ESCUELA SUPERIOR POLITECNICA DE

CHIMBORAZO
FACULTAD DE ADMINISTRACION DE
EMPRESAS
FADE
MDULO DE ESTADSTICA BSICA
TUTOR: ING. GENOVEVA TAPIA
CONTABILIDAD Y AUDITORIA
2012

INDICE
Introduccin
Indicaciones para el Estudio del Mdulo
Objetivos Generales del Mdulo
Estrategias para el estudio de Estadsticas
Prueba de Diagnstico
PRIMERA UNIDAD: DESCRIPCION DE LOS CONJUNTOS DE DATOS
Objetivos
Contenidos
1. Introduccin Histrica
2. Concepto de Estadstica Descriptiva
3. Clasificacin de la Estadstica
3.1. Estadstica Descriptiva (Deductiva)
3.2. Estadstica Inferencial (Inductiva)
3.3. Esquema de Estadstica Inductiva
3.4. Medidas de Calidad
3.5. Sumatorias
4. Organizacin de Datos
5. Variables Estadsticas
5.1. Variables Discretas
5.2. Variables Continuas
6. Descripcin de Datos
7. Procedimiento para agrupar los datos.
8. Distribucin de Frecuencias, intervalos y marcas de clase.
9. Representacin grficas de los datos
AUTOEVALUACIN N.1
SEGUNDA UNIDAD: MEDIDAS DE TENDENCIA CENTRAL Y DE LA
DISPERSION
Objetivos
Contenidos
1. Introduccin Histrica
2. Medida Aritmtica o promedio para datos no agrupados
3. Mediana para datos no agrupados
4. Moda para datos agrupados
5. Media aritmtica para datos agrupados
6. Mediana para datos agrupados
7. Moda para datos agrupados
8. Cuartiles, Deciles, y Percentiles para datos no agrupados.
9. Cuartiles, Deciles, y Percentiles para datos agrupados.
10. Medidas de dispersin para datos no agrupados y
agrupados.
10.1. Desviacin Media para datos no agrupados y
agrupados.
2
10.2. Varianza y desviacin tpica para datos agrupados y
no agrupados
11. Forma de Distribucin de frecuencias
11.1. Curtosis
AUTOEVALUACIN N.2.
BIBLIOGRAFIA
INTRODUCCION
El mdulo de Estadstica y Probabilidades esta diseado de acuerdo al
Programa General que se estudia en los Centros de Enseanza Tcnica
Superior.
Los mtodos y conceptos son aplicables a la investigacin emprica en
todas las disciplinas que van desde las Ciencias Sociales a las Ciencias
Fsicas.
El enfoque de este mdulo es conceptual y no Matemtico, es decir no se
realiza la demostracin y obtencin de las frmulas. Sin embargo se
sustenta en la Aplicacin de las frmulas. El peso fuerte de su estudio
est acentuado en la: Comprensin, Aplicacin e Interpretacin de los
conceptos ms que la prueba o clculo manual o electrnico cuyos
resultados son nmeros, estos nmeros hay que saberlo interpretar. Los
ejemplos con requerimiento de clculo son cortos para no desviar la
atencin de los conceptos.
Para los estudiantes cuyo conocimiento del Algebra elemental no
recuerdan, se proporciona un anexo de ello, con el objeto de permitir un
repaso de las habilidades algebraicas necesarias. Siempre que en el
mdulo se introducen temas estadsticos que involucren esas habilidades
matemticas. Sin embargo creo que la compresin de la Estadstica se
facilita trabajando con algunos ejemplos que tenemos a mano y ms que
todo tomando ejemplos de nuestro entorno y de la vida real.
Para el avance del estudio de cada unidad se sugiere la utilizacin de
calculadoras microcomputadoras y computadoras o cualquier otro
software estadstico u hoja electrnica que tenga a mano.
En los ltimos aos el estudio del Anlisis Estadstico ha conducido dos
mtodos estadsticos: las dos primeras unidades se refiere a la
Estadstica Descriptiva, que se refiere a la tabulacin, representacin y
descripcin de un conjunto de datos. Estos datos pueden ser variables
cuantitativos o variables categricos.
Al seguir paso a paso cada unidad nos guiar nuestra preparacin y
estudio, tanto individual y colectivo. Sin dejar de lado nuestras
3
experiencias personales y aporte pedaggico que estar por ser dinmico
real y experimental.
El mdulo consta de dos unidades:
1. Descripcin de dos conjuntos de datos
2. Medidas de la tendencia central y de la dispersin
INDICACIONES PARA EL ESTUDIO DEL MODULO
Para el aprendizaje del mdulo se recomienda:
1. Revisar las tcnicas, aplicacin y resolucin de Problemas del lgebra
elemental.
2. Ponga en prctica una lectura inicial, intermedia y final de cada tema.
3. Analice los objetivos de cada unidad
4. Utilice y aplique algunas tcnicas de estudio
5. Ample los contenidos de cada unidad conversando con personas
entendidas en la materia.
6. Revise y examine sus tareas haciendo uso de la Bibliografa
7. Ponga en accin su Inteligencia Mental, su Inteligencia Emocional y su
centro motriz: Planteando preguntas, realizando encuestas o
resolviendo ejercicios.
8. Proponga que su autoevaluacin genere permanente aliento y
confianza.
9. Examine las falencias existentes en usted y en su equipo de trabajo.
OBJETIVOS GENERALES DEL MODULO
Avance de los temas que se desarrollarn:
1. Identificar entre variable discreta y variable continua
2. Comprender lo que es una muestra y poblacin
3. Diferenciar entre un Parmetro y un estadstico
4. Plantear pasos para organizar un conjunto de datos.
5. Plantear frmulas de medidas de centralizacin y medidas de
dispersin
6. Representar mediante grficos los resultados obtenidos
7. Definir conceptos fundamentales de Probabilidad distribuciones de
probabilidad
8. Formular las cuatro reglas de probabilidad: La regla de la suma y la
regla de multiplicacin.
9. Plantear la naturaleza y forma de la distribucin normal y su
relaciona con la desviacin tpica.
4
ESTRATEGIAS PARA EL ESTUDIO DE ESTADISTICA
1. Comentario de lecturas y textos especializados
2. Desarrollar mapas mentales y/o conceptuales
3. Conversar con varias personas entendidas para luego plantear
preguntas y desarrollar cuestionarios.
4. Realizar encuestas del entorno y fuera de ello. Aplicando la Triada
estratgica de la: Visin, Misin y Valores.
5. Compartir experiencias luego de las encuestas.
6. Exposicin individual y grupal del trabajo en equipo.
7. Entretenimiento motivacional.
PRUEBA DE DIAGNOSTICO
1. Escriba los diez primeros mltiplos del nmero 7
2. Cul es el nmero del cual estos nmeros son mltiplos: 12, 15, 30,
39?.
3. Si hay 15 mujeres en un grupo de 65 estudiantes. Qu proporcin del
grupo representan las mujeres? y Qu proporcin de grupo
representan los varones?.
4. Suponga que: X
1
= 4, X
2
= 8, X
3
= 8, X
4
= -6, Halle el resultado de:

4
1 i
Xi

5. Redondee los siguientes nmeros decimales:
a) 1,0519 a tres dgitos
b) 125,84 a tres cifras enteras
c) 425,45 a una cifra decimal
d) 1250,126 a cinco dgitos
6. Si n
1
= 7; n
2
= 9; y n
3
= -6. Cunto vale n =
7.
[ ] [ ] ? ) 2 / 5 /( ) 3 ( / 2 2 / 9 ( ) 5 3 (
2
1
+ +
8. D los valores absolutos de 1.96 y 1.96
9. Si X
1
= 25 y X = 29, y si K = X
1
X, Cul es el valor absoluto de (K)?
10. Si ? , 20 ; 10 , 45000 ,
2 2 2 2 2
x cuntovale y n y si ny y x
5
11. Si 2 2
) (
) )( (
1
x x n
y x xy n
B

, donde
. 22420 ; 82 ; 460 ; 3995 , 10
2
x y x xy n Halle B
1
12. Dado los siete valores de X y de Y aqu indicados:
X = 8,12,10,11,8,7,6 Halle X =
Y = 9,10,8,9,8,7,7 Halle X =
13. Dado el siguiente conjunto de datos: 2,1,8,5,-1,3,9. Ordene en forma
ascendente y en forma descendente.
14. Si tengo los siguientes nmeros: 48.5 y 20.2. Cul es el mayor valor
y cul es el menor valor? Y cul es su diferencia?.
15. Usted como estudiante considere una variable y, quin financia sus
estudios sea una variable X Cul es la variable dependiente y cul la
variable independiente?.
16. Si
) ( ) (
2 2
y x
xy
r

