados de fenmenos aleatorios. La palabra verosimilitud es sinnimo de
potencia, posibilidad, fuerza de ocurrencia o suceso.
Palabras, frases y actitudes, han sido utilizadas por el ser humano para referirse a, o manejar lo
incierto, constituyndose aquellas en formas elementales de medida (lgicamente no numrica) de
la verosimilitud. Quien, en situaciones inciertas, no ha dicho o ha odo decir: yo creo, a lo
mejor, posiblemente, inclusive un muy usual lo ms seguro es que? Pues bien, estas
formas de medir son poco formales, muy inciertas, no sistematizadas, nada cientficas y se requiere
un proceso que si posea estas cualidades; es lo que se empieza a desarrollar en la Matemtica,
especialmente en Francia e Inglaterra, como se anot anteriormente. La idea es cuantificar la
probabilidad.
Simultneamente, con este desarrollo matemtico de la probabilidad, se empiezan a detectar en las
estadsticas descriptivas, comportamientos regularizados, tendenciosos, generalizados de los
fenmenos que se describen. Se detecta la regularidad estadstica, que se enunciara posteriormente,
dando lugar los dos procesos al nacimiento de una serie de mtodos que permiten, siempre con
incertidumbre, predecir, proyectar, estimar, inferir fenmenos en diferentes campos de la actividad
humana corriente y sobretodo tcnica y cientfica.
Aparece entonces el concepto Estadstica, para referirse a una Rama de las matemticas, que
permite realizar inferencias en situaciones de incertidumbre, lo que constituye hoy una parte
esencial de la Estadstica, llamada la Inferencia Estadstica, pero que no corresponde exactamente
a una definicin de lo que es esta ciencia.
Una tercera acepcin de la palabra Estadstica se encuentra, ms o menos en las mismas pocas
citadas anteriormente, en Suecia e Inglaterra para hacer referencias a tcnicas de Estudio
numrico de sociedades humanas, lo que hoy llamamos Demografa, pero errneamente conocido
en muchos crculos, como definicin nica y exhaustiva, de Estadstica.
-4-

Finalmente y solo a principios del siglo XX, una segunda escuela inglesa, principalmente
preocupada con problemas de estudio e investigacin en agronoma y biometra, inicia y pone los
cimientos de la ciencia a la que nos referimos actualmente con la palabra Estadstica.
En verdad resultara bastante dispendioso ampliar esta breve resea histrica de la palabra
Estadstica, mas que de la Estadstica como ciencia, pero con el propsito de una mejor ubicacin
de ella, considero suficientes estas notas. La claridad conceptual sobre lo que es la Estadstica y
posibles definiciones mas formales, actuales y generalmente aceptadas, se trataran de lograr en los
captulos siguientes.
CAPITULO II
CONCEPTOS FUNDAMENTALES DE ESTADISTICA
2.1 Definiciones de estadstica
Alexander M. Mood, profesor universitario norteamericano, define a la Estadstica como la
tecnologa del Mtodo Cientfico, ya que le proporciona instrumentos para la toma de decisiones
cuando prevalecen condiciones de incertidumbre.
El profesor escandinavo, Harald Crmer, presenta la siguiente definicin: La Estadstica es una
Ciencia basada en el calculo de probabilidades, cuyo objetivo fundamental consiste en investigar la
posibilidad de extraer de los datos estadsticos, inferencias validas, elaborando los mtodos
mediante los cuales puedan ser obtenidos dichas inferencias.
Leo Dugu de Bernonville, profesor francs, la define como La ciencia que se aplica al estudio
numrico de fenmenos colectivos. Estudio que comprende la observacin de los hechos, su
correcta ordenacin, adecuada clasificacin y su anlisis. Tiene como fin principal el
descubrimiento de caractersticas o propiedades de tipo general, para la mayora del colectivo, pero
no necesariamente a todos y cada uno de los casos.
Como es deducible, estas definiciones y otras similares, no se contradicen, por el contrario se
complementan y permiten apreciar la gran relacin entre esta ciencia y el Mtodo Cientfico. As, se
hace referencia a la observacin de los hechos, observacin que por no ser numrica genera los
datos estadsticos y que est asociada con el refencial fctico del Mtodo Cientfico; pero al igual
que en este, en la Estadstica se pretende inferir, generalizar, es decir trascender los hechos.
2.2 CARACTERISTICAS DEL METODO CIENTIFICO
A partir de las definiciones anteriores, se pueden presentar las siguientes caractersticas del mtodo
estadstico:
Es LOGICO y su lgica est basada en la llamada ley de los grandes nmeros, la cual, expresada
en trminos no formales, dice que entre mayor sea el nmero de hechos que se observan, ms
exactas sern las conclusiones que se obtengan y en la llamada ley de regularidad de frecuencias
referida al hecho de que si se realizan repeticiones u observaciones sucesivas de un fenmeno, la
frecuencia relativa de algn suceso de inters, tiende a estabilizarse alrededor de un valor, el cul
corresponder a la probabilidad de tal suceso. Es conveniente anotar, a propsito de esta
-5-

caracterstica, que la Estadstica no es exacta y como sucede en este tipo de ciencias, trata de lograr
la mayor exactitud posible, o sea el mayor acercamiento a la verdad.
El proceso de razonamiento que utiliza la Estadstica para alcanzar sus objetivos de aplicabilidad es
el INDUCTIVO y para su desarrollo propio el DEDUCTIVO.
Por la misma naturaleza, el mtodo estadstico es NUMERICO. Todo estudio estadstico siempre
conlleva algn tratamiento numrico de la informacin, as sea el elemental de contar.
Est referido siempre a FENOMENOS COLECTIVOS o como algunos autores sugieren, a
AGREGADOS: como al Mtodo Cientfico, solo le interesa el hecho individual como componente
de un hecho numeroso, o sea que es ATIPICO, en el sentido de que los resultados que se obtienen
no se pueden aplicar en forma particular o individual; siempre es GENERALIZANTE.
Naturalmente el mtodo estadstico es OBJETIVO, en la misma forma que se habla de objetividad
en el Mtodo Cientfico. Es esta una caracterstica que algunos usuarios de supuestos procesos
estadsticos, han desacreditado al manipular, en el peor sentido de la palabra, informacin
numrica para comprobar o demostrar as, verdades predeterminadas o mostrar realidades
distorsionadas.
Como conclusin de esta caracterizacin de la Estadstica y siguiendo a A. Mood, es conveniente
tener presente que el fin ltimo de la Estadstica, su objetivo inmediato, es colaborar con el Mtodo
Cientfico en procesos de TOMA DE DECISIONES, cuando prevalecen condiciones de RIESGO
Y/O INCERTIDUMBRE.
2.3 CLASIFICACION DE LOS METODOS ESTADISTICOS
Para su desarrollo y aplicacin la Estadstica utiliza diversos procedimientos, los cuales pueden
clasificarse de la siguiente manera, no exhaustiva ni necesariamente excluyente:
METODOS DESCRIPTIVOS: cuando las conclusiones que se obtienen de las experiencias o
datos en estudio, no rebasan los limites de los mismos. Tienen como objetivo fundamental su
presentacin y anlisis como paso previo a los procesos inferencias.
METODOS INDUCTIVOS O INFERENCIA ESTADISTICA: cuando las conclusiones que se
obtienen de los datos en estudio, rebasan los limites de los mismos. Implica en general, el tomar
decisiones en el caso ms universal del cual forman parte los datos. El proceso de tomar decisiones
en situaciones generales, sobre la base de una informacin incompleta contenida en algunos datos,
es arriesgado y no puede realizarse con certeza absoluta sino con incertidumbre. Sin embargo esta
ltima no es total, pueden controlarse sus niveles, puede medirse su magnitud, lo cual se lleva a
cabo con base en el CALCULO DE PROBABILIDADES.
METODOS TEORICOS O TEORIA ESTADISTICA: es est ante la misma cuando se aborda el
estudio de los fenmenos estadsticos, utilizando los mtodos matemticos en toda su plenitud. Esto
no supone, sin embargo, que la Estadstica sea una rama de las Matemticas, sino que al igual que
otras ciencias (Fsica, Economa, Qumica, etc.), la utiliza como instrumento, y as mientras en la
Matemtica Pura se permanece en el terreno de lo conceptual, en estas ciencias es preciso que las
conclusiones se ajusten a la realidad, pues de lo contrario no sirven.
-6-

