UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ADMINISTRATIVAS

INSTITUCION DE INVESTIGACION
INFORME FINAL DE PROYECTO DE INVESTIGACION
TITULADO:
TEXTO: ESTADISTICA BASICA PARA
ESTUDIANTES DE ADMINISTRACION,
ECONOMIA Y CONTABILIDAD.
AUTOR:
ECO. SIMN BENDITA MAMANI
(PERIODO DE EJECUCION:
Del 01 de Abril del 2010 al 31 de Marzo del 2012
Aprobado mediante Resolucin Rectoral No.452-10R.)
MARZO DEL 2012
CALLAO- PERU
NDICE DE CONTENIDO
PREFACIO--------------------------------------------------------------------------------------IV
CAPITULO I
1.1 HISTORIA DE LA ESTADSTICA ---------------------------------------------- 1
1.2 CONCEPTOS GENERALES DE ESTADSTICAS ----------------------- 4
1.3 DIVISION DE LA ESTADISTICA ------------------------------------------------ 6
1.4 LINEAMIENTOS PARA LA PRESENTACIN DE
CUADROS ESTADSTICOS ------------------------------------------------------ 8
1.5 COBERTURA TEMTICA DE LA INFORMACIN ESTADSTICA- 10
1.6 CONTENIDO DE LA PUBLICACIN ESTADSTICA-------------------- 10
1.7 NOTACIN DE SUMA --------------------------------------------------------- 12
CAPITULO II
2.1 PRESENTACIONES DE LAS TABLAS: ------------------------------------- 19
2.2 TIPOS DE TABLAS DE FRECUENCIA -------------------------------------- 19
CAPITULO III
3.1 REPRESENTACIONES GRAFICOS ----------------------------------------- 23
3.2 GRFICOS DE PUNTOS -------------------------------------------------------- 23
3.3 GRFICOS DE TALLO Y HOJA --------------------------------------------- 24
3.4 DIAGRAMAS DE BARRAS ----------------------------------------------------- 25
3.5 OTROS TIPOS DE GRAFICAS --------------------------------------------- 27
CAPITULO IV
4.1 ESCALAS DE MEDICIN ----------------------------------------------------- 35
4.2 SITUACIONES DE LAS ESCALAS DE MEDICIN ------------------ 36
4.3 TIPOS DE VARIABLES ------------------------------------------------------ 38
4.4 DATOS ---------------------------------------------------------------------------- 39
4.5 ORDENACION DE DATOS-------------------------------------------------- 40
CAPITULO V
5.1 .DISTRIBUCIONES DE FRECUENCIA------------------------------------------- 41
5.2 INTERVALOS DE CLASE Y LMITES DE CLASE ---------------------- 42
5.3 TAMAO O ANCHURA DE UN INTERVALO DE CLASE ----------- 43
5.4 REGLAS GENERALES PARA CONSTRUIR LAS
DISTRIBUCIONES DE FRECUENCIAS POR INTERVALOS---------- 46
CAPITULO VI
6.1 MEDIDAS DE TENDENCIA CENTRAL --------------------------------- 50
6.2 TENDENCIA CENTRAL ---------------------------------------------------- 51
CAPITULO VII
7.1 CUANTILES ---------------------------------------------------------------------- 72
7.2 TIPOS DE CUANTILES ---------------------------------------------------- 72
CAPITULO VIII
8.1 MEDIDAS DE DISPERSIN ------------------------------------------------- 76
8.2 DESVIACIN MEDIA ABSOLUTA --------------------------------------- 76
8.3 VARIANZA ---------------------------------------------------------------------- 77
8.4 DESVIACIN ESTNDAR ------------------------------------------------- 78
8.5 SIMETRA ---------------------------------------------------------------------- 79
8.6 CURTOSIS --------------------------------------------------------------------- 80
8.7 OTRAS CONSIDERACIONES DE LAS MEDIDAS DE
DISPERSIN ABSOLUTAS ------------------------------------------------ 82
CAPITULO IX
9.1 MEDIDAS DE FORMA -------------------------------------------------------- 89
9.2 MEDIDAS DE CONCENTRACIN --------------------------------------- 92
9.3 PROBLEMAS RESUELTOS Y PROPUESTOS ------------------------- 95
BIBLIOGRAFIA ------------------------------------------------------------------------- 141
PREFACIO
Al realizar el presente texto es debido a la inquietud de los estudiantes que
llevan el curso de estadstica bsica con el propsito de poner a disposicin del
estudiante y docente de las especialidades de administracin, economa y
contabilidad.
Las estadsticas siempre han sido importantes para las ciencias y para la
tecnologa de diferentes materias y lo sern aun mas para aquellos docentes
que estn compenetrados en la investigacin del conocimiento moderno.
La motivacin de sacar a la luz pblica de este libro es precisamente para
ofrecer una primera descripcin de lo que ha sido, el que hacer del curso de
estadstica en las facultades de administracin, economa y contabilidad, que
permita realizar una reflexin de la importancia de las estadsticas en la
aplicacin y formacin profesional.
Se decidi hacer este libro solamente una introduccin para realizar estudios
ms pormenorizados sobre el curso de estadstica bsica para de esta forma
buscar una mayor proyeccin de nuestro estudio.
La asignatura de estadstica bsica considerado base fundamental en sus
estudios, dado que es el inicio de los conocimientos para su desarrollo de las
asignaturas siguientes a estudiar como estadstica aplicada a la empresa.
El texto de estadstica bsica para los estudiantes de administracin economa
y contabilidad, constituir como gua para elevar el nivela acadmico
El desarrollo del texto de estadstica bsica se considera importante porque
permite.
1. Establecer un adecuando contenido temtico en el curso de estadstica
bsica para los estudiantes de administracin, economa y contabilidad,
a fin de elevar el nivel acadmico para su formacin profesional.
2. Aplicar una metodologa estandarizada en la enseanza a de la
estadstica bsica para los estudiantes de de administracin economa y
contabilidad.
lv
3. El presente texto estadstica bsica para estudiantes de administracin
economa y contabilidad es un texto bsico que expone de manera
sucinta los temas tericos correspondiente a la historia de la estadstica,
definiciones de diferentes autores, tipos de tablas, representaciones
graficas, como realizar la distribucin de frecuencias, las medidas de
centralizacin o tendencia central tanto para datos agrupados y no
agrupados; y finalmente las medidas de dispersin y asimetra.
los captulos desarrollados, se realiza de manera didctica y sencilla
,donde el estudiante pueda comprender y aplicar en la vida cotidiana
como en el campo profesional , en algunos casos se har uso de las
leyes y principios estadsticos que se requieren sobre todo para resolver
los diferentes tipos de problemas que se presentan, de esta manera el
alumno obtendr una solucin inmediata a los problemas de estadstica.
1
CAPITULO I
1.1 HISTORIA DE LA ESTADSTICA
La historia nos narra, que desde que el hombre empez a comunicarse
por medio de lenguaje escrito, los pueblos del continente africano se
destacaron por hacer algunas anotaciones de mucha importancia en su diario
convivir.
As, podemos destacar: Al espaol Confucio (551-479) A.D.C llevaba registros
referentes a la produccin agrcola, al comercio, etc.
Les cupo la gloria a los chinos, desde la poca del sabio Kung-futs (2500
A.D.C.) que hicieron recolecciones.
Los egipcios (2500 aos A.D.C.) cuando se encontraban gobernados por los
faraones, establecieron los mrgenes del ro Nilo. Estos, cada vez que se
producan las grandes inundaciones provocadas por el desbordamiento de
dicho ro, ordenaban a los sacerdotes (sabios del palacio) a que realizaran las
respectivas mediciones de las tierras afectadas, a fin de que sus propietarios
pagaran el impuesto slo de lo que les quedaba.
Tambin fueron los griegos los y los romanos que en sus frecuentes acciones
blicas, cuantificaban: soldados, vituallas, caballos, provisiones de armas,
como: lanzas, escudos, arcos, etc.
En el continente americano, se destacan los pueblos: maya, azteca e inca. As,
los primeros tenan el calendario igual que los egipcios y los chinos, y los incas
racionaban los excesos de las cosechas para pocas que haba escasez.
Se considera como fundador de la estadstica a Godofredo Achenwall ( 1719
1772), economista alemn, quien siendo profesor de la universidad de Leipzig,
escribi el descubrimiento de una nueva ciencia que el mismo llam
Estadstica.
"Se dice que el anlisis estadstico se inici con los estudios de un tendero
ingls, John Graunt (1620 1674), quien intent analizar las causas de las
defunciones en Londres alrededor de la primera mitad del siglo XVII.
2
Despus de este sencillo inicio muchos matemticos, algunos muy famosos
como: Laplace (1749 1827 y Gauss (1777- 1855) hicieron constantes
contribuciones a las ideas bsicas de esta ciencia.
Adems, el anlisis de los datos numricos es fundamental en tantos campos,
que bien se podra elaborar una larga lista de cientficos, en reas como: la
biologa, la geologa, la gentica, que han contribuido ampliamente en este
estudio. Por citar: Charles Darwin (1809 1882 ), Gregory Mendel ( 1822-
1884, Karl Pearson (1857 1936).
Es de anotar que Adrenwall y sus seguidores estructuraron los mtodos
estadsticos; los mismos que al inicio estuvieron orientados a: investigar, medir
y comparar las riquezas las naciones.
Como dijera Huntsberger: "La palabra estadstica a menudo nos trae a la mente
imgenes de nmeros apilados en grandes arreglos y tablas, de volmenes de
cifras relativas a nacimientos, muertes, impuestos, poblaciones, ingresos,
deudas, crditos y as sucesivamente. Huntsberger tiene razn pues al instante
de escuchar esta palabra estas son las imgenes que llegan a nuestra cabeza.
La Estadstica es mucho ms que slo nmeros apilados y grficas bonitas. Es
una ciencia con tanta antigedad como la escritura, y es por s misma auxiliar
de todas las dems ciencias. Los mercados, la medicina, la ingeniera, los
gobiernos, etc. Se nombran entre los ms destacados clientes de sta.
La ausencia de sta conllevara a un caos generalizado, dejando a los
administradores y ejecutivos sin informacin vital a la hora de tomar decisiones
en tiempos de incertidumbre.
La Estadstica que conocemos hoy en da debe gran parte de su realizacin a
los trabajos matemticos de aquellos hombres que desarrollaron la teora de
las probabilidades, con la cual se adhiri a la Estadstica a las ciencias
formales.
3
Qu es la estadstica?
Esta palabra derivada de Staat, que significa gobierno, su fundador la defini
como "el conocimiento profundo de la situacin respectiva y comparativa de
cada estado".
Conocemos que desde la ms remota antigedad el concepto de estadstica se
identific con el de "ciencia de los nmeros y de las figuras".
Muchos la llaman como "la representacin del pensamiento cientfico", puesto
que se basa en la investigacin para llegar a conclusiones, anlisis,
interpretaciones, abstracciones, deducciones, etc.
Pero tambin la concebimos como una ciencia auxiliar de otras disciplinas, sin
su aplicacin no podramos orientar muchos aspectos. Es decir es el hilo
conductor en todos los campos.
Para qu conocer esta ciencia?
La mayora de las personas estamos familiarizadas con frases como stas: Los
salarios de los militares aumentan en un 30%. El partido triunfador en las
elecciones prximas pasadas super a lo que informaban las encuestadoras.
Por el fenmeno del nio tenemos que importar tales alimentos. El rendimiento
de los alumnos en esta materia esta por debajo de lo normal. 10 de cada 100
nios sufren problemas respiratorios. En este planeta el promedio de vida es de
70 aos. La gran mayora de emigrantes son de sexo masculino.
Todos los das experimentamos, manipulamos smbolos y palabras. Hasta
emitimos juicios de valor que seguro se basan en algo para una informacin
cualquiera; pero para una informacin estadstica debemos estar ligados al
mtodo estadstico, en su forma, organizacin, recopilacin, presentacin y
anlisis de datos.
4
1.2 CONCEPTOS GENERALES DE ESTADSTICAS
Esta palabra derivada de Staat, que significa gobierno, su fundador la defini
como "el conocimiento profundo de la situacin respectiva y comparativa de
cada estado".
Conocemos que desde la ms remota antigedad el concepto de estadstica se
identific con el de "ciencia de los nmeros y de las figuras".
Muchos la llaman como "la representacin del pensamiento cientfico", puesto
que se basa en la investigacin para llegar a conclusiones, anlisis,
interpretaciones, abstracciones, deducciones, etc.
Pero tambin la concebimos como una ciencia auxiliar de otras disciplinas, sin
su aplicacin no podramos orientar muchos aspectos. Es decir es el hilo
conductor en todos los campos.
Todos los das experimentamos, manipulamos smbolos y palabras. Hasta
emitimos juicios de valor que seguro se basan en algo para una informacin
cualquiera; pero para una informacin estadstica debemos estar ligados al
mtodo estadstico, en su forma, organizacin, recopilacin, presentacin y
anlisis de datos.
Al respecto a continuacin realizamos algunas definiciones de Estadstica:
La Estadstica es una ciencia que nos proporciona un mtodo importante para
la toma de decisiones y resolver problemas en forma sistemtica y
reproducible, a diferencia de otros mtodos que difcilmente pueden ser
explicados o reproducidos hasta por la misma persona que lo ejecuta. Por lo
anterior es importante analizar detenidamente cada uno de los conceptos en
los que se fundamenta sta para lograr acercarnos profundamente a su
conocimiento.
La estadstica es una ciencia que estudia la recoleccin, anlisis e
interpretacin de datos, ya sea para ayudar en la toma de decisiones o para
explicar condiciones regulares o irregulares de algn fenmeno o estudio
aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo
5
estadstica es ms que eso, en otras palabras es el vehculo que permite llevar
a cabo el proceso relacionado con la investigacin cientfica.
La estadstica, en general, es la ciencia que trata de la recopilacin,
organizacin presentacin, anlisis e interpretacin de datos numricos con el
fin de realizar una toma de decisin ms efectiva.
La estadstica es una ciencia que estudia la recoleccin, anlisis e
interpretacin de datos, ya sea para ayudar en la toma de decisiones o para
explicar condiciones regulares o irregulares de algn fenmeno o estudio
aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo
estadstica es ms que eso, en otras palabras es el vehculo que permite llevar
a cabo el proceso relacionado con la investigacin cientfica.
Otros autores tienen definiciones de la Estadstica semejantes a las anteriores,
y algunos otros no tan semejantes. Para Chacn esta se define como la
ciencia que tiene por objeto el estudio cuantitativo de los colectivos; otros la
definen como la expresin cuantitativa del conocimiento dispuesta en forma
adecuada para el escrutinio y anlisis.
La ms aceptada, sin embargo, es la de Mnguez, que define la Estadstica
como La ciencia que tiene por objeto aplicar las leyes de la cantidad a los
hechos sociales para medir su intensidad, deducir las leyes que los rigen y
hacer su prediccin prxima.
Los estudiantes confunden comnmente los dems trminos asociados con las
Estadsticas, una confusin que es conveniente aclarar debido a que esta
palabra tiene tres significados: la palabra estadstica, en primer trmino se usa
para referirse a la informacin estadstica; tambin se utiliza para referirse al
conjunto de tcnicas y mtodos que se utilizan para analizar la informacin
estadstica; y el trmino estadstico, en singular y en masculino, se refiere a
una medida derivada de una muestra.
Los mtodos estadsticos tradicionalmente se utilizan para propsitos
descriptivos, para organizar y resumir datos numricos. La estadstica
6
descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en
forma grfica o ilustrativa y el clculo de medidas descriptivas.
Ahora bien, las tcnicas estadsticas se aplican de manera amplia en
mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios
de consumidores; anlisis de resultados en deportes; administradores de
instituciones; en la educacin; organismos polticos; mdicos; y por otras
personas que intervienen en la toma de decisiones.
1.3 DIVISION DE LA ESTADISTICA
La estadstica se divide en dos grandes reas:
- La 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. Ejemplos bsicos
de parmetros estadsticos son: la media y la desviacin estndar.
Algunos ejemplos grficos son: histograma, pirmide poblacional,
clsters, entre otros.
- La estadstica inferencial, se dedica a la generacin de los modelos,
inferencias y predicciones asociadas a los fenmenos en cuestin
teniendo en cuenta la aleatoriedad de las observaciones. Se usa para
modelar patrones en los datos y extraer inferencias acerca de la
poblacin bajo estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas si/no (prueba de hiptesis), estimaciones de
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 anova, series de tiempo y
minera de datos.
7
POBLACIN (N).- Conjunto de individuos, objetos, o fenmenos a observar y
que tienen alguna caracterstica en comn y que son motivo de una
investigacin.
Por ejemplo: Habitantes del Ecuador, Las aves de nuestro archipilago.
Universo de lagos.
La poblacin puede ser finita o infinita:
En los ejemplos anteriores. Cul es finito y cual ejemplo pertenece a una
poblacin infinita?
MUESTRA (n).- Es el subconjunto de una poblacin, es un pequeo universo.
Se la usa cuando la poblacin es infinita o sumamente grande y es imposible
observar todos sus elementos.
Ejemplo: Estatura de los empleados de una fbrica. Calificaciones de los
alumnos matriculados en Estadstica en la Modalidad de Estudios a Distancia
ELEMENTO (e).- Se denomina a cada integrante de la poblacin o muestra.
En estadstica un elemento puede ser algo con existencia real. Por ejemplo: un
automvil, o algo ms abstracto, como un voto, la temperatura, el tiempo.
Tambin puede ser unidades naturales: obreros, turistas, empleados,
emigrantes, etc.
PARMETRO.- Conjunto de caractersticas (resultados), o valores numricos
cuando se han obtenido a partir de una poblacin.
Ejemplo: Edad promedio de los alumnos de la UNIVERSIDAD
ESTADSTICO.- Conjunto de caractersticas (resultados) cuando se han
obtenido a partir de una muestra.
Ejemplo: Alcaldes de la ciudad de GUAYAQUIL.
DATOS.- Son medidas, valores, o variables, o caractersticas susceptibles de
ser observados y contados.
8
DATO ESTADSTICO:.- Informacin numrica o cuantitativa que cumple
ciertos requisitos (un dato aislado que no se integra o que no muestra relacin
significativa con otro, no es dato estadstico).
VARIABLE ESTADSTICA.- Es el objeto en estudio de una determinada
poblacin. La misma que puede ser cualitativa y cuantitativa.
VARIABLE CUALITATIVA.- Cuando las variables se expresan mediante una
cualidad o caracterstica. Aquellas que no se pueden medir.
Ejemplo: Color de los ojos de un determinado sector. El sexo de los miembros
de una familia.
VARIABLE CUANTITATIVA.- Todo aquello que se puede medir o expresar
mediante nmeros.
Ejemplo: Nmero de Diputados del Ecuador. Profesores de la U.T.P.L. Una
variable cuantitativa puede ser: discreta y continua.
VARIABLE DISCRETA.- Cuando toma valores enteros ( no toma valores entre
dos nmeros enteros).
Ejemplo: Alumnos de la carrera de Comunicacin social. Edad en aos de los
alumnos.
VARIABLE CONTINUA.- Cuando puede tomar valores intermedios entre dos
nmeros enteros consecutivos.
Ejemplo: El peso, el sueldo.
1.4 LINEAMIENTOS PARA LA PRESENTACIN DE CUADROS
ESTADSTICOS
La informacin que se muestra en una publicacin estadstica deber contar
con ciertas caractersticas que reflejen la realidad que se pretende medir. Debe
entenderse por informacin al conjunto de datos obtenidos a travs de la
medicin, cuantificacin y registro de los fenmenos y hechos demogrficos,
9
sociales y econmicos que suceden en un espacio y tiempo determinados. Es
bueno recordar que esta informacin puede ser usada como un instrumento
bsico para la planeacin y la toma de decisiones, soporte para la investigacin
o para el conocimiento en general, por lo que debe cumplir las siguientes
caractersticas:
a) Significacin conceptual.- El concepto a cuantificar debe estar definido con
claridad y precisin en el documento.
b) Veracidad.- El dato, objeto de cuantificacin, deber ser obtenido
directamente de las unidades generadoras de informacin y debe reflejar la
realidad que pretende cuantificar, conforme a un marco conceptual y
metodolgico previamente definido y validado.
c) Comparabilidad.- Independientemente de las fuentes que generan la
estadstica, los resultados que se obtengan deben ser congruentes entre ellos
ya que su medicin se debe desprender de esquemas conceptuales
homogneos; si no es as, debe existir notas aclaratorias.
d) Oportunidad.- El tiempo entre el suceso, el registro del dato y la difusin de
la informacin, debe ser el mnimo posible, a fin de que esta no pierda vigencia
respecto de la realidad que describe o explica.
e) Integralidad.- Los cuadros con informacin estadstica deben contener
todos los elementos bsicos para facilitar su consulta e interpretacin, relacin
precisa entre cifras y conceptos, uso de totales, incorporacin de notas y
llamadas tcnicas y utilizacin de simbologa homognea.
f) Criterios especficos para el manejo de los datos.- Parte importante de las
caractersticas de la informacin la constituyen los criterios que deben ser
utilizados en la integracin y presentacin de los datos estadsticos para
obtener los resultados deseados. Los criterios especficos de los datos son
aquellos que tienen que cumplirse para obtener trabajos homogneos que
faciliten la comprensin de la informacin por parte de los usuarios.
Ejemplos:
l Las cifras negativas deben tener el signo "menos" y no parntesis.
l Las cifras deben ser separadas en miles mediante un espacio.
l Las llamadas de explicacin deben ser colocadas siempre a la derecha de la
palabra.
10
1.5 COBERTURA TEMTICA DE LA INFORMACIN ESTADSTICA
La integracin y publicacin de informacin estadstica referida a los diversos
mbitos, sobre aspectos geogrficos, sociales y econmicos tiene como
propsito orientar acciones e identificar los problemas bsicos que requieren
atencin y solucin. Bajo esta perspectiva, la informacin estadstica que los
organismos pblicos integren o generen estar orientada a la siguiente
cobertura temtica, con la finalidad de manejar esquemas conceptuales
comunes:
Estadsticas geogrficas.- Se refieren a las caractersticas generales del
medio fsico a travs de mapas y cuadros con datos geogrficos bsicos.
Estadsticas socio demogrficas.- Corresponden a informacin relacionada
con la poblacin. Comprende apartados como demografa, empleo y previsin
social, salud, educacin, seguridad y orden pblico, entre otros, as como
estadsticas sociales derivadas como pobreza, nutricin, hbitat, condiciones
de vida, etc.
Estadsticas econmicas.- Comprenden informacin relacionada con el
proceso de produccin de bienes y servicios y de aquella que tiene algn tipo
de relacin con dicho proceso (insumos, personal ocupado, inversin, crdito,
etc.). Generalmente consta de tres sectores econmicos: extractivo (sector
primario), transformacin (sector secundaria) y servicios (sector terciario), los
que a su vez se desagregan en ramas de actividad que deben seguir el orden
de la clasificacin de actividades vigente en el pas. El conjunto de datos de
esta temtica est orientado a mostrar un panorama global del aparato
productivo del pas. Comprende tambin estudios transversales a varias
actividades econmicas tales como el turismo y medio ambiente.
Dentro de este grupo, tambin se muestran las estadsticas econmicas
derivadas, tales como las relacionadas a las cuentas nacionales, precios,
finanzas pblicas, sector financiero y cuentas con el exterior, etc.
1.6 CONTENIDO DE LA PUBLICACIN ESTADSTICA
Para elaborar una publicacin estadstica debe considerarse lo siguiente:
Diseo de pginas.- Al disear un cuadro se debe tener presente el rea de
impresin de la pgina, para que sea aprovechado totalmente, procurando que
11
no quede recargado ni escaso de informacin. Dependiendo del volumen de
datos que contiene el cuadro estadstico, en una pgina puede incluirse un solo
Cuadro. Asimismo puede presentarse un cuadro y un grfico que destaque los
datos de mayor impacto del fenmeno que presenta el cuadro. Tambin
pueden presentarse dos cuadros o incluirse comentarios.
Numeracin de cuadros.- Si hay varios cuadros en un captulo, cada cuadro
debe presentar el nmero del captulo seguido de un punto y el nmero
ascendente correspondiente. La numeracin se anotar en el extremo superior
izquierdo, en el mismo lugar del nombre del cuadro. Cuando el cuadro se
fraccione, la numeracin aparecer en cada una de sus partes, acompaado
del ttulo.
Presentacin e introduccin.- La presentacin debe mencionar, breve y
claramente, cul es el propsito y fundamento de la publicacin. Una gran parte
de la presentacin debe escribirse en tiempo presente. Se sugiere las
siguientes reglas que debe observar una presentacin:
Presentar el ttulo del documento y si es necesario la atribucin normativa de
la institucin para elaborarlo.
Breve resumen del mtodo o forma de recopilacin de la informacin.
El propsito u objetivo de la publicacin.
Opcionalmente, puede mencionarse el agradecimiento a las entidades o
personas que proporcionaron informacin. La introduccin consiste en la
descripcin del contenido de la publicacin, conceptos y definiciones utilizados,
grado de confianza de los datos, omisiones advertidas en las series,
procedimientos empleados en las investigaciones y otros asuntos de inters
para la correcta interpretacin de las cifras. Tambin, de ser el caso, menciona
cualquier cambio en la metodologa y cobertura geogrfica respecto a
publicaciones anteriores.
ndice.- El ndice contempla todas las partes de la publicacin, que comprende
la lista de captulos y subcaptulos del documento. Contiene tambin la lista de
anexos.
Abreviaturas, signos y smbolos.- Es conveniente disponer de las
abreviaturas, signos y smbolos convencionales que se aplican en toda la
publicacin.
12
Conceptos, definiciones, notas explicativas y comentarios:
Al inicio de la publicacin o de cada subdivisin de la misma, generalmente se
incluye conceptos y definiciones, notas explicativas o comentarios referentes a
los cuadros que se publican.
Cuadros, grficos y mapas
Despus de las notas explicativas o comentarios se coloca los cuadros,
grficos y en algunas ocasiones, mapas.
Anexos
En los anexos se incluye informacin que, por su volumen, se adjunta a fin de
que sirva de material de consulta como por ejemplo: diseo muestral, normas
legales, formatos, cdigos o clasificaciones, tablas de conversin, directorios y
otros.
Crditos
En este acpite se considerar el nombre y oficina de las personas que
participaron en la elaboracin del documento, segn el grado de
responsabilidad que hayan tenido durante el proceso.
1.7 NOTACIN DE SUMA
En la operacin de adicin o suma, se presenta con frecuencia en la estadstica
el smbolo (sigma) para denotar tomar la suma de. A continuacin se
presenta un ejemplo donde se tiene un conjunto de valores n para alguna
variable X.

