Estadistica PDF

1
1.1
Organizacin y presentacin de
datos
Trminos
estadsticos
Estadstica: Es la ciencia que proporciona un conjunto e mtodos que se utilizan para recolectar, resumir, clasificar
e interpretar el comportamiento de los datos con respecto a una caracterstica materia de estudio o investigacin. En primera instancia se encarga de obtener informacin, describirla y luego utiliza esta informacin
para predecir algo respecto a la fuente de informacin.
La estadstica descriptiva: Es el conjunto de mtodos que implican la recoleccin, presentacin y caracterizacin de
un conjunto de datos a fin de describir en forma apropiada las diversas caractersticas de sta, es decir, un
estudio estadstico se considera descriptivo cuando solo se analiza y describe los datos.
Estadstica inferencial: Luego de describir, el segundo aspecto de la definicin de la estadstica es: predecir algo con
respecto a la fuente de informacin, es lo que constituye la estadstica inferencia que es el conjunto de tcnicas
que posibilitan la generalizacin o toma de decisiones en base a una informacin parcial obtenida mediante
tcnicas descriptivas.
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la poblacin ser el
total de las viviendas de dicha ciudad.
Muestra: Subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad,
lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja),
sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo. El
proceso y/o tcnica de obtencin de la muestra a partir de la poblacin se denomina muestreo.
Unidad de anlisis: Cualquier elemento que porte informacin sobre el fenmeno que se estudia. As, si estudiamos
la altura de los nios de una clase, cada alumno es una unidad de anlisis; si estudiamos el precio de la vivienda,
cada vivienda es una unidad de anlisis.
Variable: Es una caracterstica que puede tomar varios valores. Las variables son caractersticas observables, susceptibles a tomar distintos valores o ser expresados en varias categoras. Variable es un aspecto especfico de la
realidad referido a la unidad de anlisis y que puede ser susceptible a ser medido o cuantificado, adquiere un
valor determinado en cada unidad de anlisis
Dato: Es el valor o respuesta que adquiere la variable en cada unidad de anlisis. Dato es el resultado de la observacin, entrevista o recopilacin en general, ellos son la materia prima de la estadstica
Organizacin y presentacin de datos
1.2
1.2.1
Presentacin de datos
Tabla de distribucin de frecuencias sin intervalos.
Sean x1 , x2 , , xn las n observaciones (datos) correspondientes a una variable cuantitativa X. Si el nmero de valores
diferentes que asumen estos datos es muy pequeo en relacin al nmero de datos, los agruparemos en una tabla
de distribucin de frecuencias sin intervalos. Sean y1 , y2 , , ym los valores diferentes que asumen estos datos donde
y1 < y2 < < ym , entonces la tabla de distribucin de frecuencias sin intervalos ser:
i
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
y1
n1
N1
N1
h1
H1
H1
100h1
100H1
100H1
y2
n2
N2
N2
h2
H2
H2
100h2
100H2
100H2
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
ym
nm
Nm
Nm
hm
Hm
Hm
100hm
100Hm
100Hm
100
Para disear la tabla anterior se debe tener en cuenta los siguientes pasos
De los datos x1 , x2 , , xn , separar a los valores diferentes.
Ordenar los valores diferentes y1 , y2 , , ym .
Contar cuantos datos son iguales a cada valor diferente yi .
A continuacin definimos las expresiones que estn en la tabla anterior.
Definicin 1.1 (Frecuencias absolutas)
1
La frecuencia absoluta simple ni correspondiente al valor yi es el nmero de observaciones que son iguales a yi .
La frecuencia absoluta acumulada menor que Ni correspondiente al valor yi es el nmero de observaciones

que son menores o iguales a yi .
La frecuencia absoluta acumulada mayor que Ni correspondiente al valor yi es el nmero de observaciones

que son mayores o iguales a yi .
Definicin 1.2 (Frecuencias relativas)

1
La frecuencia relativa simple hi correspondiente al valor yi es la proporcin, con respecto del total, del nmero
de observaciones que son iguales a yi .
La frecuencia relativa acumulada menor que Hi correspondiente al valor yi es la proporcin, con respecto del
total, del nmero de observaciones que son menores o iguales a yi .
La frecuencia relativa acumulada mayor que Hi correspondiente al valor yi es la proporcin, con respecto del
total, del nmero de observaciones que son mayores o iguales a yi .
Definicin 1.3 (Frecuencias porcentuales)

1
La frecuencia porcentual simple 100hi correspondiente al valor yi es el porcentaje de observaciones que son
iguales a yi .
La frecuencia porcentual acumulada menor que 100Hi correspondiente al valor yi es el porcentaje de observaciones que son menores o iguales a yi .
La frecuencia porcentual acumulada mayor que 100Hi correspondiente al valor yi es el porcentaje de observaciones que son mayores o iguales a yi .
Propiedades de las frecuencias:

1. Para cada i = 1, 2, , m: ni es un nmero entero y positivo pero inferior al nmero total de datos.
2. Para cada i = 1, 2, , m: Ni es un nmero entero y positivo.
3. Para cada i = 1, 2, , m: Ni es un nmero entero y positivo.
4. Por definicin para cada i = 1, 2, , m tenemos Ni = n1 + n2 + + ni , de donde
N1 = n1 ,
N2 = n1 + n2 = N1 + n2 ,
N3 = n1 + n2 + n3 = N2 + n3 ,
..
.
.
Nm = n1 + n2 + + nm = n.
Por lo tanto: n1 = N1 < N2 < N3 < < Nm = n.
5. Por definicin para cada i = 1, 2, , m tenemos Ni = ni + ni+1 + + nm , de donde

N1 = n1 + n2 + + nm = n,
N2 = n2 + n3 + + nm ,
N3 = n3 + n4 + + nm ,
..
.
.
Nm = nm .
Por lo tanto: n = N1 > N2 > N3 > > Nm = nm .
6. De la definicin resultan hi =
ni
,
n
Hi =
Ni
n
Hi =
Ni
n
7. Para cada i = 1, 2, , m: 0 < hi < 1, 0 < Hi 1, 0 < Hi 1.

8. Por definicin para cada i = 1, 2, , m tenemos Hi = h1 + h2 + + hi , de donde
H1 = h1 , H2 = h1 + h2 ,
H3 = h1 + h2 + h3 , , Hm = h1 + h2 + + hm = 1.
Por lo tanto: h1 = H1 < H2 < H3 < < Hm = 1.

9. Por definicin para cada i = 1, 2, , m tenemos Hi = hi + hi+1 + + hm , de donde
H1 = h1 + h2 + + hm = 1,
H2 = h2 + h3 + + hm , H3 = h3 + h4 + + hm , ,
Hm = hm .
Por lo tanto: 1 = H1 > H2 > H3 > > Hm = hm .

10. Por definicin para cada i = 1, 2, , m tenemos 100Hi = 100h1 + 100h2 + + 100hi , de donde
100H1 = 100h1 , 100H2 = 100h1 + 100h2 ,
, 100Hm = 100h1 + 100h2 + + 100hm = 100.
Por lo tanto: 100h1 = 100H1 < 100H2 < 100H3 < < 100Hm = 100.
11. Por definicin para cada i = 1, 2, , m tenemos 100Hi = 100hi + 100hi+1 + + 100hm , de donde
100H1 = 100h1 + 100h2 + + 100hm = 100, 100H2 = 100h2 + 100h3 + + 100hm , , 100Hm = 100hm .
Por lo tanto: 100 = 100H1 > 100H2 > 100H3 > > 100Hm = 100hm .
3
Ejemplo 1.1
Sean los 50 datos correspondientes a una variable cuantitativa
20
20
20
20
20
20
22
22
22
22
22
22
22
23
23
23
23
23
23
23
23
23
23
23
25
25
25
25
25
25
25
25
25
25
25
25
25
27
27
27
27
27
27
27
27
27
27
30
30
30
Los valores diferentes de los datos son y1 = 20, y2 = 22, y3 = 23, y4 = 25, y5 = 27 y y6 = 30; agrupamos estos datos en
una tabla de distribucin de frecuencias sin intervalos
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
20
50
0.12
0.12
12
12
100
22
13
44
0.14
0.26
0.88
14
26
88
23
11
24
37
0.22
0.48
0.74
22
48
74
25
13
37
26
0.26
0.74
0.52
26
74
52
27
10
47
13
0.20
0.94
0.26
20
94
26
30
50
0.06
0.06
100
50
100
Las frecuencias absolutas ni , Ni y Ni representan nmero de datos; las frecuencias relativas hi , Hi y Hi representan proporcin de datos y las frecuencias porcentuales 100hi , 100Hi y 100Hi representan porcentaje de datos. Interpretemos
algunas frecuencia que estn en la tabla anterior.
n3 = 11: Significa que 11 datos son iguales a 23.
n6 = 3: Significa que 3 datos son iguales a 30.
n3 + n4 = 24: Significa que 24 datos son iguales como mnimo a 23 y como mximo a 25 (esto no significa que
uno de ellos es igual a 24, menos, que la mitad son iguales a 23 y la otra mitad iguales a 25).
N3 = 24: Significa que 24 datos son iguales como mnimo a 20 y como mximo 23.
N3 = 37: Significa que 37 datos son iguales como mnimo a 23 y como mximo 30.
1
h5 = 0.20 = : Significa que 1 de cada 5 datos son iguales a 27.
5
h1 = 0.12 =
3
: Significa que 3 de cada 25 datos son iguales a 20.
25
H3 = 0.48 =
12
: Significa que 12 de cada 25 datos son iguales como mnimo a 20 y como mximo a 23.
25
H4 = 0.52 =
13
: Significa que 13 de cada 25 datos son iguales como mnimo a 25 y como mximo a 30.
25
100h5 = 20: Significa que el 20% de los datos son iguales a 27.
100h1 = 12: Significa que el 12% de los datos son iguales a 20.
100H3 = 48: Significa que el 48% de los datos son iguales como mnimo a 20 y como mximo a 23.
100H4 = 52: Significa que el 52% de los datos son iguales como mnimo a 25 y como mximo a 30.
A continuacin presentamos los diagramas de barras o diagramas de bastones de las frecuencias simples correspondientes a la tabla anterior
DIAGRAMA DE BARRAS DE FRECUENCIAS
ABSOLUTAS SIMPLES
ni
Nmero
de datos

RELATIVAS SIMPLES
TITULO :(Debe ser el mismos ttulo de la tabla)
hi
13
0,26
11
10
0,22
0,20
7
6
0,14
0,12
0,06
Proporcin TITULO :(Debe ser el mismos ttulo de la tabla)

de datos
Valores
diferentes
de datos
20
22 23
25
27
Valores
diferentes
de datos
30
20
22 23
25
27
30
Si diseamos el diagrama de barras de las frecuencias absolutas simples (ni ), stas se disponen sobre el eje vertical (si
dos frecuencias absolutas simples son iguales, solo se debe escribir una) y los valores diferentes de los datos sobre el
eje horizontal, sobre cada valor que est en el eje horizontal dibujamos una barra vertical cuya altura debe ser igual
a la frecuencia absoluta simple que le corresponde, tal como se aprecia en el siguiente diagrama sobre 20 una barra
de altura 6, sobre 22 una barra de altura 7, sobre 27 una barra de altura 10, etc.
Para disear los diagramas de barras de otras frecuencias solo debemos cambiar los nmeros del eje vertical con las
respectivas frecuencias cuyo diagrama se va elaborar.
PORCENTUALES SIMPLES
100hi
Porcentaje
TITULO :(Debe ser el mismos ttulo de la tabla)
de datos
0,26
0,22
0.20
0,14
0,12
0,06
Valores
diferentes
de datos
20
22 23
25
27
30
1.2.1.1
Tabla de distribucin de frecuencias para datos de variable cualitativa.
Si los datos x1 , x2 , , xn
corresponden a una variable cualitativa X y los valores diferentes que asumen estos datos son
Caracterstica1, Caracterstica2, , Caractersticam;
que no son nmeros entonces la tabla de distribucin de frecuencias ser:
i
Caractersticas
ni
hi
100hi %
Caracterstica1
n1
h1
100h1
Caracterstica2
n2
h2
100h2
..
.
..
.
..
.
..
.
..
.
Caractersticam
nm
hm
100hm
100%
aqu:
La frecuencia absoluta simple ni es el nmero de observaciones que son iguales a la i sima caracterstica.
La frecuencia relativa simple hi es la proporcin de observaciones que son iguales a la i sima caracterstica.
La frecuencia porcentual simple 100hi es el porcentaje de observaciones que son iguales a la i sima caracterstica.
En este tipo de tablas no figuran las frecuencias acumuladas pues no representan nada, y para elaborar su diagrama
de barras de las frecuencias se procede del mismo modo que para variables cuantitativas.
Ejemplo 1.2
Sean los datos correspondientes a las nacionalidades de los 40 participantes del Tercer Seminario Internacional de
Fsica Cuntica
P
Br
Br
Br
Br
Br
Br
Br
Ru
Ru
Ru
Ru
Ru
Ru,
donde P: Peruano, B: Boliviano, Br: Brasileo, E: Espaol, F: Francs y Ru: Ruso, la tabla de distribucin de frecuencias
para estos datos es
Nacionalidad
ni
hi
100hi
Peruano
0,150
15
Boliviano
0,175
17,5
Brasileo
0,175
17,5
Espaol
0,225
22,5
Francs
0,125
12,5
Ruso
0,150
15
40
100
Ejemplo 1.2 (Continuacin).

y los diagramas de barras de las frecuencias simples son
ABSOLUTAS SIMPLES
ni
Nmero de
participantes

RELATIVAS SIMPLES
hi
TITULO :Participantes del Tercer Seminario

Internacional de Fsica Cuntica
segn nacionalidades
0,225
7
6
0,175
0,15
0,125
Proporcin de
participantes

segn nacionalidades
ru
e
P
ru
a
liv no
B ia
ra n
s o
i
E le
s
p o
F a
ra o
n l
c
e
R s
u
s
o
Nacionalidades
a
liv no
i
ra an
s o
ile
E
s o
p
F a
ra o
n l
c
e
R s
u
s
o
Nacionalidades

PORCENTUALES SIMPLES
100hi
Porcentaje de
participantes

segn nacionalidades
22,5
17,5
15
12,5
e
P
1.2.2
ru
a
liv no
B ia
ra n
s o
i
E le
s
p o
F a
ra o
n l
c
e
R s
u
s
o
Nacionalidades
Tabla de distribucin de frecuencias con intervalos.
Sean x1 , x2 , , xn las n observaciones (datos) correspondientes a una variable cuantitativa X. Si el nmero de valores
diferentes que asumen estos datos no es muy pequeo en relacin al nmero de datos, entonces los agruparemos
en una tabla de distribucin de frecuencias con intervalos (tambin llamados clases) todos ellos posiblemente de la
misma amplitud (longitud) y del tipo [y0i1 ; y0i i a excepcin del primero y el ltimo que tendrn formas particulares
de acuerdo a la ampliacin del recorrido de la variable. A continuacin presentamos los
1.2.2.1
Pasos para la elaboracin de una tabla de distribucin de frecuencias con intervalos:
Hallar el mnimo y mximo: El mnimo y mximo valor de los datos son definidos respectivamente por:
xmn = min{x1 , x2 , , xn }
y xmx = max{x1 , x2 , , xn }.
Es obvio que xmn < xmx , por tanto xmx xmn > 0
7
Hallar el rango y su amplitud: El intervalo [xmn ; xmx ] es el rango o recorrido de la variable, y contiene a
todos los datos; su longitud
` = xmx xmn
es denominado amplitud del recorrido de la variable.
Hallar la amplitud de cada intervalo: Si m representa el nmero de intervalos que tendra la tabla, entonces la
amplitud de cada subintervalo es
c=
`
m
Presentar los intervalos: El rango queda dividido en m intervalos y son

[y00 ; y01 i , [y01 ; y02 i , , [y0i1 ; y0i i , , [y0m1 ; y0m ],
donde y00 = xmn ;
y01 = y00 + c; y02 = y01 + c; ; y0m = xmx
y1
y 0
y2
y 1
yi
y 2
ym
y i-1
y i
y m-1
y m
Definicin 1.4
y0i1 + y0i
, representa a todos los datos que estn en
2
esta clase y es utilizado para el clculo de algunos estadgrafos como la media aritmtica, desviacin tpica, etc.
La marca de clase del intervalo [y0i1 ; y0i i es su punto medio yi =
Luego de culminar con el paso 4, la tabla tendr la siguiente forma

i
[y0i1 y0i i
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
[y00 y01 i
y1
n1
N1
N1
h1
H1
H1
100h1
100H1
100H1
[y01 y02 i
y2
n2
N2
N2
h2
H2
H2
100h2
100H2
100H2
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
[y0m1 y0m ]
ym
nm
Nm
Nm
hm
Hm
Hm
100hm
100Hm
100Hm
100
A continuacin definimos las expresiones que estn en la tabla anterior.
Definicin 1.5
1
La frecuencia absoluta simple ni correspondiente a la clase [y0i1 y0i i es el nmero de observaciones que estn
en esta clase.
La frecuencia absoluta acumulada menor que Ni correspondiente a la clase [y0i1 y0i i es el nmero de observaciones que estn en esta clase y las anteriores a ella.
La frecuencia absoluta acumulada mayor que Ni correspondiente a la clase [y0i1 y0i i es el nmero de observaciones que estn en esta clase y las posteriores a ella.
Definicin 1.6
1
La frecuencia relativa simple hi correspondiente a la clase [y0i1 y0i i es la proporcin, con respecto del total, del
nmero de observaciones que estn en esta clase.
La frecuencia relativa acumulada menor que Hi correspondiente a la clase [y0i1 y0i i es la proporcin, con
respecto del total, del nmero de observaciones que estn en esta clase y las anteriores a ella.
La frecuencia relativa acumulada mayor que Hi correspondiente a la clase [y0i1 y0i i es la proporcin, con
respecto del total, del nmero de observaciones que estn en esta clase y las posteriores a ella.
Definicin 1.7
1
La frecuencia porcentual simple 100hi correspondiente a la clase [y0i1 y0i i es el porcentaje de observaciones que
estn en esta clase.
La frecuencia porcentual acumulada menor que 100Hi correspondiente a la clase [y0i1 y0i i es el porcentaje de
observaciones que estn en esta clase y las anteriores a ella.
La frecuencia porcentual acumulada mayor que 100Hi correspondiente a la clase [y0i1 y0i i es el porcentaje
de observaciones que estn en esta clase y las posteriores a ella.
Observaciones:
1
Las frecuencias cumplen las mismas propiedades de las frecuencias para tablas de distribucin sin intervalos.
Una de las frecuencias absolutas simples puede ser igual a cero.
Una observacin xi pertenece solo a un intervalo y no puede estar en dos intervalos a la vez.
Como elegir el nmero de intervalos:

El valor de m, que representa el nmero de intervalos que tiene la tabla, se puede determinar de varias maneras
Un nmero entero arbitrario m tal que 5 m 16. Cuanto mayor sea el nmero de intervalos, los estadgrafos
calculados a partir de la tabla, son ms prximos al valor que se calculara si los datos no estuvieran agrupados.
Un mtodo muy utilizado consiste en la aplicacin de la Regla de Sturges1 : m = 1 + 3.3 log n, el valor de m no es
siempre entero, entonces hay necesidad de elegir un entero ms prximo a este valor.
De acuerdo a la clasificacin que requiera la variable o la forma en que se ha venido presentando la informacin
Algunos utilizan un procedimiento, no muy recomendado, calculando m mediante la frmula m =
1 La
n.
regla de Sturges, propuesta por Herbert Sturges en 1926, es una regla prctica acerca del nmero de clases que deben considerar al elabo-
rarse un histograma. Este nmero viene dado por la siguiente expresin: m = 1 + log2 N, donde N es el tamao de la muestra que puede pasarse a
logaritmo base 10 de la siguiente forma m = 1 + 3.3 log N: El valor de m (nmero de clases) es comn redondearlo al entero ms cercano. FUENTE:
http://es.wikipedia.org/
1.2.2.2
Eleccin del nmero de intervalos con la Regla de Sturges:
Si x1 , x2 , , xn son los n datos de una variable
cuantitativa
1
Halle xmn y xmx , entonces ` = xmx xmn es la amplitud del rango de la variable
Segn la Regla de Sturges el nmero de intervalos a considerarse se calcula con m = 1 + 3.3 log n, dado que este
nmero no siempre resulta entero, elegimos como el nmero de intervalo a uno de los enteros prximos a m.
`
, este valor de c
m0
0
0
0
0
debe ser redondeado por exceso a c , el valor ampliado de ` es ` = c m y el error de ampliacin es e = `0 `.
Si m es redondeado por defecto a m0 , entonces la amplitud de cada subintervalo ser c =
`
, este valor de c
m0
0
0
0
0
debe ser redondeado por exceso a c , el valor ampliado de ` es ` = c m y el error de ampliacin es e = `0 `.
Si m es redondeado por exceso a m0 , entonces la amplitud de cada subintervalo ser c =
Entonces elegimos como nmero de intervalos a aquel valor redondeado de m que genera el menor error
de ampliacin; pero si en ambos casos tenemos el mismo error de ampliacin el nmero de intervalos ser
el valor redondeado por exceso de m.
3
Con los redondeos ampliamos los valores mximo y mnimo de los datos del siguiente modo

e1
e+1
0
0
Si e es impar xmn = xmn
y xmx = xmx +
2
2
e
e
0
0
Si e es par xmn
= xmn y xmx
= xmx +
2
2
Los intervalos que estarn en la tabla son
hy00 ; y01 i , [y01 ; y02 i , , [y0i1 ; y0i i , , [y0m1 ; y0m i,
0
donde y00 = xmn
;
y01 = y00 + c; y02 = y01 + c;
[y00 ; y01 i , [y01 ; y02 i , , [y0i1 ; y0i i , , [y0m1 ; y0m i,
0
; y0m = xmx
Ejemplo 1.3
Sean los datos x1 , x2 , , xn con n = 200, xmn = 325 y xmx = 986.
En este caso tenemos ` = 986 325 = 661, m = 1 + 3.3 log 200 = 8.59 . . .
661
`
=
= 82.625, de donde c0 = 83. El rango ampliado es `0 = m0 c0 = (8)(83) = 664 y el
m0
8
error de ampliacin es e = `0 ` = 664 661 = 3
Si m0 = 8, entonces c =
`
661
= 73.44 . . ., de donde c0 = 74. El rango ampliado es `0 = m0 c0 = (9)(74) = 666 y
=
0
m
9
el error de ampliacin es e = `0 ` = 666 661 = 5
El redondeo por defecto m0 = 8 origina el menor error e = 3 lo cual indica que la tabla de distribucin tendr 8
intervalos todos ellos de amplitud 83,
los valores ampliados del mximo y mnimo son

e1
31
0
xmn = xmn
= 325
= 324
2
2

e+1
3+1
0
xmx = xmx +
= 986 +
= 988
2
2
y los intervalos sern:
h324 407i ,
[656 739i ,
10
[407 490i ,
[739 822i ,
[490 573i ,
[822 905i ,
[573 656i ,
[905 988i
Ejemplo 1.4
En este caso tenemos ` = 725 325 = 400, m = 1 + 3.3 log 100 = 7.6
`
400
=
= 57, 14 . . ., de donde c0 = 58. El rango ampliado es `0 = m0 c0 = (7)(58) = 406 y
m0
7
el error de ampliacin es e = `0 ` = 406 400 = 6
`
400
=
= 50, de donde c0 = 50. El rango ampliado es `0 = m0 c0 = (8)(50) = 406 y el error
m0
8
de ampliacin es e = `0 ` = 400 400 = 0
El redondeo por exceso m0 = 8 origina el menor error e = 0 lo cual indica que la tabla de distribucin tendr 8 intervalos todos ellos de amplitud 50, los valores ampliados del mximo y mnimo son
0
e
0
xmn
= xmn = 325 = 325
2
2
e
0
0
y xmx
= xmx + = 725 + = 725
2
2
y los intervalos sern
[325 375i ,
[375 425i ,
[525 575i ,
[425 475i ,
[575 625i ,
[475 525i ,
[625 675i ,
[675 725]
Ejemplo 1.5
En este caso tenemos ` = 359 80 = 279, m = 1 + 3.3 log 80 = 7.28 . . .
279
`
=
= 39.8 . . ., de donde c0 = 40. El rango ampliado es `0 = m0 c0 = (7)(40) = 280 y el
0
m
7
`
279
=
= 34.875, de donde c0 = 35. El rango ampliado es `0 = m0 c0 = (8)(35) = 280 y el
m0
8
En ambos casos obtenemos el mismo error e = 1, elegimos la mayor cantidad de intervalos, lo cual indica que la tabla
de distribucin tendr8 intervalos
todos
ellos de amplitud 35, los valores ampliados del mximo y mnimo son

e
1
1
1
0
xmn
= xmn
= 80
= 80
2
2

e+1
1+1
0
xmx = xmx +
= 359 +
= 360
2
2
y los intervalos sern
[80 115i ,
[115 150i ,
[220 255i ,
[150 185i ,
[255 290i ,
[185 220i ,
[290 325i ,
[325 360i
11
1.2.3
Elaboracin de histogramas y polgonos de frecuencia
En estadstica, un histograma es una representacin grfica de una variable en forma de barras, donde la superficie
de cada barra es proporcional a la frecuencia de los valores representados. En el eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables, normalmente sealando las clases y las marcas de clase.
En trminos matemticos, puede ser definida como una funcin inyectiva (o mapeo) que acumula (cuenta) las observaciones que pertenecen a cada subintervalo de una particin. El histograma, como es tradicionalmente entendido,
no es ms que la representacin grfica de dicha funcin. Se utiliza cuando los datos de una variable se agrupan en
intervalos
Pasos para la elaboracin de histogramas de frecuencias En esta parte enunciamos los pasos para la elaboracin
de histogramas para datos agrupados en una tabla de distribucin de frecuencia con intervalos todos ellos de la
misma amplitud, cada uno de los tipos de frecuencia tienen su propio histograma, decir para una tabla en total son 9
histogramas
1
Tener lista la tabla de distribucin de frecuencia con intervalos.
Dibujar los ejes cartesianos, uno horizontal y el otro vertical.
Sobre el eje horizontal representar todos los intervalos y sus respectivas marcas de clase que aparecen en la
tabla. Estos tres primeros pasos son los mismos que se han de seguir cuando se elaboren los 9 histogramas que
se va elaborar a partir de la tabla.
Sobre el eje vertical representar las frecuencias (si por ejemplo se esta diseando el histograma de frecuencias
absolutas simples ni entonces sobre el eje vertical sealamos los puntos que corresponden a estas frecuencias,
si es que hubieran dos de ellas iguales en el grfico solo se presenta una).
Sobre cada intervalo dibujar un rectngulo cuyas altura debe ser igual a la frecuencia que le corresponde a
dicho intervalo.
Elaboracin de polgonos de frecuencias y ojivas

