Karine BERTIN

Poblaciones,
muestras y
procesos.

Probabilidad y Estadstica,EIC 311

Estadstica
descriptiva

Panorama general y estadstica descriptiva

Karine BERTIN

1er Semestre 2016

1 / 58

Introduccin a la estadstica
Definicin 1.1
La estadstica es la ciencia que trata de:
recoger, organizar, resumir, presentar, interpretar y
procesar datos para convertirlos en informacin

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

2 / 58

Introduccin a la estadstica
Definicin 1.1
La estadstica es la ciencia que trata de:
recoger, organizar, resumir, presentar, interpretar y
procesar datos para convertirlos en informacin

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

predicciones, pronsticos, estimacin

3 / 58

Introduccin a la estadstica
Definicin 1.1
La estadstica es la ciencia que trata de:
recoger, organizar, resumir, presentar, interpretar y
procesar datos para convertirlos en informacin =
EST. DESCRIPTIVA

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

predicciones, pronsticos, estimacin

4 / 58

Introduccin a la estadstica
Definicin 1.1
La estadstica es la ciencia que trata de:
recoger, organizar, resumir, presentar, interpretar y
procesar datos para convertirlos en informacin =
EST. DESCRIPTIVA

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

predicciones, pronsticos, estimacin = INFERENCIA

ESTADSTICA

5 / 58

Poblaciones y Muestras
Los subjetos o objetos en estudio se llaman individuos o
unidades.
La poblacin es el conjunto (o la agrupacin) de todos
los individuos o unidades que se estudian.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

La informacin se recolecta en forma de muestras o

agrupaciones de muestras. Un muestra es un
subconjunto de la poblacin.
Cuando la informacin deseada est disponible para
todos los objetos de la poblacin, se tiene lo que se
llama un censo.

6 / 58

Por qu trabajar con una muestra en lugar de la

poblacin?
Porque:
podemos destruir la poblacin (ej: tiempo de vida de una
ampolleta, resistencia de un material ante una fuerza);

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

imposible de realizar (ej: poblacin de peces en el mar);

muy costoso;
tiempo excesivo.

7 / 58

Tratamos de saber algo de la poblacin escogiendo y

examinando a un subgrupo de sus elementos, i.e. la
muestra.
Cmo escoger una muestra?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

8 / 58

Tratamos de saber algo de la poblacin escogiendo y

examinando a un subgrupo de sus elementos, i.e. la
muestra.
Cmo escoger una muestra?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Representativa de la poblacin.
Al azar.

9 / 58

Ejemplo
Ejemplo 1.1
Se quiere estudiar la contaminacin de los buses de la quinta
regin. Se quiere tomar una muestra de 100 buses de la
quinta regin.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Poblacin: Todos los buses de la quinta regin.

10 / 58

Ejemplo
Ejemplo 1.1
Se quiere estudiar la contaminacin de los buses de la quinta
regin. Se quiere tomar una muestra de 100 buses de la
quinta regin.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Poblacin: Todos los buses de la quinta regin.

Cmo escoger una muestra?:
Al azar
Dentro de una lista de 5000 patentes ordenadas, un bus
cada 50 bus.
Tal que la muestra contenga 20 % de buses con fecha de
fabricacin anterior a 1990, 40 % fecha entre 1991 y
2000, 30 % con fecha entre 2001 y 2010 y 10 % con
fecha entre 2011 y 2015.
...
11 / 58

Tcnicas de muestreo
Muestreo aleatorio simple: Diseo en el que se
seleccionan unidades de la poblacin de tal modo que
todas las unidades tienen la misma chance (probabilidad)
de seleccin y todas las muestras son equiprobables.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

12 / 58

Tcnicas de muestreo
Muestreo aleatorio simple: Diseo en el que se
seleccionan unidades de la poblacin de tal modo que
todas las unidades tienen la misma chance (probabilidad)
de seleccin y todas las muestras son equiprobables.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Muestreo estratificado: Para aplicar este diseo, se

necesita que la poblacin est dividida en
subpoblaciones, estratos, que no se solapen. Se
selecciona una muestra aleatoria simple en cada estrato
y se trabaja de manera independiente entre estratos. La
muestra final es el conjunto de todas estas muestras y
las proporciones de cada estrato son las mismas en la
muestra y en la poblacin.
En el ejemplo 1.1 donde se considera la poblacin de los
buses de la quinta regin, hay 4 estratos.
13 / 58

Tcnicas de muestreo
Muestreo sistematico Este muestreo se usa cuando los
datos estan ordenados (Gua telefonica, lista de patentes
de buses, . . . ). Se elige un individuo de la poblacin
cada n0 individuo.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Dentro de una lista de 5000 patentes ordenadas, un bus

cada 50 bus, para obtener una muestra de 100 buses.

