Unidad I - Estadística

UNIVERSIDAD ALAS PERUANAS FILIAL JAEN FACULTAD DE CIENCIAS EMPRESAIALES ESCUELA PROFESIONAL DE ADMINISTRACIN Y NEGOCIOS INTERNACIONALES
ESTADSTICA PARA NEGOCIOS I
UNIDAD I: RECOPILACIN, ORGANIZACIN Y PRESENTACIN DE DATOS

1. INTRODUCCION A LA ESTADISTICA
Introduccin
En nuestro quehacer diario siempre estamos tomando decisiones y para ello aplicamos conceptos bsicos de Estadstica, generalmente de una manera emprica. As por ejemplo casi siempre en los mercados, llmense Plaza Vea, Metro, se estn promocionando una serie de artculos para el consumo directo, (queso, bebidas, etc.), y nos ofrecen una pequea muestra que despus de probarla uno decide comprar o no. En este caso se toma una decisin y se elige un curso de accin, basndose en una muestra. Las empresas se presentan a problemas similares de decisin, as por ejemplo: supongamos que la empresa X desea saber si su nuevo producto tendr acogida en el mercado de Jan. Existen diferentes formas de saberlo. La ms conveniente sera salir a las calles de Jan tomar al azar una muestra de 100 personas y preguntarles acerca del producto que se desea lanzar. Basndose en una muestra puede estimar el porcentaje de poblacin que aceptara el producto. Este es el camino a seguir y en este curso estudiaremos las tcnicas de cmo hacerlo.
Definicin de la Estadstica
Ciencia que nos ayuda a recolectar, organizar, presentar, analizar e interpretar datos para una toma de decisin ms efectiva. Especialmente en los negocios y en la economa, una razn bsica para esa recopilacin: anlisis, clasificacin, presentacin, descripcin e interpretacin de datos, es proporcionar a los administradores y a quienes toman decisiones una mejor comprensin del entorno comercial y econmico, para permitirles tomar mejores decisiones y ms informadas.
Aplicaciones en la Administracin y en la Economa

En el entorno actual de la Administracin y de las economas globales, disponemos de vastas cantidades de informacin estadstica. Los mejores administradores y ejecutivos son quienes pueden comprender la informacin y usarla eficazmente. Se presentan aqu ejemplos que ilustran algunas de las aplicaciones de la Estadstica en la Administracin y en la Economa.
Lic. Mat. Javier F. Saldarriaga Herrera
Recopilacin, Organizacin y Presentacin de Datos
UAP
ESTADISTICA PARA NEGOCIO I
Contabilidad: las empresas de Contabilidad emplean procedimientos estadsticos de muestreo para llevar acabo auditoras a sus clientes. Finanzas: los asesores financieros recurren a una gama de informacin estadstica para guiarse en sus recomendaciones de inversin. Mercadotecnia: los escneres en las cajas de los almacenes al detalle se emplean para reunir datos que tiene muchas aplicaciones de investigacin de mercados. Produccin: con el nfasis actual hacia la calidad, el control de calidad es una aplicacin importante de la estadstica en la produccin. Economa: con frecuencia se pide a los economistas su pronstico acerca del futuro de la economa o de algunos de sus aspectos.
Clasificacin de la Estadstica
La estadstica puede dividirse en dos partes: descriptiva e inferencial. La estadstica descriptiva: se encarga de recopilar, clasificar, presentar y describir un conjunto de datos. Como generalmente se estudian poblaciones muy grandes, este conjunto de datos suele ser una muestra. Aunque los mtodos de la estadstica descriptiva son importantes para caracterizar y presentar los datos, el desarrollo de los mtodos de estadstica inferencial basado en las teoras de probabilidad es lo que llevo a la aplicacin amplia de la Estadstica en todos los campos de la investigacin en la poca actual. La estadstica inferencial: se encarga de interpretar los datos estudiados por las tcnicas descriptivas. Ella emplea mtodos que hacen posible la estimacin de una caracterstica de una poblacin, o la toma de decisin con respecto a una poblacin basada en los resultados de muestras, es decir, de los datos obtenidos de las muestras se sacan conclusiones que se dan como vlidas para todo el universo o poblacin. Es de esperarse que al sacar estas conclusiones siempre exista una pequea probabilidad de error, pues la inferencia es inductiva.
Poblacin y Muestra
Universo o poblacin: es el conjunto de datos o elementos cuyas propiedades se van a analizar. Cuando se requiere analizar una investigacin estadstica, debe definirse cuidadosamente el universo. Si se quiere investigar, que proporcin de la poblacin de Jan fuma cigarrillos, debe definirse claramente el universo, diciendo quienes lo conforman. No sera correcto decir lo conforman los adultos, pues ese
UAP
trmino no est claramente definido. Podra definirse correctamente el universo diciendo, por ejemplo, que lo conforman aquellos que tienen 18 aos cumplidos. En este ejemplo, el universo est conformado por personas; pero el universo podra estar conformado por objetos, animales o mediciones. La poblacin puede ser, segn su tamao, de dos tipos: Poblacin finita, cuando el nmero de elementos que la forman es finito, por ejemplo, el nmero de alumnos del Campus Universitario, o el nmero de alumnos de un grupo de clase; y tambin existe la Poblacin infinita, cuando el nmero de elementos que la conforman es infinito, o tan grande que pudiese considerarse infinitos, como por ejemplo, si se realiza un estudio sobre los productos que hay en el mercado, hay tantos y de tantas calidades que esta poblacin podra considerrsele infinita. Muestra: es un conjunto d datos seleccionados de un universo, de tal forma que refleje las caractersticas de este. Se dice entonces que una muestra es representativa del universo. La muestra obtenida proporciona informacin que se puede usar para estimar caractersticas de toda la poblacin. El proceso de muestreo comienza con la localizacin de las fuentes adecuadas de datos, como listados de poblacin, directorios, planos y otras fuentes llamadas marcos. Las muestras se extraen de estos marcos. Si el marco es inadecuado debido a que ciertos grupos de individuos u objetos en la poblacin no se incluyeron de manera apropiada, entonces las muestras sern inexactas y sesgadas. Utilizar diferentes marcos para generar datos puede llevar a conclusiones opuestas. A pesar de que solo se debe llamar muestra a un conjunto de datos representativos del universo, se suele clasificar las muestras en: no probabilsticas y probabilsticas.
Muestra no probabilstica: cuando sus elementos se eligen con base en el juicio o criterio
del investigador. Tambin se dice que en una muestra de este tipo los elementos o individuos incluidos se eligen sin tomar en cuenta su probabilidad de ocurrencia. Esto puede dar lugar a una muestra que no sea representativa del universo del cual fue extrada. Las muestras no probabilsticas tienen algunas ventajas como son conveniencia, rapidez y bajo costo. Por otro lado, dos desventajas importantes: falta de precisin debido al sesgo en la seleccin y falta de capacidad para generalizar los resultados superan como mucho a las ventajas.
Muestra probabilstica: cuando cada elemento del universo tiene una probabilidad
conocida de ser seleccionado en la muestra. Una muestra probabilstica puede ser: muestra aleatoria simple, muestra sistemtica, muestra estratificada o muestra por conglomerados.
UAP
Y siguiendo con la diferencia entre poblacin y muestra cabe resaltar los siguientes dos conceptos ligados a esa diferencia: Parmetro: es una medida de resumen que describe una caracterstica de toda una poblacin. Estadstico: es una medida de resumen que se calcula para describir una caracterstica de una muestra.
La estadstica en el desarrollo de la Investigacin