2.4 SISTEMA CONCEPTUAL BASICO

2.4.1 El Colectivo, Agregado, Poblacin, Universo
El objeto de estudio de la Estadstica son los llamados fenmenos colectivos para los cuales, el
comportamiento de una serie de caractersticas, est afectado por la casualidad o sea el azar;
tambin se les conoce con el nombre de agregados, poblaciones o universos.
Como COLECTIVO O AGREGADO deben entenderse no solo los colectivos humanos, sino
cualquier conjunto de hechos numerosos de la misma naturaleza, cualquiera que ella sea, que
presentan ciertas caractersticas o modalidades distintivas, cuyo comportamiento generalizado y/o
posible relacin son objeto de estudio.
Como POBLACION, se define a un conjunto de medidas obtenidas al observar alguna
caracterstica de inters en los elementos del colectivo, lo que indica que con un mismo colectivo
pueden, en general as es, estar asociadas varias poblaciones.
Algunos autores definen el concepto de UNIVERSO, como un colectivo terico, bsico para el
desarrollo de la Teora Estadstica. Es necesario anotar que casi siempre se utilizan los trminos
citados como sinnimos, sin que se tenga un consenso aceptado en general, sobre el uso de los
mismos.
2.4.2 Las Variables
Se define, como una VARIABLE, a una caracterstica observable o a un aspecto discernible en un
objeto de estudio, que puede adoptar diferentes valores o expresarse en varias categoras, o a una
caracterstica observable ligada, con una relacin determinada, a otros aspectos observables.
Desde el punto de vista de su naturaleza, se habla de variables CUALITATIVAS para referirse a
aquellas cuyos elementos de variacin tienen un carcter cualitativo, no susceptible de observacin
medible numricamente y de variables CUANTITATIVAS como aquellas cuyas propiedades
pueden presentarse en diversos grados o intensidades de carcter numrico.
De acuerdo con su naturaleza matemtica, se diferencian las variables cualitativas en DISCRETAS
y CONTINUAS, siendo las primeras aquellas que estn definidas sobre recorridos finitos o
infinitos numerables; no pueden tomar valores intermedios entre dos valores dados. Las continuas
son aquellas definidas sobre recorridos infinitos no numerables; pueden tomar cualquier valor
dentro de un recorrido dado.
Para clasificar o categorizar variables, se utilizan diferentes tipos de escalas, siendo las ms
comunes las NOMINALES, las ORDINALES, las de INTERVALO y las de RAZON, cuyo uso
depende bsicamente de los objetivos del estudio y de la naturaleza de la variable.
-7-

2.4.3 Escalas de Medicin o Clasificacin

2.4.3.1 La Medicin
El papel que desempean la medida y la cantidad en la ciencia es muy grande, pero creo que a
veces se ha exagerado. La tcnica matemtica es poderosa, y los hombres de ciencia estn
naturalmente ansiosos de aplicarla siempre que sea posible; pero una ley puede ser muy cientfica
sin ser cualitativa: Russell.
La generalizacin cientfica es siempre y necesariamente cuantitativa: Lundberg.
Cuando uno puede medir y expresar numricamente lo que dice, conoce algo de ello; pero
mientras no pueda uno medir ni expresarse en nmeros, su conocimiento es escaso y poco
satisfactorio: Lord Kelvin.
Contar hechos observables es la operacin bsica de la medicin Contar o computar es
establecer una correspondencia biunivoca entre el conjunto de objetos que hay que contar y un
subconjunto de los enteros positivos Para que una coleccin de hechos sea empricamente
contable, tiene que consistir en miembros empricamente distinguibles: Bunge.
Las citas anteriores, algunas de ellas demasiado extremas, son evidencia de la importancia que para
los tratadistas de la ciencia, la metodologa cientfica y la investigacin, tienen la medicin y la
cuantificacin. Pero es conveniente tratar de responder a la inquietud relativa, a s estos conceptos
signifiquen lo mismo, si tiene la misma acepcin y aplicacin.
En las ciencias sociales, el cientfico social, suele intentar algo parecido a la calificacin o medicin
de las variables sociales; pero, en sus escalas, el investigador social muy a menudo menosprecia un
fundamento de la teora de la medicin.
Pasa por alto que, para hacer ciertas operaciones con los nmeros que ha asignado a las
observaciones, la estructura del mtodo de correspondencia de los nmeros (puntajes) a las
observaciones debe ser ismorfica con respecto a alguna estructura numrica que incluya estas
operaciones. Si los dos sistemas son ismorficos, sus estructuras son las mismas en las relaciones y
operaciones que se permiten. Por ejemplo, si un investigador recoge datos compuestos de puntajes
numricos y luego manipula estos puntajes numricos por adicin y divisin (que son operaciones
necesarias para obtener medias y varianzas), supone que la estructura de su medicin es ismorfica
a la estructura numrica conocida como aritmtica. Es decir, supone que ha logrado un alto nivel de
medida.
La teora de la medicin est formada por un conjunto de teoras separadas y distintas, cada una
referida a un nivel diferente de medicin. Las operaciones permitidas con un conjunto de puntajes
dado, dependen del nivel de medida que se logre. Para ser que el problema radica esencialmente en
la experiencia que se tenga de los nmeros y el concepto que de ellos se posea.
Harber y Runyon, en su texto Estadstica General, presentan a nivel de cuestionario la siguiente
discusin: Al preguntar a un nio y quizs a muchos adultos, que es un nmero, la posible respuesta
es que los nmeros son smbolos que representan cantidades de cosas y que pueden sumarse,
restarse, multiplicarse y dividirse. Los anteriores conceptos aritmticos conocidos, expresan en
realidad todos los posibles usos de los nmeros?. Al respecto se podra preguntar: El smbolo 10
-8-

colocado en la espalda de la camiseta de un jugador de ftbol, es un nmero como el que acaba de

definir? Qu puede decir acerca del nmero de su casa? Qu opina de la programacin del canal 7
de televisin? Estos nmeros indican cantidades de cosas? Pueden ser sumados, restados,
multiplicados y divididos? Es lgico multiplicar el nmero de la camiseta de un jugador, por
cualquier otro nmero que tenga algn significado?.
En general, la medicin puede definirse como un proceso mediante el cul se asignan de un modo
sistemtico smbolos a las observaciones, entre los cuales se definen, con base en alguna
convencin, como legitimas ciertas relaciones determinadas. As los procedimientos de medicin
consisten siempre en la comparacin de una observacin con una serie de smbolos abstractos (tales
como palabras, nmeros, letras, colores, sonidos, etc.) y en la asignacin a la observacin de uno o
ms de tales smbolos de acuerdo con una regla previa, segn lo anota Walter Wallace.
El proceso de medicin tiene como propsito inicial distinguir y por ende clasificar objetos, casos,
fenomenos y debe responder a una serie de principios o requisitos que se enuncian a continuacin.
En primer lugar el proceso de medicin debe ser vlido, entendindose que cumple este requisito
cuando mide de alguna manera demostrable aquello que trata de medir, libre distorsiones
sistemticas.
El segundo principio deseable en la medicin es la fiabilidad. Una medicin es confiable o segura
cuando aplicada repetitivamente a un mismo individuo o grupo, o al mismo tiempo por
investigadores diferentes, proporciona resultados iguales o por lo menos parecidos. La
determinacin de la confiabilidad consiste pues, en establecer si las diferencias de resultados se
deben a inconsistencias en la medida.
Finalmente se tiene el principio de la precisin. Se puede decir que una medicin es precisa cuando
localiza con exactitud satisfactoria, en relacin con el propsito que se busca, la posicin del
fenmeno que se estudia.
Se suelen distinguir cuatro niveles de medicin que dan lugar a cuatro niveles de escalas: nominal,
ordinal o de orden jerrquico, de intervalos y de razn. Ahora bien, el tipo de escala estar dado,
segn sea verificable uno u otro tipo de relacin.
2.4.3.2 La Escala Nominal
Es aquella en donde los nmeros slo se emplean para diferenciar los objetos o distintas categoras
o cuando se emplean nombres. La escala nominal es la ms dbil. Por ejemplo, los nmeros que
utilizan los jugadores de ftbol, los que aparecen en los carnets de los estudiantes.
2.4.3.3 La Escala Ordinal
Llamada tambin escala de orden jerrquico, con ella se establecen posiciones relativas de los
objetos o fenmenos en estudio, respecto a alguna caracterstica de inters, sin que se reflejen
distancias entre ellos. Puede suceder que los objetos de una categora de la escala no sean
precisamente diferentes a los objetos de otra categora de la escala, sino que estn relacionados
entre s. Por ejemplo, los nmeros empleados para clasificar los distintos estratos socioeconmicos
o para designar preferencias.
-9-

