Escolar Documentos
Profissional Documentos
Cultura Documentos
Introducción
En el siglo XIX, con la generalización del método científico para estudiar todos
los fenómenos de las ciencias naturales y sociales, los investigadores aceptaron
la necesidad de reducir la información a valores numéricos para evitar la
ambigüedad de las descripciones verbales.
Las respuestas a éstas y a muchas preguntas que llevan a una toma de decisiones,
se obtienen de manera más fácil usando las técnicas y métodos de la estadística
y la probabilidad.
1.1 Conceptos de estadística y su clasificación.
Influencia y Aplicaciones de la Estadística en la Sociedad Actual
En nuestros días, la estadística se ha convertido en un método efectivo para
describir con exactitud los valores de datos
económicos, políticos, sociales, psicológicos, biológicos o físicos en la
ingeniería y sirve como herramienta para relacionar y analizar dichos datos. El
trabajo del experto estadístico no consiste ya sólo en reunir y tabular los datos,
sino sobre todo en el proceso de “interpretación” de esa información.
Actualmente la estadística, es una rama de las matemáticas aplicadas, que
colecciona, clasifica, evalúa o analiza datos para inferir (sacar conclusiones),
poder tomar decisiones y resolver problemas.
Observación y
Experimentación
Formulación
de Teorías
Deducción de
predicciones
Nuevos
Experimentos
Si
con el experimento
No
Ejemplos:
Proceso de manufactura:
Voltaje, amperaje.
- Sistemas de medición
- Se lanzó una moneda tres veces; primero salió águila, luego sol y después
también sol.
38.7, 37.9, 40.0, 39.5, 38.2, 37.0, 36.8, 37.1, 36.9, 37.0
Definiciones de la Estadística
¿Qué es la Estadística?
Así pues, Estadística proviene del término alemán Statistik que se traduce
como “La ciencia del Estado”, por lo que designaba originalmente el análisis
de datos del Estado. En el siglo XIX cuando el militar británico Sir John
Sinclair (1754-1835) introdujo al término estadística el significado de recolectar y
clasificar datos. También se sabe proviene del latín statisticum
collegium (“consejo de Estado”) y su derivado italiano statista (“hombre de
Estado o político”).
..
Experimento:
Datos:
Organizar:
Resumir:
Presentar:
Interpretar:
Concluir:
POBLACIÓN
MUESTRA
Es un subconjunto de la población.
Cada uno de estos tipos de variables (cualitativas y cuantitativas) puede subdividirse aún
más.
VARIABLE CUALITATIVA, DE ATRIBUTOS O CATEGÓRICA
Por ejemplo
Una muestra de cuatro clientes de un salón de belleza fue cuestionada en cuanto al “color
de su cabello”, “la ciudad en que habita” y “nivel, de satisfacción” respecto a los resultados
en él. Salón de belleza. Las tres variables son ejemplos de variables cualitativas (de
atributos), ya que describen alguna característica de la persona, y todas las personas con
el mismo atributo pertenecen a la misma categoría. Los datos recolectados fueron {rubio,
café, negro, café}, o bien se puede evaluar diciendo muy satisfecho, satisfecho, algo
satisfecho}.
VARIABLE NOMINAL
Para datos resultantes de una variable nominal, las operaciones aritméticas no sólo
carecen de sentido: tampoco es posible asignar un orden a las categorías
VARIABLE ORDINAL
El “costo total” de los libros de texto adquiridos por cada estudiante para las clases de
este semestre es un ejemplo de variable cuantitativa (numérica). Se obtuvo una muestra.
VARIABLE DISCRETA
Una variable cuantitativa que puede asumir un numero contable de valores Intuitiva mente
la variable discreta puede asumir los valores correspondientes a puntos aislados a lo largo
de un intervalo de recta Es decir entre dos valores cualesquiera hay un hueco
VARIABLE CONTINUA
Una variable cuantitativa que puede asumir una cantidad incontable de valores
Intuitivamente la variable continua puede asumir cualquier valor a lo largo de un intervalo
de recta incluyendo cualquier valor posible entre dos valores cualesquiera
DATO
DATOS
EXPERIMENTO
Valor numérico que resume todos los datos de una población completa
ESTADÍSTICA
Ejemplo
Agrupación de datos
Clasificación
Los datos en bruto conocidos también son los datos recopilados que no han sido
clasificados u organizados numéricamente. Un ejemplo es la lista de estaturas de
100 alumnos obtenida de los registros alfabéticos de la universidad.
