Estadística Descriptiva

Bioestadística Mgt. Rina M.
Zamalloa Cornejo
INTRODUCCION
La bioestadística es una rama de la estadística que se ocupa de los problemas planteados

dentro de las ciencias de la vida como la medicina, salud pública, salud ocupacional, entre
otros; para ello, pone en práctica los métodos de recolección e interpretación de datos propios
de la estadística y los rigurosos procedimientos del método científico. Por medio de la
bioestadística se puede obtener datos importantes de forma sistematizada para que, luego de
ser ordenados e interpretados, puedan ser utilizados para elaborar o contrastar hipótesis de
trabajo. El primer médico que aplicó las metodologías de la estadística en el campo de la
salud fue el francés Pierre Charles-Alexandre Louis, en el siglo XVIII. Él aplicó el método
numérico para estudiar la tuberculosis que influyó en toda una generación de estudiantes. Su
trabajo se convirtió en la base para posteriores investigaciones que permitieron moldear el
concepto de bioestadística. Sus discípulos, a su vez, reforzaron la nueva ciencia de la
epidemiología con en el método estadístico, como por ejemplo en Francia Louis René
Villermé (1782-1863) y en Inglaterra William Farr (1807-1883) hicieron los primeros mapas
epidemiológicos usando métodos cuantitativos y análisis epidemiológicos.
Algunas de las aportaciones más importantes de la bioestadística se han dado en el estudio de
las enfermedades. A raíz de los datos arrojados por esta disciplina se ha logrado un mejor
entendimiento de la propagación de ciertas enfermedades y las características de males
crónicos como el cáncer y el sida. Además, ha contribuido enormemente al desarrollo de
nuevos fármacos.
Sin lugar a dudas, el pensamiento estadístico ha permitido establecer un sistema organizado

de investigación, desde el diseño de la misma, el muestreo, el análisis y la presentación de la
información. De ese modo, ha permitido resolver y optimizar la metodología para dar
respuesta a las diversas hipótesis que se manejan en el mundo de las ciencias de la salud.
PRIMERA UNIDAD DIDACTICA

ESTADÍSTICA DESCRIPTIVA
INTRODUCCION
Iniciamos este capítulo con la definición de algunos conceptos elementales y básicos,
y sin embargo pilares, para una comprensión intuitiva y real de lo que es la Bioestadística.
Pretendemos introducir al estudiante en los primeros pasos sobre el uso y manejos de datos
numéricos: distinguir y clasificar las características en estudio, enseñarle a organizar y tabular
1
Bioestadística Mgt. Rina M. Zamalloa Cornejo
las medidas obtenidas mediante la construcción de tablas de frecuencia y por último los
métodos para elaborar una imagen que sea capaz de mostrar gráficamente unos resultados.
DEFINICION DE ESTADISTICA
Como establece M.G. Kendall, definir en que consiste o qué es la Estadística ha sido
una materia que ha dividido a lo largo de la historia a los propios estadísticos. Desde Quetelet
que la consideraba la reina de las ciencias hasta autores que la definen como una técnica más,
al servicio de otras ramas del conocimiento. La característica común ha sido la multiplicidad
de definiciones que se han escrito sobre estadística. W.F. Willcox, en 1935, reúne 115
definiciones y aporta una más para sustituirlas, sin lograrlo. El número de definiciones de
estadística ha seguido aumentando.
La estadística es la rama de las matemáticas que describe los fenómenos donde no hay
un componente absoluto, es decir es discreta, y sus modelos son estocásticos. La estadística
ayuda a todas las demás ciencias a generar modelos matemáticos "generales" donde se haya
considerado el componente aleatorio.
Es una disciplina de estudio relacionada con la recopilación, organización y resumen
de datos y la obtención de inferencias a partir de esos datos.
La Estadística es una disciplina científica que se dedica a la recopilación, descripción,
análisis e interpretación de datos y, por ello, constituye la metodología científica que permite
transformar datos en información. Esto la hace especialmente atractiva, ya que en cualquier
sociedad desarrollada existe una inmensa variedad de problemas cuya solución sólo es posible
mediante la utilización de técnicas estadísticas.
En una forma práctica, la estadística proporciona los métodos científicos para la
recopilación, organización, resumen, representación y análisis de datos o hechos, que se
presten a una evaluación numérica; tales como: fenómenos sociales, económicos, políticos,
culturales, etc.
La estadística se clasifica en estadística descriptiva y estadística inferencial.
Estadística descriptiva:
Describe, analiza y representa un grupo de datos utilizando métodos numéricos,
tabulares y/o gráficos que resumen y presentan la información contenida en ellos. Se puede
definir como aquel método que contiene la recolección, organización, presentación y resumen
de una serie de datos. El análisis que se realiza se limita en sí mismo a los datos recolectados
y no se puede realiza inferencia alguna o generalizaciones alguna, acerca de la población de
2
donde provienen esos datos estadísticos; es decir a partir de una muestra de datos (recogida
según una técnica concreta), es la descripción de las características más importantes,
entendiendo como características, aquellas cantidades que nos proporcionen información
sobre el tema de interés del cual hacemos el estudio.
Estadística inferencial:
Es aquella rama de la estadística que apoyándose en el cálculo de probabilidades y a
partir de datos muéstrales, efectúa estimaciones, decisiones, predicciones u otras
generalizaciones sobre un conjunto mayor de datos. Puede definirse como aquella rama de la
estadística que hace posible la estimación de una característica de una población o la toma de
una decisión referente a una población, fundamentándose sólo en los resultados de la muestra.
DETERMINACIÓN DE POBLACIÓN Y MUESTRA
Población:
Estadísticamente, la población se define como un conjunto de individuos o de objetos
que poseen una o varias características comunes que interesan al investigador. No se refiere
esta definición únicamente a los seres vivientes; una población puede estar constituida por los
habitantes de un país o por lo peces de un estanque, así como por los establecimientos
comerciales de un barrio o las unidades de vivienda de una ciudad. Al número de elementos
de la población se denota por N.
Existen desde el punto de vista de su manejabilidad poblaciones finitas e infinitas.
Aquí el término infinito no está siendo tomado con el rigor semántico de la palabra; por
ejemplo, los peces dentro de un estanque son un conjunto finito; sin embargo, en términos
estadísticos, puede ser considerado como infinito.
Muestra:
Conjunto de elementos que forman parte de población. La muestra representa a esta
población.
También se puede definir como el subconjunto de la población a la cual se le efectúa
la medición con el fin de estudiar las propiedades del conjunto del cual es obtenida. Existen
diversos métodos para calcular el tamaño de la muestra y también para tomar los elementos
que la conforman, la muestra debe ser representativa de la población y sus elementos
escogidos al azar para asegurar la objetividad de la investigación.
3
Se llama muestreo al procedimiento científico que se utiliza para la obtención de

muestras estadísticamente significativas de una población que permitirá estimar los
parámetros poblacionales con un grado de confianza fijado previamente.
Tamaño muestral: Es el número de elementos u observaciones que tomamos en la

muestra, se denota por n.
Un procedimiento estadístico descriptivo no hace referencia a muestra ni a población.

Los conceptos de población y muestra están íntimamente ligados y tiene sentido
determinarlos cuando se va a proceder a realizar lo que se conoce como inferencia estadística.
La inferencia estadística realiza un estudio sobre una o varias muestras extraídas de
una población o universo y las conclusiones a las que se arriban son aplicables a todos los
elementos de dicha población.
Estas conclusiones se aplican a todos los elementos de la población, pero ello no
quiere decir que todos (absolutamente todos) tienen que cumplir con las características
determinadas. Para ello se utiliza la teoría de probabilidades, en el trabajo estadístico de un
estudio las pruebas se diseñan de modo que se puede determinar con qué grado de
probabilidad se encontrarán las características determinadas en la muestra, entre los elementos
que componen la población.
VARIABLE
Es la característica de la población que interesa al investigador y se está midiendo.
Existen dos categorías o tipo de variables:
Variable cualitativa: Es aquella que expresa un atributo o característica, ejemplo:

estado civil, , etc.
4
o Variable nominal es cuando sus valores representan categorías que no

obedecen a una clasificación intrínseca, ejemplo: sexo, color de ojos, estado
civil, etc.
o Variable ordinal este tipo de variable puede tomar distintos valores ordenados
según una escala preestablecida, ejemplo: grado de instrucción, nivel de
satisfacción, etc.
Variable cuantitativa: Es aquella que podemos expresar numéricamente: edad, peso,

nº. de hijos, etc. Esta a su vez la podemos subdividir en:
o Variable discreta, aquella que entre dos valores próximos no puede tomar
ningún valor. Ejemplos: el número de hijos de una familia, el de obreros de
una fabrica, el de alumnos de la universidad, etc.
o Variable continua la que puede tomar los infinitos valores de un intervalo. En

muchas ocasiones la diferencia es más teórica que práctica, ya que los aparatos
de medida dificultan que puedan existir todos los valores del intervalo.
Ejemplos, peso, estatura, distancias, etc.
Las variables se denotan por las mayúsculas de letras finales del alfabeto castellano U, V, X,
Y, Z. A su vez cada una de estas variables puede tomar distintos valores y se denota por las
letras minúsculas u, v, x, y, z, etc. o colocando un subíndice en las letras minúsculas, que
indica orden.
Ejemplos.
1) En una fábrica se quiere realizar un estudio sobre la duración de los focos para lo cual se
procedió de la siguiente manera, se seleccionaron al azar el 5% de los focos producidos cada
día durante una semana, posteriormente se iluminaron todos y se procedió a anotar la duración
de cada uno, después se promediaron los tiempos para hallar el tiempo promedio de vida de
todo el lote.
2) Se quiere determinar la estatura promedio de los niños cubanos de 5 años de edad. Para lo
anterior se selecciona un grupo de niños mediante un procedimiento que garantice se
encuentren bien representados los niños cubanos por sexo, razas y lugares de residencia
(urbano y rural).
5
En el primer ejemplo se ve que es imposible probar todos los elementos de la

