Cap1 Esta Descript

Probabilidad y Estadística 1. ¿Qué es la Estadística?
Estadística Descriptiva
Jhon F. Bernedo Gonzales • Ronny I. Gonzales Medina • 2020
Última revisión: 17 de abril de 2020
Índice
1. ¿Qué es la Estadística? 1
2. Elementos, población, muestra, caracteres 2
3. Clasificación de las variables 6

3.1. Variables cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2. Variables cuantitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3. Escalas o niveles de medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4. Distribución de frecuencias 9
4.1. Variables cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2. Variables Cuantitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3. Distribución de frecuencias por intervalos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5. Forma de la distribución 27
5.1. Distribuciones Multimodales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2. Distribución uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5.3. Distribución simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5.4. Distribución asimétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6. Ejercicios resueltos 31
7. Ejercicios propuestos 32
1 ¿Qué es la Estadística?
Cuando se habla de estadística, se suele pensar en una relación de datos numéricos presentada de
forma ordenada y sistemática. Esta idea es la consecuencia del concepto popular que existe sobre
el término y que cada vez está más extendido debido a la influencia de nuestro entorno, ya que
hoy día es casi imposible que cualquier medio de difusión, periódico, radio, televisión, etc., no nos
aborde diariamente con cualquier tipo de información estadística sobre accidentes de tránsito, índices
de crecimiento de población, turismo, tendencias políticas, etc. Sólo cuando nos adentramos en un
1
Probabilidad y Estadística 2. Elementos, población, muestra, caracteres
mundo más específico como es el campo de la investigación de las ciencias sociales, medicina, biología,
psicología, etc; empezamos a percibir que la Estadística no sólo es algo más, sino que se convierte en la
única herramienta que, hoy por hoy, permite dar luz y obtener resultados, y por tanto beneficios, en
cualquier tipo de estudio, cuyos movimientos y relaciones, por su variabilidad intrínseca, no puedan
ser abordadas desde la perspectiva de las leyes deterministicas. Podríamos, desde un punto de vista
más amplio, definir la estadística como LA CIENCIA QUE ESTUDIA CÓMO DEBE EMPLEARSE LA
INFORMACIÓN Y CÓMO DAR UNA GUÍA DE ACCIÓN EN SITUACIONES PRÁCTICAS QUE
ENTRAÑAN INCERTIDUMBRE. La ESTADÍSTICA se ocupa de los métodos y procedimientos para
recoger, clasificar, resumir, hallar regularidades y analizar los datos, siempre y cuando la variabilidad e
incertidumbre sea una causa intrínseca de los mismos; así como de realizar inferencias a partir de ellos,
con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones. Podríamos por
tanto clasificar la Estadística en descriptiva, cuando los resultados del análisis no pretenden ir más allá
del conjunto de datos, e inferencial cuando el objetivo del estudio es derivar las conclusiones obtenidas
a un conjunto de datos más amplio.
Estadística descriptiva. Describe, analiza y representa un grupo de datos utilizando métodos

numéricos y gráficos que resumen y presentan la información contenida en ellos.
Estadística inferencial. Apoyándose en el cálculo de probabilidades y a partir de datos muestrales,

efectúa estimaciones, decisiones, predicciones u otras generalizaciones sobre un conjunto mayor
de datos.
2 Elementos, población, muestra, caracteres

Establecemos a continuación algunas definiciones de conceptos básicos y fundamentales como son:
elemento, población, muestra, carácteres, variables, etc., a las cuales haremos referencia continuamente
a lo largo del texto
1. Individuos o elementos. Personas u objetos que contienen cierta información que se desea
estudiar.
2. Población. Conjunto de individuos o elementos que cumplen ciertas propiedades comunes.
3. Muestra. Subconjunto representativo de una población.
4. Parámetro. Función definida sobre los valores numéricos de características medibles de una
población.
5. Estadístico. Función definida sobre los valores numéricos de una muestra. En relación al tamaño
de la población, ésta puede ser:
Finita: Como es el caso del número de personas que llegan al servicio de urgencia de un
hospital en un día;
Infinita: Si por ejemplo estudiamos el mecanismo aleatorio que describe la secuencia de
caras y sellos obtenida en el lanzamiento repetido de una moneda al aire.
2
Ejemplo 2.1.
Consideremos la población formada por todos los estudiantes de una universidad del Perú(finita).
La altura media de todos los estudiantes es el parámetro µ. El conjunto formado por los alumnos
de la Facultad de Arquitectura e Ingeníerias es una muestra de dicha población y la altura media
de esta muestra, X, es un estadístico.
6. Caracteres Propiedades, rasgos o cualidades de los elementos de la población. Estos caracteres

pueden dividirse en cualitativos y cuantitativos.
7. Modalidades Diferentes situaciones posibles de un carácter. Las modalidades deben ser a la vez
exhaustivas y mutuamente excluyentes. Cada elemento posee una y sólo una de las modalidades
posibles.
8. Clases Conjunto de una o más modalidades en el que se verifica que cada modalidad pertenece a
una y sólo una de las clases.
Definición 2.1. Datos es una colección de números, nombres, etiquetas, símbolos y el contexto
de estos valores.
Frecuentemente, los datos representan un subconjunto de una población. Por ejemplo, los datos pueden
ser
las compras de un cliente en una farmacia
las notas de un estudiante en una universidad
los productos que compra un cliente en un supermercado
Los datos pueden ser registrados de forma periódica (secuencial), tal como la temperatura del ambiente,
la humedad relativa, el número de pacientes que llegan a un hospital por día entre otros.
Para obtener información que sea útil de los datos, se debe de saber el contexto de los valores numéricos
y no numéricos de estos. Por ejemplo, suponga que sea obtenga un valor registrado para Felipe, este
valor es igual a 2350, ahora este valor no es útil sin un marco de referencia, esto es, un contexto. Así,
este valor de 2350 puede significar el dinero que gana mensualmente o puede ser su código postal ó
su registro en su colegio profesional. Por tanto, si los datos están dispersos sin estructura los valores
registrados (numéricos o no numéricos) proporcionarán poca o nula información para el investigador,
empresa, gobierno, entre otros.
Para tener una visión mas clara de los datos es necesario organizarlos en una tabla tal como se observa
en la Tabla 1. Nótese que este arreglo ayuda a entender mejor los datos, donde en la parte superior se
indica los nombres de las características y cada fila es asociada a un individuo u objeto bajo estudio.
Además, cada fila (denominado caso) tiene p características.
En resumen, la tabla mostrada abajo es denominada tabla de datos, matriz de datos o conjunto de
datos (en inglés se indica como data set). En este sentido, la mayoría de los softwares estadísticos
organizan los datos en forma de tabla de datos.
3
Tabla 1: conjunto de datos o matriz de datos

id característica 1 característica 2 característica 3 ··· característica p
1 x11 x12 x13 ··· x1p
2 x21 x22 x23 ··· x2p
3 x31 x32 x33 ··· x3p
.. .. .. .. .. ..
. . . . . .
n xn1 xn2 xn3 ··· xnp
Filas y columnas de la tabla de datos