El desarrollo del conocimiento de la ciencia, se caracteriza porque su ejecucin se lleva a cabo segn un mtodo: el mtodo cientfico. Las etapas del mtodo cientfico, segn Bertrand Russel son tres: La observacin del fenmeno que se estudia, en esta etapa la Estadstica interviene mediante la presentacin, en forma sinptica y resumida, de los resultados de la observacin, facilitando su anlisis e interpretacin (descriptiva). La formulacin de una (o de varias) hiptesis mediante la cual puedan explicarse los hechos observados, aqu interviene proporcionando l lenguaje adecuado para la formulacin rigurosa de las hiptesis de investigacin. La verificacin de las hiptesis mediante nuevas observaciones, la utilizacin del mtodo estadstico es decisiva, no slo en cuanto la planificacin y adecuado diseo del experimento, sino tambin en la seleccin del procedimiento de anlisis, y en la interpretacin de los resultados que se obtenga al aplicar dicho procedimiento. El papel de la Estadstica en la investigacin es, entonces, funcionar como una herramienta en el diseo de investigacin, en el anlisis de datos y en la extraccin de conclusiones a partir de ellos.
El Mtodo Estadstico
El mtodo cientfico de investigacin se basa en dos tipos de razonamiento: el
deductivo y el inductivo. El mtodo deductivo procede de lo general a lo particular y utiliza

especialmente el razonamiento matemtico: se establecen hiptesis generales que caracterizan un problema y se deducen ciertas propiedades particulares por razonamientos lgicos. El mtodo inductivo realiza el proceso inverso: a partir de observaciones particulares de ciertos fenmenos se intenta deducir unas reglas generales aplicables a todos ellos. La investigacin estadstica se desarrolla utilizando el ciclo deductivo-inductivo en las siguientes cuatro etapas:
UAP
Planeamiento del problema. El primer paso de la investigacin es definir claramente los objetivos del estudio y relacionar este objetivo con los valores numricos de las variables observables. Recoleccin de la informacin. La recoleccin correcta de los datos es de extrema importancia para el investigador, que tiene que ser realizada o vigilada por este. Organizacin y clasificacin de los datos. Aqu se debe hacer un anlisis de consistencia y ajuste de los datos. Se trata de asegurar la validez y confiabilidad de los datos recopilados. Luego se debe clasificar y tabular los datos y finalmente presentarlos en cuadros estadsticos y grficas. Anlisis e interpretacin de los resultados. En esta etapa se calculan indicadores y medidas resumen que describen al conjunto de datos. Tambin se establece relaciones entre variables de modelos estadsticos que nos permitirn aceptar o rechazar los modelos.
Recoleccin de los datos

Es la segunda etapa del mtodo de investigacin estadstica, que comprende la recoleccin de la informacin y fundamentalmente los principales procedimientos y mtodos que son utilizados para recolectar la informacin necesaria para un estudio determinado. Existen tres mtodos bsicos con los cuales el investigador puede obtener los datos deseados: - el investigador puede recurrir a datos ya publicados por fuentes gubernamentales, industriales o individuales; - disear un experimento para obtener los datos necesarios- efectuar una encuesta. 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. Las fuentes de datos pueden ser: fuentes de datos internos, fuentes de datos externos, fuentes primarias, fuentes secundarias. Diseo de experimento: deben usarse siempre que sea posible cuando se desee construir modelos explicativos, y sus estudios suelen ser materia de textos avanzados, ya que implican procedimientos estadsticos complejos. Encuestas: es el proceso de recopilar informacin a travs de una muestra, segn criterios previos de sistematizacin, que se efecta con un propsito especfico (y que tiene alcance restringido) en un sector de la poblacin.
Tipos de datos
Los especialistas en Estadstica analizan una amplia variedad de fenmenos o caractersticas, llamados variables aleatorias. Los datos, son los hechos y nmeros, resultantes de la observacin de estas variables aleatorias. Indudablemente una
Lic. Mat. Javier F. Saldarriaga Herrera 5
UAP
variable aleatoria puede tomar diferentes valores o atributos de una observacin a otra.
Variable
Es una caracterstica o propiedad que puede tomar diferentes valores o atributos. Ejemplo: rendimiento acadmico, religin practicada, talla, etc. Variable Gnero: Valor o atributo Rendimiento acadmico: 11, 12, 14.5 Masculino, femenino Negros, verdes 2, 3, 4 Color de ojos:
Atencin en el restaurante: Bueno, mala, regular Nmero de hijos: Nmero de TV vendidos: 16, 14 Peso de un cargamento: 14.5, 18.23 Talla: 1.65, 1.70, 1.92
De acuerdo a los ejemplos anteriores las variables pueden clasificarse en dos grandes grupos: Variables Cualitativas. Son las que no pueden expresarse numricamente. Asimismo, producen respuestas categricas, como s o no. Un ejemplo es la respuesta a la pregunta: Posee actualmente una cuenta de ahorros?, porque se limita a un simple s o no. Otro ejemplo es la respuesta a la pregunta en la encuesta de un gran almacn que dice: Planea adquirir ms mercanca en nuestras tiendas durante los prximos 2 meses?. Las variables cualitativas son de dos tipos: nominales y
ordinales. Nominales: son aquellas donde lo nico que puede hacerse es establecer frecuencias
en cada atributo y la igualdad o desigualdad entre los diferentes casos. Ver cul es el grupo que tiene mayor frecuencia, es decir, la moda. Son ejemplos de este tipo de variable: sexo, lugar de nacimiento, etc.
Ordinales: son aquellas que recogen la idea de orden, pero no tiene sentido en realizar
operaciones aritmticas con ellas. La medida estadstica de tendencia central ms apropiada para estas escalas es la mediana. Son ejemplos de este tipo de variables: estatus socioeconmico, nivel educativo alcanzado, etc. Variables Cuantitativas: son aquellas que si se pueden representar numricamente. Algunos ejemplos son: Cunto dinero planea gastar en equipos de sonido en equipos de sonido en los prximos 12 meses?, la respuesta a la pregunta: Cuntas
UAP
suscripciones a revistas tiene actualmente?. Las variables numricas son de dos tipos: discretas y continuas.
Discretas: aquellas que solo pueden tomar un nmero finito de valores posibles en un
cierto rango de valores, generalmente nmeros enteros. Asimismo, producen respuestas numricas que surgen de un conteo. El nmero de suscripciones a revistas es un ejemplo de variable numrica discreta, porque la respuesta es cero, uno, dos o ms suscripciones a revistas. Otros ejemplos son: el nmero de hijos, venta de televisores en una semana.
Continuas: aquellas que pueden tomar un nmero infinito de valores posibles en un

