1

E
S
T
A
D

S
T
I
C
A

[
E
s
c
r
i
b
a

s
u

d
i
r
e
c
c
i

n
]

[
E
s
c
r
i
b
a

s
u

n

m
e
r
o

d
e

t
e
l

f
o
n
o
]

[
E
s
c
r
i
b
a

s
u

d
i
r
e
c
c
i

n

d
e

c
o
r
r
e
o

e
l
e
c
t
r

n
i
c
o
]


E
S
T
A
D

S
T
I
C
A

U
n
i
v
e
r
s
i
d
a
d

t
e
c
n
o
l

g
i
c
a

I
n
d
o
a
m

r
i
c
a

M
o
d
a
l
i
d
a
d

D
i
s
t
a
n
c
i
a

T
u
t
o
r
:

M
a
g
i
s
t
e
r

A
q
u
i
l
e
s

G
a
l
i
n
d
o


PROGRAMA DE LICENCIATURA EN EDUCACIN
BSICA



Modalidad: Distancia



ESTADSTICA


Tutor:
Magister Aquiles Galindo







2


CONTENIDO






UNIDAD UNO


1. Estadstica

2. Variables y atributos

3. La estadstica se divide en dos grandes reas:

4. Conceptos Bsicos necesarios en la Estadstica

5. Formas de Observar la Poblacin

6. Notacin matemtica necesaria


6.1 Reglas de la Sumatoria


UNIDAD DOS


1. Medicin de Caracteres

2. Niveles o Escalas de mediciones

3. Las variables y su medicin

4. Estadsticas Primarias

5. Mtodo para la recoleccin de datos

6. Instrumentos para la recoleccin de datos


3
TALLER 1




1.-Estadstica:

La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin sumisa, y que han sido recopilados a
partir de otros datos numricos.

Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la
estadstica como un valor resumido, calculado, como base en una muestra de
observaciones que generalmente, aunque no por necesidad, se considera como una
estimacin de parmetro de determinada poblacin; es decir, una funcin de valores de
muestra.

"La estadstica es una tcnica especial apta para el estudio cuantitativo de los
fenmenos de masa o colectivo, cuya mediacin requiere una masa de observaciones de
otros fenmenos ms simples llamados individuales o particulares". (Gini, 1953.

Murria R. Spiegel, (1991) dice: "La estadstica estudia los mtodos cientficos para
recoger, organizar, resumir y analizar datos, as como para sacar conclusiones
vlidas y tomar decisiones razonables basadas en tal anlisis.

"La estadstica es la ciencia que trata de la recoleccin, clasificacin y presentacin de
los hechos sujetos a una apreciacin numrica como base a la explicacin,
descripcin y comparacin de los fenmenos". (Yale y Kendal, 1954).

Cualquiera sea el punto de vista, lo fundamental es la importancia cientfica que tiene la
estadstica, debido al gran campo de aplicacin que posee.

La palabra "estadstica" suele utilizarse bajo dos significados distintos, a saber:

1 Como coleccin de datos numricos.- Esto es el significado ms vulgar de la
palabra estadstica. Se sobrentiende que dichos datos numricos han de estar
presentados de manera ordenada y sistemtica. Una informacin numrica
cualquiera puede no constituir una estadstica, para merecer este apelativo, los datos
han de constituir un conjunto coherente, establecido de forma sistemtica y siguiendo
un criterio de ordenacin.

Tenemos muchos ejemplos de este tipo de estadsticas. El Anuario Estadstico
publicado por el
Instituto Nacional de Estadstica, El Anuario de Estadsticas del Trabajo,

2 Como ciencia.- En este significado, La Estadstica estudia el comportamiento
de los fenmenos de masas. Como todas las ciencias, busca las caractersticas
generales de un colectivo y prescinde de las particulares de cada elemento. As por


4
ejemplo al investigar el sexo de los nacimientos, iniciaremos el trabajo tomando un
grupo numeroso de nacimientos obtener despus la proporcin de varones. Es muy
frecuente enfrentarnos con fenmenos en los que es muy difcil predecir el resultado;
as, no podemos dar una lista, con las personas que van a morir con una cierta edad,
o el sexo de un nuevo ser hasta que transcurra un determinado tiempo de
embarazo,

Por tanto, el objetivo de la estadstica es hallar las regularidades que se encuentran en
los fenmenos de masa.

Resea Histrica

Los comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos
faraones lograron recopilar, hacia el ao 3050 AC, prolijos datos relativos a la
poblacin y la riqueza del pas. De acuerdo al historiador griego Herdoto, dicho
registro de riqueza y poblacin se hizo con el objetivo de preparar la construccin de las
pirmides. En el mismo Egipto, Ramss II hizo un censo de las tierras con el objeto de
verificar un nuevo reparto.

En el antiguo Israel la Biblia da referencias, en el libro de los nmeros, de los datos
estadsticos obtenidos en dos recuentos de la poblacin hebrea. El rey David por otra
parte, orden a Job, general del ejrcito hacer un censo de Israel con la finalidad de
conocer el nmero de la poblacin.

De igual manera los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos
efectuaron censos peridicamente con fines tributarios, sociales (divisin de tierras) y
militares(clculo de recursos y de hombres disponibles). La investigacin Histrica
revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos
de voto y ponderar potencia guerrera.

Pero fueron los romanos, maestros de la organizacin poltica, quienes mejor supieron
emplear los recursos de la estadstica. Cada cinco aos realizaban un censo de la
poblacin y sus funcionarios pblicos tenan la obligacin de anotar nacimientos,
defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de las
riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo suceda uno
de estos empadronamientos de la poblacin bajo la autoridad del imperio.

Los progresos ms recientes en el campo de la Estadstica se refieren al ulterior
desarrollo del clculo de probabilidades, particularmente en la rama denominada
indeterminismo o relatividad, se ha demostrado que el determinismo fue reconocido en
la Fsica como resultado de las investigaciones atmicas y que este principio se juzga
aplicable tanto a las ciencias sociales como a las fsicas.


2. Variables y atributos Variables


Una variable es cualquier caracterstica de los elementos de una poblacin, que


5
cambia cuando pasamos de un elemento a otro.

Variable cualitativa o atributo: cuando los valores que puede tomar no se pueden
interpretar como cantidades numricas.

Variable numrica o cuantitativa: cuando los valores que puede tomar pueden
interpretarse como nmeros.

Las variables cuantitativas pueden ser: continuas y discretas

Las variables continuas pueden asumir cualquier valor de un intervalo continuo, los
datos que se obtienen acerca de estas variables se llaman datos continuos

Ejemplo: La gasolina que se vende por horas, la cantidad de caf que se vende por da,
etc.

Una variable discreta es la que asume ciertos valores por lo regular enteros, los datos
discretos son el resultado de contar conceptos u objetos:

Ejemplo:

Clientes por da atendidos en un Banco, nmero de estudiantes matriculados, accidentes
de trabajo, nmero de personas atendidas en Consulta Externa del Hospital Eugenio
Espejo, etc.

Las variables nominales comprenden categoras como el sexo, el color de ojos,
calificaciones (buenas y malas).

Los datos nominales se obtienen cuando se definen las categoras y se cuenta el
nmero de observaciones.

Los datos jerarquizados constan de valores relativos asignados para demostrar orden.


Ejemplo:

Primero, segundo, tercero y as sucesivamente.

Una misma poblacin puede dar origen a diferentes tipos de variables:



Poblacin Continuas Discretas Nominales Jerarquizadas


6
Estudiantes
de 5to Ao
de EGB
Talla, peso Edad en
aos
cumplidos
Mujer,
Hombre
Quinto ao
de EGB
Automviles
de una Patio
Km/h Nmero de
autos
usados,
nuevos
Colores de
los carros
Limpios,
Lubricados

Las variables, tambin suelen ser llamados caracteres cuantitativos, son aquellos que
pueden ser expresados mediante nmeros. Son caracteres susceptibles de medicin.
Como por ejemplo, la estatura, el peso, el salario, la edad, etc.

Segn, Murray R. Spiegel, (1992) "una variable es un smbolo, tal como X, Y, Hx, que
puede tomar un valor cualquiera de un conjunto determinado de ellos, llamado
dominio de la variable. Si la variable puede tomar solamente un valor, se llama
constante."

Todos los elementos de la poblacin poseen los mismos tipos de caracteres, pero como
estos en general no suelen representarse con la misma intensidad, es obvio que las
variables toman distintos valores. Por lo tanto estos distintos nmeros o medidas que
toman los caracteres son los "valores de la variable". Todos ellos juntos constituyen una
variable.

Los atributos tambin llamados caracteres cualitativos, son aquellos que no son
susceptibles de medicin, es decir que no se pueden expresar mediante un nmero.

IUTIN (1997). "Reciben el nombre de variables cualitativas o atributos, aquellas
caractersticas que pueden presentarse en individuos que constituyen un conjunto.

La forma de expresar los atributos es mediante palabras, por ejemplo; profesin, estado
civil, sexo, nacionalidad, etc. Puede notar que los atributos no se presentan en la misma
forma en todos los elementos. Estas distintas formas en que se presentan los
atributos reciben el nombre de "modalidades".

Ejemplo

El estado civil de cada uno de los estudiantes del curso de estadsticas I, no se presenta
en la misma modalidad en todos.

Como hemos visto, los caracteres de un elemento pueden ser de muy diversos tipos, por
lo que los podemos clasificar en: dos grandes clases:






7
Variables Cualitativas o Atributos.

Las variables cuantitativas son las que se describen por medio de nmeros, como por
ejemplo el peso, Altura, Edad, Nmero de Suspensos

A su vez este tipo de variables se puede dividir en dos subclases:

Cuantitativas discretas. Aquellas a las que se les puede asociar un nmero entero, es
decir, aquellas que por su naturaleza no admiten un fraccionamiento de la unidad, por
ejemplo nmero de hermanos, pginas de un libro, etc.

Cuantitativas continuas: Aquellas que no se pueden expresar mediante un nmero
entero, es decir, aquellas que por su naturaleza admiten que entre dos valores
cualesquiera, la variable pueda tomar cualquier valor intermedio, por ejemplo peso,
tiempo. etc.

No obstante en muchos casos el tratamiento estadstico hace que a variables discretas
las trabajemos como si fuesen continuas y viceversa.

Los atributos son aquellos caracteres que para su definicin precisan de palabras, es
decir, no le podemos asignar un nmero. Por ejemplo Sexo Profesin, Estado Civil, etc.

A su vez las podemos clasificar en:

Ordenables: Aquellas que sugieren una ordenacin, por ejemplo la graduacin militar,
El nivel de estudios, etc.

No ordenables: Aquellas que slo admiten una mera ordenacin alfabtica, pero no
establece orden por su naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.

La estadstica es una ciencia que estudia la recoleccin, anlisis e interpretacin de
datos, ya sea para ayudar en la resolucin de la toma de decisiones o para
explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado,
de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms
que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso
relacionado con la investigacin cientfica.

3.-La estadstica se divide en dos grandes reas:

Estadstica Descriptiva:

Tienen por objeto fundamental describir y analizar las caractersticas de un conjunto de
datos, obtenindose de esa manera conclusiones sobre las caractersticas de dicho
conjunto y sobre las relaciones existentes con otras poblaciones, a fin de compararlas.
No obstante puede no
solo referirse a la observacin de todos los elementos de una poblacin
(observacin exhaustiva) sino tambin a la descripcin de los elementos de una muestra


8
(observacin parcial).

En relacin a la estadstica descriptiva, Ernesto Rivas Gonzlez dice; "Para el estudio de
estas muestras, la estadstica descriptiva nos provee de todos sus medidas; medidas que
cuando quieran ser aplicadas al universo total, no tendrn la misma exactitud que tienen
para la muestra, es decir al estimarse para el universo vendr dada con cierto margen de
error; esto significa que el valor de la medida calculada para la muestra, en el oscilar
dentro de cierto lmite de confianza, que casi siempre es de un 95 a 99% de los casos.

