INSTITUTO TECNOLOGICO SUPERIOR DE VILLA

LA VENTA

UNIDAD 1: DISTRIBUCIONES DE
FRECUENCIA

ASIGNATURA:
PROBABILIDAD Y ESTADISTICA
DESCRIPTIVA

PRESENTA:
YAMILET GARCIA OVANDO

DOCENTE:
ING. ANGEL ARMANDO CARRILLO PEREZ

CARRERA:
INGENIERIA EN GESTIN EMPRESARIAL

GRADO Y GRUPO:
3 Q
VILLA LA VENTA TABASCO: SABADO 24 DE
DICIEMBRE DEL 2016

INDICE
INTRODUCCIN .................................................................................................... 3
UNIDAD 1: DISTRIBUCIONES DE FRECUENCIA. ................................................ 4
1.1 CONCEPTOS DE ESTADSTICA Y SU CLASIFICACIN. ........................... 5
ANALISIS.......................................................................................................... 7
1.2 RECOPILACIN DE DATOS. ........................................................................ 8
ANALISIS.......................................................................................................... 9
1.3 DISTRIBUCIN DE FRECUENCIA ............................................................. 10
1.3.1 Polgonos de frecuencia, histogramas y ojivas. ..................................... 11
ANALISIS........................................................................................................ 12
1.4 MEDIDAS DE TENDENCIA CENTRAL. PARA UN CONJUNTO DE DATOS
AGRUPADOS. ................................................................................................... 13
1.4.1 Media, Media Ponderada ....................................................................... 13
1.4.2 Mediana ................................................................................................. 14
1.4.3 Moda ...................................................................................................... 14
1.4.4 Relacin entre media, mediana y moda. ................................................ 15
ANALISIS........................................................................................................ 16
1.5 MEDIDAS DE DISPERSIN PARA UN CONJUNTO DE DATOS Y DATOS
AGRUPADOS. ................................................................................................... 17
1.5.1 Rango. ................................................................................................... 17
1.5.2 Desviacin media................................................................................... 19
1.5.3 Varianza. ................................................................................................ 19
1.5.4 Desviacin estndar. (S ) .................................................................. 22
ANALISIS........................................................................................................ 23
CONCLUSIN ...................................................................................................... 24

INTRODUCCIN
En esta unidad nos aportara informacin para el anlisis, caracterizacin,
interpretacin y prediccin de los distintos fenmenos o devenires de las empresas
actuales en el mundo globalizado que nos ests tocando vivir.
Se abordan los temas bsicos de la estadstica descriptiva con la finalidad de que
se analice y represente grficamente conjuntos de datos tomados de una situacin
real, haciendo una interpretacin de ellos mediante el uso de medidas de tendencia
central lo que le permitir identificar las caractersticas de los fenmenos
poblacionales.
Todo anlisis estadstico se inicia con una primera fase descriptiva de los datos.
sta tiene por objeto sintetizar la informacin mediante la elaboracin de tablas de
frecuencias, representaciones grficas y el clculo de medidas estadsticas (o
estadsticos). Estos procedimientos descriptivos dependen de la naturaleza de la
variable o atributo que se analiza, bsicamente, para sintetizar datos cualitativos o
datos cuantitativos. En la siguiente investigacin se mostrarn puntos por punto de
toda la unidad para tener un concepto ms amplio.

UNIDAD 1: DISTRIBUCIONES DE FRECUENCIA.

1.1 CONCEPTOS DE ESTADSTICA Y SU CLASIFICACIN.

ESTADSTICA: Es el arte de reunir, analizar, presentar e interpretar datos. Es un
conjunto de teoras y mtodos desarrollados para la recopilacin, representacin y
el uso de datos sobre una o varias caractersticas de inters con el objeto de tomar
decisiones, extraer conclusiones o emprender acciones. La estadstica se usa en
todos lados. Los Organismos Oficiales la necesitan para poder tomar decisiones y
revisar que est pasado con el pas. Otra aplicacin es en los deportes, Cuntos
partidos ganados? Promedio de goles?
Otra aplicacin muy importante, se encuentra en las Aseguradoras, ya que ellos
deben conocer que est pasando en el pas, en cuanto a robos, accidentes,
enfermedades, para poder poner precio a sus plizas.

