Estadística

2
Matemática
Estadística
3
ÍNDICE
1. Población y muestra.............................................. 6
2. Estadística Descriptiva ......................................... 9
Ejercicios 2-1 ........................................................ 12
Hoja de respuestas 2-1 ........................................ 16
3. Amplitud de una variable................................... 21
4. Intervalos de clase............................................... 25
5. Gráficos. Histogramas, polígonos de
frecuencia, tortas, barras......................................... 30
6. Medidas de centralización ( de posición o de
tendencia central)..................................................... 39
7. Moda ..................................................................... 44
8. estadística. Ejercicios ......................................... 47
Hoja de respuestas ............................................... 50
9. Medidas de dispersión (o de desviación) ......... 53
10. Desviación Media.............................................. 56
11. Desviación estándar (s) .................................... 61
12. Varianza.............................................................. 64
13. Distribución normal - curva de Gauss.......... 69
Ejercicios 13-1...................................................... 75
Hoja de respuestas 13-1 ...................................... 78
14. Correlación......................................................... 80
14.1 ¿Cómo se calcula el coeficiente de
correlación lineal? ............................................... 92
4
14.2 Ejercicios ...................................................... 98
15. Media, Moda y Mediana................................. 103
5
1. POBLACIÓN Y MUESTRA
Para hacer el estudio de los caracteres que se

desea conocer se hacen observaciones. Si las ob-
servaciones se realizan sobre el total de un grupo,
a ese grupo se lo denomina población o universo y
cada observación se llama individuo.
Por ejemplo:
Si se efectúa un censo ganadero
población el conjunto de
animales
individuo cada animal
Si se efectúa un censo sobre viviendas

población el total de
viviendas
individuo cada vivienda
Si en una empresa se toman los salarios de

cada empleado
6
población el conjunto de
salarios
individuo cada salario
Muchas veces es muy difícil estudiar el

número total (N) de los individuos de una pobla-
ción debido al costo económico, el tiempo que
llevaría o por ser muy difícil de delimitar ese nú-
mero total.
Por ejemplo, si se desea saber la diferencia
de presión sanguínea entre hombres y mujeres,
sería imposible determinar la presión se todos los
hombres y de todas las mujeres. El problema se
resuelve recurriendo a las muestras.
Se llama muestra al conjunto de n indivi-
duos (n < N) elegidos al azar entre los N de una
población dada.
Si en el ejemplo anterior se toma la pre-
sión a 200 personas elegidas al azar:
Población Total de
personas existentes
Muestra Los 200

personas escogidas
Individuo Cada persona
7
Para que los estudios realizados sobre la
población sean válidos, la muestra debe ser repre-
sentativa de la población. Por ejemplo, si se quiere
estudiar la incidencia del mal de Chagas en la Pro-
vincia del Chaco, y se toma una muestra de pobla-
ción perteneciente sólo a la ciudad de Resistencia,
el estudio estadístico no es válido, ya que se está
estudiando sólo individuos de la zona metropoli-
tana, dejando de lado la zona rural. En este caso se
dice que la muestra no es representativa de la po-
blación.
EJERCICIOS
1. Se quiere realizar un estudio para determi-

nar la cantidad promedio de huevos que ponen los
pingüinos hembras en el período reproductivo en
Puerto Madryn. Determiná población y muestra
del estudio.
2. Se quiere determinar la audiencia de cierto

programa televisivo de televisión de aire. Deter-
miná muestra y población.
8
2. ESTADÍSTICA DESCRIPTIVA
Actualmente es difícil leer un informe de cual-

quier actividad humana con repercusión pública
que no esté acompañada por tablas ó gráficos
estadísticos: el periodista los utiliza para enrique-
cer su comentario escrito; el empresario, para ex-
plicar su cuenta de resultados; el publicista, para
transmitir un mensaje visualmente concreto; y
todos, para facilitar la comprensión de una infor-
mación generalmente densa y con datos de com-
plicada presentación.
Ante tal cúmulo de información y de datos,

muchas veces el lector termina leyendo solamente
el gráfico y la tabla adjunta. Por lo tanto, es im-
prescindible aprender a leer e interpretar este mo-
do de comunicación y también aprender a confec-
cionarlos para que los demás la entiendan con
claridad.
La definición matemática de la estadística

es:
9
Ciencia que utiliza conjuntos de datos
numéricos para obtener a partir de ellos
inferencias basadas en el cálculo de pro-
babilidades.
El lenguaje de la estadística
Vamos precisar algunos términos propios del
lenguaje estadístico:
Población: se denomina población al con-

junto de todos los elementos que cumplen una
determinada característica, que deseamos medir ó
estudiar.
Muestra: Se denomina muestra a cualquier

subconjunto de la población. El número de ele-
mentos de la muestra se llama tamaño de la mis-
ma. Cuando el tamaño de la muestra coincide con
la población, se llama censo.
Individuo (objeto): Se considera individuo a

cada uno de los elementos de la población.
10
Carácter estadístico: Cada una de las propie-
dades (aspectos) que pueden estudiarse en los
individuos de una población recibe el nombre de
carácter.
Un carácter puede ser cuantitativo si se puede
medir.
Un carácter es cualitativo si no se puede me-
dir, o sea se puede comparar.
Variables estadísticas: Una variable estadís-

tica se llama discreta cuando sólo se pueden tomar
determinados valores de ella. En cambio la varia-
ble se llama continua cuando puede tomar todos
los valores de un intervalo
Intervalos de clase: Se llama intervalos de

clase a cada uno de los intervalos en que pueden
agruparse los datos de una variable estadística
11
EJERCICIOS 2-1
EJERCICIO 1
Dados los siguientes datos de longitud de vari-

llas:
52, 80, 65, 82, 77, 60, 72, 83, 63
78, 84, 75, 53, 73, 70, 86, 55, 88
85, 59, 76, 86, 73, 89, 91, 76, 92
66, 93, 84, 62, 79, 90, 73, 58, 71
a- Agrupá los datos en clases y establecé la

frecuencia y frecuencia relativa
b- Calculá la media, mediana y moda
c- Graficá los datos en grafico de barras.
12
EJERCICIO 2
Se ha realizado en EE.UU. una estadística so-

bre la capacidad matemática de los alumnos de 14
años los resultados son los siguientes:
Resultados 30-32 33-35 36-38 39-41 42-44 45-47 48-50