Estadstica Inductiva:

Est fundamentada en los resultados obtenidos del anlisis de una muestra de poblacin,
con el fin de inducir o inferir el comportamiento o caracterstica de la poblacin,
de donde procede, por lo que recibe tambin el nombre de Inferencia estadstica.

Segn Berenson y Levine; Estadstica Inferencial son procedimientos estadsticos que
sirven para deducir o inferir algo acerca de un conjunto de datos numricos
(poblacin), seleccionando un grupo menor de ellos (muestra).

El objetivo de la inferencia en investigacin cientfica y tecnolgica radica en conocer
clases numerosas de objetos, personas o eventos a partir de otras relativamente
pequeas compuestas por los mismos elementos.

En relacin a la estadstica descriptiva y la inferencial, Levin & Rubin (1996) citan los
siguientes ejemplos para ayudar a entender la diferencia entre las dos.

Supngase que un profesor calcula la calificacin promedio de un grupo de historia.
Como la estadstica describe el desempeo del grupo pero no hace ninguna
generalizacin acerca de los diferentes grupos, podemos decir que el profesor est
utilizando estadstica descriptiva. Grficas, tablas y diagramas que muestran los
datos de manera que sea ms fcil su entendimiento son ejemplos de estadstica
descriptiva.

Supngase ahora que el profesor de historia decide utilizar el promedio de
calificaciones obtenidas por uno de sus grupos para estimar la calificacin promedio de
las diez unidades del mismo curso de historia. El proceso de estimacin de tal
promedio sera un problema concerniente a la estadstica inferencial.

Los estadsticos se refieren a esta rama como inferencia estadstica, esta
implica generalizaciones y afirmaciones con respecto a la probabilidad de su validez.

En sntesis tenemos que:

La estadstica descriptiva, se dedica a los mtodos de recoleccin, descripcin,
visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Los
datos pueden ser
resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos


9
son: la media y la desviacin estndar. Algunos ejemplos grficos son:
histograma, pirmide poblacional, clsters, entre otros.




La estadstica inferencial, se dedica a la generacin de los modelos, inferencias y
predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer
inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la
forma de respuestas a preguntas si/no (prueba de hiptesis), estimaciones de
caractersticas numricas (estimacin), pronsticos de futuras observaciones,
descripciones de asociacin (correlacin) o modelamiento de relaciones entre
variables (anlisis de regresin). Otras tcnicas de modelamiento incluyen ANOVA,
series de tiempo y minera de datos.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay
tambin una disciplina llamada estadstica matemtica, a la que se refiere a las bases
tericas de la materia. La palabra estadsticas tambin se refiere al resultado de
aplicar un algoritmo estadstico a un conjunto de datos, como en estadsticas
econmicas, estadsticas criminales, entre otros.

4.-Conceptos Bsicos necesarios en la Estadstica

Poblacin:

El concepto de poblacin en estadstica va ms all de lo que comnmente se conoce
como tal. Una poblacin se precisa como un conjunto finito o infinito de personas u
objetos que presentan caractersticas comunes.

"Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca
de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).

"Una poblacin es un conjunto de elementos que presentan una caracterstica
comn". Cadenas (1974).

Ejemplo:

Los miembros del Colegio de Ingenieros del Estado Cojedes.

El tamao que tiene una poblacin es un factor de suma importancia en el
proceso de investigacin estadstica, y este tamao vienen dado por el nmero de
elementos que constituyen la poblacin, segn el nmero de elementos la
poblacin puede ser finita o infinita. Cuando el nmero de elementos que integra la
poblacin es muy grande, se puede considerar a esta como una poblacin infinita, por
ejemplo; el conjunto de todos los nmeros positivos. Una poblacin finita es aquella
que est formada por un limitado nmero de elementos, por ejemplo; el nmero de


10
estudiante del Ncleo San Carlos de la Universidad Nacional Experimental Simn
Rodrguez.

Cuando la poblacin es muy grande, es obvio que la observacin de todos los elementos
se dificulte en cuanto al trabajo, tiempo y costos necesario para hacerlo. Para
solucionar este inconveniente se utiliza una muestra estadstica.

Es a menudo imposible o poco prctico observar la totalidad de los individuos, sobre
todos si estos son muchos. En lugar de examinar el grupo entero llamado poblacin o
universo, se examina una pequea parte del grupo llamada muestra.

Muestra:

"Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla".
Murria
R. Spiegel (1991).

"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de todos".
Levin & Rubin (1996).

"Una muestra debe ser definida en base de la poblacin determinada, y las conclusiones
que se obtengan de dicha muestra solo podrn referirse a la poblacin en referencia",
Cadenas (1974).

Ejemplo;

El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado Cojedes.

El estudio de muestras es ms sencillo que el estudio de la poblacin completa; cuesta
menos y lleva menos tiempo. Por ltimo se aprobado que el examen de una poblacin
entera todava permite la aceptacin de elementos defectuosos, por tanto, en algunos
casos, el muestreo puede elevar el nivel de calidad.

Una muestra representativa contiene las caractersticas relevantes de la poblacin
en las mismas proporciones que estn incluidas en tal poblacin.

Los expertos en estadstica recogen datos de una muestra. Utilizan esta informacin
para hacer referencias sobre la poblacin que est representada por la muestra. En
consecuencia muestra y poblacin son conceptos relativos. Una poblacin es un todo y
una muestra es una fraccin o segmento de ese todo.

Muestreo:

Esto no es ms que el procedimiento empleado para obtener una o ms muestras de una
poblacin; el muestreo es una tcnica que sirve para obtener una o ms
muestras de poblacin.



11
Este se realiza una vez que se ha establecido un marco muestral representativo
de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay
muchos diseos de la muestra.

Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada
muestra no necesariamente seran iguales, y lo ms probable es que variaran de una
muestra a otra.

Ejemplo;

Consideremos como una poblacin a los estudiantes de educacin del Ncleo
Riobamba, determinando por lo menos dos caracteres ser estudiados en dicha
poblacin;

Religin de los estudiantes

Sexo.

Tipos de muestreo

Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no aleatorio
o de juicio y el muestreo aleatorio o de probabilidad. En este ltimo todos los
elementos de la poblacin tienen la oportunidad de ser escogidos en la muestra. Una
muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la
poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa
para decidir como tomar una muestra aleatoria ms adelante. Las muestras de juicio
evitan el anlisis estadstico necesario para hacer muestras de probabilidad.

5.- Formas de Observar la Poblacin:

Atendiendo a la fuente se clasifican en directa o indirecta.

Observacin directa: es aquella donde se tienen un contacto directo con los elementos o
caracteres en los cuales se presenta el fenmeno que se pretende investigar, y los
resultados obtenidos se consideran datos estadsticos originales. Para Ernesto Rivas
Gonzlez (1997) "Investigacin directa, es aquella en que el investigador observa
directamente los casos o individuos en los cuales se produce el fenmeno, entrando
en contacto con ellos; sus resultados se consideran datos estadsticos originales,
por esto se llama tambin a esta investigacin primaria".
Ejemplo; el seguimiento de la poblacin agrcola por ao, llevado en una determinada
granja. Observacin Indirecta: es aquella donde la persona que investiga hace uso
de datos
estadsticos ya conocidos en una investigacin anterior, o de datos observados por un
tercero
(persona o entidad). Con el fin de deducir otros hechos o fenmenos.

Ejemplo; si un investigador pretende estudiar la produccin por aos de una granja


12
avcola, en sus ltimos cinco aos de produccin, tendra que hacer un seguimiento, a
tal fin recurrira a las observaciones que posee la oficina administrativa de la granja
durante estos cinco aos, o dirigirse a la oficina de estadstica, llevada en el ministerio
de produccin y comercio(M.P.C) de la localidad donde est registrada dicha granja. Es
de notar que el investigador se vale de observaciones realizadas por terceros.

Atendiendo a la periodicidad, puede ser continua, peridica o circunstancial.

Una observacin continua; como su nombre lo indica es aquella que se lleva acabo de
un modo permanente.

Ejemplo: la contabilidad comercial, llevada en cuanto a compras, ventas y otras
operaciones que se van registrando a medida que van producindose.

Una observacin peridica; es aqulla que se lleva a cabo a travs de perodos de
tiempo constantes. Estos perodos de tiempos pueden ser semanas, trimestres,
semestres, aos, etc. Lo que debemos destacar es que los perodos de tiempo
tomados como unidad deben tomarse constantes, en lo posible.

Ejemplo; el registro llevado por la Oficina de Control de Estudios de la UTI, en cuanto
a la inscripcin de los estudiantes por semestre.

La observacin circunstancial, es aquella que se efecta en forma ocasional o
espordica, esta observacin hecha ms por una necesidad momentnea, que de
carcter regular o permanente.

Ejemplo; la obtencin de nmeros de aulas utilizadas y no utilizadas en los
colegios pertenecientes al municipio San Lorenzo.

Atendiendo a la cobertura; pueden ser exhaustiva, parcial o mixta

Observacin Exhaustiva. Cuando la observacin es efectuada sobre la totalidad
de los elementos de la poblacin se habla de una observacin exhaustiva.

Observacin Parcial. Dados que las poblaciones en general son grandes, la
observacin de todos sus elementos se ve imposibilitada. La solucin para superar este
inconveniente es observar una parte de esta poblacin.

Observacin Mixta. En este tipo de observacin se combinan adecuadamente la
observacin exhaustiva con la observacin parcial. Por lo general, este tipo de
observaciones se lleva a cabo de tal manera que los caracteres que se consideran bsicos
se observan exhaustivamente y los otros mediante una muestra; o bien cuando la
poblacin es muy grande, parte de ella se observa parcialmente.

Censo:Se entiende por censo aquella numeracin que se efecta a todos y cada uno de
los caracteres componentes de una poblacin.



13
Para Levin & Rubin (1996) "Algunas veces es posible y prctico examinar a cada
persona o elemento de la poblacin que deseamos describir. A esto lo llamamos
una numeracin completa o censo. Utilizamos el muestre cuando no es posible contar o
medir todos los elementos de la poblacin.

Si es posible listar (o enumerar) y observar cada elemento de la poblacin, los censos se
utilizan rara vez porque a menudo su compilacin es bastante difcil, consume mucho
tiempo por lo que resulta demasiado costoso.
Encuesta:

Se entiende por encuesta las observaciones realizadas por muestreo, es decir
son observaciones parciales.

El diseo de encuestas es exclusivo de las ciencias sociales y parte de la premisa de que
si queremos conocer algo sobre el comportamiento de las personas, lo mejor, ms
directo y simple es preguntrselo directamente a ellas. (Cadenas, 1974).

Segn Antonio Napolitano "La encuesta, es un mtodo mediante el cual se quiere
averiguar. Se efecta a travs de cuestionarios verbales o escritos que son aplicados a un
gran nmero de personas".

6.- Notacin matemtica necesaria

La sumatoria es un smbolo muy utilizado en matemticas que sirve para simplificar
formulas estadsticas. Una sumatoria nos permite representar sumas muy grandes, de n
sumandos o incluso sumas infinitas y se expresa con la letra griega sigma ( ).

Por lo general despus de una sumatoria aparece una variable con un suscrito
representado por la letra i (Xi). Este suscrito indica qu valores de la variable
se deben sumar, Para determinar cules valores es necesario sustituir la i por los
valores que se indican arriba y debajo de la sumatoria

Una sumatoria se define como:

La variable i es el ndice de suma al que se le asigna un valor inicial llamado lmite
inferior, m. La variable i recorrer los valores enteros hasta alcanzar el lmite superior,


14
n. Necesariamente ha de cumplirse:



Por ejemplo si queremos expresar la suma de los diez primeros nmeros naturales
podemos hacerlo as con una sumatoria:



Las sumatorias son tiles para expresar sumas arbitrarias de nmeros, por
ejemplo en frmulas: as, si queremos representar la frmula para hallar la media
aritmtica de n nmeros:



6.1 Reglas de la sumatoria

Propiedad distributiva de la suma

La propiedad distributiva de la suma indica que cuando se multiplica cada uno de los
trminos que componen una suma por la misma constante, es posible primero efectuar
la suma de los trminos y luego multiplicar el resultado por la constante.

