UNIDAD I: Estadstica Descriptiva

Material preparado para los alumnos de la carrera Licenciatura en Ciencias Informaticas

Facultad Politecnica - Universidad Nacional de Asuncion
Profesor: MSc. Osvaldo Vega
25 de agosto de 2015

Indice

1. INTRODUCCION

2. PRIMERAS DEFINICIONES

Y ORGANIZACION
DE DATOS
3. OBTENCION

3.1. Distribuci
on de Frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1.1. Intervalos de clase y lmites de clase . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1.2. Fronteras de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1.3. Tama
no o anchura de un intervalo de clase . . . . . . . . . . . . . . . . . . . . . .

3.1.4. Marca de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1.5. Regla general para formar distribucion de frecuencias. . . . . . . . . . . . . . . . .

3.2. Representaci
on gr
afica de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.1. Un histograma o histograma de frecuancias . . . . . . . . . . . . . . . . . . . . . .

3.2.2. Un histograma de frecuancia relativa . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.3. Un polgono de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.4. Ojivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4. MEDIDAS NUMERICAS
DESCRIPTIVAS

4.1. Algunas medidas de tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.1.1. Media aritmetica o promedio aritmetico . . . . . . . . . . . . . . . . . . . . . . . .

4.1.2. Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.1.3. Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

4.1.4. Cuartiles, deciles y percentiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.2. Medidas de variabilidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.2.1. Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.2.2. Varianza. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

4.3. Desviaci
on est
andar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

5. EJERCICIOS PROPUESTOS

14

1.

INTRODUCCION

La recopilaci
on y el an
alisis de datos son fundamentales en la ciencia y en la ingeniera. Al analizar
los datos recopilados en experimentos, los cientficos descubren los principios que gobiernan el mundo
fsico y los ingenieros aprenden c
omo dise
nar nuevos productos y procesos importantes. Una dificultad
muy importante con los datos cientficoses que estos se encuentran sujetos a variaciones aleatorias o incertidumbre. Es decir, cuando se repiten las mediciones cientficas cada vez salen un poco diferentes. Lo
anterior plantea un problema: c
omo se pueden obtener conclusiones de los resultados de un experimento
cuando estos pueden ser diferentes? Para analizar esta pregunta, es esencial contar con cierto conocimiento
estadstico. La estadstica se dedica a la recopilacion, el analisis y la interpretacion de datos con incertidumbre. Los metodos de la Estadstica permiten que los cientficos e ingenieros dise
nen experimentos
v
alidos y obtengan conclusiones confiables a partir de los datos obtenidos.
La idea b
asica que yace en los metodos estadsticos de analisis de datos es inferir respecto a una
poblaci
on por medio del estudio de una muestra relativamente peque
na elegida de esta.

2.

PRIMERAS DEFINICIONES

Considerando que existen un conjunto de terminos que se usan frecuentemente en la Estadstica,

conviene precisar el significado de alguno de ellos.
Estadstica Descriptiva: Se la puede definir como los metodos que implican recopilacion, presentaci
on (tabular, graficar) y descripcion de un conjunto de datos. La descripcion se limita en si
mismo a los datos coleccionados y no se realiza inferencia alguna o generalizaciones acerca de la
totalidad de donde provienen esas observaciones.
Estadstica Inductiva o Inferencia Estadstica: Se la pueden definir como los metodos que
hacen posible la estimaci
on de una caracterstica de la poblacion o de la toma de una decision, con
respecto a una poblaci
on, con base u
nicamente en resultados muestrales.
Variable: es una caracterstica observable, susceptible de adoptar distintos valores o ser expresados
en varias categoras. Se simboliza con letras, tales como X, Y , Z o A, que puede tomar un conjunto
prefijado de valores, llamado dominio. Si la variable puede tomar un solo valor se llama constante.
Se puede clasificar en:
Variable Cuantitativa: Es aquella cuyos valores surgen naturalmente como cantidades numericas. A su vez se clasifica en:
Variable Discreta: Es aquella que puede tomar valores observados en puntos aislados
a lo largo de una escala. En la estadstica de negocios, esa informacion suele presentarse
a traves del proceso de conteo; de ah que los valores se expresan generalmente como
n
umeros enteros.
Ejemplos 2.1. N
umero de personas por hogar, las unidades de un artculo en un inventario, n
umero de artculos que se han encontrado defectuosos en un proceso de producci
on,
etc.
Variable Continua: Es aquella que puede tomar valores en cualquier punto fraccionado
de un intervalo especificado. Estas variables son respuestas numericas que surgen de un
proceso de medici
on.
Ejemplos 2.2. El peso de un embarque, el tiempo transcurrido antes de que falle un
dispositivo, la altura de los alumnos de una Universidad, etc.
Variable Cualitativa: S
olo puede clasificarse o a lo sumo jerarquizarse. Se clasifican en:
Variable cualitativa ordinal: Es aquella que puede tomar distintos valores ordenados
siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones

sea uniforme, por ejemplo, el estado de una lesion: leve, moderada, grave; estas observaciones podemos representar con n
umeros o letras que representan categoras donde el
orden interesa por ejemplo: lesion leve=1, lesion moderada=2, lesion grave=3.
Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a
un criterio de orden como por ejemplo los colores o el lugar de residencia. El resultado
de la observaci
on son representados por n
umeros o letras que indican categoras donde no
interesa el orden, por ejemplo si la variable es el sexo de una persona los resultados pueden
ser: 0=masculino, 1=fememino.
Datos: Es el valor o respuesta que adquiere la variable en cada unidad de analisis. Los datos
pueden provenir de recuentos tales como el n
umero de personas que trabajan en una empresa o de
mediciones como las horas trabajadas por los empleados de una empresa.
Filas de datos: consiste en datos recogidos que no han sido organizados numericamente.
Informaci
on: Es el resultado de los datos procesados de acuerdo a ciertos objetivos. No hay
informaci
on sin dato.
Poblaci
on: Se define como la totalidad de todas las posibles mediciones y observaciones bajo
consideraci
on de una situaci
on dada de un problema.
Muestra: Es una parte o porci
on representativa de la poblacion que se sometera a observacion a
fin de sacar inferencias sobre la poblacion total.
Inducci
on: Es el paso del razonamiento partiendo de los hechos particulares para llegar a la
conclusi
on general. Es decir ir de la muestra a la poblacion para concluir.
Deducci
on: Es el paso del razonamiento partiendo de lo general a lo particular formular conclusiones partiendo de lo general para llegar a lo particular. Es decir ir de la poblacion a la muestra
para concluir.
Par
ametro: Es toda funci
on definida sobre los valores numericos de una poblacion. Ejs. la media
aritmetica ( ).
Estadstico: Es toda funci
on definida sobre los valores numericos de una muestra. Ejs. la media
aritmetica ( x ).

3.

Y ORGANIZACION
DE DATOS
OBTENCION

Son muchos los metodos que pueden utilizar los investigadores para obtener los datos necesarios. En
primer lugar, pueden buscar datos publicados en fuentes gubernamentales, industriales o particulares. En
segundo lugar podran dise
nar un experimento para obtener esos datos. En tercer lugar, podran llevar
a cabo una encuesta, estos datos pueden estar incompletos, incorrectos, desordenados, pero en todos
los casos constituyen los datos b
asicos para iniciar un estudio. En el Paraguay la Direccion General de
Encuestas Estadsticas y Censos (DGEEC) es uno de los principales recolectores de datos para propositos
tanto p
ublicos como privados.
El estadstico, al disponer de una fila de datos, definitivamente tiene que clasificarlos, ordenarlos y
presentarlos adecuadamente, de tal manera que facilite la comprension, descripcion y analisis del fenomeno
estudiado y obtener conclusiones v
alidas para la toma de decisiones. Esta unidad nos proporcionara
herramientas que resultan de particular utilidad par organizar esos datos en:
a) Tabla de frecuencias, que colocan todos los datos en clases especficas, y
b) Diversas visualizaciones gr
aficas, que permiten suministrar una clara representacion visual de los
datos.

3.1.

Distribuci
on de Frecuencias

Una distribuci
on de frecuencias es una tabla en la cual se agrupan en clases valores posibles de
una variable y donde se registra el n
umero de valores observados correspondiente a cada clase, llamado
frecuencia de clase. Los datos organizados en una distribucion de frecuencias se llaman datos agrupados.
Ejemplos 3.1. Los datos que se presentan a continuaci
on provienen de la distribuci
on de frecuencias de
los salarios de los empleados de una f
abrica X.
Salario Semanal ($)
(lmite de clase)
240-259
260-279
280-299
300-319
320-339
340-359

3.1.1.

N
umero
de trabajadores (f)
7
20
33
25
11
4

Intervalos de clase y lmites de clase

El smbolo que define una clase, como el 280 299 en la tabla anterior, se llama un intervalo de
clase. Los n
umeros extremos, 280 y 299, se llaman lmite inferior de clase y lmite superior de
clase, respectivamente.
Un intervalo de clase que, al menos en teora, carece de lmite superior o inferior indicado, se llama
intervalo de clase abierto. Por ejemplo, refiriendonos a edades de personas, la clase 65 a
nos o mas
es un intervalo de clase abierto.
3.1.2.