F (EE.UU.) 5 5 10 15 40 15 10
a- Halla los puntos medios de cada intervalo de

clase.
b- Graficá los polígonos de frecuencias.
c- Calculá la desviación estándar y la varianza
EJERCICIO 3
La siguiente tabla muestra los pesos en Kg. de

luchadores de Sumo
KG. 140-144 145-149 150-154 155-159 160-164 165-169
Frecuencia 5 7 10 16 8 4
Frecuencia
relativa
13
a- Completá la tabla dada
b- Calculá la moda, media y mediana
c- Graficá
EJERCICIO 4
Del campeonato local de fútbol se han elegido

partidos, en la tabla se muestran el número de
goles:
Números de goles 1 2 3
Números de 8 8 x
partidos
a- Si la media de goles es de 2,04; hallá x

b- Si la moda de goles es 3, determiná el me-
nor valor que puede tener x.
c- Si la mediana es de 2 goles, hallá el mayor
valor positivo de x.
14
EJERCICIO 5
En una encuesta, se pregunta a 50 personas

sobre el número se libros que se leen al año. Los
resultados se muestran en la tabla:
Nº de 0 1 2 3 4 5 6 7 8
libros
Frecuencia 5 5 6 9 11 7 4 2 1
Frecuencia
relativa
a- Completá la tabla
b- Calculá la media de los libros leídos por per-
sona
c- Calculá la varianza y desvío estándar.
d- Realizá el grafico de tortas o circular.
15
HOJA DE RESPUESTAS 2-1
EJERCICIO 1
a-
Longitud de Marca o Frecuencia Frecuencia Marca de
las varillas intervalo Relativa clase x
(en m) de clase frecuencia
50-59 54,5 4 0,111 218
60-69 64,5 6 0,166 387
70-79 74,5 12 0,333 894
80-89 84,5 10 0,277 845
90-99 94,5 4 0,111 378
Total 36 0,998 2722
b-
La media aritmética es 75,6 m
La mediana se encuentra en el intervalo 70-79;
es exactamente 76 m
La moda es la longitud de varillas de 70-79
16
c-
Gráfico de barras de longitud de

varillas
15
10
0
50-59 60- 69 70- 79 80-89 90-99
EJERCICIO 2
a-
Resultados 30-32 33-35 36-38 39-41 42-44 45-47 48-50
F (EE.UU.) 5 5 10 15 40 15 10
Punto medio 31 34 35 40 43 46 49
b-
Poligono de frecuencia (Capacidad de alumnos
de matemática)
45
40
35
30
25
20
15
10
5
0
30-32 33-35 36-38 39-41 42-44 45-47 48-50
17
c- La varianza es 13,3 m y el desvío estándar
es 3,6 m
EJERCICIO 3
a-
KG. 140-144 145-149 150-154 155-159 160-164 165-169
Frecuencia 5 7 10 16 8 4
Frecuencia 0,1 0,14 0,2 0,32 0,16 0,08
relativa
b-
La moda es el intervalo 155-159
La media aritmética es 154,7 Kg.
La mediana es 155,75 Kg.
c-
Gráfico de barras (Pesos de

luchadores de Sumo)
20
15
10
0
140-144 145-149 150-154 155-159 160-164 165-169
18
EJERCICIO 4
a- X=9
b- El valor menor valor que puede tomar x es
9
c- El mayor valor positivo de x es 15
EJERCICIO 5
a-
Nº de 0 1 2 3 4 5 6 7 8
libros
Frecuencia 5 5 6 9 11 7 4 2 1
Frecuencia 0,1 0,1 0,12 0,18 0,22 0,14 0,08 0,04 0,02
relativa
b- La media es 3,38
c- La varianza es 1,26 y el desvío estándar es
1,12
19
d-
Gráfico de tortas (Nº de libros leídos) 1

2
3
4
5
6
7
8
9
20
3. AMPLITUD DE UNA VARIABLE
Amplitud:
Es la diferencia entre el valor máximo y
mínimo que puede tomar la variable
Amplitud = xmáx - xmin
● Cuando la variable es continua
EJEMPLO 1
El cuadro muestra la cantidad de hijos que tie-

nen ciertas mujeres.
21
Nº de hijos fi
xi
0 2
1 5
2 7
3 4
4 1
5 1

=5–0
A=5
● Cuando la variable es continua
EJEMPLO 2
El siguiente cuadro muestra las temperaturas

registradas durante dos primaveras, en un obser-
vatorio.
22
Temperaturas fi
15º 12
16,5º 5
17,2º 8
17,5º 7
18,2º 1

Amplitud = 18,2º - 15º
Amplitud = 3,2º
● Cuando la variable viene dada en in-
tervalos
EJEMPLO 3:
En la tabla se muestran los salarios en pesos,

de los empleados de la compañía “S&S”
23
Salarios ($) Frecuencias
50 – 69,99 5
70 – 89,99 12
90 – 109,99 10
110 – 129,99 15
130 – 149,99 18
150 – 169,99 31
170 – 189,99 35

Amplitud = $189,99 - $50
Amplitud = $139, 99.-
24
4. INTERVALOS DE CLASE
Si tenemos un gran número de datos de una

variable continua (cuando puede tomar cualquier
valor real), es conveniente agruparlos en intervalos
consecutivos, de manera que cada dato pertenezca
a un solo intervalo.
EJEMPLO 1
Los siguientes datos corresponden a las alturas

(en cm) de un grupo de 24 alumnos de cuarto
grado:
125 130 132 140 128 132

128 132 139 133 142 130
138 133 142 136 145 124
126 147 138 134 128 132
25
Primer paso:
● Calculamos la amplitud
A = xmax - xmin
A= 147 –124
A= 23
Segundo paso:
● Determinamos el número de intervalos
Como la muestra tiene 24 individuos, se de-
terminarán 6 intervalos de amplitud 4 ya que
23
≅4
6
Tercer paso:
● Determinamos los intervalos.
El primer intervalo se toma a partir del valor
mínimo. Para evitar que los extremos del intervalo
coincidan con un valor de la variable se los define
restando media unidad del último decimal.
El primer intervalo se toma a partir del
26
124 – 0,5=123, 5
Valor mínimo Limite inferior de la clase
El segundo intervalo se toma a partir de
123,5 + 4 = 127,5
Amplitud del intervalo (Calculado en

el paso 2)
Intervalo de clase Frecuencia

123,5-127,5 3
127,5-131,5 5
131,5-135,5 7
135,5-139,5 4
139,5-143,5 3
143,5-147,5 2
Cantidad de alumnos que

tienen una altura pertene-
ciente al intervalo de cada
clase
27
EJEMPLO 2
El puntaje de la evaluación de matemática de

32 estudiantes se registran en la siguiente tabla:
68 84 75 82 96 78 89 61
79 62 67 97 73 79 88 73
61 65 75 87 66 78 82 75
65 80 73 57 86 67 73 81
Primer paso:
● Calculamos la amplitud.
A = xmax - xmin
A = 97 – 57
A = 40
Segundo paso:
● Determinamos el número de intervalos
40
= 8 . Formamos 5 intervalos de ampli-
5
tud 8.
28
Tercer paso:
● Determinamos los intervalos.
El primer intervalo se toma a partir del 57 – 0,5=

56,5
El segundo intervalo se toma a partir 56,5 + 8 =
64,5
Intervalos de clase Frecuencias
56,5 – 64,5 4
64,5 – 72,5 6
72,5 – 79,5 11
79,5 –87,5 7
87,5 – 95,5 2
95,5 - 103,5 2
29
5. GRÁFICOS. HISTOGRAMAS, PO-
LÍGONOS DE FRECUENCIA, TOR-
TAS, BARRAS
HISTOGRAMAS
Un histograma consiste en una serie

de rectángulos que tienen:
-Sus bases sobre un eje horizontal (eje
x) con centros en los puntos medios de los
intervalos de clase y la longitud a igual al
tamaño de los intervalos de clase.
-Superficies proporcionales a las fre-
cuencias de clase.
EJEMPLO:
La siguiente tabla muestra la altura de ciertos

