Estadistica Elemental

Estadística Básica 2019
1 Dr. Miguel Angel Macetas Hernández

ÍNDICE
I. CAPITULO ¿Qué es la Estadística? ................................................................................................ 4

1.1 Introducción .................................................................................................................................. 4
1.2 ¿Qué se entiende por estadística?.......................................................................................... 4
1.3 ¿Por qué hay que estudiar Estadística? ................................................................................ 5
1.4 Tipos de estadística .................................................................................................................... 7
1.5 Elementos que caracterizan a los problemas estadísticos ............................................... 8
1.6 Definiciones básicas ................................................................................................................... 8
1.7 Clasificación de las Variables................................................................................................. 10
A. Según la Naturaleza de la Variable .................................................................................... 10
B. Según la Escala de Medición .............................................................................................. 11
ESCALAS DE MEDICIÓN .................................................................................................................. 21
C. Según la Relación Entre Variables .................................................................................... 22
II. CAPITULO Presentación de Datos ........................................................................................... 24
2.1. Clasificación y cómputo de datos uni. y bivariables:. ...................................................... 24
A. Codificación y tabulación .................................................................................................... 24
B. Presentación tabular de los Datos: cuadros de distribución de frecuencias ......... 24
C. Cuadros estadísticos ............................................................................................................ 24
D. Partes Principales de un Cuadro Estadístico ................................................................. 25
2.2. Cuadros de Frecuencias de Variables Discretas ............................................................... 30
A. DISTRIBUCIÓN DE FRECUENCIAS DE LA VARIABLE CUALITATIVAS: .................. 40
B. REPRESENTACIÓN GRAFICA DE LA VARIABLE CUALITATIVAS: ........................... 41
D. REPRESENTACIÓN GRAFICA DE LA CUANTITATIVAS DISCRETAS: ......................... 47
2.3. Cuadros de Frecuencias de Variables Continuas.......................................................... 50
E. DISTRIBUCIÓN DE FRECUENCIAS, DE LA VARIABLE CUANTITATIVA CONTINUA: .......................... 59
F. REPRESENTACIÓN GRAFICA DE LA CUANTITATIVAS CONTINUA:.................................................. 64
Gráficos Estadísticos........................................................................................................................... 76
Clasificación De Los Gráficos ............................................................................................................ 76
III. CAPITULO Medidas de Resumen ............................................................................................. 91
3.1 Medidas de resumen para variables cualitativas ................................................................ 91
3.2 Razón e Índice. Definición. Cálculo e interpretación ........................................................ 91
3.3 Medidas de resumen para variables cuantitativas. ......................................................... 103
3.3.1 Medidas de Posición Centrales (Tendencia Central) .............................................. 103
1. La Media Aritmética ................................................................................................................... 103

2. La Mediana (Me) ........................................................................................................................ 105
3. Moda (Mo) (Valor Modal o Promedio Típico) ......................................................................... 109
Características de las Medidas de Posición Centrales ................................................................ 111
4. Media Geométrica: X G , G ..................................................................................................... 118
5. Media Armónica: X H , H ......................................................................................................... 122

IV. CAPITULO Estadígrafos de Tendencia No central ............................................................. 125
4.1. Estadígrafos de Tendencia No central ............................................................................... 125
A. Los Cuartiles ......................................................................................................................... 125
B. Para elaborar un diagrama de caja y bigotes es necesario saber:.......................... 127
C. Deciles .................................................................................................................................... 131
D. Percentiles o Centiles ........................................................................................................ 133
V. CAPITULO Medidas de Dispersión ............................................................................................ 136
5.1. Medidas de dispersión ........................................................................................................... 136
A. Recorrido o rango (R)................................................................................................................ 136
B. Recorrido Semi Cuartil (Q) ....................................................................................................... 136
C. Varianza (s2) .......................................................................................................................... 136
D. Desviación Estándar o Típica (s) ......................................................................................... 138
E. Coeficiente de Variación (CV) .................................................................................................. 138
VI. CAPITULO Estadígrafos de Deformación ............................................................................. 139
Asimetría.- ................................................................................................................................................ 139
A. Relación Entre La Media, Mediana y Moda .................................................................... 139
B. Distribución Simétrica ........................................................................................................ 139
C. Importancia de la Asimetría.- ................................................................................................ 140
D. Coeficiente de Asimetría. ................................................................................................... 140
E. Kurtosis o Apuntamiento.- .................................................................................................... 140
VII. CAPITULO Regresión y Correlación Lineal ......................................................................... 148
Regresión y Correlación Lineal........................................................................................................ 148

I. CAPITULO ¿Qué es la Estadística?
1.1 Introducción
La importancia de la estadística en la actualidad, no se pone en discusión. Casi

todos los programas profesionales universitarios incluyen en su currículo, al menos
un curso de estadística. En muchos países, inclusive en el Perú, la estadística forma
parte del currículo de la educación secundaria e inclusive se incluyen algunos
tópicos en la educación primaria.
La dinámica del mundo moderno, exige que todo ciudadano, para ejercer sus
derechos y comprender su entorno, requiera de una alfabetización en estadística.
1.2 ¿Qué se entiende por estadística?
Al revisar el texto, vemos que esta parte se encuentra desarrollada posteriormente a

las razones por las que se debe estudiar estadística, aquí lo hacemos primero, para
iniciar entendiendo lo que significa la Estadística.
Realice la lectura de este acápite e identifique las ideas principales al respecto. Le

sugiero que subraye las ideas principales que encuentre.
¿Está de acuerdo en que la idea central se relaciona con el tratamiento de
información numérica?
Lo invito ahora a que enuncie su propia definición sobre la estadística.
¿Le parece a usted que podríamos definir a la estadística como la ciencia que nos
proporciona los elementos de juicio necesarios para llegar a tomar decisiones
adecuadas?, si está de acuerdo reflexione sobre las razones que le llevan a estarlo;
si no lo está también reflexione sobre la definición adecuada y regrese al texto para
constatarlo.
De las diferentes formas de enunciar lo que significa la estadística, realice ahora un

cuadro sinóptico en la que se resuman las ideas claves que se observan en
cualquiera de las definiciones encontradas. Para ello lea detenidamente este acápite
que se encuentra en el texto básico y reflexione sobre los distintos ejemplos que se
han planteado allí.

1.3 ¿Por qué hay que estudiar Estadística?

Si se revisa un catálogo de información de la universidad, se descubrirá que la
educación estadística se requiere en muchos Facultades. ¿Por qué pasa esto?
¿Cuáles son las diferencias en los cursos de Estadística impartidos en una
Facultades de la Universidad? La mayor diferencia son los ejemplos utilizados.
Básicamente, el contenido del curso es el mismo; Por ejemplo, en una Escuela
Profesional de Administración interesan cosas como las ganancias, horas de trabajo,
y salarios. En un Departamento de Salud interesan los resultados de las pruebas, y
en una Facultad de Ingeniería pueden interesar cuántas unidades son producidas
por una máquina en especial. Sin embargo, las tres áreas tienen interés en lo que es
un valor típico y en la cantidad de variación existente en la información. Es posible
que también exista una diferencia en el nivel de matemáticas requerido. Un curso de
Estadística en ingeniería generalmente requiere del Cálculo, los cursos de
Estadística en escuelas de administración y en la educación, generalmente enseñan
un curso orientado a aplicaciones. Entonces, ¿por qué se requiere estudiar
Estadística en tantas carreras?.
La primera razón es que en todos lados encontramos información numérica. Si se

revisan los periódicos, revistas de información, revistas de negocios, publicaciones
de interés general, o revistas de deportes, uno estará bombardeado con información
numérica.
Presentamos aquí algunos ejemplos:
✓ Ford reporta que en 2011 sus ventas fueron de $146900 millones (de dólares),
arriba en un 7,2%; sus ganancias fueron de $4400 millones, con ascenso en un
7,0%, y el efectivo neto circulante fue de S/.7200 millones.
✓ Los egresados de postgrado de la Universidad, contaron con un sueldo promedio
inicial de $400 dólares y un 70% de ellos consiguieron trabajo a los tres meses de
la graduación.
✓ Para los futbolistas que gustan de jugar en campos deportivos, el alquiler de los
campos promediaban S/.500 nuevos soles por semana.

¿Cómo podemos determinar si las conclusiones presentadas son razonables?, ¿las
muestras fueron suficientemente grandes?, ¿cómo se seleccionaron las unidades de
la muestra? Para poder ser un consumidor con conocimientos sobre esta
información, necesitamos poder leer los cuadros, las gráficas y entender la discusión
de la información numérica. El entender los conceptos básicos de la Estadística será
de gran ayuda.
La segunda razón para tomar el curso de Estadística es que las técnicas estadís-
ticas se utilizan para tomar decisiones que afectan nuestra vida diaria. Esto quiere
decir que afectan a nuestro bienestar personal. He aquí algunos ejemplos:
✓ Las compañías de seguros utilizan análisis estadísticos para establecer las tarifas
de los seguros de casa, automóvil, vida y salud. Existen tablas que resumen la
probabilidad de que una mujer de 25 años de edad viva el año siguiente, los si-
guientes cinco años, etc. Las primas del seguro de vida se pueden establecer
basándose en estas probabilidades.
✓ La Agencia de Protección al Medio Ambiente está interesada en la calidad del
agua en el Lago Ene. Periódicamente toman muestras de agua para establecer el
nivel de contaminación y mantener el nivel de calidad.
✓ Los investigadores médicos estudian las tasas de cura de enfermedades, basán-
dose en el uso de diferentes medicamentos y distintas formas de tratamiento. Por
ejemplo, ¿cuál es el efecto de tratar cierto tipo de daño a la rodilla con cirugía o
con terapia física? Si se toma una aspirina diaria, ¿se reducirá el riesgo de sufrir un
ataque cardiaco?
La tercera razón para tomar el curso de Estadística es que el conocimiento de los

métodos estadísticos ayudará a entender por qué se toman ciertas decisiones, y le
aportarán una mejor comprensión sobre la manera en la que lo afectan.
Sin importar el tipo de trabajo que seleccione, encontrará que tiene que enfrentar la
toma de decisiones con la ayuda del análisis de datos. Para poder realizar una deci-
sión basada en la información, necesitará:
1. Determinar si la información existente es adecuada o si se requiere información

adicional.

2. Reunir información adicional, si es necesario, de tal forma que no hayan resultados
erróneos.
3. Resumir la información de una forma útil e informativa.
4. Analizar la información disponible.
5. Sacar las conclusiones y realizar las deducciones necesarias, al tiempo que se
evalúa el riesgo de llegar a una conclusión incorrecta.
1.4 Tipos de estadística

Por lo general, el estudio de la estadística se divide en dos categorías
✓ Estadística Descriptiva: cuando se recolección, clasificación resumen,

procesamiento y representa un grupo de datos utilizando métodos numéricos y
gráficos que resumen y presentan la información contenida en ellos. No pretende
ir más allá del conjunto de datos investigados.
✓ Estadística Inferencial: cuando apoyándose en el cálculo de probabilidades y a

partir de datos muestrales, efectúa estimaciones, decisiones, predicciones y
otras generalizaciones sobre un conjunto mayor de datos.
Figura 1 Tipos de Estadística

1.5 Elementos que caracterizan a los problemas estadísticos
✓ La población de interés y el procedimiento científico que se empleó para tomar la
muestra de la población.
✓ La muestra y el análisis matemático de su información.
✓ Las inferencias estadísticas que resultan del análisis de la muestra.
✓ La probabilidad de que las inferencias sean correctas.
1.6 Definiciones básicas

✓ Población o Universo (N) Está referido a un colectivo finito o infinito de elementos
individuales. Población es un conjunto completo de individuos u objetos que
poseen alguna característica común observable. Población es el número de
elementos que definen la cobertura de un estudio. La población es el universo de
estudio que está integrado por la totalidad de todas las unidades de análisis. Por
ejemplo
❖ Alumnos de Ingeniería Civil matriculados en ciclo académico 2012 en la

Universidad.
❖ Alumnos de IV ciclo de la Escuela Profesional de Ingeniería Civil de la
Universidad.
❖ Ingenieros Civiles Colegiados en el departamento de Cajamarca en el año 2012.
✓ Muestra (n) Es la parte o subconjunto de una población. La muestra está

constituida de elementos seleccionados de una manera deliberada, con el objeto
de investigar las propiedades de su población. La muestra sólo da información de
aquella población de la que ha sido extraída.
POBLACIÓN (N) MUESTRA (n)
Muestreo
µ δ2

Inferencia
Figura 2 Población, muestra, parámetros y estadisticos

✓ Unidad de Análisis o Unidad de Observación Es el objeto o elemento indivisible
que será estudiado en una población sobre los cuales se va a obtener datos. La
unidad de análisis no es el fenómeno investigado sino el que genera el fenómeno y
proporciona datos concretos. Por ejemplo
❖ El tipo de análisis al que se someterá la información es determinante para elegir

la unidad de análisis. Por ejemplo, si el objetivo es dar cuenta de la satisfacción
del usuario de un servicio médico, la unidad de análisis natural es el paciente
atendido, o la persona que se atiende en ese servicio médico.
✓ La unidad de muestreo corresponde a la entidad básica mediante la cual se

accederá a la unidad de análisis. En algunos casos, ambas se corresponden. Por
ejemplo:
❖ Si se desea estimar la prevalencia de daño auditivo en relación con niveles de

ruido ambiental en una muestra de trabajadores de una fábrica, la unidad de
muestreo puede corresponder a la entidad "sujeto", si se dispone de un registro
detallado de cada sujeto. La unidad de análisis es por cierto el trabajador de la
fábrica.
✓ Dato. Es el valor o respuesta que adquiere variable la en cada unidad de análisis.

Dato es el resultado de la observación, entrevista o recopilación en general. Los
datos son. materia prima de la Estadística.
✓ Parámetro. Es una medida usada para describir algunas características de una

población, y para determinar su valor es necesario utilizar la información de la
población completa y por lo tanto, las decisiones se tomaran con certidumbre total.
Por ejemplo:
Media poblacional (µ), Varianza poblacional (δ2), Proporción poblacional (p).
✓ Estadígrafo. Es una medida usada para describir alguna característica de la

muestra y la toma de decisiones contiene un grado de incertidumbre. Por ejemplo:
Media muestral (𝑥̅ ), Varianza muestral (𝑠 2 ), Proporción muestral (p̂)

✓ Variable: Es una característica que puede tomar diferentes valores o atributos. Las
variables son características observables, susceptibles de adoptar distintos
valores (cuantificado) o ser expresados en varias categorías
Variable Valores o atributo

❖ Rendimiento académico ❖ 12, 14, 17, 20
❖ Genero ❖ Masculino, femenino
❖ Calidad de atención de un ❖ Pésimo, malo, regular bueno excelente
restaurante
❖ Peso de alumnos ❖ 45,6 Kg. 57,8 Kg. 73,6 Kg
❖ Número de hijos ❖ 1, 2, 3,
1.7 Clasificación de las Variables
Podemos considerar muchos criterios de clasificación como:
A. Según la Naturaleza de la Variable
a) Variables Cualitativas o Estadísticas de Atributos.
Cuando expresan una cualidad, característica o atributo, tienen carácter cualitativo

sus datos se expresan mediante una palabra es no numérico. Por ejemplo:
❖ Estado civil, los colores, lugar de nacimiento, profesiones, actividad económica,

causas de accidentes, etc.
b) Variables Cuantitativas.
Cuando el valor de la variable se expresa por una cantidad, es de, carácter

numérico. El dato o valor puede resultar de la operación de contar o de medir. Por
ejemplo:
❖ Edad número de hijos por familia, ingresos, viviendas por centro poblado, niveles
de, desempleo, producción, utilidades por empresas, etc.,

Las variables cuantitativas pueden ser: discreta y continua.
b.1. Variable Discreta.

Cuando el valor de la variable resulta de la operación de contar su valor está
representado sólo por números naturales (enteros positivos). Por Ejemplos:
❖ Hijos por familia número de accidentes por día, trabajadores por empresa;
población por distritos, habitaciones por vivienda. etc.
b.2. Variable Continúa.

Cuando la variable es susceptible de medirse es toda variable cuyo valor se
obtiene por medición o comparación con una unidad o patrón de medida. Las
variables continuas pueden tener cualquier valor dentro de su rango o recorrido
por tanto se expresa por cualquier número real. Por ejemplos:
❖ Ingresos monetarios, producción de maíz, peso, estatura, tiempo de

servicios, horas trabajadas, niveles de empleo. etc.
B. Según la Escala de Medición
a) La escala nominal o categórica

La medición en su nivel más débil existe cuando los números u otros símbolos se
usan simplemente para clasificar un objeto, una persona o una característica.
Cuando se emplean números u otros símbolos para identificar los grupos a los
cuales pertenecen varios objetos, estos números o símbolos constituyen una
escala nominal o categórica. Esta escala se conoce como escala clasificatoria.
Por ejemplo:
❖ Se resumen en preguntas dicotómicas, o aquellas con dos opciones de
respuesta, y de selección múltiple, o aquellas con tres o más opciones de
respuesta. Veamos algunos ejemplos:
Dicotómicas Género: Femenino Masculino
Has comprado el producto X? SI NO
Selección múltiple En tus próximas compras incluirás el producto X?
SI NO No sabe

Propiedades Formales
Todas las escalas tienen ciertas propiedades formales, las cuales proporcionan
definiciones casi exactas de las características de la escala; definiciones más
exactas que las que pueden darse en términos verbales. Estas propiedades
pueden ser formuladas de manera más abstracta de lo que hemos hecho aquí,
por un conjunto de axiomas que especifican las operaciones de la escala y las
relaciones entre los objetos que han sido escalados.
En una escala nominal, las operaciones de la escala dividen a una clase dada en
un conjunto de subclases mutuamente excluyentes. La única relación implica- da
es la de equivalencia; esto es, los miembros de cualquier subclase deben ser
equivalentes en la propiedad que está siendo escalada. Esta relación se simboliza
por el signo familiar de "igual" (=). La relación de equivalencia es reflexiva,
simétrica y transitiva.
Considérese un conjunto de objetos 𝑥1 , 𝑥2 , … , 𝑥𝑁 . . Supóngase que el objeto x,
tiene algún atributo verdadero, A (x). Entonces, para cualquier par de atributos en
el conjunto
A (xi ) = A (xj ) si x𝑖 y x𝑗 están en la misma clase
A (xi ) ≠ A (xj ) si x𝑖 y x𝑗 están en diferentes clases
Una escala nominal es un sistema de clasificación de los objetos L(x) tal que
L ( x i ) = L (x i ) si y sólo si A (xi ) = A (xi )
L(x𝑖 ) ≠ L (x𝑗 ) si y sólo si A (x𝑖 ) ≠ A (x𝑗 )
Operaciones Admisibles
Ya que en una escala nominal la clasificación puede estar igualmente bien
representada por cualquier conjunto de símbolos, se dice que la escala nominal
es "única hasta una transformación de uno a uno". Los símbolos que designan las
variadas subclases en la escala pueden ser intercambiados si esto se hace de
manera cabal y consistentemente. Por ejemplo:
❖ Cuando se emiten nuevas placas para automóviles, el código que previamente
pertenecía a una ciudad puede ser intercambiado con el de otra ciudad. La
escala nominal podría preservarse si este cambio se ejecutara cabal y
consistentemente en la emisión de todas las placas.
Ya que los símbolos que designan los variados grupos de una escala nominal
pueden ser intercambiados sin alterar la información esencial en la escala, el
único tipo de estadísticos descriptivos admisibles son aquellos que pueden ser

incambiables por tal transformación: la moda, la cuenta de frecuencias, etc. En
ciertas condiciones, podemos probar hipótesis considerando la distribución de
casos entre las categorías, usando pruebas no paramétricas tales como la ji
cuadrada o una prueba basada en la distribución binomial. Estas pruebas son
adecuadas para datos escalados nominalmente debido a que se enfocan sobre
la frecuencia en las categorías, es decir, sobre datos enumerativos. En suma,
cuando los datos en una escala nominal, podemos rotular las categorías "1", "2",
"3",….., en cualquier orden que el Vamos. En una muestra podemos contar el
número de "1", el número de "2", etc. (Estas son cuentas de frecuencia) Podemos
calcular el porcentaje de "1" en la muestra, el porcentaje de "2", etc. (Esta es la
distribución de frecuencia relativa.) Y podemos registrar qué categoría tiene la
frecuencia más grande. (Ésta es la moda.) Pero en general, no podemos "sumar"
las categorías "1" y "2" para formar la categoría "3", ya que podríamos violar las
suposiciones de un sistema de clasificación nominal. En capítulos posteriores
estudiaremos diferentes técnicas estadísticas adecuadas para datos categóricos o
escalados nominalmente.
b) La escala ordinal o de rangos

Puede suceder que los objetos en una categoría de una escala no sean tan sólo
diferentes de los objetos en otras categorías de esa escala, sino que también
exista algún tipo de relación entre ellos. Las relaciones típicas entre las clases
son: más alto, más preferido, más difícil, más perturbador, más maduro, etc. Tales
relaciones se denotan por medio del símbolo >, el cual en general significa "mayor
que". En referencia a escalas particulares, > puede ser usado para designar que
es preferido a, es más alto que, es más difícil que, etc. Su significado específico
depende de la naturaleza de la relación que define la escala.
Dado un grupo de clases de equivalencia (esto es, dado una escala nominal), si la
relación > se sostiene entre algunos pero no todos los pares de clases, tenemos
una escala parcialmente ordenada. Si la relación > se sostiene para todos los
pares de clases, de manera que es posible un rango completo ordenado de
clases, tenemos una escala ordinal. Por ejemplo:
❖ Grado de Instrucción: Primaria – Secundaria – Superior
❖ Intensidad del dolor: Leve – Moderado – Intenso

Axiomáticamente, la diferencia fundamental entre una escala nominal y una
ordinal es que esta última incorpora no sólo la relación de equivalencia (=), sino
también la relación "mayor que" (>). Esta última relación es irreflexiva, asimétrica
y transitiva.
Considérese un conjunto de objetos 𝑥1 , 𝑥2 , … , 𝑥𝑁 . Supóngase que existe alguna
relación en el atributo verdadero entre los objetos de cada categoría, además de
la equivalencia dentro de las categorías. Esto es,
A (xi ) = A (xj ) si x𝑖 y x𝑗 están en la misma clase

A (xi ) ≠ A (xj ) si x𝑖 y x𝑗 están en diferentes clases
Una escala nominal es un sistema de clasificación de los objetos L(x) tal que
L ( x i ) = L (x i ) si y sólo si A (xi ) = A (xi )
L(x𝑖 ) ≠ L (x𝑗 ) si y sólo si A (x𝑖 ) ≠ A (x𝑗 )
L(x𝑖 ) > L (x𝑗 ) si y sólo si A (x𝑖 ) > A (x𝑗 )
Es decir, la función de clasificación ordena los objetos en el mismo modo en que
de hecho están ordenados los atributos.
Ya que cualquier transformación que preserve el orden no cambia la información
contenida en la escala ordinal, se dice que la escala es "única hasta una trans-
formación monotónica". Una transformación monotónica es aquella que preserva
el orden de los objetos. Esto es, no importa qué números demos a un par de
clases o a los miembros de esas clases, siempre que les sea asignado un número
mayor a los miembros de la clase que es "mayor que" o "más preferida".
(Naturalmente, se pueden usar números menores para las clases "más
preferidas". Así nos referimos generalmente a una ejecución excelente como
"primera clase", y a ejecuciones progresivamente inferiores como "segunda clase"
y "tercera clase". Siempre que seamos consistentes, no importa si se usan
números mayores o menores para denotar "mayor que" o "más preferido".) Por
ejemplo:
❖ En el ejército un cabo usa dos bandas en su manga y un sargento usa tres.
Estas insignias denotan que el sargento > el cabo, y el símbolo > denota "mayor
rango que". Esta relación podría ser igualmente bien expresada si el cabo usara
cuatro bandas y el sargento siete.

Vale decir, una transformación que no cambia el orden de las clases es
completamente admisible ya que no implica pérdida alguna de información.
Cualesquiera o todos los números que se aplican a las clases en una escala
ordinal pueden ser cambiados de cualquier forma que no altere el orden (rango)
de los objetos. Puede aplicarse cualquier transformación montónica y aún
preservarse las propiedades de la escala, esto es, preservar la relación entre los
objetos.
El estadístico más, apropiado para describir la tendencia central de las
puntuaciones en una escala ordinal es la mediana, ya que en relación con la
distribución de puntuaciones, la mediana no es afectada por los cambios en
cualesquiera de las puntuaciones que están por arriba o por abajo de ella,
siempre que el número de puntuaciones por arriba y por debajo permanezca
constante. Con el escalamiento ordinal, las hipótesis pueden ser probadas usando
el gran grupo de pruebas estadísticas no paramétricas que en ocasiones se
llaman estadísticos de rango o estadísticos de orden.
c) La escala de Intervalo
Cuando una escala tiene todas las características de una escala ordinal y cuando
además tienen sentido las distancias o diferencias entre cualesquiera dos
números de la escala, se ha logrado una medición considerablemente más fuerte
que la ordinal. En tal caso, la medición ha sido lograda en el sentido de una
escala de intervalo. Esto es, si nuestro mapeo de varias clases de objetos es tan
preciso que conocemos cuán grandes son los intervalos (distancias) entre todos
los objetos de la escala, y estos intervalos tienen significado sustantivo, entonces
hemos logrado una medida de intervalo. Una escala de intervalo está
caracterizada por una unidad común y constante de medida que asigna un
número a todos los pares de objetos en el orden establecido. En esta clase de
medición, la razón de cualesquiera dos intervalos es independiente de la unidad
de medida y del punto cero. En la escala de intervalo, el punto cero y la unidad de
medida son arbitrarios. Por ejemplo
❖ Medimos la temperatura en una escala de intervalo. De hecho, comúnmente se
usan dos diferentes escalas: Celsius y Fahrenheit. Al medir la temperatura, la
unidad de medida y el punto cero son arbitrarios; son diferentes en ambas
escalas. Sin embargo, las dos escalas contienen la misma cantidad y la misma
clase de información. Esto es así debido a que están linealmente relacionadas.

