Estadistica - Monografria

UNIVERSIDAD DE GUADALAJARA
Sistema de Educacin Media Superior

Preparatoria Regional de Puerto Vallarta
Bachillerato General por Competencias
MATEMATICAS Y VIDA COTIDIANA I
MAESTRO: ING. JOS SOTO

ESTADISTICA
AUTOR: CAROLINA GONZALEZ CHAVEZ
5 de Octubre de 2015
Ing. Soto
Carolina Gonzlez, 1F. Pgina 1
INDICE
1.
INTRODUCCIN............................................................................................. 2
1.1.
2.
3.
4.
5.
CONCEPTOS BASICOS............................................................................ 3
MEDIDAS DE TENDENCIA CENTRAL...............................................................8

2.1.
MEDIA ARITMETICA.................................................................................. 8
2.2.
MODA...................................................................................................... 9
2.3.
MEDIANA............................................................................................... 10
MEDIDAS DE DISPERSION........................................................................... 12
3.1.
RANGO ESTADISTICO............................................................................ 12
3.2.
MEDIO RANGO O RANGO MEDIO...........................................................12
3.3.
VARIANZA.............................................................................................. 13
3.4.
DESVIACION TIPICA............................................................................... 13
3.5.
COVARIANZA......................................................................................... 14
MEDIDAS DE ASIMETRIA............................................................................. 14
4.1.
COEFICIENTE DE ASIMETRIA DE FISHER................................................15
4.2.
COEFICIENTE DE ASIMETRIA DE PEARSON............................................16
4.3.
COEFICIENTE DE ASIMETRIA DE BOWLEY..............................................16
RECURSOS VISUALES UTILIZADOS EN LA ESTADISTICA..............................16

5.1.
TABLAS................................................................................................. 16
5.2.
GRAFICAS............................................................................................. 20
5.2.1 DIAGRAMA DE BARRAS........................................................................20

5.2.3 HISTOGRAMA...................................................................................... 22
5.2.5. DIAGRAMA DE SECTORES...................................................................23
5.2.6. PICTOGRAMAS................................................................................... 25
5.2.7. PIRAMIDE DE POBLACION...................................................................25
5.2.8. CARTOGRAMAS.................................................................................. 26
BIBLIOGRAFIA.................................................................................................... 27
Ing. Soto
1. INTRODUCCIN
Segn (Wikipedia, 2015) La estadstica es una ciencia formal y una herramienta
que estudia el uso y los anlisis provenientes de una muestra representativa
de datos, busca explicar las correlaciones y dependencias de un fenmeno fsico o
natural, de ocurrencia en forma aleatoria o condicional.
Sin embargo, la estadstica es ms que eso, es decir, es la herramienta
fundamental que permite llevar a cabo el proceso relacionado de la estadstica con
la investigacin cientfica.
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta
las ciencias sociales, desde las ciencias de la salud hasta el control de calidad.
Se usa para la toma de decisiones en reas de negocios o
instituciones gubernamentales.
La estadstica se divide en dos grandes reas:
1. Estadstica descriptiva: Se dedica a la descripcin, visualizacin y resumen
de datos originados a partir de los fenmenos de estudio. Los datos
pueden ser resumidos numrica o grficamente. Ejemplos bsicos de
parmetros estadsticos son: la media y la desviacin estndar. Algunos
ejemplos grficos son: histograma, pirmide poblacional, grfico circular,
entre otros.
2. Estadstica inferencial: Se dedica a la generacin de los modelos,
inferencias y predicciones asociadas a los fenmenos en cuestin teniendo
en cuenta la aleatoriedad de las observaciones. Se usa para modelar
patrones en los datos y extraer inferencias acerca de la poblacin bajo
estudio. Estas inferencias pueden tomar la forma de respuestas a
preguntas s/no (prueba de hiptesis), estimaciones de unas caractersticas
numricas (estimacin), pronsticos de futuras observaciones,
descripciones de asociacin (correlacin) o modelamiento de relaciones
entre variables (anlisis de regresin). Otras tcnicas
de modelamiento incluyen anlisis de varianza, series de tiempo y minera
de datos.
Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. La
estadstica inferencial, por su parte, se divide en estadstica paramtrica y
estadstica no paramtrica.
Ing. Soto
Hay tambin una disciplina llamada estadstica matemtica, la que se refiere a las
bases tericas de la materia.
La palabra estadsticas tambin se refiere al resultado de aplicar un algoritmo
estadstico a un conjunto de datos, como en estadsticas econmicas, estadsticas
criminales, entre otros.
1.1. CONCEPTOS BASICOS