1
Para histogramas de frecuencias simples: Ubicar los puntos medio de las bases superiores de cada rectngulo y
unirlas consecutivamente con segmentos de recta obtenindose una poligonal, en el eje horizontal a la izquierda
del mnimo ubicar el punto que est a la distancia c/2, luego unirla al primer punto de la poligonal anterior,
finalmente en el eje horizontal a la derecha del mximo ubicar el punto que est a la distancia c/2, luego unirla
al ltimo punto de la poligonal anterior obtenindose as el polgono de frecuencias
Para histogramas de frecuencias acumuladas menor que: Ubicar los extremos derechos de las bases superiores
de cada rectngulo, luego unirlas consecutivamente con segmentos de recta obtenindose una poligonal, finalmente en el eje horizontal ubicar el mnimo, luego unirla al primer punto de la poligonal anterior obtenindose
as la ojiva menor que.
Para histogramas de frecuencias acumuladas mayor que: Ubicar los extremos izquierdos de las bases superiores
de cada rectngulo, luego unirlas consecutivamente con segmentos de recta obtenindose una poligonal, finalmente en el eje horizontal ubicar el mximo, luego unirla al ltimo punto de la poligonal anterior obtenindose
as la ojiva mayor que.
12
Ejemplo 1.6
La siguiente tabla corresponde a los salarios semanales en nuevos soles de todos los trabajadores de la constructora
NEXT durante el ao 2011.
Trabajadores de la constructora NEXT segn salarios semanales durante el ao 2011.
i
Salarios(S/.)
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
[ 80 110i
95
50
0,10
0,10
10
10
100
[110 140i
125
14
45
0,18
0,28
0,90
18
28
90
[140 170i
155
14
28
36
0,28
0,56
0,72
28
56
72
[170 200i
185
34
22
0,12
0,68
0,44
12
68
44
[200 230i
215
10
44
16
0,20
0,88
0,32
20
88
32
[230 260]
245
50
0,12
0,12
12
100
12
50
100
FUENTE: Oficina de personal de la constructora NEXT.
Vemos que la constructora NEXT posee 50 trabajadores, el salario mnimo y mximo es de 80 y 260 nuevos soles respectivamente. Las frecuencias ni , Ni y Ni representan nmero de trabajadores; hi , Hi y Hi proporcin de trabajadores;
100hi , 100Hi y 100Hi porcentaje de trabajadores, interpretemos algunas de ellas
1
n3 = 14: Significa que 14 trabajadores de la constructora NEXT tienen salarios semanales mayores o iguales a
S/. 140 y menores a S/. 170.
n4 + n5 = 16: Significa que 16 trabajadores de la constructora NEXT tienen salarios semanales mayores o iguales
a S/. 170 y menores a S/. 230.
N4 = 34: Significa que 34 trabajadores de la constructora NEXT tienen salarios semanales mayores o iguales a
S/. 80 y menores a S/. 200.
N3 = 36: Significa que 36 trabajadores de la constructora NEXT tienen salarios semanales mayores o iguales a
S/. 140 y menores o iguales a S/. 260.
1
h5 = 0, 20 = : Significa que 1 de cada 5 trabajadores de la constructora NEXT tienen salarios semanales mayores
5
o iguales a S/. 200 y menores a S/. 230.
7
: Significa que 7 de cada 25 trabajadores de la constructora NEXT tienen salarios semanales
25
mayores o iguales a S/. 80 y menores a S/. 140.
H2 = 0, 28 =
8
: Significa que 8 de cada 25 trabajadores de la constructora NEXT tienen salarios semanales
25
mayores o iguales a S/. 200 y menores o iguales a S/. 260.
H5 = 0, 32 =
100h4 = 12: Significa que el 12% de los trabajadores de la constructora NEXT tienen salarios semanales mayores
100H3 = 56: Significa que el 56% de los trabajadores de la constructora NEXT tienen salarios semanales mayores
10
100H4 = 44: Significa que el 44% de los trabajadores de la constructora NEXT tienen salarios semanales mayores
o iguales a S/. 170 y menores o iguales a S/. 260.
13
A continuacin elaboramos los 9 histogramas que corresponden a la tabla anterior, en ellas adjuntamos los polgonos
de frecuencias y las ojivas.
HISTOGRAMA DE FRECUENCIAS ABSOLUTAS SIMPLES
ni
TRABAJADORES DE LA CONSTRUCTORA NEXT SEGN

SALARIOS SEMANALES DURANTE EL AO 2011
Nmero de
trabajadores
14
Polgono de frecuencias
10
9
6
5
Salarios
(S/.)
semanales
65
80
110
140
170
200
230
260
275
FUENTE: Oficina de personal de la constructora NEXT
HISTOGRAMA DE FRECUENCIAS ABSOLUTAS ACUMULADAS MAYOR QUE
HISTOGRAMA DE FRECUENCIAS ABSOLUTAS ACUMULADAS MENOR QUE
Ni
Nmero de
trabajadores

N*i
50
50
44
45
Nmero de
trabajadores

OJIVA mayor que
OJIVA menor que
36
34
28
22
16
14
Salarios
(S/.)
semanales
80
110
140
170
200
230
Salarios
(S/.)
semanales
260
80
110
140
170
200
HISTOGRAMA DE FRECUENCIAS RELATIVAS SIMPLES
hi
Proporcin de
trabajadores

0,28
0,20
0,18
0,12
0,10
Salarios
(S/.)
semanales
65
80
110
140
170
200
14
230
260
275
230
260
HISTOGRAMA DE FRECUENCIAS RELATIVAS ACUMULADAS MAYOR QUE
HISTOGRAMA DE FRECUENCIAS RELATIVAS ACUMULADAS MENOR QUE
Hi
Proporcin de
trabajadores

H*i
0,88
0,90
Proporcin de
trabajadores

OJIVA mayor que
OJIVA menor que
0,72
0,68
0,56
0,44
0,32
0,28
0,10
Salarios
(S/.)
semanales
80
110
140
170
200
230
0,12
Salarios
(S/.)
semanales
260
80
110
140
170
200
230
260
HISTOGRAMA DE FRECUENCIAS PORCENTUALES SIMPLES

Porcentaje de
100hi trabajadores

28
20
18
12
10
Salarios
(S/.)
semanales
65
80
110
140
170
200
230
260
275
HISTOGRAMA DE FRECUENCIAS PORCENTUALES ACUMULADAS MAYOR QUE
HISTOGRAMA DE FRECUENCIAS PORCENTUALES ACUMULADAS MENOR QUE
100Hi
Porcentaje de
trabajadores

100H*i
100
100
88
90
Porcentaje de
trabajadores

OJIVA mayor que
OJIVA menor que
72
68
56
44
32
28
10
Salarios
(S/.)
semanales
80
110
140
170
200
230
260
12
Salarios
(S/.)
semanales
80
110
140
170
200
230
260
15
Distribuciones Simtricas: Una tabla de distribucin de frecuencias, con o sin intervalos, se dice que es simtrica
m
con respecto a la frecuencia absoluta simple si ni = nmi+1 para cada i .
2
Observaciones:
1
Si una tabla de distribucin de frecuencias, con o sin intervalos, es simtrica con respecto a la frecuencia absoluta
simple, entonces es simtrica con respecto a la frecuencia relativa simple y la frecuencia porcentual simple.
Sea una tabla de distribucin de frecuencias, con o sin intervalos, con m = 7; para que sea simtrica con respecto
a la frecuencia absoluta simple debe verificarse n1 = n7 , n2 = n6 y n3 = n5 .
a la frecuencia absoluta simple debe verificarse n1 = n6 , n2 = n5 y n3 = n4 .
a la frecuencia absoluta simple debe verificarse n1 = n9 , n2 = n8 , n3 = n7 y n4 = n6 .
a la frecuencia absoluta simple debe verificarse n1 = n8 , n2 = n7 , n3 = n6 y n4 = n5 .
Ejemplo 1.7
Presentamos
algunas
i
yi
tablas
de
distribucin
simtricas
ni
con
y1
n1
y2
n2
n4
y3
n3
n1 = n7
n3
y4
n4
n2 = n6
n2
y5
n5
n3 = n5
y6
n6
y7
n7
[y0i1 y0i i
yi
ni
n1=n7
n2=n6
n3=n5
y2
y3
y4
y5
y6
y7
HISTOORAMA DE FRECUENCIAS ABSOLUTAS SIMPLES
ni
y1
n1
[y01 y02 i
y2
n2
[y02 y03 i
y3
n3
n1 = n7
n3
[y03 y04 i
y4
n4
n2 = n6
n2
[y04 y05 i
[y05 y06 i
[y06 y07 ]
y5
n5
n3 = n5
y6
n6
y7
n7
n
16
frecuencias
Nmero
de datos
y1
[y00 y01 i
sus
n1
DIAGRAMA DE BARRAS DE FRECUENCIAS ABSOLUTAS SIMPLES
ni
n
i
respecto
Nmero
de datos
n1=n7
n2=n6
n3=n5
n4
n1
y0
y1
y2
y3
y4
y5
y6
y7
simples.
yi
ni
y1
n1
ni
y2
n2
n4
y3
n3
n1 = n8
y4
n4
n2 = n7
y5
n5
n3 = n6
y6
n6
n4 = n5
y7
n7
y8
n8
DIAGRAMA DE BARRAS DE FRECUENCIAS ABSOLUTAS SIMPLES

Nmero
de datos
n1=n8
n2=n7
n3=n6
n4=n5
n2
n3
n1
y1 y2
y3
y4 y5
y6 y7
y8
n
i
[y0i1 y0i i
yi
ni
[y00 y01 i
[y01 y02 i
[y02 y03 i
[y03 y04 i
[y04 y05 i
[y05 y06 i
[y06 y07 i
[y07 y08 ]
y1
n1
ni
y2
n2
n4
y3
n3
n1 = n8
y4
n4
n2 = n7
y5
n5
n3 = n6
y6
n6
n4 = n5
y7
n7
y8
n8
2
3
4
5
6
7
8

Nmero
de datos
n1=n8
n2=n7
n3=n6
n4=n5
n2
n3
n1
y0
y1
y2
y3
y4
y5
y6
y7
y8
CUESTIONARIO
1 Diga qu tipo de variable es cada una de las siguientes:
a
Tiempo de servicio de los empleados de una empresa.
Nmero de cheques girados diariamente por una empresa en un mes.
Nmero de acciones comunes vendidas cada da en la bolsa de valores de Lima.
Lugar de nacimiento de las personas que estudian en esta universidad.
Nivel educativo de los habitantes del Per.
Temperatura y humedad diaria de una ciudad.
Edad, talla y masa de todos los integrantes de la seleccin peruana de futbol.
Los salarios mensuales de los trabajadores de las empresas de una ciudad.
Gasto mensual en alimentacin en un hogar durante un ao.
Ocupacin de los padres y/o apoderados de los estudiantes de la I.E. Mariscal Cceres de Ayacucho.
Grado de instruccin acadmica de los padres y/o apoderados de los estudiantes de la I.E. Mariscal
Cceres de Ayacucho.
l
m
Distrito de residencia de los trabajadores de una fbrica de la ciudad de Lima.

Nacionalidad de los participantes en Londres 2012.
17
Causas de Mortalidad en los ltimos 20 aos en una ciudad.
Cantidad de medallas Olmpica obtenidas por cada Nacin participante en las Olimpiadas de verano 2012.
2 Debido a la falta de personal de la empresa SMART, dedicada al servicio de mensajera, los trabajadores laboraron horas extras durante el ao 2010. El nmero de horas extras realizadas por 50 trabajadores de esta fueron:
20
20
20
30
30
35
35
35
35
35
35
35
35
35
40
40
40
40
40
40
40
40
50
50
50
50
50
50
50
50
50
55
55
55
55
55
55
55
60
60
60
60
60
60
65
65
65
65
65
75
Qu poblacin se ha considerado?. A qu variable corresponden los datos, seale el tipo?.
Disee la tabla de distribucin de frecuencias sin intervalos de clase.
Interprete algunos resultados obtenidos en la tabla de distribucin de frecuencias.
Represente grficamente mediante un diagrama de barras, la distribucin obtenida en el item anterior
3 A continuacin presentamos la cantidad de vehculos vendidos por todos los trabajadores de la importadora
Nissan durante el verano 2012.
20
21
21
21
24
22
25
21
21
22
22
21
20
22
21
23
20
20
24
20
24
23
24
25
22
26
25
23
23
23
25
24
25
21
21
26
26
24
26
20
21
21
22
23
23
21
22
21
21
21
Cul es la poblacin?, Cual es la muestra?.
Cul es la variable?, De qu tipo es?.
Construya una tabla de distribucin de frecuencias sin intervalos de clase.
Represente grficamente mediante un diagrama de barras las frecuencias simples.
Cuntos trabajadores vendieron 24 vehculos cada uno?.
Cuntos trabajadores vendieron como mnimo 24 vehculos?.
Cuntos trabajadores vendieron como mximo 24 vehculos?.
Cuntos trabajadores vendieron como mnimo 22 y como mximo 25 vehculos?.
Qu porcentaje de trabajadores vendieron 25 vehculos cada uno?.
Qu porcentaje de trabajadores vendieron como mnimo 24 vehculos?.
Qu porcentaje de trabajadores vendieron como mximo 23 vehculos?.
Qu porcentaje de trabajadores vendieron como mnimo 21 y como mximo 24 vehculos?.
4 Una fbrica de gaseosas proyecta lanzar al mercado un nuevo sabor. Se realiza un test de aceptacin de dicho
sabor en una muestra de 40 nios, utilizando una escala de 10 puntos, para medir el grado de aceptacin. Los
puntos obtenidos en los 40 nios fueron
3
La muestra estuvo compuesta por igual nmero de nios de ambos sexos de 5 a 12 aos de edad residentes en
el barrio San Bernardo de la ciudad de Maracaibo.
18
Cul es la poblacin?, Cul es la muestra?.
Construya una tabla de distribucin de frecuencias.
Cuntos nios calificaron con 4 puntos cada uno?.
Cuntos nios calificaron con 5 puntos como mnimo?.
Cuntos nios calificaron con 6 puntos como mximo?.
Qu porcentaje de nios calificaron con 5 puntos como mximo?.
5 El Grupo Megatech-Ayacucho, importadora de computadoras, realiza un estudio sobre la preferencia de marcas

de computadoras porttiles de los docentes del Departamento Acadmico de Matemtica y Fsica, dicho estudio
se realiz a un nmero determinado de docentes, obtenindose los siguientes datos
Vaio
Toshiba
Samsung
OTRAS
Toshiba
HP
Samsung
Vaio
Toshiba
Lenovo
Vaio
HP
Apple
Toshiba
OTRAS
HP
Vaio
Toshiba
Lenovo
Toshiba
Acer
Acer
Acer
OTRAS
Toshiba
Toshiba
HP
HP
Samsung
Acer
Apple
HP
Lenovo
Lenovo
Toshiba
Samsung
Apple
OTRAS
Acer
HP
Cul es la poblacin?, Cul es la muestra?.
6 Se realiza un estudio en la ciudad de Guayaquil a 150 familias de clase media, para conocer el tipo de aceite
o manteca usados en la cocina. Los resultados son los siguientes: Maz, 14 hogares; Soya 65, hogares; Ajonjol,
21 hogares; Pescado, 10 hogares; Manteca de cerdo, 21 hogares; Grasa de origen vegetal, 6 hogares; Oliva, 13
hogares.
a
Cul es la poblacin?, Cul es la muestra?, Cul es la variable?, De qu tipo es?.
7 Las nacionalidades de todos los participantes en el 1er Seminario Internacional de Fsica realizado en la UNI en
el ao 2010 son los siguientes:
Donde:
B: Boliviano
x1 = C,
x2 = B,
x3 = P,
x4 = E,
x5 = P,
x6 = Pa
x7 = P,
x8 = V ,
x9 = C,
x10 = B,
x11 = P,
x12 = Ch
x13 = P,
x14 = C,
x15 = E,
x16 = P,
x17 = B,
x18 = B
x19 = V ,
x20 = Pa,
x21 = Ch,
x22 = B,
x23 = P,
x24 = C
x25 = C,
x26 = E,
x27 = P,
x28 = P,
x29 = P,
x30 = V
x31 = P,
x32 = V ,
x33 = Ch,
x34 = C,
x35 = P,
x36 = V
x37 = P,
x38 = V ,
x39 = Ch,
x40 = C,
C: Colombiano
E: Ecuatoriano
Pa: Paraguayo
P: Peruano
V: Venezolano
Ch: Chileno
Agrupe los datos en una tabla de distribucin de frecuencias, luego interprete todas las frecuencias.
19
8 El seor Robles, al llegar a su vejez, decide adaptarse a los tiempos modernos, adquiriendo un telfono mvil.
Transcurrido un mes, la compaa de telfonos le remite el siguiente detalle de las llamadas efectuadas durante
ese periodo.
duracin en minutos
Llamadas a mviles
Llamadas a fijos
Llamadas al extranjero
< 00 10]
< 10 20]
10
25
< 20 30]
25
10
El precio por llamadas a mviles es de 0.12 euros, a fijos 0.15 euros y 0.8 euros al extranjero.
a
Elabore la tabla de distribucin de frecuencias para llamadas a mviles y para llamadas a fijos.
Calcule el monto que pagar por todas las llamadas a telfonos fijos.
Calcule el monto que pagar por todas las llamadas a telfonos mviles.
Cuntas llamadas a telfonos mviles son superiores a 15 minutos por llamada?.
Cuntas llamadas a telfonos fijos son inferiores a 18 minutos por llamada?.
9 Los sueldos mensuales (en euros) de 60 empleados de la empresa Pirmide S.A. durante el ao 1998 son los
siguientes:
440
560
335
587
613
400
424
466
565
393
453
650
407
376
470
560
321
500
528
526
570
430
618
537
409
600
550
432
591
428
440
340
558
460
560
607
382
667
512
492
450
530
501
471
660
470
364
634
580
450
574
500
462
380
518
480
625
507
645
382
Agrupe los datos en una tabla de distribucin de frecuencias, calcule el nmero de clases empleando la Regla
de Sturges, interprete todas las frecuencias
10 Un nuevo hotel va a abrir sus puertas en Huamanga. Antes de decidir el precio de sus habitaciones, el gerente
investiga los precios por habitacin de 40 hoteles de esta ciudad. Los datos obtenidos en dlares fueron:
39
47
37
56
43
49
50
61
51
45
53
39
43
50
60
47
51
42
44
58
33
43
41
58
44
48
63
43
53
45
40
54
39
47
33
45
47
42
45
48
Cul es la poblacin objeto de estudio?.
Qu variable estamos estudiando? Qu tipo de variable es?.
Construya la tabla de frecuencias con intervalos de amplitud igual a 5 dlares.
Cunto hoteles tienen un precio por habitacin entre 35,5 y 40,5 dlares?.
Cunto hoteles tienen un precio por habitacin superior a 50,5 dlares?.
Qu porcentaje de hoteles tienen un precio por habitacin inferior a 45,5 dlares?.
11 Suponiendo que se pierden todos los exmenes de estadstica, pero se recuerdan que las 120 notas tenan una
distribucin simtrica con 7 intervalos de clase de igual amplitud. Adems en los archivo se encuentra la siguiente informacin:
100h1 % = 5%, 100h3 % = 15%,
100H3 = 85%,
yi = 400,
i=3
20
y4 = 72.
Reconstruya la tabla de distribucin de frecuencias.
Si para aprobar el examen se necesita por lo menos 70 puntos, Cuntos desaprobaron aquel examen?
12 La siguiente informacin se refiere a las masas (en kg) de los 50 ingresantes a la EFP de Economa en el Examen
de Admisin del 2008: m = 6, y01 = 41, y04 = 59, 100h2 = 10, 100H1 = 6, h4 = 0.30, N3 = 21, 100h5 = 22.
a
Elabore su respectiva tabla de distribucin de frecuencias.
Dibuje el histograma de frecuencias absolutas simples y el polgono de frecuencias.
Dibuje el histograma de frecuencias absolutas acumuladas menor que y la ojiva.
Dibuje el histograma de frecuencias absolutas acumuladas mayor que y la ojiva.
Dibuje el histograma de frecuencias relativas simples y el polgono de frecuencias.
Dibuje el histograma de frecuencias relativas acumuladas menor que y la ojiva.
Dibuje el histograma de frecuencias relativas acumuladas mayor que y la ojiva.
Dibuje el histograma de frecuencias porcentuales simples y el polgono de frecuencias.
Dibuje el histograma de frecuencias porcentuales acumuladas menor que y la ojiva.
Dibuje el histograma de frecuencias porcentuales acumuladas mayor que y la ojiva.
13 El siguiente histograma incompleto se refiere a los salarios semanales (en dlares) de todos los trabajadores de
la empresa SONY
Nmero de
trabajadores
HISTOGRAMA DE FRECUENCIAS
ABSOLUTAS ACUMULADAS
80
79
76
61
44
24
11
Salarios
semanales ($)
90 105
A partir de ello Construya la tabla de distribucin de frecuencias, si los intervalos de clase tienen todas la
misma amplitud.
Calcule e interprete n4 + n5 ,
n2 + N3 ,
100H5 % + 100h6 %.
21
14 De un examen realizado a un grupo de alumnos, cuyas notas se han evaluado del 1 al 8, se ha obtenido la
siguiente tabla de distribucin de frecuencias:
Notas
ni
Ni
Ni
hi
16
7
100hi
100Hi
100Hi
0,08
3
4
Hi
Hi
0,16
0,14
28
38
0,14
Se pide:
a
Rellenar la tabla estadstica.
Nmero de alumnos que se han examinado.
Nmero de alumnos que han obtenido una nota superior a 3.
Porcentaje de alumnos que han sacado una nota igual a 6.
Porcentaje de alumnos que han obtenido una nota superior a 4.
Nmero de alumnos que han obtenido una nota superior a 2 e inferior a 5.
15 Una fbrica empaqueta en lotes de 100 unidades los tornillos que produce. Se establece un plan de inspeccin
por muestreo consistente en examinar, de cada lote, 20 tornillos elegidos al azar y rechazar el lote si de los 20
aparecen ms de 4 defectuosos; almacenar el lote como revisable si el nmero de defectuosos es menor que 5
pero mayor que 1, y aceptarlo en otro caso. Se inspeccionan 64 lotes y resulta el siguiente nmero de tornillos
defectuosos de cada uno:
1
Construye la tabla de frecuencias absolutas, relativas y porcentuales del resultado de la inspeccin.
Dibuja el diagrama de barras de frecuencias simples para los resultados de la inspeccin.
Agrupe los resultados por lotes: Rechazados, revisables y aceptados y:

c
Construye la tabla de frecuencias para los lotes.
Determina la proporcin de lotes rechazados.
Representa la distribucin de frecuencias mediante un diagrama.
Comenta las diferencias entre los resultados de los apartados b) y e).
16 Las estaturas (en centmetros) de los socios de un club juvenil de Pker de Panam, son:
22
153
123
129
132
147
138
137
134
131
147
138
128
134
148
125
139
146
145
148
135
152
128
146
143
138
138
122
146
137
151
145
124
132
138
144
141
137
146
138
146
152
136
160
159
157
150
160
142
148
130
Agruparlas en una tabla de distribucin de frecuencias con 6 intervalos, luego elaborar los histogramas de
frecuencia relativas.
Qu porcentaje de jvenes tienen tallas superiores a 150cm?.
Qu porcentaje de jvenes tienen tallas inferiores a 140cm?.
17 Con los siguientes datos, correspondientes a los saldos (en miles de dlares) de cuentas pendientes
77
70
65
62
53
78
41
48
74
63
34
38
69
79
76
55
59
69
78
75
68
56
61
41
83
54
49
68
48
64
84
74
68
73
69
31
69
78
64
34
Elabore la tabla de distribucin de frecuencia utilizando la regla de Sturges, luego determine c, y3 , y5 , H4 y N5 .
18 En una investigacin realizada a 800 empresas sobre valor de las ventas, en una quincena, se obtuvo la siguiente
distribucin
ventas($)
Proporcin de empresas
[18 28i
0,30
[28 48i
0,25
[48 98i
0,20
[98 148i
0,15
[148 198]
0,10
se pide
a
Elaborar una tabla de distribucin de frecuencia con 6 intervalos de igual amplitud.
De la tabla anterior Cuntas empresas venden ms de 138mil dlares?
Elabore los histogramas de frecuencia porcentuales a partir de la tabla hallada en a)
19 Con los siguientes datos correspondientes al nmero de retrasos (en la maana) por parte de los empleados del
Banco de la Nacin
2
Se pide elaborar una tabla de frecuencias y los diagramas de frecuencia simples correspondientes.
20 Segn la Asociacin de lucha contra la Bulimia y la Anorexia, las pautas culturales han determinado que la
delgadez sea sinnimo de xito social. Muchos jvenes luchan para conseguir el fsico ideal motivados por
modelos, artistas o por la publicidad comercial. Durante el mes de marzo del ao 2006, en el colegio Alcntara de la ciudad de Talca, despus de las vacaciones de verano, se observ con precaucin a 27 alumnos con
sntomas de anorexia, registrndose los siguientes signos visibles:
Dieta Severa
Miedo a Engordar
Hiperactividad
Uso de Ropa Holgada
Dieta Severa
Miedo a Engordar
Dieta Severa
Uso de Ropa Holgada
Dieta Severa
Uso de Ropa Holgada
Dieta Severa
Dieta Severa
Uso de Ropa Holgada
Hiperactividad
Uso de Laxantes
Uso de Laxantes
Dieta Severa
Uso de Ropa Holgada
Uso de Laxantes
Hiperactividad
Dieta Severa
Uso de Laxantes
Miedo a Engordar
Uso de Laxantes
Dieta Severa
Uso de Ropa Holgada
Hiperactividad
Resuma la informacin anterior en una tabla de distribucin de frecuencias.
Construya un grfico adecuado para resumir la informacin anterior.

23
21 La tabla muestra una distribucin de frecuencias de la duracin de 400 tubos de electricidad de radio comprobados en la L& M Tube Company.
Duracin (horas)
Nmero de tubos
[300 400i
14
[400 500i
46
[500 600i
58
[600 700i
76
[700 800i
68
[800 900i
62
[900 1000i
48
[1000 1100i
22
[1100 1200i
Completar la tabla para luego determinar:

a
Lmite superior de la quinta clase.
Lmite inferior de la octava clase.
Marca de clase de la sptima clase.
Tamao del intervalo de clase.
Frecuencia de la cuarta clase.
Frecuencia relativa de la sexta clase.
Porcentaje de tubos cuya duracin es menor a las 600 horas.
Porcentaje de tubos cuya duracin es mayor o igual a 900 horas.
Porcentaje de tubos cuya duracin es al menos de 500 horas pero menor de 1000 horas.
Construir un histograma y un polgono de frecuencias.
Construir un histograma y un polgono de frecuencias relativas.
Construir una ojiva porcentual.
Estimar el porcentaje de tubos con duraciones de menos de 560 horas.
Estimar el porcentaje de tubos con duraciones de 970 o ms horas.
Estimar el porcentaje de tubos con duraciones entre 620 y 890 horas.
22 En una empresa el personal (500 empleados) se distribuye de acuerdo con su actividad desarrollada en la
misma, como se indica a continuacin en el siguiente diagrama de pastel:
Profesional
10%
Operario
10%
70%
8%
2%
Tcnica
Ayudante
Aseo
A partir de esta informacin construya la tabla de distribucin de frecuencias y sus diagramas de barras correspondientes.
24
23 Los datos que se muestran a continuacin, son los cargos (en dlares) por los servicios de electricidad, agua y
gas durante el mes de julio del 2000 para una muestra de 50 apartamentos de 3 habitaciones en Caracas.
96
171
202
178
147
102
153
197
127
82
157
185
90
116
172
111
148
213
130
165
141
149
206
175
123
128
144
168
109
167
95
163
150
154
130
143
187
166
139
149
108
119
183
151
114
135
191
137
129
158
Elaborar:
a
Una tabla de distribucin de frecuencias, hallando el nmero de clases con la regla de Sturges.
Un histograma y un polgono de frecuencias.
Un histograma porcentual.
Una ojiva.
Determinar:
a
El porcentaje de apartamentos cuyo gasto no llega a 139 dlares.
El porcentaje de apartamentos cuyo gasto es mayor o igual a 158 dlares.
El porcentaje de apartamentos cuyo gasto es al menos de 120 dlares, pero menor de 196 dlares.
El porcentaje de apartamentos con gastos menores de 135 dlares.
El porcentaje de apartamentos con gastos de 186 dlares o ms.
El porcentaje de apartamentos con gastos entre 140 y 184 dlares.
24 En Beverage Digest se informa que, con base en las ventas de 1998, las 5 marcas de refrescos que ms se
vendieron fueron Coke Classic, Diet Coke, Dr.Pepper, Pepsi Cola y Sprite. La lista siguiente proviene de una
muestra de 50 compras de esas marcas fue:
Coke Classic
Dr.Pepper
Sprite
Coke Classic
Pepsi Cola
Pepsi Cola
Sprite
Diet Coke
Diet Coke
Coke Classic
Diet Coke
Coke Classic
Coke Classic
Diet Coke
Pepsi Cola
Pepsi Cola
Diet Coke
Coke Classic
Coke Classic
Pepsi Cola
Coke Classic
Diet Coke
Pepsi Cola
Coke Classic
Diet Coke
Coke Classic
Pepsi Cola
Pepsi Cola
Coke Classic
Coke Classic
Coke Classic
Coke Classic
Pepsi Cola
Coke Classic
Dr.Pepper
Coke Classic
Dr.Pepper
Sprite
Sprite
Coke Classic
Pepsi Cola
Dr.Pepper
Sprite
Pepsi Cola
Pepsi Cola
Pepsi Cola
Coke Classic
Diet Coke
Coke Classic
Dr.Pepper
a
Construir la tabla de distribucin de frecuencias.
Construir una grfica de barras y un diagrama de pastel.
Qu porcentaje de las ventas tienen Pepsi Cola y Coke Classic?
25
25 La siguiente informacin se refiere al tiempo, en minutos, que han utilizado los usuarios del Banco de la Nacin
Sede Huamanga durante el 12 de mayo de 2011 para llevar a cabo una operacin bancaria en ventanilla (el
tiempo se midi desde que el usuario llega al banco hasta realizar la operacin bancaria):
y02 = 46,
a
y05 = 70,
N1 = 12,
100H5 = 90, n2 = 2 n1 ,
100h4 = 30.
Con esa informacin complete la siguiente tabla.
tiempo(min)
H6 = 1, h1 = 0.04, H4 = 0, 74,
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
Si la atencin en aquel banco se considera BUENA cuando la operacin bancaria dura como menos de 40
minutos, cuantas personas atendidas durante ese da califican la atencin bancaria como MALA.
Calcule el porcentaje de personas cuya operacin bancaria duro como mnimo 50 minutos.
De cuantas personas la operacin bancaria duro ms de una hora.
26 Elabore una grfica circular y una grfica circular porcentual de la siguiente distribucin, que representa los
nmeros de vehculos de motor registrados en la Oficina Regional Automotriz de Denver durante el 2013.
Tipo de vehculo
Cantidad de vehculos
Automvil de pasajeros
248
Minivan
74
Camin de dos ejes
62
Camin multiejes
22
Matocicleta
75
lancha a motor
19
Proporcin de vehculos
Porcentaje de vehculos
Total
27 Los siguientes datos

15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
16
17
17
17
17
17
17
17
17
18
18
18
18
18
18
18
18
18
18
18
19
19
19
19
20
20
20
20
20
20
20
25
25
25
25
25
25
25
corresponde al nmero de viajes al extranjero via area durante el periodo 20062010 de los 80 Senadores
Venezolanos que fueron designados para labores externas a su pais y labores de representacin en el extranjero,
26
dichos datos se obtuvieron directamente de la Oficina de Migraciones de Aeropuerto Internacional de Caracas.

