INTRODUCCIÓN

En el presente trabajo presentaremos detalladamente cuáles son los pasos para llegar a
una efectiva investigación estadística.

La estadística es una ciencia, con su propio campo de estudio, y también un instrumento

(conjunto de técnicas) que utilizan ampliamente otras ciencias.

La estadística como ciencia es una rama de la matemática aplicada, cuyo objeto de estudio
es el comportamiento de las variables que pueden asociarse a una o más poblaciones.

En otro orden, la estadística es una ciencia auxiliar, un instrumento para el avance de otras
ciencias, desde que las técnicas estadísticas forman parte del método científico. Entre estas
técnicas pueden mencionarse los métodos de resumen de datos, tanto numéricos como
gráficos, la comprobación de hipótesis y las técnicas de muestreo.

Una investigación se puede denominar “estadística” cuando las hipótesis son del tipo
definido más arriba: afirmaciones relativas a la distribución de una o más variables
aleatorias.

“El razonamiento estadístico usa la lógica probabilística en la que, contrariamente a la lógica

formal, ninguna proposición puede ser comprobada o rechazada con certeza, sólo con un
nivel de significación dado. Mientras la lógica formal es el paradigma metodológico de la
matemática y la física clásica, la lógica probabilística lo es de las ciencias factuales, donde
la realidad cambia estocásticamente”.

pág. 1
 ESTADÍSTICA

La estadística una rama de las matemáticas y una herramienta

que estudia usos y análisis provenientes de una muestra
representativa de datos, que busca explicar las correlaciones y
dependencias de un fenómeno físico o natural, de ocurrencia en
forma aleatoria o condicional.

La estadística es comúnmente considerada como una colección de hechos numéricos

expresados en términos de una relación sumisa, y que han sido recopilados a partir de
otros datos numéricos.

1. ETAPA DE LA PLANIFICACIÓN:
Esta etapa se va a encargar de realizar el análisis de todos los datos para hallar la
solución:

1.1) PASO 1:
PLANTEAMIENTO DEL PROBLEMA
Al plantear el problema que se va a investigar si debe tomar especial
consideración a los siguientes puntos:

1.1.1) Naturaleza e importancia del problema:

Este paso significa que explicaremos que vamos a estudiar, pero no de
una manera muy trivial, más bien se debe cuantificar el problema, su
extensión y explicar porque se va a estudiar.

pág. 2
 1.1.2) Determinación de objetivos:
Esto significa que se va a explicar para qué se realiza la investigación,
explicar cómo se va a hacer la investigación, es decir, la estrategia que
se usará y los procedimientos generales

 BÚSQUEDA Y EVALUACION DE LA INFORMACION EXIXTENTE

Para este paso no se pueden dar reglas fijas, este depende en gran parte de
la preparación de la persona y como lo analice. En especial deben de tomarse
en.cuenta:
 La manera como fueron recogidos los datos.
 Analizar cuidadosamente si las conclusiones fueron derivadas
del material existente.

1.2) PASO 2:
HIPOTESIS
La hipótesis es una afirmación que está sujeta a verificación. Su formulación
debe hacerse claramente, ya que el diseño, planificación y desarrollo de la
investigación dependerán de la hipótesis es que se trata probar.

pág. 3
 1.2.1) HIPOTESIS ESTADISTICA
La hipótesis estadística es fundamentalmente a una proposición
matemática, debido que al decidir por una certeza podemos tomar
decisiones equivocadas, mientras que en la proposición matemática
podemos afirmar categóricamente si es verdadera o falsa.

1.2.2) HIPOTESIS NULA

Es una hipótesis que afirma lo contrario de lo que se querer probar.
En ella se supone que el parámetro de la población que se está
estudiando, tiene determinado valor. A la hipótesis nula se le
representa con el símbolo Ho y se formula con la intención de
rechazarla.

1.3) PASO 3:
POBLACIÓN

Se entiende por población o universo a la totalidad de individuos o elementos en los cuales

puede presentarse determinada característica susceptible de ser estudiada. Que contienen
una o más características observables de naturaleza cualitativa o cuantitativa que se
pueden medir en ello. A cada elemento de una población se denomina unidad elemental
o unidad estadística.
El resultado de medir una característica observable de una unidad elemental, se denomina
dato estadístico o valor observado o simplemente observación.
Por otra parte, la población; viene definida por la
tarea o investigación estadística a realizarse. Y como
la medición o conteo de la característica específica
por la investigación se hace a cada unidad
elemental, se puede considerar a la población como
la totalidad de valores posibles de una característica
particular especificada por la investigación
estadística. En este sentido la población consiste en
un conjunto de datos estadísticos que se reúnen de
acuerdo con la formulación de una investigación
estadística o con la definición de la población
especifica.

