Estadistica Basica

ESTADSTICA BSICA
APLICADA A LA
GANADERIA
Vladimiro Ibaez Quispe

ESTADSTICA BSICA APLICADA A LA
GANADERA
VLADIMIRO IBAEZ QUISPE

Ingeniero Estadstico.
Profesor Asociado a T.C.
Universidad Nacional del Altiplano - Puno - Per
Facultad de Ingeniera Estadstica e Informtica.
Composicin y Diagramacin: Vladimiro Ibaez Quispe
Primera Edicin : Abril del 2001
Impreso en el Per - Printed in Peru
Editado en : Editorial Universitaria - UNA - Puno.

Ciudad Universitaria. Apartado 291.
Fax (054) 352992.
Prohbida la reproduccin total o parcial de esta obra,

por cualquier medio, sin autorizacin escrita del autor.
Derechos reservados : Decreto Ley 822.
PRESENTACION
En la actualidad hay pocas bibliografas que estn orientadas y aplica-

das a la ganadera, biologa, nutricin, agronoma y otras afines, especialmente
en la Universidad Nacional del Altiplano, razn por la cual existe la necesidad
de contar con un texto gua que permita desarrollar mejor y despertar a los
estudiantes de los primeros ciclos en los diferentes temas relacionados a la
estadstica bsica, para lo cual se ha tomado en cuenta los diferentes tipos de
variables (cualitativas y cuantitativas) que se han generado como producto de
los diferentes trabajos de investigaciones desarrolladas en el campo de la gana-
dera, y como apoyo de soporte a la estadstica, se presenta el software estads-
tico de STATGRAPHICS Plus v4.0, bajo el entorno Windows, que nos permite
obtener salidas o resultados de los anlisis efectuados, ya que este paquete
estadstico tiene las mejores bondades en la tabulacin de frecuencias, medidas
de tendencias central, de dispersin entre otras estadsticas. Para tal efecto se
presenta el texto: "ESTADSTICA BSICA APLICADA A LA GANA-
DERIA".
Espero que el presente trabajo alcance la acogida a las personas intere-

sadas en aprender estadsticas bsicas como inicio para las estadsticas avan-
zadas, asimismo debo indicar que cualquier error o concepto es ntamente res-
ponsabilidad del autor y agradecer a los lectores que alcancen sus sugerencias
que sin duda, servir de incentivo y motivar la preparacin de nuevas publica-
ciones.
Autor
Abril 2001
INDICE
Pg.
PRESENTACION
CAPITULO 1: CONCEPTOS BSICOS DE ESTADSTICA ........... 01
1.1. Divisin de la Estadsticas.................................................... 02

A. Estadstica Descriptiva .................................................... 02
B. Estadstica Inferencial ..................................................... 03
1.2. Poblacin y Muestra ............................................................ 03
1.3. Parmetro y Estadgrafo ...................................................... 06
CAPITULO 2: PROC. Y MTODOS DE RECOLECCIN DE DATOS . 07

2.1. Fuentes de Informacin ....................................................... 07
2.1.1. Fuentes de Datos Internos ......................................... 08
2.1.2. Fuentes de Datos Externos ........................................ 08
2.1.3. Fuentes primarias ..................................................... 08
2.1.4. Fuentes secundarias .................................................. 08
2.2. Sistema de recoleccin ........................................................ 09
2.2.1. Registros .................................................................. 09
2.2.2. Encuestas ................................................................. 10
2.3. Tcnica de recoleccin ........................................................ 10
2.3.1. Observacin ............................................................. 10
2.3.2. La tcnica documental .............................................. 12
2.3.3. Entrevista ................................................................. 12
2.3.4. El cuestionario .......................................................... 13
2.3.5. Preparacin del cuestionario y formulario ................. 13
2.4. Tipos de datos ..................................................................... 15
Pg.
2.4.1. Segn la naturaleza de la variable ............................. 15

A. Variable cualitativa ............................................... 15
B. Variable cuantitativa ............................................. 17
2.4.2. Segn la escala de medicin ..................................... 18
A. Variables nominales ............................................. 18
B. Variables ordinales ............................................... 18
C. Variables de intervalo ........................................... 19
D. Variables de razn o proporcin ............................ 19
CAPITULO 3: ETAPA DE ELABORACIN DE DATOS ...................... 21
3.1. Revisin y correccin de la informacin recogida ................ 21

3.2. Tablas de distribucin de frecuencias .................................. 22
3.2.1. Variables cuantitativas contnuas (nmeros decimales) 22
3.2.2. Distribucin de frecuencias (nmeros enteros) ........... 31
3.2.3. Variables cuantitativas discreta .................................. 36
Propiedades de las frecuencias ................................... 41
3.2.4. Distribucin de variables cualitativas ......................... 43
3.2.5. Diagrama de Hojas y Tallos (Stem-and-Leaf) ............. 44
3.3. Mtodos automatizados ....................................................... 48
Ejercicios propuestos ........................................................... 64
CAPITULO 4: ETAPA DE PRESENTACIN DE DATOS ..................... 73
4.1. Representacin tabular ........................................................ 73

4.1.1. Cuadros estadsticos .................................................. 73
4.1.2. Partes de un cuadro estadstico ................................... 74
4.1.3. Tipos de tablas estadsticas ........................................ 77
A. De acuerdo al uso ................................................. 77
1. Tabla general o de referencia ............................ 77
2. Tabla de texto o resumen .................................. 77
B. Desde el punto de vista de su disposicin .............. 78
1. Tablas de una entrada o entrada simple ............. 78
2. Tablas de dos entradas o entrada doble ............. 80
3. Tablas complejas .............................................. 81
Pg.
4.2. Representacin grfica ........................................................ 82

4.2.1. Partes de un grfico .................................................... 83
4.2.2. Tipo de grficos estadsticos ....................................... 84
A. Cuando los datos estn a nivel nom. y ordinal......... 84
1. Grfico de barras ............................................... 84
a. Grfico de barra simple ................................ 84
b. Grfico de barras compuestas ....................... 87
c. Grfico de barras superpuestas ..................... 89
2. Grfico de sectores o pastel (circulares) ............ 91
3. Grfico lineal o tendencia .................................. 94
4. Grfico de pictograma o pictogrfos .................. 99
B. Cuando los datos son medidos a nivel de intervalo . 101
1. Histograma de frecuencias ................................. 101
2. Polgono de frecuencias ..................................... 102
3. Polgono de frecuencias acumuladas u ojivas .... 104
4. Diagrama de frecuencias (bastones) .................. 108
CAPITULO 5: ESTADGRAFOS DE POSICIN .................................. 111
5.1. Introduccin ........................................................................ 111

5.2. Medidas o estadgrafos de tendencia central ......................... 112
5.2.1. Media aritmtica o media ........................................... 112
A. Media aritmtica con datos no agrupados .............. 112
B. Media aritmtica con datos agrupados .................. 113
5.2.2. Media aritmtica, tabulados de variable discreta ........ 115
5.2.3. Mtodos abreviados de clculo de la media aritmtica . 119
A. Mtodo abreviado .................................................. 120
B. Mtodo codificado ................................................. 121
5.2.4. Media aritmtica ponderada ...................................... 123
5.2.5. Media geomtrica ...................................................... 126
A. Media geomtrica con datos no agrupados ............ 126
B. Media geomtrica con datos agrupados ................ 127
5.2.6. Media armnica ........................................................ 130
A. Media armnica con datos no agrupados ............... 130
B. Media armnica con datos agrupados ................... 131
5.2.7. Media cuadrtica ....................................................... 133
A. Media cuadrtica con datos no agrupados .............. 133
Pg.
B. Media cuadrtica con datos agrupados ................. 134

5.2.8. La mediana (Me, Me(x)) ........................................... 135
A. Mediana con datos no agrupados .......................... 136
B. Mediana con datos agrupados .............................. 138
1. Mediana para variable discreta ......................... 138
2. Median para variable contnua ......................... 142
Propiedades de la mediana ........................................ 147
5.2.9. La moda (Md, Mo, Xmo) ........................................... 149
A. Moda con datos no agrupados ............................... 149
B. Moda con datos agrupados ................................... 151
1. Moda para variable discreta .............................. 151
2. Moda para variable contnua ............................ 152
Ventajas y desventajas de la moda .............................. 156
5.2.10. Relacin entre moda, media y mediana ........................... 157
A. Distribuciones simtricas .......................................... 157
B. Distribuciones Asimtricas ........................................ 157
i. Asimetra a la derecha o positiva ........................... 157
ii. Asimetra a la izquierda o negativa ....................... 157
5.3. Medidas de posicin o cuantiles ............................................... 158
5.3.1. Cuantiles ........................................................................ 158
A. Primer cuartil (Q1) .................................................... 159
Q1 con datos no agrupados ........................................ 159
Q1 con datos agrupados ............................................. 161
B. Segundo cuartil (Q2) ................................................... 164
C. Tercer cuartil (Q3) ...................................................... 164
Q3 con datos no agrupados ......................................... 164
Q3 con datos agrupados .............................................. 166
5.3.2. Deciles (Di) ..................................................................... 170
A. Deciles con datos no agrupados ................................. 170
B. Deciles con datos agrupados ....................................... 172
5.3.3. Percentiles o centilas (Di)................................................. 180
5.4. Mtodos automatizados ............................................................ 188
Ejercicios Propuestos ................................................................ 194
CAPITULO 6: ESTADGRAFOS DE DISPERSIN.............................. 197
6.1. Introduccin ............................................................................ 197

6.2. Recorrido o rango (R) .............................................................. 198
Pg.
6.2.1. Recorrido con datos no agrupados ................................... 198

6.2.2. Recorrido con datos agrupados ........................................ 198
6.3. Recorrido intercuartlico (RI) .................................................... 199
6.4. Recorrido interdecil (RID) ........................................................ 202
6.5. El rango semi-intercuartil (Q) ................................................... 202
6.6. La desviacin media (DM) ........................................................ 203
6.6.1. Desviacin media con datos no agrupados ....................... 203
6.6.2. Desviacin media con datos agrupados ............................ 205
Ventajas y desventajas ............................................................... 206
6.7. Desviacin mediana absoluta (DMe) ......................................... 206
6.7.1. DMe con datos no agrupados .......................................... 206
6.7.2. DMe con datos agrupados ............................................... 208
6.8. La varianza .............................................................................. 210
6.8.1. Varianza poblacional ....................................................... 210
6.8.2. Varianza muestral ........................................................... 210
A. Varianza para datos no agrupados .............................. 212
B. Varianza para datos agrupados ................................... 213
1. Varianza con variable discreta ............................... 213
2. Varianza con datos tabulados por intervalos ........... 215
Propiedades de la varianza .............................................. 217
6.9. Componentes de varianza ........................................................ 218
6.9.1. Intravarianza .................................................................. 218
6.9.2. Intervarianza ................................................................... 219
6.10 Mtodos abreviados de clculo de la varianza .......................... 222
6.10.1. Mtodo abreviado .......................................................... 222
6.10.2. Mtodo codificado o tipificado ...................................... 225
6.11 Desviacin estndar o desviacin tpica ................................... 227
6.11.1. Desviacin estndar con datos no agrupados ................. 228
6.11.2. Desviacin estndar con datos agrupados ...................... 231
Propiedades de la desviacin estndar ........................... 232
Ventajas de la desviacin estndar ................................. 233
6.12 Error estndar (E.S.) ............................................................... 233
6.13 Correccin Sheppard ............................................................... 236
6.14 Medidas de dispersin relativa ................................................ 237
6.14.1. Coeficiente de apertura (CA) ......................................... 237
6.14.2. Recorrido relativo (RR) ................................................. 238
6.14.3. Dispersin relativa (RIR) ............................................... 238
Pg.
6.15 Coeficiente de variacin (CV) .................................................. 240

6.16 Momentos ................................................................................ 244
6.16.1. Momento respecto a un valor constante a ................... 244
A. Momento para datos no agrupados .............................. 244
B. Momento para datos agrupados ................................... 248
6.16.2. Momento con respecto al origen ..................................... 250
A. Momento con respecto al origen con datos no agrupad. 250
B. Momento con respecto al origen con datos agrupados .. 253
6.16.3. Momentos con respecto a la media aritmtica ................. 255
A. Momentos: media aritmtica para datos no agrupados . 255
B. Momentos: media aritmtica para datos agrupados ...... 258
6.16.4. Relaciones entre momentos ............................................ 260
6.17 Estadgrafos de deformacin .................................................... 262
(Medidas de forma de la distribucin)
6.17.1. Medidas de Asimetra (AS) ........................................... 262
6.17.2. Coeficiente de asimetra ................................................ 264
6.17.3. Coeficiente de asimetra de Pearson .............................. 264
6.17.4. Coeficiente de asimetra en funcin de los momentos .... 265
6.17.5. Coeficiente de asimetra en funcin de los cuartiles ....... 266
A. Coeficiente de asimetra cuartlico o de Bowley .......... 266
B. Coeficiente de asimetra en funcin de los percentiles . 267
6.18 Estadgrafos de Apuntamiento o Kurtosis ................................ 272
(Medidas de deformacin o curtosis)
6.18.1. Kurtosis ......................................................................... 272
A. Leptokrtica ............................................................... 272
B. Mesokrtica ................................................................ 272
C. Platikrtica ................................................................. 273
6.18.2. Medidas de la kurtosis ................................................... 273
A. Kurtosis en funcin de momentos ............................... 273
B. Kurtosis en funcin de cuantiles ................................. 274
6.19 Mtodos automatizados (medidas de dispersin) ...................... 284
Ejercicios propuestos ................................................................ 287
BIBLIOGRAFA CITADA .............................................................. 299

1
CONCEPTOS BSICOS DE
ESTADSTICA
Qu es Estadstica?. La estadstica es una ciencia que nos proporciona un con-
junto de mtodos y procedimientos para recoleccin, clasificacin (organizacin),
anlisis e interpretacin del comportamiento de los datos para tomar decisiones con
respecto a una caracterstica materia de estudio o investigacin.
El trmino estadstica tambin se emplea para designar un rea de estudio, una

disciplina. Por ejemplo, cuando se emplea esta palabra en el ttulo de un libro o
cuando nos referimos a los cursos de estadstica de la currcula de una profesin, etc.
Etimologa. La etimologa de la palabra estadstica no tiene un origen claro, por

lo que hay varias teoras; unos dicen que proviene del griego STATERA que quiere
decir balanza, otros del griego STATIZEIN que significa comprobar, otros del latn
STATUS que indica situacin y otros del alemn STAAT que quiere decir estado
poltico.
-2- V. Ibaez Q. Conceptos Bsicos de Estadstica
Objetivos de la Estadstica. La estadstica tiene cuatro grandes objetivos:
1. Planificar y disear experimentos, es la manera de plantear un problema con

el fin de obtener la informacin (encuestas, censos, etc.)
2. Describir la informacin obtenida tratando de ordenar para luego presentarla
en cuadros, grficos y si es posible reducir a unos pocos datos que la represen-
tan para luego interpretarlas (Estadsticas descriptivas).
3. El anlisis cientfico, este es el objetivo fundamental de la Estadstica, que
significa realizar estudios acerca de la verificacin de los resultados obteni-
dos tratando de contestar toda pregunta que podra surgir del problema fun-
damentndolo con pruebas razonables. Esto constituye la INFERENCIA ES-
TADSTICA, analizando el grado de error que podra cometerse al hacer in-
ferencia a la vez que mide el grado de confiabilidad del estudio que se realice.
4. Prediccin del futuro. Consiste en buscar la forma de obtener una estimacin
de lo desconocido del fenmeno en estudio, los alcances que podra tener a
partir del anlisis cientfico.
1.1. DIVISION DE LA ESTADSTICA
La estadstica se puede clasificar en dos campos grandes: Estadstica Descriptiva

y Estadstica Inferencial.
A. Estadstica Descriptiva o Deductiva.
Es la parte de la estadstica que trata solamente de recoleccin, clasificacin,

presentacin, descripcin y simplificacin de los datos, es decir el objetivo es pre-
sentar la informacin en forma clara y comprensible, sin sacar conclusiones o
inferencias de un grupo mayor. Los grficos, tablas y mapas que muestra datos de tal
forma que sean ms fciles de entender son todos ejemplos del uso de Estadstica
Descriptiva.
Tablas
Recoleccin Crtica de Presentacin ANLISIS

de Datos los Datos de los datos DESCRIPTIVO
Grficas
Estadstica Bsica Aplicada a la Ganadera -3-
B. Estadstica Inferencial o Inductiva.
La estadstica inferencial es el conjunto de mtodos o tcnicas que posibilitan

la generalizacin o toma de las decisiones en base a una informacin parcial obteni-
da mediante tcnicas descriptivas. La Estadstica inferencial es la que nos proporcio-
na la teora necesaria para inferir o estimar las leyes de una poblacin partiendo de
los resultados o conclusiones del anlisis de una muestra.
POBLACIN
Estimacin
muestreo
Inferencial
muestra
Campos de una investigacin con Estadstica
1 2 3 4 5 6 7 8 9
Compilacin Reglas Organizacin Sistematizac. Anlisis Interpretacin Decisin Conclusin Inferencia a
de datos Normas de datos de datos X,s,r de Resultados Buena slida Poblacin
144444444444 42444444444444 3 1444444444 4 24444444444 3

Estadstica Descriptiva Estadstica Inferencial
1.2. POBLACIN Y MUESTRA
Poblacin. Es el conjunto de todos los individuos, objetos u observaciones que

poseen al menos una caracterstica comn susceptible de ser estudiada.
Una poblacin se define como la totalidad de valores posibles (mediciones o

conteos) de una caracterstica particular de un grupo especificado de objetos. Al
grupo especificado de objetos se llama un universo. Los trminos poblacin y univer-
so, suelen usarse indistintamente.
Mu
n
i est
ra
ac
bl
Po
Inferencia
Estadstica
estadstica
descriptiva
Error
Probabilidades
Ejemplos:
- Poblacin de venta anuales de fibra de lana de alpacas en el Centro de Investiga-

cin y Produccin La Raya.
- Las edades de alpacas de la Raza Wacaya en el departamento de Puno.
- La poblacin ovina en el Per.
- Los ciudadanos de un pas en edad de votar en las elecciones.
- Volmenes de descarga del ro Ilave.
- Poblacin de puntajes de rendimiento en la lectura de todos los alumnos del
primer nivel del sistema universitario.
- Poblacin de todos los posibles resultados cara y sello que se obtienen al arrojar
una moneda un nmero indefinido de veces.
Estadstica Bsica Aplicada a la Ganadera -5-
POBLACIN SEMENTAL DE TOROS.
N = 50
n=5
MUESTRA
La poblacin puede clasificarse como finita o infinita, dependiendo del nmero de

elementos que la forman.
Poblacin Finita.- Una poblacin finita es aquella que tiene un nmero limitado
de elementos.
Ejemplo:
- Las estaturas de todos los estudiantes que actualmente estudian en las Universi-
dades del Per.
- Alumnos matriculados enl a Universidad Nacional del Altiplano - Puno.
- Todas las personas que compran telfono celular.
Poblacin Infinita.- Es aquella que no tiene lmite o cotas, es decir, tiene un

nmero infinito de elementos.
Ejemplo:
- Calidad de todas las unidades producida mediante un proceso manufacturero.

- Los peces del Lago Titicaca.
- Los gases, los lquidos y algunos slidos, tales como talco, puesto que las unida-
des no pueden identificarse ni contarse.
Muestra.- Es una parte o un subconjunto representativo de la poblacin.
1.3. PARMETRO Y ESTADGRAFO.
Parmetro.- Es una medida resumen que describe una caracterstica de toda la

poblacin, es decir son los valores que se calculan a partir de la poblacin.
- (Media poblacional).
- 2 (Varianza poblacional).
- P (Proporcin poblacional).
Estadstico o Estadgrafo.- Es una medida resumen que describe una caracte-

rstica de la muestra.
- x (Media muestral)
- s 2 (Varianza muestral).
- p$ (proporcin muestral)
Estadstica Bsica Aplicada a la Ganadera - 7 -
2
PROCEDIMIENTOS Y
MTODOS DE
RECOLECCIN DE DATOS
En esta etapa empieza la ejecucin de la investigacin; es decir, el investigador

pone en marcha la etapa de planeamiento.
A travs de la recoleccin, se obtiene los datos que se requieren para alcanzar los
objetivos y demostrar las hiptesis de la investigacin. La obtencin de los datos se
hace teniendo en cuenta los siguientes procedimiento:
2.1. FUENTES DE INFORMACIN.
Es el lugar, la institucin, la persona donde estn los datos que se necesitan

para cada una de las variables o aspectos de la investigacin. Cuando se recoge
informacin es posible que los datos ya hayan sido obtenidos de las unidades de
-8- V. Ibaez Q. Procedimientos y Mtodos de Recoleccin de Datos
observacin y publicados o registrados por otros, o que los datos se tengan que obte-
ner directamente de las unidades de observacin en forma personal. Segn los casos,
estamos hablando de las fuentes de informacin, que son los siguientes:
2.1.1. Fuentes de datos internos.
Es la informacin recopilada por la empresa (o la institucin) de los

resultados de su propia gestin. Estas pueden ser por ejemplo:
- Reportes financieros,
- Reportes de operaciones, que estn dadas por la informacin de la pro-
duccin, ventas, compras, estados de prdidas y ganancias.
2.1.2. Fuentes de datos externos.
Son informaciones estadsticas elaboradas por instituciones de investi-

gacin, ya sean pblicos o privados, o dependencias especializadas, requeridos a
nivel nacional o sectorial.
2.1.3. Fuentes Primarias.
Si la informacin se obtiene directamente de la misma persona o entidad

utilizando ciertas tcnicas (entrevista, cuestionario, etc.). Ejemplos:
- Aplicar un test a un grupo de estudiantes para determinar el nivel inte-

lectual.
- Llevar a cabo una encuesta para conocer la situacin socio-econmica
de los pobladores del Asentamiento Humano Y.
- Los resultados de los censos de poblacin y vivienda, censo agropecuario,
censo econmico, ndices de precios al consumidor, etc.
- Observar la reaccin de un grupo de pacientes con determinada enfer-
medad.
2.1.4. Fuentes Secundarias.
Si la informacin a obtener, ya ha sido recopilada y elaborada por otras

personas o instituciones de los datos de fuentes primarias.
Ejemplo:
Este tipo de informacin se puede encontrar en los informes estadsticos

de las Instituciones Pblicas y Privadas. En el Per, el Instituto Nacional
de Estadstica e Informtica (INEI), publica boletines estadsticos con
respecto a la produccin, inversin, poblacin, migracin, salud. sta
institucin se encarga de formular y desarrollar el sistema Estadstico
Nacional; adems levanta los censos nacionales de poblacin y vivienda
cada 10 aos y los censos econmicos cada 10 aos, etc. Otras publica-
ciones pueden ser la Tesis, Anuarios, Series de Compendios, Revistas,
Folletos, etc.
El Ministerio de Industria Turismo e Integracin. Encargada de elaborar

estadsticas como: ndice de volumen fsico de produccin, producto bru-
to interno (PBI), etc.
El Ministerio de Economa y Finanzas. Encarga de elaborar estadsticas

de comercio al por mayor y al por menor, comercio exterior (importacin
y exportacin), etc.
2.2. SISTEMA DE RECOLECCIN.
Los datos pueden ser recogidos a travs de:
2.2.1. Registros.
Mediante los registros se anotan los datos en forma regular, permanente

y obligatoria, obteniendo la informacin total y sistemtica de los hechos ocurridos.
Ejemplo:
- Registros genealgicos de alpacas.

- Registro de paricin de las alpacas de la raza Huacaya.
- Registro de contribuyentes.
- Registro Electoral.
- Registro Civil, etc.
- 10 - V. Ibaez Q. Procedimientos y Mtodos de Recoleccin de Datos
2.2.1. Encuestas.
Es la recoleccin de datos en forma temporal (a travs de una muestra) y

puede ser:
Censal. Cuando abarca a toda la poblacin en estudio. Ejemplo:
- Censo Nacional de Poblacin y Vivienda de una localidad o de un pas.

- Censo Nacional Agropecuario de un pas.
Muestral. Cuando abarca una parte de la poblacin en estudio.
Ejemplo:
- Encuesta fecundidad
- Encuesta de nutricin.
- Encuesta de las Enfermedades Diarrecas Agudas de un Hospital, etc.
2.3. TCNICAS DE RECOLECCIN.
Existen muchos procedimientos para recoger la informacin, entre los cuales

el investigador debe elegir los que se adapten mejor a las circunstancias o al tipo de
investigacin. Entre las tcnicas ms usuales tenemos:
- Observacin.
- La tcnica documental.
- Entrevista.
- El cuestionario.
- Preparacin del cuestionario y formulario.
2.3.1. Observacin.
La observacin es el mtodo bsico que se utiliza para adquirir infor-

macin acerca del mundo que nos rodea, y por lo tanto, constituye la tcnica primor-
dial de la investigacin cientfica.
Tipos de observacin:
a) Segn el lugar o mbito donde se encuentran los datos, se tienen:
- Observacin documental, cuando los datos son recogidos en ma-

nuscritos o impresos.
- Observacin de campo, que puede ser observacin de monumen-

tos de campo y observacin de conductas.
b) Segn como se relaciona el investigador con el objeto de estudio;

como:
- Observacin directa; cuando el investigador puede recoger y ob-

servar datos mediante su propia observacin, obtener informa-
cin del comportamiento tal como ocurre.
- Observacin indirecta; cuando el investigador verifica los datos
que ha tomado de otros, aqu el investigador no est presente en
el momento de la ocurrencia del fenmeno.
- Observacin no participante; cuando el investigador extrae sus
daatos, pero sin una participacin en los acontecimientos de la
vida del grupo que estudia.
- Observacin participante o activa; cuando el investigador, de una
u otra manera, se introduce y acta en el grupo observado, de
modo que se le acepta como miembro, y es identificado como
observador.
c) Segn los medios utilizados, se tiene:
- La observacin no estructura; asistemtica y libre, aqu los hechos

se observan al natural, en forma espontnea, en el momento mis-
mo, que en muchas de las veces puede sorprender al observador.
- La observacin estructurada; sistemtica o regulada, aqu se tiene

un plan especfico para la realizacin de las observaciiones, para
lo cual se recurre al empleo de instrumentos o guas para la reco-
pilacin de datos.
2.3.2. La tcnica documental.
La tcnica documental es un tipo de observacin que recopila o busca

sus datos en documentos, fuentes escritas o grficas de todo tipo. En los documentos
se tienen:
- Documentos acadmicos, constituido por la bibliografa ms impor-

tante para conocer el estado del conocimiento de una ciencia.
- Actas e informes, donde las actas son documentos que recogen lo

ocurrido en el momento mismo en que est pasando; en tanto que los
informes son documentos escritos despus de ocurrido el aconteci-
miento.
- Documentos personales, como las autobiografas, darios, cartas, his-

torias de vidas y estudios de casos.
- Fotografas, planos, videos, etc.
2.3.3. Entrevista.
La entrevista es una situacin de interrelacin o dilogo entre perso-

nas es una tcnica donde una persona llamada entrevistador, encuestador o
empadronador solicita al entrevistado, le proporciona algunos datos o informacin.
La entrevista es un dilogo intencionado entre personas. El xito de la entrevista
como tcnica de recoleccin, depende de la eficiencia del trabajo del entrevistador.
La entrevista como tcnica de recoleccin, presenta diversas modali-

dades, como:
- La entrevista asistemtica o libre.
- Entrevista estructura, en la cual se precisa previamente los puntos
interrogar, existe un libreto o cuestionario.
- Entrevista focalizada, donde la interrogacin se centra alrededor de
un solo tema especfico.
- Entrevista simultnea, cuando los entrevistados son varios al mismo
tiempo.
- Entrevista sucesiva, cuando son varias entrevistas, pero en diveros
momentos.
2.3.4. El cuestioanrio.
El cuestionario es un instrumento constitudo por un conjunto de pre-

guntas sistemticamente elaboradas, que se formulan al encuestado o entrevistado,
con el propsito de obtener los datos de las variables consideradas en el estudio.
Cuando las preguntas se organian y se imprimen, se obtiene el formulario o cdula,
que es el instrumento que se utiliza para registrar las respuestas o datos.
La elaboracin del cuestionario requiere de un conocimiento previo

del fenmeno, tener precisado cules son las unidades de anlisis y qu aspectos
interesa estudiar. El cuestionario debe ser adaptado a las necesidades de la investiga-
cin y a las caractersticas del grupo que se estudia, su estructura y su forma deben
estar cuidadosamente elaboradas, la redaccin de las preguntas requiere de una ex-
periencia y para comprobar su comprensin, es recomendable someter a prueba todo
tipo de cuestionario.
2.3.5. Preparacin del cuestionario y formulario.
La preparacin y presentacin del cuestionario supone elaborar el for-

mulario, que es el diseo del documento donde se registran los datos referentes a la
unidad de investigacin, permite obtener los datos para llenar los cuadros estadsti-
cos establecidos. Su preparacin se efecta durante la fase del planeamiento de la
encuesta, despus de que estn definidos aquellos aspectos que son fundamentales
para conseguir informacin de buena calidad y fcil de procesar.
A. Criterios para preparar el cuestionario y el formulario.
- Objetivos de la investigacin.
- Sistema de variables.
- Caractersticas del informante.
- Tiempo disponible para efectuar la recoleccin.
- Tcnica de recoleccin.
- Procedimiento de elaboracin.
B. Caractersticas formales del cuestionario y el formulario.
- Forma y tamao del formulario.

- Calidad del papel del formulario.
- Tipo y color de la impresin.
- Tipo de archivo.
C. Formas y clases de preguntas.
Existen algunas clases de preguntas que se utilizan con mayor fre-

cuencia en la construccin de cuestionario.
- Preguntas abiertas, llamadas tambin ilimitadas, son aquellas

que el investigado responde con su propio vocabulario, sin que
se le ponga alguna alternativa, conjunto de palabras o frases.
Ejemplo: Describe el fenotipo de un animal.

Describa el sistema de manejo que realiza.
- Preguntas cerradas dicotmicas, aquellas que slo pueden res-

ponderse por un SI o NO, o simplemente cuando slo tienen dos
alternativas.
Ejemplo: Sabe leer? Si ( ) 1, No ( ) 2

Sexo: Masculino ( ) 1 Femenino ( ) 1.
Trabaja actualmente? Si ( ) 1, No ( ) 2.
- Preguntas cerradas de eleccin mltiple, son aquellos que pro-

ponen un conjunto de alternativas en la respuesta.
Ejemplo: - Categora Docente: Principal ()1

Asociado ()2
Auxiliar ()3
Jefe de Prctica ()4
- Clases de las alpacas: Cras ()1

Tuis ()2
Jvenes ()3
Adultos ()4
- Preguntas literales, son preguntas abiertas cuyas respuestas se

expresan con una palabra o cantidad.
Ejemplo: Cul es su estado civil?

Cul es su ocupacin actual?
Lugar de nacimiento.
- Preguntas con respuesta en grados de intensidad, cuyas res-
puestas indican un grado de intensidad dentro de una escala cre-
ciente o decreciente, ascendente o descendente. Hay una abanico
cerrado, donde el encuestado tiene que elegir una de las posibili-
dades.
Ejemplo:
La gestin del Rector de la Universidad es:

Muy buena ( ), Buena ( ), Regular ( ), Mala ( ), No Opina ( ).
2.4. TIPOS DE DATOS.
La informacin recopilada de las fuentes primarias o secundarias, puede estar

referida a caractersticas cualitativas o cuantitativas.
Variable: Es una caracterstica de la poblacin o fenmeno que puede tomar

diferentes valores de un conjunto de magnitudes diferentes.
Ejemplo: Las horas extras trabajadas por los trabajadores de la UNA y los valo-
res de esta variable vendran dadas por las diferentes horas trabajados por cada traba-
jador fuera de la jornada normal: ninguna, una, dos, tres, .....,. Las variables se deno-
tan por X, Y, etc.
Las variables se clasifican en: CUALITATIVAS y CUANTITATIVAS.
2.4.1. Segn la naturaleza de la variable.
A. Variable Cualitativa.
Expresan una cualidad, caracterstica, atributo o condicin social.

Es decir, son variables cuyos valores son cualidades que presenta la poblacin o son
aquellas cuyo dominio de variacin son objeto de clasificacin.
Ejemplo:
- La variable raza de vacunos: Brown Swiss, Aberdeen Angus,

Holsten, etc.
- La variable raza de alpacas : Wacaya, Suris.
- La variable colores de lana alpaca: Blanco, LF, Caf, Negro.
- Sexo: Masculino, femenino.
Las variables cualitativas se clasifican en: 1) Nominales y 2)

Ordinales.
1. Variable Cualitativa Nominal: Son aquellas que establecen la

distincin de los elementos en las categoras sin implicar orden
entre ellas.
Ejemplos:
- Color de cabello: Negro, Castao, pelirrojo, rubio.

- Color de ojos: Marrn, gris, verde, azul.
- Razas de ovinos: Corriedale, Junn, Merino.
- Estado civil: soltero, casado, viudo, divorciado.
- Partidos polticos: Conservador, liberal, independiente y so-
cialista.
- En el sexo: machos y hembras.
- Razas de conejos: Angora, California, Nueva Zelanda, etc.
2. Variable Cualitativa Ordinal: Son variables que expresan or-

den, de acuerdo a una caracterstica medible cualitativa, es decir
son aquellas que agrupan a los objetos, individuos, en categoras
ordenadas, para establecer relaciones comparativas. Es decir, son
suceptibles de ordenacin pero no de medicin cuantitativas.
Ejemplos:
- Nivel de instruccin: Analfabeto, primaria, secundaria y su-

perior.
- Nivel socio-econmico: Bajo, medio, alto.
- La variable cualitativa de estudio: 1er., 2do, 3er, 4to, etc.
- La clasificacin de la lana: A, AA y AAA.
- Clasificacin de la sarna sarcptica: Larva, ninfa y adultos.
B. Variables cuantitativas.
Es aquella variable que est asociada a una caracterstica cuantitati-

va. Se obtienen como resultado de mediciones y conteos.
Ejemplo: - El peso de los animales.

- La frecuencia respiratoria de los animales.
- El nmero de sarna sarcoptes de un animal.
- El nmero de insectos de una planta.
Las variables cuantitativas se clasifican en: Discretas y continuas.
1. Variable Discreta: Se expresan por nmeros reales enteros posi-

tivos nunca en nmeros o cantidades fraccionarias; son aquellas
que surgen por el procedimiento de conteo.
Ejemplo: - El nmero de hijos por familia.

- El nmero de vacas por establo.
- El nmero de estudiantes de la F.M.V.Z.
- El nmero de pollos de una granja avcola.
- El nmero de conejos de una granja.
- Nmero de nacidos vivos: 100, 150 y 200 nios.
- Nmero de alumnos. 50, 80 y 100 alumnos.
2. Variable Contnua: Son aquellas que pueden tomar infinitos va-

lores entre dos nmeros, tomando cualquier valor dentro de su
rango. Ejemplos:
- Peso: 56.5, 58.7 y 60.0 kg.

- Temperatura: 28.5C, 32.0C, 35.5C
- Estatura de los estudiantes de la UNA - Puno.
- Las medidas de altura a la cruz en ovinos corriedale (cm).
- Peso vivo (kg) al destete en ovinos del CIP - Chuquibambilla.
- La frecuencia respiratoria a 3827 msnm. en vacunos Aberdeen
Angus.
- Rendimiento de papa obtenido de un determinado valle.
- Nivel de colesterol de ciertos pacientes del Hospital MNB - Puno.
La diferencia entre las variables cuantitativas y cualitativas, es

que en el primer caso se puede calcular promedios, en cambio en
el segundo caso se calculan con porcentajes.
Nominal (cualidad)
Variable
cualitativa
Ordinal (categorizar)
TIPOS DE DATOS
Discreta (conteo)
Variable
cuantitativa
Contnuas (intervalo)
2.4.1. Segn la Escala de Medicin.
A. Variables Nominales.
Son aquellas que establecen dos o ms categoras que no guardan solu-

cin entre ellas.
Ejemplo: - Sexo: Masculino, femenino

- Estado civil: Soltero, Casado, Viudo, Divorciado.
- Ocupacin: Enfermera, Mecnico, Artesano, etc.
- Lugar de nacimiento: Puno, Juliaca, Arequipa, etc.
- Raza: Blanca, Negra, Amarilla.
B. Variables Ordinales.
Es el segundo nivel de medicin donde la variable establece categoras

jerarquizadas. Este nivel de medicin no mide las magnitudes de las diferencias,
pero s permite apreciar que los valores asignados a los individuos caen ms alto o
bajo que otros.
Ejemplo:
- Nivel socio-econmico: Alto, Medio, Bajo.

- Orden de mritos: Primero, Segundo y Tercero.
- Grado de instruccin: Primero, Segundo, Tercero, Cuarto y Quinto.
C. Variables de Intervalos.
Son aquellas que establecen categoras que guardan entre s un orden

o jerarqua convencional y mantienen grados de distancia entre ellas, pero no tienen
un origen comn.
Ejemplo:
- Cociente de inteligencia.
- Puntuacin en una escala de calificacin,
- Temperatura, presin arterial, etc.
D. Variables de razn o proporcin.
Son aquellas que comprenden a todos los tipos anteriores, establecen

categoras, orden, distancia y origen comn cuyos valores se expresan como nme-
ros reales.
Ejemplo:
- Edad: Una alpaca puede tener 6 aos de edad.

- pesos, estatura, produccin anual, cantidad de accidentes, tiempo de
reaccin mental
CLASIFICACIN DE LAS VARIABLES SEGN SU NATURALEZA
Escala de
Medicin:
NOMINAL
CUALITATIVAS
ORDINALES
ORDINAL
VARIABLES
INTERVALO
CUANTITATIVAS:
- Discretas
- Contnuas
RAZN O
PROPORCIN
3
ETAPA DE ELABORACIN
DE DATOS
Una vez recogida la informacin, es necesario revisarla cuidadosamente y luego
resumirla y presentarla convenientemente. En esta etapa de organizacin, se consi-
deran tres pasos siguientes:
- Revisin y correccin de la informacin recogida.

- Presentacin de la informacin en tablas de frecuencias.
3.1. REVISIN Y CORRECCIN DE LA INFORMACIN RE-

COGIDA.
La revisin y la correccin de la informacin recolectada debe ser obligatoria-

mente el paso previo a la clasificacin y automatizacin de los datos. Un corrector
puede encontrar una o varias de las siguientes cosas que deberan ser corregidos o
tratadas.
- 22 - V. Ibaez Q. Etapa de Elaboracin de Datos
a. La escritura es demasiado pobre para leerla o la marca no esta colocada
adecuadamente.
b. Las respuestas son inconsistentes; cuando una respuesta est en conflicto
con otra (es necesario volver al informante).
c. Las respuestas son incompletas; se presentan respuestas sin contestar, rea-
lizar esfuerzos para obtener una respuesta.
d. Se necesitan clculos; si las cifras son reportadas en detalle, los clculos
deberan ser completados por el corrector.
3.2. TABLAS DE DISTRIBUCIN DE FRECUENCIAS.
Una vez aplicado una encuesta, es indispensable clasificarlos stos datos para
presentarlos en un cuadro o tabla resumen de las observaciones originales en una
tabla de distribucin de frecuencias o tabla de frecuencias de acuerdo a la clasifica-
cin de variables.
3.2.1. Variables cuantitativas contnuas (datos con nmeros decimales).
1. Ordenar los datos en forma creciente o decreciente: X min, X2, X3, ...,
Xmx.
2. Determinacin del rango (R). Se observa, cul es el valor ms alto

(Xmx) que se llamar lmite superior y el valor ms bajo (Xmn), se le
llamar lmite inferior.
El rango est dado por la diferencia del Xmx menos el Xmn.

R = Xmx - Xmn
3. Encontrar el nmero aproximado de intervalos (NC), para esto exis-

ten varios criterios. No hay una frmula exacta para calcular el n-
mero de intervalos de clase. Este nmero es determinado por tenta-
tivas y aproximaciones. Entre ms datos se tengan, ms intervalos
de clase deben considerarse, aqu presentamos algunos criterios:
i. Tomar un nmero arbitrario que sea mayor o igual a 5, y menor o

igual a 16.
5 NC 16
ii. Mtodo muy utilizado es la regla de Sturges: K = 1+3.3Log10(n),
n 10 .
iii. Un procedimiento, no muy recomendado, es calculando cuando
K = 5, si n < 25 y K = n , si n >25.
iv. En la prctica se determina NC atendiendo a varios factores

tales como: finalidad del estudio, grado de variabilidad de los
datos, necesidad de efectuar comparaciones con otros estudios
para mantener intervalos y su nmero.
4. Encontrar la amplitud de clase o intervalo de clase (C), para esto

divdase el rango de las observaciones entre el nmero de intervalos
de clase, esto es:
R
C=
NC
5. Determinar el nuevo Rango: R = KxC R = NCxC, donde R debe

ser mayor al rango encontrado de las observaciones.
6. Hallar la diferencia de Rangos: x = R ' - R
7. Clculo de lmites de clase (se encontrar el lmite inferior de la

primera clase del intervalo y el lmite superior del ltimo intervalo
de clase).
x
LCI = X mn (redondear al valor inmediato superior, an
2
cuando la parte decimal sea menor a 5).
x
LCS = X mx +
2
8. Una vez que se tiene los nuevos lmites, se comienza a construir la
tabla de la distribucin de frecuencias por intervalos de clase, te-
niendo en cuenta que los valores sean mutuamente excluyentes.
Las diferentes tablas de frecuencias que se pueden confeccionar para

un conjunto de datos contnuos est dada en la siguiente tabla.
TABLA 3.1: DISTRIBUCIN DE FRECUENCIA.
* * *
Y'i-1 - Y'i n i Ni Yi h i Hi h i x100 Hi x100 N i H i 100xH i
*
Y'0 - Y'1 n 1 N1 Y1 h 1 H1 h 1 x100 H1 x100 N 1 1 100
* * *
Y'1 - Y'2 n 2 N2 Y2 h 2 H2 h 2 x100 H2 x100 N 2 H 1 100xH 1
* * *
Y'2 - Y'3 n 3 N3 Y3 h 3 H3 h 3 x100 H3 x100 N 3 H 2 100xH 2
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
* * *
Y'm-1 - Y'm n m n Ym h m 1 100xh m 100 N m H m 100xH m
Totales n 1 100
EJEMPLO:
Se recolect 100 muestras representativas de velln de color blanco de las alpacas

Huacayas de la zona de Melgar de ambos sexos, de las edades 1, 2, 3, 4 y 5 aos. El
objetivo fue la determinacin de los promedios de longitud de mecha (cm), longitud
de fibra (cm) y el dimetro (micras), sta informacin se analiz en el Lab. de la
Facultad de Medicina Veterinaria y Zootecnia-UNA-Puno, los vellones podran utili-
zarse para la produccin de hilados en el proceso de peinado y cardado para la industra
textil. Las muestras fueron tomadas de la regin del costillar medio. La informacin
se presenta a continuacin para la variable longitud de mecha (cm).
6.4 8.8 16.9 12.0 8.3 13.4 2.3 13.1 5.0 11.8
3.7 6.9 13.4 11.6 7.4 10.0 5.4 10.4 7.5 9.4
7.1 11.0 11.3 11.6 7.6 10.3 4.0 10.3 9.4 14.6
8.5 13.0 13.4 14.0 6.5 9.5 11.3 5.3 6.5 14.3
8.6 13.9 10.3 9.1 7.1 15.1 12.1 9.8 11.8 15.1
7.4 12.3 12.9 15.6 7.5 10.8 6.3 7.9 12.8 16.0
7.5 11.4 8.0 14.6 6.3 8.5 6.4 12.3 8.3 11.3
8.1 14.5 8.9 12.8 10.8 11.5 9.0 8.0 9.4 14.4
7.1 12.0 6.4 17.3 9.8 9.5 11.9 6.0 11.3 14.6
8.3 11.4 12.3 14.9 13.0 5.0 11.1 13.1 9.5 13.0
a. Construya la tabla de distribucin de frecuencias para la variable Longitud
de mecha (cm.).
SOLUCIN:
1. Ordenar los datos en forma ascendente.
2. Determinacin del rango (R): R = Xmx - Xmn = 17.3 - 2.3 = 15.0
3. Encontrar el nmero aproximado de intervalos (NC), usaremos la frmula

de Sturges:
K = 1+3.3Log10(1n) = 1 + 3.3Log(100) = 7.6 ~ 8
4. Encontrar la amplitud de clase o intervalo de clase (C):

R 15.0
C= = = 1875
. 19
.
NC 8
5. Determinar el nuevo Rango: R = KxC=8x1.9 = 15.2
6. Hallar la diferencia de Rangos: x = R - R = 15.2 - 15.0 = 0.2
7. Clculo de lmites de clase:
x 0.2
LCI = X mn = 2.3 = 2.2
2 2
x 0.2
LCS = X mx + = 17.3 + = 17.4
2 2
2.3 17.3
2.2 17.4
8. Asignar cada dato obtenido al intervalo de clase correspondiente.
TABLA 3.2: DISTRIBUCIN DE LAS FRECUENCIAS ABSOLUTAS.
Long. De mecha
Y'i-1 - Y'i Conteo o Paloteo ni
2.2 - 4.1 2.3 3.7 4.0 3
4.1 - 6.0 5.0 5.4 5.3 5.0 4
6.0 - 7.9 6.4 7.4 7.5 7.1 7.6 6.5 6.5 7.1 7.4 7.5 6.3 7.5 6.3 6.4 7.1 6.4 6.9 6.0 18
7.9 - 9.8 8.3 9.4 8.5 8.6 8.0 8.3 8.1 8.9 9.0 9.4 8.3 9.5 8.8 9.4 9.5 9.1 7.9 8.5 8.0 9.5 20
9.8 - 11.7 11.3 11.3 10.3 10.8 9.8 11.3 11.1 11.6 10.0 10.4 11.0 11.6 10.3 10.3 9.8 10.8 11.4 11.3 11.5 11.4 20
11.7 - 13.6 13.4 13.4 12.1 11.8 12.9 12.8 11.9 12.3 13.0 12.0 13.4 13.1 11.8 13.0 12.3 12.3 12.8 12.0 13.1 13.0 20
13.6 - 15.5 14.6 14.0 14.3 13.9 15.1 15.1 14.6 14.5 14.4 14.6 14.9 11
15.5 - 17.4 16.9 15.6 16.0 17.3 4
Total 100
Completando la tabla de distribucin de frecuencias se tiene:
TABLA 3.3: DISTRIBUCIN DE FRECUENCIA DE LA LONGITUD DE ME-

CHA (cm) EN ALPACAS DE COLOR BLANCO DE LA ZONA DE MELGAR
* * *
[Y'i-1 - Y'i> ni Ni Yi hi Hi hix100 Hix100 Ni H i 100xH i
2.2 - 4.1 3 3 3.15 0.03 0.03 3 3 100 1.00 100
4.1 - 6.0 4 7 5.05 0.04 0.07 4 7 97 0.97 97
6.0 - 7.9 18 25 6.95 0.18 0.25 18 25 93 0.93 93
7.9 - 9.8 20 45 8.85 0.20 0.45 20 45 75 0.75 75
9.8 - 11.7 20 65 10.75 0.20 0.65 20 65 55 0.55 55
11.7 - 13.6 20 85 12.65 0.20 0.85 20 85 35 0.35 35
13.6 - 15.5 11 96 14.55 0.11 0.96 11 96 15 0.15 15
15.5 - 17.4 4 100 16.45 0.04 1 4 100 4 0.04 4
Totales 100 1 100
INTERPRETACIN:
Se tiene reporte para la variable de longitud de mecha (cm) por Villarroel (1963),
quin determin que la longitud de mecha mnimo es 7.6 cm. para el proceso de
peinado y cardado en vellones de alpaca, adems indica que se puede aceptarse nor-
malmente hasta un 30% de los vellones de una esquila de alpacas para el sistema de
cardado. Entonces interpretando en nuestro ejemplo de aplicacin podemos indicar
lo siguiente:
n2 = 4 muestras de velln miden mayor a 4.1 cm. de longitud de mecha y menor

a 6.0 cm, de acuerdo al reporte de Villarroel est fuera del mnimo requerido
para el peinado y cardado.
n4 = 20 muestras de velln miden mayor o igual a 7.9 cm. de longitud de mecha

y menor a 9.8 cm, que estara permitido para el peinado y cardado.
n7 = 11 muestras de velln miden mayor o igual a 13.6 cm. de longitud de mecha

y menor a 15.5 cm, en este intervalo posiblemente los vellones corresponden
a los animales de mayor edad.
N2 = 7 muestras de longitud de mecha (cm) miden menos de 6.0 cm.
h3x100 = 18, es el porcentaje de muestras de velln que miden 6.0 cm. o ms,
pero menos de 7.9 cm.
h4 = 0.20, es la proporcin de muestras de velln que miden 7.9 cm. o ms, pero
menos de 9.8 cm.
N*3 = 93, es el nmero de muestras de velln que miden por lo menos 6.0 cm.
H2 = 0.07, es la proporcin de muestras de velln que miden menos de 6.0 cm.
H*2 = 0.97, es la proporcin de muestras de velln que miden por lo menos 4.1
cm.
Terminologa usada en la construccin de la distribucin de Frecuencias.
1. CLASE.- Se llama clase a cada uno de los intervalos de clase o grupos de datos
en las que se distribuye el total de observaciones.
Xmx = mx{X/i = 1,2,3, ..., n}
Xmn = mn{X/i = 1,2,3, ..., n}
2. INTERVALO DE CLASE.- Es el ancho o magnitud dentro de una clase, cuyos

datos se encuentran por un lmite inferior y un lmite superior. Sea m el
nmero de clases y Y1, Y2, Y3, ...., Ym, los extremos o lmites de los interva-
los de clase, entonces: Yi-1-Yi, i = 1,2,3, ...., m.
Ejemplo: 2.2 4.1, 4.1 6.0, .... , 15.5 17.4
3. INTERVALO ENTRE CLASES.- Es la magnitud o ancho de clase a clase y se

estima restando del lmite superior, el lmite inferior de cada intervalo de clase.
Ejemplo:
17.4 - 15.5 = 1.9 13.6 - 11.7 = 1.9, etc.
11.7 - 9.8 = 1.9
4. MARCAS DE CLASE PUNTOS MEDIOS (Yi).- Es el punto medio de cada

intervalo de clase. Se obtiene sumando los dos puntos (lmite inferior y lmite
superior) de un intervalo de clase y luego dividido entre dos. Es denotado por
Yi, i = 1,2,3, ... , m simplemente:
Y'i 1 + Y'i
Yi = , i = 1,2, ... , m.
2
Ejemplo:
2.2 + 4.1 4.1 + 6.0 . +174
155 .
Y1 = = 315
. , Y2 = = 5.05 , ......., Y8 = = 1645
.
2 2 2
5. FRECUENCIA ABSOLUTA (ni).- Es el nmero de veces una observacin o

varios datos numricos se repite, es decir, es el nmero de observaciones del
conjunto original que pertenece a dicha clase.
TABLA 3.4: DISTRIBUCIN DE FRECUENCIAS ABSOLUTAS.
[Y'i-1 - Y'i > Conteo, paloteo Frec. Absoluta (ni )

2.2 - 4.1 /// n1 = 3
4.1 - 6.0 //// n2 = 4
6.0 - 7.9 /// n 3 = 18
7.9 - 9.8 n 4 = 20
9.8 - 11.7 n 5 = 20
11.7 - 13.6 n 6 = 20
13.6 - 15.5 / n 7 = 11
15.5 - 17.4 //// n8 = 4
Totales n = 100
6. FRECUENCIA ABSOLUTA ACUMULADA (Ni).- Es la acumulacin del va-
lor de las frecuencias absolutas en forma sucesiva, comenzando de la parte
inferior de la distribucin.
i
N i = n1 + n 2 + L + n i = n j
j =1
Ejemplo:
N1 = n1 = 3, es el nmero de muestras de velln que miden menores a 4.1cm.