Un arreglo o datos agrupados es una lista ordenada, donde se ha efectuado un
acomodo de los datos numéricos en bruto tomando en cuenta algún orden
(ascendente o descendente) de sus magnitudes. La diferencia entre los números
mayor y menor se llama rango de los datos. Por ejemplo, si la mayor estatura de
100 alumnos es 174 centímetros y la menor es 160 centímetros, el rango es 174 -
160 = 14 centímetros.
Tabla 1
Estatura Número de
(centímetros) alumnos
160-162
5
163-165
18
166-168
42
169-171
27
172-174 8
Total 100
Un intervalo de clase que no tiene límite superior o límite inferior (al menos,
teóricamente) se denomina intervalo de clase abierto. Por ejemplo, al referirnos
a grupos de edad en personas, el intervalo de clase "65 años o más de edad" es un
intervalo de clase abierto.
Ejercicio 1
64
65
66
¿Cuántas clases?
Para decidir el número de clases que se deben tomar conviene tener en cuenta
que si éste es excesivo con respecto al número de datos, pueden aparecer
irregularidades accidentales provenientes de pocas observaciones en algunas
clases. Sin embargo, si se toma el número de clases demasiado reducido se
producirá una pérdida importante de información.
Tabla 2
6 a 11 4
12 a 22 5
23 a 45 6
46 a 90 7
91 a 181 8
182 a 362 9
363 a 724 10
725 a 1448 11
1449 a 2896 12
2897 a 5792 13
5793 a 11585 14
Por otra parte, también sería deseable que las clases elegidas abarcaran los
datos sin que quedaran clases vacías (sin datos). Para ello, el límite inferior de la
primera clase no debe ser muy lejano del dato menor y el límite superior de la
última clase no muy lejano del dato mayor. En esta situación, lo correcto es
tomar clases que abarquen la muestra con un pequeño exceso y que tengan,
como límites, valores con pocas cifras significativas.
Es usual tomar todas las clases con igual amplitud por razones de facilidad
operativa. Sin embargo, puede ser preferible tomar amplitudes diferentes si ello
redunda en una mayor claridad de la representación de los datos (intervalos
pequeños donde las frecuencias sean mayores e intervalos más grandes donde las
frecuencias sean menores).
Ejercicio 2
¿Cuántas clases sería apropiado usar para agrupar un conjunto de 100 datos,
según la fórmula de Sturges?
25
10
Gráficos estadísticos
Gráfico de barras
Gráfico de barras horizontales
Gráfico de líneas
Gráfico circular
Histograma y polígono de frecuencias
Distribución acumulada
Gráfico de barras
Este tipo de gráfica se elabora con rectángulos, sus bases son del mismo ancho y
sus alturas equivalentes con las frecuencias. A diferencia del histograma, no es
necesario tener una escala horizontal continua, por lo que los rectángulos (o
barras) no tienen que aparecer juntas entre si. Además, se pueden representar
en la misma gráfica utilizando las mismas escalas horizontales y verticales, varios
datos correspondientes a las mismas variables producto de distintas
observaciones.
Gráfico circular:
Por ejemplo, para ilustrar la matrícula en licenciatura (en México) por áreas de
conocimiento en el año de 1992 se puede usar algo así como sigue
De hecho, si se desea resaltar una de las categorías que se presentan, es válido
tomar esa "rebanada" de la gráfica y separarla de las demás:
Histograma
Polígono de frecuencias:
Este tipo de gráfica, también conocida como ojiva, es una gráfica similar al
polígono de frecuencias, que se obtiene de a partir de las frecuencias
acumuladas. y de igual manera existen las ojivas mayor que y las ojivas menor
que.
