Bloque Ii

Representación de datos tabular y grafico
Construcción de tabla de
frecuencias para datos
agrupados
Cuando el tamaño de la muestra es considerable o grande y los datos
numéricos son muy diversos (N>15), conviene agrupar los datos de tal manera que
permita establecer patrones, tendencias o regularidades de los valores observados.
De esta manera podemos condensar y ordenar los datos tabulando las frecuencias
asociadas a ciertos intervalos de los valores observados.
Intervalos de Clase: Son los intervalos en los que se agrupan y ordenan los
valores observados. Cada uno de estos intervalos está delimitado (acotado) por dos
valores extremos que les llamamos límites.
Pasos a seguir para construir intervalos de frecuencia:
1. Determinar la cantidad de intervalos apropiada
La selección del número adecuado de intervalos y los límites entre

ellos dependen del criterio o experiencia de quien realiza el estudio.
Sin embargo, existen reglas empíricas para calcular el número de
intervalos; la más empleada es la Regla de Sturges, cuya expresión
es:
k  1  3.3 Log N
Donde:
K=Número de intervalos
El cual siempre debe ser un número entero. Razón por la cual

se deberá redondear el resultado al entero más cercano.
N = Número de datos.
Log = logaritmo en base 10.
Otra regla utilizada es la de Velleman que establece que el número de

Intervalos se obtiene de la raíz cuadrada del número de datos; es
decir:
1
k N
Recomendable para tamaños de muestra pequeños (n< 50).
El número de intervalos determinado mediante cualquier regla se

aproxima al valor entero más cercano pero deberá ser responsabilidad
de quien realiza el estudio, pudiendo utilizar éste en ocasiones uno
menor o mayor al obtenido por cualquier regla, si esto le permite tener
intervalos con la misma amplitud. Sin embargo, la mayoría de las
reglas subestiman el número de intervalos.
2. Calcular el rango de los datos
En estadística, el rango representa la diferencia entre el valor máximo

y el valor mínimo de un conjunto de datos. El rango nos muestra la
distribución de los valores en una serie. Si el rango es un número muy
alto, entonces los valores de la serie están bastante distribuidos. En
cambio, si se trata de un número pequeño, quiere decir que los valores
de la serie están muy cerca entre sí. Se representa con la letra R.
R  dato mayor  dato menor
3. Amplitud o anchura que tendrá cada intervalo
Corresponde a la cantidad de datos que van en casa clase, se

encuentra dividiendo el rango por el número de intervalos,
regularmente es de 5 a 6. Se representa con la letra Ac .
R
Ac 
k
4. Construcción de los intervalos
Los intervalos de clase son conjuntos numéricos y deben ser

excluyentes y exhaustivos; es decir, si un dato pertenece a un intervalo
determinado, ya no podrá pertenecer a otro, esto quiere decir
excluyentes y además todos y cada uno de los datos deberá estar
contenido en alguno de los intervalos, esto les da el valor de
exhaustivos.
Las dos caracteres mencionadas anteriormente se logran

construyendo intervalos cerrados por la izquierda y abiertos por la
2
derecha; esto se simboliza a través del uso de corchetes y paréntesis

respectivamente. Por razones naturales, el último intervalo será
cerrado por ambos extremos.
El primer intervalo se construye de la siguiente manera: Habrá de

iniciar con el dato menor, el cual será el extremo inferior del intervalo;
el otro extremo se obtiene de la suma del dato menor y la amplitud,
con este mismo valor iniciamos el segundo intervalo, del cual el
segundo extremo se encuentra sumando al valor anterior la amplitud
y este proceso se repite sistemáticamente hasta completar el total de
intervalos indicado por la regla elegida, por ejemplo la de Sturges.
Los valores extremos o límites de intervalo.