Como se comentó anteriormente, las filas de la tabla de datos corresponden a casos individuales sobre
quién (o sobre el cual) se registra algunas características de interés. Cada fila o caso debe de tener un
nombre dependiendo del tipo de estudio que se esta realizando. En general, las filas de una tabla de
datos son denominados de casos, registros, items, o unidades elementales. También, usualmente a
las filas se les indica también como observaciones
Cada columna de la tabla de datos indica una característica o atributo que comparten todos los casos.
Estos atributos deben de tener un nombre en la tabla de datos.
Ejemplo 2.2.
En la Tabla 2 se presenta una tabla de datos relacionada con algunas características de la municipali-
dades del Perú. Los datos presentados en esta tabla es una muestra tomada de toda la población de
municipalidades. En esta tabla de datos se puede observar que:
la primera columna con el nombre idmuni muestra el código de cada municipalidad, así una fila
de esta tabla de datos representa unicamente una municipalidad (observación o caso).
la segunda columna tipomuni indica el tipo de municipalidad que puede ser distrital o provincial
la columna agencias registra el número de agencias municipales
la columna direvia indica la dirección donde esta ubicado la municipalidad
la columna direnum indica el número de la dirección donde esta ubicado la municipalidad
la columna telcod registra el código de de ciudad del telefono fijo asociado a la municipalidad.
la columna telnum registra el número de telefono de cada municipalidad
la columna total ingreso indica la cantidad de dinero (en soles) que recibió la municipalidad
hasta el día de la entrevista
la columna total gastos indica la cantidad que gastó la municipalidad hasta el día de la entrevista
4
Tabla 2: Tabla de datos o conjunto de datos

idmuni tipomuni agencias direvia direnum telcod telnum total ingreso total gastos
20304 Distrital 0 Avenida S/N 43 2264748.4 1959603.8
50304 Distrital 0 Otro 1 66 966020438 3587570.8 3254580
60907 Distrital 0 Calle 1 76 10936135 10794034
90613 Distrital 0 Otro S/N 67 2526946.6 2438933.6
100208 Distrital 0 Otro S/N 62 962755973 3513606.4 3936576
100317 Distrital 0 Jirón 130 62 977176473 8144084.5 10315007
100501 Provincial 0 Jirón 310 62 942186630 32914724 33346424
110113 Distrital 0 Avenida S/N 56 3181649.2 3025343.4
120426 Distrital 0 Jirón 231 64 2622014.9 2417070.9
120433 Distrital 0 Jirón S/N 64 979471511 966702.76 984681.92
120601 Provincial 0 Jirón 312 64 545463 89429426 91194341
120608 Distrital 0 Otro S/N 64 831116 39305921 36865796
130504 Distrital 0 Jirón S/N 44 672954 4963819 4992810.7
140105 Distrital 0 Avenida 2151 74 942699643 38040086 27098900
140203 Distrital 3 Calle S/N 74 287242 11868801 9290797.6
150142 Distrital 4 Avenida S/N 1 3192530 107758126 88086389
150609 Distrital 0 Otro S/N 1 980586365 883244.43 876990.13
151019 Distrital 0 Calle 110 1 993946749 2370440 2359568.1
190113 Distrital 0 Avenida S/N 63 505449 17228537 13283102
190201 Provincial 0 Jirón S/N 63 949400353 16823908 19399528
190304 Distrital 0 Avenida 152 63 838002 13655591 12170990
200402 Distrital 1 Avenida 576 73 480366 3401570 3350273.9
200802 Distrital 3 Avenida S/N 73 942927695 5073692.5 4930260.5
200806 Distrital 1 Avenida S/N 73 969954370 1826997.1 1840301.8
220305 Distrital 0 Otro 104 42 630287 1277247.4 3478172.1
230101 Provincial 0 Calle 404 52 411716 152938817 127594147
230107 Distrital 0 Carretera S/N 52 318350 7743449.7 7520660.8
230408 Distrital 0 Calle S/N 52 1113863.1 1106573.6
240202 Distrital 0 Otro 112 72 978751146 5850448.2 5480922
En la tabla anterior se puede observar las diferentes características asociadas a las municipalidades
tanto numéricas como no numéricas. El número de características mostradas en la Tabla 2 es 8
si embargo se tienen mas características. Nótese que estos datos es una muestra de la población
de municipalidades del Perú, para mas detalles sobre este conjunto de datos se puede consultar
en http://iinei.inei.gob.pe/microdatos/ en la encuesta Registro Nacional de Municipalidades
(RENAMU) año 2019.
Las características registradas en cada columna para cada municipalidad son denominados de variables
o variable estadística.
5
Probabilidad y Estadística 3. Clasificación de las variables
Definición 2.2. Una variable estadística a una característica de interés observada que puede
tomar diferentes valores para diferentes casos bajo estudio.
Nótese que el término variable indica que los valores asociados a los individuos u objetos varían entre
ellos. Los diferentes valores registrados para una variable se denomina observaciones. Las observaciones
pueden ser de naturaleza numérica tal como el volumen de agua que llovió en una ciudad, el salario
de una persona entre otros. También, las observaciones pueden ser de naturaleza no numérica, en este
caso cada observación pertenece a una categoría o nivel, como por ejemplo el nivel de satisfacción de
un cliente que puede: ser muy malo, malo, regular, bueno y muy bueno. Asimismo, se debe de dejar
claro que el conjunto de calores registrados para un particular caso o una fila en la tabla de datos es
llamado también de observación.
Por otro lado, el número de variables registradas para cada elemento u observación indica la dimensión
y complejidad del conjunto de datos. Así, dependiendo de si hay una, dos o mas de dos variables se
tiene que el conjunto de datos es univariado, bivariado o multivariado respectivamente.
Ejemplo 2.3.
En la población constituida por los empleados de la universidad, algunas variables estadísticas definidas
en ésta población son:
a) X : "Sexo". Valores: masculino, Femenino
b) Y : “Estado civil". Valores: soltero, casado, viudo, divorciado
c) Z : “Número de hijos". Valores: 0, 1, 2, etc.
d) W : “Grado de instrucción". Valores: primaria, secundaria, técnico superior
3 Clasificación de las variables

Las variables (o variable) en el conjunto de datos no necesariamente son de la misma naturaleza y
así no pueden ser tratados de la misma forma. En este sentido, las variables estadísticas pueden ser
clasificadas en 2 grupos: variables cualitativas y cuantitativas
3.1 Variables cualitativas

Una variable es clasificada como cualitativa si cada observación pertenece sólo a una categoría de un
conjunto de categorías. Por ejemplo, el distrito de residencia de una persona, la marca del celular que
posee, si posee un seguro médico, el grado de escolaridad entre otros. Las variables cualitativas son
también denominada de variables categóricas.
Las variables cualitativas se dividen en 2 sub grupos que son variables cualitativas nominales y
ordinales
6
Cualitativa ordinal
Una variable cualitativa es ordinal si existe un orden o rango en las categorías. Así, se puede indicar
cual es el primero (que dependería de la intensidad de la categoría y el contexto), el segundo, el tercero
y así sucesivamente. Y de esta forma se puede clasificar los datos de acuerdo al orden definido y esta
clasificación ayudará en el análisis de esta variable.
Ejemplo 3.1.
Algunos ejemplos de variables ordinales
El rango en una empresa. Por ejemplo puede ser clasificado como: presidente, vicepresidente, jefe
de departamento, empleados.
El grado de instrucción de una persona. Por ejemplo: analfabeto, primaria, secundaria, tecnico
superior, superior universitario.
El riesgo de una persona ante la exposición de un virus: Por ejemplo puede ser clasificado como:
alto, medio, bajo.
Cualitativa nominal
Una variable cualitativa es nominal si unicamente se tiene las categorías y no existe un orden o rango
en las categorías. Descriptivamente, para esta variable nominal se realiza un conteo y se indica el
porcentaje de observaciones que pertenecen a cada categoría. Una medida resumen usada para esta
variables es la moda (la categoría que tiene mayor frecuencia).
Ejemplo 3.2.
Algunos ejemplos de variables nominales
El distrito de residencia de los alumnos que llevan el curso de estadística básica. Por ejemplo:
Cercado, Selva Alefre, Cayma, Paucarpata, entre otros
El color de los ojos
Las marcas de diferentes chocolates
3.2 Variables cuantitativas

