Estadistica 1

E-I - estadística I
EDUBP | LEF | primer cuatrimestre
EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 1

í n dic e
g presentación 3
g programa 4
contenido módulos
g mapa conceptual 5
g macroobjetivos 6
g agenda 6
g material 8
material básico
material complementario
g glosario 9
g módulos *
m1 | 12
m2 | 39
m3 | 74
* cada módulo contiene:

microobjetivos
contenidos
mapa conceptual
material
actividades
glosario
g evaluación 109
impresión total del documento 109 páginas !
EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.2

p r e se nt ac ión
¡Bienvenido a la asignatura Estadística I de la Licenciatura en Educación Física!

Lo invito a ver el video presentación
Podrá visualizar el video presentación desde su plataforma
Hoy comienza el cursado de esta materia. Trato de imaginar sus expresiones y

es muy probable que esté pensando: “Mmm... de que se tratará esta materia...
¿¡voy a tener matemáticas!? ...”. Seguramente, usted debe haber respirado con
cierto alivio cuando hace un tiempo (poco o mucho) rindió y aprobó matemáticas
en la enseñanza media y se propuso a sí mismo no volver a tocar jamás –ni por
casualidad– un libro de matemáticas y, siendo coherente con su decisión, eligió
seguir una carrera que nada tuviera que ver con los números...; por eso, amén
de su vocación, se inclinó por una carrera del área social, ¿verdad?
Por todo esto, me imagino que cuando se enteró de que
había “Estadística” dentro de la propuesta de materias de
la Licenciatura en Educación Física, la asoció de inmediato
con matemáticas, ese fantasma que creía haber enterrado
en el pasado…
En primer lugar me gustaría aclarar, desde esta primera oportunidad que tenemos
de contactarnos que, para su beneplácito, la Estadística no es sinónimo de
matemáticas. Por supuesto que en esta materia vamos a trabajar con números,
y con algunas fórmulas, pero se tratará siempre de una manera aplicada y por
sobretodo aplicada al campo del deporte y de la actividad física.
Se hace necesario entender
que la Estadística no se reduce
al simple manejo de números,
es sumamente importante en el
trabajo profesional cotidiano ya
que proporciona elementos y
conocimientos necesarios para
la correcta interpretación de la
información cuantitativa y
cualitativa que se maneja, que
se consume y que se transmite.

Los métodos y procedimientos estadísticos le servirán a usted para saber cómo
presentar adecuadamente la información recopilada, incluso en sus propias
investigaciones.
Si nos ponemos a pensar, la Estadística está presente en todos los ámbitos. En
las noticias de todos los días, se presentan datos estadísticos de economía, de
política, de deporte, etc.
Es importante destacar que la mayoría de las decisiones que se toman en una
organización, cualquiera sea su tipo –incluso en la que usted mismo puede ya
estar trabajando– se basan en un análisis apropiado de datos sobre la tarea
realizada. ¿Acaso usted como profesor de Educación Física no recopiló datos
sobre sus alumnos a través de test de rendimiento físico, o de pruebas de
tiempos en determinados ejercicios físicos, por ejemplo?
La materia está estructurada en tres
módulos, los contenidos que se
desarrollan le permitirán obtener los
conocimientos básicos indispensables
en esta disciplina. Es importante
destacar que la formación es sumativa,
es decir, los temas que abarca cada
módulo no son compartimentos
estancos, todo lo contrario, se
encuentran vinculados uno con otro; es
por ello que es muy importante que
usted vaya avanzando progresivamente en el aprendizaje, en el manejo de la
terminología específica, ayudará a ello la realización de las actividades propuestas
en cada módulo, las mismas están diseñadas para que aplique y realice la
transferencia de conocimientos a situaciones reales. Las actividades cuentan
con los asistentes académicos que lo orientarán en la resolución y con las claves
de corrección que le permitirán apreciar la solución propuesta a cada caso.
Es importante que usted comprenda que el proceso de enseñanza–aprendizaje
de esta materia no se agota ni limita a la sola lectura del apartado “contenidos”,
usted también cuenta con la bibliografía básica y complementaria, la que es por
demás recomendable que usted consulte, allí encontrará la ampliación de los
temas desarrollados en los contenidos como así también podrá realizar más
ejercicios de aplicación.
Deseo que, como profesor de Educación Física, estudiante de la Licenciatura
que emprende hoy el estudio de la Estadística, logre apreciar a lo largo del
recorrido de la asignatura la importante ayuda que las técnicas estadísticas
pueden prestar a su futuro quehacer profesional, en la tarea más importante: la
toma de decisión a partir del análisis de datos.
Es mi anhelo y el de todos los responsables de la carrera que usted eligió, que

se forme como profesional capaz de comprender la incidencia de las nuevas
herramientas y tecnologías en el desarrollo del pensamiento, en la adquisición
de conocimientos y en la comunicación de los mismos. Desde esta asignatura
espero contribuir a ello y deseo que el aprendizaje sea agradable y exitoso.
Carla Carrizo Stauffer

p r o g ram a
Módulo 1: Introducción a la estadística

Concepto de Estadística. Aplicación
de la Estadística en los distintos
campos de la investigación.
Importancia del manejo de los proce-
dimientos y herramientas de la
Estadística en el campo del deporte y
de la actividad física. Las ramas de la
Estadística: Descriptiva e Inferencial.
Método de Investigación Estadística:
etapas. Población y muestra.
Unidades de análisis. Clasificación de
variables. Escalas de medición. Fuentes de datos. Instrumentos de recolección
de datos. Usos incorrectos de la Estadística. La ética en el uso de las herramien-
tas estadísticas.
Módulo 2: Organización y presentación de datos estadísticos

Formas de presentación de los datos. Tablas y gráficos estadísticos: construcción
e interpretación del contenido. Tipos de tablas y gráficos. Distribuciones
unidimensionales y bidimensionales: series simples y distribuciones de
frecuencias, tablas de doble entrada. Uso correcto e incorrecto de las tablas y
gráficos estadísticos. La computadora y la generación de tablas y gráficos.
Módulo 3: Medidas descriptivas

Parámetros y estadísticos. Concepto de medidas resumen. Medidas de posición:
Media aritmética, Mediana, Modo, Percentiles. Medidas de dispersión: Rango,
Varianza, Desviación estándar, Coeficiente de variación. Medidas de forma:
Asimetría y Puntiagudez. Aplicaciones y estudio de casos. Interpretación de las
medidas descriptivas, utilidad en el campo profesional. La computadora y el
cálculo de las medidas resumen.

m a p a c o nc e pt u al

m a c r o o b j e t ivos
• Conocer la importancia de la Estadística y aprender el manejo de las

herramientas y procedimientos estadísticos para aplicarlos al análisis de los
datos de fenómenos sociales en general y deportivos en particular, con el fin
de obtener resultados útiles para investigaciones futuras en su disciplina de
trabajo y estudio.
• Presentar correcta y adecuadamente la información que surja de la
recolección de datos relacionados con la actividad física y el deporte, a
través de la construcción de tablas y gráficos estadísticos, con el fin de
describir y caracterizar conjuntos de datos que puedan surgir de poblaciones
o muestras bajo estudio, en situaciones reales de su campo profesional.
• Aplicar a los conjuntos de datos deportivos (por ejemplo: rendimiento,
morfología, etc.), procedimientos estadísticos descriptivos, con el fin de
caracterizar y describir los grupos de interés y posibilitar su comparación
(por ejemplo en función de la edad, el sexo, el tipo de deporte, etc.).
• Apropiarse de los conocimientos acerca de los procedimientos y herramientas
que le brinda la Estadística para transferirlos a situaciones reales de su
actividad profesional y poder, a su vez, plantear investigaciones en el campo
del deporte y la actividad física.
a g e n da
El ritmo de vida actual nos encuentra con diversas actividades y responsabilidades

que atender y cumplir, por lo que los tiempos para el estudio de una carrera no
son totales. Si bien es cierto que el proceso de aprendizaje de cada uno es
diferente, no menos cierto es que dicho proceso implica leer el material básico,
realizar las actividades, comprender y aprender los distintos temas, también y
por sobre todo requiere una organización adecuada de los tiempos de estudio.
La intención es ofrecerle sugerencias en cuanto al porcentaje que se le ha
asignado a cada módulo según la importancia y complejidad de los temas y
el tiempo estimado que puede insumir cada módulo en relación al total de la
asignatura. Esto le permitirá realizar una mejor distribución de sus tiempos de
estudio por módulos y por asignaturas, lo que redundará en el logro de sus
objetivos de una manera más eficiente.
Pensando en esto, se le presenta la siguiente tabla con los módulos de la
asignatura y los tiempos estimados que insumirá cada uno. Usted lo podrá
reproducir en un cuadro general para todas las asignaturas del cuatrimestre
donde le será posible distribuir los tiempos por año de cursado.
MÓDULO % DE TIEMPO ESTIMADO

I 20%
II 35%
III 45%
Total 100%

La distribución del tiempo en semanas se presenta a continuación:
MÓDULOS
SEMANA
1 2 3
1
8 Primera Etapa de Evaluación
10
11
12
13
14
Segunda Etapa
15
de Evaluación
m a t e rial
Material básico
• TRIOLA, Mario F. Estadística. México, Pearson, 10ma. ed., 2009.
Material complementario
• ELORZA PÉREZ – TEJADA, Haroldo. Estadística para las ciencias sociales,
del comportamiento y de la salud. México, CENGAGE Learning, 3ra.ed.,
2008.
• LEVINE, David, M. et al. Estadística para administración, México, Pearson
Educación, 4ta ed., 2006.

g l osario
Amplitud de intervalo: distancia entre los extremos de un intervalo.

Coeficiente de variación: medida de la dispersión relativa de un conjunto de
datos. Se calcula dividiendo la desviación estándar con la media aritmética y
generalmente se multiplica el cociente por 100.
Datos cualitativos: datos que se corresponden con las variables cualitativas.
Datos cuantitativos: datos que se corresponden con las variables cuantitativas.
Los datos cuantitativos siempre son numéricos.
Dato estadístico: todo dato de cualquier naturaleza que puede ser comparado,
interpretado y analizado.
Desviación estándar: medida de la dispersión de un conjunto de datos
cuantitativos; se calcula sacando la raíz cuadrada positiva de la varianza.
Diagrama: figura o dibujo que contiene un gráfico estadístico. Parte de un
gráfico.
Dispersión: distancia entre un valor de la variable y un valor particular de
posición (generalmente la media aritmética).
Distribución: conjunto, arreglo o grupo de valores de una variable numérica.
Distribución asimétrica o sesgada: distribución que no presenta simetría.
Distribución simétrica: distribución a la que es posible dividir en dos partes que
son como imágenes en un espejo.
Distribución unidimensional: distribución para los valores de una sola variable.
Estadística: el arte y ciencia de reunir, analizar, presentar e interpretar datos
para la toma de decisiones.
Estadística descriptiva: rama de la Estadística que describe conjuntos de datos
provenientes de poblaciones o muestras.
Estadístico: medida descriptiva calculada a partir de los datos de una muestra.
Frecuencia: cantidad de ocurrencias de mismo valor de una variable.
Fuente: métodos a los que se recurre para la obtención de la información.
Fuente de tablas o gráficos: origen de los datos presentados en una tabla o en
un gráfico estadístico.
Gráfico de barras: presentación gráfica para variables nominales u ordinales,
en la que cada barra representa las frecuencias de cada categoría.
Gráfico de bastones: presentación gráfica para las frecuencias simples de una
variable cuantitativa discreta.
Gráfico estadístico: manera visual de presentación de datos, a través de un
diagrama o dibujo, según el tipo de variable a presentar.
Histograma: presentación gráfica adecuada para variables cuantitativas
continuas, para mostrar las frecuencias simples o relativas. Se traza colocando
los intervalos de clase sobre el eje horizontal y las frecuencias sobre el eje
vertical.
Inferencia: proceso estadístico de extraer conclusiones respecto de la población
a partir de los datos de una muestra representativa.

Intervalos o clases: categorías en las que se presenta una tabla para variables
continuas; cada intervalo tiene un límite inferior y uno superior.
Intervalo modal: intervalo de clase que presenta la mayor frecuencia simple.
Media aritmética: medida de tendencia central para una variable cuantitativa.
Se calcula sumando los valores de una variable divididos por el total de las
observaciones.
Mediana: observación central en un conjunto de datos que están ordenados por
su magnitud.
Medidas resumen: medidas que se le calculan a los conjuntos de datos y
permiten caracterizar las propiedades de los mismos. Las medidas resumen
pueden ser: medidas de posición, de dispersión o variación y de forma.
Modo o moda o valor modal: valor (o categoría) que ocurre con más frecuencia
en un conjunto de datos.
Muestra: subconjunto, parte de la población objeto de estudio.
Ojiva: gráfica para la distribución de frecuencias acumuladas de variables
cuantitativas continuas.
Parámetro: medida descriptiva calculada a partir de los datos de una población.
Pictograma: gráfica que consiste en una cantidad de símbolos o íconos de un
mismo tamaño donde cada uno de ellos representa la misma clase de información
con un valor fijo.
Población: el conjunto de todos los elementos de interés en determinado
estudio.
Promedio: cualquiera de las medidas de tendencia central.
Punto medio o marca de clase: valor medio, de los extremos, de un intervalo en
las tablas de distribución de frecuencias por intervalos.
Rango o recorrido: diferencia entre el valor más grande y el más pequeño en
un conjunto de datos.
Serie simple: presentación de las observaciones tal como se suceden.
Serie de tiempo: método gráfico para la presentación de los valores de una
variable medida a través del tiempo.
Tabla cruzada: presentación de los datos clasificados según las categorías de
dos variables.
Tablas estadísticas: arreglos de datos en filas y columnas para su presentación
de manera apropiada según el tipo de variable.
Unidad estadística: cada elemento que individualmente constituye la población.
A cada unidad estadística se refiere el dato o característica analizada. La unidad
estadística también se la suele llamar unidad de observación, unidad elemental
o unidad de análisis.
Unidad de relevamiento: qué o quién nos proporciona el dato. A veces la unidad
de relevamiento puede coincidir con la unidad estadística.
Variable: toda característica de interés de los elementos en estudio.
Variable cualitativa: variable que asume categorías.
Variable cuantitativa: variable que asume valores cuantitativos o numéricos.
Varianza: promedio de los cuadrados de las diferencias entre los valores de una
variable cuantitativa y la media aritmética.

m ó d u los
m1
m1 microobjetivos
• Presentar una visión general de la estadística y la importancia de la

generalización de los resultados a una población objetivo, a partir de la
distinción entre el concepto de población y el de muestra representativa
pudiendo así, extraer conclusiones válidas y útiles para un estudio o
investigación en particular.
• Aprender a plantear y delimitar correctamente una población objeto de
estudio, distinguiendo los conceptos y elementos que se involucran en una
investigación, para obtener resultados relevantes en el campo de la actividad
física y el deporte.
• Clasificar correctamente las variables en estudio, permitiendo un adecuado
diseño de los instrumentos de recolección de datos para generar resultados
útiles y relevantes en una investigación.
m1 contenidos
Todo se empieza con un primer paso…
Comenzamos con el
desarrollo de la materia y
para ello lo invito a ver el
video presentación del
módulo es posible que usted
se encuentre por primera vez
(o así lo piense) con
contenidos vinculados a la
estadística, es la intención
que desde el primer
momento pueda descubrir que usa conceptos y términos que se
desarrollarán en esta materia muy a menudo, en la vida cotidiana y
por supuesto en su labor diaria como profesor de Educación Física.
¡Lo invito a descubrir el mundo de la estadística!

1. ¿Qué es la estadística?
1.1. ¿Qué entendemos por estadística moderna?
Sin intención de plantear una definición de estadística en el sentido más estricto,

trataremos de presentar un concepto y, más aún, intentaremos que usted
construya su concepto de estadística, adecuándolo al campo profesional en que
le toque actuar.
Diariamente nos encontramos con una gran cantidad y amplia variedad de
información relativa a distintos fenómenos: datos deportivos, resultados de
encuestas de opinión, actividad del mercado de valores, tasas de desempleo,
pronósticos de ganadores, inventarios, stock, efectividad de una nueva
vacuna para la gripe, aceptabilidad de un nuevo producto alimenticio, etc. Las
situaciones planteadas presentan diferente naturaleza y complejidad, pero cada
una de ellas involucra la necesidad de poseer conocimientos en estadística para
poder resolverlas, ya que se necesita de la colección de datos, de la predicción
y de la toma de decisiones.
Podemos decir entonces que:
La estadística moderna abarca la recolección, presentación y caracterización de
información, tanto para el análisis de datos como para ayudar en el proceso de
toma de decisiones.
En general podemos establecer (sin que esto pretenda ser una única definición)
que la estadística comprende:
Un conjunto de métodos, técnicas y procedimientos cuyo objetivo es

recolectar, clasificar, ordenar, describir y analizar datos, con el fin de
transformarlos en información útil, a un costo mínimo, para la toma
de decisiones.
Resulta fácil entender la importancia de poseer conocimientos en estadística, es

más, en la actualidad existe bastante consenso entre los profesionales de las
distintas áreas –incluso en las áreas sociales– en aceptar el papel crucial que juega
el análisis estadístico en toda investigación, más aún en el mundo globalizado
en que nos toca vivir y actuar, con el uso generalizado de las tecnologías y la
existencia de bases de datos para prácticamente cualquier fenómeno que se
desee estudiar.
Dentro de una organización
(cualquiera sea ella) muchos puestos
clave requieren del conocimiento
básico de la estadística para el
análisis de datos, la generación de
informes y de estudios basados en
estadística. Es más, sin los
procedimientos estadísticos, hoy
ninguna organización podría procesar
y entender la inmensa cantidad de
datos que genera su propia actividad.
Es posible afirmar que en el contexto actual mediados por las tecnologías de la
información y la comunicación el profesional que sea solo intuitivo tendrá cada
vez menos lugar en la sociedad de hoy.

Sea cual fuera la definición que se adopte de estadística, resulta difícil oponerse a
su utilidad y necesidad. Lo invitamos a pensar en su propia actividad profesional
y vincularlo con lo que presentamos acerca de la importancia de contar con
conocimientos estadísticos.
1.2. Haciendo historia...

Es difícil situar con total precisión el origen histórico de la estadística. En el amplio
campo de la estadística teórica confluyen diversas corrientes y aportaciones.
A lo largo de la historia registrada se han recabado datos. Para las civilizaciones
antiguas la recolección de datos tenía como propósito fundamental el cobro
de impuestos y el reclutamiento militar. En el Antiguo Testamento se hace
referencia a varios registros censales. En la Edad Media se conoce la existencia
de registros donde se asentaba la propiedad de las tierras, y alrededor del
año mil quinientos, tanto en Francia como en Inglaterra se llevaban registros
acerca de nacimientos, muertes y matrimonios, realizados especialmente por
las instituciones eclesiásticas. En el año 1662 se emplearon listas que databan
de tres décadas aproximadamente con el fin de realizar predicciones acerca del
número de personas que morirían de diversas enfermedades y la proporción
de nacimientos de ambos sexos que se podrían esperar. Por otro lado, en la
América colonial se llevaron diversos tipos de registros.
Así podríamos seguir haciendo mención a la necesidad que siempre existió, a
través de los años, de recopilar datos y de poder realizar predicciones, hasta
llegar a la actualidad donde encontramos a la estadística inserta en problemas
concretos de nuestra vida cotidiana.
Lo invitamos a ver el siguiente video en el que usted podrá apreciar

cómo la estadística forma parte de la vida del hombre desde tiempos
muy remotos.
https://www.youtube.com/watch?v=-TGCaLLuEIE

2. Las dos grandes ramas de la estadística
Es posible hacer, desde un enfoque teórico, una división de la estadística en dos
partes o ramas:
2.1. Estadística descriptiva
Podemos definir a la estadística descriptiva como el conjunto de métodos y
técnicas que se relacionan con el resumen y la descripción de datos, ya sea
a través de gráficos o bien mediante el análisis de cálculos correspondientes
a medidas resumen o indicadores. Como su nombre lo indica, se ocupa de
“describir” apropiadamente las características de conjuntos de datos.
Para describir un conjunto de datos se utilizan “medidas resumen: estadístico y
parámetro” (más adelante, en el módulo 3, aclararemos estos conceptos).
Si bien los métodos estadísticos descriptivos son importantes al tiempo de
presentar y caracterizar los datos, han servido como base para el proceso de
generalización de resultados y además para mejorar la teoría de probabilidad,
haciendo posible así aplicar la estadística a todos los campos de la investigación.
2.2. Estadística inferencial
La estadística inferencial o inferencia estadística, comprende métodos y técnicas
por medio de las cuales, basándose en la información proporcionada por una
parte de un todo (muestra), se toman decisiones sobre el todo (población); debido
a que esas decisiones se toman en condiciones de incertidumbre requeriremos
del uso de conceptos de probabilidad.
Los procedimientos de inferencia estadística sirven para generalizar los
resultados desde una muestra (representativa) hacia la población objeto de
estudio. Avanzaremos en temas de inferencia en la materia Estadística II, en tanto
que en esta materia abordaremos principalmente lo relacionado a la estadística
descriptiva.
Es necesario que aclaremos que la “materia prima” con la que trabaja la estadística
son los “Datos Estadísticos”. Nos preguntamos entonces: ¿cualquier dato es un
dato estadístico? La respuesta es NO. Un dato es un “dato estadístico” cuando
es posible compararlo, analizarlo, interpretarlo. Por ejemplo, si le preguntara
la edad solamente a usted, alumno a distancia de Estadística I y me contesta
“24 años”, ese es un dato, pero NO es un dato estadístico. Si en cambio, les
preguntara la edad a todos los alumnos inscriptos para cursar a distancia la
materia, obtendría varios datos expresados en años, esos datos SÍ son datos
estadísticos, pues se pueden comparar, analizar e interpretar.
Lo invitamos a pensar en datos estadísticos en su disciplina, en su lugar de
trabajo, etc.
Vamos a avanzando con con-

ceptos de estadística y, a esta
altura podríamos formularnos la
siguiente pregunta: ¿Para qué
necesitamos recolectar datos?
Podrían plantearse cuatro razo-
nes de importancia.

Tal como lo plantean Berenson y Levine (1996), los datos se necesitan para:
• Proporcionar la introducción imprescindible para un estudio de investigación.
• Medir el desempeño en un servicio o proceso de producción en curso.
• Ayudar en la formulación de cursos alternativos de acción en un proceso de
toma de decisiones.
• Satisfacer nuestra curiosidad.
Veamos algunos ejemplos:

• El D.T de un equipo de fútbol desea lograr un mayor rendimiento y velocidad
de reacción entre los jugadores que están entrenando para el próximo
campeonato; para ello decide introducir una nueva rutina de ejercicios
aeróbicos.
• El gerente desea controlar un proceso de manera regular para investigar si la
calidad del servicio proporcionado o de los productos fabricados se ajusta a
los estándares de la compañía.
• El investigador de mercado busca las características que distinguen un
producto de sus competidores.
• Un laboratorio necesita determinar si una nueva medicina para calmar los
dolores y contracturas musculares en los deportistas es más eficaz que la
actualmente en uso.
3. Datos
Son variados los métodos a los cuales se puede recurrir para obtener los datos
que se necesiten para una determinada investigación. Pueden ser fuente de
datos:
• Publicaciones provenientes del sector público (nacionales, provinciales o
municipales) o privado (Cámaras empresarias, Fundación de Investigaciones
Económicas Latinoamericanas –FIEL–, Instituto de Investigaciones
Económicas de la Realidad Argentina y Latinoamericana –IIERAL–, etc.), o
industriales o individuales.
• Diseño de un experimento: a través de un experimento se trata de controlar
el tratamiento que se da a los participantes.
• Elaboración de una encuesta: se utiliza cuando los registros internos y los
datos publicados no son apropiados para un estudio en particular.
Nos encontramos inmersos en contextos en los que Internet y las demás
tecnologías nos permiten acceder a datos en tiempo real, a bases de datos que
antes eran impensadas. Pensemos en lo cotidiano, por ejemplo: los códigos
de barras registran automáticamente la información de inventario al comprarse
un producto en el supermercado; los sistemas de cómputos permiten que
las transacciones bancarias se hagan en segundos; los agentes de viajes
y las compañías aéreas tienen información de último momento respecto a la
disponibilidad de espacios en hoteles, en vuelos, etc. También el uso de las
bibliotecas ha tomado un nuevo significado: ya no hace falta visitar una biblioteca
para tener acceso a un libro o a un folleto, etc.
Más allá de la fuente utilizada, hay que distinguir entre el recolector original
de los datos y la organización o individuos que compilan éstos en tablas y
diagramas, por ejemplo. Al recolector de datos se lo denomina fuente primaria;
el compilador de los datos, la fuente secundaria.