Los intervalos de clase deben estar definidos por límites que permitan
identificar plenamente si un dato pertenece a uno u otro intervalo.
Estos límites son los valores extremos de cada intervalo.
Límite inferior: Es el valor menor de cada intervalo, se denota por Li
Límite superior: Es el número mayor de cada intervalo, se denota por

Ls .
También será muy útil conocer y calcular la Marca de Clase (MC) de cada
intervalo: Se refiere al Punto Medio del intervalo y a través de él representaremos a
todo el intervalo y una de las maneras de calcularla es promediando los valores
límite de cada intervalo, su fórmula es:
Li  Ls
Mc 
2
Ejemplo 3
Un grupo de investigadores pertenecientes a la secretaría de seguridad

pública, tomó una muestra aleatoria de las velocidades (km/h) registradas por 30
vehículos en el trayecto Champotón Campeche, con el fin de establecer nuevos
límites máximos de velocidad para una carretera. La muestra arrojo los datos
siguientes:
90, 99, 104, 99, 119, 98, 95, 112, 95, 120, 100, 90, 116, 96, 114, 108, 98,
118, 100, 106, 114, 100, 112, 106, 100, 115, 111, 105, 114, 97
Toda vez que se tienen los datos, se recomienda ordenarlos de menor a

mayor o viceversa
3
90, 90, 95, 95, 96, 97, 98, 98, 99, 99, 100, 100, 100, 104, 105,106, 108, 111,
112, 112, 114, 114, 115, 116, 118, 119, 120
Ahora llevamos a la práctica los pasos descritos anteriormente para la

construcción de los intervalos.
1. obtendremos el número de intervalos que vamos a utilizar, para lo cual

empleamos la Regla de Sturges:
k  1  3.3logN
 1  3.3log(30)
=1  3.3(1.4771)
=1  4.87
k  5.87  6
2. calcular el rango de variación

R  120  90
R  30
3. obtendremos la amplitud de cada intervalo de clase como sigue:
R 30
Ac  
k 6
Ac  5
4. construimos los intervalos, el primero de ellos inicia con 90 que es el
extremo inferior que, sumado a 5 obtenemos 95, que será el extremo
superior; este extremo será el inferior del segundo intervalo; y al sumar
nuevamente la amplitud tendremos 100 que será el extremo superior
y así sucesivamente hasta completar los 6 intervalos., que se
muestran enseguida:
[90 – 95), [95 – 100), [100 – 105), [105 – 110), [110 – 115) y
[115 – 120]
4
Los corchetes expresan que el valor extremo se incluye en el intervalo

y los paréntesis dan a entender que el valor extremo del intervalo no
se incluye en el.
Para la construcción de distribuciones de frecuencias, contamos el

número de datos que le corresponden a cada intervalo; es decir
obtenemos las frecuencias absolutas y de estas podemos generar los
demás tipos de frecuencias y presentarlas en una tabla de resumen
como la que a continuación se muestra:
DISTRIBUCIÓN DE FRECUENCIA PARA LAS VELOCIDADES
xi f fa fr f ra Mc
[90-95) 2 2 0.07 0.07 92.5
[95-100) 8 10 0.27 0.34 97.5
[100-105) 5 15 0.17 0.51 102.5
[105-110) 4 19 0.13 0.64 107.5
[110-115 6 25 0.2 0.84 112.5
[115-120) 5 30 0.16 1 117.5
total 30 1
2.1.1 REPRESENTACIÓN GRAFICA

Las tablas estadísticas representan toda la información de modo
esquemático y están preparadas para los cálculos posteriores. Los gráficos
estadísticos nos transmiten esa información de modo más expresivo, nos van a
permitir, con un sólo golpe de vista, entender de que se nos habla, observar sus
características más importantes, incluso sacar alguna conclusión sobre el
comportamiento de la muestra donde se está realizando el estudio.
Los gráficos estadísticos son muy útiles para comparar distintas tablas de
frecuencia. Los más usuales son:
5
Histograma
Se utiliza para la representación de variables cuantitativas continuas, es una

gráfica en forma de barras que consta de dos ejes, uno horizontal, llamado eje de
la variable en observación, en donde situamos la base de una serie de rectángulos
o barras contiguas; es decir, que no van separadas, y que se rotula con los límites
inferiores de cada clase o intervalo excepto el último que deberá llevar también el
límite superior, centradas en la marca de clase. Y un eje vertical llamado eje de las
frecuencias, en donde se miden las alturas que vienen dadas por la frecuencia del
intervalo que representa.
Todos los intervalos deben tener la misma longitud. Si se utilizarán

