1.

-INTRODUCCION
El
termino estadstica proviene
del
latn statisticum
collegium (consejo
de
Estado)
y
de
su
derivado
italiano statista (hombre de Estado o poltico). En 1749, el
alemn Gottfried
Achenwall comenz
a
utilizar
la
palabra
alemana statistik para designar el anlisis de datos estatales. Por lo
tanto, los orgenes de la estadstica estn relacionados con el
gobierno y sus cuerpos administrativos.

Hoy puede decirse que la recopilacin y la interpretacin de los

datos obtenidos en un estudio es tarea de la estadstica,
considerada como una rama de la matemtica. Las estadsticas (el
resultado de la aplicacin de un algoritmo estadstico a un grupo de
datos) permiten la toma de decisiones dentro del mbito
gubernamental, pero tambin en el mundo de los negocios y el
comercio.
Adems de todo lo expuesto hemos de dejar patente que para
que esta rama de las Matemticas tenga lugar y desarrolle sus
trabajos deben contar con una serie de instrumentos que se han
convertido en fundamentales. En concreto, nos referimos a los
llamados niveles de medicin (intervalo, nominal, razn y ordinal),
los estudios observacionales y tambin las tcnicas de anlisis
estadstico.

En este ltimo grupo de herramientas habra que incluir algunas tan

conocidas e importantes como la frecuencia estadstica, el anlisis
de varianza, la grfica estadstica, el anlisis de regresin, la prueba
t de Student o el anlisis factorial confirmatorio.

La estadstica aplicada puede ser dividida en dos ramas:

la estadstica descriptiva (refiere a los mtodos de recoleccin,
descripcin, visualizacin y resumen de los datos, que pueden ser
presentados en forma numrica o grfica) y la inferencia
estadstica (la generacin de los modelos y predicciones
relacionadas a los fenmenos estudiados, teniendo en cuenta el
aspecto aleatorio y la incertidumbre en las observaciones).

Adems de la estadstica aplicada, tambin existe una disciplina

denominada estadstica matemtica, que abarca las bases tericas
de la materia.

Al hablar de esta rama cientfica tampoco podemos pasar por alto el

hecho de que en Espaa existe lo que se conoce como Instituto
Nacional de Estadstica (INE). Un organismo este de gran valor pues
se encarga de acometer una serie de funciones esenciales para el
Estado. En concreto, y segn le tiene atribuida la legislacin vigente,
tiene como misin el realizar, por ejemplo, los distintos censos
demogrficos y econmicos.
El censo electoral y operaciones estadsticas entorno a las cuentas
nacionales son otros de los trabajos que realiza este citado
organismo que tiene entre sus reas ms relevantes al
Departamento de Planificacin, Coordinacin y Difusin Estadstica
as como al de Cuentas Econmicas y Empleo o el de Muestreo y
Recogida de Datos.
Todo ello sin olvidar que en Espaa tambin existe una Comisin
Interministerial de Estadstica, un Consejo Superior de Estadstica y
un Comit Interterritorial de Estadstica.
Los mtodos estadstico-matemticos, por su parte, surgieron desde
la teora de probabilidad, que calcula la frecuencia con la que ocurre
un resultado en un experimento bajo condiciones suficientemente
estables.
En la actualidad, las prcticas estadsticas han avanzado y se han
perfeccionado gracias a la creacin de instrumentos precisos que
permiten el desarrollo de polticas pblicas.
En estadstica la media es una medida representativa y su uso es
comn en la vida cotidiana. Ordinariamente, utilizarla implica
realizar un clculo cuyo resultado no se sabe interpretar. Ese
conocimiento se basa principalmente en la ejecucin de un
algoritmo, resumido en una expresin matemtica conocida
comnmente como frmula. Pero eso no es comprender la medida
en s, lo cual plantea una limitacin en la comprensin de otras
medidas representativas que la incluyen. La comprensin del
concepto de medidas de dispersin supone tambin el conocimiento
funcional y el conocimiento analgico de la media y de la desviacin
estndar como un ejemplo de medidas de tendencia central y de
dispersin.

Por conocimiento funcional entendemos la comprensin de la

media como un concepto significativo del mundo real en el plano
de su uso en lo cotidiano, no slo en cuanto al clculo numrico,
sino tambin en cuanto a los modos de expresin e interpretacin
accesibles a la vida diaria. Pollatsek, Lima y Well (1981) plantean
que entre los estudiantes se tienen diferentes grados de
conocimiento funcional sobre la media y que los contextos ms
concretos facilitan la comprensin de la misma. De tal modo que, la
comprensin tenga un cambio, de situaciones concretas a modelos
matemticos abstractos.

El conocimiento de clculo tendra que incluir el algoritmo de clculo

con informacin acerca de cmo obtener el resultado numrico
apropiado. A su vez, la comprensin de las medidas de dispersin no
implica slo el concepto de media, sino tambin toda una serie de
procesos de tipo algebraico y aritmtico, como son el uso de
porcentajes, conjuntos, mayor que, menor que, suma, multiplicacin
y sus inversos, exponentes, valor absoluto, entre otros; es decir,
operar con nmeros reales y naturales.