árboles (en metros) y su frecuencia. Graficá en un
histograma.
30
Altura Cantidad de árboles
60-62 5
63-65 18
66-68 42
69-71 27
72-74 8
Total 100
Determinamos los puntos medios de los in-

tervalos de clase.
Limite superior + limite inferior

= punto medio
2
Altura Cantidad de Punto medio Tamaño de los

árboles intervalos
60-62 5 61 62- 60= 2
63-65 18 64 65-63= 2
66-68 42 67 68-66= 2
69-71 27 70 71-69= 2
72-74 8 73 74-72= 2
Total 100
31
POLÍGONOS DE FRECUENCIAS
Polígono de frecuencias:
Es un gráfico de línea trazado sobre los pun-
tos medios. Se obtiene uniendo los puntos me-
dios de los lados opuestos a las bases de los rec-
tángulos en el histograma; incluyendo el anterior
al primero y el posterior al segundo.
32
EJEMPLO:
La tabla muestra el tiempo (medido en horas)

que tardan en fundirse 50 lámparas halógenas de
larga duración.
A continuación encontrarás el polígono de
frecuencia correspondiente.
Tiempo (en horas) Lámparas Puntos medios de los

intervalos
500 -1750 2 1125
1750 - 3000 7 2375
3000 - 4250 9 3625
4250 - 5500 12 4875
5500 - 6750 7 6125
6750 - 8000 6 7375
8000 - 9250 5 8625
9250 - 10500 2 9875
33
GRAFICO DE TORTA
Gráfico de torta: Los ángulos deben ser

proporcionales a las respectivas frecuencias, por
αº f .absoluta
lo tanto: =
360º total
A la cantidad total de la muestra le corres-
ponden los 360º del círculo.
EJEMPLO:
En la siguiente tabla se muestra la superficie

de distintas zonas del mundo en millones de millas
cuadradas.
34
Zonas Superficies
11,7
África
Asia 10,4
Europa 1,9
Norteamérica 9,4
Oceanía 3,3
Sudamérica 6,9
Centroamérica 7,9
El total de la superficie es 51,5 millones, en-

tonces le corresponden los 360º del círculo.
Para calcular el ángulo que le corresponde a
cada sector haremos regla de tres simple:
51,5 millones 360º
11, 7 millones x = 81º 47´
(África)
51,7 millones 360º

10,4 millones x = 72º 25´
(Asia)
35
51,7 millones 360º
(Europa)
51, 7 millones 360º

(Norteamérica)
51,7 millones 360º

(Sudamérica)
51, 7 millones 360º

(Centroamérica)
36
GRAFICO DE BARRAS
Gráfico de barras: Las anchuras de las barras

son todas iguales, puede elegirse cualquier tamaño
adecuado con tal de que las barras no se super-
pongan.
EJEMPLO:
En la tabla se muestran las velocidades orbita-

les de los planetas del sistema solar. A continua-
ción encontrarás el gráfico de barras correspon-
diente.
Planeta Velocidades (milla /seg)

29,7
Mercurio
Venus 21,8
Tierra 18,5
Marte 15,0
Júpiter 8,1
Saturno 6,0
Urano 4,2
Neptuno 3,4
Plutón 3,0
37
Gráfico de barras
38
6. MEDIDAS DE CENTRALIZA-
CIÓN ( DE POSICIÓN O DE TEN-
DENCIA CENTRAL)
Son una serie de valores que tratan de re-

presentar o resumir una distribución de fre-
cuencias dada. Además, se utilizan para compa-
rar distintas distribuciones de frecuencias.
Estas medidas son:
● la media aritmética (o promedio)
● la mediana
● la moda (o modo)
Mediana: de una serie de datos ordenados (en

forma creciente o decreciente) es el valor que tie-
ne tantas observaciones anteriores como posterio-
res a él.
● La variable no viene dada en intervalos
39
EJEMPLO 1
Se tira un dado 50 veces. Cada número y la

frecuencia con que han aparecido está indicado en
la tabla. Calculá la mediana.
Número del dado Frecuencia Frecuencia acumu-

lada
1 11 11
2 9 20
3 5 25
4 10 35
5 12 47
6 3 50
Total 50
La mediana corresponde a la observación cuya

n
frecuencia acumulada contenga a .
2
n 50
Como = = 25 la frecuencia acumulada 25
2 2
contiene a 25.
40
Como la frecuencia acumulada es 25 le co-
rresponde el número de dado 3. Entonces la me-
diana es 3.
● Cuando la variable está dada en forma

de intervalos
EJEMPLO 2
La tabla muestra una distribución de frecuen-

cias de los salarios en pesos de 65 empleados de
la Compañía P & R.
Salarios (en pesos) Nº Frecuencia acumulada

de empleados
50 – 59,99 8 8
60 – 69,99 10 18
70 – 79,99 16 34
80 – 89,99 14 48
90 – 99,99 10 58
100 – 109,99 5 63
110 – 119, 99 2 65
Total 65
41
n 65
Como = = 32,5 .
2 2
Como 32,5 está contenido en la frecuencia
acumulada 34, la mediana está en el intervalo 70 –
79,99.
Para obtener exactamente el valor utilizaremos

 n 
 − F1 
la siguiente fórmula: M = L1 +  2 .c
 f mediana 
 
 
donde L1= límite inferior del intervalo que
contiene a la mediana
n = número total de datos.
F1= Frecuencia acumulada anterior al interva-
lo que contiene a la mediana.
C = tamaño del intervalo que contiene a la
mediana.
42
Reemplazando en la fórmula:
 n   65 
 − F1   − 18 
M = L1 +  2 .c = 70 +  2 .9,99 ⇒ M = $79,06
 f mediana   16 
   
   
Gráficamente
En un histograma
Sueldos de em pleados
20 l 50 – 59,99
15 60 – 69,99
em pleados 10 70 – 79,99
5 80 – 89,99
0 90 – 99,99
1 100 – 109,99
sueldos 110 – 119, 99
m
La mediana es la abscisa correspondiente a la

recta lm que divide al histograma en dos partes de
igual área.
43
7. MODA
MEDIDAS DE CENTRALIZACIÓN (DE

POSICIÓN O DE TENDENCIA CENTRAL)
Son una serie de valores que tratan de repre-

sentar o resumir una distribución de frecuencias
dada.
Además, se utilizan para comparar distintas

distribuciones de frecuencias.
Estas medidas son:

• la media aritmética (o promedio)
• la mediana
• la moda (o modo)
44
Moda
El dato que se repite más veces, es decir, el de
mayor frecuencia, es la moda. Tiene la ventaja de
que es una medida que también es válida para
datos no numéricos. Es muy común y se utiliza
cotidianamente para describir la tendencia en el
vestuario de cada año.
La moda es el valor de la variable al

que le corresponde la mayor frecuencia.
Ejemplo
En la siguiente tabla, x i = 2 tiene la mayor
frecuencia, f i = 7.
xi fi
0 2
1 5
2 7 La moda es 2
3 4
45
4 1
5 1
Σ 20
Cuando en el conjunto de observaciones hay

una sola moda, se dice que la distribución es
unimodal.
Si hay dos variables con la misma frecuencia

máxima la distribución se llama bimodal.
Ejemplos
1. En la serie 5, 8, 5, 9, 6 la moda es 5 (f =2)