Vamos a ver ahora cuáles son las etapas del método estadístico, abordándolas
desde su inserción en el proceso de investigación.
El papel de la estadística en el proceso de investigación en el área de las
ciencias sociales es crucial, pero todo lo relativo al diseño metodológico de
la investigación que se pretende encarar debe plantearse y resolverse con
anterioridad, partiendo de una conceptualización clara y de un marco teórico
adecuado al problema.
Si el problema de la investigación no está bien planteado o definido, será poco
y pobre el aporte de cualquier aparato estadístico, por sofisticado que éste sea,
ya que los resultados no van a mejorar por su empleo. Es por eso que hay que
entender a la estadística como un auxiliar en la investigación, siendo por cierto
una herramienta imprescindible en toda investigación.
4. Etapas del Método Estadístico

Podemos dividir las etapas del método estadístico en cinco pasos básicos:
• Recopilación
• Organización
• Presentación
• Análisis
• Interpretación
Explicaremos brevemente cada una de ellas.
4.1. Recopilación
En esta etapa obtenemos datos estadísticos, ya sea que se obtengan de
información que proviene de la organización en la cual realizaremos la
investigación –que llamaremos datos internos–, o bien los llamados datos
externos, que surgen de la información que obtenemos de publicaciones
realizadas por organismos públicos, privados o de encuestas.
4.2. Organización
Una vez obtenidos los datos, estos deben ser corregidos, clasificados y
tabulados. Este proceso debe seguirse sobre todo para los datos que surgieron
de una encuesta, ya que a partir de la información recopilada podrían presentarse
inconsistencias, omisiones o resultados poco relevantes, los cuales deben
ser corregidos y completados, de manera tal que se resuelvan los problemas
detectados.
La clasificación consiste en agrupar la información bajo algún criterio (cronológico,
geográfico, cualitativo o cuantitativo), y por último la tabulación implica crear una
base de datos, la que permita sistematizar la carga de los mismos para luego
poder realizar el procesamiento y presentación adecuada de los mismos.
4.3. Presentación
La presentación de los datos se realiza principalmente a través de tablas y gráficos
estadísticos -este tema lo veremos en el módulo 2-, también es posible hacer
una presentación literal que significa expresar la información mediante palabras;
esta forma de presentar los datos recopilados sólo se adecua cuando éstos son
escasos, o bien es común su empleo cuando se presentan las conclusiones del
estudio.

Los gráficos y las tablas son un medio visual para presentar los datos estadísticos;
que le permite al lector tener una apreciación de lo que se investiga e interpretar
la información contenida en esas presentaciones.
4.4. Análisis
Esta etapa comprende la búsqueda de relaciones entre los datos a fin de sacar
conclusiones acerca de los mismos.
El grado de relación entre dos o más conjuntos de datos podrá ser encontrado a
través del análisis apropiado, mediante la aplicación de distintos procedimientos
estadísticos adecuados al tipo de información con la que se trabaje.
4.5. Interpretación
Luego del análisis de los resultados, éstos deben ser interpretados, conduciendo
a tomar decisiones de manera correcta. En esta etapa se realizará el proceso de
inferencia o inducción estadística.
Es necesario aclarar que para poder aplicar las etapas del método estadístico
es indispensable haber “planteado correctamente el problema”, es decir, saber
perfectamente cuál es el objetivo de nuestra investigación. Esto es muy importante
porque, si no se tiene claro el objetivo, no se podrá diseñar adecuadamente el
trabajo y se corre el riesgo de buscar incorrectamente la información, y si se parte
de una incorrecta toma de datos no se podrá arribar a conclusiones válidas. No
hay que perder de vista que el fin último de la aplicación de la estadística es la
“toma de decisiones”.
Vamos a presentar ahora algunos conceptos que son básicos para manejarnos
con la estadística.
5. Población y Muestra
5.1. Población
Se denomina población o universo al conjunto de elementos o unidades sobre

las cuales se desea realizar una investigación. Esas unidades pueden ser
personas, objetos, organizaciones, etc., dependiendo del tema y problema de
investigación o estudio.
La población o universo podrá ser finita o infinita.
Una población puede ser definida como finita cuando contiene un número finito
de unidades, las cuales son posibles de ser listadas o enumeradas. Como
ejemplo de poblaciones finitas podríamos hacer referencia a todos los alumnos
inscriptos en las carreras a distancia de la Universidad Blas Pascal, las empresas
dedicadas a la producción de alimentos en nuestro país, los alumnos morosos
en el pago de la cuota de la cooperadora de un determinado club deportivo,
todos los adolescentes federados a la Asociación Cordobesa de Fútbol, todos
los profesores de educación que se desempeñan como entrenadores de los
equipos de básquet y natación en los colegios de la provincia de Córdoba, todas
las escuelas de verano de la ciudad de Buenos Aires, etc.
Una población será infinita cuando la misma se encuentra constituida por un
número infinitamente grande de unidades, las cuales resultan imposibles de ser
listadas o contadas. Como ejemplo de población infinita podemos mencionar a
la población infestada con cierto virus, todos los aficionados al fútbol residentes
en la provincia de Córdoba, la población constituida por todos los caramelos

producidos por una fábrica de golosinas, todos los seguidores y público que
concurren a los distintos lugares donde se corren las pruebas especiales del
Rally de la República Argentina, la cantidad de estrellas en el firmamento en una
noche de verano, etc. Cuando las observaciones estadísticas que son de interés
para el investigador no se pueden limitar en el tiempo o en el espacio se suele
denominar a este universo infinito como universo conceptual.
Es importante señalar que la población objeto de estudio debe estar

perfectamente delimitada en tiempo y espacio, es decir ninguna
duda debe quedar de cuál es la población que se desea estudiar
o investigar. Por ejemplo, un planteo y delimitación correcta de la
población es: “Todos los alumnos inscriptos para cursar la Licenciatura
en Educación Física, modalidad a distancia de la Universidad Blas
Pascal en el año 2016”
5.2. Muestra
Es una parte, una porción, un subconjunto
de la población. En general, trabajaremos
preferentemente con una muestra antes y
no con toda la población objeto de
estudio, ya que reduciremos costos y
tiempos. En ocasiones se hace imposible
trabajar con la población.
La muestra es una parte de la población
o universo y, esa muestra será utilizada
para sacar conclusiones acerca de
toda la población bajo estudio, es muy
importante que la muestra con la cual se
trabaje sea representativa.
¿Qué significa una muestra representativa? Una muestra es representativa
cuando posee las características de la población que se estudia. Retomando el
ejemplo de población planteado más arriba, una muestra representativa debería
incluir a estudiantes de ambos sexos y de las distintas provincias del país. No
sería una muestra representativa si se seleccionaran por ejemplo solo alumnos
inscriptos en la carrera de sexo masculino o bien solo personas residentes en
algunas ciudades y no en todas; si bien serían una muestra de alumnos de la
carrera, la misma no reuniría la característica de ser representativa de todos los
alumnos inscriptos para cursar la Licenciatura en Educación Física, modalidad a
distancia de la Universidad Blas Pascal en el año 2016.
La estadística proporciona diversos métodos para seleccionar una muestra, se
denominan métodos de muestreo.
6. Unidad estadística o elemental o de observación

La unidad estadística, o unidad elemental o unidad de observación, es cada uno
de los elementos de la población o universo bajo estudio.
La unidad estadística puede estar constituida por un solo elemento de la
población o por un conjunto de ellos. Por ejemplo, si se desea estudiar la edad
de los alumnos de un determinado Bachillerato Nocturno, la unidad estadística

en este caso será cada uno de los alumnos de dicho establecimiento; en cambio,
si se desea conocer el ingreso promedio familiar de un determinado barrio de
nuestra ciudad, la unidad estadística es cada una de las familias del barrio, y allí
cada familia está compuesta por más de una persona.
Genéricamente podemos decir que la unidad estadística es “a qué o a quién se
refiere el dato o información”.
7. Unidad de Relevamiento
La unidad de relevamiento es hacia dónde nos dirigimos para obtener la
información que deseamos. Es quién o qué nos da la información o el dato.
La unidad de relevamiento puede coincidir a veces con la unidad estadística.
Por ejemplo, en el caso que planteamos recién, si se desea conocer la edad de
los alumnos, la unidad estadística y la de relevamiento coinciden, pues es cada
uno de los alumnos; en tanto que si lo que se quiere conocer es con qué nota
promedio pasaron de grado, la unidad estadística es cada uno de los alumnos
y la unidad de relevamiento serán los registros de la escuela donde se dejan
asentadas las notas de los alumnos.
8. Variables
Una variable es cualquier característica que se desea analizar, variando de una
unidad estadística a otra. Los datos estadísticos son un conjunto de resultados
que se presentan para cada variable en estudio, los cuales podrán ser analizados,
relacionados, interpretados.
8.1. Clasificación según la naturaleza
Los variables pueden ser clasificadas, según su naturaleza, de la siguiente

manera:
a) Cualitativas: son aquellas que, ante una determinada pregunta, arrojan
respuestas categóricas. Es decir, las variables cualitativas asumen categorías.
Ejemplos de variables cualitativas son:
• Sexo del alumno de la clase de gimnasia aeróbica.
• Color de cabello de los estudiantes de cuarto grado de un colegio.
• Nacionalidad de los jugadores del mundial de fútbol.
• Preferencia de los alumnos por un determinado turno de clases.
• Carrera que cursan los alumnos de la UBP.
b) Cuantitativas: son aquellas que, ante una pregunta determinada, arrojan

respuestas numéricas. Es decir, las variables cuantitativas asumen valores
(que se expresan en cantidades numéricas).
Las variables cuantitativas, a su vez, se pueden clasificar en:
- Discretas: asumen ciertos y determinados valores enteros. Los datos surgen
de un proceso de conteo.
Por ejemplo:
• Cantidad de materias aprobadas en el primer cuatrimestre de una carrera
terciaria.
• Número de goles realizados en el campeonato por de un equipo de fútbol.

• Cantidad de bancos en un aula de una escuela rural.
• Cantidad de inasistencia a los entrenamientos de atletismo.
- Continuas: asumen valores dentro de un determinado intervalo. Pueden

corresponder con valores no enteros, es decir con decimales. Los datos
surgen de un proceso de medición.
Por ejemplo:
• Edad de los alumnos de la Licenciatura en Educación Física de la UBP.
• Temperatura durante la primera semana de invierno del año pasado.
• Kilómetros recorridos por un maratonista.
• Distancia en metros entre dos autos estacionados en una misma cuadra.
• Cantidad de lluvia caída durante un temporal en el mes anterior.
• Salario de los profesores de educación física en la ciudad de Córdoba.
• Prima anual cobrada por los jugadores de primera división de fútbol.
Cabe señalar que hay datos cuantitativos cuya naturaleza es continua, pero
que por razones de practicidad son presentados con valores enteros, como si
fueran discretos. Tal es el caso de la variable edad expresada en años; cuando
se nos pregunta la edad sólo decimos la cantidad de años cumplidos, cuando
en realidad la variable tiempo es continua y se debería decir, tengo tantos años,
tantos meses, tantos días, etc. Entonces si bien, se pueden expresar los valores
de una variable cuantitativa continua a través de valores enteros, esto no cambia
la naturaleza continua de la variable, es por ello que al momento de clasificar una
variable se debe atender a la naturaleza de la misma.
8.2. Clasificación según la escala de medición
La otra manera de clasificar a las variables en estudio es mediante las escalas

de medición.
A continuación, se presentan las escalas de medición, desde el nivel de menor
jerarquía al de mayor jerarquía. Mientras más alta sea la posición que ocupa el
dato en la escala de medición, más información contendrá.
8.2.1. Escala nominal

Este es el nivel más bajo de medición. Una variable está en escala nominal cuando
asume categorías, esas categorías son mutuamente excluyentes y exhaustivas.
Sólo se puede interpretar que las categorías son diferentes entre sí, sin que
se pueda concluir que una categoría es superior a otra y, por lo tanto, no tiene
sentido ningún orden entre ellas. Ejemplos de variables en escala nominal: el
estado civil, el sexo, la religión, el tipo de vivienda, regiones geográficas, el
deporte favorito, etc .
8.2.2. Escala ordinal

Una variable está en escala ordinal cuando, además de incluir las propiedades
de una escala nominal (categorías exhaustivas y excluyentes), las categorías
en que asume la variable pueden ser ordenadas en el sentido de “mayor que”
o “menor que”. Este tipo de medición es más alto que el nominal, ya que no
sólo se pueden distribuir las observaciones en categorías diferentes, sino que,
también se pueden ordenar esas categorías.

En general, cuando se mide un determinado fenómeno en términos de alto, medio
y bajo, o cuando las respuestas vienen dadas en términos de “muy de acuerdo”,
“bastante de acuerdo”, “poco de acuerdo” o “nada de acuerdo”, estamos frente
a una medición ordinal.
Es importante destacar que el nivel de medición ordinal no ofrece información
respecto de la magnitud de las diferencias entre las categorías. Una categoría
de la variable en escala ordinal es mayor que la siguiente o es menor que la
precedente.
8.2.3. Escala de intervalo

Una variable que está medida en escala de intervalo, la variable asume valores,
entre los valores de la variable es posible establecer diferencias o distancias.
Lo que caracteriza a esta escala de medición es la existencia de una unidad de
medición común y constante, permitiendo asignar un número real a todos los
pares de valores del conjunto de datos. En la escala de intervalo, el punto cero y
la unidad de medición son arbitrarios y el cociente entre los valores de la variable
no tiene sentido. Es decir, en variables medidas en esta escala el cero es un valor
más de la variable, no implica ausencia de la variable.
Ejemplos de variables medidas en escala de intervalo son la temperatura, el
talle de la ropa, entre otras. En el caso de la temperatura, la misma se puede
mediar con la escala Centígrada y la Fahrenheit; las dos escalas difieren tanto
en los respectivos puntos cero como en sus unidades de medición, aunque
ambas contienen el mismo tipo de información. Así, por ejemplo, el punto de
congelación del agua se produce a los 0 grados centígrados y a los 32 grados
Fahrenheit. Se dice que el 0 es arbitrario porque el que haya un día con una
temperatura de 0º (cero grados) no significa que no haya temperatura.
8.2.4. Escala de razón (o ratio)

Las variables en esta escala asumen valores, es posible hacer la diferencia o
distancias entre los valores de la variable y, además, se le puede asignar un
punto de origen verdadero de valor 0. En esta medición el cociente entre valores
de la variable sí tiene sentido o significado. Ejemplos de variables que pueden
ser medidas en escala de razón son: el peso, el salario, la estatura, etc. Si
consideramos la variable dinero, decir que una persona paga por un determinado
producto $1000 y, otra paga $500, significa que el primero paga el doble que el
segundo y, además, si otra persona paga $0, significa que el producto para ese
sujeto no tiene precio, es decir que el valor cero posee significado ya que implica
la ausencia absoluta de dinero.
Sólo para las escalas de medición por intervalos y por razón se pueden aplicar
las operaciones matemáticas (suma, resta, multiplicación y división).
Es importante remarcar que antes de comenzar a procesar y analizar

estadísticamente los datos es vital determinar el tipo de variables con las
que se trabajará, es decir si se trata de variables cualitativas o cuantitativas
(discretas o continuas) y establecer la escala de medición empleada. Esto
es así porque, según sea el tipo de dato, se aplican técnicas estadísticas
diferentes en el tratamiento de la información. Por lo tanto, es de esperar
resultados erróneos si se aplican técnicas inapropiadas al tipo de datos a
analizar. Ampliaremos esto cuando veamos la presentación de la información
a través de tablas y gráficos estadísticos y por medio de medidas resumen.

Cabe aclarar que, lo visto de clasificación de variables según la naturaleza y
según la escala de medición, son dos maneras de mirar las variables, pero que
no se contraponen, ya que, si las variables son de naturaleza cualitativa, desde
la escala de medición estarán en escala nominal u ordinal; en tanto que, si las
variables son de naturaleza cuantitativa, desde la escala de medición estarán en
escala de intervalo o de razón.
8.3. Rol de las variables en la investigación

Finalmente, sería apropiado presentar otra forma de diferenciar las variables,
siendo esta manera muy usada en el área de las ciencias sociales y es el planteo
que normalmente se hace de las variables en una investigación. Nos estamos
refiriendo al rol de las variables en el marco de una investigación en particular.
Los roles pueden ser de variables independientes y variables dependientes.
Normalmente en una investigación se trata de establecer y de explicar las
variaciones de un fenómeno en función de ciertos factores o elementos. Por
ejemplo nos podríamos preguntar por los factores que influyen en la decisión de
los estudiantes al elegir una determinada orientación en una carrera universitaria;
o qué elementos influyen en la elección de un político en las votaciones o los
factores que están afectando a la vida conyugal y que determinan un aumento en
la cantidad de divorcios o separaciones de las parejas; o los elementos o factores
que afectan el estado nutricional y el rendimiento físico de los deportistas de alto
entrenamiento; o los motivos por los que las bailarinas de elite eligieron dicho
deporte; etc.
La variable que el investigador trata de explicar y que es el centro de su estudio es
la variable dependiente, porque se supone que los valores que ella asume están
dependiendo de los valores que asumen otras variables, las independientes o
variables explicatorias.
Cuando se plantea la relación entre dos variables en las ciencias sociales,
es común que aparezca una tercera variable, a la que se denomina variable
interviniente; se la llama así porque se supone que tiene un determinado efecto
sobre la variable dependiente que puede ser controlado por la/s variable/s
independiente/s.
Para finalizar este apartado, cabe recordar que el papel que cumple una variable
en una investigación y en un marco teórico determinado no necesariamente
es el mismo que ocupa en otra investigación; por ejemplo, si se encara una
investigación donde el centro del problema es el consumo de alcohol por los
adolescentes de una determinada ciudad, tratándose de establecer cuáles son
las causales, la variable dependiente es el “consumo de alcohol”; en tanto que
si otro estudio se aboca al análisis de las posibles causas de la “deserción
escolar”, ésta sería la variable dependiente en este caso y dentro de las variables
independientes, que se pueden encontrar como causales, se plantearían por
ejemplo el consumo de alcohol, la situación familiar (armonía-desarmonía), etc.
9. Instrumentos de recolección de datos

Uno de los instrumentos de recolección de datos más empleados en las
investigaciones es el cuestionario, ya se a dejado claro que si se pretende
obtener resultados relevantes en una investigación se necesita contar con
datos pertinentes y de calidad, para ello se debe contar con los instrumentos
adecuados que permitan recolectar esos datos.

La elaboración de los cuestionarios no es un tema menor, es muy importante
prestar atención a varios aspectos relativos a su construcción, por ejemplo, en lo
que hace a la extensión del cuestionario, el planteo de las preguntas y la forma
de las respuestas.
Le sugerimos leer sobre este tema y otras cuestiones que le serán de

interés, en el material básico del autor Mario F. Triola, en el apartado
“Pensamiento crítico” del capítulo del texto relativo a introducción a
la estadística.
Los invitamos a realizar las actividades de este módulo que le

permitirán aplicar los conceptos vistos a situaciones particulares y
hacer la transferencia de lo aprendido.
10. Comentarios finales
En este módulo hemos introducido los conceptos básicos de la estadística y

era nuestro interés que usted pueda apreciar la importancia de poseer estos
conocimientos no sólo para su quehacer laboral y profesional sino también para
la vida cotidiana. Recuerde que el propósito de los procedimientos estadísticos,
más allá de su mayor o menor complejidad, es transformar a los conjuntos de
datos en información útil para la toma de decisiones.
En el siguiente módulo se desarrollarán las diferentes maneras de sistematizar y
presentar adecuadamente los datos que se recopilaron, esto permitirá y facilitará
la interpretación y análisis de la información.
En la siguiente presentación elaborada por la profesora Carla Carrizo

Stauffer usted encontrará los conceptos principales sobre los que
venimos trabajando y su lectura le servirá para realizar una síntesis y
prepararse para recorrer el siguiente módulo.

m1 material
Material básico
m1 actividades
m1 | actividad 1
Actividad 1: Los conceptos de estadística despiertan interés…
La lectura del primer módulo de la materia, le resultó interesante y está

empezando a ver con otros ojos lo relativo a las variables, a los datos, etc.
Hace unos días se reunió con unos amigos y en el intercambio de experiencias

universitarias, uno de ellos, Augusto, comentó acerca de una encuesta que
contestó el año pasado, para una investigación que estaban realizando unos
compañeros de la facultad de Comunicación de la UNC, para su trabajo final de
la carrera.
Usted se interesó en el tema y le preguntó a su amigo qué es lo que le consultaban
en esa encuesta.
Su amigo le listó lo que recordaba que le habían preguntado:

a) Edad.
b) Sexo.
c) Año en que comenzó a cursar la carrera.
d) Lugar de procedencia.
e) Orientación de la carrera que eligió.
f) Cantidad de dinero gastada en transporte por mes.
g) Turno de clase al que asiste.
h) ¿Posee computadora?
i) Tiempo semanal que utiliza la computadora.
j) ¿Utiliza el gabinete de computación de la facultad?
k) ¿Posee automóvil?
l) Cantidad de libros que compró durante el último año.
m) ¿Se suscribió a revistas especializadas durante el último año?

A usted le pareció una muy buena oportunidad para poner en práctica lo
aprendido en la materia en relación a las variables en estudio y demás temas
vistos en el primer módulo. A 1
Le comento que es ¡¡una muy buena idea!!
Lo que le indicó su amigo, se le convierte a usted en un insumo importante para

aplicar y transferir a este caso lo aprendido hasta aquí. IC 1
m1 |actividad 1 | AA
asistente académico
Se le recomienda que realice una lectura comprensiva de todo lo visto en este

módulo.
Repase y comprenda perfectamente los conceptos de: Variable y la clasificación
de variables (según la naturaleza y según la escala de medición), Población,
Muestra, Unidad Estadística o de observación.
Se le sugiere que además de identificar las variables que se generan en cada

pregunta que debió contestar su amigo, delimite para este caso la población
objeto de estudio, la muestra e identifique la unidad estadística y la unidad de
relevamiento; de esta manera podrá hacer la transferencia de todos los conceptos
vistos en el módulo 1.
m1 |actividad 1 | CC
clave de corrección
Cada una de las preguntas que su amigo debió responder en la encuesta,

genera una variable diferente. En el cuadro siguiente se indican las variables y
su clasificación.
Clasificación
Variable Según la Escala
Según la Naturaleza
de medición
Edad Cuantitativa Continua De razón
Sexo Cualitativa Nominal
Año de comienzo de cursado Cuantitativa discreta De Intervalo
Lugar de procedencia Cualitativa Nominal
Orientación de la carrera Cualitativa Nominal
Turno de clase al que asiste Cualitativa Ordinal
Cantidad de dinero gastado en
Cuantitativa Continua De razón
transporte
Tenencia de computadora Cualitativa Nominal
Tiempo (en horas) semanal de
Cuantitativa Continua De razón
uso de la computadora
Uso del gabinete de
Cualitativa Nominal
computación de la facultad
Tenencia de automóvil Cualitativa Nominal
Cantidad de libros comprados
Cuantitativa discreta De razón
en el último año
Suscripción a revistas
Cualitativa Nominal
especializadas.

