SENATI - Curso Estadistica y Racionalizacion Administrativas 2011-1 Clases

1
Estadística y Racionalización Administrativas
LA ESTADISTICA
La estadística es la ciencia que estudia los métodos que permiten realizar este proceso para variables
aleatorias. Estos métodos permiten resumir datos y acotar el papel de la casualidad (azar). Se divide en
dos áreas:
Página | 1
Estadística descriptiva La descripción completa de una variable aleatoria está dada por su función
densidad de probabilidad (fdp). Afortunadamente una gran cantidad de variables de muy diversos
campos están adecuadamente descritas por unas pocas familias de fdps: binomial, Poisson, normal,
gamma, etc. Dentro de cada familia, cada fdp está caracterizada por unos pocos parámetros,
típicamente dos: media y varianza. Por tanto la descripción de una variable indicará la familia a que
pertenece la fdp y los parámetros correspondientes.
Estadística inferencial. Los dos

tipos de problemas que
resuelven las técnicas
estadísticas son: estimación y
contraste de hipótesis. En ambos
casos se trata de generalizar la
información obtenida en una
muestra a una población. Estas
técnicas exigen que la muestra
sea aleatoria. En la práctica rara
vez se dispone de muestras
aleatorias, por la tanto la
situación habitual es la que se
esquematiza en la figura
Entre la muestra con la que se trabaja y la población de interés, o población diana, aparece la
denominada población de muestreo: población (la mayor parte de las veces no definida con precisión)
de la cual nuestra muestra es una muestra aleatoria. En consecuencia la generalización está amenazada
por dos posibles tipos de errores: error aleatorio que es el que las técnicas estadísticas permiten
cuantificar y críticamente dependiente del tamaño muestral, pero también de la variabilidad de la
variable a estudiar y el error sistemático que tiene que ver con la diferencia entre la población de
muestreo y la población diana y que sólo puede ser controlado por el diseño del estudio.
EL METODO DE INVESTIGACION ESTADISTICA

El método de investigación estadística comprende las cinco fases siguientes:
1. Preparación del trabajo.
2. Recopilación de los datos.
3. Evaluación y depuración de los datos.
4. Presentación de los datos.
5. Análisis e interpretación.
1. PREPARACION DEL TRABAJO

Se limita a la redacción de las instrucciones para recabar los datos, definición precisa de los datos
que se necesitan; diseño de formularios y planillas, planificación y organización del trabajo en el
espacio y en el tiempo.
Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

2

En esta fase deben quedar perfectamente claros los conceptos y cada participante debe conocer a
cabalidad sus atribuciones y responsabilidades; ya que las dudas o malas interpretaciones echarán a
perder el resto de la investigación.
2. RECOPILACION DE LOS DATOS

En ella se recaban los datos necesarios para la investigación, mediante encuestas, muestreos,Página
censos,
|2
o se toman de fuentes secundarias o registros y publicaciones.
La eficiencia con que se realice esta etapa generará la calidad de todo el trabajo de investigación
estadística.
3. EVALUACIÓN DE LOS DATOS

Los datos recopilados, en la vida real, suelen adolecer de imperfecciones y errores varios; debidos a
la ignorancia, a malos entendidos, a intereses creados o a prejuicios sociales, de parte de quien
aporta los datos o de quien los recaba. De allí que el paso inmediato sería una depuración y
evaluación de tales datos, a fin de subsanar o mitigar las influencias y efectos de tales errores e
imperfecciones. Para lograrlo se recomiendan los siguientes procedimientos:
 Revisión total de los cálculos, de las tabulaciones y del procedimiento utilizado.
 Confrontar los datos recopilados, con los obtenidos al cálculo, con los de otras regiones o
países, tomados en otras ocasiones o con otra finalidad.
 Repetir al muestreo, el mismo trabajo, en zonas estratégicamente escogidas; cuando en las
verificaciones anteriores se hubieran obtenido notorias discrepancias.
4. PRESENTACIÓN DE LOS DATOS

Los datos suelen estar presentados en forma tabular, en cuadros de doble entrada, proporcionales,
porcentuales, o en valores promedios. También suelen representarse gráficamente, mediante:
Histogramas, polígonos, diagramas figurados, prismogramas, pictogramas, dibujos acotados, entre
otros.
5. ANALISIS E INTERPRETACIÓN DE LOS DATOS

Podría decirse que es ésta la fase más amplia de todas y en la cual la investigación rinde sus mejores
frutos. Desde la más remota antigüedad se ha venido aplicando el análisis estadístico a las
investigaciones demográficas, socioeconómicas, fiscales, entre otros. Obteniéndose así índices y
tendencias de natalidad, mortalidad, mortinalidad (nacidos muertos), nupcialidad, inmigración,
emigración, etc. De generalización más reciente tenemos los índices y tendencias del costo de la
vida, de tan rotunda actualidad; los cuales se obtienen sumando los costos promedios de alimentos,
vivienda, medicinas, ropas y servicios consumidos por una persona, familia, estándar, en el período
que se estudia. Igualmente, los índices de productividad o relación entre la producción y las horas -
hombre de trabajo en ella utilizadas.
VARIABLE ESTADISTICA
Una variable estadística es cada una de las características o cualidades que poseen los individuos de
una población.
CLASIFICACIÓN SEGÚN LA MEDICIÓN

Tipos Propiedades Ejemplos
Los valores de la variable no son números, sino Género literario (novela, teatro...). Sexo (mujer,
Cualitativas
cualidades. varón).
Cuantitativas Los valores que toma la variable son números. Edad. Altura.

3

Variables cualitativas
Son las variables que expresan distintas cualidades, características o modalidad. Cada modalidad que se
presenta se denomina atributo o categoría y la medición consiste en una clasificación de dichos
atributos. Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos valores
posibles como sí y no, hombre y mujer o son politómicas cuando pueden adquirir tres o más valores.
Dentro de ellas podemos distinguir: Página | 3
 Variable cualitativa ordinal: También llamada variable cuasicuantitativa. La variable puede
tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el
intervalo entre mediciones sea uniforme, por ejemplo: leve, moderado, grave.
 Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio
de orden como por ejemplo los colores o el lugar de residencia.
Variables cuantitativas
Son las variables que se expresan mediante cantidades numéricas. Las variables cuantitativas además
pueden ser:
 Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de valores
que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los
distintos valores específicos que la variable pueda asumir. Ejemplo: El número de hijos (1, 2, 3, 4,
5).
 Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo
especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg, ...) o la altura (1,64 m, 1,65 m,
1,66 m, ...), que solamente está limitado por la precisión del aparato medidor, en teoría permiten
que siempre exista un valor entre dos variables.
Tipos Propiedades Propiedades

En cada tramo, la variable sólo puede tomar un número Número de páginas de un libro. Puede tener 210 o
Discretas
determinado de valores. 211, pero no 210,5.
La variable puede tomar tantos valores como queramos en
Continuas
el tramo.
Clasificación según su dependencia
Variables independientes
Son las que el investigador escoge para establecer agrupaciones en el estudio, clasificando
intrínsecamente a los casos del mismo. Un tipo especial son las variables de control, que modifican al
resto de las variables independientes y que de no tenerse en cuenta adecuadamente pueden alterar los
resultados por medio de un sesgo.
Es aquella característica o propiedad que se supone ser la causa del fenómeno estudiado. En
investigación experimental se llama así a la variable que el investigador manipula.
Variables dependientes
Son las variables de respuesta que se observan en el estudio y que podrían estar influenciadas por los
valores de las variables independientes.
Hayman (1974 : 69) la define como propiedad o característica que se trata de cambiar mediante la
manipulación de la variable independiente.
La variable dependiente es el factor que es observado y medido para determinar el efecto de la variable
independiente.
Otra clasificación
4

Variable interviniente
Son aquellas características o propiedades que de una manera u otra afectan el resultado que se espera y
están vinculadas con las variables independientes y dependientes.
Variable moderadora
Según Tuckman: representan un tipo especial de variable independiente, que es secundaria, y se
Página | 4
selecciona con la finalidad de determinar si afecta la relación entre la variable independiente primaria y
las variables dependientes.
Ejercicios:
1. Indica que variables son cualitativas y cuales cuantitativas:
 Comida Favorita.
 Profesión que te gusta.
 Número de goles marcados por tu equipo favorito en la última temporada.
 Número de alumnos de tu Instituto.
 El color de los ojos de tus compañeros de clase.
 Coeficiente intelectual de tus compañeros de clase.
2. De las siguientes variab les indica cuáles son d is cretas y cuales con tin u as .
 Número de acciones vendidas cada día en la Bolsa.
 Temperaturas registradas cada hora en un observatorio.
 Período de duración de un automóvil.
 El diámetro de las ruedas de varios coches.
 Número de hijos de 50 familias.
 Censo anual de los españoles.
3. Clasificar las siguientes variables en cualitativas y cuantitativas discretas o continuas.