2.4.3.4 La Escala de Intervalo

Representa un nivel de medicin ms preciso, matemticamente hablando, que las anteriores; no
solo se establece un orden en las posiciones relativas de los objetos o individuos, sino que se mide
tambin la distancia entre los intervalos o las diferentes categoras o clases. Por ejemplo, las
mediciones de temperatura para las cuales no slo podemos decir hoy hace ms calor que ayer,
sino que podemos decir hoy la temperatura es dos grados ms alta que la de ayer.
2.4.3.5 La Escala de Razn
Cuando una escala tiene todas las caractersticas de una escala de intervalo y adems un punto cero
real en su origen, se llama escala de razn. Adems de distincin, orden y distancia, sta es una
escala que permite establecer en que proporcin es mayor una categora de una escala que otra. El
cero absoluto representa la nulidad de lo que se estudia. Por ejemplo, el peso, de una persona, la
estatura, el ingreso mensual.
2.4.4 El censo o enumeracin completa
Un censo o enumeracin completa consiste en desarrollar los estudios del colectivo o agregado,
para obtener de ellos la informacin necesaria sobre las variables de inters, con el fin de analizarla
e interpretarla.
Este mtodo presenta las siguientes caractersticas:
- No requiere de procesos de inferencia estadstica
- Sus resultados sirven de marco muestral a otros estudios
- Facilita la realizacin de estudios en subcolectivos
- Produce costos demasiado altos, en todo tipo de recursos
- Implica un complicado proceso de planeacin, organizacin y control
- En general los resultados se obtienen a mediano o largo plazo, perdiendo oportunidad y
actualidad
- No permite la realizacin de estudios con altos niveles de especificidad y desagregacin
- En algunos casos, la naturaleza del estudio impide la realizacin del censo, por requerir
procesos de observacin de caractersticas de estudio, mediante mtodos parciales o totalmente
destructivos de los elementos del agregado.
Las desventajas del mtodo censal, no implican necesariamente que nunca se puedan realizar
estudios censales, por el contrario cuando las circunstancias lo permitan por existir objetivos del
tipo muy global, agregados relativamente pequeos y fcilmente ubicables, recursos suficientes,
etc., se debe utilizar este tipo de enumeracin.
2.4.5 El Muestreo
Para resolver los problemas que en general se presentan por realizar censos, se ha desarrollado el
mtodo de muestreo, el cual de manera sencilla puede definirse como un mtodo cientfico que
pone en practica principios estadstico matemticos, que permiten obtener informacin de una
PARTE de los elementos del agregado y hacer inferencias acerca de las caractersticas estudiadas,
para todo el colectivo de origen.
- 10 -

Las principales caractersticas del mtodo son:

- Costos en general ms bajos que en el censo
- Planeacin, organizacin y control ms sencillos y detallados
- Resultados a corto plazo y oportunos
- Posibilidad de realizar estudios ms detallados, al permitir la obtencin de informacin a nivel
ms especfico.
- Solucin de los problemas ocasionados por procesos de medicin destructivos
- Flexibilidad, que permite utilizar diferentes formas de medicin, anlisis e inferencia
- Requiere de procesos de inferencia estadstica
- Dificulta, en algunos casos, los estudios desagregados en sub-colectivos
- No es aceptado, en algunas instancias, sobre todo por la falta de conocimiento de sus bondades.
La parte de elementos que es seleccionada para el estudio, es conocida cmo LA MUESTRA y
para que el proceso tenga validez, esta debe tener caractersticas de representatividad, con respecto
al agregado del cual procede. En procura de tal representatividad, se han desarrollado diferentes
tipos de DISEO MUESTRAL, que consiste en:
- Determinar el tamao de la muestra
- Determinar el proceso de seleccin de la misma
- Determinar los procesos de inferencia.
2.4.6 Los Parmetros y las Estadsticas
Los resultados de estudios y anlisis estadsticos, se reflejan bsicamente en un conjunto de diversas
medidas de diferente ndole y naturaleza. Cuando tales medidas son resultado de una enumeracin
completa o sea que se refieren a todo el agregado, reciben el nombre de PARAMETROS y cuando
son de nivel muestral se les conoce como ESTADISTICAS O ESTADIGRAFOS.
Por ser las muestras seleccionadas en general por mtodos de azar, las estadsticas o estadigrafos se
constituyen en variables aleatorias, para cuyo manejo ser necesario conducir o deducir, el
comportamiento probabilistico de las mismas.
Constituyen los anteriores conceptos, el conjunto bsico del lxico estadstico, especialmente
relativos a lo que debe ser una introduccin a cualquier curso inicial de Estadstica. Conceptos ms
especficos, van apareciendo en la medida en que se presenten otros mtodos, tcnicas y procesos
analticos de esta ciencia.
CAPITULO III
METODOLOGIA DE LA ESTADISTICA
Sin pretender ser exhaustivos, se esbozaran a continuacin las fases que se deben llevar a cabo para
realizar un estudio utilizando las tcnicas estadsticas.
3.1 DEFINICION DE OBJETIVOS
Indudablemente esta etapa constituye el punto de partida de todo estudio y su importancia y
trascendencia, para las fases posteriores, son innegables. Lo esencial es este momento, es responder
- 11 -

a preguntas como Qu?, Para qu? y Por qu? y las respuestas a las mismas deben ser presentadas
de manera clara, concreta, concisa y unificada.
Cabe distinguir en este aspecto, al objetivo (u objetivos) general, que corresponde a una definicin
a grandes rasgos del problema o tema de estudio, de los objetivos especficos, que son definiciones
en detalle y altamente desagregadas de los fines del mismo. Los objetivos especficos, son los
subtemas en que se divide el objetivo general y que una vez alcanzados, llevan en un conjunto al
logro de este.
3.2 DEFINICION DEL COLECTIVO O POBLACION
Tan fundamental para lograr buenos resultados del estudio, como la fase anterior, lo es la definicin
del colectivo o poblacin, la cual, al ser realizada en forma clara, concreta, concisa y unificada,
debe hacer referencia al contenido, las unidades, la extensin y el momento de consideracin de la
misma.
La naturaleza de los elementos que forman el colectivo, su estructura y configuracin temporoespacial, son aspectos que determinan hasta cierto punto, el tipo de muestreo ms conveniente a
utilizar, el marco adecuado, los mtodos de obtencin de la informacin y otros conceptos similares.
En mltiples ocasiones se diferencia la Poblacin objetivo, que es aquella a la cual se refiere en
trminos generales la investigacin, de la Poblacin de estudio, Muestreo o Anlisis, definida como
la poblacin objetivo con una serie de restricciones, generadas por la misma naturaleza del estudio,
falta de cobertura del marco de muestreo, problemas de no-respuesta, etc. En sentido estricto, solo
queda representada en la muestra la poblacin de estudio, pero su descripcin puede ser difcil si se
quiere hacerlo especficamente, por lo que es mas frecuente hacer referencia a la poblacin objetivo
definida.
3.3 DETERMINACION DE LA COBERTURA
Teniendo en cuenta los objetivos del estudio, la estructura poblacional, los recursos disponibles y
las caractersticas de los mtodos de enumeracin completa (censo) o parcial (muestreo) se
determina cual de los dos se deber utilizar.
Teniendo en cuenta que en general los estudios se realizan mediante muestreo, se enunciaran a
continuacin las fases siguientes, bajo el supuesto de que el estudio se realizar utilizando el
mtodo de muestreo.
3.4 DETERMINACION DEL MARCO DE MUESTREO
3.4.1 Definicin
Se entiende por Marco de Muestreo o Marco Muestral, todo artificio o conjunto de artificios, que
permita la identificacin y ubicacin de todos y cada uno de los elementos de la poblacin o en su
defecto, de todas y cada una de las unidades mustrales, ya que es la base del proceso de seleccin
de la muestra.
Los factores relevantes de la naturaleza del marco disponible o factible, incluyen los tipos de
unidades mustrales que contenga, la extensin de la cobertura, la exactitud y completes del mismo,
- 12 -

la cantidad y calidad de informacin auxiliar en l y es determinante para el diseo de la muestra.