N2 = n1 + n2 = 3 + 4 = 7
N3 = n1 + n2 + n3 = 3 + 4 + 18 = 25
N4 = n1 + n2 + n3 + n4= 3 + 4 + 18 + 20 = 45
N5 = n1 + n2 + n3 + n4 + n5 = 3 + 4 + 18 + 20 + 20 = 65
N6 = n1 + n2 + n3 + n4 + n5 + n6 = 3 + 4 + 18 + 20 + 20 + 20 = 85
N7 = n1 + n2 + n3 + n4 + n5 + n6 + n7 = 3 + 4 + 18 + 20 + 20 + 20 + 11 = 96
N8 = n = 100
7. FRECUENCIA RELATIVA (hi).- Es el valor relativo que toma la frecuencia

absoluta, se estima dividiendo la frecuencia de cada intervalo de clase entre la
sumatoria total de las frecuencias.
ni n
hi = , i = 1,2, L , m h i = m i
ni
n
i =1
Ejemplo:
n1 3
h1 = = = 0.03 , prop. de muestras de velln que miden menos de 4.1 cm.
n 100
n2 4
h2 = = = 0.04
n 100
n 3 18
h3 = = = 018
. , prop. de muestras de velln que miden 6 cm o ms, pero
n 100
menos de 7.9cm.
.... = .... = ...... = ......
n8 4
h8 = = = 0.04
n 100
8. FRECUENCIA RELATIVA ACUMULADA (Hi).- Es la agrupacin o acumu-
lacin de las frecuencias relativas en forma ascendente y sucesiva, comenzando
de la parte inferior de la distribucin.
i
H i = h1 + h 2 + L + h m = h j
j=1
Ejemplo:
H1 = 0.03
H2 = h1 + h2 = 0.03 + 0.04 = 0.07
H3 = h1 + h2 + h3 = 0.03 + 0.04 + 0.18 = 0.25
H4 = h1 + h2 + h3 + h4= 0.03 + 0.04 + 0.18 +0.20 = 0.45
H5 = h1 + h2 + h3 + h4 + h5=0.03 + 0.04 + 0.18 + 0.20 + 0.20 = 0.65
H6 = h1 + h2 + h3 + h4 + h5 + h6 = 0.03 + 0.04 + 0.18 + 0.20 + 0.20+0.20 = 0.85
H7 = h1+h2+h3+h4+h5+h6+h7 = 0.03+0.04+0.18+0.20+0.20+0.20+0.11 = 0.96
H8=h1+h2+h3+h4+h5+h6+h7+h8=0.03+0.04+0.18+0.20+0.20+0.20+0.11+0.04 =1.0
9. FRECUENCIA ABSOLUTA ACUMULADA mayor o igual que (N*i).- Es

el nmero de observaciones mayores o iguales que el extremo inferior del inter-
valo de clase i-simo, es decir mayor o igual a Yi-1.
m
N*i = n1 + ni+1 + L + nm = n j
j=1
Ejemplo:
N*1 = n1 + n2 + n3 + n4 + n5 + n6 + n7 + n8= n = 100

N*2 = n2 + n3 + n4 + n5 + n6 + n7 + n8= 4 + 18 + 20 +20 + 20 + 11 + 4 = 97
N*3 = n3 + n4 + n5 + n6 + n7 + n8= 18 + 20 + 20 + 20 + 11 + 4 = 93
N*4 = n4 + n5 + n6 + n7 + n8= 20 + 20 + 20 + 11 + 4 = 75
N*5 = n5 + n6 + n7 + n8= 20 + 20 + 11 + 4 = 55
N*6 = n6 + n7 + n8= 20 + 11 + 4 = 35
N*7 = n7 + n8= 11 + 4 = 15
N*8 = n8= 4
10. FRECUENCIA RELATIVA ACUMULADA (mayor o igual que) (H*i).- Es la

frecuencia relativa total correspondiente a los valores observados mayores o
iguales al extremo inferior del intervalo de clase i-simo, mayor o igual que
Yi-1.
m
H = h1 + hi+1 + L + hm = h j
*
i
j=1
Ejemplo:
H*1 = h1 + h2 + h3 + h4 + h5 + h6 + h7 + h8= 1.00

H*2 = h2+h3+h4+h5+h6+h7+h8= 0.04+0.18+0.20+0.20+0.20+0.11+0.04 = 0.97
H*3 = h3 + h4 + h5 + h6 + h7 +h8= 0.18 + 0.20 + 0.20 + 0.20+0.11+0.04 = 0.93
H*4 = h4 + h5 + h6 + h7 + h8= 0.20 + 0.20 + 0.20 + 0.11 + 0.04 = 0.75
H*5 = h5 + h6 + h7 + h8= 0.20 + 0.20 + 0.11 + 0.04 = 0.55
H*6 = h6 + h7 + h8= 0.20 + 0.11 + 0.04 = 0.35
H*7 = h7 + h8= 0.11 + 0.04 = 0.15
H*8 = h8= 0.04
3.2.2. Distribucin de frecuencias con variables cuantitativas.

(datos con nmeros enteros).
Este tipo de distribucin, se utiliza cuando los datos toman valores

numricos enteros y para transformar este tipo de distribuciones a distribuciones de
frecuencias, se construye con intervalos de clases no traslapados.
PROCEDIMIENTO.
1. Ordenar los datos en forma creciente o decreciente: Xmin, X2, X3, ..., Xmx.
2. Determinacin del rango (R): R = Xmx - Xmn+ 1 (para intervalos de
clase no traslapados).
3. Determinacin del nmero de intervalos de clase (NC): Utilizando la regla
de Sturges: K = 1+3.3Log10(n), n 10 .
4. Encontrar la amplitud de clase o intervalo de clase (C), para esto divdase
el rango de las observaciones entre el nmero de intervalos de clase, esto
es:
R
C=
NC
5. Determinar el nuevo Rango: R = KxC R = NCxC, donde R ' R .
6. Hallar la diferencia de Rangos: x = R ' - R
7. Determinacin de los lmites de clase:
x
LCI = X mn
2
x
LCS = X mx +
2
NOTA: Agregar C - 1 para obtener el lmite superior de clase, para usar
intervalos no traslapados y se aaden los dems intervalos. Para
formar el primer intervalo de clase, se toma el valor mnimo de la
distribucin (LCI) y a ella le sumamos C-1, entonces LCS1.
8. Determinacin de la frecuencia de clase.- Consiste en determinar el nme-

ro de observaciones que caen en cada intervalo de clase.
EJEMPLO:
Se dispone de 40 datos sobre el nmero de alpacas que posee un comunero del

Sector Aymara que corresponde a 40 familias. Los datos se presentan a continuacin:
57 56 92 88 87 96 67 113 120 76
40 60 76 106 73 74 118 76 100 93 n = 40
52 54 77 82 77 118 108 132 82 78
80 94 83 84 64 103 128 102 118 96
a) Construya la tabla de distribucin de frecuencias.
SOLUCION:
1. Ordenar los datos en forma creciente o decreciente: Xmin, X2, X3, ..., Xmx.
2. Determinacin del rango (R): R = Xmx - Xmn+ 1= 132 - 40 + 1 = 93 (+1
por ser discreta).
3. Determinacin del nmero de intervalos de clase (NC): Por Sturges
K = 1+3.3Log10(n) = 1 + 3.3Log(40) = 6.29 ~ K = 6

R 93
C= = = 155
. 16
K 6
5. Determinar el nuevo Rango: R = KxC = 6x16 = 96.
6. Hallar la diferencia de Rangos: x = R - R = 96 - 93 = 3, donde R ' R .
7. Determinacin de los lmites de clase:

x 3
LCI = X mn = 40 = 38.5 39
2 2
x 3
LCS = X mx + = 132 + = 1335
. 134
2 2
8. Determinacin de la frecuencia de clase.- Consiste en determinar el nme-

ro de observaciones que caen en cada intervalo de clase.
Observacin:
Para formar el primer intervalo de clase, se toma el valor mnimo de la distri-

bucin 39 a este valor se suma el (C-1) = 16 - 1 = 15, es decir 39+15 = 54,
luego la primera clase es <39 - 54], la segunda clase es: 55+15 = 70, luego la
segunda clase es <55 - 70], y as sucesivamente hasta formar el ltimo inter-
valo de clase [119 - 134>.
TABLA 3.5: DISTRIBUCIN DE FRECUENCIAS ABSOLUTAS.
Int. De clase Valores que caen dentro del intervalo ni

39 - 54 40, 52, 54 3
55 - 70 57, 56, 60, 64, 67 5
71 - 86 80, 76, 77, 83, 82, 84, 73, 77, 74, 76, 82, 76, 78 13
87 - 102 94, 92, 88, 87, 96, 102, 100, 93, 96 9
103 - 118 106, 118, 103, 118, 108, 113, 118 7
119 - 134 128, 132, 120 3
Totales 40
Convirtiendo los intervalos de clase a lmites reales de clase, es decir encontrar

los intervalos de clase traslapados, esto se logra de la siguiente manera:
TABLA 3.6: LMITES REALES DE CLASE Y FRECUENCIA ABSOLUTA.
Int. De clase Valores que caen dentro del intervalo ni

38.5 - 54.5 40, 52, 54 3
54.5 - 70.5 57, 56, 60, 64, 67 5
70.5 - 86.5 80, 76, 77, 83, 82, 84, 73, 77, 74, 76, 82, 76, 78 13
86.5 - 102.5 94, 92, 88, 87, 96, 102, 100, 93, 96 9
102.5 - 118.5 106, 118, 103, 118, 108, 113, 118 7
118.5 - 134.5 128, 132, 120 3
Totales 40
En resumen, se tiene la tabla completa de la distribucin de frecuencias:
TABLA 3.7: DISTRIBUCIN DE FRECUENCIA DEL NMERO DE ALPACAS

DEL SECTOR AYMARA.
* * *
Int. De clase ni Ni Yi hi Hi hix100 Hix100 Ni H i 100xH i
39 - 54 3 3 46.5 0.075 0.075 7.5 7.5 40 1.000 100
55 - 70 5 8 62.5 0.125 0.200 12.5 20.0 37 0.925 92.5
71 - 86 13 21 78.5 0.325 0.525 32.5 52.5 32 0.800 80.0
87 - 102 9 30 94.5 0.225 0.750 22.5 75.0 19 0.475 47.5
103 - 118 7 37 110.5 0.175 0.925 17.5 92.5 10 0.250 25.0
119 - 134 3 40 126.5 0.075 1.000 7.5 100 3 0.075 7.5
Totales 40 1.000 100
INTERPRETACIN:
n1 = 3 comuneros del sector aymara tienen mayor a 39 alpacas y menor o igual a

54 alpacas.
n3 = 13 comuneros del sector aymara poseen mayores a 71 y menores o iguales a

86 alpacas.
N2 = 8 comuneros del sector aymara poseen alpacas menores o igual a 70 alpacas.
h3x100 = 32.5% es el porcentaje de comuneros que poseen alpacas entre 71 y 86.

h4 = 0.225 es la proporcin de comuneros que poseen 87 o ms, pero menor o
igual 102 alpacas.
Otra forma de construir la tabla de distribucin de frecuencias.
1. Ordenar los datos en forma ascendente o descendente: Xmin, X2, X3, ..., Xmx.
2. Determinacin del rango (R): R = Xmx - Xmn+ 1= 132 - 40 = 92
3. Determinacin del nmero de intervalos de clase (NC), por Sturges es:
K = 1+3.3Log10(n) = 1 + 3.3Log(40) = 6.29 ~ K = 6
R 92
C= = = 15.33 16
K 6
5. Determinacin del nuevo Rango: R = KxC = 6x16 = 96.
6. Clculo del nmero de rango: x = R - R = 96 - 92 = 4, donde R ' R .
Entonces:
2 (Se le resta al Xmn, esto es: 40 - 2 = 38
x = 4
2 (Se le suma al X mx, esto es: 132 + 2 = 134
OBSERVACIN:
a) Si la diferencia es nmero par, se reparte equitativamente entre el primero

y ltimo dato:
Ejemplo:
2 (Se le resta al primer dato).
x = 4
2 (Se le suma al ltimo dato)
b) Si la diferencia es un nmero impar, se reparte en dos nmeros consecuti-

vos el menor para el primer dato y el mayor para el ltimo dato.
Ejemplo:
x = 3

x = 5

x = 7
7. Determinacin de la frecuencia de clase, que consiste en determinar el

nmero de observaciones que caen dentro de cada intervalo de clase.
EJEMPLO:
Con la informacin del ejemplo anterior referente a los datos sobre el nmero
de alpacas que posee un comunero del sector aymara que corresponde a 40 familias.
Construir la tabla de distribucin de frecuencias.
TABLA 3.7: DISTRIBUCIN DE FRECUENCIA DE LAS ALPACAS DEL SEC-

TOR AYMARA.
* * *
Int. De clase ni Ni Yi hi Hi hix100 Hix100 Ni H i 100xH i
38 - 54 2 2 46 0.050 0.050 5.0 5.0 40 1.000 100
54 - 70 6 8 62 0.150 0.200 15.0 20.0 38 0.950 95.0
70 - 86 13 21 78 0.325 0.525 32.5 52.5 32 0.800 80.0
86 - 102 9 30 94 0.225 0.750 22.5 75.0 19 0.475 47.5
102 - 118 6 36 110 0.150 0.900 15.0 90.0 10 0.250 25.0
118 - 134 4 40 126 0.100 1.000 10.0 100 4 0.100 10.0
Totales 40 1.000 100
3.2.3. Distribucin de frecuencias con variable cuantitativa discreta.
Cuando los datos no constituyen en intervalos (son discontnuas), en-

tonces el inters del investigador es conocer la distribucin de esta caracterstica a
partir de la informacin recopilada. Entonces una distribucin de frecuencias es un
arreglo de los valores observados Y1, Y2, .... , Yn de la variable Y (poblacin) con sus
respectivas frecuencias que se presenta a continuacin:
TABLA 3.8: DISTRIBUCIN DE FRECUENCIA PARA LA VARIABLE DIS-
CRETA.
* * *
Valores de Yi ni Ni hi Hi hix100 Hix100 N i H i 100xH i
* * *
Y1 n1 N1 h1 H1 h1x100 H1x100 N 1 H 1 100xH 1
* * *
Y2 n2 N2 h2 H2 h2x100 H2x100 N 2 H 2 100xH 2
* * *
Y3 n3 N3 h3 H3 h3x100 H3x100 N3 H 3 100xH 3
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
* * *
Ym nm Nm hm Hm 100xhm Hmx100 N m H m 100xH m
m m
Totales n = n
i=1
i h =1
i=1
i 100
Donde:
Yi = Son los valores de la variable.
ni = Son frecuencias absolutas.
Ni = Son frecuencias absolutas acumuladas (o menor que).
hi = Son frecuencias relativas.
Hi = Son frecuencias absolutas acumuladas.
Ni* = Frecuencia absoluta acumulada mayor que.
Hi* = Frecuencia relativa acumulada mayor que.
100xhi = Frecuencia relativa porcentual.
100xHi = Frecuencia relativa acumulada porcentual.
100xHi* = Frecuencia relativa acumulada porcentual.
EJEMPLO:
Se recolect muestras para la evaluacin de tres acaricidas para el control de la

sarna sarcptica (Sarcoptes scabie var. aucheniae) en alpacas jvenes y adultos del
CIP - La Raya, para esto se ha tomado en cuenta la duracin del perodo: larval,
ninfas y adultos hasta el 10mo. da del primer tratamiento, usndose los siguientes
productos veterinarios: A1: Diazinn 15% + Cypermetrina 5%, A2: Diazinn 60%,
A3: Lindano 16% + Cypermetrina 4% y A4: grupo control. La informacin se pre-
senta a continuacin:
8 8 5 6 1 7 4 7 7 2 5 0 10 4 5 3 6 5 5 10
7 9 0 7 4 4 7 9 7 5 9 9 0 5 6 10 3 9 4 8
2 4 8 10 9 4 9 8 1 5 10 0 0 0 9 2 6 6 5 6
n = 90
7 6 6 10 7 0 7 10 6 0 2 9 3 3 5 8 5 6 8 9
1 3 8 0 7 10 7 0 5 7

b) Interprete los resultados.
TABLA 3.9: DISTRIBUCIN DE LA FRECUENCIA ABSOLUTAS PARA LA

EVALUACIN DE TRES ACARICIDAS EN LAS ALPACAS.
Sarna Sarcptica
(Yi ) Conteo Frec. Abs oluta (n i )
0 n 1 = 10
1 /// n2 = 3
2 //// n3 = 4
3 n4 = 5
4 // n5 = 7
5 // n 6 = 12
6 n 7 = 10
7 /// n 8 = 13
8 /// n9 = 8
9 n 10 = 10
10 /// n 11 = 8
Totales n = 90
TABLA 3.10: DISTRIBUCIN DE LA FRECUENCIA PARA LA EVALUACIN
DE TRES ACARICIDAS EN LAS ALPACAS DEL CIP. - LA RAYA.
Sarna Sarcptica
* * *
(Yi) ni Ni hi Hi hix100 Hix100 Ni Hi 100xH i
0 10 10 0.111 0.111 11.11 11.11 90 1.000 100.00
1 3 13 0.033 0.144 3.333 14.44 80 0.889 88.89
2 4 17 0.044 0.189 4.444 18.89 77 0.856 85.56
3 5 22 0.056 0.244 5.556 24.44 73 0.811 81.11
4 7 29 0.078 0.322 7.778 32.22 68 0.756 75.56
5 12 41 0.133 0.456 13.33 45.56 61 0.678 67.78
6 10 51 0.111 0.567 11.11 56.67 49 0.544 54.44
7 13 64 0.144 0.711 14.44 71.11 39 0.433 43.33
8 8 72 0.089 0.800 8.889 80.00 26 0.289 28.89
9 10 82 0.111 0.911 11.11 91.11 18 0.200 20.00
10 8 90 0.089 1.000 8.889 100.00 8 0.089 8.89
11 11
Total n
i =1
i = 90 h =1
i=1
i 100
INTERPRETACIN:
n1 = 10, significa que 10 alpacas no tienen sarna sarcptica al 10mo. da del

primer tratamiento, usando productos veterinarios.
n6 = 12, significa que 12 alpacas estn infectadas con 5 acaricidas de sarna.
N13 = 13, significa que hay 13 alpacas con 1 menos que estn infectadas con
sarna.
N1* = 90, significa que las alpacas jvenes y adultas tienen sarna entre 0 y 10
larvas, ninfas y adultas inclusive.
EJEMPLO:
Construya una tabla de frecuencias para los datos que corresponden a 42 rebaos
de ovinos; registrndose el nmero de ovinos muertos por rebao, durante el perodo
de invierno de 1999 en el Centro Experimental Chuquibambilla.
Nmero de Ovinos muertos.

9 8 7 2 3 9 0 9 2 4 5 7 8 1
6 4 3 4 0 1 6 3 9 1 7 2 2 6 n = 42
4 2 8 2 2 4 5 6 1 3 3 3 7 4
SOLUCION:
TABLA 3.11: DISTRIBUCIN DE FRECUENCIA PARA LOS OVINOS MUER-

TOS POR REBAO EN EL PERODO DE INVIERNO DE 1999.
N ov. Muert. N rebao

* * *
0 2 2 0.05 0.05 5 5 42 1.0000 100.00
1 4 6 0.10 0.14 10 14 40 0.9524 95.24
2 7 13 0.17 0.31 17 31 36 0.8571 85.71
3 6 19 0.14 0.45 14 45 29 0.6905 69.05
4 6 25 0.14 0.60 14 60 23 0.5476 54.76
5 2 27 0.05 0.64 5 64 17 0.4048 40.48
6 4 31 0.10 0.74 10 74 15 0.3571 35.71
7 4 35 0.10 0.83 10 83 11 0.2619 26.19
8 3 38 0.07 0.90 7 90 7 0.1667 16.67
9 4 42 0.10 1.00 10 100 4 0.0952 9.52
10 10
Total n = 42
i =1
i h =1
i=1
i 100
INTERPRETACIN:
n3 = 7, significa que en 7 rebaos hay 2 ovinos muertos en el pero de invierno

de 1999.
N5 = 25, significa que en 25 rebaos, hay 0, 1,2,3, y 4 ovinos muertos en el

perodo de invierno de 1999.
h4 = 0.14, significa la proporcin de rebaos en la muestra que tiene 3 ovinos

muertos por rebao, la cual expresado en porcentaje es 14%.
h5x100 = 14%, porcentaje de rebaos con 4 ovinos muertos en el perodo de

invierno de 1999 siginifica que en el 14% de majadas hay 4 ovinos
muertos en el perodo de invierno de 1999.
100xH7 = 75%, es el porcentaje de rebaos en la muestra, por lo menos 6 ovinos

muertos en el perodo de invierno de 1999.
N1* = 42, significa que en la encuesta hay 0 y 9 ovinos muertos inclusive en el

perodo de invierno de 1999.
N2* = 40, significa que en la encuesta hay 40 rebaos que tienen por lo menos 1
ovino muerto.
PROPIEDADES DE LAS FRECUENCIAS.
1) Las frecuencias absolutas (ni) y las frecuencias absolutas acumuladas (Ni) son
siempre enteros no negativos.
n i 0, N i 0 y N *i 0 para i = 1,2,...., m
2) La suma de todas las frecuencias absolutas es igual al nmero total del conjun-
to de observaciones.
m
n
i =1
i = n1 + n 2 +L+ n m = n
3) Las frecuencias relativas (hi) y las frecuencias relativas acumuladas (Hi) son
siempre nmeros fraccionarios no negativos, no mayores que uno.
0 h i 1, 0 H i 1 y 0 H *i 1 para i = 1, 2, ...., m
4) La frecuencia absoluta acumulada menor que correspondiente al valor Xm co-

incide con el nmerto total del conjunto de observaciones.
m
N m = n i = n.
i =1
5) La frecuencia absoluta acumulada mayor que correspondiente al valor X1 coin-
cide con el nmero total del conjunto de datos.
m
N 1* = n i = n.
i =1
6) La frecuencia relativa acumulada menor que correspondiente al valor Xm co-

incide con la unidad.
m
H m = hi = 1
i =1
7) La frecuencia relativa acumulada mayor que correspondiente al valor X1 coin-

cide con la unidad.
m
H 1* = h
i =1
i =1
8) La frecuencia absoluta acumulada menor que correspondiente al valor Y1 es n1

1
N1 = n
i =1
i =1
9) La frecuencia absoluta acumulada mayor que correspondiente al valor Xm es
n m.
m
N*m = ni = n m
i=m
10) La frecuencia relativa acumulada menor que correspondiente al valor X1 es h1
es:
1
H 1 = h i = h1
i =1
11) La frecuencia relativa acumulada mayor que correspondiente al valor Xm es
h m.
m
H*m = hi = h m
i=m
3.2.4. DATOS DE VARIABLES CUALITATIVAS.
Cuando se tiene la informacin de tipo cualitativo, la forma de presen-

tar la tabla de distribucin de frecuencias es la siguiente:
TABLA 3.12: DISTRIBUCIN DE FRECUENCIA DE VARIABLES CUALITA-

TIVAS.
Frec. Absoluta Frec. Relativas Frec. Rel. Porcentual

Variable ni hi 100xhi
Caracterstica A nA hA 100xhA
Caracterstica B nB hB 100xhB
... ... ... ...
... ... ... ...
Caracterstica Z nZ hZ 100xhZ
Totales n 1 100%
EJEMPLO:
En el Centro de Investigacin y Produccin La Raya, se encontr 860 alpacas de

la Raza Huacaya de diferentes colores para estudiar las variedades de las mismas y
stos datos se presentan en la tabla siguiente:
Colores Blanco LF Caf Negro Total

Frecuencias 390 170 250 50 860
SOLUCION:
TABLA 3.13: DISTRIBUCIN DE FRECUENCIA POR COLORES DE ALPACAS
Frec. Absoluta Frec. Abs. Acum. Frec. Relativ.

Colores ni Ni hi hi x100
Blanco 390 390 0.4535 45.35
LF 170 560 0.1977 19.77
Caf 250 810 0.2907 29.07
Negro 50 860 0.0581 5.81
Total 860 1 100
INTERPRETACIN:
- El 45.3% de las alpacas corresponden al color blanco en el CIP - La Raya.

- El 5.8% de las alpacas corresponden al color negro en el CIP - La Raya.
3.2.5. DIAGRAMA DE HOJAS Y TALLOS.
La tcnica para presentar datos numricos conocida como representa-

cin tallo-hoja (Stem-and-leaf), ha ganado popularidad recientemente y sirve para
datos cuantitativos, y es til cuando el nmero total de observaciones es pequeo
(menor de 50). Esta tcnica es una combinacin de dos procedimientos: uno grfico
y otro de ordenacin. Los principios bsicos para construir son los siguientes:
a) Redondear los datos a dos o tres cifras significativas, expresndolos en unida-

des convenientes.
b) Disponerlos en una tabla con dos columnas separadas por una lnea como
sigue:
i. Para datos con dos dgitos, escribir a la izquierda de la lnea los dgitos de
las decenas, que forman el tallo, y a la derecha las unidades que sern las
ramas. Por ejemplo 89 se escribe:
Tallo Hoja
8 9
ii. Para datos con tres dgitos el tallo estar formado por los dgitos de las
centenas y decenas, que se escribirn a la izquierda, separados de las unida-
des. Por ejemplo: 349
Tallo Hoja
34 9
c) Cada tallo define una clase, y se escribe slo una vez. El nmero de hojas
representa la frecuencia de dicha clase, que se ubica en una tercera columna
del diagrama.
EJEMPLO:
Los siguientes datos representan la longitud de fibra (cm) de 16 alpacas de un

rebao.
11.692 13.855 11.712 12.542 16.585 13.185 16.621 18.410
16.832 14.620 18.612 10.685 17.631 15.713 10.120 14.923
Construir un diagrama de hojas y tallos.
SOLUCION:
Los datos redondeados estn expresados como:

117 139 117 125 166 132 166 184
168 146 186 107 176 157 101 149
TABLA 3.14: DIAGRAMA DE TALLOS Y HOJAS DE LA LONGITUD DE FI-

BRA (cm) EN ALPACAS.
T allo s Ho jas Frec u e n cia

10 71 2
11 77 2
12 5 1
13 92 2
14 69 2
15 7 1
16 668 3
17 6 1
18 46 2
n = 16
EJEMPLO:
Construir una representacin Tallo-Hoja para el siguiente conjunto de 20 califi-

caciones de exmenes.
82 74 88 66 58 74 78 84 96 76
62 68 72 92 86 76 52 76 82 78
SOLUCION:
TABLA 3.15: DIAGRAMA DE TALLOS Y HOJAS DE LAS 20 CALIFICACIO-

NES DE EXAMENES.
Tallo Hoja Frecuencia

5 82 2
6 628 3
5 tallos 7 44862668 8
8 28462 5
9 62 2
n = 20
Diagramas de Doble Tallo y Hojas. Existen dos formas de realizar:
a) Se debe considerar los nmeros 0, 1, 2, 3 y 4 colocando con un *

b) Otro grupo de nmeros que se debe tomar en cuenta es: 5,6,7,8 y 9, para lo
cual se debe colocar con diferente smbolo .
EJEMPLO:
Con la informacin que corresponde a 20 calificaciones de exmenes de los

estudiantes. Construir el diagrama doble de tallos-hojas.
TABLA 3.16: DIAGRAMA DE DOBLE TALLO Y HOJAS DE LOS 20 CALIFI-
CACIONES DE EXAMENES DE LOS ESTUDIANTES.
Tallo Hoja Frecuencia

5* 2 1
5 8 1
6* 2 1
6 68 2
7* 442 3
7 86668 5
8* 242 3
8 86 2
9* 2 1
9* 6 1
n = 20
VENTAJAS DE LOS DIAGRAMAS DE HOJAS Y TALLOS.
- Es flexible en cuanto a poder incluir datos extremos sin perder el grado de

detalle en el resto de los datos.
- Permiten percibir caractersticas de los datos que a veces los intervalos cu-
bren.
- Los diagramas de tallos y hojas conservan los datos originales, por lo que es
fcil identificar algn dato particular si lo quisiramos.
- No necesita algn grfico adicional para percibir la forma de la distribucin.
DESVENTAJAS:
- No es una representacin prctica para cantidades volmenes de informa-

cin que se pueda disponer.
3.3. MTODOS AUTOMATIZADOS (Statgraphics).
En este parte vamos a analizar con el software estadstico ms usual que per-
mite realizar los clculos y representaciones con las distribuciones y anlisis de va-
riabilidad. Como en todo texto, se tendrn en cuenta los paquetes STATGRAPHICS
v4.0, MINITAB v12.0 y SPSS v9.0, dado que son los ms apropiados en el mercado
para el trabajo en las estadsticas descriptivas.
STATGRAPHICS, LA DISTRIBUCIN DE FRECUENCIAS.
Los paquetes de estadstica bajo entorno Windows ofrecen grficos desde ven-
tanas desplegables, pero en el caso de STATGRAPHICS, se pueden presentar grfi-
cos interactivos asociados a todos los procedimientos estadsticos, a los que se puede
acceder con una sola tecla de ratn. El hecho de que los grficos sean interactivos
significa que realmente se pueden consultar los datos y personalizar los grficos
eligiendo a medida las fuentes, colores y tamao. Los grficos pasan a ser una herra-
mienta analtica en lugar de un medio de presentacin. Se puede identificar un punto
sobre un grfico y preguntar por su localizacin en el fichero de datos correspondien-
te. Se pueden presentar sobre los grficos los diferentes puntos obtenidos cuando se
aade una variable adicional al anlisis. Se pueden rotar los grficos para poder
explorar sus datos desde varias perspectivas. Tambin se pueden explorar los datos
implicados en un anlisis rpida y fcilmente, descubriendo nuevas relaciones entre
ellos mientras sus grficos son mostrados sucesivamente en la pantalla a la vez que
se realizan los respectivos cambios en la edicin de los datos.
STATGRAPHICS, presenta un valor aadido esencial en un paquete de soft-

ware estadsticos, que consiste en un intrprete (StatAdvisor) que analiza las salidas
obtenidas determinando si los resultados son estadsticamente significativos o no y
subrayando cualquier tipo de anomalas en el anlisis. Estamos ante una ayuda para
la interpretacin de las salidas de los anlisis que resulta vital en el campo de la
estadstica y que aade credibilidad a los estudios estadsticos mediante la impresin
de los juicios de un intrprete experto al lado de los resultados.
Al igual que otros software estadsticos, STATGRAPHICS, se distribuye en

mdulos. El mdulo bsico incluye toda la estadstica descriptiva, regresin, anlisis
de varianza, anlisis exploratorio de datos, ajuste de distribuciones, tabulaciones
cruzadas, grficos, etc. El mdulo bsico es necesario para la instalacin de cual-
quier otro mdulo, pero la ampliacin depender de las necesidades y posibilidades
del usuario. Los mdulos actuales de ampliacin comprenden control de calidad,
diseo de experimentos, series temporales, tcnicas especiales de regresin y mto-
dos multivariantes avanzados.
La instalacin de software estadstico Statgraphics es fcil en los entornos

Windows, tal como se presenta la presentacin en la siguiente figura:
Supongamos que comenzamos una nueva sesin con STATGRAPHICS, en

ese momento estamos situados en la ventana de aplicacin de programa, y no tene-
mos ningn fichero en memoria de trabajo, por lo que el icono relativo al nombre del
fichero activo (icono de la barra de trareas situado en la parte inferior de la ventana
de aplicacin que presenta una rejilla a su izquierda) est etiquetado con el texto
<Untitled>, tal como se presenta a continuacin:
A partir de este momento ya podemos introducir los datos del fichero. Cada
columna de la hoja de clculo es una variable, cuyo nombre se introduce en la prime-
ra celda de dicha columna (las variables por defecto son Col_1, Col_2, Col_3, ...).
Desde este momento se trabaja sobre el fichero de la misma forma en que se trabaja
sobre cualquier hoja de clculo en el entorno Windows. Se asumir que los usuarios
estn familiarizados con el ingreso de datos y manejo de archivos
A continuacin, se proceder a recuperar a la memoria del computador el

archivo llamado velln, con las siguientes opciones File a Open a Open Data
File (buscar el archivo: velln), para una mejor ilustracin de stas opciones, se
presentan a continuacin:
El archivo Velln, tiene dos variables (lome y lofi), que ya estn ingresados dentro de
la hoja de trabajo del Statgraphics, tal como se presenta en la figura siguiente:
STATGRAPHCIS, mediante la opcin Describe de la barra de men princi-
pal, permite analizar y resumir una distribucin de frecuencias, posibilitando tabular
los datos adecuadamente, hallar medidas de posicin, dispersin y asimetra para los
mismos, calcular intervalos de confianza y realizar contrastes de hiptesis. As mis-
mo permite realizar grficos de barras, sectores, histogramas de frecuencias, etc., en
forma de paso a paso (Describe a Numeric Data a One-Variable Analysis) se
presenta en la siguiente Figura.
Resumen estadstico para variables numricas unidimensionales.
La subopcin One-variable Analysis de la opcin Numeric Data del men

Describe va a permitir el clculo de medias, varianzas, desviaciones tpicas, errores
estndar, medianas, modas, medias geomtricas, mnimos, mximos, rangos, cuartiles
inferiores, cuartiles superiores, rangos intercuartlicos, coeficiente de asimetra y
curtosis, coeficientes de asimetra y curtosis estandarizados, coeficiente de variacin
y suma de valores para una o ms variables.
La pantalla de entrada de la subopcin se presenta en la siguiente figura. En
el campo DATA de esta pantalla se introduce el nombre de las variable que contiene
los datos para aplicarles el clculo de los estadsticos descriptivos. En nuestro caso
utilizaremos como ejemplo la variable LOME del fichero Velln, que previamente
ha de ser cargado en memoria con la subopcin Open Data File de la opcin Open
del Men File. En el campo Select se puede introducir un operador de seleccin de
STATGRAPHICS que acote el conjunto de valores de la variable introducida en el
campo Data.
Al pulsar el botn OK, se obtiene el resumen de los datos con el nmero de

valores de la variable, su dominio de definicin y un mensaje del intrprete de resul-
tados StatAdvisor, que se presenta a continuacin:
Para obtener ms informacin de las diferentes estadsticas de medidas de

tendencia central, dispersin, medidas de asimetra, apuntamiento kurtosis y otras
estadsticas, presione con el botn izquierda del mouse a uno de los siguiente iconos
(de preferencia los tres iconos: Ingreso de dilogo, Opcin tabular y Opciones de
Grficos) que se presenta a continuacin:
TABLAS DE FRECUENCIAS.
Una vez modificada en la opcin tabular a Frecuency Tabulation que se pre-

senta en seguida, permite resumir la distribucin de los datos en una tabla de fre-
cuencias absolutas, relativas, absolutas acumuladas y relativas acumuladas.
Una vez presionada con el botn a la opcin OK, se presenta a continuacin

la tabla de distribucin de frecuencias para la variable LOME:
En la figura anterior, se puede observar que el lmite inferior del primer inter-
valo de clase es cero (0), y el lmite superiro del ltimo intervalo de clase es 20, pero
esto no es cierto, ya que en la variable LOME el dato mnimo es 2.3 y el dato mximo
es 17.3, entonces necesitamos modificar los lmites de clase inferior del primer inter-
valo y superior del ltimo intervalo, adems el nmero de intervalos.
Si estando situados sobre la salida anterior pulsamos el botn derecho del

mouse y elegimos la opcin Pane Options del men emergente resultante, tal como
se presenta a continuacin:
Una vez pulsado el botn del mouse en la opcin Pane Options, obtenemos la
caja de dilogo Frequency Tabulation Options, en cuyo campo Number of Classes se
puede introducir el nmero de intervalos de clase para agrupar los datos de la distri-
bucin. En el campo Lower Limit se introduce el lmite inferior de la primera clase,
en el campo Upper Limit se introduce el lmite superior de la ltima clase, y el campo
Hold se seala cundo se quiere mantener la definicin actual de clase para la si-
guiente tabla de frecuencias que se realice, stas opciones se presenta a continuacin:
Si en el campo Lower Limit se introduce el lmite inferior de la primera clase

el valor mmino (2.2) y en el campo Upper Limit se introduce el lmite superior de la
ltima clase el valor mximo (17.4) y pulsamos el botn OK, la tabla de frecuencias
para LOME queda como sigue.
DIAGRAMA DE TALLO Y HOJAS (Stem-and-Leaf)
La opcin tabular Stem-and-Leaf Display, permite mostrar el diagrama de

tallo y hojas para una variable. Para la variable LOME tenemos en seguida:
mouse y elegimos la opcin Pane Options del men emergente, obtenemos la caja de
dilogo Stem-and-Leaf Display Options, cuyo campo Flag Outliers permite marcar
valores atpicos en el diagrama.
OPCIONES GRFICAS: Grfico de dispersin, histogramas y grficos

de normalidad.
Como en todo anlisis con STATGRAPHICS, en la barra de herramientas de

anlisis, se pueden elegir dos iconos esenciales, el icono Tabular Options (segundo
icono por la izquierda) y el icono Graphical Options (tercer icono por la izquierda),
que permiten manejar todas las subopciones tabulares y grficas respectivamente
para el anlisis. En nuestro caso el icono Graphical Options nos lleva a las opciones
reflejadas en la pantalla de la siguiente manera:
Las opciones Scatterplot, Box-and-Wisker Plot, Frequency Histogram y Nor-

mal Probability Plot permiten realizar para la variable dada el diagrama de disper-
sin, el grfico exploratorio de caja y bigotes, los histogramas de frecuencias y el
grfico normal de probabilidad respectivamente.
Histograma de Frecuencias.
La opcin grfica Frequency Histogram de la figura anterior, permite realizar

histograma de frecuencias apra la variable seleccionada. Para la variable LOME
tenemos el histograma de frecuencias que se muestra en seguida. Si situados en el
histograma, se pulsa el botn derecho del mouse (ratn) y se elige la opcin Pane
Options en el men emergente resultante, se obtiene la caja de dilogo Frequency
Plot Options que permite cambiar lmites y nmero de clases y elegir frecuencia
relativa, frecuencia acumulada polgono. Tal como se presenta a continuacin:
Grfico normal de probabilidad
La opcin grfica Normal Probability Plot, permite realizar el grfico de nor-

malidad para la variable seleccionada (valores de la variable en el eje X y frecuencias
relativas acumuladas en el eje Y). Si la normalidad fuese perfecta la grfica resultan-
te sera la diagonal. Mientras ms se aproxime la grfica a la diagonal ms normali-
dad existir en la distribucin de la variable. Para la variable LOME tenemos el
grfico de normalidad que se presenta a continuacin:
Realizando con Sistema de Anlisis Estadstico (SAS), se tiene

el procedimiento CAPABILITY de SAS/QC en su forma ms sencilla,
de la forma siguiente:
DATA VELLON;
OPTIONS NODATE NOCENTER NONUMBER;
LABEL LOME = Longitud de Mecha (cm);
INPUT LOME @@;
CARDS;
6.4 3.7 7.1 8.5 8.6 7.4 7.5 8.1 7.1 8.3
8.8 6.9 11.0 13.0 13.9 12.3 11.4 14.5 12.0 11.4
16.9 13.4 11.3 13.4 10.3 12.9 8.0 8.9 6.4 12.3
12.0 11.6 11.6 14.0 9.1 15.6 14.6 12.8 17.3 14.9
8.3 7.4 7.6 6.5 7.1 7.5 6.3 10.8 9.8 13.0
13.4 10.0 10.3 9.5 15.1 10.8 8.5 11.5 9.5 5.0
2.3 5.4 4.0 11.3 12.1 6.3 6.4 9.0 11.9 11.1
13.1 10.4 10.3 5.3 9.8 7.9 12.3 8.0 6.0 13.1
5.0 7.5 9.4 6.5 11.8 12.8 8.3 9.4 11.3 9.5
11.8 9.4 14.6 14.3 15.1 16.0 11.3 14.4 14.6 13.0
;
PROC PRINT; RUN;
PROC CAPABILITY DATA = VELLON NORMALTEST FREQ;
VAR LOME;
RUN;
/* Presione F3 para ejecutar el Programa */
Una vez ejecutado el programa obtenemos la salida que se presen-

ta a continuacin en la que se expresan los estadsticos ms importantes:
The SAS System
CAPABILITY
Variable=LOME Longitud de mecha (cm)
Moments Quantiles(Def=5)
N 100 Sum Wgts 100 100% Max 17.3 99% 17.1

Mean 10.251 Sum 1025.1 75% Q3 12.8 95% 15.1
Std Dev 3.180575 Variance 10.11606 50% Med 10.3 90% 14.55
Skewness -0.05824 Kurtosis -0.57913 25% Q1 7.75 10% 6.35
USS 11509.79 CSS 1001.49 0% Min 2.3 5% 5.15
CV 31.02698 Std Mean 0.318058 1% 3
T:Mean=0 32.23002 Pr>|T| 0.0000 Range 15
Sgn Rank 2525 Pr>=|S| 0.0000 Q3-Q1 5.05
Num ^= 0 100 Mode 11.3
W:Normal 0.978305 Pr<W 0.4403
Extremes
Lowest Obs Highest Obs

2.3( 61) 15.1( 95)
3.7( 2) 15.6( 36)
4( 63) 16( 96)
5( 81) 16.9( 21)
5( 60) 17.3( 39)
CAPABILITY
Variable=LOME Longitud de mecha (cm)
Frequency Table
Percents Percents Percents

Value Count Cell Cum Value Count Cell Cum Value Count Cell Cum
2.3 1 1.0 1.0 8.6 1 1.0 35.0 12 2 2.0 70.0
3.7 1 1.0 2.0 8.8 1 1.0 36.0 12.1 1 1.0 71.0
4 1 1.0 3.0 8.9 1 1.0 37.0 12.3 3 3.0 74.0
5 2 2.0 5.0 9 1 1.0 38.0 12.8 2 2.0 76.0
5.3 1 1.0 6.0 9.1 1 1.0 39.0 12.9 1 1.0 77.0
5.4 1 1.0 7.0 9.4 3 3.0 42.0 13 3 3.0 80.0
6 1 1.0 8.0 9.5 3 3.0 45.0 13.1 2 2.0 82.0
6.3 2 2.0 10.0 9.8 2 2.0 47.0 13.4 3 3.0 85.0
6.4 3 3.0 13.0 10 1 1.0 48.0 13.9 1 1.0 86.0
6.5 2 2.0 15.0 10.3 3 3.0 51.0 14 1 1.0 87.0
6.9 1 1.0 16.0 10.4 1 1.0 52.0 14.3 1 1.0 88.0
7.1 3 3.0 19.0 10.8 2 2.0 54.0 14.4 1 1.0 89.0
7.4 2 2.0 21.0 11 1 1.0 55.0 14.5 1 1.0 90.0
7.5 3 3.0 24.0 11.1 1 1.0 56.0 14.6 3 3.0 93.0
7.6 1 1.0 25.0 11.3 4 4.0 60.0 14.9 1 1.0 94.0
7.9 1 1.0 26.0 11.4 2 2.0 62.0 15.1 2 2.0 96.0
8 2 2.0 28.0 11.5 1 1.0 63.0 15.6 1 1.0 97.0
8.1 1 1.0 29.0 11.6 2 2.0 65.0 16 1 1.0 98.0
8.3 3 3.0 32.0 11.8 2 2.0 67.0 16.9 1 1.0 99.0
8.5 2 2.0 34.0 11.9 1 1.0 68.0 17.3 1 1.0 100.0
EJERCICIOS PROPUESTOS 3.1
1. Los siguientes datos corresponden al peso vivo (kg) de las borregas criollas de 4
aos de edad en el Centro de Investigacin y Produccin Chuquibambilla de la
UNA-Puno, (1998).
37 42 35 37 35 35 29 34 29 38
43 34 34 38 36 33 34 34 41 28
28 39 35 32 38 34 36 42 33 41
40 35 36 37 40 36 32 26 38 34
37 32 31 31 39 31 29 32 42 31 n = 97
33 32 37 31 30 30 38 34 33 33
35 28 36 43 30 32 38 40 42 30
32 31 30 27 34 28 30 33 37 31
32 32 35 32 33 31 36 39 38 37
34 42 36 32 36 31 36
Se pide:
a) Elaborar una tabla completa de distribucin de frecuencias.
b) Interpretar algunos valores de las frecuencias encontradas.
2. Los siguientes datos corresponden a las vicuas hembras adultas que han sido
esquilados en el criadero de vicuas del Comit Comunal de Manejo de Vicuas
de Cala - Cala, (1998), y las variables registradas son: Peso vivo (kg), Peso velln
(kg) y dimetro de fibra (micras).
Pes o v iv o (kg) 26.0 34.2 26.5 38.1 38.2

40.0 31.2 35.8 30.4 33.6
33.7 41.8 39.6 42.5 36.4
36.0 23.5 24.3 33.1 32.2
Pes o v ell n (kg ). 0.27 0.18 0.11 0.18 0.16
0.25 0.15 0.13 0.20 0.13
0.24 0.15 0.13 0.20 0.12
0.24 0.21 0.21 0.20 0.11
Dimetro d e fibra 18.06 14.49 16.34 14.90 15.07
(micras ) 14.11 15.07 14.14 14.98 14.84
19.46 13.16 15.37 15.74 12.47
11.53 16.00 14.92 14.59 14.13
Se pide realizar para las variables: Peso vivo (kg), Peso velln (kg) y dimetro de
fibra (micras).
b) Construir los histogramas de frecuencias, polgono de frecuencias, ojivas
c) Comprobar con el software estadstico STATGRAPHICS.
d) Interpretar algunos valores de las frecuencias encontradas.
3. Los siguientes datos corresponden a las vicuas hembras adultas que han sido
esquilados en el criadero de vicuas de la Reserva Nacional de Pampa Galeras
(Ayacucho) (1998).
Peso vivo (kg) 33 38 32 36 35

35 35 34 37 33
35 35 35 37 35
34 38 37 36 37
Peso velln (kg). 0.25 0.20 0.19 0.19 0.24

0.35 0.23 0.26 0.29 0.24
0.23 0.20 0.21 0.21 0.28
0.24 0.30 0.27 0.20 0.23
Dimetro de fibra 14.18 12.76 13.67 14.51 14.38

(micras) 14.33 13.01 13.08 14.18 13.61
14.33 14.01 13.16 13.53 13.64
13.11 15.19 16.19 14.09 14.07
Se pide realizar para las variables: Peso vivo (kg), Peso velln (kg) y dimetro de
fibra (micras).
b) Graficar los histogramas de frecuencias, polgono de frecuencias y ojivas
c) Comprobar con el software estadstico STATGRAPHICS.
d) Interpretar algunos valores de las frecuencias encontradas.
4. Se realiz el anlisis de sangre para las variables HEMATOCRITO, ERITROCITOS

y HEMOGLOBINA en el Laboratorio de Bio-qumica de la F.M.V.Z.-UNA - Puno,
las muestras fueron procedentes de las alpacas de la raza Huacaya y Suri del
Centro de Investigacin y Produccin La Raya de las clases (cras, tuis y adultos)
y de ambos sexos (2000), obtenindose los siguientes resultados:
RAZA HUACAYA: HEMATOCRITO

33.0 31.0 31.0 33.0 34.0 33.0 30.0 33.0 31.0 32.0
28.0 31.0 28.0 29.0 29.0 34.0 30.0 30.0 30.0 31.0
32.0 33.0 34.0 32.0 33.0 29.0 30.0 29.0 29.0 29.0
RAZA SURI: HEMATOCRITO

33.0 36.0 36.0 34.0 34.0 37.0 36.0 35.0 38.0 35.0
31.0 32.0 31.0 27.0 28.0 30.0 30.0 29.0 30.0 31.0
30.0 35.0 35.0 31.0 32.0 30.0 28.0 30.0 27.0 30.0
RAZA HUACAYA: ERITROCITOS

14.50 15.00 13.50 14.00 14.80 14.00 14.50 15.00 12.50 13.25
18.35 17.40 17.15 19.10 17.20 18.55 19.00 17.00 17.55 16.10
19.25 18.20 18.35 20.10 18.15 14.00 13.55 11.45 12.15 12.15
RAZA SURI: ERITROCITOS

22.10 24.70 25.05 27.00 25.75 22.10 22.05 25.00 24.00 23.00
15.50 15.35 16.10 14.80 14.20 22.10 21.80 22.20 20.20 21.80
21.50 20.00 20.55 21.30 23.00 22.85 20.30 21.00 20.90 19.00
RAZA HUACAYA: HEMOGLOBINA

13.09 13.83 12.38 14.21 13.83 13.45 12.04 13.83 13.83 12.0
13.45 13.45 13.27 13.45 13.27 14.21 13.27 12.73 13.45 12.7
14.60 15.42 14.21 13.83 14.60 12.38 13.83 12.04 13.09 13.4
RAZA SURI: HEMOGLOBINA

13.09 14.60 14.60 13.83 13.09 13.09 12.73 13.45 14.60 13.4
12.91 12.56 13.27 10.60 12.21 14.60 14.21 13.09 13.27 13.4
12.91 15.01 15.63 14.02 14.60 13.45 11.88 13.27 11.22 13.0

b) Graficar los histogramas, polgono de frecuencias y relativas y ojivas.
c) Comparar para cada una de las variables, entre razas de alpacas (H y S).
d) Interpretar valores de las frecuencias relativas.
5. Los datos corresponden a las variables de: Frecuencia Respiratoria, Frecuencia
cardaca, Frecuencia de Pulso y Temperatura Corporal de las llamas de tipo: Chacu
y Kra de ambos sexos y de las clases cras, jvenes y adultos. Las muestras fueron
tomadas de las llamas de Quimsachata INIA-Puno (2000), obtenindose los si-
guientes resultados:
FRECUENCIA RESPIRATORIA (minutos)

34 30 36 34 32 31 32 35 37 34
26 28 30 25 26 29 30 24 22 27
20 16 19 20 24 19 21 23 18 18
34 30 36 34 33 32 34 35 31 34
26 29 27 28 24 28 25 26 26 28
16 16 15 19 20 17 16 20 19 16
34 35 38 33 30 36 36 34 32 37
26 28 25 26 26 28 24 22 27 26
16 16 20 19 16 20 16 19 20 24
34 32 35 37 34 33 30 36 36 34
26 26 29 30 24 27 28 24 28 25
16 24 19 21 23 20 17 16 20 19
FRECUENCIA CARDACA (minutos)

77 78 75 72 79 73 76 77 74 76
72 70 69 79 70 74 71 71 75 73
60 57 60 61 59 60 63 60 59 62
77 75 80 79 77 76 77 80 74 75
72 76 74 70 76 72 78 74 76 72
60 58 64 60 62 58 62 63 58 61
77 76 77 80 75 75 79 76 78 77
72 72 78 74 76 72 71 75 73 72
60 62 63 58 61 60 57 60 61 59
77 76 77 74 76 80 75 75 79 76
72 70 74 71 71 74 70 76 72 78
60 59 60 63 60 62 58 62 63 58
FRECUENCIA DE PULSO (minutos).