, despeje (
2
) ( x
PRIMERA UNIDAD
DESCRIPCION DE LOS CONJUNTOS DE DATOS
OBJETIVOS:
1. Dar un concepto de estadstica.
2. Distinguir entre variable continua y discreta
3. Diferenciar conjuntos de datos no agrupados y datos agrupados.
4. Establecer Intervalos de clase y marca de clases Distribuciones de
frecuencia
5. Representar los datos de un conjunto por medio de grficas.
1. - INTRODUCCION HISTORICA.
La Estadstica se estructur como disciplina cientfica, en el siglo
pasado pero ya se conoca y se utilizaba en la antigedad. La misma
puede catalogarse en orden cronolgico en los siguientes antecedentes:
a.- Las antiguas civilizaciones, como por ejemplo la de Egipto realizaban
relevantamientos estadsticos (captacin de datos), debido a las
inundaciones del ro Nilo, efectuaban censos anuales, los mismos que
permitan conocer como distribuir los bienes y reparto de propiedades
para que fueran restituidos. Tambin., se sabe que los griegos
levantaban censos demogrficos (nacimientos, muertes, casamientos,
etc.) y de propiedad.
6
Encuesta
AAa
b.- En la poca del Imperio Romano se aplicaba censos poblacionales y
de bienes a los pueblos sometidos al imperio con objeto de aplicar el
rgimen de impuestos.
En la poca moderna, la tcnica censal adquiri un gran desarrollo
llegando a constituirse un eficaz auxiliar de las tareas gubernamentales.
2. CONCEPTO DE ESTADISTICAS DESCRIPTIVA
La Estadstica se refiere a la coleccin, representacin y utilizacin de
datos numricos para realizar inferencias y alcanzar decisiones ante la
incertidumbre que plantean muchas disciplinas que van desde las
ciencias, la ingeniera, las leyes, la medicina, la economa, la
administracin y otras ciencias, sociales y fsicas. El aspecto mas
importante de la estadstica es la obtencin de conclusiones basadas en
los datos experimentales.
3.- CLASIFICACION DE LA ESTADISTICA
La Estadstica se subdivide en: Descriptiva e Inductiva.
3.1.- Estadstica Descriptiva :- Se refiere a la recopilacin y
descripcin de un grupo de datos. Es aquella que estudia toda la
poblacin.
3.2.- Estadstica Inductiva :- Es el proceso para lograr
generalizaciones acerca del todo (llamado la poblacin) examinando
una parte de ella (llamada la muestra). Para que esto sea valido, la
muestra debe ser representativa de la poblacin.
3.3ESQUEMA DE ESTADISTICA INDUCTIVA
7
Encuesta
AAa
Veamos que significa poblacin y muestra.
Poblacin:- Es la coleccin de toda la posible informacin que
caracteriza a un fenmeno. La poblacin- o Universo puede ser tan
grande o pequea. Muestra :- Es mi subconjunto representativo
seleccionado de una poblacin.
3.4MEDIDAS DE CALIDAD
El Britnico William TOMHSON mas conocido como LORD KELVIN sola
decir. Cuando no puede medir y expresar numricamente lo que dice o
conoce algo sobre ellos; pero mientras no pueda medir ni expresar en
nmero su conocimiento es escaso o poco satisfactorio. Para que un
nmero o varios nmeros representen la informacin que se supone que
representan, depende de la medida de la calidad de los datos. Estas
medidas son: La validez o relevancia, la Exactitud y la Precisin o
confiabilidad.
Val i dez
Un nmero o varios nmeros son vlidos cuando miden lo que estn
destinados a medir o representar.
Ejemplo: El nmero de personas que visitan cierto lugar turstico del
Ecuador en cada mes del ao es el mismo desde hace mucho tiempo
atrs.
Exactitud
8
INDUCCIO
N
Encuesta
AAa
Muestra
Poblaci
Es la diferencia entre los valores dados y el valor verdadero o real de lo
que representan los datos. Esto se consigue empleando instrumentos
ms sofisticados o mejores mtodos de obtencin de datos.
Ejemplo: El peso de una persona se lee en una bscula normal: 78.6kg.,
en otra un poco ms precisa 78.5 kg. Y en una sofisticada 78.658kg.
Precisin
Se refiere al grado de respetabilidad de los datos. Esto es cuando se
realiza la misma medida u observacin del mismo objeto en dos
ocasiones diferentes se obtiene los mismos resultados o muy cercanos
entre s. Se puede mejorar la precisin teniendo mas cuidado en la
obtencin de los datos.
Ejemplo: Al medir el peso de una persona en la misma
bscula que indica 2kg. De ms, se tendr el peso preciso
pero no exacto.
3.5SUMATORIAS
Concepto de sumatoria:
A menudo resulta difcil trabajar con todos los elementos de una
determinada sucesin, considerndolos como sumandos.
Para facilitar este trabajo se ha convenido representar la adicin de los
trminos en forma abreviada, mediante el signo , acompaado de la
frmula o trmino general que define a la sucesin y del rango de valores
que tomar la variable considerada en esa frmula.
Se denomina sumatoria de una sucesin
n
a , a la forma abreviada de
escribir sus trminos expresados como sumandos:
Se denota:

+ + + +
n
k
k n
a a a a a
1
3 2 1
...
9
El signo corresponde a la
letra mayscula sigma, del
alfabeto
Ejemplos:
1+2+3+...+ n=

n
k
k
1
1
2
+2
2
+3
2
+...+n
2
=

n
k
k
1
2

+
+ + + + +
20
1
1 21
20
...
5
4
4
3
3
2
2
1
k
k
k
2. Propiedades de las sumatorias:
Sumatoria de una constante:
Si c
1
=c
2
=c
3
=...=c
n
=c, constante, entonces:
c n c
n
k
k

1
Ejemplo:
200 4 50 4 ... 4 4 4 4
50
1
+ + + +

k
50 veces
Sumatoria del producto de una constante por los trminos de una
sucesin:
Si c es una constante, entonces:



n
k
k
n
k
k
a c a c
1 1
Ejemplo:
180 60 3 ) 26 17 10 5 2 ( 3 ) 1 ( 3 ) 1 ( 3
5
1
2
5
1
2
+ + + + + +

k k
k k
10
La notacin

n
k
k
a
1
se
lee: sumatoria de los
trminos de la forma, a
sub k, donde k vara de
1 a n.
Sumatoria de una suma o resta de trminos de dos o ms
sucesiones:
Si
k
a
y
k
b
son sucesiones, entonces se cumple que:


t t
n
k
k
n
k
k
n
k
k k
b a b a
1 1 1
) (
Ejemplo:


+ +
6
1
6
1
6
1
2
6
1
2
2 3 ) 2 3 (
k k k k
k k k k
Propiedad Telescpica de las sucesiones:
El desarrollo de algunas sumatorias tiene la particularidad de que casi
todos sus trminos se anulan quedando estas reducidas a slo dos
trminos. Esta propiedad se denomina Propiedad telescpica de las
sumatorias.
Observemos el siguiente caso:
) ( ) ( ... ) ( ) ( ) ( ) (
1 1 3 4 2 3 1 2
1
1 n n n n x
n
k
k
a a a a a a a a a a a a + + + + +
+

+
Luego:
1 1
1
1
) ( a a a a
n k
n
k
k

+

+
Con el mismo razonamiento se tiene:
1 1 1
1
) (
+ +

n k
n
k
k
a a a a
11
La Propiedad Telescpica tambin es vlida para la suma de los
recprocos:
1 1 1 1
1 1 1 1
a a a a
n k k
n
k

,
_

+ +

1 1 1 1
1 1 1 1
+ +

,
_

n k k
n
k
a a a a
La propiedad Telescpica es de gran utilidad para hallar una expresin
que permita calcular directamente el valor de alguna sumatoria o para
demostrar si una sumatoria es igual a una expresin o frmula dada,
como por ejemplo:
Calculemos una frmula para:

+
n
k
k k
1
) 1 (
1
Si expresamos el numerador de la fraccin como: (1+k-k), tenemos:
1
1 1
) 1 ( ) 1 (
1
) 1 (
1
1 1 1
+

+

+
+

+
+


k k k k
k
k k
k
k k
k k
n
k
n
k
n
k
Aplicando la propiedad telescpica:
1 1
1 1
1
1
1
1
1 1
1
+

+
+

+

+

n
n
n
n
n k k
n
k
Por lo tanto:
12
1 ) 1 (
1
1
+

n
n
k k
n
k
Gua de Ejercicios:
Calcula las siguientes sumatorias:
1)

+
13
1
3
) 7 (
k
k
2)

8
1
) 2 3 (
k
k
3)

