UNIDAD 1 ESTADISTICA DESCRIPTIVA

Competencias especficas a desarrollar:

Comprende los conceptos bsicos de la estadstica descriptiva para el anlisis, organizacin y
presentacin de datos
Antecedentes:

Hoy en da, la estadstica es una ciencia que se encarga de estudiar una determinada poblacin por
medio de la recoleccin, recopilacin e interpretacin de datos. Del mismo modo, tambin es
considerada una tcnica especial apta para el estudio cuantitativo de los fenmenos de masa o
colectivo.

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. Su objetivo es
organizar y describir las caractersticas sobre un conjunto de datos con
el propsito de facilitar su aplicacin, generalmente con el apoyo de
grficas, tablas o medidas numricas.

Ejemplos bsicos de parmetros estadsticos son: la media y la

desviacin estndar.
Ejemplos grficos son: histograma, pirmide poblacional,
La grfico circular, entre otros.
estadstica
se divide
en dos Estadstica inferencial: Se dedica a la generacin de los modelos,
grandes inferencias y predicciones asociadas a los fenmenos en cuestin
teniendo en cuenta la aleatoriedad de las observaciones. Se usa para
reas:
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. Su objetivo es obtener conclusiones
tiles para lograr hacer deducciones acerca de la totalidad de todas
las observaciones hechas, basndose en la informacin numrica.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada, pero la estadstica

inferencial, por su parte, se divide en estadstica paramtrica y estadstica no paramtrica.

Existe 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, etc.
1.1 Conceptos bsicos de estadstica

Existen muchas definiciones de Estadstica, pero en sntesis la podemos definir como la ciencia rama
de la Matemtica que se ocupa de recolectar, organizar, presentar, analizar e interpretar
informacin cuantitativa para obtener conclusiones vlidas, solucionar problemas, predecir
fenmenos y ayudar a una toma de decisiones ms efectivas.

APLICACIONES

La Estadstica anteriormente slo se aplicaba a los asuntos del Estado, pero en la actualidad la
utilizan las compaas de seguros, empresarios, comerciantes, educadores, etc. No hay campo de la
actividad humana que no requiera del auxilio de esta ciencia, as por ejemplo:

El educador mediante la estadstica podr conocer si un estudiante lee muy bien o regular,
si la asistencia es normal o irregular, si la estatura est en relacin con la edad, media
aritmtica de rendimiento escolar en un perodo determinado, etc.
El hombre de negocios realiza encuestas estadsticas para determinar la reaccin de los
consumidores frente a los actuales productos de la empresa y en el lanzamiento de los
nuevos.
El economista emplea una amplia gama de estadsticas para estudiar los planes de los
consumidores y efectuar pronsticos sobre las tendencias de las actividades econmicas
El gerente de una empresa elctrica proporciona un buen servicio a la comunidad mediante
la variacin estacional de las necesidades de carga
El socilogo trata de auscultar la opinin pblica mediante encuestas, para determinar su
preferencia por un candidato presidencial, o su posicin frente a determinados problemas
econmicos, polticos o sociales
El gelogo utiliza mtodos estadsticos para determinar las edades de las rocas
El Genetista determina las semejanzas entre los resultados observados y esperados en una
experiencia gentica se determina estadsticamente

OBJETIVOS

Describir numricamente las caractersticas de los conjuntos de observaciones. Esta etapa

consiste en recopilar, organizar, tabular y presentar grficamente los datos, proporcionando
una visin cuantitativa de los fenmenos observados.
Analizar los datos de manera objetiva con el fin de disponer de un concepto claro de
universo o poblacin y adoptar decisiones basadas en la informacin proporcionada por los
datos de la muestra.
Estimar o predecir lo que suceder en el futuro con un fenmeno de una manera
relativamente aceptable, as por ejemplo, podemos estimar cul ser la poblacin del pas
dentro de un determinado nmero de aos conociendo la actual.

MTODOS

Recopilacin.- Consiste en la obtencin de datos relacionados con el problema motivo de

estudio, utilizando instrumentos, tales como: cuestionarios, entrevistas, informes,
memorias, etc.
Organizacin.- Consiste en realizar una crtica, correccin, clasificacin y tabulacin de los
datos obtenidos en el paso anterior.
 Presentacin.- Consiste en mostrar datos de manera significativa y descriptiva. Los datos
deben colocarse en un orden lgico que revele rpida y fcilmente el mensaje que
contienen. La presentacin se la puede hacer a travs de grficos estadsticos.
Anlisis.- Consiste en descomponer el fenmeno en partes y luego examinar cada una de
ellas con el objetivo de lograr una explicacin, haciendo uso, en su mayora, de los clculos
matemticos.
Interpretacin.- Consiste en un proceso mental, mediante el cual se encuentra un
significado ms amplio de los datos estadsticos con el objetivo de llegar a conclusiones para
la toma de decisiones y solucin de problemas.