Es decir, una lectura en una escala puede ser transformada en la lectura
equivalente de la otra por medio de una transformación lineal.
9
°F = °C + 32
5
Donde
°F = número de grados en la escala Fahrenheit
°C = número de grados en la escala Celsius
Se puede mostrar que las razones de las diferencias de temperatura (intervalos)
son independientes de la unidad de medida y del punto cero. Por ejemplo, el
punto de "congelación" ocurre en 0° en la escala Celsius, y el punto de "ebulli-
ción" ocurre en los 100°. En la escala Fahrenheit, la "congelación" ocurre en los
32° y la "ebullición" en 212°. Algunas otras lecturas de la misma temperatura en
las dos escalas son las siguientes:
Celsius — 18 0 10 30 100
Fahrenheit 0 32 50 86 212
Nótese que la razón de las diferencias entre las lecturas de temperatura en una
escala, es igual a la razón entre las diferencias equivalentes en la otra escala. Por
ejemplo,
❖ En la escala Celsius la razón de las diferencias entre 30 y 10, y 10 y 0 es (30 —
10) / (10 — 0) = 2. Para las lecturas comparables en la escala Fahrenheit, la
razón es (86 — 50) / (50 — 32) = 2. En ambos casos las razones son las
mismas; a saber, 2. En otras palabras, en una escala de intervalo, la razón de
cualesquiera dos intervalos es independiente de la unidad usada y del punto
cero, siendo ambos arbitrarios.
Muchos científicos de la conducta aspiran a crear escalas de intervalo, y en pocas

ocasiones tienen éxito. Sin embargo, generalmente lo que es tomado como éxito
son suposiciones no probadas que el constructor de la escala voluntariamente
cree. Una suposición frecuente es que la variable que está siendo escalada está
normalmente distribuida entre los individuos a los que se evalúa con base en esta
suposición, el constructor de la escala manipula las unidades de la escala hasta
que se encuentre la supuesta distribución normal de las puntuaciones de los
individuos. Naturalmente, el procedimiento es sólo tan bueno como la intuición del
investigador al elegir la distribución que supone.

Otra suposición que se hace a menudo para crear una escala de intervalo aparen-
te es la suposición de que las respuestas "afirmativas" de las personas en
cualquier reactivo son exactamente equivalentes a responder de manera
afirmativa en cualquier otro reactivo. Esta suposición se hace para satisfacer el
requisito de que una escala de intervalo debe tener una unidad de medida común
y constante. En escalas de habilidades o de aptitudes, la suposición de
equivalencia consiste en que dar la respuesta correcta a cualquier reactivo es
exactamente equivalente (en la cantidad de habilidad mostrada) a dar la
respuesta correcta a cualquier otro reactivo.
Axiomáticamente, se puede mostrar que las operaciones y relaciones que dan
origen a la estructura de una escala de intervalo son tales que las diferencias en
la escala son isomórficas a la estructura de la aritmética. Los números pueden ser
asociados con las posiciones de los objetos en una escala de intervalo tal que las
operaciones de la aritmética pueden ser significativamente ejecutadas con las
diferencias entre los números.
Al construir una escala de intervalo no sólo se deben especificar equivalencias,
como en la escala nominal, y relaciones "mayor que", como en la escala ordinal,
sino también se debe ser capaz de especificar la razón entre dos intervalos
cualesquiera.
Considérese un conjunto de objetos 𝑥1 , 𝑥2 , … , 𝑥𝑁 Supóngase que los atributos

verdaderos de los objetos existen en alguna relación unos con otros, además de
sus equivalencias dentro de las categorías. Esto es:
A (x𝑖 ) = A (x𝑗 ) si x𝑖 y x𝑗 están en la misma clase
A (x𝑖 ) ≠ A (x𝑗 ) si x𝑖 y x𝑗 están en diferentes clases
y A (x𝑖 ) > A (x𝑗 ))si x𝑖 excede a x𝑗 en la "cantidad" que tiene del atributo
Entonces, una escala de intervalo es un sistema clasificatorio de los objetos L (x)
que tienen las propiedades de una escala ordinal y, además
𝐿 (𝑥 ) = 𝑐𝐴 (𝑥 ) + 𝑏 𝑐 > 𝑂
Nótese que en este caso, la diferencia entre los atributos de los dos objetos es
proporcional a la diferencia entre las asignaciones de clasificación:
𝐿 (𝑥, ) — 𝐿 (𝑥𝑥) = 𝑐 [𝐴 (𝑥𝑖 )— 𝐴 (𝑥𝑗 )]

Cualquier cambio en los números asociados con las posiciones de los objetos
medidos en una escala de intervalo debe preservar no sólo el orden de los
objetos, sino también las diferencias relativas entre los objetos. Esto es, la escala
de intervalo es "única hasta una transformación lineal". Así, como hemos
señalado, la información proporcionada por la escala no es afectada si cada
número se multiplica por una constante positiva y después se le suma a este
producto una constante, esto es, 𝑓 (𝑥) = 𝑐𝑥 + 𝑏. (En el ejemplo de la
temperatura, c = 9/5 y b = 32.)
Ya hemos notado que en una escala de intervalo el punto cero es arbitrario. Esto
es inherente al hecho de que la escala está sujeta a transformaciones que
consisten en agregar una constante a los números que constituyen la escala.
La escala de intervalo es la primera escala verdaderamente "cuantitativa" que

hemos encontrado. Todos los estadísticos paramétricos comunes (medias,
desviaciones estándar, correlaciones producto-momento, etc.) son aplicables a
los datos en una escala de intervalo. Si de hecho se ha logrado una medida en
una escala de intervalo y si se han encontrado adecuadamente todas las
suposiciones del modelo estadístico paramétrico (dadas en la sección "El modelo
estadístico"), entonces el investigador puede utilizar pruebas estadísticas
paramétricas tales como la prueba t o la prueba F. En tal caso, los métodos no
paramétricos no aprovechan toda la información contenida en los datos de
investigación. Puede notarse que una escala de intervalo es una condición
necesaria, pero no suficiente, para usar una prueba estadística paramétrica que
incluya la distribución normal.
d) La escala de razón
Cuando una escala tiene todas las características de una escala de intervalo y,
además, tiene un punto cero verdadero en su origen, se llama escala de razón.
En una escala de razón, la razón de cualesquiera dos puntos es independiente de
la unidad de medida. Por ejemplo
❖ Medimos la masa o el peso en una escala de razón. La escala de onzas y libras
tiene un punto cero verdadero, al igual que la escala de gramos. La razón entre

cualesquiera dos pesos es independiente de la unidad de medida. Por ejemplo,
si determinamos los pesos de dos objetos diferentes no sólo en libras sino
también en gramos, encontraremos que la razón de los dos pesos en libras es
idéntica a la razón de los dos pesos en gramos.
Aunque es difícil identificar ejemplos significativos en las ciencias sociales y de la

conducta, los contraejemplos abundan. Consideramos dos. Notamos
anteriormente que las calificaciones se miden en una escala ordinal. Considérese
a dos estudiantes, uno de los cuales recibe una A y el otro una C; y supóngase
que las asignaciones numéricas fueron 4 y 2, respectivamente. Aunque la razón
de las dos calificaciones es dos (4/2 = 2), no tiene sentido decir que el estudiante
con una A posee el doble de "algo" del estudiante que recibe la C. (El estudiante
puede obtener el doble de ciertos puntos, pero no es claro si esto tiene algún
significado sustantivo en conocimiento, habilidad o perseverancia.) Finalmente, en
el caso de la temperatura, considérese un cambio en la temperatura de 100 a 30
°C. No podemos decir que el incremento representa que el calor se incrementó al
triple. Para ver esto, nótese que el cambio en la temperatura es equivalente a un
cambio de 500 a 86 °F. Debido a que las razones de las temperaturas en las dos
escalas son claramente diferentes, la razón no tiene sentido interpretable alguno.
Las operaciones y relaciones que dan origen a los valores numéricos en una
escala de razón son tales que la escala es isomórfica a la estructura de la
aritmética. Por tanto, las operaciones de la aritmética son permisibles con los
valores numéricos asignados a los objetos, así como a los intervalos entre los
números, como en el caso de la escala de intervalo.
Las escalas de razón, que se encuentran más comúnmente en las ciencias

físicas, se logran sólo cuando son operacionalmente posibles de alcanzar todas
las siguientes cuatro relaciones: 1. equivalencia; 2. mayor que; 3. razón conocida
entre cualesquiera dos intervalos, y 4. razón conocida entre cualesquiera dos
valores de la escala.

Considérese un conjunto de objetos x1 , x2 , … , xN . Supóngase que el atributo
verdadero de los objetos existe con alguna relación entre cada uno de ellos,
además de la equivalencia dentro de las categorías. Esto es
A (x𝑖 ) = A (x𝑗 ) si x𝑖 y x𝑗 están en la misma clase
A (x𝑖 ) ≠ A (x𝑗 ) si x𝑖 y x𝑗 están en diferentes clases
y A (x𝑖 ) > A (x𝑗 ) si x𝑖 excede a x𝑗 en la "cantidad" que tiene del atributo
Entonces, una escala de razón es un sistema clasificatorio de los objetos L (x) si

𝐿(𝑥1) = 𝑐𝐴 (𝑥, )𝑐 > 𝑂
𝐿(𝑋𝑖 ) 𝐴(𝑋𝑖 )
𝐴𝑠í, =
𝐿(𝑋𝑗 ) 𝐴(𝑋𝑗 )
y la razón de las clasificaciones asignadas es igual a la razón de los atributos
verdaderos.
Los números asociados con los valores de la escala de razón son números "ver-
daderos" con un cero verdadero: sólo la unidad de medida es arbitraria. Así, la es-
cala de razón es única hasta la multiplicación por una constante positiva. Esto es,
las razones entre cualesquiera dos números se preservan cuando los valores de
la escala son todos multiplicados por una constante positiva y, además, tal
transformación no altera la información contenida en la escala.
Cualquier prueba estadística paramétrica puede usarse cuando se han logrado
medidas de razón y se encuentran las suposiciones adicionales concernientes a
la distribución. Más aún, existen algunos estadísticos que se aplican sólo a datos
que descansan en una escala de razón; debido a la fuerza de las suposiciones
que sub- yacen a la escala, la mayoría de estas pruebas son pararnétricas.

ESCALAS DE MEDICIÓN
Tipo Variables Categóricas Variables numéricas
Naturaleza CUALITATIVAS CUANTITATIVAS

(0) NOMINAL Ningún
Escala (1) ORDINAL Un atributo (2) INTERVALO Dos atributos (3) RAZÓN Tres atributos
atributo
Atributos de la
Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen
escala
Posee categorías a las Posee categorías Tiene intervalos
Tiene intervalos iguales y
que se asigna un nombre ordenadas, pero no constantes entre valores;
medibles, pero no tiene un
Característica sin que exista ningún permite cuantificar la además de un origen real.
origen real. Puede asumir
orden implícito entre distancia entre una El cero significa la
valores negativos.
ellas. categoría y otra. ausencia de la variable.
Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Peso. Hijos
Soltero Primaria Leve -10 C 00 Horas 00.00 Kg Uno

Masculino
Valor Final Casado Secundaria Moderado 0C 10 Horas 10.24 Kg Dos
Femenino
Conviviente Superior Severo 20 C 20 Horas 20.00 Kg Tres
Continuas: Provienen de medir

Dicotómicas: Tienen solamente dos categorías Ejemplos
Se pueden representar con números enteros o fraccionarios
de Ordinal Dicotómica: Nuevo - Continuador
Vivo – Fallecido
Entre dos valores siempre existe un número intermedio
Observaciones
Sano – Enfermo
Discretas: Provienen de contar
Politómicas: Tienen más de dos categorías.
Solamente pueden ser representados con números enteros

C. Según la Relación Entre Variables
a) Variables Dependientes
Son aquellas que se explican por otras variables, son los efectos o resultados
respecto a los cuales hay que buscar su motivo, causas o razón de ser, Es la
variable que traduce la consecuencia del efecto de una varias razones o causas.
b) Variables Independientes
Son las variables explicativas o predicativas, cuya asociación, relación o
influencia en la variable dependiente se pretende escribir en la investigación. Las
variables independientes son los que traducen o explican las causas o razones
de las variaciones en la variable dependiente. Simplificando, en la relación de
variables, las causas o antecedentes serían las variables independientes (VI) y la
causa o consecuente es la variable dependiente (VD). Ejemplos: En el caso más
simple, para la relación dé dos variables.
❖ El presupuesto familiar (VD) depende de los ingresos (VI).
❖ El volumen de ventas (VD) se explica por la inversión en propaganda (V).
❖ El número de hijos por familia (VD) tiene relación con el nivel educativo de los
padres (VI).
c) Variables Intervinientes o interferentes
Son aquellas que coparticipan con la variable independiente condicionando el
comportamiento de la variable dependiente. En el caso de la relación entre
presupuesto familiar (VD) y los ingresos (VI), algunas variables intervinientes
serian la conducta de consumo, la edad de los miembros de la familia, etc.
Elementos de una Variable

La identificación y definición de variables es la tarea más delicada de toda
investigación y del trabajo estadístico. En consecuencia, para tener éxito en la
selección de variables, es recomendable distinguir las siguientes cinco
características.
❖ Un nombre o denominación. de la variable.
❖ Alguna definición o conceptualización.
❖ Un conjunto de categorías. que es definida por el investigador. Las
categorías no son únicas.
❖ Procedimientos para categorías las unidades de análisis.
❖ Algunas medidas de resumen o indicadores.

Ejemplo 1:
a) Nombre : Estado civil o conyugal.
b) Definición: Es la situación de la persona empadronada en relación con las leyes

y costumbres del país.
c) Categorías:
01) Sol tero (a).
02) Casado (a).
03) Conviviente.
04) Viudo (a).
05) Divorciado (a).
06) Separado (a).
d) Categorización: ¿Cuál es su estado civil o conyugal?
e) Medidas de Porcentajes
Resumen – Tasa de nupcialidad que indica la frecuencia de matrimonios, etc.
Ejemplo 2:
a) Nombre : Ingresos
b) Definición Son los recursos monetarios netos incluyendo todas las
Bonificaciones que percibe una persona por su ocupación principal y secundaria
durante el período de referencia de la encuesta.
c) Categorías : Puede proponerse en forma de niveles o simplemente intervalos.
Niveles de ingreso: alto, medio, bajo
Intervalos: Por ejemplo 8 intervalos
Menos de 4000; 4001 él 8000; 8001 a 12000; 1 2001 a 1 6000; 16001 a 20000:
20001 a 25000; 25001 a 30000; 30001 y más soles.
d) Categorización: ¿Cuál fue su ingreso total en el último mes?
e) Indicadores : Ingreso promedio.
Dispersión de los ingresos. etc.

II. CAPITULO Presentación de Datos
2.1. Clasificación y cómputo de datos uni. y bivariables:.
A. Codificación y tabulación
❖ La codificación facilita la tabulación y el conteo. (obtención de una buena
información)
❖ La codificación de las respuestas da lugar a categorías o modalidades.
❖ Es recomendable que los cuestionarios tengan las alternativas de respuesta pre
codificadas.
❖ Si el cuestionario tiene preguntas abiertas (respuesta libre), estas previamente
debe ser clasificadas en categorías.
B. Presentación tabular de los Datos: cuadros de distribución de frecuencias
❖ Es necesario agrupar los datos y presentarlos en cuadros y diagramas sencillos.
❖ Un cuadro de frecuencias, son cuadros que indican la distribución de un conjunto
de datos en clases o categorías y muestran el número de elementos y la
proporción de cada uno de los valores de la variable.
❖ Un cuadro de frecuencias, permite una buena ayuda para formularse
interrogantes acerca de los datos.
❖ Un cuadro de frecuencias, es un punto de partida en la búsqueda de un modelo
teórico para analizar la distribución de los datos.
❖ En la cuadro se observa la frecuencia o repetición de cada uno de los valores de
la variable.
❖ Las observaciones o recopilaciones de datos denotaremos la variable por X y los
datos originales: 𝑥1 , 𝑥2 , … , 𝑥𝑁 . donde Xi representan la i – ésima observación de
la variable con (i = 1, 2, 3, 4,..., N). Es decir que:
X1 = dato de la primera observación
X2 = dato de la segunda observación
X3 = dato de la tercera observación
…………………………………………
………………………………………….
XN = dato de la N – ésima observación
C. Cuadros estadísticos
❖ En una investigación, después que los datos han sido recogidos, revisados y
almacenados en una base de datos, se procede a la presentación de los
resultados en forma tabular o gráfica y al análisis estadístico de la información.
❖ La facilidad de su construcción y el rápido efecto en la transmisión de los
contenidos, han hecho de los cuadros estadísticos los recursos idóneos para la

presentación de los resultados de las investigaciones en todas las áreas
científicas.
❖ “La presentación tabular y el gráfico no son competidores, sino más bien
elementos que se complementan. Los gráficos deben agregarse a los cuadros o
distribuciones de frecuencias para llamar la atención y despertar el interés por
los datos que se presentan, así como para reforzar las argumentaciones o
conclusiones a las que se haya llegado. Como un principio muy conveniente,
debe adoptarse el de que en ningún caso puede considerarse que el gráfico
sustituye a la presentación tabular. La práctica seguida por algunas personas, de
presentar gráficos omitiendo los cuadros que contienen la información básica,
debe ser evitada y combatida por inconveniente y por limitar la calidad y la
utilidad de las publicaciones y estudios. Sólo en casos de verdadera excepción,
como cuando se trata de propaganda o de artículos meramente divulgadores,
podría aceptarse la práctica comentada.”
Objetivo
❖ Un cuadro estadístico tiene como objetivo presentar datos numéricos ordenados,
en filas y columnas, de acuerdo a ciertos criterios de clasificación.
Ventajas
❖ Los cuadros permiten presentar en forma resumida y ordenada muchos datos
❖ Es un instrumento que clasifica, resume y comunica información estadística
❖ Facilita el análisis de los datos
❖ Su fácil comprensión, permite que sea utilizado por muchas personas
❖ Todo cuadro estadístico debe explicarse por sí mismo, sin necesidad de texto o
figuras anexas, y debe ser sencillo y claro
D. Partes Principales de un Cuadro Estadístico
En general, un cuadro estadístico completo, tal como el Cuadro Nº 01, por ejemplo,
puede tener ocho partes:
1. Número del cuadro. 2. Título. 3. Encabezamiento o conceptos.
4. Cuerpo. 5. Nota de pie o llamadas. 6. Fuente.

7. Nota de unidad de medida. 8. Elaboración.

2 Es el código o elemento de
TABLA Nº 01 1 identificación que permite
ubicar el cuadro en el interior
Es la descripción de un documento
resumida del contenido
del cuadro. La redacción
del título debe ser breve,
claro y completo, de POBLACIÓN TOTAL ECONÓMICAMENTE ACTIVA DE 15 AÑOS Y MÁS, DEL DEPARTAMENTO DE
modo que se puedan
deducir sin ambigüedad Que Donde
qué tipo de informa.
Debe indicar CAJAMARCA: POR NIVEL EDUCATIVO SEGÚN RAMAS DE ACTIVIDAD. CENSO DE POBLACIÓN 2009
1. QUE
2. DONDE Donde Como Cuando
3. COMO
4. CUANDO Descripción de las filas y 7 Expresa en qué unidades
columnas del cuadro (Distribución porcentual) están las variables
estadístico
3 PEA de N i v e l d e Educación
15 años
Ramas de Actividad y más Sin Sup. No Superior
Primaria Secundaria No Especificado
Nivel* Univer. Univer.
TOTAL 100,0 5,89 42,11 35,87 5,67 8,66 1,80

1. Agricultura, Caza, Selvicultura y
100,0 14,97 64,05 15,59 0,70 1,30 3,40
Pesca
2. Explotación de Minas y Canteras. 100,0 0,75 41,13 39,59 5,79 12,63 0,11 4
3. Industrias Manufactureras. 100,0 3,60 43,57 41,60 2,94 6,70 1,59

0,98 Es el
4. Electricidad, Gas y Agua. 100,0 0,00 21,95 48,29 8,29 20,49
contenido
5. Construcción. 100,0 4,78 64,36 24,99 1,05 3,54 1,28 numérico
del cuadro
6. Comercio, Restaurantes y Hoteles. 100,0 6,95 45,04 39,66 2,06 4,39 1,91
7. Transportes, Almacenamiento y
100,0 1,34 45,18 46,87 2,28 3,15 1,18
Comunicaciones.
8. Establecimientos Financieros,
Seguros, Bienes Inmuebles y 100,0 0,64 11,60 48,71 9,28 29,25 0,52
Servicios a las Empresas
9. Servicios Comunales, Sociales y
100,0 2,10 26,56 43,35 11,46 15,22 1,30
Personales.
10. Actividades No bien especificadas. 100,0 9,35 44,70 34,99 3,55 4,97 2,43
11. Buscan trabajo por primera vez. 100,0 1,94 25,75 56,97 6,70 7,94 0,71
* Incluye PEA con educación inicial o pre – escolar
Fuente: INE Resultados definitivos de los Censos Nacionales IX de Población y IV de Vivienda
Elaborado: Statistic MAH.
5) NOTA DE PIE O LLAMADAS, se usa para aclarar algunos términos o siglas, y también para indicar qué
elementos están o no incluidos en algunos de los conceptos del cuadro.
6) FUENTE, es la indicación al pie el cuadro, que sirve para nombrar la publicación, entidad, estudio o fuente
de donde se obtuvieron los datos utilizados para construir el cuadro. La identificación de la fuente permite,
si fuera el caso, comprobar la información o para obtener información complementaria.
Hay dos tipos de fuentes: i) primaria, cuando se obtiene directamente de la unidad de análisis o cuando se
recurre a los propios formularios de una encuesta: ii) secundaria, cuando se recurre a documentos
boletines o cuadros estadísticos publicados.
7) Nota Unida de Medida se escribe debajo del título, se usa cuando se abrevia la escritura
8) ELABORACIÓN, es una indicación que se coloca debajo de la fuente, y sirve para mencionar el
responsable, que utilizando datos originales o de la fuente elaboró el cuadro estadístico final: indica la
responsabilidad de la publicación del cuadro. A veces resulta Útil indicar la fecha de elaboración.
QUE : Población Total Económicamente Activa De 15 Años Y Más
DONDE : Del Departamento Cajamarca
COMO : Por Nivel Educativo Según Ramas de Actividad
CUANDO : Censo de Población 2009.

CUADRO 04
PACIENTES SEGÚN NÚMERO DE LEUCOCITOS /mm3.

HOSPITAL REGIONAL DE CAJAMARCA - CAJAMARCA - 2007.
Número de Porcentaje de
Número de
Leucocitos Pacientes
Pacientes (ni )
(miles)1/ ( hi % )
5.0 - 5.9 3 5.5
6.0 - 6.9 10 18.2
7.0 - 7.9 11 20.0
8.0 - 8.9 13 23.6
9.0 - 9.9 10 18.2
10.0 - 11.0 8 14.5
Total a/ 55 100.0
- Nota de pie. a/. Muestra aleatoria sistemática.
1/. Datos expresados en miles.
- Fuente. H.R.C
E. Características:
1. La cuadro estadística debe ser lo más simple posible.

2. Si se utilizan símbolos, abreviaturas, etc., deben explicarse detalladamente en
notas de pie de página.
3. Deben ser incluidas las unidades específicas de medida que corresponden a los
datos.
4. Deberán consignarse los totales.
5. Si los datos no son originales debe quedar explícita la fuente de donde se ha
tomado.
6. Cuando se utilizan escalas cualitativas hay que tener cuidado si se desea
comparar datos de una cuadro con otra, ya que en los criterios de clasificación de
la variable puede que el entendimiento nuestro de un concepto no coincida
totalmente con el de otro investigador.
7. Una cuadro estadística puede ser completada con las frecuencias acumuladas,
frecuencias relativas (porcentajes, promedios o razones), etc.
F. Tipos de cuadros.
En su forma más general los cuadros pueden dividirse en simples y
compuestas.
a) Cuadros Simples. Clasifican un fenómeno según una única variable. Ejemplo

Cuadro 04.
b) Cuadros Compuestos. Son las que recogen los datos de dos o más variables,
cada una de ellas con sus correspondientes criterios de clasificación. Dentro de los
cuadros compuestos las que se utilizan con mayor frecuencia son: Las cuadros
dobles y las Maestras.
c) Cuadros Dobles. Resumen información clasificadas según 2 variables, y estas se

denominan: Cuadros de contingencia y cuadros de correlación.
d) Cuadro de Contingencia. Cuando ambas variables son cualitativas o mixtas.