Estadstica:
La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin sumisa, y que han sido
recopilados a partir de otros datos numricos.
Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la
estadstica como un valor resumido, calculado, como base en una muestra de
observaciones que generalmente, aunque no por necesidad, se considera como
una estimacin de parmetro de determinada poblacin; es decir,
una funcin de valores de muestra.
"La estadstica es una tcnica especial apta para el estudio cuantitativo de los
fenmenos de masa o colectivo, cuya mediacin requiere una masa de
observaciones de otros fenmenos ms simples llamados individuales o
particulares". (Gini, 1953.
Murria R. Spiegel, (1991) dice: "La estadstica estudia los mtodos cientficos para
recoger, organizar, resumir y analizar datos, as como para sacar conclusiones
vlidas y tomar decisiones razonables basadas en tal anlisis.
"La estadstica es la ciencia que trata de la recoleccin, clasificacin y
presentacin de los hechos sujetos a una apreciacin numrica como base a la
explicacin, descripcin y comparacin de los fenmenos". (Yale y Kendal, 1954).
Cualquiera sea el punto de vista, lo fundamental es la importancia cientfica que
tiene la estadstica, debido al gran campo de aplicacin que posee.
Poblacin:
El concepto de poblacin en estadstica va ms all de lo que comnmente se
conoce como tal. Una poblacin se precisa como un conjunto finito o infinito de
personas u objetos que presentan caractersticas comunes.
"Una poblacin es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica
comn". Cadenas (1974).
El tamao que tiene una poblacin es un factor de suma importancia en
el proceso de investigacin estadstica, y este tamao vienen dado por el nmero
de elementos que constituyen la poblacin, segn el nmero de elementos la
poblacin puede ser finita o infinita. Cuando el nmero de elementos que integra la
poblacin es muy grande, se puede considerar a esta como una poblacin infinita,
por ejemplo; el conjunto de todos los nmeros positivos. Una poblacin finita es
Ing. Soto
aquella que est formada por un limitado nmero de elementos, por ejemplo; el
nmero de estudiante del Ncleo San Carlos de la Universidad Nacional
Experimental Simn Rodrguez.
Cuando la poblacin es muy grande, es obvio que la observacin de todos los
elementos se dificulte en cuanto al trabajo, tiempo y costos necesario para
hacerlo. Para solucionar este inconveniente se utiliza una muestra estadstica.
Es a menudo imposible o poco prctico observar la totalidad de los individuos,
sobre todos si estos son muchos. En lugar de examinar el grupo entero
llamado poblacin o universo, se examina una pequea parte del grupo llamada
muestra.
Muestra:
"Se llama muestra a una parte de la poblacin a estudiar que sirve para
representarla". Murria R. Spiegel (1991).
"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de
todos". Levin & Rubin (1996).
"Una muestra debe ser definida en base de la poblacin determinada, y las
conclusiones que se obtengan de dicha muestra solo podrn referirse a la
poblacin en referencia", Cadenas (1974).
Ejemplo;
El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado.
El estudio de muestras es ms sencillo que el estudio de la poblacin completa;
cuesta menos y lleva menos tiempo. Por ltimo se aprobado que el examen de
una poblacin entera todava permite la aceptacin de elementos defectuosos, por
tanto, en algunos casos, el muestreo puede elevar el nivel de calidad.
Una muestra representativa contiene las caractersticas relevantes de la poblacin
en las mismas proporciones que estn incluidas en tal poblacin.
Los expertos en estadstica recogen datos de una muestra. Utilizan
esta informacin para hacer referencias sobre la poblacin que est representada
por la muestra. En consecuencia muestra y poblacin son conceptos relativos.
Una poblacin es un todo y una muestra es una fraccin o segmento de ese todo.
Muestreo:
Esto no es ms que el procedimiento empleado para obtener una o ms muestras
de una poblacin; el muestreo es una tcnica que sirve para obtener una o ms
muestras de poblacin.
Este se realiza una vez que se ha establecido un marco muestral representativo
de la poblacin, se procede a la seleccin de los elementos de la muestra aunque
hay muchos diseos de la muestra.
Al tomar varias muestras de una poblacin, las estadsticas que calculamos para
cada muestra no necesariamente seran iguales, y lo ms probable es que
variaran de una muestra a otra.
Tipos de muestreo
Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no
aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este ltimo todos
los elementos de la poblacin tienen la oportunidad de ser escogidos en la
Ing. Soto
muestra. Una muestra seleccionada por muestreo de juicio se basa en la

experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se
usa como gua o muestra tentativa para decidir como tomar una muestra aleatoria
ms adelante. Las muestras de juicio evitan el anlisis estadstico necesarios para
hacer muestras de probabilidad.
Variables y Atributos:
Las variables, tambin suelen ser llamados caracteres cuantitativos, son aquellos
que pueden ser expresados mediante nmeros. Son caracteres susceptibles
de medicin. Como por ejemplo, la estatura, el peso, el salario, la edad, etc.
Segn, Murray R. Spiegel, (1992) "una variable es un smbolo, tal como X, Y, Hx,
que puede tomar un valor cualquiera de un conjunto determinado de ellos,
llamado dominio de la variable. Si la variable puede tomar solamente un valor, se
llama constante."
Todos los elementos de la poblacin poseen los mismos tipos de caracteres, pero
como estos en general no suelen representarse con la misma intensidad, es obvio
que las variables toman distintos valores. Por lo tanto estos distintos nmeros o
medidas que toman los caracteres son los "valores de la variable". Todos ellos
juntos constituyen una variable.
Los atributos tambin llamados caracteres cualitativos, son aquellos que no son
susceptibles de medicin, es decir que no se pueden expresar mediante un
nmero.
IUTIN (1997). "Reciben el nombre de variables cualitativas o atributos, aquellas
caractersticas que pueden presentarse en individuos que constituyen un conjunto.
La forma de expresar los atributos es mediante palabras, por ejemplo; profesin,
estado civil, sexo, nacionalidad, etc. Puede notar que los atributos no se presentan
en la misma forma en todos los elementos. Estas distintas formas en que se
presentan los atributos reciben el nombre de "modalidades".
Formas de Observar la Poblacin:

