ESTADSTICA I

Trabajo Prctico II

1.- Los siguientes datos representan los kilogramos de alimento consumidos durante un
mes por un rebao de vacas sometidas a una dieta especial para aumentar su produccin
lctea:

84 91 64 66 39 96 80 85 66
73 95 65 66 42 97 84 90 95
68 55 65 66 41 96 81 88 95
74 60 66 66 45 97 67 90 95
60 48 61 66 33 96 74 85 50

Proceda a ordenar los datos y posteriormente:

a) Elabore una tabla de distribucin de frecuencias mediante el mtodo de Sturges
b) Calcule: Lri, Lrs, LI, LS, fi, fr, f%, fa<, fa>, fr<, fr>, f%<, f%> y mi
c) interprete lo que significa fi para la 4ta clase
d) Interprete lo que significa f% para la 5ta clase
Diga:
e) Qu proporcin de vacas consumi entre 66 y 98kg de alimento
f) Cuntas vacas consumieron una cantidad de alimento menor de 65kg?
g) Qu porcentaje de vacas consumi ms de 55kg de alimento?
h) Construya una grfica circular a partir de las f%
i) Construya un Histograma
j) Construya una ojiva menor que.

2.- Las notas de 80 estudiantes de Educacin Integral en un examen de redaccin al

inicio de su carrera fueron las siguientes:

96 60 64 65 95 66 85 68 80 90
96 55 60 65 95 66 84 66 74 88
96 60 61 65 95 66 85 67 74 90
96 60 61 65 95 66 85 67 80 90
97 60 64 65 95 66 85 68 81 90
97 60 64 65 95 66 85 68 81 90
98 60 64 65 95 66 88 73 84 90
96 55 60 65 91 66 84 66 73 88
Considerando esa informacin, elabore una distribucin de frecuencias que contenga 7
clases y proceda a:
a) Calcular: Lri, Lrs, fi, fr, f%, fa<, fa>, fr<, fr>, f%<, f%> y mi
b) Interpretar fi para la 6ta clase
c) Interpretar f% para la 3ra clase
d) Qu proporcin de estudiantes obtuvo notas mayores de 97?
e) Cuntos estudiantes obtuvieron notas iguales o menores de 68?
f) Qu porcentaje de estudiantes alcanz entre 76 y 82 puntos?
g) Construya una ojiva descendente
h) Construir u polgono de frecuencias
i) Construir un Diagrama circular a partir de las f%
 ESTADSTICA I

Se denomina en estadistica a la agrupacin de datos en categoras mutuamente

excluyentes que indican el nmero de observaciones en cada categora. Esto significa
una de las cosasms importantes de la matemtica, su estadstica con la agrupacin de
datos. La distribucin de frecuencias presenta las observaciones clasificadas de modo
que se pueda ver el nmero existente en cada clase.
En primer lugar se requiere ordenar los datos de manera clara y legible, para ello se
recomienda el uso de "Tablas tabulares2 en las cuales se consideran variables de
interes. Los datos se ordenan preferentemente de manera creciente y se aade la
frecuencia de cada valor, a esta tabla la llamaremos "distribucion de frecuencias
simple".
Para construir la tabla de distribucion de frecuencias es necesario hacer el conteo. una
vez realizado el conteo se calcula la frecuencia relativa, finalmente se aade la
frecuencia acumulada relativa para tener una tabla de distribucion de frecuencias
completa.
Los elementos que se deben tener en cuenta en una tabla de distribucion de
frecuencias:
Clase: Se le llama clas a cada uno de los intervalos que toma una distribucion
de frecuencias, una aproximacion razonable, para determinar el numero de clases no los
da la regla de stuger. No= 1+3.3(LogN), donde N es el numero total de datos.

Anchura o tamao del intervalo de clase: Es la diferencia entre valores

maximos y minimos divididos entre el numero de clases, todas las clases deben tener la
misma amplitud. La formula es: C= Vmax-Vmin/No

Limites normales de clase (LNI-LNS): Las clases o intervalos de clase estan

limitados por sus valores extremos que se denominan "Limite normal superior y limite
normal Inferior". El limite normal superior se forma con el valor minimo sumandole la
amplitud.

Limites reales de clase (LRI-LRS): Corresponden al punto medio entre el

limite normal superior de una clase y el limite normal inferior de la clase siguiente.

