1.

Organización y representación de
datos estadísticos.
Probabilidad y estadística aplicada a los negocios.

MPEDR. Esaú Solís Díaz.

 ¿Qué sabes hacer ahora?
1 ¿Qué es la estadística?

2 ¿Qué es un dato estadístico?

3 ¿Cuáles crees que sean las ramas principales de la estadística?

4 ¿Qué tipos de variables hay?

5 ¿Qué es una frecuencia y distribuciones de frecuencia?

6 ¿En qué consiste el histograma?

7 ¿En qué consiste el polígono?

8 ¿En qué consiste la ojiva?

9 ¿En que consisten las gráficas de pastel?

MPEDR. Esaú Solís Díaz.

 ¿Cómo lo
resolverías?

La Comisión Nacional del Agua

(Conagua) ofrece informes periódicos
sobre variables climatológicas para el
conocimiento de la ciudadanía. En la
tabla 1.1 se presentan datos de las
temperaturas medias mensuales de
los estados del país.

¿Qué se tiene que hacer?

MPEDR. Esaú Solís Díaz.

 1. Roberto es de Veracruz y Laura de Puebla. Roberto dice que el clima en su entidad a lo largo
del año es más variable que el clima de Puebla, mientras que Laura dice lo contrario. ¿Quién
tiene la razón?
Roberto tiene la razón con una varianza poblacional de 5.75° vs una variación de 3.52° en Puebla.

2. De acuerdo con los datos registrados en la tabla, ¿qué estado del país tiene mayor variabilidad de
clima a lo largo del año?

3. ¿Qué estado tiene menor variabilidad?

4. ¿Mediante qué procedimiento se puede medir la variabilidad?

MPEDR. Esaú Solís Díaz.

 1.1 Tipos de variables.
El concepto de variable estadística es muy importante pues es un
instrumento que combina semejanzas y diferencias de los atributos de
una población  mi estatura vs la tuya.

Todo cambia, los datos tienen mucha variabilidad y dependen de

muchos factores; es por eso que no es suficiente medir o examinar a
una sola persona o cosa para obtener resultados confiables y
transferibles.

MPEDR. Esaú Solís Díaz.

 1.1 Tipos de variables: cuantitativa y cualitativa.
Cuantitativas

Fenómeno cuyos resultados o variables aleatorias no

son cuantificables, es decir, son cualidades o atributos,
estamos en presencia de una variable aleatoria de tipo
cualitativo o simplemente variable cualitativa.
Discretas-continuas, agrupadas-no agrupadas

Cualitativas

Las variables aleatorias obtenidas en un estudio son

cuantificabIes, es decir, pueden ser expresadas con
números, estamos en presencia de una variable
aleatoria de tipo cuantitativo o variable cuantitativa.

MPEDR. Esaú Solís Díaz. Meses del año

 1.1 Tipos de variables.
• Por la naturaleza de las escalas que miden sus valores:
• Nominales («distinción»).
o Género  hombre/mujer.
o Lugar de nacimiento  país, autonomía, estado, localidad.
o Profesión  empresario, director, operador.
o Sabor  coco, vainilla, chocolate.
• Ordinales («distinción» + «orden»).
o Grado de aceptación (de 0 a 10).
o Mucho, bastante, poco, nada (escala de 4 posiciones).
o Totalmente en desacuerdo, en desacuerdo, indiferente, bastante de acuerdo, totalmente de
acuerdo (escala de 5 posiciones).
• Intervalo y razón («distinción» + «orden» + «distancia»).
o No. De miembros de la unidad familiar.
o Salario.
o Edad.
o Renta familiar bruta.
o Nº de meses en situación de desempleo.
MPEDR. Esaú Solís Díaz. Escolaridad*, carrera académica, partido político,
 1.1 Tipos de variables: variables
unidimensionales y pluridimensionales.
Podemos plantear que las variables cuantitativas pueden ser de dos tipos en
función de la cantidad de características cuantitativas que sean tomadas. Si en cada
experimento u observación se toma en consideración una sola característica la
variable en cuestión será unidimensional.