Una variable es clasificada como cuantitativa si valores registrados asumen valores numéricos que
representan diferentes magnitudes. Los números registrados indican la cantidad medida u observada
de esta variable considerando unidades elementales. Las variables cuantitativas provienen de conteo,
mediciones o algún tipo de operación matemática.
Ejemplos de variables cuantitativas pueden ser: la cantidad de lluvia que cayó en una ciudad que es
medido en litros, el número de reclamos a una empresa de teléfono, los indicadores económicos, la
edad de una persona medido en años, entre otros. Dentro de este tipo de variable se divide en dos sub
grupos: variables discretas y continuas.
7
Variable Discreta
Una variable cuantitativa es discreta si esta tiene un número contable de valores distintos. Esto
es, lo valores posibles de la variable discreta corresponden a puntos aislados en la recta numérica.
Frecuentemente, los valores son enteros y provienen de conteo ("número de").
Ejemplo 3.3.
Algunos ejemplos de variables cuantitativas discretas
Número de computadoras operativas en una empresa.
Número de clientes que llegan a un supermercado
Número de pétalos de un tipo flor
Número de reclamos a una central telefónica.
Variable Continua
Una variable cuantitativa es continua si sus valores caen en un intervalo de la recta real. Las variables
continuas surgen de realizar mediciones físicas, por ejemplo, distancia, peso, tiempo, velocidad.
También, pueden provenir de variables financieras tal como ventas, activos, ratios precio/ganancias,
porcentajes, entre otros.
Ejemplo 3.4.
Algunos ejemplos de variables continuas
El peso de una caja de galletas medido en gramos
La altura de una persona (en metros)
La cantidad de de energía consumida por una casa en un mes
3.3 Escalas o niveles de medición

Por medición se puede entender al proceso de observación de una característica de interés sobre
las unidades de población. Esta medición se debe expresar como un número que informe, lo más
precisamente posible, sobre la característica en la unidad observada. Claro está que no siempre los
números informaran lo mismo, pues depende de la naturaleza de lo observado, según esto, se tienen
distintos niveles de medición o escalas, solemos considerar cuatro niveles:
1. Nominal. Aquí, los números solo sirven para distinguir valores o categorías diferentes de la
variable. Ejemplo. El sexo de los electores se mide a este nivel de medición o escala. Una escala
apropiada puede ser, por ejemplo:
0 ≡ femenino; 1 ≡ masculino.
En general, cualquier escala de este tipo es de la forma:
8
Probabilidad y Estadística 4. Distribución de frecuencias
a=femenino; b=masculino
para ciertos a y b números reales, fijados previamente y con la única condición de que sean
diferentes.
2. Ordinal. Aquí, los números, además de servir para distinguir, reflejan un orden existente entre
los valores de la variable, según el menor o mayor grado en el que se encuentre presente la
característica. Ejemplo. El grado de instrucción del elector, se suele medir con medir con este nivel.
Para simplificar, supongamos que solo distinguimos cuatro: analfabeto, primaria, secundaria y
superior. Entonces, una escala apropiada puede ser:
0= analfabeto; 1= primaria; 2= secundaria; 3=superior
3. De intervalo. Además de las características anteriores, se tiene que las diferencias entre los
números asignados representan propiamente cantidades de la característica medida. Esto se logra
definiendo una unidad de medida y un cero u origen, este último es arbitrario por no existir
naturalmente, es decir, no existe un valor que indique ausencia de la característica que se mide.
Como ejemplo tendriamos la temperatura que se mide en una determinada ciudad
4. De razón. Aquí, los propios números asignados en la medición ya representan cantidades de

la característica que se mide. Estas escalas se caracterizan, no solo por tener una unidad de
medida; sino tambén por poseer un cero absoluto u origen natural, el cual significa ausencia
de la característica que se mide. Por esta razon las proporciones entre los propios números ya
representan cantidades y de allí el nombre de escala de razón.
Ejemplo 3.5.
Los ingresos del elector se miden con este nivel o escala, pues existe una unidad de medida y
existe el cero absoluto u origen natural, es decir, un valor que, sin importar la escala de razón
empleada, indica ausencia de ingresos.
4 Distribución de frecuencias
Después de la recopilación o colecta de datos, es necesario resumirlos y presentarlos en forma tal, que
faciliten su comprensión y posterior análisis y utilización. Así, si se tiene datos univariados (una sola
variable) los valores observados son ordenados en tablas o cuadros. A esta tabla donde se ordenan los
datos se denominada tabla de distribución de frecuencias.
En la tabla de distribución de frecuencias se describe las frecuencias (conteo) de los valores asumidos
por las observaciones.
4.1 Variables cualitativas

Sea X que denota la variable cualitativa con k categorias por ejemplo C1 , . . . , Ck . Las categorias de X
son denominadas también de niveles o clases. La distribución (tabla) de frecuencias para una variable
cualitativa es generalmente compuesto por
9
1. Frecuencia absoluta (fi ): es el número de veces (cuantas veces se repite) que un valor aparece en
los datos. Nótese que
f1 + f2 + . . . + fk = n
2. Frecuencia acumulada (Fi ): Es la suma de las frecuencias absolutas
X
i
Fi = fi = f1 + f2 + . . . + fi , i = 1, 2, . . . , k
j=1
El último valor de las frecuencias acumuladas debe ser igual a n, Fk = n
3. Frecuencia relativa (hi ): es la proporción de las observaciones que pertenecen un mismo grupo
(categoria, classe) y es dado por
fi
hi =
n
La suma de las frecuencias relativas es igual a 1
h1 + h2 + . . . + hk = 1.00
4. Frecuencia relativa acumulada (Hi ): Es la suma de las frecuencias relativas
X
i
Hi = hi = h 1 + h2 + . . . + hi , i = 1, 2, . . . , k
j=1
El último valor de las frecuencias relativas acumuladas debe ser igual a 1.00, Hk = 1
5. Frecuencia relativa porcentual ( %hi ):
%hi = 100 × hi
La suma de los %hi ’s debe ser igual 100 %
Así, la tabla de distribución de frecuencias para una variable cualitativa es dada por
Tabla 3: Tabla de distribución de frecuencias para una variable cualitativa

X fi Fi hi Hi %hi
C1 f1 F1 = f1 h1 H1 100 × h1
C2 f2 F2 = f1 + f2 h2 H2 100 × h2
C3 f3 F3 = f1 + f2 + f3 h3 H3 100 × h2
.. .. .. .. .. ..
. . . . . .
Ck fk n hk Hk = 1.00 100 × hk
total n 1.00 100
Observación:
10
Si X es una variable cualitativa ordinal entonces la construcción de la tabla de distribución de

frecuencias debe de ser considerando el orden de la variable.
En general, el análisis descriptivo de una variable cualitativa es compuesto de la tabla de distribución
de frecuencias junto con un gráfico asociado a las frecuencias.
Ejemplo 4.1.
En la siguiente tabla se registran 143 empresas que cotizan en la bolsa de valores de algún país de
acuerdo al sector al que pertenecen. Sea X el tipo de empresa que cotiza en la bolsa de valores. Nótese
que el tamaño de muestra es dado por n = 143
Tipo de empresa (X) fi

industriales 53
agrarias 68
mineras 15
financieras 7
total 143
Se desea construir la tabla de distribución de frecuencias. Así, en la Tabla 4
Tabla 4: Tabla de distribución de frecuencias para el tipo de empresas

X fi Fi hi Hi hi %
industriales 53 53 0.3706 0.3706 37.06
agrarias 68 121 0.4755 0.8461 47.55
mineras 15 136 0.1049 0.951 10.49
financieras 7 143 0.049 1 4.9
total 143 1 100
Ejemplo 4.2.
Considere los siguientes datos sobre el tipo de problemas de salud (J=hinchazón de las articulaciones,
F=Fatiga, B=dolor de espalda, M=debilidad muscular, C=tos, N=nariz suelta/irritación, O=otro) que
aquejan a los plantadores de árboles.
Construir la distribución de frecuencias para el tipo de problema de salud.
O O N J C F B B F O J O O M
O F F O O N O N J F J B O C
J O J J F N O B M O J M O B
O F J O O B N C O O O M B F
J O F N
11
Tabla 5: Tabla de distribución de frecuencias para el tipo de problemas de salud.

