ESTADISTICA I

(ESTADISTICA DESCRIPTIVA)

5 SEMESTRE

INTRODUCCION
La estadstica es el lenguaje universal de la ciencia. Como usuarios potenciales de la
estadstica, necesitamos dominar la ciencia y el arte de utilizar correctamente su
metodologa. El empleo cuidadoso de los mtodos estadsticos permite obtener
informacin precisa de los datos. Estos mtodos incluyen: 1). Definir cuidadosamente la
situacin, 2). Recolectar los datos, 3). Resumir con precisin los datos, y 4). Obtener y
comunicar las conclusiones significativas.
La estadstica implica informacin, nmeros para resumir esta informacin y su
interpretacin. El trmino estadstica posee varios significados para personas de diversos
entornos e intereses. Para algunos, es un campo de magia en el que una persona con
conocimiento supera a los dems. Para otros, se trata de un medio para recolectar y
presentar grandes cantidades de informacin. Y todava para otro grupo, se trata de un
medio para tomar decisiones de frente a la incertidumbre. Cada uno de estos puntos de
vista es correcto.
La estadstica es ms que solo nmeros; son los datos, lo que se hace con los datos, lo
que se aprende de los datos y las conclusiones resultantes.
Los mtodos estadsticos son indispensables para muchas disciplinas cientficas. De tal
manera que son utilizados por: Economistas, Bilogos, Psiclogos, Administradores,
Mdicos, Ingenieros, etc.
La mayor parte de los fundamentos de estadstica aplicada y su uso apropiado pueden
dominarse sin hacer referencia a habilidades en matemticas avanzadas, de hecho, los
conocimientos que se requieren para el aprendizaje de la estadstica estn relacionados
con las matemticas bsicas y el lgebra.
UNIDAD I. DATOS ESTADISTICOS
1.1. DEFINICIONES DE ESTADISTICA
1. Coleccin de datos numricos, resultado de observaciones clasificadas y ordenadas
segn un determinado criterio. De tal manera que hay estadsticas: Demogrficas, de
produccin, de natalidad, de duracin de vida, de defunciones, etc.
2. Es el mtodo o tcnica que se sigue para: recolectar, organizar, resumir, generalizar,
presentar y contrastar los resultados de fenmenos reales.
3. Ciencia que utiliza como instrumento a las matemticas y al clculo de probabilidades
para estudiar las leyes de comportamiento de fenmenos que dependen del azar
(aleatorios) y no estn regidos por leyes fsicas.
4. Ciencia de recolectar, describir e interpretar datos

1.2. DIVISIONES DE LA ESTADISTICA

El estudio de la estadstica puede dividirse en dos grandes ramas; una de ellas es la
estadstica descriptiva, que es en la que piensa la mayora de las personas al escuchar
la palabra estadstica. Incluye la recoleccin, presentacin y descripcin de datos
muestrales (medidas de tendencia central, medidas de dispersin, tablas, graficas).
La otra parte es la estadstica inferencial o inferencia estadstica que se refiere a la
tcnica de interpretacin de los valores resultantes de las tcnicas descriptivas, para la
toma de decisiones y obtencin de conclusiones sobre la poblacin muestreada.
1.3. ESTADSTICA DESCRIPTIVA
La estadstica descriptiva es la rama de la estadstica que recolecta, presenta y
caracteriza un conjunto de datos (Ejemplos: edad de los individuos de una poblacin,
altura de los estudiantes de una escuela, temperatura en los meses de verano, etc.) con
el fin de describir e interpretar apropiadamente las diversas caractersticas de ese
conjunto.
Sus mtodos estn basados en la observacin y el recuento.
El tratamiento estadstico consiste en simplificar los datos recolectados para obtener de
ellos una informacin lo ms completa posible del total de la poblacin.
En estadstica descriptiva el material de trabajo lo constituyen los datos, que son los
resultados de las observaciones. Una vez obtenidos los datos hay que ordenarlos y
clasificarlos mediante algn criterio racional de modo que sea posible una visin crtica de
los mismos.
En general, el tratamiento previo de los datos puede ser de tres tipos:
1) Construccin de tablas para ordenar y clasificar los datos.
2) Realizacin de grficos para representar fsicamente los datos.
3) Obtencin de estadsticos o funciones de los valores de los datos, que pretenden
poner de manifiesto ciertas propiedades de los mismos.
1.4. TERMINOS BSICOS UTILIZADOS EN LA ESTADISTICA
Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes
conceptos:
1.4.1. INDIVIDUO
Es cualquier elemento que sea portador de informacin sobre el fenmeno que se
estudia.
Ejemplo: Si estudiamos la altura de los nios de una clase, cada alumno es un individuo.
Ejemplo: Si se estudia el precio de la vivienda, cada vivienda es un individuo.

1.4.2. POBLACIN
Conjunto de todos los individuos (personas, objetos, animales, etc.) que porten
informacin sobre el fenmeno que se estudia.
Ejemplo: Si se estudia el precio de la vivienda en una ciudad, la poblacin ser el total de
las viviendas de dicha ciudad.
Tipos de poblacin
Poblacin finita: El nmero de elementos que la componen es limitado
Ejemplo: Las ballenas del mundo.
Poblacin infinita: El nmero de elementos que la componen es muy grande
Ejemplo: Granos de arena del mar.
1.4.3. MUESTRA
Es un subconjunto que es seleccionado de una poblacin.
Ejemplo: Si se estudia el precio de la vivienda de una ciudad, lo normal ser no recoger
informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja), sino
que se puede seleccionar un subgrupo (muestra) suficientemente representativo.
En el siguiente diagrama se representa la relacin entre individuo, muestra y poblacin.
POBLACION

MUESTRA

INDIVIDUO

Para una mayor comprensin de estos conceptos se te proporcionan los siguientes

ejemplos:
Ejemplo: En un pas se realizo un estudio sobre la evolucin del cncer de mama en las
mujeres, en donde se puede considerar como:
Individuo: cada una de las mujeres residentes en el pas.
Poblacin: el conjunto de todas las mujeres del pas.
Muestra: una porcin del total de mujeres de ese pas.

