Estadistica Descriptiva

Formación Complementaria ADVANCE (Estadística)
2.- Estadística Descriptiva
Prof.: Dr. Marco Riquelme A.
2020. UNAB
Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 1 / 47

Conceptos Básicos
Unidad Experimental: es el ente que proporciona una información.

También recibe el nombre de unidad de análisis.

Conceptos Básicos

Población: es el universo o conjunto total de unidades experimentales.
Sobre este conjunto se obtendrán las conclusiones finales.

Conceptos Básicos

Muestra: es cualquier subconjunto de la población.

Conceptos Básicos

Parámetro: característica relacionada con la población y que es de
interés para el investigador.

Conceptos Básicos

Parámetro: característica relacionada con la población y que es de
interés para el investigador.
Estimadores: aproximaciones de los parámetros basadas en la
muestra.

Tipos de variables
Definición (Variable estadística)

Es cualquier característica o atributo que es deseable conocer acerca de las
unidades experimentales y que se espera varíe de una unidad a otra. El
conjunto de todos los posibles valores de ésta se denomina “recorrido de la
variable”.

Tipos de variables
Definición (Variable estadística)

Es cualquier característica o atributo que es deseable conocer acerca de las
unidades experimentales y que se espera varíe de una unidad a otra. El
conjunto de todos los posibles valores de ésta se denomina “recorrido de la
variable”.
 

  Nominal



 Cualitativa o categórica (cualidad o atributo)
Ordinal

 

Variable 
 Discreta (contable)




Cuantitativa o numérica (cantidad)




Continua (no contable)
 

Variables cualitativas
Variable Nominal: Sólo permite la clasificación (etiquetar), y no se

puede establecer ningún tipo de orden.
Ejemplos: Nacionalidad; sexo...

Variables cualitativas
Variable Nominal: Sólo permite la clasificación (etiquetar), y no se

puede establecer ningún tipo de orden.
Ejemplos: Nacionalidad; sexo...
Variable Ordinal: Existe una clasificación con cierto orden natural (no
numérico).
Ejemplos: Estrato socio-económico; Nivel educacional; Jerarquía del
empleado...

Variables cuantitativas
Si la variable cuantitativa toma valores en un conjunto contable

(conjunto finito o infinito numerable) entonces se dice que es de tipo
“discreta”.


“discreta”.
Ejemplos: Número de artículos defectuosos; número de clientes que
llegan a una estación de servicio durante un día.


“discreta”.
Si la variable cuantitativa toma valores en un conjunto no contable
(conjunto infinito no numerable) entonces se dice que es de tipo
“continua”.


“discreta”.
Si la variable cuantitativa toma valores en un conjunto no contable
(conjunto infinito no numerable) entonces se dice que es de tipo
“continua”.
Ejemplos: Tiempo ( en horas) en una fila de espera; Temperatura
(Co ) de una reacción química.

Organización de Datos
Supongamos que se desea estudiar una variable que esta agrupada en k
clases excluyentes, digamos c1 , c2 , . . . , ck .

Definición (Frecuencia Absoluta)
Corresponde al número de unidades de análisis que pertenecen a la clase ci
y se denota por ni , (i = 1, . . . , k), donde
k
X
ni = n.
i=1

Definición (Frecuencia Absoluta)
Corresponde al número de unidades de análisis que pertenecen a la clase ci
y se denota por ni , (i = 1, . . . , k), donde
k
X
ni = n.
i=1
Definición (Frecuencia Relativa)

Corresponde a la proporción de unidades de análisis que pertenecen a la
clase ci y se denota por fi , (i = 1, . . . , k), donde
k
ni X
fi = ; fi = 1.
n
i=1
Observación
En algunos casos, para un mejor entendimiento, las frecuencias relativas
suelen transformarsePen frecuencias porcentuales de la siguiente forma:
hi = fi · 100, donde ki=1 hi = 100%.