Fronteras de clase

Si se dan los salarios con m

as precisi
on, el intervalo de clase 280 299 incluye teoricamente todos los
salarios desde 279,5 a 299,5$ Estos n
umeros se llaman fronteras de clase o verdaderos lmites de
clase.
En la pr
actica, las fronteras de clase se obtienen promediando el lmite superior de una clase con el
inferior de la siguiente.
A veces se usan las fronteras de clase como smbolos para la clase. Para evitar ambig
uedad en tal
notaci
on, las fronteras no deben coincidir con los valores realmente medidos.
3.1.3.

Tama
no o anchura de un intervalo de clase

El tama
no o anchura de un intervalo de clase es la diferencia entre las fronteras de clase superior e
inferior. si todos los intervalos tienen la misma anchura, esta se denota con c. En tal caso, c es igual a la
diferencia entre dos lmites inferiores(o superiores) de clases sucesivas. En el ejemplo c = 299,5 279,5 =
280 260 = 319 299 = 20
3.1.4.

Marca de clase

La marca de clase es el punto medio del intervalo de clase y se obtiene promediando los lmites inferior
y superior de clase. A efectos de an
alisis subsiguientes, todas las observaciones pertenecientes a mismo
intervalo de clase se supone que coinciden con la marca de clase.

3.1.5.

Regla general para formar distribuci

on de frecuencias.

1. Determinar el mayor y el menor de los datos, hallando as el rango, que es la diferencia entre
ambos.
2. Dividir el rango en un n
umero adecuado de intervalos de clase. Esto es la longitud del intervalo
deber
a ser la misma. (Se suele tomar entre 5 y 20 intervalos de clases, seg
un los datos, no debera ser
menos de 6, ni m
as que 20). Adem
as se debe cuidar de que las fronteras de clase no coincidan con
los datos realmente observados.
3. Determinar el n
umero de observaciones que caen dentro de cada intervalo de clase, esto es, hallar
las frecuencias de clases.
Ejemplos 3.2. En la tabla que sigue se recogen los pesos en libras de 40 estudiantes varones de una
universidad. Construir una distribuci
on de frecuencias.
138
146
168
146
161

164
158
126
173
145

150
140
138
142
135

132
147
176
147
142

144
136
163
135
150

125
148
119
153
156

149
152
154
140
145

157
144
165
135
128

Los pesos extremos son: 119 y 176

Rango = Valor m
aximo - Valor mnimo.
Rango = 176 - 119 = 57
F
ormula de Sturgues: 1 + 3,33 log n (Esto es solo una aproximacion). n = n
umeros de observaciones.
N de Intervalos = 1 + 3,33 log 40 = 6,33
Intervalo aproximado:
(mayor valor en los datos no agrupados)(menor valor en los datos no agrupados)
Anchura (w)=
n
umero de clases deseados
w= 176119
=
8,14

w
=
9
6
Peso (lb)
117-125
126-134
135-143
144-152
153-161
162-170
171-179

Recuento o conteo
II
III
IIIII IIIII
IIIII IIIII III
IIIII I
IIII
II

Frecuencia
2
3
10
13
6
4
2

Ejemplos 3.3. En la tabla que sigue se recogen datos del inventario promedio en 20 das de artculos de
conveniencia. Construir una distribuci
on de frecuencias. Agrupar en 6 intervalos de clases.
2,0
3,4

3,4
3,8

3,8
4,0

4,1
4,1

4,1
4,2

Mayor =5, 5
w= 5,52,0
6

4,3
4,7

4,7
4,8

4,9
4,9

5,5
5,5

5,5
5,5

Menor = 2, 0

= 0, 58 0, 6

Inventario en das (lmite de clase)

2,0 - 2,5
2,6 - 3,1
3,2 - 3,7
3,8 - 4,3
4,4 - 4,9
5,0 - 5,5

3.2.
3.2.1.

N
umero de tienda (f)
1
0
2
8
5
4

Representaci
on gr
afica de datos
Un histograma o histograma de frecuancias

Un histograma es una gr
afica de barras de una distribucion de frecuencias. Se acostumbra colocar
los lmites exactos de clase en el eje horizontal de la grafica y los n
umeros de observaciones en el eje
vertical. Sin embargo, tambien se usan puntos medios de clase en lugar de lmites de clase para identificar
las clases.
3.2.2.