Con mucha frecuencia se consideran como poblacin y muestra, no los conjuntos de

individuos, sino las medidas de la caracterstica asociadas a esos individuos.
Ejemplo: En un banco de sangre se experimenta un nuevo sistema para aumentar el
perodo de conservacin de la misma. En este caso se tiene que:
Individuo: es cada bolsa de sangre.
Poblacin: es el conjunto de todas las bolsas del banco.
Muestra: se obtiene tomando un cierto nmero de bolsas para su anlisis.
Obsrvese que el concepto de individuo no va asociado necesariamente con el de
persona, sino que puede ser algo de naturaleza ms abstracta.
El estudio sobre las medidas descriptivas de toda la poblacin requiere de un proceso
muy complejo, mientras que en una muestra no es as, por eso se debe tener en cuenta
cual es el objetivo de los resultados para determinar la cantidad de individuos que se debe
considerar en la investigacin.
ESTUDIAR UNA POBLACION
Conocimiento preciso (Parmetros)
Mucho tiempo
Alto costo

ESTUDIAR UNA MUESTRA

Conocimiento aproximado (Estadsticos)
VS
Rpido
Econmico

1.4.3.1. Marco muestral

Es una lista de los elementos que pertenecen a la poblacin de la cual se obtendr la
muestra.
Ejemplo: padrn electoral, directorio telefnico.
El marco muestral debe ser representativo de la poblacin bajo estudio.
1.4.3.2. Caractersticas de una muestra
La muestra debe ser representativa de la poblacin bajo estudio y cada individuo que la
compone se debe elegir al azar.
1.4.3.3. Eleccin de una muestra
Del marco muestral seleccionamos aleatoriamente a cada uno de los elementos de la
muestra. Se pueden utilizar papelitos enumerados dentro de una urna, de donde se extrae
al azar el nmero correspondiente a cada elemento que integrara la muestra. Tambin se
puede hacer utilizando una tabla de nmeros aleatorios.
1.4.3.4. Criterios para seleccionar una muestra
Para seleccionar una muestra se debe tomar en cuenta el tamao de la poblacin o el
tiempo requerido para informar sobre los resultados, de tal manera que se pueden tomar
en cuenta dos criterios:

De carcter cuantitativo, es decir cul es el tamao adecuado de una muestra?

De carcter cualitativo, o, lo que es lo mismo, cmo debe elegirse la muestra?

Grande

1.4.3.5. Tamao de la muestra

Pequea

Se define como el nmero de individuos que componen una muestra.

Ms de 30 elementos

MUESTRA
Menos de 30 elementos
1.4.4. MUESTREO
Es el proceso que se realiza para la obtencin de una muestra.
La eleccin del tipo de muestreo que se utilizara en una investigacin depende de los
siguientes factores: a).Por las condiciones de la poblacin, b).Por el proceso de medicin
y c). Por el tamao de la poblacin.
a). Muestreo por las condiciones de la poblacin

Muestreo aleatorio simple: Se utiliza cuando poblacin es muy compacta y se

considera que las condiciones son las mismas para todos sus elementos, los
cuales tienen la misma probabilidad de ser elegidos para la muestra. Para facilitar
la tarea de seleccin se enumeran sus elementos y se hace un sorteo utilizando
una tabla de nmeros aleatorios.

Ejemplo: Muestreo de alumnos para determinar la edad promedio.

Ejemplo: Muestreo de trabajadores de una empresa para determinar el nivel de estudios.

Muestreo por estratos: Se utiliza cuando la poblacin est muy dispersa.

Consiste en hacer una clasificacin previamente en clases o estratos y de ellos
obtener muestras aleatorias.

Ejemplo: Realizar un muestreo en una ciudad para determinar el tamao de las familias.

Muestreo por conglomerados: Es parecido al muestreo por estratos solo que en

este la poblacin se divide en clases con determinados caracteres comunes entre
ellas (conglomerados).
Ejemplo: Realizar un muestreo en un municipio para estudiar el estado de nutricin de los
nios.
b). Muestreo por el proceso de medicin.

se

Muestreo no destructivo: Al obtener la muestra el elemento seleccionado no se

destruye.

Muestreo Destructivo: Al obtener la muestra el elemento seleccionado

destruye.
Ejemplo: Al determinar la cantidad de jugo de una fruta.
Ejemplo: Al determinar la resistencia de un cristal al impacto.

Ejemplo: Al determinar estatura o peso de una persona.

c). Muestreo por el tamao de la poblacin.

Muestreo con reemplazo: El elemento seleccionado se analiza y se regresa a la

poblacin, por lo que puede seleccionarse nuevamente, simulando una poblacin
infinita.

Muestreo sin reemplazo: El elemento seleccionado no se regresa a la poblacin

de donde se tom.

1.4.5. VARIABLE ESTADSTICA

Una variable estadstica es cada una de las caractersticas o cualidades que

poseen los individuos de una poblacin. Ejemplo: Estatura, peso, edad,
calificacin, religin, sexo, nacionalidad, etc.

Son todos aquellos atributos que se pueden medir, controlar y estudiar en una
investigacin.

Las variables estadsticas igual que en el lgebra se pueden representar con letras X, Y o
Z.
1.4.5.1. Clasificacin de las Variables Estadsticas
Existen diferentes clasificaciones para las variables estadsticas, y estas pueden ser:
I). Por el tipo de valores:
Las variables se clasifican en cualitativas y cuantitativas:
a). Variables Cualitativas (o Categricas): No se pueden medir numricamente
(nacionalidad, color de la piel, sexo).
Ejemplo: Gero, Blanco, moreno.
Las variables cualitativas a su vez se dividen en nominales y jerarquizadas.

Nominales: Expresan una condicin especifica del objeto de estudio.

Ejemplo: Nacionalidad, Domicilio

Jerarquizadas: Expresan una caracterstica de tamao u orden.

Ejemplo: Chico, Mediano, Grande

Ejemplo: Malo, Regular, Bueno
b). Variables Cuantitativas (o Numricas o Escalares): Expresan con nmeros las
caractersticas (edad, precio de un producto, ingresos anuales) de los individuos bajo
estudio. Se pueden medir con un instrumento o algn equipo especial.
Ejemplo: 25 Kg, 78 cm, $7.00
Las variables cuantitativas se clasifican en discontinuas y continuas.

Discontinuas (Discretas): Son las que solo pueden tomar valores con nmeros
enteros. Solo se pueden contar.

Ejemplo: Nmero de hijos

Ejemplo: Cantidad de ballenas del mundo

Continuas (Indiscretas): Son aquellas que admiten todos los valores dentro de
un intervalo. Se pueden medir con un instrumento.

Ejemplos: Peso, Estatura, Tiempo

Las variables cuantitativas (numricas o escalares) pueden convertirse en cualitativas
(categricas), al agrupar los nmeros en categoras, pero no puede existir el
procedimiento inverso:
EDAD NUMERICA
EDAD CATEGORICA

11 12 13 14 15
Adolescente

16 17 18 19 20
Jvenes

21 22 23 24 25
Adultos jvenes

II) Por la cantidad de valores

En esta clasificacin se considera que las variables estadsticas pueden ser: dicotmicas
y politomicas.
a). Dicotmicas: Son aquellas en donde solo existen dos valores. Generalmente se
refiere a la existencia o no existencia de la caracterstica o a la clasificacin en dos
categoras.
Ejemplo: Sexo Masculino y Femenino
b). Politomicas: Es cuando el fenmeno puede presentarse en tonalidades o matices
diferentes, o en grados, magnitudes o medios distintos.
Ejemplo: Edad, religin, estado civil, sueldo, estatura.
Por sus caractersticas las variables politomicas pueden convertirse en dicotmicas, al
agruparse los nmeros o las categoras, pero no puede existir el procedimiento inverso.
Esto depende del objetivo de la investigacin:

Ejemplo: La variable estado civil que originalmente es politomica por tener muchos
valores, pero puede convertirse en dicotmica.

