Material de Estadística Descriptiva (Cuadernillo)

Lic. Espino Flores G - Lic. Gonzlez Castillo S.
Estadstica Descriptiva
NDICE
Unidad 1: Introduccin y Conceptos Bsicos ............................................................... 1
1.1. La estadstica ..................................................................................................... 3
1.2. Variables ............................................................................................................ 5
1.3. Individuo, poblacin y muestra ...................................................................... 6
1.4. Regla del redondeo .......................................................................................... 6
1.5. Manejo de datos ............................................................................................... 7
1.6. Terminologa .................................................................................................... 9
1.7. Distribucin de frecuencias .............................................................................. 10
1.8. Clculo del nmero de clases .......................................................................... 10
1.9. Elaboracin de una distribucin de frecuencias ............................................. 11
1.10. Histograma ....................................................................................................... 13
1.11. Polgono de frecuencia .................................................................................... 15
1.12. Grfica de barras ............................................................................................... 16
1.13. Grfica Circular, de Segmentos o Pastel .......................................................... 17
1.14. Ojiva menor que .............................................................................................. 18
1.15. Ojiva mayor que ............................................................................................... 19
1.16. Datos cualitativos ............................................................................................. 20
1.17. Ejercicios 25
Unidad 2: Medidas de Tendencia Central para Datos Agrupados y No Agrupados .. 26
2.1. Notacin sumatoria () ................................................................................. 28
2.2. Media Aritmtica( , ) .................................................................................... 29
2.3. Mediana (Me) .................................................................................................. 32
2.4. Moda (Mo) ...................................................................................................... 37
2.5. Media Geomtrica (
) ................................................................................... 41
2.6. Ejercicios.46
Unidad 3: Medidas de Dispersin y Forma...47
3.1. Medidas de Dispersin ...................................................................................... 48
3.2. Desviacin Media (DM) ................................................................................... 49
3.3. Varianza (S
2
,
2
) ................................................................................................ 51
3.4. Desviacin Estndar (s, ) ............................................................................... 54
3.5. Coeficiente de variacin (Cv) .......................................................................... 59
3.6. Medidas de forma ............................................................................................. 68
3.7. Coeficiente de Asimetra de Fisher.................................................................. 68
3.8. Coeficiente de Curtosis de Fisher .................................................................... 70
Unidad 4: Curva normal y los Puntajes Estndar ........................................................ 73
4.1. Calculo de reas bajo la curva normal estndar .............................................. 74
4.2. Ejercicios.77
Unidad 5: Muestreo ....................................................................................................... 78
5.1. Diferentes tipos de muestreos ......................................................................... 79
5.2. Muestreo estratificado ..................................................................................... 79
5.3. Muestreo simple aleatorio ............................................................................... 80
5.4. Tamao de la muestra ...................................................................................... 80
5.5. Ejercicios.82
Anexos ........................................................................................................................... 81
Actividades..81
Graficas con Excel .............................................................................................. 87
rea bajo la curva normal ................................................................................. 109
Bibliografa ..................................................................................................................... 112

Pgina 1

Introduccin y Conceptos Bsicos. Estadstica Descriptiva
UNIDAD I

INTRODUCCIN Y CONCEPTOS BSICOS

Estadstica Descriptiva en Sociales y Humanidades EDSH

Pgina 3

LA ESTADSTICA
Introduccin:
La estadstica es utilizada en el gobierno, donde se recopila informacin (datos)
sobre poblacin, educacin, comercio exterior, etc.
En la investigacin la estadstica es muy importante, mediante esta es posible
determinar si la/las hiptesis de investigacin se aceptan o se rechazan, lo cual puede
llevar a decidir lo que est pasando en una poblacin mediante una muestra y la prueba
correcta.
LA ESTADSTICA. Es la rama de las matemticas que se encarga de estudiar las
caractersticas de alguna poblacin, recogiendo estos datos y recopilndolos en tablas de
datos, graficando los resultados y obteniendo la conclusin ms apropiada para dicha
poblacin.
LA ESTADSTICA DESCRIPTIVA. Se encarga de realizar el estudio sobre una
poblacin completa observando as las caractersticas similares que contiene, calculando
los parmetros que revelen informacin global de la poblacin a estudiar, y graficando
sus resultados para una mejor visualizacin y comprensin.
LA ESTADSTICA INFERENCIAL. Esta rama de la estadstica realiza estudios
sobre partes de la poblacin con caractersticas similares a estudiar llamadas muestras, y
los resultados obtenidos son ampliados a toda la poblacin de la cual ha sido tomada la
muestra, siendo esta parte representativa de toda una poblacin.

LA ESTADSTICA EN LAS CIENCIAS SOCIALES.

La estadstica se aplica a una variedad de disciplinas, desde la fsica hasta las
ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la
toma de decisiones en reas de negocios o instituciones gubernamentales

El empleo de mejores estadsticas resulta esencial para lograr buenas polticas y
buenos resultados para el desarrollo. Disponer de mejores estadsticas permite realizar
polticas ms eficaces y analizar problemas sociales y econmicos complejos ms en
detalle, ayudando a los decidores polticos (orador poltico) a elegir las mejores
intervenciones y a supervisar sus efectos.

Sin embargo, en muchos de los pases ms pobres las estadsticas son deficientes y
los decidores polticos pocas veces las utilizan, lo que induce malas decisiones y magros
resultados. Las utilizan para basar en ellas sus decisiones, se obtienen un mejor diseo de
polticas y mejores resultados. En tal caso, la mayor inversin en estadstica se
recuperar, gracias a una mejor eficiencia de los gobiernos y los donantes, en la
asignacin de los recursos y el seguimiento de los resultados. Cmo puede promoverse,
entonces, la toma de decisiones basada en hechos? Incrementando la demanda de
buenas estadsticas y fomentando un mayor dilogo entre productores y usuarios de
estadsticas.

Se recibe informacin en forma de datos a travs de los peridicos, televisin,
internet, y dems medios de transmisin de informacin. Algunos aspectos estadsticos
manejados en la informacin obtenida influencian fuertemente a gran cantidad de
personas, pero a veces no proporcionan una descripcin cabal de los que pretenden
mostrar.

La estadstica es una herramienta bsica para la investigacin emprica que ayuda a
conocer la realidad de manera objetiva. En la disciplina psicolgica juega un papel
importante porque permite abstraer y elaborar categoras conceptuales a partir de los
datos, las cuales permiten describir, predecir y/o explicar la conducta humana. La
presencia de la estadstica en el plan de formacin de psiclogos se justifica desde la
perspectiva de la formacin investigativa, la cual favorece el desarrollo de hbitos de
rigor cientfico, as como el desarrollo del pensamiento lgico formal.

Es necesario que los psiclogos en formacin desarrollen la competencia para
leer, comprender, analizar y criticar los resultados descriptivos de las publicaciones
cientficas desarrolladas en la disciplina psicolgica y con otras disciplinas, las cuales en su
gran mayora utilizan como mtodo de anlisis para sus datos procedimientos
estadsticos. Los psiclogos en formacin requieren participar en la realizacin
de investigacin cientfica desde el enfoque emprico analtico ya sea formativa y/o
profesional, para lo cual ellos requieren de una base slida de estos conocimientos.


Pgina 5

VARIABLES
TIPOS DE VARIABLES
Variables Cualitativas
Variable cualitativa o de atributos: la caracterstica o variable que se estudia no es
numrica.
EJEMPLOS: sexo, afiliacin religiosa, tipo de automvil que se posee, lugar de
nacimiento, color de los ojos.
Variables Cuantitativas
Variable cuantitativa: la variable se puede registrar numricamente.
EJEMPLO: saldo en una cuenta de cheques, minutos que faltan para que termine la
clase, nmero de nios en una familia.
Variables Cuantitativas Discretas
Variables discretas: slo pueden adquirir ciertos valores y casi siempre hay brechas
entre esos valores.
EJEMPLO: el nmero de habitaciones en un hotel (1, 2, 3,....).
Variables Cuantitativas Continuas
Variables continuas: pueden tomar cualquier valor dentro de un intervalo especfico.
EJEMPLO: el tiempo que toma volar de Buenos Aires a Bogot. Todos los valores entre
1 y 2.
Las variables tambin se pueden clasificar en:
Variables unidimensionales: solo recogen informacin sobre una caracterstica.
EJEMPLO: la edad de los alumnos de una clase.

Variables bidimensionales: recoge informacin sobre dos caractersticas de la
poblacin.
EJEMPLO: la edad y la altura de los alumnos de una clase.

Variables pluridimensionales: recoge informacin sobre tres o ms caractersticas.
EJEMPLO: la edad, altura y peso de los alumnos de una clase.

INDIVIDUO, POBLACIN Y MUESTRA
Cuando se estudia el comportamiento de una variable hay que distinguir los
siguientes conceptos:
Individuo: cualquier elemento que aporte informacin sobre el fenmeno que se
estudia. As, si estudiamos la altura de los alumnos de una clase, cada alumno es un
individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.)
que aporten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudiamos
el precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha
ciudad.
Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el
precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas
las viviendas (sera una labor muy compleja), sino que se suele seleccionar un subgrupo
(muestra) que se entienda que es suficientemente representativo.
CONOCIMIENTO PREVIO
REGLA DEL REDONDEO
El redondear un nmero quiere decir reducir el nmero a cifras manteniendo un
valor parecido. El resultado es menos exacto, pero ms fcil de usar.
Existen varios mtodos para redondear, pero solo utilizaremos el mtodo normal, ya
que es el que ms se usa.
Para redondear los nmeros utilizaremos los siguientes criterios:
Decide cual es la ltima cifra que queremos mantener.
Aumntala en 1 si la cifra siguiente es 5 o ms (esto se llama redondear arriba)
Djala igual si la siguiente cifra es menos de 5 (esto se llama redondear abajo)
Por qu aumentar en 5?
Piensa en los deportes tiene que haber la misma cantidad de jugadores en cada
equipo, no?

0, 1, 2, 3 y 4 estn en el equipo de abajo
5, 6, 7, 8 y 9 estn en el equipo de arriba
(Esta es la parte ms importante del mtodo normal de redondeo)


Pgina 7

MANEJO DE DATOS
El manejo de datos tiene que ver con el mtodo estadstico, que dividiremos en
cinco pasos:
a.- Recopilacin de datos. Es la bsqueda y recoleccin de los datos estadsticos que
se requieren analizar. Puede hacerse segn sea necesario, mediante encuestas,
entrevistas, observaciones directas, consulta de dependencias pblicas o privadas,
o bien obtenindolos de archivos, peridicos, revistas u otros medios.

La recopilacin se har segn sea necesario; puede ser todos los datos existentes
(poblacin), o bien solo una parte de ella (muestra); la cantidad de los datos que
se recopilan depender de lo extenso de la poblacin, del grado de confiabilidad
necesaria en la investigacin y de los recursos econmicos y tcnicos de que se
disponga.
b.- Organizacin de los datos recopilados. Una vez recopilada la informacin
corregirse de omisiones, inconsistencias, respuestas irrelevantes y otros errores
que pudieran haber sucedido en la recopilacin. Luego estos datos debern
clasificarse, organizarse y ordenarse.

c.- Presentacin. Luego de ser ordenados, los datos debern presentarse en la forma
ms fcil de leer de tal manera que su comprensin sea los ms sencilla y clara
posible. Puede presentarse mediante tablas o grficos estadsticos.

d.- Anlisis de los datos presentados. Aqu se procesara la informacin realizando los
clculos necesarios que arrojaran resultados y mostrarn los aspectos importantes
de los datos.

e.- Interpretacin. Los resultados del anlisis de los datos debern ser rigurosamente
interpretados por que sus conclusiones sern las que ayuden a la toma de
decisiones.