14 / 58

Tcnicas de muestreo
Muestreo sistematico Este muestreo se usa cuando los
datos estan ordenados (Gua telefonica, lista de patentes
de buses, . . . ). Se elige un individuo de la poblacin
cada n0 individuo.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Dentro de una lista de 5000 patentes ordenadas, un bus

cada 50 bus, para obtener una muestra de 100 buses.
Muestreo por conveniencia: Se seleccionan unidades
de anlisis que cumplen los requisitos de la poblacin
objetivo pero que no son seleccionadas al azar. Se utiliza
preferentemente en estudios exploratorios. Las pruebas
pilotos, tambin usan con frecuencia ste tipo de
muestreo.

15 / 58

Tcnicas de muestreo
Muestreo sistematico Este muestreo se usa cuando los
datos estan ordenados (Gua telefonica, lista de patentes
de buses, . . . ). Se elige un individuo de la poblacin
cada n0 individuo.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Dentro de una lista de 5000 patentes ordenadas, un bus

cada 50 bus, para obtener una muestra de 100 buses.
Muestreo por conveniencia: Se seleccionan unidades
de anlisis que cumplen los requisitos de la poblacin
objetivo pero que no son seleccionadas al azar. Se utiliza
preferentemente en estudios exploratorios. Las pruebas
pilotos, tambin usan con frecuencia ste tipo de
muestreo.
Muestreo por conglomerado, Muestreo doble, . . .

16 / 58

Estadstica descriptiva
La estadstica descriptiva busca, a partir de
datos (muestras), resumir y describir
informacin.
De qu forma?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

17 / 58

Estadstica descriptiva
La estadstica descriptiva busca, a partir de
datos (muestras), resumir y describir
informacin.
De qu forma? = Tablas, figuras, medidas
de resumen.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

18 / 58

Estadstica inferencial
Una vez resumida y descrita la informacin
queremos tomar medidas o generar opinin y/o
conclusin, lo que lograremos mediante la
estadstica inferencial.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

De qu forma?

19 / 58

Estadstica inferencial
Una vez resumida y descrita la informacin
queremos tomar medidas o generar opinin y/o
conclusin, lo que lograremos mediante la
estadstica inferencial.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

De qu forma? = Estimacin, prediccin,

pronsticos.

20 / 58

Ejemplo
Ejemplo 1.2
Un profesor quiere comparar dos mtodos para ensear
programacin a principiantes. Divide el curso en dos grupos a
los cuales le aplica un mtodo diferente a los dos grupos. Al
final, compara los rendimientos analizando las calificaciones
de ambos grupos.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

21 / 58

Ejemplo
Ejemplo 1.2
Un profesor quiere comparar dos mtodos para ensear
programacin a principiantes. Divide el curso en dos grupos a
los cuales le aplica un mtodo diferente a los dos grupos. Al
final, compara los rendimientos analizando las calificaciones
de ambos grupos.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Cmo escoger los dos grupos?

Cmo resumir las calificaciones de ambos grupos?
Cmo saber si las diferencias en las calificaciones son
estadsticamente siginificativas?

22 / 58

Modelos de probabilidad
Para obtener conclusiones debemos tomar en
cuenta la posibilidad de la casualidad.
Si el promedio de las notas de un grupo es
mayor que del otro grupo significa
necesariamente que hay un mtodo mejor que
el otro?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

23 / 58

Modelos de probabilidad
Para obtener conclusiones debemos tomar en
cuenta la posibilidad de la casualidad.
Si el promedio de las notas de un grupo es
mayor que del otro grupo significa
necesariamente que hay un mtodo mejor que
el otro?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Para obtener conclusiones lgicas se deben

realizar suposiciones acerca de las posibilidades
o probabilidades de obtener diferentes valores
de los datos.

24 / 58

Modelos de probabilidad
Para obtener conclusiones debemos tomar en
cuenta la posibilidad de la casualidad.
Si el promedio de las notas de un grupo es
mayor que del otro grupo significa
necesariamente que hay un mtodo mejor que
el otro?