Ejemplo:
Si en tres equipos de baloncesto, de diferentes
nacionalidades, se toma de cada jugador su
estatura para observar la variación de un país a
otro, la variable cuantitativa será unidimensional ya
que sólo se tiene en cuenta una característica.

Si en el mismo conjunto de jugadores analizáramos

simultáneamente en cada uno el peso, estatura,
MPEDR. Esaú Solís Díaz. edad, la variable cuantitativa será pluridimensional.
 1.1 Tipos de variables: continua y discreta.
• Cuantitativa discreta.
o Hijos en una familia.
o Vacas en una granja.
o Dedos de una persona.
• Cuantitativa continua.
• Cantidad de autos que pasan en una avenida.
• Tiempo que demora un viaje.
• Precio de artículos en el súper mercado.
MPEDR. Esaú Solís Díaz.
Supongamos que se hace el pesaje de todas las
cabezas de ganado de una misma raza que existe
en México y anotamos el peso de cada una con
una precisión de 1 gramo. Aunque algunos valores
se repitieran la cantidad de pesos que difieran
entre sí será muy elevada. El proceso de análisis
con tal cantidad de diferentes valores sería muy
engorroso. Acudiremos a un método de
agrupación de valores de la variable dentro de
determinado rango y los sustituiremos por uno
representativo de todos ellos.
 Ejercicio.
1. Deporte favorito. Cualitativa nominal

2. Medalla de plata ganada en una competición deportiva. Cualitativa ordinal

3. Peso de 5 amigos. Cuantitativa continua intervalo y razón

4. Color de ojos de 10 amigos. Cualitativa nominal

5. Número de mascotas de 3 amigos. Cuantitativa discreta intervalo y razón

6. Lugar que ocupan 10 amigos en la cola del cine. Cualitativa ordinal

7. Tiempo que se tarda en recorrer 1 Km. Cuantitativa continua intervalo y razón

8. Primer apellido de los habitantes de un pueblo. Cualitativa nominal

MPEDR. Esaú Solís Díaz.

 1.2 Frecuencia y distribuciones de frecuencia.
Intervalo de clase. Un gran conjunto de datos puede ser simplificado y agrupado
entonces en intervalos de menor amplitud que llamamos intervalos de clase.
En el ejemplo de las 1.800 jóvenes seleccionadas para
el certamen de belleza tenemos que al ser pesadas,
los resultados obtenidos oscilaban entre 45 y 85 kg.
Esta tabla, correctamente ordenada, constituiría
nuestra serie de pesajes y el recorrido en ella sería:

85 kg - 45 kg = 40 kg ¡Otra fórmula!
K de Sturges: 𝑲 = 𝟏 + 𝟑. 𝟑𝟐𝟐 𝑳𝒐𝒈 𝑵
Podríamos subdividir esta serie en 4 intervalos de 10
kg cada uno con sus correspondientes marcas de
Amplitud de la clase: 𝑹𝒂𝒏𝒈𝒐 = 𝑳𝒔 − 𝑳𝒊
clase, como se presenta a continuación:
𝑳𝒊𝒎𝒊𝒕𝒆 𝒔𝒖𝒑𝒆𝒓𝒊𝒐𝒓 + 𝒍𝒊𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓
𝑴𝒂𝒓𝒄𝒂 𝒅𝒆 𝒄𝒍𝒂𝒔𝒆:
𝟐
MPEDR. Esaú Solís Díaz.
 1.2 Frecuencia y distribuciones de frecuencia.
Si por ejemplo tomamos el peso de una joven
y este es de 52 kg podemos decir que estará
uno cuya cota
incluido dentro del intervalo _____
55 kg y
45 kg y la máxima de _____
mínima es de _____
50 kg como marca de clase. Planteamos
_____
entonces que 52 kg a efectos de calculo será
de 50 kg (marca de clase del intervalo).