La población puede ser finita o infinita, dependiendo del número de elementos que la
conforman:

pág. 4
 POBLACION FINITA POBLACION INFINITA

Es aquella que tiene un número Es aquella que tiene un número

determinado de elementos infinito de elementos. En la práctica,
una población finita con un número
grande de elementos se considera
una población infinita.

POBLACION HOMOGENEA POBLACION HETEROGENEA

Que está formado por elementos con Que está formado por elementos de
características comunes referidas a distinta clase o naturaleza.
su clase o naturaleza, lo que permite
establecer entre ellos una relación de
semejanza y uniformidad.

1.4) PASO 4:

CENSO

Es un conjunto de operaciones que se realiza en un

momento dado (cada 5 a 10 años) y en un área
geográfica bien definida, con la finalidad de conocer las
características demográficas, económicas y sociales de
la población. Se cree que el censo y la encuesta difieren
en cuanto a la población que cubren, pues mientras que
el primero se refiere a la totalidad de la población. Tal
concepto es erróneo, pues tanto el uno como el otro
pueden cubrir a toda la población. En la encuesta por
el contrario, se trata de obtener información sobre un
tema en concreto, procurando profundizar en sus
diferentes aspectos.

El censo es una de las operaciones estadísticas que no trabaja

sobre una muestra estadística, sino sobre la población total;
mientras que el período de realización depende de los objetivos
para los que se necesiten los datos.

pág. 5
1.5) PASO 5:
MUESTRA
Después de definir la investigación estadística a realizar, se debe decidir entre investigar
toda la población o solo una parte de ella .El primer procedimiento es denominado censo y
el segundo es llamado muestreo.
Se denomina muestra a una parte de la población seleccionada de acuerdo con un plan o
regla, con el fin de obtener información acerca de la población de la cual proviene. La
muestra debe ser seleccionada de manera que sea representativa de la población.

MUESTREO
En ocasiones en que no es posible o conveniente realizar
un censo (analizar a todos los elementos de una
población), se selecciona una muestra, entendiendo por
tal una parte representativa de la población.
El muestreo es por lo tanto una herramienta de la investigación
científica, cuya función básica es determinar que parte de una población
debe examinarse, con la finalidad de hacer inferencias sobre dicha
población.
La muestra debe lograr una representación adecuada de la población, en
la que se reproduzca de la mejor manera los rasgos esenciales de dicha
población que son importantes para la investigación. Para que una muestra sea
representativa, y por lo tanto útil, debe de reflejar las similitudes y diferencias encontradas
en la población, es decir ejemplificar las características de ésta.
Los errores más comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la observación de sólo una parte
de la Población, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Población mucho más grandes de la que
originalmente se tomó la muestra. Error de Inferencia.
pág. 6
 En la estadística se usa la palabra población para referirse
no sólo a personas sino a todos los elementos que han
sido escogidos para su estudio y el término muestra se
usa para describir una porción escogida de la población.

TIPOS DE MUESTREO
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y
métodos de muestreo no probabilísticos.

I. MUESTREO PROBABILÍSTICO
Los métodos de muestreo probabilísticos son aquellos que
se basan en el principio de equiprobabilidad. Es decir,
aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una
muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser
seleccionadas. Sólo estos métodos de muestreo
probabilísticos nos aseguran la representatividad de la
muestra extraída y son, por tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos
encontramos los siguientes tipos:

1.- Muestreo aleatorio simple (MAS):

El procedimiento empleado es el siguiente:
Se asigna un número a cada individuo de la población y a través de algún medio mecánico
(bolas dentro de una bolsa, tablas de números aleatorios, números aleatorios generados
con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.
pág. 7
Este tipo de muestreo más conocido, tiene las siguientes características
a) Todos los elementos de la población tienen igual probabilidad de ser escogidos para
formar parte de la muestra.
b) Todas las muestras posibles tienen la misma probabilidad de ser recolectadas.

