INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

Nombre de la asignatura:
Estadstica para la Administracin I
Carrera: Licenciatura en Administracin.
Clave: LAD-11!
"rs. teora - "rs. pr#ctica - Cr$ditos: % - & - '
EN EL ESTADO DE CAMPECHE
TEMARIO
U N I D A D 3
RAMIRO JOSE GONZALEZ HORTA
A r q u i t e c t o
Arq. Ramiro Gonzlez Horta. Abril 2011
U N I D A D 3
Medidas de posicin y variacin para daos a!r"pados
y no a!r"pados
#$% Media ari&'ica( Mediana y Moda$
#$) C"ari*es( Deci*es y Perceni*es
#$# Ran!o( +arian,a( Desviacion Esandar( Coe-iciene de +ariacion y de Pearson
U N I D A D 3
Medidas de posicin y variacin para daos a!r"pados
y no a!r"pados
#$# Ran!o( +arian,a( Desviacion Esandar( Coe-iciene
de +ariacion y de Pearson
Datos no agrupados
MEDIDAS DE DISPERSIN (ato! no a"r#$ao!%
Medidas de Dispersin. Cuando se tiene una muestra de datos obtenida de
una poblacin cualquiera, es importante determinar sus medidas de
tendencia central as como tambin es bsico el determinar que tan
dispersos estn los datos en la muestra, por lo que se !ace necesario
determinar su rango, la "arian#a, la des"iacin estndar, etc., $a que una
e%cesi"a "ariabilidad o dispersin en los datos indica la inestabilidad del
proceso en anlisis en la ma$ora de los casos.

&ango o recorrido. 'l rango es la di(erencia entre el "alor ma$or $ el "alor
menor encontrados en la muestra, tambin se le denomina recorrido $a que
nos dice entre que "alores !ace su recorrido la "ariable de inters) $ se
determina de la siguiente manera*

& + ,
M
- ,m
Donde*

& + rango o recorrido
,
M
+ "alor ma$or en la muestra
,
m
+ "alor menor en la muestra

'.emplo*
/. 0e !an tomado como muestras las mediciones de la resistencia a la tensin de la soldadura usada para unir dos cables,
estas son* 12.34g, 25.6, 21.3, 12.7, 87.7, 29.3, 11.8, 85.6, 13.8, determine su rango o recorrido.

0olucin*

,M + 85.6 4g
,m + 13.8 4g
& + ,M - ,m + 85.6 - 13.8 + /9.3 4g

5. 0e toman las mediciones de la cantidad de grasa de la lec!e en gramos por cada /77 ml de lec!e que entra a un proceso de
pasteuri#acin, a continuacin se enumeran) /6.23, /3.35, /5.19, /9.58, /3.26, /1.3, /1.9/, /9.33, determine el rango o
recorrido de la cantidad de grasa de la lec!e.

0olucin*

,M + /1.9/
,m + /5.19

& + /1.9/ - /5.19 + 6.23gramos

Des"iacin absoluta media :
_
d
;. 'sta medida de dispersin nos representa
la di(erencia absoluta promedio que e%iste entre cada dato que se encuentra
en la muestra $ la media de los datos $ se determina de la siguiente manera*



n
x xi
d
n
i
_
_

1


Donde*
%
i
+ dato i
_
x
+ media aritmtica de la muestra
n + n<mero de datos en la muestra


'.emplo*
/. Determine la des"iacin absoluta media de los siguientes datos que son las
concentraciones de plomo de algunas muestras, las que a continuacin se
enumeran* /2gr, /5, 5/, /8, /9, 57, 55

0olucin*

=ara determinar la des"iacin absoluta media o promedio, lo primero que !a$ que
!acer es calcular la media aritmtica de los datos de la muestra, la que es /52>1
+/2.529, luego se procede a calcular el promedio de las di(erencias absolutas entre
cada dato $ la media calculada.

&
2'( 1' 22 2'( 1' 20 2'( 1' 12 2'( 1' 1' . . ..... . .
d
_

gr .
. . . . . . . .
d
_
)*0) 2
&
&1+ 1&
&
&1+ * &1+ 1 2'( 2 &1+ 0 &1+ 2 2'( ( 2'( 0

+ + + + + +

?a interpretacin de este resultado sera que el grado de ale.amiento absoluto
promedio de los datos con respecto a su media es de 5.3373 gramos.

@=or qu sacar el "alor absoluto de las di(erencias entre cada dato $ la media
aritmticaA 0i solo se !icieran di(erencias entre cada dato $ la media aritmtica,
estas tendran signos positi"os $ negati"os $a que algunos datos son menores que la
media $ otros son ma$ores que la media, luego al sumar las di(erencias, con sus
signos correspondientes, stas se iran anulando unas con otras $ no sera posible
medir leal grado de ale.amiento promedio de los datos en la muestra.

