MANUAL PARA ELABORACION DE TABLA DE FRECUENCIAS

En la geoestadistica la elaboración de la tabla de frecuencia es dar orden los datos

geoestadisticos mediante los diversos pasos, en todo caso para poder entender más para
la elaboración de la tabla de frecuencia tendremos hacerlo con un ejemplo de sondeos las
cuales tienen la ley mineral de Cu en %.

PRIMERO:
 Primeramente tendremos la data o los datos adquiridos como son las leyes realizadas
en los sondajes

Cu
(%)
ME-XRF21u
0.026% 0.110% 0.090% 0.085%
0.018% 0.131% 0.062% 0.106%
0.032% 0.107% 0.080% 0.122%
0.034% 0.010% 0.067% 0.212%
0.048% 0.030% 0.081% 0.151%
0.176% 0.010% 0.102% 0.164%
0.158% 0.058% 0.095% 0.242%
0.112% 0.348% 0.133% 0.102%
0.158% 0.044% 0.202% 0.100%
0.152% 0.066% 0.145% 0.144%
0.148% 0.027% 0.166% 0.122%
0.131% 0.236% 0.153% 0.120%
0.147% 0.024% 0.124% 0.064%
0.135% 0.025% 0.138% 0.115%
0.107% 0.031% 0.106% 0.056%
0.106% 0.026% 0.091% 0.030%
0.142% 0.017% 0.127% 0.305%
0.130% 0.003% 0.124% 0.047%
0.104% 0.004% 0.173% 0.037%
0.138% 0.065% 0.092% 0.011%
0.102% 0.134% 0.132% 0.005%
0.123% 0.276% 0.130% 0.006%
0.114% 0.072% 0.124% 0.007%
0.106% 0.031% 0.070% 0.002%
0.100% 0.006% 0.124% 0.005%
0.130% 0.018% 0.336%
0.092% 0.011% 0.151%
0.158% 0.014% 0.135%
0.263% 0.089% 0.070%

Así podemos contabilizar que tenemos 112 los datos obtenidos en los sondeos
 SEGUNDO:

 Una vez sabiendo el número de datos que son 112 leyes seguidamente tendremos
que sacar la ley máxima y la ley mínima.

Ley máxima: 34.80%

Ley mínima: 0.20%

 Para la elaboración de la tabla de frecuencia necesitamos realizar tres pasos muy

importantes los cuales son:

1. Rango (R): el rango es aquella diferencia entre el valor máximo y el valor mínimo
de los datos de ley

𝑅 = 𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛

𝑅 = 34.80% − 0.20% = 34.60% … … … … … … . (𝑎)

2. Numero de intervalos (K): para hallar el número de intervalos nos tenemos
que formular con la siguiente ecuación que lo propuso STURGES el cual se define
como:

𝐾 = 1 + 3.32 ∗ log⁡(𝑛)
Donde k = número de intervalos
n = número de datos

Continuando con el ejemplo de las leyes de Cu el número de intervalos seria:

𝐾 = 1 + 3.32 ∗ log(112)

𝐾 = 7.803 ≅ 8⁡𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠
3. amplitud (A): la amplitud o ancho que tendrá cada intervalo el cual se halla de la
siguiente manera.

Amplitud = Rango / N° de intervalos

𝑅 34.60
𝐴= ⁡⁡⁡⁡⁡⁡ → ⁡⁡𝑅 = ⁡ = 0.04325
𝐾 8
 Una vez hallado la amplitud que tendrá cada nuestros intervalos podemos seguir y
empezar a realizar nuestra tabla de frecuencia.

 Partes que conforman una tabla de frecuencia

Las cuales son las siguientes:

 limites inferior e superior
 marca de clase
 frecuencia absoluta
 frecuencia absoluta acumulada
 frecuencia relativa
 frecuencia de densidad

a) Limites superior e inferior. Estos límites son hallados empezando de la suma al

valor mínimo más la amplitud y así seguir las sumatorias hasta completar los 8
intervalos en la tabla de frecuencia y concluir en el valor máximo.