rango dado, generalmente nmeros reales. Adems, producen respuestas numricas que surgen de procesos de medicin. El peso de un cargamento o la estatura de una persona es ejemplo de variable numrica continua porque la respuesta toma cualquier valor en un rango continuo o intervalo, segn el instrumento de medicin. Por ejemplo, la estatura de una persona puede ser 167 cm, 167.5 cm, 167.58 cm o 167.584 cm, dependiendo de la precisin de los instrumentos que estn disponibles.
Ejercicios
1. Clasificar las siguientes variables: a) Preferencias polticas (izquierda, derecha o centro). b) Marcas de cerveza. c) Velocidad en km/h. d) El peso en kg. e) Signo del zodiaco f) Nivel educativo (primario, secundario, superior). g) Aos de estudios completados. h) Tipo de enseanza (privada o pblica). i) Nmero de empleados de una empresa. j) La temperatura de un enfermo en grados Celsius. k) La clase social (baja, media o alta). l) La presin de un neumtico en Nw/cm2. 2. Escriba e identifique claramente su respuesta. Provea su respuesta refirindose especficamente al problema que contesta y no a la definicin general. Sea breve. Situacin: una marca de cloro lquido se vende en botellas cuya etiqueta dice contener 128 onzas (un galn). Debido a mltiples quejas recibidas de consumidores, INDECOPI (Instituto Nacional de Defensa de la Competencia y de
UAP
la Proteccin de la Propiedad Intelectual) decide investigar si la cantidad promedio en las botellas es realmente 128 onzas. En su puesto de inspector de INDECOPI decide visitar algunos comercios y compra 100 botellas de esta marca de cloro para corroborar las quejas de los consumidores. El resultado indica que la cantidad promedio en las botellas es de 126 onzas. Indique en trminos del problema (no escriba una definicin de diccionario) cul es: a) El problema. b) La poblacin. c) La muestra (indica adems su tamao). d) La variable que se debe medir. e) El parmetro. f) El estadstico.
Problemas Propuestos
1. Clasifique las variables e indique el tipo en que estn medidas las siguientes caractersticas: a) Calificacin de un examen de Estadstica. b) Lugar de procedencia. c) Nmero de telfono. d) Profesin. e) Nivel socioeconmico. f) Direccin. g) Preferencia electoral. h) Placa de un auto. i) Costo de un producto. j) Distancia de entrega de un pedido. k) Nmero de crditos necesarios para graduarse de bachiller. l) Tiempo que toma viajar desde la casa a la universidad. m)Marca del auto que maneja. n) Numero de hormigas en el planeta tierra. o) Temperatura del aire en grados Fahrenheit a las 2 de la tarde. 2. Responda brevemente las siguientes cuestiones: a) Una variable discreta solo asume valores enteros.
UAP
b) Cmo se denomina la descripcin numrica de una caracterstica de la poblacin? c) Qu caracterstica se observa en las unidades estadsticas? d) Un ejemplo de parmetro es la varianza muestral. e) En un departamento existen 285 distritos menores de 500 habitantes y con escuela unitaria. Se quiere obtener una muestra de 75 distritos para saber la opinin acerca de la concentracin escolar. Indique el tipo de muestreo conveniente y el mejor procedimiento para llevarlo a efecto. f) Es importante reducir el error muestral para que los resultados de una encuesta sean ms confiables. 3. Cul de los siguientes enunciados es falso? Reemplace cada enunciado falso por la proposicin verdadera correspondiente. a) El tamao de muestra nunca puede ser igual al de la poblacin de donde se extrajo. b) La poblaciones una coleccin de todos los elementos que estamos estudiando. c) Un estadstico es una caracterstica de la poblacin. d) La inferencia estadstica, formula inferencias con respecto a una muestra.
2. ORGANIZACIN, RESUMEN Y PRESENTACIN DE DATOS ESTADSTICOS
Introduccin
Cuando se analiza una caracterstica medida por una variable aleatoria (cualquier resultado de un determinado proceso de produccin, de medida, econmico, financiero, sociolgico, demogrfico, etc.), los datos obtenidos siempre estn dispersos y nunca tienen un nico valor constante. Surge, entonces, el problema de detectar el patrn en la variabilidad de los datos. Para ayudar en esta tarea existen herramientas estadsticas bsicas como la distribucin de frecuencias, tcnicas numricas y graficas que nos permiten resumir dichos datos mediante medidas de posicin o de centralizacin, teniendo presente el error cometido en el resumen mediante las correspondientes medidas de dispersin. A su vez, nos permite analizar la forma de la distribucin de datos mediante las medidas de forma. El anlisis estadstico tiene como fin observar y estudiar las caractersticas de los datos numricos. Las observaciones pueden referirse a personas, organizaciones, naciones, familias, objetos, etc.
UAP
Para utilizar la informacin estadstica necesaria, primero debemos organizarla y resumirla. En la presentacin de datos es necesario ser tan conciso como sea posible, pero sin dejar de considerar informacin esencial. Una muestra simple y conveniente de resumir los datos es tabulndol os en una tabla de frecuencias.
Tabla de frecuencias
Agrupamiento de datos en categoras que muestren el nmero de observaciones en cada categora mutuamente excluyente. Asimismo, la organizacin de la informacin comprende las siguientes columnas bsicas: Valores de la variable Frecuencias absolutas Frecuencias relativas Porcentajes
Frecuencia absoluta (f): resulta de contar el nmero de observaciones que entran en una clase. Frecuencia relativa (fr): es la pro porcin de observaciones que entran en una clase:
=
Tabla de frecuencia para datos cualitativos

El primer paso es incluir los datos en una tabla que muestre los datos y el nmero de observaciones hechas en cada categora. Ejemplo 1: tabla de frecuencia para la variable Estado civil del encuestado: Estado civil (Clase) Soltero Casado Divorciado Viudo Otro Total Nmero de ocurrencias (frecuencia) 22 45 20 8 5 100 personas Proporcin (frecuencia relativa) 22/100=0.22 0.45 0.20 0.08 0.05 1 Porcentaje (frecuencia relativa por 100) 22% 45% 20% 8% 5% 100%
10
UAP
Tabla 2.1: Distribucin de frecuencias para la variable Estado civil. Observacin: recordar que nuestro objetivo es establecer una tabla que rpidamente muestre lo principal de los datos.
Tabla de frecuencia para datos cuantitativos