rectángulos de amplitud diferente, el área del rectángulo es la que tendría que ser
proporcional a la frecuencia absoluta correspondiente a ese intervalo. Histograma
acumulativo, si se utiliza la frecuencia absoluta acumulativa.
Utilizando los datos del ejemplo 3 obtenemos la siguiente gráfica:
6
Polígono de frecuencia
Es una gráfica del tipo de las gráficas de líneas trazadas sobre las marcas de
clase, (de ahí el nombre de polígono), y se traza uniendo con segmentos de recta,
de izquierda a derecha, las parejas ordenadas que se forman, al considerar como
abscisa la marca de clase (eje horizontal) y como ordenada la frecuencia del
intervalo representado (eje vertical); la primera y última parejas ordenadas se unen
mediante un segmento de recta al eje horizontal, con las que serían la marca de
clase anterior y posterior respectivamente si estas existieran.
Este tipo de gráfico adquiere mayor importancia cuando se quiere mostrar en

un mismo gráfico más de una distribución o una clasificación cruzada de una
variable continúa con una discreta, situación que no se puede observar en uno de
los gráficos presentados anteriormente por la forma de construcción del mismo
gráfico.
7
Gráfica de Frecuencias Acumuladas u Ojiva
Es un gráfico que igual al histograma y polígono de frecuencias se utiliza para

el análisis y representación de variables continuas, sólo que en vez de utilizar las
frecuencias absolutas, por sus características se construye uniendo con segmentos
de recta, de izquierda a derecha, las parejas ordenadas que se forman, al considerar
como abscisa los límites superiores de cada intervalo (eje horizontal) y como
ordenada las frecuencias relativas acumuladas hasta cada intervalo representado
(eje vertical).
Existen dos tipos de ojivas, las llamadas de mayor que, iniciando en la

frecuencia más alta 1 hacia la más baja 0 y las llamadas de menor que, iniciando
en la frecuencia más baja 0 hacia la más alta 1.
El gráfico ojiva representa mayor importancia cuando se trata de comparar

las observaciones de una misma característica en dos experimentos distintos, ya
que no se puede ejecutar comparaciones sobre frecuencias absolutas, es necesario
una comparación sobre frecuencias relativa; además permite ver cuántas
observaciones se hallan por arriba o debajo de ciertos valores establecidos.
8
Medidas de tendencia
central
2.2.1 DATOS NO AGRUPADOS Y NO AGRUPADOS
Las medidas de tendencia central, de centralización o posición facilitan la

interpretación de información sobre un conjunto o serie de datos que se están
analizando, una vez que estos datos fueron recopilados u organizados, ya sea en
una investigación documental o en una investigación de campo.
Normalmente, la variable que se intenta medir es conocida en algunas

ocasiones de manera insuficiente. Esto no significa que no se tenga algún
conocimiento global de valores que pueda asumir, sino que es necesario conocerla
mejor para tomar alguna decisión de importancia.
Por ejemplo, si se desea comparar las estaturas de alumnos varones de dos

escuelas preparatorias del quinto semestre, y al tomar las medidas, se encontraran
las variables entre 140 a 210 cm. Este conocimiento no es lo suficientemente
preciso para hacer la comparación deseada, es indispensable afinarlo más para
cada uno de los dos escuelas, interesa donde están centradas las estaturas, que
tanta variabilidad tiene, etc.
Las medidas de tendencia central son valores que se ubican al centro de un

conjunto de datos ordenados según su magnitud. Generalmente se utilizan 4 de
estos valores también conocidos como estadígrafos:
 Media aritmética X
 Mediana X
 moda X
La media aritmética es la medida de posición utilizada con más frecuencia.

Si se tienen n valores de observaciones, la media aritmética es la suma de todos y
cada uno de los valores dividida entre el total de valores: Lo que indica que puede
ser afectada por los valores extremos, por lo que puede dar una imagen
distorsionada de la información de los datos.
La Mediana, es el valor que ocupa la posición central en un conjunto de

datos, que deben estar ordenados, de esta manera la mitad de las observaciones
9
es menor que la mediana y la otra mitad es mayor que la mediana, resulta muy
apropiada cuando se poseen observaciones extremas.
La Moda es el valor de un conjunto de datos que aparece con mayor