Del ejemplo que damos realizando seria de la siguiente manera

Intervalos Límite inferior (LI) Límite superior (LS)

1 0.20% ley mínima 0.20% + 0.04325 = 4.53%
2 4.53% 4.53%+ 0.04325 = 8.85%
3 8.85% 8.85%+ 0.04325 = 13.18%
4 13.18% 13.18%+ 0.04325 = 17.50%
5 17.50% 17.50%+ 0.04325 = 21.83%
6 21.83% 21.83%+ 0.04325 = 26.15%
7 26.15% 26.15%+ 0.04325 = 30.48%
8 30.48% 30.48%+ 0.04325 = 34.80% ley máxima

b) Marca de clase. Para poder hallar la marca de clase tenemos que usar la simple
ecuación matemática que es la siguiente:

𝐿𝑠 + 𝐿𝑖
𝑚=
2
Se realizara para todos los intervalos existentes

c) Frecuencia absoluta. Es el número de veces que se repite un determinado valor

de la variable (xi). Se designa por fi.

La suma de todas las frecuencias absolutas es igual al total de observaciones (n).

d) Frecuencia acumulada. Las frecuencias acumuladas de una distribución de

frecuencias son aquellas que se obtienen de las sumas sucesivas de la fi, que
integran cada una de las filas de una distribución de frecuencia, esto se logra
 cuando la acumulación de las frecuencias se realiza tomando en cuenta la primera
fila hasta alcanzar la última. Las frecuencias acumuladas se designan con las letras
Fi. Se calcula:

𝐹𝑖 = ∑ 𝑓𝑖 = ⁡𝐹𝑖−1 + 𝑓𝑖
𝑖=1
De esta manera podremos hallar la frecuencia absoluta en el ejemplo se podrá observar
mejor

e) Frecuencia relativa. Es aquella que resulta de dividir cada una de las

frecuencias absolutas entre el número total de datos. Las frecuencias relativas se
designan con las letras hi. Se calcula mediante la siguiente ecuación matemática.

𝑓𝑖
ℎ𝑖 =
𝑛
Dónde: fi = frecuencia absoluta

n= número de datos

Tener en cuenta que la suma de todas las frecuencias relativas es igual a la unidad.

f) Frecuencia de densidad. Es aquella que resulta al dividir la frecuencia relativa

entre el número total de datos.

 Seguidamente la elaboración de nuestra tabla de frecuencia tendríamos de la

siguiente manera según tomando los datos de la ley de Cu

Intervalos Li Ls marca de frecuencia frecuencia frecuencia frecuencia

clase absoluta absoluta relativa de
acumulada densidad
1 0.20% 4.53% 0.023625 29 29 0.25892857 0.00231186
2 4.53% 8.85% 0.066875 15 44 0.13392857 0.00119579
3 8.85% 13.18% 0.110125 36 80 0.32142857 0.0028699
4 13.18% 17.50% 0.153375 22 102 0.19642857 0.00175383
5 17.50% 21.83% 0.196625 3 105 0.02678571 0.00023916
6 21.83% 26.15% 0.239875 2 107 0.01785714 0.00015944
7 26.15% 30.48% 0.283125 2 109 0.01785714 0.00015944
8 30.48% 34.80% 0.326375 3 112 0.02678571 0.00023916
112 1
 TERCERO
 una vez realizado nuestra tabla de frecuencias podemos ahora interpretar nuestro
histograma de frecuencia

Histograma de frecuencia. Es la representación gráfica de las frecuencias agrupadas

de una variable continua sobre intervalos. Los histogramas dibujan rectángulos unidos
entre sí, lo que significa que existe continuidad en la variable cuyos valores se
representan en el eje horizontal que se haya dividido en intervalos de igual amplitud. Las
áreas de los rectángulos son proporcionales a las frecuencias que representan.

