Psicología

Métodos Estadísticos

Tutor: Msc. Branco Ernesto Arana Cerna

 MÉTODOS ESTADÍSTICOS : Estadística

Introducción
¿Qué es la estadística?
El método que permite organizar, sintetizar, presentar, analizar, cuantificar e interpretar una gran cantidad d
e datos, de tal forma que se puedan tomar decisiones, realizar generalizaciones y obtener conclusiones vál
idas (dar información) sobre los fenómenos o líneas de investigación en estudio.

¿En qué áreas se aplica la estadística?

Actualmente se aplica en todas las áreas del saber, por ejemplo en Sociología, Educación, Psicología,
Administración, Economía, Medicina, Ciencias Políticas, entre otras.

2
 Estadística
Estadística descriptiva
Es aquella rama de la Estadística que se encarga mediante la aplicación de métodos y técnicas de
obtener, organizar, presentar y describir los datos.

Ejemplo: El jefe de personal de una empresa quiere conocer las aptitudes promedio de diez
empleados. Para ello debe aplicar una prueba de aptitudes. El estadístico a utilizar es: la media
aritmética, y el resultado obtenido es de 92 puntos, el cual sólo será válido para los diez
cuestionarios aplicados. El jefe de personal no puede utilizar estos datos para una inferencia o
generalización acerca de otros empleados de la empresa porque la muestra no es representativa,
ello debido a que los empleados fueron elegidos a conveniencia del jefe de personal.

Estadística inferencial
Es otra rama de la Estadística cuyos objetivos son generalizar o deducir a partir de estudios de
muestras, el comportamiento de una población; con ello se pueden tomar decisiones útiles.

Ejemplo: Un investigador quiere conocer en promedio cuántos refrescos consumen los alumnos
de las secundarias de un Distrito. Éste debe entrevistar a todos los alumnos de las 16 secundarias
del distrito del turno matutino como el vespertino; pero realizar un censo sería imposible, por el
tiempo y por los recursos humanos y económicos. Por tanto, decide tomar una muestra
representativa de la población en forma aleatoria y utilizar la estadística inferencial para determinar
el consumo promedio de refrescos de los alumnos de las secundarias de la delegación. Los datos
de la muestra se utilizan para inferir (deducir) o llegar a conclusiones acerca de la población de la
cual se toma la muestra.

3
 Estadística

Introducción
Ejemplos de su aplicación son:

1) En Administración de Empresas: la estadística se utiliza para evaluar un producto antes de

comercializarlo.

2) En Economía: para medir la evolución de los precios mediante números índice o para estudiar los
hábitos de los consumidores a través de encuestas de presupuestos familiares.

3) En Ciencias Políticas: para conocer las preferencias de los electores antes de una votación
mediante sondeos y así orientar las estrategias de los candidatos.

4) En Sociología: para estudiar las opiniones de los colectivos sociales sobre temas de actualidad.

5) En Psicología: para elaborar las escalas de los test y cuantificar aspectos del comportamiento
humano (por ejemplo los test que se aplican a los candidatos para un cargo en una empresa).

6) En Medicina: uno entre muchos usos de la estadística, es para determinar el estado de salud de la
población.

En general en las Ciencias Sociales, la estadística se emplea para medir las relaciones entre variables
y hacer predicciones sobre ellas.

4
 N

Población
μ
n

Muestra
x

5
 Estadística

Resumen de algunos conceptos planteados en la Introducción

• VARIABLE: es lo que se va a medir y representa una característica de la UNIDAD DE ANÁLISIS.

• ¿QUIÉNES VAN A SER MEDIDOS?: Los sujetos u objetos o Unidades de Análisis de una
Población o una Muestra
• POBLACIÓN : Es el total de unidades de análisis que son tema de estudio.

• MUESTRA: Es un conjunto de unidades de análisis provenientes de una población.

Población: Muestra

“Las personas que trabajan

en empresas de Muestra: 60 trabajadores de empresas de comunicación

comunicación” Unidad de análisis: Trabajador de empresa de comunicación

Variables: sexo, edad, salario, Nº de horas de trabajo, etc.

6
ESCALA NOMINAL:
Es el tipo más limitado (más débil) de medición que puede tener una variable. Se utiliza para hacer
referencia a los datos (representados por numerales) que sólo pueden clasificarse en categorías, es
decir, se aplica a aquellas variables que no pueden medirse mediante escalas numéricas (sano o
enfermo), sino únicamente por medio de contar cada una de las características (se realiza un
conteo de datos).

ESCALA ORDINAL:
La escala ordinal se caracteriza por presentar diferentes niveles de medida entre sus categorías,
una mayor que otra; de tal manera que todas ellas tienen diferente valor subjetivo. Esta medida
diferente tiene dos características importantes: Consiste en que el valor que toma la variable es un
valor subjetivo. Es que obliga a clasificarla en las categorías establecidas, en un orden específico (o
en orden jerárquico).

