Un pronosticador poco sofisticado utiliza las estadsticas como un borracho utiliza las farolas:

para apoyarse y no para iluminarse.

Andrew Lang

Esta frase, atribuida al escritor Andrew Lang, resume de manera muy precisa la razn de ser de
la estadstica: predecir el comportamiento de un fenmeno, o simplemente sacar conclusiones
acerca de un conjunto de datos.
La persona que toma decisiones necesita analizar datos adecuadamente. No es suficiente
generar informacin, recopilarla u ordenarla. Los administradores deben adquirir la capacidad
de leer los datos que ofrece la estadstica, desde su lenguaje matemtico. As como un buen
mdico interpreta anlisis clnicos y cualquier cantidad de estudios (radiografas,
electrocardiogramas, tomografas, etc.) para realizar un diagnstico acertado y posteriormente
devolver la salud a su paciente, de la misma forma un gerente necesita interpretar la
informacin estadstica para tomar decisiones, planificar, ejercer control sobre las operaciones
o simplemente, conocer el estado de las cosas. Esto es a la vez una ciencia y un arte: todos
podemos aprender las guas tcnicas que a continuacin expondremos, pero cada uno de
nosotros puede desarrollar ms habilidad al explotar su curiosidad y con el tiempo, ser capaz
de ver cosas que los dems no ven. Es as como dos mdicos, que tienen delante de s los
mismos anlisis clnicos y estudios del mismo paciente, pueden llegar a conclusiones distintas.
La continua preparacin y la experiencia nos ayudarn a mejorar nuestra habilidad para
interpretar informacin estadstica.
Uno de los principios del modelo de gestin de la calidad desarrollado por la organizacin ISO
en su familia de normas de calidad 9000 (2008) pide realizar un enfoque basado en hechos
para la toma de decisin: Las decisiones eficaces se basan en el anlisis de los datos y la
informacin. Para la administracin adecuada de la calidad (una de las principales actividades
de los egresados de Ingeniera o Administracin) la toma de decisiones solo podra ser eficaz si
se tiene la capacidad de analizar datos. Nuestros procesos mentales pueden verse influenciados
por una cantidad muy amplia de variables psicolgicas, ambientales, emocionales, o
simplemente por la aleatoriedad que existe en el comportamiento de los procesos controlados
por el ingeniero o administrador. Solo el anlisis de datos concretos, bien organizados e
interpretados, nos permitir tomar decisiones acertadas.

Anlisis de medidas descriptivas

Las primeras herramientas estadsticas con que cuenta un tomador de decisiones son las
medidas descriptivas, ya sean de tendencia central o de dispersin, ya sea que se obtengan de
una poblacin (parmetros) o de una muestra (estadsticos).

Herramientas estadsticas para ingeniera

Medidas de tendencia central

Dentro la amplia gama de medidas de tendencia central que tiene la estadstica, tenemos dos
muy importantes: la media aritmtica o promedio, y la mediana. Una vez que aprendimos a
calcularlas adecuadamente, procederemos ahora a interpretar sus resultados.
La media aritmtica (o promedio) como toda medida de tendencia central, nos proporciona un
nico dato que representa a todos los dems. Cuando no podemos hablar de todos y cada uno
de los datos cuantitativos que tenemos en un grupo, sea muestra o poblacin, empleamos el
promedio para representarlos a todos.
Qu pasa en tu mente cuando te dicen que los integrantes de tu equipo de futbol favorito,
tienen en promedio 21.8 aos? Significa que todos tienen esa edad? No.
Tu sabes que las personas en un equipo de futbol pueden tener distintas edades, y que el
promedio es solo un nmero que se encuentra a la mitad de todos ellos y los representa de
alguna forma. Sabemos que hay nmero ms grandes y ms pequeos, o al menos eso nos
imaginamos, pero el 21.8 es un nmero que se localiza en medio de todos y puede
representarlos adecuadamente.
Qu debera pasar por tu mente si sabes que el equipo contrario al tuyo tiene una edad
promedio de 29.2 aos? Al igual que tu equipo preferido, deber tener jugadores con edades
diferentes, unas ms altas, otras ms bajas, pero si hemos de elegir una edad que los represente
a todos, debera estar tambin en medio del grupo, por eso calculamos su promedio. Y este
segundo promedio es ms alto, y por lo tanto, concluyes que el equipo es mas viejo (hay una
diferencia notable en el promedio de edades). El equipo con ms edad se cansar ms pronto,
pero tendrn jugadores ms experimentados. Probablemente el entrenador har cambios de
jugadores ms rpido, por la edad de estos, inclusive idear una estrategia pensando en los
promedios de edades de ambos equipos. Para eso nos es til calcular los promedios.

