UNIVERSIDAD NACIONAL

JOSE FAUSTINO SANCHEZ CARRIÓN

ESCUELA DE POSTGRADO

MAESTRÍA EN CIENCIAS DE LA GESTIÓN

EDUCATIVA
MENCIÓN: PEDAGOGÍA B
ASIGNATURA:
ESTADÍSTICA PARA LA INVESTIGACIÓN
EDUCATIVA

Dr. Edgar Tito Susanibar Ramírez

Docente responsable
 Introducción
Reflexiones previas:
Primer caso:
Se debe lanzar en el mercado un nuevo producto.
Por ejemplo: Camisas ELE.

Entonces se necesita saber la demanda que tendrá el

nuevo producto.
¿Cómo obtenemos esa información?
……..Acudimos a la estadística…….
¿Cómo así?
Segundo caso:

Se debe verificar la efectividad de un medicamento para

canes de una determinada raza.

Entonces se necesita demostrar la mejora significativa

que tiene el medicamento.

¿Cómo obtenemos esa información?

……..Acudimos a la estadística…….
¿Cómo así?
Tercer caso:

Se debe comprobar la efectividad de un método de la

enseñanza de lectura en estudiantes de Secundaria.

Entonces se necesita demostrar la mejora significativa

de los aprendizajes.

¿Cómo obtenemos esa información?

……..Acudimos a la estadística…….
¿Cómo así?
 LECTURA:
La Estadística en la Investigación Educativa
Autor:
JAVIER GIL FLORES
UNIVERSIDAD DE SEVILLA. España

Autor:
Michel Enrique Gamboa Graus
 Universidad de Las Tunas. Cuba
 Actividad Grupal
1. LA ESTADÍSTICA EN LA INVESTIGACIÓN EDUCATIVA.
General.
2. LA ESTADÍSTICA EN EL PROCESO DE INVESTIGACIÓN.
3. LA ESTADÍSTICA Y LOS PROGRAMAS DE
INVESTIGACIÓN POSITIVISTAS.
4. LA ESTADÍSTICA EN LOS PROGRAMAS DE
INVESTIGACIÓN CUALITATIVOS.
5. LÍMITES DE LA ESTADÍSTICA. Usos incorrectos de la
Estadística.
6. LÍMITES DE LA ESTADÍSTICA. Limitaciones intrínsecas
de la Estadística.
7. LA IMPORTANCIA DE LA ESTADÍSTICA PARA LA
INVESTIGACIÓN EDUCATIVA. Conclusiones
 ¿Qué es la Estadística?
La estadística es una ciencia formal que estudia la recopilación,
la organización, la presentación y el análisis e interpretación
de datos con el fin sacar conclusiones válidas y tomar
decisiones razonables.
 ¿Qué es la Estadística?
La estadística es una ciencia formal que estudia la recopilación,
la organización, la presentación y el análisis e interpretación
de datos con el fin sacar conclusiones válidas y tomar
decisiones razonables.
Actualmente se aplica en todas las áreas del saber, por ejemplo
en Educación, Sociología Psicología, Administración, Economía,
Medicina, Ciencias Políticas, entre otras.
Son ejemplos de su aplicación:
1) En Administración de Empresas: la estadística se utiliza para
evaluar un producto antes de comercializarlo.
2) En Economía: para medir la evolución de los precios mediante
números índice o para estudiar los hábitos de los
consumidores a través de encuestas de presupuestos
familiares.
3) En Educación: se mide el aprendizaje de los estudiantes
cuando se utiliza un determinado método de enseñanza.
4) En Ciencias Políticas: para conocer las preferencias de los
electores antes de una votación mediante sondeos y así
orientar las estrategias de los candidatos.
5) En Sociología: para estudiar las opiniones de los colectivos
sociales sobre temas de actualidad.
6) En Psicología: para elaborar las escalas de los test y
cuantificar aspectos del comportamiento humano (por ejemplo
los test que se aplican a los candidatos para un cargo en una
empresa).
7) En Medicina: uno entre muchos usos de la estadística, es
para determinar el estado de salud de la población.