frecuencia. No depende de valores extremos, pero es más variables que la media y
la mediana.
Datos no agrupados
Media Aritmética. La medida más evidente que podemos calcular para

describir un conjunto de observaciones numéricas es su valor medio. La media no
es más que la suma de todos los valores de una variable dividida entre el número
total de datos de los que se dispone. Siendo su fórmula la siguiente:
X
 x
N
Como ejemplo, consideremos 10 pacientes de edades:
21 años, 32, 15, 59, 60, 61, 64, 60, 71, y 80.
La media de edad de estas personas será de:
21  32  15  59  60  61  64  60  71  80
X
10
X  52.3 años
Mediana: En esta medida, los datos u observaciones equidistantes o que se

encuentran más en medio de todo el conjunto de datos.
La mediana del ejemplo anterior, sería el valor que deja a la mitad de los
datos por encima de dicho valor, y a la otra mitad por debajo, es decir el 50 % por
arriba y el 50% por debajo del conjunto de datos.
10
Para obtener la mediana para datos agrupados, primeramente deberemos

ordenar los datos en forma ascendente o descendente observando la siguiente
secuencia de datos: 5, 21, 32, 59, 60, 60,61, 64, 71, 80. (Datos ordenados)
Como quiera que sea, en este ejemplo, el número de datos u observaciones

es par (10 personas), los dos valores que se encuentran en medio son 60 y 60. Si
realizamos el cálculo para la media nos dará:
5, 21, 32, 59 60, 60 61, 64, 71, 80 (número de observaciones par)
60  60
X
2
X  60 años
Si al ejemplo anterior le agregamos un paciente más de 55 años entonces la

mediana se determinará como el dato u observación que se encuentra más en el
medio es decir:
Si la media y la mediana son iguales, la distribución o conjunto de datos de

la variable es simétrica. Sin embargo, la media es muy sensible a la variación de las
puntuaciones, y la mediana es menos sensible a dichos cambios.
Geométricamente la mediana es el valor de la variable que corresponde a la

vertical que divide al histograma en dos áreas iguales. Cuando determinados
valores de un conjunto de datos u observaciones son muy grandes o muy pequeños
con respecto a los demás, entonces la media aritmética se puede distorsionar y
perder su carácter representativo, en esos casos, es conveniente utilizar la mediana
como medida de tenencia central.
11
La moda: se suele definir como el valor más frecuente. En el caso de una

variable no agrupada, es el valor de la variable que más se repite.
En el caso del ejemplo anterior 5, 21, 59, 60, 60, 61, 64, 71, 80, la moda
será:
X  60 años (unimodal)
Ejemplo:
a) Determinar la moda del siguiente conjunto de datos: 1, 2, 3, 4, 4, 5, 2,

1, 3, 4, 2, 3, 4, 6, 3
1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 6
X  3 y 4 (bimodal)
b) Determinar la moda del siguiente conjunto de datos 1, 2, 3, 4, 5, 6, 7,

8, 9
En este caso como ninguno dato se repite será amoldal.
Gráficamente eso se puede reflejar mediante el análisis de un histograma de

frecuencias.
En el caso de que la distribución o conjunto de datos tenga una moda, se dirá

que el conjunto de datos es unimodal; si tiene dos modas, se llamara bimodal; más
de dos modas, se le llamará polimodal; y en caso que no tenga ninguna moda se
denominará amodal.
12
Datos agrupados
Media aritmética: Para calcular esta medida de centralización o tendencia

central se tomaran en cuenta las frecuencias absolutas y la marca de clase de cada
clase; mediante la siguiente fórmula:

Donde:
Mc * f
X X =media aritmética
N =sumatoria
Mc= marca de clase
f= frecuencia absoluta
N= número total de datos
Ejemplo:
DISTRIBUCIÓN DE FRECUENCIA PARA LAS VELOCIDADES
xi f fa fr f ra Mc
[49-53) 10 10 0.25 0.25 51
[53-57) 7 17 0.17 0.42 55
[57-61) 5 22 0.13 0.55 59
[61-65) 3 25 0.07 0.62 63
[65-69) 7 32 0.18 0.8 67
[69-73] 8 40 0.2 1 71
total 40 1
De la tabla anterior calcularemos la media aritmética
X
10  51   7  55   5 59    3 63   7  67   8 71
40
2416
X  X  60.4
40
13
Mediana: para determinar la mediana nos apoyamos de la siguiente formula
N 
  f a anterior 
X  Li   2  * Ac
 f mediana 
 