La propiedad distributiva de la suma indica que cuando se multiplica cada uno de los
trminos que componen una suma por la misma constante, es posible primero efectuar
la suma de los trminos y luego multiplicar el resultado por la constante.

Ejemplo 1:

9(2+7+4+6) = (9)2 + (9)7 +(9)4 + (9)6

= 18 + 63 + 36 + 54

= 171, lo mismo

9(2+7+4+6) = (9)19 = 171

Utilizando la sumatoria esta situacin se representa de la siguiente manera




15

Sumatoria de una constante:

Si se aplica la sumatoria a una constante es lo mismo que sumar la constante a s misma
tantas veces como lo indique la sumatoria.

Ejemplo: Si C = 5

Como la suma del mismo nmero repetidas veces se puede representar por medio de la
operacin de multiplicacin es posible indicar que si C es una constante entonces





Sumatoria de dos o ms variables:

Si se aplica la sumatoria a una suma de dos o ms variables el resultado es igual a la
suma de las sumatorias de estas variables.

Ejemplo:



i X Y
1 2 5
2 3 -
2
3 - 0
1
4 1 1

La sumatoria es igual a:

(X1+Y1)+(X2+Y2)+(X3+Y3)+(X4+Y4) = X1+X2+X3+X4+Y1+Y2+Y3+Y4
(2+5)+[3+(-2)]+[(-1)+0]+(1+1) = 2+3+(-1)+1+5+(-2)+0+1


16
7+1-1+2 = 9


UNIDAD DOS

Medicin de Caracteres


OBJETIVO DE LA UNIDAD:

Dar a conocer los instrumentos que la estadstica necesita para recoleccin y
procesamiento de datos

CONTENIDO

1. Medicin de Caracteres
2. Niveles o Escalas de mediciones
3. Las variables y su medicin
4. Estadsticas Primarias
5. Mtodo para la recoleccin de datos
6. Instrumentos para la recoleccin de datos

1.-Medicin de Caracteres

Medicin

Existen diversas definiciones del trmino "medicin", pero estas dependen de los
diferentes puntos de vista que se puedan tener al abordar el problema de la
cuantificacin y el proceso mismo de la construccin de una escala o instrumento de
medicin.

En general, se entiende por medicin la asignacin de nmeros a elementos u objetos
para representar o cuantificar una propiedad. El problema bsico est dado por la
asignacin un numeral que represente la magnitud de la caracterstica que queremos
medir y que dicho nmeros pueden analizarse por manipulaciones de acuerdo a ciertas
reglas. Por medio de la medicin, los atributos de nuestras percepciones se transforman
en entidades conocidas y manejables llamadas "nmeros". Es evidente que el
mundo resultara catico si no pudiramos medir nada. En este caso cabra
preguntarse de que le servira la fsico saber que el hierro tiene una alta temperatura de
fusin.



17



2.-Niveles o Escalas de mediciones

Escala Nominal:

La escala de medida nominal, puede considerarse la escala de nivel ms bajo, y consiste
en la asignacin, puramente arbitraria de nmeros o smbolos a cada una de las
diferentes categoras en las cuales podemos dividir el carcter que observamos,
sin que puedan establecerse relaciones entre dichas categoras, a no ser el de que cada
elemento pueda pertenecer a una y solo una de estas categoras.

Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a la misma
sean equivalentes respecto del atributo o propiedad en estudio, despus de lo cual se
asignan nombres a tales clases, y el hecho de que a veces, en lugar de denominaciones,
se le atribuyan nmeros, puede ser una de las razones por las cuales se le conoce como
"medidas nominales".

Por ejemplo, podemos estar interesados en clasificar los estudiantes de la UNESR
Ncleo San Carlos de acuerdos a la carrera que cursan.



Carrera Nmero asignada a la
categora
Educacin 1
Administracin 2


Se ha de tener presente que los nmeros asignados a cada categora sirven nica
y exclusivamente para identificar la categora y no poseen propiedades cuantitativas.

Escala Ordinal:

En caso de que puedan detectarse diversos grados de un atributo o propiedad de un
objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la
propiedad de "orden" de los nmeros asignndolo a los objetos en estudio de modo que,
si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A posee un
mayor grado de atributo que B.

La asignacin de nmeros a las distintas categoras no puede ser completamente
arbitraria, debe hacerse atendiendo al orden existente entre stas.

Los caracteres que posee una escala de medida ordinal permiten, por el hecho mismo de


18
poder ordenar todas sus categoras, el clculo de las medidas estadsticas de posicin,
como por ejemplo la mediana.

Ejemplo:

Al asignar un nmero a los pacientes de una consulta mdica, segn el orden de llegada,
estamos llevando una escala ordinal, es decir que al primero en llegar ordinal, es decir
que al primeo en llegar le asignamos el n 1, al siguiente el n 2 y as sucesivamente, de
esta forma, cada nmero representar una categora en general, con un solo
elemento y se puede establecer relaciones entre ellas, ya que los nmeros asignados
guardan la misma relacin que el orden de llegada a la consulta.

Escalas de intervalos iguales:

La escala de intervalos iguales, est caracterizada por una unidad de medida
comn y constante que asigna un nmero igual al nmero de unidades equivalentes a la
de la magnitud que posea el elemento observado. Es importante destacar que el punto
cero en las escalas de intervalos iguales es arbitrario, y no refleja en ningn momento
ausencia de la magnitud que estamos midiendo. Esta escala, adems de poseer las
caractersticas de la escala ordinal, encontramos que la asignacin de los nmeros a los
elemento es tan precisa que podemos determinar la magnitud de los intervalos
(distancia) entre todos los elementos de la escala. Sin lugar a dudas, podemos decir que
la escala de intervalos es la primera escala verdaderamente cuantitativa y a los
caracteres que posean esta escala de medida pueden calculrsele todas las medidas
estadsticas a excepcin del coeficiente de variacin.

Ejemplo:

El lapso transcurrido entre 1998-1999 es igual al que transcurri entre 2000-2001.
Escala de coeficientes o Razones:
El nivel de medida ms elevado es el de cocientes o razones, y se diferencia de las
escalas de intervalos iguales nicamente por poseer un punto cero propio como origen;
es decir que el valor cero de esta escala significa ausencia de la magnitud que
estamos midiendo. Si se observa una carencia total de propiedad, se dispone de una
unidad de medida para el efecto. A iguales diferencias entre los nmeros asignados
corresponden iguales diferencias en el grado de atributo presente en el objeto de
estudio. Adems, siendo que cero ya no es arbitrario, sino un valor absoluto,
podemos decir que A. Tiene dos, tres o cuatro veces la magnitud de la propiedad
presente en B.

Ejemplo:

En una encuesta realizada en un barrio de esta localidad se observ que hay familias que
no tienen hijos, otras tienen 6 hijos que es exactamente el doble de hijos que aquellas
que tienen 3 hijos.

3.-Las variables y su medicin:



19
Una variable es un smbolo, tal como X, Y, H, x B, que pueden tomar un conjunto
prefijado de valores, llamado dominio de esa variable. Para Murray R. Spiegel (1991)
"una variable que puede tomar cualquier valor entre dos valores dados se dice que es
una variable continua en caso contrario diremos que la variable es discreta".

Las variables, tambin llamadas caracteres cuantitativos, son aquellas cuyas variaciones
son susceptibles de ser medidas cuantitativamente, es decir, que pueden expresar
numricamente la magnitud de dichas variaciones. Por intuicin y por experiencia
sabemos que pueden distinguirse dos tipos de variables; las continuas y las discretas

Las variables continuas se caracterizan por el hecho de que para todo para de valores
siempre se puede encontrar en valor intermedio, (el peso, la estatura, el tiempo
empleado para realizar un trabajo,etc.)

Una variable es continua, cuando puede tomar infinitos valores intermedios dentro de
dos valores consecutivos. Por ejemplo, la estatura, el peso, la temperatura.

Ejemplo:

En el preescolar Blanca de Prez, ubicado en la urbanizacin Monseor Padilla de esta
ciudad se procedi a recoger las medidas de talla y peso de los nios que a este asisten.

Nio Peso Talla

Jos 18,300 1,15

Julio 20,500 1,20

Pedro 19,000 1,10

Luis 18,750 1,18

Las variables discretas sern aquellas que pueden tomar solo un nmero limitado de
valores separados y no continuos; son aquellas que solo toman un determinado nmeros
de valores, porque entre dos valores consecutivos no pueden tomar ningn otro; por
ejemplo el nmero de estudiantes de una clase es una variable discreta ya que solo
tomar los valores 1, 2, 3, 4..., ntese que no encontramos valor como 1,5 estudiantes

4.-Estadsticas Primarias

Datos Estadsticos:

Los datos estadsticos no son otra cosa que el producto de las observaciones efectuadas
en las personas y objetos en los cuales se produce el fenmeno que queremos estudiar.
Dicho en otras palabras, son los antecedentes (en cifras) necesarios para llegar al
conocimiento de un hecho o para reducir las consecuencias de este.



20
Los datos estadsticos se pueden encontrar de forma no ordenada, por lo que es muy
difcil en general, obtener conclusiones de los datos presentados de esta manera. Para
poder obtener una precisa y rpida informacin con propsitos de descripcin o
anlisis, estos deben organizarse de una manera sistemtica; es decir, se requiere que
los datos sean clasificados. Esta clasificacin u organizacin puede muy bien hacerse
antes de la recopilacin de los datos.

Ejemplo:

Si se quiere conocer las caractersticas de los estudiantes del Ncleo San Carlos de la
UNESR, que solicitan prstamo a la biblioteca de dicha Universidad, la recoleccin de
la informacin debe clasificar a cada estudiante sobre la base de: Carrera que estudia,
edad, semestre de estudios, etc. Vemos pues que la clasificacin marca la pauta de la
clase de datos que debe ser obtenido.

Clasificacin de los datos

Los datos estadsticos pueden ser clasificados en cualitativos, cuantitativos,
cronolgicos y geogrficos.

Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos es de
clase y no de cantidad.

Ejemplo:

Si deseamos clasificar los estudiantes que cursan la materia de estadstica I por su
estado civil, observamos que pueden existir solteros, casados, divorciados, viudos.

Datos cuantitativos: cuando los valores de los datos representan diferentes
magnitudes, decimos que son datos cuantitativos.

Ejemplo:

Se clasifican los estudiantes del Ncleo San Carlos de la UNESR de acuerdo a sus
notas, observamos que los valores (nota) representan diferentes magnitudes.

Datos cronolgicos: cuando los valores de los datos varan en diferentes instantes o
perodos de tiempo, los datos son reconocidos como cronolgicos.

Ejemplo:

Al registrar los promedios de notas de los Alumnos del Ncleo San Carlos de la
UNESR en los diferentes semestres.

Datos geogrficos: cuando los datos estn referidos a una localidad geogrfica se dicen
que son datos geogrficos.



21
Ejemplo:

El nmero de estudiantes de educacin superior en las distintas regiones del pas.
Fuentes de datos Estadsticos:
Los datos estadsticos necesarios para la comprensin de los hechos pueden obtenerse a
travs de fuentes primarias y fuentes secundarias.

Fuentes de datos primarias: es la persona o institucin que ha recolectado
directamente los datos.

Fuentes secundarias: son las publicaciones y trabajos hechos por personas o entidades
que no han recolectado directamente la informacin.

Las fuentes primarias ms confiables, son las efectuadas por oficinas
gubernamentales encargadas de tal fin.

En la prctica, es aconsejable utilizar fuentes de datos primarias y en ltima instancia
cuando estas no existan, usar estadsticas de fuentes secundarias. Con este ltimo tipo
no debemos pasar por alto que la calidad de las conclusiones estadsticas depende en
grado sumo de la exactitud de los datos que se recaben. De anda servira usar tcnicas
estadsticas precisas y refinadas para llegar a conclusiones valederas, si estas tcnicas no
son aplicadas a datos adecuados o confiables.