ESCALA INTERVALO:
En esta escala de medición, es posible establecer valores numéricos constantes en las diversas
categorías, y por ello establecer medidas o cuantificaciones entre unas y otras. También puede
conocerse la magnitud que hay entre dos medidas cualesquiera y es posible ordenar las
mediciones. Para construir una escala de intervalos se debe conocer: la distancia unitaria y el punto
de origen o de partida, el cual recibe el nombre de cero móvil o arbitrario.

ESCALA RAZON:
En esta escala de medición, es posible establecer valores numéricos constantes en las diversas
categorías, y por ello establecer medidas o cuantificaciones entre unas y otras. También puede
conocerse la magnitud que hay entre dos medidas cualesquiera y es posible ordenar las
mediciones. Para construir una escala de intervalos se debe conocer: la distancia unitaria y el punto
de origen o de partida, el cual recibe el nombre de cero móvil o arbitrario.
En esta escala de medición, es posible establecer valores numéricos constantes en las diversas
categorías, y por ello establecer medidas o cuantificaciones entre unas y otras. También puede
conocerse la magnitud que hay entre dos medidas cualesquiera y es posible ordenar las
mediciones. Para construir una escala de intervalos se debe conocer: la distancia unitaria y el7punto
de origen o de partida, el cual recibe el nombre de cero móvil o arbitrario.
 Estadística

Variable: corresponde a la característica de la Unidad de Análisis

TIPOS DE VARIABLES
Variables Cuantitativas Variables Cualitativas
CONTINUA DISCRETA NOMINAL ORDINAL
Intervalo

Toma valores enteros Característica o cualidad

cuyas categorías no tienen
Ejemplos: Número de Hijos, Número de
un orden preestablecido.
empleados de una empresa, Número de
asignaturas aprobadas en un semestre, etc. Ejemplos: Sexo, Deporte
Favorito, etc.
Toma cualquier valor dentro de un intervalo
Característica o cualidad cuyas
Ejemplos: Peso; Estatura; Temperatura, etc. categorías tienen un orden
preestablecido.
Ejemplos: Calificación (S, N, A);
Grado de Interés por un tema, etc.

Unidad de Medida: Gramos o Kilos para la variable Peso; Grados C o F para Temperatura 8
 CATEGORIZACION U
VARIABLE ESCALA VARIABLE
OPERATIVIZACION
Escuela profesional que Derecho, Administración. Nominal Variable Cualitativa
estudia. Turismo, Ingeniería de sistemas,
Ingeniería Industrial, ..
Grado de acuerdo de un Pésimo, Regular, Bueno, Ordinal Variable Cualitativa
Jurado Excelente

Número de interacciones 1, 2, 3, 4, …… Intervalo Variable Cuantitativa

sociales mantenidas por Tipo Discreta
estudiantes durante una
semana.
Cociente intelectual 116, 120, 130, 140, 125.8, Intervalo Variable Cuantitativa
130,7, 140,7, ……………. Tipo Continua

Pulsaciones por minuto 60/60, 75/60, 85/60, 95/60,……. Razón Variable Cuantitativa
Tipo Continua

Número de miembros en la 1, 2, 3, 4, …… Razón Variable Cuantitativa

Tipo Discreta
unidad familiar
Gasto mensual en 1250; 850.70; 2000; 350.90; Razón Variable Cuantitativa
alimentación 600.75; ... Tipo Continua
 Estadística

Frecuencia: desde un conjunto de unidades, corresponde al Número o Porcentaje de veces que se

presenta una característica.

Variable Variable Variable Variable

Cuantitativa Cualitativa Cualitativa Cuantitativa

CONTINUA NOMINAL NOMINAL CONTINUA

DISCRETA ORDINAL ORDINAL DISCRETA

Frecuencia Absoluta (F) Frecuencia Relativa (f)

TIPO FRECUENCIA
Frecuencia Absoluta Frecuencia Relativa
Acumulada (FAA) Acumulada (fra)

10
 Estadística

Problema de Investigación: Se quiere establecer el perfil de las industrias de

EJEMPLO conserva en función de algunas características.
Unidad de Análisis: Industria de Conserva
Población: Industrias de Conservas del país

Variables
- Tipo de Industria: se clasifica en industria tipo A, B, C o D. (cualitativa nominal)
- Nº de Empleados: se refiere al número de empleados en las líneas de producción. (cuantitativa discreta)
- Superficie: se refiere a los metros cuadrados (unidad de medida) disponibles para las áreas de
producción. (cuantitativa continua)
- Calificación: calificación realizada por una institución pública sobre cumplimiento de ciertos estándares
(Muy Buena, Buena, Regular, Mala). (cualitativa ordinal)

Datos
Industria nº Tipo Nº Empleados Superficie Calificación
1 A 100 1000,6 Muy Bien
2 B 150 1200,4 Bien
. . . . .
. . . . .
. . . . .
299 D 250 800,3 Mal
300 C 300 4000,2 Regular

11
 Estadística

Problema de Investigación: Se quiere establecer el perfil de las industrias de conserva en

EJEMPLO función de algunas características.