6
1
2
) 1 (
k
k
k
Expresa como sumatoria, las siguientes sumas:
i) 1
2
+ 2
3
+ 3
4
+ + 50
51
ii) 1 1 +2 3 +3 5 + + 10 19
iii) 2 + 5 + 8 + 11 + + 44
iv) 1 + 4 + 7 + + 43
v) 2 + 5 + 10 + 17 + + 401
vi) 5 + 8 + 13 + 20 + + 904
4.- ORGANIZACION DE DATOS
Los datos sin organizar carecen de sentido, es decir los datos brutos 110
permiten interpretar nada acerca de la informacin obtenida. Por esta
razn es necesario organizar los datos, lo cual se realiza dependiendo del
tipo de variable con la que se esta trabajando. Veamos que significa
variable.
Variable.- Es la que asume distintos valores en un evento o proceso, y
pueden ser nmeros o cantidades/ Ejemplo: salarios, precios, edades,
peso, estatura, etc.
4.1 VARIABLES ESTADISTICAS
13
Las variables estadsticas pueden ser de dos clases: discretas y
continuas.
5.1.- Variables Discretas
Son aquellas que asumen valores especficos o determinados, en general
son nmeros enteros y sirve para contar o enumerar. Eje: El nmero de
trabajadores de una empresa, el nmero de habitantes de un pas, el
numero de alumnos del ISTRA, etc. La variable discreta no tiene un lmite
determinado.
5.2.- Variables Continuas
Son aquellas que asumen valores determinados en un rango, pueden ser
enteros o fraccionarios y sirven para medir .
Eje: La temperatura, el peso, estatura, edad, etc. La variable continua
tiene un
6. DESCRIPCION DE DATOS U OBSERVACIONES
Al nmero de datos u observaciones se lo representan con N. Para
describir los dates puede presentar dos casos :
1er Caso.:- Cuando el conjunto de observacin tiene pocos datos o
valores . Ej:
Un estudiante durante un semestre dio diez exmenes parciales
calificados sobre diez (10 puntos), obteniendo los siguientes resultados:
6-7-6-8-5-7-6-9-10 y 6. En este ejemplo, N=
1O (numero de datos).
Para este tipo de conjunto (o estadstica) primero se hace un cuadro o
una tabla, luego en la primera columna del cuadro se ordenan los datos o
valores ya sea en forma ascendente o descendente (creciente o
decreciente) en la segunda columna se ponen el numero de los valores
que se repiten, al numero que se repite se llama frecuencia (f).
Esto lo visualizamos mediante el siguiente cuadro.
Notas Frecuencia
(f)
Absoluta
5 1
6 4
7 2
14
8 1
9 1
10 1
TOTAL N = 10
2do. Caso - Cuando el conjunto de observacin tiene muchos valores
diferentes
Para este caso se emplea un procedimiento llamado
'Agrupamiento de datos". Esto es posible cuando el numero do datos es
mayor que 30 (N
>
30).
Observacin.- El nmero de clases que se emplea para agrupar los
datos en un conjunto depende del ..mero de datos.
* Si el numero de datos es pequeo, el numero de clases a emplear ser
cercano a cinco (5), pero generalmente nunca menos que cinco (5).
* Si existe una cantidad elevada de datos, el nmero de clases debe
encontrarse entre ocho (8) y doce (12) clases.
* En general el nmero de clases puede encontrarse entre 5 a 15 clases,
el nmero de clases se puede elegir uno mismo (entre 5 a 15).
* Para saber en cuantos grupos o clases agrupamos 16s datos, se utiliza
la formula de Sturges K= 1+3,322 log (N), donde K. es el numero de
clases y N es el numero de dates u observaciones. Esto se clasifica
mediante el siguiente ejemplo:
La demanda diaria, en unidades de un producto, durante 30 das de
trabajo es:
105 106 105 107 109 111 110 110 107 107
104 99 103 99 103 101 100 101 100 103 98 92 97
94 95 95 93 95 95 95 91 82 91 85 90 86 87
89 87 89
El numero de datos u observaciones es N= 40. Como el numero de datos
es mayor que 30, agrupamos los datos utilizando la formula de Sturges:
K = 1+3,322 log (N)
K= 1+3.322 log (40)
K= 1+3,322 (1.60205)
K- 1+5,322
K = 6,32 = 6 Por tanto los 40 datos podernos
agrupar en 6 grupos o clases
15
7. PROCEDIMIENTO PARA AGRUPAR LOS DATOS
1.- Ordenamos los datos en forma creciente o decreciente (ascendente o
descendente).
2.- Encontramos el dato mayor y el dato menor, llamado tambin
observacin mayor (OM) y observacin menor (om). Con estos datos
encontramos el rango o recorrido, en formula es :
Rango = R = OM om
3.- Determinamos el numero de clases o grupos (K), utilizando la formula
de Sturges, (en nuestro ejemplo anterior K = 6).
4.- Hallamos o determinamos la longitud o amplitud del intervalo de la
clase, que se designa con la letra C, en formula es :

C= Rango _, C= es la amplitud de la clase
Numero de clases

K
R
C
5.- Preparamos un cuadro con 3 columnas, para las clases, limite de
clases y en frecuencia, esto es :
CLASE LIMITE DE CLASE F
I
6.- En la columna de lmites de clase anotamos como limite inferior (Li) de
la clase a la observacin menor. Luego de acuerdo a la amplitud del
intervalo de la clase (C), incluimos tantos datos hasta el limite superior
(Ls), as sucesivamente iremos anotando en clase, hasta llegar a la ultima
clase en la que debe escribir incluido el dato mayor.
7.- Finalmente contamos cuantos datos estn incluidos en cada clase y lo
ponemos en la columna de las frecuencias (f).
Ejemplo
1.- Ordenamos los dates del ejemplo que estamos tratando en forma
ascendente
16
82 85 86 87 87 89 89 90 91 91 92 93 94
95 95 95 95 95 97 98 99 99 100 100 101
101 103 103 103 104 105 105 106 107 107
107 109 110 110 112
2-- Hallamos el Rango
R = OM - om
R =lll - 82 = 29
3.- Determinamos el nmero de clases. K= 1+3,322 log(40) = 6, (K=6)
4.- Determinamos la amplitud del intervalo de la clase.
C=R/K
C= 29 / 6 = 4.83
C=5
5.- Preparamos el cuadro con 3
columnas.
Clases Lmites de Clases Frecuencia fi
1 82 - 86 3
2 87 - 91 7
3 92 - 96 8
4 97 - 101 8
5 102 - 106 7
6 107 - 111 7
TOTAL N = 40
- EJERCICIOS
17
En un centro distribuidor de electrodomsticos, la demanda diaria de
televisores de 14 pulgadas durante 31 das de trabajo es :
38 35 76 5 8 48 59 67 63 - 33 - 69 53 51 28 25 36
32 61 57 49 78 48 42 72 52 47 - 66 58 44 44 56 -
45.

Agrupe estos datos, aplicando el procedimiento.
1.- Ordenamos los datos en forma ascendente.
25-28- 32- 33 35 36 37 42 44 44 45 47 48 48 49 51 52
53 56 57 - 58 58 59 61 63 66 67- 69 72 76 - 78
2.- R = 78 - 25 = 53
3.- K = l+3,3221og(30)
4.- C = R / K = 53 / 6 = 8. 833 = 9
5.- Presentamos los datos en columnas
Clases Limites de Clases Frecuencia
fi
1 25 - 33 4
2 34 - 42 4
3 43 - 51 8
4 52 - 60 7
5 61 - 69 5
6 70 - 78 3
18
TOTAL
n = 31
NOTA :- Para ordenar los datos es conveniente saber si los datos se trata
de atributos o variables.
Atributo :- Son los que expresan cualidades. Eje: bueno, malo,
masculino femenino.
Variable :- Es la que asume distintos valores en un evento,
generalmente son nmeros.
Para ordenar datos de atributos es conveniente clasificar de acuerdo con
las categoras en que el atributo puede dividirse. Por Eje: si queremos
ordenar datos correspondientes a calificaciones de exmenes sern,
sobresaliente, muy buena, buena, regular, insuficiente.
Pero, si queremos ordenar datos correspondientes a variables, hay que
ordenar los valores en forma creciente o decreciente (ascendente o
descender, (e)
8. DISTRIBUCIONES DE FRECUENCIAS, INTERVALOS Y MARCA DE
CLASE.
Para hacer la descripcin grfica de los datos es necesario conocer
algunos elementos de la estadstica.
8.1.- LIMITES DE INTERVALOS DE CLASE
Todo grupo, intervalo o clases tiene dos limites: Limite inferior (Li)
y Limite superior (Ls).
8.2.- PUNTOS MEDIOS 0 MARCAS DE CLASES (Xc)
19
Cuando estamos trabajando con datos agrupados es conveniente
buscar para cada intervalo un valor que lo represente. Este valor se llama
punto medio o marca de clase, que se representa con Xc, en formula es :
2
Ls Li
Xc
+

por ejemplo en el intervalo

25 33, Li = 25, Ls = 33
Xc =(25+33)/ 2 = 58/ 2 =
29
Xc = 29 (29 es el punto
medio)
8.3.- FRECUENCIA ABSOLUTA
Es el nmero de veces que se repite un dato, o el nmero de datos que sc
encuentre dentro de un intervalo o clase, se lo representa con la letra "F
minscula, es decir a este tipo de frecuencia se llama Frecuencia
Absoluta.
8.4 .-FRECUENCIA RELATIVA :- Se obtiene dividiendo el nmero de
datos u observaciones de la clase o grupo para el numero total de datos o
observaciones:
se representa con la letra (f
r
), en frmula es :
fr = Nmero de datos en la clase
Nmero total de datos
fr = f/ N ; f es la frecuencia de la clase y N cl
numero de datos.
8.5. FRECUENCIA ACUMULADA :- Se obtiene de la siguiente forma, en
la
primera clase se pone la frecuencia absoluta del mismo, en la segunda
clase se pone la suma 'de la frecuencia de la primera clase con la
segunda clase, y as sucesivamente hasta la suma con la frecuencia de la
ultima clase.
8.6. FRECUENCIA RELATIVA ACUMULADA :- Se obtiene de la
siguiente manera que la frecuencia acumulada, pero sumando las
20
frecuencias relativas correspondientes. la suma de todas las frecuencias
relativas es igual a 1. en
formula es :

K
I
R
F
1
8.7 .- PORCENTAJE
El porcentaje se obtiene multiplicando la frecuencia relativa por 100, sn
formula es :
100 (%) x f
N
f
r