1. Atendiendo a la fuente se clasifican en directa o indirecta.
Observacin directa: es aquella donde se tienen un contacto directo con

los elementos o caracteres en los cuales se presenta el fenmeno que se
pretende investigar, y los resultados obtenidos se consideran datos estadsticos
originales. Para Ernesto Rivas Gonzlez (1997) "Investigacin directa, es aquella
en que el investigador observa directamente los casos o individuos en los cuales
se produce el fenmeno, entrando en contacto con ellos; sus resultados se
consideran datos estadsticos originales, por esto se llama tambin a esta
investigacin primaria".
Observacin Indirecta: es aquella donde la persona que investiga hace

uso de datos estadsticos ya conocidos en una investigacin anterior, o de datos
Ing. Soto
observados por un tercero (persona o entidad). Con el fin de deducir otros hechos
o fenmenos.
2. Atendiendo a la periodicidad, puede ser continua, peridica o
circunstancial.
Una observacin continua; como su nombre lo indica es aquella que se

lleva acabo de un modo permanente.
Una observacin peridica; es aqulla que se lleva a cabo a travs de

perodos de tiempo constantes. Estos perodos de tiempos pueden ser semanas,
trimestres, semestres, aos, etc. Lo que debemos destacar es que los perodos de
tiempo tomados como unidad deben tomarse constantes en los posible.
La observacin circunstancial, es aquella que se efecta en forma

ocasional o espordica, esta observacin hecha ms por una necesidad
momentnea, que de carcter regular o permanente.
3. Atendiendo a la cobertura; pueden ser exhaustiva, parcial o mixta
Observacin Exhaustiva. Cuando la observacin es efectuada sobre la

totalidad de los elementos de la poblacin se habla de una observacin
exhaustiva.
Observacin Parcial. Dados que las poblaciones en general son grandes,

la observacin de todos sus elementos se ve imposibilitada. La solucin para
superar este inconveniente es observar una parte de esta poblacin.
Observacin Mixta. En este tipo de observacin se combinan

adecuadamente la observacin exhaustiva con la observacin parcial. Por lo
general, este tipo de observaciones se lleva a cabo de tal manera que los
caracteres que se consideran bsicos se observan exhaustivamente y los otros
mediante una muestra; o bien cuando la poblacin es muy grande, parte de ella se
observa parcialmente.
Censo:
Se entiende por censo aquella numeracin que se efecta a todos y cada uno de
los caracteres componentes de una poblacin.
Para Levin & Rubin (1996) "Algunas veces es posible y prctico examinar a cada
persona o elemento de la poblacin que deseamos describir. A esto lo llamamos
una numeracin completa o censo. Utilizamos el muestre cuando no es posible
contar o medir todos los elementos de la poblacin.
Ing. Soto
Si es posible listar (o enumerar) y observar cada elemento de la poblacin, los

censos se utilizan rara vez porque a menudo su compilacin es bastante difcil,
consume mucho tiempo por lo que resulta demasiado costoso.
Encuesta:
Se entiende por encuesta las observaciones realizadas por muestreo, es decir son
observaciones parciales.
El diseo de encuestas es exclusivo de las ciencias sociales y parte de la premisa
de que si queremos conocer algo sobre el comportamiento de las personas, lo
mejor, ms directo y simple es preguntrselo directamente a ellas.
Segn Antonio Napolitano "La encuesta, es un mtodo mediante el cual se quiere
averiguar. Se efecta a travs de cuestionarios verbales o escritos que son
aplicados a un gran nmero de personas".
Estadstica Descriptiva:
Tienen por objeto fundamental describir y analizar las caractersticas de un
conjunto de datos, obtenindose de esa manera conclusiones sobre las
caractersticas de dicho conjunto y sobre las relaciones existentes con otras
poblaciones, a fin de compararlas. No obstante puede no solo referirse a la
observacin de todos los elementos de una poblacin (observacin exhaustiva)
sino tambin a la descripcin de los elementos de una muestra (observacin
parcial).
En relacin a la estadstica descriptiva, Ernesto Rivas Gonzles dice; "Para el
estudio de estas muestras, la estadstica descriptiva nos provee de todos sus
medidas; medidas que cuando quieran ser aplicadas al universo total, no tendrn
la misma exactitud que tienen para la muestra, es decir al estimarse para el
universo vendr dada con cierto margen de error; esto significa que el valor de la
medida calculada para la muestra, en el oscilar dentro de cierto lmite de
confianza, que casi siempre es de un 95 a 99% de los casos.
Estadstica Inductiva:
Est fundamentada en los resultados obtenidos del anlisis de una muestra de
poblacin, con el fin de inducir o inferir el comportamiento o caracterstica de la
poblacin, de donde procede, por lo que recibe tambin el nombre de Inferencia
estadstica.
Estadstica Inferencial son procedimientos estadsticos que sirven para deducir o
inferir algo acerca de un conjunto de datos numricos (poblacin), seleccionando
un grupo menor de ellos (muestra).
El objetivo de la inferencia en investigacin cientfica y tecnolgica radica en
conocer clases numerosas de objetos, personas o eventos a partir de otras
relativamente pequeas compuestas por los mismos elementos.
Ing. Soto
2. MEDIDAS DE TENDENCIA CENTRAL