Cuantitativos discretos: se deben establecer cules son los valores diferentes que se presentan en el conjunto de datos (muestra o poblacin), para la variable de inters, y ordenarlos segn su magnitud. Si la cantidad de valores diferentes es no mayor a 12, se colocan dichos valores en la primera columna del cuadro de frecuencias, luego se determina las frecuencias absolutas, frecuencias relativas y porcentajes. Ejemplo 2: la siguiente tabla muestra los resultados de un estudio que consisti en anotar el nmero de palabras ledas en 15 segundos por un grupo de 120 sujetos dislxicos. N de palabras ledas 25 26 27 28 29 30 Total Dislxicos (frecuencia) 56 24 16 12 10 2 120 personas Proporcin (frecuencia relativa) 56/120=0.47 0.20 0.13 0.10 0.08 0.02 1 Porcentaje (frecuencia relativa por 100) 47% 20% 13% 10% 8% 2% 100%
Tabla 2.2: Distribucin de frecuencias para una variable discreta. Cuantitativos continuos: para la organizacin de datos de una variable continua debemos tener en cuenta lo siguiente: - Los intervalos deben ser mutuamente excluyentes o no traslapados. - Se recomienda tener entre 5 y 15 intervalos. - Se debe tener en cuenta la naturaleza de la variable de inters, el nmero de datos y la amplitud del conjunto de datos.
11
UAP
- Es recomendable que los intervalos tengan igual tamao cuando se desea hacer comparaciones entre ellos. Adems, los usualmente, intervalos son cerrados a la izquierda y abiertos a la derecha; excepto el ultimo intervalo que es cerrado en ambos lados. El procedimiento para la construccin de una tabla de frecuencias para datos continuos, aplicando la regla de STURGES, es el siguiente: - Determine el rango o amplitud de los datos: Rango - Establecer de Sturges: el (Observacin de mayor valor) (Observacin de menor valor) nmero de k = 1 + 3.3Log(n) intervalos mediante la regla
- Determinar el tamao del intervalo
Rango TIC = k
de clase comn:
- Establecer los lmites de cada uno intervalos:
LI1 = xmin LIj = LSj-1
LS1 = de LSj =
los
- Verificar si el ultimo intervalo contiene a la observacin de mayor valor
- Determinar las marcas de clase, las frecuencias absolutas, frecuencias relativas y porcentajes.
Ejemplo 3: el gerente del Supermercado Plaza Vea est interesado en el nmero de veces que un cliente compra en su supermercado durante un periodo de 2 semanas. La respuesta de 51 clientes fue: 5 3 3 1 4 4 5 5 12 6 3 5 1 1 14 1 2 4 4 4 3256768476 5 9 11 4 3 7 6 5 1 1 10 8 9 2 12 6 6 4 6 4
12
UAP
15 a) Dnde tienden a agruparse los datos? b) Describa la distribucin. Solucin: Los datos presentados en la tabla anterior estn desorganizados, pero mediante un simple anlisis podemos determinar el mayor y el menor valor: (15 y 1). La variable para este ejemplo sera: X: Nmero de veces que un cliente acude al Supermercado Plaza Vea en un periodo de dos semanas. Para organizar los datos en una tabla de frecuencias hay que seguir los siguientes pasos: 1. Rango = 15 1 = 14 2. Determinar el nmero de clases. Por la regla de Sturges tenemos: k 1 3.3Log(51) 6.63 7 3. Determinar el tamao del intervalo de clase: Rango TIC i = = k 4. En cuarto lugar, los elementos de las clases deben determinarse, de tal manera que cada observacin sea incluida en una sola clase. Es recomendable tomar clases abiertas en uno de los extremos. Vale la pena aclarar que, dado un conjunto de datos, estos se pueden agrupar de varias maneras, sin que se pueda decir en muchos casos que solo una es la manera correcta. Siguiendo las recomendaciones anteriores podemos construir una tabla de frecuencias para el ejemplo 3: Proporcin (frecuencia relativa) 0.18 0.27 0.29 Porcentaje (frecuencia relativa por 100) 18% 27% 29%
13
Clase [Li ;Ls [1;3 [3;5 [5;7
Marca de Clase 2 4 6
Frecuencia f 9 14 15
UAP
[7;9 [9;11 [11;13 [13;15 Total
8 10 12 14
5 3 3 2 51
0.10 0.06 0.06 0.04 1
10% 6% 6% 4% 100%
Tabla 2.3: Distribucin de frecuencias considerando marca de clase para la variable: Nmero de veces que un cliente acude al supermercado. Observacin: punto medio de clase o marca de clase, es el valor equidistante entre los lmites inferior y superior de una clase. Se calcula como la semisuma de los lmites de cada clase. Interpretacin: El grupo ms numeroso de clientes (15) compra en el supermercado 5 o 6 veces durante un periodo de dos semanas. Solo dos clientes visitan entre 13 y 14 veces durante el mencionado periodo. El 29% de los clientes acude al supermercado entre 5 y 6 veces en un periodo de dos semanas. Observaciones: En situaciones especiales se podr tener intervalos de clase de amplitud diferentes. Esto depende del problema en cuestin y del criterio del investigador. Desde que la teora para tablas con amplitud de clases diferentes es la misma que la teora con amplitudes iguales. Cuando es conveniente ampliar la longitud del recorrido de tal manera que TIC resulte un nmero manejable en futuros clculos, esta ampliacin en lo posible debe hacerse en forma simtrica, es decir a la izquierda de la menor observacin (xmin) y a la derecha de la mayor observacin (xmax). Aclararemos esto en el ejemplo 4. Respecto al nmero de clases (k) no existe un conceso unnime entre los autores. BRADFORD HILL seala que debe tomarse un nmero de clases comprendido entre 10 y 20, mientras que CAMEL indica que el nmero es entre 8 y 15. Sin embargo, el sentido comn nos dice que el nmero de clases no deben ser pocas debido a que la condensacin sera mucha y con ello habran prdidas de informacin fuerte en relacin con la contenida en el conjunto de datos
14
UAP
originales. Por otro parte, un nmero excesivo de clases, si bien produce poca prdida de informacin no reducible o simplifica el trabajo, siendo en ocasiones preferible el trabajo con los propios datos originales. Tambin algunas pueden resultar vacas, es decir, con frecuencia nula. Daremos a continuacin algunas reglas frecuentemente utilizadas: a. Tomar el nmero de clases (k) igual al entero ms prximo a n, siendo n el nmero de datos. b. Regla de STURGES: k 1 3.3Log(n), con n el nmero de observaciones. c. El inters del investigador. En general se recomienda que el nmero de clases este entre 5 y 20 Se habr notado que el lmite superior de una clase coincide con el lmite inferior de la clase siguiente, entonces al hacer la clasificacin de una observacin que coincide con el lmite comn de clase, se encuentre con la disyuntiva, a qu clase se asigna este valor? Para evitar esta dificultad se suele tomar una de las alternativas siguientes: a. Definir los extremos de los intervalos de clase con una cifra decimal ms que las que contengan las observaciones. b. Considerar los intervalos de clase como intervalos de nmeros reales abiertos a izquierda y cerrados a derecha. As: Li ;Ls ], con esta alternativa cada clase excluye la observacin que coincide con su lmite inferior. c. Considerar los intervalos de clase como intervalos de nmeros reales abiertos a derecha y cerrados a izquierda. As: [Li ;Ls , con esta alternativa cada clase excluye la observacin que coincide con su lmite inferior. Se debe destacar que lo anterior es pura notacin y que no afecta la amplitud de clase ni la marca de clase. Convencin: en el desarrollo de esta unidad por criterio de uniformidad, asumiremos la tercera alternativa. Evidentemente se puede tomar las otras alternativas, esto queda a criterio del especialista. Ejemplo 4: suponga que se han registrado 50 observaciones referente a los pesos de 50 lingotes de acero producidos por SIDERPERU, la muestra fue obtenida de la reduccin semanal y las unidades estn dadas en Kg.