Donde:
Li = límite inferior de la clase donde se encuentra la mediana.
N= número total de datos
f a anterior = frecuencia absoluta acumulada anterior a la clase de

la mediana
f mediana = frecuencia absoluta del intervalo mediano

Ac= amplitud de clase
Ejemplo:
De la tabla anterior calcularemos la mediana para esta distribución.
Lo primero que debemos hacer para poder calcular la mediana es identificar

la clase mediana. Para esto tenemos que buscar el intervalo en el que se encuentre.
N / 2.
N 40
  20
2 2
14
xi f fa fr f ra Mc
[49-53) 10 10 0.25 0.25 51
[53-57) 7 17 0.17 0.42 55
N 40
[57-61) 5 22 0.13 0.55 59   20
2 2
[61-65) 3 25 0.07 0.62 63
[65-69) 7 32 0.18 0.8 67
[69-73] 8 40 0.2 1 71
total 40 1
Ahora reemplazamos los datos en la formula
N   40 
  f a anterior   2  17 
X  Li   2  * Ac  57   *4
 f mediana   5 
   
X  57.4
Moda: Es el valor que representa la mayor frecuencia absoluta. En tablas de

frecuencias con datos agrupados, hablaremos de intervalo modal. Para determinar
la moda nos apoyamos en la siguiente formula:
 f  f anterior 
X  Li    * Ac
  
 f  f anterior  f  f posterior
  

Donde:
Li = límite inferior modal
f = frecuencia absoluta del intervalo modal
15
f anterior = frecuencia absoluta anterior al intervalo modal
f posterior = frecuencia absoluta posterior al intervalo modal

Ac= amplitud de clase.
Lo primero que debemos hacer es identificar el intervalo modal:
xi f fa fr f ra Mc
[49-53) 10 10 0.25 0.25 51
[53-57) 7 17 0.17 0.42 55 Intervalo modal:

Mayor frecuencia absoluta
[57-61) 5 22 0.13 0.55 59
[61-65) 3 25 0.07 0.62 63
[65-69) 7 32 0.18 0.8 67
[69-73] 8 40 0.2 1 71
total 40 1
Ahora podemos reemplazar los datos en la fórmula:
   
f  f anterior  * Ac  49   10  0  *4
X  Li  
  
 f  f anterior  f  f posterior
  
   
 10  0  10  7  

X  52
16
Medidas de
variabilidad
Se llaman medidas de dispersión o variabilidad aquellas que permiten

retratar la distancia de los valores de la variable a un cierto valor central, o que
permiten identificar la concentración de los datos en un cierto sector del rango de la
variable.
Las medidas de tendencia central tienen como objetivo el sintetizar los datos
en un valor representativo, las medidas de dispersión nos dicen hasta qué punto
estas medidas de tendencia central son representativas como síntesis de la
información. Las medidas de dispersión cuantifican la separación, la dispersión, y la
variabilidad de los valores de la distribución respecto al valor central. Distinguimos
entre medidas de dispersión absolutas, que no son comparables entre diferentes
muestras y las relativas que nos permitirán comparar varias muestras.
2.3.1 DATOS NO AGRUPADOS Y AGRUPADOS
DATOS NO AGRUPADOS
Rango (R)
Es una medida razonable de Variabilidad llamada también en algunas

ocasiones amplitud y que se obtiene restando el valor más bajo de un conjunto de
observaciones del valor más alto. Es fácil de calcular y sus unidades son las mismas
que las de la variable. El rango es la diferencia entre el valor mayor y el menor de
los datos. Esta sencilla medida permite identificar la variación máxima entre dos
datos del conjunto que se analiza.