Tablas estadísticas
1.65 1.62 1.72 1.67 1.68 1.60 1.66 1.55 1.65 1.70
1.61 1.57 1.63 1.70 1.64 1.58 1.71 1.58 1.57 1.69
1.68 1.63 1.64 1.69 1.67 1.56 1.58 1.55 1.60 1.57
1.65 1.60 1.68 1.62 1.61 1.60 1.56 1.59 1.61 1.62
1.64 1.57 1.59 1.66 1.60 1.63 1.58 1.67 1.63 1.66
No. de
Repeticiones o Frecuencia
Frecuencia Frecuencia
Estaturas Frecuencia Relativa
Relativa Acumulada
Marcas No. Acumulada
0.16
1.57 IIII 4 0.08 8
0.24
1.58 IIII 4 0.08 12
1.59 0.28
II 2 0.04 14
0.38
1.6 IIIII 5 0.1 19
0.44
1.61 III 3 0.06 22
0.50
1.62 III 3 0.06 25
0.58
1.63 IIII 4 0.08 29
0.64
1.64 III 3 0.06 32
0.70
1.65 III 3 0.06 35
0.76
1.66 III 3 0.06 38
0.82
1.67 III 3 0.06 41
0.88
1.68 III 3 0.06 44
0.92
1.69 II 2 0.04 46
0.96
1.7 II 2 0.04 48
49 0.98
1.71 I 1 0.02
1
1.72 I 1 0.02 50
50 1
Sumatorias
43 78 37 40 68 72 55 62 22 82
88 50 60 56 57 46 39 57 73 65
59 48 76 74 70 51 40 75 56 45
35 62 52 63 32 80 64 53 74 34
76 60 48 55 51 54 45 44 35 51
21 35 61 45 33 61 77 60 85 68
45 53 34 67 42 69 52 68 52 47
62 65 55 61 73 50 53 59 41 54
41 74 82 58 26 35 47 50 38 70
Tabla Estadística
No. de
No. de Repeticiones Frecuencia Frecuencia Frecuencia
Piezas o Frecuencia Relativa Acumulada Relativa
Acumulada
Marcas No.
0.01
21 I 1 0.01 1
0.02
22 I 1 0.01 2
0.03
26 I 1 0.01 3
0.04
28 I 1 0.01 4
0.05
32 I 1 0.01 5
0.06
33 I 1 0.01 6
34 0.08
II 2 0.02 8
0.12
35 IIII 4 0.04 12
0.14
36 II 2 0.02 14
0.15
37 I 1 0.01 15
0.16
38 I 1 0.01 16
0.17
39 I 1 0.01 17
0.19
40 II 2 0.02 19
41 0.21
II 2 0.02 21
0.22
42 I 1 0.01 22
0.24
43 II 2 0.02 24
0.25
44 I 1 0.01 25
0.29
45 IIII 4 0.04 29
0.30
46 I 1 0.01 30
0.32
47 II 2 0.02 32
0.34
48 II 2 0.02 34
0.35
49 I 1 0.01 35
0.38
50 III 3 0.03 38
0.41
51 III 3 0.03 41
0.44
52 III 3 0.03 44
0.47
53 III 3 0.03 47
0.49
54 II 2 0.02 49
0.52
55 III 3 0.03 52
0.55
56 III 3 0.03 55
0.57
57 II 2 0.02 57
0.58
58 I 1 0.01 58
0.60
59 II 2 0.02 60
0.63
60 III 3 0.03 63
0.66
61 III 3 0.03 66
0.69
62 III 3 0.03 69
0.70
63 I 1 0.01 70
0.71
64 I 1 0.01 71
0.74
65 III 3 0.03 74
0.76
67 II 2 0.02 76
0.79
68 III 3 0.03 79
0.80
69 I 1 0.01 80
0.82
70 II 2 0.02 82
0.83
72 I 1 0.01 83
0.85
73 II 2 0.02 85
0.88
74 III 3 0.03 88
0.89
75 I 1 0.01 89
0.91
76 II 2 0.02 91
0.92
77 I 1 0.01 92
0.93
78 I 1 0.01 93
0.94
79 I 1 0.01 94
0.95
80 I 1 0.01 95
82 0.97
II 2 0.02 97
0.98
84 I 1 0.01 98
0.99
85 I 1 0.01 99
1
88 I 1 0.01 100
Sumatorias
100 1
Distribución de frecuencias
45 35 40 30 31 40 37 33 28 30
30 41 39 38 33 35 31 36 37 32
26 28 28 28 29 30 30 30 31 31
31 32 32 32 33 33 35 35 36 36
37 37 38 39 40 40 41 41 45 45
Calculamos el rango
Rango = VM -Vm 45 - 26 = 19
a) Primer método.
en donde:
K: es el número de clases
n k
n < 50 5a7
n >= 250 10 a 20
3. Cálculo de la amplitud.
Amplitud: A = 4.