 La nacionalidad de una persona.
 Número de litros de agua contenidos en un depósito.
 Número de libros en un estante de librería.
 Suma de puntos tenidos en el lanzamiento de un par de dados.
 La profesión de una persona.
 El área de las distintas baldosas de un edificio.
Análisis descriptivo de la informacion:

Para hacer un análisis descriptivo de la información debemos darle tratamiento a la información
obtenida a la que le denominamos datos y estos podemos considerarlos como:
Datos no agrupados
Son los datos donde se considera su tratamiento con sus valores individuales.
En ellos se consideran los siguientes estadígrafos:

Tendencia central: la tendencia central se refiere al punto medio de una distribución. Las medidas de
tendencia central se conocen como medidas de posición.
Dispersión: se refiere a la extensión de los datos en una distribución, es decir, al grado en que las
observaciones se distribuyen.
Datos agrupados
Son los datos donde se considera el tratamiento en grupos ó intervalos, es decir se considera en grupos
donde pueden existir diversos valores.
5
En ellos se consideran los siguientes estadígrafos:
Medidas de Dispersión Se llaman medidas de dispersión aquellas que permiten retratar la distancia de
los valores de la variable a un cierto valor central, o que permiten identificar la concentración de los
datos en un cierto sector del recorrido de la variable. Se trata de coeficiente para variables cuantitativas.
Página | 5
Medidas de Tendencia central La estadística busca entre otras cosas, describir las características
típicas de conjuntos de datos y, como hay varias formas de hacerlo, existen y se utilizan varios tipos de
promedios. Se les llama medidas de tendencia central porque general mente la acumulación más alta de
datos se encuentra en los valores intermedios.
Las medidas de tendencia central comúnmente empleadas son:

 Media aritmética
 Mediana
 Moda
 Media geométrica
 Media armónica
 Los cuantiaos
DISTRIBUCIÓN DE FRECUENCIAS
La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los
datos estadísticos, asignando a cada dato su frecuencia correspondiente.
Tipos de frecuencias
Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio
estadístico.
Se representa por fi.

La suma de las frecuencias absolutas es igual al número total de datos, que se representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se lee suma
o sumatoria.
Frecuencia relativa
La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el
número total de datos.
Se puede expresar en tantos por ciento y se representa por ni.
La suma de las frecuencias relativas es igual a 1.

6
Frecuencia acumulada
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado.
Se representa por Fi. Página | 6
Frecuencia relativa acumulada

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un determinado valor
y el número total de datos. Se puede expresar en tantos por ciento.
Ejemplo
Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31
27, 28, 29, 30, 32, 31, 31, 30, 30, 29
29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la segunda

hacemos el recuento y en la tercera anotamos la frecuencia absoluta.
xi Recuento fi Fi ni Ni
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
32 III 3 27 0.097 0.871
33 III 3 30 0.097 0.968
34 I 1 31 0.032 1
Total 31 1
Este tipo de tablas de frecuencias se utiliza con variables discretas.
Ejercicios:
4. Las puntuaciones obtenidas por un grupo en una prueba han sido:
15, 20, 15, 18, 22, 13, 13, 16, 15, 19
18, 15, 16, 20, 16, 15, 18, 16, 14, 13
Construir la tabla de distribución de frecuencias y dibuja el polígono de frecuencias.
5. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3
2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1, 2, 2, 4, 1
Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras.
6. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8
7

4, 8, 6, 6, 3, 6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7
MEDIDAS DESCRIPTIVAS
Las medidas descriptivas son valores numéricos calculados a partir de la muestra y que nos resumen
Página | 7la
información contenida en ella.
MEDIDAS DE CENTRALIZACIÓN
Nos dan un centro de la distribución de frecuencias, es un valor que se puede tomar como
representativo de todos los datos. Hay diferentes modos para definir el "centro" de las observaciones en
un conjunto de datos. Por orden de importancia, son:
LA MEDIA
Media para un conjunto de datos no agrupados.
La formula de la media es:

x
x i
n
Ejemplo para el cálculo de la media.

Sean los siguientes valores las calificaciones la asignatura de matemáticas de estudiantes de primer
año:
10 8 6 7.5 7 7.5 8 9.5 10 10
8 6 9 10 7.5 6 9.5 10 6.5 8
6 6 9 10 7 8 9.5 5 8 7.5
Sumando los valores de las 30 calificaciones y dividiéndolas entre los 30 datos obtendremos:

x
x i

240
8
n 30
8

por lo que la media de calificaciones obtenida por el grupo considerado es igual a 8.

Media para un conjunto de datos agrupados.

1 m
La media para datos agrupados es la siguiente: x   xi f i
n i 1 Página | 8
n   fi
Donde es el total de datos, m el número total de clase y
f i es la frecuencia de datos.
La definición es claramente entendida como una extensión de la definición que dimos para datos no
agrupados, ya que es lógico suponer que datos xi que se repiten con una frecuencia f i pueden
n m
x i x
i fi
simplificar la suma i 1 por i 1 , por supuesto que los índices de la segunda suma con respecto a
la primera corren con respecto a menor número, es decir, con respecto al número de agrupamientos m.

Ejemplo:
Sean los siguientes datos 1, 1, 2, 2, 4, 4, 5, 2, 3, 2, 3, 4, 1, 2, 1. La media para dichos datos es
aproximadamente igual a 2.4666, es decir,

x
x i

11 2  2  4  4  5  2  3  2  3  4 1 2 1
 2.4666
n 15

Sin embargo, el mismo resultado podemos obtener si tomamos la frecuencia con que aparecen los
datos, en este caso:
Dato Frecuencia Producto de frecuencias y datos
xi fi f i xi
1 4 4
2 5 10
3 2 6
4 3 12
5 1 5

La obtención de la media finalmente se convierte en

1  1 4    2  5   3 2   4  3   51 
x
n
 xi f i  
 15
  2.4666

Para la obtención de la media cuando las frecuencias están sujetas a la elección de clase bajo los
métodos mostrados, se realiza de igual manera, la única diferencia existe en determinar el valor xi
como el punto medio de cada clase, veamos el siguiente ejemplo.
Supongamos que una clínica de salud, obtiene una tabla de edades de las personas que son atendidas
en un fin de semana, para los que presentan la siguiente tabla. ¿Cuál será el promedio de edades de los
enfermos que acudieron a recibir atención médica?

Tabla de frecuencias reportadas por la clínica
9

Clases Punto medio de Frecuencias de cada clase
(Datos en años)
cada clase xi fi
10  x  20 15 8
20  x  30 25 20
30  x  40 35 14 Página | 9
40  x  50 45 8
50  x  60 55 2
60  x  70 65 2
70  x  80 75 1
55 enfermos atendidos

Por lo que el promedio de personas a las que se les dio servicio es de:

x
15 8   25 20   3514   45 8   55 2   65 2   751  32.45 años
53
LA MEDIANA
Mediana para datos no agrupados
La mediana de un conjunto finito de valores es aquel valor que divide al conjunto en dos partes iguales,
de forma que el número de valores mayor o igual a la mediana es igual al número de valores menores o
igual a estos. Su aplicación se ve limitada ya que solo considera el orden jerárquico de los datos y no
alguna propiedad propia de los datos, como en el caso de la media.

A continuación se muestran los criterios para construir la mediana. Se puede construir los siguientes
criterios:

Lo primero que se requiere es ordenar los datos en forma ascendente o descendente, cualquiera de los
dos criterios conduce al mismo resultado.
Sean ordenados lo datos en orden ascendente x1 , x 2 , x3 ,  , x n
xn
Si el número de valores es impar, la mediana es el valor medio, el cual corresponde al dato 2 .
Cuando el número de valores en el conjunto es par, no existe un solo valor medio, si no que existe dos
valores medios, en tal caso, la mediana es el promedio de los valores, es decir, la mediana es
numéricamente igual a
xn  xn
1
Md  2 2
2

Podemos describir algunas propiedades para la mediana:
1.- Es única.
2.- Es simple.
3.- Los valores extremos no tienen efectos importantes sobre la mediana, lo que si ocurre con la media.
10

~
La notación más usual que se utiliza para representar a la mediana es x , Md o Me

Ejemplo:
Dados los siguientes datos: 1, 2, 3, 4, 0, 1, 4, 3, 1, 1, 1, 1, 2, 1, 3 para la obtención de la mediana se
deberán de ordenar. Tomemos el criterio de orden ascendente con lo que, tendremos: Página | 10

0, 1, 1, 1, 1, 1, 1, 1, 2, 2, 3, 3, 3 4, 4,

por otro lado el número de datos es igual a 15 datos, siendo el número de datos impar se elige el dato
que se encuentra a la mitad, una vez ordenados los datos, en este caso es 1.

La mediana para datos agrupados.
La extensión para el cálculo de la mediana en el caso de datos agrupados es realiza a continuación:

n
 f acum i 1
Md  Li  2 A
f mediana

Donde:
 Md = Mediana.
 Li = Limite inferior o frontera inferior de donde se encuentra la mediana, la forma de calcularlo es a
través de encontrar la posición n / 2 . En ocasiones en el intervalo donde se encuentra la mediana
de conoce como intervalo mediano.
 n = Número de observaciones o frecuencia total.
f acum i 1
 = frecuencia acumulada anterior al intervalo mediano.
 f mediana = Frecuencia del intervalo mediano.
 A = Amplitud del intervalo en el que se encuentra la mediana .