La estadstica se divide en tres ramas:

Estadstica descriptiva o deductiva
Estadstica

Teora de probabilidad
Estadstica inferencial

Estadstica descriptiva o deductiva: Se emplea simplemente para resumir de forma

numrica o grfica un conjunto de datos. Se restringe a describir los datos que se
analizan. Si aplicamos las herramientas ofrecidas por la estadstica descriptiva a
una muestra, solo nos limitaremos a describir los datos encontrados en dicha
muestra, no se podr generalizar la informacin hacia la poblacin.
Teora de probabilidad: Es una rama de las matemticas que estudia los fenmenos
aleatorios y estocsticos. Los fenmenos aleatorios se contraponen a los
fenmenos deterministas, los cuales son resultados nicos y/o previsibles de
experimentos realizados bajo las mismas condiciones determinadas, por ejemplo,
si se calienta agua a 100 C a nivel del mar se obtendr vapor. La teora de
probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados
y saber si un suceso es ms probable que otro.
La estadstica inferencial: Permite realizar conclusiones o inferencias, basndose
en los datos simplificados y analizados de una muestra hacia la poblacin o
universo. Por ejemplo, a partir de una muestra representativa tomada a los
habitantes de una ciudad, se podr inferir la votacin de todos los ciudadanos que
cumplan los requisitos con un error de aproximacin.

ANALISIS

1.2 RECOPILACIN DE DATOS.

Los datos provienen de observaciones reales o de documentos que se usan de
manera cotidiana, es la parte que consume mayor tiempo la cual la podemos
obtener de:
a. Bancos de datos: Es aquel que se utiliza para hacer referencia a un conjunto de
datos, de informaciones que son agrupadas y mantenidas en un mismo soporte a
modo de facilitar su acceso. Cuando hablamos de un banco de datos estamos
sealando que esa informacin est clasificada y ordenada de acuerdo a diferentes
parmetros ya que la misma puede ser solicitada muy a menudo con diversos fines.
b. Entrevistas o cuestionarios: son tcnicas o instrumentos de recoleccin de datos.
La entrevista implica una pauta de interaccin verbal, inmediata y personal. Es una
conversacin, generalmente oral, entre dos o ms personas dependiendo de si sea
personal o grupal, de los cules, una parte es el entrevistador y la otra el
entrevistado. Los cuestionarios son un conjunto de preguntas respecto a una o ms
variables a medir. Tanto la entrevista como el cuestionario tienen como finalidad
obtener informacin.
Las entrevistas y los cuestionarios se dirigen hacia la obtencin de datos no
observables directamente, datos que se basan por lo general en declaraciones
verbales de los sujetos.
c. Observacin directa o mediciones experimentales: La Observacin se traduce en
un registro visual de lo que ocurre en el mundo real, en la evidencia emprica. As
toda observacin; al igual que otros mtodos o instrumentos para consignar
informacin; requiere del sujeto que investiga la definicin de los objetivos que
persigue su investigacin, determinar su unidad de observacin, las condiciones en
que asumir la observacin y las conductas que deber registrar es aquella donde
se tienen un contacto directo con los elementos o caracteres en los cuales se
presenta el fenmeno que se pretende investigar, y los resultados obtenidos se
consideran datos estadsticos originales.