En general en las Ciencias Sociales, la estadística se emplea

para medir las relaciones entre variables y hacer predicciones
sobre ellas.
LA ESTADÍSTICA SE DIVIDE EN DOS GRANDES
RAMAS
 ESTADISTICA DESCRIPTIVA.- Entendida como la parte
que se encarga de la recolección y elaboración de datos, es
decir: clasificación, presentación de la información y el
cálculo de medidas de tendencia central y dispersión.
 ESTADISTICA INFERENCIAL.- Permite tomar decisiones
y/o predecir fenómenos con respecto a las características
de la población en base a la información de la muestra
extraída de la población en estudio.

Inferir
n N
Resumiendo
¿Qué es la RECOPILAR de datos ?

Es el registro de características
(medición, observación, conteo) de
una unidad elemental (o de análisis).
¿Qué es la ORGANIZACIÓN de datos ?

Es el ordenamiento para una mejor

comprensión y facilitar sus análisis.
(A través de tablas, gráficos y figuras)

Los datos sin organizar se llaman datos

brutos, y son de poca utilidad.
¿Qué es el ANALISIS de datos ?
Es el cálculo de medidas representativas
(o de resumen) tales como promedios,
medidas de variabilidad y medidas de la
forma de la distribución.

También se analizan datos cuando

se establecen relaciones entre
ellos (regresión y correlación).
 La Investigación Científica
¿Qué es la investigación científica?

Es la búsqueda sistematizada y objetiva de

nuevos conocimientos.

El método científico, comprende realizar la

investigación en forma sistematizada,
objetiva, organizada y coherente.
 Etapas de la Investigación Científica
Planificación: Elaboración del proyecto. Abarca una descripción detallada y
fundamentada de cada una de las actividades a desarrollarse en la
investigación.
Ejecución: Es la etapa en la cual se lleva a cabo la investigación. Recolección de
datos, análisis e interpretación.
Informe: Escrito donde se presentan los hallazgos encontrados.
DETALLADAMENTE SE TIENE LAS SIGUIENTE S ETAPAS:
 Planteamiento del problema.
 Fijación de los objetivos.
 Formulación de la hipótesis.
 Definición de la unidad de observación y de la unidad de medida.
 Determinación de la población y de la muestra.
 La recolección.
 Crítica, clasificación y ordenación.
 Tabulación.
 Presentación.
 Análisis.
 Publicación.
 ¿Qué son los DATOS ?
El DATO es el valor aislado de una variable
Son los registros de una característica.
Ejemplo :

Unidad de
Características Datos
medida
Edad del paciente 27 años
Peso del recién nacido 3,750 Kg.
Tiempo permanencia 5 días
Temperatura corporal 37,5 °C
Profesión Enfermera ---
¿Por qué necesitamos recolectar datos?

Proporcionan la evidencia imprescindible en

un estudio de investigación.
Permiten medir el desempeño en el proceso
de producción de un bien o servicio.
Ayudan a la formulación de cursos
alternativos de acción en un proceso de
toma de decisiones.
Satisfacen nuestra curiosidad innata.
 DEFINICIÓN DE ALGUNOS TERMINOS
ESTADÍSTICOS

 POBLACION.- Es el conjunto de personas u objetos con

una característica o atributo especial cuantificable, en
un periodo y en un lugar determinado.
 MUESTRA.- Es un Subconjunto de la población que se
obtiene con la finalidad de estudiar las características
comunes de la población y debe ser representativa con un
tamaño apropiado.
 VARIABLE
Es toda característica que se desea evaluar de las
unidades de análisis. Se representa por letras mayúscula
del alfabeto.
Ejemplo:
X: Número de hijos de una familia del distrito de Sayán.
Y: Sexo de un grupo de alumnos de una I.E.
UNIDAD DE ANALISIS. Llamada también elemento de la
población: es la unidad de la cual se obtiene el dato
estadístico; también se le denomina como la unidad
indivisible y es el objeto de estudio. Ejemplo: Puede ser
una persona, vivienda, animal, etc.
 DEFINICIÓN DE ALGUNOS TÉRMINOS
ESTADÍSTICOS
PARAMETRO: Es una medida descriptiva que resume
una característica de la población, es decir es una función
de todas las observaciones de una población.