Segn (Santiago Fernandez Fernandez, Alejandro Cordoba, Jose Maria Cordero
Sanchez, 2002) Al describir grupos de observaciones, con frecuencia es
conveniente resumir la informacin con un solo nmero. Este nmero que, para tal
fin, suele situarse hacia el centro de la distribucin de datos se
denomina medida o parmetro de tendencia central o de centralizacin.
Cuando se hace referencia nicamente a la posicin de estos parmetros dentro
de la distribucin, independientemente de que sta est ms o menos centrada,
se habla de estas medidas como medidas de posicin. En este caso se incluyen
tambin los cuantiles entre estas medidas.
Entre las medidas de tendencia central tenemos:
Media
Media ponderada
Media geomtrica
Media armnica
Mediana
Moda
Se debe tener en cuenta que existen variables cualitativas y variables

cuantitativas, por lo que las medidas de posicin o medidas de tendencia se usan
de acuerdo al tipo de variable que se est observando, en este caso se
observan variables cuantitativas.
2.1. MEDIA ARITMETICA

Es el valor obtenido por la suma de todos sus valores dividida entre el nmero de
sumadores. Ej.
Alumno
1
2
Ing. Soto
Calificacin
6,0
5,4
Primero, se suman las notas:

6,0+5,4+3,1+7,0+6,1 = 27,6
3
4
5
3,1
7,0
6,1
Luego el total se divide entre la cantidad de alumnos:

27,6/5=5,52
La media aritmtica en este ejemplo es 5,52

La media aritmtica es, probablemente, uno de los parmetros estadsticos ms
extendidos. Se le llama tambin promedio o, simplemente, media.
Propiedades:
Su clculo es muy sencillo y en l intervienen todos los datos.
Su valor es nico para una serie de datos dada.
Se usa con frecuencia para comparar poblaciones, aunque es ms

apropiado acompaarla de una medida de dispersin.
Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto

de datos, ya que tiene la propiedad de equilibrar las desviaciones de los datos
respecto de su propio valor.
Minimiza las desviaciones cuadrticas de los datos respecto de cualquier

valor prefijado
Es poco sensible a fluctuaciones muestrales, por lo que es un parmetro

muy til en inferencia estadstica.
Inconvenientes de su uso:
Para datos agrupados en intervalos (variables continuas) su valor oscila en

funcin de la cantidad y amplitud de los intervalos que se consideren.
Es una medida a cuyo significado afecta sobremanera la dispersin, de

modo que cuanto menos homogneos sean los datos, menos informacin
proporciona. Dicho de otro modo, poblaciones muy distintas en su composicin
pueden tener la misma media.
Ing. Soto
En el clculo de la media no todos los valores contribuyen de la misma

manera. Los valores altos tienen ms peso que los valores cercanos a cero.
No se puede determinar si en una distribucin de frecuencias hay intervalos

de clase abiertos.
2.2. MODA
En las palabras de (Diaz) La moda es el dato ms repetido de la encuesta, el valor
de la variable con mayor frecuencia absoluta. Su clculo es extremadamente
sencillo, pues solo necesita un recuento. En variables continuas, expresadas en
intervalos, existe el denominado intervalo modal o, en su defecto, si es necesario
obtener un valor concreto de la variable, se recurre a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-46-9-5-6-1-5-3-7. El nmero que ms se repite es 5, entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima.
Cuando en una distribucin de datos se encuentran tres o ms modas, entonces
es multimodal. Por ltimo, si todas las variables tienen la misma frecuencia
diremos que no hay moda.
Propiedades:
Clculo sencillo.
Interpretacin muy clara.
Al depender solo de las frecuencias, puede calcularse para variables

cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una
poblacin no es posible realizar otros clculos, por ejemplo, cuando se
enumeran en medios periodsticos las caractersticas ms frecuentes de
determinado sector social. Esto se conoce informalmente como "retrato robot".
Inconvenientes de su uso:
Su valor es independiente de la mayor parte de los datos, lo que la hace

muy sensible a variaciones muestrales. Por otra parte, en variables agrupadas
Ing. Soto
en intervalos, su valor depende excesivamente del nmero de intervalos y de

su amplitud.
Usa muy pocas observaciones, de tal modo que grandes variaciones en los
datos fuera de la moda, no afectan en modo alguno a su valor.
No siempre se sita hacia el centro de la distribucin.
Puede haber ms de una moda en el caso en que dos o ms valores de la
variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).
2.3. MEDIANA
La mediana es un valor de la variable que deja por debajo de s a la mitad de los
datos, una vez que stos estn ordenados de menor a mayor.7 Por ejemplo, la
mediana del nmero de hijos de un conjunto de trece familias, cuyos respectivos
hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados
los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:
En caso de un nmero par de datos, la mediana no correspondera a ningn

valor de la variable, por lo que se conviene en tomar como mediana el valor
intermedio entre los dos valores centrales. Por ejemplo, en el caso de doce
datos como los siguientes:
Se toma como mediana

Propiedades e inconvenientes:
Las principales propiedades de la mediana son:
Es menos sensible que la media a oscilaciones de los valores de la

variable. Un error de transcripcin en la serie del ejemplo anterior en,
pongamos por caso, el ltimo nmero, deja a la mediana inalterada.
Ing. Soto
Como se ha comentado, puede calcularse para datos agrupados en

intervalos, incluso cuando alguno de ellos no est acotado.
No se ve afectada por la dispersin. De hecho, es ms representativa que

la media aritmtica cuando la poblacin es bastante heterognea. Suele darse
esta circunstancia cuando se resume la informacin sobre los salarios de un
pas o una empresa. Hay unos pocos salarios muy altos que elevan la media
aritmtica haciendo que pierda representatividad respecto al grueso de la
poblacin. Sin embargo, alguien con el salario "mediano" sabra que hay tanta
gente que gana ms dinero que l, como que gana menos.
Sus principales inconvenientes son que en el caso de datos agrupados en