Responda los siguientes items.
a
La poblacin en estudio es:
La muestra es:
La unidad de anlisis es:
La variable es:
La tabla de distribucin de frecuencias que se va disear tendr intervalos de clase? Rta:

por que?
Elabore la tabla de distribucin de frecuencias para estos datos:

TTULO:
ni
Ni
Ni?
hi
Hi
Hi?
100hi
100Hi
100Hi?
1
2
3
4
5
6
7
Total
FUENTE:
g
Elabore el diagrama de frecuencias absolutas simples y el diagrama de frecuencias porcentuales simples.
DIAGRAMA DE FRECUENCIAS ABSOLUTAS SIMPLES
TTULO
ni
FUENTE
DIAGRAMA DE FRECUENCIAS PORCENTUALES SIMPLES
TTULO
100hi
FUENTE
27
Elabore el grfico circular de frecuencias absolutas simples y de frecuencias porcentuales simples.
DIAGRAMA CIRCULAR DE FRECUENCIAS ABSOLUTAS SIMPLES
DIAGRAMA CIRCULAR DE FRECUENCIAS PORCENTUALES SIMPLES
TTULO
TTULO
FUENTE
FUENTE
Interpretemos algunas frecuencias:
n2 =
: Significa que
Senadores Venezolanos que fueron designados para labores externas
y labores de representacin en el extranjero realizaron
viajes al extranjero via area durante el
periodo 20062010.
n6 =
: Significa que

viajes al extranjero via area durante el
y labores de representacin en el extranjero realizaron

periodo 20062010.
: Significa que
n3 + n4 =
Senadores Venezolanos que fueron designados para labores exter-
nas y labores de representacin en el extranjero realizaron entre
viajes al extranjero via
area durante el periodo 20062010.
N4 =
: Significa que
y labores de representacin en el extranjero realizaron como mximo
viajes al extranjero via
area durante el periodo 20062010.
N3? =
: Significa que
Senadores Venezolanos que fueron designados para labores externas y
labores de representacin en el extranjero realizaron como mnimo
viajes al extranjero via area
durante el periodo 20062010.
h3 =
: Significa que
de cada
Senadores Venezolanos que fueron designados
para labores externas y labores de representacin en el extranjero realizaron
viajes al extranjero
via area durante el periodo 20062010.
h5 =
: Significa que
de cada
para labores externas y labores de representacin en el extranjero realizaron
viajes al extranjero
via area durante el periodo 20062010.
H4 =
: Significa que
de cada
para labores externas y labores de representacin en el extranjero realizaron como mximo

viajes al extranjero via area durante el periodo 20062010.
H3? =
: Significa que
de cada
para labores externas y labores de representacin en el extranjero realizaron como mnimo

viajes al extranjero via area durante el periodo 20062010.
28
: Significa que el
100h6 =
de los Senadores Venezolanos que fueron designados para labores

viajes al extranjero va area
externas y labores de representacin en el extranjero realizaron

durante el periodo 20062010.
100H5? =
: Significa que el
de los Senadores Venezolanos que fueron designados para la-
bores externas y labores de representacin en el extranjero realizaron como mnimo
viajes al
extranjero via area durante el periodo 20062010.

j
Hagamos algunos clculos:
El nmero de Senadores Venezolanos que realizaron ms de

durante el periodo 20062010 es
El nmero de Senadores Venezolanos que realizaron menos de

area durante el periodo 20062010 es
El nmero de Senadores Venezolanos que realizaron ms de

extranjero va area durante el periodo 20062010 es
El nmero de Senadores Venezolanos que realizaron

y menos de
El nmero de Senadores Venezolanos que realizaron como mnimo
El porcentaje de Senadores Venezolanos que realizaron menos de
viajes al extranjero va
El porcentaje de Senadores Venezolanos que realizaron
y como mximo
El porcentaje de Senadores Venezolanos que realizaron ms de

viajes al
viajes al extranjero va area durante el periodo 20062010 es
El nmero de Senadores Venezolanos que realizaron

El porcentaje de Senadores Venezolanos que realizaron

.
28 En el siguiente grfico circular se representan a todos los accidentes de trnsito segn causa principal durante
la dcada de los 90s (1990-1999) ocurridos en la Panamericana Sur en Per entre los kilmetros 0 y 100.
DIAGRAMA CIRCULAR DE FRECUENCIAS PORCENTUALES SIMPLES
TTULO:
TTULO:
i
IMPRUDENCIA DEL CONDUCTOR
IMPRUDENCIA DEL PEATON
36,3%
DESACATO DE SEALES
FALLAS MECANICAS
7 ,5
%
8%
8,
hi
100hi
8,2%
19,1%
8,7%
ni
EBRIEDAD DEL CONDUCTOR
2
EXCESO DE VELOCIDAD
11,4%
OTRAS CAUSAS
3
4
5
6
FUENTE: POLICIA NACIONAL DEL PER
7
Total de accidentes
13000
FUENTE:
29
La poblacin en estudio es:
La muestra es:
La unidad de anlisis es:
La variable es:
La tabla de distribucin de frecuencias que se va disear tendr intervalos de clase? Rta:

por qu?
Elabore la tabla de distribucin de frecuencias para estos datos (slo frecuencias simples)
Elabore el diagrama de frecuencias absolutas simples y el diagrama de frecuencias porcentuales simples.
DIAGRAMA DE FRECUENCIAS PORCENTUALES SIMPLES
DIAGRAMA DE FRECUENCIAS ABSOLUTAS SIMPLES
TTULO
NMERO DE
ACCIDENTES
LEYENDA
A
B
C
D
PORCENTAJE DE
ACCIDENTES
E
F
G
FUENTE
CAUSAS DE LOS
ACCIDENTES
A
LEYENDA
A
B
C
D
TTULO
CAUSAS DE LOS
ACCIDENTES
E
F
G
FUENTE
Interpretemos algunas frecuencias:
n2 =
: Significa que
accidentes de trnsito en la dcada de los 90s ocurridos
en la Panamericana Sur en Per entre los kilmetros 0 y 100 fueron causados principalmente por
n4 =
: Significa que
n6 =
: Significa que
30
: Significa que
n3 + n5 =
o por
: Significa que
n4 + n1 =
o por
: Significa que el
100h5 =
de los accidentes de trnsito en la dcada de los 90s
ocurridos en la Panamericana Sur en Per entre los kilmetros 0 y 100 fueron causados principalmente
por
: Significa que el
100h3 =
de los accidentes de trnsito en la dcada de los 90s
ocurridos en la Panamericana Sur en Per entre los kilmetros 0 y 100 fueron causados principalmente
por
: Significa que el
100h2 + 100h5 =
de los accidentes de trnsito en la dcada de los
90s ocurridos en la Panamericana Sur en Per entre los kilmetros 0 y 100 fueron causados principalmente por
o por
29 Los siguientes datos

6.2
11
13.5
16.2
18
19.1
20.4
22.5
24.1
26.4
7.7
11.2
14.4
16.7
18
19.2
20.5
22.7
24.3
26.6
8.3
11.8
14.5
16.9
18.1
19.3
20.8
22.7
24.6
26.8
12.3
14.7
17
18.1
19.4
20.9
22.9
24.6
27.5
9.4
12.8
15.2
17.3
18.4
19.4
21.4
23
24.8
28.5
9.8
13.2
15.5
17.5
18.5
20
21.6
23.5
25.7
28.6
10.5
13.3
15.8
17.6
18.7
20.1
21.9
23.7
25.9
29.6
10.7
13.3
15.9
17.9
19
20.1
22.3
23.9
26.1
31.8
corresponde a la cantidad de xido de azufre (en toneladas) emitidas por La Standar Oil en los ltimos 80 das
del verano de 2004, dicha informacin fue obtenida y publicada en La Revista Ecolgica Canadiense
a
Elabore la tabla de distribucin de frecuencias con intervalos de amplitud 4 iniciando en Xmin = 5.
TTULO:
yi
Total
ni
Ni
Ni?
hi
Hi
Hi?
100hi
100Hi
100Hi?
FUENTE:
31
Elabore el histograma de frecuencias absolutas simples, el histograma de frecuencias porcentuales acumuladas, el polgono de frecuencias y la ojiva.
HISTOGRAMA DE FRECUENCIAS PORCENTUALES ACUMULADAS mayor que
PORCENTAJE
DE DAS
NMERO
DE DAS
CANTIDAD DE
OXIDO DE
AZUFRE
(toneladaS)
FUENTE:
CANTIDAD DE
OXIDO DE
AZUFRE
(toneladaS)
FUENTE:
Interpretemos algunas frecuencias.
n2 =
: Significa que en
de los ltimos 80 das del verano de 2004 La Standar Oil tuvo
emisiones de xido de azufre mayores o iguales a
n5 =
: Significa que en
y menores a
n3 + n4 + n5 =
: Significa que en
y menores a
n6 + n7 =
: Significa que en
y menores a
N3 =
: Significa que en
N5 =
: Significa que en
y menores a
N5? =
: Significa que en
y menores a
100h3 =
100h6 =
: Significa que en el
100h2 + 100h3 + 100h4 =

y menores a
y menores a
emisiones de xido de azufre mayores a
y menores a
de los ltimos 80 das del verano de 2004 La Standar Oil
tuvo emisiones de xido de azufre mayores o iguales a
y menores a
de los ltimos 80 das del verano de 2004 La
Standar Oil tuvo emisiones de xido de azufre mayores o iguales a
y menores a
100H4 =

32

y menores a
100H3? =

d
y menores a
Hagamos algunas clculos.
Halle el nmero de das de los ltimos 80 das del verano de 2004 en los cuales La Standar Oil tuvo emisiones de xido de azufre mayores o iguales a 9 toneladas y menores a 19 toneladas. Rta:
Halle el nmero de das de los ltimos 80 das del verano de 2004 en los cuales La Standar Oil
tuvo emisiones de xido de azufre mayores o iguales a 14 toneladas y menores a 21 toneladas. Rta:
Halle el nmero de das de los ltimos 80 das del verano de 2004 en los cuales La Standar Oil tuvo emisiones de xido de azufre mayores a 9 toneladas y menores o iguales a 19 toneladas. Rta:
Halle el porcentaje de das de los ltimos 80 das del verano de 2004 en los cuales La Standar Oil
Halle el porcentaje de das de entre los ltimos 80 das del verano de 2004 en los cuales La Standar Oil
tuvo emisiones de xido de azufre mayores a 27 toneladas y menores o iguales a 30 toneladas. Rta:
30 Los pesos de los jugadores de un equipo de ftbol americano varan entre 168 y 267 libras. Indique los lmites
de las once clases en que se van agrupar estos pesos.
33
34
2
Z
Nro:
2.1
Medidas de tendencia central
E.F.P:
Introduccin
Las medidas de tendencia central nos permiten determinar la posicin de un valor respecto a un conjunto de datos,
el cual consideramos como representativo o tpico para el total de las observaciones, su valor ser prximo al centro
de la distribucin.
Xmn
punto medio del rango
Xmx
punto medio del rango
Xmx
medida de tendencia central
Xmn
medida de tendencia central
Observaciones:
1. Las medidas de tendencia central son para datos de variable cuantitativa.
2. Una medida de tendencia central de un conjunto de datos puede ser menor al punto medio del rango.
3. Una medida de tendencia central de un conjunto de datos puede ser mayor al punto medio del rango.
4. Una medida de tendencia central de un conjunto de datos puede ser igual al punto medio del rango.
Caractersticas de las medidas de tendencia central

Un promedio es un valor correspondiente a una distribucin de frecuencias y este valor se calcula para representarla en calidad de medida tpica del grupo. Algunas condiciones esenciales para que este valor pueda cumplir su
cometido son:
1. Debe estar representada por una sola cifra.
2. Debe ser objetiva y definida por una formula algebraica de tal manera que, cualquiera que sea la persona que
trabaje con la distribucin, se obtenga siempre el mismo valor.
3. Debe ser descriptiva de los datos en forma que su significado sea fcil de entender
35
4. No debe ser una abstraccin matemtica, que nicamente pueda ser entendida por personas muy versadas en
esta ciencia, ya que una de las condiciones de la estadstica, es simplificar los datos y no hacerlos ms complejos.
5. Debe ser fcil de calcular, pero esta condicin no debe preferirse en perjuicio de otras ventajas.
6. Debe depender de cada uno de los elementos del grupo, de tal manera que si se altera alguno de estos, consecuentemente se altera el valor del promedio ya que por definicin, esta es representante tpica de todos los
miembros del grupo y no solamente de algunos de ellos.
7. A pesar de que cada uno de los valores de los elementos del grupo debe tener influencia en el valor de la
medida, esta debe ser de tal calidad que no se deje influenciar demasiado por alguno o algunos pocos valores.
8. Debe tener lo que los estadsticos llaman estabilidad en el muestreo.
9. Deber ser de uso fcil para clculos matemticos posteriores.
2.2
Media
La media es el valor promedio de un conjunto de observaciones, entre ellas tenemos: la media aritmtica, media
geomtrica, media armnica, media cuadrtica, media cubica, entre otros
Definicin 2.1 (Media aritmtica)
Sean X una variable cuantitativa que caracteriza a todos los integrante de una poblacin P, M una muestra extrada
de P. Si x1 , x2 , , xn son todos los datos correspondientes a la variable X que asumen en la muestra M, definimos su
media aritmtica muestral por
n
XM = X =
x1 + x2 + + xn
=
n
xi
i=1
1 n
xi
n i=1
Observaciones:
1. Si de la poblacin P extraemos dos muestra, digamos M1 y M2 , entonces la media aritmtica de la variable X
con respecto a estas muestras pueden ser diferentes.
2. Para poder calcular la media de un conjunto de datos, ste tiene que ser finito.
3. Dado que en la formula de X se observa una suma finita, la media es solo vlida para datos de una variable
cuantitativa.
4. La media aritmtica que se presenta en la definicin 2.1 es la media muestral, solo se ha calculado para los datos
que la variable adquiere en una muestra M
5. La media aritmtica muestral tiende a ser diferente a la media aritmtica que se calculara con los datos que la
variable adquiere en la poblacin P.
6. Si la poblacin P es finita con N elementos y los datos que la variable X adquiere en P son x1 , x2 , , xN , entonces
la media aritmtica poblacional ser
N
xi
XP = X =
36
x1 + x2 + + xN
= i=1
N
N
1 N
xi
N i=1
Ejemplo 2.1
Los siguientes datos son los puntajes obtenidos en un examen de aptitud por cuatro grupos de estudiantes.
Grupo
39
47
37
56
43
49
50
61
51
45
Grupo
53
39
43
50
60
47
51
42
44
58
Grupo
33
43
41
58
44
48
63
43
53
45
Grupo
40
54
39
47
33
45
47
42
45
48
El promedio de las calificaciones de los estudiantes del grupo A es

X=
39 + 47 + 37 + 56 + 43 + 49 + 50 + 61 + 51 + 45
= 47.8 puntos
10
El promedio de las calificaciones de los estudiantes del grupo B es

X=
53 + 39 + 43 + 50 + 60 + 47 + 51 + 42 + 44 + 58
= 48.7 puntos
10
El promedio de las calificaciones de los estudiantes del grupo C es

X=
33 + 43 + 41 + 58 + 44 + 48 + 63 + 43 + 53 + 45
= 47.1 puntos
10
El promedio de las calificaciones de los estudiantes del grupo D es

X=
40 + 54 + 39 + 47 + 33 + 45 + 47 + 42 + 45 + 48
= 44 puntos
10
El promedio las calificaciones de todos los estudiantes es

X=
suma de todos los puntajes

= 46.9 puntos
40
Al extraer 4 muestras diferentes de la poblacin de los 40 estudiantes, vemos que la media en cada una de ellas
adopta su propio valor y es diferente a la media poblacional.
Ventajas y desventajas de la media aritmtica:

Ventajas de la media aritmtica:
1. El promedio aritmtico es, en s, la medida ms fcil y la ms comnmente usada. Es un valor tal, que si se
calculara para un grupo en el cual todos los elementos fueran iguales, cada uno de ellos sera igual a su promedio aritmtico, de donde podemos deducir que el promedio aritmtico de n elementos es un nuevo elemento
1
formado, tomando una parte igual a de cada uno de los elementos originales.
n
2. Esta medida se define mediante una ecuacin matemtica muy fcil de entender y algunas veces, se puede
obtener cuando no es posible calcular otros tipos de medidas de tendencia central y, aun en el caso de no
conocer la valores individuales de la serie, por ejemplo: si 10 familias consumen 20 litros de leche, el promedio
aritmtico ser de 2 litros por familia.
3. El promedio aritmtico es extraordinariamente estable en el muestreo.
4. Es altamente sensible a cualquier cambio en los datos de la distribucin.
5. Como una ventaja final del promedio aritmtico, podemos anotar el hecho de que es excepcionalmente adaptable cuando se trata de hacer clculos matemticos posteriores con l. (Promedio ponderado, mtodos abreviados, promedio de promedios).
37
Desventajas de la media aritmtica:

1. Es muy sensible a valores muy grandes o muy pequeos, especialmente a los primeros y a la inclusin de
tales datos extremos en la distribucin que se est estudiando, puede dar un promedio aritmtico que no sea
realmente el representante tpico del grupo.
2. Cuando una distribucin es marcadamente asimtrica en tal forma que el promedio aritmtico, la mediana y
el modo difieren en forma apreciable, debe considerarse siempre la posibilidad de que el promedio aritmtico
pueda no ser el valor nico representativo de la serie.
3. Otro inconveniente del promedio aritmtico es cuando la distribucin tiene forma de U, es decir, parablica; este
corresponde a los valores menos comunes en la serie y por tanto, puede dar una idea irreal de la distribucin.
2.2.1
1.
Clculo de la media aritmtica:

Para datos no agrupados en una tabla de distribucin de frecuencias. Si x1 , x2 , , xn son los datos correspondiente a una variable cuantitativa X, entonces la media aritmtica es
n
X=
2.
xi
x1 + x2 + + xn
=
n
i=1
1 n
xi
n i=1
Para datos agrupados en una tabla de distribucin de frecuencias con o sin intervalos.
?
Si x1 , x2 , , xn son los datos correspondiente a una variable cuantitativa X y stos se han agrupado en una
tabla de distribucin de frecuencias sin intervalos, como el que sigue,
i
yi
ni
yi ni
y1
n1
y1 n1
2
..
.
y2
..
.
n2
..
.
y2 n2
..
.
ym
nm
ym nm
yi ni
entonces la media aritmtica es

m
yi ni
X=
?
i=1
Si x1 , x2 , , xn son los datos correspondiente a una variable cuantitativa X y stos se han agrupado en una
tabla de distribucin de frecuencias con intervalos, como el que sigue,
i
[y0i1 y0i i
yi
ni
yi ni
[y00 y01 i
y1
n1
y1 n1
2
..
.
[y01 y02 i
..
.
y2
..
.
n2
..
.
y2 n2
..
.
[y0m1 y0m ]
ym
nm
ym nm
yi ni

m
yi ni
X=
38
i=1
NOTA: Para utilizar la frmula anterior, primero se debe conocer a cada yi , a cada ni y obtener cada yi ni , luego
sumarlos. Para la primera tabla los yi son los valores diferentes de los datos, mientras que para la segunda tabla los
yi son las marcas de clase de los intervalos.
Mientras que cuando se agrupa del siguiente modo
i
yi
hi
yi hi
[y0i1 y0i i
yi
hi
yi hi
y1
h1
y1 h1
[y00 y01 i
y1
h1
y1 h1
2
..
.
y2
..
.
h2
..
.
y2 h2
..
.
2
..
.
[y01 y02 i
..
.
y2
..
.
h2
..
.
y2 h2
..
.
ym
hm
ym hm
[y0m1 y0m ]
ym
hm
ym hm
yi hi
yi hi

m
X = yi hi
i=1
NOTA: Para utilizar esta frmula primero se debe conocer a cada yi , a cada hi y obtener cada yi hi , luego sumarlos.
Para la primera tabla los yi son los valores diferentes de los datos, mientras que para la segunda tabla los yi son las
marcas de clase de los intervalos.
Ejemplo 2.2
Los siguientes datos son los puntajes obtenidos en un examen de aptitud por cuatro grupos de estudiantes.
Grupo
39
47
37
56
43
49
50
61
51
45
Grupo
53
39
43
50
60
47
51
42
44
58
Grupo
33
43
41
58
44
48
63
43
53
45
Grupo
40
54
39
47
33
45
47
42
45
48
a estos datos los agrupamos en una tabla de distribucin de frecuencias con 6 intervalos tal como sigue
i
Puntajes
yi
ni
Ni
Ni
hi
Hi
Hi
100hi
100Hi
100Hi
yi ni
yi hi
[33 38i
35,5
40
0,075
0,075
7,5
7,5
100
106,5
2,6625
[38 43i
40,5
10
37
0,175
0,25
0.925
17,5
25
92,5
283,5
7,0875
[43 48i
45,5
14
24
30
0,35
0,6
0.75
35
60
75
637
15,925
[48 53i
50,5
31
16
0,175
0,775
0.4
17,5
77,5
40
353,5
8,8375
[53 58i
55,5
35
0,1
0,875
0.225
10
87,5
22,5
222
5,55
[58 63]
60,5
40
0,125
0.125
12,5
100
12,5
302,5
7,5625
1905
47,625
sumas
40
100
El promedio de los puntajes de todos los estudiantes es:

1. Utilizando las frecuencias absolutas simples
6
yi ni
X=
i=1
40
1905
= 47, 625 puntos
40
2. Utilizando las frecuencias relativas simples

6
X = yi hi = 47, 625 puntos

i=1
39
Observacin: En el ejemplo 2.1 la media aritmtica hallada fue X = 46.9 puntos, mientras que en el ejemplo 2.2 es
X = 47.625 puntos, esta diferencia es debido a que en el ejemplo 2.2 se est suponiendo que 3 datos son iguales a
35.5 puntos, 7 datos son iguales a 40.5 puntos, 14 datos son iguales a 45.5 puntos, 7 datos son iguales a 50.5 puntos, 4
datos son iguales a 55.5 puntos y 5 datos son iguales a 60.5 puntos, lo cual no es cierto, este es el error que se comete
en el clculo de la media cuando los datos se agrupan en tablas de distribucin de frecuencias con intervalos. Este
error no se cometera si los datos se agrupan en tablas de distribucin de frecuencias sin intervalos. El valor exacto de
la media se obtiene cuando se agrupan en tablas sin intervalos, mientras cuando agrupamos en tablas con intervalos
el valor de la media es aproximado.
2.2.2
Media aritmtica a partir de submuestras.
Este procedimiento tiene su justificacin por que en muchas situaciones existe la necesidad de obtener diferentes
muestras de una poblacin, ya sea por razones tcnicas o por disponibilidad de informacin.
M1
M2
Mk
X1
X2
Xk
n1 datos
n2 datos
nk datos
Supongamos que de una poblacin se obtienen las muestras M1 , M2 , , Mk disjuntas dos a dos y de tamaos
n1 , n2 , . . . , nk respectivamente. Si sus respectivas media aritmtica son X 1 ,
X 2,
X k , entonces la media aso-
ciada a la unin de las muestras

M1 M2 Mk
est dada por
X=
n1 X 1 + n2 X 2 + + nk X k
n1 + n2 + + nk
Ejemplo 2.3
La empresa A tiene 50 empleados, con un sueldo promedio mensual de $200. La empresa B tiene 100 empleados con
un sueldo promedio mensual de $190.
a) Cul es el sueldo promedio mensual de los trabajadores de las dos empresas en conjunto?
b) Si a las dos empresas se une una tercera con 40 empleados con sueldos promedio mensual de $250, cul es el
sueldo promedio mensual de los trabajadores de las tres empresas juntas?.
Solucin.
a) Vemos que nA = 50,
X A = 200; nB = 100, X B = 190, entonces el sueldo promedio mensual de las dos empre-
sas en conjunto es
X AB =
nA X A + nB X B
50(200) + 100(190)
=
= $193.33
nA + nB
50 + 100
b) Vemos que nAB = 150, X AB = 193.33; nC = 40,
X C = 250, entonces el sueldo promedio mensual de las tres
empresas en conjunto es
X ABC =
40
nAB X AB + nC X C
150(193.33) + 40(250)
=
= $205.26
nAB + nC
150 + 40
Propiedades de la media aritmtica: Sean {x1 , x2 , xn } y {y1 , y2 , yn } los datos correspondientes a las variables X
e Y en dos muestras cada una de tamao n, al denotar por M[X] la media de X y por M[Y ] el media de Y , es decir;
M[X] = X y M[Y ] = Y , entonces tenemos las siguientes propiedades:
1. M[X Y ] = M[X] M[Y ]
2. Si c es una constante, entonces M[c] = c
3. Si c es una constante, M[cX] = cM[X]
4. Si c es una constante, M[X c] = M[X] c
5. Si a y b son constantes, entonces M[aX b] = aM[X] b
Ejemplo 2.4
Supngase que en la E.F.P. de Economa de la UNSCH el curso de Anlisis Matemtico I (MA-241) del semestre 2010-I
cont como nico requisito obtener la calificacin promedio mnimo de 11 puntos luego de rendir cuatro exmenes
parciales, supongamos adems que un estudiante matriculado en tal curso obtuvo 15 puntos en el primer examen
parcial, 15 puntos en el segundo examen parcial, 15 puntos en el tercer examen parcial y 15 puntos en el cuarto
examen parcial, entonces dicho estudiante tiene la calificacin promedio de 15 puntos.
Ejemplo 2.5
Cinco hermanos trabajan simultneamente en dos empresas A y B.
1
Salarios en la empresa A (dlares)
200
210
250
300
290
Salarios en la empresa B (dlares)
200
120
150
180
100
Los 5 hermanos tienen el salario mensual promedio de
Salario promedio
en la empresa A y el salario mensual promedio de
en la empresa B, por lo tanto los 5 hermanos tienen el ingreso mensual promedio de
en ambas empresas.
Ejemplo 2.6
Los salarios mensuales de todos los empleados de la empresa papelera Atlas se mantuvieron invariantes hasta el mes
de agosto del 2014, pero en los meses siguientes los salarios tendrn algunos cambios. Supongamos que el salario
mensual promedio, hasta agosto, de todos los empleados era de 400 dlares.
a) Si para el mes de setiembre los salarios de todos se duplican, entonces el salario mensual promedio de todos
los empleados ser 800 dlares.
b) Si para el mes de setiembre los salarios de todos aumentan en 100 dlares, entonces el salario mensual promedio
de todos los empleados ser 500 dlares.
c) Si para el mes de setiembre los salarios de todos disminuyen en 50 dlares, entonces el salario mensual promedio de todos los empleados ser 350 dlares.
41
Ejemplo 2.7
Los siguientes datos, son los gastos (en dlares) de representacin de julio del 2010 de todos los trabajadores de la
financiera SMALL.
Tcnicos
96
171
202
178
147
102
153
197
127
82
Tcnicos
157
185
90
116
172
111
148
213
130
165
Profesionales
141
149
206
175
123
128
144
168
109
167
Profesionales
95
163
150
154
130
143
187
166
139
149
Ejecutivos
108
119
183
151
114
135
191
137
129
158
a) Calcular e interpretar la media aritmtica para los tcnicos.