Pgina 9

TERMINOLOGA
CLASES. Est formado por parejas de nmeros, cada pareja ser una clase; a los nmeros
menores de cada clase se les llama lmite inferior de clase (Li), mientras que a los
nmeros mayores de cada clase le llamamos lmite superior de clase (Ls).

FRECUENCIA (fi). Indica el nmero de elementos que existen en la clase que
corresponde.

MARCA DE CLASE (xi). Llamado tambin punto medio, se localiza en el punto central
de cada clase. Se obtiene sumando el lmite superior de la clase que se trate y
dividiendo entre dos.

LMITES REALES DE CLASE (LRC). Se localizan entre cada par de clases sucesivas; y
existen lmite real inferior (LRI) y lmite real superior (LRS).

LMITE REAL INFERIOR (LRI). Se calcula sumando el lmite de clase inferior de la clase
que se trata, con el lmite superior de la clase inmediata anterior y dividiendo
entre dos.

LMITE REAL SUPERIOR (LRS). Se calcula sumando el lmite de clase superior de la clase
que se trata, con el lmite inferior de la clase siguiente y dividiendo entre dos.

AMPLITUD, TAMAO DE CLASE, INTERVALO ANCHURA (A). Se calcula restando
el LRI al LRS, de la clase que se trate.

RANGO (R). Comprende todo el espacio muestral que abarca la serie de datos
recopilados; se obtiene restando el menor de los valores al valor mayor que
contenga la serie de datos.

DISTRIBUCIN DE FRECUENCIAS
La distribucin de frecuencias es la representacin estructurada, en forma de tabla
de toda la informacin recolectada sobre la variable que se est estudiando.
Para datos no agrupados.
Variable Frecuencias absolutas
Valor Simple Acumulada
x1 f1 f1
x2 f2 f1+f2
x3 f3 f1+f2+f3

xk-1 fk-1 f1+f2+f3+fk-1
xk fk f1+f2+f3+fk-1+fk

Para trabajar con datos agrupados es necesario conocer:

CLCULO DEL NMERO DE CLASES.
Para calcular el nmero de clases de una tabla de distribucin de frecuencias podemos
usar las siguientes expresiones formulas:
Raz cuadrada

Regla de Sturges

Regla de Stockes

Donde se manejar:
Raz cuadrada para n<100
Regla de Sturges o regla de Stockes para n100
Es necesario conocer tambin el Rango o recorrido de una variable (R).

Pgina 11

R = # Mayor - # Menor
Esto es igual a:
R = xmax - xmin
La amplitud (A) o intervalo de clase, est dado por la divisin del Rango con el
nmero de clases, para esto se utilizar la frmula de Sturges, para n100 raz cuadrada
para n<100.

ELABORACIN DE UNA DISTRIBUCIN DE FRECUENCIAS DE DATOS
AGRUPADOS
Los pasos para hacer una distribucin de frecuencias para datos agrupados son los
siguientes:
Encontrar el rango de los datos.
Determinar la amplitud de cada intervalo de clase (A).
Hacer una lista con los lmites de cada intervalo de clase, colocando en la parte
superior de la misma al intervalo que contenga el dato ms pequeo (mnimo).
Contar los datos en bruto contenidos en los intervalos de clase correspondientes.
Sumar las cuentas de cada intervalo para obtener la frecuencia del intervalo.

Ejemplo 1
Los siguientes datos son los puntos obtenidos en un examen de conocimientos
acerca de las unidades de aprendizaje de TBU en el rea de Ciencias Sociales y
Humanidades (ACSH): Desarrollo de Habilidades del Pensamiento (DHP), Lenguaje y
Pensamiento Matemtico (LPM), Tecnologas de Comunicacin y Gestin de
Informacin (TCGI), Sociedad e Identidad Universitaria (SIU) y Lengua Extranjera (LE).
A 90 alumnos de segundo semestre elegidos aleatoriamente.
85 68 55 33 72 80 35 55 62
79 65 95 51 100 74 45 60 58
92 44 100 73 65 78 49 61 65
83 76 95 55 50 82 51 77 73
83 72 89 37 63 95 100 93 65xl
75 24 60 43 100 99 72 86 71
98 90 48 22 67 76 57 86 99
33 54 64 82 47 81 28 79 85
42 62 86 94 52 79 30 86 98
58 32 68 77 28 69 46 53 38
Se quiere presentar los datos obtenidos de dicho examen a fin de dar a conocer el
aprovechamiento de los alumnos en esa rea.
Creando la distribucin de frecuencias.
Rango:
R=100-22 =78
Numero de clases:

Amplitud

Por lo tanto las clases sern formadas con un intervalo o amplitud de 8
+

Clases Conteo Frecuencia (fi)
20 28 |||| 4
29 37 |||| | 6
38 46 |||| | 6
47 55 |||| |||| || 12
56 64 |||| |||| 10
65 73 |||| |||| |||| 14
74 82 |||| |||| |||| 14
83 91 |||| |||| 10
92 100 |||| |||| |||| 14
n=90
Para presentar los datos obtenidos se pueden realizar diferentes grficos.

+
Por conveniencia se empiezan las clases con un nmero con terminacin 0 o 5 aunque puede
iniciarse con el valor ms pequeo de la serie de datos, segn como convenga.

Pgina 13

HISTOGRAMA
El histograma es aquel grfico que tiene todas sus barras juntas y para poder
realizarlo es indispensable tener los siguientes datos:
Lmites Reales de Clase
Frecuencia
Clases Frecuencia Lmites Reales de Clase (LRC)
Li Ls (fi)
Lmite Real Inferior
(LRI)
Lmite Real Superior
(LRS)
20 28 4 19.5 28.5
29 37 6 28.5 37.5
38 46 6 37.5 46.5
47 55 12 46.5 55.5
56 64 10 55.5 64.5
65 73 14 64.5 73.5
74 82 14 73.5 82.5
83 91 10 82.5 91.5
92 100 14 91.5 100.5
N=90

Donde: Li= lmite inferior de la clase que se busca.
Ls= lmite superior de una clase antes.

Donde: Li= lmite inferior de una clase despus.
Ls= lmite superior de la clase que se busca.
Otra forma sencilla de obtener los limites reales es restando .5 al Li y sumarle .5 al Ls,
siempre y cuando estos dos sean valores enteros, con valores con una decimal se restara
.05 al Li y se sumara .05 al superior, y as sucesivamente como lo muestra la siguiente
tabla.
Nmero Cantidad que se sumara o restara a los lmites reales.
Entero 0.5
1 decimal 0.05
2 decimales 0.005
3 decimales 0.0005
En el grfico los lmites reales de clase se ubican sobre el eje x (Abscisa) y la
frecuencias se ubicar sobre el eje y (Ordenada), tal y como lo muestra el grfico
realizado.


Pgina 15


POLGONO DE FRECUENCIA
Tiene la cualidad el polgono de frecuencia que es una lnea punteada la que une
los puntos medios de cada clase as como tambin que este tipo de grafico necesita ser
iniciado con una frecuencia de cero y terminado de igual manera para que abre y cierre
sobre el eje de las x.
Es necesario para poder graficar el Polgono de Frecuencia los siguientes datos:
Frecuencia
Puntos medios de clases
Clases Frecuencia Punto medio
Li Ls (fi) (xi)
20 28 4 24
29 37 6 33
38 46 6 42
47 55 12 51
56 64 10 60
65 73 14 69
74 82 14 78
83 91 10 87
92 100 14 96
N=90

Donde: Li = lmite inferior de la clase que se busca.
Ls = lmite superior de la clase que se busca.
Su grfica est dada sobre el primer cuadrante al igual que el histograma siendo
los puntos medios sobre el eje de las abscisas y su frecuencia sobre el eje de la ordenada.

GRFICA DE BARRAS
La grfica de barras es muy similar al histograma que anteriormente se ha visto, la
diferencia entre ambos grficos es que el histograma tiene sus barras pegadas cada una de
ellas y la grfica de barras tiene una separacin de igual tamao as como cada barra
tiene el mismo ancho.
Para poder elaborar este grfico es necesario tener lo siguiente:
Clases
Frecuencia
Porcentaje por clase
Clases Frecuencia Porcentaje por clase
Li Ls (fi) (%)
20 28 4 4%
29 37 6 7%
38 46 6 7%
47 55 12 13%
56 64 10 11%
65 73 14 16%
74 82 14 16%
83 91 10 11%
92 100 14 16%
N=90

En la grfica de barras en el eje de las abscisas se ubican los lmites de clase (Li
Ls), y sobre el eje de las ordenadas las frecuencias, as como en la parte superior de cada
barra el porcentaje que corresponde a ella.


Pgina 17


GRFICA CIRCULAR, DE SEGMENTOS o PASTEL
En la grfica circular tiene la caracterstica que entre todos sus segmentos suman
360, donde cada uno de ellos contiene el porcentaje que corresponde.
Para llevar a cabo este tipo de grfico es necesario tener lo siguiente:
Grados por clase
Grados acumulados
Clases Frecuencia
Porcentaje por
clase
Grados por
clase
Grados
acumulados
+

Li Ls (fi) (%)
20 28 4 4% 16 16
29 37 6 7% 24 40
38 46 6 7% 24 64
47 55 12 13% 48 112
56 64 10 11% 40 152
65 73 14 16% 56 208
74 82 14 16% 56 264
83 91 10 11% 40 304
92 100 14 16% 56 360
N=90

Cada segmento de este grfico le corresponde el porcentaje de cada clase para una
mejor identificacin, y los grados que corresponde a cada segmento bien los grados
acumulados, as como su inicio por conveniencia va en contra de las manecillas del reloj.

+
Se obtiene la columna de grados acumulados para realizarla de una manera ms fcil este tipo de grfico.

OJIVA MENOR QUE Y MAYOR QUE
Estas dos grficas se realizan con la frecuencia acumulada.
OJIVA MENOR QUE
Es una grfica asociada a la distribucin de frecuencias, es as como en ella se
permite ver cuntas observaciones se encuentran por encima de ella.
Para elaborar este grfico es necesario contar con lo siguiente:
Frecuencia acumulada menor
Lmite real superior
Clases Frecuencia
Frecuencia
Acumulada Menor
Lmite Real
Superior
Li Ls (fi) (FAm) (LRS)
20 28 4 4 28.5
29 37 6 10 37.5
38 46 6 16 46.5
47 55 12 28 55.5
56 64 10 38 64.5
65 73 14 52 73.5
74 82 14 66 82.5
83 91 10 76 91.5
92 100 14 90 100.5
N=90


Pgina 19


OJIVA MAYOR QUE
De igual manera es una grfica asociada a la distribucin de frecuencias, en esta
grfica es lo contrario de la menor que, ya que se visualiza cuantas observaciones se
encuentran por debajo de ella.
Para hacer este grfico es necesario contar con lo siguiente:
Frecuencia acumulada mayor
Lmite real inferior

Clases Frecuencia
Frecuencia
Acumulada Mayor
Lmite Real
Inferior
Li Ls (fi) (FAM) (LRI)
20 28 4 90 19.5
29 37 6 86 28.5
38 46 6 80 37.5
47 55 12 74 46.5
56 64 10 62 55.5
65 73 14 52 64.5
74 82 14 38 73.5
83 91 10 24 82.5
92 100 14 14 91.5
N=90


Pgina 21


Estos son los grficos que se pueden encontrar en la estadstica descriptiva, cada
uno de ellos tiene caractersticas importantes y cabe sealar que en muchas de las
ocasiones es ms conveniente un tipo de grfico que otro.