La distribución es unimodal
2. En la serie 3, 6, 9, 4, 4, 8, 9, 4, 9, las modas

son 4 y 9 (f = 3)
La distribución es bimodal.
46
8. ESTADÍSTICA. EJERCICIOS
EJERCICIO 1
En un curso de estadística de 15 alumnos

se registraron las siguientes notas:
2, 4, 8, 7, 9, 6, 6, 6, 5, 7, 8, 9, 6, 4, 2.
Ordená los datos y hallá:
a- La media aritmética.
b- La mediana.
c- La moda.
d- El rango.
EJERCICIO 2
En la primera semana del mes de enero se

registraron, en la ciudad de Buenos Aires, las
siguientes temperaturas:
25, 28, 27, 33, 31, 28, 29.
b- La mediana.
47
c- La moda.
d- El rango
EJERCICIO 3
En el curso de estadística del problema 1)

se tomaron las alturas de los alumnos y los
datos fueron los siguientes:
1,79; 1,69; 1,72; 1,63; 1,67; 1,59; 1,69; 1,68;
1,78; 1,72; 1,65; 1,61; 1,70; 1,57; 1,72.
b- La mediana.
c- La moda.
d- El rango.
EJERCICIO 4
El dueño de un negocio, con el fin de im-

plementar un nuevo plan de márketing, estu-
dia la cantidad de clientes que ingresan al
local, en el término de una semana, y los da-
tos fueron:
52, 20, 34, 83, 15, 21, 38, 42, 29, 18
Ordená los datos y hallá
48
b- La mediana.
c- La moda.
EJERCICIO 5
En la guardia de un hospital se tomaron

las medias aritméticas mensuales de los in-
gresos a la guardia, en el año 2000. Los regis-
tros fueron los siguientes:
2400, 2056, 3245, 2890, 2113, 3560, 2456,
3654, 2432, 2012, 1967, 1056.
Hallá:
b- La mediana.
c- El rango.
49
HOJA DE RESPUESTAS
EJERCICIO 1
Los elementos ordenados quedan: 2, 2, 4, 4, 5,

6, 6, 6, 6, 7, 7, 8, 8, 9, 9
a- X = 5.933
b- Mediana = 6
c- Moda = 6
d- Rango = 7
EJERCICIO 2
Los elementos ordenados quedan: 25, 27, 28,

28, 29, 31, 33
a- X = 28, 71
b- Mediana = 28
c- Moda = 28
d- Rango = 8
50
EJERCICIO 3
Los elementos ordenados quedan: 1,57; 1,59;

1,61; 1,63; 1,65; 1,67, 1,68; 1,69; 1,69; 1,70; 1,72;
1,72; 1,72; 1,78; 1,81
a- X = 1,682
b- Mediana = 1,68
c- Moda = 1,72
d- Rango = 0,24
EJERCICIO 4
Los elementos ordenados quedan: 15, 18, 20,

21, 29, 34, 38, 42, 52, 83
a- 35,2
b- 29
c- 83
51
EJERCICIO 5
Los elementos ordenados son: 1056, 1967,

2012, 2056, 2113, 2400, 2432, 2456, 2890, 3245,
3560, 3654
a- X = 2486,75
b- Mediana = 2416
c- Rango = 2598
52
9. MEDIDAS DE DISPERSIÓN (O
DE DESVIACIÓN)
Las medidas de centralización (la moda, la

media y la mediana) tratan de representar o resu-
mir una distribución de frecuencias dada en un
solo valor.
Las medidas de dispersión tienen como

objetivo estudiar lo “concentrada” que está la
distribución en torno a la media.
Podría suceder que dos distribuciones de fre-

cuencias sean muy diferentes pero tener la misma
media.
Me
53
Me
Las medidas de dispersión completan el análi-

sis numérico de un conjunto de datos. Determi-
nan la mayor o menor variación de los datos, y
dan una idea de su dispersión respecto a las medi-
das de centralización.
Las más importantes son:
● la desviación media
Desviación media =
∑ x−x
n
● la desviación estándar o desvío típico
∑ (x )
2
i −x fi
s=
n
54
● la varianza
∑ (x )
2
2 i −x fi
s =
n
55
10. DESVIACIÓN MEDIA
Hemos estudiado varias medidas de centrali-

zación, por lo que podemos hablar de desviación
con respecto a cualquiera de ellas, sin embargo, la
más utilizada es con respecto a la media. La media
es la medida de tendencia central más útil y exacta.
Recordá que:
La media aritmética o promedio es el cociente

que se obtiene dividiendo la suma de los valores de
la variable por el número de observaciones.
Desviación
Es la diferencia que se observa entre el valor

de la variable y la media aritmética. La denotare-
mos por di .
56
La desviación no es una medida, son muchas
medidas, pues cada valor de la variable lleva aso-
ciada su correspondiente desviación, por lo que
precisaremos una medida que resuma dicha in-
formación. Si sumamos las desviaciones con res-
pecto de la media podríamos obtener una estima-
ción de la cantidad característica de desviación con
respecto a la media. Entonces,dividiendo por n
(número de observaciones), tendríamos una me-
dida análoga a la medid aritmética, excepto que
representaría la dispersión promedio de las califi-
caciones con respecto a la media.
Pero, teniendo en cuenta las características
de la media, encontramos una seria dificultad: la
suma de las desviaciones de todos los valores ob-
tenidos con respecto a la media, debe valer cero.
Así, si definimos la desviación media como esta
suma dividida por n, la desviación media tendría
que ser cero.
57
Recordá que:
La media es el punto en una distribución
( )
de medidas respecto del cual la suma de las
desviaciones es igual a cero: Σ x − x = 0
Este inconveniente se soluciona sumando to-

das las desviaciones sin considerar el signo y dividien-
do por n, es decir tomamos los valores absolutos
de las desviaciones.
Desviación media
Es la media de los valores absolutos de las

desviaciones, y la denotaremos por dm.
La fórmula que utilizaremos en una serie sim-
ple es:
Σx−x
dm =
n
58
Referencias:
Σ: sumatoria
x : media aritmética
n: número de observaciones
Si x1 , x 2 ,...x k se presentan con frecuencias, la

fórmula que utilizaremos para datos agrupados en
forma de distribución de frecuencias es:
dm =
Σ f x−x( )
n
Ejemplo
● Hallá la desviación media de los nú-
meros 2, 3, 6, 8, 11.
59
2 + 3 + 6 + 8 + 11
Media aritmética = x = =6
5
Desviación media =
2 − 6 + 3 − 6 + 6 − 6 + 8 − 6 + 11 − 6
dm =
5
−4 + −3 + 0 + 2 + 5
dm =
5
4+3+0+ 2+5
dm =
5
dm = 2,8
60
11. DESVIACIÓN ESTÁNDAR (S)
La desviación estándar es la raíz