Algunos ejemplos de marcos son listas de elementos, archivos, mapas, cartogramas, personas que se
encuentran en el directorio telefnico, etc.
3.4.2 Problemas del Marco
Los problemas ms comunes en la determinacin del marco muestral son:
- Unidades vacas, llamado tambin elementos faltantes, falta de cobertura o marco incompleto y
que consiste en que algunos elementos del agregado, no aparecen en el marco.
- Blancos y extraos, corresponde este problema a situaciones en las cuales el marco contiene
elementos que ya no pertenecen a la poblacin por haber cambiado de estructura o porque
definitivamente desaparecieron de la misma.
- Conglomerados de unidades mustrales, pueden aparecer juntas asociadas con un listado
aislado. Un elemento del marco representa a mas de una unidad muestral.
- Unidades duplicadas, problema que se presenta cuando una unidad aparece mas de una vez en
el marco.
3.4.3 Soluciones Generales
Aunque para cada problema del marco se requieren soluciones especficas, que dependen en gran
parte de la situacin particular en que se encuentre el investigador, se mencionan tres soluciones
generales para tratar de solucionar problemas:
-
Ignorndolos, si son relativamente pequeos comparados con otros errores y el costo de

solucin es muy alto. Se deber en este caso, referenciar la circunstancia bajo la cual se est
utilizando el marco.
Redefinir la poblacin con base en el marco, si el error que se comete es despreciable y si no
cambia el sentido de los objetivos del estudio. Se debe tambin comentar la situacin.
Corregir el marco, solucin que es la ideal, pero en ocasiones la menos factible.
3.5 DEFINICION DE UNIDADES

En trminos generales son normas o patrones de conteo, medicin, seleccin u observacin y su
definicin es fundamental en el estudio, por lo cual debe hacerse tambin muy clara, concreta y
unificadamente. Se distinguen y es necesario definirlas en los correspondientes casos, los tipos de
unidades que a continuacin se presentan.
3.5.1 Unidad Poblacional
Tambin conocidas como las unidades elementales, corresponden al elemento o hecho individual
que se cuenta y/o mide y que unido a los dems de su misma naturaleza, forma el colectivo que se
estudia. Su naturaleza y caractersticas se determinan segn los objetivos de estudio.
3.5.2 Unidad Muestral
- 13 -

Se constituye en el elemento bsico para la seleccin de la muestra de unidades poblacionales.

Pueden ser estas mismas o grupos de ellas, como sucede en el muestreo por conglomerados. Deben
estar definidas en forma tal que cada unidad poblacional pertenezca a una y solo una unidad de
muestreo.
Se subdividen en unidades parciales, que son aquellas que aparecen en razn del proceso de
seleccin y constituyen siempre subdivisiones de la poblacin a travs de las cuales ha de pasarse,
antes de llegar a las unidades finales, definidas estas ltimas como aquellas que tienen
caractersticas definidas de permanencia y son fcilmente distinguibles en periodos mas o menos
largos de tiempo.
3.5.3 Unidades de Observacin
Son aquellos elementos de los cuales se obtiene la informacin, por lo cual se les conoce tambin
con los nombres de fuentes de informacin. Pueden coincidir o no con la unidad poblacional y son
determinantes para la cantidad de informacin y para el proceso de recoleccin de la misma.
3.6 DETERMINACION DEL DISEO MUESTRAL
Definidos claramente los objetivos del estudio y la poblacin, determinado el marco muestral y los
recursos disponibles y definidas as mismo las diversas unidades del proceso, se puede pasar a la
fase de seleccin del tipo de diseo muestral a utilizar, aunque en la practica todas estas etapas se
desarrollan paralelamente.
Para determinar el tipo de seleccin se tienen en cuenta principalmente, los objetivos del estudio, la
estructura de la poblacin, el marco y los recursos disponibles (humanos, financieros, materiales de
disponibilidad de tiempo, etc.). Para el tamao de la muestra se deben considerar los siguientes
aspectos: tipo de seleccin, grado de confiabilidad de los procesos inferenciales, errores de
muestreo, recursos disponibles, caractersticas bsicas a analizar y tamao de la poblacin.
Se suele hacer una gran clasificacin de los tipos de diseo muestral, en dos categoras que son el
Muestreo No Probabilistico y el Muestreo Probabilistico.
3.6.1 Muestreo No Probabilistico
Se caracteriza porque el diseo se realiza en forma subjetiva, arbitraria, segn el criterio del
investigador o del entrevistador de campo. No existe una oportunidad real de que un elemento en
particular de la poblacin, sea seleccionado. No es posible, por lo tanto, calcular el error de
muestreo, ni la confiabilidad de las inferencias. Se est simplemente en el campo de las
especulaciones y las suposiciones.
Algunas modalidades de este tipo de muestreo son:
El muestreo de conveniencia, que se caracteriza porque en general la unidad de muestreo se autoselecciona o se ha seleccionado debido a su fcil disponibilidad. En estos casos no se especifica
claramente la poblacin de la cual se ha tomado la muestra, por lo cual se desconoce la diferencia
entre el valor de inters de la poblacin y el valor de la muestra, en trminos de tamao y direccin.
Desafortunadamente es un muestreo utilizado extensivamente en la prctica.
- 14 -

Muestreo de comparacin, para el cual los elementos son seleccionados con base en lo que algn
experto piensa acerca de lo que esas unidades pueden aportar a la investigacin, por lo cual se les
conoce tambin como muestras por expertos. En este caso se desconoce tambin el error de
muestreo y la confianza, pero si el criterio y tica del experto son validas, la muestra puede resultar
mejor que la de conveniencia. Se utiliza este tipo de muestreo moderadamente en la prctica.
El muestreo por cuotas, que puede considerarse mas un mtodo de seleccin que un tipo de diseo.
El tamao de la muestra y los procesos de inferencia se realizan en forma tcnica, pero los
elementos para la muestra son seleccionados en forma subjetiva, pero con arreglo a ciertas
caractersticas de control previamente determinadas. Es un mtodo de seleccin muy til en las
etapas previas de la investigacin y si se elabora con cuidado, puede suministrar informacin mas
definitiva. Se utiliza muy extensamente en la prctica.
3.6.2 Muestreo Probabilistico
Se fundamenta en la probabilidad que tiene cada elemento del agregado para hacer parte de la
muestra. Dadas ciertas condiciones de confiabilidad, error mximo admisible y tamao poblacional,
se deja al azar el diseo de la muestra.
El muestreo se realiza mediante reglas estadsticas que no permiten ningn elemento de juicio al
investigador, generando muestras mas objetivas.
Permite medir la confiabilidad de los procesos de inferencia y el error de muestreo que por su
naturaleza conlleva. Presenta tambin diversas modalidades, siendo las ms clsicas el muestreo
aleatorio simple, el muestreo estratificado y el muestreo por conglomerados.
3.7 RECOLECCION DE INFORMACION
Se define como el proceso estadstico mediante el cual se obtiene toda la informacin pertinente a
un problema dado. Para llevar a cabo esta tarea de recopilacin de datos e informacin, existen
mltiples procedimientos y la utilizacin de uno u otro, depende de la naturaleza del problema a
estudiar, del equipo de investigacin disponible y de la estructura y caractersticas de las unidades
de observacin.
En trminos globales se consideran dos situaciones bsicas, que dependen del estado de la
informacin y que implican dos tipos de tareas diferentes a saber:
-
Recopilacin de datos sobre el terreno (informacin primaria)

Identificacin y recoleccin de datos ya disponibles para posterior utilizacin (informacin
secundaria).
En el primer caso el procedimiento se basa en la utilizacin de formularios estadsticos, definidos

como instrumento de recopilacin de datos, rigurosamente estructurado, que traduce y
operacionaliza determinados problemas que son objeto de estudio. Aunque existen diferentes
formas de aplicarlo, estas se pueden resumir fundamentalmente en dos que son: la entrevista
personal y el formulario postal; modificacin de estas dos formas bsicas, generan otras.
- 15 -