De nuestro ejemplo de la ley de cobre tenemos la relación de la frecuencia absoluta con la

marca de clase el cual tiene una interpretación:

HISTOGRAMA
40
35
Frecuencia absoluta

30
25
20
15
10
5
0
0.0236 0.0668 0.1101 0.1533 0.1966 0.2398 0.2831 0.3263
25 75 25 75 25 75 25 75
frecuencia absoluta 29 15 36 22 3 2 2 3
frecuencia absoluta 29 15 36 22 3 2 2 3

INTERPRETACION. En el histograma podemos analizar que tenemos 36 muestras de ley

de Cu ppm que estas están próximas a la ley de 0.023625 ppm el cual se encuentra en el
intervalo 3. Eso quiere darnos a conocer la concentración de mayor ley de Cu se
encuentra por el intervalo mencionado.

CUARTO.
 seguidamente necesitamos saber las medidas de posición para datos agrupados de
nuestras data de leyes para lo cual tenemos que saber algunos conceptos que nos
ayuden tales como:
  media aritmética
 mediana
 moda

 para trabajar adelantamos nuestra tabla de frecuencias para realizar los cálculos de las medidas de posición con los datos que
son necesarios.

frecuencia frecuencia marca de marca de

marca de frecuencia frecuencia
Intervalos Li Ls absoluta de clase*frecuencia clase2*frecuencia
clase absoluta relativa
acumulada densidad absoluta absoluta
1 0.20% 4.53% 0.023625 29 29 0.25892857 0.00231186 0.685125 0.016186078
2 4.53% 8.85% 0.066875 15 44 0.13392857 0.00119579 1.003125 0.067083984
3 8.85% 13.18% 0.110125 36 80 0.32142857 0.0028699 3.9645 0.436590563
4 13.18% 17.50% 0.153375 22 102 0.19642857 0.00175383 3.37425 0.517525594
5 17.50% 21.83% 0.196625 3 105 0.02678571 0.00023916 0.589875 0.115984172
6 21.83% 26.15% 0.239875 2 107 0.01785714 0.00015944 0.47975 0.115080031
7 26.15% 30.48% 0.283125 2 109 0.01785714 0.00015944 0.56625 0.160319531
8 30.48% 34.80% 0.326375 3 112 0.02678571 0.00023916 0.979125 0.319561922
112 1 11.642 1.748331875

Media aritmética. Se define la media aritmética de una distribución de frecuencias como la suma del producto de los valores de la
variable por sus frecuencias absolutas divido por el número de datos, la media aritmética para datos agrupados se define
matemáticamente con la siguiente formula.

∑𝑛𝑖=1 𝑋𝑖 𝑓𝑖
𝑋̅ =
𝑁
Dónde: xi = i-esima de marca de clase

fi= i-esima frecuencia absoluta

N = número de datos

Para el ejemplo de ley de Cu la media aritmética seria:

11.642
𝑋̅ = ⁡ = ⁡⁡0.103946429
112
Interpretación. En la data de 112 leyes de Cu tenemos que el promedio de todas estas
leyes es la ley de Cu igual a 0.1039 ppm

Mediana. Se llama mediana de una variable estadística a aquel valor de la variable tal
que el número de observaciones menores que él es igual que el número de
observaciones mayores. El valor que divide en dos partes iguales, en cual esta denota por
la siguiente formula

𝑛
− 𝐹(𝑖−1)
𝑀𝑒 = 𝐿𝑖 + 𝐴 [ 2 ]
𝑓𝑖

Dónde: n/2 = posición de la mediana

Li = es el límite inferior de la clase donde se encuentra ubicada la mediana.

F (i-1) = es el valor de la frecuencia acumulada anterior a la clase mediana.

fi = es el valor de la frecuencia de clase donde se encuentra la mediana.

A = es el tamaño del intervalo de clase.

n = es el número total de datos de la distribución en estudio.