X fi Fi hi Hi hi %
B
C
F
J
M
N
O
total
Graficas
Los gráficos asociados a la distribución de frecuencias para datos cualitativos (nominal u ordinal) son
generalmente
Gráfico de barras
Gráfico de sectores circulares (pie chart)
Diagrama de Pareto
Pictogramas: son un tipo de gráficos de barras.
Observación: Se debe de prestar atención a los pictogramas debido a que pueden llevar a malas
interpretaciones.
12
Gráfico de barras
Un gráfico de barras muestra la distribución de frecuencias de la variable categórica (cualitativa). En
este gráfico se muestra el conteo para cada categoría o nivel de la variable para poderlos comparar.
Nótese que las barras deben de estar ligeramente separadas y además las barras tienen una misma
base. Se puede reemplazar el conteo en cada categoría por el porcentaje. Por alguna razón algunos
softwares estadísticos indican como gráfico de barras a cualquier gráfico de barras. Sólo se indica como
gráfico de barras cuando se analiza a una variable cualitativa (nominal u ordinal)
Ejemplo 4.3.
EL gráfico de barras asociada a la tabla de frecuencias para los diferentes tipos de empresa que cotizan
en la bolsa de valores dado en el Ejemplo 4.1.
60
50
40
%
30
20
10
0
Industriales Agrarias Mineras Financieras
Empresas
Figura 4.1: Gráfico de barras (bar chart)
13
Gráfica circular o por sectores circulares

Las gráficas circulares son utilizados también para visualizar datos cualitativos. Para construir una
gráfica circular, se divide el círculo en las proporciones adecuadas para cada categoría. Así, el tamaño
en el circulo para cada categoría varia de acuerdo con el porcentaje de cada una de estas. Por ejemplo,
la categoría Ci tiene una frecuencia relativa hi entonces la proporción que le corresponde en el circulo
es hi % y entonces el angulo central asociado es igual hi × 360o . De esta manera se calcula para todas
las categoría y se etiqueta cada sector circular con el nombre respectivo para cada categoría.
Ejemplo 4.4.
Para construir el gráfico de sectores circulares para el Ejemplo 4.1 se calcula los ángulos centrales para
cada categoría. La tabla abajo muestra los ángulos centrales para cada empresa. Usualmente
X hi hi % angulo central
industriales 0.3706 37.06 0.3706×360o =133.42o
agrarias 0.4755 47.55 0.4755×360o =171.18o
mineras 0.1049 10.49 0.1049×360o =37.76o
financieras 0.049 4.9 0.049×360o =17.64o
total 1.0000 100 360o
Luego, usando los angulos centrales calculados para cada categoría se construye la gráfica circular que
es mostrada en la Figura 4.2.
Industriales 37%
Financieras 5%
Agrarias 48% Mineras 10%
Figura 4.2: Gráfico circular (pie chart) para las empresas que cotizan en la bolsa de valores.
14
Ejemplo 4.5.
En una encuesta de opinión acerca de la preferencia de ciertas bebidas gaseosas por sus colores:
Negro(N), Blanco (B), Rojo (R), 20 consumidores proporcionaron las siguientes respuestas:
B, N, N, B, R, N, N, B, B, N, B, N, N, R, B, N, B, R, B, N
Con estos datos se construirá la distribución de frecuencias así como la gráfica de barras y circular. Así,
sea X : el color de la bebida gaseosa, nótese que que las categorías que puede asumir esta variable son
{N, B, R}. Luego, la distribución de frecuencias es
Tabla 6: Distribución de frecuencias para el color preferido de una marca de bebida gaseosa
X fi Fi hi Hi hi %
Negro (N)
Blanco (B)
Rojo (R)
total
Algunas recomendaciones para el gráfico de sectores circulares

a) Se recomienda el uso del gráfico de sectores circulares cuando el número de categorias de la
variable cualitativa sean menores que 6. Una vez que exceda esa cantidad el gráfico tiende a ser
confuso y perderá el impacto visual.
a) Certifique se que la suma de los porcentajes sea 100 %
a) En lo posible no utilize efectos de visuales tales como sombras o efectos 3D, esto debido a que
dificulta entender los datos.
a) Indique el nombre para cada categoria o segmento del gráfico circular. El color puede ser
distinguido en algunas personas pero en otras no (personas con daltonismo).
Sugerencia: Es recomendable utilizar el gráfico de barras en vez del gráfico circular!. En el siguiente
link se da ejemplos del mal uso del gráfico por sectores circulares
www.businessinsider.com/pie-charts-are-the-worst-2013-6
15
4.2 Variables Cuantitativas

Variable cuantitativa discreta
Si los datos son cuantitativos discretos (relacionado con conteo), la distribución de frecuencias es similar
al caso de variables cuantitativas. Así, dado un conjunto de n datos en que se tiene k (k < n) valores
distintos x1 , x2 , . . . , xk , ordenados de forma ascendente (o descendente). Para cada uno de los k valores
distintos se tienen asociados sus frecuencias absolutas respectivas, esto por que existen valores que se
repiten entre los n valores. Puede ocurrir que los n datos sean distintos entre si, la frecuencia para cada
uno de los valores es igual a 1, fi = 1.
Tabla 7: Tabla de distribución de frecuencias para datos cuantitativos discretos

Xi fi Fi hi Hi %h i
x1 f1 F1 h1 H1 100 × h1
x2 f2 F2 h2 H2 100 × h2
x3 f3 F3 h3 H3 100 × h3
.. .. .. .. .. ..
. . . . . .
xk fk n hk 1.00 100 × hi
total n - 1.00 - 100 %
Nótese que las frecuencias absolutas f1 , f2 , . . . , fk representan el número de repeticiones que se observa
para cada uno de los valores distintos, x1 , x2 , . . . , xk , i.e., , que en la muestra se tiene que x1 se observó
(se repitió) f1 veces, x2 se observó f2 veces y así hasta el último valor diferente xk .
Observación. Cuando es grande el número de datos observados de una variable discreta, su organiza-
ción es engorrosa. En este caso, para resumir los datos y poder calcular las medidas descriptivas, es
conveniente seguir el método de organización de datos de una variable continua por intervalos que se
describirá mas adelante.
Ejemplo 4.6.
Se tiene el reporte de 105 semanas acerca del número de accidentes, por semana, ocurridos en la fábrica
de alimentos Alconti el último mes.
0 0 1 0 0 1 3 5 1 1 2 2 2 1 5 3 4 1
1 1 4 3 3 3 3 4 3 3 3 2 2 1 3 4 1 1
2 2 2 2 2 0 0 2 2 2 2 1 1 2 3 3 5 0
1 2 2 2 2 3 3 3 2 2 3 1 1 2 2 4 2 2
2 5 2 2 1 3 1 1 3 3 0 0 1 2 3 1 1 2
0 2 2 2 4 2 2 2 2 1 1 1 2 2 2
Se desea obtener información relacionado con el número de accidentes (X). A priori se puede afirmar
que el número de accidentes está en un rango de 0 a 5, más no se sabe con que frecuencia ocurren. A
fin de obtener mas información se procederá a construir una distribución de frecuencias para estos
datos.
16
La Tabla 8 muestra la distribución de frecuencias para el número de accidentes.
Tabla 8: Tabla de distribución de frecuencias para el número de accidentes.

Xi fi Fi hi Hi hi % %Hi
0 10 10 0.0952 0.0952 9.52 9.52
1 25 35 0.2381 0.3333 23.81 33.33
2 40 75 0.3809 0.7142 38.09 71.42
3 20 95 0.1905 0.9047 19.05 90.47
4 6 101 0.0571 0.9618 5.71 96.18
5 4 105 0.0382 1.0000 3.82 100
total 105 - 1.0000 - 100 % -
Se pueden realizar las siguientes preguntas
a) Cuantos accidentes ocurren con mayor frecuencia?

De acuerdo con la tabla anterior se puede observar que mayormente se tiene 2 accidentes por
semana, esto porque su frecuencia es 40 (38.09 %).
b) Que porcentaje de los datos se tiene entre 3 a 5 accidentes.