POBLACIN

Llamado tambin universo o colectivo es el conjunto de todos los elementos que tienen una
caracterstica comn.

Una poblacin puede ser finita o infinita. Es poblacin finita cuando est delimitada y conocemos el
nmero que la integran, as por ejemplo: Estudiantes de la Universidad ITSL. Es poblacin infinita
cuando a pesar de estar delimitada en el espacio, no se conoce el nmero de elementos que la
integran, as por ejemplo: Todos los profesionales universitarios que estn ejerciendo su carrera.

MUESTRA

Es un subconjunto de la poblacin. Ejemplo: Estudiantes de 2do Semestre de la Universidad. Sus

principales caractersticas son:

Representativa.- Se refiere a que todos y cada uno de los elementos de la poblacin tengan
la misma oportunidad de ser tomados en cuenta para formar dicha muestra.
Adecuada y vlida.- Se refiere a que la muestra debe ser obtenida de tal manera que permita
establecer un mnimo de error posible respecto de la poblacin.

Para que una muestra sea fiable, es necesario que su tamao sea obtenido mediante procesos
matemticos que eliminen la incidencia del error.

Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:

Donde:

n = el tamao de la muestra. N = tamao de la poblacin.

Desviacin estndar de la poblacin que, generalmente cuando no se tiene su valor, suele utilizarse
un valor constante de 0,5.

Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene su valor,
se lo toma en relacin al 95% de confianza equivale a 1,96 (como ms usual) o en relacin al 99% de
confianza equivale 2,58, valor que queda a criterio del encuestador.

e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele
utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del
encuestador.
Ejemplo ilustrativo: Calcular el tamao de la muestra de una poblacin de 1000 elementos.

Solucin:

Se tiene N=1000, y como no se tiene los dems valores se tomar o=0,5, Z = 1,96 y e = 0,05.
Reemplazando valores en la frmula se obtiene:

1.2 DESCRIPCION DE DATOS

El dato estadstico es un conjunto de valores numricos que tienen relacin entre s, estos pueden
ser comparados, analizados e interpretados en una investigacin, se pude afirmar que son las
expresiones numricas obtenidas como consecuencia de observar a un individuo de la poblacin.

La estadstica descriptiva es una parte de la estadstica que se dedica a analizar y representar los
datos, otras ramas de la estadstica se centran en el contraste de hiptesis y su generalizacin a la
poblacin.

En el estudio de los datos se lleva a cabo una serie de medidas de tendencia central, para ver en qu
medida los datos se agrupan o dispersan en torno a un valor central.

Los datos son colecciones de un nmero cualquiera de observaciones relacionadas entre s, estas
deben organizarse de manera que faciliten su anlisis.

Los datos no agrupados son el conjunto de observaciones que se presentan en su forma original tal
y como fueron recolectados, para obtener informacin directamente de ellos.

Cuando en la muestra que se ha tomado de la poblacin o proceso que se desea analizar se tienen
menos de 30 datos, estos son analizados sin necesidad de formar clases con ellos y a esto es a lo
que se le llama tratamiento de datos no agrupados.

Los datos agrupados son aquellos que se encuentran ordenados y clasificados. Cuando la muestra
consta de 30 o ms datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar
las caractersticas de las muestras y por consiguiente las de la poblacin de donde fue tomada. Antes
de pasar a definir cul es la manera de determinar las caractersticas de inters, cuando se han
agrupado en clases los datos de la muestra, es necesario que sepamos cmo se agrupan los datos,
esto se determinara de acuerdo al tipo de muestra que se est realizando y de acuerdo al tipo de
datos obtenidos.

Una clase o tambin denominada intervalo de clase, son divisiones o categoras en las cuales se
agrupa un conjunto de datos ordenados con caractersticas comunes. En otras palabras, son
fraccionamientos del rango o recorrido de la serie de valores para reunir los datos que presentan
valores comprendidos entre dos lmites. Un nmero de clases pequeo, puede ocultar la naturaleza
natural de los valores y un nmero muy alto puede provocar demasiados detalles como para
observar alguna informacin de gran utilidad en la investigacin.