Ejemplo. El cuadro siguiente muestra una distribución bidimensional (Cuadro de
contingencia)
CUADRO 05
REACCIÓN A LA VACUNACIÓN CONTRA EL SARAMPIÓN Y LA RUBÉOLA EN UNA
MUESTRA DE 288 NIÑOS DE CAJAMARCA -1994.
Vacunados contra Vacunados contra rubéola

T O T A L
sarampión Reacción Positiva Reacción Negativa
Reacción positiva 76 72 148
Reacción negativa 120 20 140
T O T A L 196 92 288
La interpretación a esta cuadro sería la siguiente: de una muestra de 288 individuos,

76 tuvieron reacciones positivas a las dos vacunaciones, 20 individuos tuvieron
reacción negativa a ambas pruebas, 120 individuos tuvieron reacción positiva ante la
vacuna contra la rubéola, pero negativamente ante la vacuna contra el sarampión, y
72 niños tuvieron reacción negativa a la vacuna contra la rubéola y positiva en la
vacuna contra el sarampión.
CUADRO DE CORRELACIÓN. Cuando ambas variables son cuantitativas. Por

ejemplo

CUADRO 06
MUJERES EN EDAD FÉRTIL SEGÚN GRUPO ETÁREO Y NÚMERO DE HIJOS

NACIDOS VIVOS - HOSPITAL REGIONAL DE CAJAMARCA - CAJAMARCA – 2007
Número de Hijos Nacidos Vivos

GRUPO ETÁREO
5y T O T A L
(Años Cumplidos) 0 1 2 3 4
+
15 - 19
20 - 24
25 - 29
30 - 34
35 - 39
40 - 44
45 - 49
T o t a l
2. Cuadro Maestra. En este tipo de cuadros todos los criterios de clasificación de

cada una de las variables son sometidos a una clasificación cruzada. Esto da
lugar a una perspectiva mucho más amplia, ya que nos permite obtener datos
de una única variable o de cualquier combinación de las variables que entran
en juego en la cuadro.
Ejemplo. El cuadro muestra la composición por edad, sexo y trabajo de un
grupo de personas con Tuberculosis pulmonar en Cajamarca (Esquema)
durante 2007.
CUADRO 07
PERSONAS CON TBC SEGÚN EDAD, CONDICIÓN LABORAL Y SEXO - DISTRITO DE

CAJAMARCA - 2007
TRABAJADORES NO TRABAJADORES T O T A L
EDAD
Hombres Mujeres Total Hombres Mujeres Total Total
Hombres Mujeres
15 – 19
20 – 24
25 – 29
.
.
.
50 – 54
55 – 59
60 ó +
TOTAL

Nota: Con este tipo de cuadros podemos extraer datos de las personas que padecen
Tuberculosis en un determinado intervalo de edad (A), también del total de
personas que no trabajan y han contraído la TBC (B), y del total de mujeres, ya
sean trabajadoras o no, que tienen tuberculosis (C).
2.2. Cuadros de Frecuencias de Variables Discretas

Para este tipo de variables cuyo valor sólo se puede expresar por número enteros
positivos, los datos que caen dentro de cada clase.
Elementos de un cuadro de Frecuencia
❖ Frecuencias Absolutas o Repetidas (fi o ni).- Es el número de veces que se repite

un determinado valor de la variable.
❖ Frecuencia Relativa (hi ).- Es el cociente de:
ni
hi = = Frecuencia absoluta o Repeticiones
n
Número de Observaciones
CUADRO Nº 7.8
NUMERO DE NACIMIENTOS EN EL DEPARTAMENTO DE LAMBAYEQUE,
POR PROVINCIAS – 2004
Número de
Provincias Porcentaje de Nacimientos
Nacimientos
Lambayeque n1 = 325 n
h1 = 1 =
(325x100) = 34,43
n 944
Chiclayo n2 =330
n
h2 = 2 =
(330x100) = 35,96
n 944
Ferreñafe n3 = 289
n
h3 = 3 =
(289x100) = 30,61
n 944
Total n = 944 100,00

Ejemplo con variables cualitativas
Ejemplo. El restaurante "Hay Que Rico" en la ciudad de Chiclayo, usa un cuestionario
para conocer la opinión de sus clientes sobre el servicio, la calidad de los alimentos, los
cócteles, los precios y el ambiente del restaurante en el mes de julio del 2019. Cada
característica se valora en una escala: notable (O), muy bueno (V), bueno (G), mediano (A)
y malo (P). Elabore un cuadro estadístico
G O V G A O V G O V A G
V O P V O G A O O O G O
V V A G O V P V O O G O
O V O G A O V O O G V A
Aplicación de la función de Excel en la Elaboración de Tablas con variables cualitativas
Figura 3 Ingreso de los datos a Excel

❖ Paso.- 1 Se ubica en la celda A1 (Calidad) Insertar se selecciona tabla dinámica
Figura 4 Selección de la tabla dinámica

❖ Paso.- 2 En la ventana de Crear tabla dinamica se elije donde se desea colocar el

informe de la tabla dinamica
Figura 5 Crear tabla dinamica
❖ Paso.- 3 En la ventana de lista de campos de la tabla dinámica se selecciona la variable

Calidad en Etiqueta de la fila y de columnas y en Σ valores
Figura 6 Seleccionar campos para agregar al informe

❖ Paso.- 4 Insertamos un gráfico un dinámico de barras
Figura 7 Insertar grafico
❖ Paso.- 4 Presentación del gráfico de barras de la variable calidad
Figura 8 Grafico de Barras de la variable calidad

Ejemplo con variables cualitativas con R
Ejemplo. El restaurante "Hay Que Rico" en la ciudad de Chiclayo, usa un cuestionario
para conocer la opinión de sus clientes sobre el servicio, la calidad de los alimentos, los
cócteles, los precios y el ambiente del restaurante en el mes de julio del 2019. Cada
característica se valora en una escala: notable (O), muy bueno (V), bueno (G), mediano (A)
y malo (P). Elabore un cuadro estadístico
G O V G A O V G O V A G
V O P V O G A O O O G O
V V A G O V P V O O G O
O V O G A O V O O G V A
Paso. -1
Los datos
datos <-
c("3","1","2","3","4","1","2","3","1","2","4","3","2","1","5","2","1","3","4","1","1","1","3","1","2","2
","4","3","1","2","5","2","1","1","3","1","1","2","1","3","4","1","2","1","1","3","2","4")
calidad <- factor(datos)
levels(calidad) <- c("Notable","Muy bueno","Bueno","Mediano","Malo")
Paso 2.-
Frecuencias absolutas >f_abs=as.vector(table(calidad))
Frecuencias absolutas acumuladas >f_abs_acum=cumsum(table(calidad))
Frecuencias relativas > f_rel=as.vector(prop.table(table(calidad)))
Frecuencias relativas acumuladas > f_rel_acum=cumsum(prop.table(table(calidad)))
Agrupación de las frecuencias > table_frec=data.frame(f_abs,f_abs_acum,f_rel,f_rel_acum)
Tabla >table_frec

Generamos datos 100 datos en R
Paso 1.-
Se genera los datos aleatorios con la función
>sexo <- runif(100)
Figura 9 Generamos datos 100 datos en R con una variable ficticia sexo
Se limpia la pantalla con las teclas Ctrl + L
Paso 2.-
Con la variable sexo se realiza una modificación para obtener valores 1 y 2 con la función:
> sexo <- round(sexo+1,0)
> sexo
Figura 10 Modificación para obtener valores 1 y 2

Paso 3.-
Creamos una nueva variable de tipo factor tomando a la variable sexo
> sexo_f <- factor(sexo)
Variable categórica y sus niveles serán 1 = Mujer, 2 = Hombre
>levels(sexo_f) <- c(“Mujer”,“Hombre”)
> sexo_f

Figura 11 Nueva variable de tipo factor y categórica
Paso 4.-
Frecuencias absolutas > f_abs=as.vector(table(sexo_f))
Frecuencias absolutas acumuladas > f_abs_acum=cumsum(table(sexo_f))
Frecuencias relativas > f_rel=as.vector(prop.table(table(sexo_f)))
Frecuencias relativas acumuladas > f_rel_acum=cumsum(prop.table(table(sexo_f)))
Agrupación de las frecuencias > table_frec=data.frame(f_abs,f_abs_acum,f_rel,f_rel_acum)
Tabla >table_frec
Figura 12 Tabla de frecuencias absolutas, frecuencias absolutas acumuladas, frecuencias relativas y

frecuencias relativas acumuladas

Gráfico de barras
Se divide la pantalla en dos partes con la función par
> par(mfrow=(1,2))
Gráfico de barras frecuencias absolutas
Grafico de barras con la función barplot con la variable sexo_f, titulo con la función main, nombre al eje x
con la función xlab y nombre al eje y con la función ylab
> barplot(table(sexo_f),main="Sexo de los alumnos",xlab="Sexo",ylab="Frecuencia Absoluta")
Gráfico de barras frecuencias relativas

>barplot(table(as.vector(prop.table(table(sexo_f)))),main="Sexo de los
alumnos",xlab="Sexo",ylab="Frecuencia Relativa")

Ejemplo:
En un estudio de mercado para determinar la aceptación de un centro comercial Shopping Plaza
por departamentos ubicada en la ciudad de Cajamarca, se eligió una muestra de 35 clientes para
conocer sus impresiones. Los resultados son los siguientes:
Gasto Ingreso Número Forma de
Cliente Razón de visita
semanal Mensual de hijos Pago
1 Oferta permanente 66.00 1200 2 Efectivo
2 Guardería 72.50 1500 1 Crédito
3 Tarjeta de crédito 79.10 2100 3 Crédito
5 Guardería 55.30 1500 1 Efectivo
6 Parking amplio 100.10 2200 2 Crédito
7 Aire acondicionado 35.30 1450 3 Efectivo
11 Tarjeta de crédito 69.10 1350 2 Efectivo
15 Parking amplio 95.20 1850 2 Efectivo
16 Guardería 65.30 1410 1 Efectivo
20 Aire acondicionado 48.40 1640 3 Crédito
32 Oferta permanente 110.10 2180 4 Crédito
33 Tarjeta de crédito 84.30 1980 3 Efectivo

Se copia (Ctrl + C) y se pega (Ctrl + V) al Minitab las 35 observaciones
Figura N° 08: Pantalla del Minitab ingresado los datos

A. DISTRIBUCIÓN DE FRECUENCIAS DE LA VARIABLE CUALITATIVAS: Realizamos
la tabulación de la variable “Razón de visita” procedemos a ejecutar en el Minitab
MINITAB: Tabla de frecuencias
1. Paso 1 .- Estadísticas/Tablas/cuenta de variables individuales
Figura N° 09 Estadísticas/Tablas/cuenta de variables individuales
2. Paso 2.- En la ventana cuenta de variables individuales se selecciona la variable

‘Razón de Visita’. Mostrar Conteos/Porcentajes/ Conteos acumulados porcentajes
acumulados. Aceptar
Figura N° 10 Ventana cuenta de variables individuales

Resultado del procesamiento en Minitab

Figura N° 11 Cuenta de la variable Razón de visita
B. REPRESENTACIÓN GRAFICA DE LA VARIABLE CUALITATIVAS: Realizamos la

tabulación de la variable “Razón de visita” procedemos a ejecutar en el Minitab
1. Grafico Circular.- Se trabaja con los valores de las frecuencias Absolutas (ni)
frecuencias relativas (hi) como la variables seleccionada es variable cualitativa
(Razón de Visita)
❖ Paso 1 .- Gráfica/Gráfica Circular
Figura N° 12 Gráfico circular en minitab

❖ Paso 2 .- En la ventana de Grafica circular se selecciona Variables Categórica:
Razón de visita
Figura N° 13 Grafica Circular
❖ Paso 3 .- En la ventana de Grafica circular se selecciona Etiquetas…

Seleccionar la pestaña Etiqueta de división de la gráfica circular con: Nombre de
categoría/ Porcentaje /Dibujar una línea de la etiqueta a la división
Figura N° 14 Etiqueta de división de la gráfica circular

Gráfica circular de Razón de visita

Categoría
A ire acondicionado
Aire acondicionado Guardería
11.4%
Oferta permanente
Tarjeta de crédito
22.9% Park ing amplio
Tarjeta de crédito
Guardería
14.3%
Park ing amplio Oferta permanente

28.6% 22.9%
Gráfico N° 02 Gráfico Circular de Razón de visita
2. Gráfico de Barras.- En el eje horizontal representa los valores o las categorías y

en el eje vertical se presentan los valores de las frecuencias Absolutas (ni)
frecuencias relativas (hi) como la variables seleccionada es variable cualitativa
(Razón de Visita)
❖ Paso 1 .- Gráfica/Gráfica de barras…
Figura N° 15 Gráfico barras en minitab

❖ Paso 1 .- En la ventana Gráfica de barras
Las barras representan: Conteos de valores únicos
Barras simples/ Aceptar
Figura N° 16: Gráfica de barras
❖ Paso 2.- En la ventana Gráfica de barras – Conteo de valores únicos, simples se

selecciona la variable categórica: ‘Razón de visita’ y se selecciona Opciones de
gráficas…
Figura N° 17: Gráfica de barras – Conteo de valores únicos, simples

❖ Paso 3.- En la ventana Gráfica de barras – Opciones de gráficas
Ordenar grupos de X principal por Y descendente/Aceptar
Figura N° 18: Gráfica de barras – Opciones

selecciona Etiquetas
En Etiquetas de datos se selecciona Usar etiquetas de valor y /Aceptar/Aceptar
Figura N° 19: Gráfica de barras – Etiquetas

Gráfica de Razón de visita

10
10
8 8
8
6
Conteo
4
4
0
Parking amplio Oferta permanente Tarjeta de crédito Guardería Aire acondicionado
Razón de visita
Gráfico N° 03 Gráfico de barras Razón de visita
C. DISTRIBUCIÓN DE FRECUENCIAS DE LA VARIABLE CUANTITATIVAS

DISCRETAS: Realizamos la tabulación de la variable “Número de hijos” procedemos a
ejecutar en el Minitab
1. Paso 1 .- Estadísticas/Tablas/cuenta de variables individuales
Figura N° 20 Estadísticas/Tablas/cuenta de variables individuales

2. Paso 2.- En la ventana cuenta de variables individuales se selecciona la variable
‘Número de hijos’. Mostrar Conteos/Porcentajes/ Conteos acumulados porcentajes
acumulados. Aceptar
Figura N° 21 Ventana cuenta de variables individuales
Resultado del procesamiento en Minitab
Figura N° 22 Cuenta de la variable Número de hijos
D. REPRESENTACIÓN GRAFICA DE LA CUANTITATIVAS DISCRETAS: Realizamos la

tabulación de la variable ‘Número de hijos’ procedemos a ejecutar en el Minitab
1. Gráfico de Barras.- Se trabaja con los valores de las frecuencias Absolutas (ni)
frecuencias relativas (hi) como la variables seleccionada es variable discreta
“Número de hijos”

❖ Paso 1 .- En la ventana Gráfica de barras
Las barras representan: Conteos de valores únicos
Barras simples/ Aceptar
Figura N° 23: Gráfica de barras

selecciona la variable categórica: ‘Número de hijos’ y se selecciona Opciones de
gráficas…
Figura N° 24: Gráfica de barras – Conteo de valores únicos, simples
❖ Paso 3.- En la ventana Gráfica de barras – Opciones de gráficas

Ordenar grupos de X principal por Y descendente/Aceptar

Figura N° 25: Gráfica de barras – Opciones

selecciona Etiquetas
En Etiquetas de datos se selecciona Usar etiquetas de valor y /Aceptar/Aceptar
Figura N° 26: Gráfica de barras – Etiquetas
Salida de Minitab
Gráfica de Número de hijos
12
12
11
10
8
Conteo
6
5
4
4
3
0
2 3 1 4 0
Número de hijos
Gráfico N° 04 Gráfico de barras Número de hijos

2.3. Cuadros de Frecuencias de Variables Continuas
Los sueldos mensuales en dólares de 60 empleados de la empresa Z.S.A., son los
siguientes:
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
440 340 558 460 560 607 382 667 512 492
450 530 501 471 660 470 364 634 580 450
574 509 462 380 518 480 625 507 645 382
Construir un cuadro de Frecuencias se aplica el procedimiento siguiente:

Población: Empleados de la empresa Z.S.A (n = 60)
Variable: X = sueldo mensual en dólares.
Datos: Xi = sueldo mensual en dólares
Xi (i =1, 2, 3,.....,60) n =60 trabajadores
Determinamos el máximo y mínimo de Xi, el sueldo más alto (Xmax) y el sueldo mínimo
(Xmin).
X38 = Xmax = 667 X17 = Xmin = 321
1. Recorrido(R): Xmax – Xmin = 667 – 321 =346
2. Elegimos el número de Intervalos (m). Se puede considerar 5 ó 15 intervalos
Si aplicamos:
Para calcular el número de clases de un cuadro de frecuencias podemos usar las
siguientes expresiones ó fórmulas:
a) Raíz cuadrada 𝑚 = √𝑛
b) Regla de Sturges m = 1 + 3.322 Log(n)

m = 1 + 3.322 Log(60)
m = 7 intervalos
𝐿𝑛(𝑛)
c) Regla de Stockes 𝑚= + 1
𝐿𝑛(2)

3. Determinar la amplitud de los intervalos (C)
X max − X min 667 − 321

ci = = = 49,4285.......
m 7
Se puede redondear a 50
4. Construir los intervalos. Como Ci = 50, el recorrido se divide en 7 intervalos o

segmentos, cuyo extremos son:
I1 I2 I3 I4 I5 I6 I7
320 370 420 470 520 570 620 670
Utilizaremos un concepto matemático de intervalo abierto (paréntesis) y de intervalo

cerrado (corchete). Donde (Li-1 – Li] significa que está abierto por la izquierda y
cerrado por la derecha, es decir que en cada intervalo no está incluida el extremo
inferior (Li-1) pero si lo está el extremo superior (Li).
Forma de expresar:
Intervalo de clase
(Li-1 – Li]
320 – 370
370 – 420
420 – 470
470 – 520
520 – 570
570 – 620
620 – 670
Punto medio de cada intervalo, es la MARCA DE CLASE se denota con y i donde

320 + 370
y1 = = 345
2

470 + 520
y4 = = 495
2

620 + 670
y7= = 645
2

5. Elementos de una cuadro de frecuencia, en toda cuadro de frecuencia se

identifica los siguientes elementos:
a) Frecuencia absoluta (ni): Se denomina frecuencia absoluta del valor xi de la

variable X, el número de veces ni que se repite ese valor.
b) Frecuencia relativa (hi): Se denomina frecuencia relativa del valor xi de la variable

X la relación por cociente entre el número de veces que aparece el valor xi y el
ni
número total de valores de la variable (N). hi
n
c) Frecuencia absoluta acumulada (Ni): Se denomina frecuencia absoluta

acumulada del valor n i a la suma de las frecuencias absolutas de los valores de la
variable X anteriores o iguales a n i . Su valor es N i =  ni con j = 1......i
d) Frecuencia relativa acumulada (Hi): Es la frecuencia absoluta acumulada dividida

Ni
por el número total de valores de la variable. Su valor es Hi = .
N
De todas estas definiciones se extraen las siguientes deducciones:
✓ La suma de las frecuencias absolutas sin acumular es igual al número total de los (
n i ,= N)
✓ La última frecuencia relativa acumulada es el total de elementos (n).

✓ La suma de todos las frecuencias relativas acumular es igual
✓ La última frecuencia relativa acumulada es la unidad
La distribución de frecuencias de una variable suele presentarse ordenadamente

mediante la tabla de frecuencias siguiente:

Marca Frecuencias
Intervalos Frecuencia Frecuencias Frecuencias Relativas
de Absolutas
de clases Absolutas Relativas Acumuladas
clase Acumuladas
<Li-1 Li] xi ni Ni hi Hi
n1 N1
<L 1 – L 2 ] x1 n1 N1=n1 h1= H1=
N N
n N
<L2, – L3] x2 n2 N2 = n1+n2 h2= 2
H2= 2
N N
n N
<L3, – L4] x3 n3 N3 =n1+n2+n3 h3= 3
H3= 3
N N
. . . . . .
. . . . . .
. . . . . .
nk Nk
<Lk-1, –L k] xk nK Nk = n1+...+nK=n hk = Hk = =1.00
N N
Total n ni =n hi =1
Los Intervalos pueden ser de la

siguiente manera:
<Li-1 – Li] <Li-1 – Li>
[Li-1 – Li> [Li-1 – Li]
Lectura de la información debe considerar los Signos y Símbolos siguientes:

(–) No existe el fenómeno que trata
(0) La cantidad no alcanza a la mitad de la unidad tomada como base
(···) Informe no disponible.

Aplicación de la función de Excel en la Elaboración de Tablas
Se ingresa los datos sobre el sueldo mensual en dólares de 60 empleados de la empresa
Z.S.A., en una columna desde la celda A1 hasta la celda A61.
Determinamos el máximo y mínimo de Xi, el sueldo más alto (Xmax =MAX(A2:A61) =

667 y el sueldo mínimo (Xmin =MIN(A2:A61). = 321
1. Rango ó Recorrido(R): Xmax – Xmin = 667 – 321 =346

Restamos la Celda A2 menos la Celda A3
2. Elegimos el número de Intervalos (m). Se puede considerar 5 ó 15 intervalos

Si aplicamos:
Para calcular el número de clases de un cuadro de frecuencias podemos usar las

siguientes expresiones ó fórmulas:
a) Regla de Sturges m = 1 + 3.322 Log(n)
m = 1 + 3.322 Log(60)= 6.907
=1+3.322*LOG(CONTAR(A2:A61))
Para redondear a un entero superior se utiliza la siguiente función
=MULTIPLO.SUPERIOR(D7,1)

m = 7 intervalos
3. Determinar la amplitud de los intervalos (C)
X max − X min 667 − 321

ci = = = 49,4285.......
m 7
Se divide el rango y el número de Intervalos =D5/E7. También redondear a un
entero superior =MULTIPLO.SUPERIOR(D9,1) Se puede redondear a 50
4. Construir los intervalos. Como Ci = 50, el recorrido se divide en 7 intervalos o

segmentos, cuyo extremos son:
Utilizaremos un concepto matemático de intervalo abierto (paréntesis) y de intervalo

cerrado (corchete). Donde (Li-1 – Li] significa que está abierto por la izquierda y
cerrado por la derecha, es decir que en cada intervalo no está incluida el extremo
inferior (Li-1) pero si lo está el extremo superior (Li).
Forma de expresar:
I1 I2 I3 I4 I5 I6 I7
320 370 420 470 520 570 620 670
En el primer intervalo I1 en el límite inferior la observación mínima se le resta una
observación porque es intervalo abierto (321 – 1 = 320), para el límite superior al valor
obtenido en el límite inferior se suma la amplitud (se fija la amplitud con F4)=E16+$E$9
En el segundo intervalo I2 en el límite inferior es =F16, para para el límite superior
=E17+$E$9

5. Elementos de una cuadro de frecuencia, en todo cuadro de frecuencia se

identifica los siguientes elementos:
a) Frecuencia absoluta (ni): Se denomina frecuencia absoluta del valor xi de la

variable X, el número de veces ni que se repite ese valor.
Para calcular la Frecuencia absoluta en Excel se tendrá que activar Archivo 

Opciones  Complementos  Ir…  Herramienta para análisis
Se selecciona el Rango de entrada desde la celda A2 hasta A61 y el Rango de

Clase F:16 hasta F22

Por lo tanto las frecuencias quedan determinadas de la siguiente manera
b) Frecuencia relativa (hi): Se denomina frecuencia relativa del valor xi de la variable

X la relación por cociente entre el número de veces que aparece el valor xi y el
n
número total de valores de la variable (N). hi i
n
Se divide H16/$H$23
c) Frecuencia absoluta acumulada (Ni): Se denomina frecuencia absoluta

acumulada del valor n i a la suma de las frecuencias absolutas de los valores de la
variable X anteriores o iguales a n i . Su valor es N i =  ni con j = 1......i
d) Frecuencia relativa acumulada (Hi): Es la frecuencia absoluta acumulada dividida

N
por el número total de valores de la variable. Su valor es Hi = i .
N

Figura:

E. DISTRIBUCIÓN DE FRECUENCIAS, DE LA VARIABLE CUANTITATIVA CONTINUA: Se trabajara con
la variable “Gasto semanal en la tienda VENDO”
Calculo previos para tabular la variable
❖ Paso 1.- Hallar el rango o amplitud de los datos
Rango = Observación mayor – Observación menor
Rango = 140.0 – 30.0 = 110.0
Cálculos del Rango con el Minitab
Figura N° 19: Calculo del Rango
Figura N° 20: Calculo de las observaciones mínimas, máximas y el rango

Figura N° 21: Calculo del Rango
❖ Pasó 2.- Hallar el número de Intervalos (m) Dos maneras:

a) Por la experiencia del investigador, usualmente
5 ≤ m ≤ 15
b) Por la fórmula de Sturges

m = 1 + 3.322 log
(n)
m =1 + 3.322 log (35) = 6.12939 ≅ 6 Intervalos
Seleccionamos Calc para calcular número de clases
Figura N° 22: Cálculo de Número de Intervalos

❖ Paso 3.- Hallar la amplitud de los intervalos (C)
110
𝐶= = 18.33 ≅ 18.4 • Redondeo por exceso
6 •Igual # decimales que los datos
❖ Paso 4.- Hallar los intervalos de clase

Li-1 = límite inferior de la clase i
Li = límite superior de la clase i
Frecuencias
Frecuencia
Intervalos de clases Absolutas
Absolutas
Acumuladas
[Li-1 Li> ni Ni
[ Observación menor – L 2 > n1 N1=n1
[L2, – L3> n2 N2 = n1+n2
[L3, – L4> n3 N3 =n1+n2+n3
. . .
. . .
. . .
Lk-1, –L k> nK Nk = n1+...+nK=n
Total n ni =n
Los intervalos son los siguientes:

[Li-1 Li>
[L1 = obs. menor = 30.0 L1 = L1 +IC = 48.4>
[L2 = 48.4 L2 = 66.8>
[L3 = 66.8 L3 = 85.2>
[L4 = 85.2 L4 = 103.6>
[L5 = 103.6 L5 = 122.0>
[L6 = 122.0 L7 = 140.4>
❖ Paso 5- Tabulación de los datos (conteo de datos)

Frecuencia Frecuencia
Gasto mensual Frecuencia Frecuencia
acumulada acumulada
[Li-1 Li> absoluta ni relativa hi %
absoluta Ni relativa Hi %
[ 30.0 – 48.4> 2 5.71 2 5.71
[ 48.4 – 66.8> 8 22.86 10 28.57
[ 66.8 – 85.2> 10 28.57 20 57.14
[ 85.2 – 103.6> 7 20.00 27 77.14
[103.6 – 122.0> 5 14.29 32 91.43
[122.0 – 140.4] 3 8.57 35 100.00
Nota: Creamos una nueva variable denominada Gastos en la columna C8

❖ Paso 6- Tabulación de los datos (conteo de datos) con Minitab. Seleccionamos Datos/
Codificar/ Numérico a numérico…

Figura N° 23: Codificar de Numérico a numérico
❖ Pasó 6- En la ventana Código – Numérico a numérico se ingresan los valores de los

intervalos mencionando a que intervalo corresponde:
Figura N° 24: En la ventana Código – Numérico a numérico se ingresan los valores

❖ Pasó 7- Mostrar los intervalos con sus respectivos frecuencias absolutas y relativas.
Seleccionamos Estadísticas/Tablas/Cuentas de variables individuales seleccionamos C8:
Gastos en la ventana de variables. También Conteos/Porcentajes/Conteos acumulados y
porcentaje acumulados.
Figura N°
24: Cuentas de variables individuales
Figura N° 25: Cuentas de variables: Gastos

F. REPRESENTACIÓN GRAFICA DE LA CUANTITATIVAS CONTINUA: Realizamos la
tabulación de la variable ‘Gasto semanal’ procedemos a ejecutar en el Minitab
Calculo previos para tabular la variable

1. Histogramas Se utilizan para variables continuas o para variables discretas, con un gran
número de datos, y que se han agrupado en clases.
❖ Paso 1.- Seleccionamos Gráfica/Histograma…
Figura N° 25: Seleccionar Histogramas
❖ Paso 2.- En la ventana Histograma seleccionamos simple/Aceptar
Figura N° 26: Ventana Histogramas

❖ Paso 3.- En la ventana Histograma simple en la ventana de Variables gráficas:
‘Gasto semanal’
Figura N° 27: Histograma simple
❖ Paso 4.- Se selecciona Escala… selecciona Tipo de escala Y
Figura N° 28: Histograma – Escala

❖ Paso 5.- En la ventana Histograma – Escala/tipo de escala Y/Porcentaje
❖ Paso 6.- Se ejecuta doble click en el Histograma en el eje de X
Histograma de Gasto semanal

25
20
Porcentaje
15
10
0
30 45 60 75 90 105 120 135
Gasto semanal
Gráfico N° 03: Histograma de Gasto semanal

❖ Paso 7.- En la ventana Editar Escala se seccionamiento: Tipo de
intervalo/Punto de corte. En Definición de intervalo/posiciones de punto
medio/punto de corte: 30:140.4/18.4/Aceptar
Amplitud del
intervalo
Observación
Observación
Mínima
Máxima

30
25
20
Porcentaje
15
10
0
30.0 48.4 66.8 85.2 103.6 122.0 140.4
Gasto semanal
Gráfico N° 04: Histograma de Gasto semanal

2. Histogramas Se construye con cada punto medio o marca de clase (Xi) de cada
intervalo se levanta un segmento de altura igual a la respectiva Frecuencias
Absolutas (ni ó hi).
❖ Paso 1.- Se copia la marca de clase y frecuencia relativa
Se agrega una clase: Frec. Rela

39.2 – 18.4 =20.8 h = 0.00
Se agrega una clase:

Frec. Rela
131.2 + 18.4 = 149.6
h = 0.00
Figura N° 31: Marca de clase y Frecuencia Relativa
❖ Paso 2.- Seleccionamos Gráfica/ Gráfica de dispersión…
Figura N° 31: Gráfica de dispersión

❖ Paso 3.- En la ventana Gráfica de dispersión con línea de conexión
Figura N° 32: Gráfica de dispersión
❖ Paso 4.- En la ventana Gráfica de dispersión con línea de conexión:

Se agrega en la Variables Y: ‘Frec. Rela’ y Variables X: Marca de Clase
Figura N° 32: Gráfica de dispersión con línea de conexión
❖ Pasó 5.- En la Gráfica de Frec. Rela vs Marca de Clase

Doble Crick en eje de Y en la frecuencia Relativa se muestra la venta Editar escala
69 Dr. Lic.. Miguel Angel Macetas Hernández

Gráfica de dispersión de Frec. Rela vs. Marca de clase

30
25
20
Frec. Rela
15
10
20 40 60 80 100 120 140 160

Marca de clase
Gráfico N° 05: Polígono de frecuencia de Gasto semanal
❖ Pasó 6.- En la venta Editar escala en el Rango de escala/Mínimo =0/ Aceptar
Figura N° 32: Editar escala

Gráfica de dispersión de Frec. Rela vs. Marca de clase

30
25
20
Frec. Rela
15
10
0
20 40 60 80 100 120 140 160
Marca de clase
Gráfico N° 05: Polígono de frecuencia de Gasto semanal
3. Polígonos Acumulativos de Frecuencias (Ojiva). Aquellos que se desarrollan mediante la

marca de clase que tiene coincidencia con el punto medio de las distintas columnas del
histograma. En el momento de la representación de todas las frecuencias que forman parte
de una tabla de datos agrupados, se genera el histograma de frecuencias acumuladas que
posibilita la diagramación del polígono correspondiente.
❖ Paso 1.- Seleccionamos Gráfica/Histograma…
Figura N° 33: Seleccionar Histogramas

❖ Paso 2.- En la ventana Histograma seleccionamos simple/Aceptar
Figura N° 34: Ventana Histogramas
❖ Paso 3.- En la ventana Histograma simple en la ventana de Variables gráficas: ‘Gasto

semanal’
Figura N° 35: Histograma simple

❖ Paso 4.- Se selecciona Escala… selecciona Tipo de escala Y
❖ Paso 5.- En la ventana Histograma – Escala/tipo de escala Y/Porcentaje
❖ Pasó 6.- Doble Click en eje de Gasto mensual donde se presenta la ventana Editar escala

100
80
Porcentaje acumulado
60
40
20
0
30 45 60 75 90 105 120 135
Gasto semanal
Gráfico N° 06: Polígono de frecuencia Acumulada
❖ Pasó 7.- En la ventana de Editar Escala/Tipo intervalo/Punto de corte

Posiciones de punto medio/punto de corte: 30:140.4/18.4 Aceptar
Figura N° 38: Ventana de Editar Escala

100
80
Porcentaje acumulado
60
40
20
0
30.0 48.4 66.8 85.2 103.6 122.0 140.4
Gasto semanal
Gráfico N° 06: Polígono de frecuencia Acumulada
4. Diagrama de Tallos y hojas: Permite obtener simultáneamente una distribución de

frecuencias de la variable y su representación gráfica. Para construirlo basta separar en cada
dato el último dígito de la derecha (que constituye la hoja) del bloque de cifras restantes (que
formará el tallo).
❖ Paso 1.- Seleccionamos Tallo y Hoja.
Figura N° 38: Seleccionar Tallo y Hoja

Gráficos Estadísticos
Primero definiré lo que es un gráfico o diagrama en estadística.
Un diagrama es una especie de esquemático, formado por líneas, figuras, mapas,

utilizado para representar, bien datos estadísticos a escala o según una cierta
proporción, o bien los elementos de un sistema, las etapas de un proceso y las
divisiones o subdivisiones de una clasificación. Entre las funciones que cumplen los
diagramas se pueden señalar las siguientes:
❖ Hacen más visibles los datos, sistemas y procesos

❖ Ponen de manifiesto sus variaciones y su evolución histórica o espacial.
❖ Pueden evidenciar las relaciones entre los diversos elementos de un sistema o de
un proceso y representar la correlación entre dos o más variables.
❖ Sistematizan y sintetizan los datos, sistemas y procesos.
❖ Aclaran y complementan las cuadros y las exposiciones teóricas o cuantitativas.
❖ El estudio de su disposición y de las relaciones que muestran pueden sugerir
hipótesis nuevas.
Algunos de los diagramas más importantes son el diagrama en árbol, diagrama de

áreas o superficies, diagrama de bandas, diagrama de barras, diagrama de bloques,
diagrama circular, diagrama circular polar, diagrama de puntos, diagrama de tallo y
hoja diagrama, histogramas y gráficos de caja y bigote o boxplots.
Clasificación De Los Gráficos
Los gráficos podemos clasificarlos en la siguiente forma:
A. Gráficos de coordenadas ortogonales.

❖ Con divisiones equidistantes: Cronodiagrama, historiograma, histograma y
polígono acumulativo, gráfico en Z, gráfico en escalera, gráfico de banderola,
gráfico mixto (La Banda Flaman), curva de frecuencia, estereograma, gráfico
de Gantt, gráfico de barras, etc
❖ Con divisiones semi-equidistantes: Cuadriculado logarítmico y semi-
logarítmico.

B. Gráficos de coordenadas seudo-ortogonales.
C. Gráficos de coordenadas no ortogonales.
Gráficos de coordenadas polares, gráfico en espiral, gráfico triangular
equilátero, etc.
D. Gráficos sin coordenadas.
❖ De superficies: Gráficos de sectores, gráficos geométricos diversos.
❖ De volúmenes: Cubo, esfera, etc.
❖ De figuras (pictórico).
❖ Cartograma de señalización y densidad.

E. GRÁFICOS DE LA DISTRIBUCIÓN DE FRECUENCIAS
Ordenadas
Las frecuencias (ni, hi, Ni, Hi) siempre son cantidades no negativas ( 0), por lo tanto el
grafico de las frecuencias sean para variables discretas como para variables
Abscisas continuas, se construye en el primer cuadrante del plano cartesiano o rectangular. En
eje de las abscisas (horizontal) se indican los valores de la variable (sean puntos o
intervalos), y en el eje de las ordenadas (vertical) se anota el valor de la respectiva
frecuencia.
i. Frecuencias de variable Discreta

La representación gráfica de las (ni ó hi) se hace mediante el Diagrama de Frecuencia.
Par el efecto, en el eje horizontal se representan los valores Yi, y en el eje verticales
representa los valores de las frecuencias (ni ó hi)
ni
2
0
1
Frecuencia Absolutas
8
Frecuenc Frecuen
1
5 Opinión ia cia
1 de los absoluta Relativa
1 1
2 Clientes ni hi %
0 0 A 6 12,5
G 10 20,8
6
5 O 18 37,5
P 2 4,2
2 V 12 25,0
0 Total 48 100,0
A G O P V
Opinión de los Clientes
Al considerar las frecuencias absolutas acumuladas o relativas acumuladas, la

representación gráfica se hace mediante el GRÁFICO ACUMULATIVO DE
FRECUENCIAS. En el eje horizontal se colocan los valores de la Marca de Clase (Xi), y en
el eje vertical los valores Ni ó Hi, a continuación, a partir de cada extremo de los segmentos
se traza tramos horizontales formando una escalera como se aprecia en el siguiente grafico
Intervalo Frecuenci
Frecuen
s de Marca as
cia 45
clases de Absolutas
Absolut
Frecuencias Absolutas
clase Acumula 40
(Li-1 L i as
Xi das 35
] ni
Acumuladas
Ni 30
16 – 27 21,5 3 3 25
27 – 38 32,5 5 8 20
38 – 49 43,5 10 18 15
49 – 60 54,5 3 21 10
60 – 71 65,5 8 29 5
71 – 82 76,5 7 36 0
82 – 93 87,5 4 40 0 20 40 60 80 100
Total 40
Marca de Clase

18
18
16
Frecuencia Absoluta
12
En el caso de Gráficos de 14
12 10
Barras, en el eje horizontal
10
representa los valores de Yi, y 8
6
en el eje vertical se presentan 6
los valores de las frecuencias 4 2
Absolutas (ni ó hi) 2

0
A G O P V
Opinión de los Clientes
Frecuen Frecuen Convierten
Opinión En
cia cia hi %
de los Grad
absoluta Relativa A Grados
Clientes os
Para los Gráficos de Sectores ni hi %
Circulares ó Pastel, se (360 x12,5 )
A 6 12,5 45.0
convierten los valores de 100
(360 x 20,8 )
12.5%
las frecuencias Absolutas 25.0%
G 10 20,8 74.9
(ni ó hi) a grados mediante 100 20.8%
O 18 37,5 135.0
(360 xh i %) P
V
2
12
4,2
25,0
16.3
91.8
4.2%
100 Total 48 100,0 37.5%

ii. Frecuencias de variable Continua
En el caso más general, las variables continuas se agrupan en cuadros de frecuencias
con intervalos, por lo tanto se trata de representar gráficamente intervalos en el eje
horizontal.
La representación gráfica de las frecuencias (absolutas o relativas) se hace mediante

el Histograma de Frecuencias, que está constituido por un conjunto de rectángulos,
cuya base es igual a la amplitud de un intervalo y la altura igual a la respectiva
frecuencia. Para construir el histograma de frecuencias, se indican en el eje horizontal
ni
Intervalo Frecuen
s de cia
10 Absoluta
clases
Frecuencia Absolutas
s
8 (Li-1 L i ]
ni
16 – 27 3
6
27 – 38 5
4 38 – 49 10
49 – 60 3
2
60 – 71 8
0 71 – 82 7
0 16 27 38 49 60 71 82 93 82 – 93 4
Límite inferior
Total 40
Otro gráfico que se usa para representar las frecuencias es el Polígono de Frecuencias,
que se construye como sigue: en cada punto medio o marca de clase (X i) de cada intervalo
se levanta un segmento de altura igual a la respectiva frecuencias Absolutas (ni ó hi), luego
une los extremos con una línea poligonal, resultando el Polígono de Frecuencias. Para
completar los extremos, se extiende el polígono en media amplitud de cada extremo.

Intervalo Frecuen 12
Marca
s de cia
de
clases Absoluta 10
clase
Frecuencia Absoluta
s
(Li-1 L i ] Xi
ni 8
10.5 0
6
16 – 27 21,5 3
27 – 38 32,5 5 4
38 – 49 43,5 10
2
49 – 60 54,5 3
60 – 71 65,5 8 0
71 – 82 76,5 7 0 10.5 21.5 32.5 43.5 54.5 65.5 76.5 87.5 98.5
82 – 93 87,5 4 Marca de clase
98.5 0
Total 40
Por su parte, las frecuencias acumuladas (Absolutas o Relativas) se grafican mediante los
Polígonos Acumulativos de Frecuencias (Ojiva). De igual manera, en el eje horizontal
se ubican los extremos los intervalos y en el eje vertical lo valores de Ni, Hi. En el extremo
superior de cada intervalo se levanta un segmento de altura igual a la respectiva frecuencia
absoluta, luego partiendo del extremo inferior del primer intervalo se une, con segmentos
de recta, los extremo de los segmentos verticales, obteniendo una línea poligonal que, a
partir de la última frecuencia acumulativa, se extiende paralelamente al eje horizontal,
obteniéndose la gráfica del Polígono Acumulativo de Frecuencias
Frecuencia
Frecuenci
Marca s Absolutas
Intervalos a 45
de clase Acumulada
de clases Absolutas
s 40
<Li-1 Li]
Xi
ni 35
Ni
Frecuencias Absolutas
30
16 – 27 21,5 3 3
Acumuladas
25
27 – 38 32,5 5 8
20
38 – 49 43,5 10 18
15
49 – 60 54,5 3 21
60 – 71 65,5 8 29 10
71 – 82 76,5 7 36 5
82 – 93 87,5 4 40 0
Total 40 0 16 27 38 49 60 71 82 93
Intervalo
Gráfico Nº 3.3: Diagrama de dispersión
Años Demanda de cobre en China de Clase
Demanda de cobre refinado en China
1990 505 (miles de toneladas métricas)
2000
1991 600 1800
1992 850
Demanda de cobre en China
1600
(variable dependiente = Y)
1993 1000 1400
1994 770 1200
1000
1995 1125
800
1996 1240 600
1997 1260 400
2008 1380 200
1999 1550 0
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2000 1660
Años (variable independiente = X)
2001 1750
2002 1840
2003 1900

CLASIFICACIÓN DE LAS OBJETIVO DEL GRAFICO
VARIABLES MOSTRAR
TAMAÑO DISTRIBUCIÓN DE ASOCIACIÓN ENTRE
ESCALA DE
DEL FRECUENCIAS VARIABLES (DOS O
MEDICIÓN
RECORRIDO (UNA VARIABLE) MAS)
BASTONES
1
0
1 2 3 4
D
T
I
S O BARRAS SIMPLES BARRAS AGRUPAS
30
C 25
D 20 8
R 15
10
7
A 5
5
E 0
1 2 3 4
4
T S 1
0
1 2 3 4
A
SECTOR CIRCULAR BARRAS
S 100
90
COMPUESTAS
80
70
60
50
40
30
20
10
0
1 2 3 4
I 40
HISTOGRAMA 32
CORRELACIÓN
N 30
T 30
28
C E 20
26
R 24
O V 10
22
20
N A 0
18
L
16,0 18,0 20,0 22,0 24,0 26,0 28,0 30,0 32,0
16
0 10 20 30
T O
I
O
N
POLÍGONO DE
U R
A FRECUENCIAS LINEAL
A Z
60
60
50 50
S O 40 40
N 30 30
20 20
10 10
0 0
1 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 7 8 9

F. VENTAJAS Y DESVENTAJAS DE LOS GRÁFICOS
Ventajas de los gráficos.
a) Síntesis.- Un cuadro con cifras es difícil de estudiar requiriendo a menudo un

penoso trabajo analítico para poder descubrir las informaciones que contiene.
Por el contrario, mediante un gráfico el investigador hace aparecer las
principales características de una serie estadística.
b) Descubrimiento.- El gráfico permite descubrir hechos esenciales, que

pasarían desapercibidos al simple examen de los cuadros numéricos.
c) Control.- Permite descubrir anomalías de cálculo o tipográficas, que no son

fáciles de hallar en los cuadros.
d) Comparación.- Si el análisis de los datos de una serie en un cuadro, es una

labor delicada, la confrontación de los datos de dos series lo es más todavía.
En cambio, los gráficos permiten un conjunto de comparaciones a simple vista.
e) Búsqueda de las regularidades.- Los gráficos permiten hallar fácilmente la

regularidad de los movimientos de las series cronológicas. También permite
destacar la alternancia o repetición de ciertos fenómenos.
El Gráfico es un instrumento de investigación científica.
Desventajas de los gráficos
a) Ocultamiento.- El gráfico oculta una cierta cantidad de información. En este

sentido es menos preciso que un cuadro.
b) Deformaciones.- Por fallas deliberadas o no en la construcción, puede

introducir importantes deformaciones de los hechos. Un dibujante poco
escrupuloso puede exagerar o reducir, mediante un mal uso de las escalas y
de los trazos, la importancia de un fenómeno. Tal cosa puede ocurrir en
gráficos para fines políticos, económicos o publicitarios.

Construir Una Pirámide Poblacional
Elaborar una pirámide poblacional a partir de datos
1. Abre una nueva hoja de cálculo Excel para introducir los datos.
2. Escribe en la primera fila el título de la tabla de Datos: Perú 2011.
3. Introduce los grupos de edad en la primera columna:
• En la cabecera de la columna escribe: Edad
• A continuación escribe los grupos de Edad: 0-4, 5-9, ..., 80 y más
• Al final de la columna escribe: Total
4. En las siguientes columnas escribe los datos, en el siguiente orden: Hombres,

Mujeres.
Nota: Los datos de que aparezcan en la columna izquierda de la pirámide
(Hombres) deben ser representados con números negativos. Simplemente inserta el
signo - antes de cada valor o crea una nueva columna y multiplica la población
masculina por –1.
5. Ya que estas trabajando con grandes poblaciones, debes ajustar la escala de la
figura, expresando los datos en miles. Puedes hacer esto dividiendo cada celda de
datos por 1.000.
6. También puedes transformar los datos de los distintos grupos de edades en porcentaje
respecto a la población total. En una nueva columna divide el valor del grupo de edad entre
el total de la población.
Creación del Gráfico
1. Selecciona todos los datos -excepto el título y la fila Total- haciendo clic con el ratón y
arrastrando a lo largo de los datos de la tabla (A3:C22).
2. Haz clic en el botón Asistente para gráficos.
✓ Paso 1. Elige Tipo de gráfico: Barras, y selecciona el subtipo Barra agrupada.
Pulsa el botón Siguiente.
✓ Pasó 2. Verás la pirámide. Deja los datos como están y pulsa Siguiente.
✓ Pasó 3. Escribe el título de tu gráfico (p.e., Perú 2001). Deja los otros cuadros en
blanco, y pulsa el botón Siguiente.
✓ Pasó 4. Selecciona el botón En una hoja nueva (llama a esta hoja como desees) y
pulsa el botón Finalizar.
3. Ya tienes tu pirámide. Es hora de mejorar su apariencia:
• Arreglar las barras. Haz doble clic en una de las barras del gráfico. En el cuadro de
diálogo Formato de la serie de datos, selecciona la pestaña Opciones. Configura
Superposición a 100 y pulsa Ancho del rango a 0 y pulsa el botón OK. No
cambies nada más. Las barras del gráfico deben aparecer juntas, sin agujeros.
• Arreglar el eje vertical (desplazar las etiquetas de edades hacia la izquierda). Haz
doble click en los datos del eje vertical. En el cuadro de diálogo Formato de ejes,
elige la pestaña Tramas y configura los botones de marca de graduación a Ninguno
y el botón de rótulos a Inferior.
• Arreglar el eje horizontal (eliminar los valores negativos del eje hombres). Haz
doble clic sobre los datos del eje horizontal. En la pestaña Número selecciona
Categoría: Personalizada y escribe en Tipo: 0;0.
• Aplica cualquier otro formato para mejorar la apariencia de la pirámide: colores de
las barras, tamaño y tipo de fuentes y títulos, eliminación de rejilla y fondo...
Edades Hombres Mujeres Totales Edades Hombres Mujeres

0-4 1266429 1203652 2470081 0-4 -5.5 5.2
5-9 1352926 1298331 2651257 5-9 -5.9 5.6
10-14 1269705 1243519 2513224 10-14 -5.5 5.4
15-19 1154745 1145976 2300721 15-19 -5.0 5.0
20-24 1072826 1097428 2170254 20-24 -4.7 4.8
25-29 918063 958505 1876568 25-29 -4.0 4.2
30-34 857675 894850 1752525 30-34 -3.7 3.9
35-39 768107 816358 1584465 35-39 -3.3 3.5
40-44 691549 729825 1421374 40-44 -3.0 3.2
45-49 561907 592190 1154097 45-49 -2.4 2.6
50-54 449661 471292 920953 50-54 -2.0 2.0
55-59 296106 319847 615953 55-59 -1.3 1.4
60-64 238627 261898 500525 60-64 -1.0 1.1
65-69 177284 204213 381497 65-69 -0.8 0.9
70-74 139265 163512 302777 70-74 -0.6 0.7
75-79 92800 113044 205844 75-79 -0.4 0.5
80 - + 136901 95194 232095 80 - + -0.6 0.4
Totales 11444576 11609634 23054210 Totales -49.6 50.4

Pirámide Poblacional
Mujeres Hombres
80- +
75-79
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
25-29
20-24
15-19
10-14
5-9
0-4
8,0000 6,0000 4,0000 2,0000 0,0000 2,0000 4,0000 6,0000 8,0000
Fuente: Instituto Nacional de Estadística e Informática

Ejercicios de variables cualitativas
1. Construye una tabla de distribución de frecuencia, haz una gráfica de barras y un
diagrama de pastel para una muestra de compras de refresco según la preferencia
de 50 personas:
Coke Classic Diet Coke Pepsi-Cola Pepsi-Cola Sprite
Pepsi-Cola Diet Coke Diet Coke Dr. Pepper Pepsi-Cola
Coke Classic Sprite Pepsi-Cola Coke Classic Coke Classic
Dr. Pepper Coke Classic Pepsi-Cola Coke Classic Coke Classic
Pepsi-Cola Coke Classic Coke Classic Coke Classic Dr. Pepper
Coke Classic Coke Classic Pepsi-Cola Coke Classic Pepsi-Cola
Coke Classic Diet Coke Pepsi-Cola Coke Classic Pepsi-Cola
Diet Coke Dr. Pepper Diet Coke Diet Coke Pepsi-Cola
Sprite Coke Classic Coke Classic Coke Classic Dr. Pepper
Sprite Coke Classic Coke Classic Pepsi-Cola Sprite
2. Según Nielsen Media Research, los cinco programas de TV más vistos a las 8:00 P.M.
del 14 de octubre de 2012 fueron Congo, The X-Files, Holliday in Your Heart, Ellen
Foster y Unhappily Ever After. La lista siguiente es una encuesta entre 50
espectadores.
Unhappily Ellen Congo X-Files Congo Ellen Ellen X-Files
Ellen Ellen X-Files Ellen Holliday X-Files X-Files
Congo Holliday Congo Ellen Congo Holliday X-Files
Ellen Ellen X-Files X-Files X-Files Ellen Holliday
Ellen Ellen Holliday Holliday Ellen Unhapily X-Files
Holliday X-Files X-Files Ellen Congo Holliday Ellen
Holliday Ellen Holliday X-Files Congo Congo Holliday
a) ¿Traza una gráfica de barras y un diagrama de pastel?

b) ¿De acuerdo con la muestra, qué programa tiene la mayor parte del mercado?
3. Se pidió a los alumnos de primer año del Colegio de Administración en la Universidad

que indicaran su campo preferido, y se obtuvieron los siguientes datos.
Campo Alumnos
Administración 55
Contabilidad 51
Finanzas 28

Mercadotecnia 82
Haz una gráfica de barras y el diagrama de pastel.
4. En el censo de 1960 (Dirección General de Estadística de la Secretaría de Comercio

y Fomento Industrial) se encontró que la distribución del material predominante en los
muros o paredes de las casas era como se muestra en la tabla:
Número de
Material de los muros Proporciones Porcentajes
viviendas
Adobe 3 184 0.499 49.9
Tabique 1 547 0.242 24.2
Madera 558 0.087 8.7
Embarro 495 0.078 7.8
Mampostería 171 0.027 2.7

Bloque de material ligero 76 0.012 1.2
Otros 349 0.055 5.5
Total 6 380 1.000 100.0
Traza un diagrama de pastel.
5. A continuación vemos datos de una muestra de 55 miembros del Salón de la Fama

de Béisbol, en Cooperstown, Nueva York, para cada posición en el campo. En cada
caso se indica la posición principal del jugador: lanzador(P), receptor (H), primera
base (1), segunda base (2), tercera base (3), parador en corto (S), jardinero izquierdo
(L), jardinero central (C) y jardinero derecho (R).
L P C H 2 P R 1 S S 1 L 2 P
R P P P P R C S L R P C L C
P P R P 2 3 P H L P 1 C P P
P P S 1 L R R 1 2 H S 3 H
b) Construye una gráfica de pastel y otra de barras.

c) ¿Qué posición tiene más miembros en el salón de la fama?
d) ¿Qué posición tiene menos miembros?
6. Los empleados de Electrónica Moderna tienen un sistema de horario flexible.

