Estadística 2018 Tema 1

XfgTW˝fg\VT
Notas de clase
A. Leonardo Bañuelos Saucedo

Nayelli Manzanarez Gómez
TEMA I
ESTADÍSTICA DESCRIPTIVA
INTRODUCCIÓN
La Probabilidad y la Estadística son herramientas muy importantes en el desarrollo de cualquier ingeniería.

Sus aplicaciones van desde los juegos de azar hasta la confiabilidad de sistemas, estimaciones de datos para
variables inciertas, toma de decisiones en situaciones de incertidumbre, estudio de los efectos del ruido en
sistemas electrónicos, el diseño de centrales telefónicas, etc.
Actualmente, los conceptos y métodos básicos de la estadística son indispensables para describir,
comprender e intentar predecir el comportamiento del mundo que nos rodea. La estadística nos proporciona
los elementos para comprender la información y poder obtener conclusiones con un soporte matemático.
El presente curso es un acercamiento al manejo de datos estadísticos, junto con las bases probabilísticas para
desarrollar el potencial de la inferencia estadística.
INVESTIGACIÓN
La humanidad, desde siempre, ha estado expuesta a innumerables problemas, lo que la ha llevado a buscar
la mejor forma de resolverlos, dando origen a la investigación, y la forma científica de validar las
investigaciones es a través de la probabilidad y la estadística. El término investigar proviene del vocablo
griego investigare que significa "hacer diligencias para descubrir algo", la investigación está encaminada
a conseguir estos descubrimientos. En la actualidad se habla de dos tipos de investigación: la básica y la
aplicada.
La investigación básica tiene por objeto mismo la investigación, es decir, sólo persigue el conocimiento
de las cosas. Por otro lado, como su nombre lo indica la investigación aplicada tiene como propósito el
resolver problemas específicos. Es común que la investigación que comienza como básica termine siendo
aplicada. Por ejemplo, en la antigüedad los griegos desarrollaron y estudiaron la geometría (medida de la
tierra), y la formalizaron a través de la lógica deductiva; sin embargo, la estudiaban principalmente por sus
valores estéticos y por considerarla símbolo de cultura. En la actualidad la geometría elemental encuentra
sus aplicaciones en los objetos que nos rodean, en las edificaciones y en la forma en que se miden los
objetos.
El ingeniero, como profesional, debe estar capacitado para desarrollar investigación aplicada, dejando
la investigación básicas a investigadores de carrera.
EL MÉTODO CIENTÍFICO
Los científicos e investigadores, con el objeto de lograr sus propósitos deben seguir una metodología. Sin
la intención de entrar en una discusión detallada del método científico, se pueden resaltar en él los siguientes
puntos:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Estadística Tema I Pág. 2
1. Parte de una revisión de hechos, teorías y propuestas.

2. Se formula una hipótesis lógica sujeta a prueba mediante métodos experimentales.
3. Se evalúa la hipótesis de manera objetiva con base en los resultados experimentales.
Los científicos, que deben ser capaces de observar y clasificar los hechos que resultan de un diseño
experimental, tienen que recurrir a la estadística.
LA ESTADÍSTICA EN LA INVESTIGACIÓN
Para entender el papel de la estadística en la investigación es conveniente tener una idea de lo que es la
estadística. La palabra estadística significa literalmente "ciencia del estado", debido a que en sus inicios la
estadística servia para proporcionar datos que fueran de interés para los gobernantes de una nación. En la
actualidad la estadística es mucho más que eso.
La estadística no sólo proporciona información o datos; sino que los agrupa, analiza, interpreta y
permite generar inferencias o conclusiones de una población a partir de los datos de una muestra. Son
muchas las aplicaciones de la estadística en la investigación. Por ejemplo; en política, es deseable saber que
en porcentaje de una población votará en favor de un candidato, sin tener que entrevistar a todos los posibles
votantes; en la industria, es conveniente determinar si un lote de productos cumple con ciertos estándares
de calidad o deben reprocesar las piezas; en la educación, qué tanto afecta la escuela de procedencia en el
aprovechamiento de un grupo de alumnos que ingresaron al nivel superior; en biología, los resultados sobre
el crecimiento de vegetales en función de determinadas variables controlables, etc., Todas estas son
interrogantes o predicciones que contesta la estadística, por ello la gran relación entre la estadística y la
investigación.
LA ESTADÍSTICA Y SUS CLASIFICACIONES
La estadística es la rama de las matemáticas que se encarga de la selección de datos, su organización,

presentación y realización de las conclusiones que se pueden obtener de dichos datos.
La estadística puede clasificarse en: univariable y multivariable, dependiendo de la cantidad de

variables que se estén registrando. Si sólo interesa el peso de las personas, entonces se desarrollará
estadística univariable, si por el contrario se pretende estudiar la relación entre el peso y la estatura,
entonces se estará desarrollando estadística multivariable.
Otra clasificación está basada en la aplicación de la estadística. La estadística descriptiva (o deductiva)

tiene como propósito la recopilación, organización y presentación de datos para su estudio, mientras que
la estadística inferencial ( o inductiva) tiene como objetivo obtener conclusiones con respecto a una
población a partir de la información contenida en una muestra, cuantificando de manera probabilística el
grado de certeza de la afirmación. A la estadística descriptiva se le llama también deductiva, mientras que
a la estadística inferencial se le llama inductiva.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
La estadística descriptiva utiliza gráficas, tablas y parámetros numéricos para la presentación de la

información. La estadística inferencial utiliza técnicas de probabilidad para cuantificar el grado de
certidumbre de las conclusiones.
Otra clasificación de la estadística está basada en la información que se posee. La estadística