Algo que responde a la identificacin de la dispersin de los datos de una muestra es el rango, el
cual se define como la diferencia entre el dato mayor menos el dato menor de un conjunto de
datos. Permite obtener una idea de la dispersin estadstica de los dato

FRECUENCIA DE CLASE

Frecuencia es el nmero de veces que se repite o aparece un mismo dato estadstico en un conjunto
de observaciones de una investigacin determinada, las frecuencias se les designan con las letras Fi,
y por lo general se les llaman frecuencias absolutas.

La frecuencia de clase es el nmero de datos que hay en un intervalo de clase, es decir el nmero
de veces que un elemento definido aparece en la muestra.

Por ejemplo si se tienen los siguientes datos: 9, 10, 9, 11, 5, 3, 3, 7, 5, 4, 8, 2, tu rango es de 2-11, tu
intervalo de clase es 5-10 y la frecuencia de clase (Fi) es 12.

FRECUENCIA RELATIVA

Es la relacin o cociente de la frecuencia absoluta entre el nmero total de datos o en si es el

cociente entre la frecuencia con que se presenta dicho valor y el total de observaciones.

La frecuencia relativa se puede expresar en tantos por ciento y se representa por ni.

ni= fi/N

La Suma de frecuencias relativas es igual a 1

Ejemplo

Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas mximas:

32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31, 34,
33, 33, 29, 29.

X Fi ni
27 1 0.032
28 2 0.064
29 6 0.194
30 7 0.226
31 8 0.258
32 3 0.097
33 3 0.097
34 1 0.032
N= 31 1.000

19, 20, 19, 18, 19, 18, 20, 19, 20, 20, 19, 20, 19, 19, 22, 23, 21

PUNTO MEDIO

Punto medio es el punto que divide a un segmento en dos partes iguales. Es el punto que se
encuentra exactamente a la mitad, entre un lmite y otro.
El centro de la clase, es el valor de los datos que se ubican en la posicin central de la clase y
representa todos los dems valores de esa clase. Este valor se utiliza para el calculo de la media
aritmtica.

La media aritmtica es el valor obtenido al sumar todos datos y dividir el resultado entre el numero
total de datos.

LIMITES

Son una restriccin, lo que limita al rango, suelen ser incluyentes y excluyentes.

Son los valores extremos que tiene el intervalo de clase, inferior y superior, entre los cuales van a
estar los valores de los datos agrupados en ese intervalo de clase.

Los limites inferiores y superiores son los valores mnimos y mximos de una distribucin.

Por ejemplo:

En un curso de 15 alumnos, se le pidi a un profesor que pesara a todos los alumnos, los datos
obtenidos son los siguientes: 62, 95, 38, 95, 79, 92, 60, 42, 82, 39, 85,87, 91, 94, 53.

Limite inferior: 38.

Limite superior: 98.

HISTOGRAMA

Se puede considerar como un grfico de columnas especial. Se realiza sobre el primer cuadrante del
plano cartesiano. La diferencia radica en que el histograma se utiliza ms a menudo para representar
tablas tipo B, donde el ancho de la columna equivale al ancho del intervalo de clase.

Las frecuencias absolutas se colocan en el eje vertical y tambin puede emplearse las frecuencias
relativas. Otra diferencia importante es que no existe espacio entre las barras.

Los Histogramas son diagramas de barras verticales en los que seCuando se trata de analizar la
dispersin que presentan unos datos, la representacin grfica ms adecuada es el histograma. Para
realizar un histograma se marcan una serie de intervalos sobre un eje horizontal, y sobre cada
intervalo se coloca un rectngulo de altura proporcional al nmero de observaciones (frecuencia
absoluta) que caen dentro de dicho intervalo. De esta manera el histograma de frecuencias resulta
muy til para representar grficamente la distribucin de frecuencias.

Si se pretende comparar varios histogramas construidos con distinto nmero de datos, es preferible
que las alturas de los rectngulos sean proporcionales al porcentaje de observaciones en cada
intervalo o al tanto uno por uno (frecuencia relativa).