Un histograma de frecuancia relativa

Una distribuci
on de frecuencias relativas es aquella cuyo n
umero de observaciones asociados con
cada clase se ha convertido en una frecuencia relativa dividiendo entre el n
umero total de observaciones de
toda la distribuci
on. De este modo, cada frecuencia relativa es una proporcion, la cual puede convertirse
en un porcentaje multiplic
andola por 100.
La representaci
on gr
afica de distribuciones de frecuencias relativas se puede obtener del histograma
sin m
as que cambiar la escala vertical de frecuencias a frecuencias relativas, manteniendo exactamente el
mismo diagrama. El gr
afico resultante se llama histograma de frecuencias relativas.
3.2.3.

Un polgono de frecuencias

Un polgono de frecuencias, es una grafica de lneas de una distribucion de frecuencias. Los dos
ejes de esta gr
afica son similares a los del histograma, salvo en el eje horizontal suele identificarse el punto
medio de cada clase. El n
umero de observaciones de cada clase se representa con un punto por encima del
punto medio de las clases, puntos que se unen despues con una serie de segmentos lineales para formar
un polgono o figura de muchos lados.
3.2.4.

Ojivas

Una distribuci
on de frecuencias acumuladas identifica el n
umero acumulado de observaciones
incluidas bajo el lmite exacto superior de cada clase de la distribucion. Las frecuencias acumuladas de una
clase pueden determinarse sumando las frecuencias observadas de esa clase a las frecuencias acumuladas
de la clase anterior. La gr
afica de una distribucion de frecuencias acumuladas se llama ojiva.
A ciertos efectos, es deseable considerar una distribucion de frecuencias acumuladas de todos los
valores mayores o iguales que el lmite exacto inferior de cada intervalo de clase. Se le suele llamar
una distribuaci
on acumulada o mas, mientras que la antes considerada es una distribucion acumulada
menor que. Las correspondientes ojivas se conocen con el mismo apodo.
Ejemplos 3.4. Dado la siguiente tabla:
a) Las distribuciones relativas y acumuladas
b) Dibuja un histograma,
c) Dibuja un polgonos de frecuencias, y d) una ojiva.

Intervalo de Clase
15,2 - 15,4
15,5 - 15,7
15,8 - 16,0
16,1 - 16,3
16,4 - 16,6
16,7 - 16,9
Total

X (marca de Clase)
15,3
15,6
15,9
16,2
16,5
16,8

Frecuencia
2
5
11
6
3
3
30

a) Las distribuciones relativas y acumuladas.

Intervalo de Clase
15,2 - 15,4
15,5 - 15,7
15,8 - 16,0
16,1 - 16,3
16,4 - 16,6
16,7 - 16,9
Total

Frecuencia Absoluta
2
5
11
6
3
3
30

Frecuencia Relativa
0,07
0,17
0,37
0,20
0,1
0,1

b) Histograma.

c) Polgonos de frecuencias:

d)

Frecuencia Acumulada
2
7
18
24
27
30


MEDIDAS NUMERICAS
DESCRIPTIVAS

4.
4.1.

Algunas medidas de tendencia central

Una medida de tendencia central es un valor calculado de un grupo de datos que sirve para describir
a estos de alguna manera. Lo com
un es que nos interese que este valor sea representativo de todos los
valores del grupo, motivo por el cual es de desear cierto tipo de promedio. En sentido estadstico, un
promedio es una medida de la tendencia central de una serie de valores.
4.1.1.

Media aritm
etica o promedio aritm
etico

1. Para datos simples: Las f

ormulas de la media poblacional y la media muestral son:
P
P
X
X
=
y x=
en donde
N
n
P
=sumatoria
X = valor observado
N = cantidad de valores en la poblacion.
n = cantidad de valores observados en la muestra.
= es la letra griega mu.
Ejemplos 4.1. En determinado mes, 8 vendedores de artculos electr
onicos vendieron los siguientes
n
umeros de aparatos: 8, 11, 5, 14, 8, 11, 16, 11. Considerando a este mes como la poblaci
on
estadstica que interesa, hallar el no promedio de unidades vendidas.
P
X
8 + 11 + 5 + 14 + 8 + 11 + 16 + 11
x=
=
= 10,5unidades vendidas
n
8
2. Para datos agrupados: La f
ormula utilizada es:
P
fX
x=
en donde
n
f = Frecuencia de clase
X = Marca de clase
P
n=
f = Sumatoria de frecuencias
Ejemplos 4.2. Los datos que se presentan a continuaci
on provienen de la distribuci
on de frecuencias de los salarios de los empleados de una f
abrica X. Calcular el promedio salarial de estos.
Salario mensual ($)
2400
2600
2800
3000
3200
3400

P
x=

2599
2799
2999
3199
3399
3599

Punto medio
de cada clase X
2499,5
2699,5
2899,5
3099.5
3299,5
3499,5

No de trabajadores (f )

fX

7
20
33
25
11
4
100

17.496,5
53.990,0
95.683,5
77.487,5
36.294,5
13.998,0
294.950

fX
294950
=
= $2949, 5 es el valor promedio de salarios de los 100 empleados.
n
100

4.1.2.