- Población: todos los estudiantes de la carrera Licenciatura en Comunicación
de la UNC año 2015.
- Muestra: 250 estudiantes de la carrera Licenciatura en Comunicación de la
UNC año 2015.
- Unidad estadística: cada uno de los estudiantes de la carrera Licenciatura
en Comunicación de la UNC año 2015.
- Unidad de relevamiento: cada uno de los estudiantes encuestados de la
carrera Licenciatura en Comunicación de la UNC año 2015.
- Instrumento de recolección de datos: cuestionario.
Actividad 2: Buscando apoyo económico…
En la reunión de amigos de los otros días, además del reencuentro con

compañeros que hacía mucho tiempo que no veía, quedó flotando una idea que
lo tiene muy entusiasmado… la posibilidad comenzar un emprendimiento junto
a dos amigos, Augusto que también es profesor de educación física y María que
le falta poco para recibirse de licenciada en nutrición.
Cada uno por su lado estaba buscando hacer algo, pero la posibilidad de
emprender juntos y de complementar sus profesiones y actividades ¡los anima
más!!
Hay un tema que es imposible soslayar y es que, para comenzar

con este emprendimiento, necesitan recursos económicos y tanto
usted como sus amigos, por más cálculos que hagan, ven que los
ahorros nos les alcanzan y quieren evitar pedir apoyo económico
a sus padres, …”ya bastante nos ayudan con la universidad…”,
pensaron los tres.
Nunca fue muy partidario de endeudarse, pero...con

consultar...
De los tres usted será el encargado de hacer las
averiguaciones pertinentes.
Al día siguiente, se dispone a recorrer varias entidades

crediticias y, con el fin de acceder a un préstamo para poner en marcha el
emprendimiento consulta los requisitos que se solicitan para el otorgamiento.
Varias de las entidades financieras solicitan llenar un formulario que requiere la
siguiente información:
 Apellido y nombre.
 Tipo y número de documento.
 Ocupación.
 Lugar de Residencia.
 Estado Civil.
 Nivel máximo de estudios alcanzado.
 Ingresos netos mensuales.
 Monto del préstamo solicitado.
 Cantidad de cuotas solicitadas.
 Destino del préstamo.

En varias entidades, además, le advirtieron que en unos días se comunicarán
con Ud. a fin de solicitarle otros datos y documentación que permitan demostrar
a la entidad su solvencia para afrontar el préstamo solicitado. A 1
De regreso a su casa se queda pensando en cuáles pueden ser los otros datos
que le solicitarán en los bancos y piensa, además, en cómo acreditar su solvencia.
Al día siguiente recuerda que su tío Juan Carlos hace unos meses tuvo que
recurrir a un préstamo de dinero para poder comprar la nueva maquinaria
agrícola que necesitaba para su actividad. No duda y le manda, de inmediato, un
mensaje por WhatsApp.
¡Manos a la obra con las averiguaciones, y éxito con la obtención del crédito!
C 1
Nuevamente se encuentra frente a variables que deberá clasificar, el formulario

que debe llenar en las entidades financieras, contiene varias variables.
¿Cómo clasificaría las variables del formulario que tiene que completar?
Además, ¿cuáles considera que son los posibles datos que deberá tener
preparado para cuando el banco lo requiera? Realice un listado de estos posibles
datos e intente clasificarlos de acuerdo al tipo de variables que originan a los
mismos.
Antes de realizar la clasificación, se le recomienda revisar los contenidos del
módulo 1 relativos a variables y su clasificación.
El ejercicio de clasificar variables, le permitirá adquirir la destreza de rápida
identificación de las mismas cuando tenga que aplicar dicho conocimiento a
resolver ejercicios estadísticos más complejos.
Procure aplicar este ejercicio a otras circunstancias de la vida cotidiana y se
sorprenderá de la gran cantidad de variables que a diario se nos presentan y
que ahora usted está en condiciones de identificar y de conocer su naturaleza.
Las preguntas que usted debió responder en el cuestionario estándar de

las entidades financieras para acceder a un préstamo para comenzar con el
emprendimiento con sus amigos, generan diferentes variables, a saber:
o Apellido y nombre: variable cualitativa, en escala nominal.

o Tipo y número de documento: tipo de documento es una variable cualitativa
en escala nominal, en tanto que el número de documento es una variable
cuantitativa discreta, en escala de intervalo.
o Ocupación: variable cualitativa, en escala nominal.
o Lugar de Residencia: variable cualitativa, en escala nominal.

o Estado Civil: variable cualitativa, en escala nominal.
o Nivel máximo de estudios alcanzado: variable cualitativa, en escala ordinal.
o Ingresos netos mensuales: variable cuantitativa continua, en escala de razón.
o Monto del préstamo solicitado: variable cuantitativa continua, en escala de
razón.
o Cantidad de cuotas solicitadas: variable cuantitativa discreta, en escala de
razón.
o Destino del préstamo: variable cualitativa, en escala nominal.
Actividad 3: Investigando el mercado...

El emprendimiento con sus amigos Augusto y María, ya cuenta con los ingresos
para la inversión inicial porque obtuvieron el préstamo. ¡Quién lo diría! y su tío
Juan Carlos fue el garante, qué compromiso -pensó junto a sus amigos-
Para nada deben perder tiempo, es hora de empezar a investigar sobre varias
cuestiones, desde buscar el mejor lugar para ubicarse, pensar en el alquiler del
local, la instalación del mismo, la publicidad, los rubros que incorporarán, etc.,
etc.
Los tres están muy entusiasmados y con muchas expectativas.

Se encuentran ante un nuevo desafío: encarar la investigación. A 1
No se preocupe, está preparado y además hará un trabajo en equipo junto a
María y Augusto.
¡Manos a la obra!!
Ante la situación planteada usted deberá trabajar junto a sus amigos. Obviamente
que cuenta con las herramientas estadísticas para hacerlo. Todo lo visto en este
módulo le resultará de utilidad.

Se le recomienda que:
1) Formule todas las preguntas que le parezcan interesantes y útiles a sus
fines, teniendo presente el emprendimiento que encarará junto a su amigo
profesor de educación física como usted y a su amiga nutricionista. Estas
preguntas lo orientarán a plantear las variables en estudio.
2) Conociendo las variables, estará en condiciones de clasificarlas, tarea que
ya ha realizado en otras oportunidades.
3) Pregúntese a quién se refiere la información, esto le permitirá definir las
unidades estadísticas, es decir quiénes serán los potenciales clientes.
4) Conocidas las unidades estadísticas, estará en condiciones de definir la
población y la muestra. Recuerde también hacer la delimitación en tiempo y
espacio de la población objetivo.
5) Piense cuáles serán las fuentes de información; recuerde que necesitará
distinto tipo de datos para encarar este emprendimiento. Tenga en cuenta la
integración del área de salud (nutrición) y de actividad física.
6) Piense cuál sería el instrumento adecuado para relevar la información,
¿cuestionarios, entrevistas, etc.?
Los temas desarrollados en este módulo le ayudarán a dar respuesta a cada uno
de los ítems anteriores.
m1 glosario
Dato estadístico: todo dato de cualquier naturaleza que puede ser comparado,
interpretado y analizado.
Datos cualitativos: datos que se corresponden con las variables cualitativas.
Datos cuantitativos: datos que se corresponden con las variables cuantitativas.
Los datos cuantitativos siempre son numéricos.
Estadística: el arte y ciencia de reunir, analizar, presentar e interpretar datos
para la toma de decisiones.
Estadística descriptiva: rama de la Estadística que describe conjuntos de datos
provenientes de poblaciones o muestras.
Fuente: métodos a los que se recurre para la obtención de la información.
Inferencia: proceso estadístico de extraer conclusiones respecto de la población
a partir de los datos de una muestra representativa.
Muestra: subconjunto, parte de la población objeto de estudio.
Población: el conjunto de todos los elementos de interés en determinado
estudio.
Unidad estadística: cada elemento que individualmente constituye la población.
A cada unidad estadística se refiere el dato o característica analizada. La unidad
estadística también se la suele llamar unidad de observación, unidad elemental
o unidad de análisis.
Unidad de relevamiento: qué o quién nos proporciona el dato. A veces la unidad
de relevamiento puede coincidir con la unidad estadística.
Variable: toda característica de interés de los elementos en estudio.
Variable cualitativa: variable que asume categorías.
Variable cuantitativa: variable que asume valores cuantitativos o numéricos.

m2
m2 microobjetivos
• Organizar y presentar adecuadamente datos recopilados en su actividad

como profesor de educación física, mediante la construcción de tablas y de
gráficos estadísticos, permitiéndole presentar y comunicar los resultados de
manera eficaz.
• Interpretar adecuadamente datos presentados en tablas y gráficos que
aparecen en medios periodísticos, en publicaciones de interés o en
investigaciones, pudiendo extraer conclusiones útiles sobre la información.
m2 contenidos
Organización y presentación de datos estadísticos

Usted comenzará a recorrer el segundo módulo, Ahora aprenderá las distintas
maneras para presentar adecuadamente los datos que se recopilaron en una
investigación o un estudio particular. Podrá elegir entre las alternativas que le
ofrece la Estadística, teniendo en cuenta el tipo de variable a presentar, cuál es
la forma más útil y eficaz.
Antes de avanzar en la lectura, lo invito a ver el video presentación.
1. Presentación de datos recopilados

Existen cuatro maneras posibles de presentar los datos recopilados:
o Literal
o Tablas estadísticas
o Gráficos estadísticos
o Medidas resumen
Vamos a ir viendo en detalle las distintas formas de la presentación de los datos

estadísticos a medida que desarrollemos los temas del presente módulo.

2. Presentación Literal
Esta forma de presentar la infor-
mación recopilada se utiliza, en gen-
eral, cuando hay pocos datos.
La presentación literal puede hac-
erse de manera oral o escrita.
Un ejemplo de presentación literal
la encontramos en el capítulo “con-
clusiones” en un trabajo de investi-
gación, allí se presentan de manera
escrita los principales hallazgos del
trabajo y las conclusiones a las que permiten arribar los resultados, pero en esa
presentación no se incorporan ni tablas ni gráficos.
3. Tablas estadísticas
Esta es una de las formas más utilizadas para la presentación de datos.
Las tablas constituyen arreglos de los datos.
En general las tablas se pueden clasificar , según la finalidad de las mismas en:
 Tablas de uso general: aquellas que son consultadas por varios usuarios,
tales como las publicadas por las distintas instituciones u organismos (por
ejemplo: las tablas de índices de precios que publica el INDEC; tablas con
la talla y el peso de varones y mujeres que son usadas en medicina o en
deporte, etc.).
 Tablas de uso específico: aquellas que se confeccionan al realizar un trabajo
en particular, una investigación en determinado campo de estudio. Son
tablas de referencia de lo realizado en el estudio o investigación y sólo son
útiles para el mismo.
3.1. Partes de una Tabla Estadística

Podemos clasificar las partes de una tabla en:
(a) Principales: son las que nunca pueden faltar, ellas son:
• Título: es una descripción del contenido de la tabla por lo tanto debe ser
claro y preciso e indicar correctamente la información que contiene la tabla.
Cuando es necesario presentar más de una tabla, es conveniente que las
tablas se enumeren, ya que es más fácil referirse a la tabla número... que al
título completo de la tabla.
• Encabezamientos o encabezados: son los títulos de las columnas que
presenta la tabla. Las tablas simples suelen tener pocas columnas, en tanto
que otras más complejas pueden tener encabezados principales y sub-
encabezados.
• Conceptos: son los títulos o descripciones de las filas que presenta la tabla.
Los conceptos son indicados del lado izquierdo de la tabla. Cada concepto
puede ser dividido en subconceptos, de ser necesario.
• Cuerpo: son los datos que contiene la tabla. Los datos están distribuidos en
la tabla según los conceptos y los encabezados.

(b) Secundarias: son partes que pueden no estar en una tabla (prescindibles),
ellas son:
• Notas del encabezamiento: son aquellas que se colocan debajo del

título; son empleadas en general para aclarar aspectos del título, de los
encabezados o de los conceptos. Es común usarlas para indicar la unidad
de medida de los datos, el período de tiempo al que se refieren los datos,
etc.
• Notas al pie: son aquellas que se colocan al final de la tabla y aclaran
algunos aspectos relacionados con los datos que contiene la tabla.
• Fuente: hace referencia al origen de los datos, es decir de dónde se
extrajeron los datos que presenta la tabla. Normalmente se la coloca debajo
de las notas al pie.
Cabe aclarar que, si la tabla no es elaborada por el propio investigador,

es decir la información que presenta la tabla, no fue recopilada por el
investigador, la fuente se convierte en una parte principal debido a que el
usuario de la tabla debe saber de dónde proviene la información, ya sea
para corroborar algún dato o para obtener mayor información.
A continuación, se presenta una tabla como ejemplo a fin de identificar en ella

cada una de las partes de una tabla estadística.1
Título
Título Valores promedios del perfil lipídico pre-tratamiento en ambos grupos Notas al
(en mg/dl) encabezamiento
Perfil lipídico
Grupo CT HDL LDL TG Encabezados
Plan alimentario + Actividad física 223.1 47.4 146.9 111.0

Conceptos Cuerpo
Plan alimentario 224.8 51.4 154.4 110.5 (*)
Notas al
pie Nota: (*) en el promedio no se consideró a una persona con valores extremos de los componentes.
Fuente Fuente: Laboratorio de análisis clínicos XXX
Otros aspectos que son de importancia y que se deben tener en cuenta al

momento de la construcción de una tabla son:
 Simplificar la presentación de una tabla.

 Tratar un tema por tabla.
 Hacer un arreglo ordenado de las clasificaciones.
 Las clasificaciones cruzadas o de doble entrada deben permitir una lectura
efectiva de los datos que se muestran en ella.
 Se deben hacer fáciles las comparaciones.
 Redondear cifras a números enteros o bien presentar los datos con dos o
tres decimales máximo.
 Mejorar la apariencia general de la tabla.
1. El ejemplo corresponde a un grupo de personas, adultos mayores con problemas de sobrepeso y en su perfil lipídico. El
grupo se dividió a su vez en dos sub-grupos, uno cuyo tratamiento sería solo un plan alimentario y el otro recibiría, un plan de
actividad física específico además del plan alimentario. A ambos grupos se les realizó análisis clínicos de laboratorio pre y pos
tratamiento.

4. Distribuciones unidimensionales
En Estadística es muy importante el concepto de distribución. Se entiende por
distribución a un conjunto, arreglo o grupo de valores numéricos.
Cuando se analiza una o más variables sobre un conjunto de unidades elementales
(sea que se trate de una población o de una muestra), se obtiene lo que se
conoce como distribución que, según sea la cantidad de características que se
analicen, serán distribuciones unidimensionales (una variable), bidimensionales
(dos variables) o multidimensionales (más de dos variables).
Por lo tanto, las distribuciones unidimensionales son aquellas que se ocupan de
analizar una variable por vez.
A las distribuciones unidimensionales se las puede trabajar como serie simple
o como distribuciones de frecuencias. Seguidamente, se presentará a cada una
de ellas.
4.1. Serie simple

Es el conjunto de datos o valores de la variable indicados en el orden en que se
presentan, sin ningún tipo de arreglo adicional.
Veamos un ejemplo:
Variable: cantidad de materias aprobadas.
Muestra: 5 alumnos seleccionados de un profesorado en educación física de la
provincia de Córdoba.
Valores de la variable: 1 materia, 5 materias, 2 materias, 4 materias, 10 materias
Se acostumbra simbolizar a la variable con la letra “x”.

Al valor que asume cada una de las observaciones se lo simboliza con “xi”;
donde cada subíndice indica el orden en que se presentaron las observaciones.
En nuestro ejemplo, sería:
X1: 1 materia
X2: 5 materias
X3: 2 materias
X4: 4 materias
X5: 10 materias
Como usted podrá apreciar, la serie simple es útil para presentar datos, en la
medida que la cantidad de datos sea poca, en general podríamos decir que una
cantidad que no supere los diez datos para una determinada variable.
4.2. Distribución de frecuencias

Una distribución de frecuencias es una agrupación de datos, presentados de
manera ordenada y clasificados cuantitativamente. El ordenamiento constituye
un arreglo en donde los valores de la variable que se repiten se especifican
conformando la distribución de frecuencia.
La tabla que resume la distribución de frecuencias muestra cada valor diferente
que presenta la variable y la respectiva frecuencia que le corresponde a cada
valor.

Cuando trabajamos con distribuciones de frecuencias utilizamos algunos
conceptos, ellos son:
- Valores de la variable: a diferencia de la serie simple, en las distribuciones
de frecuencias se escriben sólo los valores diferentes de la variable.
- Frecuencia: es la cantidad de veces que se repite un determinado valor de
la variable.
En las distribuciones de frecuencias a la variable, al igual que en la serie
simple, se la simboliza mediante la letra “x” sólo que aquí, nos indica
cada valor diferente de la variable; para cada valor distinto de la variable
utilizaremos “xi”, donde el subíndice nos indica cada valor distinto que
asume la variable en la serie.
Al hablar de frecuencias hay que aclarar que se pueden distinguir distintos tipos
de frecuencias; veamos cuáles son:
- Frecuencia Absoluta Simple: es la cantidad de veces que se repite cada
valor diferente de la variable.
A esta frecuencia se la simboliza con “fi”.
La suma de todas las frecuencias absolutas simples, es igual al total de
observaciones con las que contamos que será “n” o “N”, según que estemos
trabajando con una muestra o con una población, respectivamente .
- Frecuencia Relativa Simple: es la proporción que en el total de las

observaciones representa cada valor diferente de la variable. Se la calcula
dividiendo la frecuencia absoluta simple por el total de las observaciones.
A esta frecuencia se la simboliza con “hi”. Es muy común expresar esta
frecuencia en porcentaje.
La suma de todas las frecuencias relativas simples es igual a “1” ó “100%”,
según la manera en que la indiquemos a dicha frecuencia.
- Frecuencia Absoluta Acumulada: surge de sumar las frecuencias absolutas

simples hasta un determinado valor de la variable. Por lo tanto, la frecuencia
absoluta acumulada muestra la cantidad total de ocurrencias que son
menores que cierto valor de la variable.
Se la simboliza mediante “Fi”, indicando el subíndice hasta qué valor
inclusive de la variable se suman las frecuencias absolutas simples.
Es importante señalar que la última de las frecuencias absolutas acumuladas es

siempre igual al total de las observaciones, “n” o “N”, según se esté trabajando
con una muestra o con una población, respectivamente.
- Frecuencia Relativa Acumulada: surge de sumar las frecuencias relativas

simples hasta un determinado valor de la variable. Por lo tanto, muestra la
proporción total de ocurrencias que son menores a cierto valor de la variable.
Se la simboliza mediante “Hi”, indicando el subíndice hasta qué valor
inclusive, de la variable se suman las frecuencias relativas simples.
Siempre la última de las frecuencias relativas acumuladas es igual a “1” ó al
100%.

4.3. Distribución de frecuencias por intervalos
Cuando la cantidad de datos que debemos presentar es grande o bien cuando
la cantidad de valores diferentes que puede asumir la variable a analizar es muy
grande –y siempre que tengamos que presentar en una tabla información que
corresponda a una variable cuantitativa continua–, deberemos utilizar lo que se
conoce como “tablas de distribución de frecuencias por intervalos”.
La diferencia que tienen las tablas por intervalos respecto a las tablas de
frecuencias que acabamos de ver, es precisamente que los valores de la variable
se los presenta a través de “intervalos” o “clases”. Por lo demás se sigue
manteniendo todo lo visto anteriormente ya que se pueden calcular los mismos
tipos de frecuencias, es decir, las frecuencias absolutas y relativas simples y las
absolutas y relativas acumuladas, sólo que aquí todas ellas estarán referidas a
los correspondientes intervalos.
Para la construcción de una tabla por intervalos es necesario que conozcamos
primero algunos conceptos, tales como:
- Extremos de los intervalos: cada intervalo posee un extremo o límite inferior
y un extremo o límite superior. Se los puede simbolizar: Li – Ls
- Amplitud del intervalo: es la distancia o diferencia entre el extremo superior
y el extremo inferior del intervalo. Se lo suele simbolizar con “ci”
Es importante señalar que una tabla por intervalos puede tener intervalos de
igual o de distinta amplitud; basta con que uno solo de los intervalos sea de
distinta amplitud a la de los demás para considerarla una tabla por intervalos de
amplitudes diferentes.
Cabría aclarar que la ventaja de construir una tabla con intervalos iguales radica
en que se podrán hacer comparaciones uniformes entre las frecuencias de los
intervalos que contiene la tabla.
- Rango o Recorrido de la variable: surge de hacer la diferencia entre
el máximo valor y el mínimo valor que asume la variable. Al rango se lo
simboliza con “R”.
- Límites o fronteras de cada intervalo: con esto hacemos referencia a qué
valores incluirá cada intervalo. No existe una única forma de definir los límites
de los intervalos, siendo las más empleadas, las siguientes:
[ ) esto significa cerrado por la izquierda y abierto por la derecha; 2
[ ] esto significa cerrado por la izquierda y cerrado por la derecha.
Cuando se construye una tabla es importante dejar indicado qué

criterio se utilizó para definir los límites de los intervalos. También es
de señalar que el criterio de [ ) para las fronteras es el más apropiado
cuando se presentan los datos de una variable cuantitativa continua
ya que es el que respeta la naturaleza continua de la variable.
2. Este criterio es el que se adoptará en este curso para la construcción de tablas de frecuencias por intervalos, para
variables cuantitativas continuas.

- Punto medio o marca de clase: así se denomina al valor que se obtiene de
la semisuma de los extremos de cada intervalo .
La marca de clase es entonces un promedio de los valores de los límites de cada
intervalo. Es el valor que representa a cada intervalo y se lo simboliza mediante
“xi”. Al calcular el punto medio, se trabaja bajo el supuesto de que los valores
dentro de cada intervalo se distribuyen uniformemente.
Cabría hacer algunas aclaraciones respecto de la cantidad de intervalos que
debe tener una tabla. Es importante no perder de vista el objetivo de toda
presentación de datos, que debe ser hecha de manera clara, precisa y útil al
usuario de la información.
No existe ninguna regla fija acerca de la cantidad de intervalos con la que se debe
construir una tabla, pero hay que tener presente que la cantidad de intervalos
no debe ser ni demasiados ni muy pocos, ya que en un caso se perdería la
utilidad y simplicidad que presenta la lectura de la tabla y en el caso contrario
se simplificaría tanto que se perdería información al condensar tanto los datos.
Se considera como una cantidad apropiada de intervalos, construir tablas que
posean entre cinco y doce intervalos; pero todo dependerá del tipo y cantidad
de datos que se desee presentar.
Se le recomienda que realice la lectura del tutorial sobre tablas

estadísticas A 1 usted encontrará allí el desarrollo de ejemplos para
que pueda apreciar la construcción de tablas de frecuencias para
variables cuantitativas discretas y continuas y pueda ver la aplicación
e interpretación de los distintos elementos de las tablas.
5. Tablas para variables cualitativas

Son numerosas las situaciones en las que se presentan, para el análisis
estadístico, información que proviene de datos cualitativos o categóricos. Es
más, en la mayoría de las investigaciones en las ciencias sociales es más
frecuente trabajar con datos categóricos que con datos numéricos medidos en
las escalas más altas de medición. El análisis relacionado con este tipo de datos
puede corresponder a un análisis de una sola variable, o bien de dos variables.
En el primer caso podremos armar distribuciones de frecuencias como las vistas
anteriormente, donde tendremos una columna que presente las categorías de la
variable bajo estudio y otra que presente las frecuencias, ya sea las absolutas o
las relativas.
Para la situación en que se analizan dos variables a la vez, estaremos ante lo
que se conoce como una tabla de doble entrada o tabla cruzada o tabla de
contingencia .
A continuación, se presentan dos ejemplos de tablas con datos categóricos, una
tabla simple y una de doble entrada.