2.- Muestreo aleatorio sistemático:

Este procedimiento exige, como el anterior, numerar todos los elementos de la población,
pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número
aleatorio i, que es un número elegido al azar, y los elementos que integran la muestra son
los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k
en k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra:
k= N/n. El número i que empleamos como punto de partida será un número al azar entre 1
y k.
3.- Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen
reducir el error muestral para un tamaño dado de la
muestra. Consiste en considerar categorías típicas
diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica (se
puede estratificar, por ejemplo, según la profesión, el
municipio de residencia, el sexo, el estado civil, etc.).
Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de interés
estarán representados adecuadamente en la muestra.
Cada estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple
o el estratificado para elegir los elementos concretos
que formarán parte de la muestra. En ocasiones las
dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado
de la población. (Tamaño geográfico, sexos, edades,...).
4.- Muestreo aleatorio por conglomerados:
Los métodos presentados hasta ahora están pensados para seleccionar directamente los
elementos de la población, es decir, que las unidades muéstrales son los elementos de la
población.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son áreas
geográficas suele hablarse de "muestreo por áreas".

pág. 8
II. NO PROBABILISTICOS
A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones (estimaciones inferenciales sobre la población), pues no se
tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de
la población tienen la misma probabilidad de ser elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver
los problemas de representatividad aun en situaciones de muestreo no probabilístico, por
ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente
de la población.
Entre los métodos de muestreo no probabilísticos más utilizados en investigación
encontramos:

1. MUESTRA BOLA DE NIEVE

Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente. Este tipo se
emplea muy frecuentemente cuando se hacen
estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de
enfermos, etc.

2. MUESTRA OPINIÓN

Se caracteriza por la forma de juicio por

conveniencia teniendo base el juicio del investigador
que elige porque los considera lo más representativo
de la muestra.

pág. 9
3. MUESTRA CUOTAS
También denominado en ocasiones "accidental". Se asienta generalmente sobre la base
de un buen conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años,
de sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los
primeros que se encuentren que cumplan esas características. Este método se utiliza
mucho en las encuestas de opinión.

4. MUESTREO INTENCIONAL O DE CONVENIENCIA

Este tipo de muestreo se caracteriza por un esfuerzo

deliberado de obtener muestras "representativas"
mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización
en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
También puede ser que el investigador seleccione
directa e intencionadamente los individuos de la
población. El caso más frecuente de este procedimiento
el utilizar como muestra los individuos a los que se tiene
fácil acceso (los profesores de universidad emplean con
mucha frecuencia a sus propios alumnos).

5. MUESTREO DISCRECIONAL
A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden
aportar al estudio.

pág. 10
1.6) PASO 6:

VARIABLES

1. Variable Cualitativa

Es la característica cuyos valores se expresan en escalas nominal u ordinal, por

ejemplo, sexo, profesión, estado civil, orden de méritos, etc. Con sus valores, que
son cualidades, no se pueden realizar operaciones aritméticas.
A su vez, las variables cualitativas pueden ser:

1.1. Variable Nominal

Son datos que corresponden a categorías que por su naturaleza no admiten

un orden. Por ejemplo: sexo (masculino y femenino); carrera de estudio:
economía, contabilidad, administración, etc.
Estas variables se clasifican en 2:

1.1.1. Dicotómicas

Solo pueden tener 2 categorías.

Ejemplo:
Estado de salud: sano o enfermo. Sexo de trabajador: masculino o
femenino.
 80% son varones (tasa porcentual)
 8 de cada 10 pacientes son varones (proporción)

1.1.2. Politómicas

Si tienen más de 2 categorías.

Ejemplo: Estado civil del cliente: soltero, casado, viudo, divorciado, etc.

1.2. Variable Ordinal

Son aquellos que corresponden a evaluaciones subjetivas que se pueden

ordenar o jerarquizar. Por ejemplo: en una competencia artística las

pág. 11
 posiciones de los ganadores se ordenan o jerarquizan en primer lugar,
segundo lugar, tercer lugar, cuarto lugar, etc.

2. Variable Cuantitativa

Es la característica cuyos valores se expresan en escalas de intervalo o de razón,

por ejemplo, temperatura, número de hijos, ingresos mensuales, tiempo de vida útil,
etc. Con sus valores, que son números, se pueden realizar operaciones aritméticas.

Las variables cuantitativas, a su vez, se clasifican en: discretas y continuas.

2.1. Variable Discreta

Es aquella variable cuantitativa que puede tomar solo ciertos valores en un

intervalo considerado y no admite ningún valor entre dos valores consecutivos
fijos. Generalmente, es una variable cuyos valores se obtienen por conteo
(números naturales). Por ejemplo, una familia puede tener 0,1,2,…..hijos,
pero no algún valor intermedio.