78 80 81 75 82 79 77 76 78 80
73 72 70 81 73 78 76 74 76 76
61 60 65 65 63 63 67 62 60 65
78 76 83 82 79 78 77 81 76 78
73 78 79 74 78 75 79 76 78 75
61 60 68 63 65 62 64 67 63 62
78 78 80 82 78 74 80 76 81 79
73 75 79 76 78 75 74 76 76 73
61 64 67 63 62 61 60 65 65 63
78 77 76 78 80 82 78 74 80 76
73 73 78 76 74 79 74 78 75 79
61 63 63 67 62 65 62 64 67 63
TEMPERATURA CORPORAL (minutos)

38.14 38.15 38.48 38.50 38.40 38.45 38.20 38.10 38.15 38.20
38.28 38.30 38.30 38.20 38.35 38.25 38.42 38.15 38.20 38.30
38.50 38.55 38.40 38.60 38.65 38.60 38.50 38.50 38.45 38.50
38.14 38.05 38.00 38.10 38.20 38.30 38.15 38.30 38.15 38.13
38.28 38.35 38.40 38.46 38.30 38.25 38.29 38.30 38.35 38.15
38.50 38.63 38.52 38.56 38.57 38.49 38.60 38.65 38.57 38.39
38.14 38.12 38.10 38.20 38.18 38.25 38.16 38.14 38.22 38.15
38.28 38.25 38.29 38.30 38.35 38.15 38.15 38.20 38.30 38.28
38.50 38.60 38.65 38.57 38.39 38.50 38.55 38.40 38.60 38.65
38.14 38.20 38.10 38.15 38.20 38.20 38.18 38.25 38.16 38.14
38.28 38.35 38.25 38.42 38.15 38.40 38.46 38.30 38.25 38.29
38.50 38.65 38.60 38.50 38.50 38.57 38.49 38.60 38.65 38.57
a) Construir la tabla completa de distribucin de frecuencias.

b) Graficar los histogramas, polgono de frecuencias y relativas y ojivas.
c) Realizar el diagrama de tallos y hojas para la variable frecuencia de pulso.
d) Realizar el diagrama de tallos y hojas para la variable temperatura corporal.
e) Interpretar valores de las frecuencias relativas.
6. La siguiente tabla de frecuencias presenta el consumo mensual de carne de pollo
en una muestra de 92 familias
Consumo de pollo (kg) Cantidad de familias

2 - 4 15
5 - 7 26
8 - 10 21
11 - 13 18
14 - 16 12
Total = 92
a) Calcule: lmite reales, marcas de clase, frecuencia acumuladas, frecuencias

relativas.
b) Encuentre los siguientes datos:
1. Cuntas familias consumen menos de 7.5 kg. al mes?.
2. Qu porcentaje de familias consume por lo menos 5 kg.?
3. Cuntos kg al mes consume el mayor nmero de familias?
4. Cuntos kg consume la 5ta. familia de mayor consumo?
5. Cuntos kg consume el 50% de las familias?.
7. Se tomaron los pesos de 576 cerdos de la Granja X, obtenindose como marcas

de clase (pesos en kg): 1.85; 2.10; 2.35; 2.60; 2.85; 3.10; 3.35; 3.60; 3.85; 4.10; y
4.35, las frecuencias absolutas correspondientes a las marcas de clases anteriores,
fueron: 3; 60; 20; 40; 140; 150; 120; 70; 20; 5 y 2. Realice el cuadro de distribu-
cin de frecuencias y trace el histograma y polgono de distribucin de frecuen-
cias absolutas y diga que significado tiene: n3, N7, h5, H6 y H4%.
8. Hallar las frecuencias que faltan en el siguiente cuadro de frecuencias:
Intervalos ni hi Hi
- 24 0.15
- 0.25
- 44 0.90
45 -
Total 60
9. Se tiene una distribucin de frecuencias con cuatro intervalos de amplitud cons-
tante para 50 datos:
Intervalos ni hi Hi
- 3 0.08
- 5 0.40
- 12
- 9 0.36
Total
Completar el cuadro de distribucin de frecuencias.
10. Los siguientes datos corresponden a las lecturas de la presin sangunea sistlica
que se hicieron a 58 adultos que se presentaron para un examen fsico:
104 112 128 139 118 132 132 112 106

126 126 115 118 117 116 113 122 123
116 114 129 117 106 124 115 118 123
105 120 146 121 120 102 138 106 113
114 122 116 108 122 112 112 123 116
124 111 121 111 114 123 107 120 120
124 122 134 131
a) Construir un cuadro de distribucin de frecuencias.

b) Analizar algunos valores de las frecuencias halladas.
c) Graficar el histograma de frecuencias, polgono de frec. absolutas y relativas y,
ojivas.
11. A continuacin se presentan las edades (en aos) de un grupo de pacientes con
Carcinoma Cervical, registradas en el Hospital Manuel Nuez Butrn de Puno, en
Enero de 1999.
25 21 31 24 26 27 42 43 22 48
36 24 39 43 38 39 36 37 44 51
79 76 80 75 39 42 41 51 56 44
62 55 61 43 42 38 27 35 53 50
a) Construir un cuadro de distribucin de frecuencias.
b) Analizar algunos valores de las frecuencias halladas.
c) Graficar el histograma de frecuencias, polgono de frec. absolutas y relativas y,
ojivas.
12. En el Centro de Investigacin y Produccin de Chuquibambilla de la UNA, se

llev a cabo un experimento de engorde con alimentacin a base de pastos natu-
rales y la adicin del nutriente biomolecular, para determinar la ganancia de peso
vivo en toretes de diente de leche de la raza Aberdeen Angus (cada 30 das se
inyect por va intramuscular en dosis de 1.5 ml por cada 100 kpv/animal) en el
sistema extensivo. La duracin del experimento fue de 90 das (octubre, noviem-
bre y diciembre de 1998).
302 314 308 272 366 312 284 238 192 408
368 258 306 298 332 289 350 355 285 301
262 325 358 282 345 359 259 289 385 350

b) Graficar el histograma de frecuencias y el polgono correspondiente.
c) Graficar ojivas menor que y mayor que.
d) Interpretar los resultados.
4
ETAPA DE PRESENTACIN
DE DATOS
4.1. REPRESENTACIN TABULAR.
4.1.1. CUADROS ESTADSTICOS.
En general un cuadro estadstico es un arreglo ordenado, de filas y

columnas de los datos o series estadsticas, por tanto tien dos entradas ( o ms de
dos). En ellas pueden representarse caractersticas cualitativas, cuantitativas o una
combinacin de ambas. Se puede tambin considerar variables discretas, contnuas o
de ambos tipos. La finalidad es ofrecer informacin resumida de fcil lectura, com-
paracin e interpretacin. Segn su objetivo, las lneas (horizontales) y columnas
(verticales) de un cuadro se deben organizar de modo que pongan en evidencia los
aspectos que interesa mostrar y resaltar las comparaciones que se desean hacer notar.
La tabla de distribucin de frecuencias es un caso especial de un cuadro estadstico.
- 74 - V. Ibaez Q. Etapa de Presentacin de Datos
4.1.2. PARTES DE UN CUADRO ESTADSTICO
Consiste en la presentacin ordenada de los datos en filas y columnas

con el objeto de facilitar su lectura y posterior anlisis e interpretacin.
Las partes esenciales de un cuadro estadstico son:
1. Nmero.- Es el cdigo de identificacin del cuadro. Este nmero se

escribe a continuacin de la palabra CUADRO.
Ejemplo: Cuadro N 2.3, indica el tercer cuadro del captulo 2.
2. Ttulo.- Es la indicacin que preside a la tabla y es colocada en la

parte superior de la misma. El ttulo debe reunir las condiciones
siguientes: a) Ser completo, b) ser conciso.
a. Ser Completo.- Un ttulo completo debe indicar claramente cul

es el contenido del cuadro estadstico. Debe responder a las pre-
guntas: Qu, Cmo, Dnde y Cundo.
Qu.- A que se refiere la tabla que se estudia. Cul es el universo

que se investiga.
Cmo.- Cmo se estudia, de acuerdo a cules caractersticas se

clasifican los individuos u objetos estudiados. Las variables ubi-
cadas en las filas se identifican con la proposicin POR y las de
la columna con la proposicin SEGN.
Cundo.- Momento o perodo de tiempo a que se refiere el estu-

dio.
Dnde.- Lugar a que se refiere la informacin.
b. Ser conciso.- El ttulo debe ser breve, lo ms conciso posible,

aunque no debe sacrificarse la claridad a la concisin.
3. Cuadro propiamente dicho.- Es la parte del cuadro que contiene la

informacin y consta de un conjunto de casillas o celdas, dispuestas
en columnas y filas. Sus elementos esenciales son: Encabezamiento
de las columnas, columna principal o matriz y cuerpo.
Encabezamiento.- Es la primera fila del cuadro, en el se explica las
categoras y el objeto de cada una de las columnas, indica la natura-
leza de los datos inscritos en cada celda que se hallan debajo. Deben
ser breves y explcitos.
Columna principal o Matriz.- Es aquella en que se anotan las

categoras o las diferentes clases de la escala de clasificacin utili-
zada.
Cuerpo.- Es el conjunto de celdas o casillas que son las interseccio-

nes de filas y columnas, donde estn anotados los datos numricos.
4. Notas explcitas o Clase.- Contiene habitualmente la FUENTE de

los datos representados y cualquier NOTA ACLARATORIA sobre
el contenido del cuadro.
FUENTE.- Es la indicacin al pie del cuadro que sirve para nom-

brar la entidad responsable de donde se obtuvieron los datos.
EJEMPLO:
Se tiene la siguiente informacin de poblacin de alpacas por departamentos

en el Per, 1994.
CUADRO 4.1 DISTRIBUCIN DE LA POBLACIN DE ALPACAS

POR DEPARTAMENTOS: PER - 1994.
Departamento N de cabezas %
Puno 1,723,110 56.94
Cuzco 400,877 13.25
Arequipa 262,000 8.66
Huancavelica 203,550 6.73
Ayacucho 162,225 5.36
Apurimac 96,810 3.20
Moquegua 42,100 1.39
Tacna 33,768 1.12
Cerro de Pasco 28,190 0.93
Junn 27,700 0.92
Lima 20,132 0.67
Ancash 12,511 0.41
Cajamarca 5,097 0.17
La Libertad 4,782 0.16
Huanuco 3,235 0.11
Total 3,026,087 100.00
FUENTE: MINAG-OIA, 1999 y Compilacin de CISA, 1994.
Qu : Distribucin de la poblacin de alpacas.

Cmo : Por Departamentos.
Cundo : En 1994.
Dnde : En el Per.
4.1.3. TIPOS DE TABLAS ESTADSTICAS.
A. De acuerdo al Uso.
1. Tabla General o de Referencia.
Como su nombre mismo lo indica son tablas referenciales que

se utilizan generalmente como fuente de informacin, ya que contiene datos en deta-
lle sobre diversas variables de un fenmeno. Ejemplo: Cuadro N 4.2.
2. Tabla de Texto o Resumen.
Son tablas que se elaboran en base a la tabla general o de refe-

rencia, de donde se seleccionan una o ms variables de inters o que presentan cierta
relacin entre s, con el fin de explicar una determinada situacin.
En relacin al ejemplo anterior, de todas las variables que con-

tiene la tabla general, se puede elaborar una tabla resumen, seleccionando dos varia-
bles.
Ejemplo: Cuadro N 4.3.
CUADRO N 4.2
UNIVERSIDAD FEMENINA DEL SAGRADO CORAZN
ALUMNAS MATRICULADAS POR DEPARTAMENTOS DE PROCEDENCIA, SEGN DATOS PERSONALES 1992
Dpto. de EDAD ESTADO CIVIL COLEGIO DE PROCEDENCIA PROG.

Procedencia 16 - 19 20 - 23 24 - 27 28 y + Soltera Casada Estatal Particular P. Religioso ACADEMICA
Arequipa
Cajamarca
Cuzco
Ica
Junn
La Libertad
Lambayeque
Lima - Callao
Piura
Tacna
FUENTE: UNIFE, Secretara General.
CUADRO N 4.3
UNIVERSIDAD FEMENINA DEL SAGRADO CORAZN
ALUMNAS MATRICULADAS POR DEPARTAMENTOS DE PROCEDENCIA
SEGN EDAD 1992.
Dpto. de EDAD
Procedencia 16 - 19 20 - 23 24 - 27 28 y + TOTAL
Arequipa
Cajamarca
Cuzco
Ica
Junn
La Libertad
Lambayeque
Lima - Callao
Piura
Tacna
FUENTE: UNIFE, Secretara General.
B. Desde el Punto de Vista de su disposicin.
1. Tablas de una entrada o entrada simple.
Son tablas en cuyo orden presentan una sola variable, anlisis o

caracterstica y su clasificacin va definida en columna matriz.
Ejemplo: Cuadro N 4.4 y 4.5.

CUADRO N 4.4
HOSPITAL MANUEL NUEZ BUTRON

PACIENTES ATENDIDOS DE TUBERCULOSIS PULMONAR, POR
NIVEL DE INSTRUCCIN - PUNO: MARZO 1998.
NIVEL DE
INSTRUCCIN NMERO %
Analfabeto 38 31.67
Primaria 63 52.50
Secundaria 16 13.33
Superior 3 2.50
TOTAL 120 100.00
FUENTE: Hospital Manuel Nuez Butrn, Oficina de Estadstica
CUADRO N 4.5
HOSPITAL MANUEL NUEZ BUTRON

PACIENTES ATENDIDOS DE TUBERCULOSIS PULM ONAR,
POR EDAD. PUNO: M ARZO 1998.
EDAD
(Aos cumplidos) NMERO
0 - 9 9
10 - 19 15
20 - 29 26
30 - 39 30
40 - 49 34
50 - 59 5
60 - 69 1
TOTAL 120
FUENTE: Hospital Manuel Nuez Butrn, Oficina de Estadstica
Como se puede observar en stos dos ejemplos, cada tabla presenta

una variable que se distribuye en columna matriz: nivel de instruccin (Cuadro N
4.4), edad (Cuadro N 4.5). Asimismo, en el ttulo se puede apreciar que despus de
mencionar la naturaleza del problema (pacientes atendidos de tuberculosis pulmonar)
se les da el criterio de la clasificacin (POR nivel de instruccin, POR edad), donde
la variable est precedida de la palabra POR.
2. Tablas de dos entradas o entrada doble.
Son tablas que presentan simultneamente dos variables, an-

lisis o caractersticas relacionados, donde una va definida en columna matriz (verti-
cal) y la otra en encabezado (horizontal). Ejemplo: Cuadro 4.6 y 4.7.
C U A D R O 4 .6
H O S P IT A L M A N U E L N U E Z B U T R N
P A C I E N T E S A T E N D I D O S D E T U B E R C U L O SI S P U L M O N A R ,
P O R N I V E L D E I N ST R U C C I N , SE G N SE X O . M A R Z O 1 9 9 8
N IV E L D E S E X O
IN S T R U C C I N M a s c u lin o F e m e n in o TOTA L
A n a lfa b e t o 28 10 38
P rim a ria 32 31 63
S e c u n d a ria 9 7 16
S u p e rio r 1 2 3
TOTA L 70 50 120
F U E N T E : H o s p it a l M a n u e l N u e z B u t ro n . O fic . D e E s t a d s t ic a .
CU A D RO 4.7
H O SP IT A L M A N U EL N U EZ BU T R N
P A C IEN T ES A T EN D ID O S D E T U B ER C U LO SIS P U LM O N A R ,
P O R ED A D , SEG N T IP O D E R ESID EN C IA - M A R Z O 1 99 8
ED A D T IP O D E RES ID EN CIA
(A o s c u mp lid o s ) U RBA N A RU RA L TOTA L
00 - 09 1 8 9
10 - 19 4 11 15
20 - 29 8 18 26
30 - 39 10 20 30
40 - 49 7 27 34
50 - 59 - 5 5
60 - 69 - 1 1
TOTA L 30 90 120
FU EN T E: H o s p ita l M a n u e l N u e z Bu tro n . O fic . D e Es ta d s t ic a .
Podemos observar en los dos ejemplos que cada tabla presenta
dos variables: Nivel de Instruccin y Sexo (Cuadro N 4.6); edad y tipo de residencia
(Cuadro N 4.7). En el ttulo podemos apreciar que luego de la naturaleza del proble-
ma (pacientes atendidos de tuberculosis pulmonar) se lee el criterio de clasificacin
(POR Nivel de Instruccin, SEGN Sexo; POR edad, SEGN Tipo de Residencia);
las variables estn precedidas de las palabras POR, SEGN, las mismas que ayudan
a conectar dos variables relacionadas.
3. Tablas Complejas.
Son tablas que presentan en forma simultnea tres o ms varia-

bles, anlisis o caractersticas relacionadas que van definidas unas en columna ma-
triz (vertical) y otras en encabezado (horizontal).
Es necesario tener en cuenta que el objetivo de elaborar tablas o

cuadros estadsticos, es presentar ordenadamente los datos de tal manera que facili-
ten su anlisis e interpretacin para la toma de decisiones. Por lo tanto, los cuadros
estadsticos no deben ser complicados, ni presentar muchas variables.
CUADRO N 4.8
HOSPITAL MANUEL NUEZ BUTRN

PACIENTES ATENDIDOS DE TUBERCULOSIS PULMONAR, POR NIVEL
DE INSTRUCCIN, SEGN TIPO DE RESIDENCIA Y SEXO - MARZO 1998.
TIPO DE RESIDENCIA
NIVEL DE Zona Urbano Zona Rural TOTAL
INSTRUCCIN Masculino Femenino Masculino Femenino
Analfabeto 6 4 22 6 38
Primaria 9 6 23 25 63
Secundaria 3 2 6 5 16
Superior - - 1 2 3
TOTAL 18 12 52 38 120
FUENTE: Hospital Manuel Nuez Butrn, Oficina de Estadstica.
CUADRO N 4.9
HOSPITAL MANUEL NUEZ BUTRN

PACIENTES ATENDIDOS DE TUBERCULOSIS PULMONAR POR EDAD,
SEGN TIPO DE RESIDENCIA Y SEXO - MARZO 1998.
TIPO DE RESIDENCIA
EDAD Zona Urbano Zona Rural TOTAL
Masculino Femenino Masculino Femenino
00 - 09 1 - 3 5 9
10 - 19 3 1 6 5 15
20 - 29 4 4 11 7 26
30 - 39 7 3 12 8 30
40 - 49 3 4 16 11 34
50 - 59 - - 3 2 5
60 - 69 - - 1 - 1
TOTAL 18 12 52 38 120
FUENTE: Hospital Manuel Nuez Butron. Oficina de Estadstica.
Se puede apreciar en los ejemplos que cada tabla presenta tres

variables: Nivel de Instruccin, Tipo de Residencia y Sexo (Cuadro N 4.8); Edad,
Tipo de Residencia y Sexo (Cuadro N 4.9). En el ttulo observamos que en el criterio
de clasificacin, las variables estn precedidas de las palabras: POR, SEGN, (POR
nivel de instruccin, SEGN tipo de residencia, y Sexo; POR edad, SEGN tipo de
residencia y sexo), las mismas que ayudan a conectar las variables.
4.2. REPRESENTACIN GRFICA.
Un grfico es la representacin de un fenmeno estadstico por medio de figu-

ras geomtricas (puntos, lneas, rectngulos, paralelepipedo, etc.) cuyas dimensiones
son proporcionales a la magnitud de los datos representados. El grfico es un auxi-
liar del cuadro estadstico, no lo sustituye sino que lo complementa. Los grficos
constituyen un complemento del anlisis descriptivo y en su presentacin pueden ir
acompaados de la tabla o cuadro que le dio origen, ya que sta presenta detalles que
no aparecen en el grfico.
Importancia.
Los grficos son importantes por lo siguiente:

- Son esenciales en el estudio y presentacin de trabajos estadsticos. Los
datos transformados en dibujo permite un examen visual que constituye,
muchas veces, la primera etapa de un anlisis e interpretacin de datos.
- Permiten observar en forma instantnea el comportamiento de la variable o
variables materia de estudio.
- Permiten formar una idea bastante aproximada sobre la tendencia de las
variables en el futuro.
Ventajas y Desventajas del grfico.
El grfico tiene la ventaja sobre el cuadro de permitir observar de un solo

golpe de vista apreciar ms rpidamente los datos y darse cuenta de todo conjunto de
elementos.
Limitaciones en la construccin del grfico:
- El grfico no puede presentar tantos grupos de datos como una tabla. Un

cuadro puede tener 4 o ms columnas de datos, sin embargo representado
esto es un grfico que dificulta su comprensin.
- En los cuadros pueden darse valores exactos, en los grficos muchas veces
solo valores aproximados.
4.2.1. PARTES DE UN GRFICO.
Las partes de un grfico a considerarse son:
A. El Ttulo.- Expresa el contenido del grfico y por lo general, es

igual o parecido al ttulo del cuadro estadstico que sirvi de refe-
rencia.
B. Escalas.- Para graficar, se utiliza el sistema cartesiano, compuesto

por dos ejes: uno horizontal llamado abcisa; y otro vertical llamado
ordenada. Ambos ejes se cortan en un punto llamado origen. Las
escalas vienen a ser la graduacin de ambos ejes, segn la naturale-
za de las variables y frecuencias correspondientes.
C. Cuerpo.- Es el grfico en s, y constituye la representacin en dibu-
jo de los datos.
D. Fuente.- Indica el origen de los datos estadsticos que se est repre-

sentando en el grfico.
4.2.2. TIPOS DE GRFICOS ESTADSTICOS.
Existen diversidad de grficos estadsticos; stos se eligen de acuerdo

al tipo de variable y al propsito para el cual se construyen.
Los grficos ms importantes y de mayor uso son:
A. Cuando los Datos son Medidos a Nivel Nominal u Ordinal.
1. Grfico de Barras.
Es usado generalmente para representar hechos o fenmenos

sin continuidad, sin movimiento, de tal forma que permita visualizar la magnitud y
comparar los elementos en que se clasifican las variables. Los grficos de barras,
pueden ser de los siguientes tipos:
a. Grfico de Barras Simple.
Para su elaboracin se debe contar con una tabla o cuadro

de entrada simple. Recomendaciones para su construccin: No existen reglas defini-
das estrictas para la construccin de grficos de barras, se darn algunas recomenda-
ciones que pueden ser tomadas en cuenta:
1. Todas las barras, rectngulos o paraleleppedos deben te-

ner el mismo grosor.
2. El espacio entre las barras deben ser de la misma magni-

tud. No debe ser inferior que la mitad de una barra, ni
mayor que el ancho de la misma.
3. Las barras, por esttica deben ordenarse de mayor a me-

nor cuando se pueda.
4. La escala de la frecuencia debe empezar por cero.
5. Deben dibujarse a buen criterio, lneas de fondo en la

grfica; ellas facilitan la lectura de los valores.
6. No se debe recargar las barras tratando de expresar mu-

chos productos en cada una de ellas.
7. Si el grfico tiene muchas barras es preferible reemplazar

por un diagrama lineal.
EJEMPLO:
Se considera el nmero de alpacas de diferentes colores en el Centro de In-

vestigacin y Produccin La Raya de la UNA - Puno (1998).
CUADRO N 4.10
CENTRO DE INVESTIGACIN Y PRODUCCIN LA RAYA

NM ERO DE ALPACAS DE LA RAZA HUACAYA, POR COLORES
1998
Colores
de las Alpacas NMERO %
Blanco 390 45.35
LF 170 19.77
Caf 250 29.07
Negro 50 5.81
Total 860 100.00
FUENTE: CIP - La Raya, Oficina de Registros.
(1) Representar grficamente el nmero de pacientes por grado de instruc-

cin.
SOLUCIN:
GRFICO N 4.1
CENTRO DE INVESTIGACIN Y PRODUCCIN - LA RAYA
NMERO DE ALPACAS DE LA RAZA HUACAYA, POR COLORES, 1998
400
350
N de alpacas
300
250
200
150
100
50
0
Blanco LF Caf Negro
Colores de las alpacas
FUENTE: Del Cuadro N 4.10
(2) Representar grficamente el porcentaje de pacientes por grado de instruc-

cin.
SOLUCIN:
GRFICO N 4.2
CENTRO DE INVESTIGACIN Y PRODUCCIN - LA RAYA

PORCENTAJES DE ALPACAS DE LA RAZA HUACAYA, POR COLORES,
1998
50
45
40
Porcentajes (%)
35
30
25
20
15
10
5
0
Blanco LF Caf Negro
b. Grfico de Barras Compuestas.
Para la elaboracin se debe contar con una tabla o cuadro de

entrada doble.
EJEMPLO:
Se considera el nmero de alpacas de diferentes colores en el Centro de In-

vestigacin y Produccin - La Raya de la UNA - Puno.
CUADRO N 4.11
Centro de Investigacin y Produccin La Raya

Nmero de alpacas por Color y Segn Sexo, 1998
Sexo
Colores Machos Hembras Total
Blanco 185 205 390
LF 100 70 170
Caf 95 155 250
Negro 10 40 50
Total 390 470 860
FUENTE: CIP-La Raya - UNA - Puno.
GRFICO N 4.3

NMERO DE ALPACAS POR COLOR Y SEGN SEXO, 1998
220
200
180 Machos
160
N de alpacas
140 Hembras
120
100
80
60
40
20
0
Blanco LF Caf Negro
NOTA: Los grficos compuestos deben contener una leyenda que identifi-
quen los componentes de cada clasificacin.
c. Grfico de Barras Superpuestas.
La informacin representada a travs de barras compuestas,

tambin puede representarse en barras superpuestas.
EJEMPLO: Tomar la informacin del Cuadro N 4.11
(1) Representar grficamente el nmero de alpacas por colores y sexo.

(2) Representar grficamente el porcentaje de alpacas de color y sexo.
SOLUCIN:
Solucin para la pregunta (1)
GRFICO N 4.4

400
380
360
340
320
300 Hembras
280
N de alpacas
260 Machos
240
220
200
180
160
140
120
100
80
60
40
20
0
Blanco LF Caf Negro

Solucin para la pregunta (2). En este caso, se necesita traducir los
valores absolutos del Cuadro en porcentajes.
Sexo
Total (%)
Colores Machos (%) Hembras (%)
Blanco 47.44 52.56 100
LF 58.82 41.18 100
Caf 38.00 62.00 100
Negro 20.00 80.00 100
FUENTE: CIP-La Raya - UNA - Puno.
GRFICO N 4.5

PORCENTAJE DE ALPACAS POR COLOR Y SEGN SEXO, 1998
100
95
90
85
80
75 Hem
PORCENTAJES
70
65 Mac
60
55
50
45
40
35
30
25
20
15
10
5
0
Blanco LF Caf Negro

2. Grfico de Sectores o Pastel (circulares).
Es una representacin grfica de un conjunto de datos estadsti-

cos, en un crculo, por medio de sectores circulares. Se utiliza para representar datos
cualitativos o cuantitativos discretos. Es utilizado principalmente cuando se preten-
de comparar cada valor de la variable con el total. Para construir el grfico de sector,
se utiliza una circunferencia, cuyo crculo se divide en sectores tales que sus medidas
angualres centrales y, por tanto la superficie del sector circular sean proporcionales a
las magnitudes de los valores de la variable que representan. Al total le corresponde
el crculo completo, es decir los 360 de la circunferencia y por una regla de tres
simple se encontrar el nmero de grados que le corresponde a cada parte.
m
Total (n) 360 con n = ni
i =1
parte (ni) X
Entonces, el nmero de grados que corresponde a una parte ser en general:

Parte(n i ) x360 n i x360
X = Nmero de grado = =
Total( n) n
parte( n i ) n i
Observe que: = , es la frecuencia relativa del suceso que le co-
total( n) n
rresponde la frecuencia absoluta ni.
EJEMPLO:
Construya un grfico de sector para los datos del CIP - La Raya que corres-
ponde a las alpacas de la raza Huacaya de diferentes colores.
Frec. Absoluta
Colores ni
Blanco 390
LF 170
Caf 250
Negro 50
Total 860
SOLUCIN:
391x360
Para el color Blanco:860 360 X = = 163
860
390 X
170x 360
Para el color LF: X = = 71
860
250x360
Para el color Caf: X = = 105
860
50 x 360
Para el color Negro: X = = 21
860
GRFICO N 4.6

21
Negro
105 Blanco
Caf Blanco 163 LF
Caf
Negro
LF
71
FUENTE: Del cuadro N 4.11

Los grficos de sectores, se utilizan muy frecuentemente para repre-
sentaciones grficas de distribuciones porcentuales. En este caso al total representa-
do por el 100% le corresponde los 360 del crculo. La regla general es:
100% 360
Parte % X, entonces
(parte%)x360
X = nmero de grados =
100%
= (parte %)x(3.6)
EJEMPLO:
Colores de alpacas del CIP. La Raya.
Frec. A b s o lu ta
Co lo res ni h i x100%
Blan co 390 45.3
LF 170 19.8
Caf 250 29.1
Neg ro 50 5.8
To tal 860 100.0
SOLUCIN:
Para el color Blanco: X = (45.3)x(3.6) = 163

LF: X = (19.8)x(3.6) = 71
Caf: X = (29.1)x(3.6) = 105
Negro: X = (5.8)x(3.6) = 21
360
GRFICO N 4.7

PORCENTAJE DE ALPACAS POR COLOR Y SEGN SEXO, 1998
Negro
5.8%
Caf Blanco
29.1% 45.3%
LF
19.8%
FUENTE: Del cuadro N 4.11
3. Grfico lineal o de tendencia.
Se usa para representar una distribucin de frecuencias dada en

el tiempo (das, semanas, meses, aos, etc.), llamada tambin serie cronolgica. Pue-
den incluir hasta tres hechos o situaciones, razn por la cual pueden ser simples o
compuestos.
TRAZADO DE GRFICAS LINEALES.
1. La frecuencia se coloca en el eje vertical y el mtodo de clasificacin en el

eje horizontal.
2. Las dos escalas deben guardar proporcin de tal forma que el grfico no d
impresin de fluctuaciones muy lentas o muy exageradas. Se acepta una
proporcin de 1 a 1 o de 1 a 2.
3. La escala que representa la frecuencia debe empezar por cero. Cuando no

puede aparecer de forma normal se parte de escala con una lnea en zig-
zag ( ).
4. El ttulo se coloca generalmente en la parte superior del grfico, fuera del
mismo y explicar lo ms claro y preciso posible el contenido.
5. Debe indicar destacando con claridad la unidad de medida utilizada.
6. Cada escala debe ser rotulada de tal forma que se comprenda fcilmente
qu representa: Edad en aos o en meses, kilos o libras de peso, etc.
7. Las escalas no deben tener demasiadas subdivisiones.
8. El grfico progresa generalmente de izquierda a derecha y de abajo hacia

arriba.
9. Las lneas del propio grfico deben dibujarse ms gruesas que las escalas.
10. No deben trazarse ms lneas coordenadas que las necesarias para la fcil
lectura, procurando que el cero aparezca en el diagrama.
11. El grfico generalmente debe ir acompaado de la tabla que le di origen.
12. Para alcanzar su objetivo con sencillez no debe contener ms lneas o

smbolos que los que el ojo pueda cmodamente seguir.
EJEMPLO:
Se tiene la siguiente informacin del CIP - La Raya, para la caracterstica

rendimiento del velln en alpacas de la raza Huacaya y Suri.
CUADRO N 4.12

RENDIMIENTO DEL VELLN DE ALPACA HUACAYA Y SURI, POR EDAD.
Edad Rendimiento (%)

1 ao 86.70
2 aos 88.60
3 aos 90.00
4 aos 90.80
5 aos 91.50
6 aos 92.00
Fuente: CIP - La Raya, Oficina de Registros.
GRFICO N 4.8

RENDIMIENTO (%) DE VELLN DE ALPACAS HUACAYA Y SURI, POR
EDADES.
96
94
92
Rendimiento (%)
90
88
86
84
82
80
1 2 3 4 5 6
EDADES (aos)
FUENTE: De Cuadro N 4.12.

EJEMPLO:
Dada la siguiente tabla, construir el grfico lineal compuesto:
CUADRO N 4.13

LONGITUD DE MECHA (cm) DE ALPACAS POR EDAD Y SEGN RAZA
(Varios aos de Estudio)
RAZA
Edad Wacaya Sury TOTAL
1 ao 12.30 16.80 29.10
2 aos 12.10 16.20 28.30
3 aos 11.30 15.50 26.80
4 aos 10.90 13.40 24.30
5 aos 10.50 12.90 23.40
6 aos 10.60 12.10 22.70
7 aos 9.60 11.60 21.20
8 aos 9.20 11.20 20.40
9 aos 8.70 11.00 19.70
10 aos 8.50 10.50 19.00
Fuente: CIP-La Raya, Oficina de Registros.
GRFICO N 4.9
LONGITUD DE MECHA (cm) DE ALPACAS POR EDAD Y SEGN RAZA.
2 0 .0
1 6 .0
LONGITUD (cm
1 2 .0
8 .0
4 .0
0 .0
1 2 3 4 5 6 7 8 9 10
ED A D (a os )
FUENTE: Del Cuadro N 4.13.
CUADRO N 4.14
NMERO DE ALPACAS DE RAZA HUACAYA POR AOS (1 ao de Edad)
1982 - 1991
N de
AO
Alpacas
1982 570
1983 546
1984 507
1985 636
1986 780
1987 715
1988 963
1989 991
1990 991
1991 937
Total 7636
Fuente: CIP - La Raya, Oficina de Registros.
GRFICO N 4.10

N DE ALPACAS DE RAZA HUACAYA POR AOS (1 ao de Edad)
1982 - 1991
1200
1000
N de Alpacas
800
600
400
200
0
1982 1983 1984 1985 1986 1987 1988 1989 1990 1991
AOS
FUENTE: Del Cuadro N 4.14.
4. Grficos de PICTOGRAMA O PICTGRAFOS.
Un pictograma es la representacin de las series estadsticas

por medio de smbolos que por su forma sugieren la naturaleza de los datos. Consiste
en tomar como unidad un smbolo arbitrario para el que debemos fijar previamente
el valor que le asignamos como tal unidad. La magnitud de los datos dados por los
pictogramas son aproximaciones burdas y no sirven para anlisis serios de estadsti-
ca.
Una representacin que puede resultar til es la obtenida al com-

binar los diagramas de barras con los pictogramas.
EJEMPLO:
La poblacin Bovino de Brown Swiss en las 3 provincias del Departamento de

Puno.
La provincia de Megar : 300 bovinos
La provincia de Azngaro : 200 bovinos
La provincia de San Romn: 100 bovinos
Tomando como unidad = 100 bovinos se tiene:

La poblacin de bovino para la Prov. de Melgar :
La poblacin de bovino para la Prov. de Azngaro :
La poblacin de bovino para la Prov. de San Romn :
GRFICO N 4.11
EVOLUCIN DE UNA POBLACIN POR ESPECIES ANIMALES

1998 - 1999
Equinos Vacunos Porcinos Ovinos Aves
Pictograma Combinado con diagrama de barras

B. Cuando los datos son medidos a Nivel de Intervalo o razn.
1. Histograma de Frecuencias.
Se usa para representar grficamente las distribuciones de fre-

cuencias absolutas o relativas de datos cuantitativos contnuos agrupados en clases y
queda representado por una serie de rectngulos semejantes a los diagramas de ba-
rra. Las barras del histograma se colocan slo verticalmente y deben ir uno al lado de
las otras sin que haya un espacio que las separe. La base de cada rectngulo es la
amplitud de la clase de la variable correspondiente. Estos grficos reciben el nombre
de Histograma de frecuencias Absolutas histogramas de frecuencias relativas. Se
traza en el plano cartesiano en el eje de las X se coloca las variables y en el eje de
las Y cualesquiera de las frecuencias formndose rectngulos unidos entre si, con-
servando la misma amplitud intervlica.
EJEMPLO: Graficar la siguiente informacin:
CUADRO N 4.15
LONGITUD DE MECHA (cm.) EN ALPACAS

DE LA ZONA DE MELGAR
[Y'i-1 - Y'i > Frec. Absoluta (ni )

2.2 - 4.1 3
4.1 - 6.0 4
6.0 - 7.9 18
7.9 - 9.8 20
9.8 - 11.7 20
11.7 - 13.6 20
13.6 - 15.5 11
15.5 - 17.4 4
Totales n = 100
FUENTE: Oficina de Registros.

GRFICO N 4.12 GRFICO N 4.13
Histograma de Frecuencia absoluta Histograma de Frecuencia relativa

de la longitud de mecha (cm) de la longitud de mecha (cm).
24 0.24
22 20 20 20 0.22 0.20 0.20 0.20
20 18 0.20 0.18
Frec. absoluta (ni )
Frec. relativa (h i)
18 0.18
16 0.16
14 11 0.14
12 0.11
0.12
10 0.10
8 0.08
6 4 4 0.06 0.04 0.04
3 0.03
4 0.04
2 0.02
0 0.00
3.15 5.05 6.95 8.85 10.75 12.65 14.55 16.45 3.15 5.05 6.95 8.85 10.8 12.7 14.6 16.5
Longitud de mecha (cm) Longitud de mecha (cm)
2. Polgono de Frecuencias.
Se utiliza para variables cuantitativas contnuas procedindose

de dos formas diferentes:
a. Teniendo como base un histograma, se obtienen uniendo los

puntos medios de las bases superiores de los rectngulos en
el histograma de frecuencias absolutas o relativas, uniendo
con segmentos de recta hasta llegar a tocar el eje de X
conservando la misma amplitud intervlica.
EJEMPLO:
En el siguiente cuadro, se presentan los intervalos de clase para la variable

longitud de mecha (cm) de las alpacas de diferentes edades y de color blanco, proce-
dentes de la Zona de Melgar.
Lo n g itu d d e Pu n to s me d io s Fre c . A b s o lu ta
me c h a (c m). Yi ni
2.2 - 4.1 3.15 3
4.1 - 6.0 5.05 4
6.0 - 7.9 6.95 18
7.9 - 9.8 8.85 20
9.8 - 11.7 10.75 20
11.7 - 13.6 12.65 20
13.6 - 15.5 14.55 11
15.5 - 17.4 16.45 4
T o ta le s 100
GRFICO N 4.14
Longitud de mecha (cm) en alpacas

de la Zona de Melgar
Polgono de Frecuencias
22 Polgono de Frecuencia 22
20 20
18 18
Frec. absoluta (n i)
Frec. absoluta (ni )
16 16
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
3.15 5.05 6.95 8.85 10.75 12.65 14.55 16.45 3.15 5.05 6.95 8.85 10.75 12.65 14.55 16.45
Longitud de mecha (cm) Puntos me dios (Yi)
a) b)
b. La otra forma de representar grfico de un polgono es utili-

zando las marcas de clase puntos medios, ubicndolo en el
eje de las X.
3. Polgono de frecuencia acumulada u ojivas.
Esta representacin grfica es vlida para variables estadsticas

contnuas que estn agrupadas en intervalos de clase. Una ojiva es la representacin
grfica de una distribucin de frecuencias absolutas acumuladas o las frecuencias
relativas acumuladas. Para graficar se debe representar en el eje de las abscisas los
distintos intervalos de clase que deben estar naturalmente traslapados. En el extremo
superior de cada intervalo se levanta una vertical con altura igual a la frecuencia
(absoluta o relativa) acumulada, luego se unen los extremos superiores de las vertica-
les con segmentos rectilneos, as el polgono de frecuencia acumuladas absolutas
alcanzar su mxima altura en el ltimo intervalo.
OJIVA MENOR QUE.- Es la representacin grfica de una

distribucin de frecuencias absolutas acumuladas menor que o las frecuencias re-
lativas acumuladas menor que. Se construye de la siguiente forma:
1. Se llevan sobre un eje horizontal los lmites de los intervalos

de clase Y0, Y1, .... , Ym.
2. Se levanta sobre el extremo superior de cada clase un seg-

mento cuya longitud coincida con la frecuencia absoluta
acumulada o con frecuencia relativa acumulada de dicha
clase, segn sea el caso de frecuencia absoluta acumuladas
o una ojiva de frecuencia relativas acumuladas.
3. Luego se unen con segmentos de rectas los extremos superio-

res de dichos segmentos verticales.
EJEMPLO:
Construir la ojiva menor que de frecuencias absolutas acumuladas y de

frecuencias relativas acumuladas para la distribucin de la longitud de mecha (cm)
en alpacas de la zona de Melgar.
SOLUCIN:
Escribimos las tablas de distribucin de frecuencias absolutas acumuladas

y frecuencias relativas acumuladas de la siguiente manera:
CUADRO N 4.16
LONGITUD DE MECHA (cm.) MENOR QUE EN ALPACAS

Longitud de Frec. A bs ol. Acum. Frec. Relat. A cumul.

mecha (cm). Ni Hi
menor que 2.2 0 0.00
menor que 7.9 25 0.25
menor que 9.8 45 0.45
menor que 11.7 65 0.65
menor que 13.6 85 0.85
menor que 15.5 96 0.96
menor que 17.4 100 1
Distribucin acumulada menor que Distribucin relativa acumulada

de la Longitud de mecha (cm) en alpacas de la Longitud de mecha
de la Zona de Melgar (cm) de la Zona de Melgar
Ni 100 Hi 1.00
90 0.90
80 0.80 Ojiva menor que
70 Ojiva menor que 0.70
60 0.60
50 0.50
40 0.40
30 0.30
20 0.20
10 0.10
0 0.00
2.2 4.1 6.0 7.9 9.8 11.7 13.6 15.5 17.4 2.2 4.1 6.0 7.9 9.8 11.7 13.6 15.5 17.4
Longitud de mecha (cm). Longitud de mecha (cm)

OJIVA MAYOR O IGUAL QUE.- Es la representa-
cin grfica de una distribucin de frecuencias absolutas acumuladas mayor o igual
que o las frecuencias relativas acumuladas mayor o igual que. Se construye com-
pletamente similar a la ojiva menor que.
EJEMPLO:
Construir la ojiva mayor o igual que, de las frecuencias absolutas acumuladas

y frecuencias relativas acumuladas para la distribucin de la longitud de mecha (cm)
del ejemplo anterior.
CUADRO N 4.17
LONGITUD DE MECHA (cm.) MAYOR O IGUAL QUE EN ALPACAS
Longitud de
mecha (cm). N*i H*i
mayor o igual que 2.2 100 1.00
Distribucin acumulada menor que Distribucin relativa acumulada
de la Longitud de mecha (cm) en alpacas de la Longitud de mecha
de la Zona de Melgar (cm) de la Zona de Melgar
100 H*i 1.0

N*i 90
0.9 Ojiva mayor o igual que (H*i)
80 Ojiva mayor o igual que (N*i) 0.8
70 0.7
60 0.6
50 0.5
40 0.4
30 0.3
20 0.2
10 0.1
0 0.0
2.2 4.1 6.0 7.9 9.8 11.7 13.6 15.5 17.4 2.2 4.1 6.0 7.9 9.8 11.7 13.6 15.5 17.4
Longitud de mecha (cm) Longitud de mecha (cm)
GRFICO N 4.19
OJIVAS MAYOR O IGUAL QUE Y OJIVA MENOR O IGUAL QUE
DE LA LONGITUD DE MECHA (cm.)
1.0 H* i Hi
hi
0.9 o jiv a m ay o r o jiv a m en o r
0.8 o igual que o igual que
0.7
0.6
0.5 M edian a
0.4
0.3
0.2
0.1
0.0
2.2 4.1 6.0 7.9 9.8 11.7 13.6 15.5 17.4
1 0 .2 8
Long itud de mecha (cm)
FUENTE: Del Cuadro N 4.16 y 4.17

4. Diagrama de frecuencias (BASTONES).
Se usa para representar los diferentes tipos de distribuciones de

frecuencias de datos discretos.
Si se desea representar grficamente las distribuciones de fre-

cuencias absolutas o frecuencias relativas, se llevar sobre un eje horizontal los valo-
res X1,X2,X3,...,Xm, y levantar sobre cada uno de ellos un segmento vertical de longi-
tud igual a la frecuencia absoluta frecuencia relativa correspondiente al valor.
CUADRO N 4.18
OVINOS MUERTOS POR REBAO EN EL PERODO

DE INVIERNO DE 1999.
N de ovinos
* * *
0 2 2 0.05 0.05 5 5 42 1.0000 100.00
1 4 6 0.10 0.14 10 14 40 0.9524 95.24
2 7 13 0.17 0.31 17 31 36 0.8571 85.71
3 6 19 0.14 0.45 14 45 29 0.6905 69.05
4 6 25 0.14 0.60 14 60 23 0.5476 54.76
5 2 27 0.05 0.64 5 64 17 0.4048 40.48
6 4 31 0.10 0.74 10 74 15 0.3571 35.71
7 4 35 0.10 0.83 10 83 11 0.2619 26.19
8 3 38 0.07 0.90 7 90 7 0.1667 16.67
9 4 42 0.10 1.00 10 100 4 0.0952 9.52
10 10
Total n
i =1
i = 42 h =1
i=1
i 100
FUENTE: Ejemplo de la Tabla 3.11.