Observación
En algunos casos, para un mejor entendimiento, las frecuencias relativas
suelen transformarsePen frecuencias porcentuales de la siguiente forma:
hi = fi · 100, donde ki=1 hi = 100%.
Definición (Frecuencia Acumulada Absoluta)

Corresponde al número acumulado de unidades de análisis que pertenecen
a las clases c1 , c2 , . . . , ci y se denota por Ni , (i = 1, . . . , k), donde
i
X
Ni = nj , i = 1, . . . , k.
j=1
Así N1 = n1 y Nk = n.

Definición (Frecuencia Relativa Acumulada)

Corresponde a la proporción acumulada de unidades de análisis que
pertenecen a las clases c1 , c2 , . . . , ci y se denota por Fi , (i = 1, . . . , k),
donde
i
X Ni
Fi = fj o Fi = , i = 1, . . . , k.
n
j=1
Así, Fi = f1 y Fk = 1.
En forma análoga, es posible definir frecuencias acumuladas porcentuales
por: Hi = Fi · 100, con H1 = h1 y Hk = 100%.

Presentación de Datos: Tablas de distribución de frecuencias
El esquema de la tabla es el siguiente:
Table: Distibución de frecuencias de...

Clases ni fi Ni Fi
c1 n1 f1 N1 F1
c2 n2 f2 N2 F2
.. .. .. .. ..
. . . . .
ck nk fk Nk = n Fk = 1

Variable Continua: Si la variable bajo estudio es cuantitativa continua (o

discreta con un alto rango de variabilidad), entonces el esquema de tabla
anterior sufre un leve modificación que está relacionada con la creación de
los “intervalos de clases”. En este caso el esquema de la tabla es el
siguiente:
Intervalos (Clases) Marca de clase ni fi Ni Fi

[min; min +A[ m1 n1 f1 N1 F1
[min +A; min +2A[ m2 n2 f2 N2 F2
.. .. .. .. .. ..
. . . . . .
[min +(k − 1)A; max] mk nk fk Nk Fk
Donde la marca de clase i-ésima (mi ) corresponde al promedio del intervalo

i-ésimo (i = 1, ..., k).

Construcción Tablas para Variables Continuas:
Se supone que la amplitud de los intervalos es la misma, se puede seguir
los siguientes pasos para la construcción de tablas de frecuencias de
variables continuas.
Paso 1: Contar el número n de datos.
Paso 2: Calcular el rango (R),
R = max − min,
donde min y max corresponden a los valores mínimos y

máximos de los datos, respectivamente.
Paso 3: Escoger el número de clases (intervalos). Se sugiere ,el entero
más próximo de la denominada fórmula de Sturges, dada
por
k = 1 + 3, 3 log(n),
donde log(•) es el logaritmo en base 10.
Paso 4: Calcular la amplitud (A)
R
A= .
k
Paso 5: Para determinar los extremos de la primera clase (intervalo)
se debe tomar como límite inferior el valor min y como límite
superior el valor min +A.
Paso 6: Para obtener las restantes clases, se suma sucesivamente A al
límite inferior, donde el límite inferior de las sucesivas clases
corresponderá a límite superior de la clase anterior.

Ejemplo
Considere los siguientes datos
0,36 0,68 0,8 0,87 0,92 1,00

0,48 0,71 0,81 0,87 0,94 1,00
0,60 0,72 0,81 0,88 0,97 1,13
0,61 0,73 0,82 0,92 0,97 1,16
0,68 0,79 0,85 0,92 0,97 1,19
cree una tabla de distribución de frecuencias con la metodología vista

anteriormente.

Solución a mano
1 El valor del tamaño de muestra es n = 30.

2 El rango sería R = 1, 19 − 0, 36 = 0, 83.
3 El número de clases a considerar es k = 1 + 3, 3 log(30) = 5, 87 ≡ 6.
0,83
4 La amplitud sería A = 6 = 0, 1383.
5 La tabla quedaría de la siguiente forma
Intervalos Marca de clase ni fi Ni Fi
[0, 360; 0, 498[ 0, 429 2 0, 067 2 0, 06
[0, 498; 0, 637[ 0, 568 2 0, 067 4 0, 13
[0, 637; 0, 775[ 0, 706 5 0, 167 9 0, 3
[0, 775; 0, 913[ 0, 844 9 0, 3 18 0, 6
[0, 913; 1, 052[ 0, 983 9 0, 3 27 0, 9
[1, 052; 1, 190] 1, 121 3 0, 1 30 1

Solución mediante computador (XLSTAT)
Xlstat es una aplicación de la planilla electrónica de Microsoft Excel, este
se puede descargar de www.xlstat.com. Cuando se instale y quieran usarlo
les preguntará si desean Habilitar las macros, respondan que si.