cuadrada de la varianza.
La fórmula que nos permite hallarla es:
s=
(
Σ xi − x )
2
n
Para datos presentados en forma de distribu-
ción de frecuencia, la fórmula de la desviación
estándar es:
s=
( )
2
Σ xi − x . f
n
Recordá que:
Llamamos varianza a la media de los

cuadrados de los desvíos (s2)
61
Observación:
Dos distribuciones de datos pueden tener la mis-
ma media y ser muy diferentes.
Ejemplo
● Tené en cuenta la siguiente tabla y

hallá la desviación estándar
x x−x (x − x )2
9 4 16
8 3 9
7 2 4
7 2 4
7 2 4
5 0 0
5 0 0
5 0 0
5 0 0
4 -1 1
4 -1 1
3 -2 4
3 -2 4
2 -3 9
1 -4 16
62
● Con estos datos recopilamos la siguiente
información:
Σ x = 75 (
Σ x−x =0 )
(
Σ x−x )2
= 72 n = 15 x=5
● Como sabemos, la desviación estándar se

calcula con la siguiente fórmula:
s=
(
Σ xi − x )
2
● Entonces sólo resta reemplazar los datos

obtenidos en la fórmula y hallar la desvia-
ción:
72
s=
15
= 4,80
= 2 ,19
● De esta manera podemos concluir que la
desviación estándar es igual a 2,19.
63
12. VARIANZA
Para evitar los valores negativos de los desvíos

suelen tomarse los cuadrados de los desvíos.
Llamamos varianza a la media de los cua-

drados de los desvíos, y la denotaremos
por s2
Cálculo de la Varianza en una serie simple
En símbolos, la varianza queda expresada co-

mo la suma de los cuadrados de los desvíos divi-
dida por el número de observaciones.
s =
2 (
Σ xi − x )2
64
Cálculo de la Varianza en una serie de fre-
cuencias
Para calcular la varianza se suman los produc-

tos de los cuadrados de los desvíos por la frecuen-
cia, y se divide la suma por el número de observa-
ciones.
s =
2 (
Σ xi − x . f )
2
Cálculo de la Varianza en una distribución

en intervalos de clase
Se suman los productos de los desvíos de cada

intervalo por la frecuencia del intervalo y se divide
la suma por el número de observaciones.
s =
2 (
Σ xm − x . f i) 2
65
En todos los casos: xi: es el i-ésimo dato
: es la media aritmética para datos no agru-
pados
n: es el número de datos
Σ: sumatoria
Este dato estadístico tiene el inconveniente de

ser poco significativo, pues se mide en el cuadrado
de la unidad de la variable, por ejemplo, si la va-
riable viene dada en cm la varianza vendrá dada en
cm2.
Pero al elevar al cuadrado las diferencias de los

datos respecto de la media, hace que los valores
más alejados de la media tengan mayor contribu-
ción. Como consecuencia, distingue mejor que la
amplitud la variabilidad de dos conjuntos de datos.
66
EJEMPLO 1
● Calculá la varianza para el siguiente

conjunto de datos
5 9 12 7 15 3
SOLUCIÓN
● Aplicamos la definición (primera fórmula).
● Primero hay que calcular la media
= (5+9+12+7+15+3)/6 = 51/6 = 8.5
● Ahora procedemos al cálculo de la varian-

za:
S2= [(5-8.5)2+(9-8.5)2+(12-8.5)2+(7-8.5)2+(15-
8.5)2+(3-8.5)2]/6 = 99.5/6 = 16.58
67
● Llegando entonces a que la varianza para
este conjunto de datos es 16.58.
68
13. DISTRIBUCIÓN NORMAL -
CURVA DE GAUSS
El matemático Karl Friedrich Gauss, (1777-

1855) estudiando los errores que se producen al
medir reiteradas veces una misma magnitud, pro-
bó que éstos se distribuyen según una ecuación
exponencial cuya grafica es:
Media
La distribución normal es simétrica y el valor máximo de la

función corresponde a la media.
69
Este gráfico se denomina campana de Gauss
(debido a su forma acampanada) o distribución
normal. La distribución de muchas variables pa-
rece seguir la curva normal. Por ejemplo, caracte-
res de individuos (personas, animales, plantas) de
una misma especie (altura, peso). También hay
variables discretas que tienen una distribución
parecida, como el número de caras al lanzar un
cierto número de monedas.
Hay una gran cantidad de variables aleatorias

continuas que se presentan en las situaciones más
variadas y que, a pesar de ello, son de un mismo
tipo. Todas ellas tienen en común la forma de su
función de densidad. Para estas variables aleato-
rias, si la media es µ y la desviación típica es σ la
función densidad es:
2
1  x−µ 
−  
1 2 σ 
f ( x) = e
σ 2π
70
La gráfica de estas funciones tiene forma de
campana con un eje de simetría. Las funciones de
este tipo están completamente determinadas por
su media µ, y su desviación típica, σ.
● La media µ indica la posición de la cam-

pana (parámetro de centralización)
● La desviación típica σ será el parámetro de

dispersión. Cuanto menor sea, mayor can-
tidad de masa de probabilidad habrá con-
centrada alrededor de la media y cuanto
mayor sea ``más aplastado" será.
Su gran importancia se debe al hecho de que el

área debajo de cualquier campana de Gauss entre
los valores x1 = µ + k1σ y x 2 = µ + k 2σ es la
misma que el área bajo la N (0;1) entre
z1 = k1 ∧ z 2 = k 2
71
EJEMPLO
Un estudiante consigue un 72 % de aproba-

ción en Historia y lo mismo en Inglés. La media
para todos los alumnos es 65 %. La desviación
estándar es del 3% para Inglés y 15% para Histo-
ria.
72
En inglés
Los mejores resultados
72 puntos
µ=65
En Historia
Los mejores resultados
72 puntos
µ=65
73
En Inglés, muy pocos superaron el 72 %, por
lo tanto, se trata de un resultado muy bueno.
En Historia, el 72 % lo superaron muchos. La

media no es muy válida puesto que la dispersión
de los resultados fue muy grande, como nos indica
la desviación típica.
Luego, ese 72 % no es muy bueno.
74
EJERCICIOS 13-1
EJERCICIO 1
Dada la variable aleatoria Z de distribu-

ción normal N(0,1)
! Calculá las siguientes probabilidades

a- P(Z ≤ -1,3)
b- P(Z ≥ 1)
c- P(-0,5 ≤ Z ≤ 1,47)
EJERCICIO 2
! En una variable aleatoria X con distribu-

ción normal N(8,4) calculá P(3 ≤ X ≤ 10)
EJERCICIO 3
Las notas de Historia de una clase se distribu-

yen según una distribución normal N(6,4;1,5) y el
75
profesor quiere poner sobresaliente a un 15% de
la clase
! ¿A partir de qué nota debe poner sobresa-
liente?
EJERCICIO 4
Las alturas de los empleados de una empresa

de transportes se toman redondeando al centíme-
tro más próximo. Se sabe que están distribuidos
normalmente con la función N(172,5). Se toma
una muestra de 1000 empleados al azar.
! Calculá cuántos miden :