Geométricamente
la mediana se
encuentra en el
valor X que divide
al histograma en
dos partes de áreas
iguales.
Ejemplo:
Retomemos la tabla del ejemplo mostrado para determinar la media de atenciones médicas brindadas
por el hospital, adicionando la columna de la frecuencia acumulada

Clases Punto medio de Frecuencias de cada Frecuencias acumulada
(Datos en años) clase
cada clase xi f acumulada
fi

11

10  x  20 15 8 8
20  x  30 25 20 28
30  x  40 35 14 42
40  x  50 45 8 50
50  x  60 55 2 52 Página | 11
60  x  70 65 2 54
70  x  80 75 1 55
Determinemos el dato medio de los datos, como n = 55 entonces n/2=27.5
El intervalo mediano o la clase donde se encuentra la mediana se encuentra en la segunda clase.
Sustituyendo en la ecuación tendremos
por lo que se puede concluir que el 50% de las personas atendidas en un fin de semana por el hospital
tienen una edad inferior a los 29.75 años.
LA MODA

Moda para datos no agrupados
La moda es la medida que se relaciona con la frecuencia con que se presenta el dato o los datos con
mayor incidencia, con lo que se considera la posibilidad de que exista más de una moda para un
conjunto de datos. La notación mas frecuente es la siguiente: Mo y x̂ . Esta medida se puede aparecer
tanto para datos cualitativos como cuantitativos. Se dice que cuando un conjunto de datos tiene una
moda la muestra es unimodal, cuando tiene dos modas bimodal, cuando la muestra contiene mas de un
dato repetido se dice que es multimodal y un último caso es cuando ningún dato tiene una frecuencia,
en dicho caso se dice que la muestra es amodal.

Ejemplos:
1.- Determinar la moda del siguiente conjunto de datos:
a) 1, 2, 3, 3, 4 , 5, 6, 7, 7, 3, 1, 9, 3 la moda de este conjunto de datos es igual a 3 y si considera
unimodal
b) 1, 2, 3, 4, 4, 5, 2, 1, 3, 4, 2, -3, 4, 6, 3, 3 las modas de este conjunto de datos son 3 y 4 ya que

ambas tienen la mas alta frecuencia, por lo que la muestra es bimodal
c) 1, 2, 3, 4, 5, 6, 7, 8, 9 la muestra no contiene ningún dato repetido por lo que se considera que la

muestra es amodal.
Gráficamente eso se puede reflejar mediante el análisis de un histograma de frecuencias.


12
Página | 12

Moda para datos agrupados
Para determinar la moda de datos agrupados en clases de igual tamaño su cálculo se puede realizar de
la siguiente forma:
f i
Mo  Li  A
f i  f s
Donde
Li  límite inferior o frontera inferior.
f i  Exceso de la frecuencia modal sobre la clase modal inferior inmediata.
f s  Exceso de la frecuencia modal sobre la clase modal superior inmediata.
A  Anchura o intervalo de la clase modal.

En ocasiones la expresión para el cálculo de la moda suele presentarse de la siguiente forma:
f m  f ( m 1)
Mo  Li  A
2 f m  f  m 1  f  m 1
donde
f m  Frecuencia de clase modal
f  m 1  Frecuencia de clase premodal
f  m 1  Frecuencia de clase posmodal
Aunque la expresión se ve un poco diferente en realidad se trata de una misma ecuación, ya que el
exceso de la clase modal inferior se puede determinar como:
f i  f m  f ( m 1)
y el exceso de la clase modal superior se determina como
f s  f m  f ( m 1)
Por lo que basta sustituir estos valores en una de ellas para encontrar la otra expresión.

Ejemplo:
Determinar a partir de la tabla presentada, en el ejemplo de la media, cual es la moda:

Clases Punto medio de Frecuencias de cada clase
(Datos en años)
cada clase xi fi

13

10  x  20 15 8
20  x  30 25 20
30  x  40 35 14
40  x  50 45 8
50  x  60 55 2 Página | 13
60  x  70 65 2
70  x  80 75 1
Identificamos que
Li  20; f m  20 ; f  m 1  8; f  m1  14; A  10;
Sustituyendo tenemos
f m  f ( m1) 20  8
Mo  Li  A  20   20.666
2 f m  f  m1  f  m 1 2 20  8  14
Pese a que el valor de la moda no pueda constituir un dato real, para el ejercicio, se puede asumir que
ese es el parámetro de mayor ocurrencia.
Distribución simétrica:
Sesgo cero moda = mediana = media

Distribución con asimetría positiva:
Sesgo a la derecha: media y mediana se encuentran a la derecha de la
moda. moda < mediana < media

Distribución con asimetría negativa:

sesgo a la izquierda: media y mediana están a la izquierda
de la moda. media < mediana < moda

Nota
Si se conocen dos promedios de una distribución de frecuencias con sesgo moderado, el tercero se
puede aproximar.
Moda = media - 3(media - mediana)
Media = [3(mediana) - moda]/2
Mediana = [2(media) + moda]/3
MEDIDAS DE DISPERSIÓN
14
LA DISPERSIÓN.
Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda sólo nos revelan
una parte de la información que necesitamos acerca de las características de los datos. Para aumentar
nuestro entendimiento del patrón de los datos, debemos medir también su dispersión, extensión o
variabilidad. Página | 14
La dispersión es importante porque:
 Proporciona información adicional que permite juzgar la confiabilidad de la medida de tendencia

central. Si los datos se encuentran ampliamente dispersos, la posición central es menos
representativa de los datos.
 Ya que existen problemas característicos para datos ampliamente dispersos, debemos ser capaces de
distinguir que presentan esa dispersión antes de abordar esos problemas.
 Quizá se desee comparar las dispersiones de diferentes muestras. Si no se desea tener una amplia
dispersión de valores con respecto al centro de distribución o esto presenta riesgos inaceptables,
necesitamos tener habilidad de reconocerlo y evitar escoger distribuciones que tengan las
dispersiones más grandes.
Pero si hay dispersión en la mayoría de los datos, y debemos estar en capacidad de describirla. Ya que
la dispersión ocurre frecuentemente y su grado de variabilidad es importante, ¿cómo medimos la
variabilidad de una distribución empírica?. Vamos a considerar sólo algunas medidas de dispersión
absolutas: el rango, la varianza, la desviación estándar y el coeficiente de variación.
EL RANGO O RECORRIDO ( R ):
Es la medida de variabilidad más fácil de calcular. Para datos finitos o sin agrupar, el rango se define
como la diferencia entre el valor más alto (Xn ó Xmax.) y el mas bajo (X1 ó Xmin) en un conjunto de datos.
Rango para datos no agrupados;
R = Xmáx. - Xmín = Xn - X1
Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier año, a saber: 18,23, 27,34 y 25., para
calcular la media aritmética (promedio de las edades, se tiene que:
R = (Xn-X1 ) = 34-18 = 16 años
Con datos agrupados no se saben los valores máximos y mínimos. Si no hay intervalos de clases
abiertos podemos aproximar el rango mediante el uso de los límites de clases. Se aproxima el rango
tomando el limite superior de la última clase menos el límite inferior de la primera clase.
Rango para datos agrupados;
R= (Limite superior de la clase n – Limite inferior de la clase 1)

Ejemplo:
Si se toman los datos del ejemplo resuelto al construir la tabla de distribución de frecuencia de las
cuentas por cobrar de Cabrera’s y Asociados que fueron los siguientes:
Clases Xi fi h r Fi ↓ Fa ↑ hr a↓ hr a↑
7.420 – 14.628 10 0.33 10 30 0.33 1.00
21.835
15

21.835 – 29.043 4 0.13 14 20 0.46 0.67
36.250
36.250 – 43.458 5 0.17 19 16 0.63 0.54
50.665
50.665 – 57.873 3 0.10 22 11 0.73 0.37
65.080 Página | 15
65.080 – 72.288 3 0.10 25 8 0.83 0.27
79.495
79.495 – 86.703 5 0.17 30 5 1.00 0.17
93.910
Total XXX 30 1.00 XXX XX XXX XXX
X
El rango de la distribución de frecuencias se calcula así:
R= (Limite superior de la clase n – Limite inferior de la clase 1) = (93.910 – 7.420) = 86.49
Propiedades del Rango o Recorrido:

 El recorrido es la medida de dispersión más sencilla de calcular e interpretar puesto que
simplemente es la distancia entre los valores extremos (máximo y mínimo) en una distribución
 Puesto que el recorrido se basa en los valores extremos éste tiende s ser errático. No es extraño que
en una distribución de datos económicos o comerciales incluya a unos pocos valores en extremo
pequeños o grandes. Cuando tal cosa sucede, entonces el recorrido solamente mide la dispersión
con respecto a esos valores anormales, ignorando a los demás valores de la variable.
 La principal desventaja del recorrido es que sólo esta influenciado por los valores extremos,, puesto
que no cuenta con los demás valores de la variable. Por tal razón, siempre existe el peligro de que
el recorrido ofrezca una descripción distorsionada de la dispersión.
 En el control de la calidad se hace un uso extenso del recorrido cuando la distribución a utilizarse
no la distorsionan y cuando el ahorro del tiempo al hacer los cálculos es un factor de importancia.
LA VARIANZA (S2 ó δ2 ):
La varianza es una medida de dispersión relativa a algún punto de
referencia. Ese punto de referencia es la media aritmética de la
distribución. Más específicamente, la varianza es una medida de que tan
cerca, o que tan lejos están los diferentes valores de su propia media
aritmética. Cuando más lejos están las Xi de su propia media aritmética,
mayor es la varianza; cuando más cerca estén las X i a su media menos es
la varianza. Y se define y expresa matemáticamente de la siguiente
manera:
La varianza para datos no agrupados
Dado un conjunto de observaciones, tales como X1, X2, … , Xn, la

varianza denotada usualmente por la letra minúscula griega δ (sigma) elevada al cuadrado (δ2)y en
otros casos S2 según otros analistas, se define como: el cuadrado medio de las desviaciones con
respecto a su media aritmética”
Matemáticamente, se expresa como:

16

Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier año, a saber: 18,23, 25, 27, y 34. Al
calcular la media aritmética (promedio de las edades, se obtuvo 25.4 años, encontrar la varianza de las
edades de estos estudiantes:
Para calcular se utiliza una tabla estadística de trabajo de la siguiente manera: Página | 16
Xi ( Xi - ) ( Xi - )2
18 (18 – 25.5)=-7.4 (-7.4)2=54.76
23 (23 – 25.5)=-2.4 (-2.4)2= 5.76
25 (25 – 25.5)=-0.4 (-0.4)2= 0.16
27 (27 – 25.5)= 1.6 ( 1.64)2= 2.16
34 (34 – 25.5)= 8.6 ( 8.6)2 =73.96
Total xxxx 137.20
Σ(XI-)2 137.20
2
δ = ------------ = ----------- = 27.4 años
n 5
Respuesta: la varianza de las edades es de 27.4 años
La varianza para datos agrupados

Si en una tabla de distribución de frecuencias. Los puntos medios de
las clases son X1, X2, … , Xn; y las frecuencias de las clases f1, f2, …
, fn; la varianza se calcula así:
Σ(Xi-)2f1
δ2 = ----------------
Σfi
Sin embargo la formula anterior tiene algún inconveniente para su

uso en la practica, sobre todo cuando se trabaja con números
decimales o cuando la media aritmética es un número entero.
Asimismo cuando se trabaja con máquinas calculadoras, La tarea
de computar la varianza se simplifica utilizando la formula de computación que se da a continuación:
ΣXi2fi - [(ΣXifi)2/N]
2
δ = ----------------------------
N
Donde N = Σfi
Ejemplo:
Se tienen los datos de una muestra de 30 cuentas por cobrar de la tienda Cabrera’s y Asociados
dispuestos en una tabla de distribución de frecuencias, a partir de los cuales se deberá calcular la
varianza, para lo cual se construye la siguiente tabla estadística de trabajo, si se calculó anteriormente
la media aritmética y se fijó en 43.458 (ver ejemplo del calculo en “media aritmética para datos
agrupados) de la siguiente manera

17

clases Xi fi Xi 2 Xifi X2fi
7.420 – 21.835 14.628 10 213.978 146.280 2,139.780 2
2
21.835 – 36.250 29.043 4 843,496 116.172 3,373.984 ΣXi fi -
[(ΣXifi) / 36.250 – 50.665 43.458 5 1,888.598 217.270 9,442.990 N]
50.665 – 65.080 57.873 3 3,349.284 173.619 10,047.852
65.080 – 79.495 72.288 3 5,225.555 216.864 15,676.665 Página | 17
79.495 – 93.910 86.703 5 7,533.025 433.965 37,665.125
Total 30 19,053.936 1,304.190 78,346.396
2
78,346.398 – [(1,304.190) /30]
δ2 = -------------------------- = ------------------------------------------- =
N 30
78,346.398 – [1,700,911.556/30] 78,346.398 – 56,697.052
= ---------------------------------------------- = ------------------------------------ =
30 30
= 21,649.344 / 30 = 721.645
Respuesta: la varianza de las cuentas por cobrar es igual B/.721.645
Propiedades de la varianza:
 Es siempre un valor no negativo, que puede ser igual o distinta de 0. Será 0 solamente cuando
Xi=
 La varianza es la medida de dispersión cuadrática optima por ser la menor de todas.
 Si a todos los valores de la variable se le suma una constante la varianza no se modifica.
Veámoslo:
2
2 (∑x i −X ) ni
S =
n
Si a xi le sumamos una constante xi’ = xi + k tendremos (sabiendo que x'=x+k )
2
2 ∑
( x ' i−X ' )2 ni ∑ [(x i + k )−( X '+ k )]2 n i ∑ ( xi −X ) n 2 i
S = = = =S
n n n
 Si todos los valores de la variable se multiplican por una constante la varianza queda multiplicada
por el cuadrado de dicha constante. Veámoslo:
Si a xi’ = xi · k tendremos (sabiendo que X '=X ·k )
2
2 ∑
( x ' i−X ' )2 ni ∑ [(x i · k )−( X '· k )] 2 ni ∑ [ k ( x i− X )] n i
S= = = =
N N N
2 2 2 2
∑ k ( xi −X ) ni k ∑ ( x i− X ) =k 2 · S 2
= =
n n
 Si en una distribución obtenemos una serie de subconjuntos disjuntos, la varianza de la distribución
inicial se relaciona con la varianza de cada uno de los subconjuntos mediante la expresión

18

2
∑ N S
i i
S 2=
x
n
Siendo Ni  el nº de elementos del subconjunto (i)
S2i  la varianza del subconjunto (i)
Página | 18
LA DESVIACIÓN ESTÁNDAR (S ó δ)
Es una medida de la cantidad típica en la que los valores del conjunto de datos difieren de la media.
Es la medida de dispersión más utilizada, se le llama también desviación típica. La desviación estándar
siempre se calcula con respecto a la media y es un mínimo cuando se estima con respecto a este valor.
Se calcula de forma sencilla, si se conoce la varianza, por cuanto que es la raíz cuadrada positiva de
esta. A la desviación se le representa por la letra minúscula griega “sigma” ( δ ) ó por la letra S
mayúscula, según otros analistas.
Cálculo de la Desviación Estándar
δ = √δ2 ó S = √S2
Ejemplo:
Del cálculo de la varianza de las edades de cinco estudiantes universitarios de primer año se obtuvo
δ2=27.44, como la desviación estándar es la raíz cuadrada positiva, entonces δ = √27.44 = 5.29 años.
Igual procedimiento se aplica para encontrar le desviación estándar de las cuentas por cobrar de la
Tienda Cabrera’s y Asociados, recordemos que la varianza obtenida fue de 721.645, luego entonces la
desviación estándar es igual a δ =√721.645 = 26.86 balboas.
Propiedades de la Desviación Estándar

A su vez la desviación estándar, también tiene una serie de propiedades que se deducen fácilmente de
las de la varianza (ya que la desviación típica es la raíz cuadrada positiva de la varianza):
 La desviación estándar es siempre un valor no negativo S será siempre 0 por definición. Cuando
S = 0  X = xi (para todo i).
 Es la medida de dispersión óptima por ser la más pequeña.
 La desviación estándar toma en cuenta las desviaciones de todos los valores de la variable
 Si a todos los valores de la variable se le suma una misma constante la desviación estándar no varía.
 Si a todos los valores de la variable se multiplican por una misma constante, la desviación estándar
queda multiplicada por el valor absoluto de dicha constante.
Definición del Coeficiente de Variación
Donde: C.V. representa el número de veces que la desviación típica contiene a la media aritmética y
por lo tanto cuanto mayor es CV mayor es la dispersión y menor la representatividad de la media.
Propiedades del Coeficiente de Variación :

 Si a todos los valores de la variable se le suma una misma constante el coeficiente de variación
queda alterado.
19
Página | 19