Distribución de las alumnas que practican deporte
según el motivo por el que lo hacen
Motivación Porc. de alumnas
Por salud 20
Para estar en forma 36
Por recreación 39
Por otros motivos 5
Total 100
Fuente:Trabajo Final de grado de un grupo de alumnas

de la Lic.en Educación Física realizado en la Pcia.de Cba.
La precedente es una tabla simple para una variable cualitativa nominal. La

información presentada fue recopilada por estudiantes de la Lic. en Educación
Física de la provincia de Córdoba, en un grupo de adolescentes que practican
deportes.
La tabla que sigue corresponde a dos variables categóricas o tabla de doble
entrada. Cada variable cualitativa en este caso posee dos categorías. La
información corresponde a un grupo de estudiantes secundarios que practican
deportes, clasificados por sexo y su conducta alimentaria.
Distribución de los jóvenes según el sexo y la conducta dietante
Sexo
Conducta Masculino Femenino
Dietante Cant. Porc. Cant. Porc.
Sí presenta 7 70% 15 75%
No presenta 3 30% 5 25%
Total 10 100% 20 100%
6. Gráficos estadísticos
Constituyen una expresión visual de la información. Los gráficos son fácilmente
captados y entendidos por los usuarios. Los dibujos suelen ser más efectivos
para presentar grandes conjuntos de datos.
Los diagramas más sencillos en cuanto a su construcción están diseñados para
variables medidas en escala nominal u ordinal, ya que las clases son obvias y
resulta más fácil presentarlas en un gráfico.
A menudo oímos la expresión “una imagen vale más que mil palabras”, teniendo
esta expresión total cabida en lo que a gráficos estadísticos respecta. Pero hay
que tener en cuenta que un gráfico ofrece al lector sólo una idea aproximada
de la información; es por ello que debemos ser conscientes de que los valores
exactos se encuentran en las cantidades tabuladas y en la base de datos, fuente
original de toda gráfica.
Por lo general, cuando se presentan los resultados de una investigación o
determinado estudio, se suelen utilizar tablas y gráficos en forma conjunta, lo
que además es aconsejable.

6.1. Partes de un Gráfico estadístico
• Título: así como ocurre con las tablas, es necesario que el título sea preciso
e indique claramente lo que muestra el gráfico. Una diferencia que se debe
señalar respecto del título de un gráfico y de una tabla es que en el caso de
un gráfico estadístico el título puede ir en la parte superior o inferior de la
figura.
• Escala: las escalas de los ejes X y Y (eje horizontal y vertical) son marcadas
básicamente en el sistema de coordenadas rectangulares. En relación a la
escala, hay que hacer una serie de consideraciones:
- Debe mantenerse la escala elegida en cada eje.
- Debe indicarse siempre el origen (el cero).
- Debe cortarse el o los ejes cuando los valores de la variable no suceden
normalmente.
• Diagrama: es el dibujo propiamente dicho. Los diagramas son usados para
representar los datos. El diagrama tiene que ser el adecuado según el tipo
de datos a representar. Existen diferentes tipos de gráficos.
• Fuente: debe indicarse siempre que los datos que se grafiquen no hubieran
sido recopilados y tabulados por el propio investigador, por las mismas
razones expresadas al hablar de las tablas estadísticas. La fuente debe ser
indicada en la parte inferior de la gráfica.
6.2. Tipos de gráficos

Existe una gran variedad de gráficos usados para la presentación de datos
estadísticos.
La siguiente figura resume los distintos tipos de gráficos estadísticos de acuerdo
al tipo de variables que se quiera presentar.
Gráficos según la naturaleza de las variables
* Gráfico de Torta
Variables * Gráfico de Barras Simples:
Cualitativas - Verticales
- Horizontales
* Gráfico de Barras Múltiples
* Gráfico de Barra/s Porcentual/es
Variables
Cuantitativas
Frecuencias Gráfico de
simples Bastones
Discretas Frecuencias Gráfico
Acumuladas Escalonado
Frecuencias Histograma o
simples
Polígono de frecuencias
Continuas
Frecuencias
Acumuladas Ojiva

Se le recomienda la lectura del tutorial sobre gráficos estadísticos IC
2encontrará allí más información sobre la construcción de los distintos
tipos de gráficos como así también ejemplos de los mismos.
Se le sugiere que realice las actividades propuestas en este módulo,

allí encontrará varias situaciones, en las que se hace necesario, para
una mejor comunicación de la información, la presentación de los
datos a través de tablas y de gráficos. Hacerlas lo enfrentará a la tarea
la elección de la mejor y más adecuada de las formas de presentación
de los datos estadísticos, tema que se ha desarrollado a lo largo de
este módulo.
Se le recomienda además que realice la lectura del apartado “Destrezas

y conceptos básicos” y del apartado “Más allá de lo básico” del texto
de Mario F. Triola, del capítulo relativo a la descripción de datos,
allí encontrará más ejemplos y casos que ampliarán el espectro en
cuanto a la presentación a través de tablas y gráficos.
Finalmente, sería oportuno
hacer un comentario respecto al
uso de la computadora. Es
innegable la ayuda que puede
significar el empleo de un
paquete de computación
adecuado para el análisis de
datos. La computadora es, por
lo tanto, una herramienta
sumamente útil que permite
almacenar una gran cantidad de
datos, organizar y procesar la
información de manera rápida y
fácil y, además, nos proporciona resultados, tablas y gráficos. Pero es importante
tener presente que la computadora es siempre una ayuda, una herramienta y de
ninguna manera suplirá, por sí sola, la falta de conocimientos estadísticos y la
aplicación de una metodología estadística apropiada.
Es por ello que, es muy importante que usted conozca acerca de las distintas
tablas y gráficos estadísticos, ya que, como se ha podido apreciar en este
módulo, no todos los gráficos ni todas las tablas son apropiadas para todo tipo
de dato y para ello se hace necesario contar con los conocimientos estadísticos
acerca de la pertinencia, construcción, requisitos, etc. de los mismos.

Queda solo conocer respecto de la otra forma de resumir y presentar datos: las
medidas descriptivas, lo invito a recorrer juntos el próximo módulo.
Usted se encuentra en condiciones de realizar la Consigna 1 de la

Evaluación.
m2 |contenidos | IC
información complementaria 1
Licenciatura en Educación Física

Estadística I
TABLAS ESTADÍSTICAS
PROF. CARLA CARRIZO STAUFFER
UBP
TABLAS ESTADÍSTICAS
Aclararemos y aplicaremos los conceptos vistos en el módulo 2 sobre tablas, con el desarrollo de ejemplos.
Distribución de frecuencias
Tablas para variables cuantitativas
Los siguientes datos representan la cantidad de consultas que realizaron en la materia Estadística I durante
el 1er. cuatrimestre del corriente año, 20 alumnos de la Licenciatura en Educación Física de la UBP.
9; 9; 7; 11; 9; 5; 11; 10; 11; 6; 10; 6; 11; 9; 11; 10; 7; 11; 9; 10
A partir de estos datos, que se han presentado a modo de serie simple, se construyó la distribución de
frecuencias siguiente.
Valores de la Frecuencia Frecuencia Frecuencia Frecuencia
variable Absoluta Relativa Absoluta Relativa
xi Simple Simple Acumulada Acumulada
fi hi Fi Hi
5 1 0.05 1 0.05
6 2 0.10 3 0.15
7 2 0.10 5 0.25
9 5 0.25 10 0.50
10 4 0.20 14 0.70
11 6 0.30 20 1
20 1
Interpretemos algunos de los valores contenidos en la tabla:

- 𝑓𝑓3 = 2 significa que dos alumnos de los 20 hicieron 7 consultas en el cuatrimestre.
- ℎ5 = 0,20 significa que el 20% de los 20 alumnos hicieron 10 consultas en el cuatrimestre.
- 𝐹𝐹4 = 10 significa que 10 estudiantes de los 20 realizaron 9 o menos consultas durante el
cuatrimestre (o bien, 10 alumnos realizaron entre 5 y 9 consultas, inclusive).
- 𝐻𝐻5 = 0,70 significa que el 70% de los alumnos hicieron 10 o menos consultas, o bien
realizaron entre 5 y 10 consultas, inclusive.
Vamos a construir una tabla de distribución de frecuencias por intervalos mediante la utilización de un
ejemplo en el que iremos viendo los pasos a seguir. Es de señalar que esta guía de pasos es para construir
tablas con intervalos de igual amplitud.
Leyendo un artículo en internet acerca de las distancias que recorren los argentinos, durante las
vacaciones, a usted le interesó saber cuántos kilómetros recorren algunos conocidos, familiares y alumnos
en las vacaciones de verano y en este momento cuenta con los siguientes datos que ordenó de menor a
mayor.
250 550 1000 2000 2650
250 600 1000 2000 2800
270 600 1200 2200 2800
300 700 1300 2200 3000
300 750 1500 2300 3000
310 750 1500 2300 3100
350 800 1600 2500 3200
400 1000 1600 2500 3300
500 1000 1750 2500 3300
500 1000 1750 2650 3600
Prof. Carla Carrizo Stauffer 1

En este caso la muestra de 50 sujetos, por lo que se cuenta con 50 datos. La variable es: la distancia
recorrida en las vacaciones de verano. Unidad de medida: km. Tipo de variable: cuantitativa continua (según
la naturaleza) y de razón (según la escala de medición).1
Entonces, para construir la tabla por intervalos:
1) Debemos decidir con la cantidad de intervalos que vamos a trabajar. En este caso construiremos una
tabla con 7 intervalos de igual amplitud.
2) Se deberá obtener la amplitud apropiada de los intervalos; para ello vamos a dividir el recorrido de la
variable en la cantidad de intervalos, en nuestro ejemplo será:
R = V. máx. - V. mín.
R = 3600 - 250 = 3350
c = 3350/ 7 = 478,57 este valor sería la amplitud exacta de cada intervalo; pero como vemos es una
cantidad que no resulta práctica de manejar, lo que se hace es llevar ese valor de la amplitud a un
valor entero más grande.2
En nuestro caso escogemos como amplitud para los intervalos un valor de 500, que resulta ser una
cantidad redonda fácil de emplear en la construcción de los intervalos. Por lo tanto la nueva amplitud
definida será:
c’= 500
3) Con esta nueva amplitud debemos redefinir el recorrido de la variable, que pasará a ser:
R’= c’ x (cantidad de intervalos) o sea:

R’= 500 x 7 = 3500
4) La diferencia entre el recorrido original y el nuevo recorrido de la variable será:
R’ - R = 3500 - 3350 = 150
Esa diferencia la podemos distribuir indistintamente por partes iguales o desiguales entre el
extremo inferior del primer intervalo y el extremo superior del último intervalo. Como en este
caso adoptaremos el criterio de intervalos cerrados por la izquierda y abiertos por la derecha,
que como se dijo es el criterio más apropiado para las variables cuantitativas continuas, toda
la diferencia se la agregaremos al extremo superior del último intervalo; es decir entonces que
el valor máximo ahora pasará a ser 3750 en lugar de 3600.
La tabla resultante de la aplicación del procedimiento precedentemente indicado será:
1
Tener presente que la variable es de naturaleza continua, más allá que los valores que presenta la variable en este ejemplo están
expresados en cantidades enteras. En estos casos se suele hablar de una variable cuantitativa continua, discretizada.
2
Además de ser una cantidad poco práctica, la amplitud original. Es indispensable ampliar la misma para cumplir con el criterio de
construir una tabla con intervalos cerrados por izquierda y abiertos por la derecha. Si esto no se hiciera, el valor máximo de la
variable quedaría fuera del último intervalo.

Li - Ls xi fi Fi hi Hi
250 – 750 500 14 14 0,28 0,28
750 – 1250 1000 9 23 0,18 0,46
1250 – 1750 1500 5 28 0,10 0,56
1750 – 2250 2000 6 34 0,12 0,68
2250 – 2750 2500 7 41 0,14 0,82
2750 – 3250 3000 6 47 0,12 0,94
3250 - 3750 3500 3 50 0,06 1
50 1
Interpretemos algunos de los valores de la tabla:
- 𝑓𝑓2 = 9 significa que 9 de las 50 personas recorren desde 750 km. hasta 1250 km.
- ℎ5 = 0,14 significa que el 14% de las personas recorren desde 2250 km. y hasta 2750 km. en las
vacaciones.
- 𝐹𝐹4 = 34 significa que 34 de las 50 personas consultadas recorren desde 250 km. y hasta 2250 km.
ó bien, que 34 personas recorren hasta 2250 km. en las vacaciones.
- 𝐻𝐻2 = 0,46 significa que el 46% de las 50 personas recorren hasta 1250 km. en las vacaciones.
Tablas de doble entrada
Como se indicó este tipo de tablas son muy usadas cuando se relacionan dos variables cualitativas,
aunque también pueden presentarse para una variable cualitativa y otra cuantitativa presentada por
ejemplo en intervalos.
Veamos un ejemplo. La información corresponde a un grupo de personas consultadas acerca de su
preferencia sobre los deportes, distribuidas por edad.
Distribución de los encuestados por edad y deporte preferido
Deporte Tenis Fútbol Natación Hockey

Edad (en años) Totales
Menos de 20 26 47 41 36 150
20 - 30 38 84 80 48 250
30 - 40 72 68 38 22 200
40 - 50 96 48 30 26 200
50 ó más 134 44 18 4 200
Totales 366 291 207 136 1000
A continuación, se presenta la información de un grupo de 200 estudiantes universitarios, de la modalidad

presencial de las carreras de la UBP que fueron distribuidos según el turno de clases al que asisten y la
situación laboral.
Distribución de los estudiantes por turno de clases y situación laboral

Turno de clases
Situación laboral Mañana Tarde Total
No trabaja 75 35 110
Trabaja 4 o menos horas 20 30 50
Trabaja más de 4 horas 5 35 40
Total 100 100 200

En tablas cruzadas encontramos dos tipos de cantidades, las que se encuentran en los márgenes de la
tabla y las que se encuentran en el interior de la misma; las primeras (columnas totales) corresponden a
las cantidades totales para cada una de las categorías de una y de otra variable (totales de las filas y de
las columnas); las cantidades o frecuencias del interior corresponden a las cantidades de intersección
entre la categoría de una variable y la categoría de la otra variable.
En el ejemplo anterior:
- La cantidad 75 ubicada en la intersección de la categoría “no trabaja” y de la categoría “mañana”,
indica que 75 estudiantes de los 200, no trabajan y cursan a la mañana.
- La cantidad 110 ubicada al final de la primera fila, indica que 110 estudiantes de los 200, no
trabajan.
- La cantidad 100, total de la columna “tarde”, indica que 100 son los estudiantes que cursan en el
turno “tarde”.
Lo invito a interpretar el resto de las cantidades de la tabla.
A partir de esta tabla cruzada que contiene las frecuencias marginales y de intersección, es posible armar
otras tablas cruzadas con frecuencias relativas (que en general se expresan en porcentajes) calculando
esos porcentajes, por columna, por fila o por el total.
Las tablas siguientes así lo presentan.
Turno
Situación Laboral Mañana Tarde
cant. porc. cant. porc.
No trabaja 75 75% 35 35%
Trabaja 4 o menos horas 20 20% 30 30%
Trabaja más de 4 horas 5 5% 35 35%
Totales 100 100% 100 100%
Esta tabla de doble entrada presenta los porcentajes por columna (según la variable turno de clases),
como se verá los 100% están en las columnas correspondientes a los turnos mañana y tarde.
Así, el 75% significa que el 75% de los estudiantes del turno mañana, no trabajan; en tanto que el 35% de
los estudiantes que cursan a la tarde, trabajan más de 4 horas.
La tabla cruzada que sigue, contiene los porcentajes por fila, es decir se calcularon en función de la variable
situación laboral.
Turno
Situación Laboral Mañana Tarde Totales
No trabaja cant. 75 35 110
porc. 68% 32% 100%
Trabaja 4 o menos horas cant. 20 30 50
porc. 40% 60% 100%
Trabaja más de 4 horas cant. 5 35 40
porc. 13% 87% 100%
En esta tabla, el 68% se debe leer: el 68% de los estudiantes que no trabajan, concurren a la mañana.
El 13% de los alumnos que trabajan más de 4 horas, asisten a la mañana.
Se observa que en estas tablas los 100% se encuentran al final de las filas.

La tercera tabla cruzada que es posible armar, es la que contiene los porcentajes todos en función del total
general (en este caso los 200 estudiantes de la muestra). Se observa que hay un solo 100%.
Turno
Situación Laboral Mañana Tarde Totales
No trabaja cant. 75 35 110
porc. 37,5% 17,5% 55,0%
Trabaja 4 o menos horas cant. 20 30 50
porc. 10,0% 15,0% 25,0%
Trabaja más de 4 horas cant. 5 35 40
porc. 2,5% 17,5% 20,0%
Totales cant. 100 100 200
porc. 50,0% 50,0% 100,0%
Así, el 37,5% se lee: el 37,5% de los estudiantes no trabajan y concurren a la mañana. El 17,5% de la
muestra de estudiantes asisten al turno tarde y trabajan más de 4 horas.
Entonces, las tablas con porcentajes por columnas y por filas, permiten hacer una lectura condicionada de
una variable en función de la otra, en tanto que la tabla con los porcentajes sobre el total, permite la lectura
de las intersecciones, sin condicionar ni por una u otra variable.
Le propongo practicar con la interpretación de la información que contienen este tipo de tablas y que piense
en un título apropiado para cada una de ellas.

m2 |contenidos | IC
Licenciatura en
Educación Física –
Estadística I
GRÁFICOS ESTADÍSTICOS
UBP EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.46

GRÁFICOS ESTADÍSTICOS
Tipos de gráficos
Tal como se presentó en los contenidos del módulo 2, podemos clasificar a los gráficos estadísticos de
acuerdo al tipo de variables que se quiera presentar, completando el cuadro resumen:
 Para variables cuantitativas discretas:
Si lo que deseamos graficar son:
(a) Las frecuencias absolutas simples o las frecuencias relativas simples, el gráfico a utilizar es el “gráfico de
Bastones o gráfico de Ordenadas”.
(b) Las frecuencias absolutas acumuladas o las frecuencias relativas acumuladas, el gráfico a utilizar es el
“gráfico Escalonado o en Escalera”.1
A continuación, se muestra un gráfico de bastones.

La variable presentada es la “cantidad de goles” que realizaron en un torneo intercolegial los equipos de fútbol
de colegios nacionales.
Distribución de los equipos de fútbol según la cantidad

de goles en un intercolegial
11
10
9
8
cant.de equipos
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7
número de goles
El gráfico de bastones consiste en levantar sobre cada valor diferente de la variable una línea vertical (el
bastón), perpendicular al eje horizontal cuya altura esta dada por la frecuencia absoluta simple o relativa
simple, según qué información se desee presentar. 2
Para la construcción de un gráfico en escalera se grafica a la altura de la intersección entre el valor de la

variable y el valor de la frecuencia acumulada (absoluta o relativa) que le corresponde a dicho valor, un
punto; luego se unen mediante segmentos de recta, horizontales y paralelos al eje de las x, los puntos
antes marcados, de modo tal que se vayan formando los escalones tal como lo muestra la siguiente figura.
1 Cabe destacar que este gráfico solo se presenta para que ustedes lo conozcan, pero se aclara que no será exigida su construcción ni en
actividades, ni parciales ni en exámenes finales.
2 Cabe aclarar que, si se utiliza el editor de gráficos del Excel, deberá construir este gráfico desde la opción de barras, teniendo la
precaución de adelgazar lo máximo posible las barras para que parezcan y se asemejen a los bastones y además, se de dejar a
todas de un mismo color.

Distribución acumulada de los equipos de fútbol según los goles
45
40
35
30
cant.de equipos
25
20
15
10
0
0 1 2 3 4 5 6 7
número de goles
 Para variables cuantitativas continuas:

Si lo que deseamos graficar son:
(a) Las frecuencias absolutas simples o las frecuencias relativas simples, el gráfico a utilizar es el
“Histograma o el Polígono de Frecuencias”.
(b) Las frecuencias absolutas acumuladas o las frecuencias relativas acumuladas, el gráfico a utilizar es “La
Ojiva”.
A continuación, presentaremos los gráficos indicados.

La información que se grafica corresponde a las calificaciones (puntaje) obtenidas por un grupo de
estudiantes de la Lic. en Educación Física en los exámenes del último turno de marzo.
En la primera y segunda figura se grafican las frecuencias absolutas simples mediante un histograma y un
polígono de frecuencias respectivamente y en la tercera figura se presenta una ojiva graficándose las
frecuencias absolutas acumuladas.
Distribución de los alumnos según las calificaciones

9
8
7
cant.de alumnos
6
5
4
3
2
1
0
puntaje
Para realizar el histograma se marcan sobre el eje horizontal los intervalos.

La gráfica consiste en construir rectángulos cuya base está dada por la amplitud de cada intervalo y la
altura es la frecuencia absoluta simple o relativa simple que le corresponda a cada uno de los intervalos.
La superficie de todos los rectángulos, en su conjunto, constituyen el diagrama llamado histograma, por
eso es que se trata de un gráfico de superficie.
El histograma debe presentarse en un solo color y en dos dimensiones, no en tres porque estaríamos
agregando volumen y no es un gráfico de volumen.

Distribución de los alumnos según las calificaciones
9
8
cant.de alumnos
7
6
5
4
3
2
1
0
0 25 35 45 55 65 75 85 95 105
puntaje
El polígono de frecuencias es un gráfico equivalente al histograma, por lo tanto, representa la misma

superficie que éste último, sólo que para su construcción se marca, a la altura del punto medio o marca de
clase de cada intervalo y de la frecuencia simple que le corresponde al intervalo, un punto; luego se unen
mediante líneas rectas todos los puntos marcados y se los cierra al eje horizontal, para que quede el
gráfico de superficie. Para ello se deberá agregar un intervalo a la izquierda y a la derecha del primero y
del último y sobre el eje horizontal marcar la mitad de cada uno de esos intervalos agregados, en ese
punto se unirá para cerrar la gráfica y que quede bajo el polígono una superficie equivalente a la del
histograma.
La ojiva también se construye a partir de los ejes cartesianos, indicando en el eje horizontal los intervalos;
a la altura del extremo superior de cada intervalo y de la frecuencia absoluta acumulada o relativa
acumulada, según lo que se esté mostrando, se marca un punto; luego se unen los puntos mediante
segmentos de recta y el primer punto marcado se lo une al extremo inferior del primer intervalo. De este
modo queda un gráfico de línea, siempre ascendente, ya que lo que se está mostrando son las frecuencias
acumuladas.
Tener presente que la línea siempre debe arrancar desde el extremo inferior del primer intervalo, sobre el
eje horizontal.
Distribución acumulada de los alumnos según las

calificaciónes
30
cant.acumulada de alumnos
25
20
15
10
0
0 10 20 30 40 50 60 70 80 90 100 110
puntaje
 Para variables cualitativas:

Existen muchos gráficos para presentar los datos de este tipo de variables. Nosotros veremos algunos, los
más usados.
Gráfico de barras
Este diagrama nos permite presentar la información de tal manera que se pueda mostrar la composición
de sus partes. Es el diagrama que habitualmente se usa para presentar datos medidos en una escala
nominal u ordinal.
Las barras que se grafican deben hacerse separadamente pues cada una de ellas representa a una
categoría de la variable. Es posible señalar que para evitar confusiones o distorsiones las barras deben
tener todas, el mismo ancho.