Presentación de Datos: Gráficos Estadísticos
Las grandes cantidades de datos estadísticos resultan incómodos de

interpretar y si éstos no están ordenados de alguna manera.


La principal ventaja de la construcción de gráficos con los datos de
una investigación, es que nos permite visualizar más claramente la
distribución de éstos, hacer una mejor comparación de resultados y un
análisis objetivo de estos últimos.


La principal ventaja de la construcción de gráficos con los datos de
una investigación, es que nos permite visualizar más claramente la
distribución de éstos, hacer una mejor comparación de resultados y un
análisis objetivo de estos últimos.
Una buena definición de lo que es un “gráfico” es la siguiente.
Definición (Gráfico)
es una representación pictórica, mediante figuras geométricas u otros
elementos, que proporciona un resumen de la información que interesa
destacar y, lo más importante, recordar.

Gráficos Estadísticos: Barra Simple
Representa distribuciones de frecuencias de variables cualitativas o
cuantitativas discretas.
Figure: Título...

Gráficos Estadísticos: Histograma
Se usa para variables continuas. Es un conjunto de rectángulos adyacentes.
En el eje horizontal deben ir los intervalos (clases) y en el eje vertical las
frecuencias.
Figure: Título...

Gráficos Estadísticos: Sectorial
Muestra una comparación proporcional entre las distintas clases de la

variable, en particular se usa para variables cualitativas.
Figure: Título...

Ojiva: Gráfico de frecuencias relativas acumuladas
Se usa para variables continuas. Este se obtiene graficando en el eje

vertical la frecuencia relativa acumulada (Fi ) de un intervalo contra el
límite inferior del siguiente intervalo sobre el eje horizontal. Luego se unen
los puntos consecutivos , generalmente, con una línea recta.

Medidas Estadísticas de Resumen
Estas medidas estadísticas que resumen al conjunto de datos, también se
les denomina estadísticos. Se clasifican en medidas de posición y
dispersión. Las primeras nos entregan la posición relativa que poseen los
individuos dentro de la distribución y se subdividen en dos:

a) Las de centralidad, que tienden a ubicarse en el centro de la
distribución, entre las cuales se encuentran:

El promedio o media aritmética.
La mediana o valor del centro.
La moda, modo o valor más frecuente.
La media geométrica.
La media armónica.
Entre otras.

La media armónica.
Entre otras.
b) Los cuantiles, que tienden a ubicarse en distintas partes de la
distribución de la variable, entre las que se encuentran:

La media armónica.
Entre otras.
b) Los cuantiles, que tienden a ubicarse en distintas partes de la
distribución de la variable, entre las que se encuentran:
Los cuartiles (dividen al conjunto en cuatro partes iguales).
Los percentiles (dividen al conjunto en cien partes iguales).
Entre otras.
Las segundas medidas estadísticas de resumen, las de dispersión, nos

entregan el grado de dispersión, variabilidad u homogeneidad que poseen
los datos dentro del conjunto, generalmente respecto de una medida de
tendencia central, entre las que se encuentran:
El rango o desviación máxima
El rango intercuartil.
La varianza.
La desviación estándar o típica.
El coeficiente de variación.
Entre otras.

Medidas de posición: El promedio (x)
El promedio o media aritmética de un conjunto de n datos digamos

x1 , x2 , . . . , xn para datos no tabulados, viene dado por:
n
X xi
x= .
n
i=1
Por otro lado, si los datos se encuentran tabulados, el promedio se obtiene

de la siguiente forma:
Xk
x≈ fi · mi .
i=1
⇒ El uso de esta medida es exclusivamente para variables cuantitativas.