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Para obtener conclusiones lgicas se deben

realizar suposiciones acerca de las posibilidades
o probabilidades de obtener diferentes valores
de los datos. = Modelo de probabilidad.

25 / 58

Modelos de probabilidad (cont.)

Karine BERTIN

La naturaleza de los datos sugiere el modelo de probablidad

que se va asumir.

Poblaciones,
muestras y
procesos.

Ejemplo 1.3

Estadstica
descriptiva

Se quiere determinar la tasa de chips para PCs producidos

con un nuevo procedimiento que presentan defectos. Se
escoge una muestra de chips de forma aleatoria y se busca
determinar la probabilidad p de que un chip escogido al azar
sea defectuoso, donde p representa la proporcin desconocida
de todos los chips defectuosos producidos por este nuevo
mtodo.

26 / 58

Modelos de probabilidad (cont.)

Karine BERTIN

La naturaleza de los datos sugiere el modelo de probablidad

que se va asumir.

Poblaciones,
muestras y
procesos.

Ejemplo 1.3

Estadstica
descriptiva

Se quiere determinar la tasa de chips para PCs producidos

con un nuevo procedimiento que presentan defectos. Se
escoge una muestra de chips de forma aleatoria y se busca
determinar la probabilidad p de que un chip escogido al azar
sea defectuoso, donde p representa la proporcin desconocida
de todos los chips defectuosos producidos por este nuevo
mtodo.
= Se busca hacer inferencia sobre p a partir de una
muestra. Dar una aproximacin del valor de p o un intervalo
posible de valor (Intervalo de confianza).

27 / 58

Modelos de probabilidad (cont.)

No siempre ser tan evidente definir el modelo de
probabilidad adecuado para estudiar un conjunto de datos
pero un cuidadoso estudio descriptivo nos permitir inferir un
modelo razonable que podremos aplicar a datos adicionales.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

28 / 58

Mtodos grficos y tabular en estadstica

descriptiva

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

29 / 58

Tipos de datos
Una variable corresponde a une caracterstica medida a
los individuos de una poblacin.
Una variable se dice cuantitativa cuando los valores
que toma representan una cantitad. Del contrario, se
dice cualitativa.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

30 / 58

Frecuencias y distribucin de frecuencias

Definicin 1.2
Una distribucin de frecuencias es:
una lista o una tabla;

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

contiene agrupaciones de clases (categoras o intervalos

donde toman valor los datos);
las correspondientes frecuencias mediante las cuales los
datos toman valor dentro de cada clase o categora.

31 / 58

Frecuencias y distribucin de frecuencias

Definicin 1.2
Una distribucin de frecuencias es:
una lista o una tabla;

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

contiene agrupaciones de clases (categoras o intervalos

donde toman valor los datos);
las correspondientes frecuencias mediante las cuales los
datos toman valor dentro de cada clase o categora.

Definicin 1.3
La frecuencia absoluta asociada a una clase Ck (o un
valor) es el nmero de individuos que pertenecen a la
clase en la muestra. Se denota nk .
La frecuencia relativa asociada a una clase Ck (o un
valor) es la proporcin de individuos que pertenecen a la
clase en la muestra. Se denota fk .
32 / 58

Frecuencias y distribucin de frecuencias

La distribucin de frecuencias es una forma de resumir
los datos.
La distribucin condensa los datos primarios en una
forma til y permite una interpretacin visual rpida de
los datos.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

33 / 58

Frecuencias y distribucin de frecuencias: Ejemplo

Ejemplo 1.4
Se tiene la siguiente muestra que muestran el grupo
sanguneo de 40 individuos:
AB, A, B, O, A, A, A, B, O, AB,
B, O, B, B, B, A, A, A, AB, B,
O, A, A, A, AB, AB, O, B, B, AB,
0, B, O, O, A, A, O, B, AB, AB.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

34 / 58

Frecuencias y distribucin de frecuencias: Ejemplo

Ejemplo 1.4
Se tiene la siguiente muestra que muestran el grupo
sanguneo de 40 individuos:
AB, A, B, O, A, A, A, B, O, AB,
B, O, B, B, B, A, A, A, AB, B,
O, A, A, A, AB, AB, O, B, B, AB,
0, B, O, O, A, A, O, B, AB, AB.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

CLASE FREC. ABSOLUTA FREC. RELATIVA

Ck
nk
fk
A
12
0.3
B
11
0.275
AB
8
0.2
O
9
0.225
TOTAL
40
1
k = 1, , 4, se tiene 4 clases en este ejemplo.
35 / 58

Frecuencias y distribucin de frecuencias

Definicin 1.4
La frecuencia absoluta acumulada hasta la clase Ck
(o un valor) es el nmero de individuos que pertenecen a
las clases C1 , . . . , Ck . Se denota Nk .