Un parámetro es un valor único, se le llama incógnita (lo que

el investigador desea conocer). Se denota por letras griegas.
Ejemplos:
• Media poblacional : µ
• Varianza poblacional : σ2
• Mediana poblacional : Me
• Moda poblacional : Mo
 VALOR ESTADISTICO O ESTADISGRAFO: Es una
medida descriptiva que resume una característica
de la muestra y no depende de parámetro alguno.
Se caracteriza porque puede tomar valores diferentes de
muestra a muestra, debido a que las observaciones
captadas en muestras diferentes no son necesariamente
iguales.
Ejemplo:
• Media muestral : X
• Varianza muestral : S2
• Mediana muestral : me
• Moda muestral : mo
 TIPOS DE VARIABLE

Se tiene dos tipos de variables:

1. VARIABLE CUANTITATIVA: Se miden en forma

numérica, pueden ser:
Variable Cuantitativa Discreta (VCD): Toman
valores enteros positivos en sus observaciones. Se
registran por conteo.
Ejemplo:
X: número de hijos de una familia del distrito de
Bellavista.
 Variable Cuantitativa Continua (V.C.C):
Asume cualquier valor numérico en un
intervalo continuo. Se obtienen con el uso de
instrumentos de medición: Balanzas,
termómetros, etc.
Ejemplo: Z: peso (en gr) de los conejos de un
criadero de la Molina.
2. VARIABLE CUALITATIVA: Los resultados
no pueden ser expresados en forma
numérica. A las observaciones cualitativas se
le llama atributos.
Se subdividen en :
Variable Cualitativa Nominal (V.C.N): En esta variable
no se pueden establecer un orden entre las posibles
observaciones.
Ejemplo:
X: razas de los vacas del criadero de la Universidad.

Variable Cualitativa Ordinal (V.C.O): En ésta se pueden

establecer un orden entre sus atributos.
Ejemplo:
X: Grado de instrucción de un ciudadano de la provincia
de Huaura.
 EJERCICIO
En los siguientes casos identifique: la población, la muestra, la
variable, la unidad de análisis y el registro.
1. Actitudes hacia la lectura de los estudiantes de la Universidad JFSC.
2. Cantidad de inasistencias de los docentes de la Facultad de Educación durante el
mes de abril del 2018.
3. Afiliación política de 150 maestristas de la UNJFSC.
4. Situación laboral de 50 trabajadores de la Universidad.
5. Estado de salud de los docentes de la Escuela de Posgrado de la UNJFSC
6. Cantidad de ganado vacuno en los establos de las provincias de la Huaura y
Barranca.
7. Religión de los padres de familia de la comunidad educativa Santa Cruz.
8. Ingresos de 50 obreros de una fábrica de la región Lima.
9. Cantidad de alumnos de las diferentes carreras de la Facultad de Ciencias Exactas
de la UNMSM.
10. Sexo de 100 estudiantes de una escuela de Huaral.
11. El índice de masa corporal de las estudiantes de Educación 2018 – I
12. Estilos de aprendizaje de 30 estudiantes de la UNJFSC.
13. Comprensión lectora de 3000 docentes de la Región Lima Provincias.
 ORGANIZACIÓN DE DATOS
 Cuando se dispone de información captada mediante una muestra o
un censo, la primera inquietud es como resumir los datos para hacer
un análisis descriptivo más sencillo. Este resumen de información
puede ser realizado mediante la elaboración de una tabla de
frecuencia o un gráfico; es necesario determinar previamente con
que tipo(s) de variable(s) se esta trabajando.