20

Practica
Se tiene la distribución de sueldo de 200 empleados elegidos al azar en una fábrica
Para Varones:
Página | 20
Calculamos la Media
Nº Empleados % Acumulado Varones
Sueldo (S/.)
Varones Mujeres fi Xi Xi . fi
[150 - 250[ 12 12 12 200 2400
[250 - 350[ 25 32 25 300 7500 Clase
[350 - 450[ 38 46 38 400 15200 Media
[450 - 550[ 40 92 40 500 20000
[550 - 650[ 20 100 20 600 12000
135 135 57100
1m
x   xi f i 57100
n i 1 =
135
= 422.96
Calculamos la Mediana
Sueldo (S/.)
Varones Mujeres fi Fi xi Xi . fi
[150 - 250[ 12 12 12 12 200 2400
[250 - 350[ 25 32 25 37 300 7500 Clase
[350 - 450[ 38 46 38 75 400 15200 Mediana
[450 - 550[ 40 92 40 115 500 20000
[550 - 650[ 20 100 20 135 600 12000
135 135 57100
n (135/2) - 37
Md  Li  2 A = 350 + 100 = 430.26
f mediana 38
Calculamos la Moda
Sueldo (S/.)
[150 - 250[ 12 12 12 12 200 2400
[250 - 350[ 25 32 25 37 300 7500
[350 - 450[ 38 46 38 75 400 15200 Clase
[450 - 550[ 40 92 40 115 500 20000 Modal
[550 - 650[ 20 100 20 135 600 12000
135 135 57100
450 + 100 (40 - 38) = 459.09

21
f i =
Mo  Li  A (40 - 38) + (40 - 20)
f i  f s
Para Mujeres:
Nº Empleados % Acumulado Mujeres Página | 21
Sueldo (S/.)
[150 - 250[ 12 12 8 200 1600
[250 - 350[ 25 32 13 300 3900
[350 - 450[ 38 46 9 400 3600 Clase
[450 - 550[ 40 92 30 500 15000 Media
[550 - 650[ 20 100 5 600 3000
135 65 27100
Calculamos la media
1m
x   xi f i =
27100
= 476.92
n i 1 65
Calculamos la Mediana
Sueldo (S/.)
[150 - 250[ 12 12 8 8 200 1600
[250 - 350[ 25 32 13 21 300 3900
[350 - 450[ 38 46 9 30 400 3600 Clase
[450 - 550[ 40 92 30 60 500 15000 Mediana
[550 - 650[ 20 100 5 5 600 3000
135 65 27100
n (65/2) - 30
Md  Li  2 A = 450 + 100 = 458.33
f mediana 30
Calculamos la Moda
Sueldo (S/.)
[150 - 250[ 12 12 8 8 200 1600
[250 - 350[ 25 32 13 21 300 3900
[350 - 450[ 38 46 9 30 400 3600 Clase
[450 - 550[ 40 92 30 60 500 15000 Modal
[550 - 650[ 20 100 5 65 600 3000
135 65 27100
450 + 100 (30 - 9) = 495.65

22
f i =
Mo  Li  A (30 - 9) + (30 - 5)
f i  f s
Gráficos: Página | 22
Distribución de Varones
12 12
10 10
8 8
6 6
4 4
2 2
0 0
Distribución de Mujeres
12 35
30
10 25
20
8 15
6 10
5
4 0
[1
[2
[3
[4
[5
2
5
5
5
5
0-
0-
0-
0-
0-
25
55
65
35
45
0
0[
0[
0[
0[
0[

Resumen
Sueldo (S/.) (X - Xi)^2 . fi
[150 - 250[ 12 12 12 200 2400 596,533.94
[250 - 350[ 25 32 25 300 7500 377,979.04
[350 - 450[ 38 46 38 400 15200 20,032.14
[450 - 550[ 40 92 40 500 20000 237,406.46
[550 - 650[ 20 100 20 600 12000 626,863.23
135 135 57100 1,858,814.82
Estadígrafos
Media 422.96
Mediana 430.26
Moda 459.09
Varianza 13,769.00
Desviación 117.34
Nº Empleados % Acumulado Mujeres

Sueldo (S/.) (X - Xi)^2 . fi
[150 - 250[ 12 12 8 200 1600 613,477.49
[250 - 350[ 25 32 13 300 3900 406,908.92
[350 - 450[ 38 46 9 400 3600 23
53,250.18
23
15,980.59
[450 - 550[ 40 92 30 500 15000
[550 - 650[ 20 100 5 600 3000 75,743.43
135 65 27100 1,165,360.62
Estadígrafos
Media 476.92
Mediana 458.33
Moda 495.65
Varianza 17,928.62
Desviación 133.90
Practica Domiciliaria Nᵒ 01
1. Indica que variables son cualitativas y cuales cuantitativas:
 Comida Favorita. Cualitativa.
 Profesión que te gusta. Cualitativa.
 Número de goles marcados por tu equipo favorito en la última temporada. Cuantitativa.
 Número de alumnos de tu Instituto. Cuantitativa.
 El color de los ojos de tus compañeros de clase. Cualitativa.
 Coeficiente intelectual de tus compañeros de clase. Cuantitativa
2. De las siguientes variables indica cuáles son discretas y cuales continuas.

 Número de acciones vendidas cada día en la Bolsa. Discreta
 Temperaturas registradas cada hora en un observatorio. Continua
 Período de duración de un automóvil. Continua
 El diámetro de las ruedas de varios coches. Continua
 Número de hijos de 50 familias. Discreta
 Censo anual de los españoles. Discreta
3. Clasificar las siguientes variables en cualitativas y cuantitativas discretas o continuas.

 La nacionalidad de una persona. Cualitativa
 Número de litros de agua contenidos en un depósito. Cuantitativa continúa.
 Número de libro en un estante de librería. Cuantitativa discreta.
 Suma de puntos tenidos en el lanzamiento de un par de dados. Cuantitativa discreta.
 La profesión de una persona. Cualitativa.
 El área de las distintas baldosas de un edificio. Cuantitativa continúa.
4. Las puntuaciones obtenidas por un grupo en una prueba han s ido:

15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14, 13.
Construir la tabla de distribución de frecuencias y dibuja el polígono de frecuencias.
5. El número de es trellas de los hoteles de una ciudad viene dado por la s iguiente
s erie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2,
1, 1, 1, 2, 2, 4, 1.
6. Las calificac iones de 50 alumnos en M atemáti cas han s ido las s iguientes 24 :
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8,246, 6, 3,
6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
7. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:
Peso [50, 60) [60, 70) [70, 80) [80,90) [90, 100) [100, 110) [110, 120)
fi 8 10 16 14 10 5 2
 Construir la tabla de frecuencias.
 Representar el histograma y el polígono de frecuencias.
8. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un examen de
Física.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27,
47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
 Construir la tabla de frecuencias.
 Dibujar el histograma y el polígono de frecuencias.
9. Los datos que se muestran a continuación representan el costo de la energía eléctrica durante el mes
de julio del 2010 para 50 departamentos con dos recamaras en una ciudad grande.
Costo de energía eléctrica en dólares.

 Determine una tabla de frecuencias

 Elabore un histograma de frecuencias y polígono de frecuencias con los datos.
10. Se identificó una muestra de estudiantes que poseía automóviles producidos por la General Motors
y se registró la marca de cada automóvil. A continuación se presenta la muestra que se obtuvo (Ch
= Chevrolet, P = Pontiac, O = Oldsmobile, B = Buick, Ca = Cadillac):
 Encuentre el número de automóviles de cada marca que hay en la muestra. n

 ¿Qué porcentaje de estos automóviles son Chevrolet, Pontiac, Oldsmobile, Buick, Cadillac
25
25
Elaborar la tabla de frecuencias: Absoluta, relativa y acumulada asimismo graficar el diagrama de