Frecuencias absolutas del nmero Frecuencias relativas del nmero de

de ovinos muertos por rebao. ovinos muertos por rebao.
hi 0.20
ni 7
0.18
6 0.16
5 0.14
4 0.12
0.10
3 0.08
2 0.06
1 0.04
0.02
0 0.00
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
N de ovinos N de ovinos

5
ESTADGRAFOS DE
POSICIN
5.1. INTRODUCCIN.
Los datos organizados en una distribucin de frecuencias, cuyas caractersti-

cas ms esenciales se destacan, es necesario calcular un conjunto de indicadores que
caractericen algo ms precisa y puntual la distribucin que se esta estudiando. Las
cifras descriptivas que se obtienen como funcin de una muestra (X 1,X2,....,Xn) ,
como funcin de un conjunto de datos (representa un subconjunto de la poblacin),
se llama Estadgrafo o Estadstico.
Existen cuatro tipos de estadgrafos: De posicin, dispersin, concentracin y

de forma (kurtosis).
Los estadgrafos de posicin, son aquellos que describen la posicin que ocu-
pa la distribucin de frecuencias respecto a un valor de la variable, y se distinguen
- 112 - V. Ibaez Q. Estadgrafos de Posicin
dos tipos: Los estadgrafos de Tendencia Central y los de localizacin.
Los estadgrafos de tendencia central tienden a ocupar posiciones centrales o

intermedios entre el menor y mayor valor del conjunto de datos y brindan de alguna
forma informacin sobre el centro de la distribucin. Los ms importantes son: La
media aritmtica o media, la media geomtrica, la media armnica, la media cuadrtica
y la mediana.
Los estadgrafos de localizacin, sealan la localizacin de los valores ms

frecuentes o de valores extremos, los ms usados son: la moda, los cuartiles, etc.
5.2. MEDIDAS O ESTADGRAFOS DE TENDENCIA CENTRAL.
5.2.1. MEDIA ARTIMTICA O MEDIA.
La media aritmtica es la medida de tendencia central, es decir es la

suma de los valores observados de la variable, dividido por el nmero de observacio-
nes, y se puede calcular con datos no agrupados y datos agrupados (tabulados).
Ejemplo: Nmero medio de accidentes, rendimiento promedio de notas, etc.
A. MEDIA ARITMTICA CON DATOS NO AGRUPADOS.
La media aritmtica o media (o promedio) de una muestra x1,x2,...,xn

de tamao n de una variable o caracterestica X, se denota por M(x) o x es
dado por:
Parmetro (Poblacin).
N N
X + X 2 +L+ X N Xi X i
= M ( ) = 1 = i =1
o = i =1
N N N
Estadstico (muestra):
n n
x + x 2 +L + x n xi x i
x = M ( x) = 1 = i =1
o x= i =1
n n n
donde n es el tamao de la muestra nmero de elementos del con-
junto de datos u observaciones.
EJEMPLO:
Encuentre la media aritmtica de las 100 medidas para la variable longitud de

mecha (cm) de las alpacas de la Provincia de Melgar.
6.4, 16.9, 8.3, 2.3, 5.0, 3.7, 13.4, 7.4, 5.4, 7.5, ......, 13.1, 13.0
SOLUCIN: Sustituyendo las observaciones en la frmula se tiene:

100
x i
6.4 + 16.9 + 8.3 + 2.3+L+131
. + 13.0 10251
.
x= i =1
= = = 10.251
100 100 100
x = 10.25
El promedio de la longitud de mecha (cm) de las 100 alpacas es 10.25 cm.
Ejemplo: Con los datos discretos que corresponde a los ovinos muertos en
invierno de 1999. Calcular el promedio.
42
x i
9 + 6 + 4 + 8+L+1 + 6 + 4
x= i =1
= = 4.33
42 42
B. MEDIA ARITMTICA CON DATOS AGRUPADOS.
Si los datos han sido clasificados en m clases en una tabla de

frecuencias con marcas de clase Yi y frecuencias absolutas ni = 1,2,....,m, la media
aritmtica esta dado por:
m m
Y n + Y2 n 2 +L+ Yi n i Yi n i Yn i i
Y = M ( Y) = 1 1 = i =1
= i =1
m
n
n n
i
i =1
m
con frecuencia relativa Y = h Y
i =1
i i
EJEMPLO:
Calcular la media aritmtica de los datos agrupados en la distribucin de

frecuencias para la longitud de mecha (cm) en alpacas de la Zona de Melgar.
Long. De mecha ni Yi niYi

2.2 - 4.1 3 3.15 9.45
4.1 - 6.0 4 5.05 20.20
6.0 - 7.9 18 6.95 125.10
7.9 - 9.8 20 8.85 177.00
9.8 - 11.7 20 10.75 215.00
11.7 - 13.6 20 12.65 253.00
13.6 - 15.5 11 14.55 160.05
15.5 - 17.4 4 16.45 65.80
8 8
Totales n i = 100 nY i i = 1025.60
i =1 i =1
Luego, la media aritmtica de stos datos es:

8
n1Y1 +n2Y2 + n3Y3 +n4Y4 + n5Y5 +n6Y6 +n7Y7 + n8Y8

Yn
i i
10256
.
Y= = 8
i=1
=
n1 + n2 + n3 +n4 +n5 +n6 +n7 +n8
ni
100
i=1
Yn i i
10256
.
Y= i =1
= = 10.256
100 100
5.2.2. Media Aritmtica para datos tabulados de variable DISCRETA.
Cuando los datos tabulados son discretos, se puede comprobar que la

media aritmtica del conjunto original x1,x2,...,xn, coincide con la media de los datos
agrupados, en este caso no hay prdida de informacin.
m
n Y i i
X = M ( x) = Y = M ( Y) , Y= i =1
n
EJEMPLO:
Calcular la media aritmtica de los datos agrupados que corresponden al n-

mero de ovinos muertos en invierno de 1999 por rebao de la distribucin de fre-
cuencias.
N de ovinos
(Y i) ni Yini
0 2 0
1 4 4
2 7 14
3 6 18
4 6 24
5 2 10
6 4 24
7 4 28
8 3 24
9 4 36
10 10
Total n
i =1
i = 42 Yn i i = 182
i =1
Aplicando la frmula se tiene:

10
n Y + n 2 Y2 +L+ n10 Y10 n Y i i

Y=X= 1 1 = i =1
n n
182
Y=X= = 4.33 ovinos muertos por rebao.
42
Este nmero representa que en promedio, el nmero de ovinos muer-

tos por rebao es aproximadamente 4, es decir el nmero de ovinos muertos que se
espera que tenga por rebao es 4.
NOTA: El promedio encontrado (4.33) coincide con los datos no agru-

pados, es exactamente igual.
OBSERVACIN:
Cuando los datos tabulados son contnuos hay prdida de informacin

en relacin con el conjunto original de datos y esto afecta a los estadgrafos calcula-
dos a partir de los datos agrupados: y =M(y) es una aproximacin a la media arit-
mtica del conjunto original x1,x2,...,xn, x =M(x), porque se considera en el clculo
de y , las marcas de clase Yi como representante de la clase i, i = 1,2,..,m. Es decir
estamos suponiendo que las frecuencias de cada clase estn condensadas en la marca
de clase puntos medios.
m
Yn i i
X = M ( x) Y = M ( y) = i =1
EJEMPLO:
Realizamos una comparacin con datos no agrupados y datos que estn tabu-
lados en una distribucin de frecuencias.
100
X i
10251
.
Datos no agrupados: X = i =1
= = 10.251
n 100
8
n Y i i
10256
.
Datos agrupados: Y= i =1
= = 10.256
n 100
La diferencia es en: Y X = 10.256 10.251 = 0.005
Es decir, se pierde informacin con datos originales cuando se calcula con

datos agrupados en 0.005, esto es: X Y 10.251 10.256
PROPIEDADES DE LA MEDIA ARITMTICA.
P-1. Si todos los valores observados X1, X2, ... , Xn son iguales a k (donde k
es una constante), entonces: M(X) = M(k) = k
La media aritmtica de una constante es la misma constante:

n
k /
nk
M ( x) = X k = i =1
= =k
n n/
EJEMPLO:
Se tiene los siguientes datos: 5, 5, 5, 5, 5, 5, 5, entonces k = 5

7
5 7x5
X5 = i =1
= =5
7 7
P-2. Si a cada valor de las observaciones X1, X2, ... , Xn se le suma o resta una
constante, la media aritmtica del nuevo conjunto transformado Yi = Xi
k, i = 1,2,..,n, es la media aritmtica del conjunto original ms o
menos la constante.
y = M(y) = M(x)k, donde Yi = Xi k, k = constante, i = 1,2,..,n

n
y
b g
i
1 n 1 n 1 n
Y= i =1
= Xi k = Xi k
n n i =1 n i =1 n i =1
/
nk
Y = X = Xk
n/
EJEMPLO: 6, 8, 4, 2, 4, 6 y k = 4
Y=
1 6
ib
6 i =1
X 4 = g
1 6
i 6
6 i =1
X
1 6
i =1
4
=
6 + 8 + 4 + 2 + 4 + 6 6/ x4 30
= 4 = 5 4
9 RS
6 6/ 6 1 T
P-3. Si cada valor de un conjunto X1, X2, ... , Xn se multiplica por una cons-
tante diferente de cero, la media aritmtica del conjunto transformado
Yi = kXi, i = 1,2,..,n, es la media aritmtica del conjunto original mul-
tiplicado por la constante:
y = M(y) = kM(x)
Prueba:
1 n 1 n k n
Y = M(y) = i n = i n = Xi =kM(x) = kX
n i=1
y = kX =
i 1 i 1
EJEMPLO: Sean 3, 4, 8, 2, 3, k=3
Fy I 5
G JJ = 3L 3 + 4 + 8 + 2 + 3O = 3FG 20IJ = 3x4 = 12

Y = M ( y) = 3G
i
GGH 5 JJK MN 5 PQ H 5 K
i =1
P-4. La suma algebraica de las desviaciones de cada valor observado X1,

X2,..., Xn con respecto a su media es cero:
cX Xh = 0
n
(para datos no agrupados)
i
i =1
n cY Yh = 0
m
(para datos agrupados).
i i
i=1
Donde: m = Es el nmero de clases.
ni = Frecuencia absoluta de la clase i.
Yi = Punto medio marcas de clase del intervalo i.
P-5. La suma de los cuadrados de las desviaciones de cada una de las observa-
ciones X1, X2, ... , Xn con respecto a su media es mnima. Si k es
cualquier valor, entonces:
cX h b g
n n
Xi k
2
X
2
i
(para datos no agrupados).
i =1 i =1
c h b g
m m
ni Yi Y ni Yi k (para datos agrupados o clasificados).

2 2
i =1 i =1
P-6. Si X1, X2, ... , Xn y Y1, Y2, ... , Yn son dos conjuntos de observaciones de
n valores cada uno de dos variables X e Y, expresados en las mismas
unidades:
M(XY)=M(x)M(Y)
LM X OP = M(X )
m m
M
N Q
i =1
i
i =1
i
P-7. La media aritmtica se puede utilizar para estimar la cantidad total de

una poblacin.
TOTAL = N x
5.2.3. MTODOS DE CLCULO DE LA MEDIA ARITMTICA
Se presentar dos mtodos de clculo de la media aritmtica para los

datos tabulados en distribucin de frecuencias. Pero, dado que en algunos casos el
clculo puede resultar tedioso o con cifras muy grandes, conviene aplicar algn pro-
cedimiento abreviado. stos mtodos se basan en restar una constante, multiplicar
por una constante en ambas operaciones a la vez.
A. MTODO ABREVIADO.
Se trata de reducir la magnitud de la variable, transformando las

marcas de clase punto medios Y1, Y2, ... , Yn en desviaciones di, i = 1,2,3,...,m
respecto de un origen de trabajo arbitrariamente elegido.
di = Yi - Ot, i = 1,2,...,m
Luego, se halla la media aritmtica de la nueva variable desvia-

cin d.
Criterios para elegir el origen de trabajo.

1. Si m es impar, Ot debe ser el valor central de las Yi
2. Si m es par, Ot puede ser uno de los valores centrales, el de
mayor frecuencia. Entonces el procedimiento consiste en:
a. Elegir un origen de trabajo Ot

b. Se determina las desviaciones de las Yi, i = 1,2,...,m, respecto
a Ot; di = Yi - Ot
c. Se determina la media aritmtica de la variable desviacin
d.
m
n d i i
1 m 1 m 1 m
M(d ) = i =1
n
=
n i =1
n i (Yi O t ) = n i Yi O t n i
n i =1 n i =1
= M(Y) - Ot de donde M(Y) = M(d) + Ot
EJEMPLO:
Hallar la media aritmtica por el mtodo abreviado para los datos agrupados
en una distribucin de frecuencias de la variable longitud de mecha (cm) de las
alpacas de la Zona de Melgar.
SOLUCIN:
1. Puesto m = 8, se elige Ot = 10.75, uno de los valores centrales de los Yi

2. Se calculan desviaciones di = Yi - Ot,

3. Se efectuan los productos: nidi
4. Se determina la media aritmtica de la variable d.
Yi ni di = Yi - O t nid i
3.15 3 -7.6 -22.80
5.05 4 -5.7 -22.80
6.95 18 -3.8 -68.40
8.85 20 -1.9 -38.00
Ot 10.75 20 0 -152 102.6
12.65 20 1.9 38.00
14.55 11 3.8 41.80
16.45 4 5.7 22.80
8
100 nd
i=1
i i = -49.40
n d i i
n1d 1 + n 2 d 2 +L+ n 8d 8 49.4
M (d ) = i =1
= = = 0.494
n 100 100
M(Y) = M(d) + Ot
= -0.494 + 10.75
= 10.256
B. MTODO CODIFICADO).
Si la amplitud de clase es constante, es:

Y2' Y1' = Y3' Y2' =L= Ym' Ym' 1 = C , en el caso discreto cuando
las Yi, estn espaciadas a una distancia constante. Entonces:
a. Se elige el origen de trabajo Ot, siguiendo los criterios mencio-

nados.
b. Se toma la amplitud constante (comn) de los intervalos como
unidad para medir las desviaciones, respecto al origen Ot, es
decir.
Yi O t
ui = , i = 1,2,...., m
c
c. Se calcula la media aritmtica de la variable u.
Cuando todos los intervalos son iguales, entonces puede

simplificarse ms el trabajo, similar al anterior se elige un origen de trabajo Ot que
coincida con el valor central de la variable o con el de mayor frecuencia, es decir:
1 m

1 m
ni ui = ni i
Y Ot 1 mFG IJ
= n i ( Yi O t )
M ( u) =
n i =1 n i =1 c H
nc i =1 K
LM
O
n P
m
1 L1 O 1
= M n Y n O P = M M ( Y) O P
m m i
1
Q c MM n P
i =1
c Nn
i i i t t
PQ
n
i =1 i =1
N
1
M ( u) = M ( Y) O t , cM(u) = M(Y) - O t
c
De donde: M(Y) = cM(u) + Ot
EJEMPLO:
Determinar la media aritmtica, usando el mtodo codificado para los datos

que estn tabulados en distribucin frecuencias de la variable longitud de mecha
(cm) de las alpacas de la Zona de Melgar.
Yi ni ui = (Yi - 8.85)/1.9 niui

3.15 3 -3 -9
5.05 4 -2 -8
6.95 18 -1 -18
Ot 8.85 20 0 -35 109
10.75 20 1 20
12.65 20 2 40
14.55 11 3 33
16.45 4 4 16
8
100 n u i i = 74
i=1
1. Elegimos Ot = 8.85
2. Calcular la diferencia entre las Yi es constante e igual a 1.9, entonces:
Yi 8.85
ui =
1.9
3. Clculo de la media de la variable u:

8
u n i i
74
M ( u) = i =1
= = 0.74
n 100
Luego: M(Y) = cM(u) + Ot = 1.9x0.74 + 8.85
= 10.256
5.2.4. MEDIA ARITMTICA PONDERADA ( X P )
El promedio ponderado permite calcular un promedio que toma en

cuenta la importancia o el peso que tiene cada valor sobre el total. La media aritm-
tica de los valores X1, X2, ... , Xk ponderada por los pesos w1, w2, ... ,wk es igual a:
w x + w 2 x 2 +L+ w k x k w x i i
XP = 1 1 = i =1
w1 + w 2 +L+ w k k
w
i =1
i
Otra forma de definir, es igual a la sumatoria del producto de cada uno

de los valores u observaciones (Xi) por sus respectivos pesos o ponderaciones (wi)
dividida entre la suma de las ponderaciones.
EJEMPLO:
Un ganadero compra toros de 2-4 dientes para el engorde en diferentes plazas

de 5 provincias del departamento de Puno, de acuerdo al siguiente cuadro:
Lugares de
Provincia compra (plazas) Precio pagado S/. Por toro (Xi )
Huancan 3 380 410 401
San Romn 5 330 350 370 340 360
Puno 6 320 370 340 350 380 400
El Collao 4 422 430 490 410
Yunguyo 3 414 435 420
Putina 7 340 355 380 335 370 374 380
Cul es el promedio general ponderado de compra por toro?.
SOLUCION:
Provincia X
i=1
i Wi Xi Xi Wi
Huancan 1191 3 397 1191
San Romn 1750 5 350 1750
Puno 2160 6 360 2160
El Collao 1752 4 438 1752
Yunguyo 1269 3 423 1269
Putina 2534 7 362 2534
6 6
Total Wi = 28
i=1
X W = 10656
i=1
i i
X W i i
10656
XP = i =1
6
= = 381 soles.
W
28
i
i =1
Respuesta: El promedio ponderado de compra de toro en las diferentres plazas de

las distintas Provincias es S/. 381 soles.
EJEMPLO:
En el siguiente ejemplo, se trata de las notas de un alumno X i y se desea

calcular el promedio ponderado final.
k
Tipo de exmenes Wi Notas Tipo de exmenes X i Wi Xi XW

i i
i =1
Exmenes Escritos 3 12 10 11 Exmenes Escritos 33 3 11.0 33.0

Trabajos Encargados 1 12 13 Trabajos Encargados 25 1 12.5 12.5
Prcticas calificadas 2 11 10 13 12 Prcticas calificadas 46 2 11.5 23.0
3 3 3
Total W = 6
i=1
i Total W = 6
i=1
i XW = i i
i=1
X W i i
68.50
XP = i =1
3
= = 114
. 11 ,
W
6
i
i =1
Entonces el promedio ponderado final de un estudiante es 11 puntos.
5.2.5. LA MEDIA GEOMTRICA ( X g )
La media geomtrica, se usa especialmente en los casos en que existe

una tasa de crecimiento relativamente constante (poblacin, montos medios de capi-
tales sujetos a interes compuesto, etc.). O simplemente, cuando se desea un porcenta-
je medio de crecimiento o de baja, segn corresponda. Tambin se utiliza de prefe-
rencia cuando es conveniente dar importancia a los valores pequeos.
A. MEDIA GEOMTRICA PARA DATOS NO AGRUPADOS.
La media geomtrica simple ( X g ) Mg de n observaciones

X1, X2, ... , Xn positivas, es igual a la raiz ensima del producto de los n valores
observados.
n
X g = M g = n X1 X 2 L X n = n X
i =1
i
EJEMPLO:
Se registr a 10 alpacas machos de dos aos de edad de la Raza Suri las

medidas biomtricas del cuerpo de la alpaca, la variable permetro torxico (cm) en
el CIP. - La Raya, manejadas bajo condiciones de pastos naturales (1995). Las medi-
das son las siguientes:
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80, n = 10
Calcular la Media Geomtrica ( X g )

SOLUCIN:
i) Xg = Mg = 10 74x70x73xL83x80 = 76.41671885 , entonces X g = 76.
El promedio geomtrico de las medidas del permetro de torx es 76 cm.
ii) Otra forma de calcular la Media geomtrica, es utilizando Logaritmos:
10
Xi 74 70 73 77 78 83 70 77.5 83 80 Log(X ) =
i=1
i
Log(Xi) 1.86923 1.84510 1.86332 1.88649 1.89209 1.91908 1.84510 1.88930 1.91908 1.90309 18.83188
10
Log ( X ) i
18.83188386
Xg = i =1
= = 1.883188386
n 10
LM Log( X ) OP
10
= Anti log M
MM n PPP = Anti log(1883188386
i
Pero: X g i =1
. ) = 76.4167188
N Q
X g = 76 cm., es igual al i).
B. MEDIA GEOMTRICA PARA DATOS AGRUPADOS.
Si los datos estn agrupados en intervalos de clase, la media

geomtrica ponderada, es igual a la raz ensima del producto de las marcas de clase
o puntos medios elevados a sus respectivas frecuencias, cuyo ndice radical es igual
al nmero de observaciones.
m
Y
m
Yg = n Y1n1 . Y2n2 . Y3n3 L Ymnm = n n
ni
i , donde n = i
i =1 i =1
Yi = Marcas de clase, i = 1,2,...,m, m = Nmero de clases.
Aplicando logaritmos a ambos miembros de la ecuacin anterior es:
1
LogYg = Logn Y1n1 .Y2n2 .Y3n3LYmnm = n1LogY1 + n2LogY2 +L+nmLogYm
n
1 m
= n i LogYi
n i =1
LM n LogY OP
m
Y = Anti log M
MM n PPP
i i
i =1
g
N Q
EJEMPLO:
Hallar la media geomtrica Yg para los datos agrupados de la variable longi-
tud de mecha (cm) de los vellones de alpacas de la Zona de Melgar.
Marcas de clase Yi 3.15 5.05 6.95 8.85 10.75 12.65 14.55 16.45
Frecuencia (ni) 3 4 18 20 20 20 11 4
SOLUCIN:
[Y'i-1 - Y'i > Yi ni LogYi n i LogYi

2.2 - 4.1 3.15 3 0.4983106 1.4949317
4.1 - 6.0 5.05 4 0.7032914 2.8131655
6.0 - 7.9 6.95 18 0.8419848 15.1557265
7.9 - 9.8 8.85 20 0.9469433 18.9388654
9.8 - 11.7 10.75 20 1.0314085 20.6281693
11.7 - 13.6 12.65 20 1.1020905 22.0418105
13.6 - 15.5 14.55 11 1.1628630 12.7914929
15.5 - 17.4 16.45 4 1.2161659 4.8646636
Totales 100 n LogY
i i = 98.728825
1 8 98.7288254
LogYg = n i LogYi = = 0.987288253
n i =1 100
Luego: Yg = Anti log(0.987288253) = 9.711543368

Yg 9 .71
Es el promedio geomtrico para la variable longitud de mecha (cm) en

vellones de alpacas.
DESVENTAJAS:
- Su clculo es engorroso.
- Esta limitado para valores positivos para que pueda ser interpretado.
- Si algn valor de la variable es cero, la X g ser cero.
- Si aparece algn valor negativo, la media geomtrica toma un valor
imaginario.
PROPIEDADES DE LA X g
P-1. La X g de n observaciones es tal que si es sustituida por cada una de

las observaciones, deja inmutado el producto de los trminos.
X1 . X 2 L X n = Xgn
P-2. La X g de una serie de relaciones es igual a la relacin entre la X g de
los numeradores y la Yg de los denominadores.
X1 X 2 X n n X1 X 2 L X n
n L =
Y1 Y2 Yn n Y1 Y2 L Yn
P-3. La X g de trminos positivos es siempre menor o igual que la X (media

aritmtica). Es igual a la media aritmtica, solo en el caso en que todos
los trminos sean iguales entre si X Xg .
P-4. El promedio geomtrico es menor que el promedio aritmtico, pero ma-

yor que el promedio armnico: X Xg X H .
5.2.6. LA MEDIA ARMNICA ( XH )
La media armnica, se emplea para obtener un valor representativo de

un conjunto de datos expresados en forma de tasas.
A. MEDIA ARMNICA CON DATOS NO AGRUPADOS.
La media armnica XH o MH de n trminos no nulos X1, X2, ...

, Xn, es el recproco de la media aritmtica de los recprocos de esos trminos:
1 n
XH = M H = n
= n
1 1
X
i =1
X
i =1
i i
n
Donde: n = Nmero de observaciones
Xi = Observaciones de la muestra.
EJEMPLO:
Se registr a 10 alpacas machos de dos aos de edad de la Raza Suri las

medidas biomtricas del cuerpo de la alpaca, la variable permetro torxico (cm) en
el CIP. - La Raya, manejadas bajo condiciones de pastos naturales (1995). La infor-
macin se presenta a continuacin:
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80, n = 10
Calcular el promedio XH de la variable permetro torxico (cm)?
SOLUCIN:
10
Xi 74 70 73 77 78 83 70 77.5 83 80
i=1
1
Xi =
1/Xi 0.0135 0.0143 0.0137 0.0130 0.0128 0.0120 0.0143 0.0129 0.0120 0.0125 0.1310907
n 10
XH = 10
= = 76.283 XH = 76.28 cm.
1
X
0131090709
.
i =1 i
Respuesta: El promedio armnico de la variable permetro torxico en

alpacas de la CIP. La Raya es 76.28 cm.
Calculamos:
74 + 70 + 73+L+83 + 80
X = M ( x) = = 76.55 cm.
10
Xg = Mg = 10 74x70x73xL83x80 = 76.41671885
Entonces: X Xg X H entonces 76.55 76.42 76.28
B. MEDIA ARMNICA CON DATOS AGRUPADOS.
Sean Y1, Y2, ... ,Ym (marcas de clase), valores de la variable Y,

asociados a las frecuencias absolutas n1, n2, ... ,nm, respectivamente.
m
n n
YH = = m
, n = ni
n1 n 2 n ni
+
Y1 Y2
+L+ m
Ym
i =1 Yi
i =1
1
Tambin se puede usar con frecuencias relativas: YH = m
h
= Yi
i 1 i
USOS:
- Determinar la velocidad promedio de recorrido de reacciones qumicas,

de precios, de rendimientos, etc.
- Para estimar el nmero de repeticiones por tratamiento, cuando se trata

de estimar el error estndar en un anlisis de varianza (datos
desbalanceados).
EJEMPLO:
Encontrar la Media Armnica YH para los datos agrupados en intervalos de

la variable longitud de mecha (cm) de las muestras de velln de las alpacas de la
Zona de Melgar.
[Y'i-1 - Y'i > Yi ni 1/Yi n i /Yi

2.2 - 4.1 3.15 3 0.3174603 0.9523810
4.1 - 6.0 5.05 4 0.1980198 0.7920792
6.0 - 7.9 6.95 18 0.1438849 2.5899281
7.9 - 9.8 8.85 20 0.1129944 2.2598870
9.8 - 11.7 10.75 20 0.0930233 1.8604651
11.7 - 13.6 12.65 20 0.0790514 1.5810277
13.6 - 15.5 14.55 11 0.0687285 0.7560137
15.5 - 17.4 16.45 4 0.0607903 0.2431611
Totales 100 n i Y i = 11.034943
8
n 100
YH = 8
= = 906212215
. , n = ni = 100
ni 1103494285

. i=1
i=1 Yi
YH =9.06
Respuesta:
El promedio armnico es 9.06 cm. para la variable longitud de mecha

(cm) en alpacas de la Zona de Melgar.
Entonces podemos comprobar que:
Y Yg YH entonces 10.256 9.711 9.062

PROPIEDADES DE LA MEDIA ARMNICA.
- La suma algebraica de las desviaciones de los recprocos de las observacio-

nes del recproco de la media armnica es nula.
F1
GH Y X
8
1 IJ = 0
i =1 i H K
- La media armnica es menor o igual que la X g ( XH Xg )
- XH Xg X
5.2.7. LA MEDIA CUADRTICA ( X q )
A. LA MEDIA CUADRTICA CON DATOS NO AGRUPADOS.
La media cuadrtica ( X q ) de las observaciones X1, X2, ... , Xn es

igual a la raz cuadrada del cociente que resulta de dividir la sumatoria de los cuadra-
dos de las observaciones entre el nmero de observacion.
X 2
i
Xq = Mq ( x) = i =1
n
Donde: Xq = Media cuadrtica.
Xi = Valores de las observaciones.
n = Tamao de la muestra.
EJEMPLO:
Encontrar la media cuadrtica de los 10 alpacas machos de dos aos de edad

de la Raza Suri del CIP. La Raya, para la variable permetro torxico (cm).
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80, n = 10
SOLUCIN:
10
Xi 74 70 73 77 78 83 70 77.5 83 80 X =
i=1
2
i
2
Xi 5476 4900 5329 5929 6084 6889 4900 6006.25 6889 6400 58802.25
10
X 2
i
58802.25
Xq = i =1
= = 76.6826
n 10
Xq = 76.68 cm.
Respuesta:
El promedio curtico de la variable permetro torxico en alpacas de la
CIP. La Raya es 76.68 cm.
B. LA MEDIA CUADRTICA CON DATOS AGRUPADOS ( Yq ).
Es igual a la raz cuadrada del cociente que resulta de dividir la

sumatoria del producto de las frecuencias absolutas (ni) por los cuadrados de las
marcas de clase puntos medios entre el nmero de observaciones n.
m
n Y i i
2
m
Yq = M q (Y) = i =1
, Donde: n = n i
n i=1
Yi = Marca de clase
EJEMPLO:
Encontrar la Media Cuadrtica Yq para los datos agrupados en intervalos de
frecuencia para la variable longitud de mecha (cm) de las muestras de velln de las
alpacas de la Zona de Melgar.
2 2
[Y'i-1 - Y'i> Yi ni Y i niY i
2.2 - 4.1 3.15 3 9.9225 29.77
4.1 - 6.0 5.05 4 25.5025 102.01
6.0 - 7.9 6.95 18 48.3025 869.45
7.9 - 9.8 8.85 20 78.3225 1566.45
9.8 - 11.7 10.75 20 115.5625 2311.25
11.7 - 13.6 12.65 20 160.0225 3200.45
13.6 - 15.5 14.55 11 211.7025 2328.73
15.5 - 17.4 16.45 4 270.6025 1082.41
Totales 100 n Y i i
2
= 11490.51
11490.51
Yq = = 10.7194
100
Yq = 10.72 cm.
Rpta: El promedio curtico de la Longitud de mecha (cm) es 10.72 cm.
PROPIEDADES:
1. La media curtica es mayor o igual que la media aritmtica: X Xq = Mq(X)
2. X H X g X X q , la media cuadrtica es mayor o igual a la media

aritmtica, y la media aritmtica es mayor o igual a la media geomtrica y
ste ltimo es mayor o igual al promedio armnico.
5.2.8. LA MEDIANA (Me Me(X),

~
X)
Es el valor central de un conjunto de n observaciones X1, X2, ... , Xn
de la variable o caracterstica X, los mismos que son ordenados de menor a mayor, es
decir el valor divide a una serie de observaciones en dos partes, de modo que el 50%
de las observaciones son menores o iguales al valor de la mediana y los otros 50% de
las observaciones son mayores o iguales a la mediana.
50% 50%
X1 Me Xn
A. MEDIANA CON DATOS NO AGRUPADOS.
En este caso no es fcil localizar la mediana cuando se trata de un

nmero considerable de observaciones, a menos que la muestra tenga pocas observa-
ciones, para lo cual es necesario ordenar los datos. Hay que distinguir dos situacio-
nes: Nmero de observaciones IMPAR y nmero de observaciones es PAR.
1. Si el nmero de observaciones n es impar, se ordenan los

datos en orden creciente X(1), X(2), X(3), ...., X(n), denotado a X(1) como la observacin
ms pequea, X(2) la segunda observacin menor, ....., X(n), denota la observacin
mayor, es decir X (1) X ( 2 ) L X ( n ) , y tomar como valor de la mediana el valor de
la observacin que ocupa la posicin central.
Me = X c n+1 h
2
{X~ = Me(x) = Me = X n+1
2
EJEMPLO:
Encontrar la mediana de las 9 alpacas machos de dos aos de edad de la

Raza Suri, para la variable permetro torxico (cm).
74, 70, 73, 77, 78, 83, 70, 83, 80
SOLUCIN:
i) Se ordenan los datos: X1= 70, X2= 70, X3= 73, X4= 74,
X5= 77, X6= 78, X7= 80, X8= 83, X9= 83

70 70 73 74 77 78 80 83 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9)
ii) Existen n = 9, un nmero impar de observaciones, entonces la mediana

es el valor de la observacin que ocupa la posicin central.
~
X = Me = X ( n +1) = X ( 9 +1) = X ( 5) = 77
2 2
2. Si el nmero de observaciones n es par, una vez ordenado el

conjunto de observaciones, existen dos valores centrales X n y X( n )+1 , pudindose
2 2
tomar como mediana cualquiera de ellos, o cualquier valor entre stos dos, para esto
se toma como mediana la semisuma de ambos valores.
X n + XF n I
~ GH 2 JK +1
X = Me =
2
EJEMPLO:
Encontrar la mediana con los datos de alpacas de dos aos de edad en el CIP.
La Raya, de la Raza Suri.
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80 n = 10
SOLUCIN:
i) Se ordenan los datos: X1= 70, X2= 70, X3= 73, X4= 74, X5= 77,
X6= 77.5, X7= 78, X8= 80, X9= 83, X10= 83
ii) Existen n = 10, un nmero par de observaciones, entonces la mediana

es el promedio de las observaciones centrales:
X10 = X(5) = 77 y X10 = X6 = 775

.
+1
2 2
X10 + X10
~ +1 X(5) + X(6) 77 + 775
.
X = Me = 2 2
= = = 77.25
2 2 2
70 70 73 74 77 77.5 78 80 83 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10)
Respuesta: La mediana del permetro torxico (cm) en alapcas de la raza Suri

es 77.25 cm, o el permetro torxico mediano es 77.25 cm.
R| X n +1 , si " n" es un nmero entero impar.

Me = X = S X
2
~
+ X n+2
|| n
T
2 2
, si " n" es nmero entero par.
2
B. MEDIANA CON DATOS AGRUPADOS.
Cuando los datos estn agrupados en intervalos de clases o en una

distribucin de frecuencias no es posible individualizar la observacin mediana y
slo es factible determinar el intervalo en que se encuentra. Para determinar la me-
diana se presentan dos casos: variable discreta y variable contnua.
a) VARIABLE DISCRETA.
El procedimiento para calcular la mediana es:
1. Construir la tabla de distribucin de frecuencias absolutas

acumuladas (Ni) menor que.
2. Se determina la menor frecuencia absoluta acumulada Nj que
n
supera n , entonces se puede tener que: N j1 < N j .
2 2
i) Cuando n >Nj-1, entonces la mediana es: Me(Y) = Yj

2
Yi ni Ni
Y1 n1 N1
Y2 n2 N2
. . .
. . .
Yj-1 n j-1 Nj-1 n
> N j 1
Yj nj Nj 2
. . .
. . .
Ym nm n
Total n
n
ii) Cuando = Nj-1, entonces Yj-1 Yj y cualquier valor
2
entre stos dos se puede considerar como la media-
na, y se calcula como:
Yj1 + Yj
Me =
2
Yi ni Ni
Y1 n1 N1
Y2 n2 N2
. . .
. . Nj-2 n
= N j1
Yj-1 n j-1 Nj-1 2
Yj nj Nj
. . .
. . .
Ym nm n
Total n
EJEMPLO:
Encontrar la mediana para los datos que corresponde al nmero de ovinos

muertos por rebao durante el perodo de invierno de 1999 en el CIP - Chuquibambilla.
SOLUCIN:
1) Construir la tabla de distribucin de frecuencias absolutas acumuladas
menor que.
N de ovinos
(Yi) ni Ni
0 2 2
1 4 6
2 7 13
3 6 19 n
= 21 > N4 = 19
44 6 25 2
5 2 27
6 4 31
7 4 35
8 3 38
9 4 42
10
Total n
i =1
i = 42
n 42
2) Ubicar la posicin de la mediana: n = 42, = =21, entonces la menor
2 2
frecuencia absoluta que supera a 21 es N5 = 25 >21, luego j = 5 y j-1=5-
1=4.
n 42
3)
2
=
2
=21>Nj-1 = N4 = 19. Entonces la mediana es Me = Y5 = 4
EJEMPLO:
Se recolect muestras para la evaluacin de tres acaricidas para el control de

la sarna sarcptica (Sarcoptes scabie var. aucheniae) en alpacas jvenes y adultos del
CIP - La Raya, para esto se ha tomado en cuenta la duracin del perodo: larval,
ninfas y adultos hasta el 10mo. da del primer tratamiento, usndose los siguientes
productos veterinarios: A1: Diazinn 15% + Cypermetrina 5%, A2: Diazinn 60%,
A3: Lindano 16% + Cypermetrina 4% y A4: grupo control. La informacin se pre-
senta a continuacin:
SOLUCIN:
1) Construir la tabla de distribucin de frecuencias absolutas acumuladas
menor que.
Sarna Sarcptica
(Yi) ni Ni
0 10 10
1 3 13
2 4 17
3 5 22
4 7 29
5 12 41 N6 n 90
= = 45> 41= N6
66 10 51 N7 2 2
7 13 64
8 8 72
9 10 82
10 8 90
11
Total n
i =1
i = 90
n 90
2) Ubicar la posicin de la Me, esto es n = 90, entonces = =45, entonces
2 2
N7 = 51 >45, luego j = 7 y j-1=7-1=6.
n 90
3)
2
=
2
=45>Nj-1 = 41 = N6. Entonces la mediana es Me = Y7 = 6
b) VARIABLE CONTNUA.
Cuando la variable es contnua, entonces el problema consiste

en determinar un punto dentro del intervalo en que est comprendido la mediana,
esto se puede lograr con el procedimiento que consiste en:
1. Construir la tabla de distribucin de frecuencias absolutas acu-

muladas (Ni) menor que.
2. Se determina la menor frecuencia absoluta acumulada Nj que

n
supera n , entonces se puede tener que: N j1 < N j .
2 2
n
i) Si ocurre que =Nj-1, la mediana es: Me(Y) = Yj-1, donde
2
Yj-1= Lmite inferior de la clase mediana.
Y'i-1 - Y'i Yi ni Ni
Y'0 - Y'1 Y1 n1 N1
Y'1- Y'2 Y2 n2 N2
Y'2 - Y'3 Y3 n3 N3
. . . .
. . . .
. . . .
n
Y'j-2 - Y'j-1 Yj-1 nj-1 Nj-1 = N j1
2
Y'j-1 - Y'j Yj nj Nj
. . . .
. . . .
Y'm-1 - Y'm Ym nm n
Totales n
n
ii) Si >Nj-1, la mediana se debe encontrar dentro de la clase
2
j, es decir, en el intervalo [Yj-1,Yj>, llamada clase me-
diana. La frmula de la mediana es:
LM n N OP
+c M 2 PP
j1
Me = Yj'1 j
MN N N
j j1
Q
Donde: cj = Amplitud de la clase mediana.
Nj = Frecuencia absoluta acumulada de la clase mediana.
n = Nmero de observaciones en la muestra.
Yj-1 = Lmite inferior de la clase mediana.
Y'i-1 - Y'i Yi ni Ni
Y'0 - Y'1 Y1 n1 N1
Y'1 - Y'2 Y2 n2 N2
Y'2 - Y'3 Y3 n3 N3
. . . .
. . . .
. . . .
Y'j-2 - Y'j-1 Yj-1 n j-1 Nj-1 n
> N j1
Y'j-1 - Y'j Yj nj Nj 2
. . . .
. . . .
Y'm-1 - Y'm Ym nm n
Totales n
Tambin se puede calcular con frecuencias relativas acumuladas:
LM 1 H OP
+c M 2 PP
j1
Me = Y '
j 1 j
MN H H j j 1
Q
Donde: cj = Amplitud de la clase mediana.
Hj = Frecuencia relativa acumulada de la clase mediana.
Yj-1 = Lmite inferior de la clase mediana.
Con la distribucin de frecuencias relativas acumuladas menor que, es

n
similar a las frecuencias absolutas acumuladas. En este caso es reemplazado por
2
1
, Nj por Hj y Nj-1 por Hj-1.
2
Y'i-1 - Y'i hi Hi
Y'0 - Y'1 h1 H1
Y'1 - Y'2 h2 H2
Y'2 - Y'3 h3 H3
. . .
. . .
. . .
Y'j-2 - Y'j-1 h j-1 Hj-1 1
> H j1
Y'j-1 - Y'j hj Hj 2
. . .
. . .
EJEMPLO:
Calcular la Mediana (Me) para los datos de longitud de mecha (cm) de alpacas
machos de la Zona de Melgar.
SOLUCIN:
1) Construir la tabla de distribucin de frecuencias.
[Y'i-1 - Y'i > ni Ni

2.2 - 4.1 3 3
4.1 - 6.0 4 7
6.0 - 7.9 18 25
n 100
7.9 - 9.8 20 45
= = 50 > N 4 = 45
9.8 - 11.7 20 65 2 2
11.7 - 13.6 20 85
13.6 - 15.5 11 96
15.5 - 17.4 4 100
Totales 100
n 100
2) Ubicar la posicin de la mediana: n = 100, entonces = =50, entonces
2 2
la menor frecuencia absoluta acumulada que supera es N5 = 65 >50, luego
j = 5 y j-1=5-1=4, La clase mediana es Y4 - Y5 = 9.8 - 11.7
n 100
3) Como = =50>45 = N4 , la mediana esta dada por:
2 2
LM n N OP LM100 N OP
+c M 2 PP = Y +19. MM N2 N PP = 98. +19. LMN5065 4545OPQ
j1 4
Me = Yj'1 '
MN N N
j
j j1
Q
4
N 5
Q
4
LM 5 OP = 10.275 cm.
Me = 9.8 + 19
.
N20Q
Respuesta: La mediana de la longitud de mecha (cm) de los vellones de alpacas
de 100 muestras es 10.28 cm. en la Zona de Melgar.
EJEMPLO:
Se dispone de 40 datos sobre el nmero de alpacas que posee un comunero del

sector aymara que corresponde a 40 familias.
SOLUCIN:
1) Construir la tabla de distribucin de frecuencias:
Int. De clase Lmites Reales de Clase ni Ni

39 - 54 38.5 - 54.5 3 3
n
55 - 70 54.5 - 70.5 5 8 =20>8
71 - 86 70.5 - 86.5 13 21 2
87 - 102 86.5 - 102.5 9 30
103 - 118 102.5 - 118.5 7 37
119 - 134 118.5 - 134.5 3 40
Totales Totales n = 40
n 40
2) Ubicar la posicin de la mediana: n = 40, entonces = =20, entonces
2 2
N3 = 21 >20, luego j = 3 y j-1=3-1=2, la clase mediana es Y2 - Y3 = 70.5
- 86.5
n 40
3) Como = =20>8 = N2, la mediana esta dada por:
2 2
LM n N OP LM 40 N OP
+c M 2 PP = Y + 16MM N2 N PP = 705. + 16LMN2021 88OPQ
j1 2
Me = Yj'1 '
MN N N
j
j j1
Q
2
N 3 2
Q
LM12 OP = 85.27 cm.
Me = 70.5 + 16
N13 Q
Respuesta: La mitad de los comuneros poseen menos de 85 alpacas y la otra
mitad poseen mayores a esa suma.
PROPIEDADES DE LA MEDIANA.
P-1. La suma de las desviaciones absolutas de las observaciones con relacin

a la mediana es mnimo.
n
X
i =1
i Me = mnimo , para datos no agrupados.
n Y Me = mnimo , para datos agrupados.

i =1
i i
P--2. Si a es cualquier valor, entonces la propiedad se escribe:
n n
X i Me Xi a , para datos no agrupados.

i =1 i =1
m m
n i Yi Me n i Yi a , para datos agrupados.

i =1 i =1
P-3. En una distribucin simtrica se cumple:

Me = Ym+1 , si m es impar
2
Me = Ym' , si m es par.
2
Donde: Yi = Marca de clase puntos medios.
m = Nmero de clases.
Yi = Lmite de clase.
VENTAJAS DE LA MEDIANA.
- La mediana es un estadgrafo que no est afectada por valores extremos, y

por lo tanto es ms representativa que la media aritmtica cuando alguno de
los valores de la variable se aleja mucho de los dems o cuando las series
son poco simtricas.
- Es til cuando los datos agrupados tienen clases abiertas en los extremos.
- Se aplica tambin a variables que pertenecen a la escala ordinal.
DESVENTAJAS DE LA MEDIANA.
- Se deben organizar los datos antes de realizar cualquier tipo de clculo para
determinar la mediana.
- Ciertos procedimientos estadsticos que usan la mediana son mucho ms

complejos que aquellos que usan la media.
- La mediana no es adecuado a manipulaciones algebraicas posteriores.