15
UAP
94.393.095.595.392.494.492.893.293.695.5 92.993.695.793.894.893.9 92.791.693.693.7 94.295.794.794.392.794.5 96.295.493.791.9 94.792.795.093.092.993.7 92.793.394.696.4 94.1 93.794.2 93.794.093.993.694.692.394.4 a) Clasificar estas observaciones en una tabla de frecuencias con 5 clases de igual amplitud. b) Interpretar cada ni. Solucin: Por dato k = 5 a) - Del conjunto de datos xmax = 96.4 y xmin = 91.6, luego el recorrido de los datos es Rango = 96.4 91.6 = 4.8 - La amplitud de clase ser: TIC i
4.8 5
0.96, un nmero como este es difcil 1. Para esto
de manejar, por eso escojamos el entero ms prximo k
ampliamos el recorrido de los datos, simtricamente a izquierda y derecha de los lmites inferior y superior respectivamente, de tal manera que contengan al recorrido original [91.6 ; 96.4] y cuya amplitud sea mltiplo de k - Se hallan las marcas de clase: Marcas de clase = 92.0; 93.0; 94.0; 95.0; 96.0 - Finalmente se determina la frecuencia absoluta de cada clase, teniendo en cuenta de que estamos considerando los intervalos de clase cerrados a izquierda y abiertos a derecha. Intervalo de Clase [Li ;Ls [91.5 ; 92.5 [92.5 ; 93.5 [93.5 ; 94.5 [94.5 ; 95.5 [95.5 ; 96.5 Total Marca de Clase 92.0 93.0 94.0 95.0 96.0 4 0.08 4 50 0.08 1 8% 22% 40% 18% 12% 100% 8% 30% 70% 88% 100% 100% 92% 70% 30% 12% 11 0.22 15 46 0.30 0.92 20 0.40 35 35 0.70 0.70 9 6 50 0.18 44 15 0.88 0.30 0.12 50 1 6 1 0.12 f h F F* H H* 100h% 100H% 100H*% 5, esto es: [91.5 ; 92.5; [92.5 ; 93.5; [93.5 ; 94.5; [94.5 ; 95.5 y [95.5 ; 96.5
16
UAP
Tabla 2.4: Distribucin de frecuencias considerando marca de clase para la variable: Pesos de lingotes de acero producidos por SIDERPERU en Kg. b) n1 = 4, significa que en la muestra hay 4 lingotes que pesan 91.5 kg o ms, pero menos de 92.5 kg. n2 11, en la muestra, 11 lingotes pesan 92.5 kg o ms, pero menos de 93.5 kg, y as sucesivamente. Frecuencia absoluta acumulada menor que (F): de la clase i-sima, es el conjunto de observaciones menores que el extremo superior del intervalo de clase i-simo, o sea menores a Ls. entonces: F1 F2 F3 94.5; F4 = 4 + 11 + 20 + 9 = 44, es el nmero de lingotes de acero que pesan menos de 95.5; F5 = n = 50 Frecuencia absoluta acumulada mayor o igual que (F*): de la clase i-sima, es el conjunto de observaciones mayores o iguales que el extremo inferior del intervalo de clase i-simo, es decir mayor o igual que a Li. Entonces: F*1 = n = 50, es el nmero de lingotes de acero que pesan por lo menos de 91.5; F*2 = 11 +20 + 9 + 6 = 46, es el nmero de lingotes de acero que pesan por lo menos de 92.5; F*3 = 20 + 9 + 6 = 35, es el nmero de lingotes de acero que pesan por lo menos de 93.5; F*4 = 9 + 6 = 15, es el nmero de lingotes de acero que pesan por lo menos de 94.5; F*5 = n5 = 50, es el nmero de lingotes de acero que pesan por lo menos de 95.5 Frecuencia relativa acumulada menor que (H): de la clase i-sima, es la frecuencia relativa total correspondiente a los valores observados menores que el extremo superior del intervalo de clase i-simo, es decir menores que Ls. entonces: H1 = 0.08, es la proporcin de lingotes de acero que pesan menos de 92.5; 4, es el nmero de lingotes de acero que pesan menos de 92.5; 4 4 11 11 15, es el nmero de lingotes de acero que pesan menos de 93.5; 20 35, es el nmero de lingotes de acero que pesan menos de
17
UAP
H2 = 0.08 + 0.22 = 0.30, es la proporcin de lingotes de acero que pesan menos de 93.5; H3 = 0.08 + 0.22 + 0.40 = 0.70, es el nmero de lingotes de acero que pesan menos de 94.5; Etc. Frecuencia relativa acumulada mayor o igual que (H*): de la clase i-sima, es la frecuencia relativa total correspondiente a los valores observados mayores o iguales al el extremo inferior del intervalo de clase i-simo, es decir mayores o iguales que a Li. Entonces: H*2 = 0.22 + 0.40 + 0.18 + 0.12 = 0.92, es la proporcin de lingotes de acero que pesan por lo menos de 92.5; H*3 Etc. Frecuencia relativa porcentual (100h%): se llama as, a la frecuencia relativa hi multiplicada por 100% y representa el porcentaje de observaciones que pertenecen a la clase i-sima. As pues para el ejemplo 4: 100h1% = 100(0.08) % = 8%, es el porcentaje de lingotes de acero que pesan menos de 92.5 kg. 100h2% = 100(0.22) % = 22%, es el porcentaje de lingotes de acero que pesan 92.5 kg o ms, pero menos de 93.5 kg. 100h3% = 100(0.40) % = 40%, es el porcentaje de lingotes de acero que pesan 93.5 kg o ms, pero menos de 94.5 kg. 100h4% = 100(0.18) % = 18%, es el porcentaje de lingotes de acero que pesan 94.5 kg o ms, pero menos de 95.5 kg. 100h5% = 100(0.12) % = 12%, es el porcentaje de lingotes de acero que pesan 95.5 kg o ms, pero menos de 96.5 kg. Frecuencia relativa acumulada porcentual (100H% o 100H*%): se llama as, a la frecuencia relativa acumulada H o H* multiplicada por 100%. As: 100H1% = 100(0.08) % = 8%, es el porcentaje de lingotes de acero que pesan menos de 92.5 kg. 100H2% = 100(0.30) % = 30%, es el porcentaje de lingotes de acero que pesan menos de 93.5 kg.
Lic. Mat. Javier F. Saldarriaga Herrera 18
0.40
0.18
0.12
0.70, es la proporcin de lingotes de acero que pesan
por lo menos de 93.5;
UAP
Etc. 100H*2% = 100(0.92) % = 92%, es el porcentaje de lingotes de acero que pesan por lo menos de 92.5 kg. 100H*3% = 100(0.70) % = 70%, es el porcentaje de lingotes de acero que pesan por lo menos de 93.5 kg. Etc.
Ejercicios
1. En un estudio hecho en el ao 2004 en el Aula 3B del Colegio Nacional San Jos de Chiclayo compuesta por 50 alumnos con el fin de saber la procedencia de los estudiantes, se consiguieron los siguientes datos: Lambayeque Cajamarca Lambayeque La Libertad Lambayeque Amazonas Lambayeque La Libertad Cajamarca La Libertad Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Amazonas Lambayeque Lambayeque Cajamarca Cajamarca Cajamarca La Libertad Amazonas Lambayeque Lambayeque La Libertad Lambayeque Lambayeque Cajamarca Cajamarca Cajamarca Lambayeque La Libertad Lambayeque Lambayeque La Libertad Lambayeque Lambayeque Amazonas Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque Lambayeque
Construye la tabla de distribucin de frecuencias. E interprete algunos de sus resultados. 2. Con la finalidad de brindar atencin odontolgica en un colegio nacional del departamento de Lambayeque en Noviembre del 2004, la clnica a cargo de la atencin realiz un estudio, con el fin de determinar la demanda de atencin y cunto era el material que requera para cubrir este servicio. nmero de caries que se les encontr. 0 4 5 1 3 5 4 2 5 0 4 2 3 1 5 4 5 3 4 5 5 5 4 5 La siguiente informacin corresponde a los nios a quienes se les iba a atender segn el
19
UAP
2 5 5 4 2 5 3 2 1
4 3 5 1 5 5 3 2 5
3 1 2 5 2 4 3 0
0 5 4 5 3 4 5 4
4 5 2 4 2 5 3 0
5 3 3 4 3 5 3 5
4 4 3 5 3 5 4 5
5 4 5 4 5 5 5 5
Construye la tabla de todas las distribuciones de frecuencias, con intervalos de amplitud constantes. E interprete algunos de sus resultados. 3. Siendo X la longitud (en milmetros). De un tipo de esprragos, en una muestra de tamao 40, se observa: 160 169173167166172169166170173 187 181179180177168163169162173 161 170164167172167164190167173 163 179170168180179166167168174 Construye la tabla de todas las distribuciones de frecuencias, con intervalos de amplitud constantes. E interprete algunos de sus resultados. 4. Dados los Ingresos mensuales de 120 profesores, se requiere formular su distribucin de frecuencias. Los datos presentados corresponden al ingreso mensual recibido en el mes de Noviembre del 2004, por 120 docentes de la USS y UCV-Chiclayo: 1,265 1,907 1,531 1,103 1,501 910 1,298 1,905 628 1,573 778 661 1,437 1,224 855 976 1,295 1,233 1,312 1,900 1,896 1,376 741 1,767 1,212 1,531 649 1,213 1,631 1,198 1,110 1,641 1,117 1,521 1,362 1,763 861 1,146 767 1,871 1,798 1,359 1,361 1,475 788 1,339 674 1,882