TABLAS DE Unidad de Análisis: Industria de Conserva

FRECUENCIA Población: Industrias de Conservas del país

Tipo de Frecuencia Frecuencia Porcentaje Frec. Frec.Relativa Frec. Absol. Frec. Relat.
Industria Absoluta (Fj) Relativa (fj) (%) Calificación Absoluta (Fj) (fj) o % Acum. (FAAj) Acum. (fraj) o %
A Muy Bien
B Bien
C Regular
D Mal 300 1 (o 100)
Total 300 1 100 Total 300 1 (o 100) (2)
(1) Numero de Frec. Frec.Relativa Frec. Absol. Frec. Relat.
Empleados Absoluta (Fj) (fj) o % Acum. (FAAj) Acum. (fraj) o %
<100
[100-150[
. (3)
.
[950-1000] 300 1 (o 100%)
Total 300 1 (o 100%)
Superficie Frec. Frec.Relativa Frec. Absol. Frec. Relat.
(mt2) Absoluta (Fj) (fj) o % Acum. (FAAj) Acum. (fraj) o %
<200
(4) [200-400[
.
.
[50000-5200] 300 1 (o 100%)
Total 300 1 (o 100%)
12
 Estadística

Elementos de una tabla de frecuencia cuando la variable es continua (x)

Centro
Intervalo de clase Amplitud F f FAA fra
[LI1 ; LS1 [
I1 c1 a1
[LI2 ; LS2 [ I2 c2 a2
.
.
[LIk ; LSk] Ik ck ak n 1
Total n 1

cj = (LIj) + LSj )/2 aj = (LSj – LIj))

13
 Estadística

Ejercicio: confección de una tabla de frecuencia para una variable continua

Los datos corresponden a los gastos mensuales en

transportes y alimentación de una muestra de
estudiantes universitarios
Realice la siguiente actividad
68 100 105 92 105 98 98 93 98 94
1) ¿Cuál es la variable?; ¿Cuál es la Unidad de
98 110 101 98 98 105 106 98 100 100 análisis?; ¿Cuánto vale n?; ¿Cuál es el rango
98 100 75 81 82 83 98 84 101 95 de la variable?.
90 91 98 92 115 115 100 85 98 96 2) Sobre una Tabla de frecuencia: ¿Cuántos
intervalos podría construir?; ¿Cuál es la
100 110 112 98 100 96 100 89 98 98
amplitud de cada intervalo?; ¿Cuántas
medidas de frecuencia puede obtener para
Datos ordenados de menor a mayor cada intervalo?.
3) Construir tabla de frecuencia para la
68 84 92 96 98 98 98 100 101 110 variable: Intervalos, centro de clase,
amplitud, frecuencias.
75 85 92 96 98 98 100 100 105 110
81 89 93 98 98 98 100 100 105 112
82 90 94 98 98 98 100 100 105 115
83 91 95 98 98 98 100 101 106 115

14
Dato que tenemos que la información presentarla en una distribución de
frecuencias se determina con los pasos siguientes:
Encontrar el Rango de la información
Rango = Valor máximo – valor mínimo
R = 115 – 68 = 47  R = 47

Determinar el intervalo K, con la regla sturges

K = 1+3.3logaritmo (muestra)
K = 1+3.3 logaritmo(50)  k = 1+3.3(1.699)  k = 6.6  K
=7

Determinar la Amplitud
A = Rango / intervalo = Rango /k
A = 47.7 / 7 = 6.7  A ≈ 6.8

Delimitar los intervalos empezando por el valor mínimo.

Ejemplo de distribución de frecuencias variable cuantitativa continua
Distribución de los intervalos empezando del valor mínimo

Li: Límite inferior. Limite superior = Límite inferior mas ancho Variable: Gasto
Ls: Límite superior [Li , Mensual
Ls )

Li1, Ls1 =Li1 + A Li1=Valor mínimo =68; Ls1=68+6.8 =74.84 [68.0 – 74.8)

Li2, Ls2 =Li2 + A Li2 = 74.8; Ls2= 74.8+6.8= 81.6 [74.8 – 81.6)

Li3, Ls3 =Li3 + A Li3=81.6; Ls3= 81.6+6.8= 88.4 [81.6 – 88.4)

Li4, Ls4 =Li4 + A Li4=88.4; Ls4= 88.4+6.8= 95.2 [88.4– 95.2)

Li5, Ls5 =Li5 + A Li5= 95.2; Ls5= 95.2+6.8= 102.0 [95.2– 102.0)

Li6, Ls6 =Li6 + A Li6=102.0; Ls6= 102+6.8= 108.8 [102.0 – 108.8)

Li7, Ls7 =Li7 + A Li7=108.8; Ls7= 108.8+6.8= 115.6 [108.8 – 115.8)

Donde el símbolo [ significa que el valor es cerrado “toma el valor” y

el valor para el símbolo ) es abierto “no toma el valor”
 Datos ordenados:
68 84 92 96 98 98 98 100 101 110
75 85 92 96 98 98 100 100 105 110
81 89 93 98 98 98 100 100 105 112
82 90 94 98 98 98 100 100 105 115
83 91 95 98 98 98 100 101 106 115