intervalos, su valor vara en funcin de la amplitud de estos. Por otra parte, no se
presta a clculos algebraicos tan bien como la media aritmtica.
3. MEDIDAS DE DISPERSION
Segn la (Universidad de Cadiz) Las medidas de dispersin, tambin llamadas
medidas de variabilidad, muestran la variabilidad de una distribucin, indicando
por medio de un nmero si las diferentes puntuaciones de una variable estn muy
alejadas de la media. Cuanto mayor sea ese valor, mayor ser la variabilidad, y
cuanto menor sea, ms homognea ser a la media. As se sabe si todos los
casos son parecidos o varan mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media, se
calcula la media de las desviaciones de las puntuaciones respecto a la media
aritmtica. Pero la suma de las desviaciones es siempre cero, as que se adoptan
dos clases de estrategias para salvar este problema. Una es tomando las
desviaciones en valor absoluto (desviacin media) y otra es tomando las
desviaciones al cuadrado (varianza).
3.1. RANGO ESTADISTICO

Requisitos del rango
Ordenamos los nmeros segn su tamao.
Restamos el valor mnimo del valor mximo
Ing. Soto
Ejemplo
Para la muestra (8, 7, 6, 9, 4, 5), el dato menor es 4 y el dato mayor es 9. Sus
valores se encuentran en un rango de:
3.2. MEDIO RANGO O RANGO MEDIO

El medio rango o rango medio de un conjunto de valores numricos es la media
del mayor y menor valor, o la tercera parte del camino entre el dato de menor valor
y el dato de mayor valor. En consecuencia, el medio rango es:
Ejemplo
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor valor Min= 3 y el dato
de mayor valor Max= 8. El medio rango resolvindolo mediante la correspondiente
frmula sera:
Representacin del medio rango:
Ing. Soto
3.3. VARIANZA
La varianza es una medida estadstica que mide la dispersin de los valores
respecto a un valor central (media), es decir, es el cuadrado de las desviaciones.
Propiedades
La varianza es siempre positiva o 0.
Si a los datos de la distribucin les sumamos una cantidad constante la

varianza no se modifica.
Si a los datos de la distribucin los multiplicamos por una constante, la

varianza queda multiplicada por el cuadrado de esa constante.
Propiedad distributiva:
siempre y cuando las variables
,
y
sean independiente
3.4. DESVIACION TIPICA

La varianza a veces no se interpreta claramente, ya que se mide en unidades
cuadrticas. Para evitar ese problema se define otra medida de dispersin, que es
la desviacin tpica, o desviacin estndar, que se halla como la raz cuadrada
positiva de la varianza. La desviacin tpica informa sobre la dispersin de los
datos respecto al valor de la media; cuanto mayor sea su valor, ms dispersos
estarn los datos. Esta medida viene representada en la mayora de los casos
por S, dado que es su inicial de su nominacin en ingls.
3.5. COVARIANZA
La covarianza entre dos variables es un estadstico resumen indicador de si las
puntuaciones estn relacionadas entre s. La formulacin clsica se simboliza por
Ing. Soto
la letra griega sigma () cuando ha sido calculada en la poblacin. Si se obtiene

sobre una muestra, se designa por la letra " ".
Este tipo de estadstico puede utilizarse para medir el grado de relacin de dos
variables si ambas utilizan una escala de medida a nivel de intervalo/razn
(variables cuantitativas).
La expresin se resuelve promediando el producto de las puntuaciones
diferenciales por su tamao muestral (n pares de puntuaciones, n-1 en su forma
insesgada).
Este estadstico refleja la relacin lineal que existe entre dos variables. El
resultado numrico flucta entre los rangos de +infinito a -infinito. Al no tener unos
lmites establecidos no puede determinarse el grado de relacin lineal que existe
entre las dos variables, solo es posible ver la tendencia.
4. MEDIDAS DE ASIMETRIA
Segn el libro 'Introduccin a la Estadstica Econmica y Empresarial. Teora y
Prctica.' de (Lpez, 2007) Las medidas de asimetra son indicadores que
permiten establecer el grado de simetra (o asimetra) que presenta
una distribucin de probabilidad de una variable aleatoria sin tener que hacer su
representacin grfica.
Como eje de simetra consideramos una recta paralela al eje de ordenadas que
pasa por la media de la distribucin. Si una distribucin es simtrica, existe el
mismo nmero de valores a la derecha que a la izquierda de la media, por tanto, el
mismo nmero de desviaciones con signo positivo que con signo negativo.
Decimos que hay asimetra positiva (o a la derecha) si la "cola" a la derecha de la
media es ms larga que la de la izquierda, es decir, si hay valores ms separados
de la media a la derecha. Diremos que hay asimetra negativa (o a la izquierda) si
Ing. Soto
la "cola" a la izquierda de la media es ms larga que la de la derecha, es decir, si

hay valores ms separados de la media a la izquierda.
4.1. COEFICIENTE DE ASIMETRIA DE FISHER