X Tec =
Interpretacin:
b) Calcular e interpretar la media aritmtica para los profesionales.

X Pro f =
Interpretacin:
c) Calcular e interpretar la media aritmtica para los ejecutivos.

X E jec =
Interpretacin:
d) Utilizando la frmula de la media a partir de submuestras, calcular e interpretar la media aritmtica de los 50
trabajadores.
=
=
=
Interpretacin:
42
(n1 )X Tec + (n2 )X Pro f + (n3 )X E jec

n1 + n2 + n3
(
)(
)+(
)(
)+(
+
+
)(

e) Elaborar una tabla de distribucin de frecuencias con 6 intervalos de amplitud 22 (solo presente a ni y hi ).
Gasto($)
yi
ni
yi ni
Gasto($)
yi
[ 82
[ 82
sumas
hi
yi hi
sumas
f) A partir de la tabla anterior calcule la media aritmtica.

f1 En base a las frecuencias absolutas. X =
f2 En base a las frecuencias relativas. X =

g) A partir de los datos originales calcule la media aritmtica: X =
h) Explique los resultados obtenidos en f ) y g).
2.3
Mediana
Es un estadgrafo que localiza el centro de la distribucin en base a la posicin media o central que ocupa, una vez
ordenados o clasificados los datos.
Definicin 2.2 (Mediana)

Dado una lista de datos correspondientes a una variable cuantitativa X, la mediana de estos datos es aquel valor de
la variable que no es superado por ms del 50% ni supera a ms del 50% de los datos, siempre en cuando los datos
estn ordenados en forma creciente o decreciente.
43
2.3.1
1.
Clculo de la mediana
Para datos no agrupados en una tabla de distribucin de frecuencias. Si x1 , x2 , , xn son datos correspondiente a una variable cuantitativa X y estn ordenados en forma creciente o decreciente entonces la mediana lo
calculamos como sigue.
i
1h
a Me =
x n2 + x 2n +1 , si n es par; es decir es la semisuma de los 2 trminos centrales.
2
b Me = x n+1 , si n es impar; es decir es el trmino central.
2
Ejemplo 2.8
Presentamos un conjunto de datos cada uno con sus respectivas medianas.
1
1. La mediana de los datos 4, 5, 5, 7, 8 , 8, 9, 50 es Me = (7 + 8) = 7.5. El nmero de datos es par.
2
2. La mediana de los datos -5, 5, 7, 8 , 9, 10, 950 es Me = 8. El nmero de datos es impar.
3. La mediana de los datos 1, 1, 1, 2, 2 , 2, 2, 2, 3 es Me = 2.
1
1
4. La mediana de los datos 1, 1, 1, 2, 2, 2 , 2, 2, 3, 3 es Me = (x5 + x6 ) = (2 + 2) = 2.
2
2
2.
Para datos agrupados en una tabla de distribucin de frecuencias. Si x1 , x2 , , xn son datos correspondiente a
una variable cuantitativa X y estn agrupados en una tabla de distribucin de frecuencias entonces la mediana
lo calculamos como sigue.
a
En tablas de distribucin de frecuencias sin intervalos (primer caso)

Pasos:
? Calcular n2 .
? Ubicar
n
2
en la columna de las Ni
? Si una frecuencia absoluta acumulada N j1 es igual a n2 , entonces N j es la primera que supera a n2 , es

decir,
N j1 =
n
< Nj,
2
la mediana es la semisuma de los valores de la variable que correspondes a N j1 y N j , es decir

Me =
y j1 + y j
.
2
yi
ni
Ni
1
..
.
y1
..
.
n1
..
.
N1
..
.
j1
y j1
n j1
j
..
.
yj
..
.
nj
..
.
Nj
..
.
ym
nm
Nm
44
N j1 =
?
n
2
En tablas de distribucin de frecuencias sin intervalos (segundo caso)

Pasos:
? Calcular n2 .
? Ubicar
n
2
? Si
N j1 <
n
< Nj,
2
entonces N j es la primera que supera a 2n , la mediana es el valor de la variable que correspondes a N j ,

es decir
Me = y j .
i
yi
ni
Ni
1
..
.
y1
..
.
n1
..
.
N1
..
.
j1
y j1
n j1
j
..
.
yj
..
.
nj
..
.
N j1
2n
Nj ?
..
.
ym
nm
Nm
n
c
En tablas de distribucin de frecuencias con intervalos (primer caso)

Pasos:
? Calcular n2 .
? Ubicar
n
2
? Si una frecuencia absoluta acumulada N j1 es igual a n2 , entonces N j es la primera que supera a n2 , es

decir,
N j1 =
n
< Nj,
2
? El intervalo que correspondes a N j se denomina clase mediana, el valor de la mediana que se va

calcular pertenece a este intervalo, en este caso la mediana es el extremo inferior de la clase mediana,
es decir
Me = y0j1 .
i
[y0i1 y0i i
yi
ni
Ni
1
..
.
[y00 y01 i
..
.
y1
..
.
n1
..
.
N1
..
.
j1
[y0j2 y0j1 i
y j1
n j1
j
..
.
[y0j1 y0j i
..
.
yj
..
.
nj
..
.
Nj
..
.
[y0m1 y0m i
ym
nm
Nm
N j1 =
n
2
45
En tablas de distribucin de frecuencias con intervalos (segundo caso)

Pasos:
? Calcular n2 .
? Ubicar
n
2
? Si
N j1 <
entonces N j es la primera que supera a
n
< Nj,
2
n
2
? El intervalo que correspondes a N j se denomina clase mediana, el valor de la mediana que se va

calcular pertenece a este intervalo, en este caso la mediana es
Me = y0j1 + c
n
2

n

N j1
N j1
= y0j1 + c 2
,
N j N j1
nj
donde c es la amplitud de la clase mediana.

i
[y0i1 y0i i
yi
ni
Ni
1
..
.
[y00 y01 i
..
.
y1
..
.
n1
..
.
N1
..
.
j1
[y0j2 y0j1 i
y j1
n j1
j
..
.
[y0j1 y0j i
..
.
yj
..
.
nj
..
.
N j1
n2
Nj ?
..
.
[y0m1 y0m i
ym
nm
Nm
Observaciones:
1. Si los datos de una variable cuantitativa estn ordenados (en forma creciente o decreciente), la mediana de stos
es aquel valor de la variable que separa a los datos en dos grupos, siendo un grupo el que contiene a la mitad
de los datos con valores menores o iguales a la mediana y el otro grupo que contiene a la mitad de los datos
con valores mayores o iguales a la mediana, ello es posible si el nmero de datos es par.
xmx
Me
xmn
50% de los datos
50% de los datos
2. La mediana puede ser uno de los datos. Tambin es posible que la mediana no sea uno de los datos.
Ilustremos las observaciones con los siguientes ejemplos
Ejemplo 2.9
Sin agrupar en una tabla de frecuencias, calcule e interprete la mediana si los siguientes datos son el nmero de horas
extras laboradas por los trabajadores de SMART durante el ao 2010.
46
20
20
20
30
30
35
35
35
35
35
35
35
35
35
40
40
40
40
40
40
40
40
50
50
50
50
50
50
50
50
50
55
55
55
55
55
55
55
60
60
60
60
60
60
65
65
65
65
65
75

Me =
Interpretacin:
Interpretacin:
Ejemplo 2.10
Sin agrupar en una tabla de frecuencias, calcule e interprete la mediana si los siguientes datos son la cantidad de
vehculos vendidos por todos los trabajadores de la importadora Nissan durante el verano 2012. Ordene los datos,
luego calcule la mediana.
20
21
21
21
24
22
25
21
21
22
22
21
20
22
21
23
20
20
24
20
24
23
24
25
22
26
25
23
23
23
25
24
25
21
21
26
26
24
26
20
21
21
22
23
23
21
22
21
21
21
Me =
Interpretacin:
Interpretacin:
Ejemplo 2.11 (Calculamos la mediana en los siguientes casos)

i
yi
ni
Ni
yi
ni
Ni
20
20
22
11
22
11
24
17
24
17
25
10
27
25
n
2
12
29 =
27
16
45
27
12
2n = 30.5
39 ?
30
53
30
13
52
33
58
33
61
58
61
Me =
25 + 27
= 26
2
Me = 27
47

i
[y0i1 y0i i
yi
ni
Ni
[y0i1 y0i i
yi
ni
Ni
[120 127i
123,5
[120 127i
123,5
[127 134i
130,5
[127 134i
130,5
[134 141i
137,5
16
[134 141i
137,5
15
[141 148i
144,5
10
25
[141 148i
144,5
10
26 =
[148 155i
151,5
14
40
[155 162i
158,5
47
[162 169i
165,5
52
n
2
[148 155i
151,5
16
2n = 28.5
41 ?
[155 162i
158,5
10
51
[162 169i
165,5
57
52
57

Me [148 155i,
Me [148155i,
Me = 148
Me = 148+7

28.5 25
= 149.53125
41 25
Ejemplo 2.12
La siguiente tabla se refiere a las estaturas de los estudiantes del 3er grado de secundaria (ambas secciones) de la IE
San Carlos, halle e interprete la mediana
Estaturas(cm)
yi
ni
Ni
Estatura(cm)
ni
[130 140i
135
[130 140i
[140 150i
145
25
[140 150i
25
[150 160i
155
43
27
70 ?
[150 160i
43
[160 170i
22
[160 170i
165
22
92
[170 180i
[170 180i
175
100
n
2
= 50
100
De la segunda tabla n = 100,
n
2
= 50; al ubicar
n
2
en la columna de las Ni vemos que 27 = N2 <
N3 = 70 es la primera frecuencia absoluta acumulada que supera a
n
2
n
2
< N3 = 70, de donde
y la clase mediana es [150 160i cuya amplitud
es 10, por tanto la mediana es

50 27
Me = 150 + 10
= 155, 34 cm
70 27
Interpretacin:
El 50% de los estudiantes del 3er grado de secundaria de la IE San Carlos, de menor estatura, tienen estaturas inferiores o iguales a 155,34 cm.
El 50% de los estudiantes del 3er grado de secundaria de la IE San Carlos, de mayor estatura, tienen estaturas superiores o iguales a 155,34 cm. Ambas interpretaciones son vlidas.
Ventajas y desventajas de la mediana:

Ventajas de la mediana:
1. La mediana tiene una definicin muy rgida y el concepto que envuelve es tan claro, que cualquiera puede
entenderlo aun no siendo familiar el trmino
48
2. Si los datos estn agrupados en tablas de frecuencias, esta medida es fcil de calcular y por otro lado, los datos
extremos no tienen ninguna influencia en ella.
3. Tiene menor estabilidad en el muestreo que el promedio aritmtico, pero es ms estable que otras medidas
4. Hay situaciones en que la nica medida de tendencia central que puede calcularse es la mediana, tal y como
sucede en el caso de una distribucin cuyos intervalos primero y ltimos no estn definidos completamente.
Desventajas de la mediana:
1. No es tan conocida como la media aritmtica.
2. Es necesario ordenar los datos para poderla calcular.
3. La mediana no se adapta a clculos posteriores aritmticos, por cuanto que si obtenemos las medianas de
diferentes grupos, no podemos obtener una mediana de los grupos reunidos.
4. La mediana no es sensible a cambios de valores de los elementos que componen la distribucin, si se mantienen
ordenados los datos.
5. La mediana no siempre es exacta cuando los datos estn agrupados en tablas con intervalos.
2.4
Moda
La moda, Mo, de una muestra es aquel valor de la variable que tiene una frecuencia mxima. En otras palabras, es el
valor que ms se repite. Hay que indicar que puede suceder que la moda no sea nica, es decir que aparezcan varias
mximas frecuencias en la distribucin. En ese caso diremos que tenemos una distribucin bimodal, trimodal, etc.
Evidentemente, en el caso de una variable discreta que no toma valores repetidos, la moda no tiene sentido. Cuando
si existen valores repetidos su clculo es directo ya que puede leerse directamente de la tabla de distribucin de
frecuencias.
Definicin 2.3 (Moda)

Sean x1 , x2 , , xn los datos correspondientes a una variable X, la moda, denotada por Mo, de esos datos es aquel que
ms veces se repite sobre el resto, es decir aquel que tiene la mayor frecuencia absoluta simple.
Observaciones:
1. La moda se puede calcular para datos de variable cualitativa.
2. Es posible encontrar en un conjunto de datos x1 , x2 , , xn ms de un dato que tenga mayor frecuencia, si son
dos, entonces diremos que el conjunto de datos es bimodal
2.4.1
1.
Clculo de la Moda
Para datos no agrupados en una tabla de distribucin de frecuencias. Si x1 , x2 , , xn son datos correspondiente
a una variable X la moda ser aquel dato ms frecuente.
2.
Para datos agrupados en una tabla de distribucin de frecuencias. Si x1 , x2 , , xn son datos correspondiente a
una variable X y estn agrupados en una tabla de distribucin de frecuencias entonces la moda lo calculamos
como sigue.
49
En tablas de distribucin de frecuencias sin intervalos:

Pasos:
i
yi
ni
? Ubicar en la columna de las ni la mayor frecuencia absoluta simple.
1
y1
n1
? Si n j es la mayor frecuencia absoluta simple, entonces la moda es aquel
..
..
..
.
.
.
valor de la variable que corresponde a n j , es decir,
j
yj
nj
Mo = y j .
..
..
..
.
.
.
m
ym
nm
? Es posible que hayan dos frecuencias absolutas simple que sean iguales
y sean mayores que el resto, en este caso la distribucin se dir que es

bimodal.
En tablas de distribucin de frecuencias con intervalos:

Pasos:
i
[y0i1 y0i i
yi
ni
1
..
.
[y00 y01 i
..
.
y1
..
.
n1
..
.
? Ubicar en la columna de las ni la mayor frecuencia ab-
j1
[y0j2 y0j1 i
y j1
n j1
? Si n j es la mayor frecuencia absoluta simple, el inter-
[y0j1 y0j i
yj
nj
j+1
..
.
[y0j y0j+1 i
..
.
y j+1
..
.
n j+1
..
.
[y0m1 y0m i
ym
nm
soluta simple.
valo que le corresponde se denomina clase modal, el
valor de la moda que se va calcular pertenece a este

intervalo, en este caso la moda es
Mo = y0j1 + c

n j n j1
,
(n j n j1 ) + (n j n j+1 )
donde c es la amplitud de la clase modal.
Ejemplo 2.13
Presentamos conjuntos de datos cada uno con su respectiva moda.
1. La moda de los datos: 5, 4, 5, 5, 3, 8, 1, 9, 5 es Mo = 5.
2. La moda de los datos: Blanco, Rojo, Negro, Rojo, Azul, Verde, Rojo es Mo = Ro jo.
3. La moda de los datos: 5, 4, 5, 5, 1, 8, 1, 9, 5, 1, 4, 1 es Mo = 5 Mo = 1, son datos con tendencia bimodal.
4. La moda de los datos: 4, 5, 5, 7, 8, 8, 9, 50 es Mo = 5 Mo = 8, son datos con tendencia bimodal.
5. Los datos: 14, 25, 16, 7, 8, 39, 10, 15 no tienen Moda.
Ventajas y desventajas de la moda:

Ventajas de la moda:
1. La moda, se puede usar como localizacin tanto para datos cualitativos como cuantitativos.
2. La moda no est afectada por los valores extremos. An si los valores altos son muy altos y los valores pequeos
muy pequeos, se escoge el valor ms frecuente del conjunto de datos como el valor modal.
3. La moda se puede calcular an cuando una de las clases sean abiertas en los extremos.
50
Desventajas de la moda:
1. Muy a menudo, no hay un valor modal, por que el conjunto de datos no contiene valores que se repitan ms de
una vez. Otras veces, cada valor es la moda, porque cada uno aparece el mismo nmero de veces. Claramente,
la moda no es una medida til en estos casos.
2. Cuando el conjunto de observaciones contiene dos, tres o ms modas, stas son difciles de interpretar y comparar.
3. Es muy difcil de calcular en tablas con intervalos y las aproximaciones de su clculo no son de mucha confianza.
4. Es muy inestable en el muestreo.
5. No puede ser usado fcilmente en procesos algebraicos posteriores.
6. No es sensible a cambios de valores de la distribucin, a menos que tales cambios afecten su propio valor.
Ejemplo 2.14
Sin agrupar en una tabla de frecuencias, calcule e interprete la moda si los siguientes datos son nmero de horas
extras laboradas por los trabajadores de SMART durante el ao 2010.
20
20
20
30
30
35
35
35
35
35
35
35
35
35
40
40
40
40
40
40
40
40
50
50
50
50
50
50
50
50
50
55
55
55
55
55
55
55
60
60
60
60
60
60
65
65
65
65
65
75
Mo =
Interpretacin:
Ejemplo 2.15
Sin agrupar en una tabla de frecuencias, calcule e interprete la moda si los siguientes datos son cantidad de vehculos
vendidos por todos los trabajadores de la importadora Nissan durante el verano 2012. No es necesario ordenar los
datos.
20
21
21
21
24
22
25
21
21
22
22
21
20
22
21
23
20
20
24
20
24
23
24
25
22
26
25
23
23
23
25
24
25
21
21
26
26
24
26
20
21
21
22
23
23
21
22
21
21
21
Mo =
Interpretacin:
Observacin: En los dos ejemplos anteriores, la moda es posible calcularlo si los datos fueran agrupados en una
tabla de distribucin de frecuencias.
51
Ejemplo 2.16
Una imprenta saca once materiales impresos, que se clasifican en: muy claro, claro, oscuro, muy claro, claro, borroso,
claro, muy claro, oscuro, borroso, claro. Hallemos la moda para este caso.
Solucin:
Clasificacin
Frecuencia
Llevemos los datos a una tabla de frecuencias para observar rp-
muy claro
idamente el valor modal. En la tabla la clasificacin que se pre-
claro
senta con mayor frecuencia es claro.
oscuro
Luego el valor modal es Mo = claro.
borroso
Total
11
Ejemplo 2.17
De la siguiente tabla calcule la media, mediana y moda.
Intervalo
yi
ni
[ 14 36i
[ 36 58i
12
[ 58 80i
16
[ 80 102 i
20
[102 124i
24
[124 146i
10
Solucin:
Intervalo
yi
ni
Ni
yi ni
[ 14 36i
25
200
[ 36 58i
47
12
20
564
[ 58 80i
69
16
36
1104
1820
[ 80 102 i
91
20
45
56 ?
[102 124i
113
24 ?
80
2712
[124 146i
135
10
90
1350
90
a
Media:
Mediana:
X=
7750
7750
= 86, 11
90
Me [80 102i,

45 36
Me = 80 + 22
= 89, 9
56 36
c
Moda:
Mo [102 124i,

24 20
Mo = 102 + 22
= 106, 88
(24 20) + (24 10)
52
2.5
Medidas de posicin:
La mediana marca una posicin dentro de un conjunto de datos, cuando estn ordenados en forma creciente, simplemente los separa en 50% y 50%, el primer 50% de los datos es inferior o igual a la mediana y el otro 50% de los
datos es superior o igual a la mediana, es decir la mediana a dividido al rango [xmn ; xmx ] en dos intervalos, no
necesariamente de longitudes iguales, cada uno de ellos conteniendo el 50% de los datos.
xmx
Me
xmn
50% de los datos
50% de los datos
Sin embargo estamos interesados en dividir el conjunto de datos en partes (intervalos) que contenga porcentajes
enteros especficos; por ejemplo 25%, 10%, 1%, etc.
2.5.1
Cuartiles:
Tienen la cualidad de dividir al conjunto de datos de una variable cuantitativa, cuando estn ordenados en forma
creciente, en cuatro intervalos cada uno conteniendo un 25% del total de los datos. Para hacer efectiva tal divisin
es necesario 3 cortes, a cada uno de stos los denominaremos cuartiles, siendo Q1 el primer cuartil, Q2 el segundo
cuartil y Q3 el tercer cuartil.
Q1
xmn
25% de los datos
Q2
25% de los datos
Q3
25% de los datos
xmx
25% de los datos
Cuando los datos estn ordenados en forma creciente, los cuartiles se relacionan como sigue
Q1 < Q2 < Q3
2.5.2
adems Q2 = Me
Deciles:
creciente, en diez intervalos cada uno conteniendo un 10% del total de los datos. Para hacer efectiva tal divisin es
necesario 9 cortes, a cada uno de stos los denominaremos deciles, siendo D1 el primer decil, D2 el segundo decil y
as sucesivamente D9 el noveno decil.
xmn
D1
D2
D5
10% de
10% de
los datos los datos
D8
D9
10% de
los datos
xmx
10% de
los datos
Cuando los datos estn ordenados en forma creciente, los deciles se relacionan como sigue
D1 < D2 < < D5 < < D9
2.5.3
adems D5 = Me
Percentiles:
creciente, en cien intervalos cada uno conteniendo un 1% del total de los datos. Para hacer efectiva tal divisin es
necesario 99 cortes, a cada uno de stos los denominaremos percentiles, siendo P1 el primer percentil, P2 el segundo
percentil y as sucesivamente P99 el noventainueveavo percentil.
53
xmn P1 P2
P10
P20
P25
P50
P75 P80
P90
P98 P99 xmx
Cuando los datos estn ordenados en forma creciente, los percentiles se relacionan como sigue
P1 < P2 < < P99
adems
P50 = Me
Las relaciones entre estas medidas de posicin son:

a) P10 = D1 , P20 = D2 , P30 = D3 , P40 = D4 ,
P50 = D5 , P60 = D6 ,
P70 = D7 , P80 = D8 , P90 = D9
b) P25 = Q1 , P50 = Q2 , P75 = Q3

c) Q2 = Me, D5 = Me, P50 = Me
2.5.4
Clculo de los percentiles
Solo presentar su forma de clculo para datos agrupados en una tabla de distribucin de frecuencias.
Si x1 , x2 , , xn son los datos correspondiente a una variable cuantitativa X y estn agrupados en una tabla de distribucin de frecuencias entonces el percentil Pk lo calculamos como sigue.
a
En tablas de distribucin de frecuencias sin intervalos (primer caso)
yi
ni
Ni
1
..
.
y1
..
.
n1
..
.
N1
..
.
j1
y j1
n j1
j
..
.
yj
..
.
nj
..
.
Nj
..
.
ym
nm
Nm
N j1 =
kn
100
n
Pasos:
? Calcular
? Ubicar
kn
100 .
kn
100
? Si una frecuencia absoluta acumulada N j1 es igual a

decir,
N j1 =
kn
100 ,
kn
< Nj,
100
el percentil Pk es la semisuma de los valores de la variable que correspondes a N j1 y N j , es decir

Pk =
54
y j1 + y j
.
2
kn
100 ,
es
En tablas de distribucin de frecuencias sin intervalos (segundo caso)
yi
ni
Ni
1
..
.
y1
..
.
n1
..
.
N1
..
.
j1
y j1
n j1
j
..
.
yj
..
.
nj
..
.
N j1
kn
100
Nj ?
..
.
ym
nm
Nm
n
Pasos:
? Calcular
? Ubicar
kn
100 .
kn
100
? Si
N j1 <
kn
100 ,
kn
< Nj,
100
el percentil Pk es el valor de la variable que correspondes a N j ,
es decir
Pk = y j .
c
En tablas de distribucin de frecuencias con intervalos (primer caso)
[y0i1 y0i i
yi
ni
Ni
1
..
.
[y00 y01 i
..
.
y1
..
.
n1
..
.
N1
..
.
j1
[y0j2 y0j1 i
y j1
n j1
j
..
.
[y0j1 y0j i
..
.
yj
..
.
nj
..
.
Nj
..
.
[y0m1 y0m i
ym
nm
Nm
N j1 =
kn
100
n
Pasos:
? Calcular
? Ubicar
kn
100 .
kn
100
? Si una frecuencia absoluta acumulada N j1 es igual a
kn
100 ,
kn
100 ,
es
decir,
N j1 =
kn
< Nj,
100
? El intervalo que correspondes a N j es el que contiene al valor de Pk , en este caso el percentil Pk es el extremo
inferior de dicho, intervalo, es decir
Pk = y0j1 .
55
En tablas de distribucin de frecuencias con intervalos (segundo caso)
[y0i1 y0i i
yi
ni
Ni
1
..
.
[y00 y01 i
..
.
y1
..
.
n1
..
.
N1
..
.
j1
[y0j2 y0j1 i
y j1
n j1
j
..
.
[y0j1 y0j i
..
.
yj
..
.
nj
..
.
N j1
kn
100
Nj ?
..
.
[y0m1 y0m i
ym
nm
Nm
n
Pasos:
? Calcular
? Ubicar
kn
100 .
kn
100
? Si
N j1 <
kn
< Nj,
100
kn
100
? El intervalo que correspondes a N j es el que contiene al valor de Pk , y lo calculamos con

"
#
"
#
kn
kn
N
j1
j1
Pk = y0j1 + c 100
= y0j1 + c 100
,
N j N j1
nj
donde c es la amplitud de la clase donde esta Pk .
Observacin:
Dado un conjunto de datos, si a partir de ellos se calcula el k-simo percentil, obtendremos el k% de los datos cuyos
valores son iguales o inferiores a Pk , el resto, es decir el 100 k% de los datos, con valores iguales o superiores a Pk .
k % de los datos
56
xmx
Pk
xmn
100 - k % de los datos
CUESTIONARIO
1 Los siguientes datos son los importes, en nuevos soles, por consumo de electricidad correspondiente al mes de
abril 2012 de las 50 viviendas de la residencial Cuman
153
123
129
132
147
138
137
134
131
147
158
128
134
148
125
139
146
145
148
135
152
128
146
143
138
121
122
146
137
151
145
124
132
138
144
141
137
146
138
146
152
136
160
159
157
150
160
142
148
130
Calcule la media aritmtica de los datos originales.
Agrupar los datos en una tabla de distribucin de frecuencia con: c = 7, m = 6

i
Monto(s/.)
Monto(s/.)
h120 127i
h120 127i
yi
ni
yi ni
sumas
c
y
yi
y00 = 120
hi
yi hi
sumas
Calcular la media para los datos agrupados,

? En base a las frecuencias absolutas.
? En base a las frecuencias relativas.
Si en el conjunto de las 50 viviendas se dividen en tres grupos del siguiente modo: El Grupo 1 consta de
aquellos cuyos consumos por electricidad es mayor a s/.120 y menor a s/. 134, El Grupo 2 consta de aquellos cuyos consumos por electricidad es mayor o igual a s/.134 y menor a s/. 155 y El Grupo 3 consta de
aquellos cuyos consumos por electricidad es mayor o igual a s/.155 y menor a s/. 162, calcule el importe
promedio por consumo de electricidad de cada grupo.
En funcin a los clculos del item anterior calcule el importe promedio por consumo de electricidad de las
50 viviendas.
Por que la diferencia de los resultados de los apartado a) y e). Explique
Si en el mes de mayo cada vivienda duplica el importe por consumo de electricidad, cul sera el importe
promedio por consumo de electricidad de las 50 viviendas.?
Si en el mes de junio de cada vivienda el importe por consumo de electricidad aumenta en s/. 50, cul
sera el importe promedio por consumo de electricidad de las 50 viviendas.?
2 Las siguientes son los salarios diarios, en dlares, correspondientes a los trabajadores de la unidad de almacn
de la Constructora REX
20
20
20
20
20
20
22
22
22
22
22
22
22
23
23
23
23
23
23
23
23
23
23
23
25
25
25
25
25
25
25
25
25
25
25
25
25
27
27
27
27
27
27
27
27
27
27
30
30
30
57
Agrupe los datos en una tabla de distribucin de frecuencias

i
Salarios($)
ni
yi ni
6
sumas
Salarios($)
hi
yi hi
sumas
Calcular la media para los datos agrupados,

? En base a las frecuencias absolutas.
? En base a las frecuencias relativas.
En el mes que se aproxima cada uno de estos trabajadores recibirn $7 de aumento, cul ser el salario
medio diario del grupo?.
En el ao prximo a cada uno de estos trabajadores se les triplicara el salario diario, cul ser el salario
medio diario del grupo?.
3 Los ingresos, en miles de dlares, de 40 empresas exportadoras de la costa peruana durante abril 2012 son los
siguientes. Calcule su ingreso medio.
ingresos (miles de$)
yi
ni
200 250
Ni
250 300
300 350
12
22
350 400
29
400 450
34
450 500
500 550
4 Los sueldos mensuales de 70 empleados de una empresa son como sigue

Ocupacin
58
Nro de empleados
Sueldos($)
Recepcionista
642
Mecanografa
12
751
Secretaria
758
Aux de Contabilidad
10
794
Tcnicos elctricos
24
801
Tcnicos mecnicos
14
911
Se pide calcular la media, la mediana y la moda e interpretar.
Calcule la media para cada grupo de trabajadores.
Calcule el sueldo medio de los trabajadores.
Calcule el sueldo medio y mediano de los tcnicos.
5 Ejercicios diversos para calculadora.