 TABLA DE FRECUENCIA:
Cuadro de doble entrada donde se registran el número de veces que
se repite la característica de una unidad de análisis.
 Representación Tabular
Organización de los datos cualitativos
 La estructura general que tendrá la tabla de frecuencia
para los datos de tipo cualitativo será la siguiente:

CATEGORÍA FRECUENCIA FRECUENCIA FRECUENCIA

DE X ABSOLUTA (fi) RELATIVA (fri) PORCENTUAL (Pi)%

Atributo 1 f1 fr1= f1/n P1% = 100 (fr1)

Atributo 2 f2 fr2 = f2/n P2% = 100 (fr2)

. . . .
. . . .

Atributo K fk frk= fk/n Pk% = 100 (frk )

TOTAL
n 1 100%
 Ejemplo.
1. En una planta embotelladora se registraron 48 accidentes
e n dos años y de acuerdo con la parte del cuerpo
lesionada, dedos (D), ojos (O), brazos (B) y piernas (P); se
registró lo siguiente: Se pide organizar los datos.
P D B O P P
P D O O D O
B D O P O D
P D O O O P
D P B B P D
D P B O D O
D P P B O B
D P B B O P
a. Construir una tabla de frecuencias
b. Qué porcentaje de accidentes son de brazos?
c. ¿Qué porcentaje de accidentes no son de piernas?
d. ¿Cuántos accidentes son de brazos o de dedos?.
 Ejercicio
En la entrada de un partido de fútbol se pregunta a un grupo
de espectadores desde que Provincia han venido. (H:
Huaura; B: Barranca C: Cajatambo; Cn: Cañete; Ha:
Huaral, Hr: Huarochirí, Ct: Canta, L. Lima). Hemos obtenido
estos datos C Hr Hr L Hr Ct Ct
Ct L Cn Ct C L B
B Ha B H B H H
Ha H C Cn C L L
L L C Ha L H C
Cn L B L Hr Cn H
Ha H Ha Hr Hr C L Ha
a. Construir una tabla de frecuencias
b. Qué porcentaje de visitantes proceden son de barranca?
c. ¿Qué porcentaje no proceden de la provincia Huaura?
d. ¿Cuántos proceden de Huaral?.
 Ejercicio
Se averigua respecto al estado civil de algunos propietarios
de vivienda de una urbanización y se registraron lo siguiente:
casado casado casado casado divorciado
soltero viudo soltero soltero casado
casado soltero soltero casado divorciado
viudo casado casado casado casado
casado soltero viudo casado conviviente
viudo soltero divorciado viudo conviviente
soltero casado divorciado viudo conviviente
divorciado casado divorciado casado casado

Organizando los datos , obtener información relevante

para una publicación.
 Organización de los datos cuantitativos
 Existen variables cuantitativas discretas.
(Representación)

Frecuencia Frecuencia Frecuencia Frecuencia

Valor de Xi
Absoluta S. Relativa S. Absoluta Ac. Relativa Ac.

X1 f1 p1% f1 P1%

X2 f2 p2% f1+f2 P2%

: : : : :

Xk fk pk% n 100%

Total n 100%
 Ejercicio
En una clase de 40 estudiantes se ha preguntado
el número de hermanos que tienen, el resultado ha
sido el siguiente:
2 1 0 1 2 1 5 3 6 3

1 0 3 0 1 1 2 3 4 0

4 1 1 1 2 0 3 1 1 2

4 4 3 2 5 2 1 2 4 2

Elabora una tabla de frecuencias y obtenga

información relevante para una publicación.
 Ejercicio:
Construir la tabla de frecuencias del número de
trabajadores que se ausentaron en 36 días laborables:

2 3 3 0 1 2
1 2 2 1 3 3
2 1 0 1 2 3
4 3 2 4 2 1

0 1 2 1 1 0

1 1 2 1 2 1

Obtenga información relevante para una publicación.