Presentacin
de Datos
Cualitativos
Tabla de
Frecuencia
Grficos
Grfica de
Barras
Grfica
Circular o de
Pastel
Ejemplo 2
A la secretaria de un consultorio psiquitrico, se le ha encargado el presentar un
informe con respecto a las consultas que se han estado realizando en este mes, en un
total de 21 das laborables, los datos por cada da se presentan a continuacin:
Domingo Lunes Martes Mircoles Jueves Viernes Sbado
1
0
2
6
3
3
4
5
5
2
6
5
7
0
8
0
9
2
10
5
11
6
12
5
13
3
14
0
15
0
16
3
17
2
18
5
19
6
20
4
21
0
22
0
23
5
24
6
25
1
26
4
27
2
28
0
29
0
30
4
1

2

3

4

5

Para este informe se le pide que presente en grficas los datos obtenidos para una
mejor comprensin de la situacin de este consultorio.
Para efectuar las grficas es necesario elaborar la tabla de distribucin de frecuencia la
cual se realizar de la siguiente manera:
Clases Frecuencia
Lunes 20
Martes 16
Mircoles 17
Jueves 17
Viernes 14
N=84
HISTOGRAMA
El histograma no es conveniente realizar en este tipo de problema porque no se
puede obtener los lmites reales de clase, ya que los datos son categricos.
As como el histograma el polgono de frecuencia no servira para realizar un
grfico con estos datos, puesto que no se cuenta con la marca de clase.
OJIVA
La ojiva al igual que los otros dos grficos no es posible realizar, porque se debe
conocer los lmites reales de clase.
Los grficos ms convenientes que se pueden realizar son los siguientes:
Grfica de Barras y la Grfica Circular, los cuales se presentan a continuacin.


Pgina 23

GRFICA DE BARRAS
La grfica de barras es uno de los ms convenientes o ms utilizados en este tipo
de datos categricos a fin de presentar un buen informe.
Para crear este grfico es necesario contar con los siguientes datos:
Frecuencia
Clases

Clases Frecuencia Porcentaje
Lunes 20 24%
Martes 16 19%
Mircoles 17 20%
Jueves 17 20%
Viernes 14 17%
N=84

GRFICA CIRCULAR O DE SEGMENTOS
Al igual es conveniente utilizar este tipo de grfico ya que se puede obtener lo
necesario para realizarlo que son:
Clases
Grados por clase
Clases Frecuencia Porcentaje Grados por clase Grados acumulados
Lunes 20 24% 86 86
Martes 16 19% 69 154
Mircoles 17 20% 73 227
Jueves 17 20% 73 300
Viernes 14 17% 60 360
N=84 360


Pgina 25

RESUMEN
Los diferentes grficos que se presentaron en esta seccin han sido los ms
utilizados para poder representar lo que sucede en un fenmeno a estudiar.
Es necesario haber hecho el conteo de los datos as como el tener formadas sus
clases y hallado su frecuencia para poder realizar los grficos necesarios las cuales
contienen lo siguiente:
Histograma
o Lmites Reales de Clase
o Frecuencia
Polgono de Frecuencia
o Frecuencia
o Puntos medios de clases
Grfica de Barras
o Clases
o Frecuencia
o Porcentaje por clase
Grfica Circular
o Grados por clase
o Grados acumulados
o Porcentaje por clase
Ojiva menor que
o Frecuencia acumulada menor
o Lmite real superior
Ojiva mayor que
o Frecuencia acumulada mayor
o Lmite real inferior
Para obtener las clases se realiza con:
Rango
o R = xmax - xmin
Numero de clases
o Regla de Sturges
-
o Regla de Stockes
-

Amplitud
o
Ejercicios.
1. Indica si las siguientes variables son variables cualitativas o cuantitativas.
(a) Temperatura mxima diaria.
(b) Cdigo postal.
(c) Numero en la camiseta de los jugadores de baloncesto.
(d) Calificacin en un examen.
(e) Marca de refresco consumido.
(f) Estado civil.

2. Enuncia 3 ejemplos de variables cualitativas y 3 de variables cuantitativas.
3. Construye una tabla de distribucin de frecuencias para el ejercicio 5, del anexo 1.

4. Grafica un Histograma de frecuencias para la tabla del inciso anterior (inciso 1).

5. Haz una Grfica de Barras para el ejercicio 11 del anexo 1.

6. Representa la informacin del ejercicio 12 del anexo 1 en una Grfica de Pastel.


Pgina 27

Medidas de Dispersin y Forma. Estadstica Descriptiva
UNIDAD 2

MEDIDAS DE TENDENCIA CENTRAL
PARA DATOS AGRUPADOS Y NO AGRUPADOS

Las medidas de tendencia central como su nombre bien lo dice son aquellas que
al calcular o evaluar los datos obtenidos, nos proporcionan una idea del
comportamiento del fenmeno que se estudia respecto a la parte central el mismo.
Dicho de otra manera, las medidas de tendencia central son las que se encargan de medir
el centro, foco, promedio o medio de un fenmeno.

Las medidas ms usadas son las siguientes:
Media aritmtica.
Media ponderada.
Media geomtrica.
Mediana.
Moda.
Este tipo de medidas proporcionan la informacin necesaria acerca de los valores
centrales de una variable a estudiar.
Se trabajara con datos agrupados mayormente, pero sin dejar atrs los datos sin
procesar o tambin llamados datos en bruto.

Medidas de
Tendencia
Central
Datos
Agrupados
Media
Aritmtica
Media
Ponderada
Media
Geomtrica
Datos No
Agrupados
Mediana Moda

Pgina 29

CONOCIMIENTO PREVIO
NOTACIN SUMATORIA ()
El smbolo (sumatoria) significa adicin o dicho en otras palabras suma.
Ejemplos.
Simbologa
Significado
{| }
(La suma de todos los nmeros x, tal que x sea mayor o igual que 5
y menor o igual a 10, y x pertenezca a los nmeros enteros) =
{5+6+7+8+9+10} =45

{| } { }
=

k
i
i i
y x
1
) (
(La suma del producto (multiplicacin) de todos los resultados);
donde i={1,2,3,..,k}
n
y x
k
i
i i
=

1
) (

(La suma del producto de todos los resultados; donde
i={1,2,3,,k}, y n=total de datos; y el resultado de la suma dividido
entre el total de datos)

MEDIA ARITMTICA (, )
Es probable que ya haya escuchado de esta medida de tendencia central, pues es
justamente el valor que calcula al hallar el promedio de algo.
La media aritmtica se define como la suma de todas las observaciones (datos)
dividida entre el nmero total de los mismos, en forma de ecuacin queda de la
siguiente manera:
DATOS NO AGRUPADOS
Media muestral ()
n
x x x x
n
x
x
n
n
i
i
+ + + +
= =

= 3 2 1 1

Media poblacional ()
N
x x x x
N
x
N
N
i
i
+ + + +
= =

= 3 2 1 1

Donde:
X1+ X2++Xn = son cada uno de los datos o datos en bruto.
Ejemplo 3
Cul sera el promedio de calificacin de un alumno de segundo semestre que
obtuvo como resultado las siguientes calificaciones en el semestre pasado?
Unidad DHP LPM TCGI SIU LE
Calif. 80 82 90 79 100

Donde n=5 (total de materias)


Pgina 31

MEDIA ARITMTICA
La media aritmtica en este caso queda definida de la siguiente manera:
DATOS AGRUPADOS
Media muestral ()
n
f x f x f x
n
f x
x
k k
k
i
i i
) ( ) ( ) (
) (
2 2 1 1 1
+ + +
=
=

=

Media poblacional ()
N
f x f x f x
N
f x
k k
k
i
i i
) ( ) ( ) (
) (
2 2 1 1 1
+ + +
=
=

=

Xi = cada uno de los datos de la muestra Xi = Punto medio de la clase

Donde:

fi = frecuencia de cada clase
no N = total de datos
X1f1+ X2f2+ X3f3++ Xkfk= son cada uno de los productos desde el primero hasta el ltimo.

Ejemplo 4
Cul es el promedio de los datos obtenidos en el ejemplo 1 de los 90 estudiantes
de primer semestre?

El promedio de calificacin de los estudiantes
en el cual la mayora esta es de 67

Li Ls fi xi fi xi
20 28 4 24 96
29 37 6 33 198
38 46 6 42 252
47 55 12 51 612
56 64 10 60 600
65 73 14 69 966
74 82 14 78 1092
83 91 10 87 870
92 100 14 96 1344
N=90 =6030
Propiedades de la media aritmtica
o Puede ser calculada en distribuciones con escala relativa y de intervalos.
o Todos los valores son incluidos en el cmputo de la media.
o Una serie de datos solo tiene una media.
o Es una medida muy til para comparar dos o ms poblaciones.
o Es la nica medida de tendencia central donde la suma de las desviaciones
de cada valor respecto a la media es igual a cero.
o Por lo tanto podemos considerar a la media como el punto de balance de
una serie de datos.

Desventajas de la media aritmtica
o Si alguno de los valores es extremadamente grande o extremadamente
pequeo, la media no es el promedio apropiado para representar la serie
de datos.
o No se puede determinar si en una distribucin de frecuencias hay
intervalos de clase abiertos.


Pgina 33

MEDIANA (Me)
Es otra medida de tendencia central, la cual se utiliza cuando existe un dato
variable en la distribucin de datos que es extremo (muy grande o muy pequeo), con
relacin a la distribucin de los datos.
Cuando existe algn dato extremo o aberrante, no es fiable el aplicar la media
aritmtica, ya que dicho dato podr hacer que la media aritmtica de un resultado
errneo y por lo tanto alejarnos de la verdad, es por ello que la medida de tendencia
central ms apropiada a aplicar es la mediana.
DATOS NO AGRUPADOS
Para una serie de datos que estn en bruto, es necesario primeramente el ordenar
todos los datos en forma ascendente o descendente, seleccionar el dato que se
encuentra justamente a la mitad de la serie de datos y el valor que ste tenga ser el
valor de la mediana.
La manera ms simple de localizarlo es con la siguiente ecuacin:

Ejemplo 5
Calcule la edad promedio de un grupo de personas que viajan en microbs
escolar son las siguientes:

Chofer
Nio
1
Nio
2
Nio
3
Nio
4
Nio
5
Nio
6
Nio
7
Nio
8
Nio
9
Nio
10
Nio
11
Nio
12
Nio
13
Nio
14
Nio
15
65 6 6 7 8 9 10 7 9 9 8 10 10 7 7 8
=186

Obteniendo la media aritmtica:

La media aritmtica como se ve no se puede confiar en el resultada que arroja, ya
que no existe ninguna edad como tal.
Obteniendo la mediana:

65, 10, 10, 10, 9, 9, 9, 8, 8, 8, 7, 7, 7, 7, 6, 6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
El valor de 8.5 (indica la posicin) se encuentra entre el 8 y 9 los cuales tienen
como valor de 8 cada uno de ellos por lo tanto para encontrar el valor de la mediana se
sumaran ambos valores y dividir su resultado entre dos, por lo tanto el valor de la
mediana es 8.

Comparando ambos resultados obtenidos, se puede observar que la media
aritmtica en este caso no es la ms adecuada para obtener un promedio, por el hecho
de existir un dato extremo o aberrante.


Pgina 35

MEDIANA (Me)
DATOS AGRUPADOS
Para poder encontrar la mediana cuando no se tiene los datos en bruto, es decir
estos se encuentran formados en clases, es posible el saber cul es el dato o promedio del
fenmeno que se estudia, mediante la siguiente ecuacin:
[
]
Donde:
LRI
= Lmite real inferior que contiene a la mediana.
N= Tamao de muestra.
C= LRS LRI

Sumatoria de las frecuencias anteriores de la clase que contiene a la mediana
(una frecuencia acumulada anterior).
Frecuencia de la clase que contiene a la mediana.