Ejemplo:
Tenemos los siguientes datos, que representan los montos de 20 préstamos

personales, en dólares, en una compañía financiera de consumidores:
17
900, 500, 450, 1900, 1200, 1250, 2500, 550, 1650, 1200, 1000, 550, 650,
600, 750, 1300, 850, 350, 1400, 700,
El rango de estos 20 préstamos será:

 2500  350
R  2150
Desviación media
Se define como la media de las diferencias en valor absoluto de los valores

de la variable a la media (D.M); es decir, que se define como desvió que es la
diferencia que se observa entre la variable y la media aritmética.
x1  X  x2  X  ... xi  X
D.M 
N
Donde:
D.M = Desviación media
xi = cada valor
X = Media aritmética
N = número total de datos
Ejemplo:
Calcular la desviación media de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Primero calculamos la media aritmética
18
X
 x 9  3  8  8  9  8  9  18
 9
N 8
Ahora calculamos la desviación media
x1  X  x2  X  ... xi  X
D.M 
N
9  9  3  9  8  9  8  9  9  9  8  9  9  9  18  9
D.M 
N
D.M  2.25
Varianza
La varianza es la media aritmética del cuadrado de las desviaciones respecto

a la media de una distribución estadística.
La varianza se representa por signo 2

x  X  x  X   
2 2 2
 ...  xi  X
2
1 1

N
 2 = varianza
xi = cada valor
Ejemplo:
Calcular la varianza del ejemplo anterior
19
x  X  x  X   
2 2 2
 ...  xi  X
2
1 1

N
 9  9    3  9   8  9   8  9    9  9   8  9   9  9   18  9 
2 2 2 2 2 2 2 2
 
2
8
  15
2
Desviación estándar
Esta medida nos permite determinar el promedio aritmético de fluctuación de

los datos respecto a su punto central o media. La desviación estándar nos da como
resultado un valor numérico que representa el promedio de diferencia que hay entre
los datos y la media. Para calcular la desviación estándar basta con hallar la raíz
cuadrada de la varianza, por lo tanto su ecuación sería:
  2
Ejemplo:
Continuando con el ejemplo anterior calcular la desviación estándar:
   2  15
  3.87
DATOS AGRUPADOS
Rango
Para los datos agrupados se emplea la misma fórmula que en los datos no
agrupados
20
Desviación media
Como su nombre indica, la desviación respecto a la media da información de

lo alejado o cerca que está un dato de los demás datos del conjunto. Intuitivamente,
ya se ve que se puede calcular como la diferencia entre un dato y la media de los
datos, multiplicada por la frecuencia absoluta de cada intervalo.
Mc1  X f1  Mc2  X f 2  ... Mci  X fi

D.M 
N
Donde:
D.M = Desviación media
Mci = marca de clase de cada intervalo
f i = frecuencia absoluta de cada intervalo

Ejemplo:
Dada la siguiente tabla de distribución de frecuencias, calcular la desviación

media:
xi f fa fr f ra Mc
[49-53) 10 10 0.25 0.25 51
[53-57) 7 17 0.17 0.42 55
[57-61) 5 22 0.13 0.55 59
[61-65) 3 25 0.07 0.62 63
[65-69) 7 32 0.18 0.8 67
[69-73] 8 40 0.2 1 71
total 40 1
21
Primero calculamos la media aritmética:
X
10  51   7  55   5 59    3 63   7  67   8 71
40
2416
X  X  60.4
40
Una vez obtenido el valor de la media aritmética calculamos la desviación

media:
51  60.4 10   55  60.4  7   59  60.4  5   63  60.4  3  67  60.4  7   71  60.4 8

D.M 
40
94  37.8  7  7.8  46.2  84.8

D.M 
40
D.M  6.94
Varianza
La fórmula para calcular la varianza de datos agrupados es la siguiente:
 Mc  X     
2 2 2
f1  Mc2  X f 2  ...  Mci  X fi
2
1

N
Donde:
 2 = varianza
Mci = marca de clase de cada intervalo
f i = frecuencia absoluta de cada intervalo
22
Ejemplo:
En base a los datos de la tabla anterior calcular la varianza:
 Mc  X     
2 2 2
f1  Mc2  X f 2  ...  Mci  X fi

1
2

N
 51  60.4  10    55  60.4   7    59  60.4   5   63  60.4   3   67  60.4   7    71  60.4 8

2 2 2 2 2 2
 
2
40
883.6  204.12  9.8  20.28  304.92  898.88 2321.6

2  
40 40
  58.04
2
Desviación estándar:
La fórmula para calcular la desviación estándar para datos agrupados es la

siguiente:
  2
Ejemplo:
Continuando con el ejemplo anterior calcular la desviación estándar:
   2  58.04
  7.62
23