Mediana

1. Para datos simples:

En distribuciones discretas, es el valor del dato que ocupa el lugar del centro de un grupo de datos
cuando se los agrupa a todos en orden ascendente o descendente. Para un grupo con un n
umero
par de elementos se supone que la mediana se encuentra a la mitad entre los dos valores adyacentes
al centro, si el grupo contiene un n
umero impar de datos, la mediana es igual al valor que ocupa el
centro de los mismos.
Observaci
on 4.1. A la mediana no le afectan los valores extremos del conjunto de datos, es f
acil
de entender y puede ser calculada con cualquier clase de datos, pero tiene la desventaja de que en
ciertos procedimientos estadsticos en la que se la utiliza, resulta complejo respecto a la utilizaci
on
de la media.
Ejemplos 4.3. Los siguientes datos representan el n
umero de aparatos vendidos por 8 vendedores.
Calcular el valor de la mediana para cada caso:
a) Datos: 16, 11, 11, 8, 8, 11, 14, 5.
Observaci
on: Primero se ordena: 5, 8, 8, 11, 11, 11, 14, 16
La mediana es 11, por que es la semi-suma de los valores que ocupan el 4o y 5o lugar en la
serie que contiene un n
umero par de datos.
b) Datos: 5, 8, 11, 11, 14, 16, 8, 11, 17.
Observaci
on: Se ordena: 5, 8, 8, 11, 11, 11, 14, 16, 17.
La mediana es 11, por que es el valor que se encuentra en la posici
on 5o de la serie que
contiene un n
umero impar de datos.
2. Para datos agrupados:en distribuciones continuas, para valores de la variable agrupados en intervalos; la mediana es el valor al que corresponde la frecuencia acumulada n2 . La tabla de frecuencias
acumuladas nos da el valor del lmite inferior donde esta la mediana y se calcula por la formula
siguiente:
 n fa

(x1)
Me = LRI + 2
w
f
en donde:
LRI: lmite real inferior de la clase que contiene la mediana.
n: n
umero total de observaciones en la distribucion de frecuencias.
f a(x1) :frecuencia acumulada de la clase que precede (antes) de la clase que contiene a la mediana.
f : n
umero de observaciones en la clase que contiene la mediana.
w = c: tama
no del intervalo de clase.
Ejemplos 4.4. Utilizando los datos de la tabla anterior, calcular la mediana que corresponde al
salario de los empleados.
Salario
mensual ($)
2400 - 2599
2600 - 2799
2800 - 2999
3000 - 3199
3200 - 3399
3400 - 3599

Lmites reales
inferiores
2399,5
2599,5
2799,5
2999,5
3199,5
3399,5

Punto medio
de cada clase X
2499,5
2699,5
2899,5
3099.5
3299,5
3499,5

Me = 2799, 5 +

No de
trabajadores (f )
7
20
33
25
11
4
100

 100 27 
2
200 = $2938, 89
f
9

fa
7
27
60
85
96
100

4.1.3.

Moda

La moda es el valor que ocurre m

as frecuentemente en un conjunto de valores.
1. Para datos simples:en distribuciones discretas es el valor que se presenta con mayor frecuencia
en un conjunto de datos. A una distribucion que tiene una sola moda se le denomina unimodal.
Para un conjunto de datos poco numerosos, en los que no se repite ning
un valor, no existe moda.
Cuando los valores no adyacentes tienen frecuencias maximas similares, se dice que la distribuci
on
es bimodal, cuando las distribuciones de mediciones que tienen varias modas se les denominan
multimodal.
Ejemplos 4.5. Los 8 vendedores que se describieron en el ejemplo anterior, vendieron el siguiente
no de aparatos: 8, 11, 5, 14, 8, 11, 16, y 11. La moda para este grupo de valores, es el valor que
tiene la mayor frecuencia, la moda es igual a 11.
2. Para datos agrupados: en distribuciones continuas con los intervalos de clases iguales, primero
se identifica la clase que contiene la moda determinando cual de ellas tiene el mayor n
umero de
observaciones. La f
ormula utilizada es:
Mo = LRI +