En la segunda situacin, el proceso se reduce a la llamada recopilacin documental, para lo cual

lo importante es la determinacin de la calidad y confiabilidad de la informacin a ser utilizada en
el estudio.
Al igual que todas las anteriores, esta fase es de gran importancia para la investigacin, pues ella va
a generar la materia prima para su desarrollo, los datos. Existen diversas tcnicas y
recomendaciones respecto a la manera de realizar este proceso, que hacen referencia desde la forma
y tipos de preguntas, hasta la presentacin personal del encuestador en el caso de la entrevista
personal.
3.8 TRATAMIENTO DE LA INFORMACION
Cuando el investigador conduce un estudio, de ordinario rene una gran cantidad de informacin
numrica de datos acerca del problema en cuestin. Los datos podrn tener variedad de formas y su
expresin original, tal cul son recopilados, son usualmente un enredo de recuentos, mediciones,
etc. Al realizar la funcin descriptiva, la Estadstica formula reglas y procedimientos para la
depuracin, clasificacin, presentacin y reduccin de los datos, de tal manera que sean tiles para
su anlisis e interpretacin.
Es necesario depurar los datos, ordenarlos, clasificarlos y reducirlos a cifras relativas como los
porcentajes, los promedios, los coeficientes estadsticos y en general las medidas bsicas de inters.
Temas que se trataran en los prximos captulos del curso.
3.9 ANALISIS E INTERPRETACION
Obtenida, depurada y clasificada la informacin, siguen en orden metodolgico las aplicaciones de
las tcnicas estadsticas correspondientes para su anlisis y solo el conocimiento del contenido y
soporte conceptual de estas, permitir la interpretacin de los resultados.
Considerando que los mtodos estadsticos aplicados y el desarrollo de la Estadstica en si misma,
tienen una fuerte fundamentaron probabilistica, es necesario el conocimiento de los conceptos y
mtodos del clculo de probabilidades, de las variables aleatorias, de las funciones y distribuciones
de probabilidad, tanto generales como especiales, as como de las medidas caractersticas de una
variable aleatoria.
Los llamados mtodos descriptivos, que quizs se deberan llamar empricos u observacionales, son
as mismos importantes y se deberan presentar siempre, en relacin con los tericos. Las tcnicas
de estudio de asociacin entre variables, sean estas cuantificadas o no, se han constituido en los
ltimos tiempos en valiosos auxiliares para la practica y desarrollo de otras ciencias; algo similar
sucede con el anlisis de series de tiempo, con el diseo de experimentos, los mtodos no
paramtricos, el anlisis multivariado, en fin, con todos los procedimientos de anlisis estadstico.
Es de destacar el hecho de que, en los tiempos modernos, la inferencia estadstica, con sus procesos
bsicos de estimacin y pruebas de hiptesis, constituye elemento fundamental no solo para la
aplicacin del Mtodo Cientfico, sino para su desarrollo y como consecuencia lgica, para la
aplicacin y desarrollo de prcticamente todas las disciplinas y ciencias en el diario transcurrir del
ser humano. De all la gran importancia que actualmente ha adquirido y seguir adquiriendo la
Estadstica.
- 16 -

CAPITULO IV
DISTRIBUCIONES DE FRECUENCIAS
4.1 TABLAS DE FRECUENCIAS
Definicin 4.1 Una tabla de frecuencias es un arreglo tabular de las frecuencias con que ocurre
cada caracterstica en que se han dividido los datos.
Definicin 4.2 Un intervalo de clase es cada uno de los intervalos en que se ha desidido agrupar
parcialmente los datos con el propsito de hacer un resumen de ellos.
El nmero de mediciones que quedan dentro del intervalo se llama frecuencia del intervalo y se
denota por fi. La diferencia entre el extremo mayor y el extremo menor del intervalo se llama
longitud del intervalo.
Ejemplo 4.1
Tabla 4.1 Demanda diaria de cierto producto durante 40 das seguidos
Clase
Intervalo
fi
1
4.5 - 9.5
4
2
9.5 - 14.5
11
3
14.5 - 19.5
13
4
19.5 - 24.5
10
5
24.5 - 29.5
2
La tabla anterior corresponde a una frecuencia para datos cuantitativos. Los distintos intervalos son:
[4.5, 9.5], [9.5,14.5], La longitud de los intervalos es 5; los nmeros 4, 11, 13, representan las
respectivas frecuencias.
4.2 CONSTRUCCION DE UNA TABLA DE FRECUENCIAS
La construccin de una tabla de frecuencias para datos cuantitativos presenta como su punto de
mayor importancia la determinacin del nmero de intervalos (clases) que la conformaran. Este
nmero depende de la cantidad y de la naturaleza de los datos a resumir y del propsito que se
busca con el resumen. A continuacin se presentan ciertas reglas que pueden ser tiles en la
determinacin del nmero de intervalos y se prosigue con las pautas para la construccin de una
tabla de frecuencias.
1. El nmero de intervalos debe escogerse de acuerdo con el nmero de datos, como se indica a
continuacin
Numero de datos
De 10 a 100
De 100 a 1000
De 1000 a 10000
Nmero de Intervalos
De 4 a 8
De 8 a 11
De 11 a 14
- 17 -

2. Una vez escogido el nmero de intervalos, se determina la longitud L que deben tener los
intervalos. De la siguiente manera:
Dato max Dato min

k
(1)
donde, k es el nmero de intervalos y el Rango Dato max Dato min .

3. El primer intervalo debe contener el menor de los datos y el ltimo el mayor.
Definicin 4.3 La marca de clase es el punto medio del intervalo de la clase, se denota por:
Yi
Yi -1 'Yi '
2
(2)
Definicin 4.4 La frecuencia acumulada (absoluta) es el nmero resultante de sumar la frecuencia

de la clase j con la frecuencia de las clases antecedentes.
j
Fj f i
(3)
i 1
Definicin 4.5 La frecuencia relativa de la clase j es el cociente entre la frecuencia de la clase j y el

nmero de datos, se denota por:
hj
fi
(4)
Definicin 4.6 La frecuencia acumulada relativa de la clase j es el cociente entre la frecuencia

acumulada de la clase j y el nmero de observaciones, se denota por
Hj
Fj
(5)
Todas las anteriores clases de distribuciones reciben el nombre de distribuciones empricas.

4.3
HISTOGRAMAS Y POLIGONOS
CUANTITATIVOS O CUALITATIVOS
DE
FRECUENCIAS
PARA
DATOS
El histograma de frecuencias es una representacin visual de los datos en donde se evidencian

fundamentalmente tres caractersticas:
1. Forma
2. Acumulacin o tendencia posicional
3. Dispersin o variabilidad
El histograma (de frecuencias) en si es una sucesin de rectngulos construidos sobre un sistema de
coordenadas de la manera siguiente:
- 18 -

1. Las bases de los rectngulos se localizan en el eje horizontal. La longitud de la base es igual al
ancho del intervalo
2. Las alturas de los rectngulos se registran sobre el eje vertical y corresponden a las frecuencias
de las celdas
3. Las reas de los rectngulos son proporcionales a las frecuencias de las clases.
Otro recurso grfico para ilustrar el comportamiento de los datos es el polgono de frecuencias.
Este se construye sobre el sistema de coordenadas cartesianas, al colocar sobre cada marca de clase
un punto a una altura igual a la frecuencia asociada a esa clase; luego se unen dichos puntos por
segmentos de recta.
Definicin 4.7 La ojiva es el polgono que se obtiene de unir por segmentos de recta los puntos
situados a una altura igual a la frecuencia acumulada a partir de la marca de clase como se hace con
el polgono de frecuencia.
4.4 DISTRIBUCION DE FRECUENCIAS PARA DATOS CUALITATIVOS
La construccin de una tabla de frecuencia para datos cualitativos requiere solo del conteo del
nmero de elementos o individuos que caen dentro de cierta clase o tienen determinada
caracterstica.
Ejemplo 4.2. Los siguientes datos corresponden al nmero de estudiantes de cierta universidad, de
acuerdo con su lugar de origen
Lugar de Origen
Norteamericano
Latinoamericano
Europeo
Asitico
Nmero de Estudiantes
1500
500
200
100
4.5 OTRAS REPRESENTACIONES GRAFICAS

4.5.1 Histogramas Dobles
En algunos casos es conveniente para propsitos comparativos representar mediante un mismo
grfico dos caractersticas que estn relacionadas. Estas grficas se llaman histogramas dobles.
Ejemplo 4.3. El nmero y sexo de los empleados de una empresa en los aos comprendidos entre
1988 y 1991.
Tabla 4.2 Nmero y Sexo de Empleados en una Empresa
1988
1989
1990
1991
Masculino
150
180
200
300
Femenino
50
70
100
100
Total
200
250
300
400
En el grfico 4.1 se ilustran los datos de la tabla 4.2.
- 19 -