 Mediana para el ejemplo de la ley Cu seria el siguiente una vez ubicado en la tabla

Primero ubicamos la posición de la mediana n/2 = 112/2 = 56

Segundo una vez ubicado lo fijamos en la tabla de frecuencias relativas donde

reemplazando es igual a:

56 − 29
𝑀𝑒 = 4.53 + 0.04325 [ ] ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡𝑀𝑒 = 0.1231
15
Interpretación. Luego de hallar la mediana analizamos que de la distribución salió
0.1231 ppm por lo que esto quiere decir que un 50 % de las leyes de Cu está por debajo
de 0.1231 y el otro 50 % de las leyes están por encima de los 0.1231 ppm.

Moda. La moda es la única medida que se puede definir para caracteres cualitativos. Se
define la moda de una distribución como aquel valor que se ha presentado más veces, es
decir, es aquel que su frecuencia absoluta es máxima. El cual está dado por la formula.

𝑓𝑖 − 𝑓(𝑖−1)
𝑀𝑜 = 𝐿𝑖 + 𝐴 [ ]
(𝑓𝑖 − 𝑓(𝑖−1) ) + (𝑓𝑖 − 𝑓(𝑖+1) )
Dónde: Li = es el límite inferior de la clase modal.

Δ1 = es la diferencia entre la frecuencia absoluta de la clase modal y la frecuencia

de la clase anterior a la modal.

Δ2 = es la diferencia entre la frecuencia absoluta de la clase modal y la frecuencia

de la clase siguiente a la modal.

A = es el tamaño del intervalo de clase.

 Continuando con el ejemplo de la ley de Cu la moda se obtiene:

36 − 15
𝑀𝑜 = 8.85 + 0.04325 [ ] ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡𝑀𝑜 = 0.11445
(36 − 15) + (36 − 22)

Interpretación. La moda en esta ley de Cu o ley que más se frecuenta es 0.11445

ppm.

QUINTO
 Las medidas de dispersión nos van a informar sobre el grado de esparcimiento de la
distribución, es decir, nos van a decir si los valores que aparecen están más o menos
concentrados, tomando el ejemplo de la ley de Cu.

 varianza
 desviación estándar
 coeficiente de variación

Varianza. La varianza es una medida de dispersión que mide el grado de esparcimiento

de una distribución alrededor de la media aritmética. Cuanto más grande sea la varianza
más esparcidos estarán los valores de la variable. El cual está dado por la siguiente
formula:
 ∑𝑛 2
𝑖=1 𝑋𝑖 𝑓
2
𝜎 = − 𝑋̅ 2
𝑛
Dónde: xi = i-esima de marca de clase

fi= i-esima frecuencia absoluta

N = número de datos

x = media aritmética

 la varianza tomando los datos de la tabla de frecuencias para el ejemplo de ley de

cobre seria:

1.748331875
𝜎2 = − (0.103946429)2 ⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡⁡⁡ 𝜎 2 = 0.004805246
112
Interpretación. El resultado obtenido indica que en promedio, que las leyes de Cu se
dispersa con respecto a su media aritmética en una cantidad igual a 0.004805.

DESVIACIÓN ESTÁNDAR. La desviación típica se define para obtener una

medida de dispersión que venga expresada en las mismas unidades que la variable. Se
define como la raíz cuadrada de la varianza. Cual formula es la siguiente

𝜎 = √𝜎 2
 Desviación estándar para el ejemplo de la ley Cu seria el siguiente una vez hallada
la varianza

𝜎 = √0.004805246 ⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡𝜎 = 0.069319882

COEFICIENTE DE VARIACIÓN. El coeficiente de variación es una medida de

dispersión relativa que nos va permitir comparar dos distribuciones distintas, se define
como el cociente entre la desviación estándar y la media aritmética.
𝜎
𝐶𝑉 =
𝑋̅
Coeficiente de variación para el ejemplo de la ley Cu seria el siguiente una vez halladas la
desviación estándar y la media aritmética