=
n
i
i
X
1
, esta expresin indica que estos n valores deben sumarse. Por
consiguiente:
n
n
i
i
X X X X X + + + + =

=
...
3 2
1
1
Ejemplo Se encuentran cinco observaciones para la variable
7 5 , 1 , 0 , 2 :
5 4 3 2 1
= = = = = X y X X X X X
.Por lo tanto:
13
13 7 5 ) 1 ( 0 2
5 4 3 2 1
5
1
= + + + + = + + + + =

=
X X X X X X
i
i
En estadstica nos vemos involucrados muy a menudo con la suma de los
valores al cuadrado de una variable. Por lo tanto.
2 2
3
2
2
2
1
1
2
...
n
n
i
i
X X X X X + + + + =

=
Y en nuestro ejemplo, tenemos:
79
49 25 1 0 4
7 5 ) 1 ( 0 2
2 2 2 2 2
2
5
2
4
2
3
2
2
2
1
5
1
2
=
+ + + + =
+ + + + =
+ + + + =

=
X X X X X X
i
i
Se debe observar, aqu que

=
n
i
i
X
1
2
, la sumatoria de los cuadrados no es
igual a
2
1
|
.
|

\
|

=
n
i
I
X , el cuadrado de la suma, esto es
2
1 1
2
|
.
|

\
|
=

= =
n
i
i
n
i
i
X X
En nuestro ejemplo, la sumatoria de los cuadrados es igual a 79. Esto no es
igual al cuadrado de la suma, cuyo resultado es 169 13
2
=
Otra operacin que se utiliza con frecuencia implica la sumatoria del producto.
Esto es, suponiendo que tenemos dos variables, X y Y, cada una con n
observaciones.
Entonces,
n n i
n
i
i
Y X Y X Y X Y X Y X + + + + =

=
...
3 3 2 2 1 1
1
Continuando con el ejemplo anterior, suponiendo que tambin se tiene una
segunda variable Y cuyos valores son
3 4 , 2 , 3 , 1
5 4 3 2 1
= = = = = Y y Y Y Y Y Entonces,
14
45
21 20 2 0 2
) 3 )( 7 ( ) 4 )( 5 ( ) 2 )( 1 ( ) 3 )( 0 ( ) 1 )( 2 (
5 5 4 4 3 3 2 2 1 1
5
1
=
+ + + + =
+ + + + =
+ + + + =

=
Y X Y X Y X Y X Y X Y X
i
i
i
Al calcular
i
n
i
i
Y X

=1
debemos tomar en cuenta que el primer valor de X por
el primer valor de Y ms el segundo valor de X por el segundo de Y, y as
sucesivamente. Estos productos cruzados luego se suman con el propsito de
obtener el resultado deseado. Sin embargo, debemos observar en este punto
que la sumatoria de productos cruzados no es igual al producto de las sumas
individuales, es decir;
|
.
|

\
|
|
.
|

\
|
=

= = =
n
i
i
n
i
i i
n
i
i
Y X Y X
1 1 1
En nuestro ejemplo, 9 3 4 ) 2 ( 3 1 13
5
1
5
1
= + + + + = =

= = i
i
i
i
Y y X de modo que
117 ) 9 )( 13 (
5
1
5
1
= = |
.
|

\
|
|
.
|

\
|

= = i
i
i
i
Y X . Esto no es lo mismo que
i
n
i
i
Y X

=1
, que es
igual a 45.
Antes de estudiar las cuatro reglas bsicas para efectuar operaciones con
notacin sigma, ser de ayuda presentar los valores de cada una de las cinco
observaciones de X y de Y en forma de tabla:
15
Observacin X
i
Y
i
1
2
3
4
5
2
0
-1
5
7
1
3
-2
4
3
13
5
1
=

= i
i
X 9
5
1
=

= i
i
Y
Regla 1: La sumatoria de los valores de dos variables es igual a la suma de los
valores de cada variable sumada.
, )

= = =
+ = +
n
i
i
n
i
i
n
i
i i
Y X Y X
1 1 1
En nuestro ejemplo:
, )
22 9 13
22 10 9 ) 3 ( 3 3
) 3 7 ( ) 4 5 ( )) 2 ( 1 ( ) 3 0 ( ) 1 2 (
5
1
5
1
5
1
= + = +
= + + + + =
+ + + + + + + + + = +

= =
=
i
i
i
i
i
i i
Y X
Y X
Regla 2: La sumatoria de una diferencia entre los valores de dos variables es
igual a la diferencia entre los valores sumados de las variables.
16

= = =
=
n
i
i
n
i
i i
n
i
i
Y X Y X
1 1 1
) (
Por consiguiente, en nuestro ejemplo,
, )
4 9 13 4
4 1 1 ) 3 ( 1
) 3 7 ( ) 4 5 ( )) 2 ( 1 ( ) 3 0 ( ) 1 2 (
5
1
5
1
5
1
= = = =
+ + + + =
+ + + + =

= =
=
i
i
i
i
i
i i
Y X
Y X
Regla 3: La sumatoria de una constante por una variable es igual a la
constante que multiplica a la sumatoria de los valores de la variable.

= =
=
n
i
i
n
i
i
X c cX
1 1
En la que c es una constante.
Por tanto, en nuestro ejemplo, c =2
26 ) 13 )( 2 ( 2
26 14 10 ) 2 ( 0 4
) 7 )( 2 ( ) 5 )( 2 ( ) 1 )( 2 ( ) 0 )( 2 ( ) 2 )( 2 ( 2
5
1
5
1
5
1
= =
= + + + + =
+ + + + = =

=
= =
i
i
i
i
i
i
X
X cX
Regla 4: Una constante sumada n veces ser igual a n veces al valor de la
constante.
nc c
n
i
=

=1
17
En la que c es una constante. As pues, si la constante c =2 se suma cinco
veces tendremos:
10 ) 2 )( 5 (
10 2 2 2 2 2
5
1
= =
= + + + + =

= i
c
En el caso de
que i = 1 entonces n = (valor final - valor inicial)+ 1
Para ilustrar cmo se utilizan las reglas de la sumatoria, podemos mostrar una
de las propiedades matemticas pertenecientes al promedio o media aritmtica
, )

=
=
n
i
i X X
1
0
Esta propiedad establece que la sumatoria de las diferencias entre cada
observacin y la media aritmtica es cero. Esto se puede probar
matemticamente de la siguiente manera:
1.- De la ecuacin :
n
X
x
n
i
i
=
=
1
As pues, utilizando la regla 2 de la sumatoria, tenemos:
, )

= = =
=
n
i
n
i
i
n
i
i
X X X X
1 1 1
2.- Puesto que, para cualquier conjunto fijo de datos, X Puede ser
considerada como una constante, de la regla 4 de la sumatoria tenemos:
X n X
n
i
=

=1
Por consiguiente, , ) X n X X X
n
i
i
n
i
i
=

= = 1 1
12 ) 2 ( * ) 1 ) 2 7 ((
12 2 2 2 2 2 2
7
2
= + =
= + + + + + =

= i
c
18
3.- Sin embargo, de la ecuacin (4.1), puesto que:
n
X
X
n
i
i
=
=
1
despus n

=
=
n
i
i
X X
1
Por consiguiente, , )

= = =
=
n
i
i
n
i
i
n
i
i
X X X X
1 1 1
De esta manera se ha demostrado que:
, ) 0
1
=

=
n
i
i
X X
PROBLEMA
Suponiendo que se tienen seis observaciones de las variables X y Y tales que
3 , 7 , 2 , 1 , 0 , 4 2 , 1 , 3 , 5 , 1 , 2
6 5 4 3 2 6 5 4 3 2 1
1
= = = = = = = = = = = = Y Y Y Y Y yY X X X X X X
Calcule cada una de las siguientes sumatorias.
a)

=
6
1 i
i
X b)

=
6
1 i
i
Y
c)

=
6
1
2
i
i
X d)

=
6
1
2
i
i
Y
e)
i
i
i
Y X

=
6
1
f) , )

=
+
6
1 i
i i
Y X
g) , )

=

6
1 i
i i
Y X h) , )