paramétrica es la rama de la estadística que estudia las pruebas y modelos en los que se conoce la
distribución de la población bajo estudio, o que por las condiciones del muestreo, se sabe la distribución
que se debe utilizar para el análisis. La estadística no-paramétrica estudia las pruebas y modelos cuando
la distribución no puede ajustarse mediante la estadística paramétrica, esto ocurre generalmente cuando no
se conoce la distribución poblacional.
LA POBLACIÓN Y LA MUESTRA
Para comprender la naturaleza de la inferencia estadística deben distinguirse dos grandes conjuntos: la
población y la muestra. La Población es el conjunto de todos los posibles resultados de un experimento,
mientras que la Muestra es un subconjunto de la población que contiene los resultados observados de un
experimento. Debe entenderse que el principal objetivo de la estadística es realizar inferencias (o
predicciones) de la población a partir de los datos observados en la muestra; la importancia de esto puede
verse en los siguientes ejemplos.
Si se desea conocer el porcentaje de la población que votará por un candidato en particular, el hecho
de entrevistar a todos los posibles votantes requeriría de un gran esfuerzo además de un gran costo, por lo
que debe realizarse la entrevista solo a un grupo de los votantes (muestra).
Si se desea conocer el tiempo promedio de vida de un foco, el probar toda la población sería el
equivalente a prender todos los focos y medir el tiempo que tardan en fundirse, lo cual no permitiría tener
artículos para la venta, por lo cual la prueba de vida útil sólo se realiza a un grupo de focos (muestra).
Los diseños muestrales (muestreo) son los procedimientos utilizados para extraer muestras de una
población. La forma en la que se extrae la muestra es muy importante, debido a que una mala muestra
arrojará conclusiones equivocadas. La probabilidad proporciona las herramientas para realizar un muestreo
justo; es decir, representativo de la población.
MUESTREO
Al recordar que la estadística es parte de las matemáticas que se encarga de obtener información y
conclusiones acerca de una población tomando para ello datos de una muestra, deberá investigarse la mejor
manera de seleccionar dichos datos, es decir, debe buscarse una técnica adecuada para realizar el muestreo,
a lo que se llama diseño del experimento.
Siempre se desea que la muestra sea representativa de la población, para lo cual se debe tener una
muestra aleatoria. Es claro que el término muestra aleatoria sugiere la forma en la que se deberán
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
seleccionar los elementos de la muestra, es decir, en forma aleatoria, pero ¿qué se debe entender por muestra
aleatoria en este momento? De una forma sencilla, puede decirse que se tiene una muestra aleatoria si todos
los elementos de la población pudieron ser seleccionados.
Para estudiar con profundidad el diseño del experimento se requeriría de un curso especial, por lo cual,
en este curso se considerará sólo el muestreo aleatorio simple, en el cual, todos los elementos de la
población tienen la misma posibilidad de ser seleccionados.
Siempre se desea que la muestra sea representativa de la población, para lo cual se debe tener una
muestra aleatoria. Es claro que el término muestra aleatoria sugiere la forma en la que se deberán
seleccionar los elementos de la muestra, los cuales se deberán seleccionar en forma aleatoria.
Definición 1.1
Sean variables aleatorias independientes, cada una con la misma distribución
de probabilidad . Entonces se define como la muestra aleatoria de
tamaño de la población y tiene, por independencia, la distribución de probabilidad
conjunta:
Definición 1.2
Si y son el número de elementos de la población y de la muestra, respectivamente,
entonces si se hace el muestreo de tal manera que cada una de las muestras tiene la
misma probabilidad de ser escogida, el muestreo se denomina aleatorio simple.
Se sabe que en la práctica es bastante difícil realizar un muestreo aleatorio simple; sin embargo, debe
ponerse especial cuidado en que lo sea a fin de evitar sesgos. Un procedimiento sesgado es aquel en el cual
se producen inferencias que en forma constante sobreestiman o subestiman alguna característica de la
población.
En forma sencilla, en el muestreo aleatorio simple, las muestras aleatorias de igual tamaño, tienen la
misma probabilidad de ser seleccionados, y por consiguiente, cada elemento de la población tiene la misma
probabilidad de ser seleccionado.
Otros tipos de muestreo se mencionan a continuación:
El muestreo sistemático consiste en seleccionar una muestra tomando cada k-ésima unidad de la
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
población un elemento. Las unidades elementales de la población se ordenan (o numeran) y cada

elementos se toma uno. La constante recibe el nombre de razón de muestreo.
El muestreo estratificado consiste en dividir a la población en grupos denominados estratos. Los

estratos contienen elementos homogéneos (de características similares). De cada estrato se toma un
subconjunto mediante el muestreo aleatorio simple y la muestra total se obtiene uniendo los subconjuntos.
El muestreo puede ser proporcional o no.
El muestreo por conglomerados es lo contrario del muestreo estratificado. Consiste en seleccionar

conglomerados, los cuales se forman con elementos con las mayores diferencias posibles. Posterirmente se
selecciona un conglomerado por muestro aleatorio simple de ahí se selecciona la muestra, nuevamente por
muestreo aleatorio simple.
ESTADÍSTICA DESCRIPTIVA
La estadística descriptiva es la parte de la estadística que tiene como propósito organizar y presentar los
datos de una población o de una muestra para su análisis e interpretación. Es a partir de la estadística
descriptiva, que la disciplina tomó el nombre de estadística, puesto que en la antigüedad, los gobernantes
deseaban conocer la información de sus reinos.
En la estadística descriptiva existen básicamente tres técnicas:
- Distribución de Frecuencias
- Gráficas
- Medidas numéricas
Las técnicas no son independientes, por el contrario, deben complementarse. La distribución de

frecuencias es la forma en la que se agrupan los datos cuando se tiene una cantidad considerable de ellos.
Las gráficas sirven para visualizar rápidamente la forma en la que se agrupan los datos, y los parámetros
numéricos son el resumen de los datos en forma cuantitativa. Cada técnica es una huella de la información
que se estudia, pero no debe olvidarse que para realizar una mejor interpretación, deben combinarse las
técnicas.
DISTRIBUCIÓN DE FRECUENCIAS
Es una técnica de agrupación usada en estadística cuando se tiene un conjunto muy grande de datos, de tal
forma que el análisis posterior: gráficas y parámetros numéricos; se puede realizar de forma más rápida. La
tabla de distribución de frecuencias puede usarse para datos cuantitativos y para datos cualitativos. Los
datos cuantitativos son aquellos que indican cantidad, 5 personas, 2.5 Newtones, etc.; mientras que los
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
datos cualitativos expresan cualidades: azul, alto, sano, etc.
Existe una gran diversidad de tablas de distribución de frecuencias; sin embargo, aquí se estudiará una
tabla teórica completa. Para resumir los datos, se utilizan intervalos, clases o categorías y posteriormente
se indica la frecuencia de cada uno de ellos. Las columnas que forman una tabla completa son:
Límites de clase. Son los valores menor y mayor que de encontrarse como datos en la muestra pertenecen
a la clase en cuestión. Los límites de una clase tienen la misma aproximación que los datos en la muestra
o de la población, esto es, si los datos son enteros, entonces los límites son enteros. Si los datos tienen
aproximación a décimas, entonces los límites tendrán décimas, y así sucesivamente. Se denotan por .
Fronteras de clase. Las fronteras o límites verdaderos de una clase, son los puntos medios entre los límites
de intervalos consecutivos. Se denota por , por límite real. No se acostumbra usar porque esa letra se
reserva para las frecuencias. La distancia entre la frontera inferior y el límite inferior de una misma clase,
así como la existente entre el límite superior y la frontera superior de una misma clase es igual a media
unidad de aproximación, esto es, si en una tabla de distribución de frecuencias, los límites de clase son: 1-3
, 4-6, 7-9 (con aproximación entera); entonces las fronteras serían 0.5-3.5, 3.5-6.5, 6.5-9.5 (con media
unidad de aproximación entera, es decir, 0.5) ; como se muestra en la siguiente tabla (entre paréntesis se
indica la operación que se realizó con los respectivos límites de clase para obtener las fronteras de clase).
Tabla 1.1. Límites y Fronteras de clase