Los gráficos de barras pueden ser de barras simples o compuestas. Las barras pueden presentarse de
manera horizontal o vertical, en dos o en tres dimensiones.
Veamos un ejemplo:
La información que presenta la gráfica siguiente corresponde a los elementos que prefieren usar los
alumnos en una clase de gimnasia. La información la recopiló un profesor de educación física, alumno de
la licenciatura.3
Elementos preferidos por los alumnos en una

clase de gimnasia
Pelotas de trapo 2
Tablas 6
elemento
Colchonetas 4
Aros 3
Pelotas 4
0 1 2 3 4 5 6 7
Cant.de alumnos
Gráfico circular o de pastel o de torta

Este tipo de gráfico nos permite ver la proporción en que cada categoría de la variable participa en el total
de las observaciones. Es común emplearlo para presentar las frecuencias relativas expresadas en
porcentajes.
Si bien es cierto que el gráfico de pastel es uno de los más sencillos en su construcción, es quizás por ello
que se hace uso y abuso del mismo al querer representar cualquier tipo de información con él.
Por lo general es el menos adecuado cuando se desean realizar comparaciones, puesto que es más
sencillo comparar longitudes que porciones de una torta.
A continuación, se presenta como ejemplo, la información correspondiente a un grupo de adolescentes
pertenecientes a tres clubes de fútbol de Córdoba. Los datos fueron relevados por un grupo de profesores
de educación física de dichos clubes.
Proporción de jóvenes futbolistas según el

porcentaje de masa muscular
Alto
Bajo 15%
33%
Normal
52%
En este gráfico al presentar las porciones de una torta, se representan los porcentajes (frecuencias
relativas) en lugar de las cantidades absolutas (frecuencias absolutas simples).
Recordar que siempre las porciones de la torta deben sumar 100%
3 Este mismo tipo de gráfica se podría emplear utilizando el porcentaje, es decir la frecuencia relativa simple en lugar de las
cantidades absolutas.

Gráfico de barras múltiples
Este tipo de gráfico se utiliza cuando queremos comparar una variable respecto a las categorías de otra.
Supongamos que poseemos información de los alumnos que cursan en la modalidad a distancia en la
UBP, por sexo y estado civil. Un gráfico de barras múltiples podría ser el siguiente.
Cantidad de alumnos inscriptos en las carreras a

distancia según sexo y estado civil
14
12
Cant.de alumnos 10
8
Soltero
6
Casado
4
0
Masculino Femenino
sexo
Las barras pueden ser en dos o en tres dimensiones.
Gráficos de partes componentes

Entre los gráficos de partes componentes podemos mencionar, como los más comunes, los que utilizan
como medio las barras, las líneas o los segmentos de un círculo para mostrar la información.
A continuación, se presenta como ejemplo un gráfico de barras porcentuales mostrando la misma
información ya visualizada en la gráfica de barras múltiples. En esta gráfica es posible apreciar la
proporción de estudiantes de la modalidad a distancia, en función del estado civil, por sexo.
Proporción de alumnos inscriptos en carreras a

distancia por sexo y según estado civil
100%
90%
80% 37%
70%
71%
60%
% de alumnos
50%
40%
30% 63%
20%
29%
10%
0%
soltero casado
masculino femenino estado civil
Otros gráficos
Pictogramas
Esta gráfica consiste en un número de símbolos (o íconos) de un mismo tamaño, donde cada uno de ellos
representa la misma clase de información con un valor fijo. La cantidad de símbolos dibujados muestra la
magnitud de un pictograma. Se podría decir que un pictograma es un tipo modificado de la gráfica de
barras. Este tipo de diagramas es útil para estimular el interés del usuario o lector ya que esta gráfica es,
en sí misma explicativa y por lo general se presenta de manera agradable e interesante.

Es un tipo de gráfico muy útil cuando los destinatarios de la información son niños.
Hay que tener presente que la gráfica debe indicar la cantidad de información que representa cada ícono.
Seguidamente se muestran dos ejemplos de pictogramas.
Mapas Estadísticos
Muestran la información cuantitativa sobre bases geográficas. Las formas más comunes de mostrar los
datos en un mapa son: símbolos, puntos, colores, barras y números o bien una combinación de ellos. Este
tipo de gráficas permite la comparación por áreas geográficas.
A continuación, se presenta un ejemplo de mapa estadístico, publicado en la página web del diario La Voz del
Interior de la ciudad de Córdoba, el 18 de febrero de 2014.
Este tipo de gráfica es muy común en la sección del tiempo que aparece en la mayoría de los periódicos,
en la que los distintos íconos (nubes, sol, lluvia, etc.) indican el tiempo en cada zona.

Series de tiempo
En este gráfico se muestra los valores de una determinada variable a través del tiempo. El eje horizontal
indica los períodos de tiempo (años, meses, días, etc.), en tanto el eje vertical, los valores que asume la
variable bajo análisis en cada uno de los períodos.
La siguiente gráfica de serie de tiempo corresponde a la evolución de los ingresos por televisación de los
juegos olímpicos a lo largo del período 1984 a 2000.
Evolución de los ingresos por televisación de los juegos olímpicos

1400 1318
1200
920
millones de dólares
1000 880
800 720
600
380
400
200
0
1984 1988 1992 1996 2000
año
Hemos presentado hasta aquí la mayoría de los gráficos más empleados, algunos de ellos muy difundidos en
publicaciones tales como revistas, periódicos, etc. De ninguna manera se ha agotado – ni pretendido hacer la
diversa variedad de gráficas que se pueden realizar en la presentación de la información.
Se ha mostrado, a lo largo de este módulo cómo, a partir de los datos recopilados es posible presentarlos en
tablas y en gráficos, con el propósito de aprovechar al máximo la información que contienen los datos y facilitar,
por lo tanto, el análisis posterior. Ya se dijo que es sumamente importante que tanto las tablas como los gráficos
presenten de manera clara y adecuada los datos según su tipo. Debe, por ende, evitarse cometer errores
comunes, por cierto, que distorsionen la información contenida en los datos que se presentan.
Por todo lo expresado es que se hace necesario agregar algunas acotaciones respecto al uso de estas formas
de presentación de los datos.
Uso correcto e incorrecto de tablas y gráficos estadísticos
Las tablas y los gráficos estadísticos son de tremenda utilidad, y precisamente por ello es que deben usarse con
cuidado, tratando de evitar que el lector o usuario de la información en ellos presentada (y que desconoce, la
mayoría de las veces, acerca de su correcta construcción estadística) llegue a conclusiones equivocadas.
Seguidamente, se presentan algunas de las maneras más comunes de distorsionar la información que se
proporciona en las tablas y gráficos – sobretodo, en éstos últimos y que confunden a los inexpertos lectores:
 Es muy frecuente observar en diarios y revistas de gran circulación tablas y gráficos con demasiados
“adornos”. La finalidad de los mismos es tornar la presentación más atractiva, pero la mayoría de las
veces lo que se consigue es distorsionar la información que los datos transmiten. Por eso, tal como lo
llama Berenson y Levine a estos adornos que distorsionan, hay que eliminar la “basura diagramática”.
 Generalmente resulta más significativo trabajar con frecuencias relativas que con frecuencias absolutas,
es más, el uso de las distribuciones de frecuencias relativas (con base 1 o base 100), se vuelve
indispensable cuando se quiere comparar una serie de datos con otra u otras que presenten distinta
cantidad de observaciones. Es por esto que una comparación sobre las cantidades absolutas
(frecuencias absolutas simples o acumuladas) no resulta adecuado, sin embargo, más de una vez
vemos este tipo de comparación que nos conducen obviamente a comparaciones y conclusiones
incorrectas.

 Es fácil modificar la gráfica, más aún la impresión visual de ella con sólo alterar las escalas de los ejes.
Una compresión, por ejemplo, del eje vertical puede provocar una distorsión en la información visual que
se está presentando. Los diagramas pueden ser mostrados de manera más aplanada o achatada según
la escala empleada en los ejes verticales. No existe una regla objetiva respecto al tamaño adecuado del
diagrama ya que, tal como se indicó, podemos lograr impresiones raras al prolongar o al contraer
demasiado cualquier escala en los ejes de la gráfica. El aumentar o el disminuir la pendiente, se logrará
encogiendo o alargando el eje horizontal; el mismo efecto se consigue ampliando o reduciendo el eje
vertical. Es por ello que se recomienda un análisis cuidadoso de las escalas utilizadas en ambos ejes.
 Cuando los valores representados en una gráfica son elevados y varían poco entre sí, se suele perder
un espacio por debajo de la curva; y en la construcción se omite el cero. De esta manera, se proporciona
una visión que es totalmente contraria a los hechos. La manera de indicar el cero y evitar que la curva
se desplace demasiado hacia arriba es realizar una división en la gráfica trazando una línea entera o
bien trazando una muesca (esta aclaración es válida para cualquiera de los dos ejes). Por lo tanto, el
punto de inicio sobre cualquiera de los ejes debe indicarse con un cero para no distorsionar la impresión
visual respecto de la magnitud de los cambios que se presenten en la gráfica (diagrama), de lo contrario
tales cambios pueden exagerarse o minimizarse. Recordar aquí lo indicado en las partes de un gráfico.

m2 material
Material básico
m2 actividades
m2 | actividad 1
Actividad 1: Trabajando con datos de fuente primaria y secundaria…
Usted está muy entusiasmado con lo que cada día aprende en la materia
Estadística. Hoy, camino al colegio donde es profesor de educación física, se le
ocurrió que podría poner en práctica lo que conoce sobre variables y presentación
de los datos, trabajando con los datos que usted mismo ha recolectado de sus
alumnos.
De paso hago la transferencia de los conocimientos al campo de la actividad
física, como nos dice la profe…
Como llega más temprano, aprovecha y mientras toma unos mates en la sala de
profesores, busca entre sus papeles, no hace mucho había relevado distintos
datos de sus estudiantes.
¡Aquí están! – se dijo así mismo –
De repente se da cuenta, que no es muy prolijo con sus papeles, pero… los
datos están…
La información que encontró es la siguiente:
a) El año pasado había relevado la cantidad de inasistencias que tuvo cada

alumno en las prácticas de deporte los días sábados; los datos fueron los
siguientes:
1 2 3 4 4
3 4 3 5 7
1 1 2 2 3
1 7 5 1 7
7 1 2 7 2

b) El mes pasado había relevado los tiempos (en segundos) para realizar una
determinada prueba en un entrenamiento de nado a un grupo de estudiantes,
pertenecientes a distintos cursos. Los datos:
9,4 7,7 11,0 8,2 9,3

8,9 9,3 8,3 9,7 8,6
6,7 9,1 9,5 11,7 10,0
7,2 6,8 8,0 6,5 8,8
8,5 7,1 6,5 12,0 9,2
9,5 10,5 13,5 6,5 6,6
c) La directora del colegio como se enteró que usted está cursando la

licenciatura y que está haciendo la materia Estadística, le solicitó que la
ayudara a mostrar, de una manera correcta, en la próxima reunión con los
docentes, la información acerca de los distintos medios de transporte que
utilizan los alumnos para llegar a la institución educativa, ella está interesada
en buscar las causas de las llegadas tarde de los alumnos y considera que
el medio que utilizan para trasladarse puede ser una de ellas.
La información que le pasa la directora es la siguiente:
Medio de transporte
A pie 70 alumnos
En bicicleta 20 alumnos
En colectivo 140 alumnos
En auto 20 alumnos
¡¡Materia prima no le falta!!
Es hora de poner manos a la obra y comenzar con la tarea de presentar estos

datos de manera estadísticamente correcta. Lo que ha visto en este módulo le
será de gran utilidad.
A comenzar… A 1
C 1
Usted cuenta con distinto tipo de datos y de distinta fuente, primaria en el caso
de los datos recopilados por usted como profesor y de fuente secundaria en el
caso de los datos que relevó la directora de la institución educativa en la que
trabaja.
Se le recomienda que, en primer lugar identifique cada una de las variables en
las tres situaciones y las clasifique correctamente según la naturaleza y según la
escala de medición, esto le permitirá elegir correctamente la manera de presentar
la información a través de tablas y de gráficos.
Recuerde que cada tipo de variable tiene sus tablas y gráficos apropiados.
Repase de ser necesario el tema de clasificación de variables visto en el módulo

1 y realice una lectura comprensiva de todo lo relativo a la presentación de datos
visto en el presente módulo.

Se le sugiere que conteste las siguientes preguntas, que orientarán la resolución
de cada situación planteada:
- ¿Cómo están presentados los datos?
- ¿Existe más de una forma de presentar la información para cada caso?
- Teniendo en cuenta las distintas formas de presentación de los datos,
¿cuál considera la más apropiada?
- ¿Qué gráfico le sugeriría a la directora, para hacer la presentación ante
los docentes del colegio?
Caso a)
Variable: cantidad de inasistencias a los entrenamientos durante el año pasado.

Clasificación: según la naturaleza: cuantitativa discreta; según la escala de
medición: de razón.
La variable se puede presentar a través de una tabla de distribución de frecuencias

y de un gráfico de bastones (para las frecuencias simples).
Distribución de los alumnos según las inasistencias a los entrenamientos

Inasistencias Cant.de Proporción Cant.acum. Proporción
alumnos de alumnos de alum. acum. de alum.
xi fi hi Fi Hi
1 6 0,24 6 0,24
2 5 0,20 11 0,44
3 4 0,16 15 0,60
4 3 0,12 18 0,72
5 2 0,08 20 0,80
7 5 0,20 25 1,00
25 1,00
Distribución de los alumnos según las inasistencias a los

entrenamientos
7
5
Cantidad de alumnos
0
1 2 3 4 5 6 7
Inasistencias (faltas)

En la tabla anterior se presenta la variable con todas las frecuencias que puede
contener una tabla estadística, recuerde que usted al construir la tabla decide
qué frecuencias finalmente deja en la presentación.
Además, debajo de cada columna se indica la simbología que representa a la
variable y a cada tipo de frecuencia. Recuerde también que, la simbología no se
coloca en la tabla que finalmente se publica, solo se indica aquí para que usted
la identifique según lo visto en este módulo.
Caso b)
Variable: tiempo para realizar una prueba de nado. Unidad de medida: segundos.
Clasificación: según la naturaleza: cuantitativa continua; según la escala de
La variable al ser continua, la mejor manera de presentarla es con una tabla de

distribución de frecuencias por intervalos; para ello se decide construir una tabla
con 5 intervalos.
Los gráficos que corresponden hacer son el histograma o el polígono de
frecuencias (si se presentan las frecuencias simples) y la ojiva (si se presentan
las frecuencias acumuladas).
Recuerde que, para armar una tabla de distribución de frecuencias por intervalos
de igual amplitud, con el criterio cerrado por la izquierda y abierto por la derecha,
debe seguir los pasos siguientes:
Rango: Valor máximo - Valor mínimo

R: 13,5 - 6,5
R= 7
Amplitud: Rango/cant.de intervalos
c = 1,4
c´ = 1,5
Distribución de los alumnos según el tiempo en la prueba de nado
Li - Ls xi fi hi Fi Hi
6,5 - 8,0 7,25 9 0,30 9 0,30
8,0 - 9,5 8,75 12 0,40 21 0,70
9,5 - 11,0 10,25 5 0,17 26 0,87
11,0 - 12,5 11,75 3 0,10 29 0,97
12,5 - 14,0 13,25 1 0,03 30 1,00
30 1,00
Le dejo a usted que coloque el título que le corresponde a cada columna, en

lugar de la simbología de modo tal de dejar lista la tabla para publicar.
Si se desean presentar las frecuencias simples (ya sean las absolutas o las
relativas) uno de los gráficos que se puede utilizar es el histograma y para
mostrar las frecuencias acumuladas, la ojiva. Se los presenta a continuación.

Distribución de los nadadores según tiempo en la prueba
14
12
10
Cant.de nadadores
8
segundos
Tener presente, a la hora de graficar, todos los requisitos de un gráfico correcto,

es decir:
- Colocar un título adecuado.

- Marcar el origen en el eje.
- Cortar el eje si los valores de la variable no suceden normalmente.
- Colocar nombre a los ejes.

Caso c)
Variable: medio de transporte utilizado por los alumnos.

Clasificación: según la naturaleza: cualitativa; según la escala de medición:
nominal.
Si se presenta la información en una tabla las misma debe contener solo las
frecuencias simples. Recuerde que en las variables cualitativas no corresponden
calcular las frecuencias acumuladas.
Si se presenta a través de un gráfico, en este caso se puede usar tanto una torta
como un gráfico de barras simples.
Distribución de alumnos por medio de transporte que usa
Transporte Cant.de alum. % de alum.

A pie 70 28%
Bicicleta 20 8%
Colectivo 140 56%
Auto particular 20 8%
Total 250 100%
Proporción de alumnos según el medio de transporte que usa
8%
28%
A pie
56% 8% Bicicleta
Colectivo
Auto particular
Proporción de alumnos según el medio de transporte usado

60%
50%
40%
% de alumnos
30%
56%
20%
28%
10%
8% 8%
0%
A pie Bicicleta Colectivo Auto particular
medio

Actividad 2: Ayudando a un amigo con la confección de tablas
estadísticas...
Hace unos días, cuando salió a caminar un rato, se encontró con Rubén un
amigo de la secundaria. Hablando de todo un poco, se enteró de que él estaba
estudiando periodismo deportivo y que está haciendo una pasantía en una
empresa de televisión por cable. El jefe de su amigo le solicitó que prepara un
informe, respecto de los últimos Juegos Olímpicos y le pidió que hiciera foco en
los países de Latinoamérica.
Usted ya ha practicado bastante esto de presentar datos a través de gráficos

y tablas, por lo que se siente seguro para ayudar a su amigo en la tarea. Este
mismo fin de semana busca en Internet información y encontró dos videos en
YouTube que le pareció interesantes como para resumir información y presentarla
a través de tablas y gráficos.
Los videos son los siguientes y se los envía a su amigo, quien a su vez también
hacía su propia búsqueda de información sobre el tema.
https://www.youtube.com/watch?v=u7vSEKH4SF8
https://www.youtube.com/watch?v=xPiIeXciHdE
El primer video presenta los cinco países con más medallas olímpicas y el
segundo, los diez países latinoamericanos con más medallas obtenidas.
Rubén no tarda en darle el OK.
Entonces usted se pone a trabajar, ya estuvo pensando en cómo sería la mejor
manera y correcta, de presentar los datos que se proporcionan en esos videos.
Mañana mismo le enviará a su amigo lo realizado.
¡¡Le deseo mucha suerte!! A 1 C 1

El pedido de ayuda de su amigo le viene como anillo al dedo, ya que usted está
viendo en el módulo 2 de Estadística I el tema de organización y presentación de
los datos. Por lo tanto, le servirá de práctica, pudiendo aplicar los conocimientos
a un caso particular y además del área del deporte, qué más se puede pedir...
En esta actividad se le recomienda que repase todo lo relativo a la presentación
de datos, especialmente a través de tablas estadísticas. Los requisitos de
construcción, las partes que deben tener las tablas, etc.
Para este caso, como para todos, primero se le recomienda que identifique la
variable que va presentar y la clasifique ya que de ello dependerá el tipo de tabla
y de gráfico a utilizar.
Para esta actividad, como la información que se desea presentar es de tipo

cualitativo, sería aconsejable emplear una tabla de frecuencias para mostrar los
cinco países con más medallas, presentando el total de medallas obtenidas en
los juegos y una tabla cruzada para mostrar el ranking de países latinoamericanos
con la cantidad de medallas, distinguiendo si las mismas son de oro, plata o
bronce.
Las tablas sugeridas son las siguientes.
Posición de los países por total de medallas obtenidas
País Puesto Cantidad total

de medallas
EE.UU 1ro. 2680
Rusia 2do. 1868
Alemania 3ro. 1691
Gran Bretaña 4to. 806
Francia 5to. 780
Ranking de países latinoamericanos con más medallas olímpicas

Medalla
Puesto País Oro Plata Bronce Total
1° Cuba 72 67 70 209
2° Brasil 23 30 55 108
3° Argentina 18 24 28 70
4° México 13 21 28 62
5° Colombia 2 6 11 19
6° Chile 2 7 4 13
7° Venezuela 2 2 8 12
8° Uruguay 2 2 6 10
9° Puerto Rico 0 2 6 8
10° Rep.Dominicana 3 2 1 6
También podría utilizarse, para este último caso, un gráfico de pictograma,

empleando como ícono cada tipo de medalla (oro, plata o bronce) y colocando
para cada país tantos íconos como medallas sean las ganadas.

Actividad 3: Con una mirada crítica sobre los gráficos...
Hace unos días uno de sus amigos buscando información sobre los Juegos
Olímpicos y sobre el Mundial de Fútbol, en Internet encontró los siguientes
gráficos y como no sabía muy bien cómo interpretarlos, le pidió a usted que le
diera una mano.
Claro que usted está dispuesto a ayudarlo, además cuenta con los conocimientos
sobre el tema.
Las imágenes se las pasa su amigo por WhatsApp y son las siguientes.

¿Qué opina de las gráficas que le envió su amigo?
¿Cuál es el análisis con ojo crítico que puede hacer, a la luz de lo que sabe sobre
gráficos?
¿Son correctas las gráficas usadas?
¿Sugeriría un gráfico alternativo? A 1
C 1
Usted está en condiciones de ayudar a su amigo a interpretar los gráficos que le

envió. Para ello revise atentamente todo lo relativo a la presentación de datos a
través de gráficos estadísticos, visto en este módulo.
Se le sugiere que:
- Identifique la o las variables que se presentan en los gráficos.
- En función del tipo de variable que muestran los gráficos analice si es el
gráfico que corresponde o si en realidad correspondía hacer otro gráfico.
- Revise la construcción de la gráfica, revise que se hayan respetado las partes
que debe contener la gráfica.
- Analice, con una mirada crítica-estadística cada gráfica.
- Realice un pequeño informe a su amigo, de seguro le será de gran utilidad.
Con respecto a la primera imagen:

- En primer lugar, hay dos gráficos uno de torta y uno de barras múltiples.
- No es clara la manera de presentar los datos. Hay que hacer un análisis muy
fino para poder interpretar los gráficos, hecho que no debería ocurrir, ya que
los gráficos deben permitir una lectura rápida y clara de la información que
ellos ilustran.
- Cada gráfico debería tener un título adecuado.
- En la gráfica de torta no se presentan los porcentajes que representa cada
porción.
- En el gráfico de barras múltiples, es aconsejable que se indique el porcentaje
que representa cada barra. En las referencias es incorrecto colocar: “%
pases buenos”, solo debería decir: “pases buenos” y así con cada categoría.
- En el gráfico de barras debe indicar cada eje lo que representa.
- Al analizar los porcentajes que les corresponderían a las barras la sumatoria
supera el 100%. Evidentemente hay algo incorrecto o que no se aclara de la
construcción de la gráfica.
- Hay muchos datos “sueltos” en la imagen que sólo hacen “ruido” y no
contribuyen a aclarar el tema.

Con respecto a la segunda imagen:
- También aquí se mezclan gráficas estadísticas con imágenes o infografía.
- La variable es el costo de los juegos olímpicos a través de los años, por lo
tanto, se debió realizar una serie de tiempo como gráfico estadístico. Sí se
puede agregar junto al año la bandera y el nombre del país.
- Se debería mejorar el título.
- Al costado figuran unos círculos que no son claros, no se sabe a qué
porcentajes se refieren, cómo fueron calculados, por lo tanto, confunden,
eso no debería estar en la gráfica.
- Se hacen aclaraciones al pie que resultan innecesarias y sólo confunden.
A continuación, se presenta el gráfico de serie de tiempo que correspondería

realizar.
Evolución del costo de los eventos deportivos en las Olimpíadas

16
14
13,36
12
10 8,65
mil mill.€
8
6,08
6
4,49
3,70
4 2,63 4,09
2
Año y lugar
Como conclusión:
o Siempre es preferible una gráfica simple ante una gráfica compleja y con
demasiadas cosas “extras” que no aportan y que, por el contrario, confunden.
o Los gráficos deben ser los adecuados según las variables a presentar y su
lectura debe ser rápida y simple.
o Siempre se debe respetar los requisitos de construcción, manteniendo las
partes de los gráficos.

m2 glosario
Amplitud de intervalo: distancia entre los extremos de un intervalo.