Pueden comenzar su jornada de trabajo a las 7:00, 7:30, 8:00, 8:30 o 9:00. Los
datos siguientes representan una muestra de las horas de entrada que
seleccionaron.
7:00 8:30 9:00 8:00 7:30 7:30 8:30 8:30 7:30 7:00
8:30 8:30 8:00 8:00 7:30 8:30 7:00 9:00 8:30 8:00
a) Haz una gráfica de barras y un diagrama de pastel.

b) ¿Qué opinas acerca de las preferencias de los empleados en el sistema de
horarios flexible?
7. .Durante los primeros 11 meses de 1997, los coches Honda Accord, Chevy Cavalier,
Toyota Camry, Honda Civic y Ford Taurus fueron los coches nuevos más vendidos
en USA. Se presentan los datos de 50 compras de automóvil en Cleveland, Ohio.
Taurus Civic Civic Taurus Accord Civic Accord Camry Camry
Taurus Civic Cavalier Cavalier Taurus Accord Cavalier Taurus Taurus
Camry Civic Cavalier Cavalier Camry Accord Camry Cavalier
Camry Camry Camry Civic Camry Camry Accord Civic
Civic Accord Cavalier Cavalier Accord Camry Tauru Taurus
Cavalier Taurus Accord Civic Accord Taurus Accord Camry
Traza un diagrama de pastel y di: ¿Cuál es el coche que más se vende?
8. Cada una de las 500 empresas Fortune se clasifica como perteneciente a uno de
varios giros industriales. A continuación vemos una muestra de 20 empresas con
su correspondiente ramo industrial.
Compañía Ramo Compañía Ramo
IBP Alimentos Borden Alimentos

Intel Electrónica McDonnell Douglas Aeroespacial
Coca-Cola Bebidas Norton International Prod. Químicos
Unión Carbide Prod. Químicos Quaker Oats Alimentos
General Electric Electrónica Pepsico Bebidas
Motorola Electrónica Maytag Electrónica
Kellog’s Alimentos Textron Aeroespacial
Dow Chemical Prod. Químicos Sara Lee Alimentos
Campbell’s Soup Alimentos Harris Electrónica
Ralston Purina Alimentos Eaton Electrónica
Elabora una distribución de frecuencias que muestre la cantidad de empresas en

cada ramo industrial y traza una gráfica de barras.
9. Para realizar su Índice de Confianza Comercial, la revista Fortune encuestó a 50

altos ejecutivos financieros preguntándoles sus políticas financieras actuales de
presupuesto de capital y publicidad. En Noviembre de 2011, los encuestados
describieron sus políticas como sigue: Agresiva 57%, Cautelosa 29%, Indecisa 14%.
Traza una gráfica de barras y una de pastel que describan las políticas de
dichos ejecutivos.
10. Cuando se les pidió clasificar la destreza que se requiere para obtener una alta
calificación en un nuevo juego de computadoras como principiante, aprendiz,
competidor, maestro o experto, 44 evaluadores respondieron de la manera siguiente:
experto, maestro, maestro, competidor, experto, maestro, maestro, maestro,
experto, aprendiz, maestro, maestro, maestro, maestro, experto, maestro,
competidor, maestro, maestro, principiante, experto, competidor, maestro, maestro,
experto, experto, maestro, maestro, maestro, competidor, competidor, experto,
maestro, experto, experto, experto, competidor, maestro, maestro, experto,
competidor, maestro, maestro y experto. Construye una tabla que indique las
frecuencias correspondientes a estas clasificaciones de destreza que se
requiere para obtener una alta calificación.
11. En la siguiente tabla se muestra la estructura de la fuerza de trabajo en el Perú, por

sectores de actividad para los años 2009, 2010 y 2011
Actividad 2009 2010 2011
Agropecuaria 65.4 58.3 54.3
Minero, metalúrgico y petrolero 1.8 1.2 1.2
Electricidad 0.2 0.3 0.4
Manufacturero 9.0 11.8 13.8
Construcción e instalación 1.8 2.7 3.6
Transporte 2.5 2.5 3.2
Comercio 9.4 8.3 9.1
Otras 9.9 14.9 14.3
Total 100.0% 100.0% 100.0%
Base de % (miles de habitantes) 5857 8273 11 202
Construye un diagrama de barras y un diagrama de pastel.

III. CAPITULO Medidas de Resumen
3.1 Medidas de resumen para variables cualitativas
En trabajos de investigación frecuencia se utilizan variables cualitativas, bien por su
naturaleza, o por la escala empleada. Por supuesto, una vez que la información se
recogió, es necesario calcular alguna medida de resumen cuyo resultado es un
indicador que deberá analizarse en un momento posterior.
En este tema te presentamos las medidas de resumen para variables cualitativas que
se utilizan con mayor frecuencia en los estudios que realizas en el nivel primario de
atención de salud.
3.2 Razón e Índice. Definición. Cálculo e interpretación

Por razón puede entenderse:
Una razón es la relación por cociente que se establece entre las unidades de análisis
que pertenecen a un grupo o categoría (a) y las unidades de análisis que pertenecen
a otra categoría (b) de la misma variable. Su expresióngeneral es: 𝑎

𝑏
¿Ésa es la definición? No te desanimes, es una medida de fácil comprensión. Te la
explicaremos con un ejemplo:
Supongamos que de los 600 recién nacidos (RN) de un hospital en cierto período, 300
presentaron los ojos oscuros (OO), en tanto que sólo 100 los tenían claros (OC).
Aplicando la expresión general, la razón OO/OC es
a RN con OO 300
R= = = =
b RN con OC 100
La razón ojos oscuros/ojos claros es de 3; o lo que es lo mismo, 3:1.
Pero, ¿qué significa este resultado? Expresa que hay tres recién nacidos con ojos
oscuros por cada recién nacido de ojos claros en ese hospital y en ese período.
Fíjate que el numerador y el denominador son disjuntos, es decir, no se interceptan,

no están contenidos uno en el otro. Ello te ayudará a establecer las diferencias con
las medidas de resumen que estudiarás a continuación.
Si multiplicas el resultado obtenido por 100, entonces el nuevo número se denomina

índice, de tal suerte que en el ejemplo anterior el índice sería 300. En otras palabras,

en el hospital de referencia, en el período estudiado, por cada 100 bebés de ojos
claros hay 300 de ojos oscuros.
Proporción y Porcentaje. Definición. Cálculo e interpretación

Una proporción.- Es la relación por cociente que se establece entre las
unidades de análisis que pertenecen a un grupo o categoría (a) de una variable y el
𝑎
total de las unidades de análisis estudiadas (a + b). Su expresión general es . Si
𝑎+𝑏
se multiplica su resultado por 100, se obtendrá el porcentaje
Seguiremos utilizando el ejemplo anterior. ¿Lo recuerdas? Por supuesto que sí. Pues
bien, determinemos la proporción de niños con ojos oscuros (300) en la población de
recién nacidos (400):
𝑎 𝑅𝑁 𝑐𝑜𝑛 𝑂𝑂 300 3
𝑃= = = =
𝑎 + 𝑏 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑅𝑁 400 4
Alternativamente, puedes calcular el porcentaje:
𝑅𝑁 𝑐𝑜𝑛 𝑂𝑂 3 00
𝑃 𝑥 100 = 𝑥100 = 𝑥 100 = 75.0%
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑅𝑁 400
Nota: Usamos la P con fines ilustrativos, pues la proporción carece de simbología.
Los resultados anteriores significan que tres de cada cuatro recién nacidos tienen los
ojos oscuros; o que el 75 por ciento de los recién nacidos tiene los ojos oscuros (y,
obviamente, el 25% los tiene claros).
¿No te resultan familiares estas nuevas medidas, o sea, la proporción y el porcentaje?

Ya debes estarte preguntando la diferencia que existe entre éstas y la distribución de
frecuencias relativas que ya estudiaste. Nada más claro: no es que sean parecidas,
son exactamente las mismas, pero restringidas a variables cualitativas.
Observa que el porcentaje te permite analizar el aporte, el peso específico o la

importancia relativa de cada categoría respecto al total.
Tasas
Siempre que necesites medir el riesgo de que acontezca cierto fenómeno en una
población determinada, dispones de un indicador valioso y único: las tasas

Una tasa.- Es una relación por cociente que expresa el riesgo de que ocurra cierto
evento en una población y período determinados. Está compuesta por tres elementos,
a saber
𝑁𝑢𝑚𝑒𝑟𝑎𝑑𝑜𝑟
𝑇𝑎𝑠𝑎 = 𝑥𝑘
𝐷𝑒𝑛𝑜𝑚𝑖𝑛𝑎𝑑𝑜𝑟
Veamos cuáles son esos elementos:
✓ El numerador contiene al número de veces que ocurrió determinado fenómeno en
un área geográfica y en un período determinado.
✓ El denominador indica el número de habitantes de la población en la cual puede
ocurrir el fenómeno.
✓ k es un múltiplo de 10 cuyo uso está justificado por el hecho de que habitualmente
el resultado del cociente es un número fraccionario, y al multiplicarlo por una
potencia de 10 se facilita enormemente la lectura y comprensión del indicador.
Esta es una medida que expresa el riesgo de ocurrencia del evento estudiado en el
numerador en la población involucrada, en el tiempo y lugar establecidos.
Las tasas que más importancia revisten para nuestro desempeño en el campo de la
Salud son las siguientes:
Tasas de importancia Relevante en Salud

✓ Tasas relacionadas con la natalidad
✓ Tasas relacionadas con la mortalidad
✓ Tasas relacionadas con la morbilidad
Una particularidad realmente útil de las tasas es que puedes calcularlas tanto para la
totalidad de la población, como para parte de ella (por ejemplo, para el grupo de edad
de cinco a nueve años, para los estudiantes, para los residentes del área rural, y así
por el estilo); por otra parte, puedes calcular las tasas para todas las causas, o
solamente para una de ellas (o un grupo de ellas). De este modo, tendrás calculadas
tasas brutas, crudas, generales o globales si se tratara de tasas que involucren a toda
la población o al total de causas; al tiempo que habrás calculado tasas específicas si
incluían a una parte de la población o a una causa o grupo de ellas.
Así las cosas, estarás en plena facultad de hallar tasas brutas de mortalidad, de
natalidad, o bien específicas por edad, por sexo, por edad y sexo a la vez, entre

muchas otras. Teniendo a tu disposición los datos adecuados, podrás hallar una tasa
tan específica como desees.
Existe en punto cardinal en el manejo de las tasas: la población expuesta al riesgo en

cuestión. Como ya sabes, este es el denominador de la ecuación, y de su correcta
determinación depende la fidelidad del cálculo. Nunca serán suficientes las medidas
que tomes para asegurarte que estás empleando el dato acertado. No creas que es
muy difícil saber que estás errado o en lo cierto, el problema radica en que muchas
veces se pasa por alto este “detalle” de forma involuntaria.
Probablemente te habrás preguntado: «Bueno, ¿y qué tanto problema con el

denominador?»
¡Ah! Es que ahí radica el quid de la cosa. Recuerda que calculas una tasa para medir
el riesgo de ocurrencia de un evento o fenómeno en una población, pero no en
cualquier población, sino en la población expuesta a ese riesgo. Esto quiere decir que
sólo podrás calcular la tasa de mortalidad por cáncer de útero en las mujeres de cierta
ciudad, puesto que sería imposible calcularla en los hombres; del mismo modo que no
puedes calcular la tasa de morbilidad por cáncer de pulmón de los habitantes de Perú
en 2009, utilizando para ello a los habitantes del Perú en el año 2009.
¿Satisfecha tu inquietud?
También haz de saber que las poblaciones están sometidas a constantes cambios en
lo que a su número atañe, determinados por los nacimientos y defunciones y por
los movimientos migratorios (emigración e inmigración), que provocan que no sea la
misma a lo largo de todo el año. De ahí que, por convenio, se tome la población
existente a mediados del período 11 o población media para el cálculo de las tasas.
Por otra parte, debes tener especial cuidado al calcular tasas para poblaciones
pequeñas, como la que usualmente manejan los Consultorios, pues suelen volverse
inestables, ya que cualquier evento “mueve“ mucho la tasa, y a veces no guarda
relación el resultado obtenido con la magnitud del evento acontecido.
Bueno, ya estamos en condiciones de particularizar en las tasas más relevantes en la

práctica diaria.

Tasas relacionadas con la natalidad
El estudio de la natalidad está relacionado con el número de nacimientos ocurridos en

una población y tiempo determinados, así como la distribución que siguen de acuerdo
con ciertas características. Como ves, todo gira en torno a la medición de la misma, y
una de las formas de conseguirlo es utilizando las tasas.
Ahora nos tropezamos con una contrariedad: la población expuesta al riesgo es muy
difícil de definir, ya que tener un hijo no involucra a toda la parte femenina de la
población, y va más allá, pues otros factores de índole psicosocial actúan en tal
decisión. Por estas razones, verás que se han buscado soluciones alternativas a esta
situación.
Tasa bruta de natalidad
Comencemos por la tasa bruta de natalidad. La misma expresa cómo se comportan

los nacimientos en un área y tiempo determinados. Su cálculo es sencillo:
𝑇𝑜𝑡𝑎𝑙 𝑛𝑎𝑐𝑖𝑑𝑜𝑠 𝑣𝑖𝑣𝑜𝑠 (𝑁𝑉 )𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝐵𝑁 = 𝑥 1000
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑡𝑜𝑡𝑎𝑙 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
Por ejemplo, la tasa cruda de natalidad de Perú en 2008 fue:
Total de nacidos vivos en Perú durante 2008: 151 08012
Total de habitantes en Perú durante 2008: 11 122 308.
151080
𝑇𝐵𝑁 = 𝑥 1000 ≈ 13.6
11122308
Bien, ya tienes el número calculado. Pero, ¿es suficiente con eso? Claro que no,
necesitas saber qué significa, a fin de manejarlo apropiadamente. En primer lugar,
debes informar el resultado de la siguiente forma: «La tasa bruta de natalidad de Perú
en 2008 fue de 14 nacidos vivos por cada 1000 habitantes», ello significa que durante
2008 en Cajamarca nacieron como promedio 14 niños por cada 1 000 habitantes.
Esta tasa tiene el inconveniente de no tomar en cuenta a las personas realmente

expuestas al evento, pero por su sencillez y facilidad de comprensión es la
medida más generalmente utilizada.

De ahora en adelante nos limitaremos a enseñarte cómo calcular e interpretar el
indicador. Continuemos entonces.
Tasa general de fecundidad
Este indicador mide la natalidad, pero tomando en cuenta solamente a la población

femenina en edad reproductiva o fértil (15 a 49 años). El hecho de que se restringe el
denominador no inyecta especificidad a la tasa, pues continúa siendo una mezcla de
diversos grupos de edades con situaciones diversas; amén de que se mueve a la par
de la tasa cruda de natalidad. Se calcula de la siguiente forma:
𝑇𝑜𝑡𝑎𝑙 𝑛𝑎𝑐𝑖𝑑𝑜𝑠 𝑣𝑖𝑣𝑜𝑠 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝐺𝐹 = 𝑥 1000
𝑀𝑢𝑗𝑒𝑟𝑒𝑠 𝑒𝑛 𝑒𝑑𝑎𝑑 𝑓𝑒𝑟𝑡𝑖𝑙 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
Así, la tasa de Cuba en 2008 fue:
151080
𝑇𝐺𝐹 = 𝑥 1000 ≈ 49.4
3055907
Interpretación: En Perú, durante 2008, nacieron como promedio 49 niños por cada
1000 mujeres en edad fértil (15 a 49 años).
Tasa de fecundidad específica por edad

Esta es una tasa específica, que usualmente se calcula para grupos quinquenales
comprendidos entre 15 y 49 años.
𝑁𝑉 𝑑𝑒 𝑚𝑢𝑗𝑒𝑟𝑒𝑠 𝑑𝑒 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝐸𝐹𝑒𝑑𝑎𝑑 = 𝑥 1000
𝑀𝑢𝑗𝑒𝑟𝑒𝑠 𝑒𝑛 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
19476
𝑇𝐸𝐹15−49 = 𝑥 1000 ≈ 56.3
345942
Interpretación: Durante 2008 en Perú nacieron como promedio 56 niños por cada
1000 mujeres de 15 a 49 años de edad.
Tasas de mortalidad
La medición de la mortalidad tiene como fin conocer el número de defunciones

ocurridas en cierta población durante un período dado, a la vez que se estudia su
distribución relacionándolas con diversas características de dicha población.
Entrando en la materia que nos ocupa, te decimos a continuación las tasas que
podrás calcular.
Tasa bruta de mortalidad
Esta tasa expresa el riesgo que tienen todos los habitantes de cierta población, en un
momento dado, de morir por cualquier causa.
𝐹𝑎𝑙𝑙𝑒𝑐𝑖𝑑𝑜𝑠 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝐵𝑀 = 𝑥 1000
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
En 2008, en nuestro país esta tasa fue:
77558
𝑇𝐵𝑀 = 𝑥 1000 ≈ 7.0
11122308
Esto significa que en 2008, en Perú fallecieron como promedio 7 personas por cada
1000 habitantes.
Tasa de mortalidad por edad

Ahora te presentamos una tasa de mortalidad específica, que solo mide el riesgo de
morir que tienen las personas del grupo de edad analizado. Su cálculo se logra
restringiendo el denominador a las personas de la edad deseada, e incluyendo en el
numerador a los fallecidos en esa edad.
𝐹𝑎𝑙𝑙𝑒𝑐𝑖𝑑𝑜 𝑑𝑒 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝑀𝐸𝑒𝑑𝑎𝑑 = 𝑥 1000
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
Por ejemplo, en 2008, en Perú, la tasa de mortalidad en personas de 60 años y más
fue:
52558
𝑇𝐸𝐹60 𝑦+ = 𝑥 50 ≈ 50
1440127
Tasa de mortalidad por sexo
El cálculo de esta tasa es muy similar a la anterior, con la diferencia de que te
restringes a un sexo en particular. Expresa el riesgo de morir de las personas de ese
sexo en esa población, en el período especificado. Para calcularla, sustituye el
numerador por el total de defunciones del sexo analizado, y el denominador por el
total de habitantes de ese sexo en el lugar y momento deseados.
𝐹𝑎𝑙𝑙𝑒𝑐𝑖𝑑𝑜 𝑑𝑒 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝑀𝐸𝑠𝑒𝑥𝑜 = 𝑥 1000
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑑𝑎𝑑 𝑖 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
En nuestro país, durante 2008 la tasa de mortalidad del sexo femenino fue:
34692
𝑇𝑀𝐸𝑠𝑒𝑥𝑜 = 𝑥 1000 ≈ 6
5550426
Interpretación: en Perú, en 2008 fallecieron como promedio 6 mujeres por cada 1000
féminas.

Tasa de mortalidad por causa
Análogamente, puedes conocer el riesgo a que están sometidos los habitantes de
cierto lugar, en un momento definido, de morir por una causa de muerte dada. Ahora
el numerador está formado por las defunciones debidas a la causa en cuestión,
mientras que el denominador incluye al total de población.
𝐹𝑎𝑙𝑙𝑒𝑐𝑖𝑑𝑜 𝑝𝑜𝑟 𝑐𝑎𝑢𝑠𝑎 𝑖 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋

𝑇𝑀𝐸𝐶𝑎𝑢𝑠𝑎𝑠 = 𝑥 1000
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
En Perú, durante 2008 la tasa de mortalidad por enfermedades del corazón fue:
21467
𝑇𝑀𝐸𝐸𝑛𝑓.𝑐𝑜𝑟 = 𝑥 1000 ≈ 193.
11122308
Interpretación: en Perú, en 2008 fallecieron como promedio 193 personas por

enfermedades del corazón por cada 100 000 habitantes
Tasa de mortalidad infantil

Arribamos a un punto de suma importancia al analizar la situación de salud de una
comunidad. Este indicador es una especie de diana hacia la cual se dirigen los ojos de
todo aquel que, avezado o no, se tome interés en el estudio de las características de
una población.
Es un indicador que toma como población expuesta al riesgo a los nacidos vivos en
período estudiado, y se calcula de la siguiente forma:
𝐹𝑎𝑙𝑙𝑒𝑐𝑖𝑑𝑜𝑠 𝑚𝑒𝑛𝑜𝑟𝑒𝑠 𝑑𝑒 1 𝑎ñ𝑜 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
𝑇𝑀𝐼 = 𝑥 1000
𝑁𝑉 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
A partir del triunfo revolucionario, este indicador ha mostrado una tendencia
descendente, llegando a alcanzar en los dos últimos años cifras inferiores a 8,
incluyéndose de esta forma entre los países de más baja tasa a escala mundial. En
2008, la tasa cubana fue:
1070
𝑇𝑀𝐼 = 𝑥 1000 ≈
151080
Ello significa que en 2008, en Cuba fallecieron como promedio 7 niños por cada 1000
nacidos vivos.
Este indicador tiene la singularidad de que puede descomponerse en varios

indicadores, que miden con más especificidad el comportamiento de la mortalidad en
el menor de un año. Estos componentes son los siguientes:

1. Tasa de mortalidad neonatal precoz
Al calcular esta tasa conocerás el riesgo de morir de los bebés con menos de
siete días de nacidos. Su cálculo estriba en sustituir el numerador de la TMI por
las defunciones ocurridas en recién nacidos de menos de siete días en el período
y lugar estudiados. En 2008 tuvimos una TMNP de 2.9 por 1000 NV. De este
modo, puedes decir que en Perú, durante 2008, fallecieron como promedio 3
niños de menos de 7 días por cada 1000 nacidos vivos.
2. Tasa de mortalidad neonatal tardía
Conforme calculaste el riesgo de muerte de los bebitos menores de siete días,
puedes conocer también el de siete en adelante y menores de 28 días, cerrando
así el diapasón en la etapa neonatal de la vida. Sólo tienes que sustituir el
numerador de la tasa anterior por las defunciones de niños de 7 - 27 días en la
población de tu interés, durante el período que necesites.
Para nuestro país la TMNT en 2008 fue de 1.4 por cada 1000 nacidos vivos, lo
que quiere decir que en 2008, en Perú falleció como promedio 1 niño de 7 a 27
días por cada 1000 nacidos vivos.
3. Tasa de mortalidad posneonatal
Ahora determinarás el riesgo de muerte de los niños mayores de 28 días y
menores de un año. Con sólo sustituir el numerador de la TMI por las defunciones
acaecidas en los bebés de 28 días a 11 meses, 29 días y 23:59 horas, habrás
cumplido tu cometido.
El que el denominador, de los tres componentes de la mortalidad infantil, sea el
mismo le imprime a estas tasas una peculiaridad: se puede obtener la mortalidad
infantil mediante la simple suma de sus componentes, o lo que es lo mismo, los
componentes de la mortalidad infantil son sumables.
En Perú, durante 2008, tuvimos una TMP de 2.8 por 1000 NV. Dicho sea con
otras palabras: en 2008, en Perú fallecieron como promedio 3 niños mayores de
28 días y menores de un año por cada 1000 nacidos vivos.
Tasa de mortalidad perinatal

Esta es una tasa especial que mide el riesgo de morir en los momentos cercanos al
nacimiento.
Se calcula de la siguiente forma:
𝐷𝐹𝑇 + 𝐷𝑁𝑃
𝑇𝑀𝑃 = 𝑥𝐾
𝑁𝑉 + 𝐷𝐹𝑇

Donde:
✓ DFT: defunciones fetales tardías (edad materna igual o superior a las 28
semanas, o peso fetal de 1000 gramos o más).
✓ DNP: defunciones neonatales precoces (defunciones en el menor de siete días).
✓ NV: nacidos vivos
Tasa de mortalidad materna

Aquí tienes otro de los indicadores más celosamente cuidados por todo el personal de
salud, bien sabes de ello. La lógica aspiración de todo país interesado realmente en
exhibir indicadores de salud ejemplares, es mantener esta medida en niveles bajos,
juntamente con la tasa de mortalidad infantil, entre otros. Su cálculo comprende algo
que puede inducir extrañeza: el denominador está formado por los nacidos vivos del
lugar y tiempo escogidos. Al analizarlo con detenimiento verás que resulta lo más
indicado, ya que brinda una estimación mejor del riesgo puesto que este indicador
solamente toma en cuenta las defunciones maternas producidas por complicaciones
del embarazo, parto o puerperio (entendido como los 42 días siguientes al parto).
𝐷𝑒𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑠 𝑚𝑎𝑡𝑒𝑟𝑛𝑎𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑎𝑠 𝑒𝑛 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋

𝑇𝑀𝑀 = 𝑥 1000
𝑁𝑎𝑐𝑖𝑑𝑜𝑠 𝑣𝑖𝑣𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑦 𝑡𝑖𝑒𝑚𝑝𝑜 𝑋
La TMM fue de 47.7 por 100 000 NV en 2008 para nuestro país. Esto quiere decir que
por cada 100 000 nacidos vivos, murieron en promedio 48 mujeres por causas
directamente relacionadas con el embarazo, parto y puerperio durante 2008 en Perú.
Tasas de morbilidad
La morbilidad, entendida como el patrón de enfermedades que sufren los habitantes
de alguna región, puede ser estudiada numéricamente mediante las tasas de
morbilidad. Ellas son la tasa de incidencia, la tasa de prevalencia y la tasa de
letalidad.
La tasa de incidencia (TI) mide el riesgo que tiene una persona que habita en un lugar
y tiempo determinados, de contraer o adquirir cierta enfermedad, visto esto en función
del tiempo. Por su lado, la tasa de prevalencia (TP) mide el riesgo de tener la
enfermedad, o sea, de estar enfermo; y la tasa de letalidad (TL) expresa la gravedad
de la enfermedad.