El porcentaje de datos entre a 3 a 5 accidentes es 19.05+ 5.71+3.82 = 28.58 %.
c) En que rango se tiene la mayor parte de los datos?

En el rango de 1 a 3 accidentes, esto porque se tiene el 23.81+38.09+19.05 = 80.95 %
Ejemplo 4.7.
Transductores de temperatura de cierto tipo se envían en lotes de 50. Se seleccionó una muestra de 60
lotes y se determinó el número de transductores en cada lote que no cumplen con las especificaciones
de diseño y se obtuvieron los datos siguientes:
2 1 2 4 0 1 3 2 0 5 3 3 1 3 2 4 7 0 2 3
0 4 2 1 3 1 1 3 4 1 2 3 2 2 8 4 5 1 3 1
5 0 2 3 2 1 0 6 4 2 1 6 0 3 3 3 6 1 2 3
a) Construya una distribución de frecuencias para X =número de transductores en un lote que no

cumple con las especificaciones
17
Tabla 9: Distribución de frecuencias para el color preferido de una marca de bebida gaseosa
X fi Fi hi Hi hi %
0
1
2
3
4
5
6
7
total
b) ¿Qué proporción de lotes muestreados tienen a lo sumo cinco transductores que no cumplen
con las especificaciones? ¿Qué proporción tiene menos de cinco? ¿Qué proporción tienen por lo
menos cinco unidades que no cumplen con las especificaciones?
18
Gráficos
Entre los gráficos asociado con la distribución de frecuencias para datos discretos están el gráfico,
gráfico de puntos (dot plot) y el histograma.
Gráfico de Puntos
Esta gráfica presenta los datos a lo largo de una escala que ser horizontal o vertical. La frecuencia (fi )
de los datos son representados en la escala opuesta.
El gráfico de puntos indica que tan dispersos son los datos así como sobre que valores los datos se
concentran.
La Figura 4.3 muestra el gráfico de puntos para los datos del Ejemplo 4.6.
Figura 4.3: Gráfico de puntos para el número de accidentes del Ejemplo 4.6
19
Histograma
Para el histograma se puede utilizar las frecuencias absolutas (fi ), frecuencias relativas (hi ) o las
frecuencias relativas porcentuales (hi %).
Figura 4.4: Histograma para para el número de accidentes del Ejemplo 4.6
Atención:
1. El término histograma es usado para un gráfico con barras (rectángulos) para representar la
distribución de frecuencias para datos cuantitativos.
2. El término gráfico de barras es utilizado para indicar un gráfico con barras representando la
distribución de frecuencias para datos cualitativos.
Sin embargo, algunos autores utilizan gráficos de barras para representar la distribución de frecuencia
de variables cuantitativas discretas.
20
4.3 Distribución de frecuencias por intervalos

La distribución de frecuencias por intervalos o clases se usa cuando la variable estadística es continua
o cuando el número de valores distintos de una variable discreta es muy grande. Esta distribución es
agrupada en k intervalos o clases. En general, entre 5 y 20 intervalos son recomendables para agrupar
los datos.
Para la construcción de la distribución de frecuencias por intervalos se debe de seguir los siguientes
pasos
Construcción: distribución de frecuencias por intervalos (amplitudes iguales)

1. Calcular el rango (R)
R = Xmax − Xmin ,
en que:
Xmax : representa el valor máximo de los datos y
Xmin : representa el valor mínimo de los datos.
2. Número de intervalos(k), el número de intervalos puede ser determinado considerando la regla

de Sturges, sin embargo pueden ser considerados otra reglas para determinar el número de
intervalos.
Regla de Surges:
k = 1 + 3.3 log10 (n),

en que n es el total de los datos.
Nótese que el valor encontrado k no siempre es un número entero y por tal motivo se tiene que
redondear al entero inmediato mayor.
3. Calcular la amplitud (A)

R
A= ,
k
la amplitud no necesariamente es número entero positivo, se puede obtener amplitudes con cifras
decimales. Se adopta la siguiente regla para el cálculo de la amplitud.
Regla:
a) Si los datos son números enteros, por ejemplo, 74 89 80 93 64 67 72 . . . entonces la amplitud

A debe asumir un valor entero positivo, por ejemplo, A = 5.
b) En el caso que los datos tienen cifras decimales entonces se considera los siguientes pasos
para fijar la amplitud del intervalo (A)
Si los datos tienen una cifra decimal y si en los cálculos se obtiene A = 3.248 (con 3
decimales) entonces debe de redondear para 1 decimal en que esta cifra decimal se
redondea al número entero inmediato así A = 3.3.
Si los datos poseen 2 cifras decimales entonces la amplitud será redondeada a 2 decimales
en que el segundo decimal se debe redondear para el número inmediato mayor y así se
obtiene A = 3.25. Y así sucesivamente cuando los datos tienen mas decimales
21
4. Construir los limites de los intervalos:
Límites
Intervalo (Ii ) inferior superior

I1 Xmin ; Xmin + A [
I2 [ Xmin + A ; Xmin + 2A [
I3 [ Xmin + 2A ; Xmin + 3A [
.. .. ..
. . .
Ik [ Xmin + (k − 1)A ; Xmin + kA ]
R
Observe que se cierra el último intervalo. Esto se debe a que si la división k es exacta en el
número de decimales de los datos ningun dato quedara fuera.
Cuando los datos son organizados por medio de una distribución de frecuencias por intervalos existe
perdida de información sin embargo a cambio se tiene una mejor visualización del conjunto de datos.
Ejemplo 4.8.
Los salarios quincenales en cientos de soles, son presentados en una muestra de n = 45 trabajadores
63 89 36 49 56 64 59 35 78
43 51 70 57 62 43 68 62 26
64 72 52 51 62 60 71 61 55
59 60 67 57 67 61 67 51 81
50 64 76 44 73 56 62 63 60
El objetivo es construir una tabla de distribución de frecuencias. Para tal fin es recomendable ordenar
los datos de forma ascendente o descendente.
26 35 36 43 43 44 49 50 51
51 51 52 55 56 56 57 57 59
59 60 60 60 61 61 62 62 62
62 63 63 64 64 64 67 67 67
68 70 71 72 73 76 78 81 89
Luego, se sigue los pasos para la construcción de una distribución de frecuencias por intervalos.
De los datos, se tiene Xmax = 89 y Xmin = 26. El rango de los datos es: Rango: R= 89-26=63
Número de intervalos se obtiene considerando la regla de Sturges:
k = 1 + 3.3 × log10 (45) = 6.4556,
el cual se aproxima a k = 7
Amplitud
63
A= =9
7
22
Y se obtiene los limites de los intervalos (clases)
Límites
Intervalo (Ii ) inferior superior
I1 [ 26 ; 35 [
I2 [ 35 ; 44 [
I3 [ 44 ; 53 [
I4 [ 53 ; 62 [
I5 [ 62 ; 71 [
I6 [ 71 ; 80 [
I7 [ 80 ; 89 ]
Con los limites definidos se puede construir la tabla de distribución de frecuencias para los datos. Para
obtener las frecuencias absolutas fi para cada intervalo se procede de la siguiente manera:
En el primer intervalo I1 = [ 26; 35 [, se tiene un dato en ese rango, el dato 26 y así la frecuencia
absoluta en I1 es f1 = 1.
En el segundo intervalo I2 = [ 35; 44 [, se tienen cuatro datos en ese rango que son 35,36,43 y 43 y
así la frecuencia absoluta en I2 es f2 = 4.
En el tercer intervalo I2 = [ 44; 53 [, se tienen 7 datos en ese rango que son 44,49,50,51,51,51 y 52 y
así la frecuencia absoluta en I3 es f3 = 7 y así se procede para encontrar las frecuencias absolutas
en todos los intervalos.
Recordar que los límites del ultimo intervalo son cerrados.
Finalmente se tiene la distribución de frecuencia para los datos agrupados por intervalos (clases)
Ii fi Fi hi Hi hi %
[ 26; 35 [ 1 1 0.022 0.022 2.2
[ 35; 44 [ 4 5 0.089 0.111 8.9
[ 44; 53 [ 7 12 0.156 0.267 15.6
[ 53; 62 [ 12 24 0.267 0.534 26.7
[ 62; 71 [ 14 38 0.311 0.845 31.1
[ 71; 80 [ 5 43 0.111 0.956 11.1
[ 80; 89 ] 2 45 0.044 1.000 4.4
total 45 - 1.000 - 100
Algunos comentarios
Una vez organizados los datos en la tabla de distribución de frecuencias se pueden realizar los
siguientes comentarios
Los intervalos con menores porcentajes de datos son los intervalos [ 26; 35 [ y [ 80; 89 [ con 2.2 % y
4.4 % respectivamente.
23
En el intervalo [ 62; 71 [ contiene el mayor porcentaje de los datos, 31.1 %, en relación a los otros
intervalos
En el intervalo [ 53; 71 [ se observa que se tiene 26 personas que representan mas del 50 % de los
datos, esto es, el 57.8 % de esta forma los datos están mas concentrados en este intervalo. Nótese
que este porcentaje es obtenido por sumar h4 + h5 .
Marca de clase
La marca de clase de un intervalo es el número mi , que se define como el punto medio del intervalo,
Li + Ls
mi = , i = 1, 2, . . . , k
2
en que Li : es el límite inferior de la clase y Ls : es el límite superior de la clase. Por ejemplo, la marca de
clase en el intervalo I4 = [ 53; 62 ] es dada por:
53 + 62
m4 = = 57.5
2
A continuación se tiene la tabla de distribución de frecuencias ya adicionando la marca de clase
Ii mi fi Fi hi Hi hi %
[ 26; 35 [ 30.5 1 1 0.022 0.022 2.2
[ 35; 44 [ 39.5 4 5 0.089 0.111 8.9
[ 44; 53 [ 48.5 7 12 0.156 0.267 15.6
[ 53; 62 [ 57.5 12 24 0.267 0.534 26.7
[ 62; 71 [ 66.5 14 38 0.311 0.845 31.1
[ 71; 80 [ 75.5 5 43 0.111 0.956 11.1
[ 80; 89 ] 84.5 2 45 0.044 1.000 4.4
total - 45 - 1.000 - 100
24
Ejemplo 4.9.
Las velocidades de 55 automóviles (en km/h) fueron medidas por un aparato de radar en una calle de
una ciudad
16 23 26 29 35
18 23 26 29 36
18 23 26 29 37
18 23 27 29 38
20 24 27 30 38
21 24 27 31 41
21 24 27 32 43
22 25 28 32 43
22 25 28 33 45
22 25 28 33 48
23 25 28 34 52
Construya la tabla de distribución de frecuencias por intervalos y realice algunos comentarios en