0.069319882
𝐶𝑉 = ⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡𝐶𝑉 = 0.666880842
0.103946429
Backgroung = 𝑿 ̅ − 𝝈 para el ejemplo de la ley Cu seria el siguiente una vez halladas la
desviación estándar y la media aritmética

 Background = 0.103946429 − 0.069319882⁡⁡⁡⁡⁡⁡⁡⁡ →⁡⁡⁡⁡= 0.770827271

Valor umbral= 𝑿 ̅ − 𝟐𝝈 para el ejemplo de la ley Cu seria el siguiente una vez halladas la
desviación estándar y la media aritmética

 Valor umbral= 0.103946429 − 𝟐(0.069319882) ⁡⁡⁡⁡⁡⁡⁡⁡ →⁡⁡⁡⁡= 0.978720128

Anomalías= 𝑿 ̅ − 𝟑𝝈 para el ejemplo de la ley Cu seria el siguiente una vez halladas la

desviación estándar y la media aritmética

 Anomalías= 0.103946429 − 𝟑(0.069319882) ⁡⁡⁡⁡⁡⁡⁡⁡ →⁡⁡⁡⁡= 0.978720128

OTRAS MEDIDAS POSICIÓNALES

CUARTILES. Son valores de la variable que dividen los datos ordenados en cuartos;
cada conjunto de datos tiene tres cuartiles. El primer cuartil, Q1, es un número tal que a lo
sumo 25% de los datos son menores en valor que Q1 y a lo sumo 75% son mayores. El
segundo cuartil es la mediana (50%). El tercer cuartil, Q3, es un número tal que a lo sumo
75% de los datos son menores en valor que Q3 ya lo sumo 25% son mayores.

𝑘𝑛
− 𝑓(𝑖−1)
𝐶𝑖 = 𝐿𝑖 + 𝐴 [ 4 ]
(𝑓𝑖 − 𝑓(𝑖−1) )

Para el ejemplo de la ley Cu seria el siguiente una vez designado el cuartil deseado hallar

Primero ubicamos la posición del cuartil 2 k* n/2 = 2*112/4 = 56

56 − 44
𝐶2 = 8.85 + 0.04325 [ ] ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡ 𝐶2 = 0.1029
(80 − 44)

DECILES. Son valores de la variable que dividen los datos ordenados en diez partes
iguales (9 divisiones).
 𝑘𝑛
− 𝑓(𝑖−1)
𝐷𝐼 = 𝐿𝑖 + 𝐴 [ 10 ]
(𝑓𝑖 − 𝑓(𝑖−1) )

Para el ejemplo de la ley Cu seria el siguiente una vez designado el DECIL deseado
hallar

Primero ubicamos la posición del decil 6 kn/2 = 6*112/10 = 67.2

67.2 − 44
𝐷6 = 8.85 + 0.04325 [ ] ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡ 𝐷6 = 0.1163
(80 − 44)

PERCENTILES. Son los valores de la variable que dividen un conjunto de datos

clasificados en 100 subconjuntos iguales; cada conjunto de datos tiene 99 percentiles. El
k-esima percentil, Pk, es un valor que a lo sumo k% de los datos son menores en valor
que Pk y a lo sumo (100 - k) % de los datos son mayores.

𝑘𝑛
− 𝑓(𝑖−1)
𝑃𝑖 = 𝐿𝑖 + 𝐴 [ 100 ]
(𝑓𝑖 − 𝑓(𝑖−1) )

Para el ejemplo de la ley Cu seria el siguiente una vez designado el percentil deseado
hallar

Primero ubicamos la posición del 75: k*n/100 = 75*112/100 = 84

84 − 80
𝑝75 = 13.18 + 0.04325 [ ] ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡⁡⁡ 𝑃75 = 0.14267
102 − 80
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE
APURIMAC

INGENIERIA DE MINAS

CURSO: GEOESTADISTICA

NOMBRE: GIOVANNI CUAKERA ASTO 122117