Diagrama: figura o dibujo que contiene un gráfico estadístico. Parte de un
gráfico.
Distribución: conjunto, arreglo o grupo de valores de una variable numérica.
Distribución unidimensional: distribución para los valores de una sola variable.
Frecuencia: cantidad de ocurrencias de mismo valor de una variable.
Fuente de tablas o gráficos: origen de los datos presentados en una tabla o en
un gráfico estadístico.
Gráfico de barras: presentación gráfica para variables nominales u ordinales,
en la que cada barra representa las frecuencias de cada categoría.
Gráfico de bastones: presentación gráfica para las frecuencias simples de una
variable cuantitativa discreta.
Gráfico estadístico: manera visual de presentación de datos, a través de un
diagrama o dibujo, según el tipo de variable a presentar.
Histograma: presentación gráfica adecuada para variables cuantitativas
continuas, para mostrar las frecuencias simples o relativas. Se traza colocando
los intervalos de clase sobre el eje horizontal y las frecuencias sobre el eje
vertical.
Intervalos o clases: categorías en las que se presenta una tabla para variables
continuas; cada intervalo tiene un límite inferior y uno superior.
Ojiva: gráfica para la distribución de frecuencias acumuladas de variables
cuantitativas continuas.
Pictograma: gráfica que consiste en una cantidad de símbolos o íconos de un
mismo tamaño donde cada uno de ellos representa la misma clase de información
con un valor fijo.
Punto medio o marca de clase: valor medio, de los extremos, de un intervalo en
las tablas de distribución de frecuencias por intervalos.
Serie simple: presentación de las observaciones tal como se suceden.
Serie de tiempo: método gráfico para la presentación de los valores de una
variable medida a través del tiempo.
Tabla cruzada: presentación de los datos clasificados según las categorías de
dos variables.
Tablas estadísticas: arreglos de datos en filas y columnas para su presentación
de manera apropiada según el tipo de variable.

m3
m3 microobjetivos
• Desarrollar habilidades para describir e interpretar conjuntos de datos

numéricos, provenientes de una población o de una muestra, mediante el
cálculo de las distintas medidas resumen (de posición, de dispersión y de
forma).
• Realizar comparaciones entre conjuntos de datos surgidos de investigaciones
o de trabajos de campo en su disciplina, para obtener conclusiones sobre la
homogeneidad de los datos y la representatividad del promedio, a través de
la aplicación de las medidas resumen.
m3 contenidos
Medidas descriptivas
Hemos visto, en el módulo anterior, que los métodos gráficos nos permiten
obtener una descripción rápida y general de los datos recolectados. Pero en
ciertas ocasiones necesitamos tener caracterizado un conjunto de manera más
sintética. En este módulo, conocerá y aprenderá a calcular las medidas resumen
o medidas descriptivas para los conjuntos de datos y podrá comprender la
enorme utilidad de las mismas.
Lo invito a ver el video de presentación de esta etapa del cursado.
1. Parámetros y Estadísticos
Las medidas resumen describen un
conjunto de datos y permiten hacer
comparaciones entre grupos de datos (dos
o más distribuciones).
Tanto cuando trabajamos con variables
para una población o para una muestra,
nos encontramos, la mayoría de las veces
con una cantidad de datos, que se hace
necesario resumir en un solo valor que nos
represente a ese conjunto de datos (poblacionales o muestrales), así esos valores
que surgen de aplicar ciertas fórmulas matemáticas y realizar los cálculos, se
denominan medidas resumen o descriptivas.

Cuando las medidas resumen se refieren a la población se las denomina
genéricamente parámetros, y cuando se refieren a una muestra, reciben el
nombre de estadísticos.
Nosotros vamos a ver los tres tipos de medidas mediante las cuales queda
identificado y es posible describir, un conjunto de datos. Estas medidas son:
- Medidas de Posición
- Medidas de Dispersión
- Medidas de Forma
Veamos cada tipo de medida.
2. Medidas de posición
Las medidas de posición o de tendencia son valores que se calculan para un
grupo de datos y que se utilizan para describir la posición o tendencia general
de la masa de datos para una determinada variable.
Generalmente, lo que se pretende es que esas medidas sean representativas
de todos los valores del grupo, permitiéndonos localizar el punto medio o típico
de un conjunto de datos. Por lo tanto, en el sentido estadístico, una medida de
tendencia o de posición, es un “promedio” para un conjunto de valores.
Las medidas de posición, a su vez es posible clasificarlas en:
Cada promedio tiene sus

características particulares. La
determinación de cuál de los
diferentes promedios deberá ser
usado en cada circunstancia
dependerá de las características de
los promedios y de las características
de los datos para los que se los
calcula.
Estudiaremos cada uno de los
promedios por separado.
1.1. Media aritmética

La media aritmética o promedio por excelencia es la suma de los valores del
conjunto de datos dividida por el total de las observaciones.
El concepto que la mayoría de las personas tiene de un promedio es lo que
estadísticamente se llama media aritmética.
La media tiene la ventaja de ser un concepto familiar para la mayoría de las
personas. Cada conjunto de datos tiene una y sólo una media.
Esta medida de posición tiene en cuenta para su cálculo todas las observaciones
de la variable, debiéndose entonces, prestar atención a la presencia de valores
extremos que pueda llegar a asumir la variable, ya que éstos podrían distorsionar
el valor de la media.
𝑆𝑆𝑆𝑆𝑚𝑚𝑎𝑎 𝑑𝑑𝑀𝑀 𝑉𝑉𝑜𝑜𝑜𝑜 𝑜𝑜𝑎𝑎𝑉𝑉𝑜𝑜𝑉𝑉𝑀𝑀𝑜𝑜 𝑑𝑑𝑀𝑀 𝑉𝑉𝑎𝑎 𝑜𝑜𝑎𝑎𝑉𝑉𝑥𝑥𝑎𝑎𝑜𝑜𝑉𝑉𝑀𝑀
𝑀𝑀𝑀𝑀𝑑𝑑𝑥𝑥𝑎𝑎 𝐴𝐴𝑉𝑉𝑥𝑥𝑇𝑇𝑚𝑚é𝑇𝑇𝑥𝑥𝑜𝑜𝑎𝑎 =
𝑇𝑇𝑜𝑜𝑇𝑇𝑎𝑎𝑉𝑉 𝑑𝑑𝑀𝑀 𝑉𝑉𝑎𝑎𝑜𝑜 𝑜𝑜𝑜𝑜𝑜𝑜𝑀𝑀𝑉𝑉𝑜𝑜𝑎𝑎𝑜𝑜𝑥𝑥𝑜𝑜𝑅𝑅𝑀𝑀𝑜𝑜

Las fórmulas de cálculo para la media, según se trate de la población o de la
muestra, son:
Población Muestra
(la media será un parámetro) (la media será un estadístico)
Serie simple
∑ 𝒙𝒙𝒊𝒊 ∑ 𝒙𝒙𝒊𝒊
𝑴𝑴(𝒙𝒙) = 𝝁𝝁 = �=
𝑴𝑴(𝒙𝒙) = 𝒙𝒙
𝑵𝑵 𝒏𝒏
∑ 𝒙𝒙𝒊𝒊 . 𝒇𝒇𝒊𝒊 ∑ 𝒙𝒙𝒊𝒊 . 𝒇𝒇𝒊𝒊

𝑴𝑴(𝒙𝒙) = 𝝁𝝁 = �=
𝑴𝑴(𝒙𝒙) = 𝒙𝒙
𝑵𝑵 𝒏𝒏
Donde, N es el tamaño de la población y n es el tamaño de la muestra.
Es posible resumir entonces, las características de la media aritmética:

 Cada conjunto de valores de una determinada variable tiene una media
aritmética, cuyo valor es único para ese conjunto de datos.
 El cálculo de la media aritmética se basa en todos los valores que asume la
variable. Por lo tanto, el valor de la media se ve afectado por cada uno de los
valores de la variable. En consecuencia, la presencia de valores extremos
(por muy grandes o muy pequeños respecto al resto de los valores) pueden
llegar a distorsionar el valor de la media.
 La media es posible calcularla para cualquier variable cuantitativa (discreta
o continua) medida en escala de intervalo o de razón.
1.2. Mediana
La mediana es una medida de posición central que aparece en el centro de una
sucesión ordenada de los valores de la variable.
Se puede decir que la mediana es aquel valor de la variable que ocupa el lugar
central cuando la serie se encuentra ordenada.
La mediana es una medida de posición que no se ve afectada por los valores
extremos de la variable, como sucede con la media aritmética.
Para identificar la mediana es necesario siempre ordenar los datos, ya sea en
forma ascendente o descendente.
Si la cantidad de datos es impar, existe un solo valor de la variable que ocupa el
centro; ese es el valor de la mediana.
Si hay una cantidad par de datos, existen dos valores de la variable que ocupan
el centro. En este caso, para obtener la mediana, se deben promediar esos dos
valores centrales.
A la mediana se la simboliza de la siguiente manera: Me(x)

Veamos un ejemplo, supongamos que poseemos los siguientes datos, que
corresponden a las edades en años de un grupo de alumnos que asistieron a
una charla informativa acerca de las carreras a distancia que se dictan en la UBP.
18 20 18 20 22 18 25 22 23 22 19 40 19
En este caso se cuenta con una muestra de tamaño 13.

En primer lugar, debemos ordenar los datos de menor a mayor o de mayor a
menor.1
Una vez ordenada la serie esta quedará así:
18 18 18 19 19 20 20 22 22 22 23 25 40
Como en este caso tenemos una cantidad impar de datos, existe un único valor
de la variable que ocupa el centro, que es 20 años. En nuestro ejemplo entonces:
𝑀𝑀𝑀𝑀(𝑥𝑥) = 20 𝑎𝑎ñ𝑜𝑜𝑜𝑜
Si la cantidad de observaciones fuera par por ejemplo si a la charla se agregaran

tres alumnos más– uno de 18 años, otro de 23 años y otro de 38 años–, la serie
simple ordenada quedaría: (n=16)
18 18 18 18 19 19 20 20 22 22 22 23 23 25 38 40
Vemos entonces que ahora, tenemos dos observaciones que ocupan el lugar
central. La mediana se la calcula como el promedio entre los dos valores
centrales:
20 + 22
𝑀𝑀𝑀𝑀(𝑥𝑥) = = 21 𝑎𝑎ñ𝑜𝑜𝑜𝑜
2
La mediana entonces es 21 años, que si bien no es un valor observado de los

valores que se presentaron de la variable, sí es un valor posible dentro del rango
en que varía la variable (de 18 a 40 años).
Es posible resumir para la mediana:

 La mediana no es calculada con todos los valores de la variable en una serie
de datos.
 La mediana no se ve afectada por los valores extremos como ocurre con la
media aritmética.
 La mediana no está definida algebraicamente como la media aritmética.
1.3. Modo
El modo o moda o valor modal es el valor de la variable que se presenta más
veces, es decir aquel valor de la variable que tiene la mayor frecuencia absoluta
simple. Dicho de otra manera: es el valor más frecuente de la variable.
1. Es posible apreciar en esta serie un valor extremo de la variable (la persona que tiene 40 años), respecto al resto de las
edades de los asistentes; en consecuencia, este sería un caso en el que el cálculo de la media aritmética se vería afectado por
dicho valor extremo.

La determinación del valor modal para datos puntuales (serie simple o distribución
de frecuencias) no presenta ninguna dificultad. En cambio, cuando los datos se
agrupan en intervalos (distribución de frecuencias por intervalos) podremos decir
que el intervalo o clase modal será aquel que tenga la frecuencia más elevada.
Resumiendo, las características del modo son:

 El modo se lo considera el valor típico de una serie de datos.
 El valor modal no se calcula incluyendo todos los valores y no está definido
matemáticamente como la media.
 La moda no se ve afectada por los valores extremos.
 La moda para datos discretos es fácil de calcular, en tanto que el verdadero
valor modal en una variable continua –estrictamente hablando– no existe, ya
que rara vez son exactamente iguales dos valores continuos.
 El valor del modo se puede ver muy afectado cuando se trabaja con una
distribución de frecuencias por intervalos ya que la designación de los
intervalos de clase afecta a la distribución de los datos.
 El modo es posible calcularlo en variables medidas en cualquiera de las
cuatro escalas. Es la única medida resumen para las variables de naturaleza
cualitativa.
1.4. Cuartiles
Son medidas útiles para obtener una posición “no central”, utilizadas
frecuentemente para resumir o describir un conjunto de datos. Los cuartiles son
valores de la variable que dividen a la serie de datos ordenada, en cuatro partes
iguales, conteniendo cada parte la misma cantidad de observaciones.
Gráficamente podríamos representarlos, a los cuartiles, de la siguiente manera:
Q1 Q2 Q3
25% 75%
50% 50%
75% 25%
Los cuartiles son tres:

• El 1º cuartil es aquel valor de la variable que supera al 25% de las
observaciones y es superado por el otro 75% de las mismas. Se simboliza
con Q1

observaciones y es superado por el otro 50% de las mismas. El segundo
cuartil siempre coincide con la mediana. Se simboliza con Q2
observaciones y es superado por el otro 25% de las mismas. Se simboliza
con Q3
Es de señalar que para el cálculo de los cuartiles al igual que para

calcular la mediana es necesario que los datos se encuentren
ordenados por su magnitud.
Cuando en lugar de dividir al conjunto de datos en cuatro partes iguales, lo

dividimos en cien partes iguales, los valores de la variable que dividen a la serie
en 100 partes se llaman “centiles”. Existirán entonces, 99 centiles.
Cuando al conjunto de datos se lo divide en 10 partes iguales, los valores de
la variable que dividen a la serie en 10 partes se llaman “deciles”. Existirán
entonces, 9 deciles.
En general, estas medidas que dividen a la serie de datos en partes iguales se las
denomina “Cuantiles o Percentiles”, recibiendo la denominación de cuartiles,
deciles o centiles, según la cantidad de partes en que dividan a la serie, cuatro;
diez o cien respectivamente.
Es necesario aclarar que cualquiera sea la medida de posición que se calcule
siempre es un valor de la variable. Por lo tanto, debe ser un valor observado
o posible de asumir de la variable en cuestión (ej.: si estamos calculando el
promedio del puntaje obtenido en un examen, por los alumnos y la variable
asume valores entre 0 y 100, el promedio no puede ser 120 puntos) y siempre va
a estar expresado en la misma unidad de medida de los datos (ej.: si los datos se
refieren a dinero, la medida de posición estará expresada en pesos o en dólares
o en la moneda en que se encuentren expresados los datos; si la variable es la
edad, las medidas de posición estarán expresadas en años, etc.).
Las medidas de posición son genéricamente llamadas promedios. Lo que
acabamos de ver son las diferentes maneras de calcular un promedio de acuerdo
al tipo de datos a los cuales se los calcule.2
2. Medidas de dispersión
Una vez calculadas las medidas de posición para un conjunto de datos
es importante la obtención de una medida que permita conocer el grado de
dispersión o variabilidad que tiene ese conjunto de datos. Esa variabilidad
generalmente se toma respecto de alguna de las medidas de tendencia central.
Seguidamente se presentarán las medidas de dispersión que veremos en este
curso.
2. Existen otras formas de calcular un promedio, tales como la Media armónica o la Media geométrica, las mismas quedan
fuera del alcance de este curso.

1.1. Rango o Recorrido
El rango o recorrido de una variable lo podemos definir como la diferencia entre
el valor máximo que puede asumir la variable y el valor mínimo de la misma. Lo
representaremos con la letra R.
𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 = 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 − 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛
Como características del recorrido se pueden mencionar:

 El recorrido está basado en sólo dos valores de la variable, el más grande y
el más chico.
 Es de fácil cálculo y se lo suele usar como complemento en el análisis de
una distribución junto con la media.
 El recorrido puede ser influenciado por valores no usuales de los datos, por
lo tanto, puede no resultar una medida apropiada para medir la dispersión
en la distribución.
 Por las razones mencionadas, es que resulta y debe ser entendido como una
primera aproximación de la medida de dispersión.
1.2. Varianza
La varianza se define como el promedio de los cuadrados de las desviaciones de
la variable con respecto a la media aritmética.
Se entiende por desvío a la distancia entre cada valor de la variable y la media
aritmética. Cuanto mayor sean los desvíos, mayor será la dispersión de los
valores de la variable con respecto a la media, es decir que los valores estarán
menos concentrados alrededor de la media y viceversa.
Conceptualmente la varianza es:
𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 desvíos al cuadrado

Varianza =
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜
El símbolo que se emplea para representar a la varianza es:
- para la población  𝜎𝜎²

- para la muestra  s²
Genéricamente se puede emplear, tanto para la población como para la muestra,

como simbología V(x)

La fórmula para el cálculo de la varianza se presente en el siguiente esquema:
Población Muestra
(la varianza será un parámetro) (la varianza será un estadístico)
Serie simple
∑(𝒙𝒙𝒊𝒊 − 𝝁𝝁)𝟐𝟐 �)𝟐𝟐

∑(𝒙𝒙𝒊𝒊 − 𝒙𝒙
𝑽𝑽(𝒙𝒙) = 𝝈𝝈𝟐𝟐 = 𝑽𝑽(𝒙𝒙) = 𝒔𝒔𝟐𝟐 =
𝑵𝑵 𝒏𝒏 − 𝟏𝟏
∑(𝒙𝒙𝒊𝒊 − 𝝁𝝁)𝟐𝟐 . 𝒇𝒇𝒊𝒊 �)𝟐𝟐 . 𝒇𝒇𝒊𝒊

𝑽𝑽(𝒙𝒙) = 𝝈𝝈𝟐𝟐 = 𝑽𝑽(𝒙𝒙) = 𝒔𝒔𝟐𝟐 =
En el cálculo de la varianza, cuando se trata de una muestra, se observa que

el denominador de la fórmula es: “n -1”, esto es así porque de esta manera la
varianza de la muestra es un buen estimador de la varianza poblacional.3
Es posible indicar, entonces, respecto a las características de la varianza:
 El cálculo de la varianza se basa en todos los valores de la variable.

 Mide la dispersión de los valores de la distribución con respecto a la media
aritmética.
 Es una medida matemáticamente lógica ya que considera los desvíos de
los valores de la variable respecto a la media sin obviar su signo (positivo o
negativo ).
 El inconveniente que presenta la varianza es que la unidad de medida de los
datos queda expresada al cuadrado y esto dificulta su interpretación.
1.3. Desviación estándar

La desviación estándar se la define como la raíz cuadrada positiva de la varianza.
Esta medida de dispersión salva el inconveniente mencionado con el cálculo de
la varianza, donde dicha medida quedaba expresada al cuadrado. La desviación
estándar queda, por lo tanto, expresada en la misma unidad de medida que los
datos originales.
La desviación estándar es de gran utilidad si necesitamos evaluar la
representatividad de la media en un conjunto de datos, una desviación estándar
pequeña nos estará indicando un alto grado de homogeneidad de la serie; es
decir, los valores de la variable estarán muy cercanos al promedio. Si tenemos
dos o más series comparables con medias aritméticas idénticas o casi idénticas
expresadas en igual unidad de medida, la distribución con menos desviación
estándar será la que tenga la media más representativa y en consecuencia la
distribución será más homogénea.
3. “n – 1” corresponde a los grados de libertad, tema que no profundizaremos en este curso, aunque podemos dar como
concepto el siguiente: los grados de libertad se refieren al número de observaciones dentro del grupo de datos que pueden
variar libremente.

El símbolo que se emplea para representar la desviación estándar es:
- para la población  𝜎𝜎
- para la muestra  s
Genéricamente se puede emplear, tanto para la población como para la muestra,

como simbología DS(x)
La fórmula para el cálculo de la desviación estándar es:
Población Muestra
Serie simple
∑(𝒙𝒙𝒊𝒊 − 𝝁𝝁)𝟐𝟐 �)𝟐𝟐

𝑫𝑫𝑫𝑫(𝒙𝒙) = 𝝈𝝈 = � 𝑫𝑫𝑫𝑫(𝒙𝒙) = 𝒔𝒔 = �
∑(𝒙𝒙𝒊𝒊 − 𝝁𝝁)𝟐𝟐 . 𝒇𝒇𝒊𝒊 �)𝟐𝟐 . 𝒇𝒇𝒊𝒊

𝑫𝑫𝑫𝑫(𝒙𝒙) = 𝝈𝝈 = � 𝑫𝑫𝑫𝑫(𝒙𝒙) = 𝒔𝒔 = �
En cuanto a las características que presenta la desviación estándar podemos

indicar las mismas que la varianza y además:
 Al quedar la desviación estándar expresada en la misma unidad de medida

que los datos resulta de fácil interpretación.
 Es la medida de dispersión más empleada.
 Cumple un rol muy importante en la inferencia estadística.
Es importante señalar que todas las medidas descriptivas vistas hasta

aquí deben ir siempre acompañadas por la unidad de medida de la
variable.
1.4. Coeficiente de variación

Cuando deseamos comparar la dispersión de dos o más series de valores que
tienen medias aritméticas diferentes entre sí o bien, que se expresan en distinta
unidad de medida, no es posible comparar las desviaciones estándar, se debe
recurrir entonces a una medida de variación relativa llamada coeficiente de
variación.
El coeficiente de variación se calcula de la siguiente manera:
𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷ó𝑛𝑛 𝐸𝐸𝐸𝐸𝐸𝐸á𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛
Coeficiente de Variación =
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡
Mientras menor sea el coeficiente de variación, habrá mayor homogeneidad en

los datos, encontrándose éstos más concentrados en torno a la media aritmética;
por lo tanto, la media aritmética será más representativa.

Es posible resumir las características del coeficiente de variación en:
 Se trata de una medida adimensional, es decir sin unidad de medida.
 Se lo emplea en la toma de decisiones ya que permite determinar si la media
es representativa como medida de posición; y hace posible la comparación
de dos o más conjuntos de datos en cuanto a la variabilidad aún, cuando se
trate de variables diferentes y con diferentes unidades de medida.
4. Medidas de forma
Estas medidas resumen permiten conocer la forma o manera en la cual están
distribuidos los datos.
Cuando hablamos de forma se hace referencia a la deformación ya sea horizontal
y/o vertical que presenta el conjunto de observaciones.
A las medidas de forma se las puede clasificar en dos grandes tipos: Asimetría y
Puntiagudez o Kurtosis.
4.1. Asimetría
La asimetría nos permite mostrar la deformación horizontal de la distribución.
Para describir la asimetría podemos:
 Observar la gráfica de la distribución, ya sea el gráfico de bastones o el
histograma (o polígono de frecuencia), según el tipo de variable. La gráfica
nos dará una idea de la forma que presentan los datos.
 Otra manera es comparando el valor de la media aritmética y de la mediana.
 También podemos calcular el coeficiente de asimetría. El coeficiente es el que
mayor información acerca del sesgo, aporta, ya que el signo del coeficiente
indica el sentido de la asimetría y el valor del mismo e indica que tan fuerte
o débil es el sesgo.
Se aclara que existen varias fórmulas de cálculo del coeficiente de asimetría,

nosotros en este curso utilizaremos la siguiente4:
3(𝑥𝑥̅ − 𝑀𝑀𝑀𝑀𝑥𝑥 )
𝐶𝐶𝑎𝑎 =
𝐷𝐷𝐷𝐷
4.2. Puntiagudez o Kurtosis (curtosis)

Una medida de puntiagudez o kurtosis hace referencia a la deformación de la
distribución respecto al eje vertical; permite medir el grado de concentración en
el área alrededor del modo.
La puntiagudez resulta más difícil detectarla a simple vista a través de la gráfica,
de allí que el análisis de la puntiagudez se realiza a través del coeficiente de
kurtosis5.
4. Esta fórmula involucra las medidas que usted ya conoce, la media aritmética, la mediana y la desviación estándar.
5. Cabe aclarar que las fórmulas de cálculo de estos coeficientes quedan fuera del alcance de este curso. Solo se interpretarán
los resultados de dichos coeficientes para la analizar la puntiagudez.