2.2. Variable continua

Es aquella variable cuantitativa que puede tomar cualquier valor en el intervalo

considerado, por ejemplo, salario, tiempo, peso, volumen, longitud, etc.

pág. 12
1.7) PASO 7:
PRESENTACIÓN DE DATOS

Después de la revisión y corrección de los datos recopilados, conviene estructurar y ordenar

estoy datos de acuerdo a algún sistema de calificación, a fin de describirlos o analizarlos.
Esto requiere establecer el sistema de clasificación, así como el número de casos o el valor
de los elementos que se consideran dentro de cada clase. A continuación, presentamos
algunos conceptos y procedimientos comunes para la presentación de los datos en cuadros
o tablas.

Rango o amplitud de los datos

Llamado también "recorrido de los datos", es la diferencia entre el mayor y menor de los
valores que forman la variable estadística X, y se denota por:
𝑅𝑎𝑛𝑔𝑜 = 𝑅 = 𝑚á𝑥{𝑥𝑖 ∕ 𝑖 = 1,2,3, … 𝑘 } − 𝑚í𝑛{𝑥𝑖 ∕ 𝑖 = 1,2,3, … 𝑘 }
Ejemplo 1: Supongamos las alturas de las plantas en una clase de botánica son las
siguientes:
64 73 68 68 76 70 62 67 71 69
68 60 65 68 66 68 67 71 66 72

Luego el rango de estos datos es:

R= 76 – 70 = 16

Frecuencia absoluta de un dato: (𝑓𝑖 )

Llamaremos frecuencia absoluta de un valor 𝑥𝑖 de la variable estadística 𝑋 es el número de

veces que aparece repetido dicho valor en el conjunto de las observaciones realizadas.
En el ejemplo 1, la frecuencia absoluta de 68 es 5

Frecuencia absoluta acumulada de un dato: (𝐹𝑖 )

La frecuencia absoluta acumulada de un valor 𝑥𝑖 de la variable estadística 𝑋 es igual a la
suma de las frecuecias absolutas de los valores inferiores o iguales a dicho valor.
Evidentemente, para hallar la frecuencia absoluta acumulada de 𝑥𝑖 los valores 𝑥1 , … , 𝑥𝑛
deberán estar ordenados en forma creciente. Así, la frecuencia absoluta acumulada del
último valor será n (donde n= número de observaciones realizadas).
En el ejemplo 1, la frecuencia absoluta acumulada de 68 es 13.

pág. 13
Frecuencia relativa de un dato: (ℎ𝑖 )
Se denomina frecuencia relativa de un valor observado xi de la variable X al cociente entre
su frecuencia absoluta y el número de observaciones realizadas (n) y se denota por:
𝑓𝑖
ℎ𝑖 =
𝑛
En el ejemplo 1, la frecuencia relativa de 68 es 5/68 = 0.25

Frecuencia relativa acumulada de un dato: (𝐻𝑖 )

Se llama frecuencia relativa acumulada de un valor 𝑥𝑖 de la variable 𝑋 al cociente entre su
frecuencia absoluta acumulada y el número de observaciones realizadas (n), y se denota
por:
𝑖 𝑖
𝐹𝑖 ∑𝑖𝑖=1 𝑓𝑖 𝑓𝑖
𝐻𝑖 = = = ∑ = ∑ ℎ𝑖
𝑛 𝑛 𝑛
𝑖=1 𝑖=1

En el ejemplo 1, la frecuencia relativa acumulada de 68 es 13/20 = 0.65

TABLA DE ESTADÍSTICA:

En toda tabla o cuadro estadístico debe considerarse:

1.- Título
2.- El cuadro propiamente dicho
3.- Las indicaciones complementarias

Título: Es la indicación que precede a la tabla y es colocada en la parte superior de la

misma. Debe ser preciso, claro y conciso.
Ejemplo:
Titulo no recomendable:
"Cuadro que muestra la distribución de las defunciones habidas en el Hospital Loaysa de
Lima, durante el año 2016, clasificado de acuerdo con la edad y el sexo de los fallecidos"
Titulo recomendable:
"Defunciones por edad y sexo, Hospital Loayza Lima, 2016"

pág. 14
Cuadro propiamente dicho:
Sus elementos son esenciales son el cuerpo, el encabezamiento y la columna matriz.
a) El cuerpo de la tabla está formado por un conjunto de filas y columnas que contienen,
respectivamente, las series horizontales y verticales de información.
b) El encabezamiento (referente a la primera fila) es la parte de la tabla en la que se indica
la naturaleza (las categorías, las modalidades de la variable) del contenido de cada columna.
Éstos, al igual que los títulos, deben ser breves, pero suficientemente explícitos. Así, por
ejemplo, en vez de poner simplemente "Edad" es preferible poner "Edad en años".
c) La columna matriz es la parte de la tabla en la que es designada la naturaleza (las
categorías, las modalidades de la variable) del contenido de cada fila.