 Organización de datos cualitativos

Las observaciones son diferentes entre si

Se clasifican de acuerdo a ciertos rangos o intervalos son
mutuamente excluyentes llamados intervalos de clase

Procedimiento para clasificar un conjunto de datos de tipo

cuantitativo continuo es:

a) Se Calcula el rango o amplitud (r)

 r = Xmax – Xmin
 Donde: Xmax es la obsr. Mayor o valor máximo
 Xmin es la obsr. Menor o valor mínimo
b) Determinar el número de intervalos de clase k

 Existen diferentes formas de calcular los Intervalos de

Clase
 Regla de Sturges: k= 1 + 3.3 log (n)

 Donde: n es el tamaño de la muestra

 k debe ser entero (caso contrario se
 aplica redondeo simple)
c) Determinación del tamaño de los intervalos
de clase (T.I.C)
 T.I.C = r / k , si no es entero se usa el redondeo por exceso.

d) Cálculo de los límites de intervalos de clase

 LI LS
 LI1 = Xmin

LS1 = LI1+TIC
 LI2 = LS1 LS2 = LI2+TIC
 : :
 Lik = LS(k-1) LSk = Lik+TIC
e) Marcas de Clase
 X´1 = (LI1 + LS1) /2
 X´2 = (LI2 + LS2) /2
:
 L´k = (Lik + Lsk) /2
 TABLA DE FRECUENCIA:

Para datos cualitativos continuos

Centro
Intervalo de clase Amplitud F f FAA fra
[LI1 ; LS1 [
I1 c1 a1
[LI2 ; LS2 [ I2 c2 a2
.
.
[LIk ; LSk]
Ik ck ak n 1
Total n 1

cj = (LIj) + LSj )/2 aj = (LSj – LIj))

 Ejemplo
Consideremos los siguientes datos, expresados en metros,
correspondientes a las estaturas de 80 estudiantes de Cuarto
año de Educación Secundaria de una I.E.

1,76 1,75 1,8 1,79 1,84 1,88 1,75 1,79 1,79

1,67 1,81 1,72 1,74 1,83 1,87 1,79 1,77 1,88
1,88 1,92 1,75 1,84 1,86 1,67 1,74 1,75 1,66
1,84 1,87 1,83 1,81 1,77 1,78 1,77 1,74 1,8
1,75 1,78 1,77 1,67 1,83 1,73 1,83 1,76 1,72
1,72 1,84 1,73 1,73 1,83 1,83 1,77 1,75 1,75
1,72 1,71 1,85 1,84 1,93 1,77 1,77 1,84 1,79
1,82 1,69 1,7 1,81 1,66 1,83 1,79 1,82 1,77
1,86 1,8 1,77 1,8 1,76 1,76 1,76 1,76

Organizando los datos , obtener información relevante

para una publicación.
Estatura Mayor: 1,93 metros
Estatura Menor: 1,66 metros
Rango: 1,93 metros - 1,66 metros = 0,27 metros = 27 cm.
Formaremos 6 intervalos. Para calcular el tamaño de
intervalo de cada uno dividimos 27 y 6, obteniendo
finalmente 4,5; consideramos 5.
Luego los intervalos de la tabla son:
Intervalo Marca de Clase Frecuencia Absoluta

1,65 – 1,69

1,70 – 1,74

1,75 – 1,79

1,80 – 1,84

1,85 – 1,89

1,90 – 1,94
Total
 Ejercicio:
Los siguientes datos representan el tiempo (en segundos) que
30 trabajadores estuvieron al control de la unidad central de
procesos (CPU) de una computadora mainframe grande.