Ejemplo:
Un peso de 75 kg pertenecerá al intervalo 75 - 85 kg.
MPEDR. Esaú Solís Díaz.
 Revisión: K de Sturges.
Ejemplo:
Observamos que si cada intervalo tiene una amplitud de 10, el rango
Tomando como base los
seria 7 x 10 = 70; pues notamos que es mayor que el rango real (R =
puntajes obtenidos por 50 64), entonces se determina el exceso (70 – 64 = 6), el que se distribuye
estudiantes que fluctúan entre en los extremos, ampliándolos en (6 : 2 = 3) unidades a cada uno, así:
38 y 102 puntos, hallar R, k, C Extremo izquierdo
e Ii. 38 – 3 = 35
Extremo derecho
102 + 3 = 105
Luego:
I1 = [35;45)
I2 = [45;55)
I3 = [55;65)
I4 = [65;75)
I5 = [75;85)
I6 = [85;95)
I7 = [95;105)

Ni menor que 4 ni mayor que 20

MPEDR. Esaú Solís Díaz.

 Revisión: K de Sturges.
Se pueden construir dos tipos de intervalos de clase: no exactos (ficticios) o exactos (reales).
Para el caso de los intervalos no exactos, la construcción del límite inferior y superior no considera el error
mínimo y el error máximo permitido en el dato.
En intervalos exactos, la elaboración del límite inferior y superior debe tomar en cuenta el error mínimo y
máximo permitido del dato. Cuando la amplitud de la serie de datos es pequeña, se tendrán longitudes del
intervalo de clase menores a la unidad, por lo que el error mínimo y máximo permitido es ± 0.05 es decir se le
resta y se le suma en cada límite.

En el caso que la longitud del intervalo de clase sean mayores a la unidad, el

error mínimo permitido del dato es de ± 0.5
MPEDR. Esaú Solís Díaz.
 Frecuencia absoluta.
En una relación de datos o serie estadística, obtenidos a partir de la observación de
determinado fenómeno, existen n cantidad de variables o resultados. Uno
cualquiera de estos resultados puede repetirse x veces a lo largo de la serie. El
numero de veces que este resultado aparece repetido durante la observación
recibe el nombre de frecuencia absoluta (F) de una variable o resultado, ya sea la
variable cualitativa o cuantitativa.

Ejemplo: Si en el pesaje efectuado para el certamen aparecen 150 jóvenes con un peso de 52 kg la frecuencia
absoluta de esta variable cuantitativa (peso) seria de 150.
Si de 60 pelotas hay 34 azules, 16 amarillas y 10 verdes la frecuencia absoluta del resultado azul es :34, del
resultado amarillo 16 y del verde 10.
Comprobamos así que el concepto de frecuencia absoluta es aplicable tanto a variables cuantitativas como a
variables cualitativas.

MPEDR. Esaú Solís Díaz.

 Frecuencia relativa.
Conocido ya el concepto de frecuencia absoluta podemos plantear el concepto de
frecuencia relativa (f) de una variable, que no es mas que el cociente de la
frecuencia absoluta de una variable entre el numero total de veces que hemos
realizado la experiencia.

Ejemplo: Así podemos ver que en el caso del certamen de belleza habíamos planteado que de 1.800, 150 jóvenes
pesaron 53 kg, luego 150 sería la frecuencia absoluta del valor de la variable igual a 52 kg, la frecuencia relativa
será:

En el ejemplo de las pelotas

veremos que la frecuencia
relativa del resultado azul
será:
MPEDR. Esaú Solís Díaz.
 Frecuencia acumulativa y ordinaria.
La frecuencia acumulativa de una variable será la suma de las frecuencias absolutas
o relativas que corresponden a un valor de dicha variable más todos los valores de
frecuencia absoluta o relativa que la anteceden.
Veamos el caso anterior de las pelotas para ejemplificar:

MPEDR. Esaú Solís Díaz.