ANALISIS

1.3 DISTRIBUCIN DE FRECUENCIA

Se le llama distribucin de frecuencias a la agrupacin de datos en categoras
mutuamente excluyentes que indican el nmero de observaciones en cada
categora. Esto proporciona un valor aadido a la agrupacin de datos. La
distribucin de frecuencias presenta las observaciones clasificadas de modo que se
pueda ver el nmero existente en cada clase. Es una representacin tabular en la
cual se disponen datos divididos en grupos ordenados numricamente y que se
denominan clases o categoras.
Al construir una tabla de distribucin de frecuencias, debemos de:
1) Se selecciona el nmero adecuado de clases para la tabla.
2) Se selecciona un intervalo de clase o anchura apropiada.
3) Establecer los lmites de clase para evitar traslapes. La seleccin del nmero de
clases depende de la cantidad de datos, sin embargo, se propone de entre 5 y 15.
Frecuencia absoluta: La frecuencia absoluta es el nmero de veces que aparece un
determinado valor en un estudio estadstico. Se representa por fila. La suma de las
frecuencias absolutas es igual al nmero total de datos, que se representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega (sigma
mayscula) que se lee suma o sumatoria.
Frecuencia relativa: Se dice que la frecuencia relativa es el cociente entre la
frecuencia absoluta de un determinado valor y el nmero total de datos. Se puede
expresar en tantos por ciento y se representa por hi. La suma de las frecuencias
relativas es igual a 1, siempre y cuando no sea igual que 7 o por debajo de los 7
primeros nmeros sucesivos. Frecuencia relativa (hi), es el cociente entre la
frecuencia absoluta y el tamao de la muestra (N).
Frecuencia acumulada: Es la suma de las frecuencias absolutas de todos los
valores inferiores o iguales al valor considerado. La frecuencia acumulada es la
frecuencia estadstica F(XXr) con que el valor de un variable aleatoria (X) es menor
que o igual a un valor de referencia (Xr). La frecuencia acumulada relativa se deja
escribir como Fc(XXr), o en breve Fc(Xr), y se calcula de: Fc (Hr) = HXr / N
donde MXr es el nmero de datos X con un valor menor que o igual a Xr, y N es
nmero total de los datos. En breve se escribe:
Fc = M / N
Cuando Xr=Xmin, donde Xmin es el valor mnimo observado, se ve que Fc=1/N,
porque M=1. Por otro lado, cuando Xr=Xmax, donde Xmax es el valor mximo
observado, se ve que Fc=1, porque M=N.
En porcentaje la ecuacin es: Fc (%) = 100 M / N

10

Frecuencia relativa acumulada: Es el cociente entre la frecuencia acumulada de un

determinado valor y el nmero total de datos. Se puede expresar en tantos por
ciento. Ejemplo: Durante el mes de julio, en una ciudad se han registrado las
siguientes temperaturas mximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27.
1.3.1 Polgonos de frecuencia, histogramas y ojivas.
Polgonos de frecuencia: Es un diagrama de lnea que usa los mismos ejes y escala
del histograma, formando un polgono.

Histograma de Frecuencias: Est formado por un conjunto de barras rectangulares,

levantadas sobre el eje de las abscisas (x), cuyas reas son proporcionales a las
frecuencias, la altura de cada barra representa a la frecuencia.

Diagramas acumulativos (ojivas): En ocasiones se desea mostrar la distribucin de

datos, en forma acumulada. Las frecuencias acumuladas se pueden formar sobre
una base menor que mayor que y se obtienen sumando en orden ascendente
o descendente las frecuencias.

11

ANALISIS

12

1.4 MEDIDAS DE TENDENCIA CENTRAL. PARA UN CONJUNTO DE

DATOS AGRUPADOS.
Son empleadas para resumir a los conjuntos de datos que sern sometidos a un
estudio estadstico, se les llama medidas de tendencia central porque general mente
la acumulacin ms alta de datos se encuentra en los valores intermedios. Estas
medidas son utilizadas con grandes frecuencias como medidas descriptivas de
poblaciones o muestras. La mayora de los datos se muestra la tendencia de
agruparse alrededor de un punto central y es posible elegir un valor promedio que
describa al conjunto.
Las ms empleadas son:

Media, Media Ponderada

Mediana
Moda

1.4.1 Media, Media Ponderada

De un conjunto finito de nmeros es el valor caracterstico de una serie de datos
cuantitativos, objeto de estudio que parte del principio de la esperanza matemtica
o valor esperado, se obtiene a partir de la suma de todos sus valores dividida entre
el nmero de sumandos.
Utilice la media para describir un conjunto entero de observaciones con un solo valor
que representa el centro de los datos. Muchos anlisis estadsticos utilizan la media
como un punto de referencia estndar. La media es la suma de todas las
observaciones dividida entre el nmero de observaciones.

