Escolar Documentos
Profissional Documentos
Cultura Documentos
GENERAL
Apuntes del curso
Ing. Sergio Anbal Dopazo
2016
Estadstica General
ESTADSTICA DESCRIPTIVA
La Estadstica es un mtodo de descripcin numrica de conjuntos numerosos, o sea, un
mtodo de descripcin cuantitativa que utiliza al dato (numrico o no) como soporte objetivo. No se
debe conceder a los datos estadsticos un valor o una precisin que no poseen. Para ser eficaz, la
Estadstica debe necesariamente simplificar. Cuando se describe una poblacin segn un carcter,
todos los individuos que presenten la misma modalidad del carcter se consideran equivalentes. Se
puede, ciertamente, considerar un nmero elevado de criterios de diferenciacin entre los individuos,
pero el costo de recopilacin de la informacin se encuentra rpidamente entorpecido y el anlisis
complicado. Adems, es necesario observar que los datos estadsticos no escapan de la regla
general de las medidas, que es la de estar afectadas de error.
Adems, la Estadstica no se ocupa de los casos raros, que, en general, son mal conocidos: la
ancdota no pertenece al dominio estadstico. Las permanencias estadsticas no aparecen, en
efecto, ms que en conjuntos numerosos. Se puede concluir que la Estadstica Descriptiva es una
tcnica de anlisis de conjuntos numerosos; la misma se aplica a todos los dominios de investigacin
cuantitativa: investigacin demogrfica, econmica, agronmica, biolgica, industrial... No obstante,
los mtodos de recoleccin de informacin, la crtica de los datos recopilados, y ms an la
interpretacin de los resultados obtenidos, no son propiamente hablando, competencia de la
Estadstica Descriptiva. Numerosas crticas hechas a la Estadstica se dirigen realmente al dominio
en que se le aplica o a la interpretacin que ella da a los resultados que expone y no a su mtodo en
s.
QU SON LOS DATOS?
Para conocer las condiciones reales de algo (elemento, proceso, producto), es necesario
medirlo. Para ello se utilizan instrumentos de medicin, que pueden ser de distinta naturaleza, segn
lo que sea necesario medir. Existe la ms variada gama de instrumentos, pero todos, a partir de las
mediciones que se realizan con ellos, entregan informacin. Estas mediciones, estadsticas, son los
Datos de la Realidad.
Para no tener una imagen deformada de la realidad, se deben cumplir las siguientes
condiciones: la medicin, el registro de los datos y las operaciones realizadas con la interpretacin de
sus resultados, deben ser correctos. Si ello no ocurriera, tendremos una imagen deformada de la
realidad, lo cual nos puede llevar a una accin equivocada.
Los datos son los hechos y los nmeros que se renen, analizan y resumen para su
presentacin e interpretacin. Al estar reunidos, los datos recopilados se denominan en general
conjunto de datos para el estudio. Los datos nos proveen una informacin que tiene un propsito
definido, por eso tanto la forma en que se tomarn los datos como su misma naturaleza, quedan
automticamente determinadas por ese objetivo.
Los elementos son las entidades acerca de las cuales se renen los datos, y una variable es
una caracterstica de inters de los elementos. En definitiva, los datos se obtienen anotando las
mediciones de cada variable para cada elemento en el estudio, y al conjunto de mediciones, reunido
para determinado elemento se llama observacin. Dicha observacin procesada de manera
conveniente, se convierte en informacin vital.
Las informaciones pueden ser cualitativas, no expresables en escalas numricas, o
cuantitativas, las cuales surgen de datos cuantitativos, expresables en escalas numricas
Pgina 1 de 120
ordenables. Estas informaciones cuantitativas son medibles o numerables, el nmero que surge es
variable con cada modalidad medible y se llama variable estadstica.
OBJETIVO DE LA RECOLECCIN DE DATOS
Todos los datos deben estar referidos al problema. En muchas empresas, existe la costumbre
de guardarlos "por si llegaran a necesitarse" o con la intencin de analizarlos "cuando haya tiempo";
estos datos no sirven, porque no responden al momento en que se va a efectuar la accin
correspondiente. Los datos nos proveen una informacin que tiene un propsito definido, por eso
tanto la forma en que se tomarn los datos como su misma naturaleza, quedan automticamente
determinadas por ese objetivo.