=
yi
ni
642
751
12
758
794
10
801
24
911
14
yi
ni
642
751
24
758
16
794
20
801
48
911
=
=
Xn1
x2
Xn
Xn1
yi
ni
124
x2
[120
12
14
Xn
50
Xn1
[y0i1 y0i i
Xn
28
[y0i1 y0i i
x2
yi
x2
ni
442
551
12
558
594
10
601
24
711
14
yi
ni
1284
1502
12
1516
1588
10
1602
24
1822
14
x2
Xn
Xn1
x2
Xn
Xn1
ni
12
[ 43
10
Xn
50
Xn1
78
yi
59
6 La siguiente informacin se refiere a la clasificacin por grado de instruccin acadmica de un grupo trabajadores no docentes de la UNSCH.
Grado
Nro de trabjs.
Analfabetos
Primaria incompleta
Primaria completa
Secundaria incompleta
Secundaria completa
10
Superior incompleta
12
Superior completa
11
Universitaria incompleta
Universitaria completa
Ni
Mencione la Poblacin y la muestra, qu tamao tiene la muestra?
Cul es la variable y de qu tipo es?.
Se pide calcular la mediana y la moda, si es posible, e interpretarlas.
Qu puede decir a cerca de estas medidas de tendencia central en este problema?
Es posible calcular la media?, Por qu?.
7 El presidente de un sindicato clasific a sus compaeros segn el salario mensual en miles de pesos de la
siguiente forma:
Salario (miles de pesos)
menos a 600
[600 800i
[800 1000i
[1000 1200i
1200 ms
30
60
45
15
50
Nro de trabajadores
a
Es posible hallar la media?, por qu?.
Calcule la mediana e interprete.
Calcule la moda e interprete.
Calcule P50 e interprete.
Calcule el sueldo mnimo de los 35% que ms ganan.
Calcule el sueldo mximo de los 25% que menos ganan.
Calcule el sueldo mnimo de los 35% que menos ganan.
Calcule el sueldo mximo de los 25% que ms ganan.
8 La siguiente distribucin corresponde a los salarios semanales (en $) de los trabajadores de las empresas y .
[ 49 58 >
[ 58 67 >
[ 67 76 >
[ 76 85 >
[ 85 94 >
[ 94 103 >
Empresa (ni )
11
17
10
Empresa (ni )
13
16
10
Salarios ($)
60
Empresa
Salarios($)
yi
ni
Empresa
Salarios($)
Ni
total
yi
ni
Ni
total
Los trabajadores de la empresa en promedio tienen un salario semanal de
aprox.
La mayor parte de los trabajadores de la empresa tienen un salario semanal de
Los trabajadores de la empresa en promedio tienen un salario semanal de
La mayor parte de los trabajadores de la empresa tienen un salario semanal de
El promedio total de los salarios semanales de los trabajadores de ambas empresas es de
El 50% de los trabajadores de la empresa tienen un salario semanal igual o superior a
aprox.
El 50% de los trabajadores de la empresa tienen un salario semanal igual o inferior a
aprox.
aprox.
aprox.
aprox.
aprox.
aprox.
aprox.
aprox.
aprox.
61
Suponiendo que pagan hoy, Cul de las empresas gastar menos pagando a todos sus trabajadores y
cuanto dinero debe disponer exactamente?.
Suponiendo que usted est dispuesto a comprar ambas empresas Cunto gastar cada semana pagando
a todos sus trabajadores?, Cuntos trabajadores tendra usted en ambas empresas?.
9 Ejercicios diversos para medidas de tendencia central y posicin.
yi
ni
Ni
642
751
12
19
758
15
34
794
20
54
801
34
88
911
12
100
yi
ni
Ni
342
451
12
19
458
15
34
494
20
54
501
34
88
611
12
100
[y0i1 y0i i
62
Me
Mo
P70
P34
P88
P6
Me
Mo
P70
P34
P88
P6
yi
ni
124
Me
Me
Mo
Mo
P30
Ni
[ 120
12
14
P30
50
P95
P95
yi
ni
Ni
1642
1751
12
19
1758
15
34
1794
20
54
1801
34
88
1911
12
100
Me
Mo
P70
P34
P88
P6
Intervalos
yi
ni
Ni
P20
Me
P20
Mo
P60
48
[ 43
32
Mo
P60
40
P40
P10
P40
P10
P5
P90
P5
P90
Me
P25
Me
P25
Mo
P60
Intervalos
78
16
yi
ni
Ni
[ 37
64i
80
Mo
P60
100
P30
P40
40
140
P30
P40
P4
P72
P4
P72
Me
P20
Me
P20
20
500
Intervalos
200
Me
yi
ni
Ni
84
72
[ 51
48
Mo
P60
73i
60
Mo
P60
P5
P88
P5
P88
24
300
10 Dos ejercicios para calculadora

a
Complete los siguientes recuadros

yi
ni
30
25
33
65
36
X2
56
40
47
Xn
42
75
45
102
48
30
Complete los siguientes recuadros

Intervalos
yi
[ 72 79 i
ni
10
X2
15
25
Xn
40
18
Xn1
(Xn )2
Xn
X
Xn1
(Xn )2
Xn
X
63
11 Considere las 20 observaciones siguientes, donde cada una representa la duracin en horas de un cierto tipo de
lmpara incandescente
612
623
666
744
883
898
964
970
983
1003
1016
1022
1029
1058
1085
1088
1122
1135
1197
1201
Calcule e interprete la media, mediana y la moda.
Si la primera lmpara dura 500 horas en lugar de 612 y la ltima lmpara dura 2000 horas en lugar de
1201, cul sera el valor de la Me del conjunto de observaciones?.
El 25% de las lmparas duran menos de
horas.
El 25% de las lmparas ms duraderas, duran ms de
El 40% de las lmparas menos duraderas, duran menos de
El 40% de las lmparas ms duraderas, duran ms de
La variabilidad de la duracin de las lmparas es de
Cul sera la duracin promedio y la duracin mediana de las lmparas, si ellas duplican la capacidad de
horas.
horas.
horas.
horas.
duracin?.
i
Cul sera la duracin promedio y la duracin mediana de las lmparas, si ellas duran 500 horas con
respecto a la capacidad de duracin registradas anteriormente?.
Cul sera la variabilidad de la duracin de las lmparas, si ellas duran 800 horas con respecto a la capacidad de duracin registradas anteriormente?.
12 Calcule algunas medidas de posicin de la siguiente tabla

Intervalos
yi
[ 72 79 i
ni
Ni
10
Me
P20
15
Me
P20
Mo
P60
25
40
Mo
P60
18
P5
P90
P5
P90
13 A partir de la siguiente distribucin de frecuencias correspondiente al nmero de errores ortogrficos cometidos en un ejercicio de dictado por los estudiantes de las tres secciones del 3er grado de Educacin Primaria del
Colegio Los lamos, calcular la media, mediana y moda e interprtelos.
# de errores
[16 22i
[22 28i
[28 34i
[34 40i
[40 46i
[46 52i
[52 58i
[58 64i
[64 70]
14
18
25
22
22
18
14
12
yi
ni
Ni
yi : marcas de clase, ni : nmero de estudiantes, Ni : nmero acumulado de estudiantes.
a
Cuntos errores ortogrficos como mnimo cometieron los estudiantes del quinto inferior?
Rta:
Cuntos errores ortogrficos como mximo cometieron los estudiantes del quinto inferior?
Rta:
64
Cuntos errores ortogrficos como mnimo cometieron los estudiantes del quinto superior?
Rta:
Cuntos errores ortogrficos como mximo cometieron los estudiantes del quinto superior?
Rta:
Cuntos errores ortogrficos como mximo cometieron los estudiantes del tercio inferior?
Rta:
Cuntos errores ortogrficos como mnimo cometieron los estudiantes del tercio superior?
Rta:
14 Diga los motivos por los cuales es imposible calcular la media, la mediana y la moda a partir de la siguiente
tabla
Salarios semanales(nuevos soles)
nmero de trabajadores
menos de 200
50
[200 300i
20
300 o ms
10
La media es imposible calcularla pues

La mediana es imposible calcularla pues
La moda es imposible calcularla pues
15 Los salarios mensuales de los empleados de una empresa varan entre $300 y $800 distribuidos en forma
simtrica en 5 intervalos de igual amplitud, con el 15%, 20% y 30% de casos en el primer, segundo y tercer
intervalo respectivamente
Salarios ($)
yi
Nmero de empleados (ni )
Ni
Porcentaje de empleados (100hi )
100Hi
Calcule e interprete la media, mediana y moda si el nmero de empleados es 500.
Si se aplica un impuesto a los sueldo localizados en el cuarto superior, cul es el salario mnimo que debe
tener un empleado para pagar dicho impuesto? Rta:
y cuntos empleados seran?Rta:
Si se aplica una bonificacin extra a los sueldo localizados en el quinto inferior, cul es el salario mximo
para beneficiarse de dicha bonificacin extra? Rta:
y cuntos empleados seran?Rta:
Si se aplica un impuesto del 20% a todos los sueldos, cul es el salario neto promedio que perciben los
empleados luego de pagar dichos impuestos? Rta:
Si se aplica una bonificacin extra del 25% a todos los sueldos, cul es el salario promedio que perciben
los empleados luego de obtener la bonificacin extra? Rta:
.
65
16 Para calcular el suministro de agua que una ciudad requiere mensualmente se escogen 15 viviendas familiares
de tal ciudad, resultando los siguientes consumos en metros cbicos
11,2
21,5
16,4
19,7
14,6
16,9
32,2
18,2
13,1
23,8
18,3
15,5
18,8
22,7
14,0
Si en la ciudad hay 5000 viviendas familiares, cuntos metros cbicos mensualmente se requieren como mnimo para abastecer la ciudad de agua si el consumo promedio no vara?
17 Dado el siguiente histograma que se refiere a los salarios semanales (en dlares) de los trabajadores de la empresa SONY, responda el siguiente cuestionario, justificando su clculo:
Histograma de frecuencias
absolutas acumuladas
nmero de
trabajadores
80
79
79
80
76
76
61
61
44
44
24
24
11
11
90 105
Salarios($)
salarios
semanales ($)
yi
ni
Ni
Media
: X
Mediana : Me
Moda
: Mo
P20
P25
P40
total
a
La mayor parte de los trabajadores de la empresa SONY tienen un sueldo semanal de
Los trabajadores de la empresa SONY en promedio tienen una sueldo semanal de
El 50% de los trabajadores de la empresa SONY de mayor salario tienen un sueldo semanal igual o superior
a
aprox.
aprox.
El 25% de los trabajadores de la empresa SONY de menor salario tienen un sueldo semanal igual o inferior
a
66
aprox.
aprox.
El 20% de los trabajadores de la empresa SONY de menor salario tienen un sueldo semanal igual o superior
aprox.
a
f
El 20% de los trabajadores de la empresa SONY de menor salario tienen un sueldo semanal igual o inferior
a
aprox.
Calcule el sueldo mnimo del 75% de los trabajadores de la empresa SONY de mayor salario.
aprox.
Rta:
h
Calcule el sueldo mximo del 40% de los trabajadores de la empresa SONY de menor salario.
aprox.
Rta:
2.6
2.6.1
Manual de calculadoras
Para calculadoras que no contienen tablas
Aqu presentar algunos pasos para utilizar las herramientas estadsticas de las calculadoras que no contienen tablas.
1
Para borrar la configuracin siga los siguientes pasos

SHIFT A
Para ingresar al modo no estadstico siga los siguientes pasos: MODE A
Para ingresar al modo estadstico de una variable (SD): MODE A
Para ingresar al modo estadstico de dos variables (REG): MODE A
SEA LA SIGUIENTE TABLA:

yi
ni
21
32
10
47
15
51
INGRESEMOS LA INFORMACIN A LA CALCULADORA:

1
Ingrese al modo estadstico de una variable
Fila : 2 1 A
7 A
Fila : 3 2 A
1 0 A
EN PANTALLA
Fila : 4 7 A
1 5 A
EN PANTALLA
Fila : 5 1 A
8 A
Finalmente presione la tecla AC para salir de la pantalla.
EN PANTALLA
EN PANTALLA
67
OBTENGAMOS ALGUNOS RESULTADOS:

1
Al presionar AC , la informacin est en la memoria de la calculadora.
Suma de los datos: SHIFT A
Suma de los datos al cuadrado: SHIFT A
Nmero de datos: SHIFT A
Media aritmtica: SHIFT A
Desviacin standar poblacional Xn : SHIFT A
Desviacin standar muestral Xn1 : SHIFT A
Suma de los datos
X =
Media aritmtica
X=
Suma de los datos al
X2 =
Desviacin standar
Xn =
Nmero de datos
n=
Desviacin standar
Xn1 =
Observacin:
En otros modelos de calculadoras las notaciones de las desviaciones standar Xn y Xn1 son otras,
por ejemplo Xn = X
2.6.2
Xn1 = SX .
Para calculadoras que contienen tablas
Aqu presentar algunos pasos para utilizar las herramientas estadsticas de las calculadoras que contienen tablas.
1
Para borrar la configuracin siga los siguientes pasos

SHIFT A
Para ingresar al modo no estadstico siga los siguientes pasos: MODE A
Para ingresar al modo estadstico de una variable (1 VAR): MODE A
Para activar las frecuencias (FREQ): SHIFT A
Para ingresar al modo estadstico de dos variables (A + BX): MODE A
H A
SEA LA SIGUIENTE TABLA:
68
yi
ni
FREQ
21
21
32
10
32
10
47
15
47
15
51
51
Segn la calculadora la tabla es
INGRESEMOS LA INFORMACIN A LA CALCULADORA:

1
Ingrese al modo estadstico de una variable

X
FREQ
Al inicio aparecer
Al final debe aparecer
2
3
FREQ
21
32
10
47
15
51
Ingresemos la informacin en la columna (columna de X)

2 1 =
3 2 =
4 7 =
Utilice las teclas direccionales I
Ingresemos la informacin en la columna (columna de FREQ)

7 =
1 0 =
5 1 =
N para desplazarse en la pantalla, pasar a la otra columna y al inicio.
1 5 =
8 =
Finalmente presione la tecla AC para salir de la pantalla.
OBTENGAMOS ALGUNOS RESULTADOS:

1
Al presionar AC , la informacin est en la memoria de la calculadora.
Suma de los datos: SHIFT A
Suma de los datos al cuadrado: SHIFT A
Nmero de datos: SHIFT A
Media aritmtica: SHIFT A
Desviacin standar poblacional Xn : SHIFT A
Desviacin standar muestral Xn1 : SHIFT A
Suma de los datos
X =
Media aritmtica
X=
Suma de los datos al
X2 =
Desviacin standar
Xn =
Nmero de datos
n=
Desviacin standar
Xn1 =
Observacin:
En otros modelos de calculadoras las notaciones de las desviaciones standar Xn y Xn1 son otras,
por ejemplo Xn = X
Xn1 = SX .
ANOTACIONES:
69
70
3
Z
Nro:
3.1
Medidas de dispersin y de forma
E.F.P:
Introduccin
Las medidas de dispersin o de variabilidad son nmeros que miden el grado de separacin de los datos con respecto
a un valor central, que generalmente es la media aritmtica.
Distribucin A
xmn
xmx
xmx
Distribucin B
xmn
En el grfico anterior se ve claramente que los datos en la distribucin A son ms dispersos que los datos en la
distribucin B.
Las principales medidas de dispersin son: El rango, el rango intercuartlico, la desviacin media, la varianza, la
desviacin estndar y el coeficiente de variacin.
Definicin 3.1 (Rango o recorrido de una variable)

El rango de variacin o recorrido (R o `) de un conjunto de datos de variable cuantitativa, es la diferencia entre sus
valores mximo y mnimo. Es decir,
R = Xmx Xmn ,
siendo Xmx el valor mximo y Xmn el valor mnimo de los datos respectivamente.
xmx
xmn
R
El rango es una medida de dispersin fcil de calcular, pero es muy inestable, porque depende de los valores extremos. Su valor puede cambiar si se agrega o quita un dato, su uso es muy limitado.
71
Ejemplo 3.1
Sean los siguientes datos correspondientes a una variables cuantitativa medida en dos muestras:
A:
1 4
4 5
5 5
6 6
B:
Xmn
Xmx
Xmn
Xmx
Para ambas muestras la media es 5 y el rango es R = 9 1 = 8, pero las datos de las dos muestras no tienen la
misma dispersin, ya que la segunda tiene mayor variabilidad. Este inconveniente se subsana en parte utilizando el
recorrido intercuartlico.
Definicin 3.2 (Rango intercuartlico)

El rango o recorrido intercuartlico (RI) es la diferencia entre los cuartiles tercero y primero, es decir
RI = Q3 Q1
xmn
Q1
Q2
Q3
xmx
RI
El rango intercuartlico es una medida que excluye el 25% de los datos de mayor valor y el 25% de los datos de menor
valor, dando un rango central dentro del cual se encuentra el 50% de los datos.
Esta medida de dispersin es, evidentemente, ms exacta que el simple recorrido de la variable, ya que evita el
inconveniente de valores extremos anormales, tomando aquellos dos valores que dejan entre s el 50% de los valores
(los ms centrales) de los datos de la variable.
Ejemplo 3.2
Sean los siguientes datos correspondientes a una variables cuantitativa medida en dos muestras:
A: 1
12
B: 1
10
11
12
Calcule el recorrido intercuartlico en cada caso, luego compare los resultados.

Solucin: Para ambas muestras tenemos R = 12 1 = 11, hallemos RI para cada uno.
Para A: Q1 = 4, 5 y Q3 = 7, 5
1 4
Q1
10
11
12
Q3
Para B: Q1 = 3, 5 y Q3 = 9, 5
1 2
y
Q1
72
y
Q3
12

Por lo tanto aunque el recorrido de la variable sea el mismo en ambos casos, el recorrido intercuartlico toma los
valores
RIA = Q3 Q1 = 7, 5 4, 5 = 3
RIB = Q3 Q1 = 9, 5 3, 5 = 6
marcando claramente la mayor dispersin que existe en el segundo caso.
Definicin 3.3 (Recorrido Interdeclico)

Es la diferencia entre el percentil 90 y el percentil 10, es decir,
RID = P90 P10
xmn
D1
D2
D5
D8
D9
xmx
RID
Definicin 3.4 (Rango Semiintercuartlico)

Es igual al rango intercualtil dividido entre dos, es decir,
RSI =
Q3 Q1
2
El rango semiintercuartlico mide el recorrido promedio de un cuarto de los datos. Es representativo de la dispersin
de los datos, ya se calcula, tomando el promedio de la mitad de los elementos del medio en lugar de escoger uno de
los cuartos.
Del ejemplo anterior tenemos

Q3 Q1
7, 5 4, 5
=
= 1, 5
2
2
9, 5 3, 5
Q3 Q1
RSIB =
=
=3
2
2
observndose la mayor dispersin de los datos en B.
RSIA =
Ejemplo 3.3 (La resolucin de este ejemplo queda como ejercicio)

Dada siguiente distribucin corresponde a los salarios semanales (en $) de los trabajadores de las empresas y
[ 49 58i
[ 58 67i
[ 67 76i
[ 76 85i
[ 85 94i
[ 94 103]
Empresa (ni )
13
19
12
Empresa (ni )
15
16
12
Salarios ($)
calcule el rango de la variable, el recorrido intercuartlico, el recorrido interdeclico para cada grupo de salarios y
luego diga qu grupo de salarios presenta mayor dispersin.
73
3.2
Desviacin media
Una de las medidas de dispersin que intenta solucionar los inconvenientes de las anteriormente presentadas es la
desviacin media que lo denotaremos por DM, ella mide el promedio de las desviaciones de cada dato con respecto
su media.
Definicin 3.5
Sean x1 , x2 xn los datos correspondientes
a una
variable cuantitativa y X la media de estos datos. La deviacin

absoluta de xi con respecto a la media X es xi X , es decir es la distancia de xi a la media X.
Definicin 3.6 (Desviacin Media)

Sean x1 , x2 xn los datos correspondientes a una variable cuantitativa y X la media de estos datos. La deviacin
media de estos datos es el promedio de las desviaciones absolutas de cada uno de ellos respecto a su media X, es
decir

x1 X + x2 X + + xn X
DM =
=
n
xi X
i=1
Prcticamente la definicin (3.6) nos indica la forma del clculo de la desviacin media, cuando los datos no estn
agrupados.
Clculo de la desviacin media para datos agrupados

No interesa que ellos estn agrupados en una tabla de distribucin de frecuencia con o sin intervalos
i
yi
ni
yi ni
y1
n1
y1 n1
2
..
.
y2
..
.
n2
..
.
y2 n2
..
.
ym
nm
ym nm
yi ni

yi X ni

y2 X n1

y2 X n2
..
.

ym X nm

yi X ni
[y0i1 y0i i
yi
ni
yi ni
[y00 y01 i
y1
n1
y1 n1
2
..
.
[y01 y02 i
..
.
y2
..
.
n2
..
.
y2 n2
..
.
[y0m1 y0m ]
ym
nm
ym nm
yi ni
sabemos que la media aritmtica es

m
yi ni
X=
i=1
entonces la desviacin media en ambos casos ser

m
yi X ni
DM =
74
i=1

yi X ni

y1 X n1

y2 X n2
..
.

ym X nm

yi X ni
Ejemplo 3.4
Halle la desviacin media en los siguientes casos:
1
yi
20
23
24
28
30
ni
10
12
Intervalos
[22, 5 27, 5i
[27, 5 32, 5i
[32, 5 37, 5i
[37, 5 42, 5i
[42, 5 47, 5i
ni
10
12
Solucin:
1
Para emplear la frmula de la desviacin media generamos columnas adicionales a la tabla presentada al inicio.
i
yi
ni
yi ni
yi X
|yi X|
|yi X|ni
20
80
20
23
10
230
20
24
12
288
12
28
252
27
30
150
25
40
1000
1000
= 25
40
Enseguida elaboramos las columnas
La media es
X=
yi X,
|yi X|,
|yi X|ni
as la desviacin media es:

DM =
104
104
= 2, 6
40
Para emplear la frmula de la desviacin media generamos columnas adicionales a la tabla presentada al inicio.
i
[y0i1 y0i i
yi
ni
yi ni
yi X
|yi X|
|yi X|ni
[22, 5 27, 5i
25
100
10, 125
10, 125
40, 5
[27, 5 32, 5i
30
10
300
5, 125
5, 125
51, 25
[32, 5 37, 5i
35
12
420
0, 125
0, 125
1, 5
[37, 5 42, 5i
40
360
4, 875
4, 875
43, 875
[42, 5 47, 5i
45
225
9, 875
9, 875
49, 375
40
1405
1405
= 35, 125
40
Enseguida elaboramos las columnas
La media es X =
yi X,
|yi X|,
|yi X|ni
as la desviacin media es
DM =
186,5
186, 5
= 4, 6625
40
OBSERVACIN: Las unidades en las cuales se expresan la media y la desviacin media son las mismas.
Ejemplo 3.5
Dada siguiente distribucin corresponde a los salarios semanales (en $) de los trabajadores de las empresas y
[ 49 58i
[ 58 67i
[ 67 76i
[ 76 85i
[ 85 94i
[ 94 103]
Empresa (ni )
13
19
12
Empresa (ni )
15
16
12
Salarios ($)
calcule la desviacin media para cada grupo de salarios y luego diga qu grupo de salarios presenta mayor dispersin.
75

Solucin:
Empresa
Salarios($)
yi
ni
yi ni
|yi X|ni
ni
yi ni
|yi X|ni
[49 58i
53,5
13
695,5
215,71875
214
98,4375
[58 67i
62,5
19
1187,5
144,28125
562,5
140,484375
[67 76i
71,5
12
858
16,875
15
1072,5
99,140625
[76 85i
80,5
724,5
93,65625
16
1288
38,25
[85 94i
89,5
626,5
135,84375
12
1074
136,6875
[94 103]
98,5
394
113,625
788
163,125
64
4486
720
64
4999
676,125
total
1
4486
yi ni
=
= $ 70, 09375,
n
64
con ello diseamos la columna |yi X|ni , de donde |yi X|ni = 720, por lo tanto la desviacin media es
Para los salarios de los trabajadores de la empresa , el salario promedio es X =
DM =
720
|yi X|ni
=
= $11, 25.
n
64
4999
yi ni
=
= $ 78, 109275,
n
64
con ello diseamos la columna |yi X|ni , de donde |yi X|ni = 676, 125, por lo tanto la desviacin media es
Para los salarios de los trabajadores de la empresa , el salario promedio es X =
DM =
3
Empresa
676, 125
|yi X|ni
=
= $10, 56445313.
n
64
Comparando las desviaciones media concluimos que el grupo de los trabajadores de la empresa tienen los
salarios ms dispersos.
3.3
Varianza y Desviacin estndar
Sin lugar a dudas la medida ms usada para estimar la dispersin de los datos es la desviacin tpica. Esta es especialmente aconsejable cuando se usa la media artimtica como medida de tendencia central. Al igual que la desviacin
media, est basada en un valor promedio de las desviaciones respecto a la media. En este caso, en vez de tomar
valores absolutos de las desviaciones, para evitar as que se compensen desviaciones positivas y negativas, se usan
los cuadrados de las desviaciones. Esto hace adems que los datos con desviaciones grandes influyan mucho en el
resultado final.
Definicin 3.7
Sean x1 , x2 xn los datos correspondientes a una variable cuantitativa y X la media de estos datos. La deviacin
2
cuadrtica de xi con respecto a la media X es xi X , es decir es el cuadrado de la distancia de xi a la media X.
76
La varianza es una medida que cuantifica el grado de dispersin (variacin) de los valores de una variable cuantitativa con respecto a su media aritmtica. Si los valores tienden a concentrarse alrededor de su media, la varianza ser
pequea. Si los valores tienden a distribuirse lejos de la media, la varianza ser grande.
Definicin 3.8 (Varianza)

Es el estadgrafo de dispersin ms importante y expresa el grado de dispersin de las observaciones respecto a la
media aritmtica. La varianza se define como el promedio aritmtico de las deviaciones cuadrticas de los datos con
respecto a su media.
Especficamente si x1 , x2 xn son los datos correspondientes a una variable cuantitativa y X la media de estos datos,
2
2
2
la varianza de estos datos es el promedio de las desviaciones cuadrticas x1 X , x2 X , , xn X , es decir
n
V=
x1 X
2
2
+ x2 X + + xn X
n
2
=
xi X
2
i=1
Clculo de la varianza
1
Datos sin agrupar:

Donde:
N
( xi )2
i=1
V=
Poblacional o terica
( xi X )2
V=
i=1
n1
Muestral o prctica
: promedio poblacional
: promedio muestral
: cantidad de elementos de la poblacin
: cantidad de elementos de la muestra
xi
: i-simo valor de la variable
Datos agrupados (en una tabla con o sin intervalos):

m
( yi )2 .ni
V=
i=1
Donde:
( yi X )2 .ni
V=
i=1
n1
yi
: marca de clase
ni
: frecuencia absoluta simple
Muestral o prctica
2
2
xi X
xi X
OBSERVACIN: La diferencia entre
y
es grande para muestras pequeas, y es mnima para
n
n1
muestras grandes, prcticamente son iguales. Entonces para muestras grandes, n 60, puede usarse cualquiera de
2
xi X
las frmulas. Para muestras pequeas se usa
, la cual es llamada varianza muestral o varianza corregida.
n1
Propiedades de la Varianza (V):

Sean x1 , x2 , , xn los datos correspondientes a la variable cuantitativa X, al denotar por V (X) la varianza de X tenemos
las siguientes propiedades:
1
V (X) 0
V (aX) = a2V (X)
V (c) = 0 donde c es una constante, si todos los datos

son iguales entonces la varianza es 0.
5
3
V (aX b) = a2V (X)
V (X c) = V (X), si los datos aumentan en una constante, la varianza no se modifica.