0.02 0.75 1.16 1.38 1.94 3.07

0.15 0.82 1.17 1.4 2.01 3.53
0.19 0.84 1.19 1.42 2.16 3.76
0.47 0.92 1.22 1.59 2.41 4.50
0.71 0.96 1.23 1.61 2.59 4.75
Organizando los datos , obtener información relevante
para una publicación.
 1º Calcule el rango (R) o recorrido

R = 4.75 - 0.02 = 4.73

2º Determine el número de intervalos (K).

K = 1 + 3.3 Log(n) = 1+3.3Log(30)
K =5.875
K = 6 (siempre es un número entero)

K Intervalo Conteo

1 [0.02 , 0.81[
2 [0.81 , 1.60[
3
4
5
6
GRÁFICOS
 Histograma de frecuencias
 Polígono de frecuencia
 Diagrama Circular
 Grafico de barras. Y Otros
Numero de unidades de análisis
de acuerdo a variable 1
15

500

Frecuencia
400 10

300
Nº

200 5

100

0 0

A B C D 7 8 9 10 11 12 13 14

edad
variable 1

Distribución de las unidades de análisis de

acuerdo a variable 1

15
D A
10% 20%
Frecuencia
10

C B
40% 30%
0

7 8 9 10 11 12 13 14

edad
 MEDIDAS DE POSICIÓN O
MEDIDAS DE TENDENCIA CENTRAL
 Dado un conjunto de datos, el interés es como resumir la
información en ciertos indicadores representativos.
 Mediana o promedio ponderado, la mediana y la moda.

LA MEDIA O PROMEDIO
 Media aritmética simple (se toma en cuenta la población o
muestra)
n

 Media poblacional : x i
 i 1
N
n

 Media muestral : _ x i

X  i 1
n
 Desventaja la Media Aritmética
 Se encuentra afectada por valores extremos (existencia
de valores pequeños o muy grandes , la media queda
influenciada por dichos valores. Así ya no es un valor
representativo de T. C de las observ.
 Ejemplo. Se tiene notas de Estadística de 5 alumnos
tomadas al azar de los grupos A y B ; hallar las medias
de los grupos A y B

Grupo Notas de la primera práctica Promedio

A 12 12 13 15 15 13,4
B 02 11 13 14 14 10,8
 Propiedades de la Media Aritmética Simple
 Es el centro de gravedad o punto de equilibrio de un conjunto de datos
u observaciones.
 La media es única.
 Al ser modificado un valor, la media cambia su valor.
 La suma de las desviaciones de las observaciones con respecto al
promedio aritmético es igual a cero.
n _

 ( x  x)  0
i 1
i

 Ejemplo. Los datos corresponden a los salarios mensuales (en

nuevos soles) del mes de agosto del 2016 de 5 personas: 520,
535, 536, 543, y 540. A partir del siguiente mes estas personas
recibirán un aumento del 15% pero se les descontará, por aporte
sindical s/.5 soles al mes. Halle el salario promedio de estas 5
personas .
520  535  536  543  540 2674
X   s / .534,8
5 5
 Promedio Ponderado
 Al asociar las observaciones pesos o factores
(w1, w2,...wn)
n n n
X   w x /  w   ((w x  w x  ...  w x ) /(w  w  ...  w ))
i i i 11 2 2 n n 1 2 n
i 1 i 1 i 1
 Ejemplo. Se desea obtener el promedio final del curso de
Estadística para la Investigación Científica.

 Las notas finales fueron: examen parcial 13, examen final 11,
nota de prácticas 14 y trabajos calificados 15.
Los pesos respectivos son: 25%, 25%, 35%, y 15%. Halle el
promedio final del curso.
Entonces el promedio será:
=13*0,25+11*0,25+14*0,35+15*0,15 = 13,15
 Mediana
Si se tiene n observaciones ordenadas en su magnitud
(o v.n), la mediana es el valor que ocupa la posición
central de todas las observaciones.