,arian#a o "ariancia :s
5
;. 's el promedio de las di(erencias ele"adas al cuadrado
entre cada "alor que se tiene en la muestra :%
i
; $ la media aritmtica :
_
x
; de los
datos $ se determina de la siguiente manera*



1
1
2
2

,
_

n
x xi
S
n
i
_


Donde n es el n<mero de datos en la muestra.




'.emplo*
?os siguientes datos es la cantidad de glucosa en miligramos encontrada en
muestras de sangre de algunos pacientes, /6.5, /5./, /3.9, /2./, /6.3, determine su
"arian#a.

0olucin*
?o primero que !a$ que calcular es la media aritmtica de la muestra como $a se
!a !ec!o anteriormente.


mg .
. . . . . .
x '( 1+
)
* &+
)
* 1+ 1 1' ( 1) 1 12 2 1+

+ + + +

+ + +

1 )
'( 1+ * 1+ '( 1+ 1 12 '( 1+ 2 1+
2 2 2
2
) . . ( .... ) . . ( ) . . (
s


2
2
')* +
+
+12 1,
+
*1*( 0 +,&( 10 )+&( 0 (1&( & +*)( 0
mg .
. . . . . .
s
+ + + +

Nota*
Dentro de la in(erencia estadstica se plantea la de(erencia entre una "ariancia muestral s
5
$ una poblacional,
representada por
5
.

Des"iacin estndar :s;. 's la des"iacin o di(erencia promedio que e%iste entre cada dato de la muestra $ la
media aritmtica de la muestra. B se obtiene a partir de la "arian#a, sacndole ra# cuadrada.



2
s s

donde*
s
5
+ "arian#a o "ariancia

=or tanto la des"iacin estndar de la muestra anterior sera)

s +
mg . mg . 202, 2 ')* +
2

?a interpretacin de este resultado sera, que la cantidad de glucosa encontrada en la muestra es en promedio de
/6.29 miligramos $ que la cantidad de glucosa en la muestra se ale.a o dispersa en promedio 5.5758 mg alrededor
de la media.

'n este caso solo nos interesa conocer el signi(icado de la des"iacin estndar, aunque es necesario decir que s es
la des"iacin de la muestra $ que es la des"iacin de la poblacin, as como s
5
es la "arian#a de la muestra $
5
es la "arian#a de la poblacin.