a- No más de 180 cm.
b- 175 cm o más.
c- Entre 160 y 184 cm
76
EJERCICIO 5
El coeficiente intelectual (C.I.)de los alumnos

de la universidad de Berdaguer sigue una distribu-
ción normal N(115,12).
! Calculá la probabilidad de que un alumno

tenga un C.I. superior a 138.
77
HOJA DE RESPUESTAS 13-1
EJERCICIO 1
a- 0,0968
b- 0,1587
c- 0,6207
EJERCICIO 2
0,5859
EJERCICIO 3
z − 6,4
P(Z ≤ z)=0,85 ⇒ z ' = ⇒ z = 7,96,
por lo tanto la nota debe ser 8.1,5
EJERCICIO 4
a- 955
b- 308
78
c- 988
EJERCICIO 5
0,0281
79
14. CORRELACIÓN
DOS TIPOS DE RELACIONES
A menudo, un investigador o nosotros mis-

mos, nos vemos en la necesidad de saber si existe
alguna relación entre dos variables que necesita-
mos medir. Por ejemplo:
# Cantidad de kilowatts consumidos y su costo.

# Posición de un cuerpo lanzado hacia arriba y su ve-
locidad.
# Cantidad de cierta población de bacterias en un de-
terminado momento.
# Altura de las personas y su peso.
# Altura de los padres y la de sus hijos
# Calificación de un curso en física y en matemática.
Entre estas situaciones hay algunas entre las

que podemos establecer una relación que llama-
remos funcional.
80
Para que exista este tipo de relación debe
haber una función que, conocida una de las varia-
bles, me permite calcular aproximadamente la
otra, esto se cumple en los tres primeros ejemplos,
cuando exista dicha relación diremos que las va-
riables están correlacionadas o que hay correla-
ción entre ellas.
En cambio no existe una función que nos

permita conocer la nota de física de un alumno
conociendo la de matemática; o la altura de los
hijos conociendo la de sus padres.
Llamaremos a la relación existente entre estas

variables relación estadística
DIAGRAMAS DE DISPERSIÓN
Para estudiar la relación entre dos variables, se

comienza por obtener un conjunto de datos.
81
Formamos con ellos pares ordenados (x , y ), la
primera coordenada corresponde a una variable y
la segunda a la otra, por ejemplo, las x correspon-
derán a las alturas de los padres y las y a las de sus
hijos; o las x a la nota de matemática y la y a la de
física; etc.
Tendremos entonces un conjunto de datos

(x 1 , y 1 ), (x 2 , y 2 ),..., (x n , y n ). que podemos re-
presentar en un par de ejes, formando lo que se
conoce como diagrama de dispersión, en este
caso se dice que los datos forman una nube de
puntos.
82
EJEMPLOS
1.
Relación entre población y vivienda por

provincia (censo 1991)
1.200.000
1.000.000
800.000
600.000
400.000
200.000
0
En este ejemplo, cada punto representa una provincia, los

valores de X indican la población y los de Y la cantidad
de viviendas. Vemos que los puntos se alinean por lo que
decimos que existe una correlación lineal. Además a
mayores valores de una variable corresponden mayores
de la otra, por lo que decimos que la correlación es dire-
cta. Por otra parte, como esta alineación es muy marcada
decimos que se trata de una correlación fuerte.
83
2.
Puntos obtenidos y partidos perdidos.

Torneo de fútbol local
10
0
0 10 20 30 40
Punt o s
Para este ejemplo, cada punto representa un equipo de

fútbol de primera división. Acá también notamos una
correlación lineal, aunque más débil que en el ejemplo
anterior. Como a mayores valores de x (puntos) corres-
ponden menores de y (perdidos) decimos que la correla-
ción es inversa.
84
3.
Relación entre población y superficie de

una provincia(censo 1991)
300.000
250.000
200.000
150.000
100.000
50.000
En este caso también cada punto representa una pro-

vincia argentina, pero acá no es clara la relación que
existe entre las variables. Decimos que no hay corre-
lación.
85
COVARIANZA Y COEFICIENTE DE CORRELA-
CIÓN
Para estudiar con más detalle la correlación

definiremos los siguientes parámetros estadísticos:
Desvío típico
∑x i
2
2
σx = i =1
−x
n
∑y i
2
2
σy = i =1
−y
n
Donde xi e yi son cada uno de los datos de ca-
da variable y x e y son las medias de dichos da-
tos. Al punto ( x , y ) se lo conoce como centro

medio o centro de gravedad de la muestra.
86
Covarianza
∑ (x i − x )( y i − y)
σ xy = i =1
n
Notemos, a partir de la fórmula, que si la ma-
yoría de los valores de x e y son, para cada par de
datos, superiores los dos o inferiores los dos a las
respectivas medias, esto implica que:
1. El signo de la covarianza será positivo.

2. La mayoría de los valores pequeños de x
se corresponden con valores pequeños de
y, cosa que también ocurre con los mayo-
res.
Esto nos dice que si la correlación es directa la

covarianza será positiva. De forma análoga se
puede ver que a una correlación inversa se corres-
ponde una covarianza negativa.
Sin embargo, la covarianza es un indicador
que se ve afectado por la escala considerada para
87
cada variable, o por algún dato demasiado alejado
del centro de gravedad. Para corregir estas defi-
ciencias se define el coeficiente de correlación
lineal.
COEFICIENTE DE CORRELACIÓN LINEAL
σ xy
ρ=
σ xσ y
Observaciones:
# ρ está siempre entre –1 y 1, es decir:

-1≤ ρ ≤1
# Si ρ es próximo a –1 se trata de una corre-
lación inversa, más fuerte cuanto más
próximo a –1 sea su valor.
# Si ρ es próximo a 1 se trata de una corre-
lación directa, más fuerte cuanto más
próximo a 1 sea su valor.
88
# Si ρ es muy próximo a cero no hay corre-
lación lineal entre los datos.
CORRELACIÓN NO LINEAL
El coeficiente ρ nos indica si hay o no corre-

lación lineal entre las variables y que tan fuerte es.
Sin embargo, las variables pueden estar
fuertemente correlacionadas pero dicha
correlación no ser lineal; un ρ próximo a cero
indica que no hay (o es muy débil) la correlación
lineal, pero nada nos dice de otro tipo de
correlación.
89
El siguiente gráfico muestra la relación entre la in-
versión en publicidad de una empresa y sus ventas.
Se observa que la publicidad hace aumentar las ven-
tas, pero no indefinidamente ni de forma lineal.
Las variables están fuertemente relacionadas pero la
nube no se ajusta a una recta: se trata de un caso de
correlación no lineal.
RECTA DE REGRESIÓN
Si la nube de puntos del diagrama de disper-

sión adopta una forma muy definida (como es el
caso del ejemplo 1 o del gráfico anterior) los pun-
tos se pueden aproximar mediante alguna curva
conocida que ajuste lo mejor posible los puntos de
la nube. Dicha curva se conoce como línea de
regresión y poder determinarla nos ofrece la po-
sibilidad de estimar los valores de una variable
conocidos los de la otra.
Si entre las variables existe una fuerte correla-
ción lineal, una recta se ajusta satisfactoriamente a
90
los puntos de la muestra. Esta recta se conoce
como recta de regresión y su ecuación es :
σ xy
y−y= (x − x)
σx
91
14.1 ¿CÓMO SE CALCULA EL CO-
EFICIENTE DE CORRELACIÓN
LINEAL?
Recordá que:
• Es un valor que está siempre entre 1 y