Se considera que el conocimiento analgico se traduce en imgenes

(grficas, tablas,) del concepto, en este sentido la media como un
punto de balance, en la que la distribucin de los pesos se identifica
con la distribucin de frecuencias de datos elementales. En el caso
de tablas no slo son una herramienta donde organizar un conjunto
de datos sino son la expresin del proceso cognitivo implicado en la
comprensin de alguna medida.

Por ello, considerar que estudiantes y en ocasiones profesores

resuelven problemas como si fuera slo ejecutar un procedimiento
puramente formal, nicamente en trminos de clculo basado en
datos abstractos, puede conducir a un desempeo correcto en la
aplicacin mecnica del algoritmo. Ello tiene que ver, entre otros
factores, con el tipo de enseanza de las medidas representativas
de un conjunto que se pone en juego, principalmente, cuando hay
que dar herramientas a las docentes que impartirn asignaturas con
contenidos de matemticas.
3

Bajo la consideracin de que Las caractersticas ms importantes

de una funcin de distribucin son la esperanza y su desviacin
estndar. Ambas caractersticas son fundamentales para el hombre
en nuestra sociedad, pues le permiten enfrentar crticamente y con
seguridad datos estadsticos. A largo plazo, no es suficiente dar a la
gente promedios sin mencionar nunca medidas de dispersin, la
relacin entre medidas de tendencia central y medidas de dispersin
se hace eminente, pues ambas permiten describir con precisin un
conjunto de datos para realizar una interpretacin de una parte de la
realidad desde otra ptica, la que implica procesos de pensamiento
hacia la inferencia. Es necesario prevenir concepciones errneas que
llevan no slo a tener ideas equivocadas de cmo se aplican las
matemticas, sino a interpretar equivocadamente la realidad.

Las medidas de dispersin a considerar en esta ocasin son rango,

desviacin media y desviacin estndar. La ms sencilla es el rango;
con ella se trata de diferenciar entre el valor mayor (o ms alto) y el
menor (o ms bajo) de un conjunto de datos; es fcil de calcular y
de comprender, ya que slo expresa la distancia que existe entre los
valores extremos del conjunto de datos. Una desventaja importante
es que se basa slo en dos valores, el mayor y el menor, por lo que
no revela informacin sobre la concentracin del resto de los datos
del conjunto; sin embargo, s indica qu tan extenso es ese conjunto.

La desviacin media s considera todos los datos del conjunto. Es el

promedio de los valores absolutos de las desviaciones con respecto
a la media; debido a que se toman desviaciones absolutas, suele
denominarse desviacin media absoluta. Tiene la ventaja de utilizar
en su clculo el valor de cada uno de los datos, no obstante podra
parecer que algunos conceptos son tan simples, tan bsicos y tan
generalizados, que las dificultades que se tienen al resolver
problemas se debieran a falta de atencin o de motivacin, pero
Skemp (1979) sugiere que con frecuencia no poseen los estudiantes
sino una comprensin instrumental [que permite] reconocer una
tarea como aqulla para la que se conoce una regla particular de,
incluso, los ms elementales conceptos cuantitativos No obstante,
como es difcil trabajar con los valores absolutos, no se usa
frecuentemente.
4

La variancia y la desviacin estndar se basan en las desviaciones

con respecto a la media, siendo que la primera se entiende como la
media aritmtica de las desviaciones cuadrticas con respecto a la
media, y la segunda es la raz cuadrada de la variancia. Resulta
difcil interpretar la variancia para un slo conjunto de datos. Pero
obtener la raz cuadrada de la variancia, permite transformar el
resultado obtenido a la misma unidad de medicin utilizada para los
datos originales, denominada desviacin estndar; de esta forma se
logra la separacin entre uno y otro dato en relacin a la media.
Aplicar una medida de dispersin como la desviacin media y la
desviacin estndar permite, evaluar la confiabilidad del promedio o
de dos o ms promedios que se estn utilizando. El caso de una
dispersin pequea indica que los datos se encuentran acumulados
cercanamente, por ejemplo alrededor de la media. Por el contrario,
una dispersin grande refiere que la media no es muy confiable, es
decir, que no necesariamente es representativa de los datos.
Tambin las medidas de dispersin informan sobre cun dispersas
estn dos o ms distribuciones.

Gracias al conocimiento funcional los datos numricos de

estadstica descriptiva se pueden considerar como datos de un
modelo. Desde un nivel ms alto se les puede ver como parte de la
realidad, lo cual significa pasar de la realidad palpable y visible a
una nueva realidad en la que las frecuencias relativas emergen
como hechos reales
[].
Considero como el objetivo ms
importante de la enseanza en estocsticos que el alumno pueda
acometer, sin mayores riesgos, afirmaciones estadsticas con
aspiraciones cientficas en la cotidianeidad. Esto es en realidad lo
que Bruner llama cultura Sealar entonces al respecto que, el
muestreo, de manera natural, utilizado para explicar la realidad, slo
es un modelo de un caso particular, cuyas conclusiones estadsticas
se sugiere tomarlas con cautela.