Cuando un investigador quiere obtener datos estadsticos relativo a un estudio que desea
efectuar, puede elegir entre una fuente primaria o en su defecto, una secundaria. O
recopilar los datos por s mismo. La posibilidad mencionada en ltimo trmino podr
deberse bien a la inexistencia de los datos o bien a que estos no se encuentran
discriminados en la forma requerida.

Ejemplo:

Si un investigador quiere conocer el nmero de alumnos repitientes en educacin media,
clasificados por ciclos, para los ltimos diez aos, el investigador puede usar una
fuente primaria, tal como la memoria y cuenta el Ministerio de Educacin cada ao.

5.-Mtodos para la recoleccin de datos:

En estadstica se emplean una variedad de mtodos distintos para obtener informacin
de los que se desea investigar. Discutiremos aqu los mtodos ms importantes,
incluyendo las ventajas y limitaciones de estos.

La entrevista personal: los datos estadsticos necesarios para una investigacin, se
renen frecuentemente mediante un proceso que consiste en enviar un
entrevistador o agente, directamente a la persona investigada. El investigador efectuar
a esta persona una serie de preguntas previamente escritas en un cuestionario boleta,
donde anotar las respuestas correspondientes. Este procedimiento que se conoce con el
nombre de entrevista personal, permite obtener una informacin ms veraz y


22
completa que la que proporcionan otros mtodos, debido a que al tener contacto
directo con la persona entrevistada, el entrevistador podr aclarar cualquier duda que se
presente sobre el cuestionario o investigacin.

Otra ventaja es la posibilidad que tienen los entrevistadores de adaptar el lenguaje de las
preguntas al nivel intelectual de las personas entrevistadas.

Una de las desventajas de este mtodo se debe a que si el entrevistador no obra de buena
fe o no tiene un entrenamiento adecuado, puede alterar las respuestas por las
personas entrevistadas.

Otra desventaja es su alto costo, ya que resulta bastante oneroso el entrenamiento de los
agentes o entrenadores y los supervisores de estos, sobre todo si se trata de una
investigacin extensa.

Cuestionarios por correo: consiste en enviar por correo el cuestionario acompaado por
el instructivo necesario, dando en este no solo las instrucciones pertinentes para cada
una de las preguntas, sino tambin una breve explicacin del objeto de la encuesta con
el fin de evitar interpretaciones errneas.

Una de las ventajas es que tienen un costo muy inferior al anterior procedimiento,
puesto que no hay que incluir gastos de entrenamiento de personal, el nico gasto sera
el de franqueo postal.

Dentro de las desventajas de este procedimiento podemos sealar que solo un
porcentaje bastante bajo de estos es devuelto, en algunos casos no estamos
seguros de que los formularios hayan sido recibidos por sus destinatarios y que hayan
sido respondido por ellos mismos. Lo que trae como consecuencia que la informacin
se obtenga con una serie de errores difciles de precisar por el investigador.

Entrevista por telfono: como lo indica su nombre, este mtodo consiste en telefonear
a la persona a entrevistar y hacerle una serie de preguntas. Este mtodo es bastante
simple y econmico, ya que el entrenamiento y supervisin de las personas encargadas
de efectuar las preguntas es siempre fcil.

Entre las limitaciones que presenta este mtodo podemos sealar el nmero de
preguntas que pueden formularse es relativamente limitado; adems las investigaciones
efectuadas por este mtodo tienen un carcter selectivo, debido a que muchas de
las personas que potencialmente podran ser investigadas no posee servicio telefnico,
por lo que quedan sin la posibilidad de ser entrevistados.

6.-Instrumentos para la recoleccin de datos:

Cuestionarios:

Cualquiera que sea el mtodo por el que se decida el investigador para recabar
informacin, es necesario elaborar un estudio de preguntas.


23

Los cuestionarios en general, constan de las siguientes partes:

La identificacin del cuestionario: nombre de quien patrocina la encuesta, (oficial o
privada), nombre de la encuesta, nmero del cuestionario, nombre del encuestador,
lugar y fecha de la entrevista.

Datos de identificacin y de carcter social del encuestado: apellidos, nombres, cdula
de identidad, nacionalidad, sexo, edad o fecha de nacimiento, estado civil, grado de
instruccin, ocupacin actual, ingresos, etc.

Datos propios de la investigacin, son los datos que interesa conocer para
construir el propsito de la investigacin.

Como es natural, estas partes, as como las preguntas, varan de acuerdo a la finalidad
de la encuesta. En algunos tipos de investigacin, la parte referente a los datos
personales es eliminada por no tener ningn tipo de inters para el estudio.


Consideraciones que debemos tomar en cuenta:

El cuestionario debe ser conciso; tratar en lo posible de que con el menor
nmero de preguntas, se obtenga la mejor informacin.

Claridad de la redaccin: evitar preguntas ambiguas o que sugieran respuestas
incorrectas, por lo que deben estar formuladas las preguntas de la forma ms sencilla.

Discrecin: un cuestionario hecho a conciencia, no debe tener preguntas
indiscretas o curiosas, sobre datos personales que puedan ofender al entrevistado.

Facilidad de contestacin: se deben evitar, en lo posible, las preguntas de respuestas
libres o abiertas y tambin la formulacin de preguntas que requieran clculos
numricos por parte del entrevistado.

Orden de las preguntas: estas deben tener una secuencia y un orden lgico,
agruparlas procurando que se relacionen unas con otras.

Series o distribuciones estadsticas:

Anteriormente hemos sealado que la estadstica, no se encarga del estudio de un hecho
aislado, sino que tienen por objeto de los colectivos. Pues bien cuando se realiza
una investigacin se obtiene una masa de datos que deben ser organizados para
disponerlos en un orden, arreglo o secuencia lgica, con el fin de facilitar el anlisis de
los mismos esta coleccin de datos numricos obtenidos de la observacin, que se
clasifican y ordenan segn un determinado criterio, se denominan "series
estadsticas", tambin conocidas como "distribucin estadstica".



24



Clasificacin de las series estadsticas: Ejemplo:
Produccin nacional de madera en Rola en m

Rollizos (periodo 1993 1998)

Aos Produccin (m
rollizos)
1993 1.161.061,454
1994 981.668,626
1995 1.087.926,142
1996 1.440.306,250
1997 1.618.075,000
1998 1.027.177,876

Fuente: MARN D.G.S Recurso Forestal. 1999

Es importante resaltar que cuando se trata de series temporales o cronolgicas, se debe
especificar el instante o el periodo de tiempo a los que se refiere los caracteres en
estudio.

Cuando nos referimos a instantes de tiempo, por el hecho de que la observacin se hace
en un momento especfico de tiempo.

Ejemplo:

Plantaciones forestales ejecutadas a nivel nacional, al 31 de diciembre de cada ao entre
1997 2001.

Series temporales o cronolgicas: estas se definen como una masa o conjunto
de datos producto de la observacin de un fenmeno individual o colectivo,
cuantificable en sucesivos instantes o periodos de tiempo.

Series atemporales: cuando las observaciones de un fenmeno se hacen referidas al
mismo instante o intervalo de tiempo, nos encontramos ente una serie atemporal. Aqu
el tiempo no va incluido a cada observacin, puesto que es el mismo tiempo para todas
ellas. Este tipo de observacin proporciona una "visin instantnea" de los
fenmenos o caracteres de los componentes del colectivo en estudio.



25



Ejemplo:

Las notas de las participantes en la materia de estadstica I en el periodo acadmico que
termin en septiembre del 2001.

2.1) series de frecuencia: cuando realizamos un estudio de cada uno de los elementos
que componen la poblacin o muestra bajo anlisis, observamos que en general, hay un
nmero de veces en que aparece repetido un mismo valor de una variable, o bien
repeticiones de la misma modalidad de un atributo. Este nmero de repeticiones de un
resultado, recibe el nombre de frecuencia absoluta o simplemente frecuencia.

El procedimiento mediante el cual se realiza el conteo, para as determinar el nmero de
veces que cada dato se repite, recibe el nombre de tabulacin.

Ejemplo:

Consideremos las edades de 35 nios, pertenecientes al Preescolar Blanca de Prez,
ubicado en la urbanizacin Monseor Padilla:

5 6 5 4 3 6 5
6 3 4 5 4 3 5
3 4 6 5 3 5 3
4 3 5 4 6 3 5
Tabulando los datos tenemos

Nios distribuidos por edades:

Edad (variable) N de nios
(Frecuencia)
3 8
4 6
5 9
6 5


26
Total = 28

Al agrupar los resultados de las observaciones en trmino de las veces que stos se
repiten, da lugar a las llamadas "series de frecuencias" o distribuciones de frecuencias;
las cuales se dividen a su vez en series de frecuencias cualitativas y cuantitativas, segn
que los caracteres de estudio se refieran a atributos o variables respectivamente.

Series de frecuencia acumulativa: son comnmente llamadas series de frecuencia de
atributos o caracteres cualitativos y las formas de representar un atributo recibe el
nombre de modalidades.

Cuando se observan y se obtienen los elementos que deseamos estudiar con respecto a
un carcter de tipo cualitativo y se procede a agruparlos segn las distintas modalidades
que toma el atributo, "frecuencia cualitativa".


Ejemplo:

Agrupamos los resultados obtenidos al observar los 35 estudiantes de la materia
Estadstica I, respecto a su estado civil.

Estudiantes de la materia Estadsticas I, clasificados por su estado civil.



Estado civil N de Estudiantes
(frecuencia)
Solteros 16
Casados 12
Viudos 1
Divorciados 6
TOTAL 35









27




Series de frecuencias cualitativas: es el resultado del agrupamiento de los valores que
se repiten (frecuencia) al ser observada una variable.

Ejemplo:

Edad (en aos) N de estudiantes
(frecuencia)
19 12
20 2
25 8
28 6
32 4
42 3
Total 35


Tomamos nuevamente los 35 estudiantes de la materia estadstica I, respecto a su edad.


46




























OBJETIVO DE LA UNIDAD:

Dar a conocer los instrumentos que la estadstica necesita para recoleccin y
procesamiento de datos



Redondeo: aproximacin; si la cifra ltima es mayor que 5 se redondea al numeral
inmediato superior; si por el contrario la cifra es menor que 5 se le deprecia. En el caso
de que la ltima cifra sea 5, si la anterior es impar se la aproxima, si es par no se hace la
aproximacin.



Ejemplo.- Se obtienen los siguientes datos en relacin con la estatura.



Alumnos Peso
X
1
50.23
X
2
50.67
X
3
49.85
X
4
49.75
X
5
49.6




Sumatoria: Es una operacin matemtica muy til en la estadstica, ayuda a
simplificar expresiones se simboliza ( ).
Alumnos Peso
X
1
50
X
2
51
X
3
49.8
X
4
49.8
X
5
50
TALLER II
Redondeando


47
n a a a
n
a i
x x x x xi ....
2 1

Para cualquier par de enteros no negativos a y n, donde a n
Se lee: La sumatoria de x desde i igual a hasta n.


48
Reglas de la sumatoria

1.-
Donde k es una constante que est multiplicando a xi y puede salir de la sumatoria

2.-

Ejemplo:
Calcular las ganancias de las telefnicas Claro, Movistar durante un mes de servicio a
10 clientes que estn en plan de post pago y determine que compaa tiene mayores
ingresos.

Individuo Claro Clientes Movistar Clientes
1 $30 X1 $32 Y1
2 $28 X2 $20 Y2
3 $20 X3 $30 Y3
4 $35 X4 $26 Y4
5 $22 X5 $29 Y5
6 $30 X6 $32 Y6
7 $28 X7 $20 Y7
8 $20 X8 $30 Y8
9 $35 X9 $26 Y9
10 $22 X10 $29 Y10


TABULACIN DE DATOS

Para tabular los datos se debe verificar el nmero de observaciones y el rango de la
variable, se clasifica de la siguiente manera:

Tipo I.- El tamao de la poblacin o muestra es pequeo. Por ejemplo, las edades
de 6 personas: 15,18,19,21,24,28. Solo se ordena de manera creciente o
decreciente.