Por ejemplo, el tiempo de espera (en minutos) de cinco clientes de un banco es: 3,
2, 4, 1 y 2. El tiempo medio de espera es:
En promedio, un cliente espera 2.4 minutos para ser atendido en el banco.

Media Ponderada: La media ponderada es una medida de tendencia central, que

es apropiada cuando en un conjunto de datos cada uno de ellos tiene una
importancia relativa (o peso) respecto de los dems datos.

13

Se obtiene multiplicando cada uno de los datos por su ponderacin (peso) para
luego sumarlos, obteniendo as una suma ponderada; despus se divide esta entre
la suma de los pesos, dando como resultado la media ponderada.
1.4.2 Mediana
Se utiliza la mediana para describir un conjunto entero de observaciones con un
solo valor que representa el centro de los datos. La mitad de las observaciones est
por encima de la mediana y la otra mitad est por debajo de sta. Se determina al
jerarquizar los datos y hallar el nmero de observacin [N + 1] / 2. Si hay un nmero
par de observaciones, la mediana se extrapola como el valor que est justo en el
medio entre el valor de las observaciones N / 2 y [N / 2] + 1.

1.4.3 Moda
La moda es el valor que ocurre con ms frecuencia en un conjunto de
observaciones. Tambin muestra cuntos puntos de los datos son iguales a la
moda. La moda se puede utilizar con la media y la mediana para proporcionar una
caracterizacin general de la distribucin de los datos. Mientras que la media y la
mediana requieren un clculo, la moda se obtiene simplemente contando el nmero
de veces que cada valor ocurre en un conjunto de datos.
El identificar la moda puede ayudar a comprender la distribucin. Una distribucin
con ms de una moda puede indicar que usted en realidad tom la muestra de una
poblacin mixta. Por ejemplo, usted puede haber recogido datos de tiempo de
espera de clientes que desean cobrar cheques y de clientes que desean solicitar
una hipoteca, todos juntos. Para entender mejor sus datos, estos dos casos se
deberan recopilar por separado. Si tiene ms de dos modas, la distribucin es
multimodal.

14

1.4.4 Relacin entre media, mediana y moda.

Cuando una distribucin de frecuencia es simtrica, la media, mediana y moda
coinciden en su valor (X = Me = Mo). En el caso de una distribucin binomial
simtrica, es necesario calcular el promedio de las modas.
En una distribucin sesgada a la izquierda, la moda es menor a la mediana, y esta
a su vez menor que la media (X < Mo < Me)
En una distribucin sesgada a la derecha la relacin se invierte, la moda es mayor
a la mediana, y esta a su vez mayor que la media (Mo > Me >).
La mediana est con frecuencia comprendida entre la media y la moda (incluso

ms cerca de la media).
En distribuciones que presentan cierta inclinacin, es ms aconsejable el uso de
la mediana. Sin embargo, en estudios relacionados con propsitos estadsticos y
de inferencia suele ser ms apta la media.

15

ANALISIS

16

1.5 MEDIDAS DE DISPERSIN PARA UN CONJUNTO DE DATOS Y

DATOS AGRUPADOS.
Es una propiedad que describe a un conjunto de datos en relacin al grado de
variacin o diseminacin de los mismos las medidas ms usuales son el rango, la
desviacin media, la varianza y la desviacin estndar.
Las medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad
de los valores de la distribucin respecto al valor central. Distinguimos entre
medidas de dispersin absolutas, que no son comparables entre diferentes
muestras y las relativas que nos permitirn comparar varias muestras.