20
UAP
1,437 1,660 1,314 768 1,703 1,372 1,059 1,599 863 666 1,447 1,980
1,748 1,057 1,883 1,980 1,299 1,187 1,532 1,702 1,064 1,767 1,982 696
1,528 684 1,322 687 1,805 687 862 943 1,533 1,828 1,851 1,674
835 942 1,875 1,135 1,799 743 1,932 651 1,233 1,235 737 781
672 1,551 1,312 1,241 914 836 1,480 1,234 1,436 1,619 1,761 1,487
653 1,561 976 1,964 1,769 792 1,907 1,695 1,320 679 1,553 804
Construye la tabla de todas las distribuciones de frecuencias, con intervalos de amplitud constantes. E interprete algunos de sus resultados. 5. De un examen realizado a un grupo de alumnos, cuyas notas se han evaluado del 1 al 8, se ha obtenido el siguiente cuadro estadstico: Se pide: a) Acabar de rellenar la tabla estadstica. b) N de alumnos que se han examinado. c) N de alumnos que han obtenido una nota superior a 3. d) % de alumnos que han sacado una nota igual a 6 yi 1 2 3 4 5 6 7 fi 4 4 7 5 7 Fi hi Hi 0.08 0.16 0.14
16 28 38 45
0.14
8 e) % de alumnos que han obtenido una nota superior a 4. f) N de alumnos que han obtenido una nota superior a 2 e inferior a 5.
6. En la tabla de frecuencias que se da a continuacin faltan algunos datos, compltala. [Li ;Ls 200.10 24 y f h F H
21
UAP
240.25 28 3011 32 320.85 36 361.00 40 Totales 20 0.55
7. En una distribucin simtrica de 8 intervalos de clase, se conoce que: h1 = 4; H*1 = 120; H*4 = 92; H*6 h7 = 20; TIC = 6;
8
yi 220
i 4
Construya el cuadro completo.
Observaciones: Una tabla de distribucin de frecuencias que tiene un nmero impar (m = 2k 1) de clase, se dice que es SIMETRICA, si las clases equidistantes de la clase central tienen frecuencias iguales. Es decir, si las frecuencias absolutas cumplen la relacin: fk
j
fk
k 1
Una tabla de distribucin de frecuencias que tiene un nmero par (m = 2k) de clase, se dice que es SIMETRICA, si las dos clases centrales tienen frecuencias iguales y las clases equidistantes de stas centrales tienen tambin frecuencias iguales. Es decir, si las frecuencias absolutas cumplen: fk 1 j fk j , 1 j k
22
UAP
8. En una tabla de distribucin simtrica con siete intervalos de clase de igual longitud, se conocen los datos siguientes: TIC = 10, f1 = 8, y3 f3 = 1260, f2 + f5 = 62, h3 = 0.21, y H6 = 0.96. Reconstruir la tabla de distribucin de frecuencias.
3. REPRESENTACIN TABULAR Y GRAFICA
Un conjunto de observaciones o medidas realizadas en una poblacin, atendiendo a una o ms caractersticas determinadas, es llamado tambin SERIE ESTADISTICA. Una vez que se ha ejecutado la investigacin y se ha recolectado y clasificado la informacin o serie estadstica, resulta imprescindible representarlo de manera adecuada, de tal forma que nos permita hacer un anlisis til. Existen dos tipos de presentacin: mediante los cuadros estadsticos y grficos.
Cuadros Estadsticos
En general un cuadro estadstico es un arreglo ordenado, de filas y columnas de los datos o series estadsticas, por tanto tienen dos entradas (podran considerarse incluso con ms de dos). En ellas pueden considerarse caractersticas cualitativas, cuantitativas o una combinacin de ambas. Se pueden considerar tambin variables discretas, continuas o ambos tipos. La finalidad es ofrecer informacin resumida de fcil lectura, comparacin e interpretacin. La tabla de distribucin de frecuencia es un caso especial de un cuadro estadstico. Partes de un cuadro estadstico Las partes esenciales de un cuadro estadstico son: 1. Nmero; 2. Titulo; 3. Cuadro propiamente dicho; 4. Las notas explicativas o calce. 1. NMERO: Es el cdigo de identificacin del cuadro. Este nmero se escribe a continuacin de la palabra cuadro. Por ejemplo cuadro N 2.5, indica el quinto cuadro del captulo dos. 2. TTULO: Es la indicacin que preside a la tabla y es colocada en la parte superior de la misma. El titulo debe reunir las condiciones siguientes: a. ser completo; b. ser conciso.
23
UAP
a. SER COMPLETO: un ttulo completo debe indicar claramente cul es el contenido del cuadro estadstico. Debe responder a las preguntas: 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 ubicadas en las filas se identifican con la proposicin segn y las de la columna con la proposicin por. Cundo: momento o periodo de tiempo a qu se refiere el estudio. Dnde: lugar a la 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. Ejemplo 1: En el cuadro 3.1, indicar, si su ttulo es completo. CUADRO 3.1 PERU: DISTRIBUCION DE LAS MUJERES DE 15 A 49 AOS POR AREA URBANA, RURAL Y REGION NATURAL. SEGN ESTADO CONYUGAL: 1986
REA ESTADO CONYUGAL TOTAL SOLTERA CASADA CONVIVIENTE VIUDA DIVORCIADA SEPARADA TOTAL URBANA RURAL 3406 1335 1335 491 34 20 191 1593 425 668 405 35 0 60 AML1 1591 660 640 185 13 14 79 REGIN NATURAL RESTO DE COSTA 4999 1760 2004 895 70 20 250 1331 481 495 266 9 3 77 1561 473 676 304 37 5 66 516 147 193 138 10 0 28 SIERRA SELVA
1/rea Metropolitana de Lima. Fuente: Instituto Nacional de Estadstica e Informtica. Encuesta Nacional Demogrfica y de Salud Familiar (ENDES)
Vemos que es completo, ya responde a las preguntas: qu, cmo, dnde y cundo. Qu: distribucin de mujeres de 15 a 49 aos. Como: por rea urbana, rural, y regin natural. Segn estado conyugal. Cundo: en 1986.
24
UAP
Dnde: en el Per. Ejemplo 2: Un ttulo no recomendable sera por ejemplo: CUADRO QUE MUESTRA LA DISTRIBUCION DE LAS DEFUNCIONES EN LA PROVINCIA DE LIMA, DURANTE EL AO 1990 CLASIFICADOS DE ACUERDO CON LA EDAD El ttulo recomendado sera: DEFUNCIONES POR SEXO, SEGN EDAD EN LA PROVINCIA DE LIMA: 1990 Los dos ttulos son completos, sin embargo el segundo es ms conciso. 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 l se explica las categoras, y el objeto de cada una de las columnas, es decir indica la naturaleza de los datos inscritos en cada celda que se hallan debajo. Deben ser breves y explcitos. Por ejemplo, en el CUADRO 3.1 el encabezamiento es: el rea, urbana y rural y la regin natural subdividida en AML, resto de costa, sierra y selva COLUMNA PRINCIPAL O MATRIZ: es aquella en que se anotan las categoras o las diferentes clases de la escala de clasificacin utilizada. Por ejemplo, en el CUADRO 3.1, la columna principal est constituido por el estado conyugal: soltera, casada, , separada. CUERPO: es el conjunto de celdas o casillas, que son las intersecciones de filas y columnas, donde estn anotados los datos numricos. (Ver CUADRO 3.1) 4. NOTAS EXPLICATIVAS O CALCE: 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 nombrar la entidad responsable de donde se obtuvieron los datos (Ver CUADRO 3.1)
Observaciones:
25
UAP
No es fcil la elaboracin de un cuadro. Se deben plantear cuidadosamente su tamao, las columnas y la distribucin de la informacin por orden de importancia, que por lo general, no es el orden alfabtico. Es necesario ser cuidadoso en la eleccin de las columnas y sus encabezamientos ya que en ellas se pondrn en evidencia relaciones que interesa destacar. Elegir las unidades de medida de las magnitudes; despus del ttulo se debe indicar si se trabaja con cientos, miles o millones. La buena eleccin de las unidades beneficia la claridad y el tamao del cuadro.