Tipo II.- El tamao de la poblacin o muestra es grande y el rango de la variable
es pequeo, se debe tabular los datos de la siguiente manera:

Ejemplo
:

El nmero de calificaciones sobre 5 de los estudiantes de Estadstica obtenidas
durante el presente mdulo son las siguientes:

2 4 1 3 2 5


49
3 1 3 4 1 1
1 5 3 1 2 3
2 1 5 3 4 2
3 4 1 2 5 5



De estos datos se puede observar que son 30 estudiantes, que tienen
calificaciones entre 1 y 5, para tabular los datos se debe ordenar los datos aplicando
el mtodo de tallo y hoja o simplemente se utiliza las tarjas en forma ordenada.

CALIFICACIONES TABULACIN
1 I I I I I I I I
2 I I I I I I
3 I I I I I I I
4 I I I I
5 I I I I I


Tipo III.- Se crea una tabla de intervalos ya que el tamao de la poblacin
o muestra es grande y el rango de la variable tambin.

INTERVALO DE CLASE: Existe la posibilidad de presentar los datos en Tablas de
Frecuencias o Tablas de Distribucin de Frecuencias; se trabaja con intervalos de
clase, cuando la diferencia entre el puntaje mximo y el puntaje mnimo es igual o
superior a 15, se realiza intervalos de clase. La anchura de estos intervalos puede
oscilar de tres a ms puntos de amplitud, una consideracin que debe tenerse presente
es que a mayor nmero de datos, la amplitud de los intervalos es mayor y, a la inversa.

Ejemplo:

La edad de 30 personas que se encuentran en una conferencia organizada por la
Universidad Indoamrica.




Pasos:

1.- Se ubica la edad mayor y la edad menor estos datos son el lmite superior
(X
max
) y el lmite inferior (X
min
).


CALIFICACIONES TABULACIN
1 8
2 6
3 7
4 4
5 5
TOTAL 30
22 23 44 10 28 40
15 43 38 7 24 31
28 12 5 20 18 47
50 27 14 16 30 26
55 27 42 50 27 36


50

2.- Calcular la amplitud ( R ). R = X
max
- X
min ,
R = 55-5; R = 50



3.- Determinar el nmero de intervalos de acuerdo al nmero de elementos:



4.- Calcular la amplitud de los intervalos i =
si la divisin es inexacta se aplica leyes de redondeo, para obtener un nmero entero.
I = 50/ 6 i = 8.3333 i = 8

5.- Construir la tabla considerando que los intervalos son cerrados a la izquierda y
abiertos a la derecha (Li-1 ; Li)
Tabulacin Tallo y Hojas


Existen algunas desventajas en el manejo de las tablas de frecuencia:

Prdida de informacin al presentar las observaciones en intervalos, sin especificar
cuales datos pertenecen a ellos. No es posible saber directamente de la tabla cules son los
valores numricos de datos que pertenecen al intervalo.

Dado que el nmero de clases y la anchura de las mismas se pueden incluso elegir
arbitrariamente, no existe una representacin nica de los datos en las tablas de frecuencia.

Ejercicio

Las notas obtenidas por los estudiantes de la carrera de Educacin Bsica de la
Universidad Indoamrica son las siguientes:




51
2 3 4 1 8 4 10 8
5 3 8 7 4 1 3 1
8 2 5 10 8 7 8 3
5 7 4 6 10 6 7 4
5 7 2 10 7 6 9 5

Ejercicio:

Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
mximas en grados centgrados:

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.


















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

La distribucin de frecuencias es la representacin estructurada, en forma de tabla,
de toda la informacin que se ha recogido sobre la variable que se estudia.








xi Recuent
o
fi Fi hi Hi
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29

I I I I I I

6 9 0.194 0.290
30

I I I I I I
I

7 16 0.226 0.516
31

I I I I I I
I I

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

31

1


Marca de clase: Es el valor medio de cada intervalo. Para determinarlo se suman los
valores extremos del intervalo y este resultado se divide para dos.


52
TABLAS DE DISTRIBUCIN DE FRECUENCIAS



a) Frecuencia Absoluta.- Es el nmero de veces que aparece dicho valor como
resultado de la medicin de la variable. Se denota con f
i
.
b) Frecuencia Absoluta Acumulada.- Es el resultado de Sumar a la
frecuencia absoluta del valor correspondiente la frecuencia absoluta del valor
anterior. Se denota por F
i
.
c) Frecuencia Relativa.- Es el cociente entre frecuencia absoluta y el tamao de la
muestra o poblacin , dond N es el tamo de la muestra o poblacin. Se
denota hi

d) Frecuencia Relativa Acumulada.- Es el resultado de sumar a la
frecuencia relativa del valor correspondiente a la frecuencia relativa del valor
anterior: Se denota por H
i




Ejemplo de Tablas de tipo II (Variable cuantitativa continua)














53

Ejercicio
Las calificaciones de 50 alumnos en Matemticas 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, 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.
Construir la tabla de distribucin de frecuencias.


x
i
f
i
F
i
h
i
H
i

0 1 1 0 . 02 0 . 02
1 1 2 0 . 02 0 . 04
2 2 4 0 . 04 0 . 08
3 3 7 0 . 06 0 . 14
4 6 13 0 . 12 0 . 26
5 11 24 0 . 22 0 . 48
6 12 36 0 . 24 0 . 72
7 7 43 0 . 14 0 . 86
8 4 47 0 . 08 0 . 94
9 2 49 0 . 04 0 . 98
10 1 50 0 . 02 1 . 00

50

1 . 00





54
Ejemplo de Tablas de tipo III (Variable Cuantitativa Discreta)



Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un
examen de Fsica.
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.


1 Construir la tabla de frecuencias.


x
i
f
i
F
i
h
i
H
i

[ 0 , 5 ) 2 . 5 1 1 0 . 02 5 0 . 02 5
[ 5 , 1 0 ) 7 . 5 1 2 0 . 02 5 0 . 05 0
[ 1 0 , 15 ) 1 2 . 5 3 5 0 . 07 5 0 . 12 5
[ 1 5 , 20 ) 1 7 . 5 3 8 0 . 07 5 0 . 20 0
[ 2 0 , 25 ) 2 2 . 5 3 11 0 . 07 5 0 . 27 5
[ 2 5 , 30 ) 2 7 . 5 6 17 0 . 15 0 0 . 42 5
[ 3 0 , 35 ) 3 2 . 5 7 24 0 . 17 5 0 . 60 0
[ 3 5 , 40 ) 3 7 . 5 10 34 0 . 25 0 0 . 85 0
[ 4 0 , 45 ) 4 7 . 5 4 38 0 . 10 0 0 . 95 0
[ 4 5 , 50 ) 4 7 . 5 2 40 0 . 05 0 1 . 00 0

40

1



55

GRFICOS


Se puede graficar por Diagrama de Puntos, Histogramas, Polgonos de
frecuencias y Ojivas.


Diagramas de puntos

Sirven para presentar grficamente tablas en las cuales se consideran
nicamente una variable y una cantidad asociada a cada valor de la misma. Se
pueden presentar dos formas presentan esencialmente la misma informacin-
slo que en diferente forma y con diferente propsito. As se pueden presentar:

El primer tipo de diagrama de puntos se construye colocando en el eje horizontal
los valores de la variable (los cuales en muchos casos son arbitrarios) y en el
eje vertical las cantidades asociadas a stos. Finalmente, para cada valor de
la variable y cada cantidad asociada se dibujan puntos cuya altura corresponde a la
magnitud de dicha cantidad.
Para construir el segundo tipo de diagramas de puntos se colocan en el eje
horizontal los valores de la variable y sobre cada valor se dibujan tantos puntos
como veces aparezcan stos.

Primer diagrama Segundo diagrama




Histograma

Se llama Histograma a la grfica de barras verticales sin espaciamiento
entre ella, construida colocando en el eje vertical a las frecuencias absolutas
o relativas y en el eje horizontal a los lmites de clase de una tabla de
frecuencias. Lo anterior implica que si los intervalos de clase son iguales, sobre
cada clase se erigen rectngulos cuyas reas son proporcionales a las
frecuencias de clase.


56
Las etapas que se deben cubrir para construir histogramas son:
1. Colocar en el eje horizontal los lmites de clase.
2. Colocar en el eje vertical las frecuencias relativas o absolutas.
3. Erigir rectngulos cuya base son las clases y su altura las frecuencias que
corresponden a cada clase.



Polgono de frecuencias

Un Polgono de frecuencias es una grfica de lneas rectas que unen los
puntos obtenidos al colocar en el eje horizontal a los valores medios de clase y en el
vertical a las frecuencias relativas o absolutas. Es de resaltar que el procedimiento
equivale a unir los puntos medios de la cara superior de los rectngulos de un histograma
por medio de lneas rectas.
El Polgono de Frecuencias debe ser siempre cerrado, consecuentemente se grafican los
puntos ms all de los valores reales, existiendo un intervalo mayor y uno inferior a
los que realmente constan en la tabla.
















57



Ojiva o Polgono de Frecuencia acumulada

Una Ojiva o PFA es una grfica construida con segmentos de lneas rectas
que unen los puntos obtenidos al colocar en el eje horizontal a los lmites superiores
de clase y en el vertical la frecuencia acumulada relativa o absoluta.

Al momento de graficar, debe considerarse tambin el lmite inferior de la primera
clase, al que se le asigna una frecuencia acumulada de cero, para a partir de la misma
proceder a realizar la acumulacin de frecuencias.

As mismo, obsrvese que, por su naturaleza una Ojiva es no decreciente.









Pasteles

Permite graficar porcentajes o proporciones, es recomendable si existen hasta un mximo
de cinco alternativas, caso contrario pueden dificultar en lugar de facilitar la comprensin
de la informacin que se est graficando.
Al existir siete grupos los pasteles tienden a presentar los porcentajes de
forma acumulada.











58



Ejercicio de Aplicacin de todo el Mdulo

Los datos corresponden a una muestra de 100 trabajadores de una empresa. Cada dato
corresponde al salario mensual de un trabajador de la muestra.

Tabla de Distribucin de frecuencias:




Clases


Frecuencia

(fi)

Frecuencia
Relativa

(hi)

Frecuencia
Acumulad
a

(Fi)
Frecuencia
relativa
acumulad
a

(Hi)
0 - 50 0 0 0 0
50 - 100 1 0,01 1 0,01
100 - 150 3 0,03 4 0,04
150 - 200 5 0,05 9 0,09
200 - 250 10 0,10 19 0,19
250 - 300 13 0,13 32 0,32
300 - 350 15 0,15 47 0,47
350 - 400 17 0,17 64 0,64
400 - 450 11 0,11 75 0,75
450 - 500 11 0,11 86 0,86
500 - 550 7 0,07 93 0,93
550 - 600 3 0,03 96 0,96
600 - 650 2 0,02 98 0,98
650 - 700 1 0,01 99 0,99
700 - 750 1 0,01 100 1
750 - 800 0 0,00 100 1
TOTAL 100
1,00





59
1

0

2

3

Histogramas

El histograma es uno de los medios utilizados con mayor frecuencia y se construyen
con el objeto de tener una mejor visualizacin del conjunto de datos mediante la
representacin grfica de la distribucin de frecuencias. Los pasos son los siguientes:

Utilizamos un sistema de ejes cartesianos.

En el eje vertical puede representarse las frecuencias absolutas o las frecuencias
relativas de cada clase.

En el eje horizontal se representarn los intervalos de clase. Los dos
ejes deben estar claramente rotulados.
El histograma estar constituido de barras rectangulares cuya base es su respectivo
intervalo de clase y cuya altura ser proporcional a la magnitud de la medida que
representa (Vlez L).

Histograma de frecuencia absoluta simple


Lo que significa que tambin de una grfica se puede hacer una tabla de distribucin
de frecuencias.

Intenta hacer la tabla en funcin del grfico!