En teora de la probabilidad y estadstica, la medida de asimetra ms utilizada
parte del uso del tercer momento estndar. La razn de esto es que nos
interesa mantener el signo de las desviaciones con respecto a la media, para
obtener si son mayores las que ocurren a la derecha de la media que las de la
izquierda. Sin embargo, no es buena idea tomar el momento estndar con
respecto a la media de orden 1. Debido a que una simple suma de todas las
desviaciones siempre es cero. En efecto, si por ejemplo, los datos estn
agrupados en clases, se tiene que:
en donde
representa la marca de la clase -sima y denota la frecuencia
relativa de dicha clase. Por ello, lo ms sencillo es tomar las desviaciones al
cubo.
El coeficiente de asimetra de Fisher, representado por
Donde
es el tercer momento en torno a la media y
estndar.
, se define como:
es la desviacin
Si
, la distribucin es asimtrica positiva o a la derecha.
Si
, la distribucin es asimtrica negativa o a la izquierda.
Ing. Soto
Si la distribucin es simtrica, entonces sabemos qu

. El recproco no
es cierto: es un error comn asegurar que si
entonces la distribucin es
simtrica (lo cual es falso).
4.2. COEFICIENTE DE ASIMETRIA DE PEARSON

Slo se puede utilizar en distribuciones uniformes, unimodales y
moderadamente asimtricas. Se basa en que en distribuciones simtricas la
media de la distribucin es igual a la moda.
Donde es el momento central de orden 1, que corresponde a la media

aritmtica de la variable .
Si la distribucin es simtrica,
y
. Si la distribucin es
asimtrica positiva la media se sita por encima de la moda y, por tanto
.
4.3. COEFICIENTE DE ASIMETRIA DE BOWLEY

Est basado en la posicin de los cuartiles y la mediana, y utiliza la siguiente
expresin:
En una distribucin simtrica el tercer cuartil estar a la misma distancia de la

mediana que el primer cuartil. Por tanto
.
Si la distribucin es positiva o a la derecha
5. RECURSOS VISUALES UTILIZADOS EN LA ESTADISTICA

5.1. TABLAS
Segn la pgina web de la (Universidad Michoacana de San Nicolas de Hidalgo)
Ing. Soto
El manejo de la informacin requiere de la ordenacin de datos de tal forma que

permita la obtencin de una forma ms fcil la obtencin de conclusiones acerca
de la muestra. Una primera ordenacin se realiza mediante el manejo de tablas,
en las que se ordenan los datos de acuerdo a ciertas caractersticas de los datos.
El manejo de datos discretos permite la manipulacin de tablas, sobre todo
cuando el nmero de datos no es muy reducido. A continuacin describiremos la
manipulacin de datos mediante el manejo de datos discretos y continuos. Las
variables a ser manejadas en el estudio, en el caso de valores discretos, se puede
representar mediante una tabla en la que se representa los variables mediante
variables con nombre como (xi) y el nmero de veces en que un dato se
representara mediante frecuencias, frecuencias absolutas, frecuencias relativas.
La representacin de esta tabla mediante frecuencias se le conoce como tabla
estadstica cuya funcin es la determinar la frecuencia de cada clase las cuales
aparecen a un lado de cada clase.
La representacin generalmente se da como sigue:
Frecuencias simples y relativas

Variable (Xi)
Frecuencia f(xi)
Frecuencia relativa
(el nmero veces ni que se

repite Xi )
f(xi)/N= ni/N
X1
f(X1 )= n1
f(X1 )/N= n1/N
X2
f(X2 )= n2
f(X2 )/N= n2/N
Ing. Soto
X3
f(X3 )= n3
f(X3 )/N= n3/N
Xn-1
f(Xn-1 ) = nn-1
f(Xn-1 )/N= nn-1/N
Xn
f(Xn)= nn
f(Xn)/N= nn/N
Un ejemplo de clasificacin de datos.

Se presenta una tabla que muestra las calificaciones obtenidas en un examen de
matemticas, y a su lado se presenta el nmero de alumnos que obtuvieron esas
calificaciones.
Ing. Soto
Frecuencias simples y relativas
Variable (Ci)
C i= calificaciones
obtenidas
Frecuencia f(xi) =f i frecuencia

absoluta
Frecuencia relativa
h(xi)
(El nmero veces que se

repite Xi )
(El nmero veces que

se repite Xi )
h(xi) = f(xi)/n
Ing. Soto
10
1/20
3/20
2/20
3/20
4/20
2/20
1/20
2/20
1/20
1/20
En el caso de las variables continuas se debe de dividir los intervalos en los que
debe de distribuirse la informacin, en este caso existen varios criterio sobre los
que debemos de plantear la distribucin. Uno de ellos, de los ms comunes,
consiste en determinar la cantidad de parmetros.
Dentro de las frecuencias que aparecen en las tablas, las ms comunes, son
frecuencia absoluta, la frecuencia absoluta acumulada y la frecuencia relativa.
La frecuencia absoluta f(xi) se determina como el nmero de veces que se repite

un dato xi.
La frecuencia absoluta acumulada Fi para un determinado valor se considera
como la frecuencia de cada dato xi mas la suma de los valores anteriores a dicha
suma.
donde
son el numero de datos acumulados de las clases anteriores
La frecuencia relativa hi es el cociente hi =fi/N , en algunas ocasiones se

representa como ni/N, donde N es el nmero total de datos, corresponde a la
suma de todas la frecuencias individuales de cada clase, y ni o fi los datos en
cada clase. Las frecuencias relativas representan el porciento de veces en que
ocurre un dato. Como veremos en teora de probabilidades, el concepto de
frecuencia relativa nos conduce a un concepto de probabilidad.
La frecuencia relativa acumulada Hi es la suma de los valores acumulados de
la frecuencia relativa
Ing. Soto
la suma de las frecuencias relativas que se han acumulado, incluyendo la clase

sobre la que se esta calculando la frecuencia relativa.
5.2. GRAFICAS
Citando al sitio web (Plan Ceibal) Cuando se hace un estudio estadstico se
obtiene una gran cantidad de datos numricos. Para tener una informacin clara y
rpida de lo obtenido en el estudio se han creado las grficas estadsticas.
Hay muchos tipos de grficas estadsticas. Cada una de ellas es adecuada para
un estudio determinado, ya que no siempre se puede utilizar la misma para todos
los casos.
Las ms comunes son:
Diagrama de barras
Histograma
Polgono de frecuencias
Diagrama de sectores
Pictograma
5.2.1 DIAGRAMA DE BARRAS