Casos nuevos en lugar y tiempo X
TI = x 10 000
Población total en lugar y tiempo X
Casos nuevos + casos viejos en lugar y tiempo X

TP = x 10 000
Población total en lugar y tiempo X
Fallecidos por enfermedad i en lugar y tiempo X

TL = x 10 000
Enfermos por enfermedad ien lugar y tiempo X
Comparación de tasas
En ocasiones, pretendemos comparar los riesgos de morir, de enfermar, etc. entre
distintas poblaciones o entre distintas categorías o clases de una variable. Para ello,
lo más conveniente es utilizar la tipificación, bien por el método directo o por el
indirecto; técnicas que no se expondrán en este curso, pues se abordarán en cursos
posteriores. Esta técnica solo sirve para comparar, sus resultados no miden en modo
alguno el riesgo de ocurrencia de los eventos estudiados en la población
Resumen
En este tema estudiaste que:
MEDIDAS RESUMEN VARIABLES CUALITATIVAS 41
1. Las medidas de resumen para datos cualitativos más frecuentemente utilizadas
son las razones, las proporciones y las tasas.
2. Cada uno de esos indicadores tiene diferente interpretación. Así, los más
refinados son las tasas, pues expresan el riesgo de ocurrencia del evento
consignado en su numerador.
3. Debes tener cuidado al calcular las tasas para poblaciones pequeñas, por
ejemplo, en el Consultorio Médico de la Familia, porque suelen ser inestables.
4. Las tasas pueden dividirse en generales y específicas.
5. En el ámbito sanitario, las tasas más usadas son las de natalidad, mortalidad y
morbilidad.

Ejercicios
Un grupo de investigadores recogió algunos datos relacionados con la población
cubana del año 2008, con el objetivo de confeccionar indicadores que reflejaran la
situación del país.
Debido a un virus informático, se estropeó parte de la información almacenada. A
continuación te mostramos los datos que se pudieron recuperar. A partir de los
mismos, ¿podrías ayudarnos a completar las partes faltantes? Para ello, calcula e
interpreta los indicadores solicitados.
Información recogida por los investigadores
✓ Nacidos vivos bajo peso: 10 145
✓ Población total: 11 122 308
✓ Nacidos vivos: 151 080
✓ Defunciones totales: 77 558
✓ Total de hombres: 5 571 882
✓ Total de consultas médicas y estomatológicas: 100 819 793
✓ Fallecidos de 15 a 49 años: 10 057
✓ Total de mujeres: 5 550 426
✓ Fallecidos menores de un año: 1 070
✓ Fallecidos de la provincia Guantánamo: 2 722
✓ Casos diagnosticados por enfermedad meningocócica: 44
✓ Fallecidos mayores de 28 días y menores de 12 meses: 417
✓ Población de Guantánamo: 508 864
✓ Hombres fallecidos por tumores malignos: 9 126
✓ Total de nacidos vivos en Sancti Spíritus: 5 642
✓ Mujeres fallecidas: 34 692
✓ Fallecidos menores de 7 días: 435
✓ Población de 15 a 49 años: 6 117 424
✓ Fallecidos mayores de 7 días y menores de 27 días: 218
✓ Nacidos vivos de la provincia Guantánamo: 7 939

3.3 Medidas de resumen para variables cuantitativas.
3.3.1 Medidas de Posición Centrales (Tendencia Central)
Se calcula una medida de tendencia central cuando se necesita un valor único que
resuma una serie de datos; por ejemplo: si se presentara la información de
ingresantes a Universidad en el año 2012, se puede decir que la edad mediana de los
postulantes fue de 18 años.
1. La Media Aritmética
Es la medida de tendencia central con la cual probablemente esté usted más
familiarizado es la media aritmética; se conoce también como media o promedio; se
representa como x y se conoce como "x barra"; la fórmula para calcularla es:
1.1. Para Datos Sin Agrupar
media = x =
x i
Se lee así: la media es igual a “la suma de las x’s dividido por n”.
Ejemplo Datos Sin Agrupar
En un brote de hepatitis A, 6 personas iniciaron síntomas 24 a 31 días después de la
exposición. Calcule el promedio del período de incubación en éste brote; los períodos
de incubación para las personas afectadas (Xi) fueron:
29, 31, 24, 29,30 y 25
Pasó Uno Para calcular el numerador sume las observaciones individuales
x = 29+31+24+29+30+25= 168
Paso Dos para calcular el denominador cuente el número de las observaciones: n = 6
Paso Tres Para calcular la media divida el numerador sumatoria de las

observaciones) entre el denominador (número de las observaciones).
29 + 31 + 24 + 29 + 30 + 25 168
media = x = = = 28 días
6 6
Entonces, el promedio del período de incubación del brote es 28 días
Aplicación de la función de Excel en la Media Aritmética Para Datos Sin Agrupar

Se ingresan los datos de los días de incubación desde la celda A1 hasta la A6 y se la
función PROMEDIO(A2:A6)

1.2. Para Datos Agrupados

Marca de Clase
Frecuencia absoluta
media = x =
 xini Total de Observaciones
n
Frecuenci
Intervalos Marca de
a
de clases clase xi ni
Absolutas
(Li-1 Li] xi ni
16 – 27 21,5 3 64,5
27 – 38 32,5 5 162,5
38 – 49 43,5 10 435
49 – 60 54,5 3 163,5
60 – 71 65,5 8 524
71 – 82 76,5 7 535,5
82 – 93 87,5 4 350
Total 40 2235
64,5 + 162,5 + 435 + 163,5 + 524 + 535,5 + 350 2235

media = x = = = 55,875
40 40

Interpretación: El puntaje promedio en el rendimiento de la línea de acción
educativa de Lenguaje de una muestra de 40 alumnos es 55,875.
1.3. Propiedades de la Media Aritmética.

Sean: x e y : variable
k : constante
M [] : Operador Media Aritmética.
a) M [k] = k
b) M [x + k] = M[x] + k
c) M[kx] = kM[x]
d) M [x  y] = M[x]  M [y]
e) M[x - μ] = 0
f) f) M ((X –M)2) es mínimo si K = X
La media aritmética es un indicador de posición sensible a valores extremos.
2. La Mediana (Me)
Otra medida de tendencia central es la mediana; como se verá es especialmente útil
cuando los datos están sesgados.
Mediana significa a la mitad y la mediana es el valor a la mitad de una serie de datos

que han sido colocados en orden. Específicamente, la mediana es el valor que divide
una serie de datos en dos mitades con una mitad de las observaciones mayores que
ésta y la otra mitad menores a la mediana.
Para Datos Sin Agrupar
Ejemplo Al tener los siguientes datos de presión arterial sistólicas: 110, 120, 122, 130,
180 Mm. de Hg.
En este ejemplo, hay dos observaciones mayores y dos menores que 122, luego
entonces, la mediana es 122 Mm. de Hg., el valor de la 3ª observación. Al obtener la
media (132) ésta sería mayor que 4 de los 5 valores.
Cómo Identificar la Mediana de Datos Individuales
Paso Uno Ordene los datos de menor a mayor o viceversa

Paso Dos Encuentre el rango medio con la siguiente fórmula
(n + 1)
105 Dr. Lic.. Miguel Angel Macetas2Hernández
Rango mediano =
a. Si el número de observaciones (n) es impar el rango medio cae en una

observación.
b. n es par el rango medio cae entre dos observaciones.
Paso Tres Identifique el valor de la mediana
a. Si el rango medio cae en una observación específica (n = impar) la mediana es

igual al valor de ésta observación.
b. Si el rango medio cae entre dos observaciones (n = par) la mediana es igual
al promedio (media aritmética) del valor de estas observaciones.
Ejemplo con Número Impar de Observaciones:

n=5 13, 7, 9, 15, 11
1. Ordenar de mayor a menor: 7, 9, 11, 13, 15 o viceversa: 15, 13, 11, 9, 7.

2. Encontrar el rango mediano
(n + 1) = (5 + 1) = 3
Rango mediano 2= 2
Entonces, el rango medio cae en el valor de la 3ª observación.

3. Identificar el valor de la mediana que es igual al valor de la tercera observación
n = 11
Ejemplo con número par de Observaciones:
n = 6: 15, 7, 13, 9, 10, 11
1. Ordenar los datos 7, 9, 10, 11, 13, 15

2. Encontrar el rango medio
(n + 1) = (6 + 1) = 3,5
Rango mediano 2= 2
Entonces, el rango medio cae entre el valor de la 3ª y la 4ª observación.

3. Identificar el valor de la mediana que es igual al promedio de la 3ª y 4ª
observación
11 + 10
= 10 ,5
Mediana =2
En contraste con la media, la mediana no está influenciada por valores

extremos.
Aplicación de la función de Excel en la Mediana Para Datos Sin Agrupar
Se ingresan los datos desde la celda A1 hasta la A6 y se la función MEDIANA(A2:A6)
Para Datos Agrupados

Para calcular la mediana (Me) a partir de una tabla de frecuencias debe
determinarse las frecuencias absolutas acumuladas Ni, que permite conocer hasta
que el valor de la variable o intervalo se tienen acumulado el 50% de n;
Se Calcula con la Siguiente Fórmula:
n 
 2 − N j−1 
Me = L j−i + c j  
 nj 
 
Donde
n = número total de datos u observaciones
n
Nj = es una Ni inmediata superior a
2
Nj-1 = es una Ni inmediata inferior a
Lj-1 = extremo inferior del Intervalo Mediano
IMe = es el intervalo que corresponde a Nj
nj = es el nj que le corresponde al Intervalo Mediano
Cj = amplitud del intervalo mediano
Ejemplo
Calcular el puntaje de rendimiento mediano en la línea de acción educativa de
Lenguaje de una muestra de 40 alumnos de un determinado centro educativo
Paso Uno
n 40
Aquí n = 40 luego = = 20 se compara con los N i se obtiene que 20,
2 2
observando en la tabla este valor no coincide con algún Ni, está entre 18 y 21,
n
es decir: 18 < 20 < 21 N j−1   Nj
2
Frecuencias
Intervalos de Frecuencia
Absolutas
clases Absolutas
Acumuladas
(Li-1 Li ] ni Ni
I1 16 – 27 n1 = 3 N1 = 3
I2 27 – 38 n2 = 5 N2 = 8
I3 38 – 49 n3 = 10 N3 = 18 Nj-1
IMe= I4 49 – 60 n4 = 3 N4 = 21 Nj
Lj-1 I5 60 – 71 n5 = 8 N5 = 29
nj
I6 71 – 82 n6 = 7 N6 = 36
I7 82 – 93 n7 = 4 N7 = 40
Total 40
Reemplazar los valores obtenidos en la fórmula de Me:
 40 
 2 − 18 
Me = 49 + (11)  = 56,33
 3 
 
Me = 56,33

Interpretación, significa que 20 alumnos tienen calificación iguales o inferiores a
56,33 puntos, y los 20 alumnos restantes (el otro 50%) tienen una calificación superior
a 56,33 puntos
3. Moda (Mo) (Valor Modal o Promedio Típico)

La moda es el valor que ocurre más frecuentemente en una serie de datos
1.3.1. Para Datos Sin Agrupar

Ejemplo:
a) El conjunto: 0, 0, 1, 1, 1, 1, 2, 2, 2, 3, 4, 6 tiene la Mo = 1
b) El conjunto: 4, 8, 12, 15, 26, 35 no tiene moda
c) El conjunto: 1, 3, 5, 5, 5, 7, 7, 9, 9, 9, 11 tiene dos modas, 5 y 9 es una distribución
“Bimodas”.
Aplicación de la función de Excel en la Moda Para Datos Sin Agrupar
Se ingresan los datos desde la celda A2 hasta la A12 y se la función

MODA.VARIOS(A2:A12)
1.3.2. Para Datos Agrupados

Cuando los datos se agrupan en una tabla de distribución de frecuencias, el
modo es el punto medio o marca de clase que contiene la mayor frecuencia.

Se Calcula con la Siguiente Formula
 d1   10 − 5 
Mo = L j−1 + C i   Mo = 38 + (11)  = 42,5833
 d1 + d 2   (10 − 5) + (10 − 3) 
Donde
Lj-1 = Límite inferior del Intervalo Modal
Cj = Amplitud del intervalo Modal
d1 = nj – nj–1
d2 = nj – nj+1
Ejemplo
Calcular el puntaje de rendimiento más frecuente en la línea de acción
educativa de Lenguaje de una muestra de 40 alumnos de un determinado
centro educativo
Frecuencia
Intervalos de Clases
Absolutas
(Li-1 Li ] ni
I1 16 – 27 n1 = 3
I2 27 – 38 n2 = 5 nj-1
IMo= I3 38 – 49 n3 = 10 nj
Lj-1 I4 49 – 60 n4 = 3 nj+1
I5 60 – 71 n5 = 8
I6 71 – 82 n6 = 7
I7 82 – 93 n7 = 4
Total 40
Reemplazando los valores obtenidos en la formula:

 10 − 5 
Mo = 38 + (11)  = 42,5833
 (10 − 5) + (10 − 3) 
Interpretación La Moda indica que la calificación más frecuente en los 40

alumnos es 42,5833 puntos, o también la mayoría de los alumnos tienen una
calificación aproximados a los 42,5833 puntos.

Características de las Medidas de Posición Centrales
Media Aritmética
1. Es una medida totalmente numérica o sea sólo puede calcularse en datos de
características cuantitativas.
2. En su cálculo se toman en cuenta todos los valores de la variable.
3. Es lógica desde el punto de vista algebraico.
4. La media aritmética es altamente afectada por valores extremos.
5. No puede ser calculada en distribuciones de frecuencia que tengan clases
abiertas.
6. La media aritmética es única, o sea, un conjunto de datos numéricos tiene una
y solo una media aritmética.
Mediana
1. En su cálculo no se incluyen todos los valores de la variable.
2. La Mediana no es afectada por valores extremos.
3. Puede ser calculada en distribuciones de frecuencia con clases abiertas.
4. No es lógica desde el punto de vista algebraico.
Moda
1. En su cálculo no se incluyen todos los valores de la variable.
2. El valor de la moda puede ser afectado grandemente por el método de
designación de los intervalos de clases.
3. No está definida algebraicamente.
4. Puede ser calculada en distribuciones de frecuencia que tengan clases abiertas.
5. No es afectada por valores extremos.

EJERCICIOS PROPUESTOS
1. Una empresa grande de equipos deportivos está probando el efecto de dos planes
publicitarios sobre las ventas de los últimos 4 meses. Dadas las ventas que se ven
aquí, ¿cuál programa de publicidad parece producir el crecimiento promedio más
alto en ventas mensuales?
Mes Plan 1 Plan 2

Enero 1657,0 4735,0
Febrero 2008,0 5012,0
Marzo 2267,0 5479,0
Abril 3432,0 5589,0
2. Los estadísticos del programa de Meals on Wheels (comida sobre ruedas), el cual
lleva comidas calientes a enfermos confinados en casa, desean evaluar sus
servicios. El número de comidas diarias que suministran aparece en la siguiente
tabla de frecuencia. Calcular la media, mediana y la moda e intérprete.
Número de comidas por día Número de días
0-5 3
5 - 10 6
10 - 15 5
15 - 20 8
20 - 25 2
25 - 30 3
3. Bill Karl compró 20 acciones a $ 15 cada una, 50 acciones a $20 cada una,100
acciones a $30 cada una y 75 acciones a $35 cada una. ¿Cuál es el precio
promedio por acción?.
4. Dado el siguiente cuadro estadístico con ancho de clase constante igual a 20.
Determine la media de los datos.

Li − Ls ) Xi ni Ni X i ni
880
1950
35 1800
13
200)
4 70
5. En el curso de Estadística I; se tiene las notas de los alumnos distribuidas según el

siguiente histograma de frecuencias, entonces la nota promedio del curso es:
16
14
Número de Alumnos
12
10
8
6
4
2
0
4 6 8 10 12 14
Notas
6. En una encuesta sobre los ingresos anuales en miles de soles de un grupo de
familias se obtuvo la siguiente información:
Li − Ls ) ni
10 – 30 20
30 – 50
50 – 70
70 - 90 20
Además, x = 54 y n2 / n3 = 1 / 5 , calcular el número de familias con ingreso no
menos de 50 mil soles.
7. Dada la siguiente distribución de frecuencias, calcular el valor de “n” sabiendo que

la moda es 60 y pertenece al tercer intervalo.
Li − Ls ) ni
16 – 32 6

32 – 48 n
48 – 64 8
64 – 80 3n
80 - 96 3
8. Dada la siguiente distribución de frecuencias, calcular el valor de “n” sabiendo que


la mediana vale 61.6 y que pertenece al quinto intervalo.
Li − Ls ) ni
20 – 30 3
30 – 40 1
40 – 50 2
50 – 60 6
60 – 70 n
9. El salario promedio mensual pagado a los trabajadores de una compañía es de 200

dólares. Los salarios promedios mensuales pagados a hombres y mujeres de la
compañía son 210 y 150 respectivamente. Determinar el porcentaje de hombres y
mujeres que trabajan en la compañía.
10. Las ganancias diarias de los establecimientos de un centro comercial se presentan

en una tabla de frecuencias con 6 intervalos de clase y se sabe que: la mínima
ganancia es de $6, el rango es 36, el promedio de ganancias diarias es $25.14, el
50% de los establecimientos ganan más de 25.58 dólares diarios, H2=0.15,
N2=120, h3=0.25, H5=0.93, n4=304, n2=2n1. Reconstruir la distribución de todas las
frecuencias y hallar la ganancia más frecuente y la ganancia promedio.
11. Una compañía minera tiene 100 trabajadores. Para los nombrados el haber
máximo es 450 dólares y el mínimo 60 dólares. Hay un 5% de eventuales (en
prueba) que trabajan ad-honorem o perciben compensaciones inferiores a $60.
Quince trabajadores nombrados perciben haberes inferiores a $250 y el 85% ganan
haberes inferiores a $400. Con esta información, calcule las medidas de tendencia
central posibles.

12. La siguiente distribución muestra la producción diaria de un pozo de petróleo (en
barriles) durante n días. Halle la medida de tendencia central más adecuada y
explique por qué su uso.
Producción Porcentaje
Menos de 206 20 %
206 – 214 25%
214 – 222 18%
222 – 230 15%
230 – 238 13%
Más de 238 9%
13. Un grupo de 200 estudiantes con estatura inedia de 60.96 pulg. se divide en dos
grupos, un grupo con una estatura media de 63.4 pulg. y el otro con 57.3 pulg. ¿
Cuántos estudiantes hay en cada grupo?.
14. En una clase hay 35 estudiantes varones con una edad media de 17. 5 años y 15
estudiantes mujeres las que en promedio son 12% más Jóvenes. ¿Cuál es la edad
media de la clase?.
15. Las temperaturas registradas en una ciudad, en grados Fahrenheit (°F), fueron: 51,
60, 58, 62, 57, 49, 52, 62, 61 y 63. Determinar la Media en grados centígrados (°C)
sabiendo que: C=(5/9)(F-32).
16. De una muestra de tamaño tres se sabe: la suma de los cubos de las tres
observaciones es 1971, la media aritmética es 7 y la mediana es 6. Calcular el
valor de cada una de las observaciones.
17. Cien estudiantes divididos en cuatro grupos A, B, C y D dan un examen y obtienen

un promedio general de 72 (calificación centesimal). Los puntajes medios de los
grupos A, B, C son 75, 62 , 80, respectivamente. Los registros del grupo D se
extraviaron; pero se sabe que en el grupo A están el 40% del total de alumnos, en
el grupo B un cuarto del total, en el grupo C habían 15 alumnos más que en el
grupo D. Determinar el promedio del grupo D.

18. En una empresa el sueldo promedio por trabajador es de 360 dólares mensuales,
los trabajadores manuales constituyen el 40% del total y reciben el ¼ del monto
dela planilla, ¿cuánto recibe en promedio cada trabajador manual?.
19. Los costos de fabricación, en soles, de diez objetos son los siguientes: 9.35, 9.46,
9.20, 9.80, 9.77, 9.00, 9.99, 9.36, 9.50, 9.60, si el precio de venta de cada objeto es
3 veces su costo de fabricación menos 5 soles, calcular la utilidad media por objeto.
20. De las edades de cuatro personas, se sabe que la media es igual a 24 años, la
mediana es 23 y la moda es 22. Encuentre las edades de las cuatro personas.
21. Para calcular el suministro de agua que una ciudad requiere mensualmente, se
escogen 15 familias de la ciudad, resultando los siguientes consumos en metros
cúbicos; 11.2, 21.5, 16.4, 19.7, 14.6, 16.9, 32.2, 18.2, 13.1. 23.8, 18.3, 15.5, 18.8,
22.7, 14.0. Si en la ciudad hay 5,000 familias, ¿cuántos metros cúbicos de agua se
requieren mensualmente si el consumo promedio por familia permanece igual?.
22. El sueldo promedio de 200 empleados de una empresa es S/400. Se proponen dos
alternativas de aumento: a) S/. 75 a cada uno, b) 15% de su sueldo más 10 soles a
cada uno. Si la empresa dispone a lo más de S/. 94,000 para pagar sueldos, ¿cuál
alternativa es más conveniente?.
23. Al calcular la media de 125 datos, resultó 42. Un chequeo posterior mostró que en
lugar del valor 12.4 se introdujo 124. Corregir la media.
24. De una central telefónica salieron 70 llamadas de menos de 3 minutos

promediando 2.3 minutos, 40 llamadas de menos de 10 minutos pero no menos de
3 minutos, promediando 6.4 minutos, y 10 llamadas de al menos 10 minutos
promediando 15 minutos. Calcular la duración promedio de todas las llamadas.
25. Cuatro fábricas A, B, C y D, producen un mismo objeto. La fábrica B produce el

doble de C, la D 10% menos que la C y la A el 60% menos que la B. Los costos de
producción (en dólares) por unidad de estas fábricas son respectivamente: 0.2, 0.3,
0,2, y 0.5. Calcular el precio medio de venta si se quiere ganar el 20% por unidad.
26. El sueldo medio de los obreros de una fábrica es de $286.

a) ¿Que porcentajes de hombres y mujeres trabajan en la fábrica si sus sueldos
medios respectivos son $300 y $260?.
b) Si el 60% de los obreros tienen menos de 30 años y percibe el 20% del total de
los sueldos, ¿cuánto es el sueldo medio de los obreros de al menos 30 años?
27. En una empresa donde el sueldo medio es de $400 se incrementa un personal

igual al 25% del ya existente con un sueldo medio igual al 60% de los antiguos. Si 3
meses más tarde se incrementan cada sueldo en 20%, más 30$, ¿cuánto es el
nuevo salario medio?.
28. Al tabular las calificaciones de un examen se obtuvieron las siguientes notas: 07,
08, 09, 10, 11, 12, 13, 14, 15, 16, 17 y las frecuencias del número de alumnos
respectivas: 1, 1, 1, 1, 1, 6, 8, 16, 18, 20, 2. ¿Cuánto es la media, la mediana y la
moda de las notas?, ¿qué valor escogería como el promedio?.
29. Los sueldos en una empresa varían de $300 a $800 distribuidos en forma simétrica
en 5 intervalos de igual amplitud, con el 15%, 20%, y 30% de casos en el primer,
segundo y tercer intervalo respectivamente. Calcule los diferentes indicadores de
tendencia central.