77
Ejemplo 3.6
En un centro de ayuda a la familia que atiende a mujeres maltratadas, se hace un recuento de las edades (aos) de las
mujeres ingresadas el da 25 de octubre de 2010 y el resultado es el siguiente 22, 23, 24, 25, 23. Determinar la varianza
de las edades de la muestra.
Solucin: Se procede como sigue
1
Se determina la media aritmtica de la muestra.
Se toma la diferencia entre cada observacin y la media aritmtica.
Se eleva al cuadrado estas desviaciones.
Se multiplica a cada uno de estos resultados por sus respectivas frecuencias absolutas simples
Se suman los resultados anteriores.
La suma se divide por n 1 si la muestra es pequea y por n 1 n si la muestra es muy grande
Todos los pasos estn resumidos en la tabla siguiente:

i
xi
ni
yi ni
xi x
(xi x)2
(xi x)2 ni
22
22
1, 4
1,96
1,96
23
46
0, 4
0,16
0,32
24
24
0, 6
0,36
0,36
25
25
1, 6
2,56
2,56
117
5,2
yi ni
117
=
= 23, 4 aos
n
5
En promedio se tiene que la edad de las mujeres maltratadas es de 23,4 aos aproximadamente.
La media de las edades es X =
i=1
Luego calculamos la varianza poblacional y muestral respectivamente (Ver la tabla anterior en donde se ha
elaborado las columnas yi X, (yi X)2 , (yi X)2 ni
4
2
yi X ni 5, 2
V = i=1
=
= 1, 04 aos2 ,
varianza poblacional
n
5
4
2
yi X ni 5, 2
V = i=1
=
= 1, 3 aos2 ,
varianza muestral
n1
51
Podemos observar que la varianza poblacional es menor a la varianza muestral.
Ejemplo 3.7
Tenemos la siguiente informacin sobre el gasto semanal en ocio de un grupo de estudiantes universitarios.
Nivel de Gasto($)
N de jvenes
Hallar la varianza de la muestra.
78
[0 5i
[5 10i
[10 15i
[15 20i
[20 25i
[25 30i
11
16
22

Solucin: Suponiendo que los datos se encuentran uniformemente distribuidos en cada intervalo de clase, lo cual
justifica que se tome el punto medio de cada intervalo, como valor representativo de todos los valores de dicho
intervalo. Entonces resumimos los pasos en la tabla siguiente:
yi
ni
yi ni
yi X
(yi X)2
(yi X)2 ni
[0 5i
2, 5
10
121, 76
162, 8176
651, 2704
[5 10i
7, 5
11
82, 5
7, 76
60, 2176
662, 3936
[10 15i
12, 5
16
200
2, 76
7, 6176
121, 8816
[15 20i
17, 5
22
385
2, 24
5, 0176
110, 3872
[20 25i
22, 5
180
7, 24
52, 4176
419, 3408
[25 30i
27, 5
165
12, 24
149, 8176
898, 9056
67
1022, 5
Gasto($)
Totales
2864, 1792
yi ni
i=1
1022, 5
= 15, 26119403 . . . 15, 26 dlares
67
Calculamos la media aritmtica X =
La varianza poblacional y muestral respectivamente ser:
( yi X )2 ni
V=
i=1
2864, 1792
= 42, 748943 dlares2 ,
67
varianza poblacional
2864, 1792
= 43, 396654 dlares2 ,
67 1
varianza muestral
( yi X )2 ni
V=
i=1
n1
Note la diferencia entre las varianzas poblacional y muestral.
Nota: Al expresar cuantitativamente la dispersin de un conjunto de datos, ocurre el inconveniente en la interpretacin de esta cantidad, ya que ella esta dado por el cuadrado de las dimensiones la que expresa la caracterstica,
y en ocasiones trae confusin. Es conveniente, entonces contar con otro estadgrafo que basado en el valor de la varianza, sirva para dar una medida de dispersin en la misma dimensin en que estn los datos. Esta medida es la
desviacin estndar o desviacin tpica.
Definicin 3.9 (Desviacin Estndar)

La desviacin tpica o desviacin estndar S se define como la raz cuadrada de la varianza, es decir
1
Para datos sin agrupar:

v
u N
u
u (xi )2
t
S = i=1
N
v
u m
u
u (xi X)2
t
S = i=1
n1
Muestral o prctica
Para datos agrupados:
S=
v
u m
u
u (yi )2 ni
t i=1
S=
N
v
u m
u
u (yi X)2 ni
t i=1
n1
Muestral o prctica
79
Muy importante (clculo de la varianza con una calculadora)

2
2
Al ingresar los datos a una calculadora, para obtener la varianza poblacional solo se deba calcular Xn o X ;
2
2
mientras que para obtener la varianza muetral solo se deba calcular Xn1 o SX .
Ventajas de la Desviacin estndar

1
La desviacin estndar es sin duda, la medida de dispersin que posee una mayor estabilidad frente a las
fluctuaciones de la muestra tomada.
Se basa en todos los valores de la variable, tanto atendiendo a su magnitud como a su signo.
Su estudio es indispensable cuando se trata de interpretar datos en relacin con la distribucin normal.
Nota: En general, los estadgrafos de dispersin se usan para comparar dos o ms poblaciones en funcin a sus
datos. A mayor dispersin o heterogeneidad entre los valores o elementos de una poblacin, le corresponde un valor
mayor para el estadgrafo de dispersin.
Ejemplo 3.8
En un centro de mujeres maltratadas se hace un recuento de las edades (aos) de las mujeres ingresadas y el
resultado es el siguiente: 22, 23, 24, 25, 23. Determinar desviacin tpica de las edades de la muestra.
Solucin: Como ya calculamos la varianza poblacional y muestral que resultaron respectivamente, V = 1, 04
aos2 y V = 1, 3 aos2 y dado que la desviacin estndar es la raz cuadrada de la varianza, entonces las desviaciones
estndar poblacional y muestral son
q
S = 1, 04 aos2 = 1, 019803903 aos
S=
1, 3 aos2 = 1, 140175425 aos
Ejemplo 3.9
Las estaturas (en centmetros) de un grupo de personas se distribuyen como sigue
talla(cm)
frecuencias
[150 155i
[155 160i
[160 165i
10
[165 170i
18
[170 175i
24
[175 180i
17
[180 185i
[185 190i
[190 195i
[195 200i
Determinar la desviacin tpica de la distribucin.
80

Solucin: Para encontrar la desviacin estndar, calculamos en una tabla los valores que necesitamos para sustituirlo en la frmula de la varianza
i
talla(cm)
yi
ni
yi ni
(yi X)2 ni
[150 155i
152,5
457,5
1329,3075
[155 160i
157,5
787,5
1288,0125
[160 165i
162,5
10
1625
1221,025
[165 170i
167,5
18
3015
658,845
[170 175i
172,5
24
4140
26,46
[175 180i
177,5
17
3017,5
265,2425
[180 185i
182,5
1642,5
720,9225
[185 190i
187,5
1312,5
1362,2175
[190 195i
192,5
962,5
1795,5125
10
[195 200i
197,5
395
1147,205
100
17355
9814,75
Totales
Primero hallamos la media y es X =
17355
= 173, 55 cm, este resultados los utilizamos para completar la ltima
100
columna de la tabla anterior.
10
( yi X )2 ni
9814, 75
La varianza poblacional de la distribucin es V = S2 = i=1
=
= 98, 1475 cm2
100
p n
y la desviacin estndar poblacional es S = varianza = 98, 1475 cm2 = 9, 906942011 cm
OBSERVACIONES:
1
Las unidades en las cuales se expresan los datos, la media y la desviacin estndar son las mismas.
Las unidades en las cuales se expresan los datos no son las mismas para la varianza. Por ejemplo si los datos
estn en dlares, entonces la varianza se expresa en dlares2 .
3.4
Otras medidas de dispersin
Definicin 3.10 (Coeficiente de Variacin)

El coeficiente de variacin, CV , es una medida de dispersin relativa (no tiene unidades de medida) , que se define
como la desviacin estndar dividido por la media aritmtica. Es decir
CV =
S
X
OBSERVACIONES:
1
El coeficiente de variacin se utiliza para comparar la variabilidad de dos o ms conjuntos de datos que tengan
medias iguales o diferentes, o tengan unidades de medida iguales o diferentes, por ejemplo salarios de dos
grupos de trabajadores de dos empresas en el cual para un grupo se miden en dlares y para otro en euros .
81
El coeficiente de variacin no tiene unidades y se utiliza para comparar distribuciones con distintas unidades
de medidas. Por ejemplo tallas y pesos.
Suele expresarse en porcentajes. Tambin se utiliza cuando al comparar dos distribuciones sobre la misma
variable estn medidas en distintas unidades, por ejemplo en metros y Kilmetros
Su ventaja es que permite comparar distribuciones distintas, incluso con unidades de medidas distintas.
Su desventaja es que deja de ser representativa y no debe utilizarse cuando la media de una de las distribuciones
sea muy baja, pues la fraccin tiende a ser grande.
Ejemplo 3.10
En dos pruebas de conocimiento A y B que se aplic a un grupo de estudiantes, la prueba A se calific en la escala
de 0 100 puntos; la media aritmtica de los resultados fue de 75 puntos con una desviacin estndar de 8 puntos.
La prueba B se calific en la escala de 0 80 puntos; la media aritmtica de los resultados fue de 50 puntos con una
desviacin estndar de 5 puntos. En cul de las pruebas hubo mayor variacin de los resultados?.
Solucin:
Para conocer en que prueba hay mayor variacin comparemos sus coeficientes de variacin.
CVA =
SA
8
= 0, 1066 . . .
=
75
XA
SB
5
=
= 0, 1
50
XB
Por tanto, la prueba de conocimiento A tiene mayor variacin de sus resultados.
CVB =
Nota:
?
Si CV < 0, 15, la distribucin se dir que es homognea.
Si CV 0, 15, la distribucin se dir que es heterognea.
Uso de las medidas de Dispersin

?
Si dos o ms series de datos (observados en el mismo tipo de medicin) tienen medias aritmticas iguales (o
casi iguales) es ms dispersa la serie que tiene mayor medida de variabilidad: Rango, RI, S2 , S, CV .
Si dos o ms series de datos, no tienen medias iguales (o casi iguales), o no tienen las mismas unidades de
medicin, entonces, es ms dispersa la serie que tenga mayor coeficiente de variacin.
Definicin 3.11 (Valores estandarizados)

Cuando se necesiten comparar valores observados que pertenecen a diferentes distribuciones de datos, las que difieren en su media aritmtica o en su varianza, o difieren en el tipo de unidad de medida, entonces se usa el valor
estndar Z que se define por
Z=
xX
S
donde: x es un dato en particular del cual se va averiguar su valor estandarizado.
82
Ejemplo 3.11
En una evaluacin de Estadstica e Historia resultan las medias de 11 puntos y 15 puntos, mientras que las desviaciones estndar son 3 puntos y 4 puntos respectivamente. Si un estudiante obtiene 14 puntos en Estadstica y 16
puntos en Historia, en cul de los dos cursos tiene mejor rendimiento relativo?.
Solucin:
Que tenga 16 en Historia y 14 en Estadstica no significa que tiene mejor rendimiento en Historia. Se deben calcular
los rendimientos relativos con la puntuacin estandarizada Z.
En Estadstica ZE
En Historia
ZH
=
=
14 11
=1
3
16 15
= 0, 25
4
En consecuencia tiene un mejor rendimiento relativo en Estadstica (ZH < ZE ).
3.5
Medidas de Forma
En trabajos propios de algunas disciplinas encontramos la necesidad de calcular una medida que muestre las direcciones de la dispersin de los datos con respecto a su centro y que completan la descripcin de las distribuciones
de frecuencias. Estas caractersticas se llaman: Asimetra y curtosis o apuntamiento. Las medidas de dispersin slo
indican la magnitud de las variaciones, pero no dan informacin acerca de la direccin de las variaciones.
3.5.1
Medidas de Asimetra
La asimetra de una distribucin indica la deformacin horizontal de las distribuciones de frecuencia.

1
Se dir que una distribucin de frecuencias unimodal presenta asimetra negativa o concentrada a la derecha,
si tiene una ramificacin ms extendida hacia la izquierda o hacia valores pequeos de la variable.
Se dir que una distribucin de frecuencias unimodal es simtrica cuando la media aritmtica, la mediana, y la
moda, coinciden.
Se dir que una distribucin de frecuencia unimodal presenta asimetra positiva o concentrada a la izquierda,
si tiene una ramificacin ms extendida hacia la derecha o hacia valores grandes de la variable.
ni
ni
Me Mo
ASIMETRA NEGATIVA
ni
X = Me = Mo
SIMTRICA
Mo Me X
ASIMETRA POSITIVA
83
ni
ni
ni
Me Mo
X = Me = Mo
ASIMETRA NEGATIVA
Mo Me X
SIMTRICA
ASIMETRA POSITIVA
Definicin 3.12 (Coeficiente de Pearson)

El coeficiente (o ndice) de asimetra de Pearson es el nmero
As =
X Mo
S
Mide el grado de deformacin horizontal de la distribucin de frecuencias.
Como en distribuciones asimtricas se verifica X Mo

= 3(X Me) entonces otra forma de expresar el ndice de
asimetra es:
As =
3(X Me)
S
Para su interpretacin:
?
As < 0, la distribucin es asimtrica negativa o concentrada a la derecha ( X < Me < Mo )
As = 0, la distribucin de los datos es simtrica ( X = Me = Mo )
As > 0, la distribucin es asimtrica positiva o concentradada a la izquierda ( Mo < Me < X )
(Desigualdad de Chebyshev)
Cualquiera que sea la forma de la distribucion de frecuencias (simtrica o asimtrica), el intervalo [X kS, X + kS],
1
1
k > 1, contiene al (1 2 ) 100% de los datos y el porcentaje de los datos que no estn en tal intervalo es 2 100% .
k
k
Ejemplo 3.12
Para la siguiente distribucin de frecuencias, se pide calcular e interpretar los coeficientes de la asimetra de Pearson.
84
intervalo
frecuencia
[60 66i
[66 72i
[72 78i
[78 84i
11
[84 90i
[90 96]

Solucin: Calculemos primero las medidas de tendencia central y la desviacin tpica:
intervalo
yi
ni
Ni
[60 66i
63
[66 72i
69
10
[72 78i
75
17
[78 84i
81
11
28
[84 90i
87
36
[90 96]
93
40
totales
media
: X = 78, 75
Mediana
: Me = 79, 64
Moda
: Mo = 81, 42
Varianza muestral : S2 = 78, 80769231
Desviacin Tpica : S = varianza = 8, 877369673
40
Por lo tanto los coeficientes de Pearson son:

As =
As =
X Mo 78, 75 81, 42
=
= 0, 3045963174
S
8, 877369673
3(X Me) 3(78, 75 79, 64)
=
= 0, 3045963174
S
8, 877369673
Como As < 0, la distribucin es asimtrica o concentrada hacia la derecha.

Para completar el ejemplo, sera conveniente graficar un polgono de frecuencias y sobre l las medidas de tendencia
central y de esa manera comprobar que se trata de una distribucin asimtrica negativa. (Se deja como ejercicio)
Ejemplo 3.13
Para la distribucion de los datos del ejemplo 3.12, utilice la desigualdad de Chebyshev para:
1
Obtener el intervalo centrado en X que contiene al 75%.
Qe porcentaje de datos estn en el intervalo [X 3S, X + 3S]?
Solucin: En la distribucin tenemos X = 78, 75 y S = 8, 877369673

1
) 100% = 75%, de donde resulta k = 2, con este valor de k, tenemos X kS = X 2S =
k2
61, 2185996 y X + kS = X + 2S = 96, 2814004. Por lo tanto el intervalo requerido es [61, 2185996; 96, 2814004].
En este caso (1
En este caso k = 3, (1
3.5.2
1
1
) 100% = (1 2 ) 100% = 88, 88888888 %, el porcentaje da datos requerido es
k2
3
88, 88% aproxiamdamente.
Medidas de Apuntamiento o curtosis
Mide el grado de deformacin vertical de la distribucin de frecuencias. La curtosis es la propiedad de una distribucin de frecuencias por la cual se compara la dispersin de los datos observados cercanos al valor central con la
dispersin de los datos cercanos a ambos extremos de la distribucin. La curtosis se mide en comparacin a la curva
simtrica normal.
La curtosis utilizando percentiles se define por el cociente
K=
P75 P25
2(P90 P10 )
85
Para su Interpretacin:
Si K = 0, 263 la distribucin es normal o mesocrtica (apuntamiento de la curva normal).
Si K > 0, 263 la distribucin es leptocrtica (mas apuntada que la curva normal).
Si K < 0, 263 la distribucin es platicrtica (mas aplanada que la curva normal).
ni
ni
DISTRIBUCIN PLATICRTICA
ni
ni
DISTRIBUCIN MESOCRTICA
ni
DISTRIBUCIN PLATICRTICA
DISTRIBUCIN LEPTOCRTICA
ni
DISTRIBUCIN MESOCRTICA
DISTRIBUCIN LEPTOCRTICA
Nota: Al igual que el coeficiente de asimetra de una distribucin, los que representan a curtosis o apuntamiento
se utiliza para ayudar a describir las caractersticas de una distribucin y no precisamente como medidas, ya que a
veces el valor de la curtosis se contradice con la realidad por estar relacionada con la distribucin normal.
Ejemplo 3.14
Del ejercicio anterior calcular el coeficiente de curtosis e interpretar.
Solucin: Calculamos los siguientes percentiles:
P10 = 66
P25 = 72

30 28
P75 = 84 + 6
36 28

= 85, 5
P90 = 90
Luego:
K=
P75 P25
85, 5 72
=
= 0, 28125
2(P90 P10 ) 2(90 66)
Como K = 0, 28125 > 0, 263 es un apuntamiento muy prximo a la curva normal, la distribucin es ligeramente
leptocrtica.
86
Ejemplo 3.15
Cierta empresa tiene 100 trabajadores profesionales, para los nombrados el sueldo bsico mximo es de 450 soles
y el mnimo 60 soles mensuales, Hay un 6% de practicantes que trabajan ad-honoren o perciben compensaciones
inferiores a 60 soles, 16 trabajadores nombrados perciben sueldos inferiores a 250 soles, el 87% de los profesionales
tienen sueldos inferiores a 400 soles. Con esta informacin, se pide calcular:
a
La media, la mediana y la moda
El coeficiente de asimetra y de apuntamiento de la distribucin de sueldos
Un polgono de frecuencias para comprobar el grado y la clase de asimetra.
Solucin: De acuerdo al enunciado tenemos la siguiente tabla de frecuencias

2a
n
Sueldos
ni
Ni
yi
yi ni
y2i ni
amplitud
[0 60i
30
180
5400
60
1,2
[60 250i
16
22
155
2480
384400
190
3,8
4,21
[250 400i
65
87
325
21125
6865625
150
21,67
[400 450]
13
100
425
5525
2348125
50
13
29310
9603550
100
(a.e) =
altura =
ni
a.e
29310
= 293, 10
100

50 22
Mediana: Me = 250 + 150
= 314, 62
65

49
Moda: Mo = 250 + 150
= 322, 77
49 + 52
Desviacin Tpica: S = 103, 53
Media: y
El coeficiente de asimetra es:

As =
As =
X Mo 293, 10 322, 77
=
= 0, 3099
S
103, 53
3(X Me) 3(293, 10 314, 62)
=
= 0, 6936
S
103, 53
Como As < 0 entonces la distribucin es ligeramente asimtrica negativa o concentrada hacia la derecha.
El coeficiente de curtosis es:
K=
donde:
P75 P25
372, 31 256, 92
=
= 0, 182,
2(P90 P10 ) 2(411, 54 94, 55)

10 6
25 22
25(100)
= 10
P10 = 60 + 190
= 94, 55
P25 = 250 + 150
= 256, 92
100 = 25
65
22

75 22
90 87
75(100)
P75 = 250 + 150
= 372, 31 90(100)
= 90
P90 = 400 + 50
= 411, 54
100 = 75
100
65
13
Como K = 0, 182 < 0, 263 la distribucin es platicrtica (ms achatada que la normal).
10(100)
100
El polgono de frecuencias de la distribucin queda como ejercicio.
87
3.6
Diagramas de caja
El diagrama de caja es una presentacin visual que describe al mismo tiempo varias caractersticas importantes de
un conjunto de datos, tales como el centro, la dispersin, la simetra o asimetra y la identificacin de observaciones
atpicas. El diagrama de caja representa los tres cuartiles, y los valores mnimo y mximo de los datos sobre un
rectngulo (caja), alineado horizontal o verticalmente.
El grfico de cajas, proporciona informacin acerca de:
?
La centralizacin (observando la informacin de la mediana)
La dispersin a variabilidad (mediante el rango intercuartlico: RI = P75 P25 )
La asimetra (comparando: Me P25
Las colas (por la longitud de los segmentos que salen de los lados de la caja) cuya parte final contiene, una el
con
P75 Me
mnimo y la otra el mximo. las colas estn dibujadas sobre los valores anormales de los datos.
Construccin:
1
Se construye una escala de referencia, ya sea horizontal o vertical.
Se calculan los cuartiles (Q1 , Q2 y Q3 ) y el rango intercuartlico (RI).
Se calculan dos valores f1 y f3 que llamaremos barreras interiores, de la siguiente manera:

f1 = Q1 1, 5(RI)
f3 = Q3 + 1, 5(RI)
Se calculan los puntos a1 y a3 llamados valores adyacentes. El punto a1 es el dato ms cercano a f1 ( f1 puede
coincidir con un valor de los datos) sin ser el menor de esa barrera, El punto a3 es el dato ms cercano a f3 ( f3
puede coincidir con un valor de los datos) pero mayor que esa barrera.
Se localizan todos los puntos en la escala horizontal o vertical, segn se haya elegido.
Se dibuja una caja con los extremos en el primer y tercer cuartil. Se dibuja la mediana con una lnea interior en
el lugar adecuado.
Los valores adyacentes se unen a la caja por medio de lneas, esto genera los brazos de las cajas.
Si existen datos que queden fuera de las barreras interiores, se dibujaran con crculos abiertos. Estos datos se
conocen como datos atpicos.
Ejemplo 3.16
Los siguientes datos corresponden a los tiempos de hospitalizacin, en das, despus de una ciruga de crneo de un
conjunto de pacientes.
12
13
13
15
15
17
23
25
21
Con ello elaboremos el diagrama de caja correspondiente
88
28
33
36
36
26
38
38
21
45
44
73
90.

Solucin: Ordenando
12
13
13
15
15
17
21
21
23
25
26
28
33
36
Realizando los clculos para los cuartiles se tiene:
El rango intercuartlico es RI = 37 14 = 23, y las barreras interiores son:
38
38
44
45
73
90.
Q1 = 14, Q2 = 24, Q3 = 37;
f1 = 14 1, 5(23) = 20, 5,
y
36
f3 = 37 + 1, 5(23) = 71, 5
Los valores adyacentes son a1 = 8
a3 = 73. Las colas de la caja abarcan desde 8 hasta 73.
Solamente tenemos un dato que cae fuera las valores adyacentes, es en el lado derecho, y el dato es 90. Se
procede a construir el diagrama de caja, quedando de la siguiente manera:
Tiempo (das) de
hospitalizacin
14
8 9
24
12 13 15 17
37
21 23 25 26 28
33
36 38
44 45
73
90
Del diagrama de caja podemos establecer anlisis como los siguientes: El 90 es un dato atpico, el 50% de los pacientes
fueron hospitalizados ms de 24 das, etc. Tenga en mente para el anlisis la informacin que proporcionan los
cuartiles.
En el diagrama de caja se puede observar que los tiempos de hospitalizacin estn concentrados a la izquierda. Qu
significa que los tiempos de hospitalizacin estn concentrados a la izquierda?, significa que la distribucin tiene
simetra positiva.
Ejemplo 3.17
En una prueba de conocimientos 20 alumnos han obtenido las calificaciones:
1 2
3 4
5 6
7 9
10
12
13
12
13
14
15
12
13
14
15
Analizar los datos utilizando una grfica de caja.