Para obtener la mediana con datos agrupados es necesario primero realizar
a fin
de saber con qu clase se debe de trabajar.
Ejemplo 6
Utilizando los datos del Ejemplo 1 cul es el promedio utilizando la mediana de
los 90 estudiantes que fueron elegidos para el realizar el examen de conocimientos.

# de clase Li Ls fi FA
1 20 28 4 4
2 29 37 6 10
3 38 46 6 16
4 47 55 12 28
5 56 64 10 38
6 65 73 14 52
7 74 82 14 66
8 83 91 10 76
9 92 100 14 90
N=90

Con
; el dato obtenido se localizara en la columna de frecuencia

acumulada, el cual se encuentra en la clase 6 que es de 65 73, no se puede localizar en
la clase 5, puesto que el dato 45 no est contenido en la frecuencia acumulada que le
corresponde
+
.
[
]
*
+
[

]
[
]

El promedio de la distribucin de frecuencias es de 69, es muy parecido al valor
de la media aritmtica el cual es 67 y ambos valores caen en la misma clase, no siempre
se da que ambas estn en la misma clase, ya que si existe un dato aberrante sern muy
diferentes ambos valores.

+
El valor de
no importa que se pase en cuanto a la frecuencia acumulada, pero siempre y cuando no

falte.

Pgina 37

Propiedades de la mediana
o Hay solo una mediana en una serie de datos.
o No es afectada por los valores extremos (altos o bajos ).
o Puede ser calculada en distribuciones de frecuencia con intervalos
abiertos, si no se encuentra en el intervalo abierto.
o Puede ser calculada en distribuciones con escala relativa, de intervalos, y
ordinal.

MODA (Mo)
La moda as como el calzar, el vestir, las tendencias de colores, los gneros de
msica y muchas cosas ms, donde lo que ms existe o se repite se dice que est de
moda, de igual forma sucede con la estadstica o ms precisamente en los datos.
El dato que ms se repite se dice que es el que est de moda.
En una serie de datos puede ocurrir lo siguiente:
Puede no haber moda.
Puede haber que exista una moda.
Puede ser que existan dos modas.
Y puede ser que existan tres o ms modas.
DATOS NO AGRUPADOS
Cuando no existe moda o ningn dato se repite, recibe el nombre de amodal.
Ejemplo 7
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9} = no existe moda (amodal)
Si uno de los nmeros es el que ms se repite de la serie de datos, recibe el
nombre de unimodal.
Ejemplo 8
{0, 1, 2, 3, 3, 3, 4, 5, 5, 6, 7, 8, 9} = existe una moda la cual es el valor de 3
(unimodal)
Ejemplo 9
{0, 1, 2, 3, 3, 4, 5, 6, 6, 7, 8, 9} = existen dos modas las cuales son los valores 3 y 6
(bimodal)


Pgina 39

MODA (Mo)
DATOS AGRUPADOS
En los datos no agrupados ya se vio cmo es que se localiza la moda, la cual es el
valor que se repite ms veces en una serie de datos.
En los datos agrupados, a fin de saber con qu clase se debe de trabajar ser
mediante la observacin, esto es: que se trabajara con la clase que contenga la mayor
frecuencia.
La ecuacin para la moda en datos agrupados es la siguiente:
[
]
Donde:

1
f fm

2
f fm
Frecuencia de la clase que contiene a la moda.

Frecuencia de la clase anterior a donde est contenida la moda.

Frecuencia de la clase posterior a donde est contenida la moda.

LRS LRI
Ejemplo 10
Utilizando los datos del ejemplo 1 de los 90 estudiantes del ACSH, calcular la
moda de los puntos obtenidos en el examen de conocimientos.
# de clase Li Ls fi
1 20 28 4
2 29 37 6
3 38 46 6
4 47 55 12
5 56 64 10
6 65 73 14
7 74 82 14
8 83 91 10
9 92 100 14
N=90
La clase con la cual se trabajara en este caso no ser solo una, ya que se puede
observar que existen 3 clases con igual nmero de frecuencia las cuales son la 6, 7 y 9
con una frecuencia cada una de ellas de 14.

Moda 1
| |
| |

Moda 2
| |
| |

Moda 3
| |
| |

Cabe aclarar que existen diferentes modas, en este caso dos desiguales ya que la
moda 1 y 2 coinciden y la 3 es distinta, pero sin embargo esto se da cuando los datos no
los conocemos, si contamos cada uno de los datos que se presentan originalmente nos
daramos cuenta que solo existe una moda la cual seria 65.


Pgina 41

Propiedades de la moda
o La moda se puede determinar en todos los tipos de mediciones (nominal,
ordinal, de intervalos, y relativa).
o La moda tiene la ventaja de no ser afectada por valores extremos.
o Al igual que la mediana, puede ser calculada en distribuciones con intervalos
abiertos.
Desventajas de la moda
o En muchas series de datos no hay moda porque ningn valor aparece ms de
una vez.
o En algunas series de datos hay ms de una moda, en este caso uno podra
preguntarse cul es el valor representativo de la serie de datos?

MEDIA GEOMTRICA (
)
La media geomtrica se define como la raz n-sima del producto de los valores n
de la distribucin.
El empleo ms comn de la media geomtrica es el de promediar variables tales
como porcentajes, tasas, nmeros ndices, etc., es decir, en los casos en los que se
supone que la variable presenta variacin acumulativa.
Ventajas y desventajas:
En su clculo intervienen todos los valores de la distribucin.
Los valores extremos tienen menor influencia que en la media aritmtica.
Es nica.
Su clculo es ms complicado que el de la media aritmtica.
Adems, cuando una variable toma al menos una x=0 entonces
se anula, y si
la variable toma valores negativos se pueden presentar una gama de casos particulares en
los que tampoco queda determinada debido al problema de las races de ndice par de
nmeros negativos.
DATOS NO AGRUPADOS
En datos no agrupados o una serie sin agrupar su ecuacin es de la siguiente
forma:

Utilizando logaritmos
(
(
(
(

=
=
n
x
G
n
i
i
x
1
log
10
)

Ejemplo 11
De los siguientes datos presentados obtener la media geomtrica.
{2, 4, 6, 8, 10, 11, 20, 21, 23}


Pgina 43


Ahora bien con logaritmos

De ambas formas su resultado es igual.

MEDIA GEOMTRICA (
)
DATOS AGRUPADOS
En los datos agrupados es muy similar la ecuacin, cuya forma es la siguiente:

(
(
(
(

=
=
n
x f
G
n
i
i i
x
1
log
10
)

Donde:
N= Total de datos
xi= Punto medio
fi= Frecuencia

Multiplicacin de todos los puntos medios elevados a la frecuencia a la
que corresponde

Ejemplo 12
Dados los datos del ejemplo 1 encontrar la media geomtrica para los datos agrupados.
# de clase Li Ls fi xi xi
fi
xi
fi

1 20 28 4 24 24
4
331776
2 29 37 6 33 33
6
1291467969
3 38 46 6 42 42
6
5489031744
4 47 55 12 51 51
12
3.09629E+20
5 56 64 10 60 60
10
6.04662E+17
6 65 73 14 69 69
14
5.54482E+25
7 74 82 14 78 78
14
3.08549E+26
8 83 91 10 87 87
10
2.48423E+19
9 92 100 14 96 96
14
5.64673E+27
N=90 =1.0568E+162


Pgina 45


Por el hecho de que el producto de los puntos medios elevados a las frecuencias
que corresponde es muy alto es difcil hacerlo en una calculadora, es por ello que es ms
conveniente hacerlo en un programa de computadora, en este caso se ha utilizado Excel.
# de clase Li Ls fi xi fi log xi fi log xi
1 20 28 4 24 4 log 24 5.520845
2 29 37 6 33 6 log 33 9.1110836
3 38 46 6 42 6 log 42 9.7394957
4 47 55 12 51 12 log 51 20.490842
5 56 64 10 60 10 log 60 17.781513
6 65 73 14 69 14 log 69 25.743887
7 74 82 14 78 14 log 78 26.489324
8 83 91 10 87 10 log 87 19.395193
9 92 100 14 96 14 log 96 27.751797
N=90 =162.02398

De ambas formas tambin su resultado es igual, pero ms conveniente es obtenerlo
mediante logaritmo.

Propiedades de la media geomtrica (
)
o La media geomtrica est basada en todas las observaciones, por lo que
est afectada por todos los valores de la variable. Sin embargo, da menos
pesos a los valores extremadamente grandes que el que les da la media
aritmtica.
o La media geomtrica es igual a cero si algunos de los valores es cero, y se
puede volver imaginaria si ocurren valores negativos. Con la excepcin de
estos dos casos, su valor siempre es definitivo y est rgidamente definido.
o La media geomtrica es la que se debe utilizar cuando lo que se va a
promediar son tasas de cambios o proporciones, y se intenta dar igual
peso a tasas de cambios iguales.


Pgina 47

Ejercicios.
1. Calcula la Media Aritmtica para el ejercicio 3 (datos no agrupados), de las
actividades del anexo 1.

2. Encuentra la mediana y la moda para el ejercicio nmero 4 del anexo 1.

3. Calcula la media aritmtica (promedio) y la moda, para el ejercicio 6 (datos
agrupados) del anexo 1.

UNIDAD 3

MEDIDAS DE DISPERSIN Y FORMA


Pgina 49

MEDIAS DE DISPERSIN
Las medidas de dispersin muestran la variabilidad de una distribucin, indicando
por medio de un nmero si las diferentes puntuaciones de una variable estn muy
alejadas de la media. Cuanto mayor sea ese valor, mayor ser la variabilidad, cuanto
menor sea, ms homognea ser a la media. As se sabe si todos los casos son parecidos
o varan mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media se
calcula la media de las desviaciones de las puntuaciones respecto a la media aritmtica.
Pero la suma de las desviaciones es siempre cero, as que se adoptan dos clases de
estrategias para salvar el problema. Una es tomando las desviaciones en valor absoluto
(Desviacin media) y otra es tomando las desviaciones al cuadrado (Varianza)
Las diferentes medidas de dispersin o ms comunes son las siguientes:
Rango
Desviacin media
Varianza
Desviacin estndar
Coeficiente de variacin
Rango Intercuartil

Medidas de
Dispersin
Datos
Agrupados
Desviacin
Media
Desviacin
Estandar
Rango
Datos No
Agrupados
Varianza
Coeficiente
de Variacin
Rango
Intercuartil

DESVIACIN MEDIA (Md)
Este tipo de medida, es para calcular la dispersin que sufren los datos respecto a
la lnea media.
Para ello se utiliza el valor absoluto el cual se representa por dos barra paralelas en
forma vertical (| |), el cual se define como:
|| {

Ejemplo 13
|5|=5
|-5|=5
DATOS NO AGRUPADOS
n
x x
Dm
i
k
i

=
E
=1

Donde:
n = Total de datos
xi = Cada dato
= Media aritmtica de los datos
|
| = Valor absoluto de la diferencia entre cada dato y la media aritmtica

Ejemplo 14
Cul es la desviacin de las calificaciones respecto a la media del ejemplo 3, del alumno
de segundo semestre?
Calif. 80 82 90 79 100

| | | | | | | | | |

Por lo tanto la calificacin vara de la siguiente forma desde 79.16 hasta 93.24.