En un histograma de frecuencias, la altura de los rectngulos est determinada por la frecuencia

absoluta de la clase. De manera similar, en un histograma de frecuencias relativas (frecuencias
acumuladas, frecuencias relativas acumuladas), la altura de los rectngulos est determinada por la
frecuencia relativa (frecuencia absoluta acumulada , frecuencia relativa acumulada ) de la clase. El
histograma de frecuencias acumuladas para los datos del ejemplo anterior se muestra en la figura
que se puede apreciar en el siguiente grfico:

1.3 Medidas de tendencia central

Las medidas de tendencia central como su nombre lo dice son clculos o evaluaciones que nos
proporcionan idea del comportamiento del fenmeno en la parte cntrica de este. En otras palabras
las medidas de tendencia central se ocupan de medir del centro, el foco o el medio de un fenmeno.

1.3.1 Media Aritmtica

Para calcular la media aritmtica de una muestra utilizamos la siguiente frmula:

Representa la media aritmtica de la muestra

Nmeros de datos.

Sumatoria.

Cada uno de los datos.

La formula dice que la suma de las observaciones entre los nmeros de las mismas, es igual al
promedio de los datos.

Ejemplo: Las calificaciones del examen fueron: 6 ,7 ,8 ,8 ,9 ,10 ,10. La media aritmtica para los datos
anteriores es x Promedio es igual a la suma de 6+7+8+8+9+10+10; entre el numero de
observaciones (siente).

Variable Frecuencia Frecuencia Relativa

6 1 0.142857
7 1 0.142857

8 2 0.285714
9 1 0.142857

10 2 0.285714

Totales 7 1.00

El promedio de los alumnos es de 8.285714 puntos.

1.3.2 Mediana

Mediana (Me): Valor que divide una serie de datos en dos partes iguales. La cantidad de datos que
queda por debajo y por arriba de la mediana son iguales.

La definicin de geomtrica se refiere al punto que divide en dos partes a un segmento. Por ejemplo,
la mediana del segmento es el punto C.

Existen entonces dos segmentos iguales:

Ejemplo: mediana para datos no agrupados (cantidad de datos impar)

Encontrar la mediana para los siguientes datos:

41234221553

SOLUCIN

PASO 1: Ordenar los datos.

11222334455

PASO 2: Localizar el valor que divide en dos parte iguales el nmero de datos.

11222334455

La mediana es 3, dejando 5 datos a cada lado.

Ejemplo: mediana para datos no agrupados (cantidad de datos par)

Modifiquemos el ejemplo anterior, eliminando el ltimo dato. Encontrar la mediana:

4123422155

SOLUCIN

PASO 1: Ordenar los datos.

1122234455
PASO 2: Localizar el valor que divide en dos parte iguales el nmero de datos.

1122234455

El punto medio se encuentra entre dos valores: 2 y 3, por tanto, el valor de la mediana ser 2,5.

Ejemplo: mediana para datos agrupados en tablas tipo A

Calcular la mediana a partir de la siguiente tabla de frecuencia:

Ni Clase f F h% H%
1 10 5 5 10.4 10.4
2 20 7 12 14.6 25.0

3 30 10 22 20.8 45.8
4 40 13 35 27.1 72.9

5 50 10 45 20.8 93.8
6 60 2 47 4.2 97.9

7 70 1 48 2.1 100.0

Total 48 100%

SOLUCIN

PASO 1: Localizar entre que clases se encuentra la mediana. Observe que la mediana se encuentra
entre las clases 3 y 4, donde podremos encontrar una frecuencia relativa acumulada del 50%.

PASO 2: Interpolar los datos para encontrar la mediana.

En el paso anterior habamos dicho que el punto que divide el 2 parte iguales se encuentra entre 30
y 40.

Clase H

40 72.9%

30 45.8%

Diferencia 10 27.1%

1.3.3 Moda

Moda (Mo): indica el valor que ms se repite, o la clase que posee mayor frecuencia.

En el caso de que dos valores presenten la misma frecuencia, decimos que existe un conjunto de
datos bimodal. Para ms de dos modas hablaremos de un conjunto de datos multimodal.

Ejemplo: moda para datos no agrupados

Los siguientes datos provienen del resultado de entrevistar a 30 personas sobre la marca de gaseosa
que ms consume a la semana:
 LUNES MARTES MIERCOLES JUEVES VIERNES SABADO

Marca 1 Marca 2 Marca 1 Marca 1 Marca 1 Marca 3

Marca 1 Marca 3 Marca 1 Marca 2 Marca 1 Marca 1

Marca 2 Marca 1 Marca 3 Marca 3 Marca 2 Marca 1

Marca 1 Marca 1 Marca 1 Marca 3 Marca 1 Marca 2

Marca 3 Marca 1 Marca 3 Marca 3 Marca 2 Marca 3

SOLUCIN

PASO 1: Determinar las frecuencias de cada valor de la variable.