Solucin:
?
Calculamos la mediana, para ello ordenamos los datos en forma creciente:

1 2
n = 20,
Me =
3 4
5 6
7 8
10
12
12
12
13
13
13
14
14
15
15
x(10) + x(11)
10 + 12
=
= 11 puntos
2
2
89

?
Calculamos P25 = Q1 y P75 = Q3

5+6
13 + 13
= 5, 5 puntos
;
P(75) =
= 13 puntos
2
2
El recorrido intercuartlico es RI = P75 P15 = 13 5, 5 = 7, 5 puntos
P(25) =
U = xmx = 15,
L = xmn = 1
Los datos atpicos (discordantes, outliers (aislados)) son aquellos que se encuentran fuera del intervalo
[P25 1, 5RI; P75 + 1, 5RI] = [5, 5 1, 5(7, 5); 13 + 1, 5(7, 5)] = [5, 75; 24, 25]
Todos los datos estn en el intervalo mencionado, entonces no hay datos atpicos.
En este caso Me P25 = 5, 5 puntos y P75 Me = 2, entonces la distribucin de los datos tiene asimetra negativa.
OBSERVACIONES:
?
En una distribucin con asimetra negativa: Me P25 > P75 Me
En una distribucin con simtrica: Me P25 = P75 Me
En una distribucin con asimetra positiva: Me P25 < P75 Me
CUESTIONARIO
1 Las longitudes de rutas de autobs para un sistema de transito particular varan por lo comn de una ruta a
otra. En un artculo de la Planing City Buss Routes aparece la siguiente informacin acerca de las longitudes
en kilmetros para un determinado sistema (Suponer L :longitud en kilmetros, F :frecuencias)
L
F
90
[6 8i [8 10i [10 12i [12 14i [14 16i [16 18i [18 20i [20 22i [22 24i [24 26i [26 28i [28 30]
6
23
30
35
32
48
Trace el histograma de frecuencias absolutas simples.
42
40
28
27
26
Qu porcentaje de rutas tienen longitudes inferiores a 20 km? Rta:
Cul es la longitud de la ruta mediana? Rta:
La mayor parte de las rutas tienen longitudes de
Las rutas en promedio tienen longitudes de
El 25% de las rutas ms cortas tienen longitudes inferiores o iguales a
El 25% de las rutas ms largas tienen longitudes superiores o iguales a
El 50% de las rutas ms cortas tienen longitudes inferiores o iguales a
El 50% de las rutas ms largas tienen longitudes superiores o iguales a
Trace el diagrama de caja para estos datos.
La longitud mnima del 40% de las rutas ms largas es de
kms. aprox.
La longitud mxima del 40% de las rutas ms cortas es de
kms. aprox.
kms. aprox.
kms. aprox.
kms. aprox.
kms. aprox.
aprox.
aprox.
kms. aprox.
kms. aprox.
kms. aprox.
kms. aprox.
Los datos presentados agrpelos en una tabla de frecuencias con intervalos de amplitud 4, luego:
Halle la varianza y la desviacin estndar de los datos. Rta:
La dispersin relativa de las longitudes de las rutas es de
Calcule e interprete el coeficiente de asimetra de Pearson, luego interprete. Rta:
aprox.
Interpretacin:
Calcule e interprete el coeficiente de curtosis, luego interprete. Rta:

Interpretacin:
2 Las siguientes tablas se refieren a los puntajes obtenidos en un examen de BECAS Internacionales por los alumnos de las carreras de Matemtica y Fsica de todo el Per.
91
MATEMTICA
Punta jes
[ 21 29i
yi
ni
6
[ 29 37i
[ 37 45i
Ni
16
14
30
[ 45 53i
44
[ 53 61i
54
[ 61 69i
60
FSICA
C
V
Punta jes
yi
ni
Ni
[ 21 29i
[ 29 37i
11
[ 37 45i
28
[ 45 53i
39
[ 53 61i
48
[ 61 69i
60
total
C
V
Los estudiantes de Matemtica en promedio tienen un puntaje de
Los estudiantes de Fsica en promedio tienen un puntaje de
La mayor parte de los estudiantes de Matemtica tienen un puntaje de
El 50% los estudiantes de Matemtica, de menor calificacin, tienen un puntaje igual o

inferior a
aprox.
aprox.
El 50% los estudiantes de Matemtica, de menor calificacin, tienen un puntaje igual o

aprox.
La mayor parte de los estudiantes de Fsica tienen un puntaje de
Cul de los grupos de puntajes est ms disperso?
El 50% los estudiantes de Fsica, de mayor calificacin, tienen un puntaje igual o superior
a
aprox.
aprox.
El 10% de los estudiantes de Matemtica, de menor puntaje, tienen un puntaje igual o inferior
a
aprox.
El 10% de los estudiantes de Matemtica, de mayor puntaje, tienen un puntaje igual o superior
a
aprox.
El 25% de los estudiantes de Matemtica, del cuarto superior, tienen un puntaje igual o superior
a
aprox.
El 25% de los estudiantes de Matemtica, del cuarto inferior, tienen un puntaje igual o inferior
a
aprox.
El 50% los estudiantes de Fsica, de mayor calificacin, tienen un puntaje igual o inferior
a
aprox.
aprox.
superior a
total
aprox.
Calcule el coeficiente de asimetra de Pearson para los datos de los estudiantes de Fsica, luego interprete.
Rta:
Interpretacin:
Calcule la Krtosis para los datos de los estudiantes de Matemtica, luego interprete. Rta:
Interpretacin:
Suponiendo que un solo grupo de estudiantes, por buen rendimiento, se hace merecedor a un premio
adicional, que grupo de estudiantes se lleva el premio y Cul es el puntaje total acumulado por este
grupo?.
92
Dibuje la curva de frecuencias para los datos del grupo de los matemticos y los fsicos ubicando X, Me y
Mo.
3 Se seleccionaron tres tipos distintos de cables de acero y se estableci el lmite de ruptura (medido en Kilonewtons KN) frente a tensiones altas, para cada muestra con resultados siguientes
Tipo I
350
350
350
358
370
370
370
371
371
372
372
384
391
391
392
395
Tipo II
350
354
359
363
365
368
369
371
373
374
376
380
383
388
392
400
Tipo III
350
361
362
364
364
365
366
371
377
377
377
379
380
380
392
392
Trace el diagrama de cajas comparativo y comente las diferencias y semejanzas.
Que grupo de datos es mas disperso.
Que grupo de datos es relativamente ms disperso.
4 Si la media de 75 artculos es de 52, 6 galones y la de 25 artculos es de 48, 4 galones, calcule la media de los 100
artculos.
5 De 500 estudiantes de educacin secundaria cuya estatura media es de 1, 57m, 150 son mujeres. Si la estatura
media de las mujeres es de 1, 52m. Cul es la estatura media de todos los varones?
6 Se propone a los estudiantes de Historia un examen difcil, resulta que la mayora de los estudiantes obtendrn
calificaciones bajas y solo algunos destacaran con notas altas. Qu tipo de asimetra tendr la distribucin de
sus calificaciones?.
7 Carlos se presenta a dos exmenes, uno de Historia y otro de Fsica. En Historia la media de las notas de su
grupo es de 80 pts (la nota mxima es 100pts), con una varianza de 16pts2 . En Fsica la media de las notas de
su grupo tambin es 80pts con una varianza de 9pts2 . Carlos obtuvo 90pts en Historia y 92pts en Fsica. Qu
puede decir de estos resultados?, En qu examen tiene mejor rendimiento relativo?.
8 En una regin, resulta que los precios de ciertos productos en la zona turstica para los mismos productos son
mucho ms caros que en las zonas rurales. A continuacin se muestra el precio en dlares de 5 productos de la
zona turstica {3, 4, 4, 6, 8} y los productos de la zona rural {2, 2, 3, 4, 4}. Estandarice el 4 en ambas distribuciones,
compare los resultados, luego diga donde resulta ms caro el producto de 4 dlares.
9 Se toma nota de las edades de un grupo de inmigrantes recin llegados a un centro de la Cruz Roja y son
{20, 20, 22, 24, 24}. Cul sera la media y la mediana?. Suponga que llega otro grupo igual excepto que una
persona tiene 26 aos en vez de 24. Cmo afecta eso la media?, cmo afecta a la mediana? y cmo afecta a la
dispersin tpica?.
10 El volumen de ventas de La TELEFNICA en el 2010 se reparte de la siguiente manera

?
Dentro de la telefona mvil fue de 7, 51 millones de dlares, mientras que la media en el sector fue de 6, 61
millones de dlares y la varianza de 86, 5 millones de dlares2 .
En el caso de la telefona fija, las ventas fueron de 8, 41 millones de dlares, mientras que la media del
sector fue de 7, 2 millones de dlares y la varianza de 117, 79 millones de dlares2 .
93
En qu tipo de telefona obtiene ms utilidades?
11 Se realiz un estudio de cmo influye la violencia social y poltica en los riesgos de de complicacin de embarazo en mujeres de edades entre 19 y 40 aos inscritas en cuidados prenatales en el Hospital Regional de
Huamanga, los siguientes datos muestran el nmero de complicaciones prenatales durante el embarazo de 12
mujeres. Calcule e interprete el coeficiente de asimetra de Pearson y la curtosis.
2
10
12 Una fbrica de beeper A, asegura que en promedio los beeper fallan a los 2 aos continuos de uso con desviacin
estndar de S = 0, 96 aos. Otra fbrica B de la competencia asegura que en promedio los beeper fallan a los 2
aos de uso con desviacin estndar de S = 1, 3 aos. En cul de las dos fbricas presenta mayor dispersin
relativa?
13 Las ayudas concedidas, en millones de pesetas, por el Fondo Europeo para el Desarrollo Regional (FEDER) a
62 proyectos espaoles vienen reflejadas en la siguiente tabla:
importe de ayuda
[0 100i
[100 250i
[250 500i
[500 1000i
n de proyectos
12
15
20
15
Calcula la ayuda media y la desviacin tpica.
Representa el histograma pertinente.
Calcula la ayuda mxima concedida al 60% de los proyectos menos favorecidos en el reparto.
Estudia la concentracin de las ayudas.
Si para el ao siguiente las ayudas aumentan un 5% sobre el valor inicial, mantenindose el criterio del
reparto, cul ser ahora la ayuda media y la desviacin tpica?
Supongamos que queremos contactar con el 20% de as empresas a quienes han sido concedidas estas
ayudas, pero no queremos que sean ni las empresas que ms han recibido, ni las que menos, sino que
queremos quedarnos con el 20% centrales. Entre qu valores se mueven las ayudas concedidas a este
grupo de empresas?
Calcula la asimetra y la curtosis de esta distribucin.
14 En un barrio de una gran ciudad espaola se ha constatado que las familias residentes se han distribuido, segn
su composicin (nmero de integrantes), de la siguiente forma:
Composicin
[0 2i
[2 4i
[4 6i
[6 8i
[8 10i
110
200
90
75
25
Familias
a
Cul es el nmero medio de personas por familia?
Cul es el tipo de familia ms usual?
Si slo hubiera plazas de aparcamiento para el 50% de las familias, y stas se atendieran de mayor a menor
nmero de miembros, Cuntos componentes debera tener una familia para entrar en el cupo?
Si el coeficiente de variacin de Pearson de otro barrio de la misma ciudad es 1,8; cul de los dos barrios puede ajustar mejor sus previsiones en base al diferente nmero de miembros de las familias que lo
habitan?
Si el ayuntamiento concede una ayuda de 5 000 ptas. fijas por familia, ms 10000 ptas. por cada miembro
de la unidad familiar, determinar el importe medio por familia y la desviacin tpica.
94
Nmero de miembros que tienen como mximo el 85% de las familias menos numerosas.
15 La distribucin de acciones de una sociedad es:

acciones
[0 50i [50 100i [100 150i [150 200i [200 250i [250 300i [300 350i [350 400]
accionistas
23
72
62
48
19
14
Calcular el nmero medio de acciones que posee un accionista.
Nmero de acciones que ms frecuentemente posee un accionista.
Nmero de acciones que debe poseer un accionista para que la mitad de los restantes tengan menos acciones que l.
Asimetra y curtosis de esta distribucin.
16 Se ha realizado un estudio de las rentas de alquiler de 390 viviendas (donde la renta viene dada en miles de
pesetas), en una poblacin de tamao medio, obtenindose
Tipos de alquiler
0-25
25-50
50-100
100-150
150-200
nmero de viviendas
20
140
180
40
10
Qu porcentaje de alquileres es superior a 100 000 pts? Cul es el alquiler ms frecuente?
En qu intervalo se encuentra el 50% de los alquileres ms bajos?, y el 30% de los ms altos?
El propietario de la vivienda debe pagar el 10% del precio que establece como alquiler, ms una cantidad
fija de 3000 ptas., al Ayuntamiento, en concepto de impuestos, cul es el impuesto medio que se ha de
pagar?
17 Supongamos que dos empresas desean repartir beneficios entre sus cuatro principales accionistas, y que el
reparto se realiza de la siguiente forma:
Empresa A
Empresa B
1er accionista
100 000$
1 200000$
2do accionista
500 000$
1 300000$
3er accionista
300 000$
1 400000$
4to accionista
100 000$
1 100000$
Cul de los dos repartos el ms equitativo?
18 La distribucin de la superficie de los 90 despachos que se han construido en un nuevo edificio comercial es:
Superficie (m2)
[40 60i
[60 80i
[80 120i
[120 200i
[200 400i
N oficinas
12
16
20
32
10
Cul es la superficie media de un despacho? Y el tamao de despacho ms comn?
Se puede considerar el tamao medio que acabamos de calcular como representativo de la superficie total
de los despachos?
Qu tamao mnimo debe tener una oficina para poder ser considerada en el grupo del 15% de las ms
grandes?.
Qu porcentaje de oficinas tienen ms de 80 metros cuadrados de superficie?
Calcule e interprete la asimetra y curtosis de esta distribucin.

95
ANOTACIONES:
96
4
4.1
Distribuciones bidimensionales
Variables bidimensionales
A cerca de un grupo de individuos podemos estudiar ms de una variable, por ejemplo de un grupo de estudiantes
de la UNSCH observamos su edad, ndice acadmico, distrito de residencia, nmero de crditos aprobados, carrera
profesional que estudia, etc.
Cuando estudiamos a dos variables en conjunto estamos en un caso de variable bidimensional, cada unidad de
anlisis de una muestra o poblacin responde con un dato del tipo (X,Y ) a una variable bidimensional, veamos el
siguiente
Ejemplo 4.1
Supongamos que de un grupo de 10 estudiantes de la Facultad de Derecho matriculados en ES-150 se investig el
nmero de horas que se dedic en todo octubre de 2014 exclusivamente a estudiar Estadstica y el puntaje obtenido
en el segundo examen parcial. Como resultado de la pesquisa se obtiene la siguiente informacin:
Estudiante Nro
10
Nro de horas de estudio
12
12
10
15
10
12
12
Ptje en el 2do examen
130
124
100
165
160
140
83
155
50
126
Aqu tenemos dos variables (la primera es el nmero de horas de estudio de estadstica en octubre y la segunda es
el puntaje en el segundo examen parcial) que se observ a una sola muestra, estas dos variables en conjunto es un
ejemplo de variable bidimensional, las dos variables que constituyen la variable bidimensional son c/u cuantitativas.
Las variables bidimensionales estn constituidas de dos variables que sern llamadas componentes de la variable
bidimensional, las variables componentes pueden ser de cualquier tipo, por ejemplo
1
cuantitativa cuantitativa,
cuantitativa cualitativa,
cualitativa cuantitativa,
cualitativa cualitativa,
cuantitativa discreta cuantitativa continua, etc.
Observaciones:
1
Si de una muestra que tiene n elementos extraemos los datos correspondientes a una variable bidimensional,
dichos datos son de la forma: (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), esto es debido a que una variable bidimensional
suele denotarse por (X,Y ).
Tambin existen variables tridimensionales, o ms aun multidimensionales.
Para variables bidimensionales, es posible que una de las variables dependa de la otra, si este es el caso e Y
depende de X entonces a X le denominamos variable independiente y a Y variable dependiente.
97
4.2
4.2.1
Tablas de distribucin de frecuencias para variables bidimensionales
Tablas para variables bidimensionales con componentes cuantitativas
Sean (b
x1 , yb1 ); (b
x2 , yb2 ); (b
x3 , yb3 ); . . . ; (b
xn , ybn ); los datos correspondientes a una variable bidimensional (X,Y ) extradas de
una muestra que posee n elementos (a estos datos los denominaremos, datos originales de la variable (X,Y ))
Para la variable X, asumiendo que es cuantitativa, sean x1 , x2 , x3 , , xk los valores diferentes que toman los xbi .
Para la variable Y , asumiendo que es cuantitativa, sean y1 , y2 , y3 , , yr los valores diferentes que toman los ybj .
Suponiendo que se ordenan los valores diferentes de los datos de cada variable como sigue x1 < x2 < x3 < < xk
, y1 < y2 < y3 < < yr , y que los nmeros k y r son pequeos en comparacin con el nmero de datos n, entonces
tenemos la siguiente tabla bidimensional de distribucin de frecuencias absolutas simples
r
HH
HH Y
H
X
H
H
y1
x1
n11
n12
n13
...
n1 j
...
n1r
n1
x2
n21
n22
n23
...
n2 j
...
n2r
n2
x3
..
.
n31
..
.
n32
..
.
n33
..
.
...
..
.
n3 j
..
.
...
..
.
n3r
..
.
n3
..
.
xi
..
.
ni1
..
.
ni2
..
.
ni3
..
.
...
..
.
ni j
..
.
...
..
.
nir
..
.
ni
..
.
xk
nk1
nk2
nk3
...
nk j
...
nkr
nk
ni j
n1
n2
n3
...
n j
...
nr
y2
...
y3
yj
...
yr
ni j
j=1
k
i=1
donde los valores diferentes de los datos de la variable X se disponen ordenadamente en la primera columna y los
valores diferentes de los datos de la variable Y se disponen ordenadamente en la primera fila.
Definicin 4.1
Los nmeros ni j , con i = 1, , k y j = 1, , r, se denominan frecuencias absolutas simples. Cada ni j es el nmero de
datos que son iguales a (xi , y j ) en el grupo de los datos originales de la variable (X,Y ).
Observaciones y propiedades:
1
Cada frecuencia absoluta simple ni j es un nmero entero no negativo.
Una de las frecuencias absolutas simples puede ser igual a CERO, pero no todas la frecuencias absolutas simples
de una fila o columna.
Cada ni es la suma de todas las frecuencias absolutas simple de la ifila, es decir:

r
Para la fila 1: n1 = n11 + n12 + n13 + + n1r =
n1 j ;
j=1
r
n2 j ;
j=1
r
n3 j ; etc.
j=1
98
Cada n j es la suma de todas las frecuencias absolutas simple de la jcolumna, es decir:
Para la columna 1: n1 = n11 + n21 + n31 + + nk1 = ni1 ;

i=1
k
Para la columna 2: n2 = n12 + n22 + n32 + + nk2 = ni2 ;

i=1
k
Para la columna 3: n3 = n13 + n23 + n33 + + nk3 = ni3 ; etc.

i=1
El nmero n es la suma de todas los n j , es decir, n = n1 + n2 + + nr =
n j .
j=1
El nmero n es la suma de todas los ni , es decir, n = n1 + n2 + + nk = ni .

i=1
El nmero n es igual al nmero de datos n.
4.2.2 Frecuencias relativas

Definicin 4.2
Los nmeros hi j , con i = 1, , k y j = 1, , r, se denominan frecuencias relativas simples. Cada hi j es la proporcin
con respecto del total del nmero de datos que son iguales a (xi , y j ) en el grupo de los datos originales de la variable
(X,Y ), es decir
hi j =
ni j
n
Luego de definirse las frecuencias relativas simple tenemos la siguiente tabla bidimensional de distribucin de
frecuencias relativas simples
r
HH
Y
H
H
X
H
H
y1
y2
y3
...
yj
...
yr
hi j
j=1
x1
h11
h12
h13
...
h1 j
...
h1r
h1
x2
h21
h22
h23
...
h2 j
...
h2r
h2
x3
..
.
h31
..
.
h32
..
.
h33
..
.
...
..
.
h3 j
..
.
...
..
.
h3r
..
.
h3
..
.
xi
..
.
hi1
..
.
hi2
..
.
hi3
..
.
...
..
.
hi j
..
.
...
..
.
hir
..
.
hi
..
.
xk
hk1
hk2
hk3
...
hk j
...
hkr
hk
hi j
h1
h2
h3
...
h j
...
hr
h = 1
k
i=1
esta tabla se obtiene de la penltima tabla dividiendo cada frecuencia entre n.

99
Ejemplo 4.2
De las 40 empresas formales de la ciudad de Huamanga, se considera a la variable X: nmero de accionistas, y la
variable Y : nmero de sucursales que posee a nivel nacional. Los datos son:
Empresa Nro
10
11
12
13
14
15
16
17
18
19
20
Empresa Nro
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
Elabore la tabla bidimensional de distribucin de frecuencias absolutas simples.
Solucin
?
Tenemos 40 datos presentados en un recuadro, se debe suponer que se tratan datos del tipo (x, y). Al hacer
algunas identificaciones tenemos: (x1 , y1 ) = (6, 2); (x9 , y9 ) = (5, 3), , (x20 , y20 ) = (4, 1), , (x30 , y30 ) = (5, 4), ,
(x40 , y40 ) = (5, 1), etc.
Los valores diferentes de los datos correspondientes a la variable X son 4, 5, 6, 7, 8 y 9 a los cuales los denotaremos por
x1 = 4, x2 = 5, x3 = 6, x4 = 7, x5 = 8 y x6 = 9.
Los valores diferentes de los datos correspondientes a la variable Y son 1, 2, 3, 4 y 5 a los cuales los denotaremos
por
y1 = 1, y2 = 2, y3 = 3, y4 = 4 y y5 = 5.
A cada xi , donde i = 1, 2, 3, 4, 5, 6, los disponemos en la primera columna de la tabla en forma ordenada (de
arriba hacia abajo).
A cada y j , donde j = 1, 2, 3, 4, 5, los disponemos en la primera fila de la tabla en forma ordenada (de izquierda
a derecha).
100
La tabla tendr un ttulo y una fuente de informacin como sigue.
EMPRESAS FORMALES DE LA CIUDAD DE HUAMANGA SEGN NMERO DE ACCIONISTAS

Y NMERO DE SUCURSALES A NIVEL NACIONAL
hhhh
hhhh
hhh Y : Nro de sucursales

hhhh
hhh
X: Nro de accionistas
hhh
y1 = 1
y2 = 2
y3 = 3
y4 = 4
y5 = 5
ni j
j=1
x1 = 4
x2 = 5
x3 = 6
x4 = 7
x5 = 8
x6 = 9
6
ni j
i=1
FUENTE: CMARA DE COMERCIO DE AYACUCHO
Interpretemos algunas frecuencias absolutas

?
n11 =
, significa que
sucursales a nivel nacional cada uno.
n22 =
, significa que
n32 =
, significa que
n53 =
, significa que
cionistas y
?
n45 =
cionistas y
empresas formales de la ciudad de Huamanga poseen
empresa formal de la ciudad de Huamanga posee
, significa que
empresa formal de la ciudad de Huamanga posee
, significa que
n2 =
, significa que
empresas formales de la ciudad de Huamanga que tienen

o
, significa que
n2 =
accionistas
ac-
ac-
, significa que
accionistas
sucursales
accionistas.
a nivel nacional poseen entre

?
accionistas
sucursales a nivel nacional.
n23 =
n2 =
accionistas
a nivel nacional poseen

?
sucursales
accionistas.
sucursales a
nivel nacional cada uno.

?
n4 =
, significa que

o
sucursales
accionistas.
101
, significa que
n4 =

y

?
, significa que
n4 =
sucursales
accionistas.
sucursales a

?
, significa que
n5 =

?
, significa que
n5 =
, significa que
n5 =
accionistas.

?
sucursales
accionistas, pero no
sucursales
accionistas.
sucursales a

?
, significa que
n3 =
poseen
, significa que
n3 =
poseen entre
?
empresas formales de la ciudad de Huamanga que tienen 6 accionistas
n3 =

, significa que
accionistas
, significa que
empresas formales de la ciudad de Huamanga tienen 4 accionistas poseen
cada uno.
?
n1 =
o
n1 =
entre
n1 =
, significa que
y
empresas formales de la ciudad de Huamanga tienen 4 accionistas poseen
, significa que
accionistas
, significa que
cada uno.
?
n5 =
poseen
Interpretemos algunas frecuencias relativas

?
h22 =
poseen
?
h32 =
accionistas y
=
h2 =
de cada
de cada
h2 =
poseen
?
h3 =
, significa que
de cada
, significa que
h3 =
poseen
102
empresas formales de la ciudad de Huamanga

y
de cada
accionistas.

=
, significa que
tienen 6 accionistas y poseen entre

?
tienen 2 sucursales a nivel nacional y poseen entre

?
, significa que
accionistas y
poseen
?
, significa que
, significa que
accionistas cada uno.
de cada
y

de cada
4.2.3
Tablas para variables bidimensionales con una componente cuantitativa y otra cualitativa
En el siguiente ejemplo veremos un caso en el cual una variable bidimensional esta constituida por una variable cuantitativa y otra cualitativa, el diseo de la tabla bidimensional de frecuencias es similar al de variables bidimensionales
con componentes cuantitativas.
Ejemplo 4.3
De los 40 ingresantes a la Facultad de Enfermera a la UNSCH del ao 2010 se estudi la variable bidimensional
(X,Y ), donde X es la edad en aos e Y es el distrito de residencia de los ingresantes, la tabla bidimensional es:
INGRESANTES A LA FACULTAD DE ENFERMERA DE LA UNSCH AO 2010
Carmen
Alto
San Juan
Bautista
Jess
Nazareno
hhh
Ayacucho
SEGN EDAD Y DISTRITO DE RESIDENCIA
n1 =
18
n2 =
20
n3 =
21
n4 =
22
n5 =
25
n6 =
n1 =
n2 =
n3 =
n4 =
n =
hhYh: Distrito de residencia

hhhh
hhh
X: Edad en aos
hhh
h
17
hhhh
SUMAS
FUENTE: COMISIN DE ADMISINUNSCH
Complete la tabla anterior.
Interprete las siguientes frecuencias

?
n22 =
: Significa que
n42 =
: Significa que
n24 =
: Significa que
n5 =
: Significa que
n5 =
: Significa que
SUMAS
103
n3 =
: Significa que
n3 =
: Significa que
4.3
Manejo de calculadoras para variables bidimensionales
En esta subseccin presentamos los pasos para el manejo de calculadoras con estadsticas bidimensionales, como
estamos familiarizados con el manejo de calculadoras para estadsticas unidimensionales los pasos son similares, por
ello presentaremos algunos pasos adicionales para tal fin.
1
En una calculadora que no posee tabla, para ingresar al modo estadstico de dos variables (REG) presione las
teclas:
REG
MODE A
LIN
en la pantalla de la calculadora aparecer REG en letras pequeas.

2
En una calculadora que posee tabla, para ingresar al modo estadstico de dos variables presione las teclas:
STAT
MODE A
A+BX
A
X
FREQ
en la pantalla de la calculadora aparecer la siguiente tabla: 1

2
3
Ejemplo 4.4
En el siguiente recuadro presentamos a 5 datos de una variable bidimensional.
X
10
15
12
Utilice su calculadora para realizar algunos clculos.
Solucin:
Para calculadoras que no poseen tablas
1
Ingrese al modo estadstico de dos variables.
Ingrese los datos
Primer dato: 5 A, A 1 2 M+ ? Segundo dato: 7 A, A 8 M+
Tercer dato: 1 0 A, A 9 M+
Quinto dato: 1 5 A, A 6 M+
Cuarto dato: 4 A, A 4 M+
Luego de culminar con el ingreso de los datos presione la tecla AC , los datos estn en la memoria de la
calculadora.
104
SSUM
Para obtener algunas sumas presione las teclas SHIFT A
, en pantalla obtendr varias opciones de
sumas, obtengamos algunas sumas:

X2 =
X =
n=
Y 2 =
Y =
XY =
SVAR
Para obtener algunos promedios y desviaciones presione las teclas SHIFT A
, en pantalla obtendr
varias opciones de clculo, obtengamos algunos de ellos:

X=
Xn =
Xn1 =
Y=
Y n =
Y n1 =
A=
B=
r=
Dependiendo del modelo de calculadora: Xn = X , Xn1 = SX , Y n = Y , Y n1 = SY

Para calculadoras que poseen tablas
1
Ingrese al modo estadstico de dos variables.