PASOS A SEGUIR AL LEER UN CUADRO ESTADISTICO
1. Leer cuidadosamente el ttulo. Es necesario para comprender perfectamente a qu se refiere el cuadro. 2. Leer las notas explicativas. Permiten a menudo una mejor comprensin de todo el cuadro en su conjunto. 3. Averiguar las unidades de medida utilizadas. 4. Fijarse en el total, promedios o porcentajes general del grupo. 5. Relacionar el total o el promedio general del grupo con cada una de las variables que se estudian. 6. Relacionar entre si los promedios o porcentajes de las variables que se estudian.
Representacin Grfica
Un grfico es la representacin de un fenmeno estadstico por medio de figuras geomtricas, (puntos, lneas, rectngulos, paraleleppedos, etc.) cuyas dimensiones son proporcionales a la magnitud de los datos representados. El grafico es un auxiliar del cuadro estadstico, no lo sustituye sino que lo complementa. Partes de un grfico Al igual que en los cuadro estadstico, en los grficos se considera las siguientes partes: 1. Titulo; 2. El Grfico propiamente dicho; 4. Las Notas Explicativas. Sobre el ttulo y las notas explicativas no es necesario redundar, pues vale todo lo expresado con relacin a los cuadros estadsticos. Principales tipos de grficos Hay varias formas de hacer la representacin grfica de un conjunto de datos estadsticos; cada una de ellas posee ventajas por las que se adaptan mejor para
26
UAP
representar un tipo de series estadsticas que otro. El investigador elegir los ms convenientes en cada caso. Presentaremos aqu los ms usuales: 1. Diagramas de barras: sencillas, dobles, mltiples, proporcionales. 2. Graficas de sectores o pastel. 3. Diagramas de frecuencias. 4. Histograma de frecuencias. 5. Polgono de frecuencias absolutas y relativas. 6. Polgono de frecuencias acumuladas u ojivas. 7. Grficos de lnea o aritmtico simple. 8. Grficos de pirmides. 9. Cartogramas, etc. GRAFICO DE BARRAS: Es aquel en la cual el fenmeno que se estudia queda representado por una serie de rectngulos, barras o paraleleppedos, los cuales pueden dibujarse horizontal o verticalmente. Este grafico se utiliza para representar variables de tipo cualitativo o cuantitativo discreto. Ejemplo 2: La fig. 3.1 es la representacin grfica de barras simples del total general del CUADRO
Fig. 3.1 MATRICULA EN EL SISTEMA DE LA EDUCACION PERUANA. TOTAL GENERAL
ALUMNOS (en miles)
3.2
5200 5180 5160 5140 5120 5100 5080 5060 5040 1979 5 097 853
5 183 758
1980
AOS
27
UAP
CUADRO 3.2 MATRICULA EN EL SISTEMA DE LA EDUCACION PERUANA SEGN NIVELES Y MODALIDADES 1979 - 80
Matricula en el Sistema de la Niveles y Modalidades Educacin Peruana 1979 (P) TOTAL 1. Ministerio de Educacin Educacin Inicial Educacin Bsica Regular Educacin Bsica Laboral Educacin Secundaria Educacin Profesional (ESP) Educacin Universitaria Otras modalidades Pblicos 240 846 Descentralizados SNUP Educacin 235 186 Universitaria INC Educacin Artstica 5 660 . 249 769 249 769 132 185 142 340 no 19 416 26 519 Superior 15 288 24 546 5 097 853 4 857 007 207 637 3 115 974 272 238 1 094269 1980 (P) 5 183 758 4 933 989 220 966 3 144 446 240 591 1 134 581
2. Organismos
GRAFICO DE BARRAS DOBLES, MULTIPLES: Podramos estar interesados en comparar una o ms series estadsticas con otra. Hay dos formas distintas de realizar esta comparacin: mediante un diagrama de barras mltiples y mediante un diagrama de barras compuestas o proporcionales.
28
UAP
DIAGRAMA DE BARRAS MULTIPLES: es un conjunto de barras simples identificado por distintos colores o sombreado, identificando esa distribucin bajo el ttulo de LEYENDAS. Ejemplo 3: Las prestaciones de servicios del Instituto Peruano de Seguridad Social por el tipo de actividad (CUADRO 3.3) en los aos 1987 y 1988, se distribuyeron como se indica en la Fig. 3.2
CUADRO 3.3 PER PRESTACIONES DE SERVICIOS DEL INSTITUTO PERUANO DE SEGURIDAD SOCIAL POR TIPO DE ACTIVIDAD: 1987 1988 (EN MILES)
TIPO DE ACTIVIDAD ATENCION A O 197 8 197 9 198 0 198 1 198 2 198 3 198 4 198 5 198 6 198 7 198 MEDICA (CONSULTAS ) 4 697 5 464 6 211 5 611 6 592 6 535 5 199 5 366 6 059 7 110 8 641 ATENCION ODONTOLOGIC A (SESION) 400 469 544 577 701 705 652 647 788 950 1 253 VACUNA S (DOSIS) PARTOS (PARTOS ) 29 30 33 48 54 37 44 38 39 46 52 HOSPITALIZACIO N EGRESOS 97 111 122 154 176 182 135 130 137 183 212 DIAS 1 279 1 416 1 537 1 990 2 101 1 949 1 772 1 678 1 727 2 134 1 956
115 173 226 218 171 186 179 278 330
29
UAP
8 P/
Nota: El registro de vacunas comienza cuando los hijos de los asegurados tienen derecho a la atencin, la misma que se inicia en el ao 1980
FUENTE: INSTITUTO DE SEGURIDAD SOCIAL Direccin de Estadstica.
Fig. 3.2 PRESTACIONES DE SERVICIOS DEL INSTITUTO PERUANO DE SEGURIDAD SOCIAL POR TIPO DE ACTIVIDAD: 1987 1988 (EN MILES)
(miles) 10 9 8 7 6 5 4 3 2 1 0
ATENCION MEDICA (consultas) ATENCION VACUNAS (dosis) PARTOS (partos) HOSPITALIZACION ODONTOLOGICA (dias) (sesin)
8.641 7.11 1987 1988
2.1341.956 0.95 1.253 0.278 0.33 0.0460.052
Ejemplo 4: La Biomasa de los recursos hidrobiolgicos del Per (CUADRO 3.4) en los aos 1985, 1988 y 1989 se distribuyeron como se indica en el diagrama d e la Fig. 3.3
CUADRO 3.4 PER; BIOMASA DE LOS RECURSOS HIDROBIOLGICOS: 1984 89 (Miles de TMB) RECURSOS JUREL CABALLA SARDINA ANCHOVETA 1984 5300 1511 4200 1500 1985 5000 450 2500 6500 1986 4330 1700 2700 6000 1987 7000 1900 1750 4500 1988 2800 1300 4500 5900 1989 P 4303 1052 3680 3060
FUENTE: INSTITUTO EL MAR DEL PER - IMARPE.
30
UAP
Fig. 3.3 BIOMASA DE LOS RECURSOS HIDROBIOLGICOS: 1985, 1988 Y 1989 7 6 5 JUREL 4 3 2 1 0 1985 1988 1989 CABALLA SARDINA ANCHOVETA
GRAFICO DE BARRAS COMPUESTA O PROPORCIONALES: se caracteriza por presentar en una sola figura geomtrica, datos cuyo conjunto forman un todo, mostrando la proporcin de cada una de las partes con relacin al total . Se dibuja el diagrama de barras de una de las series estadsticas y luego se contina las barras dibujadas con otras de distinto sombreado que representaran la segunda serie estadstica. De esta forma, cada barra tendr una altura, que ser la suma de la frecuencia absoluta del suceso que representa la barra en la primera serie ms la frecuencia absoluta del suceso en la segunda serie. La diferencia con los grficos de barras simples, dobles o mltiples est en que todos los datos estn representados en una sola barra, la cual est dividida en porciones, que pueden representar tambin el peso porcentual de cada una de las partes con relacin al 100% que forma la totalidad de ellas. Ejemplo 4: Estatus socioeconmico en la Escuela Profesional de Administracin IV Ciclo UAP Filial Jan, segn sexo: 2013 (CUADRO 3.5), se distribuyeron como se indica en la Fig. 3.4
CUADRO 3.4 UAP FILIAL JAN: ESTATUS SOCIOECONMICO EN LA ESCUELA PROFESIONAL DE ADMINISTRACIN, SEGN SEXO: 2013 Estatus Socioeconmico Alto Sexo Total
Thousands
Medio 18 24 42
Bajo 17 15 32
Total 76 74 150
31
Hombre Mujer
41 35 76
UAP
FUENTE: UAP FILIAL JAN - 2013
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
35
24
15 Mujer Hombre
41
18
17
Alto
Medio
Bajo
GRAFICO DE SECTORES O PASTEL: Este sistema de representacin es de la misma naturaleza que el grafico de barras. Se utiliza para representar datos cualitativos o cuantitativos discretos. Su uso ms frecuente es con fines comparativos; cuando se quiere mostrar las diversas componentes de una serie de valores de la variable comparada con el total. No tiene ninguna ventaja sobre le diagrama de barras
32