Frecuencia Frecuencia Frecuencia Frecuencia

Intervalos de absoluta relativa hi Absoluta relativa
acumulada Fi Acumulada Hi
gastos mensuales fi
[68.0 - 74.8 ) 1 0.02 1 0.02
[74.8 - 81.6 ) 2 0.04 3 0.06
[81.6 - 88.4 ) 4 0.08 7 0.14
[88.4 - 95.2 ) 8 0.16 15 0.30
[95.2 - 102 ) 26 0.52 41 0.82
[102.0 - 108.8 ) 4 0.08 45 0.90
[108.8 - 115.6 ) 5 0.10 50 1.00
Total 50 1.00 ------- -------
 Estadística

NOTACION
Variables Cuantitativas

x  variable xi  valorOBSERVACIONES
de la variable en el individuo i
y  variable y  valor de la variable en el individuo i i  1,..., n
* El Tipo de Gráfico iseleccionado va a depender de la variable en estudio.
* El Gráfico debe contener un aTítulo
, b, c :General
constantes
y la identificación de cada eje
(variable en estudio y frecuencia).
n n n n
 c *cEn
  cx
 c  ncresulta más
ocasiones i  cx1 un
ilustrativo gráfico  c
 cx n que unaxitabla defrecuencia.
xi2  x12    x n2
i 1 i 1 i 1 i 1
* Al igual que las tablas, los gráficos deben ser auto-explicativos.
n n n
 (axi  b) (ax1  b)    (axn  b)  a  xi  b ( xi ) 2  ( x1    x n ) 2
i 1 i 1 i 1

n
 ( xi  yi )  ( x1  y1 )    ( xn  y n )
i 1

n
 ( xi yi )  ( x1 y1 )    ( xn y n )
i 1
18
 Estadística

-Media Aritmética (Promedio)

MEDIDAS DE TENDENCIA CENTRAL -Mediana
-Moda

Datos Cuantitativos Datos Cuantitativos ordenados de menor a mayor

x x Mediana
x1 Media Aritmética o Promedio x(1) M E  x( k ) Si n es impar
n
x2 x( 2 )
 xi ME 
x( k )  x( k 1) Si n es par
 x i 1  2
xn n x(n ) x( k )  dato del centro

Datos Moda
Cualitativos y Cuantitativos M o " el dato que más se repite"

19
Medida de tendencia central: La Moda

MODA (Mo) La Moda es el valor de la variable que más se repite, o la

mayor frecuencia de un conjunto de datos.

Datos No Datos
Agrupados Agrupados

Se toma el dato que

más se repite, existen  d1 
distribuciones que Mo  Li    A
pueden tener más de  d1  d 2 
una moda.
Li : Limite inferior intervalo modal
d1: fi - fi-1 diferencia de la frecuencia del intervalo modal
menos la frecuencia del intervalo inmediatamente anterior
d2: fi - fi+1 diferencia de la frecuencia del intervalo modal
menos la frecuencia del intervalo inmediatamente posterior
C =Ai : Amplitud intervalo modal.
Ejercicio para encontrar medidas de tendencia central datos No Agrupados
Con la muestra se describen la edad de los pacientes con intento de suicidio en
una comunidad urbana, ¿cuál es la moda de los datos?

24, 30, 28, 23, 25, 22, 22, 26, 27, 28, 25, 26, 33, 29, 28

El valor de la moda se encuentra:

Se ordenan los datos 22 22 23 24 25 25 26 26 27 28 28 28 29 30 33

El valor modal es el dato que más se repite, Mo = 28; Es la edad de los
pacientes con intento de suicidio.

22 22 23 24 25 25 26 26 27 28 28 28 29 30 33
 MODA (VARIABLE CUANTITATIVA DISCRETA)
La moda es el valor de la variable de mayor frecuencia absoluta.

Ejemplo. Si se estudia el número de hermanos, en 20 estudiantes de

la Universidad Señor de Sipán, del primer año en
psicología, cual es el valor típico:

Hermano Frecuencia
Xi Absoluta
fi
El tamaño de hermanos que 0 5 7 es la
es más frecuente, es de 1 1 7 frecuencia
(un) hermano. que más se
2 3 repite.
La moda es 1 3 3
hermano. 4 2
Total 20
 CASO DE MODA CUANDO VARIABLE EN DISTRIBUCIONES
AGRUPADAS EN INTERVALOS
Supongamos que todos los valores del intervalo se encuentran distribuidos
uniformemente y que la moda está más cerca de aquel intervalo contiguo
cuya frecuencia es mayor.
Si todos los intervalos son de igual amplitud, los pasos a seguir son :
*El intervalo modal, [Li , Ls ), es aquel que tiene la mayor frecuencia
absoluta, fi.
* El valor modal será:

 d1 
Mo  Li    A
 d1  d 2 
Li : Limite inferior intervalo modal
d1: fi - fi-1 diferencia de la frecuencia del intervalo modal menos la frecuencia
del intervalo inmediatamente anterior
d2: fi - fi+1 diferencia de la frecuencia del intervalo modal menos la frecuencia
del intervalo inmediatamente posterior
Ai : Amplitud intervalo modal.
 CÁLCULO DE LA MODA, DATOS AGRUPADOS:
Dado los gastos en alimentación y transportes de estudiantes universtiarios, se pide el valor modal