LA DISPERSIN.

Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda
slo nos revelan una parte de la informacin que necesitamos acerca de las
caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los
datos, debemos medir tambin su dispersin, extensin o variabilidad.
La dispersin es importante porque:

Proporciona informacin adicional que permite juzgar la confiabilidad de la

medida de tendencia central. Si los datos se encuentran ampliamente
dispersos, la posicin central es menos representativa de los datos.
Ya que existen problemas caractersticos para datos ampliamente dispersos,
debemos ser capaces de distinguir que presentan esa dispersin antes de
abordar esos problemas.
Quiz se desee comparar las dispersiones de diferentes muestras. Si no se
desea tener una amplia dispersin de valores con respecto al centro de
distribucin o esto presenta riesgos inaceptables, necesitamos tener
habilidad de reconocerlo y evitar escoger distribuciones que tengan las
dispersiones ms grandes.

1.5.1 Rango.
Es el intervalo entre el valor mximo y el valor mnimo; por ello, comparte unidades
con los datos. Permite obtener una idea de la dispersin de los datos, cuanto mayor
es el rango, ms dispersos estn los datos de un conjunto. Es la medida de
variabilidad ms fcil de calcular. Para datos finitos o sin agrupar, el rango se define
como la diferencia entre el valor ms alto (Xn Xmax.) y el ms bajo (X1 Xmin)
en un conjunto de datos.
Con datos agrupados no se saben los valores mximos y mnimos. Si no hay
intervalos de clases abiertos podemos aproximar el rango mediante el uso de los
lmites de clases. Se aproxima el rango tomando el lmite superior de la ltima clase
menos el lmite inferior de la primera clase.

17

Rango para datos no agrupados;

R = Xmx.-Xmn = Xn-X1
Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier ao, a saber: 18,23,
27,34 y 25., para calcular la media aritmtica (promedio de las edades, se tiene que:
R = Xn-X1) = 34-18 = 16 aos
Con datos agrupados no se saben los valores mximos y mnimos. Si no hay
intervalos de clases abiertos podemos aproximar el rango mediante el uso de los
lmites de clases. Se aproxima el rango tomando el lmite superior de la ltima clase
menos el lmite inferior de la primera clase.
Rango para datos agrupados;
R= (lim. Sup. de la clase n lim. Inf. De la clase 1)
Ejemplo:
Si se toman los datos del ejemplo resuelto al construir la tabla de distribucin de
frecuencia de las cuentas por cobrar de Cabreras y Asociados que fueron los
siguientes:
Clases
7.420 21.835

fa

fa

fra

14.628 10 0.33 10

30

0.33 1.00

P.M.
Xi

fi

fr

fra

21.835 36.250 29.043 4

0.13 14

20

0.46 0.67

36.250 50.665 43.458 5

0.17 19

16

0.63 0.54

50.665 65.080 57.873 3

0.10 22

11

0.73 0.37

65.080 79.495 72.288 3

0.10 25

0.83 0.27

79.495 93.910 86.703 5

0.17 30

1.00 0.17

Total

XXX

30 1.00 XXX XXX XXX XXX

El rango de la distribucin de frecuencias se calcula as:

R= (lim. Sup. de la clase n lim. Inf. De la clase 1) = (93.910 7.420) = 86.49

Propiedades del Rango o Recorrido:

El recorrido es la medida de dispersin ms sencilla de calcular e interpretar puesto

que simplemente es la distancia entre los valores extremos (mximo y mnimo) en
una distribucin
Puesto que el recorrido se basa en los valores extremos ste tiende s ser errtico.
No es extrao que en una distribucin de datos econmicos o comerciales incluya