Límites de clase Fronteras de clase
1 - 3 0.5 (1-0.5) - 3.5 (3+0.5)
4 - 6 3.5 (4-0.5) - 6.5 (6+0.5)
7 - 9 6.5 (7-0.5) - 9.5 (9+0.5)
Marcas de clase. Es el punto medio de una clase. Se considera como el valor representativo de un intervalo.
Las marcas de clase se obtienen promediando los límites de un intervalo, o bien, las fronteras. Se denota
por .
Tabla 1.2. Marcas de clase
Límites de clase Fronteras de clase Marca de clase,
1 - 3 0.5 - 3.5 2
4 - 6 3.5 - 6.5 5
7 - 9 6.5 - 9.5 8
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Frecuencia. Es el número de elementos en la muestra o en la población que pertenecen a la clase en

cuestión. Se denota por . Si los datos de una muestra son: 1, 9, 5, 8, 4, 1, 2, 7, 6, 3, 3, 2, 7, 9; entonces al
agrupar por intervalos se obtienen las siguientes frecuencias.
Tabla 1.3. Frecuencia

Límites Fronteras Marca de Frecuencia
de clase de clase clase,
1 - 3 0.5 - 3.5 2 6
4 - 6 3.5 - 6.5 5 3
7 - 9 6.5 - 9.5 8 5
Frecuencia acumulada. Es el número de datos en la muestra o población, que son menores o iguales que
el límite superior del intervalo en cuestión. Se denota por , y se obtiene sumando la frecuencia del
intervalo actual y de los anteriores intervalos.
Tabla 1.4. Frecuencia acumulada

Límites Fronteras de Marca frecuencia Frecuencia
de clase clase de acumulada
clase,
1 - 3 0.5 - 3.5 2 6 6
4 - 6 3.5 - 6.5 5 3 6+3=9
7 - 9 6.5 - 9.5 8 5 6+3+5=14
Frecuencia Relativa. Es la proporción de datos que pertenecen a la clase en cuestión. Se denota por o
por . Es el cociente de la frecuencia entre el número total de datos, esto es: . Para la tabla del
ejemplo, si el total de datos es n=100, entonces:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Tabla 1.5. Frecuencia relativa

Límites de Fronteras de Marca de frecuencia Frecuencia frecuencia
clase clase acumulada relativa
clase,
1 - 3 0.5 - 3.5 2 6 6 6/100=0.06

4 - 6 3.5 - 6.5 5 3 9 3/100=0.03
7 - 9 6.5 - 9.5 8 5 14 5/100=0.05
Frecuencia Acumulada Relativa. Es la proporción de los datos en la muestra o población que son menores
o iguales que el límite superior de la clase en cuestión.
Se denota por o por . Matemáticamente se define como el cociente de la frecuencia acumulada entre
el número de datos, esto es: . Considerando nuevamente que n=100, entonces:
Tabla 1.6. Tabla de distribución de frecuencias teórica completa

Límites de Fronteras de Marca de frecuencia Frecuencia frecuencia Frecuencia
clase clase acumulada relativa acumulada
clase,
relativa
1 - 3 0.5 - 3.5 2 6 6 0.06 0.06

4 - 6 3.5 - 6.5 5 3 9 0.03 0.09
7 - 9 6.5 - 9.5 8 5 14 0.05 0.014
La tabla anterior, ya es una tabla de distribución de frecuencias teórica completa, pero debe observarse
que para tener una tabla de distribución de frecuencias, basta con tener dos columnas, una que indique la
clase (Límites, fronteras o marcas) y una que indique la frecuencia (Frecuencia, frecuencia acumulada,
frecuencia relativa o frecuencia acumulada relativa).
Existen otras tablas de distribución de frecuencias, basadas en intervalos, en donde se utiliza la

notación del Cálculo para los intervalos abiertos y cerrados, por ejemplo:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Tabla 1.7. Tabla de distribución de frecuencias con intervalos

Intervalo Marca de frecuencia
clase,
[1,4) 2.5 2
[4 , 7 ) 5.5 5
[7 , 10) 8.5 8
En donde la marca de clase es nuevamente el punto medio del intervalo y no puede existir traslape en
ningún intervalo.
Algunos valores que ayudan en la construcción de la tabla son:
Longitud de la clase. Es la diferencia entre la frontera superior y la inferior de una misma clase. Se denota
por c. Así para la tabla 1.6, la longitud del intervalo es: ; lo mismo que para la tabla 1.7.
Cualquier tabla que contenga una columna de clase o intervalo y una columna de frecuencias, es una
tabla de distribución de frecuencias; sin embargo, en este momento deberán de construirse tablas completas
atendiendo a las siguientes recomendaciones.
Recomendaciones para la construcción de una tabla de frecuencias
• El número de clases estará entre 5 y 20, inclusive. La primera aproximación del número de clases se
obtendrá con .
• Todas las clases serán de la misma longitud (c).
• La longitud de clase se aproxima mediante
, donde el Rango es:
Posteriormente se ajusta de manera conveniente, de forma que el primer límite inferior sea ligeramente
menor o igual que el menor valor, y el último límite superior sea ligeramente mayor o igual que el
mayor dato.
• Tratará de evitarse que haya clases con frecuencia cero.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
• La primera y la última clase nunca tendrán frecuencia cero.

___________________________________________
Ejemplo 1.1
Los siguientes valores representan el tiempo diario de transporte de una muestra de 50 alumnos de
cierta universidad al sur de Copilco.
69 56 73 66 64 44 36 69 76 53
79 72 82 77 71 48 49 49 60 67
73 70 64 56 31 62 56 55 51 45
30 40 80 49 59 60 76 67 30 72
45 43 77 49 46 42 63 41 64 79
Construir una tabla de distribución de frecuencias teórica completa.
Resolución
Puesto que no se proporciona ninguna indicación con respecto a los intervalos, se realiza la primera
aproximación del número de intervalos con , por lo que se utilizarán 7 intervalos.
El menor de los datos es 30 y el mayor de los datos es 82, por lo que el rango de los datos es
, entonces la longitud del intervalo aproximada es , por lo que se
utilizará una longitud de .