(EDIDA DE A)I(E*+,A
Dire&os ."e "na disri/"cin es si&'rica c"ando s" &ediana( s" &oda y s"
&edia ari&'ica coinciden$
Dire&os ."e "na disri/"cin es asimtrica a la derecha si *as -rec"encias
0a/so*"as o re*aivas1 descienden &2s *ena&ene por *a derec3a ."e por *a
i,."ierda$
Si *as -rec"encias descienden &2s *ena&ene por *a i,."ierda ."e por *a derec3a
dire&os ."e *a disri/"cin es asimtrica a la izquierda.
E4isen varias &edidas de *a asi&er5a de "na disri/"cin de -rec"encias$ Una de
e**as es e* Coe(iciente de Asimetra de =earson6
S" va*or es cero c"ando *a disri/"cin es si&'rica( posiivo c"ando e4ise
asi&er5a a *a derec3a y ne!aivo c"ando e4ise asi&er5a a *a i,."ierda$
(EDIDA DE A-.N*A(IEN*/ / C.+*/)I)
Miden *a &ayor o &enor canidad de daos ."e se a!r"pan en orno a *a &oda$
Se e-inen * ti$o! e i!trib#.ione! !e"/n !# "rao e .#rto!i!0
Distribucin mesoc0rtica: presena "n !rado de concenracin &edio
a*rededor de *os va*ores cenra*es de *a varia/*e 0e* &is&o ."e presena "na
disri/"cin nor&a*1$ Distribucin leptoc0rtica6 presena "n e*evado !rado de
concenracin a*rededor de *os va*ores cenra*es de *a varia/*e$ Distribucin
platic0rtica: presena "n red"cido !rado de concenracin a*rededor de *os
va*ores cenra*es de *a varia/*e$
E1E(-L/ 1
El n/mero e 1a! ne.e!ario! $or 10 eq#i$o! e traba2aore! $ara terminar 10 in!tala.ione! e i"#ale!
.ara.ter1!ti.a! 3an !io0 214 *24 1)4 ),4 (04 (14 (+4 (04 &14 5 '0 1a!. 6al.#lar la meia4 meiana4 moa4
7arianza 5 e!7ia.i8n t1$i.a.
)/L.CI2N:
La media6 !#ma e too! lo! 7alore! e #na 7ariable i7iia entre el n/mero total e ato! e lo! q#e !e
i!$one0
?a mediana0 e! el 7alor q#e e2a a la mita e lo! ato! $or en.ima e i.3o 7alor 5 a la otra mita $or
eba2o. Si orenamo! lo! ato! e ma5or a menor ob!er7amo! la !e.#en.ia0
1)4 214 *24 ),4 (04 (04(14 (+4 &14 '0.
6omo q#iera q#e en e!te e2em$lo el n/mero e ob!er7a.ione! e! $ar (10 ini7i#o!%4 lo! o! 7alore! q#e !e
en.#entran en el meio !on (0 5 (0. Si realizamo! el .l.#lo e la meia e e!to! o! 7alore! no! ar a !#
7ez 97, q#e e! el 7alor e la mediana.
?a moda0 el 7alor e la 7ariable q#e $re!enta #na ma5or -re.#en.ia e! 97
?a "arian#a 0
5
0 E! la meia e lo! .#arao! e la! i-eren.ia! entre .aa 7alor e la 7ariable 5 la meia
aritm9ti.a e la i!trib#.i8n.
S:
2
;
?a des"iacin tpica 0* e! la ra1z .#araa e la 7arianza.
) 7 8 9):(;% 7 %.!3
'l rango* di-erencia enre e* va*or de *as o/servaciones &ayor y e* &enor
27 C /3 + 93 das
'l coe(iciente de "ariacin* cociene enre *a desviacin 5pica y e* va*or a/so*"o de *a &edia
ari&'ica
C4 7 )<(;:=>)(# 7 5&6
Coeficiente de variacin.
6oe-i.iente e 7aria.i8n
El coe(iciente de dispersin e! /til $ara .om$arar i!$er!ione! a e!.ala! i!tinta! $#e! e!
#na meia in7ariante ante .ambio! e e!.ala. Por otro lao $re!enta $roblema! 5a q#e a
i-eren.ia e la e!7ia.i8n t1$i.a e!te .oe-i.iente e! 7ariable ante .ambio! e ori"en. Por
ello e! im$ortante q#e too! lo! 7alore! !ean $o!iti7o! 5 !# meia e $or tanto #n 7alor
$o!iti7o.
E:i"imo! q#e0
Se .al.#la0
Done S e! la e!7ia.i8n t1$i.a. Se $#ee ar en tanto $or .iento .al.#lano0
Coeficiente de variacin
Hemo! 7i!to q#e la! meia! e .entraliza.i8n 5 i!$er!i8n no! an in-orma.i8n !obre #na
m#e!tra. No! $oemo! $re"#ntar !i tiene !entio #!ar e!ta! ma"nit#e! $ara .om$arar o!
$obla.ione!. Por e2em$lo4 !i no! $ien .om$arar la i!$er!i8n e lo! $e!o! e la!
$obla.ione! e ele-ante! e o! .ir.o! i-erente!4 no! ar in-orma.i8n /til.
<Pero q#9 o.#rre !i lo q#e .om$aramo! e! la alt#ra e #no! ele-ante! .on re!$e.to a !#
$e!o= >anto la meia .omo la e!7ia.i8n t1$i.a4 5 4 !e e:$re!an en la! mi!ma! #niae!
q#e la 7ariable. Por e2em$lo4 en la 7ariable alt#ra $oemo! #!ar .omo #nia e lon"it# el
metro 5 en la 7ariable $e!o4 el ?ilo"ramo. 6om$arar #na e!7ia.i8n (.on re!$e.to a la