2.-INDICE O CONTENIDO
1. HISTORIA DE LA ESTADISTICA
Pg. 08

2. CLASES DE ESTADISTICA

2.1 ESTADISTICA DESCIPTIVA

Pg. 10
2.2 ESTADISTICA INFERENCIAL
Pg. 11
3. USO Y APLICACION DE LA ESTADISTICA
Pg. 11
3.1. APLICACIN DE LA ESTADISTICA
Pg. 12
3.2. CAMPOS DE APLICAION
Pg. 12
4. RANGO
4.1.DEFINICION
Pg. 13
4.2.NOMENCLATURA
Pg. 13
4.3.VENTAJAS
Pg. 13
4.4.DESVENTAJAS
Pg. 13
4.5.EJERCICIO DE APLICACIN
Pg. 13
1.5.1. PARA DATOS NO AGRUPADOS
Pg. 14
1.5.2. EJERCICIO DE APLICAION PARA DATOS AGRUPADOS
Pg. 14

5. DESVIACION MEDIA

5.1.DEFINICION
Pg. 14
5.2.NOMENCLATURA
Pg. 15
5.3.VENTAJAS
Pg. 15
5.4.DESVENTAJAS
Pg. 15
5.5.EJERCICIO DE APLICACIN
Pg. 15
2.5.1. EJERCICIO PARA DATOS NO AGRUPADOS
Pg. 16
2.5.2. EJERCICIO PARA DATOS AGRUPADOS
Pg. 16

6. VARIANZA

6.1.DEFINICION
Pg. 16
6.2.NOMENCLATURA
Pg. 17
6.3.VENTAJAS
Pg. 17
6.4.DESVENTAJAS
Pg. 18
6.5.EJERCICIO DE APLICACIN
Pg. 18

7. DESVIACION ESTANDAR O TIPICA

7.1.DEFINICION
Pg. 19
7.2.NOMENCLATURA
Pg. 19
7.3.VENTAJAS
Pg. 19
7.4.DESVENTAJAS
Pg. 20
7.5.EJERCICIO DE APLICACIN
Pg. 20
4.5.1. EJERCICIO DE APLICACION PARA DATOS AGRUPADOS
Pg. 20
4.5.2. EJERCICIO DE APLICACION PARA DATOS NO
AGRUPADOS
Pg. 21

8. COEFICIENTE DE VARIACION
8.1.DEFINICION
Pg. 22
8.2.NOMENCLATURA
Pg. 22
8.3.VENTAJAS
Pg. 22
8.4.DESVENTAJAS
Pg. 23
8.5.EJERCICIO DE APLICACIN
Pg. 23

9. IMPORTANCIA
Pg. 25
10.APLICACION EN INGENIERIA INDUSTRIAL
Pg. 26
11.BIBLIOGRAFIA
Pg. 27

1. HISTORIA DE LA ESTADISTICA
La palabra Estadstica procede del vocablo Estado, pues era
funcin principal de los Gobiernos de los Estados establecer
registros de poblacin, nacimientos, defunciones, impuestos,
cosechas... La necesidad de poseer datos cifrados sobre la
poblacin y sus condiciones materiales de existencia han debido
hacerse sentir desde que se establecieron sociedades humanas
organizadas.
Es difcil conocer los orgenes de la Estadstica. Desde los
comienzos de la civilizacin han existido formas sencillas de
estadstica, pues ya se utilizaban representaciones grficas y
otros smbolos en pieles, rocas, palos de madera y paredes de
cuevas para contar el nmero de personas, animales o ciertas
cosas.
9

Su origen empieza posiblemente en la isla de Cerdea,

donde existen monumentos prehistricos pertenecientes a
los Nuragas, las primeros habitantes de la isla; estos
monumentos constan de bloques de basalto superpuestos
sin mortero y en cuyas paredes de encontraban grabados
toscos signos que han sido interpretados con mucha
verosimilidad como muescas que servan para llevar la
cuenta del ganado y la caza.

Hacia el ao 3.000 a.C. los babilonios usaban ya pequeas

tablillas de arcilla para recopilar datos en tablas sobre la
produccin agrcola y los gneros vendidos o cambiados
mediante trueque.

Los egipcios ya analizaban los datos de la poblacin y la

renta del pas mucho antes de construir la pirmides.En los
antiguos monumentos egipcios se encontraron
interesantes documentos en que demuestran la sabia
organizacin y administracin de este pueblo; ellos
llevaban cuenta de los movimientos poblacionales y
continuamente hacan censos. Tal era su dedicacin por
llevar simpre una relacin de todo que hasta tenan a la
diosa Safnkit, diosa de los libros y las cuentas. Todo esto
era hecho bajo la direccin del Faran y fue a partir del
ao 3050 a.C.

En la Biblia observamos en uno de los libros del

Pentateuco, bajo el nombre de Nmeros, el censo que
realiz Moiss despus de la salida de Egipto.
Textualmente dice: "Censo de las tribus: El da primero del
segundo ao despus de la salida de Egipto, habl Yavpe a
Moiss en el desierto de Sina en el tabernculo de la
reunin, diciendo: "Haz un censo general de toda la
asamblea de los hijos de Israel, por familias y por linajes,
describiendo por cabezas los nombres de todos los
varones aptos para el servicio de armas en Israel. En el
llibro bblico Crnicas describe el bienestar material de las
diversas tribus judas.

En China existan los censos chinos ordenados por el

emperador Tao hacia el ao 2.200 a.C.

Posteriormente, hacia el ao 500 a.C., se realizaron censos

en Roma para conocer la poblacin existente en aquel
momento. Se erigi la figura del censor, cuya misin

10

consista en controlar el nmero de habitantes y su

distribucin por los distintos territorios.