Bloque Ii

Cargado por

Copyright:

Formatos disponibles

Bloque Ii

Cargado por

Información del documento

Título 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

Bloque Ii

Cargado por

Copyright:

Formatos disponibles

Representación de datos tabular y grafico

Pasos a seguir para construir intervalos de frecuencia:

1. Determinar la cantidad de intervalos apropiada

La selección del número adecuado de intervalos y los límites entre

El cual siempre debe ser un número entero. Razón por la cual

Log = logaritmo en base 10.

Otra regla utilizada es la de Velleman que establece que el número de

El número de intervalos determinado mediante cualquier regla se

2. Calcular el rango de los datos

En estadística, el rango representa la diferencia entre el valor máximo

R  dato mayor  dato menor

3. Amplitud o anchura que tendrá cada intervalo

Corresponde a la cantidad de datos que van en casa clase, se

Los intervalos de clase son conjuntos numéricos y deben ser

Las dos caracteres mencionadas anteriormente se logran

derecha; esto se simboliza a través del uso de corchetes y paréntesis

El primer intervalo se construye de la siguiente manera: Habrá de

Los valores extremos o límites de intervalo.

Límite inferior: Es el valor menor de cada intervalo, se denota por Li

Límite superior: Es el número mayor de cada intervalo, se denota por

Un grupo de investigadores pertenecientes a la secretaría de seguridad

Toda vez que se tienen los datos, se recomienda ordenarlos de menor a

Ahora llevamos a la práctica los pasos descritos anteriormente para la

1. obtendremos el número de intervalos que vamos a utilizar, para lo cual

R  dato mayor  dato menor

3. obtendremos la amplitud de cada intervalo de clase como sigue:

Los corchetes expresan que el valor extremo se incluye en el intervalo

Para la construcción de distribuciones de frecuencias, contamos el

DISTRIBUCIÓN DE FRECUENCIA PARA LAS VELOCIDADES

2.1.1 REPRESENTACIÓN GRAFICA

Se utiliza para la representación de variables cuantitativas continuas, es una

Todos los intervalos deben tener la misma longitud. Si se utilizarán

Utilizando los datos del ejemplo 3 obtenemos la siguiente gráfica:

Este tipo de gráfico adquiere mayor importancia cuando se quiere mostrar en

Gráfica de Frecuencias Acumuladas u Ojiva

Es un gráfico que igual al histograma y polígono de frecuencias se utiliza para

Existen dos tipos de ojivas, las llamadas de mayor que, iniciando en la

El gráfico ojiva representa mayor importancia cuando se trata de comparar

Las medidas de tendencia central, de centralización o posición facilitan la

Normalmente, la variable que se intenta medir es conocida en algunas

Por ejemplo, si se desea comparar las estaturas de alumnos varones de dos

Las medidas de tendencia central son valores que se ubican al centro de un

La media aritmética es la medida de posición utilizada con más frecuencia.

La Mediana, es el valor que ocupa la posición central en un conjunto de

La Moda es el valor de un conjunto de datos que aparece con mayor

Media Aritmética. La medida más evidente que podemos calcular para

La media de edad de estas personas será de:

Mediana: En esta medida, los datos u observaciones equidistantes o que se

Para obtener la mediana para datos agrupados, primeramente deberemos

Como quiera que sea, en este ejemplo, el número de datos u observaciones

5, 21, 32, 59 60, 60 61, 64, 71, 80 (número de observaciones par)

Si al ejemplo anterior le agregamos un paciente más de 55 años entonces la

Si la media y la mediana son iguales, la distribución o conjunto de datos de

Geométricamente la mediana es el valor de la variable que corresponde a la

La moda: se suele definir como el valor más frecuente. En el caso de una

a) Determinar la moda del siguiente conjunto de datos: 1, 2, 3, 4, 4, 5, 2,

b) Determinar la moda del siguiente conjunto de datos 1, 2, 3, 4, 5, 6, 7,

En este caso como ninguno dato se repite será amoldal.

Gráficamente eso se puede reflejar mediante el análisis de un histograma de