relación a la distribución de frecuencias
25
Graficas
Histograma
Se construye a partir de la tabla de distribución de frecuencias, representando sobre cada intervalo, un
rectángulo que tiene a este segmento como base. El criterio para calcular la altura de cada rectángulo
es el de mantener la proporcionalidad entre las frecuencias absolutas (o relativas) de cada intervalo y el
área de los mismos.
Ejemplo 4.10.
En la Figura 4.5 se muestra el histograma para los datos del Ejemplo 4.8.
Figura 4.5: Histograma para los salarios del Ejemplo 4.8
Polígono de frecuencias
El polígono de frecuencias es también una representación gráfica de una distribución de frecuencias
por intervalos. La construcción es realizada uniendo los puntos de coordenadas:
en el eje de las abscisas: los puntos medios de cada intervalo (marcas de clase) y
en el eje de las ordenadas: las frecuencias absolutas o relativas para ese intervalo.
El polígono de frecuencias debe ser cerrado en el eje de las abscisas. Así, se debe adicionar una clase a
la izquierda del primer intervalo y una a la derecha del último intervalo. Los intervalos adicionados
deben tener frecuencias absolutas (relativas) iguales a cero.
Ejemplo 4.11.
La Figura 4.6 se muestra el polígono de frecuencias para los datos del Ejemplo 4.8
26
Probabilidad y Estadística 5. Forma de la distribución
Figura 4.6: Polígono de frecuencias para los datos del Ejemplo 4.8
5 Forma de la distribución
El histograma de la distribución de frecuencias puede tener diferentes formas.
5.1 Distribuciones Multimodales

Si el histograma de los datos tiene sóla una elevación (pico) se dice que la distribución tiene sóla
una moda o es unimodal. Si el histograma tiene 2 picos se dice que la distribución es bimodal. Si la
distribución tiene mas de 2 picos se dice que la distribución es multimodal.
Figura 5.1: Dist. Unimodal Figura 5.2: Dist. Bimodal
27
5.2 Distribución uniforme

Si el histograma de la distribución de frecuencias no presentan un pico de forma evidente y todos los
rectangulos del histograma tienen casi la misma altura.
Figura 5.3: Distrib. aproximadamente uniforme.
5.3 Distribución simétrica

Una distribución unimodal es denominada simétrica si un lado de la distribución abajo de un valor
central es una imagen reflejada del lado superior del valor central.
Figura 5.4: Distrib. aprox. simétricas
En el caso que los datos son organizados en una distribución de frecuencias por intervalos, la distribu-
ción es simétrica es caracterizada dependiendo del número de intervalos
28
Número impar de intervalos

Si el número de intervalos es impar entonces se tiene un intervalo central, este intervalo tiene la mayor
frecuencia en relación a los demás intervalos. Los intervalos opuestos alrededor del intervalo central
tienen la misma frecuencia absoluta o relativa.
Por ejemplo, en la tabla de distribución de frecuencias mostrada abajo se observa 5 intervalos. Luego,
el intervalo central es el tercer intervalo, [ L3 ; L4 [, este debe de tener la mayor frecuencia, y así los
intervalos opuestos a este intervalo poseen la misma frecuencia absoluta y relativa.
Ii fi Fi hi
[ L1 ; L2 [ f1 = f5 F1 h1 = h 5
[ L2 ; L3 [ f2 = f4 F2 h2 = h 4
[ L3 ; L4 [ f3 F3 h3
[ L4 ; L5 [ f4 = f2 F4 h4 = h 2
[ L5 ; L6 [ f5 = f1 F5 = n h5 = h 1
total n - 1.00
Número par de intervalos

Si el número de intervalos es par entonces se tiene dos intervalos centrales, estos intervalos tienen la
mayor frecuencia en relación a los otros intervalos. Los intervalos opuestos alrededor de estos intervalos
centrales tienen la misma frecuencia absoluta o relativa.
Por ejemplo, en la tabla de distribución de frecuencias mostrada abajo se observa 6 intervalos. Luego,
los intervalos centrales son el tercer y cuarto intervalo, [ L3 ; L4 [ y [ L4 ; L5 [, y estos deben poseen la
misma frecuencia y esta frecuencia es mayor en relación a los otros intervalos. Luego, los intervalos
opuestos a estos intervalos poseen la misma frecuencia absoluta y relativa.
Ii fi Fi hi
[ L1 ; L2 [ f1 = f6 F1 h1 = h6
[ L2 ; L3 [ f2 = f5 F2 h2 = h5
[ L3 ; L4 [ f3 = f4 F3 h3 = h4
[ L4 ; L5 [ f4 = f3 F4 h4 = h3
[ L5 ; L6 [ f5 = f2 F5 h5 = h2
[ L6 ; L7 [ f6 = f1 F6 = n h6 = h1
total n - 1.00
29
5.4 Distribución asimétrica