5.2.9. LA MODA (Md = Mo = Xmo)
Es un estadgrafo de posicin que puede definirse como el valor ms

frecuente, es decir, el que se presenta una frecuencia mayor que las de los valores
inmediatamente anterior y posterior. En varios campos es de importancia, por ejem-
plo, en un estudio de mercados, el intervalo modal de los ingresos puede representar
el principal grupo de consumidores potenciales.
A. MODA CON DATOS SIMPLES NO AGRUPADAS.
La moda de una muestra x1,x2,....,xn, es aquel valor de la variable

que se presenta con mayor frecuencia, es decir es el valor que ms se repite, y lo
denotamos por (Md). La moda no siempre existe y no siempre es nica. El conjunto
de datos puede tener lo siguiente:
- La distribucin que tiene una sola moda, se llama unimodal.

- La distribucin que tiene dos modas, se llama bimodal.
- La distribucin que tiene ms de dos modas, se llama multimodal.
EJEMPLO:
Se registr a las alpacas machos de dos aos de edad de la raza Suri, la varia-
ble largo de cuelo (cm) en el CIP - La Raya, manejadas bajo condiciones de pastos
naturales (1995). La informacin se presenta a continuacin:
Largo de cuello (cm): 39, 42, 40, 40, 41, 41, 42, 42, 45, 42
Ordenado : 39, 40, 40, 41, 41, 42, 42, 42, 42, 45
Determine, y presente grficamente la moda de las observaciones dadas ante-

riormente:
SOLUCIN:
39 40 40 41 41 42 42 42 42 45
: 1
1
424
3 1424
2
3 144424443
2 4
:
1
El valor 42 ocurre 4 veces, el valor 40 se repite 2 veces y el 45 y 39 ocurre una

sola vez. Luego la moda de stas observaciones es: Md = 40, Md = 41 y Md = 42 con
la variable largo de cuello (cm).
ni 5
Valor de la Frec. Absolut. 4
var. Xi ni
3
39 1
40 2 2
41 2
1
42 4
45 1 0
Total 10 39 40 41 42 45 Xi
Luego la Md = 42. Polgono de frecuencia de la distribucin unimodal
EJEMPLO: Se ha considerado la variable:
Altura a la cruz (cm) : 72, 78, 75, 80, 79, 81, 71, 82, 83, 77
Ordenado : 71, 72, 75, 77, 78, 79, 80, 81, 82, 83
Valor de la Frec. Absoluta

variable Xi ni ni 2
71 1
72 1
75 1 No tiene moda, y este tipo de distribucin se llama Uniforme
77 1
78 1 1
79 1
80 1
81 1
82 1 0
83 1
71 72 75 77 78 79 80 81 82 83 Xi
Total 10
Polgono de frecuencia de la distribucin Uniforme.
EJEMPLO: Se consider la variable:
Altura a la cruz (cm): 70, 78, 75, 78, 71, 71, 71, 78, 81, 80
Ordenando se tiene : 70, 71, 71, 71, 75, 78, 78, 78, 80, 81
SOLUCIN:
Valor de la Frec. Absolut. ni 4

var. Xi ni
3
70 1
71 3
2
75 1
78 3
1
80 1
81 1
0
Total 10
70 71 75 78 80 81 Xi
Md = 71 y Md = 78 Es una distribucin Bimodal

Son dos valores modales
B. MODA CON DATOS AGRUPADOS.
Se usa cuando los datos estn tabulados en distribucin de frecuen-

cias, y en esta se observa a la clase que contiene mayor frecuencia, ser la que contie-
ne a la moda.
a) VARIABLE DISCRETA.
Cuando la variable es discreta, la moda se determina simple-

mente fijndose en el valor de la variable que ms se repite.
EJEMPLO:
Se recolect muestras para la evaluacin de tres acaricidas para el control de

la sarna sarcptica en alpacas jvenes y adultas del CIP. La Raya, tomando encuenta
la duracin del perodo: larval, ninfas y adultos al 10m. da del primer tratamiento.
Los datos tabulados en frecuencias se presenta a continuacin:
SOLUCIN:
(Yi) 0 1 2 3 4 5 6 7 8 9 10 Total
ni 10 3 4 5 7 12 10 13 8 10 8 90
n8
1. La frecuencia absoluta mxima es n8 = 13.
2. Luego la moda es el valor de la variable que corresponde a la frecuencia
n8 = 13, Md = 7.
En este caso, se cumple que Md(x) = Md(Y).
b) VARIABLE CONTNUA.
Se pueden presentarse los siguientes casos:
i) Si las densidades de frecuencias de la clase inmediatamente

antes de la clase modal (la clase PREMODAL) e inmedia-
tamente despus de la clase modal (la clase POSMODAL)
son aproximadamente iguales, como se ver en el grfico de
histograma, la moda se aproxima satisfactoriamente por el
punto medio de la clase modal, es decir las marcas de clase
Yi.
ni
Yi'1 + Yi'
Md = Yi =
2
0 Marcas de clase
Y' i-1 M d Y' i
ii) Cuando no se cumple la condicin anterior, como sugiere en
el histograma de la figura siguiente, para un conjunto de
datos tabulados con intervalos de clase de igual amplitud
(ci = c), la estimacin de la moda se calcula por la frmula
obtenida grficamente como sigue:
ni M Q
c
P
n j+1 T
c
n j1 R
Clase Pos-Modal
c
Clase Pre-Modal
'
Yj1 Md Y j'
La frmula de la Moda (Md) es:
Md = Yj'1 + c
LM n n j1
OP Md = Yj'1 + c
LM OP
MNdn n i + dn n iPQ N + Q
j 1

j j1 j j+1 1 2
Donde:
'
Yj1 : Lmite inferior de la clase modal.
nj-nj-1= 1 : Diferencia entre la frecuencia de la clase inmediatamente anterior a

la clase modal.
nj-nj+1= 2 : Diferencia entre la frecuencia de la clase inmediatamente posterior a
la clase modal.
c : Amplitud de la clase modal.
nj-1 : Frecuencia absoluta de la clase premodal.
nj : Frecuencia absoluta de la clase modal
nj+1 : Frecuencia absoluta de la clase posmodal.
EJEMPLO:
Determinar la moda (Md) de la siguiente distribucin de frecuencias.
[Y'i-1 - Y'i > ni

2.2 - 4.1 3
4.1 - 6.0 4
6.0 - 7.9 18
7.9 - 9.8 20 A)
9.8 - 11.7 20 B)
11.7 - 13.6 20 C)
13.6 - 15.5 11
15.5 - 17.4 4
Totales 100
SOLUCIN:
1) Se identifica el intervalo de la clase modal, observando la tabla de frecuen-

cias absolutas, en este caso es 20 que est en el cuarto intervalo. Entonces:
Yj-1 - Yj = 7.9 - 9.8, luego j = 4, j -1 = 3

Y3 - Y4 = 7.9 - 9.8
nj = n4 = 20
nj-1 = n3 = 18 c = 1.9
nj+1 = n5 = 20
2) Reemplazando los valores identificado en la frmula de la moda, se tiene:
LM n n O L 20 18 O
Para A) Md = Y3' + c
bN n n g + bn n g PQ = 7.9 + 19. MN (20 18) + (20 20) PQ = 9.8 cm.
4 3
4 3 4 5
L n n
Md = Y + c M
O L 20 20 O
bN n n g + bn n g PQ = 9.8 + 1.9MN (20 20) + (20 20) PQ = 9.8 cm.
' 5 4
Para B) 4
5 4 5 6
LM O L 20 18 O
g PQ = 11.7 + 1.9MN (20 20) + (20 11) PQ = 11.7 cm.
n 6 n5
N bn g b
Para C) Md = Y5' + c
6 n5 + n 6 n 7
EJEMPLO: Determinar la moda de la siguiente distribucin de frecuencias:
Int. De clase ni
[0 - 1 > 3
[1 - 2 > 10
[2 - 3 > 17 Frec. Ms alta.
[3 - 4 > 8
[4 - 5 > 5
Total 43
SOLUCIN:
1) Se identifica el intervalo de la clase modal observado en la frecuencia abso-

luta n3 = 17, entonces:
Yj-1 - Yj = Y2 - Y3 =2 - 3, luego j = 3, j -1 = 2
nj = n3 = 17
nj-1 = n2 = 10 c=1
nj+1 = n4 = 8
2) Reemplazando a la frmula de moda se tiene:
LM n n OP = 2 +1L 17 10 O = 2.44
Nbn n g + bn n gQ MN(17 10) + (17 8) PQ
Md = Y2' + c 3 2
3 2 3 4
Entonces la Md = 2.44 ~ 2.
EJERCICIO:
En una granja avcola, se registra la siguiente tabla de distribucin de pollos

con respecto a sus pesos:
Peso en gramos n i (N de pollos)

960 - 980 60
980 - 1000 160
1000 - 1020 280
1020 - 1040 260
1040 - 1060 160
1060 - 1080 80
Total 1000
VENTAJAS DE LA MODA
1. La moda, se puede usar como una localizacin, tanto para datos cualita-
tivos y cuantitativos.
2. La moda no est indebidamente afectada por 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 ms de las clases sean abiertas

en los extremos.
4. La moda al igual que la mediana, es de fcil comprensin, y no queda

influenciada por los valores extremos.
DESVENTAJAS DE LA MODA
1. Muy a menudo, no hay un valor modal, porque el conjunto de datos no

contiene valores que se repitan ms de una vez. Otras veces, cada valor es
la moda, porque cada una aparece el mismo nmero de veces. Por consi-
guiente, 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. Al igual que la mediana, presenta una gran inestabilidad en el muestreo y
tampoco permite un tratamiento algebraico.
4. La moda es an menos importante que la mediana, debido a su ambige-
dad.
5.2.10. RELACIN ENTRE MODA, MEDIA y MEDIANA.
A. DISTRIBUCIONES SIMTRICAS.
Es cuando los valores de la variable, cuya representacin grfica es

acampanada y adems unimodal; en este caso coinciden exactamente en el mismo
los estadgrafos como: Media, Mediana y Moda. Tal como se puede apreciar en el
siguiente grfico.
X = Me = Md
X = Me = Md
B. DISTRIBUCIONES ASIMTRICAS.
Si la distribucin tiene la forma acampanada, es unimodal, pero

no tiene simetra, las 3 medidas estadsticas toman valores diferentes y la mediana
queda comprendida generalmente entre la Moda (Md) y la Media Artimtica ( x ).
i) Si la distribucin es ms alargada o sesgada para valores grandes

de la variable (asimetra a la derecha o positiva), entonces debe
cumplir que:
Sesgada a la derecha
X > Me > Md
Md Me X
ii) Si la distribucin es ms alargada o sesgada para valores peque-

os de la variable (Asimetra a izquierda o negativa), entonces:
Sesgada a la izquierda
X < Me < Md
X Me Md
De i) y ii) vemos que la mediana es el mejor medida de tendencia

central en la ubicacin, ya que se encuentra entre la Md y x .
Entonces, si la distribucin es moderamente asimtrica y unimodal, se

cumple aproximadamente la siguiente relacin:
X Md 3( X Me)
Md = X 3( X Me)
Md = 10.256 - 3(10.256-10.275) = 10.313
5.3. MEDIDAS DE CUANTILES.
Estas medidas se llaman cuantiles o cuantilas; es decir son aquellos valores de

la variable que dividen una distribucin de frecuencias o el total de observaciones
debidamente ordenadas en 4, 6, 8, 10 o cien partes iguales, y estos cuantiles son ms
usados en el anlisis estadstico y son: cuartiles, deciles y percentiles, los valores se
dan a menudo en tanto por ciento.
5.3.1. CUARTILES.
Los cuartiles son estadgrafos de posicin que dividen a un conjunto

de datos o distribucin de frecuencias ordenados en forma ascendente o descendente
en CUATRO PARTES de igual tamao, esto significa que entre dos cuartiles conse-
cutivos se encuentran no ms de 25% del total de n observaciones, y se denota por
Qi, i = 1,2,3. En forma esquemtica se puede observar que:
Xmn. Xmx.
0% Q1 Q2 = Me Q3 100%
n 2n n 3n
25% 25% = 25% 25%
4 4 2 4
50% 50%
75%
A. PRIMER CUARTIL (Q1).
Es un valor que supera a no ms del 25% de las n observaciones

y que es superado por no ms del 75% de las n observaciones. En otras palabras, el
25% de las observaciones tienen valores inferiores o iguales a Q1, en tanto que el
75% restante tienen valores superiores a Q1.
25% de n Q1 75% de n
a) Q1 CON DATOS NO AGRUPADOS.
Sea x1,x2,x3,....,xn un conjunto de observaciones de una variable

o caracterstica X.
1. Se ordenan los datos en forma ascendente o descendente:

X(1),X(2),X(3),....,X(n) X(n),X(n-1),.....,X(2),X(1).
n +1
2. Se localiza el punto de posicin del valor correspondiente a la
4
observaciones ordenada.
n +1 n +1
i) Si es un entero, entonces Q1 = al punto de posicin de = Xn+1
4 4 4
n +1
ii) Si no es un entero, realizar una interpolacin lineal entre los
4
dos valores de las dos observaciones entre las cuales se encuentra
la fraccin.
EJEMPLO:
Determinar el primer cuartil Q1 de los datos de permetro torxico (cm), de los

siguientes datos:
74, 71, 73, 77, 78, 83, 70, 77.5, 83, 80
SOLUCIN:
1. Se ordena los datos:
Q1
70 70 73 74 77 77.5 78 80 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9)
2. Como n = 10, entonces n + 1 = 10 + 1 = 11 = 2.75 , el valor de Q1 es el segundo

4 4 4
dato ms 75% de la diferencia entre los valores de las observaciones segun-
do y tercero. Esto es:
X( 2) = 70 UV Q1 = 70 + (73 70)(0.75) = 72.25

X(3) = 73 W
Q1 = 72.25 cm.
EJEMPLO (cuando el nmero de datos es impar).
1. Ordenar los datos:
70 70 73 74 77 77.5 78 80 83 83 84
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10) X(11)
2. Como n = 11, entonces n + 1 = 11 + 1 = 12 = 3 , es un entero, entonces Q1 es la

4 4 4
tercera observacin ordenada: Q1 = X n +1 = X 3 = 73 .

4
b) Q1 CON DATOS AGRUPADOS TABULADOS.
Si los datos estn agrupados en distribucin de frecuencias en-

tonces Q1, se determina con los siguientes pasos:
1. Se toman las frecuencias absolutas acumuladas menor que Ni o frecuen-

cias relativa acumuladas menor que Hi.
2. Se identifica la clase que contiene a Q1, determinando la menor de las

n
frecuencias absolutas acumuladas Nj que supera a o la menor Hj que
4
1
supeara a .
4
n 1
N j 1 < Nj H j1 < H j por lo tanto, la clase que contiene a Q1 es
4 4
" Yj'1 Yj' " .
n 1
i. Si N j1 = H j 1 = , el primer cuartil es Q1, = Yj-1 donde Yj-1=Lmite
4 4
inferior de la clase que contiene a Q1.
n 1
ii. Si N j 1 < H j1 < , entonces, el primer cuartil debe encontrarse dentro
4 4
del intervalo [Yj-1- Yj>, entonces Q1 debe localizar a una distancia
d de Yj-1, expresado de la siguiente manera: Q1, = Yj-1 +d.
Y'i-1 - Y'i ni Ni Y'i-1 - Y'i hi Hi

Y'0 - Y'1 n1 N1 Y'0 - Y'1 h1 H1
Y'1- Y'2 n2 N2 Y'1- Y'2 h2 H2
. . . . . .
. . . . . .
. . . . . .
Y'j-2 - Y'j-1 nj-1 Nj-1 n Y'j-2 - Y'j-1 hj-1 Hj-1 1
> Nj1 > H j1
Y'j-1 - Y'j nj Nj 4 Y'j-1 - Y'j hj Hj 4
. . . . . .
. . . . . .
El d se puede calcular mediante dos mtodos: el mtodo de

interpolacin algebraica y el grfico, usaremos el mtodo de interpolacin algebraica,
se hace mediante una regla de tres simple:
Si en una amplitud cj Nj - Nj-1 observaciones
n
en qu amplitud d N j1 observaciones
4
Esto es: c i N j N j1 U| LM n N OP
V| d=M 4 PPc
j1
de donde:
MN N N
n
d N j1
W
j
4 j j1
Q
Luego:
LM n N OP
+c M 4 PP
j1
'
MN N N
Q1 = Yj-1 j
j j1
Q
Donde: Yj-1 = Lmite inferior de la clase que contiene a Q1.
cj = Amplitud de la clase que contiene a Q1.
Nj = Frecuencia absoluta acumulada de la clase que contiene a Q1.
Nj-1 = Frecuencia absoluta acumulada inmediatamente anterior a la clase de Q1.
Para frecuencia Relativa Acumulada Hi
LM 1 H OP
+c M 4 PP
j1
'
MN H H
Q1 = Yj-1 j
j j1
Q
Hj = Frecuencia relativa acumulada de la clase que contiene a Q1.
Hj-1 = Frec. relativa acumul. inmediatamente anterior a la clase de Q1.
EJEMPLO:
Calcular el primer cuartil (Q1) con los datos de la longitud de mecha (cm) en
alpacas de la Zona de Melgar que corresponde al ejemplo anterior:
SOLUCIN:
[Y'i-1 - Y'i > ni Ni

2.2 - 4.1 3 3
4.1 - 6.0 4 7
6.0 - 7.9 18 25 n 100
= = 25 N 3 = 25
7.9 - 9.8 20 45 4 4
9.8 - 11.7 20 65
11.7 - 13.6 20 85
13.6 - 15.5 11 96
15.5 - 17.4 4 100
Totales 100
n 100
2. Ubicar la posicin de Q1: n = 100, entonces = =25, entonces la menor
4 4
n
frecuencia absoluta acumulada (Ni) que supera a =25 es N4 =45 >50,
4
n
luego j = 4 y j-1=4-1=3, Pero N3 = 25 = =25, entonces el intervalo que
4
contiene a Q1 es:
Q1 = Yj-1 = Y3 = 7.9
n
Se debe comprobar que: N j1 < N j esto es igual a: 25 25 < 45
4
Respuesta: Significa que el 25% del total de vellones, es decir 25 vellones

miden inferiores o iguales a 7.9 cm. y los 75 vellones restantes (75%) de los vellones
miden superiores a 7.9 cm. de longitud de mecha.
B. SEGUNDO CUARTIL (Q2) o CUARTIL MEDIANA Q2 = Me.
Es un valor que est en el centro, y por lo tanto coincide con la

mediana Q2=Me.
LM 2/ n N OP LM n N OP
+ c M 4/ PP = Y +c M 2 PP
j1 j1
Q 2 = Me = Yj'1 '
j
MN N N
j j1
Q
j1
MN N N
j
j j1
Q
C. TERCER CUARTIL (Q3).
Es un valor que supera a no ms del 75% de las n observaciones

y que es superado por no ms del 25% de las n observaciones. Es decir, que el 75%
de las observaciones tienen valores inferiores o iguales a Q3 y el 25% restante tienen
valores superiores a Q3.
75% de n Q3 25% de n
a) Q3 CON DATOS NO AGRUPADOS.

o caractersticas X. Entonces Q3 se determina:
1. Se ordena los datos en forma ascendente o descendente:
X(1),X(2),X(3),....,X(n) X(n),X(n-1),.....,X(2),X(1).
2. Se localiza el punto de posicin del valor correspondiente a la 3( n + 1)

4
observaciones ordenada.
3 ( n + 1)
i) Si es un entero, entonces Q3 = al punto de posicin de
4
3( n + 1)
= X3( n+1)
4 4
3 ( n + 1)
ii) Si no es un entero, es decir es fraccionario, realizar una
4
interpolacin lineal entre los dos valores correspondientes a las
dos observaciones entre las cuales se encuentra la fraccin.
EJEMPLO:
Determinar el tercer cuartil Q3 para los datos del ejemplo anterior que corres-
ponde al permetro torxico (cm) en alpacas de la Raza Suri (1995).
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80, 84 n = 11
SOLUCIN:
1. Se ordena los datos en forma ascendente:
Q3
70 70 73 74 77 77.5 78 80 83 83 84
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10) X(11)
3(11 + 1) 36
2. Como n = 11, entonces = = 9 , el valor de Q3 es la novena obser-
4 4
vacin ordenada. Entonces: Q 3 = X 3(11+1) = X ( 9 ) = 83 cm.

4
EJEMPLO (cuando el nmero de datos es par, es decir n = 10).
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80 n = 10
Q3
70 70 73 74 77 77.5 78 80 83 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10)
2. Como n = 10, entonces 3( n + 1) = 33 = 8.25 , es un nmero fraccionario, en-

4 4
tonces se realiza la interpolacin lineal, es el octavo dato ms 25% de la
diferencia entre los valores de las observaciones octava y novena. La octa-
va observacin es 80 y la novena es 83, entonces:
Q3 = 80 + (83 - 80)x(0.25) = 80.75
b) Q3 CON DATOS AGRUPADOS TABULADOS.
Si los datos estn agrupados en distribucin de frecuencias o

clases, entonces Q3, se determina:
1. Se construye la tabla de frecuencias absolutas acumuladas menor que

Ni o frecuencias relativa acumuladas menor que Hi.
2. Se identifica la clase que contiene a Q3, determinando la menor de las

3n
frecuencias absolutas acumuladas Nj que supera a o la menor Hj
4
3
que supeara a .
4
3n 3
N j1 < Nj H j1 < H j por lo tanto, la clase que contiene a Q3
4 4
es " Yj'1 Yj' " .
3n 3
i. Si N j1 = H j1 = , el tercer cuartil es Q3, = Yj-1.
4 4
3n 3
ii. Si N j1 < H j1 < , entonces, el tercer cuartil debe encontrarse den-
4 4
tro del intervalo [Yj-1- Yj>. Es decir Q3 debe localizarse a una
distancia d de Yj-1, expresado como: Q3 = Yj-1 +d.

Y'0 - Y'1 n1 N1 Y'0 - Y'1 h1 H1
Y'1- Y'2 n2 N2 Y'1- Y'2 h2 H2
. . . . . .
. . . . . .
. . . . . .
Y'j-2 - Y'j-1 nj-1 Nj-1 3n Y'j-2 - Y'j-1 hj-1 Hj-1 3
> Nj1 > Hj1
. . . . . .
. . . . . .
El clculo de d se hacen en forma similar al Q1.
3n
4
Esto es: c i N j N j1 U| LM 3n N OP
V| de donde: d = c M 4 PP
j1
MN N N
3n
d N j1
W
j
4 j j1
Q
Luego:
LM 3n N OP
+c M 4 PP
j1
'
MN N N
Q3 = Yj-1 j
j j1
Q
Nj = Frecuencia absoluta acumulada de la clase que contiene a Q3.
Nj-1 = Frecuencia absoluta acumulada inmediatamente anterior a la clase de Q3.
Cuando se usa las frecuencias acumulada relativa, la frmula es la si-

guiente:
LM 3 H OP
+c M 4 PP
j1
'
MN H H
Q3 = Y j-1 j
j j1
Q
Hj = Frecuencia relativa acumulada de la clase que contiene a Q3.
Hj-1 = Frecuencia relativa acumulada inmediatamente anterior a la clase de Q 3.
EJEMPLO:
Calcular el tercer cuartil (Q3) con los datos de la longitud de mecha (cm) en
alpacas de la Zona Melgar, y que corresponde al ejemplo anterior:
SOLUCIN:

Long. Mecha (cm) ni Ni

2.2 - 4.1 3 3
4.1 - 6.0 4 7
6.0 - 7.9 18 25
7.9 - 9.8 20 45
9.8 - 11.7 20 65 3n 3100
( )
= = 75> N5 = 65
11.7 - 13.6 20 85 4 4
13.6 - 15.5 11 96
15.5 - 17.4 4 100
Totales 100
3 n 3(100)
2) Ubicar la posicin de Q3: n = 100, entonces = =75, entonces N6,
4 4
luego j = 6, j-1 = 5, por lo tanto, la clase que contiene a Q3 es Y5 - Y6 =
11.7 - 13.6.
3n
3) Como =75>N5 = 65, el tercer cuartil es:
4
n
Se debe comprobar que: N j1 < N j esto es igual a: 65 75 < 85
4
LM3n N OP LM3(100) N OP
Q =Y +c M 4 PP = Y +c MM N4 N PP =117. +19. LMN7585-6565OPQ =1265
j1 5
' '
MNN N
3 j-1 j 5 j .
j j1
Q N 6
Q 5
Q3 = 12.65 cm.
Respuesta: Significa que del total de vellones de alpacas, el 75%, es decir 75

vellones, tienen medidas de longitud de mecha (cm) inferiores o iguales a 12.65 cm.,
y el 25% restante tienen longitudes de mecha superiores a los 12.65 cm.
5.3.2. DECILES (Di)
Los DECILES son estadgrafos de tendencia central o de posicin que

dividen al total de las observaciones de una muestra o distribucin de frecuencias en
10 partes iguales, tal que entre dos deciles consecutivas, se encuentre no ms del
10% del total de las observaciones (cada parte incluye el 10% de las observaciones).
Los deciles, se representan por la letra Di, donde D, indica Decil y i

el orden del decil buscado. En total hay nueve decilas denotados por: D1, D2, D3,
...,D9.
Esquemticamente se puede observar:
0% 10% D1 10% D2 10% D3 10% D4 10% D5 10% D6 10% D7 10% D8 10% D9 10% 100%
X min n 2n 3n 4n 5n 6n 7n 8n 9n X mx
10 10 10 10 10 10 10 10 10
14444444
4244444444
35n=n14444444
4244444444
3
50% 10 2 50%
a) DECILES CON DATOS NO AGRUPADOS.

caracterstica X .
1. Se ordenan los datos en forma ascendente o descendente:

X(1),X(2),X(3),....,X(n) X(n),X(n-1),.....,X(2),X(1).
i(n)+5
2. Se localiza el punto de posicin del valor correspondiente a la
10
observaciones ordenada. Entonces:
i ( n) 5
i) Si +
L
es un entero, entonces Di = X i ( n ) 5O
NM 10 + 10 QP
10 10
i ( n) 5
ii) Si + no es un entero exacto, Di se obtiene por interpolacin
10 10
lineal entre los dos valores correspondientes a las dos observacio-
nes entre las cuales se encuentra la fraccin.
EJEMPLO:
Determinar el primer decil (Di ) para los datos del ejemplo anterior que co-
rresponde al permetro torxico (cm) en alpacas de la Raza Suri (1995).
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80, 84 n = 11
SOLUCIN:
1. Se ordena los datos en forma ascendente:
D1
70 70 73 74 77 77.5 78 80 83 83 84
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10) X(11)
2. Ubicacin de la posicin, como n = 11, entonces 1(11) + 5 = 16 = 16

. , el valor
10 10 10
de D1, se realiza mediante la interpolacin lineal: D1 = 70+(70-70)x0 =
70.
D5 = ?
i) ubicar la posicin de D5: 5(11) + 5 = 60 = 6, D5 = X 5(11) 5 = X ( 6) = 77.5 cm.
10 10 10 +
10 10
Si n = 10, calcular D5:
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80 n = 10

D5
70 70 73 74 77 77.5 78 80 83 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10)
5(10) 5 55
2) ubicar la posicin de D5: + = . , D5 = 77 + ( 77.5 77) x0.5 = 77.25 cm.
= 55
10 10 10
Si n = 11, calcular D9:
9 (11) 5 104
i) ubicar la posicin de D9: + = = 10.4 , D 9 = 83 + (84 83) x1 = 84 cm.
10 10 10
Respuesta: D9= 84 cm., nos indica que el 90% de los medidas del perme-
tro torxico en alpacas, tienen medidas inferiores o igual a 84 cm. y el resto de
medidas (10%), tienen medidas de permetro torxico superiores a 84 cm.
b) DECILES CON DATOS AGRUPADOS TABULADOS (Di).
Si los datos estn agrupados o tabulados en una distribucin de

frecuencias o clases, entonces Di, se determina:
1. Se construye la tabla de frecuencias absolutas acumuladas menor que
Ni o frecuencias relativa acumuladas menor que Hi.
i( n ) i
2. Se determina la posicin o si se considera la tabla de Hj, i = 1,2,3,
10 10
..., 9.
3. Se identifica la clase que contiene a Di, identificando a la frecuencia

i( n ) i
acumulada Nj Hj inmediatamente a (o a ). En estas condicio-
10 10
nes, se tiene que Yi-1 - Yi es la clase que contiene a Di.
i(n) i
N j1 < N j H j1 < H j por lo tanto, la clase que contiene a Di
10 10
es " Yj'1 Yj' " .
i(n) i
i. Si N j1 = H j1 = , entonces Di, = Yj-1.
10 10
i(n) i
ii. Si > N j1 > H j1 , entonces Di = Yj-1 +d.
10 10

Y'0 - Y'1 n1 N1 Y'0 - Y'1 h1 H1
Y'1- Y'2 n2 N2 Y'1- Y'2 h2 H2
. . . . . .
. . . . . .
. . . . . .
Y'j-2 - Y'j-1 nj-1 Nj-1 i(n) Y'j-2 - Y'j-1 hj-1 Hj-1 i
>Nj1 > Hj1
. . . . . .
. . . . . .
El clculo de d se hacen en forma similar al Di.
i(n)
en qu amplitud d Nj1 observaciones
10
Esto es: ci N j N j1 U| LM i(n) N OP

j1
MN N N
in
d N j1
W
j
10 j j1
Q
Luego:
LM i(n) N OP
+ c M 10 PP,
j1
'
i = 1,2,...,9
MN N N
Di = Yj-1 j
j j1
Q
Donde: Yj-1 = Lmite inferior de la clase que contiene a Di.
cj = Amplitud de la clase que contiene a Di.
Nj = Frecuencia absoluta acumulada de la clase que contiene a Di.
Nj-1 = Frec. absoluta acumulada inmediatamente anterior a la clase de Di.

guiente:
LM i H OP
+ c M 10 PP,
j 1
'
i = 1,2,....,9
MN H H
D i = Yj-1 j
j j 1
Q
Donde: Yj-1 = Lmite inferior de la clase que contiene a Di.
cj = Amplitud de la clase que contiene a Di.
Hj = Frecuencia relativa acumulada de la clase que contiene a Di.
Hj-1 = Frec. relativa acumulada inmediatamente anterior a la clase de Di.
EJEMPLO:
Calcular los siguientes deciles: D1, D2,D3, ... , D9 para los datos de longitud de
mecha (cm) en alpacas de la Zona Melgar, y que corresponde al ejemplo anterior:
SOLUCIN:
PRIMER DECIL (D1)

2.2 - 4.1 3 3
in
4.1 - 6.0 4 7 = 10 > N2 = 7 = D1, D2
6.0 - 7.9 18 25 10
D3 , D4
7.9 - 9.8 20 45
D5 , D6
9.8 - 11.7 20 65
D7 , D8
11.7 - 13.6 20 85
D9
13.6 - 15.5 11 96
15.5 - 17.4 4 100
Totales 100
i(n) 1(100)
2) Ubicar la posicin de D1: n = 100, entonces = =10, entonces N3,
10 10
luego j =3, j-1 = 2, por lo tanto la clase que contiene a D1 es Y2 - Y3 =
6.0 - 7.9.
i(n)
3) Como =10>N2 = 7, entonces: Y2 - Y3 = 6.0 - 7.9.
10
i(n)
Se debe comprobar que: Nj1 < Nj esto es igual a: 7 10 < 25 . Re-
10
emplazando en la frmula se tiene:
LM i(n) N OP LM1(100) N OP
D =Y + c M 10 PP = Y +c MM N10 N PP = 60. +19. LMN1025-77OPQ = 632
j1 2
' '
MN N N
1 j-1 j 2 j .
j j1
Q N 3 2
Q
D1 = 6.32 cm.
Respuesta: El 10% de los vellones de longitud de mecha (cm), tienen un n-

mero de longitudes inferiores o iguales a 6.32 cm. y el resto (90%) de vellones son
superiores a 6.32 cm.
SEGUNDO DECIL (D1)

2(n) 2(100)
1) Ubicar la posicin de D2: n = 100, entonces = =20, ste nmero
10 10
esta localizado entre 7 y 25, entonces j =3, j-1 = 2.
Se debe comprobar que: N 2 20 < N 3
2 (100)
10
Reemplazando en la frmula se tiene:

LM 2(100) N OP
D = Y + c M 10 P
2
L20 7 OP = 7.37
. M
= 6.0 + 19
N 25- 7 Q
'
2
MN N N PQ
2 j
3 2
D2 = 7.37cm.
Respuesta: Significa que el 20% de los vellones de longitud de mecha (cm),

tienen medidas iguales o inferiores a 7.37 cm. o el 20% de los vellones poseen 7.37
cm de longitud de mecha como mximo y el 80% de los vellones tienen medidas
mayores a 7.37 cm.
TERCER DECIL (D3)

3(n) 3(100)
10 10
esta localizado entre 25 y 45, entonces j =4, j-1 = 3, entonces: Y3 - Y4 =
7.9 - 9.8, adems: 25 30 < N4 = 45
3(100)
2) Como =30>N3 = 25, reemplazando en la frmula se tiene:
10
LM 3(100) N OP
D = Y + c M 10 P
3
L 30 25OP = 8.375
. M
= 7.9 + 19
N 45- 25 Q
'
3 3
MN N N PQ
j
4 3
D3 = 8.375 cm.
Respuesta: El 30% de los vellones de longitud de mecha (cm), tienen medidas

iguales o inferiores a 8.38 cm. y el 70% de los vellones tienen medidas superiores de
longitud de mecha a 8.38 cm.
CUARTO DECIL (D4)
4(n) 4(100)
10 10
esta comprendido entre 25 y 45, entonces j =4, j-1 = 3, con: Y3 - Y4 = 7.9
- 9.8.
4(100)
2) Como =40>N3 = 25, entonces reemplazando en la frmula se tiene:
10
LM 4(100) N OP
= Y + c M 10 P
3
L40 25OP = 9.325
. M
= 7.9 + 19
N 45- 25 Q
'
MN N N PQ
D4 3 j
4 3
D4 = 9.325 cm.
Respuesta: El 40% de los vellones de alpaca miden igual o inferior a 9.33 cm.,
y el resto 60% de vellones de alpacas, la longitud de mecha (cm) tienen mayores a
9.33 cm.
QUINTO DECIL (D5)
5(n) 5(100)
10 10
esta comprendido entre 45 y 65, entonces j =5, j-1 = 4, se encuentra en el
intervalo de clase: Y4 - Y5 = 9.8 - 11.7.
5(100)
10
LM 4(100) N OP
D = Y + c M 10 P
4
L50 45OP = 10.275
. M
= 9.8 + 19
N 65- 45 Q
'
5 4
MN N N PQ
j
5 4
D5 = 10.28 cm. (este valor coincide con la Me).
Respuesta: El 50% de los vellones de alpaca miden como mximo 10.28 cm.
y el otro 50% tienen medidas de longitud de mecha mayores a 10.28 cm.
SEXTO DECIL (D6)
6(n) 6(100)
1) Ubicar la posicin de D6: n = 100, entonces = =60, entonces ste
10 10
nmero esta comprendido entre 45 y 65, entonces j =5, j-1 = 4, se encuen-
tra en el intervalo de clase: Y4 - Y5 = 9.8 - 11.7.
6(100)
10
LM 6(100) N OP
D = Y + c M 10 P
4
L60 45OP = 11225
. M
= 9.8 + 19
N 65- 45 Q .
'
6 4
MN N N PQ
j
5 4
D6 = 11.23 cm.
Respuesta: El 60% de los vellones de alpacas poseen como mximo 11.23 cm.
de longitud de mecha y el 40% de las longitudes de mecha son superiores a 11.23 cm.
STIMO DECIL (D7)
7(n) 7(100)
10 10
7(100)
10
LM 7(100) N OP
D = Y + c M 10 P
5
L70 65OP = 12175
. M
= 117
. + 19
N 85- 65 Q .
'
7 5
MN N N PQ
j
6 5
D7 = 12.18 cm.
Respuesta: El 70% de los vellones de alpacas miden inferiores a 12.18 cm. y

el resto 30% de las longitudes de mecha son superiores a 12.18 cm.
OCTAVO DECIL (D8)
8(n) 8(100)
10 10
8(100)
10
LM 8(100) N OP
D = Y + c M 10 P
5
L80 65OP = 13125
. M
= 117
. + 19
N Q
'
MN PQ
.

8 5 j
N 6 N 5 85- 65
D8 = 13.13 cm.
NOVENO DECIL (D9)
9(n) 9(100)
10 10
9(100)
10
LM 9(100) N OP
D = Y + c M 10 P L90 85OP = 14.46
. M
6
= 136
. + 19
N 96-85 Q
'
9
MN N N PQ
5 j
7 6
D9 = 14.46 cm.
5.3.3. PERCENTILES CENTILAS (Pi).
Los percentiles son estadgrafos de posicin que dividen a la totalidad

de observaciones de la muestra en 100 partes iguales; es un estadgrafo que da una
idea porcentual de la distribucin de los datos. Los percentiles, se aplican cuando
existen numerosos valores de la variable con una alta frecuencia total. Existen 99
percentiles, y se denota por Pi, i = 1,2,3, ..., 99. Para visualizar mejor, se presenta el
esquema siguiente:
Xmn. P 50 Xmx.
0%
P1 P2 P3 ...... ...... P 50 ...... P 97 P 98 P 99 100%
1% 1% 1% 1% ...... ...... 1% 1% 1%
2% 98%
98% 2%
99% 1%
PRIMER PERCENTIL (P1). Es el valor que supera a no ms de un

cntimos de las observaciones y es superado por no ms de 99 cntimos de ellas. P1 es
el valor que deja 1% de las observaciones menores o iguales a l y el 99% superiores
a l.
SEGUNDO PERCENTIL (P2). Es el valor que supera a no ms de

dos centcimos de las observaciones y es superado por no ms de 98 centcimos de
ellas. P2, es el valor que deja 2% de las observaciones menores o iguales a l y el 98%
superiores a l.
As sucesivamente, puede definir cada uno de los percentiles.
NOVENTA Y NUEVE AVO PERCENTIL (P99). Es el valor que su-

pera a no ms de 99 centcimos de las observaciones y es superado por no ms de 1
centcimo de ellas. P99, es el valor que deja 99% de las observaciones menores o
iguales a l y el 1% superiores a l.
CLCULO DE LOS PERCENTILES (Pi).
Los percentiles, se determinan de la misma forma que los cuartiles y deciles.

Para datos agrupados se sigue los siguientes pasos:
1) Se construye la tabla de frecuencias absolutas acumuladas menor que Ni

o frecuencias relativa acumuladas menor que Hi.
i( n)
2. Se determina la posicin , si se trabaja con la frecuencia absoluta acu-
100
i
mulada Ni o con la frecuencia relativa acumulada Hi, i = 1,2,3, ..., 99.
100
3. Se identifica la clase que contiene a Pi, identificando a la frecuencia acumu-
i( n) i
lada Nj Hj inmediatamente a (o a ). Para esto, se debe cumplir las
100 100
siguientes condiciones.
i(n) i
N j1 < N j H j1 < H j luego el intervalo de clase que contiene a
100 100
Pi es " Yj'1 Yj' " .
4. Ubicacin de los percentiles:
i(n) i
i. Si N j1 = H j1 = , entonces Pi, = Yj-1.
100 100
i(n) i
ii. Si Nj1 < Hj1 < , entonces Pi = Yj-1 +d.
100 100
Donde d se determina por interpolacin algebraica o por el mtodo grfico.

i(n)
100
Esto es: c i N j N j1 U| LM i(n) N OP

j1
MN N N
in
d N j1
W
j
100 j j1
Q
Luego:
LM i(n) N OP
+ c M 100 PP,
j1
'
i = 1,2,...,99
MN N N
Pi = Yj-1 j
j j1
Q
Donde: Yj-1 = Lmite inferior de la clase que contiene a Pi.
cj = Amplitud de la clase que contiene a Pi.
Nj = Frecuencia absoluta acumulada de la clase que contiene a Pi.
Nj-1 = Frec. absoluta acumulada inmediatamente anterior a la clase de Pi.
n = Tamao de muestra.

guiente:
LM i H OP
+ c M 100 PP,
j1
'
i = 1,2,....,99
MN H H
Pi = Y j-1 j
j j1
Q
Donde: Yj-1 = Lmite inferior de la clase que contiene a Pi.
cj = Amplitud de la clase que contiene a Pi.
Hj = Frecuencia relativa acumulada de la clase que contiene a Pi.
Hj-1 = Frec. relativa acumulada inmediatamente anterior a la clase de Pi.
EJEMPLO:
Calcular los percentiles: P10, P17, P20, P30, P25, P50, P75, P90 para la longitud de
mecha (cm) de los vellones de alpacas de la Zona Melgar.
PERCENTIL (P10)
1. Se construye la tabla de distribucin de frecuencias:

2.2 - 4.1 3 3
4.1 - 6.0 4 7
6.0 - 7.9 18 25
P25
7.9 - 9.8 20 45
P50
9.8 - 11.7 20 65
P75
11.7 - 13.6 20 85
P90
13.6 - 15.5 11 96
15.5 - 17.4 4 100
Totales 100
i(n) 10(100)
2) Ubicar la posicin de P10: n = 100, entonces = =10, entonces ste
100 100
valor est comprendido entre 7 y 25, luego j =3, j-1 = 2, por lo tanto, la
clase que contiene a P10 es Y2 - Y3 = 6.0 - 7.9.
10(100)
100
Reemplazando en la frmula de Percentil, se tiene:
LM 10(100) N OP
= Y + c M 100 P
2
L10 7 OP = 6.32
. M
= 6.0 + 19
N 25- 7 Q
'
P10 2
MN N N PQ
j
3 2
P10 = D1 = 6.32 cm.

Respuesta: El 10% de los vellones de longitud de mecha (cm), son inferiores
o iguales a 6.32 cm. y el resto de vellones 90% de sus longitudes de mecha son
PERCENTIL (P17)
i(n) 17(100)
100 100
valor est comprendido entre 7 y 25, luego j =3, j-1 = 2. por lo tanto, la
17(100)
100
LM 17(100) N OP
P = Y + c M 100 P
2
L17 7 OP = 7.06
. M
= 6.0 + 19
N 25- 7 Q
'
1 2
MN N N PQ
j
3 2
P17 = 7.06 cm.

superiores a 7.06 cm. Otra forma de interpretar es que el 17% de los vellones de
alpacas miden como mximo 7.06 cm.
PERCENTIL (P20)
i(n) 20(100)
100 100
20(100)
100
LM 20(100) N OP
= Y + c M 100 P L 20 7 OP = 7.37
. M
2
= 6.0 + 19
N 25- 7 Q
'
P20 2
MN N N PQ
j
3 2
P20 = D2 = 7.37 cm.

PERCENTIL (P25)
i(n) 25(100)
1) Ubicar la posicin de P25: n = 100, entonces = =25, en este caso
100 100
coincide con la N3 = 25, entonces j = 4, j-1=3, el percentil P25 = Y3 = 7.9.
P25 = Q1 = 7.9 cm.
PERCENTIL (P30)
i(n) 30(100)
100 100
30(100)
2) Como =30>N3 =25, entonces: Y3 - Y4 = 7.9 - 9.8.
100
LM 30(100) N OP
= Y + c M 100 P
3
L 30 25OP = 8.375
. M
= 7.9 + 19
N 45- 25 Q
'
P30 3 j
MN N N PQ4 3
P30 = D3 = 8.375 cm.