En la Edad Media, en el ao 762, Carlomagno orden la

creacin de un registro de todas sus propiedades, as como
de los bienes de la iglesia.

Despus de la conquista normanda de Inglaterra en 1.066,

el rey Guillermo I, el Conquistador, elabor un catastro que
puede considerarse el primero de Europa.

Los Reyes Catlicos ordenaron a Alonso de Quintanilla en

1.482 el recuento de fuegos (hogares) de las provincias de
Castilla.

En 1.662 un mercader de lencera londinense, John Graunt,

public un tratado con las observaciones polticas y naturales,
donde Graunt pone de manifiesto las cifras brutas de
nacimientos y defunciones ocurridas en Londres durante el
periodo 1.604-1.661, as como las influencias que ejercan las
causas naturales, sociales y polticas de dichos acontecimientos.
Puede considerarse el primer trabajo estadstico serio sobre la
poblacin.
Curiosamente, Graunt no conoca los trabajos de B. Pascal
(1.623-1.662) ni de C. Huygens(1.629-1.695) sobre estos
mismos temas. Un poco ms tarde, el astrnomo Edmund
Halley (1.656- 1.742) presenta la primera tabla de mortalidad
que se puede considerar como base de los estudios
contemporneos. En dicho trabajo se intenta establecer el precio
de las anualidades a satisfacer a las compaas de seguros. Es
decir, en Londres y en Pars se estaban construyendo, casi de
manera simultnea, las dos disciplinas que actualmente
llamamos estadstica y probabilidad.
En el siglo XIX, la estadstica entra en una nueva fase de su
desarrollo con la generalizacin del mtodo para estudiar
fenmenos de las ciencias naturales y sociales. Galton (1.8221.911) yPearson (1.857-1936) se pueden considerar como los
padres de la estadstica moderna, pues a ellos se debe el paso de
la estadstica deductiva a la estadstica inductiva.
Los fundamentos de la estadstica actual y muchos de
los mtodos de inferencia son debidos a R. A. Fisher. Se intereso
primeramente por la eugenesia, lo que le conduce, siguiendo los
pasos de Galton a la investigacin estadstica, sus trabajos
11

culminan con la publicacin de la obra Mtodos estadsticos para

investigaciones. En el aparece la metodologa estadstica tal y
como hoy la conocemos.
A partir de mediados del siglo XX comienza lo que podemos
denominar la estadstica moderna, uno de los factores
determinantes es la aparicin y popularizacin de los
computadores. El centro de gravedad de la metodologa
estadstica se empieza a desplazar tcnicas de computacin
intensiva aplicadas a grandes masas de datos, y se empieza a
considerar el mtodo estadstico como un proceso iterativo de
bsqueda del modelo ideal
Las aplicaciones en este periodo de la Estadstica a la Economa
conducen a una disciplina con contenido propio: la Econometra.
La investigacin estadstica en problemas militares durante la
segunda guerra mundial y los nuevos mtodos de programacin
matemtica, dan lugar a la Investigacin Operativa

2. CLASES DE ESTADISTICA
A partir de esta definicin, podemos considerar dos partes o
vertientes de la Estadstica, en lo que se refiere fundamentalmente a
su enfoque, esta son la: Descriptiva e Inferencial.

2.1.

Estadstica Descriptiva:
Se define como la ciencia que sistematiza, recoge, ordena y
presenta los datos referentes a un asunto, fenmeno o
problema de investigacin, sin pretender extender las
conclusiones que puedan extraerse de los datos a otros
grupos distintos o mas amplios. Se calcula a partir de los
datos de una muestra o de una poblacin. Ejemplo:
El nivel promedio de inteligencia obtenido mediante la
prueba Stanford Binet, result ser 104 para el grupo dos de
estudiantes de Psicologa.
Durante los ltimos dos das se han informado un total de
ocho homicidios.
En una entrevista a 1100 electores, se obtuvo la siguiente
informacin: el candidato del

12

Partido Conservador obtuvo la preferencia de un 44% de los

encuestados, mientras que un 45% opt por el candidato del
Partido Liberal y an se mantiene un 11% indeciso.

2.2.

Estadstica Inferencial :
Su objetivo parte de la deduccin de leyes que rigen los
diferentes fenmenos estudiados, para de esa forma hacer
previsiones sobre los mismos, tomar decisiones u obtener
conclusiones.
Es decir, que para un anlisis estadstico inferencial se
requiere utilizar tcnicas, procesamientos y anlisis
estadsticos ms avanzados con los datos estadsticos
obtenidos de la muestra, para as confirmar la veracidad de
las inferencias que se haga sobre la respectiva poblacin a
que corresponde la muestra.
Generalmente, este tipo de anlisis emplea como herramienta
bsica el clculo de probabilidades y se lleva cabo para
exponer relaciones de causa y efecto, as como probar
hiptesis y teoras cientficas.
Ejemplo:
Los estudiantes de Psicologa que obtuvieron un IQ de
inteligencia sobre 120, probablemente obtendrn sobre 700
puntos en cada rea de la prueba de admisin para ingreso a
la universidad.
Si an hay un 11% de los electores indecisos y si la
poblacin electoral es de cerca de 88 millones electores,
quiere decir que an hay cerca de 10 millones de electores
quienes realmente decidirn cul va a ser el candidato
ganador.