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

La frecuencia relativa acumulada hasta la clase Ck (o

un valor) es la proporcin de individuos que pertenecen
a las clases C1 , . . . , Ck . Se denota Fk .
Observacin: estos dos tipos de frecuencias tienen sentido
solamente en el caso de variable cuantitativos y ordinales.

Definicin 1.5
La marca de clase ck es el centro de la clase Ck .
Observacin: Se calcula solamente cuando las clases son
intervalos.
36 / 58

Frecuencias y distribucin de frecuencias: ejemplos

Ejemplo 1.5

Poblaciones,
muestras y
procesos.

Se tiene la siguiente muestra que muestran la edad de 10

estudiantes:
22,21,22,23,22,21,23,25,19.
CLASE
Ck
19
21
22
23
25
TOTAL

FA
nk
1
2
4
2
1
10

Karine BERTIN

FAA
Nk
1
3
7
9
10

FR
fk
0.1
0.2
0.4
0.2
0.1
1

Estadstica
descriptiva

FRA
Fk
0.1
0.3
0.7
0.9
1

37 / 58

Frecuencias y distribucin de frecuencias: ejemplos

con datos continuos
Datos agrupados en clases

Los datos siguientes representan en centmetros las

longitudes de 50 artculos producidos por una mquina.
4.15
5.27
5.63
6.66
7.70

4.27
5.33
5.74
6.75
7.94

4.62
5.33
5.86
6.92

4.68
5.33
5.86
6.98

4.68
5.39
5.86
6.98

4.80
5.45
6.02
7.10

4.86
5.51
6.02
7.14

4.92
5.51
6.04
7.22

4.98
5.57
6.10
7.22

5.15
5.63
6.33
7.30

5.15
5.63
6.66
7.38

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

5.27
5.63
6.66
7.54

38 / 58

Frecuencias y distribucin de frecuencias: ejemplos

con datos continuos
Datos agrupados en clases

Numero de datos: n = 50.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

39 / 58

Frecuencias y distribucin de frecuencias: ejemplos

con datos continuos
Datos agrupados en clases

Numero de datos: n = 50.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Numero de clases: K = 1 + 3,3 log(n), K = 6,6 7

40 / 58

Frecuencias y distribucin de frecuencias: ejemplos

con datos continuos
Datos agrupados en clases

Numero de datos: n = 50.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Numero de clases: K = 1 + 3,3 log(n), K = 6,6 7

Inicio clase: 4.15, final clase: 8, Rango=8-4.15= 3.85

41 / 58

Frecuencias y distribucin de frecuencias: ejemplos

con datos continuos
Datos agrupados en clases

Numero de datos: n = 50.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Numero de clases: K = 1 + 3,3 log(n), K = 6,6 7

Inicio clase: 4.15, final clase: 8, Rango=8-4.15= 3.85
Amplitud clases=rango/K. Amplitud=0.55

42 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck

Frec.
Absoluta
nk

Frec.
Relativa
fk

Frec. Abs.
Acumulada
Nk

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva

43 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck
4.425
4.975
5.525
6.075
6.625
7.175
7.725

Frec.
Absoluta
nk

Frec.
Relativa
fk

Frec. Abs.
Acumulada
Nk

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva

44 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck
4.425
4.975
5.525
6.075
6.625
7.175
7.725

Frec.
Absoluta
nk
5
6
15
8
4
9
3
50

Frec.
Relativa
fk

Frec. Abs.
Acumulada
Nk

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva

45 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck
4.425
4.975
5.525
6.075
6.625
7.175
7.725

Frec.
Absoluta
nk
5
6
15
8
4
9
3
50

Frec.
Relativa
fk
0.1
0.12
0.3
0.16
0.08
0.18
0.06
1

Frec. Abs.
Acumulada
Nk

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva

46 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck
4.425
4.975
5.525
6.075
6.625
7.175
7.725