4. Media Geométrica: X G , G
La media geométrica proporciona una medida precisa de un cambio porcentual
promedio en una serie de números.
✓ Se utiliza con más frecuencia para calcular la tasa de crecimiento porcentual
promedio de series de datos, a través del tiempo.
✓ Es una medida de tendencia central por lo general menor que la media aritmética
salvo en el extraño caso en que todos los incrementos porcentuales sean iguales,
entonces las dos medias serán iguales.
✓ Se le define como la raíz enésima del producto de “n” valores. Cuando los datos
son bastantes o cantidades grandes, para facilitar el cálculo se lo debe simplificar
pero sin alterar su naturaleza, para lo cual se puede utilizar los logaritmos de base
10.
CÁLCULO DE LA MEDIA GEOMÉTRICA:
a) Datos Originales:
1
  n
X G = n x1 , x2 ,...xn =  Xi 
n
 i =1 
b) Datos agrupados
l
m 
=  . Xi ni 
n
X G = x , x ...x
n n1
1
n2
2
nm
m
 i =1 
Aplicando logaritmos tenemos:
1 m
XG =  ni log Xi = log Xi
n i =1
Entonces:
X G = 10 log x
La media geométrica se utiliza los datos tienen crecimiento geométrico: población, montos de
capital, producción
1.3.3. Propiedad:
XG < X

Ejemplo
La media geométrica es útil en el cálculo de tasas de crecimiento; por ejemplo, si el
crecimiento de las ventas en un pequeño negocio son 3%, 4%,8%,9% y 10%, hallar la media
de crecimiento.
5
𝑋̅𝐺 = √(3)(4)(8)(9)(10) = 6.128
Respuesta: 6.128%
Utilizando logaritmo
𝐿𝑜𝑔 3 + 𝐿𝑜𝑔4 + 𝐿𝑜𝑔8 + 𝐿𝑜𝑔9 + 𝐿𝑜𝑔10 3.9365
𝐿𝑜𝑔 𝑋̅𝐺 = = = 0.7873
5 5
𝑋̅𝐺 = 𝑎𝑛𝑡𝑖𝑙𝑜𝑔 0.7873
𝑋̅𝐺 = 6.128
Empleando Excel se calcula insertando la función MEDIA.GEOM.

Calcular la tasa de crecimiento promedio a la que ha variado las ventas de cierto producto
con base a la siguiente tabla:
Mes Enero Febrero Marzo Abril Mayo Junio
Ventas 500 550 600 700 800 850
Solución:
Es necesario calcular el porcentaje que las ventas de cada mes representan respecto de los
obtenidos el mes anterior.
Porcentaje del
Mes Ventas
mes anterior
Enero 500
Febrero 550 550/500=1,100
Marzo 600 600/550=1,091
Abril 700 700/600=1,167
Mayo 800 800/700=1,143
Junio 850 850/800=1,063
Calculando la media geométrica se obtiene:
5
𝑋̅𝐺 = √(1100)(1091)(1167)(1143)(1063) = 1.112
Restando 1 para convertirlo a un incremento mensual promedio da 1,112-1 =0,112, o un

incremento promedio de 11,2% para el período de 6 meses.
Comprobación:
Mes Ventas Ventas calculadas con G

Enero 500
Febrero 550 500 x 1.112 = 556,000
Marzo 600 556 x 1.112 = 618,272
Abril 700 618,272 x 1.112 = 687.518
Mayo 800 687,518 x 1,112 = 764.52
Junio 850 764.52 x 1.112 = 850.146
Se puede observar que el valor de 850.146 calculado con la media geométrica es

semejante al valor de venta real de 850, por lo tanto el valor calculado para la media
geométrica está correcto.

Para Datos Agrupados en Tablas de Frecuencias
Se emplea la siguiente ecuación:
∑ 𝐿𝑜𝑔𝑥𝑖 𝑛𝑖
𝐿𝑜𝑔 𝐺 =
𝑛
Donde:
ni = frecuencia absoluta de cada dato xi
Ejemplo
Calcular la media geométrica para las siguientes calificaciones de Estadística:
xi ni
4 5
6 8
8 9
9 10
10 8
Solución:
Se llena la siguiente tabla, realizando los cálculos respectivos:
xi ni log x i log x i ni
4 5 0.602 3.010
6 8 0.778 6.225
8 9 0.903 8.128
9 10 0.954 9.542
10 8 1.000 8.000
Total 40 34.906
Se aplica la siguiente ecuación para obtener la respuesta.

34.906
Log G = = 0.873
40
G = antilog 0.873 = 7.458

5. Media Armónica: X H , H
La media armónica se define como el recíproco de la media aritmética de los
recíprocos
PROPIEDADES
✓ Es un promedio que se utiliza para el cálculo del costo promedio y todo tipo de variables
expresadas en tasas o porcentajes. como por ejemplo: velocidad/distancia,
productividad/tiempo, etc
✓ La media armónica no está definida en el caso de la existencia en el conjunto de
valores nulos.
✓ Cuando la unidad constante o unidad de evaluación es igual a la unidad del numerador
de una razón,
✓ se usa el promedio armónico, y si es igual a la unidad del denominador se usa el
promedio aritmético.
CÁLCULO DE LA MEDIA ARMÓNICA:

a) Datos Originales:
n
XH = n
1
 Xi
i =1
Ejemplo:
La velocidad de producción de azúcar de tres máquinas procesadoras son 0,5, 0,3 y 0,4
minutos por kilogramo. Hallar el tiempo promedio de producción después de una jornada de
4800 minutos del proceso
Solución:
Como en la razón minutos/kilogramos (min/kg) cada máquina trabaja 4800 min, la razón
contante es el tiempo de trabajo (4800 min), es decir la contante es la unidad del numerador,
por lo tanto se debe emplear el promedio armónico
3
𝑋̅𝐻 = = 0.383
1 1 1
0.5 + 0.3 + 0.4

Empleando Excel se calcula insertando la función MEDIA.ARMO
b) Datos Agrupados:
Se emplea cualquiera de las siguientes ecuacion

n
XH = n
ni

i =1 Xi
Propiedad:
XH < XG < X
Ejemplo:
En la siguiente tabla se presentan los datos sobre el tiempo en horas que se demoran en
realizar la misma obra determinados obreros. Calcular el tiempo promedio que se demora en
realizar la obra un obrero tipo (un obrero promedio).
Tiempo Obreros
4 4
5 5
6 7
7 2
9 2

20 20
𝑋̅𝐻 = = = 5.44
4 5 7 2 2 463
+ + + +
4 5 6 7 9 126
Para Datos Agrupados en Intervalos
Se emplea la siguiente ecuación
n
XH = n
ni

i =1 Xi
Ejemplo:
En la siguiente tabla se presentan los datos sobre el tiempo en minutos que se demoran
para resolver una prueba de Estadística determinados estudiantes. Calcular el tiempo
promedio que se demora en resolver la prueba un estudiante tipo.
Tiempo Estudiantes
[40-50) 4
[50-60) 8
[60-70) 10
[70-80) 7
[80-90] 11
Solución:
Realizando los cálculos respectivos se obtiene:
ni xi ni/xi
[40-50) 4 45 0,089
[50-60) 8 55 0,145
[60-70) 10 65 0,154
[70-80) 7 75 0,093
[80-90] 11 85 0,129
Total 40 0,611
Aplicado la ecuación se obtiene:
40
𝑋̅𝐻 = = 65,47
0.611

IV. CAPITULO Estadígrafos de Tendencia No central
4.1. Estadígrafos de Tendencia No central

La medida de posición no central son valores cuyas posiciones en las series ordenadas
de los datos permiten dividir a estos en grupos, cada grupo contiene igual número
(porcentaje). A estas medidas se conocen con el nombre genérico de cuantiles. Los
cuantiles más importantes son los cuartiles
A. Los Cuartiles
Para Datos No Agrupados
La posición o ubicación de los cuartiles se encuentra aplicando la siguiente ecuación:
𝑸𝒌 = 𝑿 𝒏 𝒌+𝟐
[ ]
𝟒
Donde
n = Número total de datos
K = Número del cuartil
Ejemplo
Encuentre los cuartiles dada la siguiente distribución, y represéntelos gráficamente
mediante un diagrama de caja y bigotes: 6, 9, 9, 12, 12, 12, 15 y 17
Solución:
Para calcular los cuartiles se ordena los datos de menor a mayor
6 9 9 12 12 12 15 17
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
Aplicando la ecuación para el cuartil uno se obtiene:
𝑸𝟏 = 𝑿 (𝟖)(𝟏)+𝟐 = 𝑿𝟐.𝟓
[ ]
𝟒
Como la posición del cuartil 1 es 2.5, su valor es el promedio de los datos segundo y
tercero
𝒙𝟐 + 𝒙𝟑 𝟗 + 𝟗
𝑸𝟏 = 𝑿𝟐.𝟓 = = =𝟗
𝟐 𝟐
O también la posición 2.5 dice que el cuartil 1 está ubicado al 50% del trayecto
comprendido entre el segundo dato, que es 9 y el tercer dato que es 9, es decir, Q1=
9+0.5 (9-9) = 9
Interpretación: Este resultado indica que el 25% de los datos es inferior a 9

En Excel se calcula insertando la función CUARTIL.INC
Aplicando la ecuación para el cuartil dos se obtiene:
𝒙𝟒 + 𝒙𝟓 𝟏𝟐 + 𝟏𝟐
𝑸𝟐 = 𝑿 (𝟖)(𝟐)+𝟐 = 𝑿𝟒.𝟓 = = = 𝟏𝟐
[ 𝟒 ] 𝟐 𝟐
O también la posición 4.5 dice que el cuartil 2 está ubicado al 50% del trayecto
comprendido entre el cuarto dato, que es 12 y el quinto dato que también es 12, es
decir,
Q2= 12+0,5(12-12) = 12
Interpretación: Este resultado indica que el 50% de los datos es inferior a 12
Aplicando la ecuación para el cuartil tres se obtiene:
𝒙𝟔 + 𝒙𝟕 𝟏𝟐 + 𝟏𝟓
𝑸𝟑 = 𝑿 (𝟖)(𝟑)+𝟐 = 𝑿𝟔.𝟓 = = = 𝟏𝟑. 𝟓
[ 𝟒 ] 𝟐 𝟐
O también la posición 6,5 dice que el cuartil 2 está ubicado al 50% del trayecto
comprendido entre el doceavo dato, que es 12 y el quinceavo dato que 15, es decir,
Q3= 12+0,5(15-12)
Q3= 12+0.5 (3)=12+1,5=13,5

Interpretación: Este resultado indica que el 75% de los datos es inferior a 13,5

B. Para elaborar un diagrama de caja y bigotes es necesario saber:
Un diagrama de caja y bigotes es una representación gráfica que ayuda a visualizar
una distribución de datos: caja desde Q1 a Q3 (50% de los datos), y bigotes el
recorrido (distancia desde valor mínimo hasta el valor máximo).
Para elaborar un diagrama de caja se procede de la siguiente manera:
a) Se marca los valores de la serie de datos sobre el eje horizontal o vertical.

b) Se ubica sobre el eje el valor mínimo, primer cuartil, mediana o segundo cuartil,
tercer cuartil y el valor máximo.
c) Se construye un rectángulo (caja) paralelo al eje, de longitud desde Q 1 a Q3 y
anchura arbitraria.
De acuerdo al ejemplo ilustrativo se tiene:

Valor mínimo = 6
Q1 = 9
Q2 = 12
Q3 = 13,5
Valor máximo = 17

Datos agrupados
Los cuartiles son estadígrafos de posición que dividen al total de las observaciones,
debidamente ordenados o tabulados, en cuatro partes de igual tamaño.
Para calcular los cuartiles se utiliza la siguiente formula
 jn 
 4 − N J −1 
Q j = L i −1 + C j  
 nj 
 
Donde
Lj-1 = Límite inferior del Intervalo del Cuartil
Cj = Amplitud del intervalo Cuartill
j = El número de Cuartil j = 1, 2 y 3
n = Número total de observaciones o datos.
Nj = Es un inmediato superior a jn
4
Nj-1 = Es una Ni inmediata inferior a jn
4
nj = Es el nj que le corresponde al Intervalo
a) Primer Cuartil (Q1)

Paso Uno
jn
=
(1x 40 ) = 10
Aquí n = 40 y j =1 luego 4 4 se compara con los N i se obtiene que 10,
observando
En la tabla este valor no coincide con algún Ni, está entre 8 y 10, es decir: 8 < 10 <
18
Frecuencias
Absolutas
clases Absolutas
Acumuladas
(Li-1 Li ] ni Ni
I1 16 – 27 n1 = 3 N1 = 3
Nj-1
N2 = 8
I2 27 – 38 n2 = 5
Nj
IQ1= I3 38 – 49 n3 = 10 N3 = 18
nj
Lj-1 I4 49 – 60 n4 = 3 N4 = 21
I5 60 – 71 n5 = 8 N5 = 29
I6 71 – 82 n6 = 7 N6 = 36
I7 82 – 93 n7 = 4 N7 = 40
Total 40
Reemplazando los valores obtenidos en la fórmula:

10 − 8 
Q1 = 38 + (11) = 40,2
 10 
Interpretación Que el 25% del total de alumnos, es decir 10 de ellos tienen una puntuación
inferior o igual a 40,2 puntos, y los 30 restantes, o sea el 75% de trabajadores, tienen un
puntaje superior a 40,2 puntos.
b) Segundo Cuartil (Q2)

Paso Uno
Aquí n = 40 y j =2 luego jn
=
(2x 40 ) = 20 se compara con los N i se obtiene que 20,
4 4
observando
En la tabla este valor no coincide con algún Ni, está entre 18 y 21, es decir:
18 < 20 < 21
Frecuencias
Absolutas
clases Absolutas
Acumuladas
(Li-1 Li ] ni Ni
I1 16 – 27 n1 = 3 N1 = 3
I2 27 – 38 n2 = 5 N2 = 8
N3 = 18 Nj-1
I3 38 – 49 n3 = 10
IQ2= I4 49 – 60 n4 = 3 N4 = 21 Nj
Lj-1 I5 60 – 71 n5 = 8 N5 = 29
nj
I6 71 – 82 n6 = 7 N6 = 36
I7 82 – 93 n7 = 4 N7 = 40
Total 40

 (2x 40) 
 4 − 18 
Q = 49 + (11)  = 56,33
2
 3 
 

c) Tercer Cuartil (Q3)

jn
=
(3 x 40 ) = 30
Paso Uno 4 4
Aquí n = 40 y j =3 luego se compara con los Ni se obtiene que
30, observando en la tabla este valor no coincide con algún Ni, está entre 29 y 36, es
decir:
29 < 30 < 36
Frecuencias
Absolutas
clases Absolutas
Acumuladas
(Li-1 Li ] ni Ni
I1 16 – 27 n1 = 3 N1 = 3
I2 27 – 38 n2 = 5 N2 = 8
I3 38 – 49 n3 = 10 N3 = 18
I4 49 – 60 n4 = 3 N4 = 21
I5 60 – 71 n5 = 8 N5 = 29 Nj-1
IQ3= I6 71 – 82 n6 = 7 N6 = 36 Nj
Lj-1 nj
I7 82 – 93 n7 = 4 N7 = 40
Total 40

 (3 x 40) 
 4 − 29 
Q = 71 + (11)  = 39,57
3
 7 
 

C. Deciles
Definición
Son cada uno de los 9 valores D 1, D2, D3, D4, D5, D6, D7, D8, D9 que dividen a la
atribución de los datos 10 partes iguales.
El primer decil es igual al décimo percentil (D 1=P1), el segundo decil es igual a
veinteavo percentil (D2=P20), y así sucesivamente.
Para Datos No Agrupados

La posición o ubicación de los deciles se encuentra aplicando la siguiente ecuación
𝑫𝒌 = 𝑿 𝒏 𝒌+𝟓
[ ]
𝟏𝟎
Donde
n = Número total de datos
K = Número del cuartil
Ejemplo
Ejemplo:
Calcular el quinto decil de la siguiente distribución: 6, 9, 9, 12, 12, 12, 15 y 17
Solución:
Para calcular los deciles se ordena los datos de menor a mayor.
6 9 9 12 12 12 15 17
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
Aplicando la ecuación para el quinto decil se obtiene:
𝒙𝟒 + 𝒙𝟓 𝟏𝟐 + 𝟏𝟐
𝑫𝟓 = 𝑿 (𝟖)(𝟓)+𝟓 = 𝑿𝟒.𝟓 = = = 𝟏𝟐
[
𝟏𝟎
] 𝟐 𝟐
O también la posición 4,5 dice que el decil 5 está ubicado al 50% del trayecto
comprendido entre el cuarto dato, que es 12 y el quinto dato que también es 12, es
decir,
D5= 12+0,5(12-12) = 12
En Excel se calcula de la siguiente manera:

Como D5 es igual a P50 se introduce la función PERCENTIL.INC
Datos Agrupados en Tablas de Frecuencia

Se emplea la misma ecuación utilizada en el cálculo de los deciles para datos sin
agrupar.
Para Datos Agrupados en Intervalos
 jn 
 10 − N J −1 
D j = Li −1 + C j  
 nj 
 
Donde
Lj-1 = Límite inferior del Intervalo de clase del decil
Cj = Amplitud del intervalo Decil
j = El número de Decil j = 1, 2, 3,…,9
10
10

D. Percentiles o Centiles
Son cada uno de los 99 valores P1, P2, P3,……..P99 que dividen atribución de los
datos en 100 partes iguales.
Datos No Agrupados
La posición o ubicación de los percentiles se encuentra aplicando la siguiente
ecuación:
𝑷𝒌 = 𝑿 𝒏 𝒌+𝟓𝟎
[ ]
𝟏𝟎𝟎
Donde:
n = número total de datos
k = número del percentil
Ejemplo:
Calcular los percentiles de orden 20 y 33 del peso de diez personas que pesan (en
kg) 80, 78, 65, 73, 65, 67, 72, 68, 70 y 72
Solución:
Se ordena los datos de menor a mayor se tiene:
65 65 67 68 70 72 72 73 78 80
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
1) Cálculo del percentil de orden 20 se obtiene:
𝒙𝟒 + 𝒙𝟓 𝟏𝟐 + 𝟏𝟐
𝑷𝟐𝟎 = 𝑿 (𝟏𝟎)(𝟐𝟎)+𝟓𝟎 = 𝑿𝟒.𝟓 = =
[
𝟏𝟎𝟎
] 𝟐 𝟐
En Excel se obtiene un valor aproximado insertando la función PERCENTIL.INC

Cálculo del percentil de orden 33 se obtiene:
𝒙𝟑 + 𝒙𝟒 𝟔𝟕 + 𝟔𝟖
𝑷𝟐𝟎 = 𝑿 (𝟏𝟎)(𝟑𝟑)+𝟓𝟎 = 𝑿𝟑.𝟖 = = = 𝟔𝟕, 𝟓
[ 𝟏𝟎𝟎 ] 𝟐 𝟐
Datos Agrupados en Tablas de Frecuencia
Se emplea la misma ecuación utilizada en el cálculo de los percentiles para datos sin
agrupar.
c) Para Datos Agrupados en Intervalos
 jn 
 100 − N J −1 
Pj = Li −1 + C j  
 nj 
 
Donde
Lj-1 = Límite inferior del Intervalo de clase del Percentil
Cj = Amplitud del intervalo Percentil
j = El número de Percentil j = 1, 2, 3,…,99
100

100

EJERCICIOS
1. Las edades de 50 de los directores ejecutivos de las mejores corporaciones de la
nación reportadas aparecen en la siguiente tabla de frecuencias. Calcule e
interprete la media, la mediana y la moda. Además, calcule e interprete: Q 1, Q2, D10,
D60, P15, P90.
Edades Frecuencias
50 y menos de 55 8
55 y menos de 60 13
60 y menos de 65 15
65 y menos de 70 10
70 y menos de 75 3
75 y menos de 80 1
2. La siguiente información corresponde al consumo mensual en combustible

destinado a calefacción, expresado en miles de $, en una muestra aleatoria de
hogares de un barrio de Santiago, durante los meses de invierno:
Consumo Nº de casos
($miles)
4–6 17
6–8 26
8– 10 14
10 – 12 9
12 –14 11
a. ¿Qué consumo deja bajo sí al 25% de los consumos más bajos?

b. ¿Qué consumo deja sobre sí al 15% de los consumos más altos?
3. La siguiente distribución corresponde a la recaudación de impuestos de 40
contribuyentes. (Recaudación de impuestos en miles de pesos).
a) ¿Cuál es la recaudación correspondiente a

[L i −1 − L i ] xi ni
cuartil 1? Interprétela.
50- 70 60 2
b) ¿Cuál es la recaudación correspondiente al
70- 90 80 15
90 - 110 100 8 Percentil 65? Interprétela.
110 - 130 120 12 c) ¿Bajo qué recaudación están el 20% de las
130 150 140 3 recaudaciones menores?
d) ¿Sobre qué recaudación está el 20% de las
recaudaciones mayores?
e) ¿Qué orden de percentil representa la
V. CAPITULO Medidas de Dispersión
5.1. Medidas de dispersión

Las medidas de dispersión permiten calcularla representatividad de una medida de
posición, para lo cual será preciso cuantificar la distancia de los diferentes valores de
la distribución respecto a dicha medida. A tal distancia es a lo que, en términos
estadísticos, denominaremos variabilidad o dispersión de la distribución. Las medidas
de dispersión tienen como finalidad estudiar hasta qué punto, para una determinada
distribución de frecuencias, las medidas de tendencia central o de posición son
representativas como síntesis de toda la información de la distribución. Medir la
representatividad de una medida de posición equivale a cuantificar la separación de
los valores de la distribución respecto a dicha medida. Entre los estadígrafos de
Dispersión de mayor uso se tiene:
A. Recorrido o rango (R)
El recorrido do un conjunto de observaciones es simplemente la diferencia entre el
mayor y menor valor de la variable.
En datos no agrupados:
R = Xmax – Xmin
B. Recorrido Semi Cuartil (Q)

La desviación cuartil de un conjunto de datos está definido por
Q3 − Q1
Q=
2
Donde Q1 y Q3 son el primer y tercer cuartil de los datos. A veces se usa el

"Recorrido Intercuartil Q3 – Q1". El recorrido semi-intercuartil o desviación cuartil,
da una idea de la dispersión del 50% de los datos centrales.
C. Varianza (s2)
Es el estadígrafo de dispersión más importante. y expresa el grado de dispersión
de las observaciones respecto a la media aritmética. Se denota por s 2; V(X); V(Y);
2; etc.
La varianza se define como:
"La varianza es la media o promedio del cuadrado de las desviaciones de la
variable respecto a su media".
La expresión de la definición, también se escribe:
 (x − x ) n ( xn )
2
x n − 
2
s 2
= i i 2 i i
n −1 s2 =
i i
n
n −1
Propiedades de la varianza:
Sean:
X : variables
k : constante
V( ): Operador varianza
a) V (X)  0
b) V (k) = 0
c) V (x + k) = V(x)
d) V (kx) = K2 V(X)
Si tenemos una muestra tamaño n la dividimos en r sub muestras determinando en
cada una de ellas sus respectivas medias, entonces la media total se determina por la
formula siguiente:
r n
 S 2 ni (X 1 − X t )ni
XT = i =1
+ i =1
n n
Intravarianza + Intervarianza
[Li-1 – Li) Xi ni xi ni x i2ni

0,2 – 7,2 3,7 3 11,1 41,07
7,2 – 14,2 10,7 5 53,5 572,45
14,2 – 21,2 17,7 8 141,6 2506,32
21,2 – 28,2 24,7 5 123,5 3050,45
28,2 – 35,2 31,7 10 317 10048,9
35,2 – 42,2 38,7 4 154,8 5990,76
42,2 – 49,2 45,7 5 228,5 10442,45
Total 40 1030 32652,4
32652,4 −
(1030)
2
s2 = 40 = 157,1769
40 − 1

D. Desviación Estándar o Típica (s)
La desviación estándar o típica, se define como la raíz cuadrada de la varianza
V (X ) = s
157,1769 = 12,5370221
Es uno de los estadígrafos de dispersión de mayor uso, en si cual las unidades de
la variable ya no están elevadas al cuadrado. La desviación estándar, al igual que
la varianza, es no negativa (s ≥ 0), puesto que es la raíz cuadrada positiva de la
varianza. A mayor dispersión le corresponderá una mayor desviación estándar.
NOTA: En general, los estadígrafos de dispersión se usa para comparar dos o más
distribuciones o poblaciones. A mayor dispersión o heterogeneidad entre los
valores o elementos de una población, le corresponde un valor mayor para
el estadígrafo de dispersión.
E. Coeficiente de Variación (CV)
Está definido por la expresión:
S
CV = (100)
x
El valor se expresa en términos porcentuales. Una regla empírica, cuando el CV

< 33% los datos no presentan dispersión en los datos recolectados ó los datos
son más homogéneos
CV =
(12,537)(100) = 48,68746446%
25,75
Datos presentan dispersión

0%<CV<5%, Altamente representativa.
5%<CV<10%, Representativa de su serie.
10%<CV<15%, moderadamente representativa
15%<CV<30%, Bajo grado de representatividad.
CV>30%, No tiene ningún grado de representatividad

VI. CAPITULO Estadígrafos de Deformación
Asimetría.-
Es el grado de deformación de la curva representativa de una distribución de frecuencias
con respecto a la vertical que pasa por la abscisa de la media aritmética; se mide a
través del Coeficiente de Asimetría.
A. Relación Entre La Media, Mediana y Moda
La distribución de frecuencias de un conjunto de datos puede ser simétrica o
asimétrica.
B. Distribución Simétrica
Una distribución es simétrica cuando su grafica semeja una de las tres curvas:
Me = X = Mo Mo X = Me Mo X = Me
✓ Curva hipotética ✓ Curva hipotética en ✓ Curva hipotética

Normal U Rectangular
✓ Curva Unimodal ✓ Curva Bimodal ✓ Curva sin moda
✓ Me = X = Mo ✓ X = Me ✓ X = Me
Distribución Positivamente Asimétrica

Es una distribución donde los valores extremos son observaciones mayores. La
grafica es semejante a la siguiente curva hipotética.
✓ Curva Positivamente Asimétrica (o Curva
con Sesgo Positivo).
✓ Curva Unimodal
✓ Mo < Me < X
Mo X
Me
Distribución Negativa Asimétrica
Es una distribución donde los valores extremos son observaciones menores. La
grafica presenta una prolongación hacia la izquierda, como la siguiente curva
hipotética. ✓ Curva Negativa Asimétrica (o Curva con
Sesgo Negativo).
✓ Curva Unimodal
X Mo ✓ Mo > Me > X
Me Hernández
139 Dr. Lic.. Miguel Angel Macetas
Relación Emperica Entre Media, Mediana y Moda
Cuando la distribución es casi simétrica, se puede utilizar la fórmula de la moda
empírica dad por: Moda = 3(Mediana) – 2(Media)
Mo = 3 Me – 2 X
C. Importancia de la Asimetría.-
El conocimiento de la asimetría es importante por el hecho de que la teoría estadística
se basa a menudo en el supuesto de una distribución normal. Por lo tanto una medida
de asimetría de una distribución es necesario para preservarnos de las consecuencias
de esta suposición (La condición necesaria de una distribución normal es que sea
simétrica).
D. Coeficiente de Asimetría.
Consideramos varias fórmulas para el cálculo de la medida de asimetría:
Coeficiente de Asimetría en base a Momentos.
1 ( xi - x ) ni
m 3
AS =
n s3
✓ Primero y segundo coeficiente de asimetría de PEARSON

X − Mo
A. AS1 = ; Denominado primer coeficiente de Parson.
S
3(X − Me)
B. AS 2 = ; Denominado segundo coeficiente de Pearson.
S
✓ Coeficiente de Asimetría cuartílico o de ARTHUR BOWLEY
Q 3 − 2Q 2 + Q 1
AS =
Q 3 − Q1
Decisión:
As=0, entonces la distribución es simétrica.