En el siguiente esquema se resume acerca de las medidas de forma.
Asimetría Gráficamente
Forma Comparando media 𝑴𝑴𝒆𝒅𝒊𝒊𝒂 > 𝑴𝑴𝒆𝒅𝒊𝒊𝒂𝒏𝒏𝒂 → 𝑨𝒔𝒔𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂 𝒅𝒆𝒓𝒆𝒄𝒉𝒂 𝒐 𝒑𝒐𝒔𝒔𝒊𝒊𝒕𝒊𝒊𝒗

con mediana 𝑴𝑴𝒆𝒅𝒊𝒊𝒂 = 𝑴𝑴𝒆𝒅𝒊𝒊𝒂𝒏𝒏𝒂 → 𝑫𝑫𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂
𝑴𝑴𝒆𝒅𝒊𝒊𝒂 < 𝑴𝑴𝒆𝒅𝒊𝒊𝒂𝒏𝒏𝒂 → 𝑨𝒔𝒔𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂 𝒊𝒊𝒛𝒒𝒖𝒊𝒊𝒆𝒓𝒅𝒂 𝒐 𝒏𝒏𝒆𝒈𝒂𝒕𝒊𝒊𝒗𝒂
𝑪𝒂 > 𝟎 → 𝑨𝒔𝒔𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂 𝒅𝒆𝒓𝒆𝒄𝒉𝒂

Coeficiente de 𝑪𝒂 = 𝟎 → 𝑫𝑫𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂
asimetría 𝑪𝒂 < 𝟎 → 𝑨𝒔𝒔𝒊𝒊𝒎é𝒕𝒓𝒊𝒊𝒄𝒂 𝒊𝒊𝒛𝒒𝒖𝒊𝒊𝒆𝒓𝒅𝒂
𝑪𝒌 > 𝟎 → Leptocúrtica
Ck= 𝟎 → 𝑴𝑴𝒆𝒔𝒔𝒐𝒄ú𝒓𝒕𝒊𝒊𝒄𝒂
𝑪𝒌 < 𝟎 → 𝑷𝒍𝒂𝒕𝒊𝒊𝒄ú𝒓𝒕𝒊𝒊𝒄𝒂
Puntiagudez o Gráfico y
curtosis Coeficiente de curtosis
Se le recomienda que realice la lectura del tutorial sobre medidas

resumen IC 1 allí se han desarrollado ejemplos para que pueda
aplicar las distintas medidas descriptivas, como así también aprender
a realizar una correcta interpretación de los resultados de esos
indicadores.
Se le sugiere que realice las actividades propuestas en este módulo,

allí encontrará varias situaciones, en las que deberá presentar la
información a través del cálculo de los indicadores resumen que le
permitirá describir los distintos conjuntos de datos, como así también
generar informes para la toma de decisión posterior.
Se le recomienda además que realice la lectura del apartado “Destrezas

y conceptos básicos” y del apartado “Más allá de lo básico” del texto
de Mario F. Triola, y del apartado “Ejercicios” del texto de Elorza
Pérez – Tejada, de los capítulos relativos a la descripción de datos,
en ambos autores; allí encontrará más ejemplos y casos para ampliar
el espectro en relación al cálculo, aplicación e interpretación de las
medidas descriptivas a casos y situaciones reales.

Un papel importante en la tarea del investigador es analizar e interpretar los

resultados. Las medidas resumen que se han aprendido en el presente módulo
deben ser usadas para lograr transformar a los datos en información útil, como
ya lo expresáramos en otras ocasiones, y por ende deben permitirnos mejorar el
análisis e interpretación de los datos.
La objetividad en el análisis de los datos significa encontrar las más apropiadas

mediciones de resumen para una serie de datos determinada. Es por eso que
hay que ser cuidadosos con las medidas que se eligen para resumir un conjunto
de datos, ya que calcular las medidas inadecuadas puede significar llegar a
conclusiones erróneas en el análisis. Por ello sólo a través del conocimiento de
las distintas medidas que se pueden calcular a partir del tipo de información a
la cual se la aplica y de la ética en aplicarlas correctamente se puede llegar a un
análisis objetivo de los datos.
Cuando se realiza la interpretación de los resultados debemos preguntarnos
si usamos dichos resultados para apoyar subjetivamente nuestra opinión y
posición previa o si los usamos para echar luz sobre el mensaje que los datos
tratan de transmitir.
Usted se encuentra en condiciones de realizar la Consigna 2 de la

Evaluación.

Lo invito a un desafío final. Realice las consignas que se le proponen
en el PowerPoint “desafío estadístico” IC 2, esta actividad le será de
gran utilidad, puesto que permitirá integrar todo lo visto en la materia
y al mismo tiempo le servirá de autoevaluación. ¿Acepta el desafío?
Finalmente lo invito a ver el video de cierre de la materia.

m3 |contenidos | IC
Licenciatura en Educación Física

Estadística I
MEDIDAS RESUMEN O DESCRIPTIVAS

UBP
MEDIDAS RESUMEN O MEDIDAS DESCRIPTIVAS
En los contenidos del módulo 3 se han presentado los distintos tipos de medidas descriptivas, usted
ya sabe que las mismas se agrupan en tres grupos que apuntan a describir determinadas
características de los conjuntos de datos, ya sean éstos que correspondan a una población o a una
muestra.
Seguidamente se irán presentando ejemplos en los que se calcularán las distintas medidas resumen.
Medidas de posición o de tendencia

 Media aritmética
En el módulo 2 habíamos presentado, el siguiente ejemplo:
Variable: cantidad de materias aprobadas.
Muestra: 5 alumnos seleccionados de un profesorado en educación física de la provincia de
Córdoba.
Valores de la variable: 1 materia, 5 materias, 2 materias, 4 materias, 10 materias
La media aritmética para este caso es:
∑ 𝑥𝑥𝑖𝑖 22
̅ = 𝑀𝑀(𝑥𝑥) =
𝑥𝑥 = = 4,4 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
𝑛𝑛 5
Es decir que, en promedio este grupo de alumnos tienen aprobadas 4,4 materias.1
También se presentó a través de una tabla de distribución de frecuencias, la cantidad de consultas de

Estadística I que realizaron en el primer cuatrimestre, 20 alumnos de la Licenciatura en Educación
Física. Calculemos para este caso la media aritmética.
La información que teníamos ya tabulada era la siguiente:
xi fi
5 1
6 2
7 2
9 5
10 4
11 6
20
A partir de esta tabla para aplicar la fórmula de la media aritmética, debemos calcular todos los
productos entre los valores de la variable y su frecuencia, tercera columna de la tabla siguiente:
xi fi xi . fi
5 1 5
6 2 12
7 2 14
9 5 45
10 4 40
11 6 66
20 182
∑(𝑥𝑥𝑖𝑖 . 𝑓𝑓𝑖𝑖 ) 182

𝑥𝑥̅ = 𝑀𝑀(𝑥𝑥) = = = 9,1 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑠𝑠
𝑛𝑛 20
Esto significa que en promedio los 20 alumnos realizaron 9,1 consultas en la materia durante el primer
cuatrimestre.
1
En este caso como se trata de una variable cuantitativa discreta, a la hora de interpretar el resultado es posible decir, en promedio
la muestra de alumnos tiene aprobadas 4 materias. Es importante destacar el resultado exacto es el que resulta de la operación
matemática, y es por ello que la media puede asumir un valor con decimales.

Cuando se armó una tabla por intervalos, la variable fue la distancia recorrida en las vacaciones de
verano. Unidad de medida: km. Tipo de variable: cuantitativa continua (según la naturaleza) y de razón
(según la escala de medición).
Si quisiéramos calcular ahora el promedio de la distancia recorrida en las vacaciones en esta muestra
de 50 personas, tendríamos que calcular los productos entre cada una de las marcas de clase de cada
intervalo y la frecuencia absoluta simple que le corresponde a cada uno, la última columna de la tabla
siguiente así lo muestra.
Li - Ls xi fi xi . fi
250 – 750 500 14 7000
750 – 1250 1000 9 9000
1250 – 1750 1500 5 7500
1750 – 2250 2000 6 12000
2250 – 2750 2500 7 17500
2750 – 3250 3000 6 18000
3250 – 3750 3500 3 10500
50 81500
La media aritmética para el caso es 2:
∑(𝑥𝑥𝑖𝑖 . 𝑓𝑓𝑖𝑖 ) 81500

𝑥𝑥̅ = 𝑀𝑀(𝑥𝑥) = = = 1630 𝑘𝑘𝑘𝑘.
𝑛𝑛 50
Quiere decir entonces que, en promedio, las 50 personas recorren 1630 km. en las vacaciones.
Es importante tener presente que, como la distribución de frecuencias por intervalos es un arreglo y
que, a partir de un mismo conjunto de datos es posible armar distintas tablas; es por ello que, el cálculo
exacto de la media se logra trabajando con los datos originales. Así en este ejemplo si calculamos la
media con los 50 datos como serie simple, la media es 1585,6 km.
 Mediana
Vamos a presentar ahora los pasos a seguir para el cálculo de la mediana, según se trate de una serie
simple o de una distribución de frecuencias.
 Serie simple:
1) Ordenar los datos de menor a mayor o viceversa.

2) Observar la cantidad de datos:
Impar Hay un solo valor central La mediana

será ese valor de la variable
n
Par Hay dos valores centrales La mediana

será el promedio de los dos valores centrales
3) El lugar o posición que ocupa la mediana se lo puede determinar de la siguiente

manera:
𝑛𝑛+1
Donde “n” es la cantidad de observaciones.
2
2 En el caso de trabajar con distribuciones de frecuencias por intervalos, al calcular la media aritmética, xi corresponde a la marca
de clase o punto medio de cada intervalo, que es el valor que representa a cada intervalo.

En los ejemplos precedentes, para la variable cantidad de materias aprobadas, la posición de la
(𝑛𝑛+1) (5+1)
mediana será: 2
=
2
=3
Es decir, la mediana ocupa el tercer lugar en la serie ordenada y el valor de la variable en esa posición
es 4, siendo entonces la mediana: 4 materias.
 Distribuciones de frecuencias:
1) Ordenar los datos.

2) Obtener las frecuencias absolutas acumuladas (Fi)
3) Calcular la mitad de las observaciones (n/2)
4) Determinar la primera frecuencia absoluta acumulada que supera a la mitad de las
observaciones, que la llamaremos Fj
5) Determinar la frecuencia absoluta acumulada Fj - 1
6) Comparar Fj -1 con n/2
Si Fj-1 < n/2 𝑀𝑀𝑀𝑀(𝑥𝑥) = 𝑥𝑥𝑖𝑖
(𝑥𝑥𝑗𝑗−1 + 𝑥𝑥𝑗𝑗 )
Si Fj-1 = n/2 𝑀𝑀𝑀𝑀(𝑥𝑥) =
2
Donde:
Xi es el valor de la variable al que le corresponde la frecuencia absoluta acumulada Fj
Xj-1 es el valor de la variable al que le corresponde la frecuencia absoluta acumulada Fj-1
 Distribución de frecuencias por intervalos:
1) Ordenar los datos.

2) Obtener las frecuencias absolutas acumuladas (Fi)
3) Calcular la mitad de las observaciones (n/2)
4) Determinar la primera frecuencia absoluta acumulada que supera a la mitad de las
observaciones, que la llamaremos Fj
5) Determinar la frecuencia absoluta acumulada Fj-1
6) Comparar Fj-1 con n/2
𝑛𝑛⁄2− 𝐹𝐹𝑗𝑗−1
Si Fj-1 < n/2 𝑀𝑀𝑀𝑀(𝑥𝑥) = 𝐿𝐿𝐼𝐼 + 𝑐𝑐𝑖𝑖 .
𝑓𝑓𝑗𝑗
Si Fj-1 = n/2 𝑀𝑀𝑀𝑀(𝑥𝑥) = 𝐿𝐿𝐼𝐼
Donde:
LI es el extremo inferior del intervalo que contiene a la mediana y posee ese intervalo una
frecuencia absoluta simple fj y una frecuencia absoluta acumulada Fj
cj es la amplitud del intervalo que contiene a la mediana.
Para el caso del cálculo de la mediana para una distribución de frecuencias por intervalos, al intervalo
que contiene a la mediana se lo suele llamar “intervalo mediano”.
Vamos a calcular la mediana aplicando las fórmulas antes presentadas, utilizando los mismos
ejemplos a los cuales ya les calculamos la media aritmética.
Para el caso de una distribución de frecuencias usaremos el ejercicio de la cantidad de consultas que
realizaron 20 alumnos de la Licenciatura en Educación Física, retomamos la tabla construida:
xi fi Fi
5 1 1
6 2 3
7 2 5
9 5 10
10 4 14
11 6 20
20

En este ejemplo n/2 = 20/2 = 10
La primera Fi que supera a 10 es 14, esa será Fj. Por lo tanto, la frecuencia absoluta acumulada
inmediata anterior es 10, esa será Fj-1
Al comparar Fj-1 con n/2, resulta que Fj-1 es igual que n/2 (10 =10)
La mediana la calculamos como:
(𝑥𝑥𝑗𝑗−1 + 𝑥𝑥𝑗𝑗 ) 9 + 10
𝑀𝑀𝑀𝑀(𝑥𝑥) = = = 9,5 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
2 2
Es decir, entonces, que el valor de la mediana es 9,5 consultas, lo que significa que el 50% de los 20
estudiantes de la Lic. en Educación Física que cursaron Estadística I, hicieron hasta 9,5 consultas y el
otro 50% restante realizó más de 9,5 consultas en el cuatrimestre.
Para el caso de una distribución de frecuencias por intervalos, usaremos el ejemplo con el que venimos
trabajando. La tabla confeccionada era:
Li - Ls xi fi Fi
250 – 750 500 14 14
750 – 1250 1000 9 23
1250 – 1750 1500 5 28
1750 – 2250 2000 6 34
2250 – 2750 2500 7 41
2750 – 3250 3000 6 47
3250 – 3750 3500 3 50
50
En este caso n/2 = 50/2 = 25

La Fj será 28
La Fj-1 será 23
Al comparar Fj-1 con n/2 resulta que 23 < 25; entonces la fórmula para calcular la mediana será:
𝑛𝑛⁄2 − 𝐹𝐹𝑗𝑗−1
𝑀𝑀𝑀𝑀(𝑥𝑥) = 𝐿𝐿𝐼𝐼 + 𝑐𝑐𝑖𝑖 .
𝑓𝑓𝑗𝑗
25 − 23
𝑀𝑀𝑀𝑀(𝑥𝑥) = 1250 + 500.
5
𝑀𝑀𝑀𝑀(𝑥𝑥) = 1.450 𝑘𝑘𝑘𝑘.
Esto significa que la mediana de las distancias recorridas en las vacaciones es 1.450 km. Es decir que
el 50% de las personas recorren hasta 1.450 km.; en tanto que la mitad restante recorre por encima
de esa cantidad de km. en vacaciones.
 Modo o moda o valor modal

Calculemos el modo para los ejemplos vistos.
Para el primer ejemplo, en la serie simple no se presenta modo, ya que ninguno de los valores de la
variable se presente más veces.
Para el caso de la distribución de frecuencias de la cantidad de consultas realizadas por los 20 alumnos
de la Licenciatura.
xi fi
5 1
6 2
7 2
9 5
10 4
11 6
20

El valor de la variable que más se presenta es 11, ya que la frecuencia absoluta simple para dicho
valor es 6; entonces:
𝑀𝑀𝑀𝑀(𝑥𝑥) = 11 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
Por lo tanto, la cantidad de consultas más frecuente realizadas en el cuatrimestre fue 11.
Para el caso de una distribución de frecuencias por intervalos:
Li - Ls xi fi
250 – 750 500 14
750 – 1250 1000 9
1250 – 1750 1500 5
1750 – 2250 2000 6
2250 – 2750 2500 7
2750 – 3250 3000 6
3250 – 3750 3500 3
50
En este ejemplo el intervalo que presenta la mayor frecuencia es el primer intervalo, ya que la
frecuencia absoluta simple es la mayor de la tabla de distribución de frecuencias (fi =14).
Entonces se puede decir que el intervalo modal es: [250 km. – 750 km.]
Otra forma podría ser considerar como valor modal la marca de clase de dicho intervalo; en este caso
sería 500 km.
Si nos fijamos en los datos a partir de los cuales se construyó la tabla por intervalos, vemos que la
distancia recorrida que más se repite es 1.000 km., ya que se presenta cinco veces. En este caso, este
es el verdadero valor modal.
Es importante dejar aclarado que siempre que poseamos los datos originales es en ellos en los que
nos tenemos que fijar para determinar el valor modal. Si en cambio, no poseemos la información de
los datos con los cuales se armó una tabla y sólo contamos con dicha tabla, entonces determinaremos
el intervalo modal, sabiendo que es simplemente una aproximación al verdadero valor del modo.
 Cuartiles
Vamos a calcular los cuartiles para el ejemplo de la cantidad de consultas en el cuatrimestre realizadas
por 20 alumnos de la licenciatura.
Primero se debe ordenar la serie.
5 6 6 7 7 9 9 9 9 9 10 10 10 10 11 11 11 11 11 11
Determinamos la posición que ocupa cada cuartil en la serie ordena y luego identificamos el valor de
la variable que ocupa cada lugar.
𝑛𝑛+1 20+1
= = 5,25 𝑄𝑄1 = 7 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
4 4
𝑛𝑛+1 20+1
2( ) = 2( ) = 10,5 𝑄𝑄2 = 9,5 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
4 4
𝑛𝑛+1 20+1
3( ) = 3( ) = 15,75 𝑄𝑄3 = 11 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
4 4
Interpretemos los resultados obtenidos.

El primer cuartil nos estaría indicando que el 25% de los alumnos realizaron hasta 7 consultas durante
el cuatrimestre, en tanto que el 75% restante hicieron más de 7 consultas.
El segundo cuartil siempre coincide con la mediana y su interpretación es la misma.

El tercer cuartil en este caso es 11 consultas, quiere decir que el 75% de los alumnos realizaron 11
consultas o menos durante el cuatrimestre y el 25% restante realizó más de 11 consultas a la materia.
A continuación, se presentan reglas prácticas para obtener los valores de los cuartiles3:
o Si el lugar de posicionamiento es un entero, se elige como cuartil la observación particular que

corresponde a ese punto de posición.
o Si el lugar de posicionamiento está entre dos enteros, el cuartil se obtendrá como el promedio
de las observaciones que corresponden a esos dos enteros de posicionamiento.
o Si el lugar de posicionamiento no responde a ninguna de las dos situaciones precedentes, se
redondea el lugar de posicionamiento al entero más próximo y el valor del cuartil será la
observación que ocupa ese lugar.
Medidas de dispersión o variabilidad

Según Stephen P. Shao (1979) una medida de dispersión es importante por dos razones.
o Primero, puede ser usada para mostrar el grado de variación entre los valores de los
datos; por ejemplo, una baja dispersión entre los sueldos de los empleados de un sector
de la economía dará un indicio de que los sueldos de los trabajadores de dicho sector
son similares, es decir, que todos los empleados perciben sueldos similares; en cambio,
una dispersión alta nos dará una idea de que hay mucha diferencia entre los sueldos de
los trabajadores de ese sector.
o Segundo, la medida de dispersión permite la comparación entre un grupo de datos y
otro. Cuando la dispersión es alta, el promedio se vuelve de poca significación; en
cambio cuando la dispersión entre los valores de la variable es baja, el promedio cobra
real importancia y es muy significativo.
 Varianza y desviación estándar
A continuación, se presenta el cálculo de la varianza y de la desviación estándar para los ejemplos a

los que se les viene calculando las distintas medidas.
La varianza y la desviación estándar para la variable cantidad de consultas realizadas por un grupo de
alumnos de la licenciatura, durante el primer cuatrimestre, son:
∑(xi − x̅)2 . fi
V(x) = s 2 =
n−1
69,80
𝑠𝑠 2 = 𝑉𝑉(𝑥𝑥) = = 3,67 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2
19
69,80
𝑠𝑠 = 𝐷𝐷𝐷𝐷(𝑥𝑥) = √ = 1,92 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
19
Es decir que la cantidad promedio de consultas en que se desvían los 20 alumnos respecto de la
media es de 1,92 consultas.
3 No será objeto de este curso ver las fórmulas matemáticas a aplicar cuando se trata de obtener el valor de los cuartiles a partir
de distribuciones de frecuencias por intervalos.

Para el cálculo de ambas medidas de dispersión fue necesario calcular los productos de los desvíos
de los valores de la variable al cuadrado por su correspondiente frecuencia, la última columna de la
tabla siguiente así lo indica.
xi fi ̅)𝟐𝟐 . 𝒇𝒇𝒊𝒊
(𝒙𝒙𝒊𝒊 − 𝒙𝒙
5 1 16,81
6 2 19,22
7 2 8,82
9 5 0,05
10 4 3,24
11 6 21,66
20 69,80
La varianza y la desviación estándar para la variable distancia recorrida en las vacaciones por el grupo
de 50 personas son:
49405000
𝑠𝑠 2 = 𝑉𝑉(𝑥𝑥) = = 1.008.265,31 𝑘𝑘𝑘𝑘.2
49
49405000
𝑠𝑠 = 𝐷𝐷𝐷𝐷(𝑥𝑥) = √ = 1.004,12 𝑘𝑘𝑚𝑚.
49
Es decir, que la distancia en que se desvían, en promedio es de 1.004,12 km. respecto de la media de
1.630 km.
Al igual que en ejemplo anterior para el cálculo de ambas medidas de dispersión fue necesario
adicionar los cálculos de los desvíos al cuadrado (última columna de la siguiente tabla).
Li - Ls xi fi ̅)𝟐𝟐 . 𝒇𝒇𝒊𝒊
(𝒙𝒙𝒊𝒊 − 𝒙𝒙
250 – 750 500 14 17.876.600

750 – 1250 1000 9 3.572.100
1250 – 1750 1500 5 84.500
1750 – 2250 2000 6 821.400
2250 – 2750 2500 7 5.298.300
2750 – 3250 3000 6 11.261.400
3250 – 3750 3500 3 10.490.700
50 49405000
 Coeficiente de variación
Para los ejemplos planteados los coeficientes de variación son:
Variable
Cantidad de consultas en el cuatrimestre Distancia recorrida en las vacaciones
𝐷𝐷𝐷𝐷 1,92 𝐷𝐷𝐷𝐷 1.004,12

𝐶𝐶𝐶𝐶 = = = 0,21 𝐶𝐶𝐶𝐶 = = = 0,62
𝑥𝑥̅ 9,1 𝑥𝑥̅ 1.630
Es común expresar al coeficiente de variación en porcentaje; por lo tanto, en el ejemplo, los C.V. serían,
en porcentaje: 21% y 62% respectivamente.
De la comparación de los coeficientes de variación de las dos distribuciones se puede concluir que la
distribución de las consultas realizadas por el grupo de alumnos de la licenciatura, es más homogéneo
que, la distribución de las distancias recorridas por el grupo de personas. Por lo tanto, en el primer
conjunto de valores la media es más representativa que en el segundo.

Medidas de forma
Vamos a determinar la forma de las distribuciones vistas en los ejemplos desarrollados hasta ahora:
Para el caso de las consultas a la materia por parte de los alumnos de la Licenciatura:
𝑥𝑥̅ = 9,1 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

 𝑥𝑥̅ < 𝑀𝑀𝑀𝑀(𝑥𝑥) → Asimetría Izquierda
𝑀𝑀𝑀𝑀(𝑥𝑥) = 9,5 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
Para el caso de las distancias recorridas:
𝑥𝑥̅ = 1.630 𝑘𝑘𝑘𝑘.