Intervalos de los gastos de Frecuencia

alimentación y transporte absoluta : fi
68 - 74.8 1
74.8 - 81.6 2
 d1 
81.6 - 88.4 4
Mo  Li    A
88.4 - 95.2 fi-1 : 8  d1  d 2 
Li: 95.2 - 102.0 fi : 26
102.0 - 108.8 fi+1 :4
108.8 - 115.6 5
Total 50

Con los datos de la distribución de frecuencias

Li= 95.2,
d1= fi - fi-1 = 26-8=18; d2 = fi - fi+1 = 26- 4= 22; A= 102.0- 95.2= 6.8.
Luego la moda de la distribución es:
Mo = 95.2 + (18 / (18 + 22))*6.8 Mo = 98.26,
Interpretación: El gasto que mayormente se presenta en los estudiantes es de 98.26
soles.
Medida de tendencia central: La Mediana
MEDIANA (Me) El valor de la variable que divide al total de
observaciones en dos partes de igual tamaño.

Datos No Datos
Agrupados Agrupados

Ordenando de menor a mayor y n 

eligiendo el central. Si no   Fi 1 
hubiese un dato central, Md  Li   2 A
entonces será igual a la media  fi 
 
de los dos valores centrales.  

Li : Límite inferior del intervalo Mediano

n: Es el numero de datos trabajados, el tamaño muestra.
Fi-1 : Frecuencia Acumulada del intervalo inmediato anterior al intervalo
mediano
fi : Frecuencia Absoluta del intervalo mediano
C: Ai : Amplitud intervalo mediano
 LA MEDIANA (DATOS SIN AGRUPAR)

La mediana de un conjunto de datos es un valor del mismo tal que el número de

datos menores que él es igual al número de datos mayores que él.

Los pesos, en kilogramos, de 7 jugadores de un

Ejemplo:
equipo de fútbol son: 72, 65, 71, 56, 59, 63, 72

1º. Ordenamos los datos: 56, 59, 63, 65, 71, 72, 72
2º. El dato que queda en el centro es 65. La mediana vale 65.

Caso: Si el número de datos fuese par, la mediana es la

semisuma de los dos valores centrales.

Para el conjunto 56, 57, 59, 63, 65, 71, 72, 72, la mediana es: 63  65
 64
2
 MEDIANA (VARIABLE CUANTITATIVA DISCRETA)
La mediana de un conjunto de datos para la variable cuantitativa discreta se
encuentra en la mitad de la información n/2  Me = xi, se determina con la
ubicación de la frecuencia acumulada absoluta Fi.
Ejemplo. Si se estudia el número de hermanos, en 20 estudiantes de
la Universidad Señor de Sipán, del primer año en
psicología, cual es el valor típico:
Hermano Frecuencia Frecuencia Acumulada
Xi Absoluta fi Absoluta Fi
La media de los datos
0 5 5 está en el valor n/2 =
20/2=10; el cual se
Xi = 1 7 12 encuentra en la
2 3 15 segunda frecuencia
3 3 18 acumulada.
4 2 20
Total 20 ----

La mediana es el valor 1
 CÁLCULO DE LA MEDIANA, DATOS AGRUPADOS:
Intervalos de los gastos Frecuencia Frecuencia absoluta
de alimentación y absoluta acumulada
transporte fi Ni = Fi
68 - 74.8 1 1
74.8 - 81.6 2 3
n 
81.6 - 88.4 4 7   Fi 1 
88.4 - 95.2 8 Fi-1 = 15 Md  Li   2 A
 fi 
Li : 95.2 - 102.0 fi = 26 41  
 
102.0 - 108.8 4 45
108.8 - 115.6 5 50
Total 50 ………

La mitad inferior de los n = 50 datos, es n/2 = 0.5xn = 0.5x50 = 25.

Esta mitad inferior está entre las frecuencias acumuladas 15 y 41 que se
corresponden con el intervalo , donde, se ubica la mediana Me.
En este intervalo, Li = 95.2, fi = 26, A = 102-95.2=6.8, Fi-1 = 15, Reemplazando:
Me = 95.2 + ((25 – 15)/26)*6.8
Me = 97.82
Interpretación: el 50% de los de los estudianes tiene un gasto menor a 97.82 soles
y el otro 50% tiene un coeficiente mayor.
Medida de tendencia central: La Media ó Promedio

MEDIA ( X ) Se define como la suma de todas las observaciones

dividida por el número total de las mismas.

Datos No Datos
Agrupados Agrupados

n k

x i x i fi
x  i 1
x  i 1
n n
Cuando la variable esta
agrupada en intervalos, la media
aritmética se calcula utilizando
las marcas de clase.
MEDIA ARITMÉTICA (DATOS SIN AGRUPAR)

La media aritmética de un conjunto de datos es el cociente entre la suma

de todos los datos y el número de estos.