1
w
1 + 2

en donde:
LRI: lmite real inferior de la clase que contiene la moda.
1 : Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase precedente.
1 : Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase siguiente.
w = c: tama
no del intervalo de clase.
Ejemplos 4.6. Utilizando los datos de la tabla anterior, calcular la moda que corresponde al salario
de los empleados.
13
200 = $2923, 31
Mo = 2799, 5 +
13 + 8
es la moda de salarios de los 100 empleados.
ENTRE LA MEDIA, MEDIANA Y MODA
RELACION
Para una distribuci
on sim
etrica, coinciden los valores de la Media, la Mediana, y la Moda.
Para una distribuci
on asim
etrica negativa, la media es el menor valor de los tres, y la mediana
es inferior a la moda, pero mayor que la media. Es decir, la parte principal de la distribucion queda
a la derecha de la media.

MEDIA ARITMETICA
< MEDIANA < MODA ....... SESGO NEGATIVO
Para una distribuci
on asim
etrica positiva, la media es el valor mayor, y la mediana es mayor
que la moda, pero menor que la media, es decir, la parte principal de la distribucion queda a la
izquierda de la media haciendo la curva mas larga a la derecha del maximo.
MODA < MEDIANA < MEDIA ARITMETICA ....... SESGO POSITIVO
La relaci
on emprica se acepta como v
alida siempre que el grado de la curva no sea muy acentuado.
Consideraciones finales:
La media aritm
etica es la m
as utilizada ya que se puede calcular con exactitud y se basa en
el total de observaciones. Se emplea preferentemente en distribuciones simetricas y es el valor que
presenta menores fluctuaciones al hacer variar la composicion de la muestra.

10

La mediana es preferida cuando la distribuci

on de los datos es asim
etrica y cuando los
valores extremos est
an tan alejados que distorsionaran el significado de la media. Lo mas importante
es que no se ve afectada por valores extremos, pero se presta menos a operaciones algebraicas que
la media aritmetica.
La moda es una medida que no suele interesar especialmente, a no ser que haya tal concentraci
on
de datos en la distribuci
on que un valor destaque claramente sobre todos los demas.
4.1.4.

Cuartiles, deciles y percentiles

1. Cuartiles: Son Estadgrafos de posicion que dividen a la totalidad de las observaciones, debidamente ordenados o tabulados en cuatro partes de igual tama
no. Esto significa que entre dos cuarteles
consecutivos se encuentran no m
as del 25 % del total de las n observaciones. Existen 3 cuartiles:
primer cuartil (Q1 ), segundo cuartil (Q2 ) y tercero cuartil (Q3 ) (siendo Q2 = Me .)
2. Deciles: Son Estadgrafos de posici
on que dividen a la totalidad de las observaciones en 10 partes
iguales, tal que entre dos deciles consecutivos se encuentre no mas del 10 % de las observaciones.
Existen 9 deciles: D1 , D2 , ..., D9 .
3. Percentiles: Son Estadgrafos de posicion que dividen a la totalidad de las observaciones en 100
partes iguales. Los percentiles se aplican cuando existen numerosos valores de la variable con una
alta frecuencia total.
Existen 99 percentiles: P1 , P2 , ..., P99 .
Para datos agrupados se utiliza la formula de la mediana modificando el punto fraccionario de
interes. Para utilizar la f
ormula, primero se determina la clase que contiene el punto de interes, de
acuerdo con la frecuencia acumulada, y despues se lleva a cabo la interpolacion. Las formulas utilizadas
son:


n

f a

Cuartil: Q1 = LRI + 4 f(x1) w

 3n

f a
Decil: D3 = LRI + 10 f (x1) w

 70n
f a
Percentil: P70 = LRI + 100 f (x1) w

Ejemplos 4.7. Para los datos de la tabla anterior, calcular el Percentil 90 de los salarios de los empleados.


P90 = 3199, 5 + 9085
200 = $3290, 41
11

4.2.

Medidas de variabilidad.

Las medidas de tendencia central son u

tiles para la identificacion del valor representativode un
grupo de valores. Por su parte, las medidas de variabilidad, o dispersion, se ocupan de la descripci
on
de la variabilidad entre los valores. Se dispone de diversas tecnicas para medir el grado de variabilidad
en conjuntos de datos. Las que describiremos son el rango, la desviaci
on meda absoluta, la varianza, la
desviaci
on est
andar, el coeficiente de variaci
on y coeficiente de asimetra de Pearson.
4.2.1.