población porque de ser así no quedarían focos para comercializar, en el segundo ejemplo se
aprecia que es muy difícil y costoso trabajar con todos los niños de cinco años de Cuba por lo
tanto es necesario tomar una muestra de ellos, en la misma todos los niños de cinco años,
cubanos, deben estar bien representados.
El hecho de que todos los elementos de la población estén bien representados en la
muestra es una condición necesaria para poder realizar un buen trabajo estadístico. En efecto,
la estadística se divide para dar solución a los problemas en dos partes. Por una parte
encontramos a los procedimientos descriptivos y por otra a los inferenciales.
PARÁMETRO Y ESTADÍGRAFO
Existen medidas para realizar descripciones cuantitativas de los conjuntos de datos de
poblaciones, o de sus muestras, diferenciándose entre ellas las que se refieren a las mismas
poblaciones y a las muestras.
o PARÁMETRO – Es una medida resumen que se obtiene a base de los datos de una
población es decir que cuantifica una característica de esa población. Nos referimos a
las funciones, tales como las medias, desviaciones típicas, momentos, coeficientes de
correlación, etc. Los parámetros son cantidades, las cuales son constantes para
distribuciones en particular, pero pueden tomar diferentes valores para diferentes
miembros de familias de distribuciones del mismo tipo.
 media poblacional
 2 varianza poblacional
p proporción poblacional
6
o ESTADÍGRAFO – Un estadístico o estadígrafo es una medida resumen cuyo valor se

puede calcular a partir de datos muestrales.
X media muestral
S 2 varianza muestral
p̂ proporción muestral
Antes de obtener datos, hay incertidumbre en cuanto a que valor resulta de cualquier
estadística particular, por lo tanto, un estadístico es una variable aleatoria y estará denotada
por una letra mayúscula; una minúscula se emplea para representar el valor calculado u
observado de la estadística para toda la población, entonces se le considera como un
parámetro.
Cuando se llevan a cabo investigaciones y sus resultados son comprobados como

ciertos y los mismos se generalizan o se aplican a la población, se da entonces la inferencia
estadística como un procedimiento mediante el cuál se estiman los parámetros, por ejemplo
una media muestral es un estadígrafo que estima la media de la población, que es un
parámetro.
ETAPAS DEL MÉTODO ESTADÍSTICO

Una vez que se haya seleccionado el asunto o problema a investigar se procede a
redactar el proyecto según los criterios que siguen a continuación.
Para el planeamiento de una investigación, por norma general, se siguen las siguientes etapas:
➢ Planteamiento del problema.
➢ Fijación de los objetivos.
➢ Formulación de la hipótesis.
➢ Definición de la unidad de observación y de la unidad de medida.
➢ Determinación de la población y de la muestra.
➢ La recolección.
7
➢ Crítica, clasificación y ordenación.

➢ Tabulación.
➢ Presentación.
➢ Análisis.
➢ Publicación.
PLANTEAMIENTO DEL PROBLEMA

Al abordar una investigación se debe tener bien definido qué se va a investigar y por
qué se pretende estudiar algo. Es decir, se debe establecer una delimitación clara, concreta e
inteligible sobre el o los fenómenos que se pretenden estudiar, para lo cual se deben tener en
cuenta, entre otras cosas, la revisión bibliográfica del tema, para ver su accesibilidad y
consultar los resultados obtenidos por investigaciones similares, someter nuestras
proposiciones básicas a un análisis lógico; es decir, se debe hacer una ubicación histórica y
teórica del problema.
FIJACIÓN DE LOS OBJETIVOS

Luego de tener claro lo que se pretende investigar, Debemos presupuestar hasta dónde
queremos llegar; en otras palabras, debemos fijar cuales son nuestras metas y objetivos. Estos
deben plantearse de tal forma que no haya lugar a confusiones o ambigüedades y debe,
además, establecerse diferenciación entre lo de corto, mediano y largo plazo, así como entre
los objetivos generales y los específicos.
PROPÓSITO Y JUSTIFICACIÓN DE LA INVESTIGACIÓN

Debe indicarse porqué se quiere llevar a cabo la investigación y establecerse un
argumento donde se expone la importancia, cómo ésta contribuye al mejoramiento de la
calidad de vida en la comunidad y si se tratará del de la educación, como la misma contribuye
al proceso enseñanza aprendizaje, entre otras.
FORMULACIÓN DE LAS HIPÓTESIS

Una hipótesis es ante todo una explicación provisional de los hechos objeto de estudio,
y su formulación depende del conocimiento que el investigador posea sobre la población
investigada. Una hipótesis estadística debe ser susceptible de docimar, esto es, debe poderse
probar para su aceptación o rechazo.
8
Una hipótesis que se formula acerca de un parámetro (media, proporción, varianza,

etc.), con el propósito de rechazarla, se llama Hipótesis de Nula y se representa por H0; a su
hipótesis contraria se le llama Hipótesis Alterna (H1).
REVISIÓN DE LA LITERATURA
Se ausculta y se dispone qué estudios e investigaciones se han realizado sobre el
asunto o problema a investigar. Pueden considerarse estudios e investigaciones relacionadas,
o sea, no necesariamente tienen que ser tan similares como la investigación que se propone.
Deben de disponerse en orden cronológico comenzando con las menos recientes y terminar
con las actuales. También hay que considerar, si hay tres preguntas de investigación, presentar
los estudios según el orden de las preguntas. Puede también presentarse los estudios según las
variables de la investigación propuesta.
DEFINICIÓN DE LA UNIDAD DE OBSERVACIÓN Y DE LA UNIDAD DE MEDIDA

La Unidad de Observación, entendida como cada uno de los elementos constituyentes
de la población estudiada, debe definirse previamente, resaltando todas sus características;
pues, al fin de cuentas, es a ellas a las que se les hará la medición.
La unidad de observación puede estar constituida por uno o varios individuos u
objetos y denominarse respectivamente simple o compleja.
El criterio sobre la unidad de medición debe ser previamente definido y unificado por
todo el equipo de investigación. Si se trata de medidas de longitud, volumen, peso, etc., debe
establecerse bajo qué unidad se tomarán las observaciones ya sea en metros, pulgadas, libras,
kilogramos, etc. asociado a la unidad de medida, deben establecerse los criterios sobre las
condiciones en las cuales se ha de efectuar la toma de la información.
METODOLOGÍA
Diseño: Mediante la presentación de un flujograma se ilustra las partes o componentes de la
investigación demostrando así mismo el procedimiento de cómo se va a llevar a cabo la
investigación.
Población y muestra: Se describe la población y el lugar donde se llevará a cabo la

investigación y si es necesario se seleccionará una muestra. Es cuestión de presentar un perfil
de los sujetos bajo la investigación y puede ilustrarse con una tabla y/o gráfica.
9
Instrumentos: Debe describir los instrumentos o medios de cómo va a recoger los datos para
la investigación. Ya sea pruebas, cuestionarios o listas de cotejo, etc., debe de describirlos
indicando su magnitud en números de reactivos… indicar cuánto tiempo toma en
contestarse…
Los instrumentos van a estar determinados según las preguntas de investigación propuestas en
la primera parte.
Debe de procurar por la validez y la confiabilidad de los instrumentos e informarla.
Análisis estadístico: Indicar que tipo de estadísticas se va a calcular y qué análisis se va llevar
a cabo. Esto dependerá según las preguntas de investigación establecidas en la primera parte
de la propuesta.
LA RECOLECCIÓN
Una de las etapas más importantes de la investigación es la recolección de la
información, la cual ha de partir, a menos que se tenga experiencia con muestras análogas, de
una o varias muestras piloto en las cuales se pondrán a prueba los cuestionarios y se obtendrá
una aproximación de la variabilidad de la población, con el fin de calcular el tamaño exacto
de la muestra que conduzca a una estimación de los parámetros con la precisión establecida.
El establecimiento de las fuentes y cauces de información, así como la cantidad y complejidad
de las preguntas, de acuerdo con los objetivos de la investigación son decisiones que se han de
tomar teniendo en cuenta la disponibilidad de los recursos financieros, humanos y de tiempo y
las limitaciones que se tengan en la zona geográfica, el grado de desarrollo, la ausencia de
técnica, etc. Es, entonces, descubrir dónde está la información y cómo y a qué "costo" se
puede conseguir; es determinar si la encuesta se debe aplicar por teléfono, por correo, o si se
necesitan agentes directos que recojan la información; establecer su número óptimo y preparar
su entrenamiento adecuado.
CRITICA, CLASIFICACIÓN Y ORDENACIÓN

Después de haber reunido toda la información pertinente, se necesita la depuración de
los datos recogidos. Para hacer la crítica de una información, es fundamental el conocimiento
de la población por parte de quien depura para poder detectar falsedades en las respuestas,
incomprensión a las preguntas, respuestas al margen, etc.
Separado el material de "desecho" con la información depurada se procede a
establecer las clasificaciones respectivas y con la ayuda de hojas de trabajo, en las que se
establecen los cruces necesarios entre las preguntas, se ordenan las respuestas y se preparan
los modelos de tabulación de las diferentes variables que intervienen en la investigación.
10
El avance tecnológico y la popularización de los computadores hacen que estas tareas,

manualmente dispendiosas, puedan ser realizadas en corto tiempo.
PRESENTACIÓN DE LA INFORMACION
Una vez recolectados los datos es necesario organizarlos, clasificarlos y resumirlos
adecuadamente, de manera tal que posibilite un mejor análisis de la información obtenida. Un
recurso muy útil para este fin lo constituye las medidas resumen.
Se presentan los hallazgos según el orden que fueron formuladas las preguntas, las
hipótesis, objetivos de la investigación. Se presentan los datos estadísticos, por medio de
tablas y/o gráficas en la forma más objetiva posible o medidas cuantitativas resumen. No debe
hacerse ningún juicio o comentario. Sólo se presentan los datos y hechos con sus estadísticas
correspondientes.
Una información estadística adquiere más claridad cuando se presenta en la forma
adecuada. Los cuadros, tablas y gráficos facilitan el análisis, pero se debe tener cuidado con
las variables que se van a presentar y la forma de hacerlo. No es aconsejable saturar un
informe con tablas y gráficos redundantes que, antes que claridad, crean confusión.
Además, la elección de determinada tabla o gráfico para mostrar los resultados, debe
hacerse no sólo en función de las variables que relaciona, sino del lector a quien va dirigido el
informe
DISCUSIÓN Y ANÁLISIS DE RESULTADOS