26 28 28 28 29 30 30 30 31 31
31 32 32 32 33 33 35 35 36 36
37 37 38 39 40 40 41 41 45 45
Para construir los límites de clase, ( límite inferior Li y límite superior Ls) se
coloca como límite inferior de la primera clase al valor más pequeño de los datos
brutos, 26 para nuestro ejemplo, y cuatro enteros (la unidad más pequeña es un
entero) más adelante, incluyendo el 26, tendremos el límite superior de la
primera clase, 26 + 3 = 29 ( se suma solo tres enteros porque el 26 está
incluido).
Clases Li - Ls
1 26 - 29
Para calcular el límite inferior de la segunda clase, hay que agregarle un entero
al límite superior de la primera clase, esto es 29 + 1 = 30. El límite superior es 4
enteros adelante, incluyendo al 30, esto es 29 + 4 = 33. Este proceso se repite
iterativa mente hasta completar la clase número 5.
Clases Li - Ls
1 26 - 29
2 30 -33
3 34 - 37
4 38 - 41
5 42 - 45
1 26 - 29 25.5 - 29.5
2 30 - 33 29.5 - 33.5
3 34 - 37 33.5 - 37.5
4 38 - 41 37.5 - 41.5
5 42 - 45 41.5 - 45.5
26 28 28 28 29 30 30 30 31 31
31 32 32 32 33 33 35 35 36 36
37 37 38 39 40 40 41 41 45 45
8. Frecuencia Relativa.
La frecuencia relativa es la proporción de los datos que se encuentran en cada
clase. Se calcula dividiendo la frecuencia absoluta entre el total de los datos y se
puede expresar como una fracción o en forma de porcentaje.
<
< Fi
< Fa Fra
Se pueden definir varios tipos de promedios, los más comunes son la media
aritmética, la mediana y la moda. Cada tipo de promedio, dependiendo de los
datos y del propósito proyectado, presenta ventajas y desventajas (esto significa
que, para cada situación, puede ser más apropiado el uso de alguno de ellos). Sin
embargo, la media aritmética es la que se emplea con mayor frecuencia y, como
se verá más adelante, es fundamental en muchos otros cálculos estadísticos.
Media aritmética
Ejemplo 1
Tabla 1
calificación frecuencia
5 3
6 4
8 2
9 1
Ejemplo 3
Nota: Los pesos asignados para este cálculo fueron 1-1-3. Sin embargo, se podría
haber hecho cualquier otra asignación de pesos, a condición de que el último
fuera el triple de los dos primeros. Puede probarse que, por ejemplo, la
asignación de pesos 2-2-6 da el mismo resultado.
Ejemplo 4
Supongamos que los resultados de una prueba, aplicada a tres grupos, son los
siguientes:
Tabla 2
Tabla 3
10 60 600
60 50 3000
30 40 1200
Debe notarse que esta media no se puede obtener promediando las medias de los
tres grupos (cuyo valor es 50). Sólo cuando el número de puntuaciones de cada
grupo es idéntico, pueden promediarse las medias de los grupos para obtener la
media general.
Mediana
Ejemplo 1
Ejemplo 2
La mediana del conjunto {500, 500, 600, 800, 1000, 5000} es 700. Este conjunto
ya está ordenado y tiene los puntajes centrales 600 y 800, por consiguiente, la
mediana es la media aritmética de 600 y 800, es decir, 700.
La mediana es un caso especial de rango percentil (el percentil 50). Por lo tanto,
para distribuciones de frecuencia agrupadas, puede utilizarse el procedimiento
descrito en el tema 1.6.2 (referente a percentiles) para calcular la mediana.