Aplicando esta formula se obtiene mi porcentaje, cuyo resultado debe
expresarse en % (tanto por ciento). La suma de los porcentajes es igual
a 100. (100%).
Ejemplo
Dada la siguiente tabla hallar :
Clase Limite de
clase
Li -
Ls
Frecuen
cia
f
Punto
Medio
Xc
fA .fr fra Porcentaje
%
1 25 - 33 4 29 4 0.13 0.13
.0.13X100 =
13
2 34 - 42 4 38 8 0.13 0.26 0.13X100 =
13
3 43 - 51 8 47 16 0.26 '0.52 0.26X100 =
26
4 52 - 60 7 56 23 0.23 0.75 0.23X100 =
23
5 61 69 5 65 28 0.16 0.91 0.16X100 =
16
6 70 - 78 3 74 31 0.09 1.00 0.09X100 =
9
TOTAL N-31
1.00 100%
21
a) El punto medio, b) Frecuencia acumulada, frecuencia relativa,
frecuencia relativa acumulada y el porcentaje.
9 .- REPRESENTACION GRAFICA DE LOS DATOS
La representacin grfica de los datos es un medio eficaz para el anlisis
de las estadsticas, que nos permiten ver el comportamiento de los datos
en mi conjunto del cual se este investigando. Para luego sacar sus
conclusiones.
La representacin grfica de los datos constituye mi medio auxiliar de la
investigacin estadstica pues esta se fluidamente en la descripcin.
9. 1.- SISTEMAS DE REPRESENTACION
El sistema de representacin mas usual es el PLANO CARTESIANO, en el
eje X se ponen los valores distintos de la variable para dates no
agrupados y los limites de clases para los datos agrupados, en el eje Y se
ponen las frecuencias absolutas (o frecuencias relativas), Veamos las
representaciones grficas mas usuales en la estadstica.
9.1.1- Histogramas :- El histograma es un grfico que tiene un
conjunto de rectngulos de igual base y de altura igual a su respectiva
frecuencia absoluta o frecuencias relativas.
Para construir un histograma se traza primero en el primer cuadrando
positivo del plano cartesiano, luego en el ej. X se anotan los limites
inferiores; y superiores de las clases, procurando que haya una
continuidad o coincidencia, Esto es que, el limite superior de una clase se
constituye en limite inferior do In siguiente clase.
NOTA :- Para esto es necesario hallar los limites reales (L-R) de la clase.
En el eje Y que corresponden a sus alturas se ponen sus respectivas
(frecuencias.
Ejemplo
Clase limites de Clase F L-R
1 25 - 33 4 24.5 -33.5
2 34 - 42 4 33.5 - 42.5
3 43 - 51 8 42.5 -51.5
4 52 -60 7 51.5 - 60.5
22
5 61- 69 5 60.5 - 69.5
6 70 - 78 3 69.5 - 78.5
Histograma: de la demanda diaria de
televisores
9.1.2.- Polgono de Frecuencia :- Es un grfico lineal, su construccin
es similar al histograma; para su construccin se unen los puntos medios
de cada clase, con sus respectivas frecuencias; de tal manera que al unir
sus puntos medios por segmentos forman un polgono.

Ejemplo: Clase Limites de
Clase
f L.R Xc
1 25 - 33 4 24.5 -
33.5
29
2 34 - 42 4 33.5
42.5
38
3 43- 51 8 42.5 -
51.5
47
4 52 - 60 7 51.5 -
60.5
56
5 61- 69 5 60.5 -
69.5
65
6 70 78 3 69.5 -
78.5
74
8
7
6
5
4
3
2
1
0
2 4 . 5 3 3 . 5 4 2 . 5 5 1 . 5 6 0 . 5 6 9 . 5 7 8 . 5
23
29 38 47 56 65 74
9.1.3.- Curvas de Frecuencias Acumuladas (OJIVA)
El grfico de una distribucin de frecuencias acumuladas llamada
OJIVA, o curva de distribucin de frecuencias acumuladas.
Para su construccin se procede de la siguiente manera . Se considera el
plano cartesiano, en el eje X se anotan los limites reales (l-R) de la clase,
en el eje Y se anotan las frecuencias acumuladas (desde la menor hasta
la mayor)
Ejemplo
Clas
e
Limites de
Clase
F T
A
L.R
1 25 - 33 4 4 24.5 33.5
2 34 - 42 4 8 33.5 42.5
3 43 - 51 8 16 42.5 51.5
4 52 - 60 7 23 51.5 60.5
5 61 - 69 5 28 60.5 69.5
24
6 70 - 78 3 31 69.5 78.5
OJIVA (o curva de distribucin)
Ejemplos :
Dada la siguiente tabla ;
Limite de clase
Li -
Ls
Xc f fr, fA
19.2 - 19.4 19.3 1 0.05 1
19.5 - 19.7 19.6 2 0.10 3
19.8 - 20.0 19,9 8 0.40 11
20.1 - 20.3 20.2 4 0.20 15
20.4 - 20.6 20.5 3 0.15 18
20.7 - 20.9 20.8 2 0.10 20
TOTAL
N= 20
Construya el Histograma, el polgono de frecuencia y la ojiva.
0
5
10
15
20
25
30
35
Serie
1
24.5 33.5 42.5 51.5 60.5 78.5
25
9.1.4.- Diagrama de Barras o Grfico de Barras.
El diagrama de barras es un grfico que se representa por medio de
rectngulos que se levantan desde el eje X, hasta una altura que
correspondo a I eje Y y que es igual a las frecuencias de las diferentes
categoras de los datos.
La diferencia entre el diagrama de barras y el histograma esta en que e1
histograma se refiere a una distribucin. de frecuencias y los diagramas
de barras se utilizan para cualquier tipo de atributos o categoras.
I CAMPOS PETROLEROS NUMERO DE POSOS
1 Lago Agrio 20
2 Shushufindi Aguarico 57
3 Sacha 101
4 Yuca Yuca Sur 7
5 Cononaco 12
6 Duremo guanta 9
7 Auca 28
8 libertador 50
Ejemplo
DIAGRAMA DE BARRAS DE LOS CAMPOS PETROLEROS
26
C a m p o s P e t r o l e r o s
0
20
40
60
80
100
120
1 2 3 4 5 6 7 8
Serie1
27
EJERCICIOS
I) Dada Ia siguiente
tabla.
Hallar el Histograma, el polgono de frecuencia y la curva do distribucin.
2) Dada la siguiente tabla que representa el nmero de carros vendidos
en 6 das de feria internacional.
Grafique el diagrama de barras
LIMITE DE
CLASE
F
1.5 2.4
1.5 3.4
3.5 4.4
4.5 5.4
5.5 6.4
6.5 7.4
7.5 8.4
8.5 9.4
9.5 10.4
.
3
3
5
5
6
8
4
4
2
TOTAL N=40
MARCA DE
CARROS
F
Datsun
Ford
Toyota
Vitara
Montero
San Remo
40
45
32
44
38
46
28
9.15.- GRAFICOS EN SECTORES 0 DIAGRAMAS DE PASTEL
Los grficos en sectores o diagramas de pastel se utilizan para
representar los datos cuyo conjunto forman un todo.
Pertenecen a este grupo los CIRCUNGRAMAS 0 CICLOGRAMAS, que son
crculos que representan al numero total de datos (N) divididos en tantos
sectores circulares como categoras tiene el grupo.
Cada sector circular es proporcional a la frecuencia de su clase o
categora.
Para encontrar el numero de grados de cada clase o categora se utiliza la
siguiente formula.
GRADO = (f /n)*360

Donde f es la frecuencia de la clase y n el numero total de datos del
conjunto.
EJEMPLO
CLASE LIMITE DE
CLASE
FRECUENCI
A
F
GRADO
S
PORCENTAJ
E
F
r
x 100
1
2
3
4
5
6
25 - 33
34 - 42
43 - 51
52 - 60
61 - 69
70 - 78
4
4
8
7
5
3
46.5
46.5
93
81
58
35
0.13x100=
13
0.13x100=
13
0.26x100=
26
0.23x100=
23
0.16
x100=16
0.09X100=
9
TOTAL N=31 360 100%
29
1.
5 . 46
31
360 4

x
Grado
5 . 46
31
360 4

x
Grado
93 9 . 92
31
360 8

x
Grado
81
31
360 7

x
Grado
58
31
360 5

x
Grado
35
31
360 3

x
Grado
AUTOEVALUACION No. 1
Instruccin:
Seale con una (x)la alternativa o alternativas verdaderas que
corresponda a cada pregunta.
1. En el siguiente redondeo de datos seale las aproximaciones que
son correctas de acuerdo al Sistema Internacional.
a. 125,85 aproximado a tres cifras enteras es 126
b. 235,135 aproximado a dos cifras decimales es 235,14.
c. 425,45 aproximado a una cifra decimal es 425,5.
d. 1.250,1245 aproximado a una cifra decimal es 1.250,2.
2. Seale con una (x) las variables continuas.
a. Provincias del Ecuador
b. Habitantes del Ecuador
c. La estatura de los alumnos de un colegio.
d. La edad de los alumnos de la Modalidad Abierta.
3. La variable familias del Ecuador es:
a. Continua
b. Discreta
c. Cualitativa
d. Ninguna de las anteriores.
9
133
13
2
6
23
16
30
4. Seale con una (x) las proposiciones que son correctas.
a. La diferencia que se establece entre el valor mayor y el
valor menor de la variable es la amplitud total.
b. c=Ls-Li+1
c. La marca de clase es el valor medio de cada intervalo.
d. Xc = (Ls+Li)/2

5. determine los lmites reales que le corresponden al siguiente
intervalo: 46-50.
a. 46,5 - 50,5
b. 45,5 - 49,5
c. 45,5 - 50,5
d. Ninguna de las soluciones anteriores.
6. Un colegio tiene 3.200 estudiantes. Si los alumnos matriculados en
el primer curso son 400, entonces el porcentaje que le corresponde
a este curso es de:
a. 8,5%
b. 12,5%
c. 80%
d. Ninguna de la soluciones anteriores.
7. el ancho del intervalo 51 - 57 es:
a. C=5
b. C=6
c. C=7
d. Ninguna de las anteriores.
8. La marca de clase del intervalo 30 - 35 es:
a. 4
b. 5
c. 32
d. Ninguna de las soluciones anteriores.
9. Para el clculo de la frecuencia relativa debemos utilizar la
frmula.
N
f
N
f
fr c
N f fr b
r a

.
. .
.
100 .

e. Ninguna de las soluciones anteriores.
10. La frmula para calcular el porcentaje de la frecuencia es:
31
a.
N
f
p
100 .