=
+
6
1
2
2 3
i
i i i
X Y X
19
CAPITULO II
2.1 PRESENTACIONES DE LAS TABLAS:
Una tabla es un cuadro que consiste en la disposicin conjunta, ordenada y
normalmente totalizada, de las sumas o frecuencias totales obtenidos en la
tabulacin de los datos, referentes a las categoras o dimensiones de una
variable o de varias variables relacionadas entre s.
Las tablas sistematizan los resultados cuantitativos y ofrecen una visin
numrica, sinttica y global del fenmeno observado y de las relaciones entre
sus diversas caractersticas o variables. En ella, culmina y se concreta
definitivamente la fase clasificatoria de la investigacin cuantitativa.
2.2 TIPOS DE TABLAS DE FRECUENCIA
Los tipos de tablas son:
Tabla de entrada de datos: Es una tabla en la cual solo aparecen los datos
que se obtuvieron de la investigacin cientfica o del experimento. Es la tabla
ms sencilla y se utiliza cuando no se necesita mayor informacin acerca de
los datos, estas tablas se construyen por medio de la tabulacin de los datos,
este procedimiento es relativamente sencillo, para realizarlo nos ocupamos de
un conjunto de datos estadsticos obtenidos al registrar los resultados de una
serie de n repeticiones de algn experimento u observacin aleatoria,
suponiendo que las repeticiones son mutuamente independientes y se realizan
en condiciones uniformes, es importante decir que el resultado de cada
observacin puede expresarse de forma numrica, para este tipo de tablas de
entrada de datos se puede trabajar con una mas variables, de manera que
nuestro material estadstico consiste en n valores observados de la variable Xj.
Los valores observados se suelen registrar, en primer lugar en una lista, si l
numero de observaciones no excede de 20 30, estos datos se registran en
orden creciente de magnitud.
Con los datos de esta tabla pueden hacerse diversas representaciones grficas
y calcularse determinadas caractersticas numricas como la media, la
mediana, etc.
20
EJ: Agrupar en una tabla de datos
10, 1, 6, 9, 2, 5, 7, 4, 3, 8
X 1 2 3 4 5 6 7 8 9 10
Tablas de frecuencias: Una tabla de frecuencia esta formada por las
categoras o valores de una variable y sus frecuencias correspondientes. Esta
tabla es lo mismo que una distribucin de frecuencias. Esta tabla se crea por
medio de la tabulacin y agrupacin, la cual es un mtodo sencillo como lo
habamos empezado a ver en la tabla de datos, Se realiza el mismo
procedimiento de tabulacin anteriormente descrito si el numero de valores
observados para la variable, se trabaja con una sola variable, descontando los
repetidos son pequeos, si existen repetidos la frecuencia f es el numero de
repeticiones de un valor de X dado, Sin embargo, cuando el conjunto de datos
es mayor, resulta laborioso trabajar directamente con los valores individuales
observados y entonces se lleva a cabo, por lo general, algn tipo de agrupacin
como paso preliminar, antes de iniciar cualquier otro tratamiento de los datos.
Las reglas para proceder a la agrupacin son diferentes segn sea la variable,
discreta o continua, para una variable discreta suele resultar conveniente hacer
una tabla en cuya primera columna figuren todos los valores de la variable X
representados en el material, y en la segunda, la frecuencia f con que ha
aparecido cada valor de X en las observaciones.
Para una variable continua, el procedimiento de agrupacin es algo ms
complicado. Se toma un intervalo adecuado sobre el eje de la variable que
contenga los n valores observados, y divdase el intervalo en cierto numero de
intervalos de clase. Todas las observaciones que pertenecen al mismo
intervalo de clase se agrupan y cuentan, y l numero que resulte representa la
frecuencia de clase correspondiente a dicho intervalo, luego se forma una
tabla, en cuya primera columna figuran los limites de cada intervalo de clase, y
en la segunda aparecen las correspondientes frecuencias.
21
Estas clases de tablas son las mas usadas y brindan mayor informacin de los
datos que las tablas de entradas de datos, efectivamente, una tabla de este
tipo dar en forma abreviada, una informacin completa acerca de la
distribucin de los valores observados. Con estas se pueden utilizar mas a
fondo los mtodos grficos al igual que los mtodos aritmticos.
Ej.: Agrupar en una tabla 1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 5
X F
1 2
2 4
3 3
4 1
5 1
S 11
Agrupar en una tabla las siguientes estaturas: 160, 168, 175, 183, 170, 164,
170, 184, 171, 168, 187, 161, 183, 175, 185, 186, 187, 164, 165, 175, 162, 188,
169, 163, 166, 172, 173, 167, 174, 176, 178, 179, 177
X F
160-165 6
265-270 6
22
170-175 6
175-180 7
180-185 3
185-190 5
S 33
Tablas de doble entrada: Tambin llamadas tablas de contingencias, son
aquellas tablas de datos referentes a dos variables, formada, en las cabeceras
de las filas, por las categoras o valores de una variable y en las de las
columnas por los de la otra, y en las casillas de la tabla, por las frecuencias o
numero de elementos que renen a la vez las dos categoras o valores de las
dos variables que se cruzan en cada casilla. Para la tabulacin de un material
agrupado de observaciones simultaneas de dos variables aleatorias
necesitaremos una tabla descrita como anteriormente lo describimos, las reglas
para agrupar son las mismas que en el caso de una sola variable.
Este tipo de tablas brindan informacin estadstica de dos eventos relacionados
entre s, es til en casos en los cuales los experimentos son dependientes de
otro experimento, mas adelante aparecen ms aplicaciones del anlisis
estadstico .
Ej.:
T1/T2 S NO
S 12 2
NO 10 4

23
CAPITULO III
3.1 RIPRISINTACIONIS GRAIICOS
Un diagrama es una especie de esquemtico, formado por lneas, figuras,
mapas, utilizado para representar, bien datos estadsticos a escala o segn una
cierta proporcin, o bien los elementos de un sistema, las etapas de un proceso
y las divisiones o subdivisiones de una clasificacin. Entre las funciones que
cumplen los diagramas se pueden sealar las siguientes:
- Hacen ms visibles los datos, sistemas y procesos
- Ponen de manifiesto sus variaciones y su evolucin histrica o espacial.
- Pueden evidenciar las relaciones entre los diversos elementos de un
sistema o de un proceso y representar la correlacin entre dos o ms
variables.
- Sistematizan y sintetizan los datos, sistemas y procesos.
- Aclaran y complementan las tablas y las exposiciones tericas o
cuantitativas.
- El estudio de su disposicin y de las relaciones que muestran pueden
sugerir hiptesis nuevas.
Algunos de los diagramas ms importantes son el diagrama en rbol, diagrama
de reas o superficies, diagrama de bandas, diagrama de barras, diagrama de
bloques, diagrama circular, diagrama circular polar, diagrama de puntos,
diagrama de tallo y hoja diagrama, histogramas y otros.
3.2 GRFICOS DE PUNTOS:
Es una variacin del diagrama lineal simple el cual esta formado por lneas
rectas o curvas, que resultan de la representacin, en un eje de coordenadas,
de distribuciones de frecuencias, este construye colocando en el eje x los
valores correspondientes a la variable y en el eje de las ordenadas el valor
correspondiente a la frecuencia para este valor. Proporciona principalmente
informacin con respecto a las frecuencias. Este se usa cuando solo se
necesita informacin sobre la frecuencia.
Cuando la muestra se agrupa por intervalos se trabaja con la marca de clase
del intervalo de clase, la marca de clase es el punto medio del intervalo
24
EJ: Duracin de tubos de nen
X(horas) Xm F
300-400 350 2
400-500 450 6
500-600 550 10
600-700 650 8
700-800 750 4
S 30
3.3 GRFICOS DE TALLO Y HOJA
Es una forma rpida de obtener una representacin visual ilustrativa del
conjunto de datos, para construir un diagrama de tallo y hoja primero se debe
seleccionar uno ms dgitos iniciales para los valores de tallo, el dgito o
dgitos finales se convierten en hojas, luego se hace una lista de valores de
tallo en una columna vertical. Prosiguiendo a registrar la hoja por cada
observacin junto al valor correspondiente de tallo, finalmente se indica las
25
unidades de tallos y hojas en algn lugar del diagrama, este se usa para listas
grandes y es un mtodo resumido de mostrar los datos, posee la desventaja
que no proporciona sino los datos, y no aparece por ningn lado informacin
sobre frecuencias y dems datos importantes.
3.4 DIAGRAMAS DE BARRAS
Nombre que recibe el diagrama utilizado para representar grficamente
distribuciones discretas de frecuencias no agrupadas. Se llama as porque las
frecuencias de cada categora de la distribucin se hacen figurar por trazos o
columnas de longitud proporcional, separados unos de otros. Existen tres
principales clases de grficos de barras:
Barra simple: se emplean para graficar hechos nicos
Barras mltiples: es muy recomendable para comprar una serie estadstica
con otra, para ello emplea barras simples se distinto color o tramado en un
mismo plano cartesiano, una al lado de la otra
Barras compuestas: en este mtodo de graficacion las barras de la
segunda serie se colocan encima de las barras de la primera serie en forma
respectiva.
El diagrama de barras proporciona informacin comparativa principalmente y
este es su uso principal, este diagrama tambin muestra la informacin
referente a las frecuencias
Ej:
CIUDAD TEMPERATURA
A 12
B 18
C 24
26
TIENDA Enero Febrero Marzo abril mayo Junio
A 800 600 700 900 1100 1000
B 700 500 600 1000 900 1200
27
3.5 OTROS TIPOS DE GRAFICAS
Para apreciar a golpe de vista la magnitud o posicin de las variables, se
suelen efectuar una representacin grfica, los sistemas de grficos ms
usuales son:
Diagrama de sectores El rea de cada sector es proporcional a la frecuencia
que se quiera representar, sea absoluta o relativa.
Para calcularlo podemos decir que el rea depende del ngulo central,
mediante la siguiente proporcin: n
i
/N=o/360
Como resulta n
i
/N = f
i
, tendremos que 360 *
i
f =
Este diagrama se utiliza para cualquier tipo de variable
Histograma.- Es una representacin grfica de una variable en forma de
barras, donde la superficie de cada barra es proporcional a la frecuencia de
los valores representados. En el eje vertical se representan las frecuencias, y
en el eje horizontal los valores de las variables, normalmente sealando las
marcas de clase, es decir, la mitad del intervalo en el que estn agrupados los
datos.
Se utiliza cuando se estudia una variable continua, como franjas de edades o
altura de la muestra, y, por comodidad, sus valores se agrupan en clases, es
decir, valores continuos. En los casos en los que los datos son cualitativos
(no-numricos), como sexto grado de acuerdo o nivel de estudios, es
preferible un diagrama de sectores.
28
Los histogramas son ms frecuentes en ciencias sociales, humanas y
econmicas que en ciencias naturales y exactas. Y permite la comparacin de
los resultados de un proceso.
Ejemplo:
Marca de clase o valor medio
Se determina calculando el promedio entre los lmites inferior y superior. La
marca de clase representa a todos los datos pertenecientes al intervalo de
clase correspondiente
Diagrama de escalera: se utiliza para frecuencias acumuladas.
29
Pictograma: se suele utilizar para expresar un atributo. Se suelen utilizar
iconos que se identifiquen con la variable (ejemplo un coche) y su tamao
suele guardar relacin con la frecuencia.
Es un grfico con dibujos alusivos al carcter que se est estudiando y cuyo
tamao es proporcional a la frecuencia que representan; dicha frecuencia se
suele indicar.
EJEMPLO:
En qu mes se plantaron menos rboles?, y en cul se hicieron ms
plantaciones?
Cartograma se representa mediante un diagrama convencional insertado en
un mapa geogrfico de una zona. Por ejemplo en un mapa de la Comunidad
30
Valenciana se puede utilizar el diagrama de tartas para representar la
produccin industrial, agrcola etc.
Polgono de frecuencias, es la recta que une los extremos de las variables de
una distribucin, un ejemplo clsico es el de la evolucin de la temperatura de
un paciente
0
1
2
3
4
5
6
x1 x2 x3 x4 x5
Nota: Si la variable es cualitativa (rubio, moreno, alto bajo, etc.) se suelen
utilizar ms los diagramas de sectores o pictogramas
Para realizar el polgono unimos los puntos medios de las bases superiores del
diagrama de barras o del histograma.
Si la variable es cuantitativa podemos tener dos casos: Variable discreta
o variable continua.
31
En el primer caso: variable discreta utilizaremos sin no piden nada concreto, el
diagrama de barras cuando se refiera a la representacin grfica de la
frecuencia absoluta (ni)
En cambio cuando nos estemos refiriendo a la frecuencia absoluta
acumulada optaremos por el diagrama de escalera
En el segundo caso: la variable continua, optaremos por el histograma para
las frecuencias absolutas y por el polgono de frecuencias en el caso de la
frecuencia acumulada.
Diagramas de caja: los pasos para construirlo son los siguientes:
- dibujar y marcar un eje de medida horizontal
- construir un rectngulo cuyo borde izquierdo esta arriba del cuarto
inferior y cuyo borde derecho esta arriba del cuarto superior
- dibujar un segmento de recta vertical dentro de la caja arriba de la
mediana
- prolongar rectas desde cada extremo de la caja hasta las observaciones
ms lejanas que estn todava a menos de 1.5fs de los bordes
correspondientes
- dibujar un circulo abierto para identificar cada observacin que caiga
entre 1.5fs y 3fs del borde al cual esta ms cercano estas se llaman
puntos inusuales suaves
0
5
10
x1 x2 x3 x4 x5
32
- dibujar un circulo de lnea llena para identificar cada observacin que
caiga a mas de 3fs del borde ms cercano, estas se llaman puntos
inusuales extremos . donde fs= cuarto superior cuarto inferior
Polgono: Hace evidente la forma de la distribucin de frecuencias de los
datos. Solo representa datos cuantitativos. Es una grfica de puntos y lneas.
Relaciona las marcas de clase con sus frecuencias o frecuencias relativas.
Como el rea total de las barras del histograma debe mantenerse igual al rea
debajo del polgono, el polgono empieza en una marca de clase anterior
y termina en una marca de clase posterior a las de la tabla de frecuencias.
Ojiva: Equivalen a los polgonos de frecuencia acumulada. Relacionan las
fronteras inferiores con los valores acumulados de frecuencia. Su aplicacin se
concreta a responder preguntas como: qu proporcin acumulada le
corresponde a este dato?, Qu dato corresponde a esta proporcin
acumulada?. Hay dos criterios para construir ojivas:
1) Ojiva "Menor que": "cuntas observaciones son menores que esta
frontera?". Es una curva creciente que empieza en frecuencia cero y termina
en el total de observaciones.
2) Ojiva "O ms": "cuntas observaciones hay iguales o mayores a esta
fronteras?". Es una curva decreciente que empieza en el total de observaciones
y termina en cero.
Pirmide de poblacin.- Dependiendo de la informacin que estemos
estudiando, se pueden utilizar otros tipos de grficos.
Uno de ellos es por ejemplo, la pirmide de poblacin. Sirve para analizar
cmo va evolucionando (con respecto a su edad) una poblacin determinada.
Consiste en dos diagramas de barras, uno de ellos para representar los datos
de los hombres y el otro para los de las mujeres, pero dispuestos de forma
horizontal y por edades.
33
Climograma.- Un caso particular de aplicacin de los histogramas y los
polgonos de frecuencias es el climograma, que representa la marcha anual
de las temperaturas y de las lluvias medias, sobre un mismo sistema de
coordenadas:
34
Cul es el mes menos lluviso?, y el ms caluroso?
Los cartogramas.-son grficos realizados sobre mapas, en los que aparecen
indicados sobre las distintas zonas cantidades o colores de acuerdo con el
carcter que representan.
Tambin se representa mediante un diagrama convencional insertado en un
mapa geogrfico de una zona. Por ejemplo en un mapa de la Comunidad
Valenciana se puede utilizar el diagrama de tartas para representar la
produccin industrial, agrcola etc.
En el siguiente cartograma observamos la urbanizacin en el mundo
atendiendo a la industrializacin:
35
CAPITULO IV
4.1 ESCALAS DE MEDICIN
En cuanto a las escalas de medicin la estadstica cuenta con las siguientes:
- Nominal; la cual se utiliza principalmente en los datos cualitativos y nos
permite manejar la informacin por su nombre, como en los casos de marcas
de diferentes productos, enfermedades, preferencias, etc.
- Ordinal; aquella que utilizamos cuando necesitamos establecer orden entre
las diferencias de la poblacin y sus datos son cualitativos, por ejemplo,
escalas de calidad (mala, regular, buena, muy buena), escalas de gusto (mu
y sabrosa, sabrosa, agradable, desagradable, muy desagradable), etc.
- Intervalo; Se utiliza principalmente en datos cuantitativos y es una escala
que no cuenta con un cero absoluto o con un instrumento estandarizado, por
ejemplo, la temperatura se puede medir en grados centgrados, Fahrenheit y
kelvin dentro de las cuales los grados centgrados no cuentan con un cero
absoluto debido a que se basan en el punto de ebullicin del agua, el cul es
variable en diferentes altitudes, los Fahrenheit que tampoco cuentan con un
cero absoluto, ya que este tambin cambia con las altitudes con respecto al
nivel del mar, debido a que se sustenta en el punto de congelacin del agua
y los kelvin que si cuentan con un cero absoluto ya que queda establecido al
vaco fuera de las diferencias provocadas por la altitud, otro ejemplo sera el
utilizar una cuerda con nudos para determinar una Distancia o un volumen
con vasija de barro, ya que al intentar comprobar esta distancia o este
volumen debemos contar con la misma cuerda o con la misma vasija.
- Razn; Bsicamente utilizada en datos cuantitativos que pueden ser
medidos con instrumentos estandarizados o con un cero absoluto como por
ejemplo una distancia medida en kilmetros, un volumen medido en
centmetros cbicos, ventas medidas en pesos, etc.
36
4.2 SITUACIONES DE LAS ESCALAS DE MEDICIN
Situacion 1,es una escala en que se establece un nmero determinado de
clases o categoras de tal modo que cada elemento de la poblacin pertenece
a una y slo una clase. Matemticamente se dice que se ha establecido una
relacin de equivalencia entre los elementos de la poblacin. Si slo existen
dos clases se denomina escala dicotmica. La nica operacin matemtica que
se puede realizar con las clases de cualquier escala nominal es determinar las
cantidades de elementos que les corresponden determinar sus frecuencias.
Por ejemplo:
- Sexo: las clases son masculino o femenino.
- Especialidad: las diferentes especialidades (carreras) del CRUSAM.
- Nmero de cedula de identidad personal.
- Temperatura de una persona: sanguneo, flemtico, melanclico,
colrico.
- Nmero de placa de automviles del pas.
a.-Escala Nominal:
Corresponde a la Situacin 1, es decir, es una escala en que se establece un
nmero determinado de clases o categoras de tal modo que cada elemento de
la poblacin pertenece a una y slo una clase. Matemticamente se dice que
se ha establecido una relacin de equivalencia entre los elementos de la
poblacin. Si slo existen dos clases se denomina escala dicotmica. La nica
operacin matemtica que se puede realizar con las clases de cualquier escala
nominal es determinar las cantidades de elementos que les corresponden
determinar sus frecuencias.
Por ejemplo:
- Sexo: las clases son masculino o femenino.
- Especialidad: las diferentes especialidades (carreras) del CRUSAM.
- Nmero de cedula de identidad personal.
- Temperatura de una persona: sanguneo, flemtico, melanclico,
colrico.
37
- Nmero de placa de automviles del pas.
b.- Escala Ordinal:
Corresponde a la Situacin 2. Es una escala nominal entre cuyas clases est
definido un orden, de modo que cualquiera que sean dos de ellas, una ser
mayor o superior, en algn sentido, que la otra.
Por ejemplo:
- Evaluaciones en un examen: 5, 4, 3 y 2.
- Grado de satisfaccin de una necesidad: alto, medio, bajo
- Conocimiento de un idioma: excelente, bien, regular, mal
c.- Escala de Intervalos:
Corresponde a la situacin 3 y no es ms que una escala ordinal con una
distancia, una unidad de medida entre sus clases de modo tal que dado dos
puntajes cualesquiera se puede saber cuan distante est uno del otro. La
unidad de medida es arbitraria, pero comn y el punto de inicio (cero) es
tambin arbitrario.
Cuando se tiene una escala de intervalo se pueden realizar las operaciones de
adicin y sustraccin, pero no necesariamente la multiplicacin y divisin
dentro de la escala.
Por ejemplo:
- La temperatura del aire. (caluroso, fresco, agradable, etc.)
d.- Escala de Razones:
Corresponde a la situacin 4 y es una escala de intervalos donde existe un
cero absoluto que marca la ausencia total del atributo en estudio. La proporcin
entre los atributos de dos individuos cualesquiera es independiente de la escala
de medida utilizada. En ella la razn entre dos clases (puntajes) cualesquiera
permanece invariable ante toda la transformacin de la escala de razn, o sea
38
ante toda transformacin del tipo y=(x). De aqu que siempre el cero de la
escala transformada coincide con el cero de la escala original.
En las escalas de razones es posible realizar todas las operaciones aritmticas
con los puntajes.
Por ejemplo:
- Estatura de los alumnos: la estatura en metros es proporcional a la
estatura en pulgadas.
- Peso de los alumnos: (en libras o kilogramos)
- El tiempo invertido en una prueba de velocidad en educacin fsica
4.3 TIPOS DE VARIABLES
Para poder realizar una estadstica tambin es necesario identificar la
naturaleza de los datos que conforman a la poblacin, con el objeto de
establecer las variables que se deben manejar, pudiendo encontrarnos con
datos cuantitativos y datos cualitativos.
Los datos cuantitativos son aquellos que resultan de una medida o de un
conteo por lo que los podemos diferenciar en continuos y en discretos
respectivamente, es decir, que se pueden obtener datos cuantitativos que
debido a un instrumento podemos especificar valores enteros y decimales de
tal forma que sus diferencias sern establecidas dependiendo de la exactitud
del instrumento al medir distancias, volmenes, superficies, etc. y otros datos
que solo se puedan contar, como es el caso del nmero de automviles en
circulacin en cierta ciudad, nmero de empleados en una empresa, etc. Los
datos cualitativos resultan de aquellas poblaciones en las que sus elementos
no pueden ser medidos debido a su naturaleza y que por lo tanto solo se les
pueden observar atributos y diferencias.
Aqu ser bueno recordar cuantas veces has requerido de este tipo de
informacin, ya sea, al preparar un pastel o una bebida, al describir a un amigo
o al querer explicar las caractersticas de una ciudad a la que visitaste.
39
4.4 DATOS
La toma de datos es la obtencin de una coleccin de los mismos que no han
sido ordenados numricamente. Un ejemplo es el conjunto de alturas de 100
estudiantes, sacados de una lista alfabtica de una universidad.
Para la toma de datos debemos tener en cuenta las siguientes caracteristicas:
- Caractersticas o nmeros que son recolectados por observacin. No
son otra cosa que el producto de las observaciones efectuadas en las
personas y objetos en los cuales se produce el fenmeno que queremos
estudiar
- Los datos estadsticos pueden ser clasificados en cualitativos,
cuantitativos, cronolgicos y geogrficos
- Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre
ellos es de clase y no de cantidad. Ejemplo: Si deseamos clasificar los
estudiantes que cursan la materia de estadstica I por su estado civil,
observamos que pueden existir solteros, casados, divorciados, viudos.
- Datos cuantitativos: cuando los valores de los datos representan
diferentes magnitudes, decimos que son datos cuantitativos. Ejemplo:
Se clasifican los estudiantes del Ncleo San Carlos de la UNESR de
acuerdo a sus notas, observamos que los valores (nota) representan
diferentes magnitudes.
- Datos cronolgicos: cuando los valores de los datos varan en diferentes
instantes o perodos de tiempo, los datos son reconocidos como
cronolgicos. Ejemplo: Al registrar los promedios de notas de los
Alumnos del Ncleo San Carlos de la UNESR en los diferentes
semestres.
- Datos geogrficos: cuando los datos estn referidos a una localidad
geogrfica se dicen que son datos geogrficos. Ejemplo: El nmero de
estudiantes de educacin superior en las distintas regiones del pas
40
4.5 ORDENACIN DE LOS DATOS
Una ordenacin es una colocacin de los datos numricos tomados, en orden
creciente o decreciente de magnitud. La diferencia entre el mayor y el menor de
los nmeros se llama recorrido o rango de los datos. Por ejemplo, si la altura
mayor de los 100 estudiantes es 74 pulgadas y la menor es de 60 pulgadas, el
rango es 74 - 60 = 14 pulgadas.
41
CAPITULO V
5.1 .DISTRIBUCIONES DE FRECUENCIA
Definiremos como frecuencia de un dato el nmero de veces que este aparece
en el colectivo; consecuentemente, si una variable estadstica toma r valores,
cada uno de los cuales puede repetirse un cierto nmero de veces, podramos
decir que el nmero de datos representado por la variable seran N, siendo N la
suma de las respectivas frecuencias de cada dato (N=Xi).
Este valor N ser denominado como frecuencia total, mientras que la frecuencia
de cada dato recibir el nombre de frecuencia absoluta o
simplemente frecuencia (fi).
La frecuencia absoluta nos habla del nmero de veces que un dato aparece en
un colectivo, ms ello no nos dice demasiado en orden al establecimiento de
comparaciones sobre la importancia de este dato. Para obtener una idea de la
importancia que un dato posee en el seno de un colectivo, puesto que no es
suficiente concepto de frecuencia, se utiliza el concepto frecuencia relativa, que
se definir como: el coeficiente entre la frecuencia absoluta del dato
considerado y la frecuencia total (fr=fi/Xi).
Para efectos prcticos, asumiremos las siguientes definiciones de frecuencias:
- frecuencias absolutas: es el nmero de veces que aparece en
la muestra dicho valor de la variable y se representa por fi.
- frecuencias relativas: es el cociente entre la frecuencia absoluta y el
tamao de la muestra. La denotaremos por fri
- frecuencias absoluta acumulada: para poder calcular este tipo de
frecuencias hay que tener en cuenta que la variable estadstica ha de ser
cuantitativa o cualitativa ordenable. En otro caso no tiene mucho sentido
el clculo de esta frecuencia. La frecuencia absoluta acumulada de un valor
de la variable, es el nmero de veces que ha aparecido en la muestra un
valor menor o igual que el de la variable y lo representaremos por fa, se
puede acumular, en la tabla estadstica) en orden ascendente (fa) o
descendente (fa).
42
- frecuencia relativa acumulada: al igual que en el caso anterior se calcula
como el cociente entre la frecuencia absoluta acumulada dividido por el
tamao de la muestra (N) y la denotaremos por fra.
5.2 INTERVALOS DE CLASE Y LMITES DE CLASE
La longitud, tamao o amplitud de un intervalo de clases (C) es la diferencia
entre los limites superior e inferior (C=lim sup lim inf). El Recorrido (R) es la
diferencia entre el dato mayor y el menor del conjunto da datos en estudio
(R=Xn X1)
Un intervalo de clase que, al menos tericamente, no tiene lmite superior o
inferior, se conoce como intervalo de clase abierto. Por ejemplo, al referirse a la
edad de grupos de individuos el intervalo de clase, mayores de 65 aos es un
intervalo de clase abierto.
llHlTFS RFAlFS 0F ClASFS
Si las alturas se registran con aproximacin de pulgada, el intervalo de clase 60
- 62 tericamente incluye todas las medidas desde 59,5000... a 62,5000
pulgadas. Estos nmeros, representados brevemente por los nmeros exactos
59,5 y 62,5, se conocen como lmites reales de clase o lmites verdaderos de
clase; el menor de ellos, 59,5, es el lmite real inferior y el mayor de ellos, 62,5,
es el lmite real superior.
Prcticamente, los lmites reales de clase se obtienen sumando al lmite
superior de un intervalo de clase el lmite inferior del intervalo de clase contiguo
superior y dividiendo por 2.
A veces, los lmites reales de clase se utilizan para simbolizar las clases. Por
ejemplo, las diferentes clases de la primera columna de la Tabla 1 podran
indicarse por 59,5 - 62,5, 62,5 - 65,5, etc. Sin embargo, con tal notacin
aparece una ambigedad, pues los lmites reales de clase no coincidiran con
las observaciones reales. As si una observacin fuese 62,5 no sera posible
discernir si pertenece al intervalo de clase 59,5 - 62,5 o al 62,5 - 65,5.
43
5.3 TAMAO O ANCHURA DE UN INTERVALO DE CLASE
El tamao o anchura de un intervalo de clase es la diferencia entre los lmites
reales de clase que lo forman y se conoce como anchura de clase, tamao de
clase o longitud de clase. Si todos los intervalos de clase de una distribucin de
frecuencias tienen igual anchura, esta anchura comn se representa por c. En
tal caso, c es igual a la diferencia entre dos sucesivos lmites de clase inferiores
o superiores.
Horco Je close
La marca de clase es el punto medio del intervalo de clase y se obtiene
sumando los lmites inferior y superior de la clase y dividiendo por 2. As, la
marca de clase del intervalo 60 - 62 es (60 + 62)/2 = 61. La marca de clase se
llama tambin punto medio de la clase.
Para anlisis matemticos posteriores, todas las observaciones pertenecientes
a un intervalo de clase dado se suponen coincidentes con la marca de clase.
As, todas las alturas en el intervalo de clase 60 - 62 pulgadas se considerarn
como de 61 pulgadas.
En el caso de variables continuas ser necesario fijar intervalos de frecuencias
para llegar a un resumen efectivo de la informacin original. A menudo es
necesario representar una clase, o ms particularmente, un intervalo por un
nico valor, este representar a todo el intervalo y se denominar marca de
clases.
Matemticamente el punto medio de cada intervalo corresponde a lo que
denominamos marca de clase, se denotar por Xi, y constituir el valor
representativo de cada intervalo. El nmero de observaciones que
correspondan a cada intervalo se denominar frecuencias absolutas.
44
Tabla #1: Variables Continuas
Intervalos
(C)
Marcas de Clases
Xi
Frecuencias Absolutas
fi
X1-X2 X1 f1
X2-X3 X2 f2