60
ACTIVIDADES DE APLICACIN
1.- Las puntuaciones obtenidas por un grupo en una prueba han sido:
15,20,15,18,22,13,13,16,15,19,18,15,16,20,16,15,18,16,14,13,17,20,22,21,17,18,19,15,12,13,14
,15,
16,10,20,21,23,25,26,27,24,25,26,14,18,17,14,18,19,12
Construir la tabla de distribucin de frecuencias y dibuje el polgono de frecuencias

2.- El nmero de estrellas de los hoteles de la 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 distribucin de frecuencias y dibuje el diagrama de barras

3.- En la institucin que usted trabaja, consiga la informacin sobre aos de servicio de todo el
personal docente y, proceda a presentarlos a travs de tablas de frecuencia de valores
individuales (discretos) y por intervalos de clase (continuos)

4.- Obtenga de su grupo de trabajo (nios) informacin relacionada de la estatura y desarrolle la
tabla de distribucin de frecuencias. La cantidad de datos mnimo de 50 con 8 intervalos.






























61



TALLER 3



MEDIDAS DE TENDENCIA CENTRAL

Una medida de tendencia central es un nmero que se considera representativo de todos los
nmeros en un conjunto de datos.

Media Aritmtica ( )


Se define como la suma de las observaciones dividida para el total de las mismas;
corresponde geomtricamente al punto de equilibrio de los datos. Es la ms usada de las
medidas descriptivas. Tiene la ventaja de ser muy fcil de calcular, adems de poseer
propiedades tericas excelentes desde el punto de vista de la Estadstica Inferencial. Su
principal desventaja es que, por ser el punto de equilibrio de los datos, es muy sensible a
la presencia de observaciones extremas.

En el caso de valores sin agrupar la frmula de la Media Aritmtica es:


donde:

X = Media Aritmtica

= Sumatoria de todos los datos
n = Nmero total de datos
En el caso de valores acumulados en intervalos de clase la frmula es:




62









Datos tabulados sin intervalos de clase.

El nmero de calificaciones sobre 5 de los estudiantes de Estadstica obtenidas durante el
presente mdulo son las siguientes:

CALIFICACIN
X
i

FRECUENCIA
f
i


X
i .
f
i
1 8 8
2 6 12
3 7 21
4 4 16
5 5 25
TOTA
L
30 82



Esto significa que la calificacin promedio de un total de 30 estudiantes es de 2.73 sobre
cinco.


63
Datos tabulados con intervalo de clase.

La edad de 30 personas que se encuentran en una conferencia organizada por la
Universidad Indoamrica.

EDADES X
MC
f
i
X
MC
.
f
i

[ 5, 13) 9 4 36
[ 13, 21 ) 17 5 85
[ 21, 29 ) 25 9 225
[ 29, 37 ) 33 3 99
[ 37, 45 ) 41 5 205
[ 45,53 ) 49 3 147
[ 53, 61) 57 1 57
TOTAL 30 854




Significa que el promedio de la edad de las personas que asistieron a la conferencia es de

28 aos y medio.

Mediana


Cuando se observa asimetra en la distribucin, la Media Aritmtica no es una buena
medida de tendencia central, ya que por ser el punto de equilibrio de los datos resulta
muy afectada por valores extremos. Para ilustrar este punto considrense los nmeros: 27
3,4 3,2 3,3 3,1, donde la Media es de 8, valor que nos dara una idea muy
distorsionada de la magnitud de las observaciones. Para este tipo de situaciones es
conveniente definir otra medida de tendencia central y, en este caso sera la MEDIANA.

La Mediana (Me) Se define como el valor central de una distribucin que tiene un nmero
impar de datos, una vez ordenados los datos de mayor a menor, es el nmero central en el
arreglo.
Si el nmero de datos (N) de la distribucin es par, la mediana est dada por el promedio
de los dos datos centrales.

La mediana no presenta el problema de estar influenciada por los valores extremos, pero
en cambio no utiliza en su clculo toda la informacin de la serie de datos. ( no pondera


64


cada valor por el nmero de veces que se ha repetido).

Ejemplos:

Nmero impar de datos no tabulados.
18, 20, 20, 7, 19
Ordenar en forma ascendente
7, 18, 19, 20, 20
Se selecciona la cantidad que se encuentra justamente en la mitad


7 18 19 20 20
Mediana

Nmero par de datos no tabulados.
18, 20, 20, 7, 19, 6
Ordenar en forma ascendente
6, 7, 18, 19, 20, 20
Se selecciona las cantidades que se encuentran en la mitad.


6 7 18 19 20 20


Sacar el promedio de estas dos cantidades.

X = 18+19
2
= 18.5 Mediana


NOTA: Tanto la media como la mediana tienen sentido calcular siempre que la
variable que se est analizando sea en primer lugar cuantitativa y en segundo lugar
continua.

Nmero Par de datos tabulados

X
i f
i F
i
1 8 8
2 7 15
3 6 21
4 4 25
5 5 30
TOTAL 30


Cuando se tiene tablas de frecuencias con nmeros de datos pares se verifica si existe o


65
no una Frecuencia Absoluta Acumulada igual a n/2.
La media es el promedio del valor de la variable correspondiente a esta frecuencia con el
valor de la variable que corresponde a la frecuencia posterior.


P(n/2) = P(30/2) =
P(15) P(n/2 + 1) = P
(21)


Se localiza el 15 y el 21 en la tabla y se saca el promedio entre los X
i
(Da t os )
que corresponden a dichos datos.
Mediana =
2+3

2
Mediana = 2.5

En caso de que no exista una Frecuencia Absoluta Acumulada igual a n/2 , se toma la FAA
inmediatamente superior.

X
i f
i F
i
1 8 8
2 6 14
3 7 21
4 4 25
5 5 30
TOTAL 30


P(n/2) = P(30/2) = P (15)
El 15 no esta en la tabla, por lo tanto la Mediana estar ubicada en la FAA P(21) que
corresponde a 3.

Nmero Impar de datos tabulados
Se verifica si existe o no una FAA igual a P (n/2) + 0.5
Si existe la Mediana ser dicho valor

X
i f
i F
i
1 6 6
2 3 9
3 7 16
4 8 24
5 7 31
TOTAL 31


66


P(n/2)+ 0.5 ; P(31/2) + 0.5 ; P(15.5)+ 0.5 ; Mediana se ubica en la FAA= 16
que corresponde a 3.


Si no existe una FAA igual a P (n/2) +0.5, la mediana corresponde al valor en la cual
se ubique la FAA inmediatamente posterior.


X
i f
i F
i
1 6 6
2 3 9
3 8 17
4 8 25
5 6 31
TOTAL 31


P(n/2)+ 0.5 ; P(31/2) + 0.5 ; P(15.5)+ 0.5 ; Mediana se ubica en la FAA= 16
como no existes se ubica en el 17 que es el inmediato superior que corresponde a 3.



Nmero Par de datos tabulados con intervalos

Se utilizar la siguiente expresin

Donde:
n: tamao de la muestra
F
im
: Frecuencia Absoluta Acumulada a la clase m
F
ib
: Frecuencia Absoluta Acumulada de la clase inmediata anterior a m
TI
m
: Tamao del intervalo m










67
Ejemplo:

La edad de 30 personas que se encuentran en una conferencia organizada por la
Universidad Indoamrica.



Moda


La Moda (Mo) de un conjunto de datos es el valor (si existe) que ocurre con mayor
frecuencia. Si es un valor nico se dice que la distribucin de frecuencias es unimodal. Si
se tienen dos o ms valores con la misma frecuencia mxima se dice que la distribucin es
bimodal, trimodal, etc..

Es una medida que es poco usada por cuanto puede ocurrir que no exista o que no sea un
valor nico; pero en el caso de datos individuales es muy til.

El clculo de la moda, se limita a observar el valor que ms se repite dentro de un grupo
de datos, esto implica que no utiliza todos los datos de una muestra o poblacin.


68
Ejemplo:

El nmero de calificaciones sobre 5 de los estudiantes de Estadstica obtenidas durante el
presente mdulo son las siguientes:


CALIFICACIN
X
i

FRECUENCIA
f
i

1 8
2 6
3 7
4 4
5 5
TOTA
L
30



En este caso la Moda es la calificacin 1 que es la que con ms frecuencia se repite.

Cuando la distribucin de frecuencias es simtrica, la media aritmtica, la mediana y la
moda coinciden.

El clculo de la moda en tablas de frecuencia, adquiere mayor importancia, ya que es
frecuente que sea un valor nico. Para propsitos descriptivos es suficiente reportar la clase
modal, que es la clase cuya frecuencia absoluta es mayor. Si se desea un valor nico se
toma el valor medio de la clase modal.

Moda para datos tabulados con intervalos de clase

Se utiliza la siguiente expresin:


Donde:
Fi
c:
Frecuencia Absoluta de la Clase c de mayor frecuencia
Fi
b
: Frecuencia absoluta de la clase inmediatamente anterior a c
Fi
f
: Frecuencia absoluta de la clase inmediatamente posterior a c
TI
c
: Tamao del intervalo c





69
Ejemplo
La edad de 30 personas que se encuentran en una conferencia organizada por la Univarsidad
Indoamrica.

Edades fi Fi
[5,13) 4 4
[13,21) 5 9
[21,29) 9 18
[29,37) 3 21
[37,45) 5 26
[45,53) 3 29
[53,61) 1 30
total 30

Fi
c:
9
Fi
b
: 5
Fi
f
: 3
TI
c
: 8
L
minc:
21


Moda = 21+ 9-3 x 8
(8-5)(8-3)

Moda = 24.2 en forma precisa y de manera exacta

Otra forma de sacar la moda es revisando cual es el intervalo que tiene mayor Frecuencia
Absoluta en nuestro ejemplo es [ 21, 29), sacando el promedio tenemos que la moda es
25.

Ejercicio

Medidas de Tendencia no Centrales

Tambin denominadas medidas de localizacin, permiten conocer otros puntos
caractersticos de la distribucin que no son los valores centrales.

Se suele utilizar una serie de valores que dividen la muestra en tramos iguales.

Cuartiles: Son tres valores que distribuyen la serie de datos, ordenada de forma creciente
o decreciente, en cuatro tramos, en los que cada uno de ellos concentra el 25% de los
fi
b
fi
c
fi
f


70
datos.

Deciles: Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en diez tramos, en los que cada uno de ellos concentra el 10% de los datos.

Percentiles: son 99 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en cien tramos, en los que cada uno de ellos concentra el 1% de los datos.

Se calcula primero ordenando los datos en forma creciente, luego se procede a utilizar la
siguiente expresin i = np/100 donde

n = Datos

p = nmero de percentil

Ejemplo:

25 28 28 29 29 30 32 33 33 33 34 34 35 36 37
38 41 42 45 45 46 47 51 51 53 53 53 55 56 75
57 60 61 62 62 62 67 68 69 71 72 73 73 75 57
79 82 85 86 86 86 88 88 89 91 93 94 96 96 99



Suponga que se quiere encontrar el primer cuartil (que es el percentil 25)

i = np / 100 i = (60)(25)/ 100
i = 15.
Como 15 es un nmero entero se saca el promedio de los datos en las posiciones 15 y 16.
Es decir, se promedian entre 37 y 38 y se obtiene 37.5 como primer cuartil.
Ejercicio

















71




ACTIVIDADES DE APLICACION


1.- Calcular la media, la mediana , la moda y hacer un grfico de la siguiente serie de
nmeros:
5,3,6,5,4,5,2,8,6,5,4,8,3,4,5,4,8,2,5,4

2.- Una distribucin estadstica viene dada por la siguiente tabla:

Intervalos [10,15) [15,20) [20,25) [25,30) [30,35)
fi 3 5 7 4 2

Hallar la moda, la mediana, media y un histograma.

3.- Con las actividades realizadas anteriormente adjunte todo el anlisis de medidas de
tendencia central, medidas de tendencia no centrales y desarrolle toda la clasificacin de los
grficos

A continuacin se detallan las actividades anteriores:

1.- En la institucin que usted trabaja, consiga la informacin sobre aos de servicio de todo
el personal docente y proceda a presentarlos a travs de tablas de frecuencia de valores
individuales (discretos) y por intervalos de clase (continuos). Con datos tabulados y sin
intervalos de clase.