b.
100
., N f
p
c.
N
f
p
d. Ninguna de las anteriores
11. Cul de las siguientes es una grfica de superficie.
a. Curva de magnitud
b. Polgono de frecuencia
c. Barras compuestas
d. Pictograma.
12. en un polgono de frecuencias, los valores representados en el eje
vertical corresponden a:
a. Los intervalos de clase.
b. Las frecuencias acumuladas.
c. Los puntos medios.
d. las frecuencias.
13. En un histograma, las frecuencia se ubican en el eje vertical Y, y en
el eje horizontal.
a. Los limites reales de clase
b. Las variables
c. Los porcentajes de las frecuencias
d. las frecuencias relativas
14. Cuando en el polgono de frecuencia los puntajes se distribuyen en
forma uniforme, la prueba aplicada ha sido:
a. Con un alto grado de dificultad
b. Con cierto grado de dificultad.
c. Normal.
d. Ninguna de las soluciones anteriores.
15. El grfico que se obtiene al representar la variable y la frecuencia
acumulada.
a. Pictograma
b. Ojiva o curva de magnitud.
C. Polgono de Frecuencia.
d. Diagrama de frecuencias.
16. El polgono de frecuencia es un grfico.
a. De superficie
b. Lineal
32
c. Libre
d. Ninguno de los anteriores.
17. Para trazar un diagrama de barras horizontales en el eje de las
abscisas se localizan las frecuencias y en el eje de las ordenadas.
a. la amplitud de la variable
b. Los limites reales de clase.
c. Los datos de la variable.
d. Las frecuencias acumuladas.
18. Las frecuencias relativas las podemos representar grficamente
utilizando un diagrama
a. Lineal
b. Superficie
c. Libre
d. Ninguna de las anteriores.
19 En un diagrama de sectores, los 360 grados del ngulo central de un
crculo se distribuyen utilizando la frmula.
a. A =
N
f 100 .
b. A =
f
f 360 .
c. A =
f
N 100 .
d. A =
N
f 360 .
20. El diagrama es espiral se utiliza para representar:
a. Solo series con datos geogrficos
b. Dos series de datos
c. Una variacin expansiva de un fenmeno.
d. Los porcentajes de la variable.
PARTE B. En la siguiente serie estadstica de intervalos:
X F
120 - 125
114 - 119
108 - 113
102 - 107
96 - 101
90 - 95
5
6
10
9
15
2
N=47
Determine:
33
a. La marca de clase.
b. La frecuencia relativa
c. La frecuencia acumulada
d. El porcentaje de la frecuencia relativa
e. El histograma
f. La curva de distribucin (OJIVA)
g. El diagrama de pastel.
SEGUNDA UNIDAD
MEDIDA DE LA TENDENCIA CENTRAL Y DE LA DISPERSION
OBJETIVOS
Al terminar el estudio de esta unidad el estudiantes estar en capacidad
de :
Determinar la media, mediana y el modo, la interpretacin y conclusin
de la misma ya sea de datos no agrupados y agrupados.
Determinar la varianza y la desviacin tpica de datos no agrupados y
agrupados.
Determinar la asimetra, sesgo de la curva de distribucin curtosis.
CONTENIDOS.
1. INTRODUCCION
En la seccin anterior se plantearon las tcnicas grficas para describir
las distribuciones ocultas en un conjunto de datos en esta unidad se
34
definen algunas medidas numricas que se emplean para describir un
conjunto de datos. Estas medidas son de dos tipos:
a. Medidas de tendencia central o de centralizacin
b. Medidas de dispersin o de variabilidad.
Estudiaremos tanto para datos agrupados como no agrupados.
Las medidas de tendencia central se refiere a la localizacin de una
distribucin. La ms importantes medidas de tendencia central son: la
media (X), la mediana (Mdn), la moda (mo), media geomtrica (g.M) y la
mediana armnica(G.A)
Las medidas de dispersin o variabilidad se refiere a la dispersin o
distanciamiento de un dato con los dems y con respecto a su media. Las
ms importantes son: la desviacin media (DM). Desviacin mediana
(DMd), la varianza (S
2
) y la desviacin tpica o estndar (S).
2. MEDIA ARITMETICA O PROMEDIO PARA DATOS NO
AGRUPADOS DEFINICION.- La media se define como la suma de los
valores de un conjunto de datos dividida para el nmero total de datos.
Existen dos tipos de medias : La media poblacional que se representa por
u (miu) y la media para muestras que se representa po (X) (equis barra).
La media para datos no agrupados est dada por la siguiente frmula:
n
xn x x x
n
xi
n
i
x
+ + + +

... .......... 3 2 1 1
Donde

n
i
xi
01
a la suma de cada uno de los valores del conjunto de datos
y (n) es el nmero total de elementos del conjunto.
Dado el siguiente conjunto de datos hallas su media.
38-35-76-58-48-59-67-63-33-69-53-51-28-25-36-32-61-57-49-78-48-42-
72-52-47-66-58-44-44-56-45
Aqu es este conjunto N = 30
29 . 51
31
1590
31
56 44 44 ..... 58 76 35 38 1

+ + + + + + +
N
Xi
n
i
X
3. MEDIANA PARA DATOS NO AGRUPADOS
DEFINICIN.- La mediana es una coleccin de datos debidamente
ordenados en forma ascendente o descendente (creciente o decreciente).
Es el valor medio o la media aritmtica de los dos valores medios.
La median est justamente en el 50% de los datos (en la mitad). Para
hallar la mediana, puede presentar dos casos.
35
1er. Caso.- Cuando el nmero de datos es impar.- En este caso la
mediana se encuentra en la mitad de la serie ordenada de los datos, se
puede encontrar utilizando la siguiente frmula.
2
1 +

N
Mdn
El resultado de esta operacin nos indica la posicin o
el lugar donde est la mediana (este valor no es la
respuesta).
DATOS SIN ORDENAR DATOS ORDENADOS
38 35 76 58 45
67 63 33 69 53 59
28 25 36 32 61 51
49 78 48 42 72 57
47 66 58 44 44 52 56
25 28 32 33 35 36
38 42 44 44 45 47 48
48
49 51 52 53 56 57 58
58
59 61 63 66 67 69
72 76 78
N = 31 (NMERO DE DATOS IMPAR).
Mdn = N + 1 = 31 + 1 = 32 = 16
2 2 2
El 16 no es la mediana, el 16 nos indica la posicin o lugar que ocupa la
mediana en el ordenamiento de los datos, en nuestro ejemplo el puesto
16 ocupa el nmero 51
Por lo tanto la Mdn = 51.
2do. Caso.- Cuando el nmero de datos es par.- En este caso se utiliza el
mismo procedimiento que el 1er. Caso, y se obtiene un nmero entero
con decimales, en este caso la median se encuentra hallando la media
aritmtica de los dos valores medios.
DATOS SIN ORDENAR DATOS ORDENADOS
38 35 76 58 45
67 63 33 69 53 59
28 25 36 32 61 51
49 78 48 42 72 57
47 66 58 44 44 52
56
26 28 32 33 35 36
39 42 44 44 45 47
48 48
50 51 52 53 56 57
58 58
59 61 63 66 67
69 72 76 78
Mdn = N + 1 = 30 + 1 = 31 = 15.5
2 2 2
36
El nmero 15.5 no es la mediana, este valor nos dice que la mediana est
entre el elemento 15 y el elemento 16 de los datos ordenados, esto es: El
puesto u15 est ocupado por el nmero 51 y el puesto 16 por el nmero
52.
Por lo tanto la mediana es:
Mdn = 51 + 52 = 103 = 51,5
2 2
4. MODA PARA DATOS NO AGRUPADOS.
Definicin.- La moda en un conjunto de datos u observaciones es el valor
que se repite con mayor frecuencia. A la moda o modo se lo representa
con Mo.
NOTA.- Si existe un solo valor que se repite, el conjunto tiene una sola
moda es UNIMODAL.
EJEMPLO.
Hallar la moda del siguiente conjunto de datos.
19 1 3 4 2 5
7 6 6 6 6 6
20 17 8 18 9 10
Si existen dos valores que se repiten, el conjunto tiene dos modas, es
BINODAL.
1 2 3 3 3 3
4 5 6 7 8 9
12 11 11 10 11 11
Mo = 3 es bimodal.
Mo. = 11.
Si existen ms de dos valores que se repiten, el conjunto tiene varias
modas, se llama MULTIMODAL.
EJERCICIOS.
1. Los siguientes datos representan las latas de fritas de una
muestra de 20 unidades que contienen pesos netos que
oscilan entre 19.3 onzas y 20.9 onzas.
37
19.7-19.9-20.2-19.9-20.0-20.6-19.3-20.4-19.9-20.3-20.1-19.5-20.9-20.3-
20.8-19.9-20.0-20.6-19.9-19.8
Hallar la media, mediana y la moda para este conjunto de datos no
agrupados.
5. MEDIA PARA DATOS AGRUPADOS
La media para datos agrupados se calcula por la siguiente frmula:
N
Xc f
n
i
X

1
1
Donde

N
i
Xc f
1
1
= A la suma del producto de las frecuencias por el punto
medio o marca de clase.
N= Nmero total de datos u observaciones
K= Nmero de clases.
Para hallar la media de datos agrupados, primero encontramos los puntos
medios, luego multiplicamos cada frecuencia por el punto medio de la
clase. Sumamos la columna de los productos y su resultado dividimos
para el nmero total de datos.
EJEMPLO
I LIMITE DE
CLASE
F Xc f. Xc
1
2
3
4
5
6
25 33
34 42
43 51
52 60
61 69
70 78
4
4
8
7
5
3
29
38
47
56
65
74
4x29=116
4x38=152
8x47=376
7x56=392
5x65=325
3x74=222
TOTAL N=31