Pgina 51

DESVIACIN MEDIA (Md)
DATOS AGRUPADOS
| |
n
x x f
Dm
i i
k
i

=
E
=1

Donde:
n = Total de datos
xi = Punto medio
|
= el producto de la frecuencia de cada clase por el valor absoluto de la

diferencia entre cada dato y la media aritmtica
Ejemplo 15
# de clase Li Ls fi xi
| |

1 20 28 4 24 -43 43 172
2 29 37 6 33 -34 34 204
3 38 46 6 42 -25 25 150
4 47 55 12 51 -16 16 192
5 56 64 10 60 -7 7 70
6 65 73 14 69 2 2 28
7 74 82 14 78 11 11 154
8 83 91 10 87 20 20 200
9 92 100 14 96 29 29 406
N=90 =1576

Los puntos de los alumnos varan desde 49.489 hasta 84.511

VARIANZA (S
2
,
2
o )
En teora de probabilidad, la varianza de una variable aleatoria es la esperanza del
cuadrado de la desviacin de dicha variable respecto a su media. Se trata de una medida
de la dispersin de dicha variable aleatoria.
Est medida en unidades distintas de las de la variable. La desviacin estndar, la
raz cuadrada de la varianza, est sin embargo expresada en las mismas unidades. Tanto la
varianza como la desviacin estndar miden la variabilidad de la variable aleatoria.
Hay que tener en cuenta de que la varianza puede verse muy influida por los
outliers (fuera de serie) y se desaconseja su uso cuando las distribuciones de las variables
aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras medidas de
dispersin ms robustas.
El trmino varianza fue acuado por Ronald Fisher en un artculo de 1918
titulado The Correlation Between Relativeson the Supposition of Mendelian Inheritance.


Pgina 53

DATOS NO AGRUPADOS
Varianza Muestral (S
2
) Varianza Poblacional (
2
o )
( )
1
2
1 2
=
E
=
n
x x
s
i
k
i

( )
N
x x
i
k
i
2
1 2

=
E
=
o
Donde:
N = Total de datos de la muestra
N = Total de datos de la poblacin
xi = Cada uno de los datos obtenidos
= Media aritmtica poblacional
= La diferencia entre cada dato y la media aritmtica muestral, elevado al

cuadrado ese resultado
= la diferencia entre cada dato y la media aritmtica poblacional, elevado al

Ejemplo 16
Cul es la variacin de las calificaciones del ejemplo 3, del alumno de segundo
semestre?
Calif. 80 82 90 79 100

Por lo tanto sus calificaciones tienen una variacin desde 79.16 hasta 93.24

DATOS AGRUPADOS
Varianza Muestral (S
2
) Varianza Poblacional (
2
o )
( ) | |
1
2
1 2
=
E
=
n
x x f
s
i i
n
i

( ) | |
N
x f
i i
N
i
2
1 2

o

=
E
=

Donde:
n = Total de datos de la muestra
fi = Frecuencia
xi = Punto medio de la clase que corresponde

= La diferencia entre cada dato y la media aritmtica muestral, elevado al

= la diferencia entre cada dato y la media aritmtica poblacional, elevado al

Ejemplo 17
Cul es la varianza del ejemplo 1 de los puntos obtenidos en el examen de
conocimientos en las diferentes unidades de aprendizaje del ACSH, a los 90 alumnos de
segundo semestre?
# de clase Li Ls fi xi (Xi-) (Xi-) f(Xi-)
1 20 28 4 24 -43 1849 7396
2 29 37 6 33 -34 1156 6936
3 38 46 6 42 -25 625 3750
4 47 55 12 51 -16 256 3072
5 56 64 10 60 -7 49 490
6 65 73 14 69 2 4 56
7 74 82 14 78 11 121 1694
8 83 91 10 87 20 400 4000
9 92 100 14 96 29 841 11774
N=90 =39168


Pgina 55

DESVIACIN ESTNDAR (s, o )
La desviacin estndar o desviacin tpica () es una medida de centralizacin o
dispersin para variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la
estadstica descriptiva.
Se define como la raz cuadrada de la varianza. Junto con este valor, la desviacin
tpica es una medida (cuadrtica) que informa de la media de distancias que tienen los
datos respecto de su media aritmtica, expresada en las mismas unidades que la variable.
Datos agrupados y no agrupados
Es la raz cuadrada de la varianza.
DATOS AGRUPADOS
Desviacin Estndar Muestral (s) Desviacin Estndar Poblacional ()
( ) | |
1
2
1
=
E
=
n
x x f
s
i i
n
i

( ) | |
N
x f
i i
N
i
2
1

o

=
E
=

DATOS NO AGRUPADOS
( )
1
2
1
=
E
=
n
x x
s
i
n
i

( )
N
x
i
N
i
2
1

o

=
E
=

Ejemplo 18
Obtenga la desviacin estndar de ejemplo 16 y el ejemplo 17
Ejemplo 16
7.04 = s
6532 . 2 = s

Ejemplo 17
435.2 = o

8614 . 20 = o


COEFICIENTE DE VARIACIN (Cv)
En estadstica el coeficiente de variacin o de Pearson, es una medida de
dispersin til para comparar distintas escalas de dispersiones, puesto que es una medida
invariante ante cambios de escala. Uno de sus usos ms comunes es para expresar la
desviacin estndar como porcentaje de la media aritmtica, mostrando una mejor
interpretacin porcentual del grado de variabilidad que la desviacin tpica o estndar.
Por otro lado presenta problemas ya que a diferencia de la desviacin tpica este
coeficiente es variable ante cambios de origen. Por ello es importante que todos los
valores sean positivos y su media de por tanto un valor positivo. A mayor valor de Cv
mayor heterogeneidad de los valores de la variable; y a menor Cv, mayor homogeneidad
en los valores de la variable. Suele representarse por medio de las siglas CV.
Esta medida generalmente se expresa como un porcentaje.
Con:
Media Aritmtica > 0
Poblacin Muestra

Ejemplo 19
Obtener el CV del ejemplo 1 y 3

Ejemplo 1

Ejemplo 3
3.0779


Pgina 57

Curva Normal y Puntajes Estndar. Estadstica Descriptiva
Note que el coeficiente de variacin es independiente de las unidades utilizadas.
Por esta razn es til comparar las distribuciones en donde las unidades son diferentes.
Una desventaja del coeficiente de variacin es en que falla en su utilidad cuando la
media aritmtica se acerca a cero.
PROPIEDADES:
El coeficiente de variacin es tpicamente menor que uno.
Para su mejor interpretacin se lo expresa como porcentaje.
Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado
que cuando esta es 0 (cero) o muy prxima a este valor Cv pierde significado, ya
que puede dar valores muy grandes, que no necesariamente implican dispersin
de datos.
El coeficiente de variacin es comn en varios campos de la probabilidad
aplicada, como Teora de renovacin, Teora de colas y. En estos campos la
distribucin exponencial es a menudo ms importante que la distribucin
normal. La desviacin tpica de una distribucin exponencial es igual a su media,
por lo que su coeficiente de variacin es 1. Las distribuciones con un Cv menor
que uno, como la distribucin de Erlang se consideran de "baja varianza",
mientras que aquellas con un Cv mayor que uno, como la distribucin
hiperexponencial se consideran de "alta varianza". Algunas frmulas en estos
campos se expresan usando el cuadrado del coeficiente de variacin, abreviado
como S.C.V. (por sus siglas en ingls).

MEDIDAS DE FORMA
COEFICIENTE DE ASIMETRA DE FISHER
Datos no agrupados muestral Datos no agrupados poblacional
( )
n
x x
s
a
k
i
i
=

- =
1
3
3
3
1

( )
3
3
3
1
3
3
s
m
s
n
x x
a
k
i
i
=
=

( )
N
x
a
k
i
i
=

- =
1
3
3
3
1

o

( )
3
3
3
1
3
3
o o
m
N
x
a
k
i
i
=
=

Donde:
xi = Cada dato que se tiene
= Media aritmtica muestral
Ejemplo 20
Cul es el coeficiente de asimetra de las calificaciones del ejemplo 3, del alumno
Calif. 80 82 90 79 100


Pgina 59

Datos agrupados muestral Datos agrupados poblacional
( )
n
f x x
s
a
i
k
i
i
=

- =
1
3
3
3
1

( )
3
3
3
1
3
3
s
m
s
n
f x x
a
i
k
i
i
=
=

( )
N
f x
a
i
k
i
i
=

- =
1
3
3
3
1

o

( )
3
3
3
1
3
3
o o
m
N
f x
a
i
k
i
i
=
=

Donde:
fi = Frecuencia
Ejemplo 21
Cul es el coeficiente de asimetra del ejemplo 1 de los puntos obtenidos en el
examen de conocimientos en las diferentes unidades de aprendizaje de CSyH, a los 90
alumnos de segundo semestre?
# de clase Li Ls fi xi (Xi-) f(Xi-) f(Xi-)
3

1 20 28 4 24 -43 7396 -318028
2 29 37 6 33 -34 6936 -235824
3 38 46 6 42 -25 3750 -93750
4 47 55 12 51 -16 3072 -49152
5 56 64 10 60 -7 490 -3430
6 65 73 14 69 2 56 112
7 74 82 14 78 11 1694 18634
8 83 91 10 87 20 4000 80000
9 92 100 14 96 29 11774 341446
N=90 =39168 =-259992

COEFICIENTE DE CURTOSIS DE FISHER
Datos no agrupados muestral Datos no agrupados poblacional
( )
3
1
1
4
4 4

(
(
(
(

- =

=
n
x x
s
a
k
i
i

( )
4
4
4
1
4
4
3
s
m
s
n
x x
a
k
i
i
=
=

( )
3
1
1
4
4
4

(
(
(
(

- =

=
N
x
a
k
i
i

o

( )
4
4
4
1
4
4
3
o o
m
N
x
a
k
i
i
=
=

Donde:
xi = Cada dato que se tiene
= Media aritmtica muestral
Ejemplo 22
Cul es el coeficiente de curtosis de las calificaciones del ejemplo 3, del alumno
Calif. 80 82 90 79 100


Pgina 61

Datos agrupados muestral Datos agrupados poblacional
( )
3
1
1
4
4
4

(
(
(
(

- =

=
n
f x x
s
a
k
i
i i

( )
4
4
4
1
4
4
3
s
m
s
n
f x x
a
i
k
i
i
=
=

( )
3
1
1
4
4
4

(
(
(
(

- =

=
N
f x
a
k
i
i i

o

( )
4
4
4
1
4
4
3
o o
m
N
f x
a
k
i
i i
=
=

Donde:
fi = Frecuencia
Ejemplo 23
Cul es el coeficiente de curtosis del ejemplo 1 de los puntos obtenidos en el
examen de conocimientos en las diferentes unidades de aprendizaje del ACSH, a los 90
alumnos de segundo semestre?
# de clase Li Ls fi xi (Xi-) f(Xi-) f(Xi-)
4

1 20 28 4 24 -43 7396 13675204
2 29 37 6 33 -34 6936 8018016
3 38 46 6 42 -25 3750 2343750
4 47 55 12 51 -16 3072 786432
5 56 64 10 60 -7 490 24010
6 65 73 14 69 2 56 224
7 74 82 14 78 11 1694 204974
8 83 91 10 87 20 4000 1600000
9 92 100 14 96 29 11774 9901934
N=90 =39168 =36554544

Ejercicios.
1. Calcula el coeficiente de Asimetra para el ejercicio 7 del anexo 1.

2. Calcula desviacin media y el coeficiente de Curtosis para el ejercicio 9 (datos
agrupados).


Pgina 63


UNIDAD 4

CURVA NORMAL Y LOS PUNTAJES ESTNDAR

CALCULO DE REAS BAJO LA CURVA NORMAL ESTNDAR
(PUNTAJE Z)
Uno de los ejemplos ms importantes que existen de una distribucin de
probabilidad continua, es la llamada distribucin normal, curva normal o distribucin
gaussiana en honor a Carl Friedrich Gauss, la cual est definida por la ecuacin:
(
) {
]
}
(
) {
}

Cuando la variable X se expresa en trminos de unidades estndar, la ecuacin
anterior es remplazada por la llamada forma estndar:
(
) ,
[]
-
La utilizacin de la curva normal estndar para obtener las probabilidades
representadas en cualquier rea bajo la curva normal, facilita en forma extraordinaria el
proceso del clculo.
Algunas de las propiedades de sta curva son las siguientes:
- En cualquier distribucin normal, la media, la moda y la mediana tienen el mismo valor.
- La altura mxima la alcanza en el punto central, cuyo valor (valor mximo) se sita en
- la media de la distribucin.
- La curva es simtrica con respecto al eje vertical que pasa por la media.