Puesto el menor valor es 30, se toma la decisión de iniciar en 29, teniéndose:
Tabla 1.8. Tabla de distribución del ejemplo 1.1

Límites de Fronteras Marca de Frecuencia Frecuencia Frecuencia Frecuencia
clase de clase acumulada relativa acumulada
clase,
relativa
29 - 36 28.5 -36.5 32.5 4 4 0.08 0.08

37 - 44 36.5-44.5 40.5 5 9 0.1 0.18
45 - 52 44.5 -52.5 48.5 9 18 0.18 0.36
53 - 60 52.5-60.5 56.5 8 26 0.16 0.52
61 - 68 60.5-68.5 64.5 8 34 0.16 0.68
69 - 76 68.5-76.5 72.5 10 44 0.2 0.88
77 - 84 76.5-84.5 80.5 6 50 0.12 1
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
GRÁFICAS
Cuando se desea dar un mayor impacto de la forma en la que se distribuyen los datos, éstos se presentan en
una o varias gráficas. Son muchas las gráficas que se pueden utilizar en la estadística descriptiva,
destacando el histograma, el polígono y la ojiva. Otras gráficas usadas son la de sectores circulares (también
llamadas pastel o pie), la de tallos y hojas y el diagrama de caja (que se estudiará después de las medidas
numéricas).
HISTOGRAMA DE FRECUENCIAS
El histograma es una gráfica de barras rectangulares cuyas bases están centradas en la marca de clase del
intervalo, y sus áreas proporcionales a la frecuencia del intervalo. Es evidente que para un histograma bien
construido, las distancias entre marcas de clase son siempre las mismas, por lo que la condición de que las
áreas de los rectángulos sean proporcionales a las frecuencias, se convierte en la altura proporcional a la
frecuencia. No es necesario dibujar el eje de las ordenadas; sin embargo, puede hacerse sin ningún conflicto.
Con los datos de la tabla 1.8, el histograma de frecuencias es:
Fig. 1.1. Histograma con frecuencias en el eje
O bien, las frecuencias pueden colocarse sobre los rectángulos o dentro de ellos.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Fig. 1.2. Histograma con frecuencias en los rectángulos
POLÍGONO DE FRECUENCIAS
El polígono de frecuencias es una gráfica poligonal o de líneas rectas que indica para cada marca de clase
la frecuencia. Se obtiene uniendo los puntos medios de las partes superiores de las barras del histograma.
Para que la línea no se dibuje “flotando”, se puede dibujar una marca de clase antes de la primera y una
marca de clase posterior a la última, cada una con frecuencia cero, de esta forma la gráfica poligonal parte
del eje de las abscisas y termina en él.
Tanto el histograma como la ojiva, se dibujan generalmente con las frecuencias absolutas, pero
también pueden dibujarse con las frecuencias relativas, con las acumuladas o con las acumuladas relativas.
Fig. 1.3. Polígono de Frecuencias
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
OJIVA
La ojiva es también una gráfica poligonal, pero se dibuja utilizando las fronteras contra las frecuencias
acumuladas (o acumuladas relativas). La ojiva indica, para cada frontera, los elementos (o proporción de
elementos), que son menores o iguales que dicha frontera. Si se utiliza la frecuencia acumulada relativa se
llama ojiva porcentual. A la ojiva también se le llama en ocasiones polígono de frecuencias acumuladas
La ojiva para los datos del ejemplo 1.1 se muestra en la siguiente figura.
Fig. 1.4. Ojiva
Con la tabla de distribución de frecuencias y con las gráficas, se describe el comportamiento de un

conjunto de datos; sin embargo, para no caer en subjetividades, o errores por la escala, se utilizan también
las medidas numéricas.
DIAGRAMA DE TALLO Y HOJAS
El diagrama de tallo y hojas es una representación semi-gráfica, utilizada para datos cuantitativos, utilizada
ampliamente en la década de los ochenta, cuando las computadoras no realizaban gráficas más sofisticadas
como los histogramas. Consiste en separar los números en dos partes, por ejemplo decenas y unidades, de
esta forma los números: 21, 33, 22, 37, 41, 9, 12, 38, 28, 15, 25; se ordenan para tener 9, 12, 15, 21, 22, 25,
28, 33, 37, 38,41; y posteriormente se separan en decenas y unidades, para formar el gráfico.
0|9
1|25
2|1258
3|378
4|1
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Este diagrama se recomienda cuando se tienen entre 20 y 40 datos; y tiene la ventaja de que muestra
con cierta facilidad la forma de la distribución. La separación de los datos puede hacerse de distintas formas,
por ejemplo los números de tres dígitos pueden separarse en dos para el tallo y uno para las hojas.
MEDIDAS NUMÉRICAS
Las medidas numéricas, por el tipo de información que proporcionan se clasifican en medidas de tendencia
central, medidas de dispersión y medidas de forma.
MEDIDAS DE TENDENCIA CENTRAL
Las medidas de tendencia central son valores representativos de un conjunto de datos, que se sitúan en la
parte central de los mismos. Las medidas de tendencia central más conocidas son la media, la mediana y
la moda.
Media
Media aritmética
La media aritmética es más conocida simplemente como media, y es el promedio de un conjunto de valores.
Es sin duda la medida de tendencia central más utilizada, y por lo general es la más representativa. Se
denota por .
Debe observarse que para datos agrupados la suma va desde 1 hasta m, donde m es el número de
intervalos, y y son la marca de clase y la frecuencia del intervalo, respectivamente.
Para el ejemplo 1.1, se pueden obtener las medias de los datos sin agrupar y agrupados, teniéndose:
Para datos sin agrupar:
Para datos agrupados se tiene
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
En resumen:
y debe observarse que las medias obtenidas son muy parecidas, pero en lo general diferentes.
Media geométrica
La media geométrica de un conjunto de valores positivos se calcula con la raíz n-ésima del producto de las
n observaciones. Se denota por .
Para los datos del ejemplo 1.1 se tiene:
Media armónica
La media armónica de un conjunto de datos se denota por , y es el recíproco de la media aritmética de los
recíprocos de cada uno de los valores.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Las medias aritmética, geométrica y armónica, para un conjunto de valores positivos están
relacionadas mediante
.
Con la hoja de cálculo Excel, es muy fácil calcular las medias para datos sin agrupar utilizando los
comandos promedio(Rango de celdas), media.geom(Rango de celdas) y media.armo(Rango de valores).
Para datos agrupados deben utilizarse el comando sumaproducto(Rango de celdas 1, Rango de celdas 2),
para facilitar las operaciones.
Mediana
La mediana de un conjunto de datos ordenados, es el valor que divide al conjunto en dos conjuntos de igual
tamaño, o bien, es el promedio de los dos valores centrales. Se denota por .
Cuando los datos no están agrupados, se deben ordenar en forma ascendente o descendente y
seleccionar el valor central. Si los datos son pares, entonces se toma el promedio de los dos valores
centrales; si los datos son impares entonces se toma el dato central.
Cuando los datos están agrupados, entonces se realiza una interpolación lineal utilizando las fronteras
y la frecuencia acumulada (es decir, los datos de la ojiva), para encontrar el valor de en el cual la
frecuencia acumulada es de .
Con los datos del ejemplo 1.1, y al ordenar los valores se tiene:
30, 30, 31, 36, 40, 41, 42, 43, 44, 45,
45, 46, 48, 49, 49, 49, 49, 51, 53, 55,
56, 56, 56, 59, , 62, 63, 64, 64,
64, 66, 67, 67, 69, 69, 70, 71, 72, 72,
73, 73, 76, 76, 77, 77, 79, 79, 80, 82.
puesto que el número de datos es par, se toman los 2 valores centrales ( 60 y 60), y de ellos se obtiene el
promedio, finalmente, .
Con la distribución de frecuencias obtenida en el ejemplo 1.1, se utilizan las columnas de fronteras y
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
de frecuencia acumulada
Fronteras de clase
Frecuencia acumulada
28.5 - 36.5 4
36.5 - 44.5 9
44.5 - 52.5 18
52.5 - 60.5 26
60.5 - 68.5 34
68.5 - 76.5 44
76.5 - 84.5 50
y se realiza una interpolación para obtener el valor de , para el cual la frecuencia acumulada sea de
Frontera Frecuencia
acumulada
52.5 18
60.5 26
Interpolando se obtiene: .
Finalmente, se tiene, para los datos del ejemplo 1.1
Moda
La moda de un conjunto de datos es el valor que se repite con mayor frecuencia. Se denota por , o en
ocasiones . Si existe más de una moda, entonces se dice que los datos tienen distribución bimodal.
Para datos sin agrupar, se deben contar las repeticiones que puedan existir, y el que se repita mayor
número de veces será la moda. Si todos los datos aparecen el mismo número de veces, entonces se dice que
no existe moda.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Para datos agrupados, la moda se aproxima con la marca de clase del intervalo con mayor frecuencia,
o bien, utilizando la fórmula:
Donde:
Es la frontera inferior del intervalo con mayor frecuencia.

Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata anterior.
Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata posterior.
Es la longitud de la clase.
Para los datos del ejemplo 1.1, sin agrupar, el valor que más se repite es el 49, con 4 repeticiones, por
lo que la moda es 49, esto es: .
Para los datos agrupados la moda puede obtenerse con la marca de clase del intervalo modal, por lo
que se obtiene: . Debe observarse que 72.5 es la marca de clase del intervalo con límites 69-76,
y con la máxima frecuencia observada, .
Utilizando la fórmula para la moda se tiene:
Relación entre la media, la mediana y la moda

Para un conjunto de datos con distribución de frecuencia unimodal y poca simetría se tiene la
siguiente relación empírica:
Si la distribución es simétrica y unimodal, entonces se tiene la siguiente relación:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Cuartiles, Deciles y Percentiles
Así como la mediana es el valor que divide a una conjunto de datos ordenados en dos conjuntos de igual
tamaño, los datos pueden dividirse en cuatro conjuntos de igual tamaño (cuartiles), en 10 conjuntos de igual
tamaño (deciles) y en 100 conjuntos de igual tamaño (percentiles).
Los cuartiles se denotan generalmente por , y , y el segundo cuartil coincide con la mediana.
Los deciles se denotan , , , , y el quinto decil coincide con la mediana y con el segundo
cuartil. Los percentiles se denotan , , , , el El percentil 50 coincide con la mediana, con el
segundo cuartil y con el quinto decil. El percentil 10 coincide con el primer decil, y así se pueden encontrar
muchas otras relaciones.
MEDIDAS DE DISPERSIÓN
Las medidas de dispersión proporcionan un indicador del alejamiento de los datos. También se les llama
medidas de variación. Las medidas más comunes son: Rango, desviación media, variancia, desviación
estándar, el rango semi-intercuartil y el coeficiente de variación.
Rango
El rango de un conjunto de datos es la diferencia entre el mayor valor menos el menor valor. Se denota por
, o simplemente por . Para datos agrupados se utilizan los límites mayor y menor. Es común no
realizar la operación de resta y solamente indicarla.
Para los datos del ejemplo 1.1 se tienen los siguientes resultados.
En Excel se pueden utilizar los comandos max(Rango de celdas) y min(Rango de celdas) para obtener
los valores mayor y menor de un conjunto de datos.
Desviación Media
La desviación media o desviación promedio de un conjunto de datos es el promedio de las distancias de

cada valor con respecto a la media. Se denota por .
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG

Para datos no agrupados se utiliza la media de datos no agrupados, que es, , por lo que se tiene:
y para datos agrupados, se utiliza la media de datos agrupados, las marcas de clase y la frecuencia, por lo
que:
En resumen
Desviación Mediana
Una variación de la desviación media es la desviación mediana, la cual consiste en tomar el promedio de
las distancias con respecto a la mediana. Se denota .
Tanto la desviación media como la desviación mediana son poco utilizadas en la práctica por lo difícil
de manejar el valor absoluto. Para eliminar el signo de las diferencias y evitar el cálculo del valor
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
absoluto, se define la variancia o varianza de un conjunto de datos utilizando el cuadrado de la diferencia.

No puede utilizarse solamente la suma de desviaciones, porque ésta da como resultado siempre cero,
esto es:
es por eso que se obtiene el valor absoluto en el caso de la desviación media y que se eleva al cuadrado para
la variancia.
Varianza o Variancia
La variancia de un conjunto de datos es el promedio de las distancias cuadradas de cada valor con respecto
a su media. Se denota por o por dependiendo del valor que se utilice para promediar. Se divide entre
(se promedia entre ), cuando se considera que se tienen todos lo datos posibles (población), y se divide
entre cuando se tiene solo una fracción de los datos (muestra). La fórmula para la variancia es:
o bien:
En el ejemplo 1.1, se tiene una muestra de 50 alumnos, por lo que se debe de obtener , aunque para
valores mayores o iguales que 30 el resultado es muy parecido, y por eso algunos autores siguieren utilizar
, cuando . Con los datos del ejemplo se tiene:
El inconveniente de utilizar la variancia como medida de dispersión se encuentra en sus unidades, puesto
que queda en unidades cuadradas. Para evitar esta complejidad, la medida de dispersión más utilizada es
la desviación estándar.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Desviación estándar
La desviación estándar de un conjunto de datos es la raíz cuadrada de la variancia. Se denota por o por
, dependiendo de si se obtiene la desviación estándar de una muestra o de toda la población.
Es claro que para calcular la desviación estándar debe calcularse la variancia primero, de forma que:
Cuando los datos agrupados tienen una distribución que se aproxima a una campana, entonces la
desviación estándar puede aproximarse mediante el rango dividido entre 4, esto es:
Coeficiente de Variación
El coeficiente de variación de un conjunto de datos es una medida de la dispersión en relación con la media
de los datos, no tiene unidades y se define mediante el cociente de la desviación estándar entre la media.,
cuando la media es positiva.
se utiliza la desviación estándar adecuada, o , y puede utilizarse un subíndice en el coeficiente de