6
01
1583 .
i
Xc f
06 . 51
31
1583
.
6
1

n
xC F
I
X
6. MEDIANA PARA DATOS AGRUPADOS
La mediana para datos agrupados se obtiene mediante la siguiente
frmula:
[ ]
C Li Mdn
m
f
i f N ) ( 2 /
+
38
PROCEDIMIENTO
1. Formamos una tabla para los lmites de clases, frecuencias y
frecuencias acumuladas.
2. Hallar las frecuencias acumuladas.
Li= significa lmite real inferior de la calase mediana.
N/2= es el nmero de datos dividido para dos.
(
20 ) i f
C= 1.15 1.10 = 0.05
F
m
=15
[ ]
C Li Mdn
m
f
i f N
.
) ( 2 /
+
[ ]
[ ]
2 . 1 163 . 1
0133 . 0 15 . 1 ) 05 . 0 ( 15 / 4 15 . 1 ) 05 . 0 ( 15 . 1
15
20 24

+ + +

Mdn
Mdn
8. MODA PARA DATOS AGRUPADOS.
Para hallar la moda para datos agrupados, primeramente se observa en
columna da las frecuencias, el valor ms alto (clase con la mayor
frecuencia.) Luego se halla la moda utilizando la siguiente frmula
C Li Mo
d d
d
2 1
1
+
+
Li = Lmite inferior de la calase modal (clase con la mayor frecuencia).
d1= Frecuencia de la clase modal menos la frecuencia de la clase
anterior
d2 = Frecuencia de la clase modal menos la frecuencia de la siguiente
clase.
C = Amplitud o longitud del intervalo de clase.
EJEMPLO
I LIMITE DE CLASE f
i
1
2
3
4
5
6
1.00 1.04
1.05 1.09
1.10 1.14
1.15 1.19
1.20 1.24
1.25 1.29
4
6
10
15
8
5
Total N = 48
En este ejemplo la frecuencia la frecuencia ms alta es 15 y est en la
cuarta clase.
Li = 1.15
d1 = 15 10 = 5
d2 = 15 - 8 = 7
C = 1.20 1.15 = 0.05
C Li Mo
d d
d
2 1
1
+
+
39
Mo = 1.15 + 5 (0.05) = 1,15 + 0,0208
( 5+7)
Mo= 1.170

1,2
8. CUARTILES, DECILES Y PERCENTILES, PARA DATOS NO
AGRUPADOS.
Los cuartiles, deciles y percentiles se asemejan mucho a la mediana
porque tambin subdividen una distribucin de mediciones de acuerdo
con la proporcin de frecuencias observadas.
Mientras la mediana divide un conjunto de datos en dos mitades, los
cuartiles la dividen en 4 partes, los deciles la dividen en 10 partes y los
percentiles la dividen en 100 partes.
Para los datos no agrupados, las frmulas que se emplean son las
siguientes:
CUARTILES:
Primero: Q
1
= (N/4) + (1/2)
Segundo: Q
2
= (2N/4) +(172)
Tercero: Q
3 =
(3N/4) + (1/2).
DECILES
Primero: (N/10) + (1/2) = D
1
Segundo: (2N/10) + (1/2) = D
2
Tercero: (3N/10) + (1/2) = D
3
Cuarto: (4N/10) + (1/2) = D
4
Quinto: (5N/10) + (1/2) = D
5
Sexto: (6N/10) + (1/2) = D
6
Sptima: (7N/10) + (1/2) = D
7
Octavo: (8N/10) + (1/2) = D
8
Noveno: (9N/10) + (1/2) = D
9
PERCENTILES
Primero: P
1
= (N/100) + (1/2)
Segundo: P
2 =
( 2N/100) +(1/2)
...................................................
Diez P
10 =
( 10N/100) +(1/2)
Setenta = P70
=
( 10N/100) +(1/2)
Ochenta = P80
=
( 80N/100) +(1/2)
40
EJEMPLO
Del siguiente conjunto de datos hallar, los cuartiles, el decil segundo y
decil noveno, adems hallar los percentiles dcimo, veinticinco avo,
setenta y cinco avo (75) y noventa avo.
82 85 86 87 87 89 89 90 91 91
92 93 94 95 95 95 95 95 97 98
99 99 100 100 101 101 103 103 103 104
105 105 106 107 107 107 109 110 110 111
Q
1
= (N/4) +(1/2) = (40/4) + (1/2) = 10 +0.5 , Q
1
= 91 + 92 = 183
= 91.5
2 2
Q
2
= (2N/4) +(1/2) = 20+ 0.5 = 20.5 , Q
2
= 98 + 99 = 197
= 98.5
2 2
Q
1
= (3N/4) +(1/2) = 30+0.5 = 30.5, Q
1
= 104 + 105 =
209 = 91.5
2 2
D
1
= (2N/10) +(1/2) = 8+0.5 = 8.5, D
2
= 90 + 91 =
181 = 90.5
2 2
D
9
= (9N/4) +(1/2) = 36+0.5 = 36.5, D
9
= 107 + 109 =
216 = 10,85
2 2
P
10
= (10N/4) +(1/2) = 4+0.5 = 4.5 , P
10
= 87 + 87 =
174 = 87
2 2
P
25
= (25N/4) +(1/2) = 10+0.5 = 10.5, P
25
= 91 +
92 = 183 = 91.5
2 2
P
75
= (75N/4) +(1/2) = 30 + 0.5 = 30.5 , Q
1
= 104 +
105 = 209 = 91.5
2 2
P
90
= (90N/4) +(1/2) = 36+0.5 = 36.5 , Q
1
= 107 +
109 = 216 = 108
2 2
De todos estos dados usados son los Percentiles:
Definicin.- Se llama recorrido intercuantil a la diferencia entre los
percentiles 75 avo. Y 25 avo. En formula es:
Recorrido intercuantil = P
75
P
25
= 104.5 91.5 = 13
41
Defincin.- Se llama recorrido interdecil a la diferencia entre los
percentiles 90avo. Y 10 avo. En frmula es:
Recorrido interdecil = P
90
- P
10
= 108 87 = 21,.
9. CUARTILES, DECILES Y PERCENTILES PARA DATOS
AGRUPADOS.
Para hallar los cuartiles, deciles y percentiles de datos agrupados, basta
recordar la frmula de la medinan para datos agrupados.
Esto Es:
C Li Mdn
m
f
i f N ] ) ( 2 / [
+
Por lo tanto las formulas par los Cuartiles, deciles y percentiles son:
CUARTILES :
[ ]
C Li Q
cuartil
f
i f N
.
) ( 4 /
1

+
[ ]
C Li Q
cuartil
f
i f N
.
) ( 4 / 2
2

+
[ ]
C Li Q
cuartil
f
i f N
.
) ( 4 / 3
3

+
DECILES
[ ]
C Li D
decil
f
i f N
.
) ( 10 /
1

+
[ ]
C Li D
decil
f
i f N
.
) ( 10 / 5
5

+
[ ]
C Li D
decil
f
i f N
.
) ( 10 / 8
8

+
[ ]
C Li D
decil
f
i f N
.
) ( 10 / 9
9

+
PERCENTILES
Dentro de los percentiles los ms usados son.:
[ ]
C Li P
percentil
f
i f N
.
) ( 10 /
10

+
[ ]
C Li P
percentil
f
i f N
.
) ( 10 / 25
25

+
[ ]
C Li P
percentil
f
i f N
.
) ( 10 / 75
75

+
[ ]
C Li P
percentil
f
i f N
.
) ( 10 / 90
90

+
As tenemos lo siguiente:
Recorrido intercuantil = P
75
P
25
42
Recorrido interdecil = P
90
P
10.
EJEMPLO
De la siguientes tablas determinar, el recorrido intercuantil y el recorrido
interdecil
I LIMITE DE
CLASE
FRECDUENCIA
f
i
FRECUENCIA
ACUMULADA
1
2
3
4
5
6
82 - 86
87 - 91
92 - 96
97 - 101
102 - 106
107 - 111
3
7
8
8
7
7
3
11
18
26
33
40
N=40
[ ]
C Li P
percentil
F
i f N
.
) ( 100 / 10
10

+
400 = 4 (2da clase).
100
Li= 87; ( f)i = 3; f= 7; C=5
P 10
= 87 + (4-3/7) 5
P
10
= 87 + (1/7) 5= 87+0.71
P
10 =
87.71
[ ]
C Li P
percentil
F
i f N
.
) ( 100 / 25
25

+
1000 = 10 (2da clase).
100
Li= 87; ( f)i = 3; f= 7; C=5
P 25
= 87 + (10-3/7) 5
P
25
= 87 + (7/7) 5 = 87+5
P
25 =
92
[ ]
C Li P
percentil
F
i f N
.
) ( 100 / 90
90

+
90N = 3600=36 (6ta clase).
100
Li= 107; ( f)i = 33; f= 7.
P 90
= 107+ (36-33/7) 5
P
90
= 107 + (3/7) 5= 107+2.14
P
90 =
109.14
[ ]
C Li P
percentil
F
i f N
.
) ( 100 / 10
10

+
75N = 3000=30 (5ta clase).
100
Li= 102; ( f)i = 26; f= 7.
P 75
= 102+ (30-26/7) 5
P
75
= 102+ (4/7) 5= 102+2.85
P
75 =
104.86
Recorrido intercuantil = P
75
P
25
= 104.86 92 = 12.86