Frecuencia Absoluta: Es el numero de veces que aparece un numero en el

conjunto inicial de datos. La frecuencia de un intervalo de clases es igual a la suma de
la frecuencia de todos los datos que aparecen en el. Su simbolo es F.

Frecuencia Acumulada: La frecuencia acumulada de un intervalo es igual a la

suma de sus frecuencias mas las frecuencias de las clases anteriores. Su simbolo es Fa.

Frecuencia Relativa: Indica los porcentajes; es la totalidad de los datos que

corresponden a cada clase. Se obtiene de clase dividida entre el total de datos
multiplicada por 100 y se expresa en porcentajes. F= (F/N)(100).

Frecuencia Relativa acumulada (FRA): Indica los porcentajes de la totalidad

de datos de cada clase. Se obtiene con la frecuncia acumulada de cada clase al dividirla
entre el total de datos multiplicado por 100. Fra= (Fa/N)(100).

Marca de clase: Es el valor que corresponde al punto medio de un intervalo de

clase y su valor es igual a la mitad de la suma de los limites normales inferiores y
superiores de clase. X=(LNI+LNS)/2.

EJEMPLO
En una universidad de Estados Unidos una muestra aleatoria de 25 profesores suinistro
la sig. informacion. Elaborar tabla de ditribucion de frecuencias.
 ESTADSTICA I

TABLA DE DISTRIBUCION DE FRECUENCIAS

1.2 Mtodo de Muestreo

En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a

partir de una poblacin.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la
poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de
muestras que se pueden obtener de la poblacin se denomina espacio muestral. La
variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada
distribucin muestral.
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque
en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.

I. Muestreo probabilstico

Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de

equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser
seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables.
Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos:

1.- Muestreo aleatorio simple:

 ESTADSTICA I

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de

la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas
de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador,
etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra
requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando
la poblacin que estamos manejando es muy grande.

2.- Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la

poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte
de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que
integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es
decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la
poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como
punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de muestreo
est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los
miembros de la muestra con una periodicidad constante (k) podemos introducir una
homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando
una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5
ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de
los dos sexos.

3.- Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran
homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo,
segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se
pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters
estarn representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarn parte de la muestra.
En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...).

4.- Muestreo aleatorio por conglomerados:

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades mustrales son los elementos de
la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos conglomerado.
Las unidades hospitalarias,
los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son
reas geogrficas suele hablarse de "muestreo por reas". El muestreo por
conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en
investigar despus todos los elementos pertenecientes a los conglomerados elegidos.

II. Mtodos de muestreo no probabilsticos

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente

costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la poblacin),
pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos
 ESTADSTICA I

los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se

seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de
lo posible, que la muestra sea representativa. En algunas circunstancias los mtodos
estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun
en situaciones de muestreo no probabilstico, por ejemplo los estudios de caso-control,
donde los casos no son seleccionados aleatoriamente de la poblacin. Entre los mtodos
de muestreo no probabilsticos ms utilizados en investigacin encontramos:

1.- Muestreo por cuotas:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base

de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de
aleatoriedad de aqul. En este tipo de muestreo se fijan unas "cuotas" que consisten en
un nmero de individuos que renen unas determinadas condiciones, por ejemplo: 20
individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez
determinada la cuota se eligen los primeros que se encuentren que cumplan esas
caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.

2.- Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras

"representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos.
Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto. Tambin puede ser que el investigador
seleccione directa e intencionadamente los individuos de la poblacin. El caso ms
frecuente de este procedimiento el utilizar como muestra los individuos a los que se
tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos).

3.- Bola de nieve:

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as

hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

4.- Muestreo Discrecional:

A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden
aportar al estudio.