La marca 1 se repite 15 veces

La marca 2 se repite 6 veces

La marca 3 se repite 9 veces

PASO 2: la moda representa el valor que ms se repite. En este caso es la marca 1.

1.4 MEDIDAS DE DISPERSION

Otra forma para asegurar que las diferencias entre la media y los puntos de un valor positivo, es
elevndola al cuadrado. Al promedio de estas distancias al cuadrado se le conoce como varianza.

Varianza (S2 o s2): Es el resultado de la divisin de la sumatoria de las distancias existentes entre
cada dato y su media aritmtica elevadas al cuadrado, y el nmero total de datos.

Distinguimos dos smbolos para identificar la varianza: S2 para datos mustrales, y 2 para datos
poblacionales. Note que la frmula para la varianza muestral presenta en su denominador al tamao
de la muestra menos uno, tendencia adoptada por los estadsticos para denotar una varianza ms
conservadora.

1.4.1 Varianza para datos no agrupados

La siguiente muestra representa las edades de 25 personas sometidas a un anlisis de preferencias

para un estudio de mercado.

25 19 21 35 44

20 27 32 38 33

18 30 19 29 33
 26 24 28 39 31

31 18 17 30 27

Determinar la varianza.

SOLUCIN

PASO 1: Calcular la media aritmtica.

PASO 2: Calcular la varianza

En este punto, la varianza es identificada por S2.

La varianza equivale a 51,8567. Por elevar las unidades al cuadrado, carece de un significado
contextual dentro del anlisis descriptivo del caso.

1.4.2 Varianza para datos agrupados

Calcular la varianza a partir de la siguiente tabla de frecuencia (suponga que los datos son
poblacionales).

Ni Lm Ls F Mc

1 15 17 2 16

2 17 19 5 18

3 19 21 13 20

4 21 23 4 22

5 23 25 1 24

Total 25

1.4.3 Desviacin estndar muestral

Habamos visto que la varianza transforma todas las distancias a valores positivos elevndolas al
cuadrado, con el inconveniente de elevar consigo las unidades de los datos originales.

La desviacin estndar soluciona el problema obteniendo la raz cuadrada de la varianza,

consiguiendo as, un valor similar a la desviacin media.

Desviacin estndar o tpica (S o s) Es igual a la raz cuadrada de la varianza.

La S representa la desviacin estndar de una muestra, mientras que la desviacin para todos los
datos de una poblacin. Ampliando las frmulas tenemos

Aplicamos el mismo procedimiento a las frmulas para las tablas de frecuencias tipo A.

Y para las tablas de frecuencias tipo B.

Calcular la desviacin estndar al siguiente conjunto de datos mustrales.

220 215 218 210 210

219 208 207 213 225

213 204 225 211 221

218 200 205 220 215

217 209 207 211 218

PASO 1: Calcular la media aritmtica.

PASO 2: Calcular la varianza

En este punto, la varianza es identificada por S2.

PASO 3: Calcular la desviacin estndar a partir de la raz cuadrada de la varianza.

Los datos se alejan en promedio de la media aritmtica en 6,5516 puntos.

1.4.4 Desviacin Media

Para conocer con un solo indicador que tan disperso se encuentran un conjunto de datos a un punto
de concentracin, debemos como primera medida, calcular la distancia de cada dato respecto a una
medida de tendencia central. Por ejemplo:

4 5 3

5 3 2

2 2 2

3 5 1

4 1 4

Tenemos que la media aritmtica es de aproximadamente 3,0667 (indicador de tendencia central

por excelencia). El primer dato (4), se aleja de la media en 0,9333 hacia la derecha. Grficamente
tendramos:

Para el segundo dato (5) la distancia es de 1,9333 respecto a la media aritmtica:

Note que el tercer dato (3) posee una distancia de 0,0667 hacia la izquierda de la media. Para indicar
las distancias de estos puntos, agregaremos el signo negativo, por tanto, la distancia del tercer dato
sera 0,0667. La representacin grfica de todos los puntos quedara:

El total de las distancias de los puntos que estn a la izquierda respecto a la media es de -8,6
(empleando todos los decimales), que es igual a la sumatoria de las distancias de los puntos que
estn a la derecha respecto a la media 8,6. Concluimos que la sumatoria de todas las distancias de
cada punto respecto a la media aritmtica es igual a cero (las distancias se anulan):

Para responder a la pregunta de qu tan disperso estn los datos respecto a la media aritmtica?,
recurriremos nuevamente al promedio simple. Para llegar a una frmula bsica de dispersin, en
que las distancias positivas y negativas no se eliminen, modificaremos la frmula anterior para
trabajar solo con distancias positivas mediante el valor absoluto:

La distancia promedio sera de aproximadamente 1,15 (resultado de la divisin entre la distancia

total absoluta y el total de datos). A esta distancia promedio se le conoce con el nombre de
desviacin media y significa que en promedio, los datos se separan de la media en 1,15.