–1.
• El coeficiente de correlación, r no varía
con los cambios de escala y mide efi-
cazmente el grado de correlación entre
dos variables.
σx y
r=
σx . σ y
• Si r es 1 (o próximo a 1), la depen-
dencia es funcional (o casi funcional):
los puntos están alineados (o casi ali-
neados).
92
Cálculo de r
Ejemplo
En un experimento sobre la distancia de fre-
nado de un auto dependiendo de su velocidad, se
obtuvieron los siguientes datos:
Velocidad 70 50 45 120 85 65
(km/h)
Distancia 32 18 19 43 35 34
(m)
$ Representá los valores en un diagrama o

nube de puntos y calculá el coeficiente de
regresión entre la velocidad y la distancia.
Solución
1º Paso: Antes, debemos calcular previamente
x, y, σ x , σ y , σ xy
n n
∑ (xi − x )( yi − y ) = ∑ xi yi − x .y
1 1
σx y =
n i =1
n i =1
93
∑x
1 2
σx = i − x2
n
∑y
1 2
σy = i − y2
n
Si llamamos x a la velocidad e y a la distan-
cia. Entonces, obtenemos que:
x = 72 ,5
y = 30 ,16
2º Paso: Reemplazando en las fórmulas los
datos y los promedios, calculamos
$ Desviación típica de x:
∑x
1 2
σx = i − x2
n
σ x = 24 ,95
$ Desviación típica de y:
∑y
1 2
σy = i − y2
n
σ y = 8,93
$ La covarianza es:
94
n n
∑ (xi − x )( yi − y ) = ∑ xi yi − x .y
1 1
σx y =
n i =1
n i =1
σ xy = 201,91
3º Paso: El coeficiente de correlación en este

cada caso es:
σxy
r=
σ x.σ y
201,91
r=
24,95 ⋅ 8,93
201,91
r=
222,8
r = 0,91
Representamos los datos en un diagrama de

nubes. Este gráfico obtiene este nombre pues
cuando existe una gran cantidad de datos, los
mismos se agrupan formando una “nube” de pun-
tos.
Esta nube toma una forma que, a veces, la
puede caracterizar relacionándola con una función
95
determinada, generando así el criterio intuitivo de
correlación con una recta, parábola, exponencial,
etc.
Estas correlaciones son confirmadas o no por
el cálculo de los coeficientes en cada caso.
50
45
40
35
30
25
20
15
10
5
0
0 20 40 60 80 100 120 140
Rectas de regresión
Cuando existe correlación entre dos variables
–cuanto más fuerte mejores útil trazar la recta
que “mejor se ajuste” a los puntos de la nube.
Esta recta llamada recta de regresión de y sobre x,
tiene la siguiente ecuación:
96
σx y
y− y = (x − x )
σ 2x
Para el ejemplo anterior, la recta de regresión

lineal viene dada por la siguiente ecuación:
202,91
y − 30,16 = (x − 72,5)
(24,95)2
y − 30,16 = 0,32(x − 72,5)
y = 0,32 x − 23,2 + 30,16
y = 0,32 x + 6,96
Gráfico de la recta de regresión lineal.
50
45
40
35
30
25
20
15
10
5
0
0 20 40 60 80 100 120 140
97
14.2 EJERCICIOS
EJERCICIO 1
Las notas de los alumnos de 5º año en Mate-

mática y Física se muestran en la tabla:
Matemática 2 2 4 4 4 5 6 6 7 8 9 9
Física 2 4 3 4 6 7 5 6 8 7 7 10
a- Calculá el coeficiente de correlación
b- Graficá la nube de datos.
c- Determiná y graficá la ecuación de la recta

de regresión lineal
98
EJERCICIO 2
En el Parque Nacional Nahuel Huapi se tala-

ron ejemplares de robles para determinar su edad
(contando el número de anillos del tronco), y se ha
medido su diámetro. Los datos que se obtuvieron
son:
Diámetro 10 15 16 21 30 25 30 35
(cm)
Edad 4 8 12 18 22 26 30 32
(años)
a- Hallá el coeficiente de correlación.
b- Graficá la nube de datos.
c- Hallá la recta de regresión.
d- Determiná la edad correspondiente a 18 y

40 cm de diámetro.
99
EJERCICIO 3
En la tabla se muestran los datos de la longi-

tud corporal y el peso de un bebé durante las pri-
meras 24 semanas de vida.
Longitud 50 52 55 58 61 62 65
(cm)
Peso (Kg.) 3,3 3,9 4,5 5,2 5,6 6,2 6,7
a- Representá la nube de puntos.

b- Calculá el coeficiente de correlación lineal.
c- Explicá el significado obtenido en el coefi-
ciente.
d- Hallá la recta de regresión lineal.
EJERCICIO 4
En el colegio de Mariana los alumnos han me-

dido sus alturas y se han pesado para realizar un
100
trabajo de Ciencias Naturales. En la tabla, se en-
cuentran los datos:
Peso 42 43 47 50 55 60 65 70
(Kg.)
Altura 140 155 158 145 150 155 162 160
(cm)
a- Representá la nube de puntos.

b- Determiná el coeficiente de correlación
c- Hallá y graficá la recta de regresión lineal.
EJERCICIO 5
El astrónomo Kepler investigó los movimien-

tos de los planetas y descubrió tres leyes que lle-
van su nombre. En el siglo XVII, obtuvo datos
para los planetas conocidos en la época que se
volcaron a este cuadro:
101
Planeta Distancia (106 Período (años)
Km.)
Mercurio 58 0,24
Venus 108 0,62
Tierra 150 1
Marte 228 1,88
Júpiter 778 11,86
Saturno 1429 29,42
a- Elaborá una tabla de con dos columnas:

En la primera (x) escribí los cuadrados de
los períodos; y en la segunda, (y) los cubos
de las distancias.
b- Calculá el coeficiente de correlación entre

los valores obtenidos en el punto a.
102
15. MEDIA, MODA Y MEDIANA
La Estadística se ocupa de tomar datos reales,

analizarlos y presentarlos organizadamente para
poder explicar ciertas cuestiones de la realidad.
Entre los resultados que se obtienen de un estudio
estadístico existen tres valores que dan informa-
ción específica y que suelen ser muy utilizados:
Media, Moda y Mediana
Media aritmética o promedio
Cuando queremos saber la nota que figurará

en el boletín luego de un trimestre calculamos el
promedio de las notas que hemos calificado du-
rante ese período
La media aritmética, o promedio de una se-

rie de datos, se obtiene dividiendo la suma de los
valores por la cantidad que de ellos hay.
103
EJEMPLO
Un comerciante obtuvo las siguientes ventas: lunes, $