 Mediana Poblacional: Me
 Mediana Muestral: me

Características:
a) Divide al conjunto de valores en dos
partes iguales.
b) Es influenciada por valores extremos.
 Ejemplo:
En el siguiente cuadro se muestran las notas del curso
de Estadística y Probabilidades de 5 alumnos de los
grupos A y B

Grupo Notas del curso Mediana

A 12 12 13 15 15 13
B 02 11 13 14 14 13
 Cálculo de la Mediana

 Si n es impar
me  ( X n / 2  X ( n / 2)1 ) / 2
 Si n es par
me  X ( n 1) / 2
 La mediana es una estadística de orden, es decir, es la ubicación
que ocupa la observación previa ordenación.

Ejemplo :
 Se tiene el rendimiento de maíz (en Tn/parcela) de 7 parcelas de
terreno: 1,56; 1,45; 1,82; 1,76; 1,62; 1,86, 1,64.Halle e interprete el
valor del rendimiento de maíz mediano.
 Ordenando la información.
X 1  1,45;.......;X 7  1,86
 Entonces me = 1,64, es el rendimiento mediano del maíz .
 MODA
 La moda de n observaciones es el valor que ocurren con mayor
frecuencia.
 Moda poblacional: Mo
 Moda muestral : mo

 Características
En un conjunto de observaciones puede o no existir modas.
Ejemplo. Notas de alumno: 12, 14, 14, 09, 16, 11.
No es afectada por valores extremos.
Se aplica a información cualitativa como a cualitativa.

Ejemplo. Sea X2: Raza de vacas.

Holstein, Cebú, Brows Swiss, Cebú.
 USO DE LA MEDIA, MEDIANA Y MODA
1. La media se utiliza:
 Cuando no existen valores extremos.
 Cuando se tenga que calcular otros valores
extremos, como la varianza.
2. La mediana se usa:
 Cuando se desea conocer el valor de posición
central.
 Cuando se tiene valores extremos que afecten a la
media.
3. La moda se usa:
 Cuando se desea conocer el valor de la observación
más frecuente.
 Cuando se analiza variables cualitativas.
 MEDIDAS DE DISPERSIÓN O VARIABILIDAD

 Nos muestran si los datos obtenidos de una

variable se encuentra muy dispersos o no, respecto
a la media aritmética.

 Son Indicadores que se utilizan para analizar el

grado de heterogeneidad o variabilidad de un
conjunto de observaciones.

 Estas son: el rango, la variancia, la desviación

estándar y el coeficiente de variabilidad.
 EL RANGO O AMPLITUD
 R= Xmax – Xmin; (valor máximo, valor - mínimo )

 Ventajas del rango:

 Esta afectado por valores extremos.
 No mide la variabilidad de los intermedio.

Ejemplo:
Los tiempos (en minutos) de atención en ventanilla de
la tesorería de la UNJFSC de 5 clientes elegidos al azar
fueron: 8,5,7,3 y 6. ¿Calcular el Rango?
En este caso: R = 8 – 3 = 5
 LA VARIANZA
 La Varianza de un conjunto de observaciones esta definida por:
n
 
2

 (xi  u) / N
2

 Varianza Poblacional; i 1
n
 Varianza Muestral S   (x  x)2 /(n  1)
2
i
i 1
 La Varianza es un valor numérico positivo

Ejemplo :
 Los pesos (en gr.) de 8 conservas de frutas elegidas al azar de un gran lote
son:
 253,3; 249,2; 250,1; 253,4; 251,7; 250,6; 252,3; 252,4. Hallar la varianza
_
si x  251.6
 En este caso la varianza es:
S  2.325
2
 DESVIACIÓN ESTÁNDAR
 

2
Desviación Estándar Poblacional :

Desviación Estándar Muestral S S

2
:

La desviación estándar a diferencia de la varianza si se encuentra

en las mismas unidades de las observaciones.

Ejemplo: La desviación estándar de los pesos de las conservas de

frutas es:
S  2.325  1.5gr
 COEFICIENTE DE VARIABILIDAD
 Es una medida de dispersión relativa, es decir no tiene
unidades y está expresado en porcentajes.