Los profesores calculamos el promedio de las calificaciones de nuestros alumnos, porque

es la nica forma como podemos reflejar, en una sola cantidad, el desempeo
acadmico que tienen las personas.
Los ingenieros calculan el consumo promedio de gasolina que tiene un motor a
combustin interna, porque es una forma vlida como pueden reflejar, en una sola
cantidad, el rendimiento de todos los motores del mismo modelo.
Un administrador de recursos humanos calcula el promedio de ausencias por semana
que existen en una empresa de 1200 trabajadores, porque es la forma ms prctica de
expresar, en una sola cantidad, el comportamiento de una variable que genera una
cantidad de informacin muy grande a lo largo del ao.

Ventajas
Como medida descriptiva, la media aritmtica o promedio es quizs la medida de tendencia
central ms conocida y una de las ms simples de calcular. Muchas personas, sin necesidad de
Herramientas estadsticas para ingeniera

tomar un curso de estadstica, saben calcular un promedio. E intuitivamente saben

interpretarlo. Eso convierte a la media aritmtica en una herramienta muy til para transmitir
una idea a un pblico muy amplio.
Desventajas
La media aritmtica, por la forma como es calculada, da el mismo valor o peso a todos los datos.
Por esta razn, es susceptible de verse influenciada por datos atpicos, ya sean sumamente
bajos o sumamente altos.
En la siguiente tabla, podrs apreciar una serie de datos, a los cuales se les ha calculado la
media aritmtica (poblacional). Corresponden a dos poblaciones distintas, las cuales sin
embargo son casi idnticas: lo nico que marca diferencia, es el primero de los datos.
Poblacin A
7
8
8
7
8
7
= 7.50

Poblacin B
4
8
8
7
8
7
= 7.00

Tabla 1. Datos de dos poblaciones para el clculo de las correspondientes medias aritmticas

En la poblacin A, la media aritmtica vale 7.5 y la poblacin B alcanza un promedio de 7.0, esto
debido a un nico dato diferente, el cual es notoriamente ms bajo que el resto: el nmero 4.
Imagina que damos un contexto escolar a estos nmeros, y los datos que tenemos son las
calificaciones de un par de alumnos: el primero de ellos (datos de A), podra acceder a una
calificacin de 8, bajo ciertos criterios de redondeo, mientras que el segundo alumno
(representado en la poblacin de datos B) no se mover ms all de 7. Una sola calificacin
marca una gran diferencia.
Lo mismo pasara si fuesen un par de vendedores y estuviramos comparando sus ventas de la
semana. O si estamos comparando dos motores basndonos en una serie sucesivas de pruebas
donde medimos los kilmetros recorridos por litro de combustible. Es justo o razonable
medirlos y compararlos basndonos en una medida como esta? Esa decisin o juicio solamente
puede hacerla el tomador de decisiones. La Estadstica ofrece un nmero que podra parecer
fro. Es responsabilidad de quien usa esta informacin conocer cmo se obtiene y valorar su
utilidad en funcin al conocimiento de sus bondades y deficiencias.
Otra medida de tendencia central muy utilizada es la mediana. Una vez que hemos aprendido a
calcularla, sabemos que este nmero representa un valor que esta al centro de la serie
ordenada de datos, es decir, colocados linealmente y ordenados de menor a mayor, la mediana
Herramientas estadsticas para ingeniera

es el valor que est justo al centro de la distribucin. Podemos interpretarla exactamente de la

misma forma que la media aritmtica, es decir, representa a todos los datos mediante una nica
cantidad. La diferencia entre una y otra radica en sus ventajas y desventajas.
Ventajas
Si la media aritmtica se ve influenciada por los datos atpicos, la mediana difcilmente se ver
afectada. Esto lo podemos ver en la siguiente tabla, que representa los mismo datos que
analizamos previamente, pero en esta ocasin, ordenados de menor a mayor.
Poblacin A
7
7
7
8
8
8
= 7.50
Mediana = 7.50

Poblacin B
4
7
7
8
8
8
= 7.00
Mediana = 7.50

Tabla 2. Datos de dos poblaciones ordenados ascendentemente, para el clculo de la mediana