1.4.5 Desviacin Mediana

El criterio que gua esta estadstica, radica en el uso de diferencias de cada dato respecto a la
mediana muestral m.

Si estas diferencias son muy grandes, entonces estamos ante un caso de gran variabilidad, y si son
pequeas se espera que la variabilidad sea pequea.

Naturalmente que el criterio que parece ms apropiado es agrupar las discrepancias individuales y
tratarlas en conjunto.

Un agrupamiento natural sera una suma de ellas, pero el slo uso de las diferencias no garantiza
que se pueda medir discrepancias porque algunas (prcticamente la mitad) sern menores que la
mediana, con diferencias negativas, y el resto mayores que la mediana, con diferencias positivas, y
al sumar dichos valores habra compensaciones entre valores negativos y positivos.

Por lo tanto, una salida a esta dificultad es considerar el valor absoluto de la diferencias calculadas
y promediarlos.

Esto conduce a la definicin siguiente:

Dado un conjunto de datos, x1, ..., xn su desviacin mediana d.m., est definida por :

Donde d.m. representa la mediana de datos

Puede verse entonces que, cuanto mayor sea la dispersin existente entre los datos, tanto mayor
tender a ser el promedio del valor absoluto de las diferencias de los datos, respecto de la mediana
muestral.

Esta estadstica se encuentra medida en la misma escala que los datos originales, lo que facilita su
comprensin.

1.4.6 Rango

El rango es una medida de dispersin muy simple, es la diferencia entre el mayor y el menor valor
de los datos representados en la muestra.

Al usar los extremos de una muestra, se corre el riesgo de obtener resultados muy cambiantes
debido a la posible presencia de algunos valores mucho mayores o mucho menores que la gran
parte de los datos.

Esta dificultad muestra un aspecto negativo del rango, sin embargo su gran simplicidad de clculo,
hace que en muchas situaciones sea prctico su uso.

RANGO= Mx. Datos Min. Datos

Para la primera muestra (0, 45, 50, 55, 100), el dato menor es 0 y el dato mayor es 100, por lo que
sus valores se encuentran en un rango de:

Rango = 100 0 =100

Mientras que para la segunda muestra (47, 49.5, 50, 51.5, 52), el dato menor es 47 y el dato mayor
es igual a 52 por lo que su rango correspondiente es igual a:

Rango = 52 47= 5

Lo que indica que la segunda muestra es ms homognea ya que sus datos estn dispersos en un
menor rango

Parmetros agrupados

En el estudio de las distribuciones de datos, la estadstica selecciona un conjunto de los mismos de

forma que sean representativos de todos los de la distribucin.

Estos datos seleccionados se denominan caractersticas de la distribucin o parmetros estadsticos

http://wape23.jimdo.com/unidad-1/1-4-medidas-de-dispersi%C3%B3n/1-4-3-desviaci%C3%B3n-
media/

1.5 Parmetros para datos agrupados

En el estudio de las distribuciones de datos, la estadstica selecciona un conjunto de los mismos de

forma que sean representativos de todos los de la distribucin.

Estos datos seleccionados se denominan caractersticas de la distribucin o parmetros estadsticos

1.5.1 La Media

La media aritmtica o simplemente media es el promedio ms comnmente usado, este puede ser
simple o ponderado.
La media aritmtica simple est dada por la formula Sx/n y que significa: la suma de todos los valores
dividida por el nmero de datos.

Por ejemplo: 10, 13, 10, 13, 14, 10, 13, 10, 15.

La media para datos agrupados es la siguiente:

La definicin es claramente entendida como una extensin de la definicin que dimos para datos
no agrupados, ya que es lgico suponer que datos que se repiten con una frecuencia pueden
simplificar la suma:

Por supuesto que los ndices de la segunda suma con respecto a la primera corren con respecto a
menor nmero, es decir, con respecto al nmero de agrupamientos m.