 Ejemplo.
En el pesaje efectuado a las jóvenes aspirantes al certamen de belleza tenemos
que:
• 73 jóvenes pesan 72 kg (no corresponde al intervalo 4).
• 43 jóvenes pesan 75 kg.
• 12 jóvenes pesan 77 kg.
• 152 jóvenes pesan 82 kg.
• 70 jóvenes pesan 84 kg.
• 90 jóvenes pesan mas de 85 kg (queda fuera de limites).

Frecuencia absoluta para C4  43 + 12 + 152 + 70 = 277

Frecuencia relativa para C4  𝟐𝟕𝟕

𝒇= = 𝟎. 𝟏𝟓
𝟏𝟖𝟎𝟎
MPEDR. Esaú Solís Díaz.
 Distribución de frecuencias.
Podemos definir la distribución de frecuencias como el conjunto de valores
obtenidos de la variable en cuestión y sus frecuencias ordinarias y frecuencias
acumulativas.

Total: 60

MPEDR. Esaú Solís Díaz.

 1.3 Histograma.
El cual permite representar la magnitud de la frecuencia de cada uno de los
intervalos mediante rectángulos, barras o prismas cuyo largo es el valor de la
frecuencia, mientras el ancho es la amplitud de clase delimitado por los limites
reales de cada intervalo.

MPEDR. Esaú Solís Díaz.

 1.3 Histograma.

MPEDR. Esaú Solís Díaz.

 1.4 Polígono de frecuencia.
Es la línea discontinua que une a las marcas de clase cada intervalo y
que permite visualizar la forma en que se han distribuido los datos en
correspondencia al recorrido de los intervalos de clase; el polígono de
frecuencias da origen a la curva de distribución de frecuencias.

MPEDR. Esaú Solís Díaz.

 1.4 Polígono de frecuencia.

MPEDR. Esaú Solís Díaz.

 1.4 Polígono de frecuencia.

MPEDR. Esaú Solís Díaz.

 1.4 Polígono de frecuencia.

MPEDR. Esaú Solís Díaz.

 1.5 Ojiva.
Es una línea discontinua que representa los valores de la frecuencia
acumulada relativa (Fr) en razón del recorrido de los intervalos reales
de clase de 0% a 100%, expone cómo se acumulan de manera
proporcional los datos de una colección, donde los cambios de
pendiente representan los cambios en las proporciones acumuladas.

MPEDR. Esaú Solís Díaz.

 1.5 Ojiva.

MPEDR. Esaú Solís Díaz.

 1.5 Ojiva.

MPEDR. Esaú Solís Díaz.

 1.6 Gráficos de pastel.
Un gráfico de pastel es un gráfico circular, el cual está dividido de tal manera que se
asemeja a las tajadas de un pastel. Este gráfico divide tus datos en sectores,
ilustrando cada proporción numérica con el fin de mostrar la composición como un
todo.

MPEDR. Esaú Solís Díaz. Fr/100*360

 Ejemplo.
Para construir un cuadro de distribución de frecuencias de una variable
continua utilizaremos los datos de las calificaciones de 27 estudiantes
del examen propedéutico de Estadística para la maestría en
Administración.

MPEDR. Esaú Solís Díaz.

 Ejemplo.

MPEDR. Esaú Solís Díaz.

 Ejemplo.

MPEDR. Esaú Solís Díaz.

 Ejemplo.

MPEDR. Esaú Solís Díaz.

 Ejemplo.

MPEDR. Esaú Solís Díaz.

 Ejemplo.

MPEDR. Esaú Solís Díaz.

 Ejemplo.
Considere los ingresos extras ganados (en pesos) por trabajadores de
una compañía manufacturera en un día. Construir un cuadro de
distribución de frecuencias con los datos siguientes:

MPEDR. Esaú Solís Díaz.