Como puede apreciarse, la tabla 2 nos muestra que la mediana en ambas poblaciones es igual a
7.50, es decir, bajo la visin que nos ofrece la mediana, ambas poblaciones son iguales. Esta
medida descriptiva discrimin la existencia de un dato atpico (el primer dato de la Poblacin B
con valor de 4). Para realmente afectar la mediana, necesitamos modificar sustancialmente la
poblacin B.
Desventajas
La mediana requiere de un proceso de clculo un tanto ms complicado respecto a la media
aritmtica: implica ordenar datos para luego buscar un valor determinado. Eso se complica si
tenemos una cantidad grande de datos, pero si consideramos que hoy en da existen
herramientas informticas de uso tan comn como una hoja de clculo que puede hacer el
trabajo por nosotros, esta dificultad se ve superada rpidamente.

Relacin entre la media aritmtica y la mediana

Por si solas, media aritmtica y mediana son dos buenas opciones para dimensionar la
tendencia central en un conjunto de datos, es decir, nos ofrecen un indicador muy fiable de
hacia dnde se dirigen la mayora de los datos, sabiendo que cada una tiene ciertas ventajas y
desventajas previamente mencionadas. Adems de esto, podemos otro tipo de anlisis
comparando ambas medidas, para determinar si la distribucin de datos es simtrica, y en caso
de ser asimtrica, poder determinar dnde se presenta lo que en estadstica se llama sesgo.

Herramientas estadsticas para ingeniera

Un conjunto de datos se distribuye de forma simtrica si podemos encontrar la misma cantidad

de datos a ambos lados de la media aritmtica y adems, estos datos se ubican de forma
equilibrada a una distancia relativamente igual alrededor de la medida de tendencia central. La
representacin grfica de un conjunto de datos distribuidos simtricamente forma obviamente
una figura simtrica, en donde la medida de tendencia central funge como eje de simetra. En
este tipo de casos, media aritmtica y mediana son iguales, como sucede con los datos de la
poblacin A en la tabla 2: media aritmtica y mediana valen 7.50.

Media aritmtica

Mediana

Figura 1: Forma que tomara una distribucin simtrica de datos, donde media aritmtica y mediana coinciden en el mismo valor.

Por otro lado, cuando existe una diferencia entre los valores de la media aritmtica y la
mediana, podramos concluir que existe alguna clase de asimetra en la forma como se
distribuyen los datos, y por lo tanto se presentar un sesgo, el cual puede identificarse
analizando comparativamente ambas medidas de tendencia central.
En la poblacin B de la tabla nmero 2, podemos apreciar que el promedio (o media aritmtica)
de los datos adquiere un valor de 7.00 mientras que la mediana es de 7.50, y esto ocurre porque
existe un dato atpico de bajo valor, representado por el nmero 4. El sesgo entonces lo
encontramos hacia los valores bajos de la distribucin, quienes jalan el promedio mas no la
mediana. Grficamente, podemos ver este sesgo hacia la izquierda en la figura 2. Recordemos
que en una escala, los valores de menor valor estn a la izquierda.

Herramientas estadsticas para ingeniera

Figura 2: el sesgo (izquierda) desplaza la media aritmtica hacia ese mismo lado, con respecto a la mediana.

Si al comparar media aritmtica y mediana, sucede la situacin opuesta, es decir, si el promedio

es mayor a la mediana, significa que unos pocos datos sesgan la media aritmtica hacia los
valores superiores, es decir, que la llevan hacia arriba en la escala, separndola de la mediana
que permanece esttica al centro de la distribucin de datos. Entonces, el sesgo estar a la
derecha de la distribucin de datos, como se aprecia en la siguiente figura.

Figura 3: los valores en el extremo superior de la escala provocan un sesgo que atrae el promedio hacia la derecha con respecto a la mediana.