meia% meia en metro! .on otra en ?ilo"ramo! no tiene nin"/n !entio.
El $roblema no eri7a !8lo e q#e #na e la! meia! !ea e lon"it# 5 la otra !ea e ma!a.
El mi!mo $roblema !e $lantea !i meimo! .ierta .antia4 $or e2em$lo la ma!a4 e o!
$obla.ione!4 $ero .on i!tinta! #niae!. E!te e! el .a!o en q#e .om$aramo! el $e!o en
toneladas e #na $obla.i8n e 100 ele-ante! .on el .orre!$oniente en miligramos e #na
$obla.i8n e )0 3ormi"a!.
El $roblema no !e re!#el7e tomano la! mi!ma! e!.ala! $ara amba! $obla.ione!. Por
e2em$lo4 !e no! $#ee o.#rrir meir a la! 3ormi"a! .on la! mi!ma! #niae! q#e lo!
ele-ante! (tonelaa!%. Si la in"enier1a "en9ti.a no no! !or$rene .on al"#na barbaria4 lo
l8"i.o e! q#e la i!$er!i8n e la 7ariable peso de las hormigas !ea $r.ti.amente n#la
(@A#nq#e 3a5a al"#na! q#e !ean 1.000 7e.e! ma5ore! q#e otra!A%
En lo! o! $rimero! .a!o! men.ionao! anteriormente4 el $roblema 7iene e la
dimensionalidad e la! 7ariable!4 5 en el ter.ero e la i-eren.ia enorme entre la! meia! e
amba! $obla.ione!. El coeficiente de variacin e! lo q#e no! $ermite e7itar e!to!
$roblema!4 $#e! elimina la imen!ionalia e la! 7ariable! 5 tiene en .#enta la $ro$or.i8n
e:i!tente entre meia! 5 e!7ia.i8n t1$i.a. Se e-ine el !i"#iente moo0
Ba!ta ar #na r$ia miraa a la e-ini.i8n el .oe-i.iente e 7aria.i8n4 $ara 7er q#e la!
!i"#iente! .on!iera.ione! eben !er tenia! en .#enta0
S8lo !e ebe .al.#lar $ara 7ariable! .on too! lo! 7alore! $o!iti7o!. >oo 1ni.e e
7ariabilia e! e!en.ialmente no ne"ati7o. Ca! ob!er7a.ione! $#een !er $o!iti7a! o
n#la!4 $ero !# 7ariabilia ebe !er !iem$re $o!iti7a. De a31 q#e !8lo ebemo!
traba2ar .on 7ariable! $o!iti7a!4 $ara la q#e tenemo! .on !e"#ria q#e .
No e! in7ariante ante .ambio! e ori"en. E! e.ir4 !i a lo! re!#ltao! e #na meia
le !#mamo! #na .antia $o!iti7a4 bD04 $ara tener Y;Eb4 enton.e! 4
5a q#e la e!7ia.i8n t1$i.a no e! !en!ible ante .ambio! e ori"en4 $ero !i la meia.
Co .ontario o.#rre !i re!tamo! (bF0%.
E! in7ariante a .ambio! e e!.ala. Si m#lti$li.amo! $or #na .on!tante a4 $ara
obtener 4 enton.e!
/bservacin
E! im$ortante e!ta.ar q#e lo! coefientes de variacin !ir7en $ara .om$arar la!
7ariabiliae! e o! .on2#nto! e 7alore! (m#e!tra! o $obla.ione!%4 mientra! q#e !i
e!eamo! .om$arar a o! individuos e .aa #no e e!o! .on2#nto!4 e! ne.e!ario #!ar lo!
valores tipificados.
E7emplo
Daa la i!trib#.i8n e eae! (meia! en aGo!% en #n .ole.ti7o e 100 $er!ona!4 obtener0
1.
Ca 7ariable ti$i-i.aa !.
2.
Halore! e la meia 5 7arianza e !.
*.
6oe-i.iente e 7aria.i8n e !.
Hora! traba2aa! N#m. em$leao!
0 II + +&
+ II 10 *2
10 II 20 1&
20 II +0 +
100
0olucin*
Para .al.#lar la 7ariable ti$i-i.aa
$artimo! e lo! ato! el en#n.iao. Ser ne.e!ario .al.#lar en $rimer l#"ar la meia 5
e!7i.i8n t1$i.a e la 7ariable ori"inal (; aGo!%.
l
iI1
II l
i
x
i
n
i
x
i
n
i
x
i
2
n
i
0 II + 2 +& ,+ 1''
+ II 10 & *2 22+ 1.)('
10 II 20 1) 1& 2)) *.'2)
20 II +0 *0 + 120 *.(00
n;100 (,* ,.1'1
A $artir e e!to! 7alore! $oremo! .al.#lar lo! 7alore! ti$i-i.ao! $ara la! mar.a! e .la!e
e .aa inter7alo 5 .on!tr#ir !# i!trib#.i8n e -re.#en.ia!0
z
i
n
i
z
i
n
i
z
i
2
n
i
I04&+) +& I*)401) 2(40'(
04011 *2 04*)2 0400+
14220 1& 204&20 2)4*0*
*4+'( + 1*4,++ +'4(0,
n;100 04021 1004002
A $e!ar e q#e no !e ebe .al.#lar el .oe-i.iente e 7aria.i8n !obre 7ariable! q#e $re!enten
7alore! ne"ati7o! (5 ! lo! $re!enta%4 lo .al.#lamo! .on ob2eto e il#!trar el $orq#90
E! e.ir4 el .oe-i.iente e 7aria.i8n no ebe #!ar!e n#n.a .on 7ariable! ti$i-i.aa!.
Ca! o! !i"#iente! meia! #tilizan o! $armetro! q#e 5a no! !on -amiliare!0 el ran"o 5 la
e!7ia.i8nJ .on el $rimero traba2amo! en la .on!tr#..i8n e inter7alo! e .la!e 5 .on el
!e"#no en la .on!tr#..i8n e la 7arianza 5 e la e!7ia.i8n ab!ol#ta meia.