3) Indicaciones complementarias
Con el fin de que no haya dudas sobre el contenido del cuadro, éstas se anotarán en la
parte inferior de la tabla. Las indicaciones complementarias son: la fuente de información,
comentarios y notas explicativas.

-Fuente: es el indicador de la entidad responsable de donde se obtuvieron los datos.

-Notas: son colocadas al pie del cuadrado para esclarecimientos de orden general.
-Comentarios: también colocados al pie del cuadro, sirven para aclarar minucias en
relación a las celdas, columnas, filas.

PRESENTACIÓN DE LA INFORMACIÓN MEDIANTE GRÁFICOS

Los gráficos dan una idea mucho más sintética que los cuadros estadísticos. Su finalidad
es tratar de mostrar a otras personas la evolución de determinado fenómeno, pues mientras
que la interpretación de un cuadro estadístico requiere ciertos conocimientos, cualquiera
puede comprender fácilmente que una línea ascendente indica un aumento del fenómeno
estudiado.
Al igual que en los cuadros estadísticos, en los gráficos se considera:
1.- El título
2.- El gráfico propiamente dicho
3.- Las notas explicativas

pág. 15
 Representación gráfica de variables cuantitativas

Los gráficos más usados son:

1) Diagrama de barras:
Esta forma de representación gráfica es propia de las distribuciones que tienen muchas
observaciones pero pocos valores distintos de la variable.

2) Histogramas:
Es una representación gráfica de una distribución de frecuencias agrupadas en intervalos
de clase mediante una serie de rectángulos contiguos que tienen:
a) Sus bases sobre un eje horizontal (eje de las X) con centros en las marcas de clase y
longitud igual al tamaño de los intervalos de clase.
b) Las alturas proporcionales a la frecuencia (absoluta o relativa) tomados sobre el eje de
las Y.

pág. 16
3) Polígono de frecuencia:

a) Si la variable es discreta, el polígono de frecuencias se obtiene uniendo los extremos

superiores de las barras.
b) Si la variable está agrupada en intervalos de clase, el polígono de frecuencias se obtiene
uniendo los puntos medios de las bases superiores de cada rectángulo en el histograma.

(a) (b)

4) Polígono de frecuencia acumulada u ojiva:

Esta representación es válida para variables estadísticas agrupadas en intervalos de clase.

La ojiva es una gráfica lineal construida a partir de una tabla de frecuencia acumulada o de
una tabla de frecuencia relativa acumulada.

pág. 17
 Representación gráfica de variables cualitativas
a) Diagrama de rectángulos
Se representan en el eje de las abscisas los distintos caracteres cualitativos y se levantan
sobre ellos rectángulos de bases iguales (que no tienen por qué estar traslapados) cuyas
alturas son iguales a las frecuencias absolutas correspondientes.

b) Diagrama de sectores:
Es una representación gráfica de un conjunto de datos estadístico en un círculo, por medio
de sectores circulares. Es utilizado principalmente cuando se pretende comparar cada valor
de la variable en el total.
Para construirlo, se divide el círculo en sectores cuyas áreas sean proporcionales a los
valores de la variable. Esta división es obtenida a través de la regla de 3 simple.

Medida de tendencia central

Tendencia central: La tendencia central se refiere al punto medio de una distribución. Las
medidas de tendencia central se denominan medidas de posición.
Moda:
Es el valor que más se repite en un conjunto de datos.
Mediana:
Es el valor que divide al conjunto ordenado de datos, en dos subconjuntos con la misma
cantidad de elementos. La mitad de los datos son menores que la mediana y la otra mitad
son mayores.

pág. 18
Media o media aritmética:
Es el promedio de los datos.
Variabilidad
Dispersión: La dispersión se refiere a la extensión de los datos, es decir al grado en que las
observaciones se distribuyen(o se separan).

Rango:
Es la diferencia entre el mayor y el menor de los valores
Varianza De La Población:
Es el promedio de las distancias al cuadrado que van de las observaciones a la media.
Desviación Estándar De La Población:
Es la raíz cuadrada de la varianza

1.8) PASO 8:

INFORME FINAL
Son los resultados finales de los datos que se han hallado a partir de todos los pasos.

pág. 19