Respuesta: El 30% de los vellones de alpacas, las medidas de longitud de

mecha (cm), son iguales o inferiores a 8.38 cm. y el resto de 70% de las longitudes de
mecha son superiores a 6.32 cm.
PERCENTIL (P50)
i(n) 50(100)
100 100
50(100)
2) Como =50>N4 =45, entonces: Y4 - Y5 = 9.8 - 11.7.
100
LM 50(100) N OP
= Y + c M 100 P
4
L50 45OP = 10.275
. M
= 9.8 + 19
N 65-45 Q
'
P50 4 j
MN N N PQ
5 4
P50 = Q2 = Me =10.275 cm.
Respuesta: El 50% de los vellones de alpacas, para la longitud de mecha (cm),

son inferiores o iguales a 10.28 cm. y el resto de vellones 50% tienen longitudes de
mecha superiores a 10.28 cm.
PERCENTIL (P75)
i(n) 75(100)
100 100
75(100)
2) Como =75>N5 =65, Y5 - Y6 = 11.7 - 13.6.
100
LM 75(100) N OP
= Y + c M 100 P
5
L75 65OP = 12.65
. M
= 117
. + 19
N 85- 65 Q
'
MN N N PQ
P75 5 j
6 5
P75 = Q3 = 12.65 cm.
Respuesta: El 75% de los vellones de alpacas miden como mximo 12.65 cm.
y el resto 25% de vellones son superiores a 12.65 cm. para la variable longitud de
mecha (cm).
FRMULA GENERAL:
R| Cuartil U| LM ? n N OP
C=S
| Qu int il |V = Y '
+c M ?
j1
PP
|| Decil || j1
MN N N
j
j1
Q
TPercentilW
j
5.4. MTODOS AUTOMATIZADOS (Statgraphics).
Opciones Tabulares: MEDIDAS DE POSICIN
Como en todo anlisis con STATGRAPHICS, en la barra de herramientas de

anlisis se pueden elegir dos iconos esenciales, el icono Tabular options (segundo
icono por la izquierda) y el icono Graphical Options (tercer icono por la izquierda),
que permiten manejar todas las subopciones tabulares y grficas respectivamente
para el anlisis. En nuestro caso el icono Tabular Options nos lleva a las opciones
siguientes:
Analysis Summary
Data variable: lome
100 values ranging from 2.3 to 17.3
The StatAdvisor
---------------
This procedure is designed to summarize a single sample of data.
It will calculate various statistics and graphs. Also included in the
procedure are confidence intervals and hypothesis tests. Use the
Tabular Options and Graphical Options buttons on the analysis toolbar
to access these different procedures.
La opcin tabular Analysis Summary es la opcin por defecto y presenta un
primer resumen de los datos tal como ya hemos visto. La opcin Summary Statistics
nos lleva a la salida que se presenta a continuacin, que incluye por defecto varias
medidas de posicin, dispersin, asimetra y curtosis (nmero de valores de la varia-
ble, media cuasivarianza, cuasidesviacin tpica, mximo, mnimo, coeficientes de
asimetra y curtosis estandarizados y suma de los valores de la variable, as como el
mensaje del intrpretee de resultados).
Summary Statistics for lome
Count = 100
Average = 10.251
Variance = 10.1161
Standard deviation= 3.18058
Minimum = 2.3
Maximum = 17.3
Range = 15.0
Stnd. skewness = -0.237766
Stnd. kurtosis = -1.18215
The StatAdvisor
---------------
This table shows summary statistics for lome. It includes measures
of central tendency, measures of variability, and measures of shape.
Of particular interest here are the standardized skewness and
standardized kurtosis, which can be used to determine whether the
sample comes from a normal distribution. Values of these statistics
outside the range of -2 to +2 indicate significant departures from
normality, which would tend to invalidate any statistical test
regarding the standard deviation. In this case, the standardized
skewness value is within the range expected for data from a normal
distribution. The standardized kurtosis value is within the range
expected for data from a normal distribution.

mouse y elegimos la opcin Pane Options del men emergenete resultante, obtene-
mos la caja de dilogo Summary Statistics Options, que presenta todas las medidas
posibles a calcular para la variable, y que son:
Average = Media Median = Mediana

Mode = Moda Geo. Mean = Media geomtrica
Variance = Varianza Std. Deviation = Desviacin tpica
Std. Error = Error estndar Min. = Mnimo
Max. = Mximo Range = Rango
Lower Quartile = Cuartil Inferior Upper Quartile = Cuartil Superior
Interquartile Range = Rango intercuartlico Skewness = Asimetra
Std. Skewness = Asimetra estandarizada
Kurtosis = Curtosis
Std. Kurtosis = Curtosis estandarizada
Coeff. Of Var. = Coeficiente de variacin
Sum = Suma
stas opciones se pueden marcar con una cruz todas aquellas medidas que se
deseen calcular. Se observa que por defecto ya estn marcadas las medidas anterior-
mente calculadas, tal como se presenta a continuacin:
Se marcarn las opciones que corresponden a ste captulo, es decir las medi-
das de tendencia central o medidas de posicin, ms no as las medidas de dispersin
o variabilidad, tal como se presenta en seguida:
La salida de las opciones marcadas son los siguientes:

Count = 100
Average = 10.251
Median = 10.3
Mode = 11.3
Geometric mean = 9.69152
Lower quartile = 7.75
Upper quartile = 12.8
The StatAdvisor
---------------
This table shows summary statistics for lome. It includes measures
of central tendency, measures of variability, and measures of shape.
Of particular interest here are the standardized skewness and
standardized kurtosis, which can be used to determine whether the
sample comes from a normal distribution. Values of these statistics
outside the range of -2 to +2 indicate significant departures from
normality, which would tend to invalidate any statistical test
regarding the standard deviation. To calculate the standardized
skewness, press the alternate mouse button and select Pane Options.
To calculate the standardized kurtosis, press the alternate mouse
button and select Pane Options.
Percentiles.
La opcin tabular Percentiles, permite el clculo simultneo de hasta 10

percentiles a voluntad del usuario. Al elegir la opcin Percentiles y pulsar OK, se
obtienen por defecto los percentiles 1, 5, 10, 25, 50, 75, 90, 95 y 99. El resultado para
la variable LOME se presenta a continuacin:
El resultado de la opcin seleccionada Percentiles, se presenta a continuacin

y por defecto:
Percentiles for LOME
1.0% = 3.0
5.0% = 5.15
10.0% = 6.35
25.0% = 7.75
50.0% = 10.3
75.0% = 12.8
90.0% = 14.55
95.0% = 15.1
99.0% = 17.1
The StatAdvisor
---------------
This pane shows sample percentiles for lome. The percentiles are
values below which specific percentages of the data are found. You
can see the percentiles graphically by selecting Quantile Plot from
the list of Graphical Options.

ratn y elegimos la opcin Pane Options del men emergente resultante, obtenemos
la caja de dilogo Percentiles Options (siguiente figura), en cuyo campo Percentiles
se puede introducir los percentiles que se deseen calcular:
EJERCICIOS 5.1
1. En el ILLPA-INIA, se ensay un experimento en el consumo y utilizacin de
Avena (Avena sativa) con ensilaje de avena y sin aditivos (urea-sal) en el engorde
de ovinos criollos, el objetivo fue evaluar la ganancia de peso final kg (Y). La
tabla de distribucin de frecuencias se presenta a continuacin:
Intervalo de pesos (kg) Frec. Absoluta (ni )

15.0 - 17.6 7
17.6 - 20.2 11
20.2 - 22.8 6
22.8 - 25.4 3
25.4 - 28.0 1
Total 28
a) Calcule: Media aritmtica por los dos mtodos (abreviado y codificado), Me-
diana, Moda, Media Geomtrica, Media Armnica, Media cuadrtica, distri-
buciones asimtricas o simtricas e interprete los resultados.
b) Calcular: Q1, Q2, Q3, D1, D2, D3, D4, D5, D6, D7, D8, D9 y P5, P10, P15, P20, P25,
P30, P35, P40, P45, P50, P55, P60, P65, P70, P75, P80, P85, P90, P95, e interprete los
resultados.
2. La siguiente distribucin de las edades de las personas hospitalizadas en una sala

de ciruga, se presenta a continuacin:
In terv a lo (Ed a d e n a o s ) Frec u en cia (n i )
27 - 32 2
32 - 37 5
37 - 42 6
42 - 47 3
a) Dibuje el histograma de frecuencias y polgono de frecuencias,
b) Graficar la Ojiva menor y mayor,
c) Calcule: Media, Mediana, Moda, Media Geomtrica, Media Armnica, Media
cuadrtica, Q1, Q2, Q3, D1, D5, D9 y P20, P30, P50, P75,P90, e interprete los resulta-
dos.
3. Se tiene el siguiente cuadro de frecuencias correspondientes al nmero de casos de

cancer en un grupo de hospitales.
Casos de cncer 1 - 4 4 - 7 7 - 10 10 -13 13 -16
ni 4 10 12 3 1
a) Calcular: Media aritmtica por los dos mtodos (abreviado y codificado), Me-
diana, Moda, Media Geomtrica, Media Armnica, Media cuadrtica, distri-
buciones asimtricas o simtricas e interprete los resultados.
b) Calcular: Q1, Q2, Q3, D1, D2, D3, D4, D5, D6, D7, D8, D9 y P5, P10, P15, P20, P25,
resultados.
4. La siguiente distribucin de frecuencias corresponde a los pesos finales (gr.) de 32

conejos que han sido experimentado en la Granja de Animales Menores de la
Facultad de Medicina Veterinaria y Zootecnia de la UNA - Puno.
Intervalo de pesos (gr) Frec. Absoluta (ni )

665.3 - 683.3 4
683.3 - 701.3 7
701.3 - 719.3 9
719.3 - 737.3 5
737.3 - 755.3 7
Total 32
a) Dibuje el histograma de frecuencias y polgono de frecuencias.

b) Graficar la Ojiva menor y mayor,
c) Calcular: Q1, Q2, Q3, D1, D2, D3, D4, D5, D6, D7, D8, D9 y P5, P10, P15, P20, P25,
resultados.
5. La informacin corresponde a los parsitos del intestino (Lamanema chavezi) de

un animal, encontrados en alpacas de la Raza Huacaya de 1-6 aos de edad
necropsiadas en pocas de seca y lluvia en las comunidades campesinas del distri-
to de Pichacani-Puno.
Parsitos del intestino en Alpacas Huacaya (Epoca Lluvia)

10 33 850 48 300 18 172 33 172 100
0 48 100 0 850 850 15 18 5 18
0 15 0 0 33 15 300 0 2 2
100 5 2 2 100 5 300 10 300 5
3 5 3 3 10 172 3 5 48 3
0 850 0 850 5 4 4 300 4 300
Parsitos del intestino en Alpacas Huacaya (Epoca Seca)

20 18 27 45 262 8 15 40 11 104
262 262 4 104 17 0 45 19 20 104
45 40 40 5 45 104 27 104 6 262
8 45 15 0 262 262 13 15 31 9
5 0 13 10 40 31 0 17 20 18
2 20 18 27 262 17 31 2 104 31
a) Identificar que tipo de variable (discreta o contnua) corresponde a la informa-

cin presentada.
b) Ser factible realizar, la tabla de distribucin de frecuencias: Si No; en caso
de ser afirmativo. Construya la tabla de distribucin de frecuencias.
c) Realizar una comparacin o diferencia entre las alpacas necropsiadas en poca
lluvia y seca.
d) Realizar diagramas de frecuencias (bastones).
e) Interpretar los resultados para ambas pocas (lluvia y seca) con porcentajes
(hix100).
6
ESTADGRAFOS DE
DISPERSIN
6.1. INTRODUCCIN.
Las medidas de dispersin son los que cuantifican el grado de concentracin

o de dispersin de los datos de la muestra en torno de un promedio o valor central de
la distribucin.
La idea de dispersin, se relaciona con la mayor o menor concentracin de los

datos a un valor central, generalmente la media aritmtica, mediana y moda, pero
Cul es la distancia, diferencia o dispersin de los valores de una caracterstica o
variable respecto a un punto de referencia?. Este problema ser abordado definiendo
un conjunto de indicadores, llamados los estadgrafos de dispersin. El recorrido
como estadgrafo de dispersin es muy limitado, pues solo considera los valores ex-
tremos de la distribucin, y no indica nada de cmo se dispersan o comparten los
valores intermedios.
- 198 - V. Ibaez Q. Estadgrafos de Dispersin
6.2. RECORRIDO O RANGO.
El caso ms simple para conocer la dispersin entre valores, es determinar la

diferencia o distancia entre el mayor y menor valor de una distribucin. Denotado
por R y se define por:
6.2.1. RECORRIDO CON DATOS NO AGRUPADOS.
R = Xmx - Xmn.
EJEMPLO:
Se registr informacin en la faena de esquila de Setiembre a Noviembre de

1998, en el criadero de vicuas del Comit Comunal de manejo de vicuas de Cala-
Cala (Puno) y la Reserva Nacional de Pampa Galeras (Ayacucho), el peso vivo (kg) y
otras caractersticas de vicuas machos adultos; con el objeto de determinar el efecto
de los lugares en trminos de peso vivo. La informacin se presenta a continuacin:
N de animal 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cala - Cala 47 38 38 29 38 30 34 27 27 25 26 28 27 28 42 30 37 35 26 25
Pampa Galeras 35 38 36 33 32 37 34 33 32 34 35 42 36 36 40 35 37 36 36 37
i) Determinar el recorrido o rango para las vicuas de Cala - Cala (Vc)?.

ii) Determinar el recorrido o rango para las vicuas de Pampa Galeras (Vpg)?.
SOLUCIN:
i) Rango Rc = Xmx - Xmn= 47 - 25 = 22 kg.

ii) Rango Rpg = Xmx - Xmn= 42 - 32 = 10 kg.
Comparando la diferencia entre stos dos localidades:

Rdif = Rc - Rpg = 22 - 10 = 12 kg de diferencia entre stos dos criaderos de
vicuas.
6.2.2. RECORRIDO PARA DATOS AGRUPADOS.
Para datos agrupados en tablas con intervalos de frecuencias, se tiene

que:
R = Ym - Y0
Donde: Ym = Lmite superior del ltimo intervalo.

Y0 = Lmite o extremo inferior del primer intervalo.
EJEMPLO:
Para los ejemplos anteriores que corresponden a las vicuas machos adultos
de los centros de Reserva de Crianza de Vicuas, se tiene tabulados o agrupados en
tablas de distribucin de frecuencias:
Tabla de Distribucin para Cala - Cala Tabla de Distribucin para Pampa Galeras
[Y'i-1 - Y'i> ni Ni hix100 Peso Vivo kg. ni Ni hix100
25.0
25 -
29.4 10 10 50 32 34- 4 4 20
29.4 -
33.8 2 12 10 34 36- 5 9 25
33.8 -
38.2 6 18 30 36 38- 8 17 40
38.2 -
42.6 1 19 5 38 40- 1 18 5
47
42.6 - 47.0 1 20 5 40 - 4242 2 20 10
Totales 20 100 Totales 20 100
R=Y'5 - Y'0 =47.0- 25 =22 kg. R=Y'5 - Y'0 =42 - 32 =10 kg. De PV.
6.3. RECORRIDO INTERCUARTLICO.
Esta definido como la diferencia entre el tercer y primer cuartil tambin la

diferencia entre los percentiles 75 avo y 25 avo. Denotado por: RI = Q3 - Q1 RI =
P75 - P25
El diagrama siguiente muestra el recorrido intercuartil:
RECORRIDO INTERCUARTLICO
X (1) X (n)
1/4 elemento 1/4 elemento
Dato menor Primer cuartil Segundo cuartil Tercer cuartil Dato mayor
Q 1 = P 25 Q 2 = P 50 Q 3 = P 75
Esta medida es ms exacta que el recorrido de la variable (Rango), ya que
evita el inconveniente de valores extremos o sospechozos, tratando de que los valores
separen entre si el 50% de los valores, los ms centrales de la variable.
EJEMPLO:
Calcular el RI para los datos de las vicuas del ejemplo anterior para ambos
(Cala - Cala y Pampa Galeras).
SOLUCIN:
Clculo de Q1 = ?
n = 20
1. Se ordenan los datos en forma ascendente o descendente.
Q1 Q3
Xi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cala - Cala 25 25 26 26 27 27 27 28 28 29 30 30 34 35 37 38 38 38 42 47
2. Ubicar la posicin del Q1, entonces n + 1 = 21 = 5.25 , el valor Q1, es el 5to.

4 4
dato ms el 25% de la diferencia entre los valores de las observaciones
5to. y 6to., es decir:
X(5) = 27 UV
Q1 = X(5) + X( 6) X(5) (0.25)
X(6) = 27 W Q1 = 27 + (27 27)(0.25) = 27kg
Clculo de Q3.
1. Ubicar la posicin del Q3, entonces 3 ( n + 1) = 3 ( 2 1) = 1 5.7 5

4 4
X(15) = 37UV Q = X + X X (075 . )

W Q = 37 + (38 37)(075
1 (15) (16) (15)
X(16) = 38 1 . ) = 3775
. kg
Clculo para el Criadero de Pampa Galeras:
SOLUCIN:
1. Se ordenan los datos en forma ascendente:
Q1 Q3
X(i) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Pampa Galeras 32 32 33 33 34 34 35 35 35 36 36 36 36 36 37 37 37 38 40 42
2. Ubicar la posicin del Q1, entonces n + 1 = 21 = 5.25 , el valor Q1, es el 5to.

4 4
dato ms el 25% de la diferencia entre los valores de las observaciones
5to. y 6to., es decir:
X(5) = 34 UV
Q1 = X(5) + X(6) X(5) (0.25)
X( 6) = 34 W Q1 = 34 + (34 34)(0.25) = 34 kg
Clculo de Q3.
1. Ubicar la posicin del Q3, entonces 3 ( n + 1 ) = 3 ( 2 1) = 1 5.7 5

4 4
X(15) = 37 UV
Q1 = X(15) + X(16) X(15) (075
. )
X(16) = 37 W Q1 = 37 + (37 37)(0.75) = 37 kg
Es decir:
X(i) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cala - Cala 25 25 26 26 27 27 27 28 28 29 30 30 34 35 37 38 38 38 42 47
Pampa Galeras 32 32 33 33 34 34 35 35 35 36 36 36 36 36 37 37 37 38 40 42
Q1 Q3
Calculando: RI
RIc = Q3 - Q1 = 37.75 - 27 = 10.75

RIpg = Q3 - Q1 = 37 - 34 = 3.0, esto nos indica que existe mayor variabilidad o
dispersin en el primer caso (Criadero de vicuas Cala - Cala).
6.4. RECORRIDO INTERDECIL (RID).
Es la diferencia entre los percentiles 90avo. y dcimo, y est definido por:
Para Pampa Galeras:
RID = P90 - P10 = 40 - 33 = 7.0 kg.
6.5. EL RANGO SEMI-INTERCUARTIL (Q).
Llamada tambin desviacin del cuartil, es el recorrido semi-intercuartil, est

definido por la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1) dividido
entre 2.
Q 3 Q1
Q=
2
Esta expresin da una idea de la dispersin del 50% de los datos centrales, es
decir mide el recorrido promedio de un cuarto de los datos. El Q es representativo de
la dispersin de los datos, calculndose el promedio de la mitad de los elementos del
medio en lugar de escoger uno de los cuartos.
EJEMPLO:
Q3 Q1 37.75 27
Para el criadero de Cala - Cala: QCalaCala = = = 5375
.
2 2
Q3 Q1 37 34
Para el criadero de Pampa Galeras: QPGaleras = = = 15
.
2 2
Es decir existe una mayor dispersin marcada para los datos de vicuas que
estn en el Centro de Reserva de Cala - Cala.
El rango semi-intercuartlico (Q), es mucho ms estable que el rango y se usa

por lo general para comparar dos o ms distribuciones y para determinar el coefi-
ciente de curtosis percentlico.
NOTA: Tambin se puede considerar X = 1 (Q1 + Q 3 ) como una medida de

2
tendencia central, que permitir obtener un valor aproximado de la
media.
EJEMPLO:
Q1 + Q3 37.75 + 27
XCala Cala = = = 32.375 kg. de peso vivo.
2 2
Q1 + Q 3 37 + 34
X PGalera = = = 35.5 kg. de peso vivo aproximado.
2 2
6.6. LA DESVIACIN MEDIA (DM).
La desviacin media o desviacin promedio de las diferencias absolutas, es

simplemente la media aritmtica de los valores absolutos de las desviaciones de to-
dos los valores en relacin con algn punto central, como la media o la mediana.
6.6.1. DESVIACIN MEDIA CON DATOS NO AGRUPADOS.
Sean x1, x2,...,xn, una muestra de tamao n. La desviacin media

absoluta o desviacin media DM es la media aritmtica de los valores absolutos de
las desviaciones de los valores observados respecto de la media aritmtica.
X i X
DM = i =1
Donde: x = Promedio aritmtico de la muestra.

xi = Son las observaciones individuales de la muestra.
n = Es el nmero total de observaciones tamao de la muestra.
= Indica valor absoluto de una observacin dado.
EJEMPLO:
Se registr informacin en la faena de esquila de Setiembre a Noviembre de

1998 en el criadero de vicuas de Cala - Cala y la Reserva Nacional de Pampa
Galeras, el peso vivo (kg) de las vicuas machos adultos para determinar el efecto de
los lugares en trminos de peso vivo.
Vicuas machos adultos de Cala - Cala. Vicuas machos adultos de Pampa Galeras
Cala - Cala Pampa Galeras
Xi X Xi X Xi X Xi X
N animal Xi Xi
1 47 15.15 15.15 35 -0.70 0.70
2 38 6.15 6.15 38 2.30 2.30
3 38 6.15 6.15 36 0.30 0.30
4 29 -2.85 2.85 33 -2.70 2.70
5 38 6.15 6.15 32 -3.70 3.70
6 30 -1.85 1.85 37 1.30 1.30
7 34 2.15 2.15 34 -1.70 1.70
8 27 -4.85 4.85 33 -2.70 2.70
9 27 -4.85 4.85 32 -3.70 3.70
10 25 -6.85 6.85 34 -1.70 1.70
11 26 -5.85 5.85 35 -0.70 0.70
12 28 -3.85 3.85 42 6.30 6.30
13 27 -4.85 4.85 36 0.30 0.30
14 28 -3.85 3.85 36 0.30 0.30
15 42 10.15 10.15 40 4.30 4.30
16 30 -1.85 1.85 35 -0.70 0.70
17 37 5.15 5.15 37 1.30 1.30
18 35 3.15 3.15 36 0.30 0.30
19 26 -5.85 5.85 36 0.30 0.30
20 25 -6.85 6.85 37 1.30 1.30
20
X
20 20 20
i =1
i = 637
i =1
X i X = 108.4 X
i =1
i = 714
i=1
X i X = 36.60
X = 31.85 X = 35.70
n n
X i X
108.4 X i X
36.60
DM = i =1
= = 5.42 DM = i =1
= = 183
.
20 20 20 20
Entonces la DM = 5.42 kg de peso vivo.

Este resultado quiere decir que la dispersin promedio de los valores
con respecto a la media es de 5.42 kg.
6.6.2. DESVIACIN MEDIA CON DATOS AGRUPADOS.
Si las Y1,Y2,Y3,....,Ym, ocurren con frecuencias n1,n2,n3,....,nm, respec-

tivamente, la desviacin media se obtiene:
m
n i Yi Y
DM = i =1
n
Donde: m = Nmero de clases.

ni = Frecuencia absoluta de la clase i.
Yi = Marcas de clase o puntos medios de la clase i.
Tambin se puede calcular con frecuencia relativas, usando la siguien-

te frmula:
m m
ni
DM = Yi Y = h i Yi Y
i =1 n i =1
EJEMPLO:
Con los datos agrupados del Centro Nacional de Reserva del criadero de vicu-
as de Pampa Galeras. Calcular la desviacin media (DM).
[Y'i-1 - Y'i > ni Yi n i Yi Yi Y n i Yi Y

32 - 34 4 33 132 3.20 12.80
34 - 36 5 35 175 1.20 6.00
36 - 38 8 37 296 0.80 6.40
38 - 40 1 39 39 2.80 2.80
40 - 42 2 41 82 4.80 9.60
5 5
Totales 20 n Y = 724 n
i =1
i i
i =1
i Yi Y = 37.60
n Y i i
724
Y= i =1
= = 36.2 kg.
n 20
5
n Y Y
i i
376
.
DM = i=1
= = 188
. kg. de peso vivo, esto quiere decir que el pro-
n 20
medio de las desviaciones de peso vivo (kg), respecto al peso vivo promedio es de
1.88 kg.
VENTAJAS:
- Es fcil de definir y calcular e incluye todas las observaciones adecuadamen-

te ponderados.
- La desviacin media absoluta es una mejor medida de dispersin que el
recorrido, porque toma en cuenta todas las observaciones.
DESVENTAJAS:
- No es susceptible de tratamiento algebraico, lo que no permite obtener fr-

mulas abreviadas de clculo, como ocurre con la media aritmtica y des-
viaciones medias de dos o ms muestras.
- El empleo de la desviacin media como medida de dispersin estn en des-
ventaja, dado que es difcil de operar.
6.7. DESVIACIN MEDIANA ABSOLUTA (DMe).
La desviacin mediana DMe es el promedio de los valores absolutos de las

diferencias entre cada observacin y la mediana de stas.
6.7.1. DESVIACIN MEDIANA ABSOLUTA PARA DATOS NO AGRU-

PADOS.
Es la diferencia absoluta entre los valores de cada observacin y la

mediana dividido entre el nmero total de observaciones, y esta definido por:
X i Me
DMe = i =1
n
EJEMPLO:
Encontrar la desviacin mediana absoluta de los datos de alpacas Suri para la

caracterstica permetro torxico (cm).
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80 n = 10
SOLUCIN:
1. Ordenar en forma ascendente de menor a mayor los datos:
70 70 73 74 77 77.5 78 80 83 83
X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10)
2. Existen n = 10, un nmero par de observaciones:
X 10 = X ( 5) = 77 y X 10 = X ( 6) = 77.5
+1
2 2
X10 + X10
+1 X(5) + X(6) 77 + 77.5
Me = 2 2
= = = 77.25 cm.
2 2 2
3. Se calculan las desviaciones:

Observacin Desviacin Desviacin Absoluta

Xi Xi - Me Xi Me
10
70 -7.25 7.25
70 -7.25 7.25 X Me
i
37.5
73 -4.25 4.25 DMe = i =1
= = 375
.
n 10
74 -3.25 3.25
77 -0.25 0.25 Dme = 3.75 cm.
77.5 0.25 0.25
78 0.75 0.75
80 2.75 2.75
83 5.75 5.75
83 5.75 5.75
10
X
10
i =1
i = 765.5 X i Me = 37.50
i =1
6.7.2. DESVIACIN MEDIANA ABSOLUTA CON DATOS AGRUPA-

DOS.
La desviacin mediana absoluta es la diferencia absoluta de cada uno

de las marcas de clase o puntos medios con respecto a la mediana y multiplicado por
las frecuencias absolutas, dividido entre el nmero total de datos. Esta definido por:
n Y Me i i m
DMe = i=1
, n = ni
n i =1
EJEMPLO:
Con los datos agrupados del Centro Nacional de Reserva de vicuas de Pam-
pa Galeras. Calcular la desviacin mediana absoluta (DMe).
[Y'i-1 - Y'i > ni Yi Ni Yi Me ni Yi Me

32 - 34 4 33 4 3.25 13.00
34 - 36 5 35 9 n
= 10 > N2 = 9 1.25 6.25
2
36 - 38 8 37 17 0.75 6.00
38 - 40 1 39 18 2.75 2.75
40 - 42 2 41 20 4.75 9.50
5
Totales 20 n
i =1
i Yi Me = 37.50
SOLUCIN:
n 20
1. Ubicar la posicin de la Me: = = 10 , ste valor esta localizado entre los
2 2
valores 9 y 17, entonces j = 3, j-1 = 2, entonces Y2 - Y3 = 36 - 39.
n 20
2. Como = = 10 > N 2 = 9 , entonces reemplazando en la frmula, se tiene:
2 2
LM 20 N OP
Me = Y + c M 2 PP = 36 + 2FGH 17
10 9 I
J = 36.25
2
9K
'
MN N N
2 3
3 2
Q
Me = 36.25 kg.
Luego, se calcula la desviacin media absoluta (DMe):
n i Yi Me
37.5
DMe = i =1
= = 1875
. kg.
20 20
6.8. LA VARIANZA.
La varianza, es una medida que cuantifica el grado de dispersin o de varia-

cin 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,
en cambio si los valores tienden a distribuirse lejos de la media, la varianza ser
grande.
6.8.1. VARIANZA POBLACIONAL.
La varianza o variancia de una poblacin finita de N elementosX1, X2,

... , XN, se define como la media aritmtica del cuadrado de las desviaciones de las
observaciones con respecto a su media , y est denotado por 2 .
N
(X i ) 2
2 = i =1
= M ( X ) 2
N
6.8.2. VARIANZA MUESTRAL.
La varianza de una muestra x1, x2, ... , xn, de una variable o caracters-
tica X en forma abreviada V(X), se define como la media del cuadrado de las
desviaciones de las observaciones con respecto de la media aritmtica, y se denota
por S2x .
(X i X) 2
V( x) = S2x = i =1
n
Si se conoce la media aritmtica poblacional , la mejor estimacin
de la varianza poblacional 2 a partir de una muestra esta definido por:
n
(X i ) 2
V( x) = i =1
, n = Nmero de elementos de la muestr
n
Pero en la prctica rara vez se conoce , por esta razn se realiza la

estimacin de la muestra x , que lo sustituye a , lo cual nos permite que la suma
de cuadrados debe ser mnimo, es decir:
n
(x
i =1
i x ) 2 = mnimo
Si el x no es exactamente igual a , entonces debe cumplirse la si-

guiente desigualdad:
n n
( x i x) 2 < ( x i ) 2
i =1 i =1
dividiendo ambos miembros de la desigualdad por n tendriamos:

n n
(xi x)2 (x i )2
i =1
< i =1
2
n n
n
(x i x)2
Esta estimacin de i=1 ser una estimacin demasiada peque-
n
o de 2 , lo cual nos sugiere una correccin apropiada mediante la utilizacin en el
denominador de n - 1 en vez de n.
n n n
( x i x) 2 ( x i x) 2 ( x )
i
2
i =1
i =1
i =1
2
n n 1 n
n n
(x i x)2 (x i x)2
La diferncia entre i =1 y i =1 , es grande para muestras
n n 1
pequeas, y es mnima para muestras grandes, es decir son iguales.
A. VARIANZA PARA DATOS NO AGRUPADOS.
1. Para n>30 (varianza de la poblacin).
Existen varias frmulas para efectuar los clculos para datos no

agrupados.
N
( Xi )2
cX Xh
N N
X
2
i
2
i i =1
N
i) 2 = i =1
ii) = i =1
2
N N
N N
N X i2 ( X i ) 2
N
X 2
i NX 2
iii) 2 = i =1 iv) 2 = i =1 i =1
N N2
2. Para n 30 (Varianza de la muestra).

n
( xi ) 2
bx g
n n
x x
2
i
2
i i =1
n
i) S =
2 i =1
ii) S = 2 i =1
n 1 n 1
n n n
n x 2i ( x i ) 2 x 2
i nx 2
iii) S = i =1 i =1
S2 = i =1
2
iv)
n2 n n 1
EJEMPLO:
Los datos corresponden a la variable permetro torxico (cm) de las alpacas

de la raza Suri del CIP. La Raya.
74, 70, 73, 77, 78, 83, 70, 77.5, 83, 80 Calcular la varianza?.
N de Variable
(Xi X) (Xi X)2
bx xg
2 10
animal Xi Xi 2
i
1 74 5476 -2.55 6.5025 .
203225
S=
2 i=1
= = 2258
. cm.
2 70 4900 -6.55 42.9025 n1 9
3 73 5329 -3.55 12.6025
10
4 77 5929 0.45 0.2025
10 (xi )2
5
6
78
83
6084
6889
1.45
6.45
2.1025
41.6025 x 2
i
i=1
n
.
5880225
. )2
(7655
10 =2258
S2 = i=1 = . cm
7 70 4900 -6.55 42.9025 n1 9
8 77.5 6006.25 0.95 0.9025
9 83 6889 6.45 41.6025
10 80 6400 3.45 11.9025
bx xg
10
X = 765.5 X
10 10
= 58802.25 = 203.225
2 2
Total i i i
i=1 i =1 i =1
10
X i
7655
.
X= i =1
= = 76.55 cm.
10 10
EJEMPLO:
Calcular la varianza para los datos de vicuas: Cala-Cala y Pampa Galeras.
B. VARIANZA PARA LOS DATOS AGRUPADOS.
Cuando los datos estn tabulados en distribuciones de frecuencias,

se puede calcular la varianza con los datos discretos y contnuos.
1. Varianza con variable Discreta.
La varianza de n valores de una variable estadstica discreta

Y que se clasifican en m valores distintos de Y1, Y2,..,Ym con frecuencias absolutas
respectivas n1, n2,..,nm y cuya media aritmtica es Y , se calcula con la siguiente
frmula:
n cY Yh
m
2
i i
S2 = i=1
, para (n 30)
n 1
n cY Yh
m
2
i i
S2 = i=1
, para (n>30)
n
Frmulas equivalentes
m m m
n n i Yi2 ( n i Yi ) 2 m
( n i Yi ) 2
S =
2 i =1
2
i =1 , S2 = n i Yi2 i =1
n i =1 n
m
S2 = n i Yi2 nY 2
i =1
EJEMPLO:
Encontrar la varianza para los datos que corresponde al nmero de ovinos
muertos/rebao, durante el perodo de invierno de 1999 en el CIP. Chuquibambilla.
N de ovinos
(Yi) ni (Yi Y) (Yi Y) 2 ni (Yi Y)2
0 2 -4.5 20.25 40.50
1 4 -3.5 12.25 49.00
2 7 -2.5 6.25 43.75
3 6 -1.5 2.25 13.50
4 6 -0.5 0.25 1.50
5 2 0.5 0.25 0.50
6 4 1.5 2.25 9.00
7 4 2.5 6.25 25.00
8 3 3.5 12.25 36.75
9 4 4.5 20.25 81.00
10 10
Yi = 45 ni = 42
10
n (Y Y)
i i
2
= 300.50
i =1 i =1 i =1
Reemplazando a la frmula tenemos:
n cY Y h
10
2
i i
300.5
S2 = i =1
= = 7.5125
n 40
Usando la frmula recomendada:
10 10
n niYi2 ( niYi )2
42(108) (182)2 12572
S2 = i=1 i =1
= = = 712698
.
n2 422 1764
2. Varianza con datos tabulados por intervalos.
La varianza de n valores de alguna variable X, discreta o

contnua, que estn clasificado en una distribucin de frecuencias de m-intervalos,
con marcas de clases Y1, Y2,..,Ym, frecuencias absolutas respectivas n1, n2,..,nm, se
calcula utilizando la siguiente frmula:
1. Para n>30.
m
( n i Yi ) 2
c h
m m
n i Yi Y nY
2
i i
2
i =1
n
i) S 2 = i =1
ii) S = i =1
2
n n
m m
n n i Yi2 ( n i Yi ) 2
m
n Y i i
2
nY 2
iii) S 2 = i =1 iv) S 2 = i =1 i =1
n n2
2.Para n 30 (Varianza de la muestra).

m
( n i Yi ) 2
c h
m m
n i Yi Y nY
2
i i
2
i =1
n
i) S 2 = i =1
ii) S = i =1
2
n 1 n 1
m m
m
n Y i i
2
nY 2
iii) S 2 = i =1 iv) S2 = i =1 i =1
n 1 n2 n
NOTA: para n>30, se dividir solo entre n.

m
n h i (Yi Y ) 2
Para frecuencias relativas: S2 = i =1 n , factor de co-
,
n 1 n -1
rreccin de Bessel.
EJEMPLO:
Calcular la varianza para los datos de la variable longitud de mecha (cm) de

los vellones de alpacas de la zona de Melgar.
Y'i-1 - Y'i ni Yi niYi (Yi Y) (Yi Y)2 ni (Yi Y)2

2.2 - 4.1 3 3.15 9.45 -7.106 50.495236 151.485708
4.1 - 6.0 4 5.05 20.20 -5.206 27.102436 108.409744
6.0 - 7.9 18 6.95 125.10 -3.306 10.929636 196.733448
7.9 - 9.8 20 8.85 177.00 -1.406 1.976836 39.536720
9.8 - 11.7 20 10.75 215.00 0.494 0.244036 4.880720
11.7 - 13.6 20 12.65 253.00 2.394 5.731236 114.624720
13.6 - 15.5 11 14.55 160.05 4.294 18.438436 202.822796
15.5 - 17.4 4 16.45 65.80 6.194 38.365636 153.462544
8 8 8
Total n = 100
i=1
i n Y = 1025.6 i i n (Y Y)
i=1
i i
2
= 971.9564
i =1
10
n Y i i
1025.6
Y= i =1
= = 10.256 cm.
n 100
Reemplazando a la frmula:
n cY Yh
8
2
i i
9719564
.
S2 = i =1
= = 9.719564 cm.
n 100
n cY Y h
8
2
i i
.
9719564
S2 = i =1
= = 9.81774 cm.
n 1 99
Entonces: S2 = 9.72 cm.
De igual forma se puede calcular la varianza con frecuencias relativas:

m
S = h i Yi2 Y 2
2
i =1
Tambin se puede calcular, usando las otras frmulas de varianzas
dadas anteriormente.
PROPIEDADES DE LA VARIANZA.
P-1. La varianza de un conjunto de observaciones x1, x2,..,xn, siempre es un

nmero no negativo V(x) 0.
P-2. La varianza de una constante es cero, es decir, si x1=x2=....=xn=c, V(c)=0.
P-3. Si a cada observacin x1, x2,..,xn se adiciona o se resta una constante c>0,
la varianza del nuevo conjunto de valores Y1, Y2,..,Yn, donde Yi = xic,
i = 1,2,..,n, coincide con la varianza del conjunto original.
V(Y) = V(Xc) = V(X)
P-4. La varianza del producto de una constante por una variable, es igual al
cuadrado de la constante por la varianza de la variable: V(cX) = C2V(X),
c = constante.
P-5. V(cX+b) = C2V(X), c y b son constantes.
P-6. La varianza de la suma de una variable ms una constante, es igual a la

varianza de la variable: V(X+c) = V(X).
6.9. COMPONENTES DE VARIANZA

(Varianza calculada a partir de Submuestreo).
Si un conjunto de datos se divide en subconjuntos, categoras o estratos, es

posible descomponer la varianza en dos componentes; as cada grupo de datos (estra-
tos o sub-conjuntos) tendr un tamao de n elementos, con su respectivo promedio
( x ) y varianza (S2), valores que expresan la importancia de cada uno de los estratos
en el total del conjunto. En este caso la dispersin o variabilidad total puede estar
afectada por:
- Las variaciones dentro de cada grupo o categora; esta variacin interna en

cada estrato, se llama INTRAVARIANZA, y es denotado por S2A.
- Las variaciones entre los diferentes estratos o grupos o subconjunto, se lla-

ma INTERVARIANZA, denotado por S2B.
De este modo la varianza total se expresa como: S2 = S2A+ S2B.
6.9.1. INTRAVARIANZA (S2A).
Es el estadgrafo que expresa las variaciones que existe dentro de cada

grupo o estratos, categora, y se define como el promedio de las varianzas de los
estratos.
n
S n 2
e e
S2A = M (S2e ) = e =1 , donde: S2e = Varianza del estrato S2i.
ne
ne= Tamao de cada estrato.
6.9.2. INTERVARIANZA (S2B).
Es el estadgrafo que expresa la variacin o dispersin entre los gru-

pos, estratos, categoras o subconjuntos y se define como el promedio de varianza
entre las medias de los estratos.
n
(x e x) 2 ne
S2B = V( x ) = e =1
n
Donde: x e = Media aritmtica del estrato e.
x = Media aritmtica total.
ne= Tamao del estrato e.
n
F x n n
I 2
Pero: V ( x e ) =
e =1
x ne 2
e G
G e=1
e e JJ = S 2B
ne GG n JJ
H K
e
El caso ms simple, es cuando se tiene dos grupos o estratos,

subconjuntos, o submuestras. Para dos estratos de tamao n1, n2 con medias x1 , x 2 ,
con varianzas S21 y S22, respectivamente.
n = n1+ n2 (tamao total).

x1n1 + x2 n 2
x= (promedio general).
n
S2 = S2A+ S2B (Varianza total)
Entonces:
2
S 2
e ne
S 12 n 1 + S 22 n 2
S =
2
A
e =1
=
n n
(x e x)ne
( x1 x ) 2 n 1 + ( x 2 x ) 2 n 2
S =
2
B
e =1
=
n n
Luego, la varianza total es:
S12 n1 + S22 n 2 ( x1 x ) 2 n1 + ( x2 x ) 2 n 2
S2 = +
n1 + n 2 n1 + n 2
Donde: x = Promedio general.

Para dos estratos de tamao n1 y n2 que tienen promedios iguales y
varianzas S21+ S22, respectivamente, la varianza total se define como:
S 12 n 1 + S 22 n 2
S2 =
n
EJEMPLO:
En el Centro de Investigacin y Produccin de Chuquibambilla, se registr

los pesos vivos (kg) de las borregas criollas de las edades de 2, 4, 6 y 8 aos de edad,
para determinar las diferencias entre edades. La informacin se presenta en el Apn-
dice 1 y los valores estadsticos en el siguiente cuadro.
Promedios de peso vivo (kg) de las borregas criollas por edades en el CIP - Chuquibambilla.

Grupo de N de bgas. PV. Promedio Varianza
Edades 2 2 2
ne Xe Se Xe neSe ne Xe
2 aos 160 34.734 8.600 1206.450 1376.000 5557.440
4 aos 107 34.599 17.219 1197.090 1842.433 3702.093
6 aos 62 34.379 15.151 1181.920 939.362 2131.498
8 aos 130 36.550 19.511 1335.900 2536.430 4751.500
n n n n
Total n
e=1
e =459 n S 2
e e = 6694.225 ne Xe16142.531
=
e=1 e=1 e=
La varianza total: S2 = S2A+ S2B
Entonces:
2
n S 2
e e
6694.225
S2A = e =1
= = 14.584 kg.
ne 459
n
F x n I n 2
xe2 ne G
G
JJ e e
FG
568066.67 16142.531 IJ 2
S2B = V( xe ) = =
H K = 0.76
e=1 e=1
ne GG n JJ 459 459
H K
e
Luego la varianza total es: S2 = S2A+ S2B = 14.584 + 0.7656 = 15.3496 kg.
Se observa que S2A> S2B, esto nos indica que existe variabilidad o dispersin
de los pesos vivos (kg) dentro de las edades de las borregas, y no as entre las edades,
parece ser similares.
6.10. MTODOS ABREVIADOS DE CLCULO DE LA

VARIANZA.
Se presentarn dos mtodos abreviados para facilitar las operaciones de cl-

culo de la varianza para los datos agrupados en clases o distribuciones de frecuen-
cias:
6.10.1 PRIMER MTODO ABREVIADO.
Se debe tomar los siguientes procedimientos:
1. Se elige un origen de trabajo Ot, que generalmente es el valor cen-

tral Yi de mayor frecuencia.
2. Se determina las desviaciones de las variables Yi (puntos medios

marcas de clase) respecto al origen de trabajo: di = Yi - Ot, i =
1,2,...,m
3. Se determina la varianza de d. Es decir V(Y) = V(d), entonces:
FG d n IJ m 2
d n
H 2
i i
K i =1
i i
n
S = V( Y ) =
2 i =1
n 1
y
EJEMPLO:
Para la distribucin de frecuencias que corresponde a los datos de vicuas

machos adultos manejados en el Centro de Reserva Naciona de Pampa Galeras.
Intervalo 32 - 34 34 - 36 36 - 38 38 - 40 40 - 42
Frecuencia 4 5 8 1 2
Calcular la varianza por el mtodo abreviado?.
SOLUCIN:
1. Calcular las marcas de clase o puntos medios.

2. Se elige como origen de trabajo Ot = 37.
3. Se determina la varianza.
2
[Y'i-1 - Y'i> ni Yi di = Yi - 37 dini d ini
32 - 34 4 33 -4 -16 64
34 - 36 5 35 -2 -10 20
36 - 38 8 37 0 -26 10 0
38 - 40 1 39 2 2 4
40 - 42 2 41 4 8 32
5 5
Totales n = 20 d n
i =1
i i = -16 d n
i =1
2
i i = 120.0
Reemplazando a la frmula, se tiene:

FG d n IJ 5 2
d n
H K
2
i i
i =1
i i
120
( 16) 2
S2 = i =1 n
= 20 = 107.2 = 5.642
n 1 19 19
S2= 5.64 kg.
S = 2.38 kg. (desviacin estndar).
Ejemplo para las vicuas de Cala - Cala. Calcular la varianza por el mto-
do abreviado?.
SOLUCIN:
1. Calcular las marcas de clase o puntos medios.

3. Se determina la varianza.
2
[Y'i-1 - Y'i> ni Yi di = Yi - 36 dini d ini
25.0 - 29.4 10 27.2 -8.8 -88 774.40
29.4 - 33.8 2 31.6 -4.4 -8.8 38.72
33.8 - 38.2 6 36 0 -96.8 13.2 0.00
38.2 - 42.6 1 40.4 4.4 4.4 19.36
42.6 - 47.0 1 44.8 8.8 8.8 77.44
5 5
Totales n = 20 di ni = -83.6
i=1
d n = 909.92
i =1
2
i i
FGd n IJ 5 2
d n
H K
2
i i
i =1
i i
909.92
(836
. )2
S2 = i=1 n
=
.
20 = 560472 = 29.499 kg.
n 1 19 19
S2 = 29.50 kg.
Comparando las dos varianzas: S2PGaleras=5.64 kg. y S2Cala-Cala= 29.50

kg, es decir existe bastante variabilidad o dispersin para las vicuas de Cala - Cala,
frente a las vicuas de Pampa Galeras, con una diferencia de 23.86 kg. de peso vivo.
6.10.2 SEGUNDO MTODO (Mtodo Codificado o tipificado).
Es otro de los mtodos que se usa solo para datos agrupados en inter-
valos de clase de amplitud constante, con el siguiente procedimiento:
1. Se elige un origen de trabajo Ot.

2. Se transforma las observaciones mediante la siguiente frmula:
Yi O t
ui = ,
c
Donde: Yi = Marcas de clase o valor central de la clase i.
c = Amplitud de clase constante.
3. Se usa la siguiente frmula:
LM FGn u IJ OP m 2
c Mn u
m
H KP i i
MM2
i=1 n
2
i i
PP
i=1
S = V(Y) = N
2 M PQ
n 1
EJEMPLO:
Para la distribucin de frecuencias que corresponde a los datos de vicuas

machos adultos del Centro Nacional de Reserva de Pampa Galeras.
Intervalo 32 - 34 34 - 36 36 - 38 38 - 40 40 - 42
Calcular la varianza por el mtodo codificado o tipificado?.

SOLUCIN:

Yi Ot
2. Se transforma las observaciones: ui =
c
3. Se calcula de la forma siguiente la varianza.
2
[Y'i-1 - Y'i> ni Yi ui = (Yi - 37)/2 uini u ini
32 - 34 4 33 -2 -8 16
34 - 36 5 35 -1 -5 5
36 - 38 8 37 0 -13 5 0
38 - 40 1 39 1 1 1
40 - 42 2 41 2 4 8
5 5
Totales n = 20 u n
i =1
i i = -8 u n
i =1
2
i i = 30.0
LM n u F n u I 2
OP
MN GH JK
5 5
c2
PQ = 4 30 (8)
2
i i i i n 2
i =1 i =1 20
S2 = = 5.64 kg.
n 1 19
S2= 5.64 kg.
Ejemplo para las vicuas de Cala - Cala. Calcular la varianza por el mto-
do codificado tipificado?.
SOLUCIN:

Yi Ot
2. Se transforma las observaciones: ui =
c
3. Se calcula de la forma siguiente la varianza.
2
[Y'i-1 - Y'i> ni Yi ui = (Yi - 36)/4.4 uini u ini
25.0 - 29.4 10 27.2 -2 -20 40
29.4 - 33.8 2 31.6 -1 -2.0 2
33.8 - 38.2 6 36 0 -22 3 0
38.2 - 42.6 1 40.4 1 1.0 1
42.6 - 47.0 1 44.8 2 2.0 4
5 5
Totales n = 20 u n = -19.0 u n = 47.00
i =1
i i
i =1
2
i i

LM u n F u n I nOP 2
MN GH JK PQ = (4.4)
5 5
c2 2
i i i i
i =1 i =1
2
47 (19)2 20 560472
.
S2 = = = 29.499 kg.
n 1 19 19
S = 29.50 kg.
S = 5.43 kg.
6.11. DESVIACIN ESTNDAR DESVIACIN TPICA ( S).
Es uno de los estadgrafos de dispersin de mayor uso, en el cual las unidades

de la variable ya no estn elevadas al cuadrado.
La desviacin estndar, al igual que la varianza, es no negativa, puesto que es

la raz cuadrada positiva de la varianza. A mayor dispersin le corresponder una
mayor desviacin estndar.
En general, los estadgrafos de dispersin, se usa para comparar dos o ms

distribuciones o poblaciones con variables de la misma caracterstica. A mayor dis-
persin o heterogeneidad entre los valores o elementos de una poblacin, correspon-
der un valor mayor para el estadgrafo de dispersin. Su valor indica el valor abso-
luto que en promedio se desvian los datos individuales de una poblacin, ms o
menos de la media de dicha poblacin.
La desviacin estndar o desviacin tpica S de las observaciones x1, x2, x3

...,xn de una caracterstica X, est definido como la raz cuadrada positiva de la
varianza.
S = V ( x ) = + S2
6.11.1 DESVIACIN ESTNDAR PARA DATOS NO AGRUPADOS.
En forma similar a las frmulas de varianza tenemos las siguientes

frmulas de desviacin estndar, tomando la raz cuadrada de las frmulas de la
varianza:
1. Desviacin estndar, para n>30 poblaciones.
N
( X i ) 2
c h
N N
X
2
Xi X 2
i i =1
N
ii) =
i =1
i) = i =1
N N
N N
N X 2i ( X i ) 2
N
X 2
i NX 2
iii) = i =1 iv) = i =1 i =1
N N2
2. Para n 30 (desviacin estndar para la muestra).
n
( xi )2
bx xg
n n
x
2 2 i =1
i i
n
i) S = i =1
ii) S = i =1
n 1 n 1
x
n n
n x 2i ( x i ) 2 nx 2
2
i
iii) S = i =1 i =1
iv) S= i =1
n2 n n 1
Donde: n = tamao de la muestra.
Xi = Variable observado.
x = Promedio aritmtico.
EJEMPLO:
Con los datos que corresponde a vicuas machos de Cala-Cala y Pampa Gale-
ras, calcular la desviacin estndar (S).
2 2
N Obs. Cala - Cala (Yi) Xi N Obs. Pampa Galeras (Xi) Yi
1 47 2209 1 35 1225
2 38 1444 2 38 1444
3 38 1444 3 36 1296
4 29 841 4 33 1089
5 38 1444 5 32 1024
6 30 900 6 37 1369
7 34 1156 7 34 1156
8 27 729 8 33 1089
9 27 729 9 32 1024
10 25 625 10 34 1156
11 26 676 11 35 1225
12 28 784 12 42 1764
13 27 729 13 36 1296
14 28 784 14 36 1296
15 42 1764 15 40 1600
16 30 900 16 35 1225
17 37 1369 17 37 1369
18 35 1225 18 36 1296
19 26 676 19 36 1296
20 25 625 20 37 1369
20 20 20
Y =
20
Total X
i =1
i = 637 X2i = 21053
i =1
Total
i=1
i 714 Y
i =1
i
2
= 25608
Desviacin estndar (S) para las vicuas machos de Cala - Cala.