Xn-1-Xn Xn fn
Donde
N =fi =Nmero de observaciones
C =X X" =Amplitud del intervalo
Por ltimo, en el caso de variables no mensurables, dicha tabla adoptar una
forma como la siguiente:
45
Tabla #2: Variable Ordinales
Variable Frecuencias
Caracterstica A fA
Caracterstica B fB


Caracterstica Z fZ
INTERVALOS DE CLASE Y LMITES DE CLASE
La longitud, tamao o amplitud de un intervalo de clases (C) es la diferencia
entre los limites superior e inferior (C=lim sup lim inf). El Recorrido (R) es la
diferencia entre el dato mayor y el menor del conjunto da datos en estudio
(R=Xn X1)
Un smbolo que define una clase, tal como 60 - 62 de la tabla anterior, se
conoce como intervalo de clase. Los nmeros extremos, 60 y 62, son loslmites
de clase; el nmero menor 60 es el lmite inferior de la clase y el mayor 62 es
el lmite superior. Los trminos clase e intervalo de clase se utilizan a menudo
indistintamente, aunque el intervalo de clase es realmente un smbolo para la
clase.
Un intervalo de clase que, al menos tericamente, no tiene lmite superior o
inferior, se conoce como intervalo de clase abierto. Por ejemplo, al referirse a la
edad de grupos de individuos el intervalo de clase, mayores de 65 aos es
un intervalo de clase abierto.
46
LMITES REALES DE CLASES
Si las alturas se registran con aproximacin de pulgada, el intervalo de clase 60
- 62 tericamente incluye todas las medidas desde 59,5000... a 62,5000
pulgadas. Estos nmeros, representados brevemente por los nmeros exactos
59,5 y 62,5, se conocen como lmites reales de clase o lmites verdaderos de
clase; el menor de ellos, 59,5, es el lmite real inferior y el mayor de ellos, 62,5,
es el lmite real superior.
Prcticamente, los lmites reales de clase se obtienen sumando al lmite
superior de un intervalo de clase el lmite inferior del intervalo de clase contiguo
superior y dividiendo por 2.
A veces, los lmites reales de clase se utilizan para simbolizar las clases. Por
ejemplo, las diferentes clases de la primera columna de la Tabla 1 podran
indicarse por 59,5 - 62,5, 62,5 - 65,5, etc. Sin embargo, con tal notacin
aparece una ambigedad, pues los lmites reales de clase no coincidiran con
las observaciones reales. As si una observacin fuese 62,5 no sera posible
discernir si pertenece al intervalo de clase 59,5 - 62,5 o al 62,5 - 65,5.
5.4 REGLAS GENERALES PARA CONSTRUIR LAS DISTRIBUCIONES DE
FRECUENCIAS POR INTERVALOS
1. A = ( X1, X2, , Xn )
2. Efectuar el arreglo ordenado (Ascendente o Descendente) de la
poblacin o muestra
3. Obtener la frecuencia absoluta mediante la tabulacin o conteo de los
datos (homogenizar los datos)
R = (valor mayor valor menor) = Xn X1
Encontrar el rango o recorrido (R) de los datos:
4. Encontrar el nmero de clases o intervalos de clases (K). El nmero de
clases debe ser tal que se evite el detalle innecesario, pero que no
conduzca a la perdida de ms informacin de la que puede ser
47
convenientemente ignorada. Para este clculo se utiliza la formula de
Sturges
K = 1 + 3.322(log. N)
5. Determinar la amplitud de la clase ( C ):
R
C = --------
K
Nota: el resultado siempre se aproxima al siguiente entero si excede al
nmero entero obtenido, no importa el monto de la fraccin excedida al
entero
C = se lee "se aproxima a"
6. El dato menor (X1) ser el limite inferior de la primera clase. A l se le
suma Cy se obtiene el limite superior de la primera clase que tambin ser
el limite inferior de la segunda clase. Luego se suma nuevamente C y se
obtiene el limite superior del segundo intervalo e inferior del tercero. Y as
sucesivamente hasta que el limite superior corresponda o supere
ligeramente el valor mayor ( Xn ), la cantidad de clases obtenidas deber
corresponder con el nmero K calculado mediante la formula de Sturges.
7. Una vez construidos los intervalos se calculan, mediante tabulacin de
acuerdo a los limites inferiores y superiores de las clases, las frecuencias
absolutas, relativas, porcentuales y acumuladas correspondientes.
8. Con los datos obtenidos se procede a construir la tabla de distribucin
de frecuencia.
CURVAS DE FRECUENCIAS. OJIVAS SUAVIZADAS
El conjunto de datos puede considerarse normalmente como perteneciente a
una muestra extrada de una poblacin grande. A causa de las muchas
observaciones que podemos realizar en la poblacin es posible tericamente
(para datos continuos) elegir los intervalos de clase muy pequeos y todava
tener un nmero adecuado de observaciones dentro de cada clase.
48
As se tiene que el polgono de frecuencias o el de frecuencias relativas para
una poblacin grande puede estar formado por muchos pequeos segmentos
rectos que aproximan el conjunto a una curva, las curvas de este tipo pueden
llamarse curvas de frecuencias o curvas de frecuencias relativa.
Es razonable esperar que tales curvas tericas provengan de la suavizacin de
los polgonos de frecuencias o de los polgonos de frecuencias relativas de la
muestra, la aproximacin es tanto ms exacta conforme aumenta el tamao de
la muestra. Por esta razn una curva de frecuencias se conoce como
un polgono de frecuencias suavizado.
De una forma anloga las ojivas suavizadas provienen de la suavizacin de los
polgonos de frecuencias acumuladas u ojivas. Normalmente es ms sencillo
suavizar una ojiva que un polgono de frecuencias.
TIPOS DE CURVAS DE FRECUENCIA
Las curvas de frecuencia presentan determina das formas caractersticas que
les distinguen como se indica en la Figura.
49
(a) Las curvas de frecuencia simtricas o bien formadas se caracterizan por el
hecho de que las observaciones que equidistan del mximo central tienen la
misma frecuencia. Un ejemplo importante es la curva normal.
(b) En las curvas de frecuencia moderadamente asimtricas o sesgadas la cola
de la curva a un lado del mximo central es mayor que al otro lado. Si la cola
mayor se presenta a la derecha de la curva se dice que sta est sesgada a la
derecha o que tiene sesgo positivo, mientras que si ocurre lo contrario se dice
que la curva est sesgada a la izquierda o que tiene un sesgo negativo.
(c) En las curvas en forma de J o de J invertida, el mximo se presenta en un
extremo.
(d) Las curvas de frecuencias en forma de U tienen el mximo en ambos
extremos.
(e) Una curva de frecuencias bimodal tiene dos mximos.
(f) Una curva de frecuencias multimodal tiene ms de dos mximos.
50
CAPITULO VI
6.1 MEDIDAS DE TENDENCIA CENTRAL
El objetivo principal de las medidas de tendencia central es poder
representar por medio de un solo nmero al conjunto de datos, es decir, dan
valores representativos de la distribucin de frecuencias, situados en algn
lugar intermedio, alrededor del cual, se encuentran los otros valores. Nos
indican dnde tienden a concentrarse los valores.
Existen tres medidas de tendencia central generales, que son, la Media
aritmtica, la Mediana y la Moda; as como otras que se utilizan en casos
particulares como la Media ponderada, la Media Armnica, la Media
Geomtrica, la Media Cuadrtica.
En este tema y los dos siguientes vamos a obtener unos nmeros que
cuantifiquen las propiedades fundamentales de la distribucin de frecuencias.
Estos nmeros podemos clasificarlos en:
Medidas de localizacin (posicin). Son coeficientes de tipo promedio que
tratan de representar una determinada distribucin, pueden ser de dos tipos:
1.-CENTRALES:
Medias:
Aritmtica
Geomtrica
Armnica
Medianas
Moda
2.-NO CENTRALES:
Cuantiles:
- Cuartiles
- Deciles
- Centiles o percentiles
51
Medidas de dispersin.
Son complementarias de las de posicin en el sentido que sealan la
dispersin en conjunto de todos los datos de la distribucin respecto de la
medida o medidas de localizacin adoptadas.
- Medidas de dispersin absoluta: Recorrido
- Medidas de dispersin relativa : Recorrido intercuartlico, desviacin
media, varianza, desviacin tpica.
- Coeficiente de variacin PEARSON.
- Diagrama de caja.
Medidas de forma
Estudian la asimetra- simetra y deformacin (apuntamiento,
aplastamiento) respecto de una distribucin modelo denominada
distribucin NORMAL
Coeficiente de asimetra y coeficiente de Curtosis.
Medidas de concentracin
Estudian la concentracin de una distribucin frente a la uniformidad
6.2 TENDENCIA CENTRAL
MEDIA ARITMTICA: Es la suma de todos los valores de la variable
dividida entre el nmero total de elementos.
n
x
n
x x x x x
X
n
i
i
n n