3. USO Y APLICACIN DE LA ESTADISTICA

La estadstica es un apotente auxiliar de muchas ciencias y
actividades humanas:

13

Educacin,

sociologa,

geografa humana,

economa, etc.

Es una herramienta indispensable para la toma

de decisones.
Tambin es ampliamente empleada paaara

mostrar los aspectos cuantitativos de una situacin.

La estadistica est relacionada con el estudio del proceso cuyo
resultado es ms o menos imprescindible y con la finalidad de
obtener conclusiones para tomar desiciones razonables de
acuerdo con tales observaciones.
La estadsticas se ocupa de establecer leyes generales a partir de
los datos correspondiente a muestra, mediante la aplicacin del
clculo de probabilidades.
La misma la podemos utilizar para obtener informacin de un
censo de poblacin.
3.1.

Aplicacin de la estadstica

Se asocia a estudios demogrficos, econmicos y sociolgicos.

Casi todos los campos de la ciencia emplean instrumentos
estadsticos de importancia fundamental para el desarrollo de
su mdelo de trabajo.

3.2.

Campos de aplicacin

14

La estadstica es una ciencia de aplicacin prctica casi

universal en todos los campos cientficos:
Ciencias naturales: se emplea con profunsin en

la descripcin de modelos termodinmicos complejos en

fsica cuntica, en teora cintica de los gases.
Ciencias sociales y econmicas: es un pilar

bsico del desarrollo de la demografa y la sociologa

aplicada.
Economa: suministra los valores que ayudan a

descubrir interrelaciones entre mltiples parmetros macro

y microeconmicos.
Ciencias mdicas: permite establecer pautas

sobre la evolucin de las enfermedades y los enfermos, el

grado de eficacia de un medicamento.

4. RANGO
4.1. DEFINICION:
Es la medida de variabilidad ms fcil de calcular. Para datos
finitos o sin agrupar, el rango se define como la diferencia entre
el valor ms alto y el ms bajo en un conjunto de datos.
La diferencia entre el menor y el mayor valor.
El rango se suele definir como la diferencia entre los dos valores
extremos que toma la variable. Es la medida de dispersin ms
sencilla y tambin, por tanto, la que proporciona menos
informacin. Adems, esta informacin puede ser errnea, pues
el hecho de que no influyan ms de dos valores del total de la
serie puede provocar una deformacin de la realidad.
4.2. NOMENCLATURA:

R= (lim. Sup. lim. Inf.)

lim. Sup. = limite superior
lim. Inf. = limite inferior
15

R = rango

4.3. VENTAJAS:
- El recorrido es la medida de dispersin ms sencilla de
calcular e interpretar puesto que simplemente es la distancia
entre los valores extremos (mximo y mnimo) en una
distribucin

4.4.

DESVENTAJAS:

- Solo toma en cuenta los valores extremos

- Puesto que el recorrido se basa en los valores extremos ste
tiende s ser errtico
- Depende mucho de la muestra que se tenga
4.5.

EJERCICIO DE APLICACIN:

4.5.1. PARA DATOS NO AGRUPADOS:

Durante un determinado mes de invierno los
vendedores de una
empresa de abrigos vendieron las siguientes unidades:

11

14

14

15

16

17

18

19

R = Xmx.-Xmn
R = 20-11
R=9

4.5.2. EJERCICIO DE APLICAION PARA DATOS AGRUPADOS

Si se toman los datos del ejemplo resuelto al construir la
tabla de distribucin de frecuencia de las cuentas por
16

20

cobrar de MEGAREX S.R.L. que fueron los siguientes:

7.420

21.835

36.250

50.665

65.080

79.495

21.835

36.250

50.665

65.080

79.495

93.910

R= (93.910 7.420)
R= 86.49

5. DESVIACION MEDIA
5.1. DEFINICION
Se llama desviacin media a la media aritmtica de los valores
absolutos de las desviaciones respecto a la media
Indica las desviaciones con respecto a la media aritmtica en
valor absoluto. De una serie de N nmeros X1, X2,... Xn
La desviacin media es la media de las diferencias en valor
absoluto de los valores a la media.
En teora, la desviacin puede referirse a cada una de las
medidas de tendencia central: media, mediana o moda; pero el
inters se suele centrar en la medida de la desviacin con
respecto a la media, que llamaremos desviacin media.

5.2.

NOMENCLATURA

= sumatoria del valor absoluto de Xi media

aritmtica
= media aritmtica de los nmeros
= valor absoluto de Xi media aritmtica
17

n = numero de elementos

5.3.

VENTAJAS

- Utiliza
en su clculo todos los
valores
de la muestra.
- Fcil de comprender pues es el promedio en que los
valores se desvan con respecto a la media.
- Toma en cuenta todos los datos
- Adems, las desviaciones son de cada centro, o marca de
clase, a la media aritmtica

5.4.

DESVENTAJAS

- El uso de valores absolutos.