Rango

Para datos simples es la diferencia entre el valor mayor y menor del conjunto de datos no agrupados.
La f
ormula utilizada es:
R = My M n
en donde
My = Valor m
aximo del conjunto de datos.
Mn = Valor mnimo del conjunto de datos.
11

Ejemplos 4.8. Durante un mes del a

no los 8 vendedores de aparatos electr
onicos de una empresa,
vendieron el siguiente n
umero de ventiladores: 8, 11, 5, 14, 8, 11, 16, 11. Calcular el rango de las unidades
vendidas.
R = My Mn = 16 5 = 11unidades.
4.2.2.

Varianza.

La varianza se asemeja a la desviaci

on media absoluta en que se basa en la diferencia entre cada valor
del conjunto de datos y la media del grupo. Pero se distingue de ella en un muy importante aspecto: cada
diferencia se eleva al cuadrado antes de sumarse. En el caso de la poblacion, la varianza se presenta con
V (X) o, m
as habitualmente con 2 (sigma cuadrada).
1. Para datos en serie simple:
La f
ormula utilizada es:
2

V (X) = =
s2 =

(X )2
N

(X X)2
n1

(varianza de la poblacion)
(varianza de la muestra)

en donde
X = valor observado.
= media de la poblaci
on.
X = media de la muestra.
N = tama
no de la poblaci
on.
n = tama
no de la muestra.
Ejemplos 4.9. En la tabla se observa en n
umero de unidades vendidas por cada vendedor. Calcular
la desviaci
on media de las unidades.
Vendedor No de Unidades vendidas (X) X X (X X)2
A
5
-5,5
30,25
B
8
-2,5
6,25
C
8
-2,5
6,25
D
11
0,5
0,25
E
11
0,5
0,25
F
11
0,5
0,25
G
14
3,5
12,25
H
16
5,5
30,25
Total
86
P
(X X)2
86
s2 =
=
= 10, 75
n1
8
2. Para datos agrupados en tabla de frecuencia: Para datos agrupados en una distribucion de
frecuencia, se asume que la marca de clase representa a todas las mediciones incluidas en esa clase.
Las f
ormulas utilizadas en el c
alculo de datos simples quedan modificadas de la siguiente forma:
P
f (X )2
2 =
(varianza de la poblacion)
N
P
f (X X)2
s2 =
(varianza de la muestra)
n1
en donde
X = marca de clase.
X = media de los datos.
f = frecuencia de clase.
n = n
umero de observaciones.
12

4.3.

Desviaci
on est
andar.

1. Para datos en serie simple: Es la raz cuadrada positiva de la varianza, su utilizacion es preferible
a la de la varianza, porque se expresa en las mismas unidades que los datos originales y no en las
unidades cuadradas de la varianza. La formula utilizada es: La formula utilizada es:
rP
(X )2
=
(desviacion estandar de la poblacion)
N
s
P
(X X)2
s=
(desviacion estandar de la muestra)
n1
Ejemplos 4.10. En la tabla del ejemplo 4.9 se observa en n
umero de unidades vendidas por cada
vendedor. Calcular la desviaci
on est
andar de las unidades.
s
r
P
(X X)2
86 p
s=
=
= 10, 75 = 3, 3unidades
n1
8
2. Para datos agrupados en tabla de frecuencia: Las formulas utilizadas en el calculo de datos
simples quedan modificadas de la siguiente forma:
rP
f (X )2
(desviacion estandar de la poblacion)
=
N
s
P
f (X X)2
s=
(desviacion estandar de la muestra)
n1
Ejemplos 4.11. En tabla se presentan la distribuci
on de frecuencias de los salarios de los empleados
de una f
abrica AA. Calcular la varianza y desviaci
on est
andar de los salarios.
Salario Diario ($)
Intervalos de Clase
2400 - 2599
2600 -2799
2800 - 2999
3000 - 3199
3200 - 3399
3400 - 3599

Marca de
Clase (X)
2499,5
2699,5
2899,5
3000,5
3299,5
3499,5

No de
Trabajadores (f )
7
20
33
25
11
4
100

294950
= 2949, 5
100

2 =

X X

(X X)2

f (X X)2

202 500
62500
2500
22500
122500
302500

1417500
1250000
82500
562500
1347500
1210000
5870000

-450
-250
-50
150
350
550

5870000
= 58700
100

13

58700 = 242, 3

5.