=
=
+ + + +
=
1 1 3 2 1
....
Si el valor xi de la variable X se repite n
i
veces, aparece en la
expresin de la media aritmtica de la forma:
52
n
n x
X
i i
= , que ser la expresin que consideraremos definitiva de la
media aritmtica.
Como
N
n
f
i
i
= otra posible expresin ser
i
n
i
i
f x X

=
=
1
Ejemplo:
Si tenemos la siguiente distribucin, se pide hallar la media aritmtica, de
los siguientes datos expresados en kg.
x
i
n
i
x
i
n
i
54 2 108
59 3 177
63 4 252
64 1 64
10 601
1 , 60
10
601
= = =

n
n x
X
i i
kg
NOTA: A la media aritmtica se la denomina tambin CENTRO DE
GRAVEDAD de la distribucin.
Si la variable esta agrupada en intervalos (variable continua), se asignan las
frecuencias a las marcas de clase y se procede como si la variable fuera
discreta. En el futuro consideraremos indistintamente ci = xi
53
Ejemplo:
[L
i-1
,L
i
) x
i
= c
i
n
i
c
i
n
i
[30 , 40) 35 3 105
[40 , 50) 45 2 90
[50 , 60) 55 5 275
10 470
47
10
470
= = =

n
n x
X
i i
Datos No Agrupados:
X =
X
n
i
i 1
n
=

Ejemplo: Calcular la media aritmtica de los nmeros 10,12,36,25,58

2 . 24
5
121
5
58 25 36 12 10
= =
+ + + +
= x
Datos Agrupados:
n
*X f
= X
k
1 i
i i
=
X= cualquier dato
Nmero total de
datos
Frecuencia por la marca de clase de
cualquier rengln
Nmero total de
datos
Aadimos las
columnas
segn las
necesidades
54
donde: k = ltima clase
Nota: La media muestral se denota X, la media poblacional se conoce como .
Ejemplo: calcular el salario promedio de :
Como

= = n f 82 sustituimos en la formula y se obtiene:
, ) , ) , )
70 . 670 , 20 $
82
169 5000
82
29 * 25000 35 * 20000 18 * 15000
= =
+ +
= x
MEDIA ARITMTICA PONDERADA: En ocasiones no todos los valores de la
variable tienen el mismo peso. Esta importancia que asignamos a cada
variable, es independiente de la frecuencia absoluta que tenga. Ser como un
aumento del valor de esa variable, en tantas veces como consideremos su
peso.
Es la media aritmtica que se utiliza cuando a cada valor de la variable (x
i
) se
le otorga una ponderacin o peso distinto de la frecuencia o repeticin. Para
poder calcularla se tendr que tener en cuenta las ponderaciones de cada uno
de los valores que tenga la variable
Se la suele representar como:

=
i i
i i i
n w
n w x
w X
Siendo w
i
la ponderacin de la variable x
i
y
i
w la suma de todas las
ponderaciones.
Salarlo
(x)
no. ue emp.
(l)
$13,000 18
$20,000 33
$23,000 29
55
Ejemplo:
Un estudiante realiza 3 exmenes de complejidad creciente, obteniendo los
siguientes resultados: 5, 8 y 7.
El primer examen lo hizo en hora, el segundo en 1 hora y el tercero en hora
y media, por lo que se les atribuye una ponderacin de 1, 2 y 3
respectivamente. Se pide calcular la nota media.
Xi
n
i
Wi xi wi
5 1 1 5
8 1 2 16
7 1 3 21
3 N = 6 42
Si calculamos la media aritmtica tendremos que :
67 , 6
3
7 8 5
=
+ +
= =

n
n x
X
i i
.
Ahora bien, si calculamos la media ponderada, obtendremos:
, ) , ) , )
, )
7
6
42
6
21 16 5
3 2 1
3 7 2 8 1 5
= =
+ +
=
+ +
+ +
=
x x x
x
w
56
PROPIEDADES DE LA MEDIA ARITMTICA
PROPIEDAD 1: La suma de las desviaciones de los valores de la variable con
respecto a la media aritmtica es 0.
Veamos que resulta al operar la siguiente expresin:

=

n
i
i
X x
1
) ( . Tendremos que
, ) , ) , )
0
1
0
1
.
1 1 1 1
) ( ) (
1
= = |
.
|

\
|

= = = = =


=
i i
i i
i i
i
i i
i
i i i
i
i i i
i
i i i
i
i
n
i
i
n n
n
n
n x
n x
n
n X n x
n
n X n x
n
n X n x
n
n X n x
n
n
X x
PROPIEDAD 2: La media aritmtica de los cuadrados de las desviaciones de
los valores de la variable con respecto a una constante cualquiera se hace
mnima cuando dicha constante coincide con la media aritmtica (Teorema de
KRING).
, )
, ) , )
0 0 1
2 2
= = =

=

=
n
n
prop
n
n x x
n
n k x
k D
i i i i i
Para x k= (media aritmtica) el valor de las desviaciones ser mnima.
PROPIEDAD 3: Si a todos los valores de la variable se le suma una misma
cantidad, la media aritmtica queda aumentada en dicha cantidad:
Supongamos que tenemos una variable x de la que conocemos su media.
Supongamos ahora que tenemos otra variable, que se calcula a partir de la
anterior de la siguiente forma: k x y
i i
+ = . Si ahora queremos calcular la media
de esta segunda variable:
, ) , )
k
n
n x
n
kn
n
n x
n
n k
n
n x
n
n k n x
n
kn n x
n
n k x
n
n y
y
i i i i
i i i i i i i i i i i
n
i
i i
+ = + =
= + =
+
=
+
=
+
= =

=1
57
como X
n
n x
i i
=

si sustituimos tendremos k X Y + = que es lo que

pretendamos demostrar.
PROPIEDAD 4: Si todos los valores de la variable se multiplican por una
misma constante la media aritmtica queda multiplicada por dicha constante .
La demostracin se realizara de manera anloga a la anterior.
NOTA: De las dos propiedades anteriores se deduce que la resta y la
divisin se realizaran de igual manera para la propiedad 3 y 4
respectivamente.
Corolario: Si una variable es transformacin lineal de otra variable
(suma de un nmero y multiplicacin por otro), la media aritmtica de la 1
variable sigue la misma transformacin lineal con respecto a la media
aritmtica de la 2 variable, siendo yi = a xi + b , donde a y b son nmeros
reales:
b x a
n
n b
n
n x a
n
bn n ax
n
n b ax
n
n y
y
i i i i i i i i i i
+ = + =
+
=
+
= =

) ( ) (
Podemos utilizar esta metodologa para calcular la media de la siguiente
distribucin.
X
i
n
i
38432 4
38432 8
38436 4
38438 3
38440 8
58
Si efectuamos un cambio de variable
2
38436
=
i
i
x
y tomando como nueva
variable el valor ms centrado, tendremos::
x
i
n
i
y
i
y
i
n
i
38432 4 (38432 - 38436)/2 = -2 -8
38432 8 (38432 - 38436)/2 = -1 -8
38436 4 (38436 - 38436)/2 = 0 0
38438 3 (38438 - 38436)/2 = 1 3
38440 8 (38440 - 38436)/2 = 2 16
n = 27 3
9
1
27
3
= = =
n
n y
y
i i
Como
2
38436
=
x
y , entonces
222 , 38436 38436 222 , 0 38436
9
1
2 38436 2 = + = + = + = y x
PROPIEADAD 5: - Si en un conjunto de valores se pueden obtener 2 ms
subconjuntos disjuntos, la media aritmtica del conjunto se relaciona con la
media aritmtica de cada uno de los subconjuntos disjuntos de la siguiente
forma:
n
n x
X
i i
=
Siendo
i
x la media de cada subconjunto y N
i
el nm. de elementos de
cada subconjunto.
59
Veamos la demostracin de la propiedad: Sea la distribucin x
1
, x
2
, x
3
, x
4
,
x
n
, x
n+1,
x
n+2
.x
k, observando que habran como dos
subconjuntos de n y k-n elementos cada uno. Si consideramos la media
aritmtica de la distribucin:
n
n x
X
i i
= y calculamos los sumatorios para los
dos subconjuntos, la expresin de la media quedara:
n
n x
n
n x
n
n x n x
X
k
n r
r r
n
j
j j
k
n r
r r
n
j
j j


+ =
= + = =
+ =
+
=
1
1 1 1
Si multiplicamos numerador y denominador de cada una de las fracciones
por una misma cantidad el resultado no vara, por tanto, multiplicaremos la
primera por N
1
que es su nmero de elementos del primer subconjunto y la
segunda por N
2
que es el correspondiente, la expresin quedar:
n
N
n x
N
n
N
n x
N
n N
n x N
n N
n x N
X
n
j
j j
n
j
j j
k
n r
r r
n
j
j j
|
|
|
|
|
.
|

\
|
+
|
|
|
|
|
.
|

\
|
= + =

= =
+ =
=
2
1
2
1
1
1
2
1
2
1
1
1
como
1
1
1
x
N
n x
n
j
j j
=

=
y
2
2
1
x
N
n x
kn
n r
jr rj
=

+ =
son la media del primer y segundo
subconjunto, la expresin la podemos expresar de la siguiente manera:
n
N X N X
n
N
X
n
N
X X
2 2 1 1 2
2
1
1
+
= + = que es lo que queramos demostrar ya que si las
frecuencias se multiplican o dividen por un mismo nmero, la media no vara
IMPORTANTE: Hay que tener en cuenta que la media aritmtica es muy
sensible a los valores extremos, es decir, a valores numricos muy diferentes,
(tanto por lo grandes, o pequeos que sean), al resto de la muestra. Esto
puede resultar un problema. Hay formas de resolverlo, que veremos ms
adelante.
60
MEDIANA: Me.- La mediana o valor mediano ser el valor de la variable
que separa en dos grupos los valores de las variables, ordenadas de menor a
mayor. Por tanto es una cantidad que nos indica orden dentro de la
ordenacin.
El lugar que ocupa se determina dividiendo el n de valores entre 2:
2
n
Cuando hay un nmero impar de valores de la variable, la mediana ser justo
el valor de orden central, aquel cuya frecuencia absoluta acumulada coincida
con
2
n
. Es decir:
i i i
x Me N
n
N = s <

2
1
. Por tanto la mediana coincide con un valor
de la variable.El problema est cuando haya un nmero par de valores de la
variable. Si al calcular
2
n
resulta que es un valor menor que una frecuencia
absoluta acumulada, el valor de la mediana ser aquel valor de la variable cuya
frecuencia absoluta cumpla la misma condicin anterior:
i i i
x Me N
n
N = s <

2
1
. Por el contrario si coincide que
i
N
N
=
2
, para obtener
la mediana realizaremos el siguiente clculo:
2
1 +
+
=
i i
x x
Me
Ejemplo: Sea la distribucin
x
i
n
i
N
i
1 3 3
2 4 7
5 9 16
7 10 26
10 7 33
13 2 35
n = 35
61
Lugar que ocupa 5 , 17
2
35
2
= =
n
Como se produce que
i i i
x Me N
n
N = < < < <

26 7 , 17 16
2
1
, por lo tanto
Me = 7
El otro caso lo podemos ver en la siguiente distribucin:
x
i
n
i
N
i
1 3 3
2 4 7
5 9 16
7 10 26
10 6 32
n= 32
Lugar que ocupa = 32/2 = 16 ==> 6
2
7 5
2
1 1
=
+
=
+
=
+ i
x x
Me
Notar que en este caso se podra haber producido que hubiera una frecuencia
absoluta acumulada superior a 16.
Datos No agrupados: En los datos ordenados se aplica la siguiente
relacin, para encontrar la posicin de los datos.
2
1 +
=
n
posicin ; en donde n = nmero total de datos
Entonces podemos tener slo dos alternativas
a) El valor de la posicin puede ser entero y lo nico que debemos hacer es
contar el nmero de lugares que nos indica esta formula.
62
El valor de la posicin nos da un valor decimal (.5) y entonces debemos: sumar
los valores involucrados y dividirlos entre 2. Por ejemplo; si tenemos los valores
5, 7, 8, 13 entonces la posicin nos da 2.5 por que tendremos que seleccionar
a los nmeros 7 y 8 para luego sumarlos (15) y dividirlos entre 2 (7.5)
Datos agrupados, hay que determinar el intervalo mediano j )
i i
L L ,
1
, la forma
de hacerlo ser calcular el valor de la mitad de n, y observar que intervalo tiene
una frecuencia absoluta acumulada que cumpla
i i
N
n
N < <

2
1
.
Despus de saberlo haremos el siguiente clculo:
i
i
i
i
a
n
N
N
L Me
1
1
2

+ =
Siendo: [ L
i
-1
,
L
i
) el intervalo que contiene a la frecuencia acumulada N/2
a
i
= amplitud de dicho intervalo.
Ejemplo:
[ L
i
-1
,
L
i
) n
i
N
i
[20 , 25) 100 100
[25 , 30) 150 250
[30 , 35) 200 450
[35 , 40) 180 630
[40 , 45) 41 671
N = 671
63
671/2 = 335.5 ; Me estar en el intervalo [30 - 35 ). Por tanto realizamos el
clculo:
138 , 32 5 *
200
250 5 , 33
30
2
1
1
=

+ =

+ =

i
i
i
i
a
n
N
n
L Me
MTODO PROYECTIVO
Con base en el mtodo proyectivo, se puede obtener la mediana para datos
agrupados de la siguiente forma:
1. Tomar el nmero total de frecuencias y dividirlo entre dos.
2. Restar a ese nmero el total de frecuencias de las clases
anteriores a la clase mediana.
3. Usar el nmero obtenido para hacer un cambio del doble superior
de escala entre las frecuencias de la clase mediana y sus rangos
para obtener la distancia parcial
4. Sumamos la distancia parcial obtenida a el lmite inferior de la
clase.
1. El nmero total de frecuencias es de; (3+5+2)/2 = 10/2 = 5
2. El total de frecuencias anteriores es 2; (5 - 2) = 3
3. Hacemos el cambio de escalas:
64
Resolviendo:
la mediana es la suma de todos los datos
dividido entre el nmero de datos
4. Se suma la distancia parcial al lmite inferior:
LA MODA (MO.).- A veces es importante conocer cul es el valor que ms
prevalece en el conjunto de datos. El valor que ocurre con ms frecuencia se le
conoce como moda. La moda es la medida de tendencia central especialmente
til para describir mediciones de tipo ordinal, de intervalos y nominal.
En un conjunto de nmeros la moda se define como el valor nmero que
ocurre con ms frecuencia
Ejemplo:
En el siguiente conjunto de nmeros 1, 5, 5, 9, 12, 12, 12, 14. La moda es igual
a 12, por cuanto que es el nmero que ms se repite (tres veces)
La Moda para datos agrupados (Mo.):
La Moda puede deducirse de una distribucin de frecuencia o de un histograma
a partir de la frmula.
Mo. = Li + [ ( 1 / 1+2 ) ] C
Donde;
Li = lmite inferior de la clase modal (clase de mayor frecuencia absoluta (fa)
1 = diferencia de las frecuencias absolutas de la clase modal y premodal.
2 = diferencia de las frecuencias absolutas de la clase modal y postmodal
C = amplitud de la clase modal.
65
Ejemplo:
Para encontrar la moda es necesario, en primer lugar, identificar la clase
modal; que ser aquella que posea la mayor frecuencia absoluta. En el ejemplo
de cuentas por cobrar de Cabrera s y Asociados la clase modal ser la primera,
por cuanto que tiene la mayor frecuencia absoluta.
A partir de esto se puede reemplazar en la formula anterior los datos, a saber
:
Li =7.42 C=14.415 f1 = 10 (frecuencia absoluta de la clase modal)
f0 = 0 (frecuencia absoluta de la clase premodal)
f2 = 4 (frecuencia absoluta de la clase postmodal)
1 = 100 = 10 2 = 10-4 = 6
Mo. = 7.42 + [ (10/10+6) 14.415 ] = 7.42 + [ (10/16) 14.415] =
= 7.42 + [ 0.625 (14.415) ] = 7.42 + 9.01 = 16.53
Propiedades de la moda
- La moda se puede determinar en todos los tipos de mediciones
(nominal, ordinal, de intervalos, y relativa).
- La moda tiene la ventaja de no ser afectada por valores extremos.
- Al igual que la mediana, puede ser calculada en distribuciones con
intervalos abiertos.
Desventajas de la moda
- En muchas series de datos no hay moda porque ningn valor aparece
ms de una vez.
- En algunas series de datos hay ms de una moda, en este caso uno
podra preguntarse cual es el valor representativo de la serie de
datos?
66
Relacin emprica entre la media, la mediana y la moda
En distribuciones totalmente simtricas, la media, la mediana y la moda
coinciden, localizndose en un mismo valor. En cambio, en distribuciones
moderadamente asimtricas, la siguiente relacin se mantiene
aproximadamente:
Media Moda = 3(Media Mediana
Posiciones relativas de la media, la mediana y la moda para curvas de
frecuencias asimtricas a derecha e izquierda respectivamente, para curvas
simtricas los tres valores coinciden
LA MEDIA ARMNICA, denominada H, de una cantidad finita de nmeros es
igual al recproco, o inverso, de la media aritmtica de los recprocos de dichos
valores y es recomendada para promedia velocidades.
As, dados n nmeros x
1
, x
2
, ... , x
n
la media armnica ser igual a:
67
La media armnica resulta poco influida por la existencia de determinados
valores mucho ms grandes que el conjunto de los otros, siendo en cambio
sensible a valores mucho ms pequeos que el conjunto.
La media armnica no est definida en el caso de que exista algn valor nulo.
Propiedades
1. La inversa de la media armnica es la media aritmtica de los inversos
de los valores de la variable.
2. Siempre se puede pasar de una media armnica a una media aritmtica
transformando adecuadamente los datos.
3. La media armnica siempre es menor o igual que la media aritmtica, ya
que para cualesquiera nmeros reales positivos :
Ventaja
- Considera todos los valores de la distribucin y en ciertos casos, es ms
representativa que la media aritmtica.
Desventajas
- La influencia de los valores pequeos y
- El hecho que no se puede determinar en las distribuciones con algunos
valores iguales a cero; por eso no es aconsejable su empleo en
distribuciones donde existan valores muy pequeos.
Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc
LA MEDIA GEOMTRICA.- Se define como la raz de ndice de la
frecuencia total cuyo radicando es el producto de las potencias de cada valor
de la variable elevado a sus respectivas frecuencias absolutas, se denota por
g; suele utilizarse cuando los valores de la variable siguen una progresin
68
geomtrica. Tambin para promediar porcentajes, tasas, n ndices, etc.
siempre que nos vengan dados en porcentajes y se calcula mediante la
siguiente frmula
g = n\(X1 * X2 * .* Xn
Frmula que algunas veces es conveniente expresarla en forma logartmica. El
logaritmo de la media geomtrica es la media aritmtica de los logaritmos
de los valores de la variable. El problema se presenta cuando algn valor es
0 negativo y exponente de la raz par ya que no exista raz par de un nmero
negativo, entonces la frmula anterior se presenta de la siguiente manera:
log Xg =1/N (log X1 +log X2 + +log Xn)
Ejemplo;
Encontrar la media de los siguientes nmeros 2, 4, 8. obsrvese que entre ellos
existe una razn o proporcin constante, cada uno de ellos es el doble del
anterior, por tanto la media a utilizar es la media geomtrica, de la siguiente
manera
g = 3\ (2) (4) (8) = 3\ 64 = 4
Respuesta: la media geomtrica de los datos es 4
PROPIEDADES DE LA MEDIA GEOMTRICA (
- La media geomtrica esta basada en todas las observaciones, por lo
que est afectada por todos los valores de la variable. Sin embargo, da
menos pesos a los valores extremadamente grandes que el que les da la
media aritmtica.
- La media geomtrica es igual a cero si algunos de los valores es cero, y
se puede volver imaginaria si ocurren valores negativos. Con la excepcin
de estos dos casos, su valor siempre es definitivo y est rgidamente
definido.
- La media geomtrica es la que se debe utilizar cuando lo que se va a
promediar son tasas de cambios o proporciones, y se intenta dar igual peso
a tasas de cambios iguales.
69
Datos No Agrupados:
n
n 2 1
Y * * Y * Y G =
Ejemplo:
Si los precios de la accin Anhuac en los ltimos cuatro das fueron; 4.75,
5.23, 4.78 y 6.32 calcula el factor de crecimiento promedio y el crecimiento
porcentual promedio.
Existen dos formas de resolverlo:
- De la forma ortodoxa:
09 9 869 49 3 . 1 330526316 . 1
78 . 4
32 . 6
*
23 . 5
78 . 4
*
75 . 4
23 . 5
Y * * Y * Y G
3
3 n
n 2 1
= = = =
Lo que acabamos de obtener es factor de crecimiento promedio y para obtener
el crecimiento se aplica la siguiente formula:
% 9 869 . 9 100 * ) 09 9 869 49 3 . 1 1 ( 100 * ) 1 ( = = = G o crecimient
- Otra forma es
09 9 869 49 3 . 1 330526316 . 1
75 . 4
32 . 6
primero
ltimo
3
3
1 - datos de nmero = = = = G
Datos Agrupados:
n
f
k
f
2
f
1
k 2 1
Y * * Y * Y G =
donde: k = ltima clase
Nota: Se puede demostrar que X G > .
Tambin puede calcularse la media geomtrica ponderada.
70
Ejemplo:
Supngase que se cuenta con la informacin diaria de los incrementos
porcentuales de una accin y que se representan en la siguiente tabla:
a) Calcular los factores de crecimiento.
|
.
|