Frec.
Absoluta
nk
5
6
15
8
4
9
3
50

Frec.
Relativa
fk
0.1
0.12
0.3
0.16
0.08
0.18
0.06
1

Frec. Abs.
Acumulada
Nk
5
11
26
34
38
47
50

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva

47 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,

Intervalo
Ck
[4,15, 4,70)
[4,70, 5,25)
[5,25, 5,80)
[5,80, 6,35)
[6,35, 6,90)
[6,90, 7,45)
[7,45, 8,00)
TOTAL

Marca de
clase
ck
4.425
4.975
5.525
6.075
6.625
7.175
7.725

Frec.
Absoluta
nk
5
6
15
8
4
9
3
50

Frec.
Relativa
fk
0.1
0.12
0.3
0.16
0.08
0.18
0.06
1

Frec. Abs.
Acumulada
Nk
5
11
26
34
38
47
50

y
Frec. Rel. muestras
procesos.
Acumulada
Estadstica
Fk
descriptiva
0.1
0.22
0.52
0.68
0.76
0.94
1

48 / 58

Tipos de grficos
Adems de las tablas de frecuencias, se puede resumir datos
mediante grficos y figuras:
Datos categricos:

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

Diagrama de barras.
Diagrama de sectores circulares.

Datos cuantitativos:
Diagrama de barras (variables discretas).
Histograma (variables continuas).
Grafico de tallo y hojas.

49 / 58

Tipos de grficos
Ejemplo 1.5: Grupos sanguneos: Sectores Circulares.
Los angulos de cada clase son propocionales a las frecuencias
relativas (o proporciones) de cada clase.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

50 / 58

Tipos de grficos
Ejemplo 1.6
Niveles de satisfacciones de 901 empleados:
CLASE FA
FR
Ck
nk
fk
MI
62 0.07
I
108 0.12
S
319 0.35
MS
412 0.46
TOTAL 901
1
MI: Muy Insatisfecho; I: Insatisfecho; S: Satisfecho; MS: Muy
Satisfecho. k = 1, , 4, se tiene 4 clases.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

51 / 58

Tipos de grficos: diagrama de barras

Ejemplo 1.6: Niveles de satisfacciones de 901 empleados:
Grfico de barras:

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

52 / 58

Tipos de grficos: diagrama de barras

En el eje de las ordenadas (eje Y) se pueden graficar
tambin proporciones (frecuencia relativa) en vez de
nmeros (frecuencia absoluta).
El diagrama en barras, se puede usar tambien para
variables discretas, pero en este caso el eje de las
abscissas (eje X) respeta la escala de la variable.

Karine BERTIN
Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

53 / 58

Frecuencias y distribucin de frecuencias:

Karine BERTIN

Datos agrupados
Poblaciones,
muestras y
procesos.

Ejemplo de datos de consumo de energa:

Intervalo
Ck
[1, 3)
[3, 5)
[5, 7)
[7, 9)
[9, 11)
[11, 13)
[13, 15)
[15, 17)
[17, 19)
TOTAL

Marca de
clase
ck
2
4
6
8
10
12
14
16
18

Frec.
Absoluta
nk
1
1
11
21
25
17
9
4
1
90

Frec.
Relativa
fk
0.011
0.011
0.122
0.233
0.278
0.190
0.100
0.044
0.011
1

Frec. Abs.
Acumulada
Nk
1
2
13
34
59
76
85
89
90

Frec. Rel.
Acumulada
Fk
0.011
0.022
0.144
0.377
0.655
0.845
0.945
0.989
1

Estadstica
descriptiva

54 / 58

Tipos de grficos

Karine BERTIN

Datos agrupados: Histograma

[Devore, p. 18-19]:

Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

55 / 58

Tipos de grficos

Karine BERTIN

Datos agrupados: Histograma

[Devore, p. 18-19]:

Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

56 / 58

Tipos de grficos

Karine BERTIN

Datos agrupados: Histograma

Datos longitud de artculos.

Poblaciones,
muestras y
procesos.
Estadstica
descriptiva

57 / 58

Tipos de grficos

Karine BERTIN

Datos agrupados: Histograma

Poblaciones,
muestras y
procesos.

Datos longitud de artculos.

Estadstica
descriptiva

Histograma
16
14
Frecuencia

12
10
8
6

Frecuencia

4
2
0
[4,15;4,7[ [4,7;5,25[ [5,25;5,8[ [5,8;6,35[ [6,35;6,9[ [6,9;7,45[ [7,45;8[
Clase

58 / 58