Herramientas estadsticas para ingeniera

Medidas de dispersin
Dentro de este grupo de medidas, tenemos el rango, la varianza y la desviacin estndar. Al
igual que las medidas de tendencia central, podemos calcular las medidas de dispersin tanto
para una muestra como para una poblacin. Recientemente has aprendido a calcularlas y ahora
aprenderemos un poco acerca de cmo interpretarlas.
Las medidas de dispersin, en general, te indican qu tan diferentes son los datos entre s.
Como su nombre lo indica, estas medidas analizan qu tan dispersos estn los datos unos
respecto de otros, o cada uno de los datos con respecto a la medida que marca la tendencia
central. Porque para el administrador o ingeniero que toma decisiones, los datos que estn ms
dispersos proporcionan una idea o nocin distinta respecto a los datos que estn distribuidos de
forma compacta. Veamos como funciona esto.
La primera medida de dispersin que analizaremos, es el rango. Para calcularlo, tuvimos que
calcular la diferencia entre el dato ms grande y el dato ms pequeo. Con los datos empleados
previamente, calculamos esta medida y resumimos los datos en la siguiente tabla.
Poblacin A
7
7
7
8
8
8
= 7.50
Mediana = 7.50
Rango = 1
Varianza = 0.25
Desviacin Estndar = 0.5

Poblacin B
4
7
7
8
8
8
= 7.00
Mediana = 7.50
Rango = 4
Varianza = 2.0
Desviacin Estndar = 1.41

Tabla 3. Datos de dos poblaciones, calculando ahora sus medidas de dispersin

Ventajas
El rango es sumamente fcil de calcular, no es ms que la diferencia entre dos cantidades, eso
nos ofrece una medida de dispersin sencilla y fcil de interpretar, ya que es la diferencia que
existe entre el valor ms alto y el ms bajo. Por ejemplo, para la poblacin A, el rango es la resta
de 8 7 = 1.
Desventajas
El rango, al igual que el promedio, se ve afectado por los datos atpicos. En el caso de nuestro
ejemplo en la Tabla 3, la poblacin B ofrece un rango ms grande, debido al nico dato atpico
en la serie: R = 8 4 = 4. Fuera de eso, ambas poblaciones son casi idnticas.

Herramientas estadsticas para ingeniera

La Estadstica nos ofrece dos medidas descriptivas ms para evaluar la dispersin en un

conjunto de datos, las cuales son la varianza y la desviacin estndar.
La varianza surge bsicamente de elevar al cuadrado las diferencias que existen entre cada uno
de los datos con respecto al valor promedio de la poblacin (o muestra). Esto provoca que
matemticamente, la variabilidad de los datos se potencialice y se muestre ante nuestros ojos
de forma ms evidente. De esa forma, podemos comparar dos conjuntos de datos y determinar
de forma objetiva, cul de ellos presenta mayor variabilidad: a valores ms grandes en la
varianza, podemos interpretar una mayor variabilidad entre los datos con respecto al valor
central. En nuestro ejemplo, la poblacin A presenta una varianza de 0.25 contra la varianza de
B de 2.0, lo cual nos indica que los datos de B son ms variados o dispersos con respecto al valor
central (media aritmtica).
Ventajas
La varianza, como una medida de dispersin, es mejor que el rango ya que no se basa
exclusivamente en los datos localizados en los extremos (el mayor y el menor de los valores)
sino que toma en cuenta la variabilidad de todos los datos. El hecho que exista un dato atpico
no necesariamente afectar a la varianza, ya que est toma en cuenta todos los datos, pero
sobre todo, que tan distantes se ubican estos con respecto de la media aritmtica.
Desventajas
La varianza, para su obtencin, necesita de la determinacin previa de la media aritmtica, ya
que siempre la toma como punto de referencia para ubicar los datos dentro del conjunto. Esto,
aunado a la dificultad relativa que implica calcularla, la hacen una medida ms complicada. Sin
embargo, existen calculadoras cientficas y hojas de calculo que facilitan su obtencin.
Otra desventaja o particularidad que tiene la varianza es que, por s sola, no puede aportarnos
mucha informacin respecto a la variabilidad de un conjunto de datos. Al elevar al cuadrado las
diferencias que existe entre cada uno de los datos con respecto de la media aritmtica, las
unidades de referencia que acompaan a los datos pierden sentido, por ejemplo, si analizamos
las ventas de un negocio, cuantificadas en alguna moneda (pesos, dlares, etc.), al elevar al
cuadrado las cantidades, obtendramos pesos cuadrados. Si midisemos la cantidad de
gasolina consumida por un motor, expresada en litros, al elevar al cuadrado estas unidades
obtendramos litros cuadrados, lo cual es difcil de interpretar, ya que no existen en nuestra
realidad. Por eso, la utilidad que tiene la varianza solo puede darse si comparamos la varianza
de un grupo de datos con respecto a otro grupo de datos, y aquel que tenga la varianza ms
grande tendr la mayor variabilidad entre sus datos.
La desviacin estndar, como toda medida de dispersin, puede darnos una nocin de
variabilidad entre dos conjunto de datos, ya que esta medida y la dispersin de los datos son
directamente proporcionales, es decir, a valores ms altos de la desviacin estndar,
corresponden una mayor variabilidad en la fuente de datos. As, en nuestro ejemplo de la Tabla
3, vemos que la poblacin B tiene ms variabilidad en sus datos, la cual se refleja tambin en
una ms grande desviacin estndar, con respecto a la poblacin A: apreciamos un valor de 0.5
en la poblacin A contra 1.41 de B.
Herramientas estadsticas para ingeniera