Moda
Ejemplo 3
Tabla 1
Puntaje Frecuencia
6 1
7 4
8 9
9 3
Ejemplo 4
Una ventaja importante de la media es que toma en cuenta todos los puntajes,
pero una desventaja es que unos cuantos puntajes extremos pueden afectarla
drásticamente. Esta desventaja puede superarse usando una media recortada
(que ignora algún porcentaje de valores extremos, para disminuir la
sensibilidad). Por otra parte, la media es la base del sistema matemático
necesario para análisis estadísticos avanzados.
Por otra parte, hay algunas ocasiones en que se prefiere la mediana como
medida de tendencia central. Cuando la distribución es simétrica (alrededor de
la media), la media y la mediana son idénticas. Sin embargo, cuando la
distribución es asimétrica (sesgada) la media proporciona una estimación falsa de
la tendencia central.
Rango
Ejemplo:
A partir de los valores, determine el Rango:
13 14 15 9 5 9 2 14 10 6 10 11 13 14 14
Solución:
El rango se calcula utilizando la siguiente fórmula:
Rango = 15 - 2 = 13
Desviación media
13 14 15 9 5 9 2 14 10 6 10 11 13 14 14
Solución:
La desviación media se obtiene de la siguiente forma:
13 14 15 9 5 9 2 14 10 6 10 11 13 14 14
xi
10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10. 10.
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
2.4 3.4 4.4 1.6 5.6 1.6 8.6 3.4 0.6 4.6 0.6 0.4 2.4 3.4 3.4 46.
4
Desviación estándar
Paso 1:
Calcular la media de los puntajes .
Paso 2: Restar la media de cada puntaje individual .
Paso 4:
Sumar todos los cuadros obtenidos en el paso 3 para obtener .
Paso 5: Dividir el total del paso 4 entre el número . La razón para dividir
entre , en lugar de entre n, es que solo hay desviaciones
independientes, es decir no hay dispersión en un solo dato.
6.5 6.6 6.7 6.8 7.1 7.3 7.4 7.7 7.7 7.7
min.
Paso 2: Restar la media de 7.15 a cada puntaje para obtener estos valores de
.
Paso 3: Elevar al cuadrado cada valor obtenido en el paso anterior para obtener
estos valores de .
min.
min.
Paso 5: Hay puntajes, así que dividimos entre uno menos que 10
min.
min.
Varianza
Varianza de la muestra
Varianza de la población
Fórmula rápida
Las fórmulas son equivalentes en el sentido de que siempre producen los mismos
resultados. Se le llama fórmula rápida, porque suele ser más cómoda de usar con
números complicados o con conjuntos grandes de datos. Se usa a menudo en las
calculadoras y programas de computadora, porque sólo requiere tres registros de
Podemos deducir una fórmula para la desviación estándar cuando los datos están
resumidos en una tabla de frecuencia. La cual es:
Expresaremos esta fórmula como una expresión equivalente que por lo regular
simplifica los cálculos.
Total
Aplicando la fórmula:
lb.
Las 175 cargas de latas tienen una desviación estándar estimada de 22.3 lb.
6.5 6.6 6.7 6.8 7.1 7.3 7.4 7.7 7.7 7.7
Otra regla útil para interpretar un valor de desviación estándar es la regla empírica, que
aplica sólo a un conjunto de datos cuya distribución tiene aproximadamente forma de
campana, como en la figura siguiente. Esta figura muestra cómo podemos relacionar la
media y la desviación estándar de los datos con la fracción de los datos que cae dentro
de ciertos límites. Por ejemplo, los conjuntos de datos con distribución en forma de
campana tienen cerca del 95% de sus valores a una distancia de menos de dos
desviaciones estándar de la media. La regla empírica a menudo se expresa en una forma
abreviada, a veces llamada regla 68-95-99.
Regla 68-95-99 para datos con distribución en forma de campana :
Cerca del 68% de todos los puntajes queda a menos de una desviación estándar
de la media.
Cerca del 95% de todos los puntajes queda a menos de dos desviaciones estándar
de la media.
Cerca del 99.7% de todos los puntajes queda a menos de tres desviaciones
estándar de la media.