2.- Obtenga de su grupo de trabajo (nios) informacin relacionada de la estatura y desarrolle
la tabla de distribucin de frecuencias. La cantidad de datos mnimo de 50 con 8 intervalos.

















72









74
TALLER IV

MEDIDAS DE DISPERSION


Las medidas de tendencia central resultan insuficientes al momento de caracterizar una
distribucin, puesto que otro aspecto que debe ponerse en consideracin es la
variabilidad de la distribucin.
Al interior de una distribucin los datos pueden variar ostensiblemente entre s, las
medidas de dispersin a utilizar son: amplitud, desviacin estndar y varianza.


Amplitud


La medida de dispersin ms simple recibe el nombre de amplitud, y es muy poco usada,
puesto que su nica ventaja es la sencillez con la que se calcula. Es comn que se le asigne
el nombre de Rango. Cuanto ms grande sea el rango, mayor ser la dispersin de los
datos de una distribucin.


La amplitud (A) de un conjunto de datos es la diferencia entre las observaciones de mayor
y menor valor numrico en el mismo.


Ejemplo .- Calcular la amplitud de los pesos de los alumnos de 1er. Ao de
Bsica
45 63 57 61
50 55 54 62
75 56 58 68
52 57 50 68
63 59 55 56
54 63 49 58

A = (75 - 45) = 30


La amplitud es una medida de dispersin cuya ventaja es la facilidad con la que se calcula;

Sus desventajas:

En su clculo solo intervienen dos elementos del conjunto.
Al aumentar el nmero de observaciones puede esperarse que aumente la variabilidad
puesto que la amplitud no toma en cuenta el tamao del conjunto, no es una medida


75
adecuada para comparar la variabilidad de dos grupos de observaciones, a menos que
stos sean del mismo tamao.

Desviacin Estndar


La Desviacin Estndar : Es el promedio de desviacin de las puntuaciones con respecto a
la media. Esta medida es expresada en las unidades originales de medicin de la
distribucin. Se interpreta en relacin a la media. Cuanto mayor es la dispersin de los
datos alrededor de la media, mayor es la desviacin estndar.




Esto es la desviacin de cada puntuacin respecto a la media es elevada al cuadrado, se
suman todas las desviaciones cuadradas, se divide entre el nmero total de puntuaciones y
esta divisin se le saca la raz cuadrada.

Ejemplo .- Calcular la desviacin estndar de los siguientes datos:
6 2 5 4 7 -1 1 0


Xi xi x
(xi x )
2

6 3 9
2 -1 1
5 2 4
4 1 1
7 4 16
-1 -4 16
1 -2 4
0 -3 9
24 0 60


Primero se calcula la media aritmtica:


X =
24
= 3

8
Se determina la desviacin de cada puntuacin respecto a la media (xi x ) y se
le eleva al cuadrado.


76



Se aplica la frmula:


















EN DATOS AGRUPADOS



Clase
X
M
C
fi fiX
MC

45 - 49 47 2 94
50 - 54 52 5 260
55 - 59 57 9 513
60 - 64 62 5 310
65 - 69 67 2 134
70 - 74 72 0 0
75 - 79 77 1 77
24 1388












77



1) Encontrar el punto medio (X
MC
) de cada intervalo y determinar la media de la
distribucin (con la frmula para datos agrupados).



















3) Multiplicar la columna fiX
MC
por los puntos medios y obtener una columna llamada
(fiX
MC
) y, se procede a obtener la sumatoria ().










Clase X
M
C
fiX
MC
(fiX
MC
)
X
MC 45 - 49 47 94 4418
50 - 54 52 260 13520
55 - 59 57 513 29241
60 - 64 62 310 19220
65 - 69 67 134 8978
70 - 74 72 0 0
75 - 79 77 77 5929
81306


78

4) Aplicacin de la frmula:

























La desviacin estndar se interpreta como cunto se desva en promedio- de la media
un conjunto de puntuaciones.


Varianza


La varianza es la desviacin estndar elevada al cuadrado (S2), diversos mtodos
estadsticos parten de la descomposicin de la varianza. Para la Estadstica Descriptiva se
utiliza preferentemente la desviacin estndar.



Coeficiente de variacin


El coeficiente de variacin mide el grado de dispersin de un conjunto de datos en
relacin con su media, en trminos de porcentaje. Para calcularlo se divide la desviacin
tpica de una distribucin por su media y el resultado se multiplica por cien.
Coeficiente de variacin muestral


Coeficiente de variacin poblacional




79




Esto significa que los datos de los pesos de los alumnos se desvan en promedio respecto
de la media aritmtica en un 11,40%.
Ejercicio
































80






ACTIVIDADES DE APLICACIN


1.- Hallar la varianza y la desviacin de la siguiente serie de datos
12,6,7,3,15,10,18,5


2.- Dadas las series estadsticas :
3,5,2,7,6,4,9
3,5,2,7,6,4,9,1

Calcular:

La moda, la media, la mediana
La desviacin media, la varianza y la desviacin tpica
Los cuartiles 1 y 3
Los deciles 2 y 7
Los percentiles 32 y 85

3.- Con las actividades realizadas anteriormente adjunte todo el anlisis de las medidas de
dispersin.


81


EL MUESTREO

Cuando no es posible investigar a todos los elementos de una poblacin o universo,
se opera mediante la tcnica del Muestreo, la cual se fundamenta en el principio de
que el todo esta constituido por partes y que, las partes representan al todo, sin
embargo, para que la muestra sea representativa del todo, debe reunir ciertos
requisitos, los mismos que se consiguen a travs de la tcnica del muestreo.

El diseo de la muestra implica tres etapas:
1. Esquema del muestreo (cmo se va a seleccionar la muestra y que tipo de
muestreo se va a utilizar).
2. Encontrar estimadores.
3. Determinar el tamao de la muestra.

El tamao de la muestra estar relacionada con los objetivos del estudio, las
caractersticas de la poblacin, adems de los recursos y del tiempo que se dispone.

a. Poblacin

Poblacin o universo es el conjunto o agregado del nmero de elementos con
caractersticas comunes, en un espacio y tiempo determinados sobre los
cuales se puede realizar observaciones. El tamao de la poblacin es la
cantidad de los elementos que la integran y puede ser finita: est delimitada y
se conoce el nmero de elementos que la integran. Infinita es aquella donde
no est delimitado el nmero y, son poblaciones inmensamente grandes.

b. Marco Muestral

Es una lista completa de todas las unidades muestrales de la poblacin o
alguna otra base que permita un proceso de seleccin de tal manera que cada
elemento de la poblacin tenga una probabilidad matemtica conocida de ser
seleccionada para muestra. Existe dos tipos de marcos muestrales: marcos
para muestras por rea (lista de hogares por rea, por barrio, por parroquia,
TALLER V


82
e.g.) y marcos para muestra por listado (alumnos listados en el libro de
matrculas, e.g.).

c. Muestra

Subconjunto representativo de elementos de una poblacin o universo; del
estudio de la muestra se deducen unas leyes que se hacen extensivas a todo el
conjunto poblacional, duplicando los mtodos de inferencia, una muestra
debe tener dos caractersticas bsicas: tamao y representatividad.
Tamao: debe ser suficientemente amplio para que permita extrapolaciones
correctas, de no ser as se producen errores de muestreo.
Representatividad: los diferentes elementos que componen una poblacin
tienen que encontrarse comprendidos proporcionalmente en la muestra.
Tamao de la muestra: es el nmero absoluto de unidades muestrables
seleccionadas del universo.

d. Unidad Muestral.- Los objetos que se seleccionan de una poblacin, se
llaman unidades maestrales.


2. REQUISITOS DE UN MUESTREO ADECUADO

Con el fin de que el muestreo proporcione resultados efectivos, es necesario tomar en
cuenta lo siguiente:

a. Contar con la asesora de un estadstico experimentado para obtener un diseo de
muestreo.

b. La exactitud de la informacin no slo depende de la aplicacin de las frmulas
de muestreo; influyen: la calidad del cuestionario, la capacitacin de los
entrevistadores, la supervisin del trabajo de campo y la confiabilidad de la
codificacin, son imprescindibles para lograrla.



83
c. Las entrevistas y los cuestionarios incompletos y la sustitucin de los
entrevistados porque el encuestador tiene dificultad para entrevistarlos, daa la
representatividad de la muestra.

d. El muestreo es slo una parte del proceso de investigacin y, aunque los
resultados que se obtienen son cuantificables, es necesario analizarlos e
integrarlos en relacin con el contexto total de la investigacin.

e. En el proceso de muestreo existen dos tipos de errores:
Errores debido al muestreo o la cota de error inherente al mtodo de
muestreo.
Errores no debidos al muestreo, sino a fallas de tipo humano al obtener
informacin, al procesarla, o de distorsin de instrucciones.

f. A medida que el tamao de la muestra crece, error tiende a cero.

g. De los diseos de muestra debe elegirse el de mayor precisin al costo mnimo.

3. TIPOS DE MUESTREO

Simple al azar
Estratificado uniforme
PROBABILISTICOS
O ALEATORIOS
Por conglomerados
Sistemtico o en serie
Etapas mltiples



Decisional
NO PROBALISTICO
O NO ALEATORIOS
Realizado por expertos
Por cuotas
Casuales o fciles de estudiar


84


TAMAO DE LAS MUESTRAS
Para calcular el tamao de una muestra hay que tomar en cuenta 3 factores:
1.- El porcentaje de confianza con el cual se quiere generalizar los datos desde la
muestra hacia la poblacin total.
2.- El porcentaje de error que se pretende aceptar al momento de hacer la
generalizacin
3.- El nivel de variabilidad que se calcula para comprobar la hiptesis
La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para
generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale
a decir que no existe ninguna duda para generalizar tales resultados, pero tambin implica
estudiar a la totalidad de los casos de la poblacin.

Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser
prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de
confianza menor. Comnmente en las investigaciones sociales se busca un 95%..
El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis
que sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por
considerarla falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del
error y considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin,
por lo que conviene correr un cierto riesgo de equivocarse.
Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son
complementarios la confianza y el error.

La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la
hiptesis que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la
investigacin actual. El porcentaje con que se acept tal hiptesis se denomina variabilidad
positiva y se denota por p, y el porcentaje con el que se rechaz se la hiptesis es la
variabilidad negativa, denotada por q.
Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la
unidad: p+q=1. Adems, cuando se habla de la mxima variabilidad, en el caso de no existir


85
antecedentes sobre la investigacin (no hay otras o no se pudo aplicar una prueba previa),
entonces los valores de variabilidad es p=q=0.5.
Una vez que se han determinado estos tres factores, entonces se puede calcular el tamao de
la muestra como a continuacin se expone.

Hablando de una poblacin de alrededor de 10,000 casos, o mnimamente esa cantidad,
podemos pensar en la manera de calcular el tamao de la muestra a travs de las siguientes
frmulas. Hay que mencionar que estas frmulas se pueden aplicar de manera aceptable
pensando en instrumentos que no incluyan preguntas abiertas y que sean un total de
alrededor de 30.

Vamos a presentar dos frmulas, siendo la primera la que se aplica en el caso de que no se
conozca con precisin el tamao de la poblacin:

Donde :
n: Es el tamao de la muestra;
Z: es el nivel de confianza;
p: es la variable positiva
q: es la variable negativa
E: es la precisin o error

Hay que tomar nota de que debido a que la variabilidad y el error se pueden expresar por
medio de porcentajes, hay que convertir todos esos valores a proporciones en el caso
necesario.
Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje, ni la
proporcin que le correspondera, a pesar de que se expresa en trminos de porcentajes. El
nivel de confianza se obtiene a partir de la distribucin normal estndar, pues la proporcin
correspondiente al porcentaje de confianza es el rea simtrica bajo la curva normal que se
toma como la confianza, y la intencin es buscar el valor Z de la variable aleatoria que
corresponda a tal rea.