18

a unos pocos valores en extremo pequeos o grandes. Cuando tal cosa sucede,
entonces el recorrido solamente mide la dispersin con respecto a esos valores
anormales, ignorando a los dems valores de la variable.
La principal desventaja del recorrido es que slo est influenciado por los valores
extremos, puesto que no cuenta con los dems valores de la variable. Por tal razn,
siempre existe el peligro de que el recorrido ofrezca una descripcin distorsionada
de la dispersin.
En el control de la calidad se hace un uso extenso del recorrido cuando la
distribucin a utilizarse no la distorsionan y cuando el ahorro del tiempo al hacer los
clculos es un factor de importancia.
1.5.2 Desviacin media.
En estadstica la desviacin absoluta promedio o, sencillamente desviacin media
o promedio de un conjunto de datos es la media de las desviaciones absolutas y es
un resumen de la dispersin estadstica. Se expresa, de acuerdo a esta frmula:

La desviacin absoluta respecto a la media,

, la desviacin absoluta respecto a
la mediana,
, y la desviacin tpica, , de un mismo conjunto de valores
cumplen la desigualdad:

Siempre ocurre que

donde el Rango es igual a:

El valor:
ocurre cuando los datos son exactamente iguales e iguales a la
media aritmtica.

Por otro lado:

datos.

cuando solo hay dos valores en el conjunto de

1.5.3 Varianza.
La varianza es una medida de dispersin relativa a algn punto de referencia. Ese
punto de referencia es la media aritmtica de la distribucin. Ms especficamente,
la varianza es una medida de que tan cerca, o que tan lejos estn los diferentes
valores de su propia media aritmtica. Cuando ms lejos estn las Xi de su propia
media aritmtica, mayor es la varianza; cuando ms cerca estn las Xi a su media
menos es la varianza.

19

La varianza para datos no agrupados

Dado un conjunto de observaciones, tales como X1, X2, , Xn, la varianza
denotada usualmente por la letra minscula griega (sigma) elevada al cuadrado
(2) y en otros casos S2 segn otros analistas, se define como: el cuadrado medio
de las desviaciones con respecto a su media aritmtica.
Matemticamente, se expresa como:

Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de 1er ao, a saber: 18,23,
25, 27, y 34. Al calcular la media aritmtica (promedio de las edades, se obtuvo 25.4
aos, encontrar la varianza de las edades de estos estudiantes:
Para calcular se utiliza una tabla estadstica de trabajo de la siguiente manera:
Xi

( Xi -

( Xi -

)2

18

(18 25.5)=-7.4

(-7.4)2=54.76

23

(23 25.5)=-2.4

(-2.4)2= 5.76

25

(25 25.5)=-0.4

(-0.4)2= 0.16

27

(27 25.5)= 1.6

( 1.64)2= 2.16

34

(34 25.5)= 8.6

( 8.6)2 =73.96

Total

xxxx

137.20

Respuesta: la varianza de las edades es de 27.4 aos

20

La varianza para datos agrupados

Si en una tabla de distribucin de frecuencias. Los puntos medios de las clases
son X1, X2, , Xn; y las frecuencias de las clases f1, f2, , fn; la varianza se
calcula as:
(Xi- )2f1
2 = ---------------fi
Sin embargo, la formula anterior tiene algn inconveniente para su uso en la
prctica, sobre todo cuando se trabaja con nmeros decimales o cuando la media
aritmtica es un nmero entero. Asimismo, cuando se trabaja con
mquinas calculadoras, La tarea de computar la varianza se simplifica utilizando
la frmula de computacin que se da a continuacin:
Xi2fi - [(Xifi)2/N]
2 = ---------------------------N donde N=fi
Ejemplo:
Se tienen los datos de una muestra de 30 cuentas por cobrar de la tienda Cabreras
y Asociados dispuestos en una tabla de distribucin de frecuencias, a partir de los
cuales se deber calcular la varianza, para lo cual se construye la siguiente tabla
estadstica de trabajo, si se calcul anteriormente la media aritmtica y se fij en
43.458 (ver ejemplo del clculo en "media aritmtica para datos agrupados) de la
siguiente manera
Punto medios
Xi