variación para reconocer entre qué se promedió para obtener la desviación estándar.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
El coeficiente de variación tiene su principal uso al comparar muestras y también se utiliza para medir
la homogeneidad de los datos. Si indica datos homogéneos, mientras que se tienen
datos heterogéneos.
Rango intercuartílico
El rango intercuartílico de un conjunto de datos es la diferencia entre el tercer y el primer cuartil.
Rango semi-intercuartílico
El Rango semi-intercuartílico es el promedio del rango intercuartílico, esto es:
Rango Percentil
El rango percentil de un conjunto de datos, es la diferencia entre el percentil 90 y el percentil 10, esto es:
MEDIDAS DE FORMA
Las medidas de forma de un conjunto de datos son el sesgo y la curtosis. Para poder definir a las medidas
de forma, es necesario definir primero los momentos.
Momentos con respecto al origen.
El r-ésimo momento con respecto al origen se define mediante:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Y el r-ésimo momento con respecto a la media se define mediante:
Debe observarse que el primer momento con respecto al origen es la media , mientras que el
segundo momento con respecto a la media es la variancia . Los momentos con respecto a la media
pueden calcularse con momentos con respecto al origen, al desarrollar las sumas. Las primeras relaciones
son:
Sesgo
El sesgo de un conjunto de datos es una medida del grado de simetría (o asimetría) de los datos. Se denota
por o por , y se define mediante:
donde es el tercer momento con respecto a la media y es la desviación estándar.

El sesgo se compara con cero. Cuando el coeficiente de sesgo es menor que cero se dice que los datos
tienen una distribución sesgada a la izquierda o con sesgo negativo. Cuando el coeficiente de sesgo es
positivo, se dice que los datos tienen una distribución sesgada a la derecha o con sesgo positivo. Si el
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
coeficiente de sesgo es cero, entonces los datos tienen una distribución simétrica o insesgada.
Fig. 1.5. Sesgo positivo
Fig. 1.6. Distribución simétrica
Fig. 1.7. Sesgo negativo
Debe observarse la relación de la medidas de tendencia central: media, mediana y moda, con el signo del
sesgo cuando los datos se encuentran agrupados.
Sesgo positivo:
Sesgo negativo:
Insesgado:
Para los datos de ejemplo 1.1 se tiene, para datos sin agrupar:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
y para los datos agrupados se tiene
En resumen:
Al utilizar la relación de las medidas de tendencia central con los datos agrupados del ejemplo 1.1, se
observa que , puesto que , por lo que se tiene un sesgo
negativo, como ya se había calculado.
En la práctica cuando se requiere saber el signo del sesgo, pero no es determinante su magnitud, basta
con realizar la comparación de las medidas de tendencia central.
Curtosis
El coeficiente de curtosis de un conjunto de datos mide el grado de aplanamiento relativo de la distribución

de los datos. Se denota mediante , o bien, . Se define mediante la expresión:
donde es el cuarto momento con respecto a la media y es la desviación estándar.

La curtosis se compara contra tres, porque tres es la curtosis de la distribución normal, que se estudiará
en el tema 4 y es ampliamente utilizada en la probabilidad y la estadística.
Si los datos tienen una distribución más puntiaguda que la distribución normal , entonces se
dice que los datos tienen una distribución leptocúrtica. Si los datos tienen una distribución como la normal,
, entonces se dice que la distribución es mesocúrtica. Si los datos tienen una distribución aplanada,
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
, entonces se les llama platicúrticos.
Fig. 1.8. Distribución platicúrtica
Fig. 1.9. Distribución mesocúrtica
Fig. 1.10. Distribución leptocúrtica
Con los valores del ejemplo 1.1 se tiene, para datos sin agrupar:
y para datos agrupados:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
en resumen:
Puede observarse que los datos del ejemplo 1.1 tienen una distribución mesocúrtica.
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.2
Los datos siguientes señalan el tiempo de funcionamiento (en días) hasta que se presenta la primera
falla de radio transmisores-receptores:
16 224 16 80 96 536 400 80
392 576 128 56 656 224 40 32
358 384 256 246 328 464 448 716
304 16 72 8 80 72 56 608
108 194 136 224 80 16 424 264
156 216 168 184 552 72 184 240
438 120 308 32 272 152 328 480
60 208 340 104 72 168 40 152
360 232 40 112 112 288 168 352
56 72 64 40 184 264 96 224
168 168 114 280 152 208 160 176
a) Utilizar el rango para aproximar el valor de la desviación estándar.

b) Obtener una distribución de frecuencias con 15 clases de longitud 50 comenzando con 0.5
Resolución
a) Utilizando la fórmula par aproximar el rango se tiene:
b) La tabla queda:
Límites FronterasMarcas de Frecuencia Frecuencia

clase relativa
1 - 50 0.5 - 50.5 25.5 11 0.125
51 - 100 50.5 - 100.5 75.5 16 0.182
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
101 - 150 100.5 - 150.5 125.5 8 0.091

151 - 200 150.5 - 200.5 175.5 15 0.170
201 - 250 200.5 - 250.5 225.5 10 0.114
251 - 300 250.5 - 300.5 275.5 6 0.068
301 - 350 300.5 - 350.5 325.5 5 0.057
351 - 400 350.5 - 400.5 375.5 6 0.068
401 - 450 400.5 - 450.5 425.5 3 0.034
451 - 500 450.5 - 500.5 475.5 2 0.023
501 - 550 500.5 - 550.5 525.5 1 0.011
551 - 600 550.5 - 600.5 575.5 2 0.023
601 - 650 600.5 - 650.5 625.5 1 0.011
651 - 700 650.5 - 700.5 675.5 1 0.011
701 - 750 700.5 - 750.5 725.5 1 0.011
Debe observarse que el valor en el que se inicia la tabla es una frontera, puesto que los datos no tiene
el valor 0.5.
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.3
De los resultados en un examen de antecedentes de probabilidad, aplicado a los alumnos que cursan
estadística, se obtuvo la siguiente tabla de distribución de frecuencias
Obtener:
a) La media, la mediana y la moda.

b) La variancia.
c) Con los resultados obtenidos en el inciso (a), indicar si la distribución de las calificaciones tiene
un sesgo positivo, negativo o no tiene sesgo.
Resolución
a) La media es
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
La mediana se obtiene mediante interpolación, por lo que se tiene:
La moda se calcula con la expresión
de donde
o bien, se puede aproximar con la marca de clase del intervalo modal, con lo que
b) La variancia está dada por
por lo que
c) Puesto que la se tiene un sesgo positivo.
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.4
En la siguiente tabla, se tienen los tiempos medidos en horas con un decimal que necesitó un
transbordador para cruzar de la Ciudad de Mazatlán a La Paz, en 60 viajes sucesivos.
8.7 8.4 9.3 8.7 8.3 9.0