⇒ Su cálculo puede ser afectado de manera desproporcionada por la
existencia de datos atípicos (fuera de lo común).

Medidas de posición: Mediana (Me )
Corresponde al valor central cuando las n observaciones se ordenan de

menor a mayor. Es decir, considere las siguientes observaciones
x1 , x2 , ..., xn , además si ordenamos estas observaciones de menor a mayor
tenemos x(1) , x(2) , ..., x(n) , entonces la mediana sería

 x( n+1 ) , si n es impar;
2
Me = x( n2 ) + x( n2 +1)
 , si n es par.
2
⇒ El uso de esta medida es para variables cualitativas que poseen orden

jerárquico o cuantitativas.
⇒ Su cálculo no es afectado por la existencia de datos atípicos.

Medidas de posición: Moda (Mo )
Corresponde al valor o categoría con más alta frecuencia en los datos.

⇒ El uso de esta medida es para cualquier tipo de variable.
⇒ En el caso de variables cuantitativas, los datos pueden ser agrupados
en clases y la moda se define como la marca de clase que tiene la
mayor frecuencia.
⇒ Si existe un único valor que se repite más hablamos de una
distribución unimodal.

Medidas de posición: Relación Entre Promedio, Mediana y
Moda
Caso 1: Distribución Simétrica (No Sesgada)
x = Me = Mo .
Caso 2: Distribución Asimétrica, sesgada a la derecha.
Mo < Me < x.
Caso 3: Distribución Asimétrica, sesgada a la izquierda.
x < Me < Mo .
Nota: La mediana (Me ) siempre se hallará entre el promedio x y la moda

(Mo ) ya que no es afectada por datos extremos, es decir, es robusta.

Medidas de posición: Cuartiles
Los cuartiles dividen a un conjunto ordenado de datos en 4 grupos de igual

tamaño:
⇒ El cuartil 1 (Q1 ) marca la parte alta del primer cuarto de los datos.
⇒ El cuartil 3 (Q3 ) marca la parte baja del último cuarto de los datos.
⇒ El cuartil 2 (Q2 ) corresponde a la Me .
Metodología para el cálculo de Q1 y Q3
Paso 1: Ordene los datos de menor a mayor y encuentre la Me .
Paso 2: Divida los datos en 2 mitades, por encima y por debajo de la
Me . Si n es impar incluya la mediana en ambas mitades.
Paso 3: Encuentre la mediana en ambas mitades, estas son Q1 y Q3 .

Medidas de posición: Percentil
Los percentiles dividen a un conjunto ordenado de datos en 100 grupos de

igual tamaño.


igual tamaño.
Pα , el percentil de orden α, corresponde al valor de la variable que es

mayor o igual al α% de los datos y es menor o igual que el (100 − α)% de
los datos (ordenados de menor a mayor).


igual tamaño.
Pα , el percentil de orden α, corresponde al valor de la variable que es

mayor o igual al α% de los datos y es menor o igual que el (100 − α)% de
los datos (ordenados de menor a mayor).
Al Q1 se le denomina también percentil 25, al Q2 percentil 50 y al Q3

percentil 75.

Medidas de posición: Cálculo del percentil
El cálculo exacto del percentil es complicado realizarlo a mano, claro está

que los ordenadores pueden hacerlo. Una forma de obtener una
aproximación (lineal) del percentil es mediante la fórmula:
nα
100 − Ni−1

Pα = LI + A ,
ni
donde α ∈ [0, 100].
LI = Límite inferior del intervalo donde se encuentra Pα ,
Ni−1 = Frecuencia absoluta acumulada del intervalo anterior donde
se encuentra Pα ,
ni = Frecuencia absoluta del intervalo donde se encuentra Pα ,
A = Amplitud del intervalo donde se encuentra Pα ,
n = Tamaño de la muestra.