1.1.3 Definiciones
a) Poblacin: Tambin llamada universo o colectivo, es el conjunto de elementos de
referencia sobre el que se realizan las observaciones.
Poblacin base: es el grupo de personas designadas por las siguientes
caractersticas: personales, geogrficas o temporales, que son elegibles para participar
en el estudio.Poblacin
muestreada: es la poblacin base con criterios de viabilidad o posibilidad de
realizarse el muestreo.
Muestra estudiada: es el grupo de sujetos en el que se recogen los datos y se
realizan las observaciones, siendo realmente un subgrupo de la poblacin muestreada y
accesible. El nmero de muestras que se puede obtener de una poblacin es una o
mayor de una.
Poblacin diana: es el grupo de personas a la que va proyectado dicho estudio,
la clasificacin caracterstica de los mismos, lo cual lo hace modelo de estudio para el
proyecto establecido.
b) Muestra: Tambin llamada muestra aleatoria o simplemente muestra; es un
subconjunto de casos o individuos de una poblacin estadstica. se obtienen con la
 ESTADSTICA I

intencin de inferir propiedades de la totalidad de la poblacin, para lo cual deben ser

representativas de la misma. Para cumplir esta caracterstica la inclusin de sujetos en
la muestra debe seguir una tcnica de muestreo.
c) Variable: es una caracterstica (magnitud, vector o nmero) que puede ser
medida, adoptando diferentes valores en cada uno de los casos de un estudio.
Tipos de variables:
Variables cualitativas
Variable cualitativa ordinal: Tambin llamadavariable cuasicuantitativa. La
variable puede tomar distintos valores ordenados siguiendo una escala establecida,
aunque no es necesario que el intervalo entre mediciones sea uniforme, por
ejemplo: leve, moderado, grave.
Variable cualitativa nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden como por ejemplo los colores o el lugar de residencia.
Variables cuantitativas
Variable discreta: Es la variable que presenta separaciones o interrupciones en
la escala de valores que puede tomar. Estas separaciones o interrupciones indican la
ausencia de valores entre los distintos valores especficos que la variable pueda asumir.
Ejemplo: El nmero de hijos (1, 2, 3, 4, 5).
Variable continua: Es la variable que puede adquirir cualquier valor dentro de
un intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg, ...) o
la altura (1,64 m, 1,65 m, 1,66 m, ...), que solamente est limitado por la precisin del
aparato medidor, en teora permiten que siempre exista un valor entre dos
cualesquiera.
C) Dato: Un dato estadstico es cada uno de los valores que se ha obtenido al realizar
un estudio estadstico.
Ejemplo: Cul ser la preferencia del consumidor ante dos marcas de refresco con
similares caractersticas en un ambiente armnico y sin publicidad?
Ejemplo: Cul ser la preferencia del consumidor ante dos marcas de refresco con
similares caractersticas en un ambiente armnico y sin publicidad?

f)Muestreo: Tcnica para la seleccin de una muestra a partir de una poblacin. Al

elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la
poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados
parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin.

g)Parametro: Un parmetro es un nmero que resume la ingente cantidad de datos

que pueden derivarse del estudio de una variable estadstica. El clculo de este nmero
est bien definido, usualmente mediante una frmula aritmtica obtenida a partir de
datos de la poblacin. Los parmetros estadsticos son una consecuencia inevitable del
propsito esencial de la estadstica: modelizar la realidad.

h)Estadistico: Es una medida cuantitativa, derivada de un conjunto de datos de una

muestra, con el objetivo de estimar o contrastar caractersticas de una poblacin o
modelo estadstico. Ms formalmente un estadstico es una funcin medible T que, dada
una muestra estadstica de valores (X1,X2,...,Xn), les asigna un nmero,
T(X1,X2,...,Xn), que sirve para estimar determinado parmetro de la distribucin de la
que procede la muestra. As, por ejemplo, la media de los valores de una muestra
(media muestral) sirve para estimar la media de la poblacin de la que se ha extrado la
misma; la varianza muestral podra usarse para estimar la varianza poblacional, etc.[1]
Esto se denomina como realizar una estimacin puntual.
1.1.2 Clasificacin de la Estadstica
La estadstica se divide en dos elementos:
La estadstica descriptiva es una gran parte de la estadstica que se dedica a analizar
y representar los datos. Este anlisis es muy b
 ESTADSTICA I

sico. Aunque hay tendencia a generalizar a toda la poblacin, las primeras conclusiones
obtenidas tras un anlisis descriptivo, es un estudio calculando una serie de medidas de
tendencia central, para ver en qu medida los datos se agrupan o dispersan en torno a
un valor central.
Se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de una
coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos
de informacin (medidas descriptivas) que caracterizan la totalidad de los mismos. La
estadstica Descriptiva es el mtodo de obtener de un conjunto de datos conclusiones
sobre si mismos y no sobrepasan el conocimiento proporcionado por stos. Puede
utilizarse para resumir o describir cualquier conjunto ya sea que se trate de una
poblacin o de una muestra, cuando en la etapa preliminar de la Inferencia Estadstica
se conocen los elementos de una muestra.