Ejemplo: las notas de Juan el año pasado fueron:

15, 16, 14, 17, 18, 14, 16 Hay 7 datos

La nota media de Juan es:

15  16  14  17  18  14  16 110
   15,7
7 7
 PROMEDIO (VARIABLE CUANTITATIVA DISCRETA)
La media de un conjunto de datos para la variable cuantitativa discreta se
encuentra con el cociente entre la suma de los valores de la variable con la
frecuencia absoluta dividida entre el tamaño de la muestra.
Ejemplo. Si se estudia el número de hermanos, en 20 estudiantes de
la Universidad Señor de Sipán, del primer año en
psicología, cual es el valor típico:
Hermano Frecuencia Xi*fi
Xi Absoluta fi
k
0 5 0
x i fi
1 7 7 x i 1
= 30/ 20 =1.5
2 3 6 n
3 3 9
La media aritmética es 1.5
4 2 8
hermanos.
Total 20 30
CÁLCULO DEL PROMEDIO O MEDIA DATOS AGRUPADOS:
Intervalos de los Marca de clase: Xi
gastos de
alimentación y Frecuencia Xi*fi
transporte absoluta: fi
68 - 74.8 (68+74.8)/2 = 71.4 1 71.4
74.8 - 81.6 78.2 2 156.4
81.6 - 88.4 85.0 4 340
88.4 - 95.2 91.8 8 734.4
95.2 - 102 98.6 26 2563.6
102 - 108.8 105.4 4 421.6
108.8 - 115.6 112.2 5 561
Total ------ 50 4848.4

Media
k

x i fi
x i 1
= 4848.4 / 50 = 96.97
n
Interpretación: El gasto promedio de los estudiantes es de S/, 96.97
 Estadística

-Percentil (ejemplo: 25, 50, 75)

Percentiles, Deciles o Cuartiles -Decil (ejemplo: 4, 5, 8)
-Cuartil (ejemplo: 1, 2, 3)

Percentil, Decil o Cuartil: corresponde al valor que toma la variable (cuantitativa), cuando los n datos
están ordenados de Menor a Mayor
El Percentil va de 1 a 100
El percentil 25 (25/100): es el valor de la variable que reúne al menos el 25% de los datos
Ejemplo: Si N=80, el 25% de 80 es 20; por lo tanto, se busca el dato que este en la posición 20.
Si N=85, el 25% de 85 es 21,25; por lo tanto se busca el dato que este en la posición 22.
El Decil va de 1 a 10
El Decil 4 (4/10): es el valor de la variable que reúne al menos el 40% de los datos
Ejemplo: Si N=80, el 40% de 80 es 32; por lo tanto, se busca el dato que este en la posición 32.
Si N=85, el 40% de 85 es 34; por lo tanto se busca el dato que este en la posición 34.
El Cuartil va de 1 a 4
El Cuartil 3 (3/4): es el valor de la variable que reúne al menos el 75% de los datos
Ejemplo: Si N=80, el 75% de 80 es 60; por lo tanto, se busca el dato que este en la posición 60.
Si N=85, el 75% de 85 es 63,75; por lo tanto se busca el dato que este en la posición 64.
33
 Estadística

-Rango
MEDIDAS DE DISPERSIÓN
-Varianza
Las medidas de tendencia central, se emplean para localizar el centro de un conjunto de
observaciones. Con mucha frecuencia, es igualmente importante describir la forma en que -Desviación Estándar
las observaciones están dispersas o diseminadas, a cada lado del centro. A esto por lo
general se le conoce como dispersión, variación o variabilidad.

Datos Cuantitativos Varianza

x Rango n
1 n n

x1  ( xi  x )  x  ( xi ) 2
2 2

R  max( xi )  min( xi ) s 2  i 1
i
1 n 2
  xi  x 2
n i 1
 i 1

x2 n n n i 1

Desviación Típica o Estándar
xn
s  s2

Comparación entre Variables

Coeficiente de Variación
Se refiere al comportamiento de las variables cuantitativas en un
s
grupo. Por ejemplo: Si se tiene un conjunto de personas a las que se cv 
les mide Estatura, Peso, Edad: Entre estas variables ¿cuál presenta x
mayor variación?
34
Recorrido: es la diferencia entre el mayor y el menor valor de la
variable: Rango o Amplitud total ; R= Máximo – Mínimo
Varianza y Desviación Estándar
La varianza (s2) es la media aritmética de los cuadrados de las
desviaciones de los datos respecto a la media:
n

 i
( x  x ) 2

s 
2
x
i 1
n
Varianza datos sin agrupar Varianza datos agrupados

 n 2   n 
  xi   f i xi 
2

S 2   i 1  x  
2
S 
2  i 1
 x 
2
 n   n 
   
   
Desviación típica o estándar (s) : Se define la desviación típica como
la raiz cuadrada positiva de la varianza: S  S2
VARIANZA Y DESVIACION ESTÁNDAR DE DATOS SIN AGRUPAR