EJERCICIOS PROPUESTOS

1. El n
umero de autom
oviles que vendio cada uno de los 10 vendedores de una distribuidora en un
mes especfico, en orden ascendente son: 2, 4, 7, 10, 10, 10, 12, 12, 14, y 15. Calcular: media aritmetica,
mediana y moda
2. Se presentan los siguientes resultados de un examen practicado a 20 estudiantes en un curso de analisis de decisiones, en orden ascendente: 39, 46, 57, 65, 70, 72, 72, 75, 77, 79, 81, 84, 84, 84, 87, 93, 94, 97
y 97. Determinar: media aritmetica, mediana y moda.
3. Se registran las siguientes mediciones para el tiempo de secado (en horas) de cierta marca de pintura
esmaltada.
3, 4
2, 8
4, 4

2, 5
3, 3
4, 0

4, 8
5, 6
5, 2

2, 9
3, 7
3, 0

3, 6
2, 8
4, 8

a) Cu
al es el tama
no de la muestra anterior?
b) Calcule la media de la muestra para estos datos.
c) Calcule la mediana de la muestra.
d) Calcule la moda de la muestra.
e) Calcule la varianza de la muestra.
f) calcule la desviaci
on est
andar de la muestra.
4. Un alumno debe tener un promedio de 4 o mas en las 10 materias que ha tomado en el a
no para
tener una beca. Se ha presentado a 9 examenes y ha sacado las siguientes notas: 3, 5, 3, 3, 5, 4, 5, 5, 4.
Que nota debe tener en la decima materia para tener la beca?
5. Muchas personas experimentan reacciones alergicas sistematicas a las picaduras de insectos. Estas
reacciones difieren de paciente a paciente no solo en gravedad sino tambien en el tiempo de aparici
on
de reacci
on. Los siguientes datos representan el tiempo en minutos de aparicion de la reaccion en
40 pacientes que experimentaron una reaccion sistematicas a la picadura de una abeja.
10, 5
3, 8
13, 6
8, 3

11, 2
10, 5
14, 7
9, 8

9, 9
11, 7
11, 5
9, 1

15, 0
8, 4
11, 5
10, 1

11, 4
12, 5
10, 9
8, 6

12, 7
9, 1
12, 7
11, 2

11, 4
13, 4
8, 8
16, 7

11, 6
12, 3
10, 9
7, 4

6, 2
5, 9
12, 9
8, 1

7, 9
11, 4
10, 4
9, 9

a) Ordenar los datos. Hallar la media, la moda y la mediana considerando los datos no agrupados.
b) Disponer los datos en una serie de frecuencia simple.
c) Obtener la distribuci
on de frecuencias. Hallar la media, la moda y la mediana considerando
los datos agrupados.
6. Dada la siguiente distribuci
on de salarios semanales, en dolares, realizar los siguientes ejercicios:
80
70
61
85
100
98
88

52
90
96
75
85
76
64

92
69
88
81
95
100
81

75
83
63
73
88
58
70

14

82
94
78
97
98
108
105

96
67
83
109
78
89
64

a) Construir una tabla de frecuencias.

b) Dibujar un histograma, un polgono de frecuencias y una curva acumulativa de frecuencias o
m
as.
c) Utilizando la curva acumulativa de frecuencias, encontrar el salario sobre el cual esta el 25 %
de los asalariados.
7. La f
abrica de cremalleras High Point manufactura 15 productos basicos. La compa
na tiene registrado el n
umero de elementos de cada producto fabricados al mes, con el fin de examinar los
niveles relativos de producci
on. Los registros muestran los siguientes n
umeros de cada elemento que
produjo la compa
na durante el u
ltimo mesque consto de 20 das laborales:
9 897
10 098
10 123

10 052
10 587
10 507

10 028
9 872
9 910

9 722
9 956
9 992

9 908
9 928
10 237

Contruya una ojiva que ayude a responder las siguientes preguntas:

a) En cu
antos de sus productos la compa
na excedio el punto de equilibrio de 10 000 unidades?
b) Que nivel excedi
o el 75 % de sus productos durante ese mes?
c) Que nivel de producci
on excedio el 90 % de sus productos durante ese mes?
8. Para la distribuci
on de frecuencias de los montos de 40 prestamos personales (en miles de $) que
aparecen en la siguiente tabla. Calcular: media aritmetica, mediana y moda.
MONTOS (1000$)
300 - 699
700 - 1099
1100 - 1499
1500 - 1899
1900 - 2299
2300 - 2699
2700 - 3099

No DE PERSONAS
5
10
15
20
15
10
5

9. De la siguiente tabla
Intevalo de Clase
18 - 19
20 - 21
22 - 23
24 - 25
26 - 27
28 - 29
30 - 31
Total
Determinar:
a) Primer y tercer cuartil.
b) Cuarto y noveno decil.
c) El percentil 68 y percentil 90.

15

Frecuencias
9
32
43
21
11
3
1
120