La Buena Informacin sirve al Ente Central de todo este trabajo, quien es el que analiza y
resuelve los problemas, en definitiva es: El Hombre Que Toma Decisiones (H.Q.T.D.). Para tomar
estas decisiones racionales, se debe estar bien informado y para ello se debe remitir al pasado,
sabiendo que las mismas influyen en el futuro. Hay que tener en cuenta que la accin se convierte
luego en informacin, continuando el ciclo en la toma de decisiones cotidiana.
Hoy, la calidad en la toma de decisiones, exige elegir mtodos apropiados. Los mtodos
pueden ser: Subjetivos u Objetivos. Los subjetivos, dependen de la formacin personal y
profesional; en cambio los objetivos, dependen del conocimiento cientfico y de las herramientas
existentes.
Las acciones pueden ser de distinta naturaleza: corregir un proceso, rechazar o aceptar un
lote, parar o no un proceso, realizar una reparacin, comprar o no una mquina, etc.
TIPOS DE DATOS
a)
b)
c)
e)
Pgina 2 de 120
Estadstica General
f)
DATOS PARA EL CONTROL: Son datos que se toman de manera tal, que
brinden una informacin que permita saber si una situacin se encuentra o no en
estado de control estadstico. Esto permitir tomar la accin adecuada para
mantenerla bajo control o para volverla a ese estado, segn sea el caso.
g)
DATOS DE/PARA LA REGULACIN: Son datos que sirven de base para fijar
los parmetros de funcionamiento de un sistema o proceso. Las especificaciones
finales, estarn basadas en esos datos.
h)
ANLISIS DE DATOS
Antes haremos algunas consideraciones sobre los datos. Para cumplir con los objetivos de la
recoleccin de ellos, los datos deben cumplir ciertos requisitos:
LOS DATOS DEBEN SER COMPLETOS: Debe registrarse toda la informacin requerida; un
registro parcial no ser compatible con el resto de la informacin y, por lo tanto, deber ser
descartado, lo que equivale a no haberlo tomado, o sea, que es trabajo desperdiciado. Se
debe ser muy cuidadoso con los detalles que, en apariencia, no son de importancia (tales
como: fecha, hora, nmero de mquina, orden de los datos, etc.).
LOS DATOS DEBEN SER HOMOGNEOS: Todos los datos deben ser tomados en las
mismas condiciones, con el mismo instrumental (de igual nivel de calibracin). Datos que no
son homogneos con el resto debern ser descartados, y esto es esfuerzo desperdiciado.
LOS DATOS TIENEN VARIACIN: Al tomar una serie de mediciones de una caracterstica
dada, nos encontramos con que existen diferencias entre los valores ledos. Estas diferencias
son explicadas en la Teora de la Variacin, que define que la variacin es una ley natural.
No existen en la naturaleza dos elementos exactamente iguales (idnticos). Estas
diferencias son el efecto visible de las llamadas causas no asignables (o causas naturales
de variacin). Dichas causas siguen un patrn o un "Modelo Probabilstico": las leyes del
azar. Estas leyes sern definidas por las matemticas. Tambin los datos pueden ser
diferentes como consecuencia de otras causas, las cuales seguirn otras leyes de
probabilidad.
El procesamiento de los datos nos provee informacin simple y vital referida a un nico objeto
de estudio. Entonces la estadstica nos brinda, por medio del anlisis, una serie de valores que
representan al conjunto estudiado; por ello, es importante definir algunos conceptos fundamentales:
VARIABLE:
Pgina 3 de 120
Son particiones de una poblacin infinita que, se supone, conservan los mismos
parmetros.
Debemos aclarar que, casi siempre, en la prctica estos parmetros son desconocidos, ya
que no se tienen todos los datos. Esto se debe a muchas causas: tiempo, costo, etc.; y, a veces, se
nos hace difcil o imposible conocer a todos los individuos. Es, por eso, que la estadstica usa
muestras y por medio de ciertas metodologas permite Inferir sobre la poblacin objeto de estudio.
MUESTRAS: Es una porcin de la poblacin que se extrae para estudiarla. Los valores
caractersticos distintivos de una muestra reciben el nombre de estadsticos o
estimadores muestrales o simplemente estimadores. Estos se utilizan para estimar
o inferir los parmetros de la poblacin objeto de estudio.