Encuentre la varianza y desviación estándar de los siguientes datos en

centímetros, de las alturas en cm. de 9 pantallas de celulares del mercado :
8, 4, 8, 8, 10, 8, 7, 6, 8
Primero encontramos el valor promedio de los datos
X = (8+4+8+8+10+8+7+6+8)/9 = 7.44 X = 7.44
Luego para demostrar como se obtiene la varianza se calculará el desvio de
cada dato con el promedio n
X
8
x - ME
0.56
(X-ME)^2
0.3136
 i
( x  x ) 2

s x2  i 1 =22.2224/9
4 -3.44 11.8336 n
8 0.56 0.3136 S2 = 2.469 cm2
8 0.56 0.3136
10 2.56 6.5536 Es el valor de la varianza en unidades al
8 0.56 0.3136 cuadrado
7 -0.44 0.1936 La desviación estándar:
6 -1.44 2.0736 S =RAIZ(2.469)
8 0.56 0.3136 S = 1.57 cm.
total 22.2224
Encuentre la varianza y desviación estándar de los siguientes datos en
centímetros: 8, 4, 8, 8, 10, 8, 7, 6, 8

Primero encontramos el valor promedio de los datos

X = (8+4+8+8+10+8+7+6+8)/9 = 7.44 X = 7.44

 n 
  xi 
2

  i 1  x   = 521 / 9 - (7.44)^2 = 57.89 – 55.35 = 2.54

2
S2
 n 
 
 
X X^2 X^2 Varianza
S2 = 2.54 cm2
8 8*8 64
4 4*4 16 Es el valor de la varianza en
unidades al cuadrado
8 8*8 64
8 8*8 64 La desviación estándar:
10 10*10 100 S =RAIZ(2.54)
8 8*8 64 S = 1.59 cm.
7 7*7 49
6 6*6 36
8 8*8 64
total 521
Cálculo de la varianza datos agrupados:
Intervalos de Marca de Frecuencia
coeficiente clase absoluta Xi^2 * fi
intelectual Xi fi
68 - 74.8 71.4 1 5097.96
74.8 - 81.6 78.2 2 12230.48
81.6 - 88.4 85.0 4 28900
88.4 - 95.2 91.8 8 67417.92
95.2 - 102 98.6 26 252770.96
102 - 108.8 105.4 4 44436.64
108.8 - 115.6 112.2 5 62944.2
Total ------ 50 473798.16
 Cálculo de la varianza, ejemplo coeficientes intelectuales:

 n 
  f i xi 
2

S 2   i 1  x     96.97   72.78
2 473798.16 2
 n  50
 
 
Interpretación: la varianza de los coeficientes intelectuales es de 72.78 puntos
cuadrados
Cálculo de la desviación estándar:

La desviación estándar se encuentra aplicando la raíz cuadrada de la

varianza:

S  S  72.78  8.53
2

Interpretación: la variabilidad de los gastos en transporte y alimentación de los

estudiantes en relación al promedio es de 8.53 puntos.
COEFICIENTE DE VARIACIÓN

Mide la dispersión en los datos con relación a la media .Es más útil cuando se
trata de hacer comparaciones entre muestras.
Desviación Estándar
Coeficiente de Variación   100
Media
S
CV 
X
El coeficiente de variación nos refleja mejor la variabilidad que la desviación
estándar sola.
Si el CV es máximo o mayor del 33% los datos son heterogéneos.
Si el CV es menor del 33% los datos son homogéneos.
Cálculo del coeficiente de variación del ejemplo de Gastos.

Los valores obtenidos de la media y la desviación estándar fueron:

X  96.97 S  8.53
• El valor de la media aritmética es 96.97
• El valor de la desviación estándar es 8.53

S 8.53
CV   (100)
X 96.97
CV  8.80% El coeficiente de variación es 8.80%

Interpretación: la variabilidad de los datos de los gastos de los estudiantes en

relación al promedio es de 8.80%, los datos son homogéneos (no supera
33%).
 Estadística

-Asimetría
Otras medidas o Coeficientes
-Kurtosis o Apuntamiento

Ejemplos Histogramas con distinta asimetría y apuntamiento

14 30 6

12 5

10
20 4

8
3

10 2
4

1 Desv. típ. = 2,42

2 Desv. típ. = 1,67 Desv. típ. = ,64
Media = 3,9 Media = 0,0 Media = 5,2

N = 30,00 N = 30,00 0 N = 28,00

0 0
1,0 2,0 3,0 4,0 5,0 6,0 7,0 -1,0 0,0 1,0 2,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0

V2 V4 V5

42
 Estadística

-Asimetría
Otras medidas o Coeficientes
-Kurtosis o Apuntamiento

Ejemplos

Datos Histograma Medidas descriptivas

16

1 4 4 Media 3,9
14
1 4 4 Mediana 4
12 Moda 4
1 4 5
2 4 5 10
Desviación estándar 1,67