Se discuten los hallazgos con su respectivo análisis estadístico según el orden que
fueron formuladas las preguntas o hipótesis de la investigación. En esta discusión de
resultados se relacionan los hallazgos con los estudios e investigaciones referidas en la
sección de la revisión de literatura, se indican las implicaciones y recomendaciones que
suelen surgir a partir de los hallazgos de la investigación. Es el análisis donde se cristaliza la
investigación. Esta es la fase de la determinación de los parámetros y estadísticos muestrales
para las estimaciones e inferencias respecto a la población, el ajuste de modelos y las pruebas
de las hipótesis planteadas, con el fin de establecer y redactar las conclusiones definitivas.
PUBLICACIÓN
Toda conclusión es digna de ser comunicada a un auditorio. Es más, hay otros
estudiosos del mismo problema a quienes se les puede aportar información, conocimientos y
otros puntos de vista acerca de él.
11
TÉCNICAS PARA LA OBTENCIÓN DE DATOS

En las diferentes ramas de la ciencia existen numerosas técnicas para la obtención de
datos, para lo cual se emplean diversos, y a veces muy complejos instrumentos, que son del
dominio de las diferentes especialidades. Además, existen otras técnicas más generales y de
amplio uso destinadas a recopilar información referida de forma oral o escrita, por los
individuos estudiados.
Entre estas podemos destacar:
El censo: Esta técnica consiste en la obtención de datos procedentes de todos los elementos de
la población u objeto de estudio, en un tiempo determinado y siguiendo un cuestionario
previamente elaborado.
La encuesta: Se diferencia del censo en que la encuesta se aplica solo a una muestra de la
población u objeto de estudio.
La entrevista: Es la técnica de obtención de información a través del diálogo, por lo que

requiere de ciertas habilidades por parte del entrevistador. La entrevista puede o no, estar
estructurada a partir de un cuestionario.
El registro: Consiste en recoger información sobre determinadas variables en forma

sistemática y continua o periódica.
INSTRUMENTOS PARA LA RECOLECCIÓN DE DATOS

Cuestionario: Es un instrumento imprescindible para el censo y la encuesta, y como se dijo
antes, su uso es opcional en la entrevista. Consiste en una serie de preguntas específicas, que
permiten evaluar una o varias de las variables definidas en el estudio.
Planilla de recolección de datos: Es un instrumento muy utilizado con la finalidad de facilitar

la recopilación referente a cada elemento de la muestra o población. La información obtenida,
como resultado de las mediciones de las variables, es recogida en una planilla específicamente
diseñada al efecto.
Base de Datos: Es la forma organizada y estructurada de recopilar la información obtenida de

todos los elementos estudiados. Las "Sabanas de Datos" utilizadas hasta hace un tiempo han
12
sido sustituidas progresivamente por diversos programas de aplicación de la computación por

cuanto facilitan y agilizan espectacularmente el procesamiento de la información.
ORGANIZACIÓN DE DATOS CUALITATIVOS

CUADROS O TABLAS
Los cuadros (tablas) estadísticos resultan de gran ayuda tanto para el investigador
como para el lector del informe de su trabajo, ya que constituyen una forma sintetizada y más
comprensible de mostrar los resultados sobre todo cuando la información es de tipo repetitivo.
Además, permite mostrar frecuencias, relaciones, contrastes, variaciones y tendencias
mediante una presentación ordenada de la información.
Las partes de una tabla son:
• Número de orden.
• Título
• Cuadro propiamente dicho o cuerpo de la tabla
• Fuente
• Notas explicativas, también se le llama píe.
Número de orden: El mismo se emplea para facilitar la referencia a la tabla en el texto. Debe
asignársele un número consecutivo a cada tabla siguiendo el orden en que se citan por primera
vez en el texto. Este número la identifica y se coloca precediendo al título. Ej.: Tabla 1, Tabla
2. Cuadro 1, Cuadro 2. No debe usarse indistintamente Tabla 1, Cuadro 2.
Título: Debe ser completo, claro y conciso, es decir, debe reflejar claramente en qué consiste
el contenido y con qué criterios se clasificaron los elementos a que se hace referencia,
ubicándolo además en tiempo y lugar. Para ser completo, el título debe responder a las
preguntas qué, cómo, dónde y cuándo.
Cuadro o cuerpo de la tabla: Esta constituido por un grupo de casillas o celdas formadas por el
entrecruzamiento de filas y columnas. La primera fila se reserva para indicar a qué se refieren
los datos subyacentes y que unidad de medida se utilizó. En la primera columna se reflejan las
diferentes clases según la escala de clasificación empleada.
Fuente: Se refiere al documento de donde se extrajo la información presentada. Por lo

general, las fuentes de información se clasifican en:
13
• Primaria: Aquella de la que el investigador obtiene directamente la información

utilizando diversas técnicas y métodos. Ejemplo: La encuesta o modelo de recolección
del dato primario.
• Secundaria: Aquella que existe independientemente del estudio y el investigador sólo
la utiliza. Ejemplo: El Registro de Nacimientos, Historias clínicas.
Una fuente es un documento. Frecuentemente esto se olvida, y se consignan

erróneamente como fuentes algunos locales, departamentos, entre otros, como la Oficina
Nacional de Estadísticas, el Archivo del hospital, etc.
Notas explicativas o aclaratorias: Se utilizan cuando se desea aclarar algo, por lo general del
título o del cuerpo de la tabla, la significación estadística o alguna breve nota aclaratoria del
contenido, que puede indicarse mediante símbolos colocados como exponentes.
Las tablas estadísticas suelen clasificarse según el número de variables que representan
en:
• Simple (unidimensional): una variable.
• Compuesta (bidimensionales o multidimensional): dos variables, tres o más variables.
Deben ser autoexplicativas, o sea, que se expliquen por sí mismas, por lo que se debe
evitar presentar demasiada información en ellas en aras de ganar claridad. En general, como
forma de presentación se utilizan cuadros uni y bidimensionales, reservándose el uso de los
multidimensionales para fines de trabajo.
CUADRO O TABLA SIMPLE

Cuadro Nº 1
Distribución de pacientes según sexo, Hospital Regional Cusco - 2003
Sexo
Frecuencia Porcentaje
Femenino 68 80,0
Masculino 17 20,0
Total 85 100,0
Fuente: Registros del H.R. Cusco
14
Cuadro Nº 2
Distribución de pacientes según indicación terapeútica, Hospital Regional Cusco - 2003
Indicación terapéutica
Frecuencia Porcentaje
Artritis reumatoide 54 63,5
Lupus eritematoso
9 10,6
sistémico
Transplante renal 21 24,7
Esclerosis sistémica 1 1,2
Total 85 100,0
CUADRO O TABLA COMPUESTA

Cuadro Nº 3
Distribución de pacientes según sexo e indicación terapeútica, Hospital Regional Cusco -
2003
Sexo
Femenino Masculino Total
N° % N° % N° %
Indicación Artritis reumatoide 44 64,7% 10 58,8% 54 63,5%
terapéutica Lupus eritematoso
9 13,2% 0 ,0% 9 10,6%
sistémico
Transplante renal 15 22,1% 6 35,3% 21 24,7%
Esclerosis sistémica 0 ,0% 1 5,9% 1 1,2%
Total 68 100,0% 17 100,0% 85 100,0%
GRÁFICO
La forma gráfica constituye un complemento importante para la presentación de los
resultados ya que permite incrementar la información científica que se trata de transmitir. Son
representaciones visuales que emplean símbolos, barras, polígonos y sectores, de los datos
contenidos en tablas o cuadros. La utilidad de los gráficos es doble, ya que pueden servir no
sólo como sustituto a las tablas o cuadros, sino que también constituyen por sí mismos una
poderosa herramienta para el análisis de los datos, siendo en ocasiones el medio más efectivo
y fácil no sólo para describir y resumir la información, sino también para analizarla
El gráfico, al igual que las tablas, debe ser auto explicativo, sencillo y de fácil
comprensión.
Las partes del gráfico son:
• Número de orden.
15
• Título
• Cuerpo o gráfico propiamente dicho
• Leyenda
El número de orden y el título deben cumplir los mismos requisitos señalados
anteriormente para la tabla o cuadro estadístico.
El cuerpo o gráfico propiamente dicho, varía en su configuración en dependencia del
tipo de dato que se representa, pero siempre debe indicar claramente las coordenadas, las
escalas y las unidades de medida, reservando el eje de las abscisas (eje X) para la variable y el
eje de las ordenadas (eje Y) para las frecuencias.
La leyenda permite identificar claramente los diferentes elementos del cuerpo del
gráfico. Existen varios tipos de gráficos, o representaciones gráficas, utilizándose cada uno de
ellos de acuerdo al tipo de información que se está usando y los objetivos que se persiguen al
presentar la información, mencionaremos algunas consideraciones que conviene tomar en
cuenta al momento de realizar cualquier gráfica a fin de que la información sea transmitida de
la manera más eficaz posible y sin distorsiones:
El eje que represente a las frecuencias de las observaciones (comúnmente el vertical o
de las ordenadas) debe comenzar en cero (0), de otra manera podría dar impresiones erróneas
al comparar la altura, longitud o posición de las columnas, barras o líneas que representan las
frecuencias. Las gráficas más comúnmente usadas en estadística descriptiva son: gráfico de
barras, gráfico de línea, gráfica circular (o "de pastel")
GRAFICO DE BARRAS
Un gráfico de barras, también conocido como gráfico de columnas, es un diagrama
con barras rectangulares de longitudes proporcional al de los valores que representan. Los
gráficos de barras son usados para comparar dos o más valores. Existen dos principales clases
de gráficos de barras:
Barra simple: se emplean para graficar hechos únicos
Barras compuesta: es muy recomendable para comprar una serie estadística con otra, para ello
emplea barras simples se distinto color o tramado en un mismo plano cartesiano, una al lado
de la otra.
16
GRÁFICO DE BARRAS SIMPLE