Nm ero de Em pleados
Grfico 4.1 Nmero y Sexo de Empleados

500
400
Femenino
Masculino
300
200
100
0
1988
1989
1990
1991
Ao
2.5.2 Diagramas Circulares

En otros casos lo que nos interesa no es mostrar el nmero de veces que se da una caracterstica o
atributo, sino ms bien resaltar la proporcin (porcentaje) en que aparece esa caracterstica respecto
del total.
Ejemplo 4.4 El nmero de empleados de una empresa se distribuye porcentualmente de acuerdo
con su tiempo de vinculacin.
Tabla 4.3 Nmero de Empleado de una Empresa
Tiempo de vinculacin Porcentaje
Grados
Menos de 5 aos
20%
72%
Entre 5 y 10 aos
50%
180%
Entre 10 y 15 aos
15%
54%
Entre 15 y 20 aos
10%
36%
Ms de 20 aos
5%
18%
Para construir el diagrama circular se parte del hecho de que el circulo encierra un total de 360
grados. Luego, mediante una regla de tres simple el sector correspondiente al 20% es
X
20 x 360
72
100
Esto es, el 20% corresponde a un sector circular de medida 72 grados. El grfico 4.2 muestra la
representacin grfica.
En el caso de poblaciones infinitas, los polgonos (de frecuencias relativas) para datos cuantitativos
se transforman en curva, llamadas curvas de frecuencias. Estas curvas de frecuencias pueden
presentar distintas formas; las ms comunes son las simtricas y las sesgadas o asimtricas (a la
derecha o a la izquierda).
- 20 -

Grafico 4.2 Diagrama Circular
10%
5%
20%
Menos de 5 aos
Entre 5 y 10 aos
Entre 10 y 15 aos
15%
Entre 15 y 20 aos
Ms de 20 aos
50%
CAPITULO V
MEDIDAS DE POSICION Y DE VARIABILIDAD
5.1 MEDIDAS DE POSICION O MEDIDAS DE TENDENCIA CENTRAL
Una medida de posicin es un nmero que se toma como orientacin para referirnos a un conjunto
de datos.
5.1.1
Media Aritmtica
Definicin 5.1 La media artmetica representa el centro fsico del conjunto de datos y se define
como la suma de los valores observados, dividido por el total de observaciones.
Si X1, . . . , Xn son n observaciones numricas, entonces la media aritmtica de estas n
observaciones, se define como:
n
Xi
X1 X 2 X n
i 1
X
n
n
(6)
Si X1, . . . , Xn son n nmeros con media X , entonces cada una de las diferencias: d1 X 1 X ,
d 2 X 2 X , . . . , d n X n X , se llama desviacin respecto a la media.
Cuando se trata de datos agrupados (tabla de frecuencias) la media esta dada por:
n
fiXi
f1X1 f 2 X 2 f n X n
i 1
X
n
n
5.1.2
Propiedades de la Media Aritmtica

- 21 -
(7)

Una de las ms importantes es que la suma de las desviaciones respecto de la media es igual a cero,
esto es,
n
i 1
i 1
d i (X i X) 0
(8)
Otra propiedad importante es que si Yi a bX i , con a y b constantes, entonces:
Y a bX
(9)
Se suele interpretar esta relacin al decir que la media no se altera por una transformacin lineal de
escala. De esto se deduce,
- Si Yi bX i , entonces Y bX
Por ltimo se tiene que
- Si Wi X i Yi , entonces W X Y .
En algunos casos cada uno de los nmeros de la sucesin X 1, X2,. . . , Xn tiene una importancia
relativa (peso) respecto de los dems elementos de la sucesin. Cuando esto sucede la media est
dad por:
Xp
W1 X 1 W2 X 2 Wn X n
W1 W2 Wn
(10)
en donde W1, W2,. . . , Wn son los pesos de X1, X2,. . . , Xn respectivamente.

La anterior media se llama media ponderada.
Ejemplo 5.1 Si la asignatura A tiene 2 crditos y la asignatura B, 3 crditos. Entonces, para un
estudiante que haya obtenido una calificacin de 4 en la asignatura A y de 5 en la asignatura B, la
nota promedio (ponderado) est dada por
Xp
5.1.3
2( 4) 3(5) 8 15 23
4. 6
23
5
5
(11)
La Mediana
Sea X1, X2,. . . , Xn una sucesin de nmeros(datos). Mediante la escritura X (1) se indica el elemento
menor de la sucesin; por X(2) el elemento que le sigue al menor y as sucesivamente hasta llegar a
X(n) que representa al elemento mayor.
Definicin 5.2 Sea X(1), X(2),. . . , X(n) una sucesin de nmeros (datos), la Mediana de estos datos se
denota y se define de la siguiente manera:
- 22 -

X (n 1 2)
si n es u nmero impar
X~ X (n 2) X (n 2)1
si n es un nmero par
(12)
La mediana es el valor que divide un conjunto de observaciones respecto de la magnitud de los

valores, de tal manera que el nmero de datos por encima de la mediana sea igual al nmero de
datos por debajo de la misma.
5.1.3.1 Mediana para datos no agrupados (discretos)
Ejemplo 5.2 6, 8, 3, 4, 4, 8, 5, 8, 10
Ordenndolos, se obtiene: 3, 4, 4, 5, 6, 8, 8, 8, 10
~
n = 9, luego X X (10/2) X (5) 6
5.1.3.2 Mediana para datos agrupados
1) Determinar la clase mediana, que es aquella en donde esta situada la mediana. Esta se halla al
efectuar el cociente (n/2) y luego ubicar la primera clase (clase mediana) en donde la frecuencia
acumulada es igual o superior a (n/2).
2) Determinar el limite inferior del intervalo de esta clase (L m). A este valor se le adiciona la
fraccin formada por (n/2) menos la frecuencia acumulada de la clase que antecede a la clase
mediana (Fm) dividido por la frecuencia de la clase mediana (f m), multiplicada por la longitud
del intervalo de la clase mediana (c). En formula, el mtodo da
n
Fm -1
2
~
X Lm
c
fm
(13)
donde,
Lm : Limite inferior de la clase mediana
n : Nmero de datos
Fm-1: Frecuencia acumulada de la clase que antecede a la clase mediana
fm : Frecuencia de la mediana
c : Longitud del intervalo de la clase mediana.
5.1.4
La Moda
A veces se tienen que clasificar los datos en grupos que no son nmeros. Por ejemplo; genero,
estado civil, ocupaciones, etc.
Definicin 5.3 La Moda de una sucesin de datos se define como el valor que se da con mayor
.
frecuencia. La moda se denota por X
- 23 -

Para el caso de datos agrupados se determina la moda mediante la siguiente formula:
X L m
d1
c
d1 d 2
(14)
donde,
Lm: Limite inferior de la clase modal (la clase de mayor frecuencia)
d1 : Diferencia entre la frecuencia de la clase modal y la clase que la antecede
d2 : Diferencia entre la frecuencia de la clase modal y la clase que la sigue
c : Longitud del intervalo de la clase modal.
5.1.5
Uso de la Media, Mediana y Moda
La media, mediana y moda se consideran las medidas de posicin ms importantes por su sencillez
y utilidad. No obstante, no son aplicables en todos los casos.
3.2 OTRAS MEDIDAS DE POSICION
3.2.1
Cuartiles
Definicin 5.4 Los Cuartiles de una sucesin de datos ordenados son aquellos nmeros que dividen
la sucesin en cuatro partes porcentualmente iguales.
Hay tres cuartiles, Q1, Q2, Q3. El segundo cuartil Q2, es precisamente la mediana. El primer cuartil
Q1, es el valor en el cual o por debajo del cual queda un cuarto (25%) de todos los valores de la
sucesin (ordenada); el tercer cuartil Q 3 es el valor por debajo del cual quedan las tres cuartas partes
(75%) de los datos.
Para datos agrupados
n
Fk -1
4
Qk Lk
c
fk
k
k 1, 2, 3
(15)
donde,
Lk : Limite inferior de la clase del cuartil k
n : Nmero de datos
Fk-1: Frecuencia acumulada de la clase que antecede a la clase del cuartil k
fk : Frecuencia del cuartil k
c : Longitud del intervalo de la clase del cuartil k.
5.2.2 Deciles
Definicin 5.5 Los Deciles son ciertos nmeros que dividen la sucesin datos (ordenados) en diez
parte porcentualmente iguales. Los deciles se denotan por D1, D2, . . . , D9.
Para datos agrupados los deciles se calculan mediante:
- 24 -