13
Recorrido interdecil = P
90
P
10
= 109.14 87.71 = 21.43.
EJERCICIOS
Dado el siguiente conjunto de datos no agrupados (20 datos ).
40.2
26.9
29.3
28.7
35.6
99.8
88.2
35.6
42.9
37.8
25.1
25.4
29.3
31.7
35.6
36.8
40.2
42.9
50.6
55.2
43
44.2
31.7
32.3
36.8
55.2
45.2
50.6
25.1
25.4
39.7
26.9
28.7
32.3
35.6
37.8
39.7
44.2
45.2
88.2
99.8
Calcular : el recorrido intercuantil y recorrido interdecil.
P
10=
[10(20)/100 + 0.5 = 2 + 0.5 = 2.5; est entre el elemento 2 y 5 de
los datos ordenados.
P
10
= 25.4 + 26.9/2 = 52.3/2 = 26.15
P
25 =
29.3 + 31.7 / 2 = 61/ 2 = 30.5
P
75
= [75(20)/100[ + 0-5 = 15 + 0.5 = 15.5; est entre el elemento 15 y
16
P
75
0 44.2 + 45.2 / 2 = 89.4 /2 = 44.7
P
90
= [90(20)/100 + 0.5 = 18+0.5 = 18.5; est entre el elemento 18 y 19.
P
90
= 88.2 + 55.2 / 2 = 134.4/2 = 71.7.
Recorrido intecuantil = P
75
P
25
= 44.7 30.5 = 14.2
Recorrido interdecil = P
90
P
10
= 71.7 26.15 0 45.55.
Del siguiente conjunto de datos agrupados, calculas los recorridos
intercunatil e interdecil. Adems, la media, mediana, moda.
Limite de
clase
Frecuencia
(f)
Punto
medio (Xc)
Frec.
Acumulada
(Fa)
f.xc
1.10 - 1.86
1.87 - 2.63
2.64 - 3.40
3.41 - 4.17
4.18 - 4.94
4.95 - 5.71
5.72 - 6.48
6.49 - 7.25
4
14
11
9
7
1
2
2
1.48
2.25
3.02
3.79
4.56
5.33
6.10
6.87
4
18
29
38
45
46
48
50
5.92
31.50
33.22
34.11
31.92
5.33
12.2
13.74
N = 50 167.94
10.- MEDIDAS DE DISPERSIN PARA DATOS NO AGRUPADOS Y
AGRUPADOS.
La dispersin se refiere a la variabilidad o amplitud en los datos.
Las medidas ms importantes de dispersin son:
La desuvicacin media.
La varianza
La desviacin estndar.
10.1 DESVIACIN MEDIA PARA DATOS NO AGRUPADOS.
La desviacin media para datos no agrupados est dada por:
44
_
|Xi - X |
D.M =
n
DM= Desviacin media.
Xi X = valor absoluto de la diferencia entre cada dato de la muestra y la
media.
N= Nmero de datos.
EJEMPLO:
Del siguiente conjunto da datos: Hallar la desviacin media (D.M)
82 85 86 87 87 89 89 90 91 91
92 93 94 95 95 95 95 95 97 98
99 99 100 100 101 101 103 103 103 104
105 105 106 107 107 107 109 110 110 111
X = 82 + 85 + .............................+111 = 97.9
40
Mdn = 40 + 1 = 20.5
2
Mdn = 98 + 99 = 98.5
2
N
Mdn xi
N
i
DMdn

1
) (

N
i
X Xi
1
82 97.9 + 85 97.9 + 86 97.9 + ..... + 111-97.9
= -15.9 + -12.9 + -11.9 + ........+13.1
= 15.9 + 12.9 + 11.9 + ......+ 13.1
_
|Xi X | = 264.2
Por lo tanto:
_
|Xi - X |
D.M =
n
DM = 264.2
40
DM = 6.605

6.61
45
10.1.2 DESVIACION MEDIA PARA DATOS AGRUPADOS
La desviacin media para datos agrupados est dado por:
_
f |Xc X|
D.M = n
Donde f = es la frecuencia de cada clase
|Xc X| = es la diferencia entre la marca de clase (punto medio) y la
media.
EJEMPLO
De la siguiente tabla de datos agrupados calculas la Desviacin Media.
Limite
de clase
Punto
Medio
Xc
Fre
c.
Fi
F
i
X
c
d= |Xc X| F
i
|Xc X|
(Xc X )
2
F
i
(Xc
X)
2
82 86
87 - 91
92 - 96
97 - 101
102 -
106
107
111
84
89
94
99
104
109
3
7
8
8
7
7
25
2
62
3
75
2
79
2
72
8
76
3
84 - 97.75
=13.75
89 - 97.75
= 8.75
94 - 97.75
= 3.75
99 97.75
= 1.25
104 97.75
= 6.25
109 - 97.75
= 11.25
3(13.75)
= 41.25
7(8.75) =
61.25
8 ( 3.75) =
30.00
8 (1.25) =
10.00
7 ( 6.25) =
43.75
7 811.25)
= 78.75
(13.75)
2
=
189.0625
(8.75)
2
=
76.5625
(3.75)
2
=
14.0625
(1.25)
2
=
1.5625
(6.25)
2
=
39.0625
(11.25)
2 =
126.5625
567.18
75
535.93
75
112.50
00
12.500
0
273.43
75
885.93
75
TOTAL N=
40
39
10
F
i
|Xc X|=
265
2387,5
75 . 97
40
3910 1

N
Xc f
K
i
i
x
_
f |Xc X|
D.M = n = 265/ 40 = 6,625

10.2 VARIANZA PARA DATOS AGRUPADOS Y NO AGRUPADOS.
46
La raz cuadrada de la varianza recibe el nombre de Desviacin estndar.
2179 . 61
39
5 . 2387
1
) (
2
1
2
2
1
2 2

N
X Xc f
n
nx fxc
k
i
i
S S
10.2.1 DESVIACIN ESTNDAR PARA DATOS AGRUPADOS.- La raz
cuadrada de la varianza recibe el nombre de . Desviacin
estndar.
S=
1
) (
1
2

N
X Xc f
k
i
i
2179 . 61 S
S = 7, 824
10.2.3 VARIANZA PARA DATOS NO AGRUPADOS.
La varianza para datos no agrupados est dada por:
1 1
) (
2
2 2
2
1

n
nx x
N
X Xi
N
i
S
Mtodo abreviado.

N
i
X Xi
1
2
) (
Sumatoria o suma de la diferencia de cada valor del conjunto
de datos menos la media elevado al cuadrado.
N-1= Al nmero de datos de la observacin menos uno.
82 85 86 87 87 89 89 90 91 91
92 93 94 95 95 95 95 95 97 98
99 99 100 100 101 101 103 103 103 104
105 105 106 107 107 107 109 110 110 111
_
X = 97,9
1
) (
2
40
1
2

N
X xi
i
S

+ + +
40
1
2 2 2 2
) 9 . 97 111 ( ......... ) 9 . 97 86 ( ) 9 . 97 82 ( ) (
i
X Xi
= 2379.61
Por lo tanto
015 . 61
39
61 . 2379
1 40
) (
2
40
1
2

i
X Xi
S
47
10.2.4. DESVIACIN ESTNDAR PARA DATOS NO AGRUPADOS
Definicin.- La raz cuadrada ms la varianza recibe el nombre de
Desviacin estndar.
Del ejemplo anterior tenemos : S
2
= 61.015
Desviacin Estndar: S = 81 . 7 015 . 61
EJEMPLO
Los siguientes datos agrupados representan los pagos por
almacenamiento para los 50 ms grandes detallistas durante el ao
1979
Limite
s
Li -
Ls
Frec
uenc
Xc f
A
F
i
Xc Xc-X F
1
Xc-
X
(Xc-
X)
2
F
1
(Xc-
X)
2
1.10 -
1.86
1.87 -
2.63
2.64 -
3.40
3.41 -
4.17
4.18 -
4.94
4.95 -
5.71
5.72 -
6.48
6.49 -
7.25
4
14
11
9
7
1
2
2
1.48
2.25
3.02
3.79
4.56
5.33
6.10
6.87
4
18
29
38
45
46
48
50
5.92
31.5
33.22
34.11
31.92
5.33
12.20
13.74
1.88
1.11
0.34
0.43
1.20
1.79
2.76
3.51
7.52
15.54
3.74
3.87
8.40
1.97
5.48
7.02
3.176
1.024
0.059
0.276
1.684
4.277
8.139
13.01
7
12.70
4
14.33
6
.649
2.511
11.78
8
4.277
16.27
8
26.03
4
N=5
0
167.9
4
53.54 88.57
7
36 . 3
50
99 . 167
8
1

N
Xc F
I
I
X
N/2 = 50/2=25 est en la 3era clase.
Li = 2.635
(

8
1
)
i
i f
18;
48
f
m
= 11
C= 5.72 4.95 = 0.77
m
i
f
y f N
Li Mdn
1
]
1

+
8
1
) 2 /
Mdn= = 2.635 + [25-18/11 (.77)
Mdn= 2.635 + [0.636 (0.77) = 2.635 +
0.49 = 3.13
C Li Mo
d d
d
2 1
1
+
+
d1 = 14-4 =10
d2 = 14-11 =3
Li = 1.865
Mo= 1.865 + 1 O (0.77) =1.865 + (0.769) (0.77) = 1.865 + 0.923 =
2.46
10+3
Mo= 2.46
0708 . 1
50
5354
) (
8
1
1

N
X Xc f
i
DM
068 . 1
50
4 . 53
) (
8
1
1

N
X Xc f
i
DM
79 . 1 808 . 1
49
577 . 88
) (
2
8
1
1

N
X Xc f
i
S
34 . 1 344 . 1 808 . 1
1
) ( 1
8
1
2

N
X Xc f
i
S
Recorrido intercuantil = P
75
P
25
percentil
i
f
C i f N
Li P
. ) ( 100 / 75
75
8
1
1
]
1