Ventajas
Como habrs podido observar cuando aprendiste a calcular la varianza y la desviacin estndar,
estas medidas descriptivas estn fuertemente vinculadas, solamente las diferencia un operador
adicional: la raz cuadrada aplicada a la varianza para obtener la desviacin estndar. Qu
beneficio tiene esto? En primer lugar, las unidades de referencia que acompaan o dan
contexto a los datos vuelven a su normalidad por medio de esa raz cuadrada, es decir, si en la
varianza tenamos pesos o dlares cuadrados o litros cuadrados, la raz cuadrada aplicada
para la obtencin de la desviacin estndar nos arroja de vuelta pesos, dlares o litros con una
potencia 1 (uno), unidades que tienen apego a nuestra realidad y pueden interpretarse.
Otra ventaja de la desviacin estndar es que no necesita de otra medida de este tipo para
darnos significado, es decir, no siempre es necesario tener dos grupos de datos distintos, con
dos desviaciones estndar, para darles significado a su variabilidad. Por s sola, la desviacin
estndar nos puede dar informacin relevante acerca de la variabilidad o dispersin de un
conjunto de datos, eso la convierte en la medida de dispersin por excelencia en la Estadstica,
empleada en el anlisis de datos, en la inferencia estadstica y en distribuciones de probabilidad.
Por ejemplo, la regla emprica nos ayuda a conocer la dispersin de un conjunto de datos,
conociendo nicamente su media aritmtica y la desviacin estndar.
Desventajas
Comparativamente hablando, la desviacin estndar es la medida de dispersin que ms
operaciones matemticas nos requiere, al menos entre las medidas que hemos analizado en
este recurso. Esta desventaja es relativa, considerando que las calculadoras cientficas y las
hojas de clculo nos permiten obtener estos valores fcilmente.

Histograma
El histograma es un mtodo grfico empleado para analizar variables cuantitativas continuas,
principalmente. Su interpretacin bsica nos debera llevar a analizar cmo los datos se
concentran, distribuyen o dispersan.
Por medio de este grfico, el analista puede identificar la morfologa de la distribucin de los
datos: ver como se distribuyen a lo largo de la escala del eje horizontal, la cual cuantifica la
variable estudiada. Con un solo vistazo, la persona puede identificar, entre otras cosas:

la forma de la distribucin: plana, curva, regular, irregular, etc.,

donde se ubica la moda (ah donde se acumulan ms datos),
donde se acumulan ms datos (tendencia central),
la simetra que presenta (o no) el conjunto de datos,
de existir, hacia donde se aprecia algn sesgo

Herramientas estadsticas para ingeniera

la dispersin de los datos (desde dnde hasta dnde se distribuyen, dentro de la escala
de la variable).

En todo anlisis de este tipo, siempre es bueno pensar que la grfica no existe por s misma: es
la representacin grfica de una situacin real, existente dentro de un contexto de negocios,
laboral o personal. Por eso, si para hacer la grfica tuvimos que conservar nicamente la
informacin cuantitativa, objetiva, que nos ofrece la realidad, y desechamos lo subjetivo,
deberamos devolver el contexto subjetivo a la grfica, durante nuestro anlisis, para entender
el fenmeno que estamos analizando, pero teniendo cuidado de que el aporte cualitativo que
hagamos sea consecuencia del anlisis cuantitativo de la grfica, de lo contrario, la utilidad de la
herramienta se pierde.
A continuacin, presentamos algunos ejemplos de histogramas con sus correspondientes
anlisis.
Ejemplo 1
En la siguiente grfica, puede apreciarse la produccin que ha tenido un aserradero durante un
periodo de 30 das.