 Coeficiente de variabilidad poblacional. CV   /  .100%

 Coeficiente de variabilidad muestral.  


CV   S / X 100%
 

 Si el promedio es igual a cero, entonces no se puede definir

el Coeficiente de Variabilidad.
 Si el promedio es negativo se debe considerar su valor
absoluto para evaluar el CV.
Ejemplo:
Se realiza un experimento en el que se evalúa dos tipos de fertilizantes,
obteniéndose los resultados en el rendimiento de yuca en Tn/parcela.

Resultados Fertilizante a Fertilizante b

n 1,8 1,5
_
X 8,1 12,3
S 1,87 2.10

¿Con qué tipo de fertilizante se obtienen resultados más homogéneos?

En Efecto:
CV(a) =(1,87/8,1) 100% = 23,1% ; CV(b) =( 2,10/12,3) 100%= 17,1%

Se observa que con el fertilizante b se obtienen resultados más

homogéneos
 Percentiles, Deciles y Cuartiles
Percentil, Decil o Cuartil: corresponde al valor que toma la
variable (cuantitativa), cuando los n datos están ordenados de
Menor a Mayor.

El Decil va de 1 a 10

Por ejemplo: El Decil 4 (4/10): es el valor de la variable

que reúne al 40% de los datos.
Ejemplo: Si N=80, el 40% de 80 es 32; por lo tanto, se
busca el dato que este en la posición 32.
Si N=85, el 40% de 85 es 34; por lo tanto se busca el dato
que este en la posición 34.
El Percentil va de 1 a 100

Por ejemplo: El percentil 25 (25/100): es el valor de la variable que reúne el

25% de los datos
Ejemplo: Si N=80, el 25% de 80 es 20; por lo tanto, se busca el dato que este
en la posición 20.
Si N=85, el 25% de 85 es 21,25; por lo tanto se busca el dato que
este en la posición 22.

El Cuartil va de 1 a 4

Por ejemplo: El Cuartil 3 (3/4): es el valor de la variable que

reúne al 75% de los datos
Ejemplo: Si N=80, el 75% de 80 es 60; por lo tanto, se busca el
dato que este en la posición 60.
Si N=85, el 75% de 85 es 63,75; por lo tanto se busca el dato que
este en la posición 64.
 Asimetría y Kurtosis o Apuntamiento

Además de la posición y la dispersión de los datos, otra medida de interés en

una distribución de frecuencias es la simetría y el apuntamiento o kurtosis.
Coeficiente de Si CA = 0 si la distribución es simétrica alrededor de la
Asimetría media.
n Si CA < 0. Es decir la mayor concentración de datos
 (x
i 1
i  x)3
están a la izquierda de la media.
CA 
n  s3 Si CA > 0 existe mayor concentración de valores a la
derecha de la media que a su izquierda
Coeficiente de -Si Cap =0 la distribución se dice normal (similar a la
Apuntamiento distribución normal de Gauss) y recibe el nombre de
mesocúrtica.
n

 (x
i 1
i  x) 4 - Si Cap > 0, la distribución es más puntiaguda que la
anterior y se llama leptocúrtica, (mayor concentración de
CAp 
n  s4 los datos en torno a la media).
- Si Cap < 0 la distribución es más plana y se llama
platicúrtica. presenta un reducido grado de concentración
alrededor de los valores centrales
 Ejercicio:
Halle las medidas de asimetría y de apuntamiento de las notas
finales en matematica de los estudiantes de la I. E. LFXJ del
cuarto grado de secundaria 2017.

13 13 10 10 12 12 12 17 19 14 17 18 15 18 17
14 15 9 8 12 16 10 15 15 13 14 13 12 13 15
18 20 15 13 11 13 9 14 11 12 10 14 14 11 14
16 13 12 17 15 14 11 19 16 13 14 16 13 13 19
14 16 15 9

Que información se puede obtener. ¿Tiene

distribución aproximadamente normal?