X
FREQ
5
7
10
4
15
12
8
9
4
6
1
1
1
1
1
Ingrese los datos hasta que en pantalla aparezca la tabla
Luego de culminar con el ingreso de los datos presione la tecla roja AC .
Para obtener algunas sumas presione las teclas SHIFT 1 A
SUM
, en pantalla obtendr varias opciones
de sumas, obtengamos algunas sumas:

X2 =
X =
Y 2 =
Y =
XY =
X3 =
VAR
Para obtener algunos promedios y desviaciones presione las teclas SHIFT 1 A
, en pantalla ob-
tendr varias opciones de clculo, obtengamos algunos de ellos:

X=
Xn =
Xn1 =
Y=
Y n =
Y n1 =

REG
Para obtener otros nmeros presione las teclas SHIFT 1 A
, en pantalla obtendr varias opciones
de clculo, obtengamos algunos de ellos:

A=
B=
r=
105
Ejemplo 4.5
Utilice su calculadora para obtener algunos resultados a partir de la siguiente tabla
X
Solucin:
4.4
X2 =
X =
n=
Y 2 =
Y =
XY =
X=
Xn =
Xn1 =
Y=
Y n =
Y n1 =
A=
B=
r=
Tablas bidimensionales con intervalos
Cuando tratemos con variables bidimensionales con componentes cuantitativas, es posible que los datos da cada
variable componente se agrupen en intervalos
Ejemplo 4.6
A continuacin se presenta la tabla que indica Y: el tiempo de servicios (aos) y X: los ingresos mensuales (dlares)
correspondientes a los 40 empleados bancarios de la financiera AVIRA.
TRABAJADORES DE LA FINANCIERA AVIRA SEGN TIEMPO DE SERVICIOS (aos)
E INGRESOS MENSUALES (dlares)
yi
HH
11
15
19
23
27
[5 9i
[9 13i
[13 17i
[17 21i
[21 25i
[25 29]
285
HH Y
[1 5i
H
X
H
H
[268 302 >
4
319
[302 336 >
353
[336 370 >
387
[370 404 >
421
[404 438 >
455
[438 472 >
xi
ni
n j
X: los ingresos mensuales (dlares)
Y : el tiempo de servicios (aos)
FUENTE: OFICINA DE PERSONAL DE LA FINANCIERA AVIRA

Interprete algunas frecuencias
106
, significa que
n24 =
empleados de la financiera AVIRA tienen ingresos mensuales mayores o
iguales a
dlares y menores a
y menores a
aos
aos.
, significa que
n32 =
dlares; tiempos de servicio mayores o iguales a
iguales a
dlares y menores a
y menores a
dlares; tiempos de servicio mayores o iguales a
aos.
, significa que
n34 =
aos
empleado de la financiera AVIRA tiene su ingreso mensual mayor o
igual a
dlares y menor a
menor a
dlares; tiempo de servicio mayor o igual a
aos.
, significa que
n46 =
aos y
empleado de la financiera AVIRA tiene su ingreso mensual mayor o
igual a
dlares y menor a
menor a
aos y
aos.
, significa que
n2 =
dlares; tiempo de servicio mayor o igual a
iguales a
dlares y menores a
, significa que
n4 =
dlares.
iguales a
dlares y menores a
, significa que
n3 =
iguales a
iguales a
iguales a
4.5
aos.
empleados de la financiera AVIRA tienen tiempos de servicio mayores o
aos y menores a
, significa que
n7 =
aos y menores a
, significa que
n5 =
dlares.
aos.
aos y menores o iguales a
aos.
Distribuciones Marginales
Cuando trabajamos con variables bidimensionales y queremos hallar las distribuciones de frecuencias de cada una
de manera independiente, nos encontramos con las distribuciones marginales.
Sea la tabla bidimensional de distribucin de frecuencias absolutas simples
107
HH
Y
H
HH
X
H
H
y1
y2
y3
...
yj
...
yr
ni
x1
n11
n12
n13
...
n1 j
...
n1r
n1
x2
n21
n22
n23
...
n2 j
...
n2r
n2
x3
..
.
n31
..
.
n32
..
.
n33
..
.
...
..
.
n3 j
..
.
...
..
.
n3r
..
.
n3
..
.
xi
..
.
ni1
..
.
ni2
..
.
ni3
..
.
...
..
.
ni j
..
.
...
..
.
nir
..
.
ni
..
.
xk
nk1
nk2
nk3
...
nk j
...
nkr
nk
n j
n1
n2
n3
...
n j
...
nr
Las distribuciones de cada variable son

DISTRIBUCIN MARGINAL DE Y
DISTRIBUCIN MARGINAL DE X
Datos de
Frec. Abs.
Frec. Rel.
Datos de
Frec. Abs.
Frec. Rel.
ni
hi
n j
h j
x1
n1
h1
y1
n1
h1
x2
n2
h2
y2
n2
h2
x3
..
.
n3
..
.
h3
..
.
y3
..
.
n3
..
.
h3
..
.
xi
..
.
ni
..
.
hi
..
.
yj
..
.
n j
..
.
h j
..
.
xk
nk
hk
yr
nr
hr
Total
h = 1
Total
h = 1
Ejemplo 4.7
De la tabla obtenida en el ejemplo 4.2 obtenemos las distribuciones marginales de cada variable
DISTRIBUCIN MARGINAL DE X
DISTRIBUCIN MARGINAL DE Y
Nro de accionistas
Nro de Emprs.
Prop. de Emprs.
Nro de sucursales
Nro de Emprs.
Prop. de Emprs.
ni
hi
n j
h j
x1 = 4
n1 = 7
h1 = 0, 175
y1 = 1
n1 = 6
h1 = 0, 150
x2 = 5
n2 = 12
h2 = 0, 300
y2 = 2
n2 = 6
h2 = 0, 150
x3 = 6
n3 = 10
h3 = 0, 250
y3 = 3
n3 = 14
h3 = 0, 350
x4 = 7
n4 = 6
h4 = 0, 150
y4 = 4
n4 = 8
h4 = 0, 200
x5 = 8
n5 = 2
h5 = 0, 050
y5 = 5
n5 = 6
h5 = 0, 150
x6 = 9
n6 = 3
h6 = 0, 150
Total
n = 40
h = 1
Total
n = 40
h = 1
Observaciones:
1
Con las distribuciones marginales obtenidas de cada variable las medidas de tendencia central, de dispersin y
de forma sern obtenidas sin ninguna dificultad.
Tambin son posibles los clculos de la media y desviacin de cada variable sin obtener sus distribuciones
marginales, pera ello emplearemos calculadoras.
108
Ejemplo 4.8
HH
Y
H
6
HH
X
H
H
5
3
Dada la siguiente tabla bidimensional de distribucin de frecuencias
ni
10
n j
20
Utilice su calculadora para obtener los resultados de:

X2
Y 2
XY
Xn
Xn1
Y n
Y n1

Solucin: Lo resolveremos para ambos tipos de calculadora
PARA CALCULADORAS QUE POSEEN TABLAS
1
Ingrese al modo estadstico de dos variables

STAT
MODE A
2
PARA CALCULADORAS QUE NO POSEEN TABLAS

1
Ingrese al modo estadstico de dos variables

REG
A+BX
MODE A
Rellene la tabla que apareci hasta obtener
LIN
Ingrese cada dato y su frecuencia del siguiente

modo
FREQ
5 , 6 SHIFT , 3 M+
5
5
8
8
10
10
6
7
7
8
6
9
3
2
2
6
4
3
5 , 7 SHIFT , 2 M+
8 , 7 SHIFT , 2 M+
8 , 8 SHIFT , 6 M+
10 , 6 SHIFT , 4 M+
10 , 9 SHIFT , 3 M+
Presione la tecla AC y rellene el siguiente cuadro.

Observacin:
?
Presione la tecla AC y rellene el siguiente cuadro.

Observacin:
En la fila es que el dato (5, 6) tiene 3 repeti-
ciones.
?
ciones.
ciones.
?
En la fila es que el dato (5, 7) tiene 2 repeticiones.
ciones.
?
En la fila es que el dato (8, 7) tiene 2 repeticiones.
etc. Vea el recuadro principal de la tabla bidimensional.
etc. El ; separa al dato y su frecuencia.
X2 =
X =
n=
Y2
Y =
XY =
X=
Xn =
Xn1 =
Y=
Y n =
Y n1 =
A=
B=
r=
109
4.6
Rectas en el plano cartesiano XY
Presentamos un breve resumen a cerca de rectas en el plano cartesiano XY , una recta posee varias ecuaciones las
cuales describen la relacin entre las coordenadas de cada uno de sus puntos, por ejemplo existe una recta en donde
todos sus puntos tienen su primera y segunda coordenadas iguales y la ecuacin de dicha recta es
y=x
La ecuacin anterior es un caso particular de
y = mx + b,
con m = 1 y b = 0.
La pendiente de una recta

La pendiente de una recta es un nmero real que mide su inclinacin con respecto al eje horizontal X, se define como
la tangente del ngulo que forma una recta con el eje X.
Origen de
coordenadas
q
0
X
tan q = pendiente de la recta L
Dependiendo del signo de la tangente de un ngulo presentamos los tres casos de inclinacin de una recta
L
L
X
X
recta con
pendiente
igual a cero
recta con
pendiente
negativa
Si una recta L tiene por ecuacin a
y = mx + b
X
recta con
pendiente
positiva
lo abreviaremos por
L : y = mx + b.
El nmero m es la pendiente de la recta L y el nmero b es la interseccin de la recta L con el eje Y .
?
Si b < 0, entonces la recta L pasa por debajo del origen de coordenadas.
Si b = 0, entonces la recta L pasa por el origen de coordenadas.
110
Si b > 0, entonces la recta L pasa por encima del origen de coordenadas.
En los siguientes grficos veremos algunos ejemplos de una recta y su ecuacin:
4
2
X
-2
Recta L : y = x + 2,
Recta L : y = 2x + 4,
Recta L : y = x 2,
donde m = 1 y b = 2
donde m = 2 y b = 4
donde m = 1 y b = 2
Y
3
L
4
-4
Recta L : y = 2x 4,
Recta L : y = 3,
donde m = 2 y b = 4
donde m = 0 y b = 3
Recta L : x = 4, para rectas verticales no se definen su pendiente
111
4.7
Regresin y Corelacin
Iniciamos esta subseccin con dos ejemplos
Ejemplo 4.9
Supongamos que a un grupo de 10 empleados de la financiera AV IRA se les gratific con dinero extra de acuerdo al
nmero de horas extras que laboraron durante el mes de octubre del 2014. Como resultado se obtiene el siguiente
cuadro:
Empleado Nro
10
X:
Nro de horas extras laboradas
10
10
12
15
15
15
18
18
20
20
Y:
Gratificacin (nuevos soles)
300
300
340
400
400
400
460
460
500
500
Existe alguna relacin entre las variables Y y X? Rta:
Pues:
2
Qu variable depende de la otra? Rta: La variable

es decir la
depende de la variable
depende del
Halle la relacin entre dichas variables. Rta:
Si el empleado nmero once durante octubre labor 17 horas extra, a cunto asciende su gratificacin?
Rta:
Si el empleado nmero doce tuvo S/. 260 de gratificacin, cuntas horas extra labor?
Rta:
Cmo lo denominara usted a la variable X? Rta:
Cmo lo denominara usted a la variable Y ? Rta:
Ejemplo 4.10
El siguiente cuadro muestra las edades y crditos acumulados de un grupo de 10 estudiantes de la UNSCH.
Estudiante Nro
10
X:
Edad (aos)
17
17
17
18
18
19
19
19
20
20
Y:
Nro de crditos
50
96
34
10
95
140
40
60
150
50
Existe alguna relacin entre las variables Y y X? Rta:
Pues:
2
Si usted tiene 17 aos de edad, cuntos crditos te corresponden?

Rta:
112
Cual es la variable independiente? Rta:
Cual es la variable dependiente? Rta:
pues
pues
.
.
Trataremos con variables cuantitativas medibles Y y X; el objetivo es estudiar la asociacin entre dos variables conocida tambin como asociacin simple.
La primera forma del estudio de la asociacin entre las variables Y y X es la regresin, que consiste en determinar
una relacin entre ellas, con el fin de que se pueda predecir el valor de una variable en base a la otra.
La segunda forma del estudio de la asociacin entre las variables X e Y, es denominada correlacin, que consiste en
determinar la variacin conjunta de las dos variables, su grado de relacin.
4.7.1
Diagramas de Dispersin
Sean (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), los datos correspondientes a una variable bidimensional (X,Y ). Denominaremos como diagrama de dispersin o nube de puntos, a la grfica de los datos (xi , yi ) de la variables bidimensional
(X,Y ) en el sistema cartesiano.
(a)
(b)
(c)
En la figura (a) se visualiza una relacin lineal entre las variables.
En la figura (b) se visualiza una relacin lineal entre las variables.
En la figura (c) se visualiza una relacin parablica entre las variables.
En la figura (d) no se visualiza una relacin entre las variables.
Una observacin
! muy importante
(d)
Al obtener la nube de puntos para un conjunto de datos de una variable bidi-
mensional, se ve la tendencia de tales puntos en el sentido de que se asemeja a una curva conocida, el objetivo es
determinar esa curva y su ecuacin a la cual ms se ajusta la nube de puntos a este proceso se denomina regresin y
para analizar la validez de una regresin utilizamos el coeficiente de correlacin.
Nos concentraremos en el estudio de la regresin lineal simple, cuando el diagrama de dispersin se asemeje a una
recta y obtendremos la ecuacin de la recta de regresin que tendr la forma
Y = A + BX,
donde los coeficiente A y B se obtendrn con el mtodo de los mnimos cuadrados que presentamos ms adelante.
4.7.2
La covarianza y el coeficiente de correlacin
Sean (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), los datos correspondientes a una variable bidimensional (X,Y ), donde cada
una de las variables Y y X son cuantitativas.
?
Sea X la media de los datos de la variable X,
Sea Y la media de los datos de la variable Y ,
Los nmeros xi X son las desviaciones de cada dato con respecto a su media en la variable X,
113
Los nmeros yi Y son las desviaciones de cada dato con respecto a su media en la variable Y ,
Con los nmeros anteriores generamos los productos (xi X)(yi Y ) que los denotaremos por Zi ,
Al promedio de los nmeros Zi le asignaremos un nombre (Covarianza).
Definicin 4.3 (Covarianza)

La covarianza, denotada por SXY o por Cov(X,Y ), de los datos (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), de una variable
bidimensional (X,Y ) es el promedio aritmtico de los productos (xi X)(yi Y ) que son denominados productos de
las desviaciones de los datos con respecto a sus correspondientes medias, es decir
n
Cov(X,Y ) = SXY =

xi X yi Y
i=1
Observaciones:
1
La covarianza es una estadgrafo que mide el grado de dispersin o variabilidad conjunta de los datos de las
variables Y y X con respecto a sus medias aritmticas Y y X.
Un mtodo para calcular la covarianza es mediante la frmula

n
xi yi
Cov(X,Y ) = SXY =
i=1
X Y .
Y si usted va utilizar su calculadora, luego de ingresar datos de variable bidimensional digite hasta que en la
pantalla de su calculadora aparezca:
( XY ) n (X)(Y )
3
Las unidades en las cuales resulta la covarianza es el producto de las unidades de las variables Y y X.
La covarianza puede resultar un nmero negativo.
El inconveniente de las unidades es preferible evitarlo con alguna fraccin, por ello definimos el coeficiente de correlacin.
Definicin 4.4 (Coeficiente de correlacin)

Dado un conjunto de datos (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), de una variable bidimensional definimos su coeficiente
de correlacin como la fraccin
r=
Cov(X,Y )
X Y
donde:
?
Cov(X,Y ) o SXY es la covarianza,
X la desviacin estndar de los datos en la variable X y
Y la desviacin estndar de los datos en la variable Y .
Observaciones:
1
114
El coeficiente de correlacin no posee unidades de medida.
SXY
,
X Y
Un mtodo para calcular coeficiente de correlacin es mediante la frmula
n xi yi
v
u
u n
tn x2
i
i=1
xi
!2 v
u
u
x tn
i
i=1
yi
i=1
i=1
r=
i=1
n
!2 .
y2i yi
i=1
i=1
1 r 1 .
El coeficiente de correlacin es nmero que est en el intervalo [1, 1], es decir
Si r = 1, se dice que hay una correlacin perfecta negativa.
Si r = 0, se dice que no hay correlacin entre las variables Y y X.
Si r = 1, se dice que hay una correlacin perfecta positiva.
Si r es prximo a 1 o a 1, la correlacin entre las variables Y y X tiene alto grado de aceptabilidad.
Si r es prximo a 0, la correlacin entre las variables Y y X tiene bajo grado de aceptabilidad.
(a)
4.7.3
(b)
Si r = 1, hay una correlacin
(c)
Si r 0, prximo a cero, no hay
Si r = 1, hay una correlacin
perfecta negativa; los puntos
correlacin entre las variables Y
perfecta positiva; los puntos es-
estn alineados en una recta
y X; los punto no estn alinea-
tn alineados en una recta con
con pendiente negativa.
dos.
pendiente positiva.
La regresin lineal simple y el mtodo de los mnimos cuadrados
Sea (X,Y ) una variable bidimensional con ambas componentes cuantitativas, donde Y es la variable dependiente y X
es la variable independiente.
Consideremos un conjunto de datos (x1 , y1 ); (x2 , y2 ); (x3 , y3 ); ; (xn , yn ), de la variable bidimensional (X,Y ) cuyo
diagrama de dispersin se asemeja al de una recta, con la regresin lineal simple obtendremos la ecuacin de la recta
que mejor se ajuste a los datos, para ello supondremos que la ecuacin de dicha recta es
y = A + Bx,
a tal recta lo denominaremos recta de regresin.
Lo nico que faltara es obtener los valores de los coeficientes A y B, esto es posible con el mtodo de los mnimos
cuadrados que aqu no expondremos por tener un desarrollo matemtico muy elaborado.
Al finalizar tal desarrollo matemtico muy elaborado los resultados de A y B son:
!
!
n
n xi yi
B=
i=1
i=1
n xi2
i=1
xi
n
yi
i=1
!2
Cov(X,Y )
X
A=Y
Cov(X,Y )
X.
X
xi
i=1
115
Luego de obtener la recta de regresin L : y = A + Bx, es necesario obtener su respectivo coeficiente de correlacin r
para ver si tenemos cierto grado de confiabilidad en el proceso de regresin.
! muy importante
Con la ecuacin de la recta de regresin L : y = A + Bx ya conocida es posible predecir un valor
de la variable Y que le corresponde a un determinado valor de la variable X.
! muy importante
Usted no debe preocuparse del clculo de los coeficientes A, B y r; ya que todo ello es posible
utilizando su calculadora en el modo regresin lineal (vea la seccin 4.3)
Ejemplo 4.11
A un concurso de Gimnasia se presentan 10 atletas, tal concurso cuenta con dos jurados calificadores, el siguiente
cuadro muestra las calificaciones que proporcionan los jurados a cada concursante.
Concursante Nro
10
X: Calificacin del primer jurado (puntos)
10
Y: Calificacin del segundo jurado (puntos)
10
Calificacin promedio de cada concursante (puntos)

a
Halle la calificacin promedio de cada concursante (tabla anterior)
La calificaciones emitidas por un jurado dependen del otro jurado? Rta:
Calcule la covarianza de las calificaciones conjuntas. Rta:
Calcule el coeficiente de correlacin. Rta:
Qu significa el valor de r que usted obtuvo? Rta:
Cov(X,Y ) =
r=
Ejemplo 4.12
La empresas para obtener utilidades tienen la necesidad de invertir en publicidad, sobre todo en publicidad televisiva, el siguiente cuadro muestra el tiempo (minutos) en publicidad televisiva que emplean 5 empresas durante una
semana y las utilidades obtenidas como consecuencia de su inversin en publicidad.
Empresa Nro
: Tiempo en publicidad televisiva (minutos)
20
30
25
35
40
: Utilidades obtenidas (miles de nuevos soles)
17
25
22
28
34
Responda los siguientes items justificando su respuesta de ser necesario.
En este caso la variable independiente es
En este caso la variable dependiente es
Complete el siguiente recuadro:
116
A=
B=
r=
X=
Y=
SXY =
Calcule el tiempo promedio que emplean en publicidad las 5 empresas. Rta:
Calcule la utilidad promedio de las 5 empresas. Rta:
Presente el diagrama de dispersin (nube de puntos) para el conjunto de datos.
La nube de puntos se asemeja a una
La ecuacin de la recta de regresin que mejor se ajusta
Utilidades
(miles de nuevos soles)
34
a los datos es:
28
L : y=
25
El coeficiente de correlacin es r =
Cierta empresa emplea 60 minutos en publicidad tele-
22
Tiempo (minutos) empleado en

publicidad televisiva por semana
17
visiva por semana, estime la utilidad que obtendr.

Rta:
k
Cierta empresa obtuvo S/. 40 000 de utilidades, estime

el tiempo que emplea en publicidad televisiva por semana.
20
25
30
35
40
Rta:
l
Cul es el significado del signo de B? Rta:
Ejemplo 4.13
En cierto concurso de ortografa participaron 150 estudiantes de Educacin Primaria que obtuvieron calificaciones
diversas. El siguiente cuadro muestra el nmero de errores ortogrficos cometidos por 6 estudiantes y sus respectivas
calificaciones.
Estudiente Nro
: Nro de errores
30
40
35
45
50
48
: Calificacin (puntos)
60
38
46
28
20
22
Responda los siguientes items justificando su respuesta de ser necesario.
En este caso la variable independiente es
En este caso la variable dependiente es

A=
B=
r=
X=
Y=
SXY =
Los 6 estudiantes en promedio cometieron
Los 6 estudiantes en promedio tienen
Presente el diagrama de dispersin (nube de
errores.
de calificacin.
g
La nube de puntos se asemeja a una
puntos) para el conjunto de datos.

117
La ecuacin de la recta de regresin que mejor se ajusta

a los datos es:
Calificaciones (puntos)
60
L : y=
.
a
46
i
. 38
El coeficiente de correlacin es r =
28
a
Cierto estudiante cometi 60 errores ortogrficos, es-
22
20
time la calificacin que obtendr.
Nmero de
errores cometidos
Rta:
Cierto estudiente calific 33 puntos, estime el nmero

de errores ortogrficos que cometi.
30
Rta:
35
40
45
48 50
Cul es el significado del signo de B? Rta:
CUESTIONARIO
1 Dada un conjunto de datos de una variable bidimensional (X,Y )

A=
B=
r=
X=
Y=
XY =
n=
SXY =
Halle la ecuacin de la recta de regresin que relaciona las variables.

Rta: L :
Si x = 4 estime el valor de y. Rta: y =
En su calculadora digite
Si y = 7 estime el valor de x. Rta: x =

En su calculadora digite
4 yb
7 xb
2 Las tallas y los pesos de 10 personas vienen en la siguiente tabla:

X: talla (cm)
160
165
170
180
185
192
175
182
172
Y : pesos (kg)
58
61
73
80
85
83
68
74
67
Trazar el diagrama de dispersin, si X es la variable independiente e Y es la variable dependiente.
Hallar la recta de regresin que mejor ajuste a los datos luego dibujarlo sobre el diagrama anterior
Estimar el peso de una persona que posee 168 cm de talla.
Calcule el coeficiente de correlacin y diga si la correlacin es confiable.
3 A continuacin se muestran las edades en aos de los padres de los nacidos en una maternidad durante mayo
del 2011. (Considere X: Edad de la madre, Y : Edad del padre)
118
Nio Nro
10
11
12
13
14
15
16
17
18
19
20
36
26
26
29
30
16
17
18
27
37
28
17
31
27
22
27
23
21
30
17
37
31
26
27
32
17
25
23
24
33
17
22
33
26
36
23
39
38
24
35
Agrupar a los datos de cada variable en 5 intervalos de amplitud igual a 5 aos, empezando con el mnimos
de 15 aos, luego interprete algunas frecuencia absolutas simples y algunas frecuencias marginales de cada
variable.
yi
xi
HH
HH Y
h15 20i
H
X
H
H
h15 20i
[20 25i
[25 30i
[30 35i
[35 40i
ni
[20 25i
[25 30i
[30 35i
[35 40i
n j
4 Se supone que el alargamiento de un cable de acero est relacionado linealmente con la intensidad de la fuerza
aplicada. Cinco especmenes idnticos de cable dieron los resultados siguientes:
Fuerza en Newtons (X)
1.0
1.5
2.5
3.5
5.4
6.9
8.4
Alargamiento en centmetros (Y )
a
Cul es la variable independiente?
Cul es la variable dependiente?
Presente el diagrama de dispersin.
Halle la covarianza
Halle el coeficiente de correlacin.
Estudia el grado de asociacin lineal entre las variables.
Halle la ecuacin de la recta de regresin.
Es confiable la regresin realizada?
Estimar en el alargamiento de un cable si le aplican una fuerza de 2,2 Newtons.
5 Para analizar la degradacin de la seal emitida por una antena, se tomaron los siguientes datos: la frecuencia
de la seal en el momento de ser emitida (X) y la frecuencia de la seal al ser recibida (Y). Los resultados
medidos en Megahercios fueron:
X
1.75
1.8
1.78
2.01
2.48
2.58
2.98
2.65
2.01
3.87
1.56
1.45
1.75
0.84
2.02
2.41
2.75
1.44
1.55
2.02
Calcular la media, mediana y moda de ambas variables.
Determinar el intervalo en el que se encuentra el 50% de los valores centrales de la variable Y.
Es significativa la relacin lineal entre las variables?. Influye significativamente la variable X sobre Y ?.
Qu frecuencia se predice en la seal al ser recibida si al ser emitida es de 3.5 Megahercios?. Es fiable la
prediccin?.
119
6 El siguiente cuadro muestra las calificaciones obtenidas en un examen de matemticas de un grupo de 10

estudiantes, las horas de estudio dedicadas a su preparacin y las horas de entretenimiento en televisin en la
ltima semana antes de la evaluacin
Estudiente Nro
10
Calificaciones (puntos)
Nro de horas de estudio
12
11
12
15
14
Nro de horas de TV
18
12
14
10
Identifique la variable independiente X y la variable dependiente Y si consideramos la calificaciones y

horas de estudio.
Estudie grficamente la correlacin existente entre estas variables.
Estime la calificacin si un estudiante se dedica 20 horas de estudio.
Estime el nmero de horas de estudio para obtener una calificacin de 15 pts.
Identifique la variable independiente X y la variable dependiente Y si consideramos la calificaciones y

horas de televisin
120
Estudie grficamente la correlacin existente entre estas variables.
Estime la calificacin si un estudiante se dedica 13 horas en ver la TV.
Estime el nmero de horas de entretenimiento en TV para obtener una nota de 15 pts.

Estadistica PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Estadistica PDF

Hochgeladen von

Copyright:

Verfügbare Formate

1

Organizacin y presentacin de datos

Tabla de distribucin de frecuencias sin intervalos.

La frecuencia absoluta acumulada menor que Ni correspondiente al valor yi es el nmero de observaciones

La frecuencia absoluta acumulada mayor que Ni correspondiente al valor yi es el nmero de observaciones

Definicin 1.2 (Frecuencias relativas)

Organizacin y presentacin de datos

Definicin 1.3 (Frecuencias porcentuales)

Propiedades de las frecuencias:

Por lo tanto: n1 = N1 < N2 < N3 < < Nm = n.

5. Por definicin para cada i = 1, 2, , m tenemos Ni = ni + ni+1 + + nm , de donde

Por lo tanto: n = N1 > N2 > N3 > > Nm = nm .

7. Para cada i = 1, 2, , m: 0 < hi < 1, 0 < Hi 1, 0 < Hi 1.

Por lo tanto: h1 = H1 < H2 < H3 < < Hm = 1.

Por lo tanto: 1 = H1 > H2 > H3 > > Hm = hm .

, 100Hm = 100h1 + 100h2 + + 100hm = 100.

Organizacin y presentacin de datos

Organizacin y presentacin de datos

DIAGRAMA DE BARRAS DE FRECUENCIAS

TITULO :(Debe ser el mismos ttulo de la tabla)

Proporcin TITULO :(Debe ser el mismos ttulo de la tabla)

Organizacin y presentacin de datos

Tabla de distribucin de frecuencias para datos de variable cualitativa.

Organizacin y presentacin de datos

Ejemplo 1.2 (Continuacin).

DIAGRAMA DE BARRAS DE FRECUENCIAS

TITULO :Participantes del Tercer Seminario

TITULO :Participantes del Tercer Seminario

DIAGRAMA DE BARRAS DE FRECUENCIAS

TITULO :Participantes del Tercer Seminario

Tabla de distribucin de frecuencias con intervalos.

Pasos para la elaboracin de una tabla de distribucin de frecuencias con intervalos:

Organizacin y presentacin de datos

Presentar los intervalos: El rango queda dividido en m intervalos y son

y01 = y00 + c; y02 = y01 + c; ; y0m = xmx

La marca de clase del intervalo [y0i1 ; y0i i es su punto medio yi =

Luego de culminar con el paso 4, la tabla tendr la siguiente forma

A continuacin definimos las expresiones que estn en la tabla anterior.

Organizacin y presentacin de datos

Una de las frecuencias absolutas simples puede ser igual a cero.

Como elegir el nmero de intervalos:

Organizacin y presentacin de datos

Eleccin del nmero de intervalos con la Regla de Sturges:

Si x1 , x2 , , xn son los n datos de una variable

Si m es redondeado por defecto a m0 , entonces la amplitud de cada subintervalo ser c =

Si m es redondeado por exceso a m0 , entonces la amplitud de cada subintervalo ser c =

y01 = y00 + c; y02 = y01 + c;

[y00 ; y01 i , [y01 ; y02 i , , [y0i1 ; y0i i , , [y0m1 ; y0m i,

Organizacin y presentacin de datos

Organizacin y presentacin de datos

Elaboracin de histogramas y polgonos de frecuencia

Tener lista la tabla de distribucin de frecuencia con intervalos.

Dibujar los ejes cartesianos, uno horizontal y el otro vertical.

Elaboracin de polgonos de frecuencias y ojivas

Organizacin y presentacin de datos

FUENTE: Oficina de personal de la constructora NEXT.

Organizacin y presentacin de datos

TRABAJADORES DE LA CONSTRUCTORA NEXT SEGN

FUENTE: Oficina de personal de la constructora NEXT

HISTOGRAMA DE FRECUENCIAS ABSOLUTAS ACUMULADAS MAYOR QUE

HISTOGRAMA DE FRECUENCIAS ABSOLUTAS ACUMULADAS MENOR QUE

TRABAJADORES DE LA CONSTRUCTORA NEXT SEGN

TRABAJADORES DE LA CONSTRUCTORA NEXT SEGN