Gráfico Nº 1
Distribución de pacientes según indicación terapéutica, Hospital Regional Cusco - 2003
70,0%
60,0%
50,0%
40,0%
Porcentaje
63,53%
30,0%
20,0%
24,71%
10,0%
10,59%
0,0% 1,18%
Artriti Lupu Tran Escle
s re uma s e ri s p lan rosis
toide tema te re sisté
toso nal mica
sisté
mico
GRÁFICO DE BARRAS COMPUESTA

Gráfico Nº 2
Distribución de pacientes según sexo e indicación terapeútica, Hospital Regional Cusco -
2003
GRAFICO DE LINEAS
Cuando los datos se relacionan entre sí, es decir, cuando podemos decir que existe
cierta continuidad entre las observaciones (como por ejemplo el crecimiento poblacional, la
17
evolución del peso o estatura de una persona a través del tiempo, el desempeño académico de
un estudiante a lo largo de su instrucción escolar, las variaciones presentadas en la medición
realizada en algún experimento cada segundo o minuto) se pueden utilizar las gráficas de
líneas, que consisten en una serie de puntos trazados en las intersecciones de las marcas de
clase y las frecuencias de cada una, uniéndose consecutivamente con líneas:
Este ejemplo muestra el comportamiento del peso corporal (en kilogramos) de dos
individuos a lo largo de cinco observaciones anuales.
GRÁFICOS DE SECTORES
Cuando los datos representan partes de un total y se desea ver la importancia de cada
parte en relación a las otras o al total, se utiliza este tipo de diagrama.
El gráfico de sectores, gráfico circular, o, como es tradicionalmente llamado gráfico de
pastel es un diagrama circular donde los valores de cada categoría estadística representada son
proporcionales a las respectivas medidas de los ángulos (1% en el gráfico de sector equivale a
3,6º). Es decir, es el resultado de dividir un círculo en sectores circulares de ángulos
proporcionales a las frecuencias absolutas (Nº) de cada valor de la variable. Para calcular los
grados de cada sector se divide la frecuencia entre el número de datos y se multiplica por 360.
Gráfico Nº 3
Distribución de pacientes según sexo, Hospital Regional Cusco - 2003
Sexo
Femenino
Masculino
20,0%
80,0%
18
Gráfico Nº 4
Distribución de pacientes según indicación terapeútica, Hospital Regional Cusco - 2003
PICTOGRAMA - Actualmente, y mucho en los medios masivos de comunicación, se utilizan

gráficos para ilustrar los datos o los resultados de alguna investigación. Regularmente se
utilizan dibujos para representar dicha información, y el tamaño o el número de estos dibujos
dentro de una gráfica queda determinado por la frecuencia correspondiente. A este tipo de
gráfica se le llama pictograma y éstos son dos ejemplos:
El de la izquierda representa la población de los Estados Unidos (cada hombrecillo

representa a dos millones de habitantes), el de la derecha representa la masa de tres planetas
de nuestro sistema solar tomando como unidad a la masa de la Tierra (cada representa la masa
de nuestro planeta: Venus tiene masa menor y Neptuno tiene 17 veces más masa que la
Tierra).
19
ORGANIZACIÓN DE DATOS CUANTITATIVOS

DISTRIBUCION DE FRECUENCIAS
INTRODUCCION
Una distribución de frecuencias o tabla de frecuencias es una ordenación en forma de

tabla de los datos estadísticos, asignando a cada dato su frecuencia correspondiente
DEFINICIONES
Uno de los primeros pasos que se realiza en cualquier estudio estadístico es la
tabulación de resultados, es decir, recoger la información de la muestra resumida en una tabla
en la que a cada valor de la variable se le asocian determinados números que representan el
número de veces que ha aparecido, su proporción con respecto a otros valores de la variable,
etc. Estos números se denominan frecuencias.
En el caso de variables cuantitativas, existen dos posibilidades:
Si la variable es discreta, las clases serán valores numéricos y1 , y2 , yk .
Si la variable es continua las clases vendrán definidas mediante lo que denominamos

intervalos. En este caso, las modalidades que contiene una clase son todos los valores
numéricos posibles contenidos en el intervalo, el cual viene normalmente definido de la
forma:  y 'i −1 − y 'i ) donde y 'i −1 es el límite inferior y y 'i es el límite superior del intervalo.
Así tenemos los siguientes tipos de frecuencia:

Frecuencia absoluta , frecuencia absoluta acumulada, frecuencia relativa y frecuencia relativa
acumulada
Consideramos una variable estadística Y que, en una muestra de tamaño n extraída de

una población estadística, toma los valores y1  y2  .......  yk , definimos los siguientes
conceptos:
20
Llamamos tamaño muestral al número de observaciones

Tamaño de la realizadas, es decir, al número total de datos.
n k
n
muestra
i = n1 + n2 + ..........+ nk = n
i =1
Llamamos frecuencia absoluta de un valor yi de la variable

estadística Y al número de veces que aparece repetido dicho
Frecuencia valor en el conjunto de las observaciones realizadas.
ni k
n
Absoluta
i = n ; 0  ni  n i = 1, 2, ......., k
i =1
Llamamos frecuencia absoluta acumulada en el valor yi a la

suma de las frecuencias absolutas de los valores inferiores o
iguales a él.
Evidentemente, los valores yi han de estar ordenados de forma
Frecuencia creciente, como ya se ha indicado, y la frecuencia absoluta
Absoluta Ni acumulada del último valor será igual a n.
i
Acumulada Ni =  n j = n1 + n2 + .......... + ni
j =1
Nk = n
Llamamos frecuencia relativa de un valor yi de la variable

estadística Y al cociente entre la frecuencia absoluta y el número
Frecuencia de observaciones realizadas.
hi
Relativa k
n
hi = i ;  hi = h1 + h2 + ..........+ hk = 1 ; 0  hi  1
n i =1
Llamamos frecuencia relativa acumulada en el punto yi al
cociente entre la frecuencia absoluta acumulada y el número de
observaciones realizadas.
Frecuencia i
Relativa Hi H i =  h j = h1 + h2 + .......... + h j
j =1
Acumulada
Ni
Hi = ; Hk = 1
n
21
TABLAS DE DISTRIBUCION DE FRECUENCIAS PARA DATOS

DISCRETOS
yi ni Ni hi Hi
y1 n1 N1 = n1 n1 N1
h1 = H1 = h1 =
n n
y2 n2 N2 = n1 + n2 n2 N2
h2 = H 2 = h1 + h2 =
n n
yk nk Nk = n1 + n2 + + nk = n nk Nk
hk = H k = h1 + h2 + + hk = =1
n n
Ejercicio
Se quiere saber el número de hijos por matrimonio de una villa. Para este propósito, se elige
una muestra representativa de 50 matrimonios de ella. Se obtienen los siguientes datos:
0 2 1 2 2 0 1 2 1 3 2 3 2
2 2 1 2 4 2 0 3 3 3 0 2 1
4 3 1 3 2 3 3 3 4 2 2 4 2
3 3 2 3 3 2 2 4 2 2 3
Elaborar una tabla de distribución de frecuencias.
Solución
yi ni Ni hi Hi
0 4 4 0,08 0,08
1 6 10 0,12 0,20
2 20 30 0,40 0,60
3 15 45 0,30 0,90
4 5 50 0,10 1
50 1
22
TABLAS DE DISTRIBUCION DE FRECUENCIAS PARA DATOS

CONTINUOS
Agrupamos los valores de la variable estadística en intervalos de clase contiguos y
elegidos convenientemente para no perder mucha información. No existe un criterio claro de
cuál debe ser el número de intervalos que debemos escoger, algunos estadísticos establecen
que el número de clases debe ser, aproximadamente igual a la raíz cuadrada positiva del
número de datos. Normalmente, el número de intervalos de clase se suele fijar entre 5 y 20, de
tal manera que en cada clase se tengan, al menos, 5 observaciones. De todas formas, el
investigador los acomodará a las condiciones específicas del problema estadístico objeto de
estudio (se tomarán tantos intervalos traslapados como sean necesarios para recubrir todo el
recorrido de la variable).
Los extremos de los intervalos de clase se denominan límites inferior y superior
 y 'i−1 − y 'i ) y sus puntos medios yi marcas de clase (valor que nos representa la información
que contiene un intervalo).
Como cada observación debe quedar perfectamente encasillada en uno y sólo un
intervalo de clase, debemos decidir a qué intervalos pertenecen los extremos de las clases, por
lo que habrán de tomarse intervalos semiabiertos o tomando el extremo de cada clase con un
decimal más que las observaciones. Con el fin de que la clasificación esté bien hecha, los
intervalos se deben construir de manera que el límite superior de una clase coincida con el
límite inferior de la siguiente, y además, adoptando el criterio de que los intervalos sean
cerrados por la izquierda y abiertos por la derecha.
Por otro lado, tenemos la amplitud de cada intervalo, que puede ser constante o
variable. Si procuramos que todas las clases tengan la misma amplitud y los límites de cada
clase sean números redondos (múltiplos p. ej. de 5) conseguiremos simplificar mucho los
cálculos (siempre y cuando no se pierda demasiada información con estas consideraciones).
Debemos observar un hecho importante, se entiende que cuando hacemos una
agrupación en intervalos de clase, para nosotros solamente cuenta el número de observaciones
que caen dentro de cada uno de los intervalos y no la colocación en su interior, es decir,
suponemos que la distribución de estos valores en el intervalo es homogénea, en esto radica
la pérdida de información que supone agrupar los datos de las observaciones.
23
 y 'i−1 − y 'i ) yi ni Ni hi Hi
 y '0 − y '1 )
y1 =
y '0 + y '1 n1 N1 = n1
h1 =
n1
H1 = h1 =
N1
2 n n
 y '1 − y '2 )
y2 =
y '1 + y '2 n2 N2 = n1 + n2
h2 =
n2
H 2 = h1 + h2 =
N2
2 n n
 y 'k −1 − y 'k ) yk =
y 'k −1 + y 'k nk Nk = n1 + + nk = n
hk =
nk
H k = h1 + + hk =
Nk
=1
2 n n
MAS DEFINICIONES
➢ RANGO (R): Es el intervalo en que se distribuyen los datos y se determina restándole
el mayor valor observado el menor valor observado:
R = XMax - XMin
➢ AMPLITUD DE CLASE: Para una distribución de frecuencias que tiene clases del
mismo tamaño, la amplitud de clase se obtiene restando el límite inferior de una clase
del límite superior de la misma clase: Ci = y 'i − y 'i −1
R
Si la tabla de distribución de frecuencias tiene amplitud constante entonces: C =
K
➢ MARCA DE CLASE (punto medio): punto que divide a la clase en dos partes iguales.
Es el promedio entre los límites superior e inferior de la clase.
y 'i −1 + y 'i
yi =
2
La marca de clase no es más que una forma abreviada de representar un
intervalo mediante uno de sus puntos. Por ello hemos tomado como representante, el
punto medio del mismo. Esto está plenamente justificado, si recordamos que cuando
se mide una variable continua como el peso, la cantidad con cierto número de
decimales que expresa esta medición, no es el valor exacto de la variable, sino una
medida que contiene cierto margen de error, y por tanto representa a todo un intervalo
del cual ella es el centro.
24
CRITERIOS DE ELECCIÓN DE EL NÚMERO DE INTERVALOS DE CLASE Y LA