ESTADO CIVIL POLITOMICA

Casado
Unin libre
Soltero
Divorciado
Viudo

ESTADO CIVIL DICOTOMICA

Con pareja

Sin pareja

1.4.6. DATOS ESTADISTICOS

Son la materia prima de la estadstica. Son nmeros que se obtienen al medir las
caractersticas de un conjunto de personas u objetos, tales como las edades, los pesos y
las alturas de los habitantes de una ciudad determinada o el numero de botellas
defectuosas y no defectuosas producidas por una fabrica en un tiempo determinado.
Los datos estadsticos son medidas y/o nmeros recopilados a partir de la observacin.
Los datos pueden concebirse como informacin numrica necesaria para ayudar a tomar
una decisin con ms bases en una situacin particular.
Dato: es cada uno de los valores que puede tomar la variable estadstica; resulta de medir
cada elemento de la poblacin o muestra bajo estudio. Este valor puede ser un numero,
una palabra o un smbolo.
Ejemplo: 1.65 m, 65 kg, 3 seg, 27C, etc.
1.4.6.1. Clasificacin de los datos estadsticos
Del proceso de medicin de la variable bajo estudio se pueden obtener:
Datos discretos: Son respuestas numricas que surgen de un proceso de conteo.
Datos continuos: Son respuestas numricas que surgen de un proceso de
medicin.
1.4.6.2. Fuente de datos estadsticos
Existen muchos mtodos mediante los cuales se pueden obtener datos necesarios:
1. Buscar datos ya publicados por otras fuentes.
2. Disear un experimento.
3. Conducir un estudio.

4. Hacer observaciones del comportamiento, actitudes u opiniones de los individuos

en los que se est interesado.
Algunas tcnicas que se pueden utilizar para la recoleccin de datos son: la entrevista
personal, el cuestionario postal y la investigacin de archivo.
Los datos deben ser recopilados de manera aleatoria y en cantidades suficientemente
grande para que la muestra sea representativa de la poblacin bajo estudio.
Poca precisin----------Muestra pequea = pocos datos
Mayor precisin--------Muestra grande = muchos datos
Poblacin grande -----Muestra grande
Poblacin chica--------Muestra chica
Es importante obtener buenos datos porque en ltima instancia las inferencias efectuadas
se basan en las estadsticas obtenidas a partir de ellos. Estas inferencias solo pueden ser
tan buenas si los datos son buenos.
Recolectar datos estadsticos es una labor complicada y es recomendable:
1. Definir los objetivos de la investigacin o del experimento
2. Definir la variable y la poblacin de inters.
3. Definir los esquemas para recolectar y medir los datos. Esto incluye los
procedimientos de muestreo, tamao de muestra y el instrumento de medicin
(cuestionario, llamada telefnica, etc.) de los datos.
4. Determinar las tcnicas idneas para realizar el anlisis de datos: descriptivas o
inferenciales.
Nunca se deben utilizar datos ya recolectados y que fueron usados para otros fines. Es
mucho mejor que recolectes tus propios datos utilizando tcnicas apropiadas.
1.4.7. NIVELES DE MEDICIN EN ESTADSTICA
En la interpretacin de una variable influye la escala con la que fue medida. Existen 4
escalas o niveles de medicin.
Nivel Nominal:

Es el nivel de medida ms bsico.

Agrupa unidades en categoras basndose en uno o ms atributos o propiedades.
No existe una comparacin numrica.
Las categoras no reflejan ningn orden o jerarqua entre unas y otras.

Ejemplo: sexo, religin, estado civil, carrera, deporte favorito, ocupacin, pasatiempo, etc.
Nivel Ordinal o Jerarquizado:

Las observaciones pueden colocarse en un orden jerrquico.

Se utilizan categoras que no representan un orden.
No existe una diferencia exacta entre un valor y otro. Esto es, no se sabe si hay la
misma distancia entre una y otra categora.

No hay indicacin de cuanto se posee del atributo.

Ejemplo: escolaridad, grado acadmico, puesto en el trabajo, semestre, etc.

Estas escalas admiten la asignacin de nmeros en funcin de un orden prescrito.

Las formas ms comunes de mediciones ordinales son test (reactivos)
actitudinales estableciendo una serie de niveles que expresan una actitud de
acuerdo o desacuerdo con respecto a algn referente.

Ejemplo: ante la pregunta: Pemex debe privatizarse, el encuestado puede marcar su

respuesta de acuerdo a las siguientes alternativas:
1=Totalmente de acuerdo
2=De acuerdo
3=Indiferente
4=En desacuerdo

5= Totalmente en desacuerdo

Las anteriores alternativas de respuesta pueden codificarse con nmeros que van del uno
al cinco que sugieren un orden preestablecido pero no implican una distancia entre un
nmero y otro.
Nivel de Intervalo:

La medicin de intervalo posee las caractersticas de la medicin nominal y

ordinal.
Son valores numricos.
Los nmeros son consecutivos y marcan intervalos iguales o cantidades iguales
entre ellos.
Se aplica a variables continuas pero carece de un punto cero absoluto, esto es el
cero no representa la ausencia de la caracterstica, puede ser un valor ms de la
escala.

Ejemplo: un termmetro, cuando registra cero grados centgrados de temperatura indica

el nivel de congelacin del agua y cuando registra 100 grados centgrados indica el nivel
de ebullicin, el punto cero es arbitrario no real, lo que significa que en este punto no hay
ausencia de temperatura.

Por su forma de ser medida las variables referidas a caractersticas psicolgicas

son intervalares.

Ejemplo: temperatura, depresin, actitud, etc.

Se compara un sujeto respecto a otro o con respecto a la media poblacional.

Ejemplo: la diferencia entre un C.I. de 120-125 es la misma que entre 112-117.

(125 -120 = 5; 117-112 = 5)
Nivel de Razn o Cocientes:

Tiene las mismas caractersticas que los intervalares, pero el cero es absoluto,
esto es, el cero indica la ausencia de la caracterstica.
Inicia la medicin a partir de cero
Se compara un sujeto con respecto al cero absoluto.
Las medidas fsicas, en su mayora, tienen este nivel de medicin.
El nivel de medicin de razn se aplica tanto a variables continuas como discretas.

Ejemplo: ingreso, edad, nmero de hijos, longitud, tiempo, peso, rea, calificacin.
La mayora de los datos estadsticos corresponden a este nivel, pero hay que saber
distinguirlos.
1.4.8. PARMETROS
Se refieren a las caractersticas de la poblacin, es un nmero que resume todos los
datos de una poblacin completa.
Parmetro poblacional = Valor numrico de una poblacin
Los parmetros poblacionales son:

N=tamao de la poblacion =media aritmetica

Me=mediana Mo=moda

2=varianza =desviacion estandar

= proporcion o porcentaje
1.4.9. ESTADSTICOS O ESTADSTICAS
Son valores numricos que resumen los datos de la muestra. Se refieren a las
caractersticas de una muestra.
Estadstico muestral = Valor numrico de una muestra
Los estadsticos muestrales son:

n=tamao de lamuestra X=media

aritmetica

~
X=me=mediana mo=moda
s 2=varianza s=desviacion estndar
p== proporcion o porcentaje