Por e2em$lo .on!ieremo! la! o! !i"#iente! m#e!tra!0

M#e!tra 10 04 +)4 )04 ))4 100 (la meia $ara e!te .on2#nto e ato! la meia 5 meiana
e! i"#al a )0%

M#e!tra 20 +&4 +,.)4 )04 )1.)4 )2 (la meia $ara e!te .on2#nto e ato! la meia 5 meiana
e! i"#al a )0%

A#nq#e amba! m#e!tra! tiene la mi!ma meia 5 meiana4 !# i!$er!i8n e! i-erente.

Des"iacin

El .on.e$to e e!7ia.i8n 5a 3a !io e:$lotao $ara la .on!tr#..i8n e la 7arianza 5 e la
e!7ia.i8n ab!ol#ta meia. En realia 3emo! $oio .on!tatar q#e 3ablar e #na !ola
e!7ia.i8n no tiene el ma5or inter9! 5 q#e !in embar"o la !#ma e lo! .#arao! e la!
e!7ia.ione! o i-eren.ia!4 o 7alore! ab!ol#to! e la! i-eren.ia!4 .on re!$e.to a la meia
no! 3a lle7ao a la .on!tr#..i8n e .on.e$to!4 la $rin.i$al e e!ta! e!7ia.ione! e! la
e!7ia.i8n e!tnar.

Coe(iciente de "ariacin.

Kna e la! meia! !#-i.ientemente /til e! la obten.i8n el .oe-i.iente e 7aria.i8n4 el
.#al !e e-ine .omo el .o.iente entre la e!7ia.i8n e!tnar 5 la meia aritm9ti.a4
mo!trano $ara ba2o! 7alore! #na alta .on.entra.i8n e lo! ato!. En el .a!o en q#e la
meia e! i"#al a .ero e!ta meia no e!ta e-inia4 $or lo q#e !e re.#rre a .#alq#iera e la!
anteriore!. S# e:$re!i8n e! aa $or

x
S
" #
x
.
one
x
S x 5
!on la meia 5 la e!7ia.i8n e!tnar4 re!$e.ti7amente4 $ara #na mi!ma
$obla.i8n.
En o.a!ione! !e !#ele $re!entar la in-orma.i8n meiante el $or .iento4 !obre too al
momento e .om$arar o! m#e!tra!4 $or lo q#e el .oe-i.iente !#ele $re!entar!e .omo0

100 .
x
S
" #
x
S# #tilia rai.a en q#e $oemo! eterminar q#e tanta 7ariabilia e:i!te entre o!
m#e!tra en la! q#e in.l#!i7e la in-orma.i8n no tienen la! mi!ma! #niae! o !e trata e
ato! i-erente!. En el !i"#iente e2em$lo !e m#e!tra la #tilia el .oe-i.iente e 7aria.i8n

E2em$lo.

Do! $ro-e!ore! q#e im$arten i-erente! materia! a #n mi!mo "r#$o e.ien in7e!ti"ar
.omo e! el .oe-i.iente e 7aria.i8n e en #na 5 otra materia4 $ara lo .#al !e obtiene la
meia 5 la e!7ia.i8n e!tnar re!$e.ti7amente4 $or lo q#e0

Re!#ltao! e la materia A0
2 . 1 J * . (
$
S x

1,0 . 0
* . (
2 . 1
. " #

Re!#ltao! e la materia B0
* J '
$
S x
*&) . 0
'
*
. " #
$or lo q#e !e .on.l#5e q#e a#nq#e la! .ali-i.a.ione! en $romeio !on i"#al a ' la!
.ali-i.a.ione! !on m#.3o ma! i!$er!a! 5a q#e el .oe-i.iente e 7aria.i8n e! ma5or $ara la
!e"#na m#e!tra.

6omo $oremo! analizar m! aelante #no e lo! teorema! -#namentale! e la e!ta1!ti.a
no! lle7a a la !i"#iente $ro$o!i.i8n 5 $or .on!i"#iente a lo! .on.e$to! e .#a!i7arianza 5
.#a!ie!7ia.i8n.

Se i.e q#e #na $obla.i8n a la q#e !e obtiene la 7arianza 5 e! m#lti$li.aa $or
( ) 1 % %

mei.ione! no! .on#.e a #n re!#ltao .on menor error. A i.3a mei.i8n !e le .ono.e
.omo .#a!i7arianza.

Cuasi"arian#a
Se e-ine la .#a!i7arianza .omo
2 2
1
1
S
%
%
S
%

Cuasides"iacin
Se e-ine la .#a!ie!7ia.i8n .omo
S
%
%
S
%
1
1

E! im$ortante .omentar q#e $ara 7alore! "rane! e N4 $ara ND*04 no e:i!te "ran
i-eren.ia.
Datos agrupados
M'DIDA0 D' DI0='&0IDN E&AEAMI'NEF =A&A DAEF0 AG&U=ADF0.