2 4 6 Varianza de la muestra 2,78

8
2 4 6 kurtosis -0,43
6
2 4 6 Coeficiente de asimetría -0,02

3 4 6 4 Rango 6

3 4 7 Desv. típ. = 1,77 Mínimo 1

2
Media = 5,4
4 4 7 Máximo 7
0 N = 66,00
1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 Cuenta 30

V1

43
 Estadística

Descripción de 2 variables cualitativas

Problema Distribución conjunta

Interesa estudiar cual es el Tabla 1 Actividad
principal medio de transporte Transporte Estudia Pensionado Trabaja
preferido por un grupo de
personas a la hora de dirigirse Autobus 5 7 0
al centro comercial. Bicicleta 3 3 2
Caminar 2 5 2
Para esto se consultó a cada
Coche 5 4 5
persona sobre la actividad a la
que se dedicaba y el medio de Metro 6 7 4
transporte preferido.
Transporte Nº %
Autobus 12 20,0 Actividad Nº %

Bicicleta 8 13,3
Estudia 21 35,0

Caminar 9 15,0
Pensionado 26 43,3

Coche 14 23,3
Trabaja 13 21,7

Metro 17 28,3
TOTAL 60 100

TOTAL 60 100

44
 Estadística

Descripción de 2 variables cualitativas

Distribución conjunta
Nº de personas
Tabla 2 Actividad

Transporte Estudia Pensionado Trabaja TOTAL

Autobus 5 7 0 12
Bicicleta 3 3 2 8
Caminar 2 5 2 9
Coche 5 4 5 14
Metro 6 7 4 17
TOTAL 21 26 13 60

Actividad: confeccionar tabla con porcentajes respecto del total de personas (n=60)

45
 Estadística

Descripción de 2 variables cualitativas

Distribución conjunta
Nº de personas y % respecto de tipo de Transporte
Tabla 3 Actividad

Transporte Estudia Pensionado Trabaja TOTAL

Autobus 5 7 0 12
% 41,7 58,3 0 100
Bicicleta 3 3 2 8
% 37,5 37,5 25 100
Caminar 2 5 2 9
% 22,2 55,6 22,2 100
Coche 5 4 5 14
% 35,7 28,6 35,7 100
Metro 6 7 4 17
% 35,3 41,2 23,5 100
TOTAL 21 26 13 60
% 35 43,3 21,7 100

46
 Estadística

Descripción de 2 variables cualitativas

Distribución conjunta
Nº de personas y % respecto de tipo de Actividad
Tabla 4 Actividad

Transporte Estudia Pensionado Trabaja TOTAL

Autobus 5 7 0 12
% 23,8 26,9 0 20
Bicicleta 3 3 2 8
% 14,3 11,5 15,4 13,3
Caminar 2 5 2 9
% 9,5 19,2 15,4 15
Coche 5 4 5 14
% 23,8 15,4 38,5 23,3
Metro 6 7 4 17
% 28,6 26,9 30,8 28,3
TOTAL 21 26 13 60
% 100 100 100 100

47
EJEMPLO MODELO DE BASE DATOS CON VARIABLES APLICADA DERECHO PARA TRABAJO
INDIVIDUAL

Id Código de identificaciónsentenciado.
Tipo de delito del condenado, 1= Contra la
vida, el cuerpo y la salud. 2= Contra la
libertad. 3= Contra la seguridad pública. 4=
Delito Contra la fé pública.
Edad Edad en años del interno.
Consumo Consumió y/o consume droga. 1=Si. 2=No.
Estrés Medición de estrés del convicto.
Agresivo Total de síntomas agresivos informados.
 Id Delito Edad Consumo Estrés Agresivo
PR001 3 32 2 33 4
PR002 1 63 1 14 4
PR003 1 33 2 10 4
PR004 2 57 2 99 1
PR005 1 35 2 95 0
PR006 2 54 1 10 2
PR007 4 38 2 42 3
PR008 2 53 2 8 1
PR009 1 42 2 62 1
PR010 2 51 1 35 1
…. …. …. …. …. ….
 EJEMPLO MODELO DE BASE DATOS CON VARIABLES APLICADA FAC. CIENC.
EMPRESARIALES TRABAJO INDIVIDUAL
ID Para identificar el número de datos que se tiene
Ingreso mensual en soles que perciben ejecutivos
INGRESO de ventas
Puntuación de prueba de habilidad de los
PUNTHABILID ejecutivos de ventas
Sexo del ejecutivo de ventas: 1 = Masculino; 2 =
SEXO Femenino
EDAD edad de los ejecutivos de ventas
Asistiría a curos de capacitación para ventas a
ASISTE realizar en Lima. 1 = Si; 2= No
 ID INGRESO PUNTHABILID SEXO EDAD ASISTIRIA
AD001 1000 28 1 33 SI
AD002 1050 29 2 34 SI
AD003 1150 33 1 33 SI
AD004 1030 24 1 34 NO
AD005 1000 28 1 46 SI
AD006 990 35 1 29 SI
AD007 1100 22 2 33 NO
AD008 1050 19 1 34 NO
AD009 1030 20 2 46 SI
AD010 1150 29 2 42 SI

…. …. …. …. …. ….