fi

7.420 21.835

14.628

10

213.978

146.280

2,139.780

21.835 36.250

29.043

843,496

116.172

3,373.984

36.250 50.665

43.458

1,888.598

217.270

9,442.990

50.665 65.080

57.873

3,349.284

173.619

10,047.852

65.080 79.495

72.288

5,225.555

216.864

15,676.665

79.495 93.910

86.703

7,533.025

433.965

37,665.125

XXX

30

19,053.936

1,304.190

78,346.396

clases

Total

Xi2

Xifi

X2fi

Respuesta: la varianza de las cuentas por cobrar es igual B/.721.645

Propiedades de la varianza:

21

Es siempre un valor no negativo, que puede ser igual o distinta de 0.

La varianza es la medida de dispersin cuadrtica optima por ser la menor de todas.
Si a todos los valores de la variable se le suma una constante la varianza no se
modifica.
1.5.4 Desviacin estndar. (S )
Es una medida de la cantidad tpica en la que los valores del conjunto de datos
difieren de la media. Es la medida de dispersin ms utilizada, se le llama tambin
desviacin tpica. La desviacin estndar siempre se calcula con respecto a la
media y es un mnimo cuando se estima con respecto a este valor.
Se calcula de forma sencilla, si se conoce la varianza, por cuanto que es la raz
cuadrada positiva de esta. A la desviacin se le representa por la letra minscula
griega "sigma" ( ) por la letra S mayscula.
Clculo de la Desviacin Estndar
= 2 S = S2
Ejemplo:
Del clculo de la varianza de las edades de cinco estudiantes universitarios de
primer ao se obtuvo 2=27.44, como la desviacin estndar es la raz cuadrada
positiva, entonces = 27.44 = 5.29 aos.
Igual procedimiento se aplica para encontrar le desviacin estndar de las cuentas
por cobrar de la Tienda Cabreras y Asociados, recordemos que la varianza obtenida
fue de 721.645, luego entonces la desviacin estndar es igual a =721.645=
26.86 balboas.

Propiedades de la Desviacin Estndar

A su vez la desviacin estndar, tambin tiene una serie de propiedades que se

deducen fcilmente de las de la varianza (ya que la desviacin tpica es la raz
cuadrada positiva de la varianza):
La desviacin estndar es siempre un valor no negativo S ser siempre 0 por
definicin. Cuando S = 0 X = xi (para todo i).
Es la medida de dispersin ptima por ser la ms pequea.
La desviacin estndar toma en cuenta las desviaciones de todos los valores de la
variable

22

ANALISIS

23

CONCLUSIN
Una distribucin de frecuencia es una tabla de resumen en la que los datos se
disponen en agrupamientos o categoras convenientemente establecidas de clases
ordenadas numricamente. En esta forma las caractersticas ms importantes de
los datos se aproximan muy fcilmente, compensando as el hecho de que cuando
los datos se agrupan de ese modo, la informacin inicial referente a las
observaciones individuales de que antes se dispona se pierde a travs del proceso
de agrupamiento o condensacin.
La principal ventaja de usar una de estas tablas de resumen es que las principales
caractersticas de los datos se hacen evidentes inmediatamente para el lector.
La principal desventaja de tal tabla de resumen es que no podemos saber cmo se
distribuyen los valores individuales dentro de un intervalo de clase particular sin
tener acceso a los datos originales. El punto medio de la clase, sin embargo, es el
valor usado para representar todos los datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los lmites
de cada clase y es representativo de los datos de esa clase.
La probabilidad es la posibilidad u oportunidad de que suceda un evento particular.
La probabilidad involucrada es una porcin o fraccin cuyo valor vara entre cero y
uno exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es
decir, el evento nulo), tiene una probabilidad de cero, mientras que un evento que
seguramente ocurrir (es decir, el evento cierto), tiene una probabilidad de uno.

24