Los extremos de una distribución que en general son colas delgadas. Si una cola se estira más que la
otra, se dice que el histograma está sesgado al lado de la cola más larga.
Figura 5.5: asimétrica a la izquierda Figura 5.6: asimétrica a la derecha
Ejemplo 5.1.
Considerando la distribución de frecuencias por intervalos del Ejemplo 4.9
a) Elabore el histograma y el polígono de frecuencias
b) Indique la forma de la distribución de los datos
30
Probabilidad y Estadística 6. Ejercicios resueltos
6 Ejercicios resueltos
Ejercicio 6.1.
Considerando la distribución de frecuencias por intervalos del Ejemplo 4.9 encuentre el porcentaje de
datos que se ubican entre 48 y 75 considerando la tabla de distribución de frecuencias por intervalos.
Solución:
Para calcular el porcentaje en los limites indicados se debe de observar las frecuencias relativas en la
tabla de distribución de frecuencias por intervalos tal como se muestra abajo. Sin embargo, no se tiene
intervalos con limites 48 y 75 ante ello se debe de interpolar a fin aproximar el % de datos entre 48 y
75.
Ii mi fi Fi hi Hi hi %
[ 26; 35 [ 30.5 1 1 0.022 0.022 2.2
[ 35; 44 [ 39.5 4 5 0.089 0.111 8.9
[ 44; 53 [ 48.5 7 12 0.156 0.267 15.6
[ 53; 62 [ 57.5 12 24 0.267 0.534 26.7
[ 62; 71 [ 66.5 14 38 0.311 0.845 31.1
[ 71; 80 [ 75.5 5 43 0.111 0.956 11.1
[ 80; 89 ] 84.5 2 45 0.044 1.000 4.4
total - 45 - 1.000 - 100
La figura abajo muestra la representación de como debe de plantearse en la distribución de frecuencias

para obtener el % entre 48 y 75 Así, el porcentaje entre 48 y 75 es x + 0.267 + 0.311 + y. El valor de x es
desconocido así se recurre a interpolación.

Para calcular x nótese que x esta contenido en el intervalo [ 44; 53 [, luego se plantea
x 0.156 5 × 0.156
= →x= → x = 0.0867
53 − 48 53 − 44 9
Para calcular y es similar al caso anterior

y 0.111 4 × 0.111
= →y= → y = 0.0493
75 − 71 80 − 71 9
Por lo tanto, el porcentaje de datos entre 48 y 75 es 0.0867+0.267+0.311+0.0493 = 0.714 (71.4 %).
31
Probabilidad y Estadística 7. Ejercicios propuestos
7 Ejercicios propuestos
1. bla bla bla
a) Número de teléfono celular.

b) Puntaje en un examen de un curso el la escuela de Ingeniería de Sistemas e Informática.
c) Puesto en el examen de ingreso.
d) Tiempo de reacción ante un estimulo visual.
e) Intención de voto para las próximas elecciones de alcalde.
f) Pérdida de peso, en kilogramos, de los corredores en la Maratón de Huancayo.
g) Número de DNI.
h) Ingreso mensual familiar.
i) Dirección de una vivienda.
j) Número de botes que da una pelota al ser lanzada de una cierta altura.
2. Para cada uno de los siguientes problemas:
i) Identificar: población, muestra, unidad estadística, variable y tipo de variable.

ii) Clasificar los datos en una tabla de distribución de frecuencias, usar el criterio de Sturges
cuando sea necesario.
iii) Interpretar: f2 , h3 , h1 , F4 , H3 , p2 , P4 .
a) Una empresa que vende microcomputadoras ha llevado a cabo un estudio para analizar el
número de microcomputadoras que existen en pequeñas empresas del distrito A. Para el
efecto toma una muestra aleatoria de 40 empresas encontrando los siguientes resultados:
5 7 9 7 8 5 4 4 3 7
8 4 9 6 8 7 6 9 8 4
6 4 7 4 3 5 8 5 9 6
7 9 4 7 5 8 7 9 6 8
b) Un experto en computadoras, tratando de optimizar la operación de un sistema, reunió datos

sobre el tiempo, en microsegundos, entre las solicitudes de servicio de un proceso especial.
2, 81 4, 20 3, 85 9, 11 2, 08 5, 91 1, 62 6, 72 21, 66
3, 07 2, 95 8, 77 4, 73 9, 21 14, 21 1, 58 9, 85 78, 81
6, 65 1, 80 7, 01 1, 89 4, 23 6, 58 4, 74 8, 53 10, 56
43, 00 16, 72 2, 61 26, 46 34, 87 4, 19 4, 03 2, 78 28, 84
32
c) La confiabilidad de un sistema de cómputo se mide en términos de la vida de un componente