barra, histograma y la circular.
Datos 1 15 15 21 17 16 21 20 19 24 23 1
22 19 18 19
14 17 16 14 15 18 19 19 20 18 3
21 21 21 14 16 21 24 15 21 19 1
16 15 22 19 16 13 13 15 17
17 18 22 19 15 16 17 24 17 17 7
19 20 22 18 17
20 20 18 19 14 19 17 20 15 17 21 16 15 16 22 1
20 13 14 18
8
14 22 16 20 14 16 22 19 24 24
1
18 21 20 21 23 18 21 18 17
Datos 2 17 22 21 16 22 5
18 14 21 14 15
21 24 19 22 19 1
23 19 15 14 19 23 16 15 19 20 21 17 15 13
9
22 21 22 19 18 24 19 18 23 17 22 18 16 15 17 1
21 17 14 16 18 15 20 16 21 24 17 21 15 15
19 17 20 21 18 7
15 23 21 21 22 15 18 24 17 16
1
15 20 15 23 23 18 13 21 16
23 23 17 23 19 7
18 14 15 18 14 22 20 20 16 19 1
21 17 18 18 19 22 17 22 20
22 23 16 23 21 3
17 18 22 17 23 1
14 14 21 15 19 19 14 14 21
22 20 23 19 22 6
Datos 3
1 20 15 16 12 12
15 15 13 22
8 Datos 5 19 20 14 13 18 Datos 10
1 21 23 23 24 22 13 15 20 13 18 20 25 26 21 21
17 15 20 17
4 30 24 28 30 28 17 18 15 13 19 27 27 26 25 21
1 23 24 22 28 26 25 18 20 25 22
21 13 18 22 19 14 21 19 15
6 23 26 29 25 22 22 20 26 18 23
2 30 23 29 29 30 12 13 14 16 13 25 20 22 21 20
21 16 14 14
2
21 23 24 22 24 12 13 15 13 15 26 23 18 26 20
2
20 13 20 13 25 29 27 22 24 19 19 14 12 16 27 21 26 26 20
2
22 25 27 24 28 18 21 12 17 21 18 23 19 27 25
2
18 20 21 16 26 26 29 26 30 19 21 20 22 26
1
2 26 29 26 22 25 22 25 25 22 23
14 14 18 15 29 21 30 30 26 25 23 26 24 22
1 Datos 8
1 27 25 23 30 26 19 22 20 23 19 20 20 18 21 23
15 21 20 17
6 26 28 24 29 29 22 19 24 26 19 22 23 18 21 23
1 21 22 27 26 23 25 28 23 26 22 27 20 27 25 24
17 19 22 20
8 22 30 22 23 24 19 21 24 25 25 21 18 23 24 25
2 21 21 24 20 20
16 18 17 21
2 23 21 29 29 26 20 27 26 23 18
21 28 26 28 23
29 28 24 26 23 22 23 26 25 27
20 23 26 23 27
24 26 22 26 27 22 23 19 20 25 21 21 21 26 19
Datos 4
29 27 21 30 26 21 27 24 20 22 23 22 24 21 19
2
17 20 18 17 26 23 25 21 20
5
28 21 26 21 25
1
19 22 24 25 Datos 6 22 23 23 24 26
6
1 14 16 18 15 18 23 25 27 25 21
23 25 16 25 15 14 17 14 20 19 26 28 19 19
8
1 16 13 13 18 15 20 27 19 23 25
17 24 20 19 13 19 21 13 18
8
1 15 15 18 12 20 24 19 26 25 26 Datos 11
23 17 23 18
7 12 14 15 21 20 28 19 21 27 20 23 21 2726 25 27
2 15 13 18 12 18 24 24 23 19 26 22 27 2326 19 26
17 25 24 18
5 19 15 17 13 21 27 19 21 28 20 25 23 20 20 27
2 17 21 21 13 16
18 18 20 20 25 21 21 28 20
2 21 15 18 16 18 25 24 26 23 26
1 13 17 21 20 21
23 21 19 23 24 28 27 27 26
7
13 18 15 14 16 25 26 25 24 23
1
23 23 24 17 14 14 15 19 20 23 22 19 27 28
8
18 21 21 16 20 26 20 19 27 19
2
22 21 24 25 21 18 16 12 19 23 24 26 21 28
0 Datos 9
2 28 28 27 25 24 27 26 26 21 26
17 24 16 21 13 21 16 13 17
5 22 24 25 26 29 19 26 22 23 20
2 19 18 17 14 14 26 26 26 19 22
22 25 20 16 20 29 21 20 20
4 18 19 20 19 21 24 22 27 23 20
28 23 20 25 28
1 21 17 16 13 18
24 16 17 23 21 25 21 25 22 28 23 25 19 20
7 23 24 27 24 24
2 27 23 23 24 24
16 17 21 24 26 21 22 22 29
3
26 26 24 23 25 23 23 21 20 23
2
21 19 16 19 23 25 21 22 22 24 20 26 19 25
0
1 22 29 23 23 27 21 22 20 23 25
23 19 22 19
7 Datos 7 27 26 24 21 21
1 18 20 13 20 15 20 21 22 22 28
17 24 16 23 Datos 12
9 18 16 20 18 14 27 29 27 25 23
1 17 12 16 19 18 28 24 26 24 23 24 23 21 19 22
19 23 17 17
7 14 19 20 20 17 21 18 22 21 23
27 24 26 27 27
2 13 21 19 17 14 26 23 18 23 23
22 16 22 23
1 28 26 21 24 24 18 19 18 20 21
20 12 17 14 12
22 19 19 19 21
14 13 21 18 17 29 27 27 22 26
14 17 12 19 14 21 28 29 26 20 22 24 24 20 20
15 20 20 12 12 23 28 22 26 23 24 19 23 25 19
14 18 14 12 12 22 19 20 19 24

22 19 24 23 24 18 14 13 19 15
25 19 25 18 19 19 19 18 16 17
23 20 19 23 19
21 19 19 18 23
27 27 26 20 21
26 18 26 18 25
19 23 25 20 21
23 22 18 19 25
21 18 27 22 21 Datos 15
26 20 24 23 24 27 27 19 19 22
20 23 22 22 27 19 20 23 21 21
21 27 19 25 20
28 25 19 20 22
20 26 26 28 26
25 27 20 28 19
22 28 28 22 27
28 19 23 28 19
23 27 23 26 19
Datos 13 22 28 19 28 24
22 20 22 23 26 25 19 26 21 22
25 21 28 25 23 25 21 21 27 26
21 19 24 26 25 22 25 25 19 20
19 22 22 22 24 20 23 25 27 20
23 27 22 24 26 25 24 27 27 26
21 25 24 23 27
26 23 20 24 24 27 23 20 22 25
23 25 24 28 26 28 24 21 23 23
24 28 27 24 21 20 20 27 22 20
20 28 28 26 26 27 27 20 24 24
23 19 28 26 20 27
23 27 28 27 22 27
27 25 19 21 21 Datos 16
22 26 20 21 24 20 24 23 25 20
25 21 22 25 19 24 19 23 19 17
24 26 18 24 23
24 21 24 25 19 21 24 17 21 26
23 28 19 28 27 18 24 21 20 26
20 19 20 20 25 22 24 21 20 24
20 20 28 19 27 25 26 18 21 21
24 21 26 19 17
20 17 18 22 23
Datos 14 22 26 25 26 25
21 16 20 21 21 26 18 19 19 17
18 19 17 22 17 17 23 20 17 26
13 18 21 22 15 22 18 20 24 17
17 14 21 16 19 17 25 21 21 23
18 13 18 13 21 19 23 22 20 25
17 20 13 17 15
20 17 14 19 21 26 20 22 22 24
21 15 20 17 16 24 17 21 23 21
22 15 18 14 17 20 20 19 23 26
17 15 20 17 13 19 21 23 23 21
18 17 21 20 22
17 22 19 13 14
18 22 17 14 13
19 20 21 15 13
17 16 14 22 13
21 18 13 22 15
21 16 19 14 18
PRACTICA DOMICILIARIA 1
(Solucionario)
Datos 1 x f fa fx fx2
14 17 16 14 15 14 14 14 196 2744
16 15 22 19 16 15 11 25 165 2475
19 20 22 18 17 16 8 33 128 2048
20 20 18 19 14 17 8 41 136 2312
14 22 16 20 14 18 9 50 162 2916
18 21 20 21 23 19 10 60 190 3610
18 14 21 14 15 20 6 66 120 2400
23 19 15 14 19 21 13 79 273 5733
22 21 22 19 18 22 8 87 176 3872
21 17 14 16 18 23 8 95 184 4232
15 23 21 21 22 1730 32342
23 23 17 23 19
18 14 15 18 14 Mínimo = 14
Máximo
22 23 16 23 21 n= 95 23
=
14 14 21 15 19 S(x) = 1730 Rango= 9
8.9126539
15 15 21 17 16 S(x2) = 32342 s2 =
8
Promedio 18.210526 2.9854068
21 21 21 14 16 s=
= 3 4 28
8.8188365
28
17 18 22 19 15 Moda = 14 s2 =
7
19 17 20 15 17 Mediana = 18 s= 2.9696526
.
21 24 19 22 19 15 8 8 120 1800
24 19 18 23 17 16 10 18 160 2560
15 20 16 21 24 17 11 29 187 3179
15 18 24 17 16 18 9 38 162 2916
15 20 15 23 23 19 13 51 247 4693
22 20 20 16 19 20 9 60 180 3600
21 17 18 18 19 21 9 69 189 3969
17 18 22 17 23 22 10 79 220 4840
22 20 23 19 22 23 7 86 161 3703
21 20 19 24 23 24 9 95 216 5184
18 19 19 20 18 1842 36444
21 24 15 21 19
16 17 24 17 17 Mínimo = 15
Máximo
21 16 15 16 22 n= 95 24
=
16 22 19 24 24 S(x) = 1842 Rango= 9
7.7509518
17 22 21 16 22 S(x2) = 36444 s2 =
5
Promedio 19.389473 2.7840531
23 16 15 19 20 s=
= 7 3
7.6693628
22 18 16 15 17 Moda = 19 s2 =
8
2.7693614
19 17 20 21 18 Mediana = 19 s=
6
13 22 19 18 19 13 11 11 143 1859
17 13 13 15 17 14 8 19 112 1568
18 20 13 14 18 15 10 29 150 2250
15 18 21 18 17 16 7 36 112 1792
19 21 17 15 13 17 13 49 221 3757
17 17 21 15 15 18 12 61 216 3888
17 18 13 21 16 19 5 66 95 1805
13 22 17 22 20 20 8 74 160 3200
16 19 14 14 21 21 12 86 252 5292
18 15 15 13 22 22 9 95 198 4356
14 17 15 20 17 1659 29767
16 21 13 18 22
22 21 16 14 14 Mínimo = 13
Máximo
22 20 13 20 13 n= 95 22 29
=
29
21 18 20 21 16 S(x) = 1659 Rango= 9
8.4640537
21 14 14 18 15 S(x2) = 29767 s2 =
5
Promedio 17.463157 2.9093046
16 15 21 20 17 s=
= 9 9
8.3749584
18 17 19 22 20 Moda = 17 s2 =
5
2.8939520
22 16 18 17 21 Mediana = 17 s=
5