20
20
( xi )2
x 2
i i =1
n
21053
(637)2
20 = 76455
.
S= i =1
= = 6343
. kg.
n 1 19 19
Es decir que los pesos vivos de las vicuas machos de Cala - Cala, es
6.34 kg mayores o menores que el peso vivo promedio 31.85 kg.
Para ver si esta correctamente la desviacin estndar, los valores de-

ben estar entre 2 ni mayor 6, sta condicin comprobamos con la siguiente razn:
R 47 25
= = 3.468
S 6.34
Desviacin estndar (S) para las vicuas machos de Pampa Galeras.
20
20
(Yi )2
Yi2 i=1
n
25608
(714)2
20 = 1182
.
S= i=1
= = 2494
. kg.
n 1 19 19
Este resultado indica que la desviacin estndar es 2.49 kg., es decir

que los pesos de las vicuas machos de Pampa Galeras es 2.49 kg mayores o menores
que el peso vivo promedio de 35.7 kg.
R 42 32
La desviacin estndar estar bien calculado?. = = 4.009
S 2.4942
Comparando los dos desviaciones estandares, encontramos que para

las vicuas machos de Cala - Cala (S=6.34) existe mayor variabilidad o dispersin
que las vicuas machos de Pampa Galeras (S=2.49), con una diferencia de 3.85 kg.
de peso vivo.
6.11.2 DESVIACIN ESTNDAR CON DATOS AGRUPADOS.
Para estimar la desviacin estndar, es fcil calcular primero la varianza

y luego sacando la raz cuadrado, se obtiene la desviacin estndar; para datos agru-
pados tambin provienen de las frmulas para estimar varianza.
m
( n i Yi ) 2
n cY Y h
m m
nY
2 2 i =1
i i i i
n
ii) S =
i =1
i) S = i =1
n 1 n 1
m m
m
nY i i
2
nY 2
iii) S = i =1 iv) S = i =1 i =1
n 1 n2 n
EJEMPLO:
Calcular la desviacin estndar (S) para los datos de la variable longitud de

mecha (cm) de los vellones de alpacas de la zona de Melgar.
Y'i-1 - Y'i ni Yi niYi (Yi Y) (Yi Y)2 ni (Yi Y)2

2.2 - 4.1 3 3.15 9.45 -7.106 50.495236 151.485708
4.1 - 6.0 4 5.05 20.20 -5.206 27.102436 108.409744
6.0 - 7.9 18 6.95 125.10 -3.306 10.929636 196.733448
7.9 - 9.8 20 8.85 177.00 -1.406 1.976836 39.536720
9.8 - 11.7 20 10.75 215.00 0.494 0.244036 4.880720
11.7 - 13.6 20 12.65 253.00 2.394 5.731236 114.624720
13.6 - 15.5 11 14.55 160.05 4.294 18.438436 202.822796
15.5 - 17.4 4 16.45 65.80 6.194 38.365636 153.462544
8 8 8
Total n = 100
i=1
i n Y = 1025.6 i i n (Y Y)
i=1
i i
2
= 971.9564
i =1
10
n Y i i
10256
.
Y= i =1
= = 10256
. cm.
n 100
Reemplazando a la frmula:
n cY Yh
8
2
i i
9719564
.
S= i =1
= = 31176
. 312
. cm.
n 100
n cY Y h
8
2
i i
.
9719564
S= i =1
= = 313
. cm.
n 1 99
Para los dos mtodos abreviados, la desviacin estndar, se obtiene simple-

mente sacando la raz cuadrada de la varianza, es decir: S = S2 .
PROPIEDADES DE LA DESVIACIN ESTNDAR (S).
Las propiedades de este estadgrafo de dispersin son triviales y similares a la

varianza:
P-1. La desviacin estndar o tpica de un conjunto de observaciones x1, x2,..,xn,

siempre es un nmero no negativo S 0.
P-2. La varianza de una constante es cero, es decir S(c)=0.
P-3. Si a cada valor de las observacin x1, x2,..,xn se le agrega o se resta una
constante b, la desviacin estndar del nuevo conjunto de valores Y1,
Y2,..,Yn, donde Yi = xib, i = 1,2,..,n, coincide con la desviacin tpica
del conjunto original.
SY = SXb = SX
P-4. Si cada valor de las observaciones x1, x2,..,xn, se multiplica por una cons-
tante a, la desviacin estndar del nuevo conjunto de valores Y 1,
Y2,..,Yn, donde Yi = axi, i = 1,2,..,n, es igual a la desviacin estndar del
conjunto original multiplicado por el valor positivo (valor absoluto) de
dicha constante.
SY = SaX = a S X
P-5. La desviacin estndar para el total, se puede estimar con:
STotal = NS, Donde: N = Nmero de elementos de la poblacin.
VENTAJAS DE LA DESVIACIN ESTNDAR (S).
- 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, atendiendo a su magnitud como
a su signo.
- Es indispensable cuando se trata de interpretar datos en relacin con la
distribucin normal.
6.12. ERROR ESTNDAR (E.S.)
Este estadstico de dispersin desviacin estndar de promedios, est dado

por el cociente que resulta de dividir la desviacin estndar entre la raz cuadrada del
tamao de la muestra n.
S
SX = , Donde: S = Desviacin estndar.
n
n = Tamao muestral.
S X , se le conoce E.S. de la media de una muestra tomada al azar de una

poblacin N( , ) , su valor indica la desviacin promedio de las medias (en una
poblacin de muestras) con respecto al valor de la poblacin original muestreada.
La desviacin estndar de los promedios o error estndar ( S X ), puede dedu-

cirse de la desviacin estndar de la poblacin original con la frmula siguiente:
S Nn
SX = , sta frmula, se usa para poblaciones finitas relativa-
n N 1
mente pequeas.
Si N , es decir si N es muy grande entonces N 0 , es decir

n n
es una
N
cantidad que se acerca al valor cero, a medida que aumenta N.
Nn Nn
Entonces el factor de correccin , se convierte en uno, es decir 1,
N 1 N
S
quedando la frmula SX = (1) , entonces la frmula se convierte en:
n
S
SX =
n
EJEMPLO:
Calcular el Error Estndar (E.S.) con los datos de vicuas machos de los
criaderos de Cala - Cala y Pampa Galeras.
SOLUCIN:
Para criadero de Cala - Cala: S = 6.34 kg, n = 20, entonces
6.34
SX = = 1.418 , S X =1.42 kg.
20
Para criadero de Pampa Galeras: S = 2.4942 kg, n = 20, entonces
2.4942
SX = = 0.5577 S X =0.56 kg.
20
USOS:
- Debe omitirse fraccin de muestreo, cuando el tamao de muestra n es

menor del 10% del tamao de la poblacin N finita.
- Debe usarse la fraccin de muestreo slo cuando es mayor al 10% del tama-
o de la poblacin.
Desigualdad de Chebyshev.
La probabilidad de que una variable aleatoria X, asuma valores dentro de k

1
desviaciones estndar a partir de su media, es por lo menos 1 , entonces:
k2
1
P( k < x < + k ) 1
k2
La desigualdad de Chebyshev es muy importante, ya que permite determinar

lmites sobre probabilidades de variables aleatorias discretas o contnuas, sin tener
que especificar sus funciones (densidades) de probabilidad y sirve para hallar la
probabilidad de que una variable aleatoria asuma valores dentro de k desviaciones
1
estndar de la media. Esa probabilidad no puede ser menor que 1 , pero no se sabe
k2
cunto ms puede ser, pues no se conoce la probabilidad exacta por el desconoci-
miento de la distribucin de probabilidad de la variable aleatoria X.
Demostracin:
2 = ( x ) 2 , supngase variable aleatoria contnua.
2 = z
+
( x ) 2 f ( x)dx
0B
2 =
d
z k
( x ) 2 f ( x)dx +
144424443 1

a
k z
4442444
+ k
( x ) 2 f ( x)dx +
3 1
b
+ k z
4442444
+
( x ) 2 f ( x)dx
c
3
Si b 0, entonces d a+c, por lo tanto:
2 z
k
( x ) 2 f ( x) dx + z +
+ k
( x ) 2 f ( x) dx
Ahora bien: x + k y x k , en consecuencia x k ,

entonces (x )2 k 2 2
Reemplazamos: ( x ) 2 por k 2 2 y dividiendo ambos lados de la ecuacin
por k 2 2 :
2
k 2 2
z
k k 22
k 22
f ( x)dx + z + k 22
+ k k 2 2
f ( x)dx
1
k2
z
k
f ( x)dx + z +
+ k
f ( x) dx
1
P( < x < k) + P( + k < x < +)
k2
Por propiedades de probabilidad complementaria, se puede obtener el

siguiente resultado:
1
1 P( k < x < + k)
k2
1
1 + P( k < x < + k)
k2
1
1 P( k < x < + k ) y por lo tanto,
k2
1
P( k < x < + k ) 1 , l.q.q.d.
k2
6.13. CORRECCIN SHEPPARD.
Ocurre que en el clculo de la varianza y por tanto de la desviacin estndar,

se introduce cierto error al agrupar los datos en clases. Para corregir ste error se
emplea la varianza corregida, con la siguiente frmula:
c2
V( X) corregida = V( X) (varianza correccin Sheppard).
12
Donde: c = Es la amplitud del intervalo de clase.
EJEMPLO:
Con los datos calculados para las vicuas machos de Cala - Cala. Calcular la
Varianza por la Correccin de Sheppard.
(4.4) 2
V( X) corregida = 29.499 = 27.88566 27.89 kg.
12
Con los datos calculados para las vicuas machos de Pampa Galeras. Calcu-
lar la Varianza por la Correccin de Sheppard.
(2) 2
V ( X ) corregida = 5.642 = 5.3086 5.31 kg.
12
6.14. MEDIDAS DE DISPERSIN RELATIVA.
6.14.1. COEFICIENTE DE APERTURA.
Se define como el cociente entre el valor mximo y el valor mnimo del

recorrido de la variable, es el nmero de veces que engloba el mayor valor al ms
pequeo: Denotado con la siguiente expresin:
X mx.
C. A. =
X mn.
EJEMPLO:
Para los datos de vicuas machos de los dos criaderos, encontrar el C.A.
SOLUCIN:
Para el criadero de vicuas Cala - Cala.

47.0
C. A. = = 188
. kg 2.0 kg
25.0
Para el criadero de vicuas Pampa Galera.

42
C. A. = = 131
. kg 10
. kg
32
El C.A. del criadero de vicuas machos de Cala - Cala, fue superior al C.A.
del criadero de vicuas machos de Pampa Galera.
6.14.2. RECORRIDO RELATIVO (R.R.).
Se define como el recorrido de la variable dividido por la media arit-

mtica, otra forma de definir es el nmero de veces que el recorrido engloba a la
media aritmtica:
R X mx . X mn .
R . R. = =
X X
EJEMPLO:
Para los datos de vicuas machos de los dos criaderos, encontrar el C.A.
SOLUCIN:
Para el criadero de vicuas Cala - Cala.

47 25 22
R. R. = = = 0.69 kg
3185
. 3185
.
Para el criadero de vicuas Pampa Galera.

42 32 10
R. R. = = = 0.28 kg
3570
. 3570
.
Es decir existe variabilidad o podemos afirmar de alguna forma existe

heterogeneidad en el criadero de vicuas machos de Cala - Cala frente al criadero de
vicuas machos de Pampa Galeras, que presenta uniformidad en el peso vivo (kg) de
las vicuas.
6.14.3. DISPERSIN RELATIVA (RIR).
Esta definido como la dispersin absoluta dividida por la media arit-

mtica, es el nmero de veces que la dispersin absoluta que contiene a la media
aritmtica.
Dispersin Absoluta Dispersin Absolut
Dispersin relativa = =
Media Aritmtica X
(Q3 -Q1 ) 2
RIR = Re corrido semi Intercuartlico Relativo =
X
EJEMPLO:
Con la informacin de las vicuas machos de los dos Centros de criaderos.

Calcular RIR.
SOLUCIN:
Para el criadero de vicuas machos de Cala - Cala.
20 + 1 21
1) Ubicar la posicin del cuartil Q1: = = 5.25
4 4
2) Como no es un entero, entonces realizar por la interpolacin lineal, y esta
comprendido entre los valores de: X(5)= 27 y X(6) = 27, entonces:
Q1 = 27 + (27 - 27)(0.25) = 27
Q3 = ?
3( n + 1) 3(21)
1) Ubicar la posicin del cuartil Q3: Si = = 1575
. , no es un nmero
4 4
entero, entonces realizar la interpolacin lineal.
Q3 = 37 + (38-37)(0.75) = 37.75
Una vez calculado los Q1 y Q3, podemos calcular el RIR:
(Q 3 - Q1 ) 2 (37.75- 27) 2
RIR = = = 0169
.
X 31.85
Para el criadero de vicuas machos de Pampa Galeras.

Q1 = ?
20 + 1 21
1) Ubicar la posicin del cuartil Q1: = = 5.25
4 4
2) Como no es un entero, entonces realizar la interpolacin lineal, y esta
comprendido entre los valores de: X(5)= 34 y X(6) = 34, entonces:
Q1 = 34 + (34 - 34)(0.25) = 34
Q3 = ?
3( n + 1) 3(21)
1) Ubicar la posicin del cuartil Q3: Si = = 1575
. , no es un nmero
4 4
entero, entonces realizar la interpolacin lineal.
Q3 = 37 + (37-37)(0.75) = 37
Una vez calculado los Q1 y Q3, podemos calcular el RIR:
(Q3 -Q1) 2 (37-34) 2

RIR = = = 0042
.
X 35.70
6.15. COEFICIENTE DE VARIACIN (CV).
Es un estadgrafo de dispersin o dispersin relativa que est expresado en

unidades independientes de la naturaleza de la variable y el valor se expresa general-
mente en trminos de porcentuales.
Es un estadgrafo que se utiliza para comparar dos o ms distribuciones cuan-

do las unidades de medida de las variables estn expresados en diferentes unidades o
escalas de medida. Ejm. Comparar sueldos expresados en soles y en dlares; exten-
siones o superficies medida en metros cuadrados y otro en pies cuadrados, etc.
Cuando se compara dos o ms distribuciones, es ms homognea o presenta

menos discrepancia, aquella distribucin que tiene el menor coeficiente de varia-
cin, es decir los datos son ms heterogneos cuando tienen mayor coeficiente de
variacin.
Para encontrar un coeficiente de variabilidad bajo, se debe tomar en cuenta en

los diferentes experimentos en determinar tamaos de la unidad experimental, en el
cual el CV, debe tender a estabilizarse, all se define el tamao ptimo de la parcela
o unidad experimental.
El CV, es una medida de variabilidad con respecto a la magnitud de las can-

tidades originales que se han estimado, en otras palabras el CV, se define como la
razn entre la desviacin estndar y la media aritmtica multiplicado por 100, otra
forma es que el CV expresa la desviacin estndar por unidad experimental, como
un porcentaje de la media general del experimento.
S
CV.= x100
X
Donde: CV. = Coeficiente de variabilidad.

S = Desviacin estndar.
x = Promedio de la muestra.
EJEMPLO:
Calcular los CV. para las vicuas machos de Cala - Cala y Pampa Galeras.
Criadero de vicuas Cala - Cala Criadero de vicuas Pampa Galeras

n = 20 FG6.34 IJ n = 20 FG2.49IJ
X= 31.85
CV. =
H3185
. Kx100
X= 35.7
CV. =
H
35 .70Kx100
S = 6.34 CV. = 19.91% S = 2.49 CV. = 6.97%
Interpretacin:
El CV. que encontramos para el criadero de vicuas machos de Cala - Cala es

de alguna forma alta (CV. = 19.91%), esto nos indica que existe bastante variabili-
dad entre unidades experimentales, es decir los pesos vivos (kg) entre vicuas, en
cambio se puede mostrar para las vicuas machos de Pampa Galeras el CV. = 6.97%
y es bajo, esto hecho nos indica que existe similaridad o podemos atribuir a la homo-
geneidad de pesos vivos (kg) entre cada animal. La razn de esta variabilidad posi-
blemente se debe al sistema de manejo que se practica en cada criadero de vicuas y
otros factores ajenos al criadero.
Los resultados de todas stas medidas de dispersin relativa para el ejemplo

visto anteriormente, se resumen en el cuadro siguiente:
Medidas de dispersin Criadero Cala - Cala Criadero Pampa Galeras

47 42
Coeficiente de Apertura C. A. = = 188
. C.A.= = 131
.
25 32
22 10
Recorrido Relativo R. R. = = 069
. R. R. = = 028
.
.
3185 .
3570
. 27) 2
(3775 (3734) 2
Recorrido Semi Intercuartlico Relat. RIR.= =0169
. RIR.= = 0042
.
3185
. 3570
.
FG IJ
.
634 FG IJ
.
249
Coeficiente de Variacin CV.=
H K
.
3185
x100=1991%
. CV.=
H K
.
3570
x100=697%
.
Del cuadro precedente podemos afirmar en forma general que existe disper-
sin o variabilidad en los pesos vivos (kg) de las vicuas del criadero de Cala - Cala
frente a las vicuas machos de Pampa Galeras.
Caractersticas del Coeficiente de Variabilidad.
- Cuando se comparan dos o ms distribuciones, es ms homognea la distri-

bucin que tenga un menor CV. en caso inverso ser alta el CV.
- Cuando se incrementa el nmero de muestra o a mayor nmero de unidades

experimentales por tratamiento, el CV. ser menor.
- Una desventaja del CV. es que no se debe utilizar sta expresin, cuando las
variables utilizadas no tengan un cero verdadero, por cuanto el CV. exige
que la variable en estudio tenga cero verdadero, motivo por el cual el CV.
no se puede utilizar en campos de Educacin y psicologa.
En experimentos agrcolas el CV. vara generalmente hasta un 30 - 35%,

valores superiores a stos lmites pueden considerarse como extremos; en cambio en
trabajos de investigacin en laboratorio (anlisis en laboratorio) el CV. deben ser
bastante bajos, debido a que el control lo realiza una persona o varios y no estn
afectos a los factores de variabilidad como en el campo experimental (medio ambien-
te, clima, lluvia, viento, temperatura, etc.). De igual manera debe ser bajo el CV. en
los experimentos en que se analizan calidad (4 a 8%) como son fabricacin de ali-
mentos (galletas, concentrados, conservas, chocolate, mquinas, televisores, etc.).
En los experimentos en ganadera, el CV. por lo general es alto, por los dife-
rentes factores medio ambientales que se presentan en el lugar de la experimenta-
cin, es decir la variabilidad del experimento, se debe a los factores como: edad,
talla, peso, raza del animal, lugar clima, droga utilizada, diseo, salud del animal,
prdida de unidad experimental, entre otros. Considerando estos factores la escala
siguiente puede ser usado para calificar la precisin de los experimentos que se rea-
lizan en el campo (esto no es absoluto ms bien es una pauta para sugerir la preci-
sin).
Entre 5 a 10% = Excelente

Entre 11 a 20% = Muy buena
Entre 21 a 25% = Buena
Entre 26 a 35% = Deficiente.
Entre 36 a 45% = Muy mala.
Mayor a 45%.
Sin embargo, podemos comparar con otros autores la precisin del CV. para
juzgar y diferenciar en los lugares en que ellos han trabajado:
As Calzada, B.J. (1970), sugiere la siguiente escala para calificar la preci-

sin de los experimentos de campo por el CV. cuando los datos analizados corres-
ponden a rendimiento:
Entre 5 a 10% = Excelente

Entre 11 a 15% = Muy buena
Entre 16 a 20% = Buena
Entre 21 a 25% = Regular
Entre 26 a 31% = Mala
Ms de 31% = Muy mala.
Sin embargo, Reyes, C.P. (1980), en Mxico indica que el CV, para tres po-
blaciones de igual , pero diferente de .
CV. = 20% muy variable.

CV. = 10% variable
CV. = 5% relativamente uniforme.
6.16. MOMENTOS.
Los momentos se utilizan para describir otros aspectos relevantes de la distri-

bucin de frecuencias, la teora de los momentos se debe a Karl Pearson. Los mo-
mentos se definen como promedios de potencias de las desviaciones de los valores de
una serie de observaciones con respecto a un valor arbitrario, esta puede ser la media
aritmtica. Se puede encontrar n momentos, sin embargo desde el punto de vista
prctico, se utilizarn slo los cuatro primeros momentos.
6.16.1. MOMENTO RESPECTO A UN VALOR CONSTANTE a.
Sea x1,x2,...,xn un conjunto de n observaciones de una caracterstica

X. El momento de orden r con respecto a un punto a de la muestra, es decir es la
media aritmtica de la potencia r-sima de las desviaciones de las observaciones con
respecto al valor a, y se define como: Mr,a.
A. MOMENTO PARA DATOS NO AGRUPADOS.
Cuando los datos no se encuentran en intervalos de clase, entonces

el momento se puede calcular con las siguientes frmulas:
(x i a) r
M r ,a = M ( X a ) r = i =1
n
Donde: r = 1,2,3,.....
Xi = Son las observaciones.
n = Nmero de muestras.
Entonces; M1,a, M2,a, M3,a,....., Mr,a son momentos con respecto a un

punto a cualquiera de rdenes 1,2,3,....,r, respectivamente. Entonces los cuatro
primeros momentos son:
1 n
M 1,a = ( x i a )1 = x a
n i =1
1 n
M 2 ,a = (xi a)2
n i =1
1 n
M 3,a =
n i =1
( xi a) 3
1 n
M 4 ,a = ( xi a)4
n i =1
Los momentos ayudan a detectar algunas fallas en la distribucin

de frecuencias, as mismo sirven para anlisis estadstico aposterior y puede ayudar a
crear los diseos experimentales.
EJEMPLO:
Calcular los cuatro primeros momentos para los datos de las vicuas machos
de los dos centros de crianza (Cala - Cala y Pampa Galeras), respecto al punto 27 y
36.
SOLUCIN:
Para calcular los 4 primeros momentos respecto al punto 27 y 36, calculare-

mos en un cuadro todos los valores que necesitamos sustituir en las frmulas respec-
tivas.
Peso vivo (kg) de las vicuas machos de Cala-Cala, 1998

2 3 4
N Xi Xi - 27 (Xi - 27) (Xi - 27) (Xi - 27)
1 47 20 400 8000 160000
2 38 11 121 1331 14641
3 38 11 121 1331 14641
4 29 2 4 8 16
5 38 11 121 1331 14641
6 30 3 9 27 81
7 34 7 49 343 2401
8 27 0 0 0 0
9 27 0 0 0 0
10 25 -2 4 -8 16
11 26 -1 1 -1 1
12 28 1 1 1 1
13 27 0 0 0 0
14 28 1 1 1 1
15 42 15 225 3375 50625
16 30 3 9 27 81
17 37 10 100 1000 10000
18 35 8 64 512 4096
19 26 -1 1 -1 1
20 25 -2 4 -8 16
20 20 20 20
(X 27) = 97 (X 27) = 1235 (Xi 27)3 = 17269 (Xi 27)4 = 271259

2
Total i i
i =1 i=1 i=1 i=1
1 20 97
M 1,27 =
20 i =1
( x i 27 ) =
20
= 4.85
1 20 1235
M2,27 =
20 i =1
( xi 27) 2 =
20
= 6175
.
1 20 17269
M 3,27 =
20 i =1
( x i 27) 3 =
20
= 863.45
1 20 271259
M 4 ,27 =
20 i =1
( x i 27) 4 =
20
= 13562.95
Para las vicuas de la Reserva Nacional de Pampa Galeras, 1998.
Peso vivo (kg) de las vicuas machos de Pampa Galeras, 1998.

2 3 4
N Xi Xi - 36 (Xi - 36) (Xi - 36) (Xi - 36)
1 35 -1 1 -1 1
2 38 2 4 8 16
3 36 0 0 0 0
4 33 -3 9 -27 81
5 32 -4 16 -64 256
6 37 1 1 1 1
7 34 -2 4 -8 16
8 33 -3 9 -27 81
9 32 -4 16 -64 256
10 34 -2 4 -8 16
11 35 -1 1 -1 1
12 42 6 36 216 1296
13 36 0 0 0 0
14 36 0 0 0 0
15 40 4 16 64 256
16 35 -1 1 -1 1
17 37 1 1 1 1
18 36 0 0 0 0
19 36 0 0 0 0
20 37 1 1 1 1
20 20 20 20
(X 36) = -6 (X 36) = 120 (Xi 36)3 = 90 (Xi 36)4 = 2280

2
Total i i
i =1 i=1 i=1 i=1
1 20 6
M 1,36 = ( x i 36) = 20 = 0.3
20 i =1
1 20 120
M 2 , 36 =
20 i =1
( x i 36) 2 =
20
= 6.0
1 20 90
M 3 ,36 = ( x i 36) 3 = 20 = 4.5
20 i =1
1 20 2280
M 4 ,36 =
20 i =1
( x i 36) 4 =
20
= 114
B. MOMENTOS PARA DATOS AGRUPADOS.
Cuando la informacin se encuentra en intervalos de clase, se usa-

rn las siguientes frmulas:
1 m
M r ,a = M ( Y a ) r
= n i ( Yi a ) r
n i =1
Donde: r = 1,2,3,.....
Yi = Son los puntos medios o marcas de clase.
n = Nmero de muestras.
Entonces; M1,a, M2,a, M3,a,....., Mr,a son momentos con respecto a un

punto a cualquiera de rdenes 1,2,3,....,r, respectivamente. Entonces los cuatro
primeros momentos son:
1 m
M 1,a =
n i =1
n i ( Yi a )1 = Y a
m
1
M 2 ,a =
n
n
i =1
i ( Yi a ) 2
1 m
M 3, a =
n i =1
n i ( Yi a ) 3
1 m
M 4 ,a =
n i =1
n i ( Yi a ) 4
EJEMPLO:
Calcular los 4 primeros momentos para las vicuas del Comit Comunal de
Manejo de vicuas de Cala - Cala, tomando como constante a = 36.
2 3 4
Y'i-1 - Y'i ni Yi (Yi -36) ni(Yi -36) ni(Yi -36) ni(Yi -36) ni(Yi -36)
25.0 - 29.4 10 27.2 -8.80 -88 774.40 -6814.72 59969.536
29.4 - 33.8 2 31.6 -4.40 -8.8 38.72 -170.37 749.619
33.8 - 38.2 6 336.0
6 0.00 0 0.00 0.00 0.000
38.2 - 42.6 1 40.4 4.40 4.4 19.36 85.18 374.810
42.6 - 47.0 1 44.8 8.80 8.8 77.44 681.47 5996.954
5 5 5 5
Total 20 n(Y36) = -83.60 n(Y36) = 909.92 n(Y36) =-6218.432 n(Y
i i i i i i 36) = 67090.918
4
2
i i
3
i=1 i=1 i=1 i=1
1 5 83.6
M 1,36 =
20 i =1
n i (Yi 36) =
20
= 4.18
1 5 906.92
M 2 ,36 =
20 i =1
n i (Yi 36) 2 =
20
= 45.346
1 5 6218432
.
M3,36 = ni (Yi 36)3 = 20 = 310922
20 i=1
.
1 5 670909184
.
M4,36 =
20 i=1
ni (Yi 36)4 =
20
= 335454592
.
Calcular los 4 primeros momentos para las vicuas de la Reserva Nacional de

Pampa Galeras, 1998. (a = 37).
2 3 4
Y'i-1 - Y'i ni Yi (Yi - 37) ni(Yi - 37) ni(Yi - 37) ni(Yi - 37) ni(Yi - 37)
32 - 34 4 33 -4 -16 64 -256 1024
34 - 36 5 35 -2 -10 20 -40 80
36 - 38 8 37 0 0 0 0 0
38 - 40 1 39 2 2 4 8 16
40 - 42 2 41 4 8 32 128 512
5 5 5 5
Total 20 n (Y 37) = -16 n (Y 37) = 120 n (Y 37) = -160
i=1
i i
i=1
i
i=1
ini (Yi 37)4 =1632
2
i=1
i i
3
1 5 16
M 1, 37 =
20 i =1
n i ( Yi 37 ) =
20
= 0.8
5
1 12 0
M 2 , 37 =
20
n
i =1
i ( Y i 37 ) 2 =
20
=6
1 5 160
M 3 , 37 =
20 i = 1
n i ( Yi 37 ) 3 =
20
= 8.0
5
1 1 63 2
M 4 , 37 =
20
n
i =1
i ( Yi 3 7 ) 4 =
20
= 8 1.6
6.16.2. MOMENTOS CON RESPECTO AL ORIGEN.
Esta se refiere cuando las desviaciones son calculadas con respecto al

punto a = 0, entonces, se llaman momentos orden r con respecto al origen, que esta
denota por Mr,0 = Mr
A. Momentos con respecto al ORIGEN con datos no agrupados.
Es cuando los datos no se encuentran en intervalos de clase, y se

calcula mediante la siguiente frmula:
1 n r
M 'r = M ( X r ) = Xi
n i =1
Donde: Xi = Son cada uno de las observaciones, i = 1,2,3,..,n
n = Es el nmero de observaciones de la muestra.
M1, M2, M3,.....,M4 son momentos con respecto al origen de or-

denes 1,2,3,...,r, respectivamente.
Los cuatro primeros momentos con respecto al origen son:
1 n 1 n 2
M 1' = Xi = X
n i =1
M '2 = Xi
n i =1
1 n 3 1 n 4
M '3 = Xi
n i =1
M '4 = Xi
n i =1
EJEMPLO:
Calcular los 4 momentos con respecto al origen para los datos de las vicuas
machos de Cala - Cala y Pampa Galeras.
SOLUCIN:
Los datos se deben colocarse en una tabla para determinar los 4 momentos, de
la siguiente manera:
2 3 4
N Xi Xi - 0 Xi Xi Xi
1 47 47 2209 103823 4879681
2 38 38 1444 54872 2085136
3 38 38 1444 54872 2085136
4 29 29 841 24389 707281
5 38 38 1444 54872 2085136
6 30 30 900 27000 810000
7 34 34 1156 39304 1336336
8 27 27 729 19683 531441
9 27 27 729 19683 531441
10 25 25 625 15625 390625
11 26 26 676 17576 456976
12 28 28 784 21952 614656
13 27 27 729 19683 531441
14 28 28 784 21952 614656
15 42 42 1764 74088 3111696
16 30 30 900 27000 810000
17 37 37 1369 50653 1874161
18 35 35 1225 42875 1500625
19 26 26 676 17576 456976
20 25 25 625 15625 390625
20 20 20 20
Total X = 637 X
i
2
i = 21053 X 3i = 723103 X 4i = 25804025
i=1 i=1 i =1 i =1
1 20 637 1 20 2 21053
M1' =
n i =1
Xi =
20
= 3185
. =X M 2' = Xi = 20 = 1052.65
n i =1
1 20 3 723103 1 20 4 25804025
M3' = Xi = 20 = 3615515
n i=1
. M4' = Xi = 20 =129020125
n i=1
.
Calcular los 4 momentos con respecto al origen para los datos de las vicuas
machos de Pampa Galeras.
2 3 4
N Xi Xi - 0 Xi Xi Xi
1 35 35 1225 42875 1500625
2 38 38 1444 54872 2085136
3 36 36 1296 46656 1679616
4 33 33 1089 35937 1185921
5 32 32 1024 32768 1048576
6 37 37 1369 50653 1874161
7 34 34 1156 39304 1336336
8 33 33 1089 35937 1185921
9 32 32 1024 32768 1048576
10 34 34 1156 39304 1336336
11 35 35 1225 42875 1500625
12 42 42 1764 74088 3111696
13 36 36 1296 46656 1679616
14 36 36 1296 46656 1679616
15 40 40 1600 64000 2560000
16 35 35 1225 42875 1500625
17 37 37 1369 50653 1874161
18 36 36 1296 46656 1679616
19 36 36 1296 46656 1679616
20 37 37 1369 50653 1874161
20 20 20 20
Total X = 714 X2i = 25608 X

i
3
i = 922842 X 4i = 33420936
i =1 i=1 i =1 i =1
1 20 714 1 20 2 25608
M 1' =
n i =1
Xi =
20
= 35.7 = X M 2' = X i = 20 = 1280.4
n i =1
1 20 3 922842 1 20 4 33420936
M3' = Xi = 20 = 46142.1
n i =1
M4' = Xi = 20 = 16710468.
n i=1
B. Momentos con respecto al ORIGEN para datos agrupados.
Cuando los datos se encuentran tabulados en intervalos de clase, se

encontrar con las siguientes frmulas:
1 m
M 'r = M ( Y r ) =
n i =1
n i Yir
Donde: Yi = Marcas de clase o puntos medios.

m = Nmero de clases.
ni = Frecuencia absoluta.
n = Nmero total de observaciones.
Los cuatro primeros momentos con respecto al origen son:

1 m 1 m
M1' = niYi = Y
n i=1
M 2' = n i Yi2
n i =1
1 m 1 m
M 3' = n i Yi3
n i =1
M 4' = n i Yi4
n i =1
EJEMPLO:
Con los datos de las vicuas machos de los dos centros de criadero. Calcular
los 4 primeros momentos.
2 3 4
[Y'i-1 - Y'i> ni Yi niYi niYi niYi niYi
25.0 - 29.4 10 27.2 272.0 7398.40 201236.480 5473632.256
29.4 - 33.8 2 31.6 63.2 1997.12 63108.992 1994244.147
33.8 - 38.2 6 36 216.0 7776.00 279936.000 10077696.000
38.2 - 42.6 1 40.4 40.4 1632.16 65939.264 2663946.266
42.6 - 47.0 1 44.8 44.8 2007.04 89915.392 4028209.562
5 5 5 5
Totales n = 20 n Y =636.4 nY = 20810.72 nY = 700136.13 nY = 24237728.23
i=1
i i
i=1
i i
2
i=1
i i
3
i=1
i i
4
1 5 636.4
M 1' =
20 i =1
n i Yi =
20
= 3182
.
1 5 20810.72
M '2 =
20 i =1
n i Yi2 =
20
= 1040.536
1 5 700136.128
M '3 =
20 i =1
n i Yi3 =
20
= 35006.8064
1 5 27237728.23
M4' =
20 i =1
ni Yi4 =
20
= 1211886.412
Con los datos de las vicuas machos de los dos centros de criadero. Calcular
los 4 primeros momentos para Pampa Galeras.
2 3 4
[Y'i-1 - Y'i> ni Yi niYi niYi niYi niYi
32 - 34 4 33 132.0 4356.00 143748.000 4743684.000
34 - 36 5 35 175.0 6125.00 214375.000 7503125.000
36 - 38 8 37 296.0 10952.00 405224.000 14993288.000
38 - 40 1 39 39.0 1521.00 59319.000 2313441.000
40 - 42 2 41 82.0 3362.00 137842.000 5651522.000
5 5 5 5
Totales n = 20 n Y = 724 n Y = 26316 n Y = 960508 n Y = 35205060
i=1
i i
i=1
i i
2
i=1
i i
3
i=1
i i
4
1 5 724
M 1' =
20 i = 1
n i Yi =
20
= 36.2
1 5 26316
M '2 =
20 i = 1
n i Yi2 =
20
= 1315.8
5
1 960508
M 3' =
20
nY
i=1
i i
3
=
20
= 4 8 0 2 5.4
1 5 35205060
M '4 =
20 i = 1
n i Yi4 =
20
= 1760253
6.16.3. MOMENTOS CON RESPECTO A LA MEDIA ARITMTICA.
Cuando las desviaciones son calculadas con respecto a la media a =

x , entonces se llamar Momento de orden r con respecto a la media aritmtica,
denotado por " M r , x = M r " .
A. Momentos con respecto a la media aritmtica para datos no

agrupados.
Cuando la informacin no se encuentra clasificada en tablas o in-

tervalos de clase, se puede realizar los clculos con las siguientes frmulas:
cX h
n
r
X
c h
i
r
Mr = M X X = i =1
n
Por tanto: M1, M2, M3,..., Mr, son momentos con respecto a la me-
dia de rdenes 1,2,3,...,r, respectivamente. Los cuatro primeros momentos con res-
pecto a la media son:
M1 =
1 n
n i =1
c
Xi X h =0 M2 =
1 n
c
Xi X
n i =1
h 2
= S'2 S2
cX h cX h
n n
1 3 1 4
M3 = i X M4 = i X
n i=1 n i =1
EJEMPLO:
Calcular los cuatro primeros momentos con respecto a la media para los datos
de vicuas machos de los dos centros criaderos (Cala-Cala y Pampa Galeras).
N Xi Xi X (Xi X)2 (Xi X)3 (Xi X)4

1 47 15 230 3477 52681
2 38 6 38 233 1431
3 38 6 38 233 1431
4 29 -3 8 -23 66
5 38 6 38 233 1431
6 30 -2 3 -6 12
7 34 2 5 10 21
8 27 -5 24 -114 553
9 27 -5 24 -114 553
10 25 -7 47 -321 2202
11 26 -6 34 -200 1171
12 28 -4 15 -57 220
13 27 -5 24 -114 553
14 28 -4 15 -57 220
15 42 10 103 1046 10614
16 30 -2 3 -6 12
17 37 5 27 137 703
18 35 3 10 31 98
19 26 -6 34 -200 1171
20 25 -7 47 -321 2202
20 20 20 20
(X X) = 0 (X X) = 765 (X X) = 3863 (X X) = 77344

20
Total Xi = 637
2 3 4
i i i i
i=1 i=1 i=1 i=1 i=1
M1 =
1 n
c
20 i=1
0
Xi X = = 0
20
h M2 =
1 n

20 i=1
c 2
Xi X =
765
20
h
= 3825
.
M3 =
1 n
c
20 i=1
Xi X
3
=
3863
20
= h .
19315 M4 =
1 n

20 i=1
4
Xi X =
77344
20
= 38672
. c h
Para las vicuas machos de PAMPA GALERAS:
N Xi Xi X (Xi X)2 (Xi X)3 (Xi X)4

1 35 -1 0 0 0
2 38 2 5 12 28
3 36 0 0 0 0
4 33 -3 7 -20 53
5 32 -4 14 -51 187
6 37 1 2 2 3
7 34 -2 3 -5 8
8 33 -3 7 -20 53
9 32 -4 14 -51 187
10 34 -2 3 -5 8
11 35 -1 0 0 0
12 42 6 40 250 1575
13 36 0 0 0 0
14 36 0 0 0 0
15 40 4 18 80 342
16 35 -1 0 0 0
17 37 1 2 2 3
18 36 0 0 0 0
19 36 0 0 0 0
20 37 1 2 2 3
20 20 20 20 20
Total Xi = 714
i=1
(X X) = 0 (X X) = 118 (X X) = 197 (X X) = 2452
i=1
i
i=1
i
2
i=1
i
3
i=1
i
4
M1 =
1 n

20 i=1
c 0
Xi X = = 0
20
h M2 =
1 n

20 i=1
c 2
Xi X =
118
20
= 59
.h
M3 =
1 n

20 i =1
c 3
Xi X =
197
20
h 1 n
= 9.85 M4 = Xi X =
20 i=1
4 2452
20
= 122.6 c h
B. Momentos con respecto a la media aritmtica para datos agru-
pados.
Cuando la informacin se encuentra clasificada en intervalos de
clase, entonces se usarn las siguientes frmulas:
Mr = M Y Y c h r 1 m
c
= n i Yi Y
n i =1
h r
Donde: Yi = Marcas de clase o puntos medios.

ni = Frecuencia absoluta.
m = Nmero de clases y n = Total de las frecuencias absolutas.
Los cuatro primeros momentos con respecto a la media aritmtica son:
M1 =
1 m
n i =1
c
ni Yi Y = 0 h M2 =
1 m

n i =1
c h2
ni Yi Y = S'2 S2
M3 =
1 m
n i =1
c
n i Yi Y h 3
M4 =
1 m
c
n i Yi Y
n i =1
h 4
EJEMPLO:
Calcular con los datos de las vicuas machos de Cala-Cala y Pampa Galeras,
los 4 primeros momentos (Los datos se encuentran en la siguiente pgina):
SOLUCIN:
Para el criadero de Cala - Cala:
M1 =
15

n i=1
c 0
ni Yi Y = = 0
20
h
M2 =
1 5

n i=1
c 2
ni Yi Y = h
560472
.
20
= 280236
. S2
M3 =
1 5

n i=1
c 3
ni Yi Y =
20
h
22705795
.
= 113528976
.
M4 =
1 5

n i =1
c
4
ni Yi Y =
20
h
40192.5669
= 2009.628345
Distribucin de frecuencias para las vicuas de Cala - Cala, 1998.
Y'i-1 - Y'i ni Yi niYi Yi Y ni (Yi Y) ni (Yi Y)2 ni (Yi Y
25.0 - 29.4 10 27.2 272.00 -4.62 -46.2 213.444000 -986.1112
29.4 - 33.8 2 31.6 63.20 -0.22 -0.44 0.096800 -0.02129
33.8 - 38.2 6 36.0 216.00 4.18 25.08 104.834400 438.20779
38.2 - 42.6 1 40.4 40.40 8.58 8.58 73.616400 631.6287
42.6 - 47.0 1 44.8 44.80 12.98 12.98 168.480400 2186.8755
5 5 5 5
2 3
Total 20 i i
n Y = 636.40 i i i i
n (Y Y) = 0.0 n (Y Y) = 560.472 n (Y Y) =22 i i
i=1 i=1 i=1 i=1
Distribucin de frecuencias para las vicuas de Pampa Galeras, 1998.

Y'i-1 - Y'i ni Yi niYi Yi Y ni (Yi Y) ni (Yi Y)2 ni (Yi
32.0 - 34.0 4 33.0 132.00 -3.2 -12.8 40.960000 -131.07
34.0 - 36.0 5 35.0 175.00 -1.2 -6 7.200000 -8.640
36.0 - 38.0 8 37.0 296.00 0.8 6.4 5.120000 4.096
38.0 - 40.0 1 39.0 39.00 2.8 2.8 7.840000 21.95
40.0 - 42.0 2 41.0 82.00 4.8 9.6 46.080000 221.18
5 5 5 5
2
Total 20 i i
n Y = 724 i i
n (Y Y) = 0.0 n (Y Y) i i = 107.20 ni (Yi Y)
i=1 i=1 i=1 i=1
Para el criadero de vicuas machos de Pampa Galeras:
M1 =
15

n i=1
c 0
ni Yi Y = = 0
20
h
M2 =
1 5

n i=1
2
c
ni Yi Y =
10720
.
20
= 536
. S2 h
M3 =
1 5
n i Yi Y
n i =1
c h 3
=
107 .52
20
= 5.376
M4 =
1 5
n i Yi Y
n i =1
c h 4
=
1556.224
20
= 77.8112
6.16.4. RELACIONES ENTRE MOMENTOS.
En este apartado, se ver algunas relaciones que permite calcular los

momentos con respecto a la media en funcin de los momentos con respecto a un
punto arbitrario (se elige en forma arbitrario). Estas relaciones son las siguientes:
M 2 = M 2 ,a M12,a
M 3 = M 3,a 3M1,a M 2 ,a + 2 M13,a

M 4 = M 4 ,a 4 M 1,a M 3,a + 6 M 12,a M 2 ,a 3M 14,a
Los clculos se efectuar por el mtodo codificado:

m
i i
LF Y aI O
n (Y a) n MNGH c JKcPQ n (u c) c n u
2
m
i
i
r
m
i i
r r
m
r
i i
i=1
Mr,a = i=1
= = = i=1 i=1
n n n n
m
c r
n u i
r
i
Yi a
Es decir: M r ,a = i =1
, con ui = , c = Amplitud de clase.
n c
n u i =1
i
r
i
Con frecuencia al trmino , se denota por u r (medias de las poten-
n
cias r-simas de las desviaciones).
m
n u i
r
i
ur = i =1 ,
n
entonces los momentos con respecto al punto a, se expresa as M r ,a = c r u r .
EJEMPLO:
Con los datos de las vicuas machos del criadero de la Reserva Nacional de
Pampa Galeras. En este caso a = 37, c = 2.
2 3 4
[Y'i-1 - Y'i> ni Yi ui = (Yi - 37)/2 uini u ini u ini u ini
32 - 34 4 33 -2 -8 16 -32 64
34 - 36 5 35 -1 -5 5 -5 5
36 - 38 8 37
37 0 -13 5 0 0 0
38 - 40 1 39 1 1 1 1 1
40 - 42 2 41 2 4 8 16 32
5 5 5 5
Totales n = 20 u n = -8 u n = 30 u n = -20 u n =102
i i
i=1
2
i i
i=1
3
i i
i=1
4
i i
i=1
a) Clculo de M2 = M2,a - M21,a, calcularemos cada trmino:

5
c r ni uir
2 2 (30)
M 2 ,a = i =1
= = 6.0
n 20
5
c n i u i
2( 8)
M1,a = i =1
= 0.8 =
n 20
Luego: M2 = M2,a - M21,a = 6.0 - (-0.8)2 = 5.36
b) Clculo de M3 = M3,a - 3M1,a.M2,a +2M31,a

5
c 3 n i u 3i
2 3 ( 20)
M 3 ,a = i =1
= = 8.0
n 20
M3 = (-8.0)-3(-0.8)(6.0)+2(-0.8)3 =5.376
c) Clculo de M4 = M4,a -4M1,a.M3,a +6M21,a.M2,a -3M41,a.
5
c 4 n i u i4
2 4 (102)
M 4 ,a = i =1
= = 81.6
n 20
M3,a = -8.0
M2,a = 6.0
M1,a = -0.8, entonces reemplazando stos valores se tiene:
M4 = 81.6 - 4(-0.8)(-8.0)+(6.0)(-0.8)3(6.0)-3(-0.8)4
= 81.6 - 25.6 + 23.04 - 1.2288
= 77.8112
6.17. ESTADGRAFOS DE DEFORMACIN

Medidas de forma de la distribucin.
En diferentes trabajos es necesario calcular una medida que muestre las di-
recciones 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 ASI-
METRA (no tener simetra) y curtosis o apuntamiento, es decir las medidas de
dispersin solo indican la magnitud de las variaciones, pero no dan informacin
acerca de la direccin de las variaciones.
6.17.1 MEDIDA DE ASIMETRA (AS).
Es la deformacin horizontal de la curvas de una distribucin de fre-

cuencias. La curva se observar si est bien formada o no en relacin a una curva
normal. La deformacin consiste en analizar la SIMETRA ASIMETRA de las
distribuciones.
a) Cuando la curva est inclinada o alargada hacia la derecha (Fig. A),

se le denomina ASIMETRA POSITIVA o hacia la derecha, en
esta curva el promedio aritmtico es mayor que la mediana (Me) y
sta mayor que la moda (Md) X > Me > Md .
ni + Sesgada a la derecha
Fig. A
X > Me > M d Y' i
b) Cuando la curva est inclinada o alargada hacia la izquierda (Fig.

B), se llama ASIMETRA NEGATIVA o hacia la izquierda, en
esta curva el X < Me < Md .
ni - Sesgada a la
izquierda Fig. B
X < Me < M d Y' i
c) En la curva (Fig. C), podemos ver que la inclinacin es igual a

ambos lados, es decir la curva es SIMTRICA de ambos lados. En
esta curva el promedio aritmtico, la mediana y la moda coinciden
en un mismo punto en el eje horizontal, es decir X = Me = Md .
ni =
Fig. C
X = Me = Md Y' i
La deformacin o asimetra, se deduce comparando la distribucin con

la forma de la curva normal que corresponde a una distribucin SIMTRICA, en
general toda la distribucin que cumpla con X = Me = Md , es simtrica y si no
coinciden es asimtrica.
6.17.2 COEFICIENTE DE ASIMETRA.
Una medida absoluta de la asimetra est dado por la diferencia entre

la media aritmtica y la moda: AS = X Mo .
Interpretacin:
AS, ser negativa (AS<0), si la distribucin tiene asimetra negativa.
AS, nulo (AS = 0), si la distribucin es simtrica.
AS, ser positiva (AS>0), si la distribucin tiene asimetra positiva.
Pero est medida tiene el inconveniente de expresar en unidades origi-

nales de la variable, y as cambia al cambiar la unidad de medicin.
6.17.3 COEFICIENTE DE ASIMETRA DE PEARSON.
Teniendo en cuenta que la media aritmtica y la moda coinciden en

una distribucin simtrica, Karl Pearson propuso un coeficiente relativo de asimetra
para curvas de frecuencias unimodales:
Y Mo Pr omedio Moda
Primer coeficiente: CAs = =
S Desviacin estndar
3( Y Me) 3(Pr omedio Mediana )

Segundo coeficiente: CAs = =
S Desviacin estndar
Interpretacin:
Si CAs < 0, la distribuc. es asimtrica negativa (o sesgada hacia la izquierda).