+
75(50) = 37.5 est en la 4ta clase
100
Li = 3.41;
29 )
8
1

i
i f
;
C= 0.77
P
75=
= 3.41.41 + (37.5 - 29/9) (0-77) = 3.41 + (8.5/9)(0.77) = 3.41 +
0.7272
P
75
= 4,137
49
percentil
i
f
C i f
Li P
. ) 100 / ) 50 ( 25
25
8
1
1
1
]
1

+

25 (50) = 12.5 est en la 2da CLASE
100
Li= 1.87 ; (
i f )
= 4; C = 0.77
f
percentil
= 14
P
25
= 1.87 + 12.5 4/14 (0.77)
P
25 =
1.87 + (8.5/14)(0.77)
P
25=
1.87 +0.4675
P
25
= 2.388
Recorrido intercuantil = P
75
P
25
C Li P
percentil
I
f
i F N
.
8
1
) ( 100 / 75
75
1
]
1

+
75(50) = 37.5 est en la 4ta clase.
100

8
1
77 . 0 ; 29 ) ( ; 41 . 3
i
c i f Li
f
percentil
= 9
P
75
= 3.41 +[37.5 29/9 (0.77) = 3.41 + (8.5/9)(0.77)=3.41 +0.7272
P
75
= 4.137
percentil
i
f
C i f
Li P
. ) ( 100 / ) 50 ( 25
25
8
1
1
]
1

+
25(50) = 12.5 est en la 2da clase
[ ]
338 . 2
4675 . 0 87 . 1
) 77 . 0 )( 14 / 5 . 8 ( 87 . 1
) 77 . 0 ( 14 / 4 5 . 12 87 . 1
25
25
25
25

+
+
+
P
P
P
P
14
77 . 0 ; 4 ) ( ; 8 . 1

percentil
f
C i f Li
Recorrido intercuatil = P
75
P
25
=4.137 2.338
= 1.799
11. FORMA DE DISTRIBUCION DE FRECUENCIA
50
La forma de la distribucin sobre unimodales se refiere a: (1) Su simetra
o falta de ella (asimetra) y (2) la curtosis (la agudeza de su punta).
ASIMETRIA. Una distribucin tiene asimetra cero si es simtrica a su
media.
En una distribucin simtrica, la media, la mediana y la moda son
iguales. X = Md = Mo
Una distribucin esta segunda positivamente si la cola derecha es ms
larga que la cola izquierda. Entonces, la media > mediana> moda (vese
la siguiente figura ).
La asimetra (Sk) puede medirse por el coeficiente de simetra de
Pearson
Sk = 3( med) para poblaciones

Sk = 3(X med) para muestras.
s
La asimetra puede medirse tambin por el tercer momento respecto a la
media y se puede hallar tambin mediante la siguientes frmulas:
SIMTRICA SESGADA POSITIVAMENTE SESGADA NEGATIVAMENTE
Media = Mediana=Moda Moda < Mediana < Media Media < Mediana < Moda
51
3
3
1
) (

x n
k
i
i
Sk
para poblaciones
3
3
1
) (
s
x x fi
k
i
i
Sk

para muestras.
Donde, u
3
es el tercer momento central;
Si u
3
< 0, se dice que la distribucin es asimtrica
negativativamente
Si u
3
> 0, se dice que la distribucin es asimtrica positivamente
Si u
3
= 0, se dice que la distribucin es simtrica.
11.1 CURTOSIUS.- la curtosis estudia la puntiagudez de la
curva
Una curva de punta aguda se llama leptocrtica.
Una curva de punta atacha se llama platircrtica.
Una curva que se encuentra entre la leoptocrtica y platicrtica se
llama mesocrtica (ver fig. 3.2).
LEPTOCURTICA
MESOCURTICA
PLATICURTICA

MEDIA
52
La curtosis puede medirse por el cuarto momento respecto a la
media dividido por la desviacin estndar elevada a la cuarta
potencia. Es frmula es:
4
4
1
) (

x n
k
i
i
Sk
para poblaciones
4
4
1
) (
s
x x fi
k
i
i
Sk

para muestras.
Donde, u
2
es el cuarto momento central
La curtosis para una curva leptocrtica >3. La curtosis para una curva
mesocrtica = 3. La curtosis para una curva platicrtica < 3
Coeficiente de Pearson:
5
) ( 3 Mdn x
P

Si P < 0, los datos estn sesgados a la izquierda. Si P > 0, los datos

estn sesgados a la derecha. Si P = 0, los datos estn distribuidos
normalmente.
TEOREMA DE CHEBYSHEY: Afirma que al menos un dato
(observaciones) de un conjunto se encuentra en
[ ] > yK k
k
1 , 1
2
1
desviacin
tpica de la media.
Coeficiente de variacin: Mide el grado de dispersin de un conjunto
de datos en relacin con su media.
S
CV = (100)
X
Combinacin .- Es un conjunto de elementos, en la que la composicin
es importante, y no el orden.
nCr = n!/ r! ( n r) !
Permutacin .- Es un conjunto de elementos, en la que, la composicin
y el orden es importante.
nPr = n! / (n r) !
53
Variacin.- Las variaciones con repeticin dan el nmero de
subconjuntos en el cual importa el orden y se admite la repeticin.
nVr = n
r
,
AUTOEVALUACION # 2
Instruccin
Seale con una (x) la alternativa verdadera que corresponden a cada
pregunta.
PARTE A
1. Las medidas de tendencia central son valores:
a. Que ocupan el centro de una serie
ordenada
b. Con los cuales se separan los datos con
respecto a su media.
c. Hacia los cuales tienden a acercase o
alejarse los dems valores de la serie.
d. Que resultan de multiplicar las
desviaciones para el nmero de casos.
2. La media aritmtica es el valor promedio que resulta de:
a. Multiplicar la sumatoria de valores por el
nmero total de casos.
b. Dividir la suma de las desviaciones para el
nmero de casos.
54
c. Dividir un conjunto de valores para el
nmero total de los mismos.
d. Ninguna de las proposiciones anteriors.
3. La frmula
N
fX
c
X

se la utiliza para hallar la media
aritmtica de:
a. Una serie estadstica
b. Una serie estadstica de intervalo
c. Una serie estadstica de frecuencia
d. Datos agrupados.
4. La mediana de la siguiente serie de datos: 19, 15, 18, 16, 17
es:
a. 18
b. 17
c. 16
d. Ninguno de los valores anteriores.
5. La frmula
2
N
Mdn se la utiliza para:
a. Determinar el valor de la mediana
b. Encontrar el valor que ms se repite en la
serie
c. Determinar la posicin de la mediana
d. Encontrar el valor de la mediana de una
serie estadstica.
6. Seale cual de las siguiente medidas individuales es
equivalente a la mediana.
a. El percentil 25
b. El segundo cuartil
c. El cuarto decil.
d. Ninguna de las anteriores.
7. El modo de la siguiente serie estadstica es:
55
X F
145 12
144 10
143 15
142 14
141 9
a. 14.5
b. 15
c. 143
d. Ninguna de las anteriores
8. Seale cul de las siguientes proposiciones es verdadera.
40 A La media geomtrica es la raz cuadrada del producto de los
valores de la variable
41 La media es el valor recproco de la media aritmtica.
42 El modo es el valor que se presenta con ms frecuencia.
43 Ninguna de las anteriores.
1. La media geomtricaz se la puede aplicar para:
a. Hallar en economa el costo promedio
b. Obtener un promedio exacto de una
progresin geomtrica
c. Para calcular la desviacin tpica
d. Hallar promedios de velocidades.
2. Indentifique cules de las siguientes medidas son de
dispersin:
a. Modo
b. Varinza
c. Mediana
d. Desviacin tpica
PRUEBA DE ENSAYO
INSTRUCCIONES:
Esta prueba consta de cuatro problemas en las cuales es preciso que
escribir todo el procedimiento. Sern valores con cuatro puntos, un punto
cada problema.
1.- Determine la media aritmtica de la siguiente serie
estadstica.
56
X F
66-70 15
61-65 20
56-60 12
51-55 22
46-50 10
2.- Si la edad de los profesores de un colegio es:
X F
26-30 25
31-35 32
36-40 24
41-45 15
46-50 10
51-55 8
Calcular la mediana:
3.- Determine la desviacin media de la siguiente serie
estadstica:
Peso en KG. F
60 5
61 8
62 12
63 24
64 16
65 4
4.- Determine la desviacin tpica de la serie que se encuentra
registrada en el siguiente cuadro estadstica.
EDADES F F
16-22 51-57 10 12
23-29 44-50 14 21
30-36 37-43 26 35
37-43 30-36 35 26
44-50 23-29 21 14
51-57 16-252 12 10
118 N =118
57
BIBLIOGRAFIA
ALLEN L. WEBSTER. Estadstica Aplicada para la Administracin y
Economa, IRWIN, 1999.
ALLISON, D. E. 1970 Test anxiety, stress y intelligence perfomance
Sxiencia, 2, 26 27.
CONOVER, W. J y otros 1974. Some reasons for not using the ytes.
DIXON, W. J. Y F. J. Masser, 1980. Introduction to statical Analysis (4ta.
Ed.) Nueva York: McGrawHill.
58
FRENCH, J. W. 1946 Efects of anxiety on verbl and mathematical
examination scores, Educational and Bychological Mea surement, 22,
553 564.
BURSTEIN, H. 1971. Ttribute Sampling: Tables and Ex Planations o Tubles
for Determinig confidence limits and smple sizes based on close
aproximations of the binomial distribution.
KENNETH D. HOPKINS y B.R. HOPKINS. Estadstica Bsica. Mxico 1997
Ingramex.
GEORGE CANAYOS . Probabilidades y Estadstica. Mxico 1992.
McGrawHill.
59