Se utiliza para representar los caracteres cualitativos y cuantitativos discretos. En
el eje horizontal, o eje de abcisas, se representan los datos o modalidades; en el
eje vertical o de ordenadas, se representan las frecuencias de cada dato o
modalidad.
Sobre el eje horizontal se levantan barras o rectngulos de igual base (que no se
superpongan) cuya altura debe ser proporcional a la frecuencia que representan.
Ing. Soto
Rpidamente podemos ver que el ftbol es el deporte preferido, por la longitud de

la barra.
Las barras tambin pueden ser horizontales:
Ing. Soto
Sugerencias para su realizacin:
Todas las barras deben ser del mismo ancho para no confundir al lector.
Los espacios entre barras deben ser igual a la mitad del ancho de las
barras.
Se deben incluir las escalas y algunas indicaciones para que ayuden a la
lectura de las grficas.
Los ejes de las grficas se deben identificar en forma clara.
Se deben incluir dentro del cuerpo de la grfica, o debajo, todo tipo de
"claves" para la interpretacin de las grficas.
El ttulo de la grfica debe aparecer debajo del cuerpo.
Las notas de pie de pgina, o sobre fuentes, cuando sean necesarias, se
deben colocar despus del ttulo.
5.2.3 HISTOGRAMA
Un histograma es una representacin grfica de una variable en forma de barras,
donde la superficie de cada barra es proporcional a la frecuencia de los valores
representados. En el eje vertical se representan las frecuencias, y en el eje
horizontal los valores de las variables, normalmente sealando las marcas de
clase, es decir, la mitad del intervalo en el que estn agrupados los datos.
Se utiliza cuando se estudia una variable continua, como franjas de edades o
altura de la muestra, y, por comodidad, sus valores se agrupan en clases, es decir,
valores continuos. En los casos en los que los datos son cualitativos (nonumricos), como sexto grado de acuerdo o nivel de estudios, es preferible un
diagrama de sectores.
Los histogramas son ms frecuentes en ciencias sociales, humanas y econmicas

que en ciencias naturales y exactas. Y permite la comparacin de los resultados
de un proceso.
Ejemplo:
Ing. Soto
Marca de clase o valor medio

Se determina calculando el
promedio entre los lmites
inferior y superior. La marca de
clase representa a todos los
datos pertenecientes al intervalo
de clase correspondiente.
5.2.4. POLIGONO DE FRECUENCIAS

Es un grfico lineal que se utiliza en el caso de una variable cuantitativa.
Para realizar el polgono unimos los puntos medios de las bases superiores del
diagrama de barras o del histograma.
5.2.5. DIAGRAMA DE SECTORES

Tambin conocido como grfico de torta o grfico circular.
Se representan los datos en un crculo, de modo que la frecuencia de cada valor
viene dada por un trozo de rea del crculo. As, el crculo queda dividido en
Ing. Soto
sectores cuya amplitud es proporcional a las frecuencias de los valores. Sirve para
representar cualquier tipo de variable.
Ejemplo:
En la clase se realiz la siguiente encuesta: Qu libros prefieres leer?
Los resultados se ordenaron en esta tabla
Tipos de libros
De Misterio
N de alumnos
De Aventuras
15
Historietas
Total
30
Si queremos representar esta informacin en un grfico de torta tenemos que

realizar unos clculos previamente.
Como la medida de la superficie de cada sector es directamente proporcional a la
medida del ngulo central, se hace una proporcionalidad directa entre la cantidad
de alumnos que hay en el sector con respecto al total de alumnos y el ngulo del
sector (la incgnita) con respecto al ngulo central de todo el crculo, o sea 360.
Para el sector de libros de misterio tenemos:
30 alumnos ---------------360 (todo el crculo)
15 alumnos --------------- incgnita (sector del crculo correspondiente a libros de
misterio)
ngulo sector Misterio = 360 X 15 alumnos / 30 alumnos = 180 (la mitad del
crculo)
ngulo sector Aventuras = 360 X 9 alumnos / 30 alumnos = 108
ngulo sector Historietas = 360 X 6 alumnos / 30 alumnos = 72
Si sumamos la amplitud de los tres sectores nos tiene que dar el crculo completo:
180 + 108 + 72 = 360
Ing. Soto
5.2.6. PICTOGRAMAS
Es un grfico con dibujos alusivos al carcter que se est estudiando y cuyo tamao es proporcional a la
frecuencia que representan; dicha frecuencia se suele indicar, ejemplo:
5.2.7. PIRAMIDE DE POBLACION