Pgina 4 de 120
Estadstica General
MEDIANA (o Valor Mediano): Es el valor de la variable que divide en dos efectivos iguales a
los individuos observados ordenados por valor creciente del carcter (la posicin que ocupa la
mediana corresponde al total de los individuos observados divido 2; o sea, que el 50% son
inferiores que ella y el otro 50% son superiores).
DESVOS: Son la diferencia entre un valor cualquiera que puede tomar la variable y una
caracterstica de tendencia central (las ms usadas son la mediana y la media aritmtica). Se
denominan: desvos respecto de la mediana y desvos respecto de la media. Indican la
distancia a la que se encuentran los correspondientes valores respecto del valor tomado como
referencia (alejamiento en magnitud y direccin). Por la propiedad que tienen los baricentros,
la suma de todas las desviaciones con respecto a la media aritmtica es igual a cero.
Pgina 5 de 120
FRACTILES: Son valores que representan a una fraccin del conjunto observado. Se usan
cuando los anteriores valores caractersticos no representan al conjunto observado (o cuando
el conjunto observado es muy disperso). Su clculo es muy parecido al de la mediana. Los
ms conocidos o usados son: los cuartiles (que dividen en 4 partes al conjunto observado),
los deciles (que lo dividen en 10 partes) y los percentiles (que dividen al conjunto observado
en 100 partes). Cabe aclarar que al conjunto se lo puede dividir en partes no iguales (por
ejemplo: 80/20 %, 70/30 %, etc.).
CARACTERSTICAS DE FORMA:
A continuacin veremos el clculo de los conceptos enunciados para las distintas formas en
las que se pueden recopilar los datos:
Pgina 6 de 120
Estadstica General
MEDIA o PROMEDIO: r =
i=1
50
= 3,8461538461 5
13
(r
VARIANZA: S 2 =
i= 1
n
n
(r
CUASIVARIANZA: S n2 1 =
21,6923076923
= 1,6686390532 5
13
i= 1
n1
21,6923076923
= 1,8076923077 (cuando se quiere estimar el
12
valor de la varianza de la
poblacin)
Pgina 7 de 120
3,84615
n1
(r
i= 1
COEFICIENTE de ASIMETRA: As =
n
S3
8,0591715976
0,6199362767
13
= 0,2876096444
=
=
2,1554780546
2,1554780546
COEFICIENTE de KURTOSIS:
n
(r r )
i
i =1
n
S4
Ku =
71,8716431497 5
5,5285879346
13
= 1,9855892561
=
=
2,7843562900 5
2,7843562900 5
DATOS AGRUPADOS: Si los mismos datos observados en forma individual se agrupan por
clase de observacin (este procedimiento se justifica si la cantidad de datos observados es
cuantiosa). Los datos se distribuyen en una tabla que se puede representar grficamente.
En este caso hay que introducir los conceptos de frecuencias:
fai: frecuencia absoluta, es la cantidad de observaciones (individuos) pertenecientes a una
clase o al valor de la variable observado. O sea que cada valor se repite con una
frecuencia determinada.
fi:
observado. Fi = fi
1
Pgina 8 de 120
Estadstica General
observado. G ai = fai
i
observado. Gi = fi
i
k:
fai
fi
Fai
Fi
Gai
Gi
0,153846154
0,153846154
13
0,307692307
0,461538461
11
0,846153846
0,230769231
0,692307692
0,538461539
0,153846154 11 0,846153846
0,307692308
0,153846154 13
0,153846154
fai = n = 13
MEDIA: r =
fi = 1
k
1 k
1
ri fai =
50 = ri fi = 3,846615384615
n i=1
13
i=1
MEDIANA: Me = re ; es el valor de la variable tal que se cumplen (en forma simultnea) las siguientes
condiciones (para un total de conjunto impar): F(re 1) 0,5 y F(re ) 0,5
F(3) = 0,461538461 0,5 y F(4) = 0,692307692 0,5
La Frecuencia Acumulada relativa izquierda del valor 3 (que es el anterior a 4,
re-1 = 3) es menor que 0,5 (se cumple la primer condicin); y, la Frecuencia
Acumulada relativa izquierda del valor 4 (re = 4) es mayor que 0,5 (se cumple
la segunda condicin). Por lo tanto: M e = 4
Se puede visualizar la obtencin de la mediana mediante el trazado de una curva de
frecuencias acumuladas. Esta curva tambin se define como curva de distribucin; si tomamos a
las frecuencias acumuladas relativas, esta curva describe una funcin llamada funcin de
distribucin. La misma es estrictamente creciente en el caso de las Variables Continuas, o bien, es
una curva en escalera en el caso de las Variables Discretas. En el siguiente grfico podemos apreciar
que la Mediana es 4, resultado que obtuvimos de manera analtica.
