Você está na página 1de 4
Desipn de es ara Fn de. rites de eetencas atts ens clit goa de teazndos tie FIGURA 2-7 Dtrauatn oe frecuensat rts de os els de ppoducin de ura frst de 30 tees sionbla iad inter de case 203 yards Histogramas Las figuras 2-1 y 2-2 son dos ejemplos de histograms. Un histgrama conssteen una sere de ree- tingulos, cuye ancho es proporcional al rango de les valores que se encuentran dentro de una clase, ¥ cuya altura es proporcional al nimero de elementos que eaen dentro de a clase. Si las clases templeadss en la distribucidn de frecuencias son del mismo ancho, entences las barras verticals del histograms tambign tienen el mismo aneho, La altura de la barra correspondiente a cada clase repre- ‘sents elrximero de observaciones de la case. Como consecueneia, el rea contenida en cad reetén- glo (base por altura) ocupa un porceataje del rea total de todos os reetdngulos la cual es igual ala frecuencia absoluta de esa clase correspondiente respecto a todas las observaciones hechas. Un histograms que utiliza las frecuencias relativas de los datos puntuales de cada una de las clases, en lugar de usar el nlmero real de puntos, se eongce como histogram de frecnencias relat ‘as, Este tipo de histogram tiene la misma forma que un histograma de frecueneiasabsolutas cons- auido a partir del mismo conjunto de datos, Esto es asi debido a que en ambos, el tamaio relative de cada rectingulo es la Frecuencia de esa clase comparada con el nsimera total de observaciones. Recuende quc la frecuencia relativa de cualquier clase es el nimero de observaciones que entran en la clase, dividido entre el nmero total de observaciones hechas. La suma de todas las frecuencias relativas de cualquier conjunto de datos debe ser igual 1.0, Con esto en mente, podemes convert cl histograma dela figure 2-1 en un histograma de frecuencias reltivas como el presentado en Ia igura 2-7. Observe que la inica diferenci entre éetos es el lad izquierda de la excala del eje vert cal, Mientras que la escala vertical del histograma de la figura 2-1 representa el nimero absolute de ‘observaciones de cada clase, la escala del histograma de a figura 2-7 es el aimero de observaciones {de cada clase fomadas como una fraccién del némero total de observaciones, Poder presentar los datos en términos de la frecuencia relativa de las abservaciones, mis que en términos dela frecuencia absoluta es de gran uiidad, ye que mientras los nimeros absolutes pue- ‘den sufrir cambios (si probamos mss telares, por ejemplo), arelacign entre las clases permanece = {able, EI 20% de todos los telares puede entrar en la clase “16.1-163 yardas”, ya sea que probemos 300 300 tlares. Results fil comparar los datos de muertas de diferentes tama cuando uliza- ‘mos histogramas de frecuencias relativs, EAST GST GET EHET WEES TAT kde pees 30 caprtulo2 Arupaclony pretntacion de datos para expresa significado: tabla y gras Ue es patos aos lee aoa oda ds hes Coreson coun golgona ce freaencasenun tama Cortona polgora de tea fs tlhas eras al hisana FIGURA 28 Poligono de ‘recuencias de nel de produccion de una muestra de 30 tales para alfomtre utizando Intervals de clase 003 yareas FIGURA 29 Histograma ‘uaz pat ‘ees puts de pollgono de ‘recuencas de fatigue 2-8 Poligonos de frecuencias Aunque se uilizan menos, los pligonos de frecuencia son ota forma de representargificamente dlistibuciones tanto de frecuencias como de frecuencias relativas. Para construir un poligono ée fre- ‘cuencias sefalamos étas en el eje vertical y los valores de Ia variable que estamos midiendo en el «ic horizontal, del mismo modo en que se hizo con el histograma, A continuacién, graficamos cada frecuencia de clase razando un punto sobre s1 punto medio y conectamos los puntos sticesivos sultantes con una linea recta para formar un poligono (una figura con muchos lados) La figura 2-8 representa un poligono de frecuencias construido a parti de los datos de Ia tabla 2-14, Si compara esta figura con la 2-1, notar que se han agregado dos clases, una en cada extremo de Ia scala de valores observados. Estas contienen cero observaciones, pero permiten que cl poli- ‘gone Ilegue al eje horizontal en ambos extremos de la dstribucisn, {De qué manera poems convertr un polfgono de frecuencias en un histograma? Un polizono de frecuencias es sla una linea que conects los puntos medios de todas las barras de un histograms, Por consiguiente, podemos reproducir el histograma mediante el razado de lineas verticals desde los limites de clase (setalados en el cje horizontal) y, luego, conectando esas lineas con rectashori= ‘zontals ala altura de los puntos medios del polfgono. En la figura 2-9 hicimos esto con lineas pun~ teadas. Un poligono de frecuencia que utiliza freeuencias relativas de datos puntuales en cada una de las ‘clases, en lugar del ndmero real de puntos, se eonoce como poligono de frecuencias relativas. Este ‘poligono tiene la misma forma que el poligono de frectuencias construide a partir del mismo conjun- to de datos, pero con una excala diferente en los valores del eje vertical, En lugar del nimero abso- Ito de observaciones, la escala representa cl mimero de observaciones de cada clase expresadas ‘como una fraccidn del total de observaciones. Los histogramas y lo poliganos de frecuencias son similares. Por qué necesitamos ambos? Las ‘ventajas de ls histogramas son: 1. Los rectingulos muestran cada clase de a distribucign por separado. 2. El rea de cada rectingulo, en relaciGn con el resto, muestra la peoporciGn del ndmero total de dobservaciones que se encuentran en esa clase. ess SSCDSCSSCSS Nile predomi a Nine pd en yas 25 Representacion grafica de distribuciones de frecuencias| ete os palgancs ceacon doe ‘una feevenca Dethican de ctsubucen e tecuencas ‘cunuas Una “enor ge” FIGURA 2-11 Ojka "menor que" dela strbucon rivles producign de una fruesta de 30 telsres pace afomba asd torencas teas Los poligonos, por su parte, también poseen ciertas ventas. 1. El poligono de freeuencias es mis sencillo que su histograma correspondiente. 2. Bosqueja con més claridad un perfil del pateén de los datos. 3. El poligono se vuelve cada vez. mis suave y parecido a una curva conforme aumentamos el _imero de clases y el niimero de observaciones. Un poligono como el que acabamos de describir, suavizado mediante cl aumento de clases y de datos puntales, se conace como curva de frecuencias. En la figura 2-10, hemos utilizado el ejem- plo de los telares para alfornbra, pero en esta ocasién aumentamos el niimero de observaciones a 300, y el nlmero de clases a 10, Nove que conectamos los puntos con Iineas curvas para tener una apeo- ‘imacidn de Ia manera en que se vera el polfgono si tuvigramos un gran niimero de datos punuales « intervalos de clase muy pequetios. Ojivas Una dariducin de fecencasacumadas os perme vr cai obnevaciones eatin pore tna de leno valores en ugar de hacen mer reso del nimero de elementos que hay det Ae los merle. Por ejemplos deseamos sate cudmos eae jen menos de 17.0 ares, pode tno liar ua abla que regs ls feces aculadas menor que” de nesta est, come se presenta en a abla 215 a sdica de una dsribucién de frecuencia acumulaas se conoce como ov a a figura 2-11 se mest lala destin de ecvencis dala 213. Lox puntos presenta nla uc nical mimero dele quc ene an predacign menor gue el ners de yan ttc elec horizontal. Note quel lint Ir de sland lata comet ne init superior J a disucién seul de a jv. 5 a E 5 E wenn SEE BE eae Nd snes En algunas ocasiones, la informacién que utilizamos se presenta en términos de frecuencias ‘acumuladas “mayores que". La ojiva adecuada para tal informacion tendria una inclinacién hacia abajo y hacia la derechs, en lugar de tener una hacia ariba y la derecha, como en la figura 2-11 PPodemos construir una ojva de una distribucidn de frecuencins relativas de la misma manera en ‘que trazamos la ojiva de una distibucién de frecuencias absolutas de la figura 2-11, Solo babs. un cambio: la escala en cl eje vertical. Como en la figura 2-7, esta escala debe sefalar la fraccién del raGmero total de observaciones que eaen dentro de cada clase Para construr una ojiva acumulada “menor que” en términos de frecuencias relativas, podemos remitirnos a una distribucién de frecuencias relativas (como lade la figura 2-7) y constuir una tabla lizando los datos (como la tabla 2-16). Lugo podemos convertr las cifras de dicha tabla en una ova (como en la figura 2-12). Observe que las figuras 2-11 y 2-12 son equivalents y dfieren slo en lacescala del eje vertical. FIGURA 2-12 Ojva ‘menor que” de a cist buen de fos nivel de ro shun de une rues de 30 tears pare afonbia wizard freaendas voltae FIGURA 2-13 ja “ener que" dela Sstibucion elos ives de producin de una Fruesta ce 30 ‘elas para aonb, en onde se inaca lala media apronmado del ag de datos vigial -Agrosinacn del reg de tas any vr) ay ca an Frown xmas & Merge > 2 SRST ale prone jars or clase ‘Frecenca acomulada ___Frecienciaelatva aamulads Cd enor que 52 ° 00 trecuecasratins OSES 2 oar pcan srers 52 4 as deunamossta de) RR ® 050 tere: pom ationbs RST Py oso enor que 167 n 030 menor qu 1.0 30 1.00 a 5 g i 4 lr apron i Snot =150 oat owl Moora —e WEBS gat Ni epi ane ‘Suponga que ahora trazamos wna linea recta perpendicular al ej vertical en la marca 0.50 hasta intersecar ala ojiva (como en Ia figura 2-13). De esta manera, es posible leer un valor aproximado {16.0 del nivel de prodccién del decimoquintotelar de un arreglo de 30, Asi pues, hemos regresado a la primera organizacion de datos estudiads en el presente capitulo, A partir del ordenaiente de datos podemos construir dstibuciones de frecuencias: a partir de las Uistribuciones de frecuencias podemos construir distribuciones de frecuencias acumuladas; a su vez, 1 partir de éstas podemos trizar una ajiva, Y con base en esta ojiva podemos aproximar los valores provenientes del artezlo de datos, Sin embargo, en general no cs posible recobrar los datos origina- les exactos a partir de ninguna de las representaciones pricas analizadas.