Si CAs = 0, la distribucin es simtrica.
Si CAs > 0, la distribuc. es asimtrica positiva (o sesgada hacia la derecha).
6.17.4 COEFICIENTE DE ASIMETRA EN FUNCIN DE LOS MO-

MENTOS.
En una distribucin de frecuencias simtrica respecto a su media arit-

mtica, la suma algebraica de los cubos de las desviaciones respecto a la media es:
n
(X
i =1
i X ) 3 , para datos no agrupados.
n (Y Y )
i =1
i i
3
, para datos agrupados.
Es decir ser nulas, en cambio para distribuciones asimtricas, esta

suma ser positiva si existe asimetra positiva y ser negativa en el caso de la asime-
tra negativa.
El tercer momento respecto a la media es:

n
(X i X)3
M3 = i =1 , para datos no agrupados.
n
m
n (Y Y )i i
3
M3 = i =1 , para datos agrupados.

n
La unidad de medida de M3, no es la misma que la unidad de las obser-
vaciones, es decir tiene dimensin 3 respecto a la magnitud del fenmeno. Por ello
para tener un coeficiente de asimetra, no slo un nmero puro, sino tambin
invariante, dividimos por el cubo de la desviacin estndar (S3>0).
n
(X i X) 3 n
M 3 , para datos no agrupados.
CAs = i =1
3
=
S S3
m
n (Y Y)i i
3
n
M 3 , para datos agrupados.
CAs = i =1
3
=
S S3
LMn (Y Y) OP
m
2
3
LM(X X) OP
n
2
3
MM n PP = MM n PP =
i i i
Pero: S3 = i =1
M32 y S3 = i =1
M32
MN PQ MN PQ
Luego, el coeficiente de asimetra en funcin de los momentos es:
M3
CAs =
M 32
Interpretacin:
Si CAs < 0, se tiene una distribucin asimtrica negativa X < Me < Md
Si CAs = 0, se tiene una distribucin simtrica X = M e = M d
Si CAs > 0, se tiene una distribucin asimtrica positiva X > Me > Md
6.17.5 COEFICIENTE DE ASIMETRA EN FUNCIN DE LOS

CUARTILES.
Los ms importantes son:
A. El coeficiente de asimetra CUARTLICO o de Bowley, esta dado

en funcin de los cuartiles:
Q 3 2 Q 2 + Q1
CAs =
Q 3 Q1
B. El coeficiente de asimetra en funcin de los percentiles (10 - 90),
est dado por:
( P90 P50 ) ( P50 P10 ) P90 2 P50 + P10

CAs = =
P90 P10 P90 P10
La interpretacin es la misma que los otros coeficientes de asimetra.
EJEMPLO:
Con los datos de vicuas machos de la Reserva Nacional de Pampa Galeras

(1998). Calcular CAs.
Intervalo 32 - 34 34 - 36 36 - 38 38 - 40 40 - 42
a) Calcular los coeficientes de Asimetra de Pearson.
b) Calcular el coeficiente de Asimetra por la frmula de los momentos.
c) Calcular los coeficientes por el mtodo de los cuantiles.
SOLUCIN:
2 3 4
[Y'i-1 - Y'i> ni Ni Yi niYi ui = (Yi - 37)/2 uini u ini u ini u ini
32 - 34 4 4 33 132 -2 -8 16 -32 64
34 - 36 5 9 35 175 -1 -5 5 -5 5
36 - 38 8 17 37
37 296 0 -13 5 0 0 0
38 - 40 1 18 39 39 1 1 1 1 1
40 - 42 2 20 41 82 2 4 8 16 32
5 5 5 5 5
Totales n =20 nY =724
i=1
i i u n = -8 u n = 30 u n = -20 u n =102
i=1
i i
i=1
2
i i
i=1
3
i i
i=1
4
i i
a) Calcularemos primero las tres medidas de tendencia central y la desviacin

tpica.
1. Clculo de la media aritmtica:

FG 8IJ = 36.2
Y = O t + cM( u) = 37 + 2
H 20 K
2. Clculo de la mediana (Me):
n 20
i) Ubicar la posicin de la Me: = = 10 , ste valor est comprendido
2 2
entre los valores de 9 y 17, entonces j = 3, j-1 = 2, entonces Y2 - Y3 = 36 - 38
n 20
ii) Como = = 10 >N =9, es cierto, entonces calcular la Mediana:
2 2 2
LM 10 N OP = 36 + 2FG 10 9 IJ = 36.25 kg.

Me = Y2' + c j
NN N Q H 17 9 K
2
3 2
3. Clculo de la moda (Md) de la distribucin:
i) La frecuencia absoluta alta es n3 = 8, entonces j=3, j-1=2, entonces

Y2 - Y3 = 36 - 38, n2 = 5, n3 = 8, n4 = 1.
ii) Reemplazando a la frmula se obtiene:

LM n n OP = 36+2FG 85 IJ = 36+2FG 3 IJ = 366. kg.
N(n n ) +(n n )Q H(85) +(81)K H10K
Md = Y2' +c 3 2
3 2 3 4
4. Clculo de la desviacin tpica de la distribucin:
L F I O
c M n u G n u J n P
5 5 2
M H K PQ = 4 30 (8)
2 2
= N
i i i i 2
i =1 i =1 20
S 2
= 5.64 kg.
n 1 19
Luego: S = S2 = 5.642 = 2.375
Por lo tanto, los coeficientes de Asimetra de Pearson son:

Y Mo 36.2 36.6
CAs = = = 0168
.
S 2.375
3( Y Me) 3(36.2 36.25)
CAs = = = 0.063
S 2.375
Interpretacin:
Como CAs < 0, entonces la distribucin es asimtrica negativa (o sesgada

hacia la izquierda).
b) Primero encontraremos M3 por la relacin:
M3 = M3,a - 3M1,a.M2,a +2M31,a con a = 37.
5
c n u i i
2 ( 8)
M 1, a = i =1
= = 0.8
n 20
5
c2 ni u 2i
2 2 (30)
M 2 ,a = i =1
= = 6.0
n 20
5
c 3 n i u 3i
2 3 ( 20)
M 3 ,a = i =1
= = 8.0
n 20
M3 = (-8.0)-3(-0.8)(6.0)+2(-0.8)3 =5.376
M3 5.376
Luego reemplazando a la frmula, se tiene: CAs = 3
= = 0.401
S (2.375) 3
Interpretacin:
La distribucin es asimtrica positiva, ya que CAs>0, es decir es contrario al
anterior.
c) Calcularemos primero los tres cuartiles:

L nN
M OP
1. Q 1 = Y j'1 + c j M 4 PP
j 1
MN N N
j j 1
Q
n 20
i) Ubicar la posicin del Q1: = = 5, ste valor est comprendido entre los
4 4
valores de 4 y 9, entonces j = 2, j-1 = 1, entonces Y1 - Y2 = 34 - 36.
n 20
ii) Como = = 5 >N =4, es cierto, entonces reemplazamos a la Q1:
4 4 1
LM 5 4 OP = 34 + 2FG 1IJ = 34.4 kg.

Q1 = 34 + 2
N9 4Q H 5K
2. Q2 = 36.25 kg. (coincide con la mediana).
LM 3n N OP
MM N N PP
j 1
3. Calcular el Q 3 = Y j' 1 + c j 4
N j j1
Q
3n 3(20)
i) Ubicar la posicin del Q3: = = 15, ste valor est comprendido entre los
4 4
valores de 9 y 17, entonces j = 3, j-1 = 2, entonces Y2 - Y3 = 36 - 38.
3n 3(20)
ii) Como = = 15>N =9, es cierto, entonces reemplazamos a la Q3:
4 4 2
LM15 9 OP = 36 + 2FG 6IJ = 37.5 kg.

Q 3 = 36 + 2
N17 9 Q H 8K
Por tanto el coeficiente de Asimetra cuartlico de Bowley es:
Q 3 2Q 2 + Q1 37.5 2( 36.25) + 34.4 0.6

CAs = = = = 01935
.
Q 3 Q1 37.5 34.4 31
.
Interpretacin:
La conclusin sera de que la asimetra de CAs<0, es decir es sesgada a la
izquierda.
d) Calcularemos ahora los Percentiles:
LM 10 n N OP
+ c M 100 PP
j 1
i) P10 = Y j' 1
MN N N
j
j j 1
Q
10n 10(20)
- Ubicar la posicin del P10: = = 2, ste valor est comprendido entre
100 100
los valores de 0 y 4, entonces j = 1, j-1 = 0, entonces Y0 - Y1 = 32 - 34.
10n 10( 20)

- Como = = 2 >N =0, es cierto, entonces reemplazamos a la P10:
100 100 0
LM 2 0 OP = 33 kg.
P10 = 32 + 2
N4 0Q
LM 5 0 n N OP
+ c M 1 00 PP
j 1
ii) P5 0 = Y j' 1 j
MN N N j j1
Q
50 n 50( 20)
- Ubicar la posicin del P10: = = 10 , ste valor est comprendido entre
100 100
los valores de 9 y 17, entonces j = 3, j-1 = 2, entonces Y2 - Y3 = 36 - 38.
50 n 50(20)
- Como = = 10 >N =9, es cierto, entonces reemplazamos a la P50:
100 100 2
LM10 9 OP = 36 + 2FG 1IJ = 36.25 kg., coincide con Q y mediana.

P50 = 36 + 2
N17 9 Q H 8K 2
LM 9 0 n N OP
= Y + c M 100
MN N N PPQ
j1
'
iii) P90 j 1 j
j j 1
90 n 90( 20)
- Ubicar la posicin del P90: = = 18 , ste valor est comprendido entre
100 100
los valores de 18 y 20, entonces j = 5, j-1 = 4, y es Y4 - Y5 = 40 - 42.
90 n 90( 20)
- Como = = 18 =N =18, son iguales entonces el P90 = Yj-1 =Y4 =40.
100 100 4
Por tanto, el coeficiente de Asimetra Percentlico es:
P90 2P50 + P10 40 2(36.25) + 33

CAs = = = 0.0714 kg.
P90 P10 40 33
En conclusin podemos indicar que existe asimetra, lo que da CAs>0, es

decir es alargada o sesgada hacia la derecha.
6.18. ESTADGRAFOS DE APUNTAMIENTO KURTOSIS.

(Medidas de deformacin Kurtosis).
El apuntamiento de una distribucin de frecuencias indica la mayor o menor

altura del mximo central, con respecto a la altura de la curva normal con media y
desviacin estndar igual que la distribucin que se estudia.
6.18.1 KURTOSIS.
Es el grado de apuntamiento de una curva de distribucin; es decir es

la deformacin vertical de una curva de frecuencias. La curtosis se determina compa-
rando la curva resultante de frecuencias con la forma de una curva normal o SIM-
TRICA, sta curva tiene la media aritmtica y la desviacin estndar igual a la distri-
bucin que se estudia. La kurtosis puede ser: Leptokrtica, Platikrtica y Mesokrtica.
A. LEPTOKRTICA.
Es cuando la curva presenta una elevacin de forma pico o apunta-

miento relativamente alta. Esta forma de distribucin muestra una gran concentra-
cin de las observaciones o datos en el centro, tal como se observa en la siguiente
figura:
Leptokrtica
B. MESOKRTICA.
Es cuando la curva no es muy alta o apuntada ni achatada, esta

forma de curva es intermedia entre una leptokrtica y Platikrtica, a este curva se le
considera como una distribucin normal. La kurtosis de una curva normal debe
cumplir que: K = 0.263.
Mesokrtica
C. PLATIKRTICA.
Es cuando la curva tiene muy poco altura o apuntamiento pico,

es decir la curva es achatada, esta curva representa a una distribucin de frecuencias
opuesto a la leptokrtica, y est representada en la siguiente figura:
Platikrtica
Cuando: K1 = 3, entonces la curva es Mesokrtica (curva normal).

K1 > 3, entonces la curva es Leptokrtica (curva apuntada).
K1 < 3, entonces la curva es Platikrtica (curva achatada).
6.18.2. MEDIDAS DE LA KURTOSIS.
El grado de kurtosis o apuntamiento puede medirse en funcin de

momentos o de cuantiles.
A. KURTOSIS EN FUNCIN DE MOMENTOS.
El grado de apuntamiento o de kurtosis, est dado por:

m
n (Y Y )
i i
4
n
M4
K1 = i =1
4
=
S M 22
Donde: K1 = Coeficiente de Kurtosis.
M4 = Cuarto momento respecto a la media.
n (Y Y )
i i
4
M4 = i =1
n
S4 = Varianza al cuadrado: S4 = (S2)2 , donde S2 = Varianza.
Si K1>0, es positivo; porque en una distribucin normal, ste coeficiente toma
el valor 3, es decir se tiene que: M4 =3M22 .
Otra forma de buscar el apuntamiento o exceso de una distribucin de

frecuencia en la parte central de la distribucin es mediante el coeficiente:
M4
K2 = 3
S4
Interpretacin:
Si K2=0, la distribucin es Mesokrtica (apuntamiento normal).
Si K2>0, la distribucin es Leptokrtica o puntuguda (ms apuntada que la
curva normal).
Si K2<0, la distribucin es Platikrtica o achatada (ms aplastada que la cur-
va normal).
B. KURTOSIS EN FUNCIN DE CUANTILES.
Q 3 Q1
El coeficiente est dado por: K 3 =
2( P90 P10 )
Donde: K3 = Coeficiente de Kurtosis percentlico.
Q1= Es el primer cuartil.
Q3 = Es el tercer cuartil.
P90 y P10 = son los percentiles de 90avo y 10mo.
Interpretacin:
Si K3=0.263, la distribucin es Mesokrtica (apuntamiento de la curva nor-
mal).
Si K3>0.263, la distribucin es Leptokrtica o puntuguda (ms apuntada que
la curva normal).
Si K3<0.263, la distribucin es Platikrtica o achatada (ms aplastada que la
curva normal).
EJEMPLO:
Con la informacin que corresponde a las vicuas machos de la Reserva Na-

cional de Pampa Galeras (1998). Calcular el coeficiente de kurtosis por momentos y
percentlico?.
2 3 4
[Y'i-1 - Y'i> ni Ni Yi niYi ui = (Yi - 37)/2 uini u ini u ini u ini
32 - 34 4 4 33 132 -2 -8 16 -32 64
34 - 36 5 9 35 175 -1 -5 5 -5 5
36 - 38 8 17 37
37 296 0 -13 5 0 0 0
38 - 40 1 18 39 39 1 1 1 1 1
40 - 42 2 20 41 82 2 4 8 16 32
5 5 5 5 5
Totales n = 20 n Y = 724
i=1
i i u n = -8 u n = 30 u n = -20 u n = 102
i=1
i i
i=1
2
i i
i=1
3
i i
i=1
4
i i
SOLUCIN:
a) Clculo del M4:
M4 = M4,a -4M1,a.M3,a +6M21,a.M2,a -3M41,a con a = 37.

5
c n u i i
2 ( 8)
M 1, a = i =1
= = 0.8
n 20
5
c2 ni u 2i
2 2 (30)
M 2 ,a = i =1
= = 6.0
n 20
5
c 3 n i u 3i
2 3 ( 20)
M 3 ,a = i =1
= = 8.0
n 20
5
c 4 n i u 4i
2 4 (102 )
M 4 ,a = i =1
= = 81.6
n 20
M4 = 81.6+4(-0.8)(-8.0)+6(-0.8)2(6.0)-3(-0.8)4 = 77.8112
Por tanto:
M 4 77.8112
K1 = = = 2.4456
S4 (2.375) 4
Como K1 = 2.45 < 3, entonces la distribucin es ms achatada que la normal
o platikrtica.
Otra forma de buscar el apuntamiento o exceso de una distribucin de fre-

cuencia es:
M4 77.8112
K2 = 3= 3 = 0.55
S4 (2.375) 4
K2<0, entonces la distribucin es platikrtica.
b) Calcular el coeficiente de Kurtosis Percentlico.
En el ejemplo anterior, ya se ha calculado los cuartiles y percentiles:
Q1= 34.4, Q2= 36.25 y Q3= 37.50; P10=33 y P90= 40
Q 3 Q1 37.50 34.4 310

.
Reemplazando al: K 3 = = = = 0.2214
2( P90 P10 ) 2( 40 33) 14
Comparando K3 = 0.2214 < 0.263, entonces tiene la forma aplastada

que la curva normal, es decir la distribucin es platikrtica.
EJEMPLO:
La informacin corresponde a la longitud de mecha (cm) de los vellones de

alpacas de color blanco de la raza Huacaya, procedentes de la Zona de Melgar de
ambos sexos de las edades 1,2,3,4 y 5 aos.
a) Calcular los coeficientes de asimetra de Pearson.

b) Calcular el coeficiente de asimetra por la frmula de momentos.
c) Calcular los coeficientes por el mtodo de los cuantiles.
d) Calcular el coeficiente de kurtosis por el mtodo de momentos.
e) Calcular el coeficiente percentlico.
.
Yi 885 2 3
[Y'i-1 - Y'i> ni Ni Yi niYi ui = uini u ini u ini
19
.
2.2 - 4.1 3 3 3.15 9.45 -3 -9 27 -81
4.1 - 6.0 4 7 5.05 20.20 -2 -8 16 -32
6.0 - 7.9 18 25 6.95 125.10 -1 -18 18 -18
7.9 - 9.8 20 45 8.85 177.00 -6 10 0 0 0
9.8 - 11.7 20 65 10.75 215.00 1 20 20 20
11.7 - 13.6 20 85 12.65 253.00 2 40 80 160
13.6 - 15.5 11 96 14.55 160.05 3 33 99 297
15.5 - 17.4 4 100 16.45 65.80 4 16 64 256
5 5 5 5
2 3
Totales n = 100 i i
n Y = 1025.60 u n i i = 74 u n i i = 324 u n i i =
i =1 i =1 i =1 i =1
SOLUCIN:
a) Calculamos las 3 medidas de tendencia central y la desviacin tpica:
1. Clculo de la media aritmtica:

FG 74 IJ = 10256
Y = Ot + cM(u) = 885
. + 19
.
H100K .
2. Clculo de la mediana (Me):
n 100
i) Ubicar la posicin de la Me: = = 50 , ste valor est comprendido
2 2
entre los valores de 45 y 65, entonces j = 5, j-1 = 4, y Y4 - Y5 = 9.8 -
11.7.
n 100
ii) Como = = 50 >N =45, es cierto, entonces calcular la Mediana:
2 2 4
LM 50 N OP = 9.8 + 19. FG 5 IJ = 10.275

Me = Y4' + c j
NN N Q H 20K
4
5 4
3. Clculo de la moda (Md) de la distribucin:
i) La frecuencia absoluta alta es n4 =20, entonces j=4, j-1=3, entonces

Y3 - Y4 = 7.9 - 9.8
ii) Reemplazando a la frmula se obtiene:

LM n4 n3 OP FG IJ
2
Md = Y3' + c
N (n 4 n 3 ) + ( n 4 n 5 )
= 7.9 + 19
Q
.
2HK
= 9.8 cm.
4. Clculo de la desviacin tpica de la distribucin:
LM n u F n u I 2
OP
MN GH JK
5 5
c2
PQ = (19. )
2
i i i i n
i =1 i =1
2
324 (74) 2 100
S2 = = 9.8177 cm.
n 1 99
Luego: S = S2 = 9.8177 = 313

.
Por lo tanto, los coeficientes de Asimetra de Pearson son:

Y Mo 10.256 9.8
CAs = = = 01455
.
S 31333
.
3(Y Me) 3(10256
. 10275
. )
CAs = = = 001819
.
S 31333
.
Interpretacin:
Como CAs > 0, entonces la distribucin es asimtrica positiva o sesgada a la

derecha, en cambio CAs = -0.01819 < 0, esta se comporta en forma contrario.
b) Calcularemos M3 por la relacin:
M3 = M3,a - 3M1,a.M2,a +2M31,a con a = 1.9.

5
c n u i i
1.9( 74)
M 1,a = i =1
= = 1.406
n 100
5
c2 ni u2i
. 2 (324)
19
M2,a = i=1
= = 116964
.
n 100
5
c3 ni u3i
. 3 (602)
19
M3,a = i =1
= = 4129118
.
n 100
M3 = 41.29 - 3(1.406)(11.696)+2(1.406)3 = -2.48486
M3 2.48486
Luego reemplazando a la frmula: CAs = = = 00808
.
S3 (31333
. )3
Interpretacin: La distribucin es asimtrica negativa, ya que CAs<0,

es decir sesgada a la izquierda.
c) Calcularemos los 3 primeros cuartiles:
LM n N OP
+c M 4 PP
j 1
1. Q 1 = Y '
j 1 j
MN N N
j j 1
Q
n 100
i) Ubicar la posicin del Q1: = = 25 , ste valor est comprendido entre
4 4
los valores de 25 y 45, entonces j = 4, j-1 = 3, y Y3 - Y4 = 7.9 - 9.8.
n 100
ii) Como = = 25 =N =25, entonces Q1 = Y3 = 7.9
4 4 3
2. Q2 = 10.275 = Me
LM 3n N OP
+c M 4 PP
j 1
3. Calcular el Q 3 = Y '
j 1
MN N N
j
j j1
Q
3n 3(100)
i) Ubicar la posicin del Q3: = = 75, ste valor est comprendido entre
4 4
los valores de 65 y 85, entonces j = 6, j-1 = 5, y es Y5 - Y6 =
11.7 - 13.6.
3n 3(100)
ii) Como = = 75>N =65, es cierto, entonces reemplazamos a la Q3:
4 4 5
LM 75 65OP = 12.65 cm.

Q 3 = 117
. + 19
.
N 85 65 Q
Por tanto el coeficiente de Asimetra cuartlico de Bowley es:
Q 3 2Q 2 + Q1 12.65 2(10.275) + 7.9 0

CAs = = = =0
Q 3 Q1 12.65 7.9 4.75
Interpretacin: La conclusin es de que CAs=0, es decir tiene una dis-

tribucin simtrica se puede interpretar que tiene una distribucin
normal.
d) Calcularemos ahora los Percentiles:

LM 10 n N OP
+ c M 100 PP
j 1
1. P10 = Y j' 1 j
MN N N
j j 1
Q
10n 10(100)
i) Ubicar la posicin del P10: = = 10 , ste valor est comprendido
100 100
entre los valores de 7 y 25, entonces j = 3, j-1 = 2, entonces Y2 - Y3 =
6.0 - 7.9.
10n 10(100)
ii) Como = = 10 >N =7, es cierto, entonces reemplazamos a la
100 100 2
P10:
LM107OP = 632
P10 = 60
. +19
.
N257Q . = D 1
LM 5 0 n N OP
+ c M 1 00 PP
j 1
2. P5 0 = Y j' 1 j
MN N N j j1
Q
50n 50(100)
100 100
entre los valores de 45 y 65, entonces j = 5, j-1 = 4, y Y4 - Y5 = 9.8 -
11.7.
50n 50(100)
ii) Como = = 50 >N =45, entonces calculamos P50:
100 100 4
LM50 45OP = 10.275 = Q2 = Me

P50 = 9.8 + 1.9
N 65 45Q
LM 9 0 n N OP
+ c M 100
MN N N PPQ
j1
3. P90 = Y j' 1 j
j j 1
90n 90(100)
100 100
entre los valores de 85 y 96, entonces j = 7, j-1 = 6, y con Y6 - Y7
= 13.6 - 15.5.
90n 90(100)
ii) Como = = 90 =N =85, entonces calcular el P90
100 100 6
LM90 85OP = 14.4636

P90 = 136
. + 19
.
N96 85Q
:
Por tanto, el coeficiente de Asimetra Percentlico es:
P90 2P50 + P10 144636

. 2(10275
. ) +632
. 02336
.
CAs = = = = 00286
.
P90 P10 .
144636 632
. .
81436
En conclusin podemos indicar que existe asimetra, es decir CAs>0, enton-

ces la curva es alargada o sesgada hacia la derecha.
d) Calcular el coeficiente de Kurtosis por el mtodo de momentos.
Clculo del M4:
M4 = M4,a -4M1,a.M3,a +6M21,a.M2,a -3M41,a con a = 1.9

5
c n u i i
1.9( 74)
M 1,a = i =1
= = 1.406
n 100
5
c2 niu2i
. 2 (324)
19
M2,a = i=1
= = 11696
.
n 100
5
c3 ni u3i
. 3 (602)
19
M3,a = i =1
= = 4129
.
n 100
5
c4 ni u4i
. 4 (2580)
19
M4,a = i =1
= = 336228
.
n 100
M4 = 336.228+4(1.406)(41.29)+6(1.406)2(11.696)-3(1.406)4 = 231.0158
Por tanto:
M 4 2310158
.
K1 = 4
= = 2.3968
S (31333
. )4
Como K1 = 2.3968 < 3, entonces la distribucin es platikrtica, es decir es
ms aplastada o achatada que la curva normal.
Calculando con la frmula de correccin, se tiene:

M4 2310158
.
K2 = 4
3= 3 = 0.603
S (31333
. )4
Como K2=-0.603<0, entonces la distribucin es platikrtica.
e) Calcular el coeficiente de Kurtosis Percentlico.
Los estadgrafos de posicin, se han calculado anteriormente y se tiene:
Q1= 7.9, Q2= 10.275 = Me y Q3= 12.65; P10= 6.32 y P90= 14.4636
Con stos estadgrafos, podemos calcular K3, entonces reemplazando:
Q3 Q1 12.65 7.9 4.75

K3 = = = = 02916
.
2(P90 P10 ) 2(14.4636 632
. ) 162872
.
Comparando K3 = 0.2916 > 0.263, entonces tiene la forma ms apuntada

que la curva normal, es decir es Leptokrtica.
6.19. MTODOS AUTOMATIZADOS (Medidas de dispersin).
En esta parte se realizarn los procedimientos de ejecucin de las opciones

del mens de STATGRAPHICS, referente a las medidas de dispersin, estadgrafos
de deformacin y apuntamiento o kurtosis, seleccionando las estadsticas ms usua-
les como se presenta:
Al pulsar el botn OK se obtienen los estadsticos que Statgraphics por defec-

to ha seleccionado, pero la idea es seleccionar o modificar las opciones al inters del
usuario, y esto se logra presionando el botn derecho del ratn, y escogiendo Pane
Options aparece la siguientes opciones:
A continuacin se escogern las opciones que corresponde a las medidas de

dispersin, y son los siguientes:
Al pulsar el botn OK, se obtiene los resultados de las opciones seleccionadas

referente a las medidas de dispersin y son las siguientes:
Count = 100
Variance = 10.1161
Standard deviation = 3.18058
Standard error = 0.318058
Minimum = 2.3
Maximum = 17.3
Range = 15.0
Interquartile range = 5.05
Skewness = -0.0582406
Stnd. skewness = -0.237766
Kurtosis = -0.579132
Stnd. kurtosis = -1.18215
Coeff. of variation = 31.027%
EJERCICIOS 6.1.
1. Se registr la informacin que corresponde a los pesos destetados (gr) en conejos

de ambos sexos en las diferentes estaciones del ao (Invierno, Verano Primave-
ra).
Para la Estacin de Invierno:

a) Con los datos no agrupados que se presenta a continuacin. Calcular: Recorri-
do o Rango, Recorrido Intercuartlico, Recorrido Interdecil, Desviacin Me-
dia, Desviacin Media Absoluta, Varianza, Desviacin estndar, Error estndar,
Medidas de dispersin relativa, Coeficiente de Variacin, Momentos respecto
a un valor constante a, Momento con respecto al origen, Momentos con
respecto a la media aritmtica.
Conejos destetados (gr) en la Estacin de Invierno.

305 280 310 260 320 300
280 320 270 250 310 300
220 310 280 350 320 290
340 290 320 350 330 270
310 320
b) Con los datos agrupados o tabulados en distribucin de frecuencias.
Pesos destetados (gr) Frec. Absol. (n i )

220 - 246 1
246 - 272 4
272 - 298 5
298 - 324 12
324 - 350 4
Total 26
Calcular: Recorrido o Rango, Recorrido Intercuartlico, Recorrido Interdecil,

Rango Semi Intercuartil, Desviacin Media, Desviacin Media Ab-
soluta, Varianza, Varianza por mtodo (abreviado y codificado),
Desviacin estndar, Error estndar, Correccin Sheppard, Medi-
das de dispersin relativa: (CA, RR, RIR), Coeficiente de Varia-
cin, Momentos respecto a un valor constante a, Momento con
respecto al origen, Momentos con respecto a la media aritmtica,
Relaciones entre momentos, Coeficiente de asimetra en funcin de
los: momentos y cuartiles, Kurtosis: Kurtosis en funcin de mo-
mentos y cuantiles.
Para la Estacin de Verano:

c) Con los datos no agrupados, calcular los diferentes estadsticos de la pregunta
1), opcin a).
Conejos destetados (gr) en la Estacin de Verano.

360 380 350 300 400
360 380 410 420 350
340 330 320 340 340
400 320 380 360 320
320 350 370 400 380
350 400 420 350 380
420 380 350 380
d) Con los datos agrupados o tabulados, calcular los diferentes estadsticos de la

pregunta 1), la opcin b).

300 - 320 5
320 - 340 4
340 - 360 9
360 - 380 8
380 - 400 4
400 - 420 4
Para la Estacin de Primavera:

e) Con los datos no agrupados, calcular los diferentes estadsticos de la pregunta
1), opcin a).
Co n ejo s d es tetad o s (g r) en la Es taci n d e Primav era.
250 280 300 310 280 320 300
290 270 320 300 280 290 310
310 330 300 310 300 320 310
300 350 300 320 340 320 300
300 300 300 320 310 300 300
f) Con los datos agrupados o tabulados, calcular los diferentes estadsticos de la
pregunta 1), la opcin b).

250 - 270 2
270 - 290 5
290 - 310 19
310 - 330 7
330 - 350 2
Total 35
g) Comparar estadsticos de las tres estaciones (Invierno, Verano y Primavera) y

realice una exhaustiva discusin de los resultados.
2. Con la ingormacin que corresponde a los pesos destetados (gr) en conejos de

ambos sexos en las diferentes estaciones del ao (Invierno, Verano Primavera),
de la pregunta 1):
a) Realizar el Anlisis de componentes de varianza, considerando como grupos

las estaciones de: Invierno, Verano y Primavera.
b) Interprete los resultados.
3. Los datos corresponden a la evolucin de peso vivo (kg) (12 meses) de ambos
sexos en llamas Thampullis (1990 - 1991).
a) Con los datos no agrupados, calcular: Recorrido o Rango, Recorrido

Intercuartlico, Recorrido Interdecil, Desviacin Media, Desviacin Media
Absoluta, Varianza, Desviacin estndar, Error estndar, Medidas de
dispersin relativa, Coeficiente de Variacin, Momentos respecto a un valor
constante a, Momento con respecto al origen, Momentos con respecto a
la media aritmtica.
Peso vivo (kg) en llamas de ambos sexos del tipo THAMPULLIS
8.1 14.2 15.3 18.7 25.4 28.0 31.9 33.7 37.4 40.0 42.9 46.0 49.5
8.7 14.4 16.5 20.9 26.2 28.1 32.1 33.3 35.3 36.9 39.6 44.7 46.0
b) Con los datos agrupados:
Intervalo (gr) Frec. Absol. (n i )

8.0 - 16.4 5
16.4 - 24.8 3
24.8 - 33.2 6
33.2 - 41.6 7
41.6 - 50.0 5
Total 26

mentos y cuantiles.
4. Los datos corresponden a la evolucin de peso vivo (kg) (12 meses) de ambos
sexos en llamas Karas (1990 - 1991).
a) Con los datos no agrupados, calcular: Recorrido o Rango, Recorrido

Intercuartlico, Recorrido Interdecil, Desviacin Media, Desviacin Media Ab-
soluta, Varianza, Desviacin estndar, Error estndar, Medidas de dispersin
relativa, Coeficiente de Variacin, Momentos respecto a un valor constante
a, Momento con respecto al origen, Momentos con respecto a la media
aritmtica.
Peso vivo (kg) en llamas de ambos sexos del tipo K'ARAS
8.4 14.7 17.3 22.5 28.0 30.2 35.2 36.7 39.3 41.3 43.6 47.2 52.4
8.4 14.2 19.4 23.2 27.4 29.4 33.7 34.8 37.5 39.6 42.0 45.4 48.0
b) Con los datos agrupados:

Intervalo (gr) Frec. Absol. (n i )

8.0 - 16.4 5
16.4 - 24.8 3
24.8 - 33.2 6
33.2 - 41.6 7
41.6 - 50.0 5
Total 26

mentos y cuantiles.
c) Comparar los estadsticos de la pregunta 3) y 4), que corresponde a las llamas

de tipo Thampullis y Kara.
d) Interprete los resultados obtenidos y sugiera que conclusiones puntuales se

puede encontrar con la informacin de las preguntas 3) y 4).
APNDICE 1
Pes o vivo (kg) de las Borregas Criollas por edades , 1998.
N de EDA DES
Borrega 2 aos 4 aos 6 aos 8 aos
1 27.0 22.0 26.0 25.0
2 27.0 26.5 27.0 26.0
3 27.0 27.0 27.0 27.0
4 29.0 28.0 28.0 27.5
5 30.0 28.0 28.0 29.0
6 30.0 28.0 30.0 30.0
7 30.0 28.5 30.0 30.0
8 30.0 29.0 30.0 30.0
9 30.0 29.0 30.0 30.5
10 30.0 29.0 31.0 30.5
11 30.0 30.0 31.0 31.0
12 30.0 30.0 31.0 31.0
13 31.0 30.0 31.0 31.0
14 31.0 30.0 31.5 31.0
15 31.0 30.0 32.0 31.0
16 31.0 30.0 32.0 31.0
17 31.0 31.0 32.0 31.0
18 31.0 31.0 32.0 31.0
19 31.0 31.0 32.0 32.0
20 31.0 31.0 32.0 32.0
21 31.5 31.0 33.0 32.0
22 32.0 31.0 33.0 32.0
23 32.0 31.0 33.0 32.0
24 32.0 31.0 33.0 32.0
25 32.0 31.0 33.0 32.0
26 32.0 32.0 33.0 32.0
27 32.0 32.0 33.0 32.5
28 32.0 32.0 34.0 32.5
29 32.0 32.0 34.0 33.0
30 32.0 32.0 34.0 33.0
contina
contina .....
Pes o vivo (kg) de las Borregas Criollas por edades , 1998.
N de EDA DES
31 32.0 32.0 34.0 33.0
32 32.0 32.0 34.0 33.0
33 32.0 32.0 34.0 34.0
34 32.0 32.0 34.0 34.0
35 32.0 32.5 35.0 34.0
36 32.5 32.5 35.0 34.0
37 33.0 33.0 35.0 34.0
38 33.0 33.0 35.0 34.0
39 33.0 33.0 36.0 34.0
40 33.0 33.0 36.0 34.0
41 33.0 33.0 36.0 34.0
42 33.0 33.0 36.0 34.0
43 33.0 33.0 36.0 35.0
44 33.0 33.0 36.0 35.0
45 33.0 34.0 36.0 35.0
46 33.0 34.0 37.0 35.0
47 33.0 34.0 37.0 35.0
48 33.0 34.0 37.0 35.0
49 33.0 34.0 37.0 35.0
50 33.0 34.0 37.0 35.0
51 33.0 34.0 37.0 35.0
52 33.0 34.0 38.0 35.0
53 33.0 34.0 39.0 35.0
54 33.5 34.0 39.0 36.0
55 34.0 34.0 40.0 36.0
56 34.0 34.0 40.0 36.0
57 34.0 35.0 40.0 36.0
58 34.0 35.0 41.0 36.0
59 34.0 35.0 41.0 36.0
60 34.0 35.0 41.0 36.0
... Contina
co n tin a ...
Pes o v ivo (kg ) d e las Bo rregas Crio llas p or edad es , 1998.
N d e EDA DES
61 34.0 35.0 41.0 36.0
62 34.0 35.0 45.0 36.0
63 34.0 35.6 -- 36.0
64 34.0 36.0 -- 37.0
65 34.0 36.0 -- 37.0
66 34.0 36.0 -- 37.0
67 34.0 36.0 -- 37.0
68 34.0 36.0 -- 37.0
69 34.0 36.0 -- 37.0
70 34.0 36.0 -- 37.0
71 34.0 36.0 -- 37.0
72 34.0 36.0 -- 37.5
73 34.0 36.0 -- 38.0
74 34.0 37.0 -- 38.0
75 34.0 37.0 -- 38.0
76 34.0 37.0 -- 38.0
77 35.0 37.0 -- 38.0
78 35.0 37.0 -- 38.0
79 35.0 37.0 -- 38.0
80 35.0 37.0 -- 38.0
81 35.0 37.0 -- 38.0
82 35.0 37.5 -- 38.0
83 35.0 38.0 -- 38.0
84 35.0 38.0 -- 38.0
85 35.0 38.0 -- 38.0
86 35.0 38.0 -- 38.0
87 35.0 38.0 -- 38.0
88 35.0 38.0 -- 38.5
89 35.0 38.0 -- 38.5
90 35.0 38.0 -- 39.0
...Co n tin a
Contin a ...
Pes o v iv o (kg ) d e las Bo rreg as Crio llas p o r ed ades , 1998.
N d e EDA DES
91 35.0 39.0 -- 39.0
92 35.0 39.0 -- 39.0
93 35.0 39.0 -- 39.0
94 35.0 39.0 -- 39.0
95 35.0 40.0 -- 39.0
96 35.0 40.0 -- 39.0
97 36.0 40.0 -- 39.0
98 36.0 41.0 -- 40.0
99 36.0 41.0 -- 40.0
100 36.0 42.0 -- 40.0
101 36.0 42.0 -- 40.0
102 36.0 42.0 -- 40.0
103 36.0 42.0 -- 40.0
104 36.0 42.0 -- 40.0
105 36.0 43.0 -- 40.0
106 36.0 43.0 -- 40.0
107 36.0 46.0 -- 40.0
108 36.0 -- -- 40.0
109 36.0 -- -- 40.0
110 36.0 -- -- 40.5
111 36.0 -- -- 40.5
112 36.0 -- -- 41.0
113 36.0 -- -- 41.0
114 36.0 -- -- 41.0
115 36.0 -- -- 41.0
116 36.5 -- -- 42.0
117 36.5 -- -- 42.0
118 37.0 -- -- 42.0
119 37.0 -- -- 42.0
120 37.0 -- -- 42.0
Con tin a
Co ntin a....
Pes o v ivo (kg ) d e las Bo rregas Crio llas p or edad es , 1998.
N d e EDA DES
121 37.0 -- -- 43.0
122 37.0 -- -- 43.5
123 37.0 -- -- 44.0
124 37.0 -- -- 44.0
125 37.0 -- -- 45.0
126 37.0 -- -- 46.0
127 37.0 -- -- 46.0
128 37.0 -- -- 47.0
129 37.0 -- -- 47.0
130 37.0 -- -- 47.0
131 37.0 -- -- --
132 37.0 -- -- --
133 37.0 -- -- --
134 38.0 -- -- --
135 38.0 -- -- --
136 38.0 -- -- --
137 38.0 -- -- --
138 38.0 -- -- --
139 38.0 -- -- --
140 38.0 -- -- --
141 38.0 -- -- --
142 38.0 -- -- --
143 38.0 -- -- --
144 38.0 -- -- --
145 38.0 -- -- --
146 38.0 -- -- --
147 39.0 -- -- --
148 39.0 -- -- --
149 39.0 -- -- --
150 39.0 -- -- --
...Co n tin a.
Contina ...
Peso vivo (kg) de las Borregas Criollas por edades, 1998.
N de EDADES
151 39.0 -- -- --
152 40.0 -- -- --
153 40.0 -- -- --
154 40.0 -- -- --
155 40.0 -- -- --
156 40.0 -- -- --
157 41.0 -- -- --
158 41.0 -- -- --
159 42.0 -- -- --
160 43.0 -- -- --
TOTAL 5557.500 3702.100 2131.500 4751.500
PROMEDIO 34.734 34.599 34.379 36.550
D.E. 2.942 4.169 3.924 4.434
D.E.P. 2.933 4.150 3.892 4.417
VAR 8.654 17.381 15.399 19.662
VARP 8.600 17.219 15.151 19.511
C.V. 8.443 11.993 11.322 12.085
MIN 27.0 22.0 26.0 25.0
MAX 43.0 46.0 45.0 47.0
n 160 107 62 130
BIBLIOGRAFA CITADA
AVILA, A.R.B. (2000). "Estadstica Elemental". Edicin 2000. Estudios y Ediciones

RA. Universidad Nacional Mayor de San Marcos. Lima - Per.
ALFONSO, L.P. (2000). "Probabilidad & Estadstica: Conceptos, modelos y

aplicaciones en Excel". Primera Edicin. Pearson Educacin de Colombia,
Ltda. Santaf de Bogot. D.C., Colombia.
BUSTINZA, C.V. (2000). "La Alpaca". Primera Edicin. Editorial Universitaria.

Fac. de Medicina Veterinaria y Zootecnia. UNA - Puno. (En Prensa). Puno -
Per.
FERNANDEZ, C.J. y FERNANDEZ, C.J. (1993). "Estadstica Aplicada: Tcnicas

para la investigacin". Parte I. Segunda Edicin. Editorial San Marcos.
Lima - Per.
CORDOVA, Z.M. (1999). "Estadstica: Descriptiva e Inferencial". Tercera Edicin.

Editorial MOSHERA S.R.L. Pontificia Universidad Catlica del Per. Facultad
de Ciencias e Ingeniera. Dpto. Ciencias. Lima - Per.
DOTTONE, R.H. (1971). "Estadstica Elemental". 12a. y 13a edicin. Cooperativa

de Cultura y Publicaciones, Ltda. Universidad de Chiel. Santiago de Chile.
IBAEZ, Q.V. (1996). "Estimacin de Indices de Herencia en Rumiantes". Primera

Edicin. Editorial Universitaria. UNA-Puno.
IBAEZ, Q.V.; CANQUI, F.B. y GONZALES, A.A. (1997). "Diseos Estadsticos I

y II". Direccin de Investigacin de la UNA - Puno.
IBAEZ, V., ZEA, W. y PAREDES, R. (1998). "Aplicaciones con el Sistema de

Anlisis Estadstico S.A.S.". Primera Edicin. Facultad de Ingeniera
Estadstica e Informtica. UNA - Puno, Per.
- 300 - V. Ibaez Q. Bibliografa Citada
IBAEZ, V.Q. (2000). "Aplicaciones Estadsticas en Ganadera". Primera Edicin.
Editorial Universitaria. Facultad de Ingeniera Estadstica e Informtica. UNA
- Puno. Puno -Per.
MANUAL DE STATGRAPHICS v4.0 para Windows. Primera Edicin.
MITACC, M.M. (19..). "Tpicos de Estadstica Descriptiva y Probabilidad". Primera

Edicin. Editorial San Marcos. Lima - Per.
MOYA, C.R. (1991). "Estadstica Descriptiva: Conceptos y Aplicaciones".

Universidad Nacional del Callao. Facultad de Ciencias Econmicas. Primera
Edicin. Editorial San Marcos. Lima - Per.
MUCHAYPIA, R.J. (2000). "Estadstica y Probabilidades". Primera Edicin. Editora

Kano LAFONTE. Lima - Per.
OSTLE, B. (1981). "Estadstica Aplicada". Primera Edicin. Editorial LIMUSA

Mxico.
PEREZ, L.L.A. (19..). "Estadstica Bsica para Ciencias Sociales y Educacin".

Primera Edicin. Editorial San Marcos. Lima - Per.
RODRIGUEZ DEL ANGEL, J.M. (1991). "Mtodos de Investigacin PECUARIA".

Primera Edicin. Editorial TRILLAS S.A. de C.V. Mxico.
VENTURA, E.R. y ZAVALA, Z.A. (1994). "Mtodos Estadsticos Bsicos en la

Investigacin". Dpto. Acadmico de Estadstica e Informtica. UNA La Molina.
Lima - Per.
VILLALTA, R.P. e IBAEZ, Q.V. (1998). "Estadstica Pecuaria". Primera Edicin.

Editorial Universitaria. Fac. Medicina Veterinaria y Zootecnia. UNA - Puno. .
(En prensa). Puno - Per.
ZEA, F.W. y IBAEZ, Q.V. (1996). "I Curso de Sistema de Anlisis Estadstico SAS
para la Investigacin Experimental". Universidad Nacional Jorge Basadre
Grohomann Tacna. Facultad de Ciencias Agrcolas.
Esta obra se termin de imprimir en los talleres grficos

de la Editorial Universitaria de la UNA - Puno, Per
El 25 de Abril del 2001
Publicacin de 500 ejemplares, ms

sobrantes para reposicin
- 302 - V. Ibaez Q. Bibliografa Citada

Estadistica Basica

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estadistica Basica

Загружено:

Авторское право:

Доступные форматы

ESTADSTICA BSICA

Vladimiro Ibaez Quispe

VLADIMIRO IBAEZ QUISPE

Composicin y Diagramacin: Vladimiro Ibaez Quispe

Primera Edicin : Abril del 2001

Impreso en el Per - Printed in Peru

Editado en : Editorial Universitaria - UNA - Puno.

Prohbida la reproduccin total o parcial de esta obra,

En la actualidad hay pocas bibliografas que estn orientadas y aplica-

Espero que el presente trabajo alcance la acogida a las personas intere-

CAPITULO 1: CONCEPTOS BSICOS DE ESTADSTICA ........... 01

1.1. Divisin de la Estadsticas.................................................... 02

CAPITULO 2: PROC. Y MTODOS DE RECOLECCIN DE DATOS . 07

2.4.1. Segn la naturaleza de la variable ............................. 15

CAPITULO 3: ETAPA DE ELABORACIN DE DATOS ...................... 21

3.1. Revisin y correccin de la informacin recogida ................ 21

CAPITULO 4: ETAPA DE PRESENTACIN DE DATOS ..................... 73

4.1. Representacin tabular ........................................................ 73

4.2. Representacin grfica ........................................................ 82

CAPITULO 5: ESTADGRAFOS DE POSICIN .................................. 111

5.1. Introduccin ........................................................................ 111

B. Media cuadrtica con datos agrupados ................. 134

CAPITULO 6: ESTADGRAFOS DE DISPERSIN.............................. 197

6.1. Introduccin ............................................................................ 197

6.2.1. Recorrido con datos no agrupados ................................... 198

6.15 Coeficiente de variacin (CV) .................................................. 240

BIBLIOGRAFA CITADA .............................................................. 299

El trmino estadstica tambin se emplea para designar un rea de estudio, una

Etimologa. La etimologa de la palabra estadstica no tiene un origen claro, por

1. Planificar y disear experimentos, es la manera de plantear un problema con

1.1. DIVISION DE LA ESTADSTICA

La estadstica se puede clasificar en dos campos grandes: Estadstica Descriptiva

A. Estadstica Descriptiva o Deductiva.

Es la parte de la estadstica que trata solamente de recoleccin, clasificacin,

Recoleccin Crtica de Presentacin ANLISIS

La estadstica inferencial es el conjunto de mtodos o tcnicas que posibilitan

Campos de una investigacin con Estadstica

144444444444 42444444444444 3 1444444444 4 24444444444 3

1.2. POBLACIN Y MUESTRA

Poblacin. Es el conjunto de todos los individuos, objetos u observaciones que

Una poblacin se define como la totalidad de valores posibles (mediciones o

- Poblacin de venta anuales de fibra de lana de alpacas en el Centro de Investiga-

POBLACIN SEMENTAL DE TOROS.

La poblacin puede clasificarse como finita o infinita, dependiendo del nmero de

Poblacin Infinita.- Es aquella que no tiene lmite o cotas, es decir, tiene un

- Calidad de todas las unidades producida mediante un proceso manufacturero.

Muestra.- Es una parte o un subconjunto representativo de la poblacin.

1.3. PARMETRO Y ESTADGRAFO.

Parmetro.- Es una medida resumen que describe una caracterstica de toda la

Estadstico o Estadgrafo.- Es una medida resumen que describe una caracte-

En esta etapa empieza la ejecucin de la investigacin; es decir, el investigador

2.1. FUENTES DE INFORMACIN.

Es el lugar, la institucin, la persona donde estn los datos que se necesitan

2.1.1. Fuentes de datos internos.

Es la informacin recopilada por la empresa (o la institucin) de los

2.1.2. Fuentes de datos externos.

Son informaciones estadsticas elaboradas por instituciones de investi-

2.1.3. Fuentes Primarias.

Si la informacin se obtiene directamente de la misma persona o entidad

- Aplicar un test a un grupo de estudiantes para determinar el nivel inte-

2.1.4. Fuentes Secundarias.

Si la informacin a obtener, ya ha sido recopilada y elaborada por otras

Este tipo de informacin se puede encontrar en los informes estadsticos

El Ministerio de Industria Turismo e Integracin. Encargada de elaborar