Pgina 9 de 120
fai
fi
Fai
Fi
Gai
Gi
0,07143
0,07143
14
0,14286
0,21429
13
0,92857
0,28571
0,5
11
0,78571
0,21428 10 0,71428
0,5
0,14286 12 0,85714
0,28572
0,14286 14
0,14286
fai = n = 14
fi = 1
Pgina 10 de 120
Estadstica General
En general, la mediana, es el valor de la variable estadstica donde se cumple que F(re ) = 0,5
Esta ecuacin tiene solucin nica en el caso de las variables continuas; pero puede o no
existir o no ser nica si la funcin de distribucin presenta escalones, en el caso de las variables
discretas. Si el total del conjunto es impar: la mediana es el valor re, tal que: F(re 1 ) < 0,5 < F(re + 1 ) .
Si el total del conjunto es par, se tiene que F(re ) = 0,5 : entonces la mediana est indeterminada entre
los valores re y re+1, a este intervalo se lo denomina mediano.
Volvamos a nuestro ejemplo de 13 individuos: Sigamos con el procesamiento de los datos.
CUASIVARIANZA: Sn21 =
k
1
fai ri r
n 1 i =1
1
21,6923076923 = 1,8076923077
12
3,84615
n1
Pgina 11 de 120
COEFICIENTE de ASIMETRA:
3
1 k
1
fai ri r
8,0591715976
n i =1
13
As =
=
=
S3
2,1554780546
f (r r )
i
i =1
COEFICIENTE de KURTOSIS:
4
1 k
1
fai ri r
71,8716431497 5
n i =1
13
Ku =
=
=
S4
2,7843562900 5
f (r r )
i
0,6199362767
= 0,2876096444
2,1554780546
i =1
5,5285879346
= 1,9855892561
2,7843562900 5
Vara
Constante
Vara
Denominador
Constante
Vara
Vara
Promedio?
Fulano
10
Fulano
11
Fulano
12
Fulano
11
Fulano
10
Fulano
10
Fulano
12
Fulano
11
Fulano
11
Fulano
10
TOTAL
n = 10
108
Pgina 12 de 120
Estadstica General
X
En este caso se usa el promedio aritmtico: X =
i =1
108
= 10,8 min
pza
10
X1 =
X arm =
X
i=1
10
= 0,0925 pza
min
10 + 11 + 12 + 11 + 10 + 10 + 12 + 11 + 11 + 10
X
X=
i=1
1
10
1
11
1
12
1
11
1
10
+ 101 +
10
1
12
1
11
1
11
1
10
= 0,09303 pza
(este resultado es errneo)
min
Veamos el error: si usamos el resultado del promedio aritmtico para proyectar, en 108
Fulano debera hacer 10,0472 piezas y no 10 piezas como realmente ha ocurrido. En cambio, si
usamos el resultado del promedio armnico la proyeccin a 108 da exactamente 10 piezas. Si en
slo 108 minutos tenemos una diferencia de 0,05 piezas, la diferencia se incrementa en ms tiempo
de proyeccin.
Pgina 13 de 120
Las variables continuas siempre deben ser agrupadas en intervalos de clase (o grupos de
valores posibles). Si bien en el agrupamiento se pierde cierta informacin (los datos pierden su
individualidad), se gana en el anlisis.
El nmero de clases a adoptar depende de la precisin que se requiera. En un nmero
elevado de clases, aparecern irregularidades accidentales que provienen del hecho de haber pocos
individuos por clase. Al contrario, un nmero demasiado restringido de clases, conduce a una prdida
de informacin. La experiencia conduce a limitar el nmero de clases segn el tamao del conjunto a
tratar: entre 5 y 7, o bien, entre 10 y 15.