Ejemplo
Los puntajes de coeficiente intelectual (CI) de adultos tiene una distribución en
forma de campana con una media de 100 y una desviación estándar de 15. Utilice
la regla empírica para estimar el porcentaje de adultos que tienen puntajes de CI
entre 55 y 145.
Solución
La clave para resolver este problema es reconocer que tanto 55 como 145 están
exactamente a tres desviaciones estándar de la media de 100.
100 - 45 = 55,
100 + 45 = 145
La regla empírica dice que el 99.7% de todos los puntajes está a menos de tres
desviaciones estándar de la media, así que el 99.7% de los adultos deberá tener
puntajes de CI entre 55 y 145. En vista de que los valores fuera de ese intervalo
son escasos, alguien que tiene un CI mayor que 145 o menor que 55 se considera
excepcional.
Teorema de Chebyshev
Si usamos puntajes CI con una media de 100 y una desviación estándar de 15, el
teorema de Chebyshev nos dice que al menos el 75% de los puntajes de CI están
entre 70 y 130, y al menos el 89% de los puntajes de CI están entre 55 y 145.
Después de estudiar esta sección, el lector deberá entender que la desviación
estándar es una medida de variación entre los puntajes. Dada una muestra de
datos, el lector deberá poder calcular el valor de la desviación estándar,
Coeficiente de variabilidad
Esta es una medida sencilla que permite comparar el grado de dispersión en valor
relativo de dos o más conjuntos de datos.
Ejemplo:
Calcular el coeficiente de variabilidad de los siguientes grupos de datos:
Grupo 1: 1.78 1.59 1.63 1.65 y 1.84 m
Grupo 2: 178 159 163 165 y 184 cm
Grupo 3: 70.08 62.59 64.17 64.96 y 72.44 pulg.
Solución:
El resultado se resume en la siguiente tabla
Grupo Media Desv. Est. C. Variabilidad
Observe que, aunque los valores media y desviación estándar de cada grupo son diferentes
entre sí, el coeficiente de variabilidad es el mismo, pues en este caso se refieren a la misma
medida pero en unidades diferentes, el coeficiente de variabilidad indica que cada grupo
tiene la misma variabilidad en sus datos.
Ejemplos
Competencia l
90 62 88 76 93
93 71 59 85 75
62 95 78 63 72
77 69 74 68 60
95 60 79 83 71
85 76 65 71 75
78 62 76 53 74
63 76 75 85 77
53 59 60 60 62
62 62 63 63 65
68 69 71 71 71
72 74 74 75 75
75 76 76 76 76
77 77 78 78 79
83 85 85 85 88
90 93 93 95 95
Número de datos: 40
Rango: 95- 45 = 42
FRECUENCIAS
Fronteras Absoluta Relativa
Intervalo Inf. Sup. X FS FR Simple Acum. FX lX-Xl F(X-X) F ( X - X )2
1 53 60 56.5 4 4 10 10 226 18.02 72.08 1298.88
2 60 67 63.5 6 10 15 25 381 11.02 66.12 728.64
3 67 74 70.5 8 18 20 45 564 4.02 32.16 129.28
4 74 81 77.5 12 30 30 75 930 2.98 35.76 106.56
5 81 88 84.5 5 35 12.5 87.5 422.5 9.98 49.9 498
6 88 95 91.5 5 40 12.5 100 457.5 16.98 84.9 1441.6
Σ= 2981 Σ= 340.92 Σ= 4202.96
Calculamos la media
x = (2981)/40 = 74.52
Calculamos le mediana