Cuando la muestra consta de 37 o ms datos, lo aconse.able es agrupar los datos
en clases $ a partir de estas determinar las caractersticas de la muestra $ por
consiguiente las de la poblacin de donde (ue tomada.
Antes de pasar a de(inir cul es la manera de determinar las caractersticas de
inters :media, mediana, moda, etc.; cuando se !an agrupado en clases los datos de
la muestra, es necesario que sepamos como se agrupan los datos.

=asos para agrupar datos.
a. Determinar el rango o recorrido de los datos.

&ango + ,alor ma$or - ,alor menor

b. 'stablecer el n<mero de clases :4; en que se "an a agrupar los datos tomando
como base para esto la siguiente tabla.




>amaGo e m#e!tra o No. De ato! N/mero e .la!e!
Meno! e )0 ) a &
)0 a ,, ( a 10
100 a 2)0 & a 12
2)0 en aelante 10 a 20

'l uso de esta tabla es uno de los criterios que se puede tomar en cuenta para
establecer el n<mero de clases en las que se "an a agrupar los datos, e%isten otros
para !acerlo.

.. Determinar la amplitud de clase para agrupar :C;.



&
'ango
#

d. Hormar clases $ agrupar datos.
=ara (ormar la primera clase, se pone como lmite in(erior de la primera clase un
"alor un poco menor que el dato menor encontrado en la muestra $
posteriormente se suma a este "alor C, obteniendo de esta manera el lmite
superior de la primera clase, luego se procede a obtener los lmites de la clase
siguiente $ as sucesi"amente.

'.emplo*
?os siguientes datos se re(ieren al dimetro en pulgadas de un engrane.

(.&) &.00 &.00 (.&) (.)0 (.)0 &.1) &.00
(.)0 (.)0 (.)0 (.2) (.2) (.)0 (.() &.00
&.2) (.&0 (.00 (.&) (.00 (.&) (.&) &.10
&.00 (.&0 (.)0 (.&) (.2) (.() (.&) &.10
&.2) (.&) (.2) (.2) &.00 (.&) &.00 &.1)

a; Agrupe datos, considere 4+9.
b; Fbtenga* Iistograma, polgono de (recuencias, o.i"a $ distribucin de
probabilidad.
c; Fbtenga* media, mediana, moda $ des"iacin estndar.
0olucin*
a; Agrupando datos)

/. &+ ,M C ,m + 1.53 - 9.77 + /.53
5. 4 + 9
3.
21 0 20'* 0
(
2) 1
. .
.
&
'
#

6. Hormando clases.

=ara (ormar la primera clase se toma un "alor un poco menor que el "alor menor
encontrado en la muestra) luego,

CI CS Lre.#en.ia Mar.a e
.la!e
C1mite real
in-erior
C1mite real
!#$erior
Lre.#en.ia
relati7a
Lre.#en.ia
Relati7a
a.#m#laa
).,& M (.1' 2 (.0&) ).,() (.1') 2N+0 ; 0.0) 0.0)
(.1, M (.+0 ) (.2,) (.1') (.+0) )N+0;0.12) 0.1&)
(.+1 M (.(2 & (.)1) (.+0) (.(2) 0.1&) 0.*)0
(.(* M (.'+ 1* (.&*) (.(2) (.'+) 0.*2) 0.(&)
(.') M &.0( & (.,)) (.'+) &.0() 0.1&) 0.')0
&.0& M &.2' ( &.1&) &.0() &.2') 0.1) 1.000
>otal +0 1.000


b; Gr(icas*


"I)*/8+A(A
)
>
:
%#
:
;
?9
%
;
%%
%;
LI(I*E) +EALE)
9
+
E
C
.
E
N
C
I
A
>$@;> ? ;$%A>
;$%A> ? ;$9<>
;$9<> ? ;$;)>
;$;)> ? ;$A9>
;$A9> ? :$<;>
:$<;> ? :$)A>


-/LI8/N/ DE 9+EC.ENCIA
<
)
9
;
A
%<
%)
%9
%;
>$;#> >$A>> ;$<:> ;$)@> ;$>%> ;$:#> ;$@>> :$%:> :$#@> :$;%>
(A+CA DE CLA)E
9
+
E
C
.
E
N
C
I
A
/1I4A :(EN/+ ;.E: / C+ECIEN*E
0
0.05
0.175
0.35
0.675
0.85
1
<
<$)
<$9
<$;
<$A
%
5.965 6.185 6.405 6.625 6.845 7.065 7.285
LI(I*E) +EALE)
9
+
E
C
.
E
N
C
I
A

+
E
L
A
*
I
4
A

A
C
.
(
.
L
A
D
A
DI)*+I<.CI/N DE -+/<A<ILIDAD
<$<>
<$%)>
<$%:>
<$#)>
<$%:>
<$%>
<
<$%
<$)
<$#
<$9
LI(I*E) +EALE)
-
+
/
<
A
<
I
L
I
D
A
D
>$@;> ? ;$%A>
;$%A> ? ;$9<>
;$9<> ? ;$;)>
;$;)> ? ;$A9>
;$A9> ? :$<;>
:$<;> ? :$)A>
a; Media :
_
x
;.