Como una gua aproximada de establecer el nmero k de intervalos, puede utilizarse la
frmula que Herbert Sturges propuso en 1926:
ln(n)
k = 1+
ln(2 )
La eleccin de las amplitudes de clases, est condicionada por la preocupacin de obtener
efectivos comparables de una clase a otra (es decir, del mismo orden de magnitud). Esta
preocupacin considera tomar clases cuyas amplitudes sean variables: pequea amplitud donde el
carcter estudiado es frecuente, y mayor amplitud donde el carcter es ms raro (esta situacin se
observa en estudios socio-econmicos). En el caso de la estadstica industrial, en general se
consideran por simplicidad, clases de amplitud constante.
La experiencia indica que el agrupamiento en intervalos de clases de una variable estadstica
continua, se realiza aplicando no slo tcnica estadstica sino tambin el conocimiento de la
problemtica a estudiar, proveniente de la actividad profesional del realizador.
Veamos un ejemplo: Supongamos una muestra de 100 observaciones (o individuos) (n = 100),
correspondientes a una variable continua, que corresponde al consumo diario de agua (medido en
miles de litros) en una curtiembre:
I = Intervalo de Clase Xi = consumo
Ci
fi
Fai
Fi
Gai
Gi
20 30
25
0,01
0,01 100
30 40
35
15
0,15
16
0,16
99
0,99
40 50
45
39
0,39
55
0,55
84
0,84
50 60
55
32
0,32
87
0,87
45
0,45
60 70
65
11
0,11
98
0,98
13
0,13
70 80
75
0,02
100
0,02
fai = n = 100 fi = 1
I:
Ai: Amplitud del intervalo de clase, es la diferencia entre el lmite superior e inferior del
intervalo. Las clases pueden tener una amplitud constante o variable.
Xi inf xi sup: lmites inferior y superior, respectivamente del intervalo de clase correspondiente.
Pgina 14 de 120
Estadstica General
Ci: Centro del intervalo o marca de clase, es el valor central del Intervalo. C i =
x i inf + x i sup
2
intervalo). Fi = fi
1
intervalo). G ai = fai
i
k:
i:
Pgina 15 de 120
k
1 k
1
C i fai =
4930 = C i fi = 49,3 miles de litros = 49.300 litros ; vemos como
n i=1
100
i=1
el promedio refiere al baricentro del histograma (grfico).
MEDIA: X =
MODO: En el caso de variables continuas no se puede identificar al modo (el mismo queda
indefinido), solamente podemos identificar al intervalo de clase modal (Io) = que es el
intervalo de clase de mayor frecuencia absoluta. En nuestro ejemplo:
I o = I 3 = Intervalo 3 = 40 a 50 miles de litros , o sea el intervalo que va de 40.000 a 50.000
litros.
Veamos la informacin de las Frecuencias Acumuladas grficamente mediante las Curvas de
Frecuencias Acumuladas:
Pgina 16 de 120
Estadstica General
Fai Gai
10099
98
87
84
55
50
45
16
13
12
0
10
20
30
40
Me
50
Xi
60
70
80
El punto donde se cortan las dos curvas, corresponde a un valor de variable, en el eje de
abscisas, que tiene por debajo a la mitad de las observaciones (o sea al 50%), y tiene por encima a la
otra mitad de las observaciones. Dicho valor divide al conjunto de datos en dos mitades (este es el
concepto de Mediana).