El Nivel de confianza es la Probabilidad de que el parmetro a estimar se encuentre en el
intervalo de confianza.
El nivel de confianza (p) se designa mediante 1- y se suele tomar en tanto por ciento.


86
Los niveles de confianza ms usuales son : 90%, 95%, 99%
El nivel de significacin se designa mediante
El valor crtico (k) como z /2
P(Z>z /2)= /2 P[-z /2 <z< z /2]=1-
1- /2 z /2
0.90 0.05 1.645
0.95 0.025 1.96
0.99 0.005 2.575

El error de estimacin se utiliza con dos finalidades:
a) estimar la precisin necesaria
b)determinar el tamao de la muestra ms adecuada

Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que considerar
la proporcin correspondiente, que es 0.95. Lo que se buscara en seguida es el valor Z para
la variable aleatoria z tal que el rea simtrica bajo la curva normal desde -Z hasta Z sea
igual a 0.95, es decir, P(-Z<z<Z)=0.95.
Esto quiere decir que P(-1.96<z<1.96)=0.95.

En el caso de que s se conozca el tamao de la poblacin entonces se aplica la siguiente
frmula:
pq Z Ne
pqN Z
n
2 2
2

Donde
n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;


87
N es el tamao de la poblacin;
E es la precisin o el error.
La ventaja sobre la primera frmula es que al conocer exactamente el tamao de la
poblacin, el tamao de la muestra resulta con mayor precisin y se pueden incluso
ahorrarse recursos y tiempo para la aplicacin y desarrollo de una investigacin.
Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior, se desea
realizar una investigacin sobre los alumnos inscritos en primer y segundo aos, para lo cual
se aplicar un cuestionario de manera aleatoria a una muestra, pues los recursos econmicos
y el tiempo para procesar la informacin resultara insuficiente en el caso de aplicrsele a la
poblacin estudiantil completa.
En primera instancia, suponiendo que no se conoce el tamao exacto de la poblacin, pero
con la seguridad de que sta se encuentra cerca a los diez millares, se aplicar la primera
frmula.
Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima
variabilidad por no existir antecedentes en la institucin sobre la investigacin y porque no
se puede aplicar una prueba previa.
Primero habr que obtener el valor de Z de tal forma que la confianza sea del 95%, es decir,
buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las funciones de Excel
se pueden obtener, o viendo (en este caso) el ejemplo anterior, resulta que Z=1.96.
De esta manera se realiza la sustitucin y se obtiene:
16 . 384
0025 . 0
) 25 . 0 )( 8416 . 3 (
) 05 . 0 (
) 50 . 0 )( 50 . 0 ( ) 96 . 1 (
2
2
n
Esto quiere decir que el tamao de la muestra es de 385 alumnos.

Supongamos ahora que s se conoce el tamao de la poblacin estudiantil y es de 9,408,
entonces se aplicar la segunda frmula. Utilizando los mismos parmetros la sustitucin
queda como:
088 . 369
4804 . 24
90354432
) 50 . 0 )( 50 . 0 ( ) 96 . 1 ( ) 05 . 0 )( 9408 (
) 9408 )( 50 . 0 )( 50 . 0 ( ) 96 . 1 (
2 2
2
n



88
Con lo que se tiene una cota mnima de 370 alumnos para la muestra y as poder realizar la
investigacin sin ms costo del necesario, pero con la seguridad de que las condiciones
aceptadas para la generalizacin (confiabilidad, variabilidad y error) se mantienen.
Se desea conocer el nivel de desarrollo psicomotriz de los nios de 1er. Ao de Bsica de
la ciudad de Quito. El Departamento de Planeamiento del MEC, permite conocer que
existen 382 escuelas, de las cuales deber escogerse las escuelas y los nios que con un
95% de confiabilidad y con un 5% de margen de error debern resolver una prueba de
pre-escritura.
a) Se aplica la frmula para establecer la muestra.


) 50 . 0 )( 50 . 0 ( ) 96 . 1 ( ) 05 . 0 )( 382 (
) 382 )( 50 . 0 )( 50 . 0 ( ) 96 . 1 (
2 2
2
n

9154 . 1
8728 . 366
n

192 5385 . 191 n

Deber aplicarse la prueba de pre-escritura a 192 escuelas de la ciudad de Quito.
Muestreo simple al azar
Consiste en seleccionar las unidades muestrales utilizando medios mecnicos de juegos de
azar, ruletas, monedas o la tabla de nmeros aleatorios de Random.
Puede ser con remplazo o sin remplazo. El muestreo en el que cada miembro de la poblacin
puede elegirse ms de una vez, se llama con remplazo y el muestreo sin remplazo es aquel
en el que cada miembro de la poblacin puede elegirse una sola vez.
Muestreo estratificado
Consiste en dividir a la poblacin en subgrupos o estratos y seleccionar una muestra
aleatoria simple dentro de cada uno. En relacin con el muestreo aleatorio simple tiene tres
ventajas:
El costo de recoleccin y anlisis de datos se reduce al dividir los grupos con
elementos similares pero que difieren de grupo a grupo.


89
La varianza del estimador de la media se reduce debido a que la variabilidad dentro
de los estratos es generalmente menor que la variabilidad de la poblacin.
Se obtienen estimadores separados para los parmetros de cada subgrupo o estrato
sin necesidad de seleccionar otra muestra.
La estratificacin es til siempre y cuando se puedan definir con facilidad los estratos y sean
claramente observables. Cuanto mayor sea el nmero de variables estratificadoras menos
satisfactorios sern los resultados de la muestra.
Las etapas para la seleccin de una muestra estratificada son:
Especificacin clara y detallada de cada estrato.
Seleccin de una muestra aleatoria en cada estrato.
Es aconsejable cuando existen claras diferencias en la poblacin que se va a estudiar, por
ejemplo: religin, sexo, nivel socio-econmico, etc., en un poblacin relativamente grande.
Cuando el nmero de elementos que integra cada estrato es diferente, la seleccin de la
muestra debe realizarse de tal manera que el nmero de elementos de cada estrato sea
proporcional al tamao de ste.
Ejemplo: En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D.




Ejemplo: Como los gustos cambian con la edad y se sabe que en el barrio viven 2.500
nios, 7.000 adultos y 500 ancianos, posteriormente se decide elegir la muestra anterior
utilizando un muestreo estratificado. Determinar el tamao muestral correspondiente a cada
estrato.
Para efectuar un muestreo aleatorio estratificado, ser necesario que la muestra refleje
fielmente los estratos existentes en la poblacin; deben considerarse los estratos formados
por: nios, adultos y ancianos.
El tamao muestral de cada estrato deber ser proporcional a la presencia del mismo en la
poblacin original:


90
Poblacin total: 2500 + 7000 + 500 = 10 000.




Muestreo por conglomerados (superficies o reas geogrficas)
Se realiza seleccionando aleatoriamente un conjunto de grupos de elementos muestrales
llamados conglomerados y llevando a cabo un censo completo en cada uno de stos. Es
similar a la muestra estratificada pero en este caso se trata de una estratificacin cartogrfica
o de grupos de elementos que no han sido clasificados previamente.
Esta seleccin se diferencia de la estratificada en que las reas o conglomerados son
intrnsecamente heterogneos, mientras que los estratos tienden a una homogeneidad interna.
Se delimita la poblacin objeto de la investigacin.
Se realiza un levantamiento del plano, croquis o carta en la que se encuentra la
poblacin.
Se divide en zonas, sectores, manzanas, etc. (de acuerdo al tipo de investigacin, a la
clase de poblacin, a las necesidades y a los recursos disponibles).
Se numera separadamente cada una de estas diferentes divisiones y subdivisiones.
Este tipo de muestreo disminuye los costos pero, en ocasiones puede aumentar el error de
muestreo debido a que los elementos de un conglomerado por lo general tienen
caractersticas comunes.
Muestreo sistemtico o en serie
Es un mtodo muy utilizado por ser simple, directo y econmico, requiere ya conocer la
poblacin y la muestra. Su clculo se realiza de la siguiente manera:
Se calcula el intervalo de seleccin, dividiendo el tamao de la poblacin para el
tamao de la muestra, esto es:
n
N
F
F = intervalo de seleccin


91
n = tamao de la muestra
N = poblacin o universo
Se sortea un nmero de uno hasta el que indique el intervalo de seleccin, este
nmero seala el primer elemento escogido.
Se suma este primer nmero al intervalo de seleccin en forma sucesiva hasta llegar
al lmite del universo o cerca de ste.


Ejemplo: Se desea establecer las escuelas de acuerdo al orden en el que se encuentren en el
listado del MEC, a las cuales deber aplicarse la prueba de pre-escritura.
2 98 . 1
192
382
F
Se debe escoger aleatoriamente un nmero entre 1y 2, que en este caso podra ser 1 o 2.
A cualquiera de ambos nmeros que salga se le deber sumar 2 y despus a ese resultado
otros dos y, esas sern las escuelas a cuyos nios se les aplicar la prueba.

Muestreo de etapas mltiples
Cuando el resultado obtenido en la primera muestra no es satisfactorio, decisivo, es
necesario extraer una segunda muestra o ms muestras para proceder al anlisis y tener
verdaderos estimadores.



92















93

Muestreo probabilstico o aleatorio
Este tipo de muestreo, como su nombre lo indica, se basa en el criterio del
investigador; situacin que determina que la muestra no necesariamente tendr
representatividad estadstica, siendo este aspecto uno de los ms cuestionados en este
tipo de muestreo. Las unidades de muestreo no se seleccionan por procedimientos al
azar; se utilizan por razones de costo.
En general, los mtodos no probabilsticos carecen de validez cientfica, adems de
que no tienen una base terica para calcular la escala de error ni la representatividad
de la muestra, por lo tanto siempre es aconsejable utilizar mtodos probabilsticos.
Los principales mtodos de muestreo no probabilstico son:
Muestreo decisional
Los investigadores de campo utilizan su criterio para seleccionar los elementos de una
muestra con base en una definicin clara de la poblacin objetivo.


Ejemplo:
Entrevistar a las personas con capacidad de voto residentes en el sector norte de Carapungo,
para determinar su intencin de voto en los nuevos comicios de Alcalde.


94

Muestreo de cuota

Se hace una clasificacin de la poblacin bajo estudio y se utilizan estas categoras
previamente fijadas para obtener un nmero predeterminado de elementos en cada
categora.

Ejercicio : Se establecen dos categoras: empleados con capacitacin y sin capacitacin
en ventas, para responder a una encuesta a fin de determinar su desempeo y creatividad.

Muestreo basado en expertos

Los elementos se eligen con base en la opinin de personas con autoridad y
suficientemente informadas acerca de la poblacin bajo estudio.

Ejercicio:
El Gerente Zonal del Banco del Pichincha de cada uno de los sectores en los que se
encuentra las agencias en la ciudad de Quito puede sugerir el nombre de quienes
participarn en la capacitacin sobre crditos y cobranzas.

Muestreos casuales o fciles de estudiar
Este mtodo consiste en investigar a cualquier grupo de personas que son de fcil acceso o
que acuden a un lugar.
Ejercicio: Los profesores de Universidad emplean con mucha frecuencia a sus propios
alumnos como muestra, es decir, seleccionan directa e intencionadamente los individuos de
la poblacin que es de inters del investigador, por su disponibilidad.







95




OBJ ETIVOS

1. Establecer los requisitos para realizar un adecuado muestreo.

2. Conocer las formas de calcular y seleccionar la muestra.


ACTIVI DADES

1. De una poblacin total de 631.325 personas como potenciales turistas, determine tamao
de muestra al 90%, 95% y 99% de confianza.

2. De la poblacin total de la Universidad Tecnolgica Indoamrica sede Quito, escoja al
90%, 95% y 99% de confianza los estudiantes a los cuales se les aplicara una encuesta
sobre control de calidad en la educacin universitaria.

3. Plantee un problema a investigar, definiendo las variables independientes y
dependientes, realice la propuesta de los criterios que aplicara para seleccionar la
muestra.









ACTIVI DADES DE APLICACIN No. 5


96




97




98