Medidas de Dispersión: Rango (R) y Rango Intercuartil (RI )
Rango (R): Corresponde a la diferencia entre el mayor y menor de los

datos.
R = Máx − Mín
⇒ Su cálculo es afectado por la existencia de datos atípicos.
Rango Intercuartil (RI ): Esta medida de variabilidad es resistente a

valores atípicos y se concentra en el 50% central de los datos.
RI = Q3 − Q1

Medidas de Dispersión: Varianza Muestral Estimada (s 2 )
La varianza de las observaciones x1 , x2 , ..., xn es
n
2 1 X
s = (xi − x)2 .
n−1
i=1
Por otro lado, si los datos se encuentran tabulados, la varianza se obtiene
de la siguiente forma:
n
n X
s2 ≈ fi (mi − x)2 .
n−1
i=1
⇒ Su cálculo es afectado por la existencia de datos atípicos.

⇒ El uso de esta medida es exclusivamente para variables cuantitativas.
⇒ Valores grandes de s 2 ⇒ una alta variabilidad.
⇒ Si los datos corresponden a los de una población ⇒ para calcular la
1
varianza poblacional (σ 2 ) se reemplaza el factor n−1 por n1 .
√
⇒ Se define la desviación estándar muestral (típica) como s = s 2 .
Medidas de Dispersión: Coeficiente de variación (CV )
Corresponde a una medida de dispersión relativa a la media. Está dada por

s
CV = 100%
x
⇒ No depende de la unidad de medida de los datos.

⇒ Útil para comparar variabilidad de grupos que poseen unidades de
medidas distintas.
⇒ Mientras más pequeño es el valor del CV más homogéneos son los
datos.

Identificación de Datos Atípicos: Método de la puntuación z
Regla empírica Para un conjunto de valores que tienen un histograma en

forma de campana, el intervalo:
x ∓s → contiene aprox. al 68% de los valores
x ∓ 2s → contiene aprox. al 95% de los valores
x ∓ 3s → contiene aprox. al 100% de los valores
Método de la puntuación z
Si consideramos la regla empírica, sabemos que aproximadamente el 100%
de los datos está en el intervalo [x − 3s; x + 3s]. Es muy improbable que un
dato esté fuera de este intervalo, y en caso que fuese, éste se llamaría un
dato atípico. Es decir, un dato es no atípico si

xi − x xi − x
xi ∈ [x − 3s; x + 3s] ⇔ ∈ [−3; 3] ⇔ ≤3
s s
xi −x
∴ Si consideramos la transformación zi = s , entonces un dato xi es
atípico si |zi | > 3.
Identificación de Datos Atípicos: Método de Tukey
Método de Tukey: Considere las siguientes barreras (bisagras),
X Barrera Interior Inferior: BII = Q1 − 1, 5RI

X Barrera Interior Superior: BIS = Q3 + 1, 5RI
X Barrera Exterior Inferior: BEI = Q1 − 3RI
X Barrera Exterior Superior: BES = Q3 + 3RI
Entonces,
V Cualquier valor fuera de las barreras interiores es considerado como un
posible valor atípico.
V Cualquier valor fuera de las barreras exteriores es considerado como un
potencial valor atípico.
No atípico
z }| {
· · · · · · [ [BEI · · · · · · [ [BII · · · · · · BIS] ] · · · · · · BES] ] · · · · · ·
| {z } | {z } | {z } | {z }
Potencial Posible Posible Potencial
Identificación de Datos Atípicos: Diagrama de Caja
Definición (Diagrama de Caja o Cajón con Bigote)

El diagrama de caja, entrega información sobre
la tendencia central y dispersión de los datos,
la asimetría de los datos,
identifica valores atípicos y
es útil para comparar dos o más distribuciones.
Procedimiento para realizar esta gráfica

Paso 1: Los bordes de la caja se representan por Q1 y Q3 , se debe
trazar una linea vertical que atraviese la caja en la Me .
Paso 2: Trazar líneas (bigotes) desde los bordes de la caja hasta los
valores adyacentes (el menor y mayor de los datos no
atípicos).
Paso 3: marque los posibles valores atípicos con o y los potenciales
con ∗.
Detalles de un Diagrama de Caja








Propiedades de la Media y la Varianza
Sean x1 , x2 , ..., xn un conjunto de n observaciones donde a cada una se le

aplica la siguiente transformación lineal:
yi = axi + b ∀i = 1, 2, ...n,
donde a ∈ R (6= 0) y b ∈ R.