- La desviacin media de una muestra no es un buen
estimador de la desviacin media de la poblacin

5.5. EJERCICIO DE APLICACIN

5.5.1. EJERCICIO PARA DATOS NO AGRUPADOS:

- Calcular la desviacin media de la

distribucin:
9, 3, 8, 8, 9, 8, 9, 18

DM=

DM =

2.25

18

5.5.2.
EJERCICIO

DE

APLICACION PARA DATOS AGRUPADOS

- Calcular la desviacin media de la

distribucin:

xi

fi

xi fi

|x - x|

|x - x| fi

[10,
15)

12.5

37.5

9.286

27.858

[15,
20)

17.5

87.5

4.286

21.43

[20,
25)

22.5

157.5

0.714

4.998

[25,
30)

27.5

110

5.714

22.856

[30,
35)

32.5

65

10.174

21.428

21

457.5

98.57

6. VARIANZA
19

6.2.

DEFINICION

- En teora de probabilidad, la varianza o coeficiente de

variacin (que suele representarse como 2) de
una variable aleatoria es una medida de su
dispersin definida como la esperanza del cuadrado de la
desviacin de dicha variable respecto a su media.
Est medida en unidades distintas de las de la variable. Por
ejemplo, si la variable mide una distancia en metros, la
varianza se expresa en metros al cuadrado. La desviacin
estndar, la raz cuadrada de la varianza, es una medida
de dispersin alternativa expresada en las mismas
unidades.
- Se llama varianza de una variable estadstica a la media
aritmtica de los cuadrados de las desviaciones respecto
de la media
- La varianza (tambin denominada variancia, aunque esta
denominacin es menos utilizada) es una medida
estadstica que mide la dispersin de los valores respecto a
un valor central (media), es decir, la media de las
diferencias cuadrticas de las puntuaciones respecto a su
media aritmtica
- La varianza mide la mayor o menor dispersin de los
valores de la variable respecto a la media aritmtica.
Cuanto mayor sea la varianza mayor dispersin existir y
por tanto menor representatividad tendr la media
aritmtica. La varianza se expresa en las mismas unidades
que la variable analizada, pero elevadas al cuadrado.

6.3.

NOMENCLATURA

20

S^2 = smbolo de variancia poblacional

n = nmero total de observaciones en la citada
poblacin
(Xi X)= sumatoria de Xi menos la media aritmtica
elevado al cuadrado

6.4.

VENTAJAS

- la varianza de una muestra es un buen estimador de la

varianza de la poblacin

6.5.

DESVENTAJAS

- La variancia es difcil de interpretar a causa de las

unidades
- como las unidades de la varianza son unidades al
cuadrado (personas al cuadrado, carros al cuadrado, casas
al cuadrado) es difcil explicar qu representa

6.6.

EJERCICIO DE APLICACIN

Se tienen las edades de cinco estudiantes universitarios de

Ier ao, a saber: 18,23, 25, 27, y 34. Al calcular la media
aritmtica (promedio de las edades, se obtuvo 25.4 aos,
encontrar la varianza de las edades de estos estudiantes:

( Xi - )2

21

Xi

( Xi - )

18

(18
25.5)=7.4

(-7.4)2=54.76

23

(23
25.5)=2.4

(-2.4)2= 5.76

25

(25
25.5)=0.4

(-0.4)2= 0.16

27

(27
( 1.64)2= 2.16
25.5)= 1.6

34

(34
( 8.6)2 =73.96
25.5)= 8.6

Total

xxxx

137.20

S= 137.20
5-1
S= 34.3

7. DESVIACION ESTANDAR O TIPICA

7.1.

DEFINICION:

Es una medida de la cantidad tpica en la que los valores del

conjunto de datos difieren de la media. Es la medida de
dispersin ms utilizada, se le llama tambin desviacin
tpica. La desviacin estndar siempre se calcula con respecto
a la media y es un mnimo cuando se estima con respecto a
este valor.
Se calcula de forma sencilla, si se conoce la varianza, por
cuanto que es la raz cuadrada positiva de esta. A la
22

desviacin se le representa por la letra minscula griega

"sigma" ( ) por la letra S mayscula, segn otros analistas

7.2.

NOMENCLATURA

= desviacin tpica o estndar

(Xi X)= raz cuadrada de la sumatoria de Xi menos la
media aritmtica
elevado al cuadrado
n = nmero total de observaciones en la citada
poblacin

7.3.

VENTAJAS

- Las unidades son las mismas de las observaciones, y como

es la raz cuadrada de la varianza
- Se pueden hacer inferencias a travs de la varianza y dar
explicaciones a travs de la desviacin estndar.

7.4.

DESVENTAJAS

- No presenta desventajas puesto que es muy til y eficiente

al momento de ayudarnos a calcular la desviacin estndar

7.5.

EJERCICIO DE APLICACIN

23

4.5.1. EJERCICIO DE APLICACION PARA DATOS AGRUPADOS

Se tienen las edades de cinco estudiantes universitarios de Ier
ao, a saber: 18,23, 25, 27, y 34. Al calcular la media
aritmtica (promedio de las edades, se obtuvo 25.4 aos,
encontrar la varianza de las edades de estos estudiantes:

( Xi - )2
Xi

( Xi - )

18

(18
25.5)=7.4

(-7.4)2=54.76

23

(23
25.5)=2.4

(-2.4)2= 5.76

25

(25
25.5)=0.4

(-0.4)2= 0.16

27

(27
( 1.64)2= 2.16
25.5)= 1.6

34

(34
( 8.6)2 =73.96
25.5)= 8.6

Total

xxxx

137.20

S= 137.20
5-1
S= 34.3

(desv. Estndar)

= 34.3
=5.86

4.5.2. EJERCICIO DE APLICACION PARA DATOS NO AGRUPADOS

- Hallar la desviacin tpica de la series de
24

nmeros
siguientes:
2, 3, 6, 8, 11.

x Ejemplo 3:
Hallar la desviacin tpica de la serie: 5, 8, 10, 12,
16.

xx

xx
2

-5,2

27,04

-2,2

4,84

10

-0,2

0,04

12

1,8

3,24

16

5,8

33,64

Primero hallamos

= 10,2

13,76 3,71

luego S =

8.