\
|
+ =
100
1
porcentual o crecimient
y
b) Calcular el factor de crecimiento promedio
24159 65 . 1 30 . 1 * 20 . 1 * 10 . 1 Y * * Y * Y G
77 48 15 14
n
f
k
f
2
f
1
k 2 1
= = =
MEDIA CUADRTICA (MC).- La media cuadrtica naci con el objetivo de
poder obtener el promedio de valores positivos y negativos al mismo tiempo,
adems de ser una gran ayuda para poder calcular las dispersiones promedio
de los datos (ver medidas de dispersin).
Datos no agrupados:
n
x
MC
n
i
i
=
=
1
2
Creclmlento
porcentual
()
lrecuenclas
en dlas
10 14
20 13
30 48
71
Ejemplo:
Supngase que se obtienen las ganancias y prdidas del precio de una accin
durante una semana; - 4.00, - 3.50, 2.35, 6.20, 3.25 Calcular el promedio:
18669 1 . 3
5
775 . 50
5
25 . 3 2 . 6 35 . 2 ) 5 . 3 ( ) 0 . 4 (
2 2 2 2 2
1
2
= =
+ + + +
= =

=
n
x
MC
n
i
i
Datos agrupados:
n
x f
MC
n
i
i i
=
=
1
2
Ejemplo:
Ahora deseamos obtener el promedio de una tabla de distribucin de
frecuencias pero con datos positivos y negativos.
5239 . 6
41
75 . 12 * 2 75 . 2 * 14 ) 25 . 7 ( * 25
2 2 2
1
2
=
+ +
= =

=
n
x f
MC
n
i
i i
Cananclas y
perdldas del
preclo de
una accln
(x)
no. ue
dlas
(f)
-7.23 23
2.73 14
12.73 2
72
CAPITULO VII
7.1 CUANTILES
Son medidas de localizacin similares a las anteriores. Se las denomina
CUANTILES (Q). Su funcin es informar del valor de la variable que ocupar la
posicin (en tanto por cien) que nos interese respecto de todo el conjunto de
variables.
Podemos decir que los Cuantiles son unas medidas de posicin que dividen a
la distribucin en un cierto nmero de partes de manera que en cada una de
ellas hay el mismo de valores de la variable.
7.2 TIPOS DE CUANTILES
Las ms importantes son:
CUARTILES, dividen a la distribucin en cuatro partes iguales (tres
divisiones). C
1
,C
2
,C
3
, correspondientes a 25%, 50%,75%.
DECILES, dividen a la distribucin en 10 partes iguales (9
divisiones).D
1
,...,D
9
, correspondientes a 10%,...,90%
PERCENTILES, cuando dividen a la distribucin en 100 partes (99
divisiones).P
1
,...,P
99
, correspondientes a 1%,...,99%.
Existe un valor en cual coinciden los cuartiles, los deciles y percentiles es
cuando son iguales a la Mediana y as veremos
100
50
10
5
4
2
= =
En las distribuciones sin agrupar, primero hallaremos el lugar que ocupa:
Entonces tendremos que :
N
i=1
< (%) . n < N
i
Q = x
i
en el supuesto que (%).n = Ni
2
1 +
+
=
i i
x x
Q
73
Primero encontraremos el intervalo donde estar el cuantil:
lugar N
i=1
< (%) n< N
i
Intervalo [L
i-1
, L
i
) , en este caso:
, )
i
i
i
n
N N
L Q
1
1
%

+ = a
i
Ejemplo:
DISTRIBUCIONES NO AGRUPADAS: En la siguiente distribucin
x
i
n
i
N
i
5 3 3
10 7 10
15 5 15
20 3 18
25 2 20
n = 20
Calcular la mediana (Me); el primer y tercer cuartil (C
1
,C
3
); el 4 decil (D
4
) y el
90 percentil (P
90
)
Lugar que ocupa la mediana lugar 20/2 = 10
Como es igual a un valor de la frecuencia absoluta acumulada, realizaremos es
c
PRIMER CUARTIL (C
1
)
Lugar que ocupa en la distribucin ( ). 20 = 20/4 = 5 Como N
i-1
< (25%).n <
N
i
, es decir 3 < 5 < 10 esto implicara que C
1
= x
i
=10
74
TERCER CUARTIL (C
3
)
Lugar que ocupa en la distribucin (3/4).20 = 60/4 = 15, que coincide con un
valor de la frecuencia absoluta acumulada, por tanto realizaremos el clculo:
5 , 17
2
20 15
2
1
3
=
+
=
+
=
i i
x x
C
CUARTO DECIL (D
4
)
Lugar que ocupa en la distribucin (4/10) . 20 = 80/10 = 8. Como N
i-1
< (%).n
< N
i
ya que 3 < 8 < 10 por tanto D
4
=10.
NONAGSIMO PERCENTIL (P
90
)
Lugar que ocupa en la distribucin (90/100). 20 = 1800/100 = 18. que coincide
con un valor de la frecuencia absoluta acumulada, por tanto realizaremos el
clculo: 5 , 22
2
25 20
2
1
9 0
=
+
=
+
=
i i
x x
P
Ejemplo:
DISTRIBUCIONES AGRUPADAS: Hallar el primer cuartil, el cuarto decil y el
90 percentil de la siguiente distribucin:
[L
i-1
, Li) n
i
N
i
[0 , 100) 90 90
[100 , 200) 140 230
[[200 , 300) 150 380
[300 , 800) 120 500
n = 500
75
Primer cuartil (C
4
)
Lugar ocupa el intervalo del primer cuartil: (1/4). 500 = 500/4 = 125. Por tanto
C
4
estar situado en el intervalo [100 200).Aplicando la expresin
directamente, tendremos: 125 100
140
9 0 125
100
4
=

+ = C
Cuarto decil (D
4
)
Lugar que ocupa: (4/10) . 500 = 200 . Por tanto D
4
estar situado en el
intervalo [100 200). Aplicando la expresin tendremos:
57 , 178 100
140
9 0 200
100
4
=

+ = D
Nonagsimo percentil (P
90
)
Lugar que ocupa: (90/100) . 500 = 450, por tanto P
90
estar situado en el
intervalo [300 800). Aplicando la expresin tendremos:
67 , 59 1 500
120
70
300 500
120
380 450
300
9 0
= + =

+ = P
76
CAI1ULC VIII
8.1 MLDIDAS DL DISLkSICN
Rango (o Intervalo):Es la distancia que existe entre el menor y mayor valor de
los datos.
Datos No Agrupados:
min max rango =
Datos Agrupados:
1 k
LI LS rango =
donde k = ltima clase
Rango Semi-Inter Cuartil (Q): (o Desviacin Cuartil)
Mide el rango promedio de una cuarta parte de los datos (evita los valores
extremos)
2
Q Q
Q
1 3

=
8.2 DESVIACIN MEDIA ABSOLUTA (DM): (O DESVIACIN ABSOLUTA
PROMEDIO)
Es la distancia promedio de los datos a su media.
Datos No Agrupados:
DM =
X X
n
i
i 1
n

Datos Agrupados:
DM =
f X X
n
i i
i 1
k

77
8.3 VARIANZA
Poblacional (
2
): Es el promedio del cuadrado de la distancia de los datos a
su media
Datos No Agrupados:
, )
2
N
1 i
2
i
2
N
1 i
2
i
2
N
X
N
X
=

|
|
|
|
.
|

\
|
=

=
=
Datos Agrupados:
, )
2
k
1 i
2
i
i
2
k
1 i
2
i i
2
N
*X f
N
X f
=

|
|
|
|
.
|

\
|
=

=
=
Muestral (S
2
): La suma de las distancias al cuadrado se divide entre en
nmero de datos menos uno:
Datos No Agrupados:
, )
|
|
.
|

\
|

|
|
|
|
.
|

\
|
=

=
=
1 n
x n
1 - n
S
1 - n
x x
= S
2
n
1 i
2
2
n
1 i
2
i
2
i
x
78
Datos Agrupados:
, )
|
|
.
|

\
|

|
|
|
|
.
|

\
|
=

=
=
1 - n
x n
1 - n
x f
S
1 - n
x x f
= S
2
k
1 i
2
i i
2
k
1 i
2
i i
2
Nota: S
2
para muestras "chicas". Para muestras grandes S
2
o
2
prcticamente
no difieren.
8.4 DESVIACIN ESTNDAR
Mide la variacin de los datos en trminos absolutos. Es la raz cuadrada
positiva de la varianza.
Poblacional: =
2
Muestral: S= S
2
La desviacin estndar se interpreta construyendo intervalos alrededor del
promedio:
a) Teorema de Chebyshev. Si la distribucin no es simtrica y unimodal.
- Al menos el 75% de los valores cae dentro de 2 desviaciones estndar
alrededor de la media: , ) 2S X
- Al menos el 89% de los valores caen dentro de 3 desviaciones estndar
alrededor de la media: , ) 3S X
b) Regla Emprica. Si la distribucin es una curva acampanada, unimodal y
simtrica:
- Aproximadamente el 68% de los datos (poblacin) se encuentran a una
desviacin estndar alrededor de la media: , ) S X
79
- Aproximadamente el 95% de los datos (poblacin) se encuentran a 2
desviaciones estndar alrededor de la media: , ) 2S X
- Aproximadamente el 99% de los datos (poblacin) se encuentran a 3
desviaciones estndar alrededor de la media: , ) 3S X
Coeficiente de Variacin (CV): Mide la variacin relativa de la variable con
respecto a su promedio. Mide la magnitud de la desviacin estndar en relacin
con la magnitud de la media. Se expresa en por cientos.
CV=
S
X
1 00
8.5 SIMETRA
Esta medida nos permite identificar si los datos se distribuyen de forma
uniforme alrededor del punto central (Media aritmtica). La asimetra presenta
tres estados diferentes ,cada uno de los cuales define de forma concisa como
estn distribuidos los datos respecto al eje de asimetra. Se dice que la
asimetra es positiva cuando la mayora de los datos se encuentran por encima
del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen
aproximadamente la misma cantidad de valores en ambos lados de la media y
se conoce como asimetra negativa cuando la mayor cantidad de datos se
aglomeran en los valores menores que la media.
Figura 5-1
El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,
80
Donde (g1) representa el coeficiente de asimetra de Fisher, (Xi) cada uno de
los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los
resultados de esta ecuacin se interpretan:
- (g1 = 0): Se acepta que la distribucin es Simtrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la
media. Este valor es difcil de conseguir por lo que se tiende a tomar los
valores que son cercanos ya sean positivos o negativos ( 0.5).
- (g1 > 0): La curva es asimtricamente positiva por lo que los valores se
tienden a reunir ms en la parte izquierda que en la derecha de la media.
- (g1 < 0): La curva es asimtricamente negativa por lo que los valores
se tienden a reunir ms en la parte derecha de la media.
Desde luego entre mayor sea el nmero (Positivo o Negativo), mayor ser la
distancia que separa la aglomeracin de los valores con respecto a la media.
8.6 CURTOSIS
Esta medida determina el grado de concentracin que presentan los valores en
la regin central de la distribucin. Por medio del Coeficiente de Curtosis,
podemos identificar si existe una gran concentracin de valores (Leptocrtica),
una concentracin normal (Mesocrtica) una baja concentracin (Platicrtica).
81
Para calcular el coeficiente de Curtosis se utiliza la ecuacin:
Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores,
( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de
esta frmula se interpretan:
- (g2 = 0) la distribucin es Mesocrtica: Al igual que en la asimetra es
bastante difcil encontrar un coeficiente de Curtosis de cero (0), por lo
que se suelen aceptar los valores cercanos ( 0.5 aprox.).
- (g2 > 0) la distribucin es Leptocrtica
- (g2 < 0) la distribucin es Platicrtica
Cuando la distribucin de los datos cuenta con un coeficiente de asimetra (g1
= 0.5) y un coeficiente de Curtosis de (g2 = 0.5), se le denomina Curva
Normal. Este criterio es de suma importancia ya que para la mayora de los
procedimientos de la estadstica de inferencia se requiere que los datos se
distribuyan normalmente.
La principal ventaja de la distribucin normal radica en el supuesto que el 95%
de los valores se encuentra dentro de una distancia de dos desviaciones
estndar de la media aritmtica es decir, si tomamos la media y le sumamos
dos veces la desviacin y despus le restamos a la media dos desviaciones, el
95% de los casos se encontrara dentro del rango que compongan estos
valores.
82
Desde luego, los conceptos vistos hasta aqu, son slo una pequea
introduccin a las principales medidas de Estadstica Descriptiva; es de gran
importancia que los lectores profundicen en estos temas ya que la principal
dificultad del paquete SPSS radica en el desconocimiento de los conceptos
estadsticos.
Las definiciones plasmadas en este captulo han sido extradas de los libros
Estadstica para administradores escrito por Alan Wester de la editorial
McGraw-Hill y el libro Estadstica y Muestreo escrito por Ciro Martnez editorial
Ecoe editores (Octava edicin). No necesariamente tienes que guiarte por
estos libros ya que en las libreras encontraras una gran variedad de textos que
pueden ser de bastante utilidad en la introduccin a esta ciencia.
8.7 OTRAS CONSIDERACIONES DE LAS MEDIDAS DE DISPERSIN
ABSOLUTAS
VARIANZA ( s2 ): es el promedio del cuadrado de las distancias entre cada
observacin y la media aritmtica del conjunto de observaciones.
Haciendo operaciones en la frmula anterior obtenemos otra frmula para
calcular la varianza:
Si los datos estn agrupados utilizamos las marcas de clase en lugar de Xi.
DESVIACIN TPICA (S): La varianza viene dada por las mismas unidades
que la variable pero al cuadrado, para evitar este problema podemos usar
como medida de dispersin la desviacin tpica que se define como la raz
cuadrada positiva de la varianza
83
Para estimar la desviacin tpica de una poblacin a partir de los datos de una
muestra se utiliza la frmula (cuasi desviacin tpica):
RECORRIDO O RANGO MUESTRAL (Re). Es la diferencia entre el valor de
las observaciones mayor y el menor. Re = xmax - xmin
MEDIDAS DE DISPERSIN RELATIVAS
COEFICIENTE DE VARIACIN DE PEARSON: Cuando se quiere comparar el
grado de dispersin de dos distribuciones que no vienen dadas en las mismas
unidades o que las medias no son iguales se utiliza el coeficiente de variacin
de Pearson que se define como el cociente entre la desviacin tpica y el valor
absoluto de la media aritmtica
CV representa el nmero de veces que la desviacin tpica contiene a la media
aritmtica y por lo tanto cuanto mayor es CV mayor es la dispersin y menor la
representatividad de la media.
Medidas de Forma
Comparan la forma que tiene la representacin grfica, bien sea el histograma
o el diagrama de barras de la distribucin, con la distribucin normal.
MEDIDA DE ASIMETRA
Diremos que una distribucin es simtrica cuando su mediana, su moda y su
media aritmtica coinciden.
Diremos que una distribucin es asimtrica a la derecha si las frecuencias
(absolutas o relativas) descienden ms lentamente por la derecha que por la
izquierda.
Si las frecuencias descienden ms lentamente por la izquierda que por la
derecha diremos que la distribucin es asimtrica a la izquierda.
84
Existen varias medidas de la asimetra de una distribucin de frecuencias. Una
de ellas es el Coeficiente de Asimetra de Pearson:
Su valor es cero cuando la distribucin es simtrica, positivo cuando existe
asimetra a la derecha y negativo cuando existe asimetra a la izquierda.
MEDIDA DE APUNTAMIENTO O CURTOSIS
Miden la mayor o menor cantidad de datos que se agrupan en torno a la moda.
Se definen 3 tipos de distribuciones segn su grado de curtosis:
Distribucin mesocrtica: presenta un grado de concentracin medio alrededor
de los valores centrales de la variable (el mismo que presenta una distribucin
normal). Distribucin leptocrtica: presenta un elevado grado de concentracin
alrededor de los valores centrales de la variable. Distribucin platicrtica:
presenta un reducido grado de concentracin alrededor de los valores centrales
de la variable.
EJEMPLO 1
El nmero de dis necesarios por 10 equipos de trabajadores para terminar 10
instalaciones de iguales caractersticas han sido: 21, 32, 15, 59, 60, 61, 64, 60,
71, y 80 das. Calcular la media, mediana, moda, varianza y desviacin tpica
SOLUCIN:
La media: suma de todos los valores de una variable dividida entre el nmero
total de datos de los que se dispone:
La mediana: es el valor que deja a la mitad de los datos por encima de dicho
valor y a la otra mitad por debajo. Si ordenamos los datos de mayor a menor
observamos la secuencia:
15, 21, 32, 59, 60, 60,61, 64, 71, 80.
85
Como quiera que en este ejemplo el nmero de observaciones es par (10
individuos), los dos valores que se encuentran en el medio son 60 y 60. Si
realizamos el clculo de la media de estos dos valores nos dar a su vez 60,
que es el valor de la mediana.
La moda: el valor de la variable que presenta una mayor frecuencia es 60
La varianza S2: Es la media de los cuadrados de las diferencias entre cada
valor de la variable y la media aritmtica de la distribucin.
Sx2=
La desviacin tpica S: es la raz cuadrada de la varianza.
S = 427,61 = 20.67
El rango: diferencia entre el valor de las observaciones mayor y el menor
80 - 15 = 65 das
El coeficiente de variacin: cociente entre la desviacin tpica y el valor
absoluto de la media aritmtica
CV = 20,67/52,3 = 0,39
EJEMPLO 2
El precio de un interruptor magentotrmico en 10 comercios de electricidad de
una ciudad son : 25, 25, 26, 24, 30, 25, 29, 28, 26, y 27 Euros. Hallar la media,
moda, mediana, (abrir la calculadora estadstica, ms abajo) diagrama de
barras y el diagrama de caja.
SOLUCIN:
Utilizar la calculadora de debajo)
86
El diagrama de cajas: caja desde Q1 a Q3 (50% de los datos), bigotes el
recorrido]
COEFICIENTE DE ASIMETRA DE PEARSON
El coeficiente de asimetra de Pearson mide la desviacin respecto de la
simetra expresando la diferencia entre la media y la mediana en relacin con la
desviacin estndar del grupo de medidas. Las frmulas son:
En una distribucin simtrica, el valor del coeficiente de asimetra ser siempre
de cero, porque la media y la mediana son iguales entre s en valor En una
distribucin asimtrica positiva, la media siempre es mayor que la mediana; en
consecuencia, el valor del coeficiente es positivo. En una distribucin
asimtrica negativa, la media siempre es menor que la mediana; por lo tanto, el
valor del coeficiente es negativo.
MEDIDAS DE DISPERSIN - VARIANZA Y DESVIACIN
As como las medidas de tendencia central nos permiten identificar el punto
central de los datos, las Medidas de dispersin nos permiten reconocer que
tanto se dispersan los datos alrededor del punto central; es decir, nos indican
cuanto se desvan las observaciones alrededor de su promedio aritmtico
(Media). Este tipo de medidas son parmetros informativos que nos permiten
conocer como los valores de los datos se reparten a travs de eje X, mediante
un valor numrico que representa el promedio de dispersin de los datos. Las
medidas de dispersin ms importantes y las ms utilizadas son la Varianza y
la Desviacin estndar (o Tpica).
VARIANZA
Esta medida nos permite identificar la diferencia promedio que hay entre cada
uno de los valores respecto a su punto central (Media ). Este promedio es
calculado, elevando cada una de las diferencias al cuadrado (Con el fin de
eliminar los signos negativos), y calculando su promedio o media; es decir,
sumado todos los cuadrados de las diferencias de cada valor respecto a la
87
media y dividiendo este resultado por el nmero de observaciones que se
tengan. Si la varianza es calculada a una poblacin (Total de componentes de
un conjunto), la ecuacin sera:
Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, ( )
representa la media poblacional y (N) es el nmero de observaciones tamao
de la poblacin. En el caso que estemos trabajando con una muestra la
ecuacin que se debe emplear es:
Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, ( )
representa la media de la muestra y (n) es el nmero de observaciones
tamao de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta
uno al tamao de la muestra; esto se hace con el objetivo de aplicar una
pequea medida de correccin a la varianza, intentando hacerla ms
representativa para la poblacin. Es necesario resaltar que la varianza nos da
como resultado el promedio de la desviacin, pero este valor se encuentra
elevado al cuadrado.
Desviacin estndar o Tpica
Esta medida nos permite determinar el promedio aritmtico de fluctuacin de
los datos respecto a su punto central o media. La desviacin estndar nos da
como resultado un valor numrico que representa el promedio de diferencia
que hay entre los datos y la media. Para calcular la desviacin estndar basta
con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:
88
Para comprender el concepto de las medidas de distribucin vamos a suponer
que el gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos
respectivamente.
Por lo que su media es:
La varianza sera:
Por lo tanto la desviacin estndar sera:
Con lo que concluiramos que el peso promedio de los empaques es de 507
gramos, con una tendencia a variar por debajo o por encima de dicho peso en
12 gramos. Esta informacin le permite al gerente determinar cuanto es el
promedio de perdidas causado por el exceso de peso en los empaques y le da
las bases para tomar los correctivos necesarios en el proceso de empacado.
89
CAPITULO IX
9.1 MEDIDAS DE FORMA
Proporcionan un valor numrico para saber hacia qu lado de la
distribucin hay mayor acumulacin de frecuencias y si la concentracin central
de frecuencias es mayor que en los extremos o viceversa sin tener que graficar
los datos.
Momento Respecto de la Media: El r-simo momento respecto a la media
aritmtica es:
Datos No Agrupados:
, )
n
x x
m
n
1 i
r
i
r