1.4.9. ESTIMACION ESTADISTICA

El concepto de muestreo est estrechamente ligado al de estimacin, el cual consiste en
determinar la naturaleza de una poblacin en base a los datos que se obtengan de una
muestra, aunque tambin se aplica para conocer anticipadamente el resultado de una
muestra si se conocen las caractersticas de la poblacin de la cual proviene.
1.4.9.1. Tipos de estimacin estadstica
La estimacin de parmetros poblacionales o estadsticos muestrales puede hacerse por
medio de estimadores puntuales o por intervalos.
Estimacin puntual: consisten en un solo valor, por ejemplo; la media es 4.27kg.
Estimacin por intervalo: consiste en identificar los limites superior e inferior entre los
cuales, con un cierto nivel de confianza, se encuentra el valor verdadero; por ejemplo, la
media est entre 6.5 y 6.8 cm. Esta es la forma ms comn y til de hacer estimaciones
estadsticas.
1.4.10. PRUEBA DE HIPTESIS
El muestreo de una poblacin puede utilizarse para comprobar o negar la validez de
alguna hiptesis estadstica.
La hiptesis es un enunciado relativo a la pobla1.cin que se estudia, por ejemplo: el
promedio de estaturas es superior a 1.60 metros; y ser aceptada si los valores
estadsticos de la muestra que se obtenga quedan dentro de un conjunto de valores
aceptables, calculados con base en cierta tolerancia o margen de error estadstico; de lo
contrario, la hiptesis se rechazar.
Las pruebas de hiptesis son procedimientos que permiten aceptar o rechazar hiptesis
con base en los resultados obtenidos por muestreo.
UNIDAD II. RECOPILACION Y PRESENTACION DE DATOS
2.1. OPERACIONES BASICAS
La estadstica al igual que la probabilidad est llena de nmeros, pero no se requieren
conocimientos avanzados de matemticas para iniciarse en su estudio. Sus operaciones
bsicas son la suma, resta, multiplicacin y divisin, adems, es necesario saber calcular
porcentajes, redondear cifras decimales e interpretar muy bien las reglas de la sumatoria.
A continuacin haremos un breve resumen de algunas operaciones bsicas que se
consideran necesarias que las domines muy bien.
2.1.1. Operaciones con fracciones comunes
Suma y resta de fracciones con igual denominador: se suman o restan los numeradores y
se conserva el mismo denominador.

2 5 2+ 5 7
+ =
= =2.3333
3 3
3
3

Ejemplo:

o tambin se puede hacer:

2 5
+ =0.6667+1.6667=2.3334
3 3
3 2 32 1
=
= =0.2
5 5
5
5

Ejemplo:

o tambin se puede:

3 2
=0.60.4=0.2
5 5
Suma y resta de fracciones con denominadores diferentes: es necesario igualar los
denominadores, por lo que el proceso establece buscar el mnimo comn mltiplo para los
denominadores y realizar las operaciones como a continuacin se indican.

35
35
+2 ( )
(
)
7 ]
3 2 [ 5
+ =
=
3

Ejemplo:

5 7

35

mcm = 5x7= 35

[ 7 ( 3 ) +5 ( 2 ) ] = 21+ 10

31
=0.8857
35

35

35

o si as lo prefieres realiza las divisiones antes de sumar:

3 2
+ =0.6+ 0.2857=0.8857
5 7
36
36
3 ( )
(
)
4 ]
2 3 [ 9
=
=
2

Ejemplo:

Mcm = 9x4=36

36

[ 2 ( 4 )3 ( 9 ) ] = [ 827 ]

36

19
36

36

0.527777
Que tambin se puede resolver como:

2 3
=0.22220.75=0.5278
9 4

Ejemplo:

3 2 4
+ =
5 3 7

[ ( ) ( ) ( )]

105
105
105
2
+4
5
3
7
=
105

Mcm=5X3X7=105

[ 3 ( 21 )2 ( 35 ) + 4 ( 15 ) ] = [ 6370+60 ] =

53
=0.5048
105

105

105

Tambin puedes hacerlo:

3 2 4
+ =0.60.6667+0.5714=
5 3 7
1.17140.6667=0.5047
Multiplicacin de fracciones
Para multiplicar dos o ms fracciones comunes se multiplica numerador por numerador y
denominador por denominador, obtenindose respectivamente el numerador y el
denominador del producto resultante. Debes tener presente de aplicar correctamente la
ley de los signos
Ejemplo:

( 35 )( 43 )= ((35))((3)4) = 1512 = 45 =0.8

o dado el caso al final efectuar la divisin.

que no se te olvide simplificar el resultado

Ejemplo:

Ejemplo:

2 5
=
7 8

( )( )

2 3
=
3 4

( 38 )( )( )

18 3
= =0.1875
96 16

Divisin de fracciones
Para dividir fracciones comunes, se procede de las siguientes maneras:
a). Se multiplica la primera fraccin (dividendo) por el reciproco de la segunda fraccin
(divisor), es decir se invierte el divisor y se realiza la operacin.
Ejemplo:

2 4 2
=
5 7 5

( )( 74 )= 1420 = 107 =0.7

b). Aplicando el proceso de multiplicacin en cruz, es decir, el numerador de la primera

fraccin por el denominador de la segunda fraccin, su producto es el numerador del
resultado; tambin el denominador de la primera por el numerador de la segunda fraccin
es el denominador del resultado.
Ejemplo:

3 4 ( 3 )( 5 ) 15
=
= =0.2586
7 5 ( 7 ) ( 4 ) 28

c).Aplicando el mtodo de multiplicar extremo por extremo y medio por medio, en donde
los extremos van al numerador y los medios al denominador del resultado.

2
9 ( 2 )( 7 ) 14 7
=
= = =0.38889
4 ( 9 )( 4 ) 36 18
7

Ejemplo:

En cada caso no se te olvide aplicar la ley de los signos.

2.1.2. Calculo de porcentajes (Tanto por ciento)
Los problemas para calcular una utilidad, una perdida, un descuento o un recargo, con
relacin a 100 partes de cualquier especie, se denominan tanto por ciento
Se llama tanto por ciento de una especie o unidad a una o varias de las cien partes
iguales en que se puede dividir dicha especie o unidad; esta operacin se simboliza %.
Ejemplo: Un artculo costaba $500 Cul ser su precio actual si este se aumenta en un
7.5%?

$ 500100

X 7.5

X 100 =$ 500 (7.5 )

X=

$ 500 ( 7.5 )
100

X =$ 5 ( 7.5 )
X =$ 37.5
Entonces el precio actual del artculo es:

$ 500+ $ 37.5=$ 537.5

Ejemplo: Cul es el precio actual de un artculo que costaba $350 si este se disminuye
un 4.5%.