Dato
x f fa fx fx2
s4
25 17 20 18 17 16 9 9 144 2304
16 19 22 24 25 17 17 26 289 4913
18 23 25 16 25 18 8 34 144 2592
18 17 24 20 19 19 9 43 171 3249
17 23 17 23 18 20 7 50 140 2800
25 17 25 24 18 21 6 56 126 2646
22 18 18 20 20 22 7 63 154 3388
17 23 21 19 23 23 13 76 299 6877
18 23 23 24 17 24 10 86 240 5760
20 22 21 24 25 25 9 95 225 5625
25 17 24 16 21 1932 40154

24 22 25 20 16
17 24 16 17 23 Mínimo = 16
Máximo
23 16 17 21 24 n= 95 25
=
20 21 19 16 19 S(x) = 1932 Rango= 9
9.1832026
17 23 19 22 19 S(x2) = 40154 s2 =
9
Promedio 20.336842 3.0303799
19 17 24 16 23 s=
= 1 6
17 19 23 17 17 Moda = 17 s2 = 9.0865374
21 22 16 22 23 Mediana = 20 s= 3.0143884

21 23 23 24 22 21 6 6 126 2646
30 24 28 30 28 22 11 17 242 5324
23 24 22 28 26 23 11 28 253 5819
23 26 29 25 22 24 11 39 264 6336
30 23 29 29 30 25 5 44 125 3125
21 23 24 22 24 26 16 60 416 10816
25 29 27 22 24 27 6 66 162 4374 30
22 25 27 24 28 28 6 72 168 4704 30
26 26 29 26 30 29 13 85 377 10933
26 29 26 22 25 30 10 95 300 9000
29 21 30 30 26 2433 63077
27 25 23 30 26
26 28 24 29 29 Mínimo = 21
Máximo
21 22 27 26 23 n= 95 30
=
22 30 22 23 24 S(x) = 2433 Rango= 9
8.1552071
23 21 29 29 26 S(x2) = 63077 s2 =
7
Promedio 25.610526 2.8557323
29 28 24 26 23 s=
= 3 3
8.0693628
24 26 22 26 27 Moda = 26 s2 =
8
29 27 21 30 26 Mediana = 26 s= 2.8406624

Dato
x f fa fx fx2
s6
14 16 18 15 18 12 4 4 48 576
15 14 17 14 20 13 12 16 156 2028
16 13 13 18 15 14 9 25 126 1764
13 19 21 13 18 15 11 36 165 2475
15 15 18 12 20 16 9 45 144 2304
12 14 15 21 20 17 7 52 119 2023
15 13 18 12 18 18 15 67 270 4860
19 15 17 13 21 19 7 74 133 2527
17 21 21 13 16 20 7 81 140 2800
21 15 18 16 18 21 14 95 294 6174
13 17 21 20 21 1595 27531
13 18 15 14 16
14 14 15 19 20 Mínimo = 12
Máximo
18 21 21 16 20 n= 95 21
=
21 18 16 12 19 S(x) = 1595 Rango= 9
7.9977603
13 21 16 13 17 S(x2) = 27531 s2 =
6
Promedio 16.789473 2.8280311
19 18 17 14 14 s=
= 7 8
7.9135734
18 19 20 19 21 Moda = 18 s2 =
1
2.8131074
21 17 16 13 18 Mediana = 17 s=
3

Datos 7 x f fa fx fx2 31
18 20 13 20 15 12 14 14 168 2016 31
18 16 20 18 14 13 11 25 143 1859
17 12 16 19 18 14 13 38 182 2548
14 19 20 20 17 15 8 46 120 1800
13 21 19 17 14 16 5 51 80 1280
20 12 17 14 12 17 8 59 136 2312
14 13 21 18 17 18 10 69 180 3240
14 17 12 19 14 19 10 79 190 3610
15 20 20 12 12 20 11 90 220 4400
14 18 14 12 12 21 5 95 105 2205
20 15 16 12 12 1524 25270
19 20 14 13 18
13 15 20 13 18 Mínimo = 12
Máximo
17 18 15 13 19 n= 95 21
=
19 14 21 19 15 S(x) = 1524 Rango= 9
8.7428891
12 13 14 16 13 S(x2) = 25270 s2 =
4
Promedio 16.042105 2.9568376
12 13 15 13 15 s=
= 3 9
8.6508587
19 19 14 12 16 Moda = 12 s2 =
3
18 21 12 17 21 Mediana = 16 s= 2.9412342

2

19 22 20 23 19 19 14 14 266 5054
22 19 24 26 19 20 10 24 200 4000
25 28 23 26 22 21 11 35 231 4851
19 21 24 25 25 22 6 41 132 2904
21 21 24 20 20 23 12 53 276 6348
21 28 26 28 23 24 8 61 192 4608
20 23 26 23 27 25 10 71 250 6250
22 23 19 20 25 26 11 82 286 7436
21 27 24 20 22 27 6 88 162 4374
26 23 25 21 20 28 7 95 196 5488
28 21 26 21 25 2191 51313
22 23 23 24 26
23 25 27 25 21 Mínimo = 19
Máximo
19 26 28 19 19 n= 95 28
=
20 27 19 23 25 S(x) = 2191 Rango= 9
8.3151175
24 19 26 25 26 S(x2) = 51313 s2 =
8
Promedio 23.063157 2.8835945
28 19 21 27 20 s=
= 9 6
8.2275900
24 24 23 19 26 Moda = 19 s2 = 32
3
32
27 19 21 28 20 Mediana = 23 s= 2.8683776
28 28 27 25 24 20 6 6 120 2400
22 24 25 26 29 21 10 16 210 4410
20 29 21 20 20 22 11 27 242 5324
28 23 20 25 28 23 10 37 230 5290
21 25 21 25 22 24 12 49 288 6912
23 24 27 24 24 25 8 57 200 5000
26 21 22 22 29 26 11 68 286 7436
26 26 24 23 25 27 11 79 297 8019
23 25 21 22 22 28 9 88 252 7056
22 29 23 23 27 29 7 95 203 5887
27 26 24 21 21 2328 57734
20 21 22 22 28
27 29 27 25 23 Mínimo = 20
28 24 26 24 23 n= 95 Máximo 29

=
27 24 26 27 27 S(x) = 2328 Rango= 9
7.2951847
28 26 21 24 24 S(x2) = 57734 s2 =
7
Promedio 24.505263 2.7009599
29 27 27 22 26 s=
= 2 7
7.2183933
21 28 29 26 20 Moda = 24 s2 =
5
2.6867067
23 28 22 26 23 Mediana = 24 s=
9

20 25 26 21 21 18 8 8 144 2592
27 27 26 25 21 19 4 12 76 1444
25 18 20 25 22 20 12 24 240 4800
22 20 26 18 23 21 13 37 273 5733
25 20 22 21 20 22 10 47 220 4840
26 23 18 26 20 23 12 59 276 6348
27 21 26 26 20 24 4 63 96 2304
18 23 19 27 25 25 12 75 300 7500
19 21 20 22 26 26 12 87 312 8112
22 25 25 22 23 27 8 95 216 5832
25 23 26 24 22 2153 49505
20 20 18 21 23
33
22 23 18 21 23 Mínimo = 18
33
Máximo
27 20 27 25 24 n= 95 27
=
21 18 23 24 25 S(x) = 2153 Rango= 9
7.5661814
20 27 26 23 18 S(x2) = 49505 s2 =
1
Promedio 22.663157 2.7506692
22 23 26 25 27 s=
= 9 7
21 21 21 26 19 Moda = 21 s2 = 7.4865374
2.7361537
23 22 24 21 19 Mediana = 23 s=
6
23 21 27 25 27 19 8 8 152 2888
22 27 23 19 26 20 10 18 200 4000
25 23 20 20 27 21 7 25 147 3087
25 21 21 28 20 22 6 31 132 2904
25 24 26 23 26 23 16 47 368 8464
24 28 27 27 26 24 8 55 192 4608
25 26 25 24 23 25 9 64 225 5625

23 22 19 27 28 26 15 79 390 10140
26 20 19 27 19 27 11 90 297 8019
23 24 26 21 28 28 5 95 140 3920
27 26 26 21 26 2243 53655
19 26 22 23 20
26 26 26 19 22 Mínimo = 19
Máximo
24 22 27 23 20 n= 95 28
=
28 23 25 19 20 S(x) = 2243 Rango= 9
7.4105263
27 23 23 24 24 S(x2) = 53655 s2 =
2
Promedio 23.610526 2.7222281
23 23 21 20 23 s=
= 3 9
7.3325207
24 20 26 19 25 Moda = 23 s2 =
8
2.7078627
21 22 20 23 25 Mediana = 24 s=
7