PRODUCCION DIARIA (PIES 3)

10
9
8

FRECUENCIA

6
5
5

2
1
0

8000-8247

8248-8495

8496-8743
INTERVALOS

8744-8991

8992-9239

En este histograma, podemos ver que la distribucin tiene una forma asimtrica, es decir, los
datos se acumulan ms a la izquierda de la grfica, dnde se ubican los valores bajos,
particularmente en las dos primeras categoras o clases. Rpidamente podemos ver que la
moda (barra ms alta) est en la primera clase, donde se producen de 8,000 a 8,247 pies
Herramientas estadsticas para ingeniera

10

cbicos de madera. Si tuvisemos que predecir cunto se producir en este aserradero,

cualquier da del mes, seguramente caera dentro de la primera (o segunda) categora. En esta
grfica es posible ver tambin que los niveles altos de produccin de madera no son tan
frecuentes, es decir, es menos frecuente que este aserradero produzca mucha madera durante
el mes. Hablamos de ms de 8,496 pies cbicos de material. De hecho, pareciera que los
volmenes altos de produccin son inversamente proporcionales a la frecuencia con que
ocurren en este aserradero. Llama la atencin la sbita disminucin que se presenta en la
frecuencia de la categora o clase nmero 3 (de 8,496 a 8743 pies cbicos).
Intentando devolver contexto a este histograma, quienes conocen este tema podran intentar
responder preguntas como las siguientes:
Por qu este aserradero no produce altos volmenes de madera? Son dificultades
tcnicas? Es complicado procesar tanta madera? O los clientes piden volmenes
conservadores, como los que caen dentro de las primeras dos clases o categoras?
Por qu se presenta el sesgo hacia la derecha en la grfica? Es decir, por qu el
aserradero produce niveles tan elevados espordicamente? Sera conveniente que se
presentara esto con ms frecuencia? Cmo podra lograrlo la empresa?
Tendr alguna significancia o relevancia el que al centro de la distribucin de datos (la
tercera clase o categora) disminuya sbitamente la frecuencia de ocurrencia?
De la respuesta a estas y otras preguntas similares, podra depender la calidad del anlisis hecho
a este histograma.
Ejemplo 2
El siguiente histograma sirve para graficar la forma como se distribuyen las edades entre los
trabajadores de una empresa.
Grupos por Edad
250

Frecuencia

200
150
100
50
0
18-22

23-27

28-32

33-37

38-42

43-47

48-52

53-57

58-62

63-67

Edad

Herramientas estadsticas para ingeniera

11

En este histograma podemos apreciar inmediatamente que las edades oscilan entre los 18 hasta
los 67 aos, perfectamente entendible ya que es la edad productiva de una persona. Lo
interesante en esta distribucin es que pareciera que los jvenes tienen preponderancia en la
empresa, y gradualmente disminuye la presencia de adultos conforme aumentan en edad, es
decir, conforme incrementa la edad del trabajador, disminuye su presencia en la empresa, lo
cual se nota en el escalonamiento que se aprecia en el histograma conforme pasamos de una
clase a otra, de izquierda a derecha en la grfica. Esto quizs es natural a toda organizacin, ya
que sus trabajadores se van retirando poco a poco, y son reemplazados por jvenes. Algo que
tambin llama la atencin, es que el grupo de personas ms jvenes (de 18 a 22 aos) tienen un
frecuencia pequea que rompe con el escalonamiento antes mencionado. Para el analista, sera
algo interesante para investigar o analizar con mayor profundidad, tal vez consiguiendo datos
de otro tipo, de otras fuentes.
Analizando mejor la grfica, vemos que la moda se encuentra en la categora de 23 a 27 aos, y
a partir de ah disminuye gradualmente la distribucin, que obviamente es asimtrica,
acumulando la mayora de los datos (trabajadores) entre los 23 y los 42 aos, con un sesgo
hacia la derecha, donde se localizan los valores ms altos, pero menos frecuentes tambin.
Intentando devolver contexto a este histograma, quienes conocen este tema podran intentar
responder preguntas como las siguientes:

Es normal que haya tantos jvenes en la empresa? Qu tareas o funciones estarn

desempeando?
Por qu el grupo de 18 a 22 aos rompe la tendencia formada por todas las dems
clases? Quines o que tipo de trabajador estarn en este grupo?
Cules son las razones por las que se da el escalonamiento a la baja conforme aumenta
la edad de los trabajadores?

Referencias bibliogrficas
David M. Levine, Mark L. Berenson, Timothy C. Krehbiel (2006). Estadstica para administracin.
Pearson Educacin

Herramientas estadsticas para ingeniera

12