750; martes, $ 600; miércoles, $ 720; jueves, $ 680;
viernes, $ 840, y sábado $ 910. ¿Cuál fue la media de las
ventas en la semana?
Media =
750 + 600 + 720 + 680 + 840 + 910 = 4500 = 750

6 6
Media = $ 750 diarios
! La media puede no coincidir con ninguno

de los valores registrados.
Moda
Al dato que más veces se repite en una serie de

mediciones, es decir, el de mayor frecuencia se lo
denomina moda. Tiene la ventaja de ser una me-
dida que vale también para datos no numéricos.
104
Por ejemplo, si evaluamos estadísticamente los
colores de los autos que salen de una concesiona-
ria podremos ver cual de ellos tiene mas frecuen-
cia de venta, lo que establecerá lo que denomina-
mos moda.
EJEMPLO
El profesor de Matemática tomó en 7º B la

misma evaluación que en 7º A.
Las notas de 7º A fueron éstas:

2;2;2;3;3;3;3;5;7;7;8;8;8;8;8;8;9;9;10;10;10 y 10.
Las notas de 7º B fueron éstas:

5;5;5;5;5;6;6;6;6;6;6;7;7;7;7;7;7;7;8;8;8 y 9.
¿Cuál es la moda en cada uno de los cursos?
Realicemos las tablas correspondientes a cada

curso:
105
A
Notas Frecuencia
2 3
3 4
5 1
7 2
8 6
9 2
10 4
Total 22
Moda A = 6
Notas Frecuencia
5 5
6 6
7 7
8 3
9 1
total 22
Moda B = 7
106
• La moda siempre es uno de los valores
registrados.
• Cuando en el conjunto de observaciones
hay una sola moda, se dice que la distribu-
ción es unimodal.
• Si hay dos valores con la misma frecuencia
máxima la distribución se llama bimodal
• La moda no necesariamente coincide con
la media aritmética.
MEDIANA
En un estudio estadístico siempre se obtiene

una lista de datos o resultados.
En una lista con un número impar de datos, la
mediana es el valor central, cuando el número de
casos resulta par, la mediana se determina divi-
diendo a la mitad la suma de los dos datos centra-
les.
107
Dicho de otra manera, es el valor donde por
encima de él se encuentra el 50% del total y por
debajo el otro 50%.
Ejemplo
De acuerdo con los sueldos que ganan mensualmente

los 26 trabajadores de un taller, calcular la mediana.
Ya que se trata de 26 trabajadores, se divide
entre 2. La mediana se localiza contando entonces
13 frecuencias.
.
Sueldos Frecuencias
$ 7.000 1
$ 6.750 2
$ 6.250 6
$ 5.000 8
$ 4.000 4
$ 3.500 3
$ 2.000 2
Total 26
Mediana = $ 5 000
108
HOJA DE RESPUESTAS
EJERCICIO 1
a- El coeficiente de correlación es r = 0, 84
b- La ecuación de la recta es y = 0, 78 x +1,

46
Su representación gráfica es:
12
10
0
0 1 2 3 4 5 6 7 8 9 10
109
EJERCICIO 2

b- La ecuación de la recta de regresión lineal
es y = 1, 13 x – 6,77
c- La edad correspondiente al roble de 18 cm
de diámetro es 13 años aprox. La edad del
roble de 40 cm de diámetro es 38 años
aprox.
EJERCICIO 3
a- La representación de la nube de puntos es:
8
7
6
5
peso
4
3
2
1
0
0 10 20 30 40 50 60 70
longitud
110
b- r = 0, 995
c- Como r > 0 la nube es ascendente y la co-
rrelación positiva. Por lo tanto es los pun-
tos están alineados o casi alineados.
d- La ecuación de la recta es y = 0, 22 x – 7,
772
e- Grafica de la ecuación lineal:
8
7
6
5
peso
4
3
2
1
0
0 10 20 30 40 50 60 70
longitud
EJERCICIO 4
111
b- La recta de regresión lineal es y = 0, 47 x
– 127, 7. Su grafica es:
165
160
155
altura
150
145
140
135
0 10 20 30 40 50 60 70 80
peso
EJERCICIO 5
a- La tabla es la siguiente:
Cuadrados de los Periodo Cubos de las distancias

0,3844 195112
0,3844 1259712
1 3375000
3,5344 11852352
112
140,6596 470910952
865,5364 2918076589
b- El coeficiente de correlación es r = 0, 99
113

Estadística

Caricato da

Informazioni sul documento

Descrizione 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

Estadística

Caricato da

Copyright:

Formati disponibili

2

Para hacer el estudio de los caracteres que se

individuo cada animal

Si se efectúa un censo sobre viviendas

individuo cada vivienda

Si en una empresa se toman los salarios de

individuo cada salario

Muchas veces es muy difícil estudiar el

Muestra Los 200

Individuo Cada persona

1. Se quiere realizar un estudio para determi-

2. Se quiere determinar la audiencia de cierto

Actualmente es difícil leer un informe de cual-

Ante tal cúmulo de información y de datos,

La definición matemática de la estadística

Población: se denomina población al con-

Muestra: Se denomina muestra a cualquier

Individuo (objeto): Se considera individuo a

Variables estadísticas: Una variable estadís-

Intervalos de clase: Se llama intervalos de

Dados los siguientes datos de longitud de vari-

a- Agrupá los datos en clases y establecé la

Se ha realizado en EE.UU. una estadística so-

Resultados 30-32 33-35 36-38 39-41 42-44 45-47 48-50

a- Halla los puntos medios de cada intervalo de

La siguiente tabla muestra los pesos en Kg. de

Del campeonato local de fútbol se han elegido

a- Si la media de goles es de 2,04; hallá x

En una encuesta, se pregunta a 50 personas

Gráfico de barras de longitud de

Gráfico de barras (Pesos de

Gráfico de tortas (Nº de libros leídos) 1

● Cuando la variable es continua

El cuadro muestra la cantidad de hijos que tie-

Amplitud = xmáx - xmin

● Cuando la variable es continua

El siguiente cuadro muestra las temperaturas

Amplitud = xmáx - xmin

En la tabla se muestran los salarios en pesos,

Amplitud = xmáx - xmin

Si tenemos un gran número de datos de una

Los siguientes datos corresponden a las alturas

125 130 132 140 128 132

El primer intervalo se toma a partir del

Valor mínimo Limite inferior de la clase

El segundo intervalo se toma a partir de

Amplitud del intervalo (Calculado en

Intervalo de clase Frecuencia

Cantidad de alumnos que

El puntaje de la evaluación de matemática de

El primer intervalo se toma a partir del 57 – 0,5=

Intervalos de clase Frecuencias

Un histograma consiste en una serie

La siguiente tabla muestra la altura de ciertos

Determinamos los puntos medios de los in-

Limite superior + limite inferior

Altura Cantidad de Punto medio Tamaño de los

La tabla muestra el tiempo (medido en horas)

Tiempo (en horas) Lámparas Puntos medios de los

Gráfico de torta: Los ángulos deben ser

En la siguiente tabla se muestra la superficie

El total de la superficie es 51,5 millones, en-

51,7 millones 360º