24 23 21 19 22 18 10 10 180 3240
21 18 22 21 23 19 18 28 342 6498
26 23 18 23 23 20 9 37 180 3600
18 19 18 20 21 21 10 47 210 4410
22 19 19 19 21 22 10 57 220 4840
22 24 24 20 20 23 14 71 322 7406 34
34
24 19 23 25 19 24 9 80 216 5184
22 19 20 19 24 25 6 86 150 3750
22 19 24 23 24 26 5 91 130 3380
25 19 25 18 19 27 4 95 108 2916
23 20 19 23 19 2058 45224
21 19 19 18 23
27 27 26 20 21 Mínimo = 18
Máximo
26 18 26 18 25 n= 95 27
=
19 23 25 20 21 S(x) = 2058 Rango= 9
6.8215005
23 22 18 19 25 S(x2) = 45224 s2 =
6
Promedio 21.663157 2.6118002
21 18 27 22 21 s=
= 9 5
6.7496952
26 20 24 23 24 Moda = 19 s2 =
9
2.5980175
20 23 22 22 27 Mediana = 22 s=
7

22 20 22 23 26 19 9 9 171 3249
25 21 28 25 23 20 10 19 200 4000
21 19 24 26 25 21 9 28 189 3969
19 22 22 22 24 22 9 37 198 4356
23 27 22 24 26 23 9 46 207 4761
21 25 24 23 27 24 12 58 288 6912
26 23 20 24 24 25 10 68 250 6250
23 25 24 28 26 26 9 77 234 6084
24 28 27 24 21 27 8 85 216 5832
20 28 28 26 26 28 10 95 280 7840
23 19 28 26 20 2233 53253
23 27 28 27 22
27 25 19 21 21 Mínimo = 19
Máximo
22 26 20 21 24 n= 95 28
=
25 21 22 25 19 S(x) = 2233 Rango= 9
2 2
24 21 24 25 19 S(x ) = 53253 s = 8.1462486
Promedio 23.505263 2.8541633
23 28 19 28 27 s=
= 2 8
8.0604986
20 19 20 20 25 Moda = 24 s2 =
1
2.8391017
20 20 28 19 27 Mediana = 24 s=
3 35
35
21 16 20 21 21 13 11 11 143 1859
18 19 17 22 17 14 8 19 112 1568
13 18 21 22 15 15 8 27 120 1800
17 14 21 16 19 16 6 33 96 1536
18 13 18 13 21 17 15 48 255 4335
17 20 13 17 15 18 11 59 198 3564
20 17 14 19 21 19 9 68 171 3249
21 15 20 17 16 20 7 75 140 2800
22 15 18 14 17 21 12 87 252 5292
17 15 20 17 13 22 8 95 176 3872
18 17 21 20 22 1663 29875
17 22 19 13 14
18 22 17 14 13 Mínimo = 13
Máximo
19 20 21 15 13 n= 95 22
=
17 16 14 22 13 S(x) = 1663 Rango= 9
21 18 13 22 15 S(x2) = 29875 s2 = 8.124972
Promedio 17.505263 2.8504336
21 16 19 14 18 s=
= 2 5
8.0394459
18 14 13 19 15 Moda = 17 s2 =
8

2.8353916
19 19 18 16 17 Mediana = 17 s=
8
27 27 19 19 22 19 12 12 228 4332
19 20 23 21 21 20 13 25 260 5200
21 27 19 25 20 21 7 32 147 3087
28 25 19 20 22 22 9 41 198 4356
20 26 26 28 26 23 8 49 184 4232
25 27 20 28 19 24 5 54 120 2880
22 28 28 22 27 25 10 64 250 6250
28 19 23 28 19 26 7 71 182 4732
23 27 23 26 19 27 14 85 378 10206
22 28 19 28 24 28 10 95 280 7840
25 19 26 21 22 2227 53115
25 21 21 27 26
22 25 25 19 20 Mínimo = 19
Máximo
20 23 25 27 20 n= 95 28 36
=
25 24 27 27 26 S(x) = 2227 Rango= 9 36
9.6748040
27 23 20 22 25 S(x2) = 53115 s2 =
3
Promedio 23.442105
28 24 21 23 23 s= 3.1104347
= 3
9.5729639
20 20 27 22 20 Moda = 27 s2 =
9
3.0940206
27 27 20 24 24 Mediana = 23 s=
8

20 24 23 25 20 17 10 10 170 2890
24 19 23 19 17 18 6 16 108 1944
24 26 18 24 23 19 8 24 152 2888
21 24 17 21 26 20 11 35 220 4400
18 24 21 20 26 21 13 48 273 5733
22 24 21 20 24 22 7 55 154 3388
25 26 18 21 21 23 11 66 253 5819
24 21 26 19 17 24 12 78 288 6912
20 17 18 22 23 25 6 84 150 3750
22 26 25 26 25 26 11 95 286 7436
26 18 19 19 17 2054 45160
17 23 20 17 26

22 18 20 24 17 Mínimo = 17
Máximo
17 25 21 21 23 n= 95 26
=
19 23 22 20 25 S(x) = 2054 Rango= 9
26 20 22 22 24 S(x2) = 45160 s2 = 7.9825308
Promedio 21.621052 2.8253372
24 17 21 23 21 s=
= 6 9
7.8985041
20 20 19 23 26 Moda = 21 s2 =
6
2.8104277
19 21 23 23 21 Mediana = 21 s=
5
37
37

SENATI - Curso Estadistica y Racionalizacion Administrativas 2011-1 Clases

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SENATI - Curso Estadistica y Racionalizacion Administrativas 2011-1 Clases

Enviado por

Direitos autorais:

Formatos disponíveis

1

Estadística y Racionalización Administrativas

Estadística inferencial. Los dos

EL METODO DE INVESTIGACION ESTADISTICA

1. PREPARACION DEL TRABAJO

Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

Estadística y Racionalización Administrativas

2. RECOPILACION DE LOS DATOS

3. EVALUACIÓN DE LOS DATOS

4. PRESENTACIÓN DE LOS DATOS

5. ANALISIS E INTERPRETACIÓN DE LOS DATOS

CLASIFICACIÓN SEGÚN LA MEDICIÓN

Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

Estadística y Racionalización Administrativas

Tipos Propiedades Propiedades

Clasificación según su dependencia

Estadística y Racionalización Administrativas

3. Clasificar las siguientes variables en cualitativas y cuantitativas discretas o continuas.

Análisis descriptivo de la informacion:

En ellos se consideran los siguientes estadígrafos:

Estadística y Racionalización Administrativas

En ellos se consideran los siguientes estadígrafos:

Las medidas de tendencia central comúnmente empleadas son:

Se representa por fi.

Se puede expresar en tantos por ciento y se representa por ni.

La suma de las frecuencias relativas es igual a 1.

Estadística y Racionalización Administrativas

Se representa por Fi. Página | 6

Frecuencia relativa acumulada

En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la segunda

Este tipo de tablas de frecuencias se utiliza con variables discretas.

6. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

Estadística y Racionalización Administrativas

La formula de la media es:

Estadística y Racionalización Administrativas

Estadística y Racionalización Administrativas

Estadística y Racionalización Administrativas

Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

Estadística y Racionalización Administrativas

Sustituyendo en la ecuación tendremos

b) 1, 2, 3, 4, 4, 5, 2, 1, 3, 4, 2, -3, 4, 6, 3, 3 las modas de este conjunto de datos son 3 y 4 ya que

c) 1, 2, 3, 4, 5, 6, 7, 8, 9 la muestra no contiene ningún dato repetido por lo que se considera que la

Gráficamente eso se puede reflejar mediante el análisis de un histograma de frecuencias.

Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

Estadística y Racionalización Administrativas

Tabla de frecuencias reportadas por la clínica

Ing. Pedro Ruiz Rosales / pedro_e_ruiz@hotmail.com

Estadística y Racionalización Administrativas

Distribución con asimetría negativa:

Estadística y Racionalización Administrativas

La dispersión es importante porque:

 Proporciona información adicional que permite juzgar la confiabilidad de la medida de tendencia

Rango para datos no agrupados;

Rango para datos agrupados;

R= (Limite superior de la clase n – Limite inferior de la clase 1)

Estadística y Racionalización Administrativas

El rango de la distribución de frecuencias se calcula así:

R= (Limite superior de la clase n – Limite inferior de la clase 1) = (93.910 – 7.420) = 86.49

Propiedades del Rango o Recorrido:

La varianza para datos no agrupados

Dado un conjunto de observaciones, tales como X1, X2, … , Xn, la

Matemáticamente, se expresa como:

Estadística y Racionalización Administrativas

Respuesta: la varianza de las edades es de 27.4 años