+ + +

+ + +

+0
0) +* +&) *1 1) 12
+0
( 1&) & ) 2,) ( 2 0&) (
1
. ... . . ) )( . ( ... ) )( . ( ) )( . (
n
f ( x
x
&
i
i i
+
adas lg pu .
.
&1* (
+0
)2 2('

Donde*
4 + n<mero de clases
%
i
+ marca de clase i
(
i
+ (recuencia de la clase i
n +

&
i
i
f
1
n<mero de datos en la muestra

b; Mediana :J
med
;.



$
fme
)me * n
+i med
1
]
1

+
1 2
&2() ( 22 0
1*
1+ 2 +0
(2) ( . ) . (
*
.
1
]
1

+

Donde*
?i + lmite real in(erior de la clase que contiene a la mediana
H
meC/
+ sumatoria de las (recuencias anteriores a la clase en donde se encuentra la
mediana
(
me
+ (recuencia de la clase en donde se encuentra la mediana
A + amplitud real de la clase en donde se encuentra la mediana
A + ?&0C?&I
?&0 + lmite real superior de la clase que contiene a la mediana
?&I + lmite real in(erior de la clase que contiene a la mediana
N + n<mero de datos en la muestra

(; Moda :J
mod
;.


$
d d
d
+i mod
1
]
1

+
+
2 1
1
adas lg pu . ) . ( . &*) ( 22 0
( (
(
(2) (
1
]
1

+
+

Donde*
?i + lmite real in(erior de la clase que contiene a la moda
d
/
+
1 fmo fmo
+
( & 1*
d
5
+
1 + fmo fmo
+
( & 1*
(mo + (recuencia de la clase que contiene a la moda
(moC/+ (recuencia de la clase anterior a la que contiene a la moda
(moK/+ (recuencia de la clase posterior a la que contiene a la moda
A + amplitud real de la clase que contiene a la moda
A + ?&0 - ?&I
?&0 + lmite real superior de la clase que contiene a la moda
?&I + lmite real in(erior de la clase que contiene a la moda


g; Des"iacin estndar :0;.


1
1
1
2
1
1
2

n
fi ) x xi (
fi
fi ) x xi (
s
&
i
_
&
i
&
i
_

+ + +

1 +0
( &1* ( 1&) & ) &1* ( 2,) ( 2 &1* ( 0&) (
2 2 2
) ( ) . . ( ... ) ( ) . . ( ) ( ) . . (
+
adas lg pu .
. . ... . .
*0(* 0
*,
(),0+ *
*,
2'0((+ 1 '&*(2 0 '1+0'' 0

+ + +

Donde*
%
i
+ marca de clase i
_
x
+ media aritmtica
(
i
+ (recuencia de la clase i

&
i
n fi
1
+ n<mero total de datos en la muestra
Medidas de asi&er5a y c"rosis
Las &edidas de disri/"cin nos per&ien ideni-icar *a -or&a en ."e se
separan o a!*o&eran *os va*ores de ac"erdo a s" represenacin !r2-ica$
Esas &edidas descri/en *a &anera co&o *os daos ienden a re"nirse de
ac"erdo con *a -rec"encia con ."e se 3a**en denro de *a in-or&acin$ S"
"i*idad radica en *a posi/i*idad de ideni-icar *as caracer5sicas de *a
disri/"cin sin necesidad de !enerar e* !r2-ico$ S"s principa*es &edidas
son *a Asimetra y *a Curtosis$
1. ASIMETRA
Esa &edida nos per&ie ideni-icar si *os daos se disri/"yen de -or&a
"ni-or&e a*rededor de* p"no cenra* 0Media ari&'ica1$ La asi&er5a
presena res esados di-erenes( cada "no de *os c"a*es de-ine de -or&a
concisa co&o es2n disri/"idos *os daos respeco a* eBe de asi&er5a$ Se
dice ."e *a asimetra es positiva c"ando *a &ayor5a de *os daos se
enc"enran por enci&a de* va*or de *a &edia ari&'ica( *a c"rva es
Simtrica c"ando se disri/"yen apro4i&ada&ene *a &is&a canidad de
va*ores en a&/os *ados de *a &edia y se conoce co&o asimetra negativa
c"ando *a &ayor canidad de daos se a!*o&eran en *os va*ores &enores
."e *a &edia$