de hardware específico (por ejemplo, la unidad de disco). Se prueba un conjunto componentes
de computadora hasta que fallen, y se registra su vida (en meses).
12 18 5 2 8 24 17 5 9 15
27 35 18 14 3 9 15 20 24 27
30 22 21 17 20 36 28 23 12 11
22 32 37 40 28 36 35 39 12 19
28 20 15 6 4 12 16
d) El tiempo de respuesta de computadora se define como el tiempo que un usuario debe esperar
mientras la computadora accede a información en el disco. Se observaron aleatoriamente
un grupo de 48 computadoras del Laboratorio de Ingeniería de Sistemas y se obtuvo los
siguientes resultados (en milisegundos):
59 92 54 48 73 60 73 75 74 84
33 61 71 38 47 53 63 48 41 68
60 44 39 34 75 86 72 50 47 52
65 68 70 47 40 36 70 38 40 52
60 50 90 84 72 88 49 40
e) En fechas recientes se recabaron datos correspondientes a la velocidad MHz de 50 compu-
tadoras elegidas al azar en las oficinas de una empresa
33 25 20 33 25 16 16 16 16 20
12 20 33 33 20 33 20 12 25 20
33 25 16 25 33 25 20 20 20 20
12 25 16 16 20 16 25 20 25 16
3. Los sueldos mensuales (en dólares) de 60 empleados de la empresa Pirámide S.A. en el año 2002
son los siguientes:
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
440 340 558 460 560 607 382 667 512 492
450 530 501 471 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
a Construya la tabla de frecuencias.
33
b Identifique la población, muestra y la variable con su tipo de escala.
4. Se distribuye el número de empresas según sus inversiones en millones de soles.
[Li−1 , Li [ fi
[4,10[ 1
[10,16[ 3
[16,22[ 6
[22,28[ 12
[28,34[ 11
[34,40[ 5
[40,46] 2
¿Cuántas empresas intervienen en menos de 25 millones de soles?
5. Se tiene las temperaturas observadas en el hemisferio norte durante 24 días en o C.
[Li−1 , Li [ fi hi
[-19,-17[
[-17,-15[ 2
[-15,-13[ 8
[-13,-11[ 0.125
[-11,-9[ 4
[-9,-7] 0.2083
¿Durante cuántos días se obtuvo una temperatura de -16 a -10?
6. Completar la tabla de distribución para una muestra de 4308 elementos, si se sabe que a partir de
la segunda frecuencia absoluta se cumple que cada frecuencia es la quinta parte de la anterior
más dos. Además se conoce que:
k = 5 X1 = 60 X4 = 105
7. Dada la siguiente distribución de frecuencias:
[Li−1 , Li [ fi Fi hi Hi
[30, 50[ m n 0.15 z
[50,70[ p q w a
[70,90[ r s 0.25 b
[90,110[ 10 u x 0.7
[110,130] 30 v y
Hallar:
a m+n
34
b r−p+a
8. La compañía ABC, muestreó sus registros de embarque durante cierto día, obteniendo los
siguientes resultados con respecto al tiempo transcurrido desde la recepción de la orden hasta la
entrega (en días).
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
a ¿Qué afirmación puede hacer sobre la eficacia del procesamiento de pedidos a partir de la
distribución de frecuencias?
b Si la compañía quiere asegurarse de que la mitad de sus entregas se realicen en diez o menos
días, ¿puede usted determinar mediante la distribución de frecuencias si la compañía ha
alcanzado su meta?
9. En una fábrica se sabe que el jornal mínimo es S/115, si se conoce además que: 20 obreros ganan
por lo menos S/155, pero menos de S/165 68 obreros ganan por lo menos S/145; 106 obreros
ganan por lo menos S/135; 135 obreros ganan por lo menos S/125 y el restante 10 % de los obreros
ganan menos de S/125. Además se sabe que el rango es 50. Completar la tabla de distribución de
frecuencias.
10. Una compañía tiene 60 trabajadores. El sueldo mínimo de un trabajador es $100 y el máximo $590
mensuales. El 80 % de los trabajadores ganan por lo menos $210; 18 perciben haberes inferiores
a $390 mensuales; 20 % son profesionales y reciben un haber de por lo menos $490 mensuales.
Construir la tabla de distribución de frecuencias relativas.
11. La tabla muestra la distribución del ingreso familiar correspondiente a 80 familias.
[Li−1 , Li [ fi Fi hi
[160,170[
[170,180[ 48 60
[180,190[ 0.125
[190,200[ 0.075
[200,210]
Determinar el número de familias que ganan menos de 200 nuevos soles.
12. Se revisaron 20 lotes de 48 artículos cada uno y se encontró el siguiente número de artículos
defectuosos por lote:
3 2 5 0 1 3 2 1 0 1 3 4 2 4 4 4 3 3 2 3
Construir el cuadro de distribución de frecuencias y ¿qué porcentaje de lotes tienen 2 o más pero
menos de 4 artículos defectuosos?
13. En una prueba de estadística se evaluaron a “n" estudiantes y se obtuvo el siguiente cuadro
estadístico.
35
Marca de clase 45 55 65 75 85
Frcuencia relati- 2n
25
3n
100
n
50
3n
50
n
100
va
¿Qué porcentaje de estudiantes obtuvieron una nota menor que 60 puntos o mayor o igual a 80
puntos?
14. Dada la siguiente distribución de frecuencias en base al ingreso familiar de 200 familias.
[Li−1 , Li [ fi Fi
[ , [ 12
[ ,270[
[ ,300[ 30 90
[ , [ 126
[330, ]
[ , ] 50
¿Cuántas familias tienen un ingreso comprendido entre 260 y 320?
15. Se tiene la siguiente distribución simétrica:
[Li−1 , Li [ fi Fi hi
[ , [ 8
[ 12 , [
[ , [ 0.2
[ , 24 [ 17
[ , ]
Si el ancho de clase es constante. ¿Cuántos datos habrá en el intervalo [12 - 20[?
16. Los tiempos de vida útil (en días) de un tipo de bacteria, se tabuló en una distribución de
frecuencias de 5 intervalos de igual amplitud con frecuencias relativas acumuladas: 0.10; 0.25; 0.55;
0.80; 1.00. Determine la distribución de frecuencias absolutas, si la tercera frecuencia absoluta
acumulada es 11, si la segunda marca de clase es 6, y si el límite inferior del cuarto intervalo es 12.
17. En una fábrica se sabe que el jornal mínimo es S/115, si se conoce además que: 20 obreros ganan
por lo menos S/155, pero menos de S/165 68 obreros ganan por lo menos S/145; 106 obreros
ganan por lo menos S/135; 135 obreros ganan por lo menos S/125 y el restante 10 % de los obreros
ganan menos de S/125. Además se sabe que el rango es 50. Completar la tabla de distribución de
frecuencias.
18. La compañía ABC, muestreó sus registros de embarque durante cierto día, obteniendo los
siguientes resultados con respecto al tiempo transcurrido desde la recepción de la orden hasta la
entrega (en días).
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
36
a ¿Qué afirmación puede hacer sobre la eficacia del procesamiento de pedidos a partir de la
distribución de frecuencias?
b Si la compañía quiere asegurarse de que la mitad de sus entregas se realicen en diez o menos
días, ¿puede usted determinar mediante la distribución de frecuencias si la compañía ha
alcanzado su meta?
19. El consumo mensual de agua de 150 hogares, se tabularon en una distribución de frecuencias
simétrica de 6 intervalos, siendo las frecuencias f2 = 25, F3 = 75, F5 = 130. Si el límite inferior
del sexto intervalo es igual a 60, y si el 75 % de los consumos son mayores de 42.5m3 , Completar
la distribución de frecuencias.
20. Una compañía tiene 60 trabajadores. El sueldo mínimo de un trabajador es $100 y el máximo $590
mensuales. El 80 % de los trabajadores ganan por lo menos $210; 18 perciben haberes inferiores
a $390 mensuales; 20 % son profesionales y reciben un haber de por lo menos $490 mensuales.
Construir la tabla de distribución de frecuencias relativas.
37

Cap1 Esta Descript

Cargado por

Copyright:

Formatos disponibles

Cap1 Esta Descript

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

Cap1 Esta Descript

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística 1. ¿Qué es la Estadística?

Última revisión: 17 de abril de 2020

2. Elementos, población, muestra, caracteres 2

3. Clasificación de las variables 6

Estadística descriptiva. Describe, analiza y representa un grupo de datos utilizando métodos

Estadística inferencial. Apoyándose en el cálculo de probabilidades y a partir de datos muestrales,

2 Elementos, población, muestra, caracteres

2. Población. Conjunto de individuos o elementos que cumplen ciertas propiedades comunes.

3. Muestra. Subconjunto representativo de una población.

6. Caracteres Propiedades, rasgos o cualidades de los elementos de la población. Estos caracteres

las compras de un cliente en una farmacia

las notas de un estudiante en una universidad

los productos que compra un cliente en un supermercado

Tabla 1: conjunto de datos o matriz de datos

Filas y columnas de la tabla de datos

la columna agencias registra el número de agencias municipales

la columna direvia indica la dirección donde esta ubicado la municipalidad

la columna direnum indica el número de la dirección donde esta ubicado la municipalidad

la columna telnum registra el número de telefono de cada municipalidad

Tabla 2: Tabla de datos o conjunto de datos

a) X : "Sexo". Valores: masculino, Femenino

b) Y : “Estado civil". Valores: soltero, casado, viudo, divorciado

c) Z : “Número de hijos". Valores: 0, 1, 2, etc.

d) W : “Grado de instrucción". Valores: primaria, secundaria, técnico superior

3 Clasificación de las variables

3.1 Variables cualitativas

El color de los ojos

Las marcas de diferentes chocolates

3.2 Variables cuantitativas

Número de computadoras operativas en una empresa.

Número de clientes que llegan a un supermercado

Número de pétalos de un tipo flor

Número de reclamos a una central telefónica.

El peso de una caja de galletas medido en gramos

La altura de una persona (en metros)

La cantidad de de energía consumida por una casa en un mes

3.3 Escalas o niveles de medición

En general, cualquier escala de este tipo es de la forma:

0= analfabeto; 1= primaria; 2= secundaria; 3=superior

4. De razón. Aquí, los propios números asignados en la medición ya representan cantidades de

4.1 Variables cualitativas

2. Frecuencia acumulada (Fi ): Es la suma de las frecuencias absolutas

El último valor de las frecuencias acumuladas debe ser igual a n, Fk = n

4. Frecuencia relativa acumulada (Hi ): Es la suma de las frecuencias relativas

5. Frecuencia relativa porcentual ( %hi ):

La suma de los %hi ’s debe ser igual 100 %

Tabla 3: Tabla de distribución de frecuencias para una variable cualitativa

Si X es una variable cualitativa ordinal entonces la construcción de la tabla de distribución de

Tipo de empresa (X) fi

Se desea construir la tabla de distribución de frecuencias. Así, en la Tabla 4

Tabla 4: Tabla de distribución de frecuencias para el tipo de empresas

Tabla 5: Tabla de distribución de frecuencias para el tipo de problemas de salud.

Gráfico de sectores circulares (pie chart)

Pictogramas: son un tipo de gráficos de barras.

Figura 4.1: Gráfico de barras (bar chart)

Gráfica circular o por sectores circulares

Agrarias 48% Mineras 10%

Algunas recomendaciones para el gráfico de sectores circulares

a) Certifique se que la suma de los porcentajes sea 100 %