As<0, entonces la distribución es asimétrica (-)
As>0, entonces la distribución es asimétrica (+)
E. Kurtosis o Apuntamiento.-

Es la mayor o menor altura de la curva representativa de una distribución de
frecuencias en el punto o abscisa correspondiente a la media aritmética.

D. Leptocúrtica
D. Mesocúrtica (Normal )
D. Platicúrtica
KURTOSIS EN FUNCIÓN DE MOMENTOS:

 ( -x )
m 4
K = 1 xi 4 ni = M 42 ; x : media
ns M2
Decisión:
K=3, Entonces la distribución posee una curva mesocúrtica (Normal).
K<3, Entonces la distribución posee una curva platicúrtica.
K>3, Entonces la distribución posee una curva leptocúrtica.
KURTOSIS EN FUNCIÓN DE CUARTILES Y PERCENTILES.

(Q3 − Q1 )
K=
2(P90 − P10 )
Donde:
Los percentil P90 y P10 se calcula con la Lj-1=Limite inferior del Intervalo del Percentil
siguiente fórmula:
Cj =Amplitud del intervalo Percentilico
 rn 
 100 − N J −1  r = El número de Percentill r = 1,2,3,…,99
Pr = L i −1 + C j   n = Número total de observaciones o datos.
 nj 
  Nj = Es un inmediato superior a jn
100
Nj-1= Es una Ni inmediata inferior a

Decisión:
K=0.263, la distribución es mesocúrtica.
n = s el nj que le corresponde al Intervalo
j
K<0.263, la distribución es platicúrtica.

K>0.263, la distribución es leptocúrtica.

Ejemplo. Calcular el grado de asimetría y kurtosis de la distribución del nivel de glucosa de los
60 varones adultos evaluados. Los cálculos son organizados en la tabla, de modo
que reemplazando datos en fórmula se tiene:
Distribución del Nivel de Glucosa de 60 varones adultos
(Li-1 Li] xi n Xini X2ni ( X i − X) 3 n i ( X i − X) 4 n i

35 45 40 5 200 8000 -158773.1481 5027816.358
45 55 50 7 350 17500 -71199.0741 1542646.605
55 65 60 11 660 39600 -17467.5926 203788.5802
65 75 70 14 980 68600 -64.8148 108.0246914
75 85 80 8 640 51200 4629.6296 38580.24691
85 95 90 7 630 56700 43134.2593 790794.7531
95 105 100 4 400 40000 90981.4815 2577808.642
105 115 110 4 440 48400 225314.8148 8637067.901
Total 60 4300 330000 116555.556 18818611.111
8
 (x
1
i −  ) 3 ni
116555 .56
Coeficiente Asimetría = = = 0.2799,
n 3 60 * (19.076) 3
8
 (x
1
i −  ) 4 ni
18818611 .1111
Coeficiente Kurtosis = = = 2.3686
n * 4
60 * (19.076) 4
Por tanto se puede afirmar que la distribución empírica es:
Aprox. Simétrica, puesto que AS = 0.28 0
Platicúrtica, puesto que K = 2.37 < 3.
Entonces se puede concluir que dicha distribución difiere ligeramente de la normal.
2.4. Aplicaciones de las medidas en datos univariados
Ejemplo 1. Los siguientes datos constituyen las vidas útiles en horas. de una muestra
aleatoria de 60 bombillas de luz de 100 watts.
807 811 620 660 817 732 747 823 844 907
660 753 1050 918 857 867 675 880 878 890
881 872 869 841 847 833 829 827 822 811
766 787 923 792 803 933 947 717 817 753
1056 1076 958 970 776 828 831 781 1088 1082
832 863 852 788 980 889 1030 897 755 891
a) Clasifique convenientemente con Anchos de Clase iguales y trace el Polígono de
Frecuencias Absolutas.
b) Una vez clasificadas; determine el porcentaje de bombillas cuyas vidas útiles oscilan
entre 700 y 1000 horas.
c) Encuentre los límites que sub-clasifiquen las bombillas en tres categorías con referencia
a su duración.
❖ El 15 % más durables en la categoría A
❖ El 15 % menos .durables en la categoría C.
❖ El resto en la categoría B
Solución
Cálculos previos para elaborar la tabla

❖ Recorrido (R) =1088 – 620 = 468
❖ Elegimos el número de Intervalos (m) =1 + 3,322 log(60) = 6,9070
Tomamos m = 6 intervalos
❖ Determinar la amplitud de los intervalos (C)
468
C= = 78
6
a) Clasifique convenientemente con Anchos de Clase iguales
CUADRO Nº 01
DISTRIBUCIÓN DE DATOS CONSTITUYEN LAS VIDAS ÚTILES EN HORAS. DE UNA
MUESTRA ALEATORIA DE 60 BOMBILLAS DE LUZ DE 100 WATTS.
Marca Número Frecuencia Frecuencia
Vida útil en horas Frecuencia
de de Acumulada Relativa
Relativa
clase Bombillas Simple Acumulada
[Li-1 – Li>
xi ni Ni hi Hi
[620 – 698> 659 4 4 0,0667 0,0667
[698 – 776> 737 7 11 0,1167 0,1833
[776 – 854> 815 23 34 0,3833 0,5667
[854 – 932> 893 15 49 0,2500 0,8167
[932 – 1010> 971 5 54 0,0833 0,9000
[1010 – 1088> 1049 6 60 0,1000 1,0000
Total 60 1,0000
❖ El Polígono de Frecuencias Absolutas.

Para graficar el polígono de frecuencias se realiza algunos cálculos
Vida útil en horas Marca de Número de

clase Bombillas
[Li-1 – Li> xi ni
581 0
[620 – 698> 659 4
[698 – 776> 737 7
[776 – 854> 815 23
[854 – 932> 893 15
[932 – 1010> 971 5
[1010 – 1088> 1049 6
1127 0
Total 60
GRAFICO Nº 01
POLÍGONO DE FRECUENCIA DE LA VIDA ÚTIL EN HORAS DE UNA MUESTRA
ALEATORIA DE 60 BOMBILLAS DE LUZ DE 100 WATTS

25
Número de bombillas
23
20
15 15
10
5
7 6
5 4
0 0 0
581 681 781 881 981 1081
Vida promedio en horas de bombillas de luz de 100 watts.
b) Una vez clasificadas; determine el porcentaje de bombillas cuyas vidas útiles oscilan
entre 700 y 1000 horas.
Vida útil en horas Número de Frecuencia Frecuencia
Bombillas Relativa Relativa
[Li-1 – Li> ni hi hi %
[620 – 698> 4 0,0667 6,667
[698 – 776> 7 0,1167 11,667
[776 – 854> 23 0,3833 38,333
[854 – 932> 15 0,2500 25,000
[932 – 1010> 5 0,0833 8,333
[1010 – 1088> 6 0,1000 10,000
Total 60 1,0000 100,000
Calculamos el número de observaciones pedido:
2(11,66667)
698 a 776 11,66667 78 11,6667 𝑥 = = 0,2991453
78
698 a 700 x 2 x
Para encontrar el valor 698 a 700 = 11,6666667 – 0,2991453 = 11,3675214
68(8,3333)
932 a 1010 8,3333 78 8,333 𝑥 = =
78
7,2649526
932 a 1000 x 68 x
Para encontrar el valor 700 y 1000 horas. = 11,368 + 38,333 + 25,000 + 7,265 =
81,966%
❖ El 15 % más durables en la categoría A
Basta calcular el percentil 15 y el percentil 85
9−4
𝑃15 = 698 + 78 ( ) = 753,7
7
51 − 49
𝑃85 = 932 + 78 ( ) = 963.2
5
Ejemplo 2. En la siguiente distribución de frecuencias relativas calcular:
a) Las desviación cuartillita
b) Discutir el sesgo y la kurtosis
Tiempo 0 → 3 3 → 6 6 → 9 9 → 12 12 → 15 15 → 18
hi 0,04 0,06 0,40 0,38 0,10 0,02
Solución
Tiempo Xi hi Hi xi hi xi2 hi
0 → 3 1,5 0,04 0,04 0,06 0,09
3 → 6 4,5 0,06 0,10 0,27 1,215
6 → 9 7,5 0,40 0,50 3,00 22,5
9 → 12 10,5 0,38 0,88 3,99 41,895
12 → 15 13,5 0,10 0,98 1,35 18,225

15 → 18 16,5 0,02 1,00 0,33 5,445
Total 1 9 89,37
Directamente de la tabla: media aritmética x =  xi hi = 9

( )
Varianza S 2 =  xi2 hi − X = 89,37 − 9 2 = 8,37
2
Desviación estándar S = 2,89309523

a) Las desviación cuartillita
0,25−0,10
𝑄1 = 6 + 3 ( 0,40 ) = 7,125
10,974−7,125
𝑄= = 1,9245
2
0,75 − 0,50
𝑄3 = 9 + 3 ( ) = 10,974
0,38
b) Discutir el sesgo y la kurtosis
0,5−0,10 0,1−0,04
𝑀𝑒 = 6 + 3 ( )=9 𝐷1 = 3 + 3 ( )=6
0,40 0,06
0,9−0,88 0,34
𝐷9 = 12 + 3 ( ) = 12,6 𝑀𝑜 = 6 + 3 (0,34+0,02) = 8,83
0,10
3(𝑥̅ − 𝑀𝑒) 3(9 − 9)

𝑆𝑘 = = =0
𝑆 2,893
No podemos concluir que la distribución sea simétrica. En efecto, como la media está a la
derecha de la moda la distribución es sesgada a la derecha y usando el primer Coeficiente
de Pearson tenemos:
𝑥̅ − 𝑀𝑜 9 − 8.83
𝑆𝑘 = = = 0.059
𝑆 2.893
Como Sk > 0 la distribución es ligeramente sesgada a la derecha
Q 1,9245
𝐾= = = 0,29
D9 − D1 12,6 − 6
Como es K>0.263, puede considerarse la distribución que es Leptocúrtica
Ejemplo 3. Al investigar el nivel socioeconómico en los valores: Bajo (B), Medio (M), Alto
(A),
20 familias dieron las siguientes respuestas:
M, B, B, M, A, B, B, M, M, B, M, B, B, A, M, B, M, A, M, B.
Construir la distribución de frecuencias y trazar su gráfica.
Nivel Frecuencia Frecuencia
socioeconómico Absoluta Relativa
Medio 8 40,0
Bajo 9 45,0
Alto 3 15,0
Total 20 100
10 9
8 Alto
Número de Familias
8 15% Medio
6 40%
4 3
2
0
Medio Bajo Alto Bajo
Nivel Socioecónomico 45%

VII. CAPITULO Regresión y Correlación Lineal
Regresión y Correlación Lineal

Son dos herramientas para investigar la dependencia de una variable dependiente Y en
función de una variable independiente X. Y = f(X)
Y = Variable dependiente que se desea explicar o predecir, también se llama regresor o
respuesta
X = Variable independiente, también se llama variable explicativa, regresor o predictor
Regresión lineal - La relación entre X y Y se representa por medio de una línea recta
Regresión curvilinea - La relación entre X y Y se representa por medio de una curva.
La ecuación de la recta es la siguiente:

Y = b 0 + b 1 X + e .........Con.base.en.la. población
Y = b0 + b1 X + e...........Con.base.en.datos.de.la.muestra
´*
Y = b0 + b1 X ................Modelo.de.regresión .estimada
El término de error es la diferencia entre los valores reales observados Y i y los valores
estimados por la ecuación de la recta. Se trata de que estos sean mínimos, para lo cual
se utiliza el método de mínimos cuadrados.
Se trata de minimizar la suma de todos los errores o residuos:
Las fórmulas resultado de la minimización de lo cuadrados del error se aplicarán en el
siguiente ejemplo por claridad. Se tienen los siguientes supuestos:
1. Los errores o residuos se distribuyen normalmente alrededor de la recta de regresión

poblacional
2. Las varianzas de los errores son las mismas en todos los valores de X
(Homoscedasticidad) en caso contrario se tiene (Heteroscedasticidad)
3. Los errores o residuos son independientes: No se muestra algún patrón definido.

El coeficiente de Correlación r desarrollado por Carl Pearson es un indicador de la
fuerza de la relación entre las variables X y Y, puede asumir valores entre -1 y 1 para
correlación negativa y positiva perfecta respectivamente. Por ejemplo, si se encuentra
que la variable presión tiene una correlación positiva con el rendimiento de una caldera,
se deben buscar soluciones al problema mediante acciones asociadas con la variable
presión; de lo contrario, sería necesario buscar la solución por otro lado.
Se identifican tres medidas de desviación como sigue:
Ejemplo: Se sospecha que el tiempo requerido para hacer un mantenimiento preventivo

está relacionado con su número. Calcular el coeficiente de correlación y graficar. Los datos
de tiempo tomados para n = 25 servicios se muestran a continuación:
X Servicios Y Tiempo (Xi-X)*(Yi-Y) (Xi-X) 2 (Yi-Y)2 Yest Error

2 9.95 119.076672 38.9376 364.1533 10.9199 0.9408
8 24.45 1.099872 0.0576 21.0021 28.3362 15.1022
11 31.75 7.499472 7.6176 7.3832 37.0443 28.0292
10 35.00 10.502272 3.0976 35.6075 34.1416 0.7369
8 25.02 0.963072 0.0576 16.1026 28.3362 10.9969
4 16.86 51.612672 17.9776 148.1771 16.7253 0.0181
2 14.38 91.433472 38.9376 214.7045 10.9199 11.9721
2 9.60 121.260672 38.9376 377.6337 10.9199 1.7422
9 24.35 -3.558928 0.5776 21.9286 31.2389 47.4563
8 27.50 0.367872 0.0576 2.3495 28.3362 0.6991
4 17.08 50.679872 17.9776 142.8694 16.7253 0.1258
11 37.00 21.989472 7.6176 63.4763 37.0443 0.0020

12 41.95 48.568672 14.1376 166.8541 39.9470 4.0121
2 11.66 108.406272 38.9376 301.8142 10.9199 0.5477
4 21.65 31.303072 17.9776 54.5057 16.7253 24.2523
4 17.89 47.245472 17.9776 124.1620 16.7253 1.3564
20 69.00 470.014272 138.2976 1,597.3771 63.1686 34.0052
1 10.30 135.625472 52.4176 350.9178 8.0172 5.2111
10 34.93 10.379072 3.0976 34.7770 34.1416 0.6216
15 46.59 118.686672 45.6976 308.2553 48.6551 4.2646
15 44.88 107.127072 45.6976 251.1337 48.6551 14.2512
16 54.12 194.676672 60.2176 629.3676 51.5578 6.5649
17 56.63 241.751472 76.7376 761.6054 54.4605 4.7068
6 22.13 15.462272 5.0176 47.6486 22.5307 0.1606
5 21.15 25.540272 10.4976 62.1385 19.6280 2.3164
206 725.82 2,027.7132 698.5600 6,105.9447 220.0926
X Y Sxy Sxx Syy = SST SSE
X
promedio Y Promedio (Xi-X)*(Yi-Y) (Xi-X)^2 (Yi-Y)^2
  Sxy Sxx Syy
Si todos los puntos estuvieran completamente sobre la recta la ecuación lineal sería
y = a + bx. Como la correlación no siempre es perfecta, se calculan a y b de tal forma que
se minimice la distancia total entre puntos y la recta. Los cálculos tomando las sumas de
cuadrados siguientes se muestran a continuación:
Sxy = 2027.71
Sxx = 698.56
Syy = 6105.94
Las ecuaciones para el cálculo manual son las siguientes:
b1 = b̂1 =
 ( Xi − X )(Yi − Y ) = S XY = 2.902704421
 ( Xi − X ) 2
S XX
b0 = bˆ0 =
 Y − bˆ  X
i 1 i
= Y − bˆX = 5.114515575
n
Las sumas de cuadrados son:

SST =  (Yi − Y ) 2 = 6,105.9447
SSE =  (Yi − Yˆi ) 2 = (Yi − (bo + b1 * X i )) 2 = 220.0926
SSR = SST − SSE = 5,885.8521
El coeficiente de determinación r2 y el coeficiente de correlación r se calculan a

continuación:
SSE ( SST − SSE) SSR

r2 = 1− = = = 0.9639
SST SST SST
El coeficiente de determinación indica el porcentaje de la variación total que es explicada

por la regresión.
r = r 2 = 0.9816
El coeficiente de correlación proporciona el nivel de ajuste que tienen los puntos a la línea
recta indicando el nivel de influencia de una variable en la otra. El factor de correlación r es
un número entre –1 (correlación negativa evidente) y +1 (correlación positiva evidente), y r
= 0 indicaría correlación nula.
El coeficiente de correlación r = 0.98 por lo cual tenemos suficiente evidencia estadística

para afirmar que el tiempo de atención está relacionado con el número de servicios
atendidos.

EJERCICIOS:
1. La energía consumida en un proceso depende del ajuste de máquinas que se realice,
realizar una regresión cuadrática con los datos siguientes y responder las preguntas.
Cons_energía Ajuste Máq.
Y X
21.6 11.15
4 15.7
1.8 18.9
1 19.4
1 21.4
0.8 21.7
3.8 25.3
7.4 26.4
4.3 26.7
36.2 29.1
a. Trazar un diagrama de dispersión
b. Obtener la ecuación de regresión lineal y cuadrática y comparar
c. Estimar el consumo de energía para un ajuste de máquina de 20 con regresión
cuadrática
d. Obtener los intervalos de predicción y de confianza para un ajuste de máquina de 20
e. Obtener el coeficiente de correlación y de determinación
2. En base al porcentaje de puntualidad se trata de ver si hay correlación con las quejas
en una línea aérea. Las quejas son por cada 100000 pasajeros.
%puntos Quejas a. Trazar un diagrama de dispersión
Aerolínea X Y b. Obtener la ecuación de regresión lineal
A 81.8 0.21 c. Estimar las quejas para un porcentaje de
B 76.6 0.58 puntualidad de 80%
C 76.6 0.85
d. Obtener los intervalos de predicción y de confianza
D 75.7 0.68
E 73.8 0.74 para una altura de 63"
F 72.2 0.93 e. Obtener el coeficiente de correlación y de
G 70.8 0.72 determinación
H 68.5 1.22

Bibliografía
ALLEN L, WEBSTER “Estadística aplicada a los negocios y la economía”

AVILA COSTA A.R “Estadística elemental” Perú 1998
BERENSON M. Y LEVINE D. “Estadística Básica para Administradores” México 1992
CORDOVA ZAMORA, M. “Estadística Descriptiva e Inferencia” Perú 1997
HOEL, P. Y JESSEN. “Estadística Básica para Negocios y Economía” México 1983
KAZMIER L. DIAZ MATA A. Estadística Aplicada a Administradores y Economía. Mc. Graw Hill, 1990.
LEVIN, Richard. “Estadística para la Administración” México 1981
MASON Y LIND. Estadística para la administración y economía. Alfa omegas.1992.
MENDENHALL, Willian. “Estadística para Administradores” México 1990.

MOYA, Rufino. “Estadística Descriptiva” Perú 1997
OSTLE B. “Estadística Aplicada” México 1983
CANAVOS G.L. “Probabilidad y Estadística” Mc. Graw-Hill, 1987.
CAO, R et al. Introducción a la Estadística y sus aplicaciones. Edición Pirámide, 2001.
CUADRAS, C. Problemas de Probabilidad y Estadística (Vol 1 y Vol 2) Ed. Eunibar, 1999.
MARTIN PLIEGO, F.J. Introducción a la Estadística Económica y Empresarial. Editorial AC, 1994
PERALTA ASTUDILLO, M.J et al “Estadística: Problemas resueltos” Editorial AC, 1994
SARABIA VIEJO, A & MATE JIMENEZ, C. Problemas de Probabilidad y Estadística. CLAGSA 1993

Estadistica Elemental

Cargado por

Copyright:

Formatos disponibles

Estadistica Elemental

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Elemental

Cargado por

Copyright:

Formatos disponibles

Estadística Básica 2019

1 Dr. Miguel Angel Macetas Hernández

I. CAPITULO ¿Qué es la Estadística? ................................................................................................ 4

2 Dr. Miguel Angel Macetas Hernández

4. Media Geométrica: X G , G ..................................................................................................... 118

5. Media Armónica: X H , H ......................................................................................................... 122

3 Dr. Miguel Angel Macetas Hernández

La importancia de la estadística en la actualidad, no se pone en discusión. Casi

1.2 ¿Qué se entiende por estadística?

Al revisar el texto, vemos que esta parte se encuentra desarrollada posteriormente a

Realice la lectura de este acápite e identifique las ideas principales al respecto. Le

Lo invito ahora a que enuncie su propia definición sobre la estadística.

De las diferentes formas de enunciar lo que significa la estadística, realice ahora un

4 Dr. Miguel Angel Macetas Hernández

1.3 ¿Por qué hay que estudiar Estadística?

La primera razón es que en todos lados encontramos información numérica. Si se

Presentamos aquí algunos ejemplos:

5 Dr. Miguel Angel Macetas Hernández

La tercera razón para tomar el curso de Estadística es que el conocimiento de los

1. Determinar si la información existente es adecuada o si se requiere información

6 Dr. Miguel Angel Macetas Hernández

1.4 Tipos de estadística

✓ Estadística Descriptiva: cuando se recolección, clasificación resumen,

✓ Estadística Inferencial: cuando apoyándose en el cálculo de probabilidades y a

Figura 1 Tipos de Estadística

7 Dr. Miguel Angel Macetas Hernández

1.6 Definiciones básicas

❖ Alumnos de Ingeniería Civil matriculados en ciclo académico 2012 en la

✓ Muestra (n) Es la parte o subconjunto de una población. La muestra está

POBLACIÓN (N) MUESTRA (n)

Figura 2 Población, muestra, parámetros y estadisticos

8 Dr. Miguel Angel Macetas Hernández

❖ El tipo de análisis al que se someterá la información es determinante para elegir

✓ La unidad de muestreo corresponde a la entidad básica mediante la cual se

❖ Si se desea estimar la prevalencia de daño auditivo en relación con niveles de

✓ Dato. Es el valor o respuesta que adquiere variable la en cada unidad de análisis.

✓ Parámetro. Es una medida usada para describir algunas características de una

✓ Estadígrafo. Es una medida usada para describir alguna característica de la

9 Dr. Miguel Angel Macetas Hernández

Variable Valores o atributo

1.7 Clasificación de las Variables

Podemos considerar muchos criterios de clasificación como:

A. Según la Naturaleza de la Variable

a) Variables Cualitativas o Estadísticas de Atributos.

Cuando expresan una cualidad, característica o atributo, tienen carácter cualitativo

❖ Estado civil, los colores, lugar de nacimiento, profesiones, actividad económica,

Cuando el valor de la variable se expresa por una cantidad, es de, carácter

10 Dr. Miguel Angel Macetas Hernández

b.1. Variable Discreta.

b.2. Variable Continúa.

❖ Ingresos monetarios, producción de maíz, peso, estatura, tiempo de

B. Según la Escala de Medición

a) La escala nominal o categórica

11 Dr. Miguel Angel Macetas Hernández

12 Dr. Miguel Angel Macetas Hernández

b) La escala ordinal o de rangos

13 Dr. Miguel Angel Macetas Hernández

A (xi ) = A (xj ) si x𝑖 y x𝑗 están en la misma clase

14 Dr. Miguel Angel Macetas Hernández

15 Dr. Miguel Angel Macetas Hernández