COEFICIENTE DE VARIACION

25

8.1.

DEFINICION

- Es la razn (cociente) de la desviacin estndar a la media

aritmtica, expresada como un porcentaje
- Es una medida de dispersin que seala qu tan grande es
la magnitud de la desviacin estndar respecto a la media del
conjunto de datos que se examina. A diferencia de otras
medidas de variabilidad, el coeficiente de variacin mide la
dispersin en trminos de porcentaje y no en unidades de
medida.
De esta manera, este coeficiente se utiliza para comparar la
dispersin entre dos conjuntos de datos expresados en
diferentes unidades de medidas

8.2.

NOMENCLATURA

x 100

CV = coeficiente de variacin
S o = desviacin estndar
X = media aritmtica

8.3.

VENTAJAS

- El coeficiente de variacin es til cuando pretende comparar

la variabilidad de dos o ms conjuntos de datos expresados
en diferentes unidades de medicin, pues el resultado ser
sealado en porcentajes
- Sirve para comparar la variabilidad de dos poblaciones con
distintas magnitudes.
8.4.

DESVENTAJAS

26

- Cuando se tienen que comparar dos conjuntos de datos

donde uno tiene una media con valores negativos y el otro
tiene una media positiva.

8.5.

EJERCICIO DE APLICACIN

Suponga que Usted trabaja en una compaa de ventas, que

ofrece como premio de incentivo al mejor vendedor del
trimestre anterior las entradas al palco empresarial en la
serie final de bisbol de las grandes ligas en los Estados
Unidos (E,E,U,A,).
De los registros de ventas se tienen los siguientes datos de
ventas, expresados en porcentajes de cumplimiento de las
metas fijadas mensualmente:
Vendedor A 95 105 100
Vendedor B 100 90 110
De los registros de ventas se tienen los siguientes datos
de ventas,
expresados en porcentajes de cumplimiento de las metas
fijadas
mensualmente:
Vendedor A 95 105 100
Vendedor B 100 90 110

El promedio trimestral de cumplimiento de las metas de

ventas de
ambos vendedores es igual y equivale al 100%, pero Ud.
Slo le
puede dar el premio de incentivo a uno de ellos. Cul
usted
escogera?. En base a que criterio. Explique.

27

Este problema se resuelve utilizando el coeficiente de

variacin,
para estos efectos es necesario encontrar la desviacin
estndar
trimestral de las ventas de cada uno de la siguiente
manera:

Vendedor A
Xi

( Xi - ) ( Xi -
)2

95

95 100 = (-5)2 =
-5
25

105

105 100 ( 5)2 =

=5
25

100

100 100 ( 0)2 =

=0
0

Total

XXX

50

La desviacin estndar es =(50/3) = 16.667 =

4.08,
luego entonces el coeficiente de variacin es
igual a:

28

C.VA = 0.0408

Vendedor B
Xi

100

( Xi - )

( Xi - )
2

100 100 = ( 0 )2 =
0
0

90

90 100 = (-10)2 =
-10
100

110

110 100 = ( 10)2 =

10
100

Total

XXX

200

La desviacin estndar es =(200/3) =

66.667 = 8.16,
luego entonces el coeficiente de variacin es
igual a:
C.VB = 0.00816

Respuesta: Dado que el vendedor A tiene menor

coeficiente de variacin, A l le
corresponde recibir el premio de
incentivo.

9. IMPORTANCIA
Podemos decir que la funcin principal de la estadstica es
29

justamente la recoleccin y agrupamiento de datos de diverso

tipo para construir con ellos informes estadsticos que nos den
idea sobre diferentes y muy variados temas, siempre desde un
punto de vista cuantitativo y no cualitativo. Esto es muy
importante remarcarlo ya que la estadstica se convierte
entonces en una ciencia que nos habla de cantidades (por
ejemplo, cuntas personas viven en un pas por metro cuadrado)
pero no nos da informacin directa sobre la calidad de vida de
esas personas.
Lo interesante de la estadstica como ciencia es que en muchos
casos, la informacin cuantitativa que nos brinda nos permite
conocer a ese nivel mucho mejor a una sociedad, por ejemplo
cuntas personas viven en un pas, cul es la tasa de desempleo,
cul es la tasa de indigencia o pobreza, cul es el nivel promedio
de educacin de esa sociedad, etc. Todos estos datos numricos
son utilizados por los responsables del Estado a travs de sus
distintos organismos y secretaras para luego realizar proyectos
de diferente tipo que tengan que ver con mejorar esa situacin o
mantenerla en el caso de que sea buena. En algunos casos,
aunque no directamente, la estadstica tambin nos permite
inferir (no conocer) la calidad de vida de una poblacin ya que si
encontramos altas tasas de desempleo, pobreza y marginalidad
podremos suponer que la calidad de vida es muy baja.
La estadstica tiene una utilidad no slo en aspectos sociales si
no que tambin sirve para todo tipo de investigacin cientfica si
se tiene en cuenta que los datos estadsticos son el resultado de
varios casos de entre los cuales se toma un promedio. As, una
estadstica puede servir para una investigacin cientfica al
demostrar que un porcentaje determinado de los casos
observados represent un resultado particular y no otro.