AMPLITUD
A la hora de seleccionar los intervalos para las variables continuas, se plantean varios
problemas como son el número de intervalos a elegir y sus tamaños respectivos.
El número de intervalos, k, a utilizar y el tamaño de la amplitud, C no está
determinado de forma fija y por tanto tomaremos un k y el valor de C que nos permita trabajar
cómodamente y ver bien la estructura de los datos.
1. No existe ninguna ley que defina cómo obtener el número de intervalos de clase, pero
la experiencia recomienda que no sea menor que 5 ni mayor que 20. Por lo tanto, la
R R
amplitud de clase puede ser: C  .
20 5
2. Si n  25  k = 5 . Si n  25  k = n
R
Amplitud: C = yí − yí −1 = LS − LI o C=
k
3. Regla de Sturges: k = 1 + 3,32log n

R
Amplitud: C = yí − yí −1 = LS − LI o C=
k
Ejercicio
En el siguiente conjunto de datos, se proporcionan los pesos (redondeados a la libra
más próxima) de los bebés nacidos durante un cierto intervalo de tiempo en un hospital:
3, 8, 4, 14, 8, 6, 7, 9,13, 8, 10, 9, 7, 11, 10, 8, 5, 9, 6, 2, 13, 6, 3, 7, 6, 9, 12, 4, 7, 12, 8, 8, 9,
15, 8, 9, 10, 8, 5, 8, 7, 6, 5, 10, 8, 9, 7, 5, 6, 5.
Construir una distribución de frecuencias de estos pesos.
Solución: R = 15 − 2 = 13
R R 13 13
1. 20  C  5  20  C  5
0, 7  C  2, 6
2. n  25  k = n
n = 50  k = 50 = 7, 071  7
R 13
C= = = 1,8  2
k 7
25
3. Regla de Sturges:
k = 1 + 3,32 log n = 1 + 3,32 log 50 = 6, 64
k 7
R 13
Amplitud: C = = = 1,8  2
k 7
Nro  y 'i−1 − y 'i ) yi ni Ni hi Hi

1 2-4 3 3 3 0,06 0,06
2 4-6 5 7 10 0,14 0,20
3 6–8 7 12 22 0,24 0,44
4 8 – 10 9 17 39 0,34 0,78
5 10 – 12 11 5 44 0,10 0,88
6 12 – 14 13 4 48 0,08 0,96
7 14 - 16 15 2 50 0,04 1
50 1
GRÁFICOS
1. HISTOGRAMA
El histograma es la representación gráfica en el plano coordenado de las características
concentradas en la tabla de la distribución de una variable cuantitativa continua, que
representa frecuencias mediante el volumen de las áreas. Un histograma consiste en un
conjunto de rectángulos con:
(a) En el eje de las abscisas (horizontal) se representan las clases con centros en las marcas de
clase y longitudes iguales a los tamaños de los intervalos de clase.
(b) En el eje de las ordenadas (vertical) representamos las frecuencias absolutas o relativas.
En el caso de un histograma para intervalos desiguales sólo se señalizan los valores sobre el
eje horizontal, el eje vertical no tiene sentido porque las frecuencias corresponden al área de
cada rectángulo.
Formas típicas de histogramas relacionadas con curvas de frecuencias
En el siguiente apartado se presentan varias formas de histogramas que responden a

patrones de comportamiento típico. A su lado podemos encontrar curvas de frecuencia que
aparecen normalmente en la práctica y que se relacionan con estos histogramas ya que
representan a datos con características muy parecidas.
Histograma 1: corresponde a la forma de campana habitual que representa la variabilidad

debida a causas aleatorias. A su lado podemos apreciar una curva de frecuencias simétricas o
26
en forma de campana, se caracteriza porque las observaciones equidistantes del máximo

central tienen la misma frecuencia. En este caso corresponde con la curva de la normal o
Gaussiana.
Histograma 2: con dos máximos diferenciados, responde a una distribución denominada

bimodal y se presenta cuando están mezclados datos de distinto origen centrados en valores
distintos. De igual manera la curva de frecuencia bimodal tiene dos máximos, ya que
representan a la misma colección de datos.
Histograma 3: se denomina, por su forma, sesgado a la derecha, y responde a la

variabilidad que presenta ciertas variables que no siguen una ley normal, como los tiempos de
vida. En las curvas de frecuencias poco asimétricas, o sesgadas, la cola de la curva a un lado
del máximo central es más larga que al otro lado. Si la cola mayor está a la derecha, la curva
se dice asimétrica a la derecha o de asimétrica positiva.
27
Histograma 4: parece faltarle una parte y por ello se le llama censurado o sesgado (en este
caso, a la izquierda). No representa una variabilidad natural y por tanto hay que sospechar que
se han eliminado algunos valores. Igual ocurre con las curvas de frecuencias poco asimétricas
o sesgadas a la izquierda o de asimetría negativa.
Histogramas 5: en el cual aparecen datos que no siguen el patrón de comportamiento

general (anomalías, errores, etc). Su variabilidad puede atribuirse a alguna causa asignable
que deberá ser identificada y eliminada.
2. POLÍGONOS DE FRECUENCIA
El polígono de frecuencias es una representación gráfica de la distribución de frecuencias
que resulta esencialmente equivalente al histograma y se obtiene uniendo mediante segmentos
los centros de las bases superiores de los rectángulos del histograma (es decir, los puntos de
las marcas de clase).
28
3. POLIGONO DE FRECUENCIA ACUMULADA U OJIVA

Su objetivo, al igual que el histograma y el polígono de frecuencias es representar
distribuciones de frecuencias de variables cuantitativas continuas, pero sólo para frecuencias
acumuladas.
Se unen los extremos superiores de las bases superiores de los rectángulos de la
distribución del histograma de frecuencias acumuladas.
La diferencia con el polígono de frecuencia es que la frecuencia acumulada no se plotea
sobre el punto medio de la clase, sino al final de la misma, ya que representa el número de
individuos acumulados hasta esa clase. Como el valor de la frecuencia acumulada es mayor a
medida que avanzamos en la distribución, la poligonal que se obtiene siempre va a ser
creciente y esa forma particular de la misma es la que ha hecho que se le dé también el
nombre de ojiva
EJERCICIOS
1. Los valores de una población se clasifican en tablas de frecuencias de 5 intervalos de
amplitud constante. Con los siguientes resultados:
N2 = 4n1 n4 = 2n1 n = 60 N4 = 54 n3 = 4n5 R = 30 y3 = 100
Elaborar la tabla de distribución de frecuencias, graficar el polígono de frecuencias y la Ojiva.
2. Se sabe que la edad de 50 trabajadores de la clínica Sr. de Huanca tiene una distribución
simétrica de cinco intervalos de clase, además y0' = 20 , y2' = 40 , n4 = 10 y H 4 = 0,84 .
a) Elaborar una tabla de distribución de frecuencias.

b) Graficar el histograma y el polígono de frecuencias acumulada.
29
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN
INTRODUCCION
En este capítulo consideraremos datos correspondientes a un solo carácter, el cual,
como antes dijimos llamaremos variable estadística. Todo análisis estadístico se inicia con
una primera fase descriptiva de los datos, ésta tiene por objeto sintetizar la información
mediante el cálculo de medidas estadísticas o medidas resumen que hacen referencia al
análisis de una sola variable (análisis unidimensional).
MEDIDAS DE TENDENCIA CENTRAL

Aunque se organicen los datos en una forma útil y significativa es preciso disponer de
los datos de forma tal que puedan presentarse proposiciones cuantitativas (Haber y Runyon,
1992). Una forma útil de describir a un grupo en su totalidad es encontrar un número que lo
represente (Levin, 1979). Se ha observado que una de las características que se presenta en
múltiples distribuciones de frecuencias es que los datos se acumulan alrededor de un valor
central situado entre los dos extremos de la variable que se estudia (Haber y Runyon, 1992).
En la investigación social, ese valor se conoce como una medida de tendencia central, ya que
está generalmente localizada hacia el medio o centro de una distribución en la que la mayoría
de los puntajes tienden a concentrarse (Levin, 1979). La tendencia central es un índice de
localización central empleado en la descripción de las distribuciones de frecuencias. La
capacidad de localizar un punto de tendencia central puede ser muy útil para el investigador.
Por ejemplo, podrá reducir una masa de datos a un simple valor cuantitativo que llegará a ser
comprendido y comunicado a otros especialistas.
Puesto que el centro de una distribución puede ser definido de diferentes maneras,
habrá también diferentes medidas de tendencia central. Las medidas de tendencia central
comúnmente empleadas son :
Media aritmética
Mediana
Moda
Media geométrica
Media armónica
Los fractiles – Cuartil, Decil y Percentil
30
MEDIA ARITMÉTICA
MEDIA ARITMÉTICA O PROMEDIO