ESTADSTICA DESCRIPTIVA

Aunque hay tendencia a generalizar a toda la poblacin, las primeras conclusiones

obtenidas tras un anlisis descriptivo, es un estudio calculando una serie de medidas de
tendencia central, para ver en qu medida los datos se agrupan o dispersan en torno a
un valor central.

Se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de una

coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos
de informacin (medidas descriptivas) que caracterizan la totalidad de los mismos. La
estadstica Descriptiva es el mtodo de obtener de un conjunto de datos conclusiones
sobre si mismos y no sobrepasan el conocimiento proporcionado por stos. Puede
utilizarse para resumir o describir cualquier conjunto ya sea que se trate de una
poblacin o de una muestra, cuando en la etapa preliminar de la Inferencia Estadstica
se conocen los elementos de una muestra.

La estadstica Inferencial
 ESTADSTICA I

al, es el proceso por el cual se deducen (infieren) propiedades o caractersticas de una

poblacin a partir de una muestra significativa. Uno de los aspectos principales de la
inferencia es la estimacin de parmetros estadsticos. Por ejemplo, para averiguar la
media, , de las estaturas de todos los soldados de un reemplazo, se extrae una
muestra y se obtiene su media, 0. La media de la muestra (media muestral), 0, es un
estimador de la media poblacional, .
Si el proceso de muestreo est bien realizado (es decir, la muestra tiene el tamao
adecuado y ha sido seleccionada aleatoriamente), entonces el valor de , desconocido,
puede ser inferido a partir de 0.(Katherine, 2008) La estadstica Inferencia, es el
proceso por el cual se deducen (infieren) propiedades o caractersticas de una poblacin
a partir de una muestra significativa. Uno de los aspectos principales de la inferencia es
la estimacin de parmetros estadsticos. Por ejemplo, para averiguar la media, , de
las estaturas de todos los soldados de un reemplazo, se extrae una muestra y se
obtiene su media, 0. La media de la muestra (media muestral), 0, es un estimador de la
media poblacional, . Si el proceso de muestreo est bien realizado (es decir, la
muestra tiene el tamao adecuado y ha sido seleccionada aleatoriamente), entonces el
valor de , desconocido, puede ser inferido a partir de 0.Katherine
Si el proceso de muestreo est bien realizado (es decir, la muestra tiene el tamao
adecuado y ha sido seleccionada aleatoriamente), entonces el valor de , desconocido,
puede ser inferido a partir de 0.(Katherine, 2008) La estadstica Inferencia, es el
proceso por el cual se deducen (infieren) propiedades o caractersticas de una poblacin
a partir de una muestra significativa. Uno de los aspectos principales de la inferencia es
la estimacin de parmetros estadsticos. Por ejemplo, para averiguar la media, , de
las estaturas de todos los soldados de un reemplazo, se extrae una muestra y se
obtiene su media, 0. La media de la muestra (media muestral), 0, es un estimador de la
media poblacional, . Si el proceso de muestreo est bien realizado (es decir, la
muestra tiene el tamao adecuado y ha sido seleccionada aleatoriamente), entonces el
valor de , desconocido, puede ser inferido a partir de 0.Katherine

1.1 Trminos Bsicos de la Estadstica

 ESTADSTICA I

La estadstica es una ciencia referente a la recoleccin, anlisis e interpretacin de

datos, ya sea para ayudar en la resolucin de la toma de decisiones o para explicar
condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia
en forma aleatoria o condicional.

La estadstica es comnmente considerada como una coleccin de hechos numricos

expresados en trminos de una relacin sumisa, y que han sido recopilado a partir de
otros datos numricos.
Un objetivo comn para un proyecto de investigacin estadstica es investigar la
causalidad, y en particular extraer una conclusin en el efecto que algunos cambios en
los valores de predictores o variables independientes tienen sobre una respuesta o
variables dependientes.

Hay dos grandes tipos de estudios estadsticos para estudiar causalidad: estudios
experimentales y observacionales. En ambos tipos de estu

imites reales de clase (LRI-LRS): Corresponden al punto medio entre el

limite normal superior de una clase y el limite normal inferior de la clase
siguiente.