MEDIANA: Me = X e , es el valor de la variable tal que: F( X e ) = 0,5 . En el caso de las variables
continuas la mediana divide al histograma en dos reas iguales. Tambin, a la
mediana, se la puede interpretar como el fractil (valor de la variable) que encierra al
50% de los valores, del conjunto observado, a su izquierda. A la mediana, se la puede
calcular por interpolacin lineal a partir de los extremos de los intervalos de la clase
correspondiente. Para poder interpretar la ecuacin de la misma, hay que identificar
primero al intervalo de clase mediano: Ie, el cual contiene al 50% de las
observaciones del conjunto, en este caso: I e = I 3 = Intervalo 3
De manera que el clculo de la Mediana ser:
( )
n Fa ( e 1)
= L inf3 + A 3
Me = X e = X ( 0 ,5 ) = L infe + A e 2
fae
100 F2
2
f3
Pgina 17 de 120
50 16
Me = X (0 ,5 ) = 40 + 10
= 48,71794872 miles de litros = 48.717,94872 litros
39
VARIANZA: Con las mismas consideraciones anteriores (si se quiere o no estimar el valor de la
varianza de la poblacin):
k
2
2
1 k
1
S2 = fai Ci X =
9451 = fi Ci X = 94,51 (miles de litros)2
n i =1
100
i=1
CUASIVARIAZA: Sn21 =
k
1
fai Ci X
n 1 i= 1
1
9451 = 95,4646464646464646 (miles de litros)2
99
49,3
n1
COEFICIENTE de ASIMETRA:
3
)
1 k
1
fai Ci X
21131,39
n i =1
As =
= 100
=
3
S
918,7908145225
COEFICIENTE de KURTOSIS:
4
1 k
1
fai Ci X
2563857 ,97
n i =1
100
Ku =
=
=
S4
8932,1401
f (C
i
i =1
S3
f (C
i
i =1
)
211,3139
=
= 0,2299914155
918,7908145225
25638,5797
= 2,8703736633
8932,1401
FRACTILES: Es el valor de la variable (dentro del conjunto) que encierra un cierto porcentaje (y%) de
observaciones o individuos a su izquierda (o sea por debajo de ese valor). Al igual que
la mediana (que es el fractil del 50%, ya que encierra a un 50% de individuos a su
izquierda), hay que reconocer, primero, al intervalo de clase del fractil (Ix) que es el
que contiene a dicho porcentaje de observaciones.
As tenemos, para el ejemplo que venimos desarrollando, que el valor 40, es el fractil
del 16%, porque encierra a un 16% de observaciones a su izquierda (por debajo) y a
un 84% de observaciones a su derecha (por arriba). El valor 50, es el fractil del 55%,
porque encierra a un 55% de observaciones a su izquierda (por debajo) y a un 45% de
observaciones a su derecha (por arriba). El valor 60, es el fractil del 87%, porque
encierra a un 87% de observaciones a su izquierda (por debajo) y a un 13% de
observaciones a su derecha (por arriba). El valor 70, es el fractil del 98%, porque
encierra a un 98% de observaciones a su izquierda (por debajo) y a un 2% de
observaciones a su derecha (por arriba).
Para otros valores dentro de un intervalo, el fractil se calcula:
Pgina 18 de 120
Estadstica General
(n y%) Fa ( x 1)
X ( y %) = L infX + A I
fax
Veamos algunos ejemplos tomando como base el cuadro del consumo diario de agua:
Cul es el valor de la variable superado el 10% de los das (o sea que encierra a un 10% de
las observaciones a su derecha o por arriba)?
Lo que me estn pidiendo es el fractil del 90%: ste se encuentra en el Intervalo 5 (I5).
))
(100 0,90 ) Fa ( 4 )
90 87
X (0 ,90 ) = L inf5 + A 5
= 62,72 miles de litros ; o sea que
= 60 + 10
fa 5
11
Cul es el valor de la variable superado el 40% de los das (o sea que encierra a un 40% de
las observaciones a su derecha o por arriba)?
Lo que me estn pidiendo es el fractil del 60%: ste se encuentra en el Intervalo 4 (I4).
(100 0,60 ) Fa ( 3 )
60 55
X (0 ,60 ) = L inf4 + A 4
= 50 + 10
= 51,5625 miles de litros ; o sea
fa 4
32
que el 60% de las observaciones, el consumo, se encuentra por debajo de 51.562,5 litros,
y, el 40% de los das (observaciones), se encuentra por encima de 51.562,5 litros.
Cul es el valor de la variable superado el 90% de los das (o sea que encierra a un 90% de
las observaciones a su derecha o por arriba)?
Lo que me estn pidiendo es el fractil del 10%: ste se encuentra en el Intervalo 2 (I2).
10% de las observaciones, el consumo, se encuentra por debajo de 36.000 litros, y, el 90%
de los das (observaciones), se encuentra por encima de 36.000 litros.
FRECUENCIA ACUMULADA IZQUIERDA RELATIVA (Porcentual Acumulado): Es el porcentaje de
observaciones (individuos) que se encuentran a la izquierda (por debajo) de un valor
determinado de la variable.
As tenemos, para el ejemplo que venimos desarrollando, que el 16% de las
observaciones se encuentra a la izquierda (por debajo), del valor de variable 40, o sea
que F(40) = 0,16. El 55% de las observaciones se encuentra a la izquierda (por
debajo), del valor de variable 50, o sea que F(50) = 0,55. El 87% de las
observaciones se encuentra a la izquierda (por debajo), del valor de variable 60, o sea
que F(60) = 0,87. El 98% de las observaciones se encuentra a la izquierda (por
debajo), del valor de variable 70, o sea que F(70) = 0,98.
Para otros valores dentro de un intervalo, el porcentual acumulado se calcula:
Pgina 19 de 120
F(X ) =
1 X L infX
fax + Fa ( x 1)
n
AI
Veamos algunos ejemplos tomando como base el cuadro del consumo diario de agua:
1 51 L inf4
1 51 50
fa 4 + Fa ( 3 ) =
32 + 55 = 0,582 ; o sea que el
100
A4
100 10
58,2% de los das (observaciones), el consumo se encuentra por debajo de 51.000 litros, y
el 41,8% de los das (observaciones), el consumo se encuentra por encima de 51.000 litros.
F(51) =
1 32 L inf2
1 32 30
fa 2 + Fa (1) =
15 + 1 = 0,04 ; o sea que el 4% de
100
A2
100 10
los das (observaciones), el consumo se encuentran por debajo de 32.000 litros, y por lo
tanto el 96% de los das (observaciones), el consumo se encuentra por encima de 32.000
litros (que responde a lo solicitado).
F(32) =
JUGANDO CON LOS PORCENTUALES: Tomando como base el cuadro del consumo diario de agua
Cul es el porcentaje de los das (observaciones) en los que el consumo se encuentra entre
los valores de variable 32.000 y 51.000 litros?
Lo que me estn pidiendo es: P(32 X 51) = F(51) F(32) = 0,582 0,04 = 0,542 ; o sea que
el 54,2% de los das (observaciones), el consumo se encuentra entre 32.000 y 51.000 litros.
De los das (observaciones) en los que el consumo est por debajo de 51.000 litros, cul es
el porcentaje de esos das en los que el consumo se encuentre por encima de 32.000 litros?
Lo que me estn pidiendo es un porcentual condicional:
P[( X 32) ( X 51)] P(32 X 51) 0,542
=
=
= 0,9313 ; o sea que el
P( X 51)
F(51)
0,582
93,13% de los das (observaciones) en los que el consumo se encuentra por debajo de 51.000
litros, el consumo est por encima de 32.000 litros.
P X 32 X 51 =
De los das (observaciones) en los que el consumo est por debajo de 51.000 litros, cul es
el porcentaje de esos das en los que el consumo se encuentra por debajo de 32.000 litros?
Pgina 20 de 120
Estadstica General
P X 32 X 51 =
De los das (observaciones) en los que el consumo est por encima de 32.000 litros, cul es
el porcentaje de esos das en los que el consumo se encuentre por debajo de 51.000 litros?
Lo que me estn pidiendo es un porcentual condicional:
P[( X 51) ( X 32)] P(32 X 51) 0,542
=
=
= 0,5646 ; o sea que el
P( X 32)
1 F(32)
0,96
56,46% de los das (observaciones) en los que el consumo se encuentra por encima de
32.000 litros, el consumo est por debajo de 51.000 litros.
P X 51 X 32 =
De los das (observaciones) en los que el consumo est por encima de 32.000 litros, cul es
el porcentaje de esos das en los que el consumo se encuentre por encima de 51.000 litros?
Lo que me estn pidiendo es un porcentual condicional:
P[( X 51) ( X 32)] 1 F(51) 0,418
=
=
= 0,4354 ; o sea que el 43,54% de
P( X 32)
1 F(32)
0,96
los das (observaciones) en los que el consumo se encuentra por encima de 32.000 litros, el
consumo est por encima de 51.000 litros. Tambin se puede obtener como complemento de
la pregunta anterior. Porque si el 56,46% de los das (observaciones) en los que el consumo
se encuentra por encima de 32.000 litros, el consumo est por debajo de 51.000 litros; es
lgico que el 43,54% de esos das (observaciones), el consumo est por encima.
P X 51 X 32 =
Pgina 21 de 120
Pgina 22 de 120