$ 350 100

X 4.5

X ( 100 ) =$ 350 ( 4.5 )

X=

$ 350 ( 4.5 )
100

X =$ 3.5 ( 4.5 )
X =$ 15.75
Entonces el precio actual del artculo es:

$ 350$ 15.75=$ 334.25

Ejemplo: de los 273 feligreses de una parroquia, 119 son mujeres, Cul es el % de
varones?
Datos:
Total = 273 feligreses
Mujeres = 119
Varones = 273-119 = 154

%varones=

154 (100 )
=56.41
273

Entonces l % de varones es: 56.41

Ejemplo: en un grupo de 48 alumnos 26 son mujeres, Cul es el % de mujeres?

de mujeres=

26
( 100 )=0.4483 ( 100 ) =44.83
48

Ejemplo: en un grupo hay 15 hombres de 16 aos, 8 mujeres de 15 aos y 20 menores de

15 aos, Qu porcentaje de este grupo representan los 15 hombres de 16 aos?

de hombres=

15
1500
( 100 )=
=45.45
15+ 8+20
33

2.1.3. Redondeo de cifras decimales

El truncamiento que consiste en eliminar las cifras decimales que no se desean es lo ms
rpido pero es ms inexacto, por tal razn en estadstica recurrimos al redondeo.
Reglas para el redondeo
1. Si la cifra siguiente hasta donde se quiere el redondeo es un nmero 5 o mayor que 5,
se suma 1 al ltimo decimal redondeado.
2. Si la cifra siguiente es menor que 5, se elimina.
Ejemplo: redondear las siguientes cantidades decimales hasta diezmilsimos.

9.6387254=9.6387

8.6433578=8.6434
8.100795=8.1008

999.245378=999.2454
El redondeo debe efectuarse en el ltimo resultado no deben redondearse los resultados
intermedios para tener una mayor aproximacin.
Para evitar una aplicacin errnea del redondeo se debe tener en cuenta el tipo de
problema que se est resolviendo.
Ejemplo: Al calcular el costo unitario de un lpiz, si la caja de 12 piezas, cuesta $8.73, es:
Incorrecto:
Correcto:

8.73 12 0.75
8.73 12=0.7275

Ejemplo: Un productor cosecha en un da 11855 kg de manzanas, mismas que hay que

colocarlas en cajas de 20 kg. Cuntas cajas pondr a la venta?
Incorrecto:

11855 20=592.75 593 cajas

Correcto:

11855 20=592 cajas

la otra est incompleta.

Ejemplo: el productor tiene un camin con capacidad para 3500 kg Cuntos viajes debe
hacer para llevar a la bodega los 11855 kg de manzanas?
Incorrecto:
Correcto:

11855 3500=3.387 3.4 viajes

11855 3500=3.387=4 viajes

debe realizar

2.1.4. La sumatoria
Es una operacin muy comn en estadstica que consiste en la suma de un grupo de
valores y se representa formalmente con el smbolo (sigma) que significa suma. Cada
uno de los valores que se habrn de sumar son x i, i es un subndice que identifica a X 1,
X2,, Xn, de tal manera que:
La suma de un grupo de valores se hace:
n

X i=X 1 + X 2+ + X n
i=1

Ejemplo: si

X 1=8, X 2=5, X 3=0 y X 4=6

X i=8+(5 ) +0+6=9
i=1

La suma de los cuadrados de un grupo de valores se hace:

n

X 2i =X 21 + X 22+ + X 2n
i=1

Ejemplo: si

X 1=3, X 2=5, X 3=4, X 4=2, X 5=6

X 2i =(3)2 +(5)2 +(4)2+(2)2+(6)2=9+ 25+16+ 4+36=90

i=1

2.2. DISTRIBUCIONES DE FRECUENCIAS

Es una disposicin tabular de los datos en clases junto con las correspondientes
frecuencias de cada clase.
Despus de recolectar los datos de una muestra, estos se deben organizar en una
distribucin de frecuencias para lograr una mejor comprensin de la variable que se est
tratando, de tal manera que se puedan hacer buenas estimaciones e inferencias de la
poblacin bajo estudio.
2.2.1. Frecuencia
Se define como el nmero de veces que ocurre un evento (suceso).
2.2.2. Tipos de frecuencias
Frecuencia absoluta: es el nmero de veces que aparece un determinado valor en un
estudio estadstico.
Su smbolo es: f.
La suma de frecuencias absolutas es igual al nmero total de datos, que se representa
por N. Para indicar resumidamente estas sumas se utiliza la letra griega (sigma
mayscula) que se lee suma o sumatoria.
n

f =f 1 +f 2 + + f n 1 + f n=N
i=1

Frecuencia relativa: es el cociente entre la frecuencia absoluta de un determinado valor y

el nmero total de datos. Se representa con

fr .

f r=

f
f
=
f N

La frecuencia relativa se puede expresar en tanto por ciento si se multiplica por 100.

p==f r (100)
La suma de las frecuencias relativas es igual a 1.

f r=1
Frecuencia absoluta acumulada: es la suma acumulativa de las frecuencias absolutas
de cada valor. Con ella se forma la grfica conocida como ojiva. La suma de las
frecuencias acumuladas es igual el total de la poblacin. Se representa por: fa.
Frecuencia relativa acumulada: es el cociente entre la frecuencia acumulada de un
determinado valor y el nmero total de datos. Se puede representar en tantos por ciento.
Se representa por: fra.
Ejemplo: La siguiente tabla contiene las clases o categoras y las diferentes frecuencias
con las que se presentan las calificaciones de un grupo.
Clases

frecuencias

Calificacin

fa

fr

fra

0.190

0.190

19.0

0.143

0.333

14.3

12

0.238

0.571

23.8

14

0.095

0.666

9.5

20

0.286

0.952

28.6

10

21

0.048

1.000

4.8

f =21

f r=1.000

p=100

La comparacin entre distribuciones de frecuencia es un procedimiento que se utiliza a

menudo para aclarar resultados y agregar informacin.
2.2.2. Tipos de tablas de frecuencias
Existen dos tipos de tablas de frecuencia:
a) Distribucin de frecuencias simple.

b) Distribucin de frecuencias en intervalos de clase.

a). Distribucin de frecuencias simple
La distribucin de frecuencias simple contiene en una columna todos los valores posibles
de la variable estudiada y en la otra la cantidad de veces que este nmero o categora se
presenta, esto es, su frecuencia absoluta (f).
Estas tablas constan de un reducido nmero de observaciones y en consecuencia de un
reducido nmero de valores distintos que toma la variable; para su presentacin no es
necesaria una tcnica determinada, ya que adems, casi no son susceptibles de
tratamiento estadstico, puesto que para que este exista es necesario un volumen
considerable de observaciones.
Ejemplo: la distribucin de frecuencias de los votantes y su preferencia hacia los partidos
polticos.
Distribucin de votantes por partido
poltico en el municipio X.
Partido poltico

PAN
PRI
PRD
PVE
PT

2400
1400
800
2600
500

Recuerda: en la parte superior de la tabla se debe anotar la informacin de que se trata.

Ejemplo: la distribucin de calificaciones en la asignatura de matemticas de en grupo es:
Distribucin de calificaciones
de los alumnos de 4 A
Calificacin
5
6
7
8
9
10

Procedimiento para elaborar una distribucin de frecuencias simple

f
3
7
10
5
4
1

1. En el conjunto de observaciones localizar el valor del dato mayor y el valor dato

menor.