Ejemplos de curvas normales con la
misma media y diferente desviacin
estndar

Ejemplos de curvas normales con la
misma desviacin estndar y diferentes
medias.


Pgina 65

NORMALIZACIN DE LOS DATOS
Para realizar la curva normal estndar o tambin llamada funcin de densidad de
probabilidad, se realiza con los datos en Bruto (originales), se calculan los puntajes Z con la
ecuacin
y la probabilidad correspondiente a cada dato, este procedimiento es

ms fcil en una hoja de clculo.
Dados los 90 datos del ejemplo 1 se calcula Z, la media aritmtica a utilizar es
para datos no agrupados, as como la desviacin estndar, sin embargo si se utiliza la
media aritmtica y la desviacin estndar para datos agrupados no habr una diferencia
significativa.
Utilizando la media aritmtica () de 67.355 y una desviacin estndar () de
20.923, sustituyendo estos valores se obtienen los siguientes puntajes Z, los valores del
Anexo de rea Bajo la Curva Normal tienen una media de cero y una desviacin
estndar de 1.
x z F

x z F

x z F
85 0.75 0.3007

33 -1.72 0.0912

35 -1.62 0.1069
79 0.47 0.3577

51 -0.86 0.2749

45 -1.15 0.2064
92 1.08 0.2216

73 0.18 0.3924

49 -0.96 0.2522
83 0.66 0.3215

55 -0.67 0.3181

51 -0.86 0.2749
83 0.66 0.3215

37 -1.53 0.1242

100 1.46 0.1365
75 0.28 0.3839

43 -1.24 0.1843

72 0.13 0.3953
98 1.37 0.1562

22 -2.24 0.0324

57 -0.58 0.3376
33 -1.72 0.0912

82 0.61 0.3313

28 -1.96 0.0590
42 -1.29 0.1735

94 1.18 0.1990

30 -1.86 0.0707
58 -0.53 0.3466

77 0.37 0.3723

46 -1.10 0.2178
68 -0.06 0.3983

72 0.13 0.3953

55 -0.67 0.3181
65 -0.20 0.3912

100 1.46 0.1365

60 -0.44 0.3629
44 -1.20 0.1953

65 -0.20 0.3912

61 -0.39 0.3700
76 0.32 0.3785

50 -0.91 0.2636

77 0.37 0.3723
72 0.13 0.3953

63 -0.29 0.3822

93 1.13 0.2102
24 -2.15 0.0399

100 1.46 0.1365

86 0.80 0.2898
90 0.99 0.2445

67 -0.10 0.3968

86 0.80 0.2898
54 -0.72 0.3078

47 -1.05 0.2292

79 0.47 0.3577
62 -0.34 0.3765

52 -0.82 0.2861

86 0.80 0.2898
32 -1.77 0.0840

28 -1.96 0.0590

53 -0.77 0.2971
55 -0.67 0.3181

80 0.51 0.3495

62 -0.34 0.3765
95 1.23 0.1879

74 0.23 0.3886

58 -0.53 0.3466
100 1.46 0.1365

78 0.42 0.3653

65 -0.20 0.3912
95 1.23 0.1879

82 0.61 0.3313

73 0.18 0.3924
89 0.94 0.2560

95 1.23 0.1879

65 -0.20 0.3912
60 -0.44 0.3629

99 1.42 0.1462

71 0.09 0.3974
48 -1.01 0.2407

76 0.32 0.3785

99 1.42 0.1462
64 -0.25 0.3871

81 0.56 0.3407

85 0.75 0.3007
86 0.80 0.2898

79 0.47 0.3577

98 1.37 0.1562
68 -0.06 0.3983

69 -0.01 0.3989

38 -1.48 0.1334
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50 2.00
P
R
O
B
A
B
I
L
I
D
A
D

PUNTAJE Z
Distribucin Normal
(Funcin de Densidad de Probabilidad)

Si este mismo procedimiento se realiza con las clases que se han elaborado del
problema 1, con una media aritmtica () de 67 y una desviacin estndar () de
20.8614 se obtiene lo siguiente:
Xi Z F
24 -2.06 0.0477
33 -1.63 0.1057
42 -1.20 0.1946
51 -0.77 0.2973
60 -0.34 0.3771
69 0.10 0.3971
78 0.53 0.3472
87 0.96 0.2520
96 1.39 0.1518

Evaluacin de la normalidad
La evaluacin de la normalidad de los datos tiene propiedades importantes:
Es asimtrica, esto quiere decir que la media y la mediana son iguales.
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50 2.00
P
R
O
B
A
B
I
L
I
D
A
D

PUNTAJE Z
Distribucin Normal
(Funcin de Densidad de Probabilidad)

Pgina 67

Tiene forma de campana, aplicndose la regla emprica.
El rango intercuartil es aproximadamente 1.333 desviaciones estndar.
El rango es infinito.

[]
[]

As para cualquier conjunto de valores x, normalmente distribuidos solo
tenemos que transformar sus valores en unidades z mediante la ecuacin
, con
lo que cambiamos sus valores reales a trminos de desviacin estndar.
Al calcular reas bajo la curva normal pueden presentarse 7 diferentes casos:
Caso 1.- Calcular el rea de todos los valores mayores que .
Caso 2.- Calcular el rea de todos los valores menores que .
Caso 3.- Calcular el rea entre la lnea de y un punto en x a su derecha.
Caso 4.- Calcular el rea entre la lnea de y un punto en x hacia la izquierda.
Caso 5.- Calcular el rea entre dos puntos en x que se encuentran a la derecha de .
Caso 6.- Calcular el rea entre dos puntos en x que se encuentran a la izquierda de .
Caso 7.- Calcular el rea entre un punto en x a la izquierda de y otro a su derecha.
Caso 8.- Calcular el dato que divide a la distribucin.

Ejemplo.
Segn el anlisis estadstico de los 90 estudiantes que presentaron el examen de
conocimientos de TBU, es una variable aleatoria que se distribuye normalmente con una
media =67 y con una desviacin estndar
=20.8614.

Caso 1.- Calcular el rea de todos los valores
mayores que .
Cul es la probabilidad de que un
estudiante elegido al azar, obtenga ms de 67 de
calificacin? (Figura 1)
Sern entonces todos aquellos valores que se encuentran a la derecha de . Por
tanto, sabiendo que el rea de la curva siempre ser 1, el rea de la media a la derecha ser
A(z)=0.5 o bien 50%.

Figura 1

Pgina 69


Caso 2.- Calcular el rea de todos los
valores menores que .
Cul es la probabilidad de que un
estudiante elegido al azar, obtenga
menos de 67 de calificacin? (Figura 2)
Ahora debemos considerar todos los
valores que se encuentran antes de la
lnea de , es decir, el lado izquierdo de la
curva normal. En este caso ser tambin la mitad de la curva, es decir: A(z)=0.5 o bien
50%

Caso 3.- Calcular el rea entre la lnea de y un punto en x a su derecha.
Cul es la probabilidad de que un estudiante elegido al azar, obtenga una
calificacin entre 67 y 80? (Figura 3)
Todas las reas que se pueden obtener se encuentran en el anexo el cual es una
tabla de los puntajes Z, siempre se refieren al rea que forma desde menos infinito (-)
hasta el punto en cuestin (x). Por tanto solo transformamos el valor buscado (x=80)
en unidades z mediante
, buscamos el valor obtenido en la tabla del anexo, y

ser el rea buscada.

Figura 2
Ahora buscamos el valor en la tabla del
anexo calculando el valor como sigue:
Localizaremos el valor de z=0.6 (vertical) y en
el rengln de encabezados el valor de z=0.02
(horizontal), as con ambos valores se forma
el 0.62, en el cruce de rengln y columna
encontraremos su respectiva rea de
probabilidad que es 0.7324.
Por lo tanto P(x)= 0.7324-
0.5=0.2324 o bien 23.24% el cual representa la probabilidad de que un estudiante
seleccionado al azar obtenga una calificacin entre 67 y 80.
Si se resta siempre se debe de tener en cuenta que al valor ms grande se le restara
el valor mas pequeo.

Caso 4.- Calcular el rea entre la lnea de y un punto en x hacia la izquierda.
Cul es la probabilidad que en un estudiante seleccionado al azar obtenga una
Primero convertiremos el valor de 50 a unidades estndar mediante

Con la tabla de puntaje Z, la cual incluye
valores negativos, se buscar el rea para Z.
Buscamos en la tabla de Z el rea
correspondiente, el cual la probabilidad es
0.2090.
Por tanto la probabilidad buscada es:
P(x)=0.5-0.2090=0.291; este valor
indica que existe una probabilidad igual a 0.291 o bien 29.1% de que un estudiante
elegido al azar obtenga una calificacin entre 50 y 67.

Figura 3

Figura 4

Pgina 71

Caso 5.- Calcular el rea entre dos puntos en x que se encuentran a la derecha de .
Cul es la probabilidad de que en un estudiante seleccionado al azar obtenga una
Debemos calcular individualmente cada rea, primero para x1, y luego para x2.
Enseguida restaremos el rea mayor al rea menor y obtendremos el rea entre dos
puntos.
Una de las reas como ya ha sido calculada a la que llamaremos rea 1 (80
calificacin, con z=0.62), el valor en la tabla fue de 0.7324.
Ahora de igual manera calcularemos para el rea 2, se estandarizara mediante la
ecuacin

Buscamos en la tabla de z y
encontramos que cuando z=1.10 su rea vale
0.8413.
Finalmente restamos el rea menor a
la mayor y as por diferencia obtenemos el
rea buscada:
P(x)=a2-a1=0.8413-0.7324= 0.1089
o bien 10.89%, que es la probabilidad de que
un estudiante seleccionado al azar obtenga una calificacin de entre 80 y 90.

Figura 5
Caso 6.- Calcular el rea entre dos puntos en x que se encuentran a la izquierda de .
Cul es la probabilidad de que en un estudiante seleccionado al azar obtenga
una calificacin entre 40 y 50? (Figura 6)
El rea con el valor de 50 ya fue
calculada anteriormente, con una
probabilidad de 0.2090, al que llamaremos
rea 2.
Ahora calcularemos para el rea 1, se
estandarizara mediante la ecuacin

Buscamos en la tabla de z y encontramos que cuando z=-1.29 su rea tiene un
valor de 0.0985.
Finalmente restamos el rea menor a la mayor y as por diferencia obtenemos el
rea buscada:
P(x)=a2-a1=0.2090-0.0985= 0.1105 o bien 11.05%, que es la probabilidad de que un
estudiante seleccionado al azar obtenga una calificacin de entre 40 y 50.
Caso 7.- Calcular el rea entre un punto en x a la izquierda de y otro a su derecha.
Cul es la probabilidad de que un estudiante seleccionado al azar obtenga una
Calcularemos las reas desde
menos infinito (-) hasta el punto x1 y
x2.
Como se tienen los resultados de
los dos valores: x1= 50 y x2= 90.
Las reas correspondientes a cada
valor son: a1= 0.2090, a2= 0.8413.
Finalmente restamos el rea
menor a la mayor y as por diferencia

Figura 6

Figura 7

Pgina 73

obtenemos el rea buscada:
P(x)=a2-a1=0.8413-0.2090= 0.6323 o bien 63.23%, que es la probabilidad de que un
estudiante seleccionado al azar obtenga una calificacin de entre 50 y 90.