9.2 8.2 8.6 8.8 9.0 8.6
9.4 8.3 8.2 8.3 9.1 8.9
8.5 8.7 8.5 9.5 8.4 8.6
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
8.6 8.7 9.2 8.5 8.1 9.8

8.9 9.6 8.8 8.6 8.2 8.5
8.6 8.8 8.8 8.7 8.7 8.5
9.0 8.5 8.9 9.3 8.3 8.7
9.2 8.5 8.6 8.5 9.1 8.5
9.0 8.7 9.2 9.0 8.4 8.9
a) Construir una tabla de frecuencias de la duración de los viajes, con 6 intervalos.
b) Dibujar el histograma de frecuencias relativas.
c) Calcular la media.
d) Calcular la mediana.
e) Calcular la moda.
f) Calcular la desviación estándar.
g) Investigar si la distribución empírica es o no simétrica.
h) Clasificar la distribución empírica por su grado de aplanamiento.
Resolución
a) El rango de los datos es: 9.8 - 8.1 = 1.7
Dividiendo en 6 intervalos, con y comenzando en 8.05, se tiene:
Límites Fronteras Marca de frecuencia frecuencia Frec.

clase relativa relat.
acum.
8.1 - 8.3 8.05 - 8.35 8.2 8 0.1333 0.1333

8.4 - 8.6 8.35 - 8.65 8.5 19 0.3166 0.4499
8.7 - 8.9 8.65 - 8.95 8.8 16 0.2666 0.7165
9.0 - 9.2 8.95 - 9.25 9.1 11 0.1833 0.8998
9.3 - 9.5 9.25 - 9.55 9.4 4 0.0666 0.9664
9.6 - 9.8 9.55 - 9.85 9.7 2 0.0334 1
b)
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
c) Datos sin agrupar:
Datos agrupados:
d) Datos sin agrupar:

Datos agrupados (interpolando):
8.65 27
30
8.95 43
De donde
e) Datos sin agrupar:
Datos agrupados:
f) Datos sin agrupar:
Datos agrupados:
g) Para determinar si la distribución es simétrica o no, se calcula el sesgo.
Datos sin agrupar:
Datos agrupados:
La distribución tiene un ligero sesgo positivo.
h) Para determinar el aplanamiento se calcula la curtosis.
Para datos sin agrupar:
Ligeramente platicúrtica.
Para datos agrupados:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Ligeramente platicúrtica.
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.5
Determinar cómo se relacionan la media y la mediana muestrales de las con las para cada uno
de los siguientes casos.
a) Si se agrega una constante a cada una de las en una muestra, dando .

b) Si cada se multiplica por una constante , dando .
Resolución
a) Para la media
Para la mediana
b) Para la media
Para la mediana
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.6
Los valores observados de las cantidades y en el estudio de la vida útil, en horas, de
las baterías de litio para cierta calculadora son:
y .
a) ¿Sorprendería la afirmación de que la duración media de las baterías de litio usadas en esa
calculadora es de 1270 horas? Responder y explicar utilizando solamente estadística descriptiva.
b) Calcular la variancia y la desviación estándar muestrales de estos datos.
Resolución
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
a) De los datos se obtiene
No sorprendería la afirmación debido a que el valor es muy cercano al observado en la muestra.
b)
Y la variancia muestral es
de donde
y
S))))))))))))))))))))))))))))))))))))))
DIAGRAMA DE CAJA
Finalmente, después de estudiar medidas como la media, la mediana, el rango y los cuartiles es posible
estudiar el diagrama de caja. El diagrama de caja esta compuesto por una figura rectangular, cuyos lados
proporcionan los cuartiles y , y en la parte intermedia de la caja se dibuja una línea que representa
el segundo cuartil o la mediana , a los extremos de la caja se agregan líneas (llamadas bigotes), para
se prolongan hasta los valores mínimo y máximo respectivamente. Es común localizar la media de los datos
con un punto. Los diagramas de caja proporcionan entonces una forma visual de identificar el rango y los
cuartiles. Es especialmente útil para comparar muestras o poblaciones y permite con gran facilidad
determinar si los datos son simétricos.
S))))))))))))))))))))))))))))))))))))))
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Ejemplo 1.7
Empleando los datos :

-1,0, 1, 2, 3, 4, 5, 7, 6, 5, 4, 2, 4, 6, 8, 6, 4, 2, 4, 6, 4, 3, 2, 2, 3, 4, 5, 6, 4, 2
trazar el diagrama de caja.
Resolución
Para obtener los cuartiles se requiere ordernar los datos:
-1, 0, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 6, 6, 6, 6, 6, 7, 8
de donde
Por lo que la gráfica es:
S))))))))))))))))))))))))))))))))))))))
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
Ejercicios de autoevaluación
1.- La investigación básica busca:

A) Reconstruir hechos a través de cifras.
B) el conocimiento de los fenómenos naturales.
C) La aplicación práctica del conocimiento.
D) La recopilación de la información.
E) Explicar la información de una muestra.
2.- La inferencia estadística es la parte de la estadística que:

A) Ordena y presenta los datos para su interpretación.
B) Estudia las pruebas y modelos en los que se conoce la distribución de la población bajo análisis.
C) Busca obtener conclusiones con respecto a la población a partir de la información contenida en
una muestra.
D) Asigna probabilidades a priori a lo eventos.
E) Determina la relación entre poblaciones.
3.- El muestreo por conglomerados consiste en:

A) Seleccionar elementos de tal forma que todos tengan la misma probabilidad de ser seleccionados.
B) Seleccionar una muestra tomando cada k-ésima unidad de la población un elemento.
C) Seleccionar grupos con características semejantes y de un grupo se selecciona la muestra.
D) Dividir a la población en conglomerados y de cada conglomerado algunos elementos mediante
muestreo aleatorio simple .
E) Dividir en grupos con las mayores diferencias posibles y de un grupo realizar un muestreo
aleatorio simple.
4.- Dada la muestra:
La mediana es:
A) B) C) D) E) Ninguna de las anteriores
5.- Si al construir una tabla de distribución de frecuencias los límites del primer intervalo son ,
entonces la maraca de clase del tercer intervalo es:
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
A) B) C) D) E) Ninguna de las anteriores
6.- El muestreo aleatorio simple se caracteriza por:

A) El investigador realiza la elección por conveniencia.
B) La elección se hace de manera aleatoria.
C) Cada posible muestra tiene la misma posibilidad de ser seleccionada.
D) Se utiliza un razón de muestreo.
E) Ninguna de las anteriores.
7.- Es una técnica de la estadística descriptiva:

A) Elección del tamaño de muestra.
B) Muestreo por conglomerados.
C) Cálculo de la probabilidad de los datos.
D) Cálculo de la correlación de los datos.
E) Distribución de frecuencias.
8.- Es la proporción de datos en la muestra que son menores o iguales que el límite superior de una clase
:
A) Marca de clase.
B) Frecuencia.
C) Frecuencia acumulada .
D) Frecuencia relativa.
E) Frecuencia acumulada relativa.
9.- Al completar la siguiente tabla de distribución de frecuencias para 25 datos, el valor es:
Límites Fronteras Marca de Frecuencia Frecuencia Frec.

clase relativa relat.
acum.
1- 8
- - 6.5 0.20
- - 0.72
- - 0.16
- 20 -
A) B) 3 C) 4 D) 5 E) 6
))))))))))))))))))))))))))Q
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG
BIBLIOGRAFÍA
Spiegel, Murray R.- Estadística.- McGraw-Hill.- Segunda edición.- México, 1991.
Bonilla, Gildaberto,- Métodos Prácticos de Inferencia Estadística.- Trillas.- México, 1991.
Chou, Ya-Lun .- Análisis Estadístico .-McGraw-Hill.- Segunda Edición.- México, 1990.
Weimer, Richard C.- Estadística.- CECSA.- México, 1996.
Hines, William W. y Montgomery, Douglas C. - Probabilidad y Estadística para ingeniería, cuarta

edición..- CECSA.- México, 2005.
Milton, Susan J. Y Arnold, Jesse C.- Probabilidad y Estadística para con aplicaciones para ingeniería y
ciencias computacionales, cuarta edición.- McGraw-Hill.- México, 2004.
Aguilar Juárez, Isabel Patricia.- Apuntes de clase.
Devore, Jay L.- Probabilidad y Estadística para ingeniería y ciencias, séptima edición.- Cengage Learning.-
México, 2008.
Mendenhall, William III. et al.- Introducción a la Probabilidad y Estadística.- Décimo cuarta edición.-
Cengage Learning.- México 2015.
Wackerly Dennis D.- Mendenhall, William, et al.- Estadística Matemática con Aplicaciones, sexta edición.-
Editorial Thomson.- México, 2002.
Walpole, Ronald E., et al.- Probability and Statistics for Engineers and Scientists.- Pearson.- USA, 2007.
Montgomery, Douglas C. y Runger, George C.-Probabilidad y Estadística aplicadas a la Ingeniería, segunda

edición.- Limusa-Wiley.- México, 2002.
Scheaffer, Richard L. y McClave, James T.- Probabilidad y Estadística para Ingeniería.- Grupo Editorial
Iberoamérica.- México, 1993.
Canavos, George C.- Probabilidad y Estadística Aplicaciones y Métodos.- McGraw-Hill.- México, 1988.
Borras García, Hugo E., et al.- Apuntes de Probabilidad y Estadística.-Facultad de Ingeniería.- México,
1985.
S)))))))))))))))))))))))))))))))))))))))
ALBS / NMG

Estadística 2018 Tema 1

Cargado por

Copyright:

Formatos disponibles

Estadística 2018 Tema 1

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística 2018 Tema 1

Cargado por

Copyright:

Formatos disponibles

XfgTW˝fg\VT

A. Leonardo Bañuelos Saucedo

La Probabilidad y la Estadística son herramientas muy importantes en el desarrollo de cualquier ingeniería.

1. Parte de una revisión de hechos, teorías y propuestas.

LA ESTADÍSTICA Y SUS CLASIFICACIONES

La estadística es la rama de las matemáticas que se encarga de la selección de datos, su organización,

La estadística puede clasificarse en: univariable y multivariable, dependiendo de la cantidad de

Otra clasificación está basada en la aplicación de la estadística. La estadística descriptiva (o deductiva)

La estadística descriptiva utiliza gráficas, tablas y parámetros numéricos para la presentación de la

Otra clasificación de la estadística está basada en la información que se posee. La estadística

misma probabilidad de ser escogida, el muestreo se denomina aleatorio simple.

Otros tipos de muestreo se mencionan a continuación:

población un elemento. Las unidades elementales de la población se ordenan (o numeran) y cada

El muestreo estratificado consiste en dividir a la población en grupos denominados estratos. Los

El muestreo por conglomerados es lo contrario del muestreo estratificado. Consiste en seleccionar

En la estadística descriptiva existen básicamente tres técnicas:

Las técnicas no son independientes, por el contrario, deben complementarse. La distribución de

datos cualitativos expresan cualidades: azul, alto, sano, etc.

Tabla 1.1. Límites y Fronteras de clase

Frecuencia. Es el número de elementos en la muestra o en la población que pertenecen a la clase en

Tabla 1.3. Frecuencia

Tabla 1.4. Frecuencia acumulada

ejemplo, si el total de datos es n=100, entonces:

Tabla 1.5. Frecuencia relativa

1 - 3 0.5 - 3.5 2 6 6 6/100=0.06

el número de datos, esto es: . Considerando nuevamente que n=100, entonces:

Tabla 1.6. Tabla de distribución de frecuencias teórica completa

1 - 3 0.5 - 3.5 2 6 6 0.06 0.06

Existen otras tablas de distribución de frecuencias, basadas en intervalos, en donde se utiliza la

Tabla 1.7. Tabla de distribución de frecuencias con intervalos

Algunos valores que ayudan en la construcción de la tabla son:

Recomendaciones para la construcción de una tabla de frecuencias

• Todas las clases serán de la misma longitud (c).

• La longitud de clase se aproxima mediante

, donde el Rango es:

• Tratará de evitarse que haya clases con frecuencia cero.

• La primera y la última clase nunca tendrán frecuencia cero.

Construir una tabla de distribución de frecuencias teórica completa.

utilizará una longitud de .

Tabla 1.8. Tabla de distribución del ejemplo 1.1

29 - 36 28.5 -36.5 32.5 4 4 0.08 0.08

Con los datos de la tabla 1.8, el histograma de frecuencias es:

Fig. 1.1. Histograma con frecuencias en el eje

Fig. 1.2. Histograma con frecuencias en los rectángulos

Fig. 1.3. Polígono de Frecuencias

Fig. 1.4. Ojiva

Con la tabla de distribución de frecuencias y con las gráficas, se describe el comportamiento de un

DIAGRAMA DE TALLO Y HOJAS

MEDIDAS DE TENDENCIA CENTRAL

Para datos agrupados se tiene

Para los datos del ejemplo 1.1 se tiene:

Para los datos del ejemplo 1.1 se tiene:

Finalmente, se tiene, para los datos del ejemplo 1.1

Es la frontera inferior del intervalo con mayor frecuencia.

Utilizando la fórmula para la moda se tiene:

Relación entre la media, la mediana y la moda

Si la distribución es simétrica y unimodal, entonces se tiene la siguiente relación:

Cuartiles, Deciles y Percentiles

La desviación media o desviación promedio de un conjunto de datos es el promedio de las distancias de