E* Coeficiente de asimetra( se represena &ediane *a ec"acin
&ae&2ica(


Donde 0!%1 represena e* coe-iciene de asi&er5a de Cis3er( 0Di1 cada "no
de *os va*ores( 0 1 *a &edia de *a &"esra y 0ni1 *a -rec"encia de cada va*or$
Los res"*ados de esa ec"acin se inerprean6

0!% 7 <16 Se acepa ."e *a disri/"cin es Si&'rica( es decir( e4ise
apro4i&ada&ene *a &is&a canidad de va*ores a *os dos *ados de *a &edia$
Ese va*or es di-5ci* de conse!"ir por *o ."e se iende a o&ar *os va*ores ."e
son cercanos ya sean posiivos o ne!aivos 0E <$>1$
0!% F <16 La c"rva es asi&'rica&ene posiiva por *o ."e *os va*ores se
ienden a re"nir &2s en *a pare i,."ierda ."e en *a derec3a de *a &edia$
0!% G <16 La c"rva es asi&'rica&ene ne!aiva por *o ."e *os va*ores se
ienden a re"nir &2s en *a pare derec3a de *a &edia$

Desde *"e!o enre &ayor sea e* nH&ero 0Posiivo o Ne!aivo1( &ayor ser2 *a
disancia ."e separa *a a!*o&eracin de *os va*ores con respeco a *a
&edia$
2. CURTOSIS
Esa &edida deer&ina e* !rado de concenracin ."e presenan *os va*ores
en *a re!in cenra* de *a disri/"cin$ Por &edio de* Coeficiente de Curtosis(
pode&os ideni-icar si e4ise "na !ran concenracin de va*ores
0Leptocrtica1( "na concenracin nor&a* 0Mesocrtica1 "na /aBa
concenracin 0Platicrtica1$


Para ca*c"*ar e* coe-iciene de C"rosis se "i*i,a *a ec"acin6

Donde 0!)1 represena e* coe-iciene de C"rosis( 0Di1 cada "no de *os
va*ores( 0 1 *a &edia de *a &"esra y 0ni1 *a -rec"encia de cada va*or$ Los
res"*ados de esa -r&"*a se inerprean6

:!) 7 <1 la distribucin es Mesocrtica* A* i!"a* ."e en *a asi&er5a es
/asane di-5ci* enconrar "n coe-iciene de C"rosis de cero 0<1( por *o ."e
se s"e*en acepar *os va*ores cercanos 0E <$> apro4$1$
0!) F <1 la distribucin es Leptocrtica
0!) G <1 la distribucin es Platicrtica

C"ando *a disri/"cin de *os daos c"ena con "n coe-iciene de asi&er5a
0!% 7 E<$>1 y "n coe-iciene de C"rosis de 0!) 7 E<$>1( se *e deno&ina
C"rva Nor&a*$ Ese crierio es de s"&a i&porancia ya ."e para *a &ayor5a
de *os procedi&ienos de *a esad5sica de in-erencia se re."iere ."e *os
daos se disri/"yan nor&a*&ene$

La principa* venaBa de *a disri/"cin nor&a* radica en e* s"p"eso ."e e*
@>I de *os va*ores se enc"enra denro de "na disancia de dos
desviaciones es2ndar de *a &edia ari&'icaJ es decir( si o&a&os *a &edia
y *e s"&a&os dos veces *a desviacin y desp"'s *e resa&os a *a &edia
dos desviaciones( e* @>I de *os casos se enconrar5a denro de* ran!o ."e
co&pon!an esos va*ores$

Desde *"e!o( *os concepos visos 3asa a."5( son s*o "na pe."eKa
inrod"ccin a *as principa*es &edidas de Esad5sica DescripivaJ es de !ran
i&porancia ."e *os *ecores pro-"ndicen en esos e&as ya ."e *a principa*
di-ic"*ad de* pa."ee SPSS radica en e* desconoci&ieno de *os concepos
esad5sicos$

Las de-iniciones p*as&adas en ese cap5"*o 3an sido e4ra5das de *os *i/ros
Estadstica para administradores escrio por Alan Wester de *a edioria*
Mcra!"#ill y e* *i/ro Estadstica $ Muestreo escrio por Ciro Martne%
edioria* Ecoe editores 0&ctava edicin1$ No necesaria&ene ienes ."e
!"iare por esos *i/ros ya ."e en *as *i/rer5as enconraras "na !ran
variedad de e4os ."e p"eden ser de /asane "i*idad en *a inrod"ccin a
esa ciencia$