Por ejemplo: Sean los siguientes datos 1, 1, 2, 2, 4, 4, 5, 2, 3, 2, 3, 4, 1, 2, 1. La media para dichos

datos es:

1.5.2 La desviacin tpica

Desviacin estndar soluciona el problema obteniendo la raz cuadrada de la varianza, consiguiendo

as, un valor similar a la desviacin media

Desviacin estndar o tpica (S o s): Es igual a la raz cuadrada de la varianza.

La S representa la desviacin estndar de una muestra, mientras que la desviacin para todos los
datos de una poblacin. Ampliando las frmulas tenemos

Aplicamos el mismo procedimiento a las frmulas para las tablas de frecuencias tipo A.

Y para las tablas de frecuencias tipo B

1.6 Distribucin de frecuencias

Las distribuciones de frecuencia resumen los datos originales, los condensan o agrupan para facilitar
el anlisis de los mismos. Sin embargo para ampliar el anlisis, casi siempre es deseable formar la
distribucin de frecuencias relativa o la distribucin de porcentaje, dependiendo de la preferencia
de la informacin. Tambin se puede definir como un listado de datos a menudo expresado en
forma de diagrama que asocia cada valor de una variable con su Frecuencia.

Ejemplo 1: Del conjunto de dato siguientes

32232441224320221331
X representa el elemento f su frecuencia teniendo as

X F

0 1

1 3

2 8

3 5

4 3

1.6.1 Distribuciones Numricas

Las distribuciones numricas son simplemente agrupamiento de datos en categora numrica, es

decir cuando los datos cuando los datos se agrupan por tamaos.

Para comprender mejor esto veamos lo siguiente.

Ejemplo:

Los datos correspondientes a 183 sobre el tamao de los sistemas de televisin por cable de los
Estados Unidos se pueden resumir de la siguiente forma:

Nmeros de Suscriptores Sistemas de televisin por cable

Menos de 1000 2444

1000-3499 1573

3500-9999 958

10000-19999 269

20000-49999 239

50000 o mas 57

Total 5640

En este ejemplo cada clase cubri un amplio rango de valores, pero tambin hay distribuciones
numricas en que la clase cubre solo un valor.

En este ejemplo cada clase cubri un amplio rango de valores, pero tambin hay distribuciones
numricas en que la clase cubre solo un valor.
1.6.2 Distribuciones categricas

Si agrupamos los datos en categoras no numricas la tabla resultante se conoce como distribucin
categrica o cualitativa.

En bioestadstica, la distribucin se refiere en general a toda la lista o tabla de dato estadsticos,

ordenada segn un criterio determinado. Una distribucin se define por ciertas propiedades de su
variable componente: medidas de tendencia central y medidas de dispersin de la variable.

Existen varios conceptos dentro de Distribucin que se deben aclarar, a saber:

1.6.3 Distribucin de frecuencias:

Tabla de datos, referentes a una variable en cuestin, en la que se exponen varias categoras de la
misma, junto con sus frecuencias o nmero de veces que se repite en la muestra (puede expresarse
tambin en porcentaje). La tabla puede tener diferentes formatos y es llamada tabla de
frecuencias. Cuando se comparan la frecuencia de dos variables, se compone una tabla de
contingencia, en la cual una variable ocupa las filas y la otra las columnas.

Ejemplo 1:

Una tabla de frecuencias simple de la variable COMA, en sus categoras Ausente y Presente. (spss).

Categoras Frecuencia Porcentaje

Ausencia 602 87.7

Presencia 126 17.3

Total 728 100.0

1.6.4 Distribuciones acumuladas

En ella se usa el nmero de clases anchos de clase y lmites de clase que fueron definidos para la
distribucin de frecuencia. Sin embargo ms que mostrar la frecuencia de cada clase, la distribucin
de frecuencia acumulada muestra la cantidad de elementos con valores menores o igual que al
lmite superior de la clase por cada clase.

En si la frecuencia acumulada muestra simplemente la suma de todas las clases cuyos datos tienen
valores menores a la frecuencia de la clase.

Ejemplo 1: En esta tabla se muestra la frecuencia acumulada, f, frecuencia relativa acumulada y

frecuencia porcentual acumulada

Frecuencia Frecuencia relativa Frecuencia Porcentual

Tiempo de auditorias
Acumulada acumulada Acumulada
Menor que o igual a 14 4 0.20 20
Menor que o igual a 19 12 0.60 60
Menor que o igual a 24 17 0.85 85
Menor que o igual a 29 19 0.95 95
Menor que o igual a 34 20 1.00 100
1.6.5 Distribuciones porcentuales

Las distribuciones de la frecuencia se pueden modificar para satisfacer necesidades particulares.