Dependiendo de la informacin que estemos estudiando, se pueden utilizar otros
tipos de grficos.
Uno de ellos es por ejemplo, la pirmide de poblacin. Sirve para analizar cmo va
evolucionando (con respecto a su edad) una poblacin determinada.
Consiste en dos diagramas de barras, uno de ellos para representar los datos de
los hombres y el otro para los de las mujeres, pero dispuestos de forma horizontal
y por edades.
Ing. Soto
5.2.8. CARTOGRAMAS
Los cartogramas son grficos realizados sobre mapas, en los que aparecen
indicados sobre las distintas zonas cantidades o colores de acuerdo con el
carcter que representan
En el siguiente cartograma observamos la urbanizacin en el mundo atendiendo a
la industrializacin:
BIBLIOGRAFIA
Diaz, F. R. (s.f.). Bioestadistica. Metodos y aplicaciones.
Lpez, F. J.-P. (2007). Introduccin a la Estadstica Econmica y Empresarial.
Teora y Prctica. Madrid: Editorial Thomson.
Plan Ceibal. (s.f.). Ceibal. Recuperado el 08 de Octubre de 2015, de
http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistica
/grficas_estadsticas.html
Santiago Fernandez Fernandez, Alejandro Cordoba, Jose Maria Cordero
Sanchez. (2002). Estadistica Descriptiva 2 Edicion. ESIC Editorial.
Ing. Soto
Universidad de Cadiz. (s.f.). Universidad de Cadiz. Recuperado el 06 de Octubre

de 2015
Universidad Michoacana de San Nicolas de Hidalgo. (s.f.). Universidad
Michoacana de San Nicolas de Hidalgo. Recuperado el 08 de Octubre de
2015, de http://dieumsnh.qfb.umich.mx/estadistica/tablas.htm
Wikipedia. (30 de Septiembre de 2015). Wikipedia. Recuperado el 05 de
Octubre de 2015, de Wikipedia: https://es.wikipedia.org/wiki/Estadistica
Ing. Soto

Estadistica - Monografria

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

Estadistica - Monografria

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD DE GUADALAJARA

Sistema de Educacin Media Superior

MATEMATICAS Y VIDA COTIDIANA I

MAESTRO: ING. JOS SOTO

Carolina Gonzlez, 1F. Pgina 1

MEDIDAS DE TENDENCIA CENTRAL...............................................................8

MEDIO RANGO O RANGO MEDIO...........................................................12

COEFICIENTE DE ASIMETRIA DE FISHER................................................15

COEFICIENTE DE ASIMETRIA DE PEARSON............................................16

COEFICIENTE DE ASIMETRIA DE BOWLEY..............................................16

RECURSOS VISUALES UTILIZADOS EN LA ESTADISTICA..............................16

5.2.1 DIAGRAMA DE BARRAS........................................................................20

Carolina Gonzlez, 1F. Pgina 2

Carolina Gonzlez, 1F. Pgina 3

1.1. CONCEPTOS BASICOS

Carolina Gonzlez, 1F. Pgina 4

Carolina Gonzlez, 1F. Pgina 5

muestra. Una muestra seleccionada por muestreo de juicio se basa en la

Formas de Observar la Poblacin:

Observacin directa: es aquella donde se tienen un contacto directo con

Observacin Indirecta: es aquella donde la persona que investiga hace

Carolina Gonzlez, 1F. Pgina 6

Una observacin continua; como su nombre lo indica es aquella que se

Una observacin peridica; es aqulla que se lleva a cabo a travs de

La observacin circunstancial, es aquella que se efecta en forma

Observacin Exhaustiva. Cuando la observacin es efectuada sobre la

Observacin Parcial. Dados que las poblaciones en general son grandes,

Observacin Mixta. En este tipo de observacin se combinan

Carolina Gonzlez, 1F. Pgina 7

Si es posible listar (o enumerar) y observar cada elemento de la poblacin, los

Carolina Gonzlez, 1F. Pgina 8

2. MEDIDAS DE TENDENCIA CENTRAL

Se debe tener en cuenta que existen variables cualitativas y variables

2.1. MEDIA ARITMETICA

Primero, se suman las notas:

Carolina Gonzlez, 1F. Pgina 9

Luego el total se divide entre la cantidad de alumnos:

La media aritmtica en este ejemplo es 5,52

Su clculo es muy sencillo y en l intervienen todos los datos.

Su valor es nico para una serie de datos dada.

Se usa con frecuencia para comparar poblaciones, aunque es ms

Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto

Minimiza las desviaciones cuadrticas de los datos respecto de cualquier

Es poco sensible a fluctuaciones muestrales, por lo que es un parmetro

Para datos agrupados en intervalos (variables continuas) su valor oscila en

Es una medida a cuyo significado afecta sobremanera la dispersin, de

Carolina Gonzlez, 1F. Pgina 10

En el clculo de la media no todos los valores contribuyen de la misma

No se puede determinar si en una distribucin de frecuencias hay intervalos

Interpretacin muy clara.

Al depender solo de las frecuencias, puede calcularse para variables

Su valor es independiente de la mayor parte de los datos, lo que la hace

Carolina Gonzlez, 1F. Pgina 11

en intervalos, su valor depende excesivamente del nmero de intervalos y de

En caso de un nmero par de datos, la mediana no correspondera a ningn

Se toma como mediana

Es menos sensible que la media a oscilaciones de los valores de la

Carolina Gonzlez, 1F. Pgina 12

Como se ha comentado, puede calcularse para datos agrupados en

No se ve afectada por la dispersin. De hecho, es ms representativa que

Sus principales inconvenientes son que en el caso de datos agrupados en

3.1. RANGO ESTADISTICO

Ordenamos los nmeros segn su tamao.