X max =
X min =
2. Ordenar los datos de menor a mayor o viceversa, aunque a veces es demasiado
laborioso es recomendable.
3. Construir una tabla con dos columnas, una para los distintos valores que toma la
variable y otra para las frecuencias.
Valor de la
variable
estudiada (X)
X min
,
,
,
X mx.

Frecuencia
f
f1
f2
,
,
fn

4. En la parte superior de la tabla debers anotar con claridad la informacin de la

variable y de la poblacin bajo estudio.
Ejercicio: Se observan las causas de muerte de 20 individuos de una cierta poblacin,
agrupndolas en las cuatro siguientes: enfermedades cardiovasculares (EC), cncer (C),
accidentes (A) y otras causas (O), habindose obtenidos los siguientes datos: EC, EC, A,
C, O, A, EC, A, O, C, EC, C, O, C, EC, A, C, O, EC, A. Elabora una distribucin de
frecuencias que contenga la siguiente informacin, frecuencias absolutas (f), frecuencias
acumuladas (fa), frecuencias relativas (fr), frecuencias relativas acumuladas (fra) y
porcentajes (%).
Ejercicio: Las notas de los 20 alumnos de una clase son: 4, 3, 3, 5, 6, 7, 9, 0, 5, 4, 9, 10,
2, 7, 2, 2, 5, 6, 5, 0 . Elabore una distribucin de frecuencias.
Ejercicio: Elabora una distribucin de frecuencias para los siguientes puntajes: 9, 5, 8, 7,
10, 5, 9, 8, 10, 6, 5, 10, 9, 8, 7, 6, 8, 9, 8, 6, 7, 9, 10, 6, 8, 9, 6, 7, 9, 10,
Ejercicio: En un Instituto hay matriculados 2200 alumnos que se distribuyen por edades
en la forma siguiente: 215 de 14 aos, 437 de 15, 421 de 16, 396 de 17, 512 de 18, 124
de 19 y 95 de 20. Formar la tabla de distribucin de frecuencias, que incluya frecuencias
acumuladas.

b). Distribucin de frecuencias en intervalos de clase

Cuando en la poblacin o muestra que estudiamos existen muchos valores diferentes de
la variable, es conveniente, an a costa de perder algo de informacin, dividir el intervalo
de variacin (rango = R) en una serie de subintervalos que cubran el total; a cada uno de
ellos se le llama una clase, a sus extremos, extremos de clase, al punto medio de cada
clase, marca de clase y a la diferencia entre sus extremos, amplitud de la clase.
En estos casos la tabla adopta una estructura como la del cuadro siguiente:
Clases
(intervalos
)

LiLs

Marcas
de clase

XM

Frecuencias
absolutas de
clase
f

Frecuencias
absolutas
acumuladas
fa

Frecuencias
relativas
de clase
fr

Frecuencia
s relativas
acumuladas
fra

Mientras que en el caso del tratamiento individual la tabla quedaba perfectamente

determinada por los posibles valores de los datos, en el de intervalos de clase est claro
que no sucede as, pues hay libertad para elegir el nmero de clases y los extremos de
las mismas. Los intervalos, en general, deben tener la misma amplitud (a).
Para decidir el n de intervalos clase que se deben tomar conviene tener en cuenta que si
ste es excesivo con respecto al nmero de datos, pueden aparecer irregularidades
accidentales provenientes de pocas observaciones en algunas clases. Sin embargo, si se
toma el nmero de clases demasiado reducido se producir una prdida importante de
informacin. Un criterio orientativo para decidir cuntas clases se deben tomar lo
proporciona la siguiente frmula emprica debida a Sturges:

k =1+ 3.3 log N

En donde: N = tamao de muestra = total de datos
Procedimiento para elaborar una distribucin de frecuencias en intervalos de clase
Paso 1: En el conjunto de observaciones localizar el valor del dato mayor y el valor dato
menor.

X min =

X max =
Paso 2: Ordenar los datos de menor a mayor o viceversa, aunque a veces es demasiado
laborioso es recomendable.
Paso 3: Calcular el rango (R) con la formula.

R= X max X min
Paso 4: Determinar el nmero de clases o intervalos (C) con la frmula:

C=1+3.3 log N

; siendo

N=tamao de lamuestra

Es lo ms recomendable cuando el tamao de la muestra es demasiado grande.

Nota: Tambin se puede aplicar el siguiente criterio.
el nmero de clases no puede ser menos de 7 ni ms de 15, o
sea:

7 C 15

O bien una de las siguientes formulas:

Paso 5: Determinar la unidad de variacin (UV) entre los datos:

UV =d ifrencia minima entre los datos

Paso 6: Calcular la amplitud (a) de cada clase o intervalo.

R
a= +UV
C
Paso 7: Construir la tabla.
Clases o intervalos

LiLs

Li=X min Ls=Li +aUV

Los lmites de los siguientes intervalos se calculan sumando a cada extremo del intervalo
anterior el valor de la amplitud (a).

Ejemplo: Se ha pasado un test de 100 preguntas a 600 personas. El nmero de

respuestas correctas se refleja en la siguiente tabla:
INTERVALOS
37 - 45
46 - 54
55 - 63
64 - 72
73 - 81
82 - 90
91 - 99
100 - 108

f
40
60
75
90
105
85
80
65

R = 63
C=8
UV= 1
A= 9

f =600
Ejemplo: El peso en Kg de 30 pacientes que asistieron a consulta mdica en un da son
los que a continuacin se proporcionan. Elabore una distribucin de frecuencias.
71.9, 63.9, 62.3, 72.5, 78.0, 70.7, 71.4, 60.5, 60.9, 68.2, 88.5, 76.1, 82.1, 63.7, 79.8, 67.5,
50.1, 69.5, 66.1, 47.3, 72.1, 59.8, 93.7, 80.7, 61.2, 64.3, 53.7, 74.7, 96.3, 73.2.
Procedimiento:
Paso 1: Se busca el valor menor y el valor mayor de la variable.

min= 47.3
x

x max=96.3

Paso 2: Se ordenan los datos de menor a mayor.

47.3, 50.1, 53.7, 59.8, 60.5, 60.9, 61.2, 62.3, 63.7, 63.9, 64.3, 66.1, 67.5, 68.2, 69.5, 70.7,
71.4, 71.9, 72.1, 72.5, 73.2, 74.7, 76.1, 78.0, 79.8, 80.7, 82.1, 88.5, 93.7, 96.3.
Paso 3: Se calcula el rango.

R=x max x min =96.347.3=49

Paso 4: Se calcula el nmero de clases.

C=1+3.3logN =1+3.3 log30=1+3 (1.5 )=1+4.5=5.5=6

Paso 5: Se calcula la Unidad de Variacin.