=

=
Datos Agrupados:
, )
n
x x f
m
n
1 i
r
i i
r

=

=
El primer momento respecto a la media (r=1) siempre es igual a cero.
El segundo momento respecto a la media (r=2) es la varianza poblacional.
Sesgo: Es el grado de asimetra que tiene la distribucin. La distribucin puede
ser:
- Insesgada: Si tiene forma de campana y el rea acumulada del centro de la
distribucin a la derecha es igual a la que se acumula a la izquierda.
Moda=Mediana=Media
Insesgada
90
- Con sesgo positivo o a la derecha: Si tiene la mayor acumulacin de
frecuencias a la izquierda y una cola larga a la derecha.
- Con sesgo negativo o a la izquierda: Si la mayor acumulacin est a la
derecha y tiene una cola larga a la izquierda.
Coeficiente Momento de Sesgo (a
3
): se calcula dividiendo el tercer momento
respecto a la media entre la desviacin estndar al cubo:
Datos No Agrupados:
, )
3
n
1 i
3
i
3
3
3
ns
x x
S
m
a

=

= =
Datos Agrupados:
, )
3
k
1 i
3
i i
3
3
3
ns
x x f
S
m
a

=

= =
91
Curtosis: Mide qu tan puntiaguda es una distribucin, con respecto a la
Normal.
La distribucin puede ser:
- Mesocrtica: solo la distribucin Normal (es el trmino medio).
- Leptocrticas: Las distribuciones ms puntiagudas que la Normal.
- Platocrticas: Las distribuciones menos puntiagudas que la Normal.
Coeficiente momento de curtosis (a
4
): se calcula dividiendo el cuarto
momento respecto a la media entre la varianza al cuadrado (o la desviacin
estndar a la cuarta).
Coeflclente
momento
de sesgo
Sesgo
a
3
= 0 no hay sesgo. La
dlstrlbucln es
lnsesgada
a
3
> 0 La dlstrlbucln tlene
sesgo posltlvo o a la
derecha.
a
3
< 0 La dlstrlbucln tlene
sesgo negatlvo o a la
lzqulerda.
92
Datos No Agrupados:
, )
3
n
1 i
4
i
4
4
4
ns
x x
S
m
a

=

= =
Datos Agrupados:
, )
4
k
1 i
4
i i
4
4
4
ns
x x f
S
m
a

=

= =
9.2 MEDIDAS DE CONCENTRACIN
En una distribucin, ni la media ni la varianza son explicativas de la
mayor o menor igualdad en el reparto; para esto usamos las medidas de
concentracin.
Consideremos que la variable en cuestin es el salario. Una distribucin muy
concentrada indica que pocos individuos reciben la mayor parte del total,
mientras que poca concentracin supone que todos los individuos tienen un
reparto igualitario.
Coeflclente
momento
de curtosls
Curtosls
a
4
= 3 La dlstrlbucln es
Mesocurtlca.
a
4
> 3 La dlstrlbucln es
Leptocurtlca.
a
4
< 3 La dlstrlbucln es
latocurtlca.
93
Indice de Gini:
, )

=

=
1 k
1 i
i
1 k
1 i
i i
p
q p
Ig
donde:
k = nmero de clases, renglones o categoras
p
i
= la proporcin acumulada de individuos =
f
n
100
i
= fra x 100
q
i
= la proporcin acumulada del total del producto de f
i
* x
i
0 s s Ig 1
Si Ig=0, la variable est menos concentrada (mejor repartida).
Si Ig=1, la variable est ms concentrada (peor repartida).
Curva de Lorenz: Se grafican los valores de la proporcin acumulada de
individuos (p) y la proporcin acumulada del total de la variable (q).
La funcin identidad representa la igualdad absoluta, es decir, a la variable
cuando no est concentrada (la recta a 45 grados). La desigualdad absoluta o
mxima concentracin de la variable indicara que un solo individuo tenga el
total de la variable (el tringulo inferior).
Cuanto ms se acerque la Curva de Lorenz a la diagonal, mas igualitario ser
el reparto (Ig = 0). Cuanto ms se acerque la Curva de Lorenz al tringulo
inferior, mas concentrada esta la variable (Ig = 1).
94
El Indice de Gini calcula el rea entre la diagonal y la Curva de Lorenz, como
un porcentaje del rea del tringulo inferior de la grfica (mide la desigualdad
relativa).
Ejemplo:
La informacin que se presenta a continuacin representa el salario de los 300
empleados de una empresa y nos interesa saber la concentracin de los datos.
, )
0391 . 0
67 . 96 33 . 63
09 . 1 17 . 5
p
q p
Ig
1 k
1 i
i
1 k
1 i
i i
=
+
+
=