La media aritmética o promedio es la medida de tendencia central comúnmente
utilizada. Es el centro de gravedad, el punto alrededor del cual los valores se aglutinan.
Usted probablemente estará íntimamente familiarizado con la media, porque siempre que
obtiene un "promedio" de calificaciones (notas) donde suman los valores de las notas y se
divide por el número total de notas se calcula la media aritmética.
La media aritmética es la sumatoria de todos los valores observados dividida entre el
número de valores que se sumaron. La media aritmética obtenida de la población se
representa con la letra griega μ y la media aritmética obtenida de la muestra se representa con
la letra latina X .
➢ Media para datos no agrupados: Para datos no agrupados, la media de una muestra
es la suma de todos los valores divididos entre el número total de los mismos:
n
x i
x1 + x2 + ....... + xn
X = i =1
=
n n
Ejemplo
Una variable de interés en un estudio del cangrejo Xanthidae (pequeño cangrejo que habita en
las proximidades de Gloucester Point, Virginia) es el número de huevos puestos por
individuo. Las siguientes son las observaciones obtenidas para 45 cangrejos: 1959, 4534,
2802, 2462 y 3412. Calcular el número medio de huevos puestos.
Solución
n
x i
1959 + 4534 + 2802 + 2462 + 3412
X = i =1
=
n 5
X = 3033,8 huevos
31
➢ Media para datos agrupados - Si los datos vienen agrupados en una tabla de
k
n y i i
n1 y1 + n2 y2 + ....... + nk yk
frecuencias, la expresión de la media es: Y = i =1
=
n n
Ejemplo
1. Una muestra de diez mercados dio el número total de infectados por COVID-19. Calcule el
número medio de infectados.
yi ni Ni ni yi
0 1 1 0
1 2 3 2
2 4 7 8
3 2 9 6
4 1 10 4
total 10 20
Solución:
n
 ni yi
20
i =1
Y = = = 2
n 10
2. En la siguiente tabla de distribución de frecuencias, se proporcionan los pesos (redondeados

a la libra más próxima) de los bebés nacidos durante un cierto intervalo de tiempo en un
hospital
 y 'i−1 − y 'i ) yi ni yi ni
2 - 4 3 3 9
4 - 6 5 7 35
6 - 8 7 12 84
8 - 10 9 17 153
10 - 12 11 5 55
12 - 14 13 4 52
14 - 16 15 2 30
50 418
Calcular el peso medio de los bebes

Solución:
n
 ni yi
418
i =1
Y = = = 8,36
n 50
32
MEDIA PARA SUBMUESTRAS
Sean X 1 , X 2 , ....., X m muestras de tamaños n1 , n2 , ....., nm . La

m
m n X j j
media aritmética de las n = nj es X = j =1

m
.
j =1
n j =1
j
MEDIA ARITMÉTICA PONDERADA

La media aritmética ponderada exige multiplicar cada valor de la variable por un
número que expresa la significación mayor o menor que tiene dentro del conjunto de valores
observados. Estos números se denominan pesos o ponderaciones. Debe tenerse bien presente
que tales números no son frecuencias:
m
w i xi
Xp = i =1
m
w
i =1
i
Ejemplo
- Supongamos tres variedades de naranja, que se venden a 6, a 8 y a 9 pesos. El precio medio
6+8+9
(media aritmética simple) es: X = = 7, 66
3
- Si las cantidades de cada clase de naranja son, respectivamente, 125, 72 y 3 la media
ponderada es:
6x125+8x72+3x9
Xp =
125+72+3
PROPIEDADES DE LA MEDIA ARITMÉTICA

1. Todo conjunto de datos cuantitativos tiene un valor medio.
2. Al evaluar la media se incluyen todos los valores.
3. Los valores extremos influyen en la media aritmética y en algunos casos pueden
distorsionarla tanto que resulte inconveniente como una medida de tendencia central.
4. Un conjunto de valores sólo tiene una media.
5. La cantidad de datos a evaluar rara vez afecta la media.
6. M  c  = c
7. M  cX  = c M  X 
33
8. M  aX  b  = a M  X   b
9. La media es la única medida de ubicación donde la suma de las desviaciones de cada valor
n
con respecto a la media, siempre es cero: ( x − X ) = 0 .
i =1
i
10. La media aritmética de los valores de una variable no varía si todas las frecuencias de su
distribución se multiplican o dividen por un mismo número.
MEDIANA
La mediana, a diferencia de la media no busca el valor central del recorrido de la
variable según la cantidad de observaciones, sino que busca determinar el valor que tiene
aquella observación que divide la cantidad de observaciones en dos mitades iguales. Por lo
tanto, es necesario atender a la ordenación de los datos, y debido a ello, este cálculo depende
de la posición relativa de los valores obtenidos. Es necesario, antes que nada, ordenar los
datos de menor a mayor (o viceversa).
Primer caso - Variable discreta y n impar

La mediana es el valor del dato central, es decir M e = X n +1
2
Ejemplo
Calcule la mediana para la edad de una muestra de cinco estudiantes: 21, 25, 19, 20 y 22.
Solución:
Al ordenar los datos de manera ascendente y es n impar quedan: 19, 20, 21, 22, 25 entonces la
mediana es 21.
Segundo caso - Variable discreta y n par

La mediana es el valor el valor de la semisuma de los valores de los dos datos centrales, es
Xn + Xn
+1
decir M e = 2 2
2
Ejemplo
1. Los siguientes datos corresponden la cantidad de hemoglobina en el primer trimestre de 8
mujeres gestantes 11,4; 11,1; 11,2; 11,3; 11,2; 11,4; 11,5; 11,2 gr/lt
Solución:
34
Ordenando los datos de mayor a menor valor: 11,1; 11,2; 11,2; 11,2; 11,3; 11,4; 11,4; 11,5. Se
observa que en la parte central de los datos no hay dato alguno por lo que la mediana se
determina con el promedio de los datos subrayados, entonces:
X4 + X5
Me =
2
11, 2 + 11,3
Me = = 11, 25 gr/lt
2
2. Una muestra de diez mercados dio el número total de infectados por COVID-19. Calcule la
mediana de los infectados.
xi ni N
0 1 1
1 2 3
2 4 7
3 2 9
4 1 10
total 10
Solución:
Xn + Xn
+1
Como n es par: M e = 2 2
2
- Primero se debe calcular las posiciones:
n 10 n 10
= = 5 y +1 = + 1 =6
2 2 2 2
Luego ubicar estas posiciones en las frecuencias absolutas acumuladas de la tabla de
distribución de frecuencias y reemplazar en la fórmula:
Xn + Xn
+1 2 + 2
Me = 2 2
= = 2
2 2
Nota: Es imprescindible para calcular el valor de la mediana el que primero se ordenen los
datos en cuanto a su magnitud, ya que, de no hacerlo se incurriría en un grave error.
Tercer caso - Variable continua

Cálculo a partir de frecuencias absolutas: La mediana se ubicará en el intervalo donde las
frecuencias absolutas toman el valor n / 2 ; que es lo mismo que decir que la mediana de una
distribución se ubicará el intervalo en el cual la frecuencia absoluta acumulada alcanza el 50%
de los datos.
35
n 
 − Ni −1 
Por lo tanto, la fórmula para calcular la mediana sería: M e = yi' −1 + C  
2
( Ni − Ni −1 )
1 
 − H i −1 
- Cálculo a partir de la frecuencia relativa: M e = yi' −1 + C  
2
( H i − H i −1 )
Ejemplo:
En la siguiente tabla de distribución de frecuencias, se proporcionan los pesos (redondeados a
la libra más próxima) de los bebés nacidos durante un cierto intervalo de tiempo en un
hospital
 y 'i−1 − y 'i ) yi ni Ni
2 - 4 (2+C) 3 3 3
4 - 6 (4+C) 5 7 10
6 - 8 7 12 22
8 - 10 9 17 39
10 - 12 11 5 44
12 - 14 13 4 48
14 - 16 15 2 50
50
Calcular la mediana del peso de los bebés recién nacidos
n 
 − Ni −1 
Solución: M e = yi' −1 + C 
2  = 8 + 2 ( 25 − 22 ) = 8,35
( Ni − Ni −1 ) ( 39 − 22 )
PROPIEDADES DE LA MEDIANA
1. La mediana es única para cada conjunto de datos.
2. No se ve afectada por valores muy grandes o muy pequeños, y por lo tanto es una medida
valiosa de tendencia central cuando ocurren.
3. Puede obtenerse para datos de nivel de razón, de intervalo y ordinal. Puede calcularse para
una distribución de frecuencias con una clase de extremo abierto, si la mediana no se
encuentra en una de estas clases.
MODA
La moda se define como aquel valor o valores que más se repiten o que tienen mayor
frecuencia entre los datos que se han obtenido en una muestra, la muestra de una población
nos genera la distribución de los datos una vez que estos se han graficado y en esta gráfica es
posible observar la moda o modas de la misma, es por esto que una distribución de datos
36
puede ser amodal (carece de moda), unimodal (tiene una sola moda), bimodal (tiene dos
modas) o polimodal (tiene más de dos modas).
La medida de tendencia central más fácil de obtener es la moda. Esto es cierto debido
a que la moda puede encontrarse simplemente por inspección más que por cálculos (Levin,
1979).
En el caso de que la variable sea continua se utiliza la siguiente expresión para calcular
la moda:
 1 
M 0 = y 'i −1 + c  donde: 1 = ni − ni −1 2 = ni − ni +1
 1 +  2 
Ejemplo
1. Las calificaciones de un examen de diez estudiantes son: 81, 93, 84, 75, 68, 87, 81, 75,
81, 87.
Solución
Como la calificación 81 es la que más ocurre, la calificación modal es 81, M 0 = 81
2. Una muestra de diez cines en una gran área metropolitana dio el número total de películas
exhibidas la semana anterior. Calcule la moda de las películas proyectadas.
xi ni
0 1
1 2
2 4
3 2
4 1
total 10
Solución:
Como el número de películas que tiene mayor frecuencia es 2, entonces:
M0 = 2
3. En la siguiente tabla de distribución de frecuencias, se proporcionan los pesos