UV =63.963.7=0.2
Paso 6: Se calcula la amplitud de cada intervalo.

a=

49
+ 0.2=8.16+ 0.2=8.36=8.4
6

Como la amplitud nos dice cuntos datos deben corresponder a cada intervalo (hay que
contar), entonces se debe tomar el entero siguiente.

a=9
Paso 7: Se construye la tabla
PESO DE 30 PERSONAS QUE ASISTIO A CONSULTA
MEDICA EN UNA UNIDAD DE SALUD EN UN DIA.
PESO (KG)
f
fa
fr
47.3 56.1
3
3
0.10
56.3 65.1
8
11
0.27
65.3 74.1
10
21
0.33
74.3 83.1
6
27
0.20
83.3 92.1
1
28
0.03
92.3 95.1
2
30
0.07

f =30

fra
0.10
0.37
0.70
0.90
0.93
1.00

fr=1.00

Ejercicios propuestos
1. En un examen bimestral de fsica se examinaron 50 alumnos y se obtuvieron los
resultados siguientes: 87, 66, 73, 68, 48, 37, 76, 85, 74, 65, 93, 77, 66, 83, 68, 49, 57, 38,
69, 78, 89, 96, 78, 97, 74, 76, 68, 63, 70, 81, 64, 83, 67, 61, 90, 77, 88, 74, 75, 80, 71, 73,
61, 57, 72, 80, 77, 85, 80, 90.
Elaborar una distribucin de frecuencias.
2. Los siguientes valores corresponden a la produccin mensual, en toneladas, de una
empresa empacadora de pltanos.
782, 1333, 515, 1475, 696, 832, 1052, 700, 643, 1023, 987, 542, 1296, 704, 814, 1482,
1023, 739, 956, 784
Elabora una distribucin de frecuencias.
3. Del anlisis de resistencia de 25 bloques de concreto se obtuvieron los resultados que
se indican. Prepare una distribucin de frecuencias de tamao uniforme y determine la
clase ms abundante.
23.1, 64.9, 48.3, 72.8, 42.9, 37.7, 43.6, 26.4, 68.4, 52.3, 29.4, 70.4, 62.8, 60.4, 58.9, 39.4,
35.1, 58.2, 48.4, 22.7, 26.3, 30.5, 29.8, 68.1, 52.9.
4. Registra el mes de nacimiento de cada uno de los estudiantes del grupo y construye
una tabla de frecuencias.

5. Registra la carrera que le gustara estudiar a cada alumno del grupo al terminar la
preparatoria y elabora una distribucin de frecuencias.
Nota: Puede suceder que al elaborar la distribucin de frecuencias algunos datos no
queden incluidos dentro los intervalos, en tal caso, se tiene que ajustar la amplitud (a) de
cada intervalo a un mltiplo de la unidad de variacin.
Ejemplo: Los siguientes valores corresponden al precio ($) de un traje de la misma
marca en diferentes tiendas. Clasifcalos en intervalos de tamao uniforme.
800, 1350, 450, 1500, 700, 850, 1050, 700, 1000, 550, 1100, 1300, 700, 800, 140, 1550,
1000, 750, 600, 950, 1000, 800.
Datos ordenados:
450, 550, 600, 700, 700, 700, 750, 800, 800, 800, 850, 950, 1000, 1000, 1000, 1050,
1100, 1300, 1350, 1400, 1500, 1550.
Clculos:
R = 1550 450 = 1100
C = 1 + 3.3log22 = 1 + 3.3 (1.3) = 1 + 4.29 = 5.29 = 5
UV = 50
a = 1100/5 + 50 = 220 + 50 = 270
La distribucin de frecuencias (con 5 clases y amplitud igual a 270) para el precio de un
traje de la misma marca en diferentes tiendas queda as:
Precio $
450 - 670
720 - 940
990 - 1210
1260 - 1480
1530 - 1750

f
3
5
6
3
2

f =19
Como N = 22 y en la tabla f = 19, no es correcto, pues el valor 700 queda fuera entre
el primero y segundo intervalo, entonces se tiene que ajustar la amplitud a un mltiplo de
la unidad de variacin.
Se puede tomar a = 250

La distribucin ajustada queda as:

Precio $

f
3
8
6
2
3

450 - 600
650 - 850
900 - 1100
1150 - 1350
1400 - 1600

f =22

Ejercicio: Clasifique las siguientes alturas (expresado en metros) en intervalos de

tamao uniforme:
1.82, 1.43, 1.51, 1.47, 1.69, 1.88, 1.52, 1.72, 1.78, 1.54, 1.61, 1.66, 1.70, 1.81, 1.58, 1.48,
1.53, 1.73, 1.61, 1.56, 1.57, 1.78.

LIMITES EXACTOS DE CLASE (L E)

Marcan con precisin el valor inicial y final de cada clase.

Limite Inferior Exacto= Limiteinferior

UV
2

Limite Superior Exacto=Limite Superior+

UV
2

Los lmites exactos se utilizan al representar grficamente la informacin de una

distribucin de frecuencias en un histograma.
Ejemplo: Obtener los lmites exactos de cada una de las clases de la siguiente tabla de
frecuencias:
Lmites Nominales

Lmites Exactos

PESO (Kg)
101 - 115
116 - 130
131 - 145
146 - 160
161 - 175

L E
100.5 - 115.5
115.5 - 130.5
130.5 - 145.5
145.5 - 160.5
160.5 - 175.5

Clculos: Para el primer intervalo

UV = 116 115 = 1

UV 1
= =0.5
2
2
Limite Inferior Exacto= Li

UV
=1010.5=100.5
2

Limite Superior Exacto=Ls +

UV
=115+ 0.5=115.5
2

Nota: Una vez obtenido el lmite inferior exacto y el lmite superior exacto del primer
intervalo, para los otros solo se puede ir sumando la amplitud, en este caso a = 15. El
lmite superior exacto de una clase es igual al lmite inferior exacto de la clase siguiente.
Ejercicio: De la siguiente tabla, determine los lmites exactos de cada intervalo.
intervalos
1000 - 1250
1300 - 1550
1600 - 1850
1900 - 2150
2200 - 2450

L E

Ejercicio: Determine los limites exactos de la siguiente tabla.

intervalos

L E

5.00 - 6.99
7.00 - 8.99
9.00 - 10.99
11.00 - 12.99
MARCA DE CLASE (MC)
Es el punto medio entre los lmites de una clase (Nominales o Exactos).
Es el valor central de cada clase.
Es el promedio estadstico de todos los valores incluidos en la clase.
Formula:

MC=

Limiteinferior + Limite superior

2

La marca de clase es el valor localizado al centro (punto medio) del ancho de la clase. El
valor de la marca de clase sustituye al intervalo.
Ejemplo: Calcular la marca de clase para cada intervalo de la siguiente distribucin.
Produccin (Kg)
1000 - 1250
1300 - 1550
1600 - 1850
1900 - 2150
2200 - 2450

MC
1125
1425
1725
2025
2325

Ejercicio: Obtener la marca de clase en las siguientes distribuciones de frecuencias.

CLASES
35 - 39
40 - 44
45 - 49
50 - 54
55 - 59

CLASES
5.00 - 6.99
7.00 - 8.99
9.00 - 10.99
11.00 - 12.99
13.00 - 14.99

MC

MC

Ejercicio: Los siguientes datos corresponden al peso en gramos de 50 naranjas

cosechadas en una huerta: 150 185 145 165 195 180 215 210 190 145 165 180
175 250 175 185 145 185 200 165 215 185 250 200 145 255 195 175 165 195
200 185 195 180 185 195 170 165 160 150 175 145 195 215 175 155 185 190
185 155
Elabore una distribucin de frecuencias en intervalos de clase que contenga la siguiente
informacin: Limites Nominales (L N), Frecuencia Absoluta (f), Limites Exactos (LE),
Marca de Clase (MC), Frecuencia Relativa (fr), Frecuencia Acumulada (fa), Porcentaje
(%).