Unidad I - Estadística

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Unidad I - Estadística

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD ALAS PERUANAS FILIAL JAEN FACULTAD DE CIENCIAS EMPRESAIALES ESCUELA PROFESIONAL DE ADMINISTRACIN Y NEGOCIOS INTERNACIONALES

ESTADSTICA PARA NEGOCIOS I

UNIDAD I: RECOPILACIN, ORGANIZACIN Y PRESENTACIN DE DATOS

Aplicaciones en la Administracin y en la Economa

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

La estadstica en el desarrollo de la Investigacin

deductivo y el inductivo. El mtodo deductivo procede de lo general a lo particular y utiliza

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Recoleccin de los datos

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Continuas: aquellas que pueden tomar un nmero infinito de valores posibles en un

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Tabla de frecuencia para datos cualitativos

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Tabla de frecuencia para datos cuantitativos

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

- Determinar el tamao del intervalo

- Establecer los lmites de cada uno intervalos:

LI1 = xmin LIj = LSj-1

- Verificar si el ultimo intervalo contiene a la observacin de mayor valor

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Clase [Li ;Ls [1;3 [3;5 [5;7

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

[7;9 [9;11 [11;13 [13;15 Total

0.10 0.06 0.06 0.04 1

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

Lic. Mat. Javier F. Saldarriaga Herrera

Recopilacin, Organizacin y Presentacin de Datos

ESTADISTICA PARA NEGOCIO I

0.96, un nmero como este es difcil 1. Para esto

de manejar, por eso escojamos el entero ms prximo k