(redondeados a la libra más próxima) de los bebés nacidos durante un cierto intervalo de
tiempo en un hospital
37
 y 'i−1 − y 'i ) ni
2 - 4 3
4 - 6 7
6 - 8 12
8 - 10 17
10 - 12 5
12 - 14 4
14 - 16 2
50
Calcular el peso de los bebés recién nacidos que está de moda.
Solución
1 = ni − ni−1 = 17 − 12 = 5 2 = ni − ni +1 = 17 − 5 = 12
 1   5 
M 0 = y 'i −1 + c   = 8 + 2  = 8,59

 1 +  2  5 + 12 
RELACIÓN ENTRE LA MEDIA, MEDIANA Y MODA

Las distribuciones pueden describirse según la forma que asume su gráfica. Cuando se
construye el polígono de frecuencias la gráfica tiene una forma que puede ser simétrica o
asimétrica.
Distribuciones simétricas: Se dice que la distribución es simétrica si se puede dividir en

dos mitades que parecen ser la imagen una de la otra. En estos casos las frecuencias en los
extremos de la distribución son idénticas es decir el sesgo es cero. También en distribuciones
unimodales cuando la media, la moda y la mediana coinciden la distribución es simétrica.
Distribuciones asimétricas: Se dice que la distribución unimodal es asimétrica cuando la

media, la moda y la mediana no coinciden.
Distribución asimétrica sesgada hacia la derecha - Si la distribución tiene algunos valores

extremos altos, entonces en la gráfica se nota una cola larga y fina hacia la derecha de la
distribución y cuando en distribuciones unimodales, la media es mayor que la mediana y estas
38
a la vez son mayores que la moda entonces, se dice que la distribución está sesgada
positivamente o que tiene un sesgo a la derecha.
Distribución asimétrica sesgada hacia la izquierda - Si la distribución tiene algunos valores

extremos muy bajos, entonces en la gráfica se nota una cola larga y fina hacia la izquierda de
la distribución y cuando en distribuciones unimodales, la media es menor que la mediana y
estas a su vez son menores que la moda entonces, se dice que la distribución está sesgada
negativamente o que tiene un sesgo a la izquierda.
FRACTILES
CUARTIL
La mediana, como vimos separa en dos mitades el conjunto ordenado de
observaciones. Podemos aún dividir cada mitad en dos de tal manera que resulten cuatro
partes iguales. Cada una de esas divisiones se conoce como Cuartil y lo simbolizaremos
mediante la letra Q agregando un subíndice según a cuál de los cuatro cuartiles nos estemos
refiriendo.
De aquí diremos que el cuartil divide al conjunto de observaciones en cuatro partes
iguales.
39
- Se llama primer cuartil Q1 a la mediana de la mitad que contiene los datos más pequeños.
Este cuartil, corresponde al menor valor que supera – o que deja por debajo de él- a la cuarta
parte de los datos.
- Se llama segundo cuartil Q2 a la mediana.
- Se llama tercer cuartil Q3 a la mediana de la mitad formada por las observaciones más
grandes. El tercer cuartil es el menor valor que supera – o que deja por debajo de él- a las tres
cuartas partes de las observaciones.

Qj = X n + 1 para j = 1, 2 y 3
x j
4

X jn + X j n
+ 1
Qj = 4 4
para j = 1, 2 y 3
2

 jn 
 − Ni −1 
Q j = y 'i −1 + C  
4 para j = 1, 2, 3
( i
N − N i −1 )
Ejemplo
Dada la siguiente distribución en el número de hijos de cien familias, calcular sus cuartiles.
yi ni Ni
0 14 14
1 10 24
2 15 39
40
3 26 65
4 20 85
5 15 100
n=100
Solución:
Xn + Xn
+ 1 X 25 + X 26 2+2
1. Primer cuartil: Q1 = 4 4
= = =2
2 2 2
X2n + X 2n
+ 1 X 50 + X 51 3+3
2. Segundo cuartil: Q2 = 4 4
= = =3
2 2 2
X 3n + X 3n
+1 X 75 + X 76 4+4
3. Tercer cuartil: Q3 = 4 4
= = =4
2 2 2
Ejemplo:
hospital
 y 'i−1 − y 'i ) yi ni Ni
2 - 4 3 3 3
4 - 6 5 7 10
6 - 8 7 12 22
8 - 10 9 17 39
10 - 12 11 5 44
12 - 14 13 4 48
14 - 16 15 2 50
50
Calcular el segundo cuartil del peso de los bebés recién nacidos
Solución
 jn 
 − Ni −1 
Q j = yi' −1 + C  
4
( Ni − Ni −1 )
Q2 = 8 + 2
( 25 − 22 ) = 8,35
( 39 − 22 )
DECIL
41
Divide al conjunto de observaciones ordenadas en diez partes iguales

Dj = X n + 1 para j = 1, 2, …., 9
x j
10

Xj n +Xj n
+ 1
Dj = 10 10
para j = 1, 2, …., 9
2

 jn 
 − Ni −1 
D j = y 'i −1 + C  
10
para j = 1, 2, …., 9
( Ni − Ni −1 )
Ejemplo:
hospital
 y 'i−1 − y 'i ) yi ni Ni
2 - 4 3 3 3
4 - 6 5 7 10
6 - 8 7 12 22
8 - 10 9 17 39
10 - 12 11 5 44
12 - 14 13 4 48
14 - 16 15 2 50
50
Calcular aquel peso que es mayor que el 80% de los pesos de los bebés recién nacidos.
Solución
 jn 
 − Ni −1 
D j = yi' −1 + C  
10
( Ni − Ni −1 )
D8 = 10 + 2
( 40 − 39 ) = 10, 40
( 44 − 39 )
42
PERCENTIL
Divide al conjunto de observaciones ordenadas en 100 partes iguales
Pj = X n + 1 para j = 1, 2, …., 99
x j
100

Xj n +Xj n
+ 1
Pji = 100 100
para j = 1, 2, …., 99
2

 jn 
 − Ni −1 
Pj = y 'i −1 + C  
100
para j = 1, 2, …., 99
( Ni − Ni −1 )
MEDIDAS DE DISPERSION
Una de las funciones de la estadística se relaciona con el cálculo de la variabilidad.
Conocer las medidas de dispersión (variación) es de suma importancia, ya que la no
consideración de diferencias puede conducir a errores de juicio en la toma de decisiones
(Sánchez, 1992). Una medida particular de tendencia central da lugar a un valor que, en
cierto sentido, "representa" a todos los valores que toma la variable estadística en estudio
(Glass & Stanley, 1974). Sin embargo, cuando se usa cualquier medida de tendencia central,
ésta nos da sólo un cuadro incompleto de un conjunto de datos y, por consiguiente, podría
conducir a conclusiones erróneas o distorsionadas (Levin, 1979), porque este proceso pasa por
alto las diferencias entre las puntuaciones en sí (Glass & Stanley, 1974). Sería incorrecto
concluir que dos conjuntos de datos son iguales sólo porque tienen las mismas medidas de
tendencia central, es decir, que el valor de la media aritmética sea el mismo para ambos
conjuntos, cuando la distancia de los datos de ambos conjuntos se distribuyen de una forma
diferente (Elorza, 1987).
Para describir una distribución en forma más completa o para interpretar con más
detalle una calificación, necesitamos información adicional acerca de la dispersión de las
calificaciones con respecto a nuestra medida de tendencia central (Haber & Runyon, 1992).
Es necesario un índice de cómo están diseminados los valores alrededor del centro de la
distribución. A tales distancias se les suele denominar medidas de dispersión o variación.
43
Las medidas de dispersión, también conocidas como medidas de variación o

variabilidad, indican el grado en que los sujetos se dispersan respecto al centro de la
distribución. A través de las mismas el investigador verifica cuán homogéneos, parecidos o
estables son los elementos bajo estudio, en contraste con otros grupos de interés (Sánchez,
1992). Si todos los valores son los mismos, no existe dispersión; si no todos son los mismos,
hay dispersión en los datos. La magnitud de la dispersión puede ser pequeña, cuando los
valores, aunque diferentes, están próximos entre sí y si los valores están ampliamente
separados, la dispersión es mayor.
Las medidas de dispersión o variabilidad más conocidas son:

Rango o recorrido
Varianza y Desviación estándar
Coeficiente de variación
RANGO
Una manera de medir la variación en un conjunto de valores es calculando el rango.
El rango es la más sencilla y directa de las medidas de dispersión (Runyon & Haber, 1992) y a
la vez la menos confiable (Sánchez, 1992). Se trata simplemente de la distancia entre el valor
menor y el valor mayor en un conjunto de observaciones. El hecho de que sólo tome en
consideración dos valores, hace que la medida sea muy pobre. Nótese que, si hay un valor
extremo en la distribución, se tendrá la impresión de que la dispersión es grande cuando, en
realidad, si hiciéramos caso omiso de esa calificación, podríamos encontrar que dicha
distribución es, por el contrario, una distribución "compacta". El rango o recorrido refleja
únicamente las dos calificaciones extremas de la distribución (Runyon & Haber, 1992), es
decir, solamente dos puntuaciones exactas de un grupo son las que los determina, ignorando
así, todas las demás puntuaciones.
El rango no puede darnos una idea precisa con respecto a la dispersión y en el mejor
de los casos, debe considerarse sólo como un índice preliminar o muy aproximado (Levin,
1977). Puede expresarse de la siguiente manera:
R = XMax - XMin
Xmax = valor máximo de los datos observados
Xmin = valor mínimo de los datos observados
44
VARIANZA Y DESVIACIÓN ESTÁNDAR