2.3. REPRESENTACIONES GRAFICAS.

En el caso de los anlisis estadsticos, donde los datos al natural e incluso tabulados son
difciles de comprender, las grficas son de gran utilidad y estas pueden ser:
a)
b)
c)
d)
e)

Grfica de barras.
Histograma.
Polgono de frecuencias.
Polgono de frecuencias acumuladas (ojivas).
Graficas circulares (de pastel).

a). GRAFICA DE BARRAS

Es una representacin grfica de una tabla de frecuencias para datos cualitativos. La
base de cada barra es proporcional a la amplitud, con altura proporcional a la frecuencia.
Las barras quedan separadas entre s, para enfatizar las distinciones entre las diferentes
categoras.
Ejemplo: Elabore la grfica de barras para la siguiente distribucin de frecuencias.
DISTRIBUCIN DE VOTANTES POR PARTIDO
POLTICO EN VILLA COMALTITLN
Partido poltico

PAN
PRI
PRD
PVE
PT

2400
1400
800
2600
500

VOTANTES POR PARTIDO POLITICO EN VILLA COMALTITLAN

3000
2500
2000

NUMERO DE PERSONAS

1500
1000
500
0
pan

pri

prd

pve

pt

PARTIDO POLITICO

Ejemplo: Elabore una grfica de barras para la siguiente distribucin de frecuencias.

DISTRIBUCIN DE CALIFICACIONES
DE LOS ALUMNOS DE 4 A
Calificacin
5
6
7
8
9
10

f
3
7
10
5
4
1

CALIFICACION DE LOS ALUMNOS DE 4

12

10

NUMERO DE ALUMNOS

0
5

10

CALIFICACION

Ejemplo: elabore una grfica de barras con la informacin contenida en la tabla siguiente.
PESO DE 30 PERSONAS QUE ASISTIO A CONSULTA
MEDICA EN UNA UNIDAD DE SALUD EN UN DIA.
PESO (KG)
47.3 56.1
56.3 65.1
65.3 74.1
74.3 83.1
83.3 92.1
92.3 95.1

f
3
8
10
6
1
2

PESO DE PERSONAS QUE ASISTIERON A CITA MEDICA

12
10
8
6

NUMERO DE PERSONAS

4
2
0

PESO (kg)

b). HISTOGRAMA.
Es un diagrama de barras que representa, a escala, el nmero de elementos que
comprende cada una de las clases de una distribucin de frecuencias. La altura de las
barras del histograma est dada por la frecuencia de la clase, mientras que los lmites
horizontales son los lmites exactos de cada clase.
Ejemplo: Elabore el histograma correspondiente a la siguiente distribucin de
calificaciones.

Calificacin (L N)
29 - 37
38 - 46
47 - 55
56 - 64
65 - 73
74 - 82
83 - 91

f
10
12
16
18
14
17
13
= 100

Limites Exactos (L E)
28.5 37.5
37.5 46.5
46.5 55.5
55.5 64.5
64.5 73.5
73.5 82.5
82.5 91.5

PUNTAJE DE 100 ALUMNOS EN UN EXAMEN

20
18
16
14
12
10

NUMERO DE ALUMNOS

8
6
4
2
0

PUNTAJE

c). POL IGONO DE FRECUENCIAS ABSOLUTAS

Es una figura delimitada por segmentos rectilneos que unen los puntos correspondientes
al valor de cada frecuencia de cada clase.
Para representar la informacin contenida en una distribucin de frecuencias simple. En el
eje vertical se representan las frecuencias absolutas y en el eje horizontal los distintos
valores de la variable bajo estudio.

En el caso de una distribucin de frecuencias en intervalos de clase. En el eje vertical se

representan las frecuencias absolutas y en el eje horizontal las marcas de clase (MC) de
cada intervalo.
Ejemplo: Elabore el polgono de frecuencias para la siguiente distribucin.
DISTRIBUCIN DE CALIFICACIONES
Calificacin
5
6
7
8
9
10

f
3
7
10
5
4
1

CALIFICACION DE UN GRUPO DE ESTUDIANTES

12
10
8

NUMERO DE ALUMNOS

6
4
2
0
5

CALIFICACION

10

Ejemplo: elabore el polgono de frecuencias absolutas con la informacin contenida en la

tabla siguiente.

PESO DE 30 PERSONAS QUE ASISTIO A CONSULTA

MEDICA EN UNA UNIDAD DE SALUD EN UN DIA.
PESO (KG)
47.3 56.1
56.3 65.1
65.3 74.1
74.3 83.1
83.3 92.1
92.3 95.1

f
3
8
10
6
1
2

MC
51.7
60.7
69.7
78.7
87.7
96.7

PESO DE PERSONAS QUE ASISTIERON A CITA MEDICA

12
10
8

NUMERO DE PERSONAS

6
4
2
0
57.1

60.7

69.7

78.7

87.7

96.7

PESO (kg)

La ventaja de utilizar el polgono de frecuencias es que se puede representar ms de una

variable en el mismo grfico.

d). POLIGONO DE FRECUENCIAS ACUMULADAS

Tambin llamado ojiva. Se obtiene uniendo con segmentos rectilneos los puntos que
corresponden a cada frecuencia acumulada.
En una distribucin de frecuencias simple. En el eje vertical se representan las
frecuencias acumuladas y en el eje horizontal los diferentes valores de la variable.
Cuando se trata de una distribucin de frecuencias en intervalos de clase. En el eje
vertical se representan las frecuencias acumuladas y en el eje horizontal los extremos
superiores exactos de cada intervalo.

Ejemplo: Elaborar el polgono de frecuencias acumuladas para la siguiente tabla.

calificacin
5
6
7
8
9
10

f
6
5
4
10
3
2
30

X=

fa
6
11
15
25
28
30

CALIFICACION DE UN GRUPO
35
30
25
20
NUMERO DE ALUMNOS

15
10
5
0
5

CALIFICACION

10

Ejemplo: Elaborar el polgono de frecuencias acumuladas con los datos

Calificacin (L N)
29 - 37
38 - 46
47 - 55
56 - 64
65 - 73
74 - 82
83 - 91

f
10
12
16
18
14
17
13
= 100

Limites Exactos (L E)
28.5 37.5
37.5 46.5
46.5 55.5
55.5 64.5
64.5 73.5
73.5 82.5
82.5 91.5

fa
10
22
38
56
70
87
100

CALIFICACIONES DE UN GRUPO DE ALUMNOS

120

100

80

NUMERO DE ALUMNOS

60

40

20

0
37.5

46.5

55.5

64.5

73.5

CALIFICACION

e). CURVA DE FRECUENCIAS

82.5

91.5

CALIFICACION DE UN GRUPO DE ESTUDIANTES

12
10
8

NUMERO DE ALUMNOS

6
4
2
0
4

CALIFICACION

10

11