Caso 8.- Calcular el dato que divide a la distribucin.
Cul es el dato que divide a la distribucin de tal manera que el 99% del rea
queda por debajo de l?
El 90% del rea se encuentra por debajo del dato. Para resolver el problema
localizamos el rea dentro de la tabla de z, el valor que ms se aproxime o sea igual
0.9000 (90%).
La tabla anexada da el rea desde (-) hasta Z, buscando el valor de 0.9000
dentro de los datos de la tabla encontramos que 0.9000 no se encuentra exactamente,
es por ello que se buscaran los valores ms aproximados siendo uno de ellos el valor de
0.8997 que se encuentra por debajo del valor buscado, y 0.9015 que se encuentra por
arriba del valor buscado.
Al no encontrarse este valor se utilizara interpolacin lineal.
Ecuacin para la Interpolacin lineal
Donde y = z

Valores de Z Probabilidad de Z
y1 1.28 0.8997 x1
y ? 0.9 x
y2 1.29 0.9015 x2
Sustituyendo los valores en la ecuacin:

(

(

)

Por lo tanto z=1.281

, despejando x queda de la siguiente forma:

Sustituyendo el valor de z se tiene de la siguiente forma:

Por lo tanto el dato que divide a la distribucin de tal manera que el 90% de los
datos estn por debajo de l es: 93.72
El valor que se encuentra para Z siempre debe de estar entre los dos valores, si el
valor encontrado es mayor al valor superior o en menor que el valor inferior la
interpolacin ha sido realizado incorrectamente, y es necesario checar el procedimiento
o los datos.

Figura 8

Interpolacin lineal


Pgina 75

Muestreo. Estadstica Descriptiva
Ejercicios.
1. Resuelve los ejercicios 14 y 15 del anexo 1, con ayuda de las
tablas de rea bajo la curva normal.

UNIDAD 5

MUESTREO


Pgina 77

DIFERENTES TIPOS DE MUESTREO
No aleatorios: Se eligen los elementos, en funcin de que sean representativos,
segn la opinin del investigador.
Aleatorios: Todos los miembros de la muestra han sido elegidos al azar, de forma
que cada miembro de la poblacin tuvo igual oportunidad de salir en la muestra.
Simple: elegido el tamao n de la muestra: los elementos que la compongan se
han de elegir aleatoriamente entre los N de la poblacin.
Sistemtico: se ordenan los individuos de la poblacin eligiendo uno de ellos al
azar, a intervalos constantes, se eligen todos los dems hasta completar la muestra.
Estratificado: se divide la poblacin total en clases homogneas, llamadas
estratos.
MUESTREO ESTRATIFICADO
El muestreo estratificado es un diseo de muestreo probabilstico en el que
dividimos a la poblacin en subgrupos o estratos. La estratificacin puede basarse en una
amplia variedad de atributos o caractersticas de la poblacin.
En un diseo de muestreo estratificado, los pasos que daremos sern, en primer
lugar, establecer en base a que atributo vamos a estratificar; en segundo lugar,
definiremos cuantas variables de ese atributo se dan en la poblacin y, por tanto, en
cuantos estratos dividimos a la poblacin. Una vez determinados los subgrupos, el
siguiente paso consistir en conocer el total de poblacin que pertenece a cada estrato
(N1, N2, N3, N4, N5) y, por ltimo, tomaremos una muestra de forma aleatoria de
cada uno de los estratos que tenemos (n1, n2, n3, n4, n5). La suma de las submuestras
constituir nuestra muestra total (n1 + n2 + n3 + n4 + n5 = n).

L=5

MUESTREO SIMPLE ALEATORIO.
Una muestra aleatoria es elegida de la poblacin mediante un proceso con el cual
se asegura que:
Cada posible muestra de un tamao dado tenga la misma probabilidad de ser
elegida.
Todos los miembros de la poblacin tengan la misma probabilidad de ser
seleccionados en la muestra.
Ejemplo: En la carrera de filosofa se tienen 120 estudiantes en el 4 semestre, se quiere
extraer una muestra de 30 estudiantes. Explica como se obtiene la muestra:
a) Mediante muestreo aleatorio simple.
Se enumeran los alumnos del 1 al 120.
Se sortean 30 nmeros de entre los 120.
La muestra estar formada por los 30 alumnos a los que les correspondan los
nmeros obtenidos.
b) Mediante muestreo aleatorio sistemtico.
Se enumeran los alumnos del 1 al 120.
Se calcula el intervalo constante entre cada individuo
.
Sorteamos un nmero del 1 al 4, supongamos que sale un 3, el primer
alumno seleccionado para la muestra ser el nmero 3, los siguientes
estudiantes se obtendrn sumando 4, hasta llegar a tener 30 estudiantes.

TAMAO DE LA MUESTRA
Poblacin infinita Poblacin finita

Cuando no se sabe el nmero exacto de
unidades del que est compuesta la poblacin
Cuando se conoce cuantos elementos tiene la
poblacin
En donde: z: nivel de significancia
p: probabilidad a favor
q: probabilidad en contra
N: universo
e: error de estimacin
n: tamao de la muestra

Para una prueba de confianza del 90%, 95% y 99%

Pgina 79

Con un: existe un Valor de Z
90% de confianza 10% de error 1.65

Ejercicios.
1. Resuelve el ejercicio nmero 16 del anexo 1.


Pgina 81

ANEXOS

ACTIVIDADES
1. Antigedad en aos de un grupo de profesores que laboran en cierta secundaria
del municipio de Xalisco.
10 12 7 5 4 9
8 6 3 13 8 6
15 5 14 7 10 13
3 10 2 9 3 6

2. La prueba SSHA (Survey of Study Habits and Attitudes) es una prueba
psicolgica que valora la motivacin y la actitud de los estudiantes. Una
universidad privada somete a la prueba SSHA a una muestra de 18 alumnas de
primer curso. Los resultados son:

154 109 137 115 152 140
154 178 101 103 126 126
137 165 165 129 200 148

3. Edad de 60 conductores, que trabajan en un programa de radio y televisin.
26 30 38 23 25 31 30 34 35 31
34 24 25 21 22 39 34 41 31 36
32 38 22 26 20 40 38 35 33 25
24 22 20 29 37 22 24 22 27 22
21 31 33 30 34 26 27 21 29 21
26 23 36 34 32 25 23 24 32 27

4. En la tabla siguiente se muestra la distribucin de frecuencias de los salarios
semanales, de 80 empleados de un ingenio azucarero.

Salario Empleados
49.50 60.49 8
60.50 71.49 11
71.50 82.49 14
82.50 93.49 17
93.50 104.49 15
104.50 115.49 10
115.50 126.49 5

5. Una muestra de las cantidades que los empleados de Dupree Paint Company
invierten quincenalmente en el plan de participacin de utilidades se organiz en
una distribucin de frecuencias para su estudio.

Cantidad Invertida
Nmero de
Empleados
35.50 46.49 7
46.50 57.49 11
57.50 68.49 22
68.50 79.49 40
79.50 90.49 24
90.50 101.49 9
101.50 112.49 4


Pgina 83

6. Los alumnos de sociales y humanidades que participaron en la Olimpiada
Regional que se llev a cabo en la UAN se clasifican, por alturas, segn la tabla
siguiente.

Altura N. de
Participantes
1.70 1.73 7
1.74 1.77 4
1.78 1.81 8
1.82 1.85 6
1.86 1.89 4
1.90 1.93 9
1.94 1.97 7
1.98 2.01 2
2.02 2.05 3
2.06 2.09 2

7. En un estudio sobre consumo de gasolina en una gran ciudad se eligi una
muestra de 31 vehculos y se observ que el nmero de litros que se consuman
en un da, obtenindose as la siguiente tabla de distribucin de frecuencias

No. de Litros
Nmero de
Automviles
1 4 4
5 8 3
9 12 8
13 16 5
17 20 8
21 24 3

8. Actividades realizadas en la semana cultural del rea de ciencias sociales y
humanidades.
actividad alumnos
Futbol rpido 28
rally 37
Bsquet bol 16
Msica 8
teatro 5

9. Actividad artstica o cultural que practican los alumnos de la preparatoria no.5
ubicada en Tuxpan, Nayarit.
actividad
No. de
alumnos
Pintura 15
Instrumento
musical
26
Ajedrez 13
Teatro 8
Otros 6

10. Diferentes trastornos presentados en pacientes en el Centro de Salud de
Acaponeta Nayarit.
trastorno Pacientes
Trastorno Depresivo 19
Trastorno Bipolar 9
Hipocondra 7
Trastorno del Sueo 16
Adicciones 6
Baja Autoestima 12


Pgina 85

11. Poblacin de sobre peso y obesidad en Mxico 2008.
GRUPOS 2008
Escolares (5 a 11 aos) 4,249,217
Adolecentes (12 a 19 aos) 6,109,420
Adultos (20 a mas aos) 42,222,003
total 52,580,640

12. Una mquina expendedora de refresco se ajusta para servir 7,00 oz (onzas) del
lquido por vaso. La desviacin estndar es de 0,10 oz. Cul es la probabilidad de
que la mquina sirva:
a) entre 7,10 y 7,25 onzas de refresco?
b) 7,25 oz o ms?
c) Entre 6,8 y 7,25 onzas?

13. Los coeficientes intelectuales de 600 aspirantes de cierta universidad se
distribuyen aproximadamente de forma normal con una media de 115 y una
desviacin estndar de 12. Si se selecciona un aspirante al azar, encuentre la
probabilidad de que:
a) Tenga un coeficiente mayor de 120.
a. Tenga un coeficiente mayor de 100.
b. Tenga un coeficiente menor de la media.

14. A cuntas personas tendra que estudiar de una poblacin de 15,000 habitantes
para conocer la prevalencia del uso del facebook?

a) Supngase que se desea determinar la calidad y el nivel de servicio que
ofrece nuestra Unidad de informacin Archivstica; por lo que resulta
necesario entrevistar a los distintos usuarios que acuden a nuestro archivo
para as conocer su opinin, el registro de visitantes a nuestra Unidad de
Informacin del ao pasado y que arroja la cifra de 43,700. Cmo
calcularamos el tamao de la muestra?

b) Se quiere determinar los niveles de estrs aumentan en los periodos de
exmenes, es por esto que se decide elegir una muestra representativa a
partir de una poblacin de 35,200 estudiantes en la Universidad
Autnoma de Nayarit. Con un 90%, 95% y 99% de confianza. Qu
tamao se obtiene con los diferentes niveles de confianza y cul es la ms
apropiada?