La desviación estándar es la medida de dispersión más adecuada para la estadística
descriptiva (Haber & Runyon, 1992). Tanto en la escala de intervalo como en las de razones,
la varianza y la desviación estándar son las mejores medidas de dispersión. Toman en
consideración todos los valores y controlan por el efecto de valores extremos. La desviación
estándar permite una interpretación precisa de las calificaciones dentro de una distribución
(Runyon & Haber, 1992). Si todos los sujetos son iguales en una característica (por ejemplo,
índice académico), entonces el resultado será igual a cero. Por el contrario, si aumentan las
diferencias, aumentará el índice, alejándose más y más del punto cero. La varianza se define
como las desviaciones cuadradas medias respecto a la media.
VARIANZA
La varianza también está definida como el promedio de las diferencias elevadas al
cuadrado entre cada valor que se tiene en la muestra (xi) y la media aritmética X .
- Varianza para datos no agrupados:
n
 (x − X )
i
2
S2 = i =1
n −1
1  k 2 
S2 =  
n − 1  i =1
xi − nX 2 

- Varianza para datos agrupados:
k
 ni ( yi − Y )2
i =1
S2 =
n −1
1  k 2
S =   ni yi − nY 
2 2
n − 1  i =1 
- Varianza para submuestras:

m m
 (n − 1)S +  n ( X
i i
2
i i − X )2
S2 = i =1 i =1
n −1
45
Ejemplo:
1. Los siguientes datos son la cantidad de glucosa en miligramos encontrada en muestras de
sangre de algunos pacientes, 14.2, 12.1, 15.6, 18.1, 14.3, determine su varianza.
Solución:
Lo primero que hay que calcular es la media aritmética de la muestra como ya se ha hecho
anteriormente.
− 14.2 + 12.1 + 15.6 + 18.1 + 14.3 74.3
x= = = 14.86mg
5 5
n
 (x − X )
i
2
S2 = i =1
n −1
2 2 2
( 14.2 2− 140.86 ) ++( 12
.4356 .1 − 14+.86
7.6176 ) + ....
0.5476 + 10+ (.4976
14.3 −+14
0..3136
86 ) 19.412 2
s2 = s = == = 4.853mg
5 −1 4 4
2. En la siguiente tabla de distribución de frecuencias, se proporcionan los pesos

(redondeados a la libra más próxima) de los bebés nacidos durante un cierto intervalo de
tiempo en un hospital. Calcular la varianza del peso de los bebés recién nacidos.
Solución
 y 'i−1 − y 'i ) yi ni ni ( yi − Y ) 2 ni yi2

2 - 4 3 3 3(3-8,36)2=86,1888 27
4 - 6 5 7 7(5-8,36)2=79,0272 175
6 - 8 7 12 12(7-8,36)2=22,1952 588
8 - 10 9 17 17(9-8,36)2=6,9632 1377
10 - 12 11 5 5(11-8,36)2=34,848 605
12 - 14 13 4 4(13-8,36)2=86,1184 676
14 - 16 15 2 2(15-8,36)2=88,1792 450
50 403,52 3898
k
 ni ( yi − Y )2
403,52
i =1
S2 = = = 8, 2351lb2
n −1 49
S2 =
1  k 2
  ni yi − nY  =
n − 1  i =1
2
 49
1
(
3898 − 50 8,362 ( )) = 8, 2351lb 2
Desviación estándar
Es la desviación o diferencia promedio que existe entre cada valor de la muestra y la media
aritmética de la muestra. Y se obtiene a partir de la varianza, sacándole raíz cuadrada.
S = S2
46
Ejemplo
Por tanto, la desviación estándar de los ejercicios anteriores será:
1. S = S 2 = 4,853 = 2, 20 mg
La interpretación de este resultado sería, que la cantidad de glucosa encontrada en la muestra
es en promedio de 14.86 miligramos y que la cantidad de glucosa en la muestra se aleja o
dispersa en promedio 2.20 mg alrededor de la media.
2. S = S 2 = 8, 2351 = 2,87 lb
Existe una dispersión de 8,84 lb en el peso de los bebés recién nacidos respecto al promedio.
COEFICIENTE DE VARIACION
Otra medida de dispersión que se suele utilizar es el coeficiente de variación ( CV ).
Es una medida de dispersión relativa de los datos y se calcula dividiendo la desviación típica
muestral por la media y multiplicando el cociente por 100.
S
CV = x 100%
X
Su utilidad estriba en que nos permite comparar la dispersión o variabilidad de dos o
más grupos o comparar dispersiones a escalas distintas pues es una medida invariante ante
cambios de escala. Sirve para comparar variables que están a distintas escalas pero que están
correlacionadas estadísticamente y sustantivamente con un factor en común. Es decir, ambas
variables tienen una relación causal con ese factor.
Es importante que todos los valores sean positivos y su media por tanto un valor
positivo. A mayor valor de CV mayor heterogeneidad de los valores de la variable; y a menor
CV , mayor homogeneidad en los valores de la variable
Ejemplo
Si tenemos el peso de 5 pacientes 70, 60, 56, 83 y 79 Kg y la TAS de los mismos 150, 170,
135, 180 y 195 mmHg. ¿Qué distribución es más dispersa, el peso o la tensión arterial?
Solución:
X peso = 69, 6 S peso = 11, 675
X TAS = 166 STAS = 23,822
Si comparamos las desviaciones típicas observamos que la desviación típica de la tensión

arterial (TAS) es mucho mayor; sin embargo, no podemos comparar dos variables que tienen
escalas de medidas diferentes, por lo que calculamos los coeficientes de variación:
S 11, 675
CVpeso = = = 0,168
X 69, 6
47
S 23,822
CVTAS = = = 0,1435
X 166
A la vista de los resultados, observamos que la variable peso tiene mayor dispersión.
48

Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

Estadística Descriptiva

Cargado por

Información del documento

Descripción original:

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

Estadística Descriptiva

Cargado por

Copyright:

Formatos disponibles

Bioestadística Mgt. Rina M.

La bioestadística es una rama de la estadística que se ocupa de los problemas planteados

Sin lugar a dudas, el pensamiento estadístico ha permitido establecer un sistema organizado

PRIMERA UNIDAD DIDACTICA

La estadística se clasifica en estadística descriptiva y estadística inferencial.

DETERMINACIÓN DE POBLACIÓN Y MUESTRA

Se llama muestreo al procedimiento científico que se utiliza para la obtención de

Tamaño muestral: Es el número de elementos u observaciones que tomamos en la

Un procedimiento estadístico descriptivo no hace referencia a muestra ni a población.

Variable cualitativa: Es aquella que expresa un atributo o característica, ejemplo:

o Variable nominal es cuando sus valores representan categorías que no

Variable cuantitativa: Es aquella que podemos expresar numéricamente: edad, peso,

o Variable continua la que puede tomar los infinitos valores de un intervalo. En

En el primer ejemplo se ve que es imposible probar todos los elementos de la

o ESTADÍGRAFO – Un estadístico o estadígrafo es una medida resumen cuyo valor se

Cuando se llevan a cabo investigaciones y sus resultados son comprobados como

ETAPAS DEL MÉTODO ESTADÍSTICO

➢ Crítica, clasificación y ordenación.

PLANTEAMIENTO DEL PROBLEMA

FIJACIÓN DE LOS OBJETIVOS

PROPÓSITO Y JUSTIFICACIÓN DE LA INVESTIGACIÓN

FORMULACIÓN DE LAS HIPÓTESIS

Una hipótesis que se formula acerca de un parámetro (media, proporción, varianza,

DEFINICIÓN DE LA UNIDAD DE OBSERVACIÓN Y DE LA UNIDAD DE MEDIDA

Población y muestra: Se describe la población y el lugar donde se llevará a cabo la

CRITICA, CLASIFICACIÓN Y ORDENACIÓN

El avance tecnológico y la popularización de los computadores hacen que estas tareas,

DISCUSIÓN Y ANÁLISIS DE RESULTADOS

TÉCNICAS PARA LA OBTENCIÓN DE DATOS

La entrevista: Es la técnica de obtención de información a través del diálogo, por lo que

El registro: Consiste en recoger información sobre determinadas variables en forma

INSTRUMENTOS PARA LA RECOLECCIÓN DE DATOS

Planilla de recolección de datos: Es un instrumento muy utilizado con la finalidad de facilitar

Base de Datos: Es la forma organizada y estructurada de recopilar la información obtenida de

sido sustituidas progresivamente por diversos programas de aplicación de la computación por

ORGANIZACIÓN DE DATOS CUALITATIVOS

Fuente: Se refiere al documento de donde se extrajo la información presentada. Por lo

• Primaria: Aquella de la que el investigador obtiene directamente la información

Una fuente es un documento. Frecuentemente esto se olvida, y se consignan

CUADRO O TABLA SIMPLE

Fuente: Registros del H.R. Cusco

Fuente: Registros del H.R. Cusco

CUADRO O TABLA COMPUESTA

Fuente: Registros del H.R. Cusco

GRÁFICO DE BARRAS SIMPLE

GRÁFICO DE BARRAS COMPUESTA

Fuente: Registros del H.R. Cusco

Fuente: Registros del H.R. Cusco

Fuente: Registros del H.R. Cusco

PICTOGRAMA - Actualmente, y mucho en los medios masivos de comunicación, se utilizan

El de la izquierda representa la población de los Estados Unidos (cada hombrecillo

ORGANIZACIÓN DE DATOS CUANTITATIVOS

Una distribución de frecuencias o tabla de frecuencias es una ordenación en forma de

En el caso de variables cuantitativas, existen dos posibilidades:

Si la variable es discreta, las clases serán valores numéricos y1 , y2 , yk .

Si la variable es continua las clases vendrán definidas mediante lo que denominamos

Así tenemos los siguientes tipos de frecuencia:

Consideramos una variable estadística Y que, en una muestra de tamaño n extraída de