Propiedades de la Media y la Varianza
Sean x1 , x2 , ..., xn un conjunto de n observaciones donde a cada una se le

aplica la siguiente transformación lineal:
yi = axi + b ∀i = 1, 2, ...n,
donde a ∈ R (6= 0) y b ∈ R.
Sean x y Sx2 el promedio y la varianza de las observaciones x1 , x2 , ..., xn .
Luego el promedio y la varianza de los datos transformados y1 , y2 , ..., yn ,
están dados por:
y = ax + b y sy2 = a2 sx2

Ejemplo
Considere los siguientes datos (ordenados)
0,36 0,68 0,80 0,87 0,92 1,00

0,48 0,71 0,81 0,87 0,94 1,00
0,60 0,72 0,81 0,88 0,97 1,13
0,61 0,73 0,82 0,92 0,97 1,16
0,68 0,79 0,85 0,92 0,97 1,19
V Calcule media, mediana, varianza, desviación estándar, mínimo,

máximo, rango, cuartil 1 y cuartil 3.
V Identifique posibles y potenciales valores atípicos.
V Compruebe la regla empírica.
V Cree un diagrama de caja.
V Si los datos son incrementados en 1, calcule la media y la desviación
estándar.

Estadistica Descriptiva

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Estadistica Descriptiva

Cargado por

Información del documento

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

Estadistica Descriptiva

Cargado por

Copyright:

Formatos disponibles

Formación Complementaria ADVANCE (Estadística)

2.- Estadística Descriptiva

Prof.: Dr. Marco Riquelme A.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 1 / 47

Unidad Experimental: es el ente que proporciona una información.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 2 / 47

Unidad Experimental: es el ente que proporciona una información.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 2 / 47

Unidad Experimental: es el ente que proporciona una información.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 2 / 47

Unidad Experimental: es el ente que proporciona una información.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 2 / 47

Unidad Experimental: es el ente que proporciona una información.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 2 / 47

Definición (Variable estadística)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 3 / 47

Definición (Variable estadística)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 3 / 47

Variable Nominal: Sólo permite la clasificación (etiquetar), y no se

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 4 / 47

Variable Nominal: Sólo permite la clasificación (etiquetar), y no se

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 4 / 47

Si la variable cuantitativa toma valores en un conjunto contable

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 5 / 47

Si la variable cuantitativa toma valores en un conjunto contable

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 5 / 47

Si la variable cuantitativa toma valores en un conjunto contable

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 5 / 47

Si la variable cuantitativa toma valores en un conjunto contable

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 5 / 47

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 6 / 47

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 6 / 47

Definición (Frecuencia Relativa)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 7 / 47

Definición (Frecuencia Acumulada Absoluta)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 7 / 47

Definición (Frecuencia Relativa Acumulada)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 8 / 47

El esquema de la tabla es el siguiente:

Table: Distibución de frecuencias de...

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 9 / 47

Variable Continua: Si la variable bajo estudio es cuantitativa continua (o

Intervalos (Clases) Marca de clase ni fi Ni Fi

Donde la marca de clase i-ésima (mi ) corresponde al promedio del intervalo

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 10 / 47

donde min y max corresponden a los valores mínimos y

Paso 4: Calcular la amplitud (A)

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 12 / 47

Considere los siguientes datos

0,36 0,68 0,8 0,87 0,92 1,00

cree una tabla de distribución de frecuencias con la metodología vista

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 13 / 47

1 El valor del tamaño de muestra es n = 30.

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 14 / 47

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 15 / 47

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 16 / 47

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 17 / 47

Las grandes cantidades de datos estadísticos resultan incómodos de

Prof.: Dr. Marco Riquelme A. (UNAB) Formación Complementaria 2020 18 / 47