Pgina 87

ANEXO 2
GRAFICAS CON EXCEL
Para realizar los grficos en Excel se creara la distribucin de frecuencias.
Basado en el ejemplo 1 de los 90 estudiantes.
Histograma
Polgono de frecuencias
Grafica de barras
Grafica circular
Ojiva mayor que y menor que
Accin Celda Actividad
1 A1 Seleccione las celdas A1 y B1 y combnelas, dentro de ella escriba CLASES
2 A2 Escriba Li
3 B2 Escriba Ls
4 A4 Escriba el primer lmite inferior (20)
5 A5
En el ejemplo el tamao de clase es de 8 pero se le aumentaba 1 para dar un total de
9, escriba: =A4+9
6 A5 Arrastre la celda A5 hasta la celda A12, aparecern los lmites inferiores de clase
7 B4 Escriba el primer lmite superior (28)
8 B5
En el ejemplo el tamao de clase es de 8 pero se le aumentaba 1 para dar un total de
10, escriba: =B4+9
9 B5 Arrastre la celda B5 hasta la celda B12, aparecern los lmites superiores de clase
10 C1
Seleccione las celdas C1 y D1 y combnelas dentro de ella escriba LIMITES REALES
DE CLASE
11 C2 Escriba LRI
12 D2 Escriba LRS
13 C4 Escriba: =A4-.5
14 C4 Arrastre la celda C4 hasta la celda C12, aparecern los lmites reales inferiores de clase
15 D4 Escriba: =B4+.5
16 D4 Arrastre la celda D4 hasta la celda D12, aparecern los lmites reales superiores de clase
17 E2 Escriba fi
18 E3
A partir de esta celda escriba hacia abajo las frecuencias de cada clase. (0, 4, 6, 6, 12,
10, 14, 14, 10, 14, 0)
19 E14
Seleccione las celdas desde E3 hasta E13 y seleccione el icono () enter, aparecer la
suma de las frecuencias
20 F2 Escriba xi
21 F3 Escriba: =(A3+B3)/2
22 F3 Arrastre la celda F3 hasta la celda F13, aparecern los puntos medios de cada clase
23 G2 Escriba grados por clase
24 G3
Escriba: =(E3*360)/E14 despus de escribir E14 oprimir la tecla F4 para congelar la
celda E14 que es el total de los datos
25 G3 Arrastre la celda G3 hasta la celda G13, aparecern los grados por clase
26 G14 Seleccione las celdas desde G3 hasta G13 y seleccione el icono () enter, aparecer la
suma de los grados por clase
La tabla de distribucin de frecuencias debi de haber quedado de la siguiente forma:

Figura 1


Pgina 89

HISTOGRAMA
Para el histograma se necesita:
Limites reales de clase
Frecuencia
Procedimiento:
1. Se da clic sobre alguna de las celdas vacas de la hoja de clculo de Excel (Figura
2)

Figura 2

2. Clic en la pestaa Insertar
3. Clic en el icono columna, y se selecciona la opcin de columna en 2D (Figura 3)

Figura 3

4. Se selecciona una columna en 2D y aparecer un cuadro en blanco que es el que
necesitamos (Figura 4)

Figura 4

5. Sobre el cuadro en blanco se da clic derecho y se selecciona Seleccionar datos
(Figura 5)

Figura 5

6. Aparece el cuadro de dialogo en el cual se ingresaran los datos necesarios y dar
clic sobre el botn Agregar (Figura 6)

Pgina 91


Figura 6

7. En el siguiente cuadro de dialogo que aparece se escribir donde dice Nombre
de la serie: Histograma, y donde dice Valores de la serie: se seleccionaran los
valores de las frecuencias que son desde la celda E3 con un valor de 0 hasta la
celda E13 igual con un valor de 0 y se dar en el botn aceptar (Figura 7)

Figura 7

8. Aparece un nuevo cuadro de dialogo con la leyenda Seleccionar orgenes de
datos, para editar y poner en la parte inferior del eje x los valores de los limites
reales de clase se da clic sobre el botn editar (Figura 8)

Figura 8

9. Aparece el cuadro de dialogo con la leyenda Rtulo del eje, en el cual se
seleccionaran los limites reales de clase, y se dar enter una vez seleccionados los
datos (Figura 9)

Figura 9
10. El cuadro de Seleccionar orgenes de datos ha cambiado las etiquetas del eje
horizontal por lo valores de los limites reales de clase, se da aceptar para ver el
grafico resultante (Figura 10 y 11)

Pgina 93


Figura 10 Figura 11

11. Para realizar el grafico con sus barras juntas se da clic derecho sobre alguna de las
barras del grafico y se seleccionara la opcin Dar formato a serie de datos
(Figura 12)

Figura 12

12. El cuadro de dialogo Formato de serie de datos en la opcin Ancho del
intervalo el deslizador lo llevamos hasta la opcin Sin intervalo y le damos al
botn cerrar (Figura 13)

Figura 13

13. El histograma quedara al agrado de cada persona con las caractersticas esenciales.

0
2
4
6
8
10
12
14
16
28.5 37.5 46.5 55.5 64.5 73.5 82.5 91.5 100.5
19.5 28.5 37.5 46.5 55.5 64.5 73.5 82.5 91.5
F
R
E
C
U
E
N
C
I
A

LIMITES REALES DE CLASE
HISTOGRAMA

Pgina 95

Para el polgono de frecuencia se necesita:
Puntos medios de clase
Frecuencia
Procedimiento:
1. Para este grafico en lugar de seleccionar el icono de Columna se seleccionara el
icono Lnea y la opcin lnea 2D el que se marca en la figura siguiente (Figura
14)

Figura 14
2. Se realizan los mismos pasos del histograma hasta el nmero 6, en el nombre de
la serie se pondr Polgono de Frecuencias y los valores a seleccionar sern las
frecuencias (Figura 15)

Figura 15

3. Se repite el paso 8 y como en el paso 9 se seleccionan los puntos medios de la
distribucin de frecuencia (Figura 16)

Figura 16

4. Se da aceptar al igual que en el paso 10,as el grafico queda concluido y el diseo
ser realizado conforme al agrado de cada persona.


Pgina 97


0
2
4
6
8
10
12
14
16
15 24 33 42 51 60 69 78 87 96 105
F
R
E
C
U
E
N
C
I
A

PUNTOS MEDIOS
Poligono de frecuencia
GRAFICA DE BARRAS
Para el Grafico de barras se necesita:
Lmites de clase
Frecuencia
Procedimiento:
1. Para este grafico se seleccionara el icono Columna y la opcin lnea 2D el que
se marca en la figura siguiente (Figura 17)

Figura 17

la serie se pondr Grafica de Barras y los valores a seleccionar sern las frecuencias
(Figura 18)


Pgina 99

Figura 18
3. Se repite el paso 8 y como en el paso 9 se seleccionan ahora los limites de clase de
la distribucin de frecuencia (Figura 19)

Figura 19

4. Se da aceptar al igual que en el paso 10 y el grafico queda concluido y el formato
del grafico queda a gusto de cada una persona

0
2
4
6
8
10
12
14
16
28 37 46 55 64 73 82 91 100
20 29 38 47 56 65 74 83 92
F
R
E
C
U
E
N
C
I
A

LIMITES DE CLASE
GRAFICA DE BARRAS
GRAFICA CIRCULAR
Para el Grafico Circular se necesita:
Grados por clase
Frecuencia
Procedimiento:
1. Para este grafico se seleccionara el icono Circular y la opcin lnea 2D el que se
marca en la figura siguiente (Figura 20)

Figura 20

la serie se pondr Grafica Circular y los valores a seleccionar sern las frecuencias
(Figura 21)

Pgina 101


Figura 21

3. Se repite el paso 8 y como en el paso 9 se seleccionan ahora los grados por clase
de la distribucin de frecuencia (Figura 22)

Figura 22

4. Se da aceptar al igual que en el paso 10, as el grafico queda concluido y el diseo

16
4%
24
7%
24
7%
48
13%
40
11%
56
15%
56
16%
40
11%
56
16%
GRAFICA CIRCULAR

Pgina 103

OJIVA MENOR QUE
Para la Ojiva Menor que se necesita:
Frecuencia acumulada menor
Limite real superior
Procedimiento:
23)

Figura 23

la serie se pondr Ojiva Menor Que y los valores a seleccionar sern la Frecuencia
Acumulada Menor (Figura 24)

Figura 24

3. Se repite el paso 8 y como en el paso 9 se seleccionan ahora los limites reales
superiores de la distribucin de frecuencia (Figura 25)

Figura 25

4. Se da aceptar al igual que en el paso 10, as el grafico queda concluido y el diseo


Pgina 105


0
10
20
30
40
50
60
70
80
90
100
28.5 37.5 46.5 55.5 64.5 73.5 82.5 91.5 100.5
F
R
E
C
U
E
N
C
I
A

A
C
U
M
U
L
A
D
A

M
E
N
O
R

LIMITES REALES SUPERIORES
OJIVA MENOR QUE
OJIVA MAYOR QUE
Para la Ojiva Mayor que se necesita:
Frecuencia acumulada mayor
Limite real inferior
Procedimiento:
26)

Figura 26

la serie se pondr Ojiva Mayor Que y los valores a seleccionar sern la Frecuencia
Acumulada Mayor (Figura 27)

Pgina 107


Figura 27

3. Se repite el paso 8 y como en el paso 9 se seleccionan ahora los limites reales
inferiores de la distribucin de frecuencia (Figura 28)

Figura 28

4. Se da aceptar al igual que en el paso 10,as el grafico queda concluido y el diseo

0
10
20
30
40
50
60
70
80
90
100
19.5 28.5 37.5 46.5 55.5 64.5 73.5 82.5 91.5
F
R
E
C
U
E
N
C
I
A

A
C
U
M
U
L
A
D
A

M
A
Y
O
R

LIMITES RELAES INFERIORES
OJIVA MAYOR QUE

Pgina 109


ANEXO 3
rea Bajo la Curva Normal
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-4.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

-3.9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.8 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.7 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.6 0.0002 0.0002 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002

-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010

-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048

-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183

-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559

-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379

-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776

-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

rea Bajo la Curva Normal (contina)
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879

0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389

1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319

1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767

2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936

2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986

3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998

3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

4.0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

Pgina 111


BIBLIOGRAFA

- Berenson, M, y Levine, D. 1996. Estadstica bsica en administracin. Prentice
Hall. Mxico.
- Daz, D. J. 2000. Probabilidad y Estadstica. Instituto Tecnolgico de Tepic.
Mxico
- Robert R. Pagano 2006 Estadstica para las Ciencias del Comportamiento 7.
Edicin Thomson
- Fundamentos para la investigacin en las ciencias sociales, Levin, Ed. Oxford
- Fuenlabrada, S. 2002. Probabilidad y Estadstica. McGRAW-HILL. Mxico.
- Infante, Gil, Said, Guillermo P. Zarate de Lara. Mtodos Estadsticos, Edit. Trillas.
- John E. Freund Gary A. Simon Estadstica Elemental Ed. Prentice Hall
- Larry J. Stephens Serie Schaumm Ed. Mc Graw Hill
- Mason, Lind, Marchal 10a Edicin. Estadstica para Administracin y Economa.
Alfaomega
- Mendenhall, W. 1982. Introduccin a la probabilidad y estadstica. Wadsworth
Internacional/Iberoamrica. Estados Unidos de Amrica.
- Murray R. Spiegel Estadstica
- Walpole Myers Probabilidad y Estadstica Ed. Mc Graw Hill
- William W. Hines Douglas C. Montgomery. Probabilidad Y Estadstica Para
Ingeniera Y Administracin
Para aprender ms
- http://www.academia-estadistica.blogspot.com/

Material de Estadística Descriptiva (Cuadernillo)

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

Material de Estadística Descriptiva (Cuadernillo)

Uploaded by

Copyright:

Available Formats

Lic. Espino Flores G - Lic. Gonzlez Castillo S.

; el dato obtenido se localizara en la columna de frecuencia

no importa que se pase en cuanto a la frecuencia acumulada, pero siempre y cuando no

Frecuencia de la clase anterior a donde est contenida la moda.

Frecuencia de la clase posterior a donde est contenida la moda.

| = Valor absoluto de la diferencia entre cada dato y la media aritmtica

= el producto de la frecuencia de cada clase por el valor absoluto de la

= La diferencia entre cada dato y la media aritmtica muestral, elevado al

= la diferencia entre cada dato y la media aritmtica poblacional, elevado al

y la probabilidad correspondiente a cada dato, este procedimiento es

, buscamos el valor obtenido en la tabla del anexo, y

, despejando x queda de la siguiente forma:

You might also like