 𝑥𝑥̅ > 𝑀𝑀𝑀𝑀(𝑥𝑥) → Asimetría Derecha
𝑀𝑀𝑀𝑀(𝑥𝑥) = 1.450 𝑘𝑘𝑘𝑘.
Finalmente …
Vale la pena retomar lo indicado en el módulo anterior respecto al uso correcto e incorrecto de las
tablas y gráficos estadísticos, puesto que ellos son la primera aproximación a la descripción de
conjuntos de datos y junto con las medidas resumen vistas en el presente, permiten lograr un análisis
descriptivo acabado de los datos y nos prepara para la interpretación de los mismos. Es por ello que
sería importante tratar de evitar todo tipo de adorno de tablas y gráficos, que sólo lleven a la confusión
y distorsión de la información para el usuario de la misma, aunque puedan hacerlos más atractivos al
público, que en rigor de verdad sería la única finalidad que perseguirían, la cual está lejos de lo que
realmente debe proponerse, desde el punto de vista estadístico.
Es casi imposible que la interpretación se haga sin algún tipo de subjetividad. Es por eso que se debe
tener mucho cuidado con las conclusiones que se sacan a partir de los datos, evitando llegar a
conclusiones y hacer generalizaciones que no se sustenten con un herramental científico (técnicas de
inferencia estadística).
En consecuencia, siendo la interpretación de los datos subjetiva, hay que realizarla de la manera más
justa, clara y neutral.
El uso de la computadora para los cálculos de las medidas resumen es de una ayuda singular, pero
no debemos olvidar que es sólo una herramienta. Es por eso sumamente importante usar la
computadora de una manera consciente y con la metodología estadística correcta. En consecuencia,
para usar un paquete estadístico no sólo se debe estar familiarizado con el software particular en
cuanto a su uso, sino también es fundamental poseer los conocimientos estadísticos adecuados para
saber qué calcular, cómo y a qué tipo de datos les hacemos el cálculo de las distintas medidas; ya que
el paquete estadístico por sí mismo no va a suplir la falta de conocimientos al respecto.
Otro aspecto sumamente relevante es la ética en lo que hace al análisis e interpretación de los datos.
Diariamente consumimos información y sería importante que nos cuestionemos acerca de lo que
leemos respecto a estudios de investigaciones, periódicos y revistas y lo que oímos en los distintos
medios de comunicación. Hoy vuelve a tomar auge la frase sarcástica de Benjamin Disraeli, estadista
británico del siglo XIX: “Existen tres tipos de mentiras: las mentiras, las mentiras tremendas y las
estadísticas”. Las cuestiones éticas son insoslayables al momento de decidir qué resultados presentar
y cuáles no en un informe o estudio en particular. Es por ello que los resultados se deben presentar de
una manera objetiva, neutral e imparcial y en esto juegan un papel importante los conocimientos que
se posean de estadística.

m3 |contenidos | IC
Podrá visualizar la presentación de la información complementaria desde su

plataforma
m3 material
Material básico
• ELORZA PÉREZ – TEJADA, Haroldo. Estadística para las ciencias sociales,
del comportamiento y de la salud. México, CENGAGE Learning, 3ra.ed., 2008.
m3 actividades
m3 | actividad 1
Actividad 1: Calculando medidas resumen a partir de datos de

fuente primaria y secundaria…
Esta semana comenzó con la lectura y estudio del módulo 3 de la materia y

está viendo cómo resumir conjuntos de datos. Como tiene datos recopilados
de sus alumnos y que ya presentó a través de tablas y gráficos que aprendió a
construir en el módulo anterior, ahora quiere aplicar sobre esos datos el cálculo
de medidas descriptivas.
Es una gran idea y oportunidad de seguir aplicando sobre datos de la actividad

física y el deporte los temas estadísticos.
¡¡Comience entonces!!

Los datos con los que cuenta son:
a) La cantidad de inasistencias que tuvo cada alumno en las prácticas de

deporte los días sábados:
1 2 3 4 4
3 4 3 5 7
1 1 2 2 3
1 7 5 1 7
7 1 2 7 2
b) Los tiempos (en segundos) para realizar una determinada prueba en un

entrenamiento de nado a un grupo de estudiantes, pertenecientes a distintos
cursos.
9,4 7,7 11,0 8,2 9,3

8,9 9,3 8,3 9,7 8,6
6,7 9,1 9,5 11,7 10,0
7,2 6,8 8,0 6,5 8,8
8,5 7,1 6,5 12,0 9,2
9,5 10,5 13,5 6,5 6,6
c) Además, contaba con la información recopilada por la directora del colegio,

¿la recuerda?
Medio de transporte
A pie 70 alumnos
En bicicleta 20 alumnos
En colectivo 140 alumnos
En auto 20 alumnos
A 1
C 1

Se le recomienda retomar la actividad 1 del módulo 2 y revise lo realizado allí.

Se le sugiere que conteste las siguientes preguntas, que orientarán la resolución
de cada situación planteada:
- ¿Qué tipo de variable tiene cada situación?
- ¿Cómo clasificó a cada variable, según la naturaleza y según la escala de
medición?
- Teniendo en cuenta el tipo de variable, ¿qué medidas descriptivas es posible
calcular?
- Las medidas descriptivas o resumen, ¿las calculará a partir de la serie simple
o a partir de las tablas de frecuencias?
Recuerde que no todas las medidas resumen se calculan para todo tipo de
variable, de allí la importancia de clasificar correctamente a las variables.
Realice una lectura comprensiva y detallada de todo lo relativo al cálculo de
medidas resumen que se presentó en este módulo.
Interprete los resultados obtenidos.
Caso a)
Variable: cantidad de inasistencias a los entrenamientos durante el año pasado.

Clasificación: según la naturaleza: cuantitativa discreta; según la escala de
Al ser una variable cuantitativa es posible calcular todas las medidas descriptivas
o resumen, es decir se pueden calcular las medidas de posición (central y no
central), de dispersión y de forma.
Usted ya había presentado a esta variable a partir de una tabla de distribución

de frecuencias de datos puntuales y a través de un gráfico de bastones. ¿Lo
recuerda?
Ahora, para calcular las medidas puede trabajar con los datos de la serie simple
o bien con la tabla de frecuencias, los resultados serán los mismos.

Los resultados son:
Estadístico Interpretación
De Central Media: 3,4 inasistencias En promedio los 25 alumnos
Tendencia tuvieron 3,4 inasistencias a las
prácticas deportivas de los días
sábados.
Mediana: 3 inasistencias El 50% de los alumnos registró
3 o menos faltas a las prácticas
y la otra mitad más de 3 faltas.
Modo: 1 inasistencia La cantidad de inasistencias
más frecuente en este grupo
fue de 1 falta.
No Central 1er.cuartil: 1,5 inasistencias El 25% de los alumnos
registraron 1,5 inasistencias o
menos a las prácticas de los
sábados.
2do.cuartil: 3 inasistencias Ídem a la mediana.
3er.cuartil: 5 inasistencias El 75% de los alumnos faltaron
a 5 o menos prácticas
deportivas de los sábados.
De Rango: 6 inasistencias La diferencia entre el alumno

Dispersión que más faltó y el que menos
es de 6 faltas.
Varianza: 4,83 (corresponde interpretar la DE)
inasistencias2
Desviación Estándar: 2,2 En promedio el grupo se aleja
inasistencias de la media en 2,2 inasistencia
(en más y en menos).
De Forma Coef.de Asimetría: 0,55 La distribución de la variable

presenta una asimetría
positiva, es decir la mayoría de
los alumnos faltaron pocos
días y pocos alumnos faltaron
muchos días de práctica.
Coef.de Curtosis: 0,90 La distribución es leptocúrtica.
Es decir, es más empinada que
la distribución simétrica.
Nota:
1.- El coeficiente de curtosis, no deberá calcularlo usted, la fórmula de cálculo
del mismo queda fuera del alcance de este curso. Sí, es posible que usted a
partir del resultado del coeficiente, deba interpretarlo.
2.- La varianza y la desviación estándar se calcularon con la fórmula con n-1,
dado que se trata de una muestra.
3.- El cálculo de la mediana lo puede hacer a partir de la serie simple o bien de
la tabla de distribución de frecuencias.
4.- Para los cálculos usted empleará las fórmulas vistas en este módulo o
bien puede hacer los cálculos con una calculadora que tenga las funciones
estadísticas o incluso puede utilizar las funciones del Excel.

Recuerde que, si hubiera realizado el cálculo de la varianza a partir de la tabla de
frecuencias, debería agregar la tercera columna, como se muestra a continuación.
El total de la tercera columna, se divide por n-1 para obtener la varianza.
xi fi 𝑥𝑥𝑖 − 𝑥𝑥̅ ². 𝑓𝑖
1 6 34,56
2 5 9,80
3 4 0,64
4 3 1,08
5 2 5,12
7 5 64,80
25 116,00
Caso b)
Variable: tiempo para realizar una prueba de nado. Unidad de medida: segundos.
Clasificación: según la naturaleza: cuantitativa continua; según la escala de
Dado que ésta es una variable cuantitativa, como el caso anterior, se pueden
calcular todas las medidas descriptivas.
En la actividad del módulo 2 se había construido una tabla de distribución de

frecuencias por intervalos.
En la tabla siguiente, se presenta los resultados de los estadísticos muestrales,

calculados a partir de los datos originales (serie simple) y con los datos
presentados en la tabla de distribución de frecuencias por intervalos.
Se observará que hay diferencias en los resultados finales. Esto se debe a que
los valores exactos de las medidas resumen son a partir de los datos originales,
recuerde que las tablas de distribución de frecuencias son arreglos y que, a partir
de un mismo conjunto de datos se pueden armar distintas tablas, dependiendo
de la cantidad de intervalos con las que se arme, la amplitud de los intervalos,
etc.
Nota: en la columna de los estadísticos calculados a partir de la tabla se colocaron

solo aquellos que se aprendieron en este curso.
Estadístico Calculados con la serie Calculados con la tabla de

simple frecuencias
De Central Media: 8,82 seg. Media: 9 seg.
Tendencia Mediana: 8,85 seg. Mediana: 8,75 seg.
Modo: 6,50 seg. Intervalo Modal: 8 – 9,5 seg.
No 1er.cuartil: 7,20 seg.
Central 2do.cuartil: 8,85 seg.
3er.cuartil: 9,50 seg.
De Rango: 7 seg.
Dispersión Varianza: 3,10 seg2 Varianza: 2,651 seg2
Desviación Estándar: 1,76 seg Desviación Estándar: 1,63 seg
De Forma Coef.de Asimetría: -0,05

Coef.de Curtosis: 0,41

Si se calculan las medidas a partir de la tabla de frecuencias por intervalos, los
cálculos adicionales para calcular la media y la varianza, se encuentran la tercera
y cuarta columnas.
Li - Ls xi fi 𝑥𝑥𝑖 . 𝑓𝑖 𝑥𝑥𝑖 − 𝑥𝑥̅ ². 𝑓𝑖

6,5 - 8,0 7,25 9 65,25 27,5625
8,0 - 9,5 8,75 12 105,00 0,7500
9,5 - 11,0 10,25 5 51,25 7,8125
11,0 - 12,5 11,75 3 35,25 22,6875
12,5 - 14,0 13,25 1 13,25 18,0625
30 270,00 76,8750
Le dejo a usted que interprete los resultados obtenidos.
Caso c)
Variable: medio de transporte utilizado por los alumnos.

Clasificación: según la naturaleza: cualitativa; según la escala de medición:
nominal.
En el caso de las variables cualitativas, la única medida descriptiva que es posible

calcular es la moda, entendiendo por moda a aquella categoría que presenta
la mayor frecuencia, por lo tanto, aquí la moda es: “colectivo”, ya que es la
categoría de la variable medio de transporte que presenta la mayor frecuencia.
m3 | actividad 2
Ayudando a confeccionar un informe para el área de MKT...
El dueño de la empresa donde trabaja su compañera María Fernanda, le ha

solicitado que prepare un informe presentando los datos sobre unidades
vendidas de aparatos de equipamiento para gimnasios y le pidió que hiciera
una presentación adecuada de esos datos. Usted, con lo aprendido en este
módulo, se percata de que puede ayudar aún más a su compañera y darle una
mano en la elaboración de un informe más completo que no sólo contenga la
presentación de los datos a través de una tabla y gráfico estadístico, sino que le
podrá agregar los valores de las medidas resumen que caractericen a ese conjunto
de datos A 1 y que le servirán a la empresa para contar con mayor información,
que seguramente ayudará en la toma de decisiones posterior. A 2 Enseguida se
pone en contacto con María Fernanda y le ofrece colaboración, ella por mail le
pasa los datos con los que debe generar el informe.
La empresa en la que trabaja su compañera se dedica a la fabricación y

distribución de aparatos y accesorios de equipamientos para gimnasios en el
interior de la provincia. Después de reunir los datos en bruto para el mes más
reciente, el dueño de la empresa considera que los datos representan un mes
con movimiento normal y con estos datos se hace necesario generar un informe.

Los datos son los siguientes y corresponden a la cantidad de unidades vendidas
en el mes pasado por todas las sucursales de la empresa.
56 23 23 37 49
54 64 49 65 78
54 64 34 86 65
63 46 56 38 59
89 46 45 21 67
21 67 78 91 34
Nuevamente una situación concreta, lo pone frente a la necesidad de aplicar

sus conocimientos estadísticos. ¡Éxitos! Seguramente el dueño de la empresa
quedará muy conforme con el trabajo y los resultados le ayudarán a decidir
sobre los próximos cursos de acción de la empresa.
asistente académico 1
Con lo visto en este módulo, podrá ayudar a su compañera calculando todas

las medidas resumen que le permitirán describir adecuadamente la información
correspondiente a la cantidad de unidades vendidas por la empresa.
Se le sugiere como siempre que, en primer lugar, identifique y clasifique

adecuadamente la variable ya que de esta manera podrá calcular las medidas
resumen adecuadas al tipo de variable.
Repase, entonces, todos los conceptos y fórmulas vistas en este módulo.
Recuerde que usted podrá realizar el cálculo trabajando con los datos originales
como serie simple o bien como distribución de frecuencias.
asistente académico 2
En cuanto al informe que elaborará con su compañera para que ella lo eleve
al encargado de Marketing, se le siguiere que se incluyan en él los resultados
obtenidos del cálculo de las medidas descriptivas.
Recuerde presentar las medidas resumen haciendo una interpretación adecuada
pero sencilla de los valores.
También se le sugiere que incorpore al informe las interpretaciones que, a su
criterio, le parezcan pertinentes a partir de la información presentada tanto en
tablas como en gráficos estadísticos adecuados, para ello revise todo lo relativo
a la presentación visto en el módulo anterior.

Debido a que se trata de una variable cuantitativa discreta (cantidad de unidades

vendidas), es posible realizar el cálculo de todas las medidas, tanto de posición,
de dispersión y de forma.
- Las medidas de posición:
Media: 54,07 unidades
Mediana: 55 unidades
Modo: se trata de una distribución multimodal, ya que varios valores se repiten
dos veces en este caso.
Cuartiles: Primer Cuartil: 38 unidades
Segundo Cuartil: 55 unidades
Tercer Cuartil: 65 unidades
- Las medidas de dispersión:

Varianza: 392,04 unidades²
Desviación Estándar: 19,80 unidades
- La forma de la distribución es asimétrica izquierda, ya que la media aritmética

es menor a la mediana. Coef.de asimetría: -0,14
Nota: todas las medidas precedentes fueron calculadas a partir de la serie simple.
Con estos resultados y con los gráficos y tablas estadísticas, podrá elaborar un
informe completo que le permitirá al dueño de la empresa hacer una toma de
decisión con fundamento estadístico.
m3 | actividad 3
Comparando rendimientos…
El fin de semana pasado, como de costumbre, se reunió con sus amigos a jugar
el infaltable partido de fútbol; mientras, las chicas aprovechan para charlar.
Después del partido, como siempre, se quedó un buen rato conversando con
ellos...
Estaba Santiago, también profesor de Educación Física, que se encuentra

realizando, junto a otro compañero del club de fútbol en el que trabajan, una
investigación con un grupo de jugadores de fútbol de las divisiones inferiores.
A este grupo le midieron una serie de variables a fin de estudiar su rendimiento
antes y después de haberlos entrenados de manera intensiva y diferente a como
se venía haciendo. Lo que sus amigos persiguen es comprobar que los jugadores
entrenados con el entrenamiento más intensivo logran mejores resultados en
todas las variables de rendimiento.

Como Santiago sabe que usted está estudiando en la UBP la Licenciatura y
ahora está cursando la materia Estadística, le pidió que los ayudara en esto, por
supuesto que usted, no se pudo negar...
A los pocos días, consultando su correo electrónico, encuentra el siguiente:
De: Santiago
Asunto: La información para que me ayudes...
Estimado amigo: te envío los datos respecto de la variable “altura de salto en

cm.” La información está medida en el grupo antes y después del entrenamiento
intensivo. El grupo es de 23 jugadores.
Yo te resumí los datos de la siguiente manera, ¿te sirve?
Pre-entrenamiento Post-entrenamiento
Altura (en cm.) Frecuencia Altura (en cm.) Frecuencia
26.49 1 30.00 1
27.06 1 30.41 1
27.60 1 31.60 1
28.22 1 31.86 1
28.82 4 32.70 1
30.62 1 34.08 1
31.24 1 34.40 1
32.49 2 35.20 1
33.12 2 35.50 2
33.76 1 36.00 1
34.41 2 36.30 1
35.06 1 36.50 1
36.39 1 37.10 1
37.73 1 37.60 2
38.42 1 38.40 1
39.11 1 39.42 1
41.21 1 40.40 1
23 41.90 1
42,60 1
43.50 1
45.60 1
23
Bueno, espero que con esto puedas hacer algo, seguro que sí.
Espero, entonces, que me llames...
Desde ya mil gracias, te debo una...
Un abrazo.
Santiago.
A
C
Con la información que le mandó su amigo por correo electrónico, usted podrá
calcular todas las medidas resumen que le permitan describir al grupo de
jugadores, tanto antes como después del entrenamiento intensivo. De esta forma,
podrá hacer las comparaciones que su amigo está buscando y comprobar, de ser
así, el mejor rendimiento en esta variable después del entrenamiento intensivo.

Nuevamente, se le sugiere que clasifique la variable y, en base a ello, elija las
medidas descriptivas a calcular. Además, usted está en condiciones de presentar
de manera adecuada la información, tanto en una tabla, como gráfico construidos
correctamente desde el punto de vista estadístico.
¡¡A trabajar que su amigo está esperando los resultados!!
o Variable en estudio: Altura en salto.

o Clasificación: cuantitativa continua, por naturaleza y de razón, según la
escala de medición.
o Unidad de medida: cm.
o Unidad estadística: cada uno de los jugadores de fútbol del club.
Dado que se trata de una variable cuantitativa continua es posible realizar del
cálculo de todas las medidas tanto de posición, de dispersión y de forma.
- Las medidas de posición, en cm. son:
Pre- Post-
entrenamiento entrenamiento
Media 32.53 36.70
Mediana 32.49 36.30
Modo 28.82 35.50 y 37.60
1er.Cuartil 28.82 34.08
3er.Cuartil 35.06 39.42
- Las medidas de dispersión, en cm., son:

Pre- Post-
Varianza 17.30 17.32
Desviación Estándar 4.16 4.16
Rango 14.72 15.60
Coeficiente de Variación 0,13 0,11
- Las medidas de forma son:

Pre- Post-
Coef.de asimetría 0,03 0,29
Coef.de Kurtosis -0.721 -0.319
Nota: Todas las medidas precedentes fueron calculadas a partir de la serie

simple.

En cuanto a los gráficos que se pueden usar para presentar la información,
corresponde el histograma o el polígono de frecuencia para las frecuencias
simples y la ojiva para las frecuencias acumuladas, ya que se trata de una
variable cuantitativa continua.
En base a los resultados de las medidas, usted podrá orientar a su amigo para
hacer la correcta interpretación de los mismos convirtiéndose en información útil
para la investigación que llevan a cabo con los jugadores de fútbol.
Lo invito a que confeccione un informe para su amigo, el cual será relevante a
los fines de la investigación.
m3 glosario
• Coeficiente de variación: medida de la dispersión relativa de un conjunto de

datos. Se calcula dividiendo la desviación estándar con la media aritmética y
generalmente se multiplica el cociente por 100.
• Desviación estándar: medida de la dispersión de un conjunto de datos
cuantitativos; se calcula sacando la raíz cuadrada positiva de la varianza.
• Dispersión: distancia entre un valor de la variable y un valor particular de
posición (generalmente la media aritmética).
• Distribución asimétrica o sesgada: distribución que no presenta simetría.
• Distribución simétrica: distribución a la que es posible dividir en dos partes
que son como imágenes en un espejo.
• Estadístico: medida descriptiva calculada a partir de los datos de una
muestra.
• Intervalo modal: intervalo de clase que presenta la mayor frecuencia simple.
• Media aritmética: medida de tendencia central para una variable cuantitativa.
Se calcula sumando los valores de una variable dividido por el total de las
observaciones.
• Mediana: observación central en un conjunto de datos que están ordenados
por su magnitud.
• Medidas resumen: medidas que se le calculan a los conjuntos de datos y
permiten caracterizar las propiedades de los mismos. Las medidas resumen
pueden ser: medidas de posición, de dispersión o variación y de forma.
• Modo o moda o valor modal: valor (o categoría) que ocurre con más
frecuencia en un conjunto de datos.
• Parámetro: medida descriptiva calculada a partir de los datos de una
población.
• Promedio: cualquiera de las medidas de tendencia central.
• Rango o recorrido: diferencia entre el valor más grande y el más pequeño
en un conjunto de datos.
• Varianza: promedio de los cuadrados de las diferencias entre los valores de
una variable cuantitativa y la media aritmética.

e v a l uac ión
La versión impresa no incluye la evaluación integradora. La misma se

encuentra disponible directamente en plataforma.

Estadistica 1

Cargado por

Copyright:

Formatos disponibles

Estadistica 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica 1

Cargado por

Copyright:

Formatos disponibles

E-I - estadística I

EDUBP | LEF | primer cuatrimestre

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 1

* cada módulo contiene:

impresión total del documento 109 páginas !

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.2

¡Bienvenido a la asignatura Estadística I de la Licenciatura en Educación Física!

Podrá visualizar el video presentación desde su plataforma

Hoy comienza el cursado de esta materia. Trato de imaginar sus expresiones y

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 3

Es mi anhelo y el de todos los responsables de la carrera que usted eligió, que

Carla Carrizo Stauffer

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.4

Módulo 1: Introducción a la estadística

Módulo 2: Organización y presentación de datos estadísticos

Módulo 3: Medidas descriptivas

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 5

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.6

• Conocer la importancia de la Estadística y aprender el manejo de las

El ritmo de vida actual nos encuentra con diversas actividades y responsabilidades

MÓDULO % DE TIEMPO ESTIMADO

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 7

8 Primera Etapa de Evaluación

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.8

Amplitud de intervalo: distancia entre los extremos de un intervalo.

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 9

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.10

• Presentar una visión general de la estadística y la importancia de la

Todo se empieza con un primer paso…

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 11

Sin intención de plantear una definición de estadística en el sentido más estricto,

Un conjunto de métodos, técnicas y procedimientos cuyo objetivo es

Resulta fácil entender la importancia de poseer conocimientos en estadística, es

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.12

1.2. Haciendo historia...

Lo invitamos a ver el siguiente video en el que usted podrá apreciar

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 13

Vamos a avanzando con con-

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.14

Veamos algunos ejemplos:

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 15

4. Etapas del Método Estadístico

Explicaremos brevemente cada una de ellas.

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.16

Se denomina población o universo al conjunto de elementos o unidades sobre

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 17

Es importante señalar que la población objeto de estudio debe estar

6. Unidad estadística o elemental o de observación

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.18

Los variables pueden ser clasificadas, según su naturaleza, de la siguiente

b) Cuantitativas: son aquellas que, ante una pregunta determinada, arrojan

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag. 19

- Continuas: asumen valores dentro de un determinado intervalo. Pueden

8.2. Clasificación según la escala de medición

La otra manera de clasificar a las variables en estudio es mediante las escalas

8.2.1. Escala nominal

8.2.2. Escala ordinal

EDUBP | EDUCACIÓN FÍSICA | Estadística I - pag.20

8.2.3. Escala de intervalo