=

=

=
Como podemos observar el resultado
refleja que no hay mucha concentracin de los datos, es decir, los datos se
encuentran bien distribuidos.
Salarlo
Mensual (en mlles)
no. de
empleados
Marca de
clase
l * x lra = P C - C
8 - 10 190 9 1710 63.33 38.163 38.16 3.17
10 - 12 100 11 1100 96.67 37.42 93.38 1.09
12 - 14 10 13 130 100.00 4.42 100.00 0
95
9.3 PROBLEMAS RESUELTOS Y PROPUESTOS
Ejemplo #1:
Variable Continua:
La tienda CABRERAS Y ASOCIADOS estaba interesada en efectuar
un anlisis de sus cuentas por comprar. Uno de los factores que ms
interesaba a la administracin de la tienda era el de los saldos de las cuentas
de crdito. Se escogi al azar una muestra aleatoria de 30 cuentas y se anot
el saldo de cada cuenta (en unidades monetarias) como sigue:
77.97 13.02 17.97 89.19 12.18 8.15 34.40 43.13 79.61 90.99
43.66 29.75 7.42 93.91 20.64 21.10 17.64 81.59 60.94 43.97
32.67 43.66 51.69 53.40 68.13 11.10 12.98 38.74 70.15 25.68
Solucin:
1. A= ( 7.42, 8.15, , , , 90.99, 93.91 )
donde: X1 = valor mnimo = 7.42
Xn= valor mximo = 93.91
2. Efectuar el arreglo ordenado de la poblacin o muestra:
R = valor mayor valor menor = Xn X1 = 93.91 7.42 = 86.49
3. Encontrar el rengo o recorrido de los datos: "R"
K=1+3.322(log N)
Nota: en el ejemplo en estudio N=30 por cuanto que son 30 clientes en la
muestra:
K = 1 + 3.322 (log 30)
= 1 + 3.322 (1.477) el log fue obtenido segn calculadora
= 1+ 4.9069
= 5.9069 ~6 aproximado al siguiente entero
4. Encontrar en nmero de clases "K" , segn la frmula de Sturges:
96
5. Determinar la amplitud de la clase: "C"
Nota: obsrvese que se va a trabajar con una cifra significativa ms cmoda, o
sea como los datos estn dados en centsimos, se calculo C hasta los
milsimos para evitar que algn dato coincida con el lmite de clases
Clases P.M.
Xi
fi fr fa fa fra fra
7.420 21.835 14.628 10 0.33 10 30 0.33 1.00
21.835 36.250 29.043 4 0.13 14 20 0.46 0.67
36.250 50.665 43.458 5 0.17 19 16 0.63 0.54
50.665 65.080 57.873 3 0.10 22 11 0.73 0.37
65.080 79.495 72.288 3 0.10 25 8 0.83 0.27
79.495 93.910 86.703 5 0.17 30 5 1.00 0.17
Total XXX 30 1.00 XXX XXX XXX XXX
Simbologa utilizada:
XI = Punto medio o marca de clases
fi =frecuencia absoluta
fr = frecuencia relativa
fa = frecuencia absoluta acumulada descendente
fa = frecuencia absoluta acumulada ascendente
fra =frecuencia relativa acumulada descendente
97
fra = frecuencia relativa acumulada ascendente
Nota:
i. Obsrvese que el lmite inferior de la primera clase es el valor
mnimo ( X1=7.42 ) y el lmite superior es el resultado de X1+C =
7.42+14.415 =21.835.
ii. El lmite inferior de la siguiente clase es igual al lmite superior de la
clase anterior y el lmite superior es el resultado de adicionarle
nuevamente la amplitud de la clase ( C ).
iii. Obsrvese que el lmite superior de la ltima clase es igual al valor
mayor ( Xn=93.91 )
OTROS PROBLEMAS
Problema #1: Variable Continua
En la siguiente tabla se presentan los pesos de 40 estudiantes de
la Universidad de Panam, con una aproximacin de una libra.
138 164 150 132 144 125 149 157
146 164 140 147 136 148 152 144
168 126 138 176 163 118 154 165
146 173 142 147 135 153 140 135
161 145 135 142 150 156 145 126
a. Construya una tabla de distribucin de frecuencias, indicando las
frecuencias absolutas, relativas, absolutas acumuladas y relativas
acumuladas.
b. Construya un histograma, un polgono de frecuencias y una ojiva de la
distribucin.
98
Problema #2: Variable Discreta:
Una encuesta entre un grupo de madres-solteras, para analizar
los problemas econmicos que enfrentan, en determinada comunidad; arroj
los siguientes resultados acerca del nmero de nios en el hogar.
1 4 2 3 5 3 5 3 3 5
1 1 2 1 4 1 2 1 4 1
2 1 1 2 1 2 3 2 3 3
3 1 3 4 1 1 3 5 4 2
2 5 1 4 2 3 1 2 5 1
a. Construya una tabla de distribucin de frecuencias y sus respectivas
representaciones grficas.
Problema #3:
Una compaa de transmisiones electrnicas registro como sigue el nmero de
recibos de servicios prestados por cada una de sus 20 sucursales en el ltimo
mes:
808 641 628 731 641 446 342 545 910 568
335 459 727 848 229 347 309 649 575 757
La compaa piensa que una tienda realmente no puede esperar alcanzar
financieramente el punto de equilibrio con menos de 456 servicios prestados
mensualmente. Adems su poltica es dar un bono financiero al gerente que
genere ms de 683 servicios al mes. Disponga los datos en una arreglo e
indique cuntas sucursales no estn consiguiendo el punto de equilibrio y
cuntas ganan el bono.
99
Problema #4:
Una agencia de viajes ofrece precios especiales en ciertas travesas por el
Caribe. Planea ofrecer varios de estos paseos durante la prxima temporada
invernal en el hemisferio norte y desea enviar folletos a posibles clientes. A fin
de obtener el mayor provecho por cada unidad monetaria gastada
enpublicidad, necesita la distribucin de las edades de los pasajeros de
travesas anteriores. Se consider que si participaban pocas personas de un
grupo de edad en los paseos no sera econmico enviar un gran nmero de
folletos a personas de ese grupo de edad. La agencia seleccion una muestra
de 40 clientes anteriores de sus archivos y se registr sus edades, como sigue:
77 18 63 84 38 54 50 59
54 56 36 50 50 34 44 41
58 58 53 62 62 43 52 53
63 62 62 61 61 52 60 60
45 66 83 63 63 58 61 71
a. Organice los datos en una tabla de distribucin de frecuencias de las
edades de los clientes en la muestra
b. Cul grupo de edad presenta la mayor frecuencia relativa? Cul la
menor frecuencia relativa?.
c. Saque conclusiones que puedan ayudar a la agencia a planear una
campaa de publicidad para los paseos invernales
OTROS PROBLEMAS RESUELTOS
1. El siguiente cuadro muestra las calificaciones del Segundo Ao de
Educacin
Bsica de la asignatura de Lenguaje en un Centro Educativo
100
19 18 14 20 16
15 19 18 17 18
18 20 19 16 18
18 17 20 17 19
19 20 19 18 18
Procedamos a presentar los datos en un cuadro estadstico, ordenado en forma
descendente.
Calificaciones del Segundo Ao de Educacin Bsica de la asignatura de
Lenguaje en un Centro Educativo:
Cmo lo hicimos?
n = 25
Ejemplo:
Estas son las estaturas en cm de un grupo de jvenes
150 153 156 150 154 154 155 152 154
149 158 154 161 159 152 149 150 146
155 162 145 157 148 161 149 154 151
101
Como podemos observar las estaturas son muy variadas. Qu hacer para una
mayor comprensin?.
Usted tiene la respuesta. Agruparlas en intervalos
Para ello agrupemos en intervalo de 3, en forma ascendente
TENGA PRESENTE QUE:
Que en este tipo de distribuciones que si un valor corresponde al lmite entre
dos intervalos, debemos anotarlo en el intervalo superior.
ACTIVIDADES:
1. Los siguientes datos se obtuvieron al preguntar a las alumnas del 10mo. ao
de
Educacin Bsica su edad:
15 16 14 13 12 17 12 14 15 16 13 15 16 16 13 14 16
12 14 16 12 13 16 14 15 13 12 12 13
a) Ordene los datos en forma ascendente y descendente b) Calcule la amplitud
c) Elabore una tabla de frecuencia
d) Halle el porcentaje de las alumnas que tienen 17 aos
e) Conteste: Cuntas alumnas tienen 15 aos?
2. Llene los espacios en blanco de la siguiente tabla correspondiente a
estaturas en cm.
102
SERIE I: MEDIA ARITMTICA DE UNA SERIE ESTADSTICA SIMPLE
Supongamos que en un curso de 10 alumnos las calificaciones en la asignatura
de matemticas fueron: 20, 15, 12, 18, 12, 17, 15, 16, 19, 17. Encontremos la
media aritmtica.
SOLUCIN.
La media aritmtica simple se obtiene con la frmula:
SERIE 2.MEDIA ARITMTICA DE UNA SERIE ESTADSTICA DE
FRECUENCIA
Para determinar la media aritmtica de una serie estadstica de frecuencia
multiplicamos
la variable por la frecuencia respectiva, posteriormente sumamos estos
productos y
Dividimos por el nmero de casos, su frmula es:
103
Ejemplo
Los datos del siguiente cuadro estadstico corresponden a estaturas en cm. de
25 alumnos
de la especialidad de Fsico Matemticas de la UTPL.
SERIE 3. MEDIA ARITMTICA DE UNA SERIE ESTADSTICA DE
INTERVALOS
Para determinar la media aritmtica de una serie estadstica de intervalos
podemos seguir el siguiente procedimiento:
? Obtenemos los puntos medios de la serie
? Multiplicamos las frecuencias por las marcas de clase o puntos medios
? Sumamos los productos por las marcas de clase o puntos medios
? Por ltimo dividimos la suma obtenida por el nmero de elementos de la serie
Ejemplo:
La presente tabla de frecuencia muestra de calificaciones de 35 alumnos del
9no ao de
Educacin Bsica de un Centro educativo de la ciudad de Loja.
104
EJEMPLOS DE CUANTILES
En una clnica de la ciudad de Loja, por medio de una encuesta se pregunto la
edad a los enfermos, se tabulo la informacin y se obtuvieron los siguientes
resultados.
Determine;
a) El segundo cuartil b) El sexto decil
c) El centil 50
Desarrollo:
a) Primero encuentre la posicin del cuartil 2
2 N/4 = 2.105/4 = 52.5
Este valor se localiza en la frecuencia acumulada (prximo mayor).
Observamos que
el intervalo donde se encuentra este valor es (30 34 ) y para el calculo
matemtico se emplea la frmula.
105
Quiere decir que Quiere decir que el 50 % de enfermos tienen una edad inferior
a 30,75 aos.
b) Calculamos la posicin del 6 decil
6N/10 = 6.105/10 = 63
Este valor esta localizado en el mismo intervalo del cuartil 2, para su clculo
matemtico se aplica la frmula.
106
Es decir el 60% de los enfermos tienen edades inferiores a 33 ao.
El clculo del Cser igual al de la mediana? Justifique su respuesta
AUTOEVALUACIN
1. En el parntesis correspondiente escriba una C o una I si el enunciado
es correctoo incorrecto.
a) El cuartil 50 divide a la serie en dos partes iguales ( )
b) El decil 5 de la siguiente serie: 18,17,15,14,13,12 es 14 ( )
c) El centil 50 de la serie anterior es 3.5 ( )
d) El valor de la mediana es igual al cuartil 2 ( )
2. En los cuadros siguientes determine el valor correspondiente a las
medidas anotadas
107
OTROS EJEMPLOS DE MEDICION CENTRAL
a) Serie Simple Tipo(I)
Medidas centrales
Mdn =N/2= 7/2 = 3.5(corresponde a 95) Mo ( No hay)
Medidas de dispersin
Rango = VM-Vm 98 92 = 6
b) Serie de frecuencias Tipo (II)
Medidas centrales
Mdn=N/2= 40/2 = 20 17 Mo = 16
108
Para el Modo(a) observe en el cuadro que la mayor frecuencia es 12 y que
corresponde a la variable 16. En cambio en el caso anterior no existe puesto
que no hay casos que se repiten.
Medidas de dispersin
Rango = VM-Vm 20 -15 = 5
c) Serie de intervalos o Tipo (III)
Evaluacin final de estadstica descriptiva
1. Como estadstico residente de Pigs and People (P & P) Airlines, el director
de la divisin de anlisis estadstico le pide recolectar y agrupar los datos sobre
el nmero de pasajeros que han decidido viajar con P&P. Tales datos
correspondientes a los ltimos 50 das aparecen en la siguiente tabla.
68 71 77 83 79
72 74 57 67 69
50 60 70 66 76
109
70 84 59 75 94
65 72 85 79 71
83 84 74 82 97
77 73 78 93 95
78 81 79 90 83
80 84 91 101 86
93 92 102 80 69
a) Realice la tabla de distribucin de frecuencia con 6 clases. Est trabajando
con datos continuos o discretos?
b) Construya un Histograma, Polgono de frecuencia y Ojiva
2) Su firma esta introduciendo un nuevo chip de computador del cual se
promociona que realiza clculos estadsticos mucho ms rpidamente que los
que actualmente se encuentran en el mercado. Se hacen 20 clculos
diferentes, produciendo los tiempos en segundos que se ven ms adelante.
Aunque usted no puede tergiversar su producto, usted desea presentar los
resultados de la manera ms favorable para su empresa. Determine la media,
la mediana y la moda.
3.2 4.1 6.3 1.9 0.6 5.4 5.2 3.2 4.9 6.2
1.8 1.7 3.6 1.5 2.6 4.3 6.1 2.4 2.2 3.3
2. Los siguientes datos son los ingresos de 60 ejecutivos de marketing para
empresas de Estados Unidos. Los datos estn expresados en miles de dlares.
58 76 89 45 67 34
64 76 34 65 45 39
79 74 56 71 85 87
74 38 69 79 61 71
69 62 56 38 69 79
71 54 31 69 62 39
110
65 79 47 46 77 66
55 75 62 57 77 36
73 72 64 69 51 50
40 50 74 61 69 73
c) Realice la tabla de distribucin de frecuencia con n clases. Est trabajando
con datos continuos o discretos?
d) Construya un Histograma, Polgono de frecuencia y Ojiva
2) Su firma esta introduciendo un nuevo chip de computador del cual se
promociona que realiza clculos estadsticos mucho ms rpidamente que los
que actualmente se encuentran en el mercado. Se hacen 20 clculos
diferentes, produciendo los tiempos en segundos que se ven ms adelante.
Aunque usted no puede tergiversar su producto, usted desea presentar los
resultados de la manera ms favorable para su empresa. Determine la media,
la mediana y la moda.
52 43 30 38 30 42 12 46 39 37
34 46 32 18 41 5
3. Los siguientes datos son los ingresos de 60 ejecutivos de marketing para
empresas de Estados Unidos. Los datos estn expresados en miles de dlares.
58 76 89 45 67 34
64 76 34 65 45 39
79 74 56 71 85 87
74 38 69 79 61 71
69 62 56 38 69 79
71 54 31 69 62 39
65 79 47 46 77 66
55 75 62 57 77 36
73 72 64 69 51 50
111
40 50 74 61 69 73
e) Realice la tabla de distribucin de frecuencia con n clases. Est trabajando
con datos continuos o discretos?
f) Construya un Histograma, Polgono de frecuencia y Ojiva
2) Su firma esta introduciendo un nuevo chip de computador del cual se
promociona que realiza clculos estadsticos mucho ms rpidamente que los
que actualmente se encuentran en el mercado. Se hacen 20 clculos
diferentes, produciendo los tiempos en segundos que se ven ms adelante.
Aunque usted no puede tergiversar su producto, usted desea presentar los
resultados de la manera ms favorable para su empresa. Determine la media,
la mediana y la moda.
52 43 30 38 30 42 12 46 39 37
34 46 32 18 41 5
LABORATORIO PARA LA EVALUACION
(Resolver y entregar en grupos de tres estudiantes, equivalen a nota de
un parcial)
Problema #1:
Una guardera es una institucin elegible para recibir un subsidio destinado a
los servicios sociales del corregimiento, a condicin de que la edad promedio
de sus nios no llegue a 9 aos. Si los datos siguientes representan la edad de
todos los nios que actualmente asisten a ella:
8 5 9 10 9 12 7 12 13 7 8
a. Llena el requisito para recibir el subsidio?
14,500 15,600 12,500 8.000 7,800
6,500 5,900 10,200 8,800 14,300
13,900
112
b. La guardera del ejemplo anterior puede continuar siendo subvencionada
por la oficina de servicios sociales de la Junta Comunal, mientras el
ingreso anual promedio de la familia cuyos asisten a esa institucin no
llegue a B/.12,500.00. El ingreso familiar de los padres de los nios es;
c. Llena esta institucin los requisitos para recibir apoyo financiero de la
Junta Comunal del Corregimiento?
d. Si la respuesta a (c) es negativa, cunto debe disminuir el ingreso
familiar para cumplir esa condicin?
e. Si la respuesta a (c) es afirmativa, cunto puede aumentar el ingreso
familiar promedio, sin que la institucin pierda su elegibilidad para recibir el
subsidio?
Problema #2:
Una granja ganadera registro durante febrero el nacimiento de 29 terneros,
cuyos pesos al nacer (en kilogramos) fue el siguiente:
22 31 33 34 35 36 37 38 38 39
40 40 40 41 41 42 42 42 42 42
43 43 44 45 46 46 46 46 50
Los datos anteriores al ser dispuestos en una tabla de distribucin de
frecuencias se obtuvo la siguiente tabla resultante.
clases fi
21.5 26.5 1
26.5 31.5 1
31.5 36.5 4
36.5 41.5 9
113
41.5 46.5 13
46.5 51.5. 1
Total 29
Calcule en las dos variantes (datos no agrupados y datos agrupados) la media
aritmtica, la mediana y la moda.
Problema #3:
El peso en kilogramos de un grupo de estudiantes del sexo masculino en un
curso de educacin fsica, son los siguientes:
clases fi
52.5 57.5 8
57.5 62.5 9
62.5 67.5 6
67.5 72.5 4
72.5 77.5 2
77.5 82.5. 1
Total 30
Encuentre la media, la mediana y la Moda. Compare los resultados utilizando la
frmula sealada anteriormente en el texto relativa a la correspondencia entre
estas tres medidas de tendencia central.
114
Problema #4:
Un profesor ha decidido utilizar un promedio ponderado al calcular las
calificaciones finales de los estudiantes que asistieron a su seminario. El
promedio de las tareas hechas en casa representan el 20% de cada
calificacin, el examen parcial, 25%; el examen final, 35%; el examen
trimestral, 10% y los problemas de practica, 10%. Con los datos anexos calcule
el promedio final de los cinco estudiantes que asistieron al seminario
Alumno Tarea
escolar
Problemas Examen
trimestral
Examen
parcial
Examen
final
1 85 89 94 87 90
2 78 84 88 91 92
3 94 88 95 86 89
4 82 79 83 84 93
5 95 90 92 82 88
Problema #5:
En 1996 se invirti un fondo de B7.30,000.00 y durante diez aos se
reinvirtieron todos los intereses y dividendos. Al final de los diez aos el valor
total del fondo era de B7.49,783.64 Cul fue la tasa de rendimiento promedio,
computada anualmente sobre la inversin inicial?
Problema #6:
Los siguientes tres automviles obtuvieron el kilometraje por litro de gasolina
que se indica abajo, despus de cubrir un trayecto de 600 km, en una pista de
prueba. Cul es el promedio de kilmetros por litros para los tres
automviles?.
115
Automvil A 12.5 km/lt
Automvil B 15.6 km/lt
Automvil C 19.4 km/lt
Problema #7:
Suponga que cada uno de los tres automviles del problema #6 tena 10 litros
de gasolina en el tanque. Los autos fueron rodados hasta que se le acab la
gasolina y los kilmetros por litro fueron los mismos sealados en el problema
anterior. Cul es el nmero promedio de kilmetros para los tres
automviles?. Compare esta respuesta con los que se obtuvieron en el
problema #6.
Problemas de prctica de sumatorias
I. Si x1=4; x2=8; x3=10; x4=12; x5=15; x6=5; x7=4; x8=14; x9=16 lleva a cabo
las siguientes operaciones
II. Dado que
x1=4; x2=6; x3=-5; x4=1;
y1=2; y2=3; y3=5; y4=7;
z1=3; z2=8; z39; z4=10
116
Halla
Respuestas
I.-
1) 22
2) 49
3) 179
4) 73
5) 7(88) = 616
6) 12
II-.
1) 30
117
2) 23
3) 6 + 17 = 23
4) 5(47) = 235
5) 17 + 30 = 47
6) 53
7) 5(8) = 40
8) 1(10) = 10
OTROS PROBLEMAS RESUELTOS
1.-El gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos
respectivamente.
Por lo que su media es:
Con lo que concluiramos que el peso promedio de los empaques es de 507
gramos, con una tendencia a variar por debajo o por encima de dicho peso en
12 gramos. Esta informacin le permite al gerente determinar cuanto es el
118
promedio de perdidas causado por el exceso de peso en los empaques y le da
las bases para tomar los correctivos necesarios en el proceso de empacado.
2.-Ejemplo: Desviacin estndar para datos no agrupados
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.
3.- Hallar la desviacin media, la varianza y la desviacin tpica de la series de
nmeros siguientes:
2, 3, 6, 8, 11.
12, 6, 7, 3, 15, 10, 18, 5.
2, 3, 6, 8, 11.
119
12, 6, 7, 3, 15, 10, 18, 5.
4.-Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 nios
de su consulta en el momento de andar por primera vez:
Meses Nios
9 1
10 4
11 9
12 16
13 11
14 8
15 1
120
Calcular la desviacin tpica.
5.-.El resultado de lanzar dos dados 120 veces viene dado por la tabla:
Sumas 2 3 4 5 6 7 8 9 10 11 12
Veces 3 8 9 11 20 19 16 13 11 6 4
Calcular la desviacin tpica.
121
6.-Calcular la desviacin tpica de una distribucin estadstica que viene dada
por la siguiente tabla:
122
7.-Calcular la desviacin tpica de la distribucin de la tabla:
123
8.-Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la
tabla:
Altura
[170,
175)
[175,
180)
[180,
185)
[185,
190)
[190,
195)
[195,
2.00)
N de
jugadores
1 3 4 8 5 2
Calcular la desviacin tpica
124
9.-Dada la distribucin estadstica:
[0, 5) [5, 10) [10, 15) [15, 20) [20, 25) [25, 8)
fi 3 5 7 8 2 6
Calcular la desviacin tpica.
Media
No se puede calcular la media, porque no se puede hallar la marca de clase del
ltimo intervalo.
125
Desviacin tpica
Si no hay media no es posible hallar la desviacin tpica.
10.- Calcular la desviacin tpica de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
Ejercicios de varianza
1.-Calcular la varianza de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
2.-Calcular la varianza de la distribucin de la tabla:
126
3.-Hallar la desviacin media, la varianza y la desviacin tpica de la series de
nmeros siguientes:
2, 3, 6, 8, 11.
12, 6, 7, 3, 15, 10, 18, 5.
2, 3, 6, 8, 11.
127
4.-Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la
tabla:
Altura
[170,
175)
[175,
180)
[180,
185)
[185,
190)
[190,
195)
[195,
2.00)
N de
jugadores
1 3 4 8 5 2
Calcula la varianza.
xi fi Fi xi fi xi2 fi
[1.70, 1.75) 1.725 1 1 1.725 2.976
[1.75, 1.80) 1.775 3 4 5.325 9.453
[1.80, 1.85) 1.825 4 8 7.3 13.324
128
[1.85, 1.90) 1.875 8 16 15 28.128
[1.90, 1.95) 1.925 5 21 9.625 18.53
[1.95, 2.00) 1.975 2 23 3.95 7.802
23 42.925 80.213
5.-Determinar la media o valor esperado de la distribucin cuya funcin
densidad de probabilidad est por la regla de correspondencia:
Solucin:
6.-Calcular la varianza para la funcin densidad
Solucin:
129
7.- calcular la varianza de la altura de varios perros
Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y 300mm.
130
BIBLIOGRAFIA
Bibliogrfica Bsica
- Estadstica aplicada a los negocios. Autor: Dr. Mauricio Lefcovich. -
2006.
- Estadstica para negocios Hanke Editorial Irwin 1995
- Estadstica para Administracin y Economa: Mason Lind 2001
- Estadstica Aplicada : Kazmier -2000
- Estadstica para Negocios : Heinz Kohler 2000
- Estadstica : Shaum 2000
*Estadstica econmica y empresarial : A.M. Montiel 2000
- Estadstica para Administradores: Richard Levin -2001
BIBLIOGRAFA COMPLEMENTARIA
- Estadstica Bsica en Administracin: Mark Berenson 2000
- Mtodos de Pronsticos Makridakis Editorial Limusa 1998
- Informtica para Gestores y Economistas Casas Luengo / Garca
Editorial Anaya 2000
- Estadstica Bsica en Administracin : Mark Berenson 2000
- Estadstica Fcil : Murria Spiegel -2000
- Clculo de Probabilidades : Rufino Moya -2000
- Sierra Bravo. R. Diccionario Practico de Estadstica, Ed Paraninfo S.A.
Madrid. Espaa,
- Serrano Rodrguez, Javier. Introduccin a la Estadstica. Ed universitaria
- de Amrica LIDA,
- Devore, Jay L. Probabilidad y Estadstica para ingeniera y ciencias, Ed
Thomson, 4ta Edicin,