10.APLICACION EN INGENIERIA INDUSTRIAL

La estadstica aplicada en la Ingenira se hace mediante la rama
de la estadstica que busca implementar los procesos
probabilsticos y estadsticos de anlisis e interpretacin de datos
o caractersticas de un conjunto de elementos al entorno
industrial, a efectos de ayudar en la toma de decisiones y en el
control de los procesos industriales y organizacionales.

30

Pueden distinguirse tres partes:

* el estudio de las series temporales y las tcnicas de previsin, y
la descripcin de los pasos necesarios para el establecimiento de
un sistema de previsin operativo y duradero en una empresa;
* el anlisis multivariante, necesario para la extraccin de
informacin de grandes cantidades de datos, una de las
necesidades ms apremiantes;
* el control de calidad y la fiabilidad.
Las aplicaciones de la estadstica en la ingeniera actualmente
han tomado un rpido y sostenido incremento, debido al poder
de clculo de la computacin desde la segunda mitad del siglo
XX.
Para comprender el desarrollo de las aplicaciones de la
estadstica en la ingeniera hay que citar que los Viejos Modelos
Estadsticos fueron casi siempre de la clase de los modelos
lineales. Ahora, complejos computadores junto con apropiados
algoritmos numricos, estan utilizando modelos no lineales
(especialmente redes neuronales y rboles de decisin) y la
creacin de nuevos tipos tales como modelos lineales
generalizados y modelos multinivel.
El incremento en el poder computacional tambin ha llevado al
crecimiento en popularidad de mtodos intensivos
computacionalmente basados en remuestreo, tales como tests
de permutacin y de bootstrap, mientras tcnicas como el
muestreo de Gibbs han hecho los mtodos bayesianos ms
accesibles.
En el futuro inmediato la estadstica aplicada en la ingenieria,
tendr un nuevo nfasis en estadsticas "experimentales" y
"empricas". Un gran numero de paquetes estadsticos est ahora
disponible para los ingenieros. Los Sistemas dinmicos y teora
del caos, desde hace una dcada empez a ser utilizada por la
comunidad hispana de ingenieria, pues en la comunidad de
ingenieria anglosajona de Estados Unidos estaba ya establecida
la conducta catica en sistemas dinmicos no lineales.
Algunos campos de investigacin en la Ingeniera usan la
estadstica tan extensamente que tienen terminologa
31

especializada. Estas aplicaciones incluyen:

* Ciencias actuariales
* Fsica estadstica
* Estadstica industrial
* Estadstica Espacial
* Estadstica en Agronoma
* Estadstica en Planificacin
* Estadstica en Investigacin de Mercados.
* Estadstica en Planeacin de Obras Civiles - megaproyectos.
* Estadstica en Restauracin de Obras
* Geoestadstica
* Bioestadstica
* Estadsticas de negocios y mercadeo.
* Estadstica Computacional
* Investigacin de Operaciones
* Estadsticas de Consultora
* Estadstica en la comercializacin o mercadotecnia
* Cienciometra
* Estadstica del Medio Ambiente
* Minera de datos (aplica estadstica y reconocimiento de
patrones para el conocimiento de datos)
* Estadstica econmica (Econometra)
* Estadstica en procesos de ingeniera
* Estadstica en Psicometra y Ergonomia Laboral.
* Controles Estadsticos en Calidad y Productividad
* Estadstica en Tcnicas de Muestreo y Control.
* Anlisis de procesos y quimiometra (para anlisis de datos en
qumica analtica e ingeniera qumica)
* Confiabilidad estadstica aplicada al Diseo de Plantas
Industriales.
* Procesamiento de imgenes e Interpretacin Binarias para
Equipos de Diagnstico de Fallas y Mantenimiento Predictivo.
La estadstica aplicada en la Ingenieria Industrial es una
herramienta bsica en negocios y produccin. Es usada para
entender la variabilidad de sistemas de medicin, control de
procesos (como en control estadstico de procesos o SPC (CEP)),
para compilar datos y para tomar decisiones. En estas
aplicaciones es una herramienta clave, y probablemente la nica
herramienta disponible.

32

11.BIBLIOGRAFIA

1. es.wikipedia.org/wiki
2. www.eumed.net Libros
3.
www.sectormatematica.cl/media/NM4/NM4_medidas_de_dispe
rsion.doc
4. CABRERA G, Francisco Antonio Estadstica Aplicada
Editorial EPASA. Panam, 2001
www.ucsm.edu.pe
5. Johnson, R. Estadstica Elemental.
Editorial Trillas. Mxico, 1999
6. Garca, A. Elementos de Mtodo Estadstico.
Universidad Nacional Autnoma de Mxico. Mxico. (Textos
Universitarios.)
7. Rondon, M. Conceptos Bsicos de Estadstica.
Universidad Catlica Santa Mara. Per (textos
Universitarios)

33