Una manera consiste en convertir una distribucin en una distribucin porcentual. Esto se logra
dividiendo cada frecuencia de la clase entre el nmero total de factores agrupados y multiplicando
luego por el 100%.

Ejemplo: convertir la distribucin de datos de emisin de xidos de azufre en una distribucin

porcentual.

Solucin:

La primera clase contiene 3/80*100= 3.75% de los datos, la segunda comprende 10/80*100%=
12.50% de los datos y la sptima clase contiene 2/80*100% = 2.50% de los datos de estos
resultados se muestran en la siguiente tabla.

Toneladas de xidos de azufre Porcentaje

5.0-8.9 3.75
9.0-12.9 12.5
13.0-16.9 17.5
17.0-20.9 31.25
21.0-24.9 21.25
25.0-28.9 11.25
29.0-32.9 2.5

Intervalos f fr
1-5 31 31/264 0.0851 8.51%
6-10 116 116/364 0.3186 31.86%
11-15 116 116/364 0.3186 31.86%
16-20 58 58/364 0.1593 15.93%
21-25 42 42/364 0.1153 11.53%
26-30 0 0/364 0 0%
31-35 0 0/364 0 0%
36-40 0 0/364 0 0%
41-45 0 0/364 0 0%
46-50 0 0/364 0 0%
51-55 0 0/364 0 0%
56-60 0 0/364 0 0%
61-65 0 0/364 0 0%
66-70 1 1/364 0.0027 0.27%

Para poder dejar en claro todo los trminos y formulas vistas analizaremos estos datos segn la
siguiente tabla:

Distribucin
Distribucin
Elemento f porcentual
porcentual
acumulada
1 0.27% 0.27%
3 15 4.12 % 4.39 %
4 15 4.12 % 8.51 %
5 25 6.86 % 15.37 %
7 56 15.38 % 30.75 %
8 35 9.61 % 40.36 %
9 38 10.43 % 50.79 %
12 40 10.98 % 61.77 %
13 38 10.43 % 72.2 %
15 7 1.91 % 74.11 %
16 37 10.2 % 84.31 %
17 13 3.57 % 87.88 %
18 1 0.27 % 88.15 %
19 1 0.27 % 88.42 %
21 40 10.98 % 99.4 %
23 1 0.3 % 99.7 %
67 1 0.3 % 100 %
20

La distribucin se obtuvo de dividir la frecuencia de cada elemento que est clasificado en la tabla
2 entre el total de elementos de la muestra en este caso 364.

As para el numero 23 tenemos 40/364= 0.1098

Para obtener la distribucin porcentual solo se multiplica la distribucin normal por 100, entonces
tenemos que 40/364 = 0.1098 * 100 =10.98 %

1.6.6 Distribuciones porcentuales acumuladas

Podemos convertir una distribucin porcentual en distribucin porcentual acumulada. Solo

sumamos los porcentajes de las frecuencias comenzando ya sea con la distribucin superior o
inferior.

Para la columna de la frecuencia porcentual acumulada sumamos todas las frecuencias

porcentuales anteriores al elemento de estudio con la del mismo elemento:

Para el numero 7 por ejemplo sumaremos 0.27% + 4.12% + 4.12% + 6.86% = 15.37%

Al final el ltimo elemento deber tener una distribucin porcentual del 100 %

1.7 Tcnicas de agrupacin de datos

Las clases deben estar definidas tal que cada observacin pertenezca a una sola clase, y que las
clases adyacentes tengan fronteras en comn

1.7.1 Lmites de clase

Se debe escoger los lmites de la clase de tal manera que cada valor de dato pertenezca a una clase
y solo a una. El lmite inferior de la clase es el valor mnimo posible de los datos que se asignan a la
clase. El lmite superior de la clase es el valor mximo posible de los datos que se asignan a la clase.
Para formar distribuciones con datos cualitativos no se necesit especificar lmites de clase, porque
cada elemento caa, en forma natural, en una clase o categora separada. Pero con los datos
cuantitativos, como los tiempos de sabidura de la tabla 2.5, son los lmites de clase para determinar
dnde se clasifica a cada uno de los datos.
1.7.2 Rango de clase

Faltan los temas de tcnicas de agrupacin de datos (1.6) y tcnicas de muestreo (1.7)

Completar los temas faltantes y traer un ejercicios que abarque todos los temas de la unidad 1
entregar en hoja de mquina y a mano con portada