n
Fk -1
10
Dk Lk
c
fk
k
k 1, 2, ,9
(16)
donde,
Lk : Limite inferior de la clase del decil k
n : Nmero de datos
Fk-1: Frecuencia acumulada de la clase que antecede a la clase del decil k
fk : Frecuencia del decil k
c : Longitud del intervalo de la clase del decil k.
5.2.3 Percentiles
Definicin 5.6 Los Percentiles son ciertos nmeros que dividen la sucesin de datos ordenados en
cien partes porcentualmente iguales.
Cuando los datos estn agrupados en una tabla de frecuencias, se calculan mediante
n
Fk -1
100
Pk L k
c
fk
k
k 1, 2, ,99
(16)
donde,
Lk : Limite inferior de la clase del percentil k
n : Nmero de datos
Fk-1: Frecuencia acumulada de la clase que antecede a la clase del percentil k
fk : Frecuencia del percentil k
c : Longitud del intervalo de la clase del percentil k.
5.2.4 Proporcin
Definicin 5.7 La Proporcin, designada por p, se refiere a la fraccin de la muestra que posee
determinada caracterstica o propiedad.
5.2.5 Media Geomtrica
La media, la mediana y la moda se consideran como las ms importantes medidas de posicin por
su amplia utilidad. Sin embargo, para algunos propsitos pueden ser ms apropiadas otras medidas
Definicin 5.8 La Media Geomtrica se define como la raz n-sima del producto de los nmeros
que forman los datos. Esto es,
G n X1X 2 X n
(17)
Una de las aplicaciones ms tiles de la media geomtrica es promediar proporciones de variacin.
- 25 -

Ejemplo 5.3 Las ventas de una compaa han aumentado de 200 millones en 1989 a 400 millones
en 1990 y a 600 millones en 1991. El aumento fue del 200% de 1989 a 1991, lo que dara un
aumento medio aritmtico del 100% por ao. Pero esta apreciacin es errnea, ya que la proporcin
promedio de aumento por ao fue menor. Para obtener la proporcin promedio de aumento de las
ventas se utiliza la media geomtrica. Como las ventas en 1990 fueron el doble que las ventas de
1989, y las de 1991 fueron 1.5 veces las de 1990, la media geomtrica es:
G n ( 2.0)(1.5) 1.7325
La proporcin promedio de crecimiento de ventas es por tanto el 73.25% por ao en el periodo de

los citados aos.
5.2.6 Media Armnica
Otra medida de posicin, que a veces se utiliza, es la media armnica.
Definicin 5.9 La Media Armnica se define como el inverso de la media aritmtica de los inversos
multiplicativos de los valores dados, esto es,
H
n
1
1
1
X1 X 2
Xn
(18)
Ejemplo 5.4 Una persona ha gastado $10000 en cada una de tres tiendas diferentes. En la primera,
compro artculos a $2000 la unidad; en la segunda, compro a $2500 la unidad y en la tercera, a
$5000 la unidad. Cul es el precio promedio que ha pagado por artculo?
Los datos se expresan como tantos artculos por peso y lo que se quiere saber es la cuanta
pagada por artculo.
3
30000
2727.27
1
1
1
11
2000 2500 5000
En general, la media armnica se utiliza si las observaciones se expresan inversamente a como se

expresa el promedio buscado. Ms concretamente, si el costo promedio por unidad del producto es
lo que se busca, pero los datos estn expresados como tantas unidades de producto por determinada
cuanta de costo, ha de utilizarse la media armnica.
5.3 MEDIDAS DE VARIABILIDAD
Una Medida de Variabilidad es un nmero que nos indica el grado de dispersin en un conjunto de
datos. Si este valor es pequeo (respecto de unidad de medida) entonces hay una gran uniformidad
entre los datos. Por el contrario, un gran valor nos indica poca uniformidad. Cuando es cero quiere
decir que todos los datos son iguales.
5.3.1
La Amplitud
- 26 -

Definicin 5.10 La Amplitud es la diferencia entre el valor mximo y el mnimo de los datos
(distribucin)
A X MAX X MIN
5.3.2
(19)
Desviacin Media Absoluta
Definicin 5.11 La Desviacin Media Absoluta es la media aritmtica de los valores absolutos de
las desviaciones respecto de la media o de la mediana.
Si X1, X2,. . . , Xn son n nmeros (datos), la Desviacin Media Absoluta respecto de la media, esta
dada por:
n
Xi X
i 1
DM
d
i 1
(20)
Ejemplo 5.5 Sea 3, 3, 5, 5, 5, 7, 7, 8, 8, 9 un conjunto de datos. Donde se obtiene que X 6 y

d1 3
d2 3
d3 1
d4 1
d5 1
d6 1
DM
18
1. 8
10
d7 1
d8 2
d9 2
d 10 3
, luego
5.3.3
Varianza y Desviacin Estndar
Definicin 5.12 La Varianza se define como:

n
S2
(X
i 1
X) 2
(21)
Definicin 5.13 La Desviacin Estndar se define como la raz cuadrada de la varianza, esto es,
n
(X
i 1
X) 2
(22)
2
Ejemplo 5.6 Para los datos del ejemplo 5.5, se tiene: S
40
4 y S 4 2
10
Cuando se trata de muestras, se le realiza una pequea correccin a la varianza, obtenindose
- 27 -

n
(X
i 1
S2
X) 2
(23)
n -1
Para datos agrupados la varianza se calcula mediante:

k
S2
f (X
i
i 1
X) 2
(24)
5.3.3.1 Propiedades de la Varianza y de la Desviacin Estndar

1) Si X1, X2,. . . , Xn son n nmeros (datos) con media X entonces:
n
S2
X
i 1
2
i
(25)
X2
2) Sean X1, X2,. . . , Xn y Y1, Y2,. . . , Yn dos sucesiones de nmeros relacionados entre s por:
Yi a bX i . Entonces, S Y bS X .
3) Si Y a bX , entonces S Y b S X .
4) Si Y bX , entonces S Y b S X .
5) Si Y a X , entonces S Y S X .
6) Como W X Y y si W X Y , entonces:
S 2W S 2X S 2Y 2Cov(X, Y)
(26)
donde,
n
Cov(X, Y)
5.3.4
(X
i 1
X)(Yi Y)
(27)
Rango Semi-intercuatilico y entre Percentiles
Definicin 5.14 El Rango Semi-intercuatilico, se define como:
Q 3 Q1
2
(28)
Definicin 5.15 El Rango entre Percentiles 10-90 se toma como igual a la diferencia entre el
percentil 90% y el percentil 10%.
P10 90 P 90 P10
5.4 MEDIDAS QUE INCLUYEN LA MEDIA Y LA DESVIACION ESTANDAR

- 28 -
(29)

5.4.1
Coeficiente de Variacin
Definicin 5.16 El Coeficiente de Variacin se denota y se define como:

CV
S
100%
X
(30)
El coeficiente de variacin es una medida que se emplea fundamentalmente para:

- Comparar la variabilidad entre dos grupos de datos referidos a distintos sistemas de unidades de
medida. Por ejemplo, kilogramos y centmetros.
- Comparar la variabilidad entre dos grupos de datos obtenidos por dos o ms personas distintas.
- Comparar dos grupos de datos que tienen distinta media.
- Determinar si cierta media es consistente con cierta varianza.
Ejemplo 5.7 Resultados finales de dos grupos que cursaron una materia el semestre pasado con dos
profesores distintos:
X
S
CV
5.4.2
Grupo1
3.8
0.5
13.20%
Grupo2
4.5
0.5
11.10%
Valores Estandarizados
Con el propsito de reducir los datos a un mismo punto de referencia y a una escala comn, se
realiza entre ellos una transformacin llamada Estandarizacin, que consiste en lo siguiente:
A cada dato Xi se le resta la media X , se divide entre la desviacin estndar S y se obtiene un
nmero Zi que se llama el valor estandarizado de Xi. Esto es,
Zi
Xi X
S
(31)
Ejemplo 5.8 Un estudiante obtuvo una nota definitiva en la asignatura de estadstica de 3.8, el
promedio del curso fue 4.0 con una desviacin estndar de 0.5. Este mismo, en contabilidad obtuvo
una nota de 4.3, el promedio del curso fue 4.5 con una desviacin estndar de 0.8. En qu
asignatura obtuvo un puesto realmente mejor?
Estadstica
Contabilidad
5.4.3
3.8 4.0
0.4
0.5
4.3 4.5
X 2 4.3 ; X 2 4.5 ; S 2 0.8 ; Z 2
0.25
0.8
X 1 3.8 ; X1 4.0 ; S1 0.5 ; Z1
Regla de Shebyshev
- 29 -

Si se tienen n observaciones X1, X2, . . . , Xn con media X y desviacin estndar S entonces, por lo
menos 1
1
100% de las observaciones que dan comprendidos entre X kS y X kS , k>1.
k2
Ejemplo 5.9 En un examen de estadstica 30 estudiantes obtuvieron las siguientes notas:

4.2
3.6
3.6
4.2
1.9
4.9
4.8
4.4
3.6
4.7
4.1
3.9
4.4
4.6
4.5
3.9
4.2
3.5
X 4.03
4.5
4.1
3.1
4.5
3.4
2.5
4.6
4.0
4.4
4.1
4.6
4.0
S 0.66
a) k = 2
X kS 4.03 - 2(0.66) 2.71

X kS 4.03 2(0.66) 5.35
b) De acuerdo con la regla de Shebyshev, por lo menos 1
1
100% 75% de los datos quedan
22
comprendidos entre 2.71 y 5.35.

c) Al hacer el conteo directo se encuentra que hay 28 del total de 30 datos que estn entre 2.71 y
28
5.0, lo que representa el 100% 93% .
30
A veces el propsito es determinar que intervalo se debe escoger para que en este quede
comprendido determinado porcentaje de los datos. Por ejemplo, qu valor k debe escogerse para
que en el intervalo quede el 50% de los datos como mnimo? En este caso, hacemos 1
entonces k 2 2 y k 1.4 .
1
0.5 ,
k2
Cuando los datos corresponden a distribuciones simtricas en forma de campana la regla de

Shebyshev da resultados ms precisos.
- El 68% de los datos (rea) quedan comprendidos entre y
68%
16%
16%

- El 95% de los datos (rea) quedan comprendidos entre 2 y 2
95%
2.5%
- 30 -
2.5%

- El 99.75% de los datos (rea) quedan comprendidos entre 3 y 3
0.125%
99.75%
0.125%
Ejemplo 5.10 Una fbrica de productos comestibles ha fijado el peso promedio de cierto alimento
empaquetado en 450 gramos, con una desviacin estndar de 12 gramos. La curva que representa
estos pesos tiene forma simtrica, qu proporcin de paquetes presenta:
a) ms de 462 gramos?
b) ms de 474 gramos?
c) entre 414 y 486 gramos?
Aplicando la regla de Shebyshev, se tiene
a) k 462 450 k(12) 462
presentaran un peso superior a 462 gramos.
k 1 y as, el 16% de los paquetes
16%
450 462
b) k 474 450 k(12) 474
presentaron un peso superior a 474 gramos
450
k2
2.5%
2 474
c) k 414 450 - k(12) 414

presentaron un peso entre 414 y 486 gramos.
0.125%
y as, el 2.5% de los paquetes
- 31 99.75%
k 3 y as, el 99.75% de los paquetes
0.125%

414
450
486
5.5 OTRAS MEDIDAS DESCRIPTIVAS

Nos ayudan a ver como se distribuyen los datos.
5.5.1
Coeficiente de Sesgo
Definicin 5.17 El Coeficiente de Sesgo es un nmero que mediante su signo podemos determinar
si los datos (la curva) tienen distribucin simtrica o sesgada.
El coeficiente de sesgo para datos agrupados, se define como:
k
C.S
f (X
i 1
X) 3
nS
(32)
El coeficiente de sesgo se interpreta como:

-
Si C.S = 0, entonces los datos (la curva) se comportan de manera simtrica.

Si C.S > 0, entonces los datos (la curva) son sesgados a la derecha.
Si C.S < 0, entonces los datos (la curva) son sesgados a la izquierda.
5.5.2
Coeficiente de Curtosis
Definicin 5.18 El Coeficiente de Curtosis es un nmero cuya magnitud nos indica si los datos se
distribuyen simtricamente de forma normal (curva mesocrtica), ms empinados que la curva
normal (curva leptocrtica) o ms aplanados que la curva normal (curva plasticrtica).
El coeficiente de curtosis para datos agrupados se define como:
k
C.C
f (X
i 1
nS
X) 4
(33)
El coeficiente de curtosis se interpreta de la siguiente manera:

-
Si C.C = 3, entonces los datos (la curva) presentan forma de una normal estandarizada.
Si C.C > 3, entonces los datos se presentan ms empinados que los de una normal
estandarizada.
Si C.C < 3, entonces los datos se presentan ms aplanados que los de la normal.
- 32 -

Notas Clase Probabilidad Estadística 1

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Notas Clase Probabilidad Estadística 1

Caricato da

Copyright:

Formati disponibili

Profesor: Patricia Chvez

Notas de Estadstica Descriptiva

UNIVERSIDAD NACIONAL DE COLOMBIA

Es el saber o conocimiento que se adquiere en la experiencia cotidiana. Es el modo comn y

Se acepta actualmente como definicin de conocimiento cientfico o en general Ciencia, aun

Profesor: Patricia Chvez

Tambin requiere la confrontacin con la realidad y la sistematizacin orgnica, ya que no se trata

Caractersticas del mtodo cientfico

Profesor: Patricia Chvez

Profesor: Patricia Chvez

Profesor: Patricia Chvez

Profesor: Patricia Chvez

Profesor: Patricia Chvez

2.4 SISTEMA CONCEPTUAL BASICO

Profesor: Patricia Chvez

2.4.3 Escalas de Medicin o Clasificacin

Profesor: Patricia Chvez

colocado en la espalda de la camiseta de un jugador de ftbol, es un nmero como el que acaba de

Profesor: Patricia Chvez

2.4.3.4 La Escala de Intervalo

Profesor: Patricia Chvez

Las principales caractersticas del mtodo son:

Profesor: Patricia Chvez

Profesor: Patricia Chvez

la cantidad y calidad de informacin auxiliar en l y es determinante para el diseo de la muestra.

Ignorndolos, si son relativamente pequeos comparados con otros errores y el costo de

3.5 DEFINICION DE UNIDADES

3.5.2 Unidad Muestral

Profesor: Patricia Chvez

Se constituye en el elemento bsico para la seleccin de la muestra de unidades poblacionales.

Profesor: Patricia Chvez

Recopilacin de datos sobre el terreno (informacin primaria)

En el primer caso el procedimiento se basa en la utilizacin de formularios estadsticos, definidos

Profesor: Patricia Chvez

En la segunda situacin, el proceso se reduce a la llamada recopilacin documental, para lo cual

Profesor: Patricia Chvez

Profesor: Patricia Chvez

Dato max Dato min

donde, k es el nmero de intervalos y el Rango Dato max Dato min .

Definicin 4.4 La frecuencia acumulada (absoluta) es el nmero resultante de sumar la frecuencia

Definicin 4.5 La frecuencia relativa de la clase j es el cociente entre la frecuencia de la clase j y el

Definicin 4.6 La frecuencia acumulada relativa de la clase j es el cociente entre la frecuencia

Todas las anteriores clases de distribuciones reciben el nombre de distribuciones empricas.

El histograma de frecuencias es una representacin visual de los datos en donde se evidencian

Profesor: Patricia Chvez

4.5 OTRAS REPRESENTACIONES GRAFICAS

En el grfico 4.1 se ilustran los datos de la tabla 4.2.

Profesor: Patricia Chvez

Grfico 4.1 Nmero y Sexo de Empleados

2.5.2 Diagramas Circulares

Profesor: Patricia Chvez

Grafico 4.2 Diagrama Circular

Propiedades de la Media Aritmtica

Profesor: Patricia Chvez

Otra propiedad importante es que si Yi a bX i , con a y b constantes, entonces:

en donde W1, W2,. . . , Wn son los pesos de X1, X2,. . . , Xn respectivamente.

Profesor: Patricia Chvez

La mediana es el valor que divide un conjunto de observaciones respecto de la magnitud de los

Profesor: Patricia Chvez

Para el caso de datos agrupados se determina la moda mediante la siguiente formula:

Uso de la Media, Mediana y Moda

Profesor: Patricia Chvez

Una de las aplicaciones ms tiles de la media geomtrica es promediar proporciones de variacin.