Mediana = límite inferior exacto + (N/2 – frecuencia acumulada antes de la clase mediana) por ancho del intervalos de clase
Frecuencia de la clase mediana
𝑁⁄ − ∑(𝑓)𝑎
Mediana = Li + ( 𝑓𝑚𝑒𝑑𝑖𝑎𝑛𝑎
2
)∗𝐶
Calculamos la moda
𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑀𝑎 − 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 𝑀𝑎
𝑚𝑜𝑑𝑎 = 𝑙𝑖𝑀𝑎 + ( ) 𝐴 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑀𝑎
𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑀𝑎 − 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑠𝑝𝑢𝑒𝑠 𝑑𝑒 𝑀𝑎
Calculamos la varianza
2 (𝑋𝑖−𝑚𝑒𝑑𝑖𝑎)2 𝑓
Varianza =𝑠 =∑
𝑁
S = √ (4202.96)/40 = 10.25
68 84 75 82 68
73 79 88 73 60
61 65 75 87 74
66 78 82 75 94
96 78 89 61 75
79 62 67 97 78
65 80 73 57 88
86 67 73 81 72
Se ordenan los datos:
57 60 61 61 62
65 65 66 67 67
68 68 72 73 73
73 73 74 75 75
75 75 78 78 78
79 79 80 81 82
82 84 86 87 88
88 89 94 96 97
Número de datos: 40
Rango: 97- 57 = 40
FRECUENCIAS
Fronteras Absoluta Relativa
Intervalo Inf. Sup. X FS FR Simple Acum. FX lX-Xl F(X-X) F ( X - X )2
1 57 65 61 7 7 17.5 17.5 427 14 98 1372
2 65 73 69 10 17 25 42.5 690 6 60 360
3 73 81 77 12 29 30 72.5 924 2 24 48
4 81 89 85 8 37 20 92.5 680 10 80 800
5 89 97 93 3 40 7.5 12.5 279 18 54 972
Σ= 3000 Σ= 316 Σ= 3552
Calculamos la media
x = (3000)/40 = 75
Calculamos le mediana
Mediana = límite inferior exacto + (N/2 – frecuencia acumulada antes de la clase mediana) por ancho del intervalos de clase
Frecuencia de la clase mediana
𝑁⁄ − ∑(𝑓)𝑎
Mediana = Li + ( 𝑓𝑚𝑒𝑑𝑖𝑎𝑛𝑎
2
)∗𝐶
Calculamos la moda
Calculamos la varianza
2 (𝑋𝑖−𝑚𝑒𝑑𝑖𝑎)2 𝑓
Varianza =𝑠 =∑
𝑁
S = √ (3552)/40 = 9.42
0.092 0.096 0.098 0.100 0.101 0.103 0.104 0.105 0.107 0.110
0.094 0.096 0.099 0.100 0.102 0.103 0.104 0.106 0.108 0.110
0.094 0.097 0.099 0.101 0.102 0.103 0.104 0.106 0.108 0.112
0.095 0.097 0.099 0.101 0.102 0.103 0.105 0.107 0.108 0.112
0.095 0.098 0.100 0.101 0.103 0.104 0.105 0.107 0.109 0.115
Número de datos: 50
FRECUENCIAS
Fronteras Absoluta Relativa
Intervalo Inf. Sup. X FS FR Simple Acum. FX lX-Xl F(X-X) F ( X - X )2
1 0.092 0.09528 0.0964 5 5 10 10 0.4682 0.00890 0.0445 0.000396
2 0.09528 0.09856 0.09692 6 11 12 22 0.58152 0.00558 0.3348 0.000186
3 0.09856 0.10185 0.10025 10 21 20 42 1.0025 0.00225 0.0225 0.000050
4 0.10185 0.10514 0.10348 15 36 30 72 1.5522 0.00097 0.01455 0.000014
5 0.10514 0.10842 0.10676 8 44 16 88 0.85408 0.00425 0.034 0,000144
6 0.10842 0.11171 0.11004 4 48 8 96 0.44016 0.00753 0.0312 0.000226
7 0.11171 0.115 0.11332 2 50 4 100 0.22664 0.01081 0.02162 0.000233
50 Σ= 5.1253 Σ= 0.20077 Σ= 0.000233
Calculamos la media
x = (5.1253)/50 = 0.10250
Calculamos le mediana
Mediana = límite inferior exacto + (N/2 – frecuencia acumulada antes de la clase mediana) por ancho del intervalos de clase
Frecuencia de la clase mediana
𝑁⁄ − ∑(𝑓)𝑎
Mediana = Li + ( 𝑓𝑚𝑒𝑑𝑖𝑎𝑛𝑎
2
)∗𝐶
Calculamos la moda
Calculamos la varianza
2 (𝑋𝑖−𝑚𝑒𝑑𝑖𝑎)2 𝑓
Varianza